三江源区植被净初级生产力时空特征及对气候变化的响应

周秉荣，朱生翠，李红梅

（1．兰州大学资源环境学院，甘肃 兰州 730000；2．青海省气象科学研究所，青海 西宁 810001；

3．青海省海北牧业气象试验站，青海 海北 810200；4．青海省气候中心，青海 西宁 810001）

三江源区植被净初级生产力时空特征及对气候变化的响应

周秉荣1，2，朱生翠3，李红梅4

（1．兰州大学资源环境学院，甘肃 兰州 730000；2．青海省气象科学研究所，青海 西宁 810001；

3．青海省海北牧业气象试验站，青海 海北 810200；4．青海省气候中心，青海 西宁 810001）

三江源区是我国乃至亚洲重要的水源地，是高寒生态系统的脆弱区和敏感区。植被净初级生产力（Net Primary Productivity，NPP）是评价生态环境状况的重要指标。利用1961—2014年三江源区18个气象站的气象观测资料、11个监测点的草地生物量观测资料以及中国地区气候变化预估数据集的全球气候模式加权平均集合数据，通过5种估算植被NPP气候模型的对比验证，筛选出适用性好、精度高的模型构建该区植被NPP估算模型，并进行植被NPP的时空变化特征及对气候变化的响应分析。结果表明：周广胜模型对三江源区的植被NPP模拟结果有效且精度最高，故选用该模型模拟三江源区植被NPP。1961—2014年，三江源区植被NPP呈从东南向西北逐渐降低的空间分布特征，平均值为59．59 gC·m－2，其中黄河源区植被NPP的年际及空间波动高于长江源区和澜沧江源区；近54 a植被NPP整体呈显著增加趋势，但不同区域变化幅度有所差异。气温是影响三江源区植被NPP增加的主要气象因素；未来90 a三江源区植被NPP仍呈现持续增加态势。

三江源；植被净初级生产力；气候变化；预估

周秉荣，朱生翠，李红梅．三江源区植被净初级生产力时空特征及对气候变化的响应［J］．干旱气象，2016，34（6）：958－965，［ZHOU Bingrong，ZHU Shengcui，LIHongmei．Temporal and SpatialCharacteristicsof Vegetation NetPrimary Productivity and Its Responses to Climate Change in Threeriver Headwaters Region［J］．Journal of Arid Meteorology，2016，34（6）：958－965］，DOI：10．11755／j．issn．1006－7639（2016）－06－0958

引 言

三江源地区位于青藏高原东南部、青海省南部，是长江、黄河和澜沧江3条河流的发源地，孕育了具有悠久历史的华夏文明和中南半岛文明［1］，素有“中华水塔”之称，其生态环境十分敏感和脆弱［2］。三江源区为天然草场区［3］，草地生态系统是其主体，对该区域生态系统功能的保持具有决定性作用，因此对于草地生产力的准确把握，成为认识该区域生态系统结构和功能的重点。植被净初级生产力（Net Primary Productivity，NPP）是指绿色植物在单位面积和单位时间内所累积的有机干物质总量［4］。NPP表示植物光合作用产物固定和转化的效率，直接反映植物在自然环境条件下的生产能力，是评价生态系统结构与功能协调及生物圈人口承载力状况的重要指标［5］。掌握三江源区NPP年际间的定量变化规律，对表征及评价该区域乃至江河中下游地区生态系统的质量状况、估算生态系统碳汇和调节生态过程具有十分重要意义。我国学者主要采用了气候生产力模型、光能利用率模型和生理生态过程模型［6］对三江源区植被净第一性生产力进行了研究。张岩等［7］通过CASA模型估算了近 14 a三江源地区植被净初级生产力。蔡雨恋等［8］利用改进的CASA模型计算分析了三江源地区2004—2008年净植被生产力变化情况。张继平等［9］基于MODISNPP数据，通过光能利用率模型估算分析了2000—2010年三江源地区草地NPP及草地生态系统碳储量的时空变化特征。王军邦等［4］利用遥感—过程耦合模型模拟分析了1988—2004年三江源区NPP时空格局及其控制机制。过程模型和光能利用率模型能从机理上解释NPP的变化，但由于涉及的参数过多，在大尺度范围和较长时间尺度条件下，因参数的不稳定，模拟的准确性有所限制［10］。同时，上述2类模型对该区域未来植被NPP如何变化无法给出评估意见。然而，气候生产力模型虽不能从机理上解释NPP的变化，但计算参数易获取，模拟的准确性较高［11－13］，且基于气候情景资料，可以进行未来气候变化情景下的NPP变化预测研究。在全球气候变暖背景下，中国各地气候也在不同程度地发生着变化［14］，所以随着时间变迁和气候资料的不断积累，采用气候模型开展三江源区最新长时间序列气候变化、植被NPP的响应及未来演变趋势研究是十分必要的。

