基于CSCS的黑河上游潛在植被NPP及其水熱關系研究

王大為，趙軍，韓濤，李麗麗

（1．西北師范大學地理與環境科學學院，甘肅 蘭州730070；2．西北區域氣候中心，甘肅 蘭州730020；3．蘭州大學資源環境學院，甘肅 蘭州730000）

植被凈第一性生產力（net primary productivity，NPP）是指綠色植物在單位面積、單位時間內所累積的有機物數量，是由光合作用所產生的有機質總量（gross primary productivity，GPP）中扣除自養呼吸（autotrophic respiration，RA）后的剩余部分［1］，是植物自身生物學特性與外界環境因子相互作用的結果，是植物光合作用有機物質的凈創造，作為表征陸地生態過程的關鍵參數，NPP是理解地表碳循環過程不可缺少的部分，是估算地球支持能力和評價陸地生態系統可持續發展的一個重要指標［2－4］。

自Lieth［5］和其他研究者利用實測數據建立了第一個全球NPP回歸模型以來，國際上對NPP的研究主要向著2個方面發展：一是通過所建立的植物生理過程模型來模擬地表植被凈第一性生產力［6－17］；二是利用遙感數據來實現對地表植被凈第一性生產力的估算［18－26］。目前，國內學者對NPP的研究主要依靠遙感技術，通過對瞬時數據的疊加分析了解NPP的年平均值，以及年際變化量。針對黑河上游地區，國內已有學者利用遙感技術對黑河植被NPP進行了估算［27－28］。但是，這種疊加估算瞬時性強，對數據質量的依賴程度大，且模型繁瑣。而由于氣候數據觀測的連續性，利用氣候生產力統計模型對潛在植被（potential natural vegetation，PNV）的NPP積累量以及二者之間相關性的分析研究，能夠突破遙感數據獲取上的時間制約性，從而得出時間和空間分布規律上的普遍性特征。受山地氣候影響，黑河流域上游晴空資料較少，在多云天氣狀況下利用遙感數據反演NPP會干擾估算的準確性。任繼周等［29］采用CSCS方法和分類指數模型模擬并分析了中國及世界范圍內潛在植被的碳匯分布和動態變化，但是研究的空間尺度大，而目前針對流域尺度的相關研究還較少。分類指數模型的復雜性特征使得模型無法直觀判定出的NPP與水熱因子之間的關系。因此，利用植被分類模型和氣候生產力統計模型研究黑河上游潛在植被及其NPP分布，并探求NPP與水熱因子之間的聯系，是對NPP研究的一種新的嘗試。本研究主要探索在僅受氣候因素影響下生長的植被類型狀態及其碳匯能力，可為流域的生態環境發展提供科學依據［30－36］。

1 材料與方法

1．1 研究區概況

黑河發源于青藏高原東北緣祁連山地，干流全長821km。出口鶯落峽以上為上游，河道兩岸山高谷深，河床陡峻，氣候陰濕寒冷，植被較好，是黑河流域水資源產蓄區。行政區劃上包括青海省祁連縣的大部分和甘肅省肅南縣的部分地區。處于“冰源水庫”和河川水系之間的山地森林生態系統是黑河上游生態系統的重要組成部分，以其特有的調節氣候、涵養水源、調蓄徑流的作用，對維護黑河中下游地區社會經濟的發展和綠洲生態的安全起著重要作用，是黑河流域中下游地區農牧民賴以生存的命脈［37］。因此，研究黑河上游潛在植被NPP，對理解流域的碳循環過程和物質的流動方向，解決生態和環境問題具有重要的現實意義。

1．2 數據來源

本研究所用氣候數據和DEM（digital elevation models）數據均來源于國家自然科學基金委員會“中國西部環境與生態科學數據中心”（http：／／westdc．westgis．ac．cn），包括黑河上游及其周邊12個氣象臺站1960－2009年觀測的逐日氣溫、降水量以及各氣象臺站名稱、經度、緯度和海拔數據。DEM數據空間分辨率為90m×90m。通過將逐日≥0℃氣溫數據整理為1960－2009年多年平均≥0℃年積溫數據和多年平均年降水量數據，并計算出近50年的平均濕潤度數據。

1．3 研究方法

1．3．1 綜合順序分類法理論模型 綜合順序分類法（comprehensive sequential classification system，CSCS）全稱為氣候－土地－植物綜合順序分類法，其基本分類單元——類，是以生物氣候指標為依據，將具有同一地帶性農業生物氣候特征的植被劃分為類。在具體分類中，首先以量化的生物氣候指標——≥0℃年積溫（∑θ）和濕潤度（K）為依據，將熱量帶級和濕潤度級相結合進行類的劃分［38－40］。

