天山北坡植被NPP时空格局及气候因子驱动分析

高 军，尹小君，汪传建，张 雅

(1.石河子大学信息科学与技术学院，新疆石河子　832000；2.兵团空间信息工程技术研究中心，新疆石河子　832000；3.兵团空间信息工程实验室，新疆石河子　832000)

0　引 言

【研究意义】植被净初级生产力(Net rimary roductivity，NPP)是指绿色植物在单位时间和单位面积上通过光合作用所积累的有机干物质总量[1]，是生态系统中物质与能量运转的基础[2-4]，NPP不但能够反映生态系统的健康状况，而且是判定生态系统中碳源/汇功能的主要因子[5]。天山北坡是新疆重要的天然草场与畜牧业生产基地，在气候变化及人类活动的共同影响下，天山北坡的生态环境也发生了显著的变化。因此研究天山北坡植被NPP的时空格局及其与气候因子的关系，对于保护和改善天山北坡脆弱的生态系统，合理利用自然资源，促进天山北坡农牧业的发展具有重要的指导意义。【前人研究进展】国外学者Lieth首次对NPP进行了估算[6]，随着基于光能利用率模型[7]的广泛应用[8]，国内学者对NPP的研究也取得了新的突破，如张丽等[9]利用光能利用率模型得出石河子绿洲区1989～2002年NPP总体上呈现出增长的趋势，NPP年均值为2.086 TgC/a，年均变化量为0.049 TgC/a。吴晓全等[10]采用CASA模型得出2001～2013年13年间天山地区植被NPP呈缓慢增长趋势，在年际变化上，不同植被NPP对气候要素的响应情况存在明显差异。焦伟等[11]利用CASA模型指出西北干旱区多年平均植被NPP为191.63 gC/(m2·a)，总体表现为西北、东南高，中间低的特征；NPP总体上呈现增加趋势，线性增长率为2.98 gC/(m2·a)，不同植被的增长率不同。【本研究切入点】有关天山北坡植被NPP的年内时空变化特征及其与气候因子关系的研究尚且欠缺。研究对天山北坡植被NPP时空格局及气候因子进行驱动分析。【拟解决的关键问题】利用CASA模型对天山北坡NPP进行估算，分析气候因子对NPP年内时空变化的影响，为天山北坡的生态管理奠定基础。

1　材料与方法

1.1材 料

1.1.1研究区概况

天山北坡是指由横贯新疆中部的天山山脉发育的河流向北流经的一条狭长区域[12]，位于79°53′96°06′E，42°50′46°12′N，东西绵延1 300 m以上，宽度为30～260 m，海拔高度在150～5 500 m，其特殊的地理位置及地形特征形成了典型的温带大陆性气候和独特的自然景观，年均降水量在30～1 300 mm，年均温-16～12℃。由于地形地貌的多样性，使得不同海拔高度、坡面、坡位接收的水热状况不同，夏季炎热干燥，冬季寒冷漫长，一年四季温差较大，区域降水量分布不均。

1.1.2遥感数据

研究所用的NDVI数据为2015年天山北坡全年的MOD13A3遥感产品数据，该数据为月值数据，空间分辨率为1 km×1 km。

1.1.3气象数据

气象数据采用天山北坡附近区域气象台站的日降水量、日平均温度和日太阳总辐射数据，该数据来源于中国气象数据网(http://data.cma.cn/)。

1.1.4其他数据

土地利用数据和地貌类型数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/)提供的全国1∶100万空间分布数据，其中2015年的土地利用数据主要包括耕地、林地、草地、水域、城乡工矿居民用地、未利用地等6个一级类型和25个二级类型；地貌类型数据包括平原、丘陵、山地、台地四大类。

1.2方 法

1.2.1数据处理

研究所用的遥感数据利用MRT、ENVI和ARCGIS相关软件进行投影、镶嵌和裁剪等预处理，最后得到研究区的NDVI数据；气象数据首先将各气象站点的日数据信息合成月数据，然后利用反距离插值法对气象数据进行空间插值；土地利用数据和地貌类型数据通过重分类、数据掩膜和投影转换等预处理；所有栅格数据的行列数、像元大小及投影方式均与MODIS-NDVI数据一致。

1.2.2NPP估算

CASA(Carnegie-Ames-Stanford Approach)模型是目前全球变化研究中常用的光能利用率模型，所估算的NPP可由植被所吸收的光合有效辐射(APAR)和光能转化率(E)两个变量来确定。其估算公式如下：

NPP(x,t)=APAR(x,t)×E(x,t).