估算自然植被净初级生产力（NPP）的气候模型常用的有Miami模型、Thornthwaite Memorial模型、Chikugo模型、周广胜模型和朱志辉模型［6］。王胜兰［12］采用上述5种模型对乌鲁木齐地区各类草场自然植被NPP进行了估算及对比分析。肖卉等［15］采用Thornthwaite Memorial模型对江苏省植物气候生产力时空演变特征分析发现，江苏省总体气候生产力随纬度升高而降低，呈南高北低的空间状态。高浩等［16］通过Miami和Thomthwaite Memorial模型分析了内蒙古中部地区14个样点的气候生产潜力和影响气候生产潜力的气候驱动力。王景升等［17］利用周广胜模型模拟了藏北羌塘高原草地生态系统NPP，模拟效果较好。孙善磊等［18］利用Miami模型、Thornthwaite Memorial模型和周广胜模型估算了1961—1990年浙江省植被NPP，并与国际生物学计划（International Biological Programme，IBP）推荐值作对比，发现周广胜模型实用性最好。普宗朝等［19］研究发现基于上述5种模型的天山山区植被NPP在数值上有一定差异，但NPP在时空领域对气候变化响应的趋势一致。

本研究利用1961—2014年三江源区18个气象站常规观测资料及地理信息资料，分别采用Miami模型、Thornthwaite Memorial模型、Chikugo模型、周广胜模型和朱志辉模型5种气候生产力模型对三江源区植被NPP进行拟合分析，并结合11个监测点的草地生物量实测数据，对各模型拟合结果进行精度检验。在此基础上，选用对NPP模拟效果较好的模型建立植被NPP估算模型，分析三江源区近54 a植被NPP变化特征、空间分布格局及未来温室气体中等排放情景（SRESA1B）下的可能变化趋势，为探索三江源区植被生态与自然环境对气候变化的响应与适应，应对气候变化和自然环境保护提供依据［5］。

1 数据与方法

1．1 数据来源与处理

利用青海省气象局信息中心提供的1961—2014年三江源区18个气象台站平均温度、降水量和日照百分率等逐年观测资料及数字高程模型资料；中国气象局国家气候中心发布的中国地区气候变化预估数据集中的全球气候模式加权平均集合数据：未来温室气体中等排放情景（SRESA1B）下2011—2100年平均气温和降水量逐月数据；2003—2013年三江源区班玛、久治、河南、达日、甘德、玛沁、清水河、玛多、杂多、沱沱河、泽库11个监测点共121个牧草产量数据，样点分布如图1所示。其中，各监测点均选择气象站周围10 km范围内平坦开阔且面积为100 m×100 m的草地为样区，采用春、夏、秋季封育和冬季放牧采食方式；测产时，在样区内随机选取5个样方（1 m×1 m），测量、记录样方内牧草的高度、覆盖度和鲜重。牧草生长期内（5—8月），每月观测并记录一次，取最大值作为该年度牧草产量（鲜重）。

图1 三江源区气象站及牧草生物量测定样点分布Fig．1 The spatial distribution ofweather staions and sites ofmeasuring grass biomass in three－river headwaters region