1．3．2 植被反演方法 在地理學研究中，由于常規方法無法對空間中所有點進行觀測，常需要根據已知的空間數據估計（預測）未知空間點的數值。由于氣象臺站分布的離散性，氣象數據也以離散點的形式分布。要想獲取整個區域的氣候特征，就需要根據離散的氣象數據空間插值得到整個區域的氣候特征。考慮到下墊面性質對氣候影響的復雜性和研究區域的地理特征，本文選擇基于DEM修正的IDW插值方法，對研究區積溫和濕潤度數據進行空間化模擬［38，41］。

根據CSCS的濕潤度模型，可得到研究區濕潤度數據：

式中，K為濕潤度；R為年降水量；∑θ為≥0℃年積溫；0．1為模型調整系數。

基于DEM分區修正的IDW插值模型：

式中，Y表示氣候數據的預測值，DEM表示分區后的數字高程數據，系數a，b表示分區的海拔與氣候數據的線性統計參數，IDW（X－＾y）表示對殘差的反距離加權處理，X表示實際的觀測值，＾y表示海拔與氣候數據的統計函數。

對≥0℃年積溫與濕潤度插值結果進行分級，依據CSCS的植被評定模型對研究區潛在植被類型進行劃分，通過GIS空間疊合分析，得到黑河上游潛在植被類型圖，以此為據分析黑河上游潛在植被空間分布與格局特征。

1．3．3 NPP計算模型 NPP分類指數模型是由周廣勝和張新時［42］建立的綜合植被模型推導而來。將∑θ、K與年輻射干燥度（RDI）、可能蒸散率（PER）的統計關系代入綜合植被模型，得到植被凈第一性生產力與∑θ和K指標間的關系模型［43］：

其中，L（K）＝0．58802K3＋0．50698K2－0．257081K＋0．0005163874。

NPP分類指數模型利用K指標和∑θ的組合來表示植被NPP，更能揭示植被類型與其NPP的內在聯系，為進一步研究地帶性植被類型的生產潛力、植被NPP的區域分布和全球分布提供了可能［44］。

2 結果與分析

2．1 黑河上游潛在植被分布特征

根據CSCS的分類體系，模擬繪制出近50年黑河上游潛在植被的空間分布格局（空間分辨率為90m×90 m）。黑河上游潛在植被類型共有8類（圖1，表1），呈明顯的垂直地帶性特征。ⅠF為研究區主要的植被類型，占研究區總面積的69．43%；ⅡD分布最少，僅占研究區總面積的0．41%。從分布區域來看，除ⅠF和ⅢB外，其余植被類型均沿河谷和山前垂直分布；ⅢB主要分布在海拔較低的平地，而ⅠF則分布在海拔3300m以上的山區。

表1 黑河上游潛在植被分布特征Table 1 Distribution characteristics of PNV in the upper reaches of Heihe River Basin

2．2 潛在植被類型的NPP分布特征

根據林慧龍等［44］提出的NPP分類指數模型，模擬出黑河上游潛在植被NPP空間分布格局（空間分辨率為90m×90m）（圖2）。由圖2可知，在整個研究區域中各條河流流經地區的NPP積累量較其他地區高，且西段NPP年累積量明顯低于中段和東段；在山區中，隨著海拔的上升，NPP積累量呈先上升后下降的趨勢。

圖1 黑河上游潛在植被類型分布格局Fig．1 Spatial distribution pattern of PNV in the upper reaches of Heihe River Basin

圖2 黑河上游潛在植被類型的NPP分布格局Fig．2 Spatial distribution pattern of NPP of PNV in the upper reaches of Heihe River Basin

依據Ni［45］提出每2．2g植物干重約等于1g碳的公式對NPP模擬結果進行換算，將潛在植被NPP表述為通用格式。結果表明，黑河上游潛在植被NPP年總量約為2．97Tg C （1Tg C＝1012g C），單位面積NPP年平均積累量約為107．91g C／m2，最大年積累值約為208．68g C／m2，最小值為0g C／m2。

