第第)其中為第??個像元在第??個月的碳利用效率；為第??個像元在第??個月的凈初級生產(chǎn)力（gC/m2）；為第??個像元在第??個月的總初級生產(chǎn)力（gC/m2）。CUE的取值在0到1之間，越接近于1，表面植被碳匯能力越強。

3.GPP、NPP和NEP的時空變化特征3.1時間變化特征西南四?。ㄊ校?000年至2020年，20年間GPP的整體變化趨勢均顯示較為緩慢的穩(wěn)定增長，表明植被的光合作用碳匯能力所有提高。GPP在四個?。ㄊ校┯忻黠@的數(shù)值差異，具體表現(xiàn)為云南省GPP最高，其次是貴州省、重慶市和四川省，依次遞減。這一趨勢不僅在GPP變量上得到體現(xiàn)，其它兩個變量NPP和NEP也呈現(xiàn)同樣的排序關系。NPP在過去20年總體呈上升趨勢，增長趨勢不如GPP穩(wěn)定，波動頻繁，在2008年至2015年期間有較大波動，其中貴州省的波動最為顯著。四?。ㄊ校┰诤笫甑钠骄稻笥谇笆昶骄?。NEP的變化趨勢與NPP的變化趨勢緊密相關，在時間序列上的變化特征呈現(xiàn)高度同步性，在每個時間點上表現(xiàn)為相似的變化方向和波動幅度。在過去二十年中，西南四?。ㄊ校┑腘EP始終為正值，表明生態(tài)系統(tǒng)吸收并儲存的碳量大于釋放的碳量。這意味著西南地區(qū)是重要的碳匯地區(qū)，該生態(tài)系統(tǒng)對減緩氣候變化具有積極作用，能夠在一定程度上降低大氣中的溫室氣體濃度。圖3.1（a）和（b）分別是西南四?。ㄊ校┛偝跫壣a(chǎn)力（GPP）的年際變化和年代際變化；（c）和（d）分別是凈初級生產(chǎn)力（NPP）的年際變化和年代際變化；（c）和（f）分別是凈生態(tài)系統(tǒng)生產(chǎn)力（NEP）的年際變化和年代際變化。3.2空間分布特征根據(jù)GPP空間分布圖可以看出，二十年間GPP的分布特征無較大變化，整體上呈現(xiàn)南高北低的趨勢，由南向北逐漸遞減。GPP高值主要集中在云南省南部，全區(qū)域超過2000gC/m2，該地區(qū)以季雨林和南亞熱帶常綠闊葉林為主要植被類型，受溫暖濕潤氣候和豐富降水條件影響，植被生長旺盛，生物量豐富。云南省南部向北GPP逐步遞減，至四川省的西北部是GPP低值的集中區(qū)域，全區(qū)域小于500gC/m2。這可能與四川西部的海拔地形、氣候條件和植被類型等因素相關。川西地區(qū)海拔普遍在3000米以上，高海拔地區(qū)氣壓低、氧氣稀薄，抑制植物的光合作用效率，導致植被生長受限，從而限制了GPP的提升。此外，川西屬于高原氣候區(qū)，年均溫度較低，熱量資源不足，生長期短暫，以草地等低生產(chǎn)力植被類型為主，不利于持續(xù)、快速地進行光合作用。四川省、重慶市和貴州省有零星幾個范圍非常小的高值區(qū)。圖3.2西南四?。ㄊ校┛偝跫壣a(chǎn)力（GPP）的空間分布情況，分別為2000年（a）、2010年（b）和2020年（c）。NPP的空間分布特征在過去二十年間也大致保持一致，整體上呈現(xiàn)由云南省南部的高值區(qū)向北逐漸減小的過渡趨勢。四川盆地內(nèi)部的NPP值整體偏低，形成了顯著的低值中心，被四周中值區(qū)環(huán)繞，與周圍植被較豐富的山地地區(qū)形成鮮明對比。這一分布特征可能與四川盆地地區(qū)城鎮(zhèn)化程度高，土地利用以農(nóng)業(yè)耕地和城市建設用地為主，天然植被覆蓋率低和植被類型缺乏多樣化等因素相關。低值中心的范圍在二十年間有縮小趨勢，表明植被碳匯能力的增強。四川西部由于歸一化植被指數(shù)（NDVI）和光合有效輻射（FPAR）衛(wèi)星數(shù)據(jù)不全，導致計算結(jié)果缺失值較多，在空間特征分析中不對這塊區(qū)域進行分析（NPP、NEP下同）。圖3.3西南四?。ㄊ校﹥舫跫壣a(chǎn)力（NPP）的空間分布情況，分別為2000年（a）、2010年（b）和2020年（c）。