植被NPP实测值由下式转换得到：

式中，Yob是观测的牧草鲜重，单位：g·m－2；at为牧草干鲜比，无量纲，各生态站测定数值见表1；bt为碳转化率，取常数0．45。植被NPP计算中各站用到的净辐射资料由模型估算得到［20］。

1．2 模型介绍

采用的模型有Miami模型、Thornthwaite Memorial模型、Chikugo模型、朱志辉模型和周广胜模型，详细信息见表2。

表1 三江源区各生态站牧草干鲜比Fig．1 The ratio of dry weight and fresh weight at different eco－stations in three－river headwaters region

表2 5种植被NPP估算模型的基本信息Tab．2 General information of fivemodels of vegetation NPP estimation

1．3 三江源植被NPP模型选用

为验证上述5种模型在三江源区的适用性，将1961—2014年三江源区18个气象站平均气温、降水量、日照百分率等观测资料分别代入5种模型，计算不同模型下各站点的植被NPP，并求算区域平均NPP值。然后，结合三江源区11个草地生物量监测样点2003—2013年实测资料，得到该区5种模型模拟的植被平均NPP精度检验结果（图2）。由图2可知，5种模型中周广胜模型的模拟值与实测值相关系数的平方最高为0．49，通过了α＝0．01显著性检验，且RMSE值最小；其次为Miami模型，模拟值与实测值的相关系数的平方为 0．47。由于Miami模型不能反映人类活动影响且未考虑植物本身生理生态学特性，具有一定的局限性［26］；朱志辉模型模拟值与实测值的相关系数最低，主要是由于该模型采用了大量人工林的资料，其实用性受到一定限制。可见，根据能量和水量平衡方程的区域蒸散模式建立的周广胜模型，综合考虑了各生态因子间相互作用对NPP的影响，可以更加真实确切地反映植物生理生态学特点和水热平衡关系。该模型比Miami模型更能准确地反映三江源区植被NPP，具有较好的适用性，这对于充分利用当地气候资源，准确掌握气候生产潜力变化，最大限度地提高植被产量具有重要意义［5］。因此，本研究采用周广胜模型建立三江源区植被NPP估算模型，并基于观测值进行检验修正，其公式如下：

式中：NPPest为修正模型估测值，NPPzgs为周广胜模型估测值，单位：gC·m－2。

2 三江源区植被NPP变化特征及对气候变化的响应

2．1 植被NPP年变化

图3给出1961—2014年三江源区植被平均NPP年变化曲线。可看出，近54 a三江源区植被NPP呈波动增加趋势，增加率为0．292 gC·m－2·a－1，通过α＝0．01的显著性检验。其中，1961—2000年NPP变化趋势不明显，且1990年代明显偏低；2000年以后NPP快速增大，处于较高水平，NPP增加率为1．865 gC·m－2·a－1（通过α＝0．05的显著性检验），2000—2014年平均NPP为67．482 gC·m－2，较1961—1999年（56．553 gC·m－2）高出10．929 gC·m－2。

图2 三江源区植被NPP的5种模型模拟结果精度检验（单位：gC·m－2）Fig．2 Precision tests of vegetation NPP between the observation and simulated by five typesmodel in three－river headwaters region（Unit：gC·m－2）

图3 1961—2014年三江源区植被NPP年变化趋势Fig．3 The annual variation of vegetation NPP in three－river headwaters region during 1961－2014

2．2 植被NPP空间分布

图4是1961—2014年三江源区18个气象站点的植被平均NPP空间分布。可看出，NPP最高值111．16 gC·m－2，最低值19．26 gC·m－2，区域平均值59．59 gC·m－2，低于周才平等［27］估算的青藏高原高寒草甸植被NPP值（214．64 gC·m－2），而接近高寒草原植被 NPP值（63．95 gC·m－2）。空间上，三江源植被NPP呈自东南向西北逐渐降低的空间格局，这与张岩［7］、沃笑［28］和姚玉璧［29］等的研究结果一致。其中，东南部的久治、班玛和囊谦NPP在 92．97 gC·m－2以上，西北部的治多、唐古拉山区在20．47 gC·m－2以下，而东北部的玛沁、兴海、同德及泽库在34．13～66．71 gC·m－2之间，其影响机制还需进一步分析。