(1)

式中，x表示空间位置，t表示时间。

APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5.

(2)

式中，SOL(x,t)表示像元x在t月份的太阳总辐射量(MJ/m2)；FPAR(x,t)表示植被冠层对光合有效辐射的吸收比例；常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例。

光能转化率是指植被把所吸收的光合有效辐射转化为有机碳的效率，它主要受温度和水分胁迫系数(WE)的影响，其计算公式为：

E(x,t)=TE1(x,t)×TE2(x,t)×WE(x,t)×εmax.

(3)

式中：TE1(x,t)和TE2(x,t)分别为低温和高温对光能转化率的胁迫作用；WE(x,t)表示水分条件对光能转化率的影响；εmax表示理想状态下植被的最大光能利用率，各参数的计算方法参照文献[13]，Potter等[14]认为全球植被的εmax为0.389 gC/MJ，而在实际应用中诸多研究者常根据特定研究区具体植被类型对这一取值进行修正。该文对εmax的取值参照冯益明等[15]根据西北干旱区不同土地利用类型估算植被的最大光能转化率结果。

1.2.3基于实测数据的模型精度验证

基于2015～2017年在天山北坡采集的43个草地样点的实测数据对CASA模型的估算结果进行验证，分析结果显示NPP实测值与模拟值基本吻合(R2=0.7252，P<0.01)。因此，可以认为CASA模型适用于天山北坡草地植被NPP的估算。图1

图1天山北坡草地NPP模拟值与观测值比较
Fig.1Comparison between simulated and observed NPP values of grassland in the north slope of Tianshan mountain

1.2.4相关性

采用基于像元的空间分析方法，研究NPP与气候因子的响应关系，首先计算出每个像元的NPP与月均温、月降水量的单相关系数、偏相关系数和复相关系数，并依据相应的分区准则来划分驱动分区，计算方法参照文献[16]。

2　结果与分析

2.1天山北坡NPP时空格局

天山北坡呈狭长的带状分布，受区域内气候变化及地形地貌的影响，导致天山北坡NPP空间分布呈现显著的差异。2015年天山北坡NPP总量为34.57 TgC/a(1 Tg=1012g)，平均值为173.34 gC/(m2·a)。从不同区域特征看，NPP总体上呈现西高东低的趋势，东部NPP平均值106.40 gC/(m2·a)，年总量6.14 TgC/a；中部NPP平均值199.59 gC/(m2·a)，年总量23.36 TgC/a；西部NPP平均值205.17 gC/(m2·a)，但由于西部区域面积最小，仅占天山北坡总面积的12.43%，所以NPP年总量较低，仅为5.08 TgC/a。中西部植被NPP平均值明显大于东部，原因主要为中西部区域主要为典型的农作物种植区和城市绿化核心区，特殊的地理环境给与植被相对适宜的生长条件，东部大部分为荒漠未利用地，植被分布较稀疏，NPP均值相对较低。2015年天山北坡中西部区域NPP总量占天山北坡的82.25%，是天山北坡NPP的主要供给区。

从不同地貌特征看，天山北坡NPP也存在差异显著。山区年NPP总量为10.96 TgC/a，占天山北坡NPP总量的31.71%，平均值为245.62 gC/(m2·a)；平原区为13.41 TgC/a，占38.79%，平均值为174.70 TgC/a；台地为1.90 TgC/a，占5.49%，平均值为136.80 TgC/a；丘陵区为5.23 TgC/a，占15.13%，平均值为114.65 gC/(m2·a)。山区植被NPP均值最高，源于山区平均海拔相对较高，常年的融雪积水为植被提供丰富的水资源，植被经过光合作用积累更多的有机质，也是草地与林地的主要分布区域；平原区由于面积较大，导致年净初级生产力总量相对较高。图2

图22015年天山北坡NPP空间分布
Fig.2Spatial distribution of vegetation NPP in the north slope of Tianshan mountain in 2015