NEP的空間分布特征與NPP的空間分布特征具有高度相似性。這種相似性反映了凈碳匯能力在很大程度上受初級生產(chǎn)力的主導控制，說明區(qū)域碳匯格局與植被光合能力密切相關。此外，該特征也表明在研究區(qū)域易養(yǎng)呼吸Rh的空間差異較小或分布趨勢與NPP相近，從而未顯著改變NEP的空間分布趨勢。整體呈現(xiàn)南高北低，以四川盆地為低值中心，四周中值區(qū)域環(huán)繞的空間格局。高值區(qū)在20年間整體位置變化不大，說明高生產(chǎn)力區(qū)域具有較強的碳匯穩(wěn)定性。低值中心的范圍在二十年間有縮小趨勢，表明該地區(qū)儲碳能力有所上升。相較于NPP，NEP整體空間分布上的差異性更小，顏色變化更為平緩，空間梯度較弱，各等級區(qū)域的區(qū)分度較小。圖3.4西南四?。ㄊ校﹥羯鷳B(tài)系統(tǒng)生產(chǎn)力（NEP）的空間分布情況，分別為2000年（a）、2010年（b）和2020年（c）。

4.不同植被類型的碳匯能力對比分析4.1不同植被類型GPP、NPP和NEP差異特征不同植被類型在西南四?。ㄊ校┑腉PP有顯著差異。高值區(qū)（3000gC/m2）主要集中在云南省南部的森林和稀樹草原區(qū)域，少部分分布在云南省南部的灌叢類植被區(qū)域，其它植被類型幾乎無高值分布。稀樹草原類型在西南地區(qū)分布最廣、最為密集，覆蓋了多樣的地形和氣候條件，因此所對應的GPP值范圍也最廣泛，從低值到中值再到高值均有分布，整體表現(xiàn)出較大的空間差異性。從南至北有高值—中值—低值的過渡趨勢。草地類型除少量分布在云南省，絕大部分集中在四川省西部，以低值為主（500gC/m2）。根據(jù)圖3.6可知，草地類型的GPP明顯低于其它植被類型，這也解釋了為什么在上一節(jié)的GPP空間分布圖上四川省西部是顯著的低值區(qū)。農(nóng)田類型的GPP也基本以低值為主（1000gC/m2），分布在西南四省（市）的東部和南部。鑒于本研究區(qū)域內(nèi)濕地類型區(qū)域的數(shù)量和面積都較小，難以分析特征，在分析過程中不對濕地類型做單獨討論（NPP、NEP下同）。圖3.5GPP在不同植被類型上的空間分布，（a）是森林類，（b）是灌叢類，（c）是稀樹草原，（d）是草地類，（e）是濕地類，（f）是農(nóng)田類。從不同植被類型的二十年平均GPP圖來看，森林的多年平均GPP最高，為1537.44gC/m2，顯著高于其它植被類型，并且與灌叢、稀樹草原相比，差距在300gC/m2。說明森林具有更強的光合作用生產(chǎn)力，有較強的固碳能力，是陸地生態(tài)系統(tǒng)最重要的碳匯來源。草地的多年平均GPP最低，僅為559.5gC/m2，顯著低于其它植被類型，可能與它們的生物量較少、植物生長周期較短以及水分和營養(yǎng)條件較為貧乏等因素有關。表明其固碳能力較弱，對植被固碳過程的貢獻較少。農(nóng)田的GPP水平低于天然植被（森林、灌叢等），但仍高于草地，可能與農(nóng)業(yè)生產(chǎn)管理措施有關。灌叢、稀樹草原和濕地的GPP水平介于森林和草地、農(nóng)田之間，數(shù)值相對接近，差異較小，表明它們在碳固定能力上具有一定相似性。圖3.6不同植被類型區(qū)域二十年平均GPP值與GPP在不同植被類型的分布圖相比，NPP在不同植被類型上的取值范圍相對更廣泛。具體來說，NPP在每種植被類型基本上同時包含低值、中值和高值區(qū)，表現(xiàn)出較大的空間差異性，而GPP在某些植被類型上更集中于中高值段或低值段，數(shù)值分布更集中。草地和農(nóng)田類型不再由低值區(qū)全覆蓋，也有明顯的中高值區(qū)。側(cè)面說明了森林、灌叢這樣的高初級生產(chǎn)力植被，呼吸作用也較為顯著，呼吸消耗大，使得其凈初級生產(chǎn)力與其他植被類型的差距縮小。