图4 三江源区植被NPP的空间分布Fig．4 The spatial distribution of vegetation NPP in three－river headwaters region

按流域统计（表3），降水最为丰富、热量条件较好的澜沧江流域的植被NPP普遍较高且变率最小，NPP值为33．10～98．47 gC·m－2，平均91．79 gC·m－2；高寒少降水且范围广的长江流域，其植被NPP为19．07 ～115．68 gC·m－2，平均值最低，仅为39．08 gC·m－2；而降水和气温条件次之的黄河流域介于前两者之间，NPP平均为66．06 gC·m－2，但NPP的年际及空间波动高于其它2个流域。三江源区植被NPP主要受区域水热分配格局影响，表现出明显的区域分异特征［30］。

表3 1961—2014年三江源区各流域植被NPP统计（单位：gC·m－2）Tab．3 The statistics of NPP in different basins of three－river sources from 1961 to 2014（Unit：gC·m－2）

2．3 植被NPP对气候变化的响应

图5是三江源区1961—2014年平均气温、降水量及日照百分率的年际变化。可以看出，1961—2014年平均气温显著升高（P＜0．01），增温率为0．33℃·（10 a）－1，其中2000年以前增温不明显，而后升温趋势显著，2000—2014年增温率达0．57℃·（10 a）－1（P＜0．01）（图2a）；日照百分率整体呈微弱下降趋势，但阶段性变化特征较明显。其中，1980年代以前呈明显上升趋势，而后表现出2次阶段性下降的特征（图2b）；降水量年际间波动较大，整体呈微弱增加趋势，其中1990年代降水量明显偏少，2000年以后则呈显著上升趋势，每10 a增加76．5 mm（P＜0．05）（图2c）。可见，近54 a三江源区气候变暖较明显，尤其是2000年以后增温显著。

图5 1961—2014年三江源区主要气候要素的年变化Fig．5 The annual variations ofmajor climate factors in three－river headwaters region from 1961 to 2014

上节分析得到，1961—2014年三江源区植被平均NPP整体呈显著增加趋势，其中1990年代NPP明显偏低，2000年以后急剧增加，这主要是由于2000年以来全球气候变暖背景下，青藏高原包括三江源地区增温明显，有利于高寒地区植被生长，因而植被NPP增加［31］。另外，1990年代在温度变化不明显的情况下，降水的减少造成植被NPP明显偏低。就2000—2014年而言，2000年三江源区年平均温度和年降水量分别为－0．69℃和429．23 mm。由于在低温和降水不足的形势下，植被生长受到双重胁迫，其NPP积累受到抑制；2004年，三江源区年均温度处于低值区，为－0．06℃，年降水量处于高值区，为493．53 mm，但由于温度过低，不能和充足的降水量协调搭配共同作用于植被的生理生态过程，致使植被NPP积累同样受到影响；2005、2009和2012年，三江源的植被在水热搭配较为均匀的情况下，其生长形势良好。由此可见，在气候变暖背景下，温度是影响三江源区植被NPP形成的关键因子，而降水也是重要影响因子之一。这可能是由于三江源大部区域属于半湿润、湿润气候区［32］，在水分条件满足的情况下，草地产量的高低取决于气温的高低。这与王军邦等［4］研究结论“青海三江源地区气温对植被NPP的影响高于降水，两者的标准化回归系数之比为1．7，即气温的影响是降水的1．7倍，说明该地区气温是植被NPP的主要气候控制因素”相一致。