不同植被类型NPP有较大的差异，林地NPP平均值为534.47 gC/(m2·a)，是4种植被类型中NPP均值最大的，但林地仅占天山北坡总面积的3.05%，所以年NPP总量依然不高，仅为3.25 TgC/a；耕地NPP均值次之，为333.47 gC/(m2·a)，年总量为6.62 TgC/a；草地NPP平均值为174.20 gC/(m2·a)，年总量为12.65 TgC/a，是4种植被类型中NPP年总量最大的；未利用地NPP平均值为124.18 gC/(m2·a)，年总量为11.53 TgC/a，但其面积占天山北坡总面积的46.57%，故虽然未利用地NPP均值较低，但由于面积上的优势，所以NPP总量与草地NPP总量相近。2015年各植被类型NPP平均值大小顺序为林地>耕地>草地>未利用地，NPP年总量顺序为草地>未利用地>耕地>林地。图3

图32015年天山北坡不同植被类型NPP平均值和NPP总量
Fig.3NPP average and total NPP of different vegetation types in the north slope of Tianshan mountain in 2015

2.2NPP季节变化特征

天山北坡2015年植被NPP呈现出非常明显的季节变化趋势，月波动范围在0.29～3.00 TgC/mon，6月NPP达到一年中的最大值，为7.39 TgC；1月NPP总量最低，仅为0.19 TgC；从2月后NPP增加明显，主要是由于日照时间变长，气温逐渐上升，降雨量的增加导致植被固碳能力增强，4～6月为NPP的快速增长期，平均每月增加2.75 TgC/mon，6月之后由于自然环境等因素的影响，NPP开始出现下降，8～10月NPP下降速率最快，平均每月下降2.34 TgC/mon，进入11月由于季节变换，大部分自然植被均已落叶，耕地作物的收割基本结束，植被的光合作用减弱，固碳能力下降，导致NPP降低(图4A)。图4

不同植被类型NPP随季节的波动情况不同，草地NPP随季节的变化起伏最大，月总量波动范围为0.08～1.18 TgC/mon，未利用地为0.12～0.63 TgC/mon，耕地为0.02-1.06 TgC/mon，林地为0.02～0.33 TgC/mon。植被NPP在4月由于适宜的自然环境开始出现急速上升的趋势，4～6月耕地、林地、草地、未利用地4种植被平均每月增加0.68 TgC/mon，6月后不同植被类型的NPP开始出现不同程度的下降，草地与耕地的NPP下降最为明显，7～8月未利用地的NPP出现上升，原因主要为7～8月未利用地区域降水量出现一定的上升，植被进行光合作用速率增强，导致植被NPP总量增加，8～10月4种植被平均每月下降0.58 TgC/mon(图4B)。图4

图42015年天山北坡NPP总量(A)和天山北坡不同植被类型NPP总量(B)逐月变化趋势
Fig.4Monthly variation of total NPP (A) and the trend of NPP in different vegetation types (B) in the northern slope of Tianshan mountain in 2015

天山北坡NPP的季节变化反映了气候特点，夏季温暖多雨，适宜绿色植物生长；冬季寒冷干燥，绿色植被大多已落叶、光合作用速率降低；从整个区域来看，天山北坡冬季NPP总量最小，为1.14 TgC，仅占全年NPP总量的3.28%，所有植被均呈现四季中最低的生产力水平；春秋季次之，NPP总量分别为7.53 TgC和5.69 TgC，分别占全年NPP总量的21.78%和16.45%，春秋季的NPP空间分布相近；夏季的NPP是一年中NPP最大的季节，NPP总量为20.22 TgC，占全年NPP总量的58.49%，夏季的植被NPP空间分布基本上决定了全年的NPP空间格局。图5

图52015年天山北坡植被四季NPP空间分布
Fig.5Spatial distribution of four seasons NPP in the north slope of Tianshan mountain in 2015