潛在植被NPP年平均積累量與總量具有非一致性。從各潛在植被類型來看，潛在植被NPP年平均積累量由高到低依次是：針葉林類（ⅡF）＞森林草原、落葉闊葉林類（ⅢE）＞山地草甸類（ⅡE）＞草甸草原類（ⅡD、ⅢD）＞典型草原類（ⅢC）＞多雨凍原、高山草甸類（ⅠF）＞半荒漠類（ⅢB），即森林類植被年平均積累量最高，半荒漠類植被平均積累量最低；NPP平均積累量只比ⅢB略高的ⅠF，其植被NPP總量為1．62Tg C，二者相差1．59Tg C（表2），這與其面積差異較大有關。

表2 各潛在植被類型NPP積累量Table 2 NPP accumulation of each PNV class

2．3 氣候指標與NPP累積量的相關性

氣候因子是潛在植被類型的分類指標，也是計算潛在植被NPP模型的要素。因此，分別分析根據氣候指標進行劃分的熱量級、濕潤度級與潛在植被NPP的相關性，有助于詳細探討水熱分布、植被類型與NPP累積三者之間的聯系。為了可以直觀地分析黑河上游潛在植被NPP與氣候因子的相關性，將研究區≥0℃年積溫、濕潤度和年均NPP分別重采樣為10km×10km格點，其值分別為10km×10km范圍內的平均值，通過NPP格點值分別與≥0℃年積溫和濕潤度建立線性回歸來分析其相關性。

從圖3可以看出，隨著≥0℃年積溫和濕潤度的增加，潛在植被NPP積累量均表現出近似倒“U”拋物線的變化趨勢，且NPP與≥0℃年積溫變化趨勢更顯著。從格點分布來看，在≥0℃年積溫值為2049℃，濕潤度值為2．14時，潛在植被NPP積累量達到最大值（187．41g C／m2）；在拐點以左，NPP與≥0℃年積溫和濕潤度均呈正相關，遞增率分別為9．47g C／（m2·100℃）和5．24g C／（m2·0．1），但 NPP與≥0℃年積溫的相關性（R2＝0．91）要比與濕潤度的相關性（R2＝0．72）顯著；在拐點以右，NPP積累量與≥0℃年積溫和濕潤度均呈負相關，遞減率分別為6．92g C／（m2·100℃）和6．58g C／（m2·0．1），但NPP與濕潤度的相關性（R2＝0．77）要比與≥0℃年積溫的相關性（R2＝0．65）顯著。說明在≥0℃年積溫、濕潤度均較低的環境下，NPP變化主要受≥0℃年積溫影響，而在≥0℃年積溫、濕潤度均較高的環境下，NPP變化主要受濕潤度影響。

圖3 ≥0℃年積溫、濕潤度與NPP的相關性Fig．3 Correlation between NPP and≥0℃ annual accumulated temperature or humidity

研究區內≥0℃年積溫分為3個熱量級（圖4）。在寒冷級（Ⅰ：0～1300℃），NPP積累量隨積溫的升高而急劇增加，相關性一致（R2＝0．96）；在寒溫級（Ⅱ：1300～2300℃），NPP積累量隨積溫的升高平穩而緩慢的增加，增加幅度不大，無明顯相關關系（R2＝0．14）；在微溫級（Ⅲ：2300～3364℃），NPP積累量隨積溫的升高而減少，具有顯著的負相關 （R2＝0．72）。

圖4 各熱量級下的≥0℃年積溫與潛在植被NPP相關性Fig．4 Correlation between≥0℃annual accumulated temperature belonged to each thermal zones and potential vegetation NPP

研究區內濕潤度分為5個濕潤度級，由于干旱級（B：0．5～0．9）只有1個格點，故只分析其他4個濕潤度級下的濕潤度與潛在植被NPP的相關性（圖5）。微干級（C：0．9～1．2），NPP積累量隨濕潤度的升高平穩增加，相關性明顯，分布一致（R2＝0．97）；微潤級（D：1．2～1．5），NPP積累量隨濕潤度的升高平穩增加，增加幅度不大，無明顯的相關性（R2＝0．38）；濕潤級（E：1．5～2．0），NPP積累量隨濕潤度的升高平穩而緩慢的增加，增加幅度不大，相關性不明顯（R2＝0．16）；潮濕級（F：2．0～6．2），NPP積累量隨濕潤度的升高急劇減少，具有顯著的負相關 （R2＝0．77）。