图6给出1961—2014年三江源区不同站点的植被 NPP及气候要素变化情况。由图6a看出，除黄河源区的河南站外，三江源区其余站点近54 a植被NPP均呈一致增加趋势。其中，黄河源区的兴海、同德、泽库及达日4站植被NPP显著增加，尤其是同德站增幅最显著，达0．756 gC·m－2·a－1，其余站点增加趋势不显著；长江源区上游从沱沱河、五道梁到曲麻莱以及治多植被NPP都显著增加，且水热条件较理想的中部区域增幅要大于上游地区，而下游的玉树增加不显著；澜沧江源区杂多植被NPP显著增加，增幅率达0．534 gC·m－2·a－1，而囊谦地区增加不显著。

1961—2014年，三江源区18个站点中除久治外，其余站点平均气温均呈显著升高趋势，升温最明显的治多和泽库的增温率分别为0．045℃·a－1和0．044℃·a－1（图6b）；各站点年降水量的变化趋势不尽相同，囊谦和久治年降水量呈不明显减少趋势，而其余站点呈增加趋势，其中五道梁和玛多增加显著（图6c）；日照百分率的变化趋势不尽一致，趋势增加的与减少的站点相当，其中河南、久治、玛多、曲麻莱、五道梁、沱沱河及囊谦增加趋势显著，而减少的站点趋势均不显著（图6d）。综合来看，三江源区降水较为充沛的玛沁、甘德、久治、班玛、玉树和囊谦等区域的植被NPP增幅并不显著，可能是这些地区未来气温增幅较大、降水量增幅相对较少，较少的降水增加量不足以抵消因气温升高而引起的蒸发量增加，致使NPP增幅不显著。

图6 1961—2014年三江源区各气象站点的植被NPP（a）和平均气温（b）、降水量（c）、日照百分率（d）变化趋势（表示通过了0．01及以上显著性检验）Fig．6 The annual change trends of vegetation NPP（a）and average temperature（b），precipitation（c），sunshine duration（d）in three－river headwaters region during 1961－2014 （passed the 0．01 and above significance test）

3 未来三江源区植被NPP变化

SRESA1B情景是指各种能源平衡发展时的中等排放情景。利用中国地区气候变化预估数据集的全球气候模式加权平均集合数据，应用校正后的周广胜模型，得到SRESA1B情景下2011—2100年三江源区植被NPP空间分布及变化趋势（图7）。结合图7a、图7b和图7c看出，2011—2100年三江源区植被NPP为18．92～118．88 gC·m－2，平均为74．5 gC·m－2；2041—2070年为20．1～119．96 gC·m－2，平均为86．6 gC·m－2；2071—2100年为20．82～119．88 gC·m－2，平均为96．3 gC·m－2。可见，NPP整体趋势增加，增幅率为0．17 gC·m－2·a－1。空间上，3个时段的植被NPP分布趋势大致相同，均由东向西、由南向北逐渐减小，这与李红梅等［5］研究结果一致。此外，除黄河源东北部、长江源西北部外，其他地区植被 NPP增加明显。其中，长江源和澜沧江源的玉树地区，其植被NPP始终为低值区，2011—2040年表现明显，值约为18．92～27．54 gC·m－2，远低于周边区域，而后持续增加，2071—2100年增至50．55～60．45 gC·m－2之间。

由图7d可看出，未来90 a三江源区18个站点植被NPP均呈增加趋势，这与张景华等［33］研究结果较为一致，增幅较快区域出现在长江源的沱沱河、曲麻莱、冶多东部和玉树以及澜沧江源的杂多和囊谦等区域，增幅率为0．38～0．72 gC·m－2·a－1，其中增幅最大区域是杂多和曲麻莱，分别为0．68 gC·m－2·a－1和0．72 gC·m－2·a－1；黄河源区增幅普遍较小，尤其是东北部，均≤0．04 gC·m－2·a－1。

图7 SRESA1B情景下未来三江源区植被NPP预估（a）2011—2040年；（b）2041—2070年；（c）2071—2100年；（d）2011—2100年Fig．7 Predictions of vegetation NPP during 2011－2100 under the SRESA1B scenarios in three－river headwaters region （a）2011－2040；（b）2041－2070；（c）2071－2100；（d）2011－2100