2.3NPP与温度、降水的相关性

以月为时间单位，分别计算2015年各月NPP与月平均温度和月降水总量的偏相关系数，，根据统计得出植被NPP与月平均温度、月降水总量的平均相关系数分别为0.59和0.25。植被NPP与月均温的相关系数介于-0.88～0.98，研究区内NPP与温度呈正负相关的面积分别占研究区总面积的93.77%和6.23%，呈正相关的区域基本遍布整个研究区，其中在天山北坡中西部地区的相关系数大多在0.6以上，呈负相关的区域主要分布在伊吾县、巴里坤县区域。由t检验的结果可知，有39.51%的区域通过了P<0.01水平的显著性检验，主要位于天山北坡中西部区域。

植被NPP与月降水总量的偏相关系数介于-0.80～0.98，研究区内NPP与月总降水量呈正负相关的区域面积分别占81.10%、18.90%，呈正相关的区域主要集中在吉木萨尔县、奇台县和巴里坤县等天山北坡东部区域，原因主要为天山北坡东部区域降水量较少，大多为耐旱植被，植被对降水的敏感性相对较高，呈负相关的区域主要分布在博乐市、乌苏市和奎屯市区域。由t检验的结果可知，有3.43%的区域通过了P<0.01水平的显著性检验，主要集中在巴里坤县、伊吾县区域。因此，研究区大部分区域与月降水总量的显著性较低。图6

图62015年天山北坡植被NPP与月均温(左)、月降水总量(右)的偏相关性空间分布
Fig.6Spatial distribution of partial correlations between monthly NPP and temperature (left), as well as total monthly precipitation (right) in the north slope of Tianshan mountain in 2015

基于像元尺度分析2015年天山北坡不同植被类型NPP与月平均温度、月降水总量的相关性，研究表明，耕地植被主要受温度的影响，与温度呈正相关的像元数占99.91%，是4种植被受温度影响较大的植被类型，与降水呈现正相关的像元面积占72.95%，其中有72.89%与温度和降水均呈正相关，与温度呈正相关、与降水呈负相关的像元面积是4种植被类型中最大的，占27.02%，与温度、降水均呈负相关的像元面积是4种植被类型最少的，仅占0.03%。

林地植被与温度呈正相关的像元面积占总面积的99.65%，与降水呈正相关的像元面积占83.57%，其中与温度、降水量均呈正相关的像元面积占83.27%，与温度、降水量均呈负相关的像元比例占0.05%。

草地与温度呈正相关的像元面积占总面积的98.16%，与降水量呈正相关的像元面积所占比是4种植被类型中最大的，占86.29%，其中与温度、降水量均呈正相关的像元面积占84.53%，与降水量呈正相关、与温度呈负相关的像元面积占1.76%，与温度、降水量均呈负相关的像元比例占0.09%。

未利用地与温度呈正相关的面积占总面积的88.56%，与降水量呈正相关的面积占总面积的79.64%，其中与温度、降水量均呈正相关的像元面积占69.34%，与降水量呈正相关、与温度呈负相关的像元面积是4种植被类型中最大的，占10.30%。研究表明2015年温度对天山北坡不同植被的相关性大于降水。表1

表1各类型植被NPP与月均温、月降水量的相关系数所占比例
Table1Proportion of correlation coefficient between mean NPP for different vegetation types and climate factors(%)

相关性Correlation耕地Cropland林地Forest草地Grassland未利用地Unusedland与温度、降水量均呈正相关Itispositivelycorrelatedwithtemperatureandprecipitation72 8983 2784 5369 34与温度呈正相关，与降水量呈负相关Itwaspositivelycorrelatedwithtemperatureandnegativelycorrelated27 0216 3813 6319 22与温度、降水量均呈负相关Itisnegativelycorrelatedwithtemperatureandprecipiation0 030 050 091 14与温度负相关，与降水量均呈正相关Itwasnegativelycorrelatedwithtemperatureandpositivelycorrelatedwithprecipitation0 060 301 7610 30

2.4NPP变化驱动

植被NPP的变化不仅受到气候要素的影响，还受人类活动的干扰[17]。参照陈云浩等[18]的方法，对天山北坡NPP变化进行驱动分区并做部分修正，研究表明，(1)2015年植被NPP变化受气温、降水强驱动面积占研究区面积的1.08%，主要集中在乌鲁木齐市、阜康市以及巴里坤县西部区域。(2)以气温为主要驱动因素的区域占研究区总面积的37.86%，大部分集中在天山北坡中西部区域。(3)有3.41%区域以降水为主要驱动因素，主要集中在巴里坤县和伊吾县区域。(4)以气温、降水为弱驱动因素的区域面积占研究区面积的23.71%，主要集中在奇台县、木垒县、巴里坤县以及天山北坡西部温泉县境内。(5)其他地区属于非气候因素驱动的区域，占33.94%，主要集中在天山北坡中东部以北地区。整体上2015年天山北坡NPP主要受温度的驱动。图7，表2