2．4 各潛在植被類型的NPP累積量增長趨勢分析

為了能夠清晰表達黑河上游潛在植被NPP積累量在水熱條件影響下的增長趨勢，本研究用提取的格點的NPP、≥0℃年積溫和濕潤度屬性值，使用MATLAB軟件繪制出黑河上游各潛在植被類型NPP積累量的增長趨勢（圖6），其中實線框部分為影響潛在植被類型的氣候因子分級，虛線框部分為研究區內存在的潛在植被類型及其氣候因素界線，彩色實線為研究區內潛在植被NPP趨勢線，由紅向藍的變化表示NPP積累量由高到低的變化趨勢。

由圖6可知，隨著熱量和濕潤度的不同，各潛在植被類型NPP積累量的增長方向不同，但總的趨勢是由左上向右下呈扇形遞增，即NPP積累量隨著≥0℃年積溫和濕潤度的增加而增加。NPP積累量最大值出現在ⅡF框內的右下角，說明該區域的針葉林類植被為NPP積累量最大的植被類型，且最大值出現在年積溫2300℃和濕潤度3．65的條件下（研究區內出現ⅡF類型的區域內濕潤度最大值為3．65）；最小值出現在ⅠF框的上方，即≥0℃年積溫為0℃的條件下。ⅠF的范圍跨越了4條等值線，是研究區內潛在植被NPP跨度最大的類型，而其邊框多覆蓋在NPP的低值區，這也造成了其NPP總量最大，而平均積累量偏小的結果；跨度最小的類型是ⅢE。

圖5 各濕潤度級下的濕潤度與潛在植被NPP相關性Fig．5 Correlation between humidity belonged to each humidity zones and potential vegetation NPP

3 結論與討論

圖6 黑河上游各潛在植被類型NPP積累量增長趨勢Fig．6 Growth trends of the accumulation of NPP of PNV in the upper reaches of Heihe River Basin

植被類型空間格局對氣候有著敏感的響應，對于這種響應規律的測度與分析，對植被類型空間分布的認識有重要的意義。潛在植被作為一個地區現狀植被的發展趨勢，是對原生植被分布的一種模擬。所以研究潛在植被與氣候之間的響應規律，對現存植被對氣候變化的響應有一定參考意義。

黑河上游潛在植被共有8種類型，潛在植被NPP年總量約為2．97Tg C（1Tg C＝1012g C），該結果比陳正華等［28］根據CASA模型估算出的上游NPP總量低（約5．54Tg C），這可能是由不同的模型選擇、時間序列（陳：5年，本研究：50年）和空間分辨率（陳：1．15 km×1．15km，本研究：90m×90m）等多方面原因造成的；單位面積NPP年平均積累量約為107．91g C／m2，比盧玲等［27］根據光能利用率模型估算出的整個黑河流域單位面積NPP年平均值略高（約106g C／m2）。研究區中NPP積累量總的分布特征為各條河流流經的地區高于其他地區，說明NPP累積量總體分布格局與黑河流域水系分布及其水量分配有很高的相關性，即受水分條件的制約，這在NPP累積量與氣候關系研究中同樣發現的結論相一致，在低海拔地區隨著濕潤度的增加NPP的積累量均不斷增大。在山區中，隨著海拔的上升，NPP積累量呈先上升后下降的趨勢，這表明NPP積累與植被類型有高度的一致性，即潛在植被地帶性分布特征受水熱條件影響的分布趨勢相同，這與本研究中NPP與積溫與濕潤度相關性出現的結果相一致，陳正華等［28］也認為黑河上游NPP與熱量有較好的相關性。由此可知，黑河上游的潛在植被的NPP積累量是由潛在植被的類型決定的，即NPP的累積直接由黑河上游水熱分布條件決定。研究潛在植被類型NPP總量時發現，ⅠF的NPP總量最多，ⅡD的NPP總量最少。按各潛在植被類型單位面積NPP計算，ⅡF的NPP平均積累量最多，ⅢB的NPP平均積累量最少，這充分說明NPP的總量與累積量沒有必然關系，與該潛在植被類型所占的面積有直接關系，即面積的優勢可補償NPP累積量的不足，出現低NPP累積，高NPP總量的現象。