五種植被類型（除濕地類）的空間分布具有高度相似性，高值區(qū)均集中于云南省南部，和NPP空間分布圖一致，中值區(qū)集中在云南省北部和四川省、貴州省南部，低值區(qū)在四川省、貴州省北部以及重慶市，整體呈現(xiàn)南高北低的空間布局。圖3.7NPP在不同植被類型上的空間分布，（a）是森林類，（b）是灌叢類，（c）是稀樹草原，（d）是草地類，（e）是濕地類，（f）是農(nóng)田類。不同植被類型區(qū)域上二十年平均NPP值的差異相較于平均GPP值，差異較小，不同植被類型間更為接近，可能與植物自身呼吸消耗等生態(tài)因素密切相關。森林和草地的多年平均NPP值依舊為最大值和最小值，分別為699.13gC/m2和526.79gC/m2，進一步驗證了森林是陸地生態(tài)系統(tǒng)最重要的碳匯來源，以及草地系統(tǒng)對固碳的貢獻較少。其余植被類型的NPP大小排序與GPP一致。灌叢、稀樹草原和濕地的數(shù)值接近，凈初級生產(chǎn)力處于同一水平。圖3.8不同植被類型區(qū)域二十年平均NPP值根據(jù)圖3.9，NEP在不同植被類型下的空間分布格局與NPP的分布特征高度一致。這種高度相似性可能來源于本文中NEP計算方法的依賴性，即采用基于NPP減去異養(yǎng)呼吸（Rh）的方法進行估算，從而在一定程度上保留了NPP的空間特征。NEP在不同植被類型上二十年平均值的差異特征與前面兩種指標具有相似性，最高值和最低值同樣為森林類（687.01gC/m2）和草地類（518.68gC/m2）。濕地類和農(nóng)田類與草地類數(shù)值接近，是凈儲存碳量較低的植被類型。圖3.9NEP在不同植被類型上的空間分布，（a）是森林類，（b）是灌叢類，（c）是稀樹草原，（d）是草地類，（e）是濕地類，（f）是農(nóng)田類。圖3.10不同植被類型區(qū)域二十年平均NEP值4.2不同植被類型的碳利用效率及碳匯潛力評估除上節(jié)對初級生產(chǎn)力（GPP）、初級凈生產(chǎn)力（NPP）和凈生態(tài)系統(tǒng)生產(chǎn)力（NEP）這些生態(tài)系統(tǒng)生產(chǎn)力指標的討論和分析外，本文還結(jié)合碳利用效率（CEU）對西南四?。ㄊ校┨紖R能力進行分析。碳利用效率（CUE）是反映生態(tài)系統(tǒng)將光合固定碳用于凈生態(tài)系統(tǒng)生產(chǎn)（NEP）效率的關鍵生態(tài)指標，是影響陸地生態(tài)系統(tǒng)碳儲存的一個關鍵因素。根據(jù)研究時間區(qū)間內(nèi)平均CUE在西南四?。ㄊ校┑目臻g分布圖4.1可知，高值區(qū)（0.8）分布零星，集中在云南省東部和北部，這些區(qū)域也是高GPP和高NPP分布區(qū)，以森林生態(tài)系統(tǒng)為主。高CUE表明這些區(qū)域的生態(tài)系統(tǒng)碳損耗少（呼吸作用低、干擾少），碳匯效率高。橙色區(qū)域（0.6—0.8）同樣分布零散，在四個省（市）均有少量分布，常常在高值區(qū)附近出現(xiàn)。中值區(qū)（0.4—0.6）分布最為廣泛，涵蓋了大部分研究區(qū)域，是CUE的主體，多與耕地、草地、部分次生林區(qū)一致，說明該區(qū)域雖有較高GPP，但同時也伴隨較大的碳損耗。低值區(qū)（0.4）主要集中在成都平原、貴州省北部以及云南省東部，可能存在森林退化或人工林比例高的問題，或者受到人類活動的影響。此外，云南西部尤其靠近青藏高原邊緣，高海拔低溫限制植物的生長周期和生物量積累，雖有一定的GPP，但轉(zhuǎn)化為NPP的比例較低。貴州北部的石漠化問題也限制了植被的初級生產(chǎn)力。云南省南部雖然是GPP和NPP高值區(qū)，顯著高于其它地區(qū)，但結(jié)合CUE分布圖發(fā)現(xiàn)，碳匯效率并不高，說明高凈初級生產(chǎn)力區(qū)和高碳利用效率區(qū)不是完全重合的，受到例如植被呼吸作用強度等因素的影響。