图72015年天山北坡植被NPP变化气候因子驱动力分区
Fig.7The climatic factor drivers of vegetation change and distribution in the northern slope of Tianshan mountain in 2015表2NPP变化驱动力分区准则
Table2The regionalization rules the driving factors for dynamic change of NPP

NPP变化驱动因子NPPchangesdrivingfactors分区准则　RulesR1R2R3气候因子气温、降水强驱动型t﹥t0 01t﹥t0 01F﹥F0 01Climatefactors气温驱动型t﹥t0 01F﹥F0 01降水驱动型t﹥t0 01F﹥F0 01气温、降水弱驱动型t≤t0 01t≤t0 01F﹥F0 01非气候因子Non-climatefactors非气候因子驱动型F≤F0 01

注：表中R1、R2分别为NPP与气温、降水的偏相关系数，R3则表示NPP与气温和降水的复相关系数，t和F分别为t、F检验的统计量值，t0.01和F0.01F0.01分别为t检验和F检验的0.01显著性水平

Note:R1 andR2 respectively represent the T-Test significance of NPP related to temperature and precipitation; F-Test significance of the multiple correlations between NPP and temperature-precipitation

3　讨 论

选取以西北干旱区、新疆、天山或天山北坡为研究区的其他模型模拟NPP值与研究模拟的NPP值进行精度对比验证。不同模型模拟天山北坡植被NPP值存在不同的差异，原因主要为不同区域、不同时间、不同模型的机理及输入参数的不同会使研究结果出现差异，对比验证结果表明：研究的模拟结果均在其他研究者的结果范围内，研究模拟的林地NPP结果值与焦伟等[11]利用CASA参数模型模拟的结果和韩其飞等[19]利用Biome-BGC机理模型模拟的结果相近，高于刘卫国[20]的利用遥感-过程耦合模型的模拟结果。研究对草地的模拟结果在张杰等[21]利用NPP-PEM遥感参数模型模拟的结果范围内，低于焦伟等[11]利用CASA模型模拟的结果。研究对耕地的模拟结果与吴晓全等[10]、刘卫国等[20]的模拟结果相近，低于焦伟等[11]利用CASA参数模型模拟的结果。表3

表3研究模拟结果与其他模型模拟的对比
Table3Comparisons of simulated NPP in this study and other different studies

模型Model类别Type研究区Area年份Year林地Forest草地Grassland耕地Cropland文献ReferenceNPP-PEM遥感参数模型天山北麓2002422 5787 58～343 59375 27张杰等，2010[21]Biome-BGC机理模型天山北坡1959～2009547 97//韩其飞等，2014[19]CASA遥感参数模型天山2001～2013392 20243 70362 81吴晓全等，2016[10]OLECM遥感-过程耦合模型新疆1981～2000314 90215 21328 76刘卫国，2007[20]CASA遥感参数模型西北干旱区(含天山北坡)2000～2014508 6252 2415 6焦伟等，2017[11]CASA遥感参数模型天山北坡2015534 47174 20333 47本文

4　结 论

4.12015年天山北坡植被NPP总量为34.57 TgC，平均值为173.34 gC/(m2·a)，NPP总体上呈现西高东低的趋势，天山北坡中西部区域NPP总量占天山北坡的82.25%，是天山北坡NPP的主要供给区；不同地貌特征NPP差异较大，平原区NPP总量最大，为13.41 TgC，其次是山地，为10.96 TgC。

4.2不同植被类型的NPP空间差异较大，林地、耕地、草地、未利用地的NPP年总量分别为3.25、6.62、12.65和11.53 TgC/a，平均值分别为534.47、333.47、174.20和124.18 gC/(m2·a)，从NPP年总量来看，草地>未利用地>耕地>林地，从NPP平均值来看，林地>耕地>草地>未利用地。