在研究區內微溫級的潛在植被類型主要分布在海拔2500m以下，隨著海拔的降低氣溫升高，濕潤度降低，在2種氣候因子綜合影響下使得潛在植被向干旱類型變化，相應的NPP呈下降趨勢，海拔最低的半荒漠類植被的NPP平均積累量已達到最小；而潮濕級的潛在植被類型主要分布在海拔2700m以上，且隨著海拔的上升氣溫降低，濕潤度升高，在2種氣候因子綜合影響下使得植被向寒冷類型變化，相應的NPP呈下降趨勢。由于在本研究中潛在植被NPP的模擬過程受≥0℃年積溫和濕潤度這2個參數共同影響，因此，研究區內潛在植被NPP積累量與氣候因子的相關性是受垂直地帶性影響下的綜合表現。即NPP積累量與≥0℃年積溫在寒冷和寒溫級內呈正相關，在微溫級內呈負相關；與濕潤度在干旱、微干、微潤和濕潤4個等級內呈正相關，在潮濕級內呈負相關。

對于潛在植被NPP積累量的計算和模擬依據是林慧龍等［44］提出的NPP分類指數模型，該模型已經證明在大中尺度下模擬結果具有一定的精確性［29，46］，但是在流域尺度下的模擬結果的精確性還有待驗證和討論。在50年的時間推移中，尤其是近幾十年氣候變化顯著，潛在植被類型空間格局必然會發生相應的改變，因此，研究結果之間存在一定差異是不可避免的。在分析過程中與盧玲等［27］和陳正華等［28］的模擬結果的比較，由于存在著時間尺度的差異，因此僅能作為參考。由于本文只研究黑河上游潛在植被類型及其NPP積累量，其他地區的潛在植被類型及相應的NPP積累量增長趨勢是否與此相同還需要進一步的研究。

［1］Lieth H，Whittaker R H．Primary Productivity of the Biosphere［M］．New York：Springer－Verlag Press，1975．

［2］Carbon and Climate Working Group．A．U．S．Carbon cycle science plan［EB／OL］．http：／／www．carboncyclescience．gov／planning．html＃plan，1999．

［3］馮險峰，劉高煥，陳述彭，等．陸地生態系統凈第一性生產力過程模型研究綜述［J］．自然資源學報，2004，19（3）：336－378．

［4］蔡承俠．植被凈第一性生產力及其對氣候變化響應研究進展［J］．新疆氣象，2003，26（6）：1－7．

［5］Lieth H．Computer Mapping of Forest Dada［C］．Proc．51Annual Mtg．American Sect：Society of American Forests，1972：53－79．

［6］Lieth H，Box E．Evapotranspiration and Primary Production［A］．In：Thornthwaite W．Memorial Model．Publications in Climatology［C］．New Jersey：C．W．Thornthwaite Associates，1972：37－46．

［7］Box E O．Estimating the seasonal carbon source－sink geography of a natural，steady state terrestrial biosphere［J］．Journal of Applied Meteorology and Climatology Advanced Search，1988，27：1109－1124．

［8］Rosenzweig M L．Net primary productivity of terrestrial communities：Prediction from climatologic data［J］．American Naturalist，1968，102：67－74．

［9］Efimova N A．Plant Productivity and Radiation Factor［M］．Gidrometeoizdat：Leingrad，1977．

［10］Uchijima Z．Agroclimate evaluation of net primary productivity of natural vegetation［J］．Journal of Agricultural Meteorology，1985，40：343－352．

［11］陳國南．用邁阿密模型預測我國生物生產量的初步嘗試［J］．自然資源學報，1987，2（3）：84－98．

［12］侯光良，游松才．用筑后模型估算我國植物氣候生產力［J］．自然資源學報，1990，5（1）：60－65．

［13］張憲洲．我國自然植被凈第一性生產力的估算與分布［J］．自然資源，1992，（1）：15－21．

［14］劉世榮，郭泉水，王兵．氣候變化對中國森林生產力的影響．I．中國森林現實生產力的特征及地理分部格局［J］．林業科學研究，1993，6（6）：633－642．

［15］劉世榮，徐德應，王兵．氣候變化對中國森林生產力的影響．Ⅱ．中國森林凈第一性生產力的模擬［J］．林業科學研究，1994，7（4）：425－430．

［16］朱志輝．自然植被凈第一性生產力估計模型［J］．科學通報，1993，38（15）：1422－1426．

［17］周廣勝，張新時．全球氣候變化的中國自然植被的凈第一性生產力研究［J］．植物生態學報，1996，20（1）：11－19．

［18］Potter C S，Randerson J T，Field C B，etal．Terrestrial eco－system production：aprocess model based on global satellite and surface data［J］．Global Biogeochemical Cycle，1993，7：811－841．

［19］Prince S D，Samuel N．Global primary production：a remotely sensing approach［J］．Journal of Biogeography，1995，（22）：815－835．