另外，不容忽視的是，在復雜地形山區(qū)，地形遮蔽影響遙感反演的準確性，使GPP、NDVI等變量估算存在偏差，給CUE計算帶來一些不確定性。圖4.1西南四?。ㄊ校┒昶骄鵆UE的空間分布本研究計算了不同植被類型的二十年平均CUE，并且結(jié)合前文三個生態(tài)系統(tǒng)碳循環(huán)指標數(shù)據(jù)以及各個植被類型的面積，得到平均每年不同植被的光合碳匯、總碳匯和凈碳匯，以此評估各個植被類型的碳儲能力和碳匯潛力。根據(jù)計算結(jié)果，雖然森林類的三個碳循環(huán)指標均為最大值，但在西南四?。ㄊ校┟娣e占比較小，對總體碳儲量的貢獻不是最大的。森林類的CUE也較低，說明自身呼吸消耗大。但總體來說，森林單位面積碳匯潛力最大，是極為重要的碳匯來源，應優(yōu)先保護現(xiàn)有森林資源，推進退耕還林、人工造林等措施，提升森林覆蓋率。對碳儲量貢獻最大、最重要的碳儲庫是稀樹草原，CUE較高且占地廣泛。CUE最高的是草地，達到0.6，雖然草地類在GPP、NPP和NEP上均表現(xiàn)不佳，但自身呼吸消耗小，更大比例的碳被儲存下來。農(nóng)田類的CUE僅次于草地類，表明其碳儲能力相對較小但碳匯潛力較大。表4.1不同植被類型的二十年平均光合碳匯、總碳匯、凈碳匯（單位：萬噸C/year）和CUE類別光合碳匯總碳匯凈碳匯CUE森林類17.477.937.80.41灌叢類12.526.556.460.43稀樹草原63.2832.5831.850.46草地類10.9410.310.130.60濕地類0.0120.0060.0050.27農(nóng)田類16.48.978.710.52

5.影響碳匯能力的驅(qū)動因素分析選取七個可能影響因素進行相關性分析：年降水量（P）、年最高溫度（Tmax）、年最低溫度（Tmin）、年平均水汽壓差（VPD）、年平均太陽輻射（Srad）、年平均潛在蒸散量（PET）和夜間燈光（NL）。圖5.1中展示了主要碳循環(huán)指標（GPP、NPP、NEP和CUE）與氣候因子及人類活動指示因子之間的皮爾遜相關系數(shù)關系。從結(jié)果來看：GPP（總初級生產(chǎn)力）與NPP（凈初級生產(chǎn)力）和NEP（凈生態(tài)系統(tǒng)生產(chǎn)力）均呈顯著正相關，相關系數(shù)分別為0.65和0.64，且通過顯著性檢驗，說明碳的總吸收能力與實際儲存量之間高度協(xié)同，符合碳循環(huán)基本原理。GPP是生態(tài)系統(tǒng)吸收碳的總量，NPP則是扣除植物自身呼吸損耗后的凈碳固定量，NEP進一步考慮了土壤呼吸等過程，因此它們之間具備緊密相關性。NEP與CUE（碳利用效率）呈顯著正相關（0.42），說明當生態(tài)系統(tǒng)對碳的利用效率越高時，凈碳儲存量也相對越高。飽和水汽壓差（VPD）與NEP的正相關性較強（0.65），這與一些研究指出在一定范圍內(nèi)，適度的VPD可以促進植物氣孔調(diào)節(jié)、增強光合速率有關，但VPD過高亦可能抑制生理活動，表明其對碳循環(huán)具有“雙重效應”ADDINEN.CITE<EndNote><Cite><Author>Inoue</Author><Year>2021</Year><RecNum>11</RecNum><DisplayText><styleface="superscript">[21]</style></DisplayText><record><rec-number>11</rec-number><foreign-keys><keyapp="EN"db-id="eave20xr19xttgeavvlpwafydspadztdprrd"timestamp="1745908546">11</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Inoue,Takayasu</author><author>Sunaga,Motoo</author><author>Ito,Mutsuhiro</author><author>Yuchen,Qu</author><author>Matsushima,Yoriko</author><author>Sakoda,Kazuma</author><author>Yamori,Wataru</author></authors></contributors><titles><title>MinimizingVPDFluctuationsMaintainsHigherStomatalConductanceandPhotosynthesis,ResultinginImprovementofPlantGrowthinLettuce</title><secondary-title>FrontiersinPlantScience</secondary-title><short-title>VPDfluctuations</short-title></titles><periodical><full-title>FrontiersinPlantScience</full-title></periodical><volume>Volume12-2021</volume><keywords><keyword>Photosynthesis,VPD,Lettuce,Rockwool,relativeairhumidity(RH)</keyword></keywords><dates><year>2021</year><pub-dates><date>2021-April-01</date></pub-dates></dates><isbn>1664-462X</isbn><work-type>OriginalResearch</work-type><urls><related-urls><url>/journals/plant-science/articles/10.3389/fpls.2021.646144</url></related-urls></urls><electronic-resource-num>10.3389/fpls.2021.646144</electronic-resource-num><language>English</language></record></Cite></EndNote>[\o"Inoue,2021#11"21]。降水（P）與GPP、NPP、NEP均呈負相關，分別為-0.37、-0.32、-0.31，這可能與西南地區(qū)降水與云量、輻射負相關、限制光合作用有關?；蛘咴谀承﹨^(qū)域，過多的降水可能造成水分脅迫、土壤氧氣不足，從而抑制碳固定過程。NL（夜間燈光）與GPP呈顯著正相關，相關系數(shù)達0.81，同時與NPP和NEP也存在中等正相關，相關系數(shù)為0.45，表明人類活動強度對陸地生態(tài)系統(tǒng)碳循環(huán)有顯著影響。圖5.1不同影響因素相關系數(shù)的熱力圖

6.結(jié)論與展望6.1結(jié)論本文基于衛(wèi)星遙感數(shù)據(jù)和CASA模型，定量分析了三個生態(tài)系統(tǒng)碳循環(huán)關鍵指標2000年至2020年在研究區(qū)域內(nèi)的時空變化特征，結(jié)合IGBP分類數(shù)據(jù)，分析不同植被類型的碳儲能力和碳匯潛力，探究了影響碳匯能力的驅(qū)動因素。全文結(jié)論如下：（1）在本文研究時段內(nèi)，GPP呈現(xiàn)較為緩慢的穩(wěn)定增長，起伏不大。NPP和NEP在時間序列上的變化特征具有高度同步性，總體呈上升趨勢，增長趨勢不穩(wěn)定，波動頻繁，在2008年至2015年期間波動較大。NEP始終為正值，表明西南四?。ㄊ校┦侵匾奶紖R區(qū)域。四?。ㄊ校┰谌齻€指標上都具有明顯的數(shù)值差異，且呈現(xiàn)相同的省份排序，具體表現(xiàn)為云南省GPP最高，其次是貴州省、重慶市和四川省，依次遞減。