4.32015年天山北坡植被NPP月总量波动范围为0.29～3.00 TgC/mon，6月的植被NPP总量达到一年中的最大值。夏季的NPP总量最大，占全年的58.49%；冬季NPP总量最低，仅占3.28%；春秋季NPP总量空间分布相近，分别占全年NPP总量的21.78%和16.45%。

4.4天山北坡不同区域植被NPP与温度和降水的相关性不同，与温度呈显著性相关的区域大部分集中在天山北坡中西部，与降水呈显著性相关的区域大部分集中在天山北坡东部，大部分植被与温度的相关性大于降水的。

4.5天山北坡植被NPP变化受气候因子影响的区域占66.06%(气温和降水强驱动1.08%、气温为主37.86%、降水为主3.41%、气温和降水弱驱动23.71%)，主要分布在天山北坡中西部，受非气候因子的影响(包括人类活动、自然灾害等)占33.94%，主要集中在天山北坡中东部以北区域。

参考文献(References)

[1] Ruimy, A., Saugier, B., & Dedieu, G. (1994). Methodology for the estimation of terrestrial net primary production from remotely sensed data.JournalofGeophysicalResearchAtmospheres, 99(D3): 5,263-5,283.

[2]Steffen, W., Noble, I., Canadell, J., Apps, M., Schulze, E. D., & Jarvis, P. G. (1998). The terrestrial carbon cycle: implications for the Kyoto protocol.Science, 280(5368): 1,393-1,394.

[3]Ramakrishna R. Nemani, Charles D. Keeling, Hirofumi Hashimoto, William M. Jolly, Stephen C. Piper, & Compton J. Tucker, et al. (2003). Climate-driven increases in global terrestrial net primary production from 1982 to 1999.Science(NewYork,N.Y.) , 300(5625): 1,560-1,563.

[4]孙睿，朱启疆.陆地植被净第一性生产力的研究[J].应用生态学报，1999，10(6)：757-760.

SUN Rui，ZHU Qi-jiang. (1999). Net primary productivity of terrestrial vegetation-A review on related researches [J].ChineseJournalofAppliedEcology，10(6)：757-760.(in Chinese)

[5]Imhoff, M. L., Bounoua, L., Defries, R., Lawrence, W. T., Stutzer, D., & Tucker, C. J., et al. (2004). The consequences of urban land transformation on net primary productivity in the United States.RemoteSensingofEnvironment, 89(4):434-443.

[6]Lieth, H. (1973). Primary production: terrestrial ecosystems.HumanEcology, 1(4): 303-332.

[7]Potter, C. S., Randerson, J. T., Field, C. B., Matson, P. A., Vitousek, P. M., & Mooney, H. A., et al. (1993). Terrestrial ecosystem production: a process model based on global satellite and surface data.GlobalBiogeochemicalCycles, 7(4):811-841.

[8]Hicke, J. A., Asner, G. P., Randerson, J. T., Tucker, C., Los, S., & Birdsey, R., et al. (2002). Satellite‐derived increases in net primary productivity across north America, 1982-1998.GeophysicalResearchLetters, 29(10): 691-694.

[9]张丽，蒋平安，张鲜花，等.石河子绿洲植被净第一性生产力遥感估算研究[J].新疆农业科学，2010，47(6)：1 204-1 207.

ZHANG Li，JIANG Ping-an，ZHANG Xian-hua，et al. (2010). Estimation of vegetation net primary productivity based on remote sensing in Shihhotze oasis [J].XinjiangAgriculturalSciences，47(6)：1,204-1,207.(in Chinese)

[10]吴晓全，王让会，李成，等.天山植被NPP时空特征及其对气候要素的响应[J].生态环境学报，2016，25(11)：1 848-1 849.

WU Xiao-quan，WANG Rang-hui，LI Cheng，et al. (2016). Spatial-temporal characteristics of NPP and its response to climatic factors in Tianshan mountains region [J].EcologyandEnvironmentalSciences，25(11)：1,848-1,849.

[11]焦伟，陈亚宁，李稚.西北干旱区植被净初级生产力的遥感估算及时空差异原因[J].生态学杂志，2017，36(1)：181-189.