［20］Ruimy A，Saugier B，Dedieu G．Methodology for the estimation of terrestrial NPP from remotely sensed data［J］．Journal of Geophysical Research，1994，99（D3）：5263－5283．

［21］Kumar M，Monteith J L．Remote sensing of crop growth［A］．In：Smith H．Plants and the Daylight Spectrum［C］．London：Academic，1982：133－144．

［22］肖乾廣，陳維英，盛永偉．用NOAA氣象衛星的AVHRR遙感資料估算中國的第一性生產力［J］．植物學報，1996，38（1）：35－39．

［23］樸世龍，方精云，郭慶華．利用CASA模型估算我國植被凈第一性生產力［J］．植物生態學報，2001，25（5）：603－608．

［24］周宇庭，付剛，沈振西，等．藏北典型高寒草甸地上生物量的遙感估算模型［J］．草業學報，2013，22（1）：120－129．

［25］穆少杰，李建龍，楊紅飛，等．內蒙古草地生態系統近10年NPP時空變化及其與氣候的關系［J］．草業學報，2013，22（3）：6－15．

［26］孫成明，劉濤，田婷，等．基于 MODIS的南方草地NPP遙感估算與應用［J］．草業學報，2013，22（5）：11－17．

［27］盧玲，李新，Frank V．黑河流域植被凈初級生產力的遙感估算［J］．中國沙漠，2005，25（6）：823－830．

［28］陳正華，麻清源，王建，等．利用CASA模型估算黑河流域凈第一性生產力［J］．自然資源學報，2008，23（2）：263－273．

［29］任繼周，梁天剛，林慧龍，等．草地對全球氣候變化的響應及其碳匯潛勢研究［J］．草業學報，2011，20（2）：1－22．

［30］肖洪浪，趙文智，馮起，等．中國內陸河流域尺度的水資源利用率提高研究——黑河流域水生態經濟管理試驗示范［J］．中國沙漠，2004，24（4）：381－384．

［31］張濟世，康爾泗，姚進忠，等．黑河流域水資源生態環境安全問題研究［J］．中國沙漠，2004，24（4）：425－430．

［32］王根緒，程國棟．黑河流域土地荒漠化及其變化趨勢［J］．中國沙漠，1999，19（4）：368－374．

［33］盧玲，李新，程國棟．利用NOAA AVHRR植被指數數據集分析黑河流域季候特征［J］．中國沙漠，2002，22（2）：187－191．

［34］陳仁升，康爾泗，楊建平，等．Topmodel模型在黑河干流出山徑流模擬中的應用［J］．中國沙漠，2003，23（4）：428－434．

［35］陳仁升，康爾泗，楊建平，等．內陸河流域分布式水文模型——以黑河山區干流山區建模為例［J］．中國沙漠，2004，24（4）：416－424．

［36］馬耀明，馬偉強，李茂善，等．黑河中游非均勻地表能量通量的衛星遙感參數化［J］．中國沙漠，2004，24（4）：398－404．

［37］程國棟．黑河流域水－生態－經濟研究［M］．北京：科學出版社，2009．

［38］李飛，趙軍，趙傳燕，等．中國西北干旱區潛在植被模擬與動態變化分析［J］．草業學報，2011，20（4）：42－50．

［39］李飛，趙軍，趙傳燕，等．中國干旱半干旱區潛在植被演替［J］．生態學報，2011，31（3）：689－697．

［40］任繼周．草原合理利用與草原類型［M］．北京：中國農業出版社，2004．

［41］Zhao J，Li F，Fu H Y，etal．A DEM－Based Partition Adjustment for the Interpolation of Annual Cumulative Temperature in China［M］．Geospatial Information Science，2007：6753．

［42］周廣勝，張新時．自然植被凈第一性生產力模型初探［J］．植物生態學報，1995，19（3）：193－200．

［43］林慧龍，王軍，徐震．草地凈第一性生產力與＞0℃年積溫、濕潤度指標間的關系［J］．草業科學，2005，22（6）：8－10．

［44］林慧龍，常生華，李飛．草地凈初級生產力模型研究進展［J］．草業科學，2007，24（12）：26－29．

［45］Ni J．Net primary productivity in forests of China：Scaling－up of national inventory data and comparison with model predictions［J］．Forest Ecology and Management，2003，176：485－495．

［46］公延明，胡玉昆，阿德力·麥地，等．高寒草原對氣候生產力模型的適用性分析［J］．草業學報，2010，19（2）：7－13．