（2）GPP、NPP和NEP在研究時段內(nèi)的空間分布特征基本保持不變，且整體上均呈現(xiàn)南高北低的趨勢，由南向北逐漸遞減。GPP的高值區(qū)集中在云南省南部，達到2000gC/m2以上，其余地區(qū)以中低值為主，零星分布一些范圍非常小的高值區(qū)。低值區(qū)集中于四川省西部，全區(qū)域小于500gC/m2。NPP的低值區(qū)位于四川盆地，形成四周中值區(qū)環(huán)繞四川盆地低值中心的空間格局，低值中心范圍在二十年間有縮小趨勢，表明該區(qū)域植被碳匯能力的增強。NEP的空間分布特征與NPP的空間分布特征具有高度相似性，但相較于NPP，NEP整體空間分布上的差異性更小，空間梯度較弱，各等級區(qū)域的區(qū)分度較小。（3）在各類植被中，森林類的二十年平均GPP、NPP和NEP均為最高值，體現(xiàn)出其強大的碳固定和儲存能力；相比之下，草地類在三項指標中均為最低，碳匯能力最弱。從三項指標的不同植被空間分布圖來看，基本都呈現(xiàn)南高北低的空間分布格局，高值往往集中在森林類、灌叢類和稀樹草原。雖然稀樹草原單位面積碳匯潛力不如森林，但CUE較高且分布廣泛、面積占比大，其碳儲量最大，是最為重要的碳儲庫。草地類雖在GPP、NPP和NEP上表現(xiàn)不佳，但CUE最高，通過光合作用固定的碳更多的儲存下來而不是用于自身消耗。農(nóng)田類的CUE僅次于草地類，表明其碳儲能力相對較小但碳匯潛力較大。（4）碳循環(huán)關鍵指標之間存在顯著相關性，GPP分別與NPP和NEP呈正相關，相關系數(shù)為0.65和0.64，且均通過顯著性檢驗，反映出生態(tài)系統(tǒng)碳總吸收量與實際碳儲存之間高度協(xié)同，符合碳循環(huán)的基本機制。NEP與碳利用效率（CUE）呈顯著正相關（r=0.42），表明碳利用效率越高，凈碳儲量越大。氣候因子中，飽和水汽壓差（VPD）與NEP的正相關性較強（r=0.65），說明在一定范圍內(nèi)適度的VPD可通過調(diào)節(jié)氣孔、促進光合作用增強碳匯功能，但其對碳循環(huán)亦可能具有“雙重效應”。降水（P）則與GPP、NPP、NEP均呈負相關（相關系數(shù)分別為-0.37、-0.32和-0.31），可能與西南地區(qū)降水與輻射、云量關系密切或局部區(qū)域降水過多引發(fā)的水分脅迫有關。此外，人類活動強度指標夜間燈光（NL）與GPP呈顯著正相關（r=0.81），與NPP和NEP也存在中等強度的正相關關系（r=0.45），表明人類活動對陸地碳循環(huán)過程具有重要影響。6.2不足與展望本文雖取得一定成果，但仍存在不足，一些問題需要進一步討論和改進：（1）本文采用CASA模型結(jié)合遙感與氣象數(shù)據(jù)估算NPP和NEP碳匯指標，雖具有較好的區(qū)域適用性與時空連續(xù)性，但存在一定不確定性。一方面，CASA模型本身簡化了部分生態(tài)過程，如土壤微生物呼吸、極端天氣對植物碳吸收的影響、人為因素對植被的影響等，結(jié)果可能產(chǎn)生一定偏差。另一方面，本文處理參數(shù)時做了部分簡化，最大光能利用率統(tǒng)一采用全球通用值0.389gC/m2，沒有考慮最大光能利用率在不同植被類型上的差異，增加了計算結(jié)果的不確定性。（2）CASA模型雖應用廣泛，且經(jīng)前人驗證計算精度較高，但模型計算結(jié)果沒有與已有的衛(wèi)星遙感NPP產(chǎn)品（如MOD17A3、GLASS等）或?qū)嵉販y量數(shù)據(jù)進行比對，缺乏對計算精度的定量驗證。未來可通過引入實測數(shù)據(jù)進行驗證，或與已有遙感產(chǎn)品進行對比分析，以提升碳匯指標估算的準確性和可信度。（3）影響因素的分析依賴統(tǒng)計相關性分析，未能完全揭示因果關系。整體分析以描述性為主，尚未從生態(tài)過程和機制層面深入探究這些指標形成的內(nèi)在原因。未來研究可引入因果推斷模型、地理探測器等方法，深入探討不同氣象因子和人為因子對碳循環(huán)的作用機制，從而更準確地分析碳匯變化的驅(qū)動因素。