JIAO Wei，CHEN Ya-ning，LI Zhi. (2017). Remote sensing estimation and the reasons for temporal-spatial differences of vegetation net productivity in arid region of Northwest China [J].ChineseJournalofEcology，36(1)：181-189.

[12]新疆维吾尔自治区畜牧厅.新疆草地资源及其利用[M].乌鲁木齐：新疆科技卫生出版社，1993：10-31.

Department of Animal Husbandry of Xinjiang Uygur Autonomous Region.(1993).GrasslandResourcesandTheirUtilizationinXinjiang[M]. Urumqi：Xinjiang Science, Technology and Health Publishing House: 10-31.

[13]朱文泉，潘耀忠，龙中华，等.基于GIS和RS的区域陆地植被NPP估算一─以中国内蒙古为例[J].遥感学报，2005，9(3)：300-307.

ZHU Wen-quan，PAN Yao-zhong，LONG Zhong-hua，et al. (2005). Estimating net primary productivity of terrestrial vegetation based on GIS and RS：A case study in Inner Mongolia，China [J].JournalofRemoteSensing，9(3)：300-307.

[14]Potter, C. S., Randerson, J. T., Field, C. B., Matson, P. A., Vitousek, P. M., & Mooney, H. A., et al. (1993). Terrestrial ecosystem production: a process model based on global satellite and surface data.GlobalBiogeochemicalCycles, 7(4): 811-841.

[15]冯益明，姚爱冬，姜丽娜. CASA模型的改进及在干旱区生态系统NPP估算中的应用[J].干旱区资源与环境，2014，28(8)：39-43.

FENG Yi-ming，YAO Ai-dong，JIANG Li-na. (2014). Improving the CASA model and applying it to estimate the net primary productivity of arid region ecology system [J].JournalofaridLandResourcesandEnvironment，28(8)：39-43.

[16]王永财，孙艳玲，王中良.1998-2011年海河流域植被覆盖变化及气候因子驱动分析[J].资源科学，2014，36(3)：594-602.

WANG Yong-cai，SUN Yan-ling，WANG Zhong-liang. .(2014). Spatial-temporal change in vegetation cover and climate factor drivers of variation in the Haihe River basin 1998-2011 [J].ResourcesScience，36(3)：594-602.

[17]潘桂行，申涛，马雄德，等.人类活动和自然因素对海流兔河流域生态环境影响分析[J].干旱区资源与环境，2017，31(4)：67-72.

PAN Gui-xing，SHEN Tao，MA Xiong-de，et al. .(2017). Effects of human activities and natural factors on ecological environment of the Hailiutu river basin [J].JournalofaridLandResourcesandEnvironment，31(4)：67-72.

[18]陈云浩，李晓兵，史培军.1983-1992年中国陆地NDVI变化的气候因子驱动分析[J].植物生态学报，2001，25(6)：716-720.

CHEN Yun-hao，LI Xiao-bin，SHI Pei-jun. .(2001). Variation in NDVI driven by climate factors across China，1983-1992 [J].ActaPhytoecologicaSinica，25(6)：716-720.

[19]韩其飞，罗格平，李超凡，等.基于Biome-BGC模型的天山北坡森林生态系统碳动态模拟[J].干旱区研究，2014，31(3)：375-382.

HAN Qi-fei，LUO Ge-ping，LI Chao-fan，et al. .(2014). Simulation of carbon trend in forest ecosystem in northern slope of the Tianshan Mountains based on biome-BGC model [J].AridLandResearch，31(3)：375-382.

[20]刘卫国.新疆气陆地生态系统净初级生产力和碳时空变化研究[D].乌鲁木齐：新疆大学博士学位论文，2007.

LIU Wei-guo.(2007).ResearchofcarbonandNPPchangesofthelandecosysteminXinjiang[D]. PhD Dissertation. Xinjiang University, Urumqi.

[21]张杰，潘晓玲，高志强，等.天山北麓山地-绿洲-荒漠生态系统净初级生产力空间分布格局及其季节变化[J].干旱区地理，2010，33(1)：78-85.

ZHANG Jie，PAN Xiao-ling，GAO Zhi-qiang，et al. .(2010).Estimation of net primary productivity of the oasis-desert ecosystems in arid west China based on RS-based ecological process [J].AridLandGeography，33(1): 78-85.