參考文獻ADDINEN.REFLIST[1] IPCC.ClimateChange2021:ThePhysicalScienceBasis.ContributionofWorkingGroupItotheSixthAssessmentReportoftheIntergovernmentalPanelonClimateChange[J].2021.[2] IPCC.ClimateChange2022:Impacts,AdaptationandVulnerability.ContributionofWorkingGroupIItotheSixthAssessmentReportoftheIntergovernmentalPanelonClimateChange[J].2022.[3] IPCC.ClimateChange2023:SynthesisReport[J].2023.[4] IPCC.ClimateChangeandLand:anIPCCspecialreportonclimatechange,desertification,landdegradation,sustainablelandmanagement,foodsecurity,andgreenhousegasfluxesinterrestrialecosystems[J].2019.[5] INTERNATIONALCOUNCILOFSCIENTIFICU.Internationalgeosphere-biosphereprogram:astudyofglobalchange,theinitialcoreprojects[R].Sweden:IGBP,1990.[6] STEFFENW,CANADELLJ,APPSM.Theterrestrialcarboncycle:implicationsfortheKyotoProtocol[J].Science,1998,280(5368):1393-4.[7] CAIX-M.TheEcologyofEcosystem[M].Beijing,China:SciencePress,2000.[8] CHENJ-Q,YANGS-Y.EcologicalMethodsofTerrestrialEcosystem[M].Beijing,China:HigherEducationPress,2014.[9] 陳云浩,徐丹.陸地植被凈初級生產(chǎn)力計算模型研究進展[J].生態(tài)學雜志,2005,24(3):296-300.[10] 王宗明,梁銀麗.植被凈第一性生產(chǎn)力模型研究進展[J].干旱地區(qū)農(nóng)業(yè)研究,2002,20(2):104-7.[11] RUIMYA,KERGOATL,BONDEAUA.Comparingglobalmodelsofterrestrialnetprimaryproductivity(NPP):analysisofdifferencesinlightabsorptionandlight-useefficiency[J].GlobalChangeBiology,1999,5(S1):56-64.[12] 袁文平,蔡文文,劉丹,等.陸地生態(tài)系統(tǒng)植被生產(chǎn)力遙感模型研究進展[J].地球科學進展,2014,29(5):541-50.[13] 孫睿,朱啟疆.陸地植被凈第一性生產(chǎn)力的研究[J].應用生態(tài)學報,1999,10(6):757-60.[14] MONTEITHJL.SolarRadiationandProductivityinTropicalEcosystems[J].JournalofAppliedEcology,1972,9(3):747-66.[15] 洪長橋,金曉斌,陳昌春,等.集成遙感數(shù)據(jù)