4 结论与讨论

（1）通过5种植被NPP气候估算模型的对比分析，发现周广胜模型对三江源区大空间尺度的植被NPP模拟结果有效、且精度最高，但若降低空间尺度，还需进一步优化，需考虑土壤湿度等因子。最显著的是高寒湿地和周边区域有着相似的降水，但模拟的高寒湿地植被NPP与高寒草地植被NPP差异很大。这主要是由于NPP的时空变化取决于植被、土壤和气候之间的复杂相互作用，而该模型仅仅揭示了气候影响作用本身存在的不确定性。此外，样本测定方法和样点的选取等也是原因之一［34］。

（2）三江源区植被NPP自东南向西北逐渐降低，区域平均值为59．59 gC·m－2。1961—2014年，全区植被NPP变化趋势空间分布不尽一致，有些区域显著增加，有些区域增加趋势不明显，而个别区域呈不明显减少趋势，但整体呈显著增加趋势，其影响机制还需进一步分析。

（3）1961—2014年，三江源区气候表现出气温显著升高、降水增加和日照下降不明显的变化特征。影响该区域植被NPP增加的主要气象因素是气温，而降水对植被NPP增加的贡献不明显。

（4）在SRESA1B情景下，未来90 a三江源区植被NPP将呈现增加趋势，且长江源和澜沧江源区东部增幅较大，而黄河源东北部增幅较小。其中，全区植被NPP平均预估值2011—2040年、2041—2070年和2071—2100年分别为74．5、86．6、96．3 gC·m－2，植被NPP增幅为0．17 gC·m－2·a－1。

［1］曹建廷，秦大河，罗勇，等．长江源区1956—2000年径流量变化分析［J］．水科学进展，2007，18（1）：29－33．

［2］邵全琴，赵志平，刘纪远，等．近30年来三江源地区土地覆被与宏观生态变化特征［J］．地理研究，2010，29（8）：1440－1451．

［3］祁栋林，肖宏斌，李晓东，等．1964—2013年青海省不同生态功能区蒸发皿蒸发量的变化特征［J］．干旱气象，2016，34（2）：234－242．

［4］王军邦，刘纪远，邵全琴，等．基于遥感—过程耦合模型的1988—2004年青海三江源区净初级生产力模拟［J］．植物生态学报，2009，33（2）：254－269．

［5］李红梅，周秉荣，李林，等．青海高原植被净初级生产力变化规律及其未来变化趋势［J］．生态学杂志，2011，30（2）：215－220．

［6］张美玲，蒋文兰，陈全功，等．草地净第一性生产力估算模型研究进展［J］．草地学报，2011，19（2）：356－366．

［7］张岩，韦振锋，黄毅．1999—2012年三江源区植被净初级生产力及固碳释氧量测评［J］．水土保持通报，2016，36（1）：100－105．

［8］蔡雨恋，郑有飞，王云龙，等．利用改进的CASA模型分析三江源区净植被生产力［J］．南京信息工程大学学报（自然科学版），2013，5（1）：34－42．

［9］张继平，刘春兰，郝海广，等．基于MODISGPP／NPP数据的三江源地区草地生态系统碳储量及碳汇量时空变化研究［J］．生态环境学报，2015，24（1）：8－13．

［10］王军邦，牛铮，胡秉民，等．定量遥感在生态学研究中的基础应用［J］．生态学杂志，2004．23（2）：152－157．

［11］林慧龙，常生华，李飞．草地净初级生产力模型研究进展［J］．草业科学，2007，24（12）：26－29．

［12］王胜兰．基于5种气候生产力模型的乌鲁木齐地区NPP计算分析［J］．沙漠与绿洲气象，2008，2（4）：40－44．

［13］苏清荷，安沙舟，赵玲．基于5种气候生产力模型的天山北坡主要草地类型NPP计算分析［J］．新疆农业科学，2010，47 （9）：1786－1791．

［14］梅朵，高原，马艳，等．近50 a青海西宁气温变化特征［J］．干旱气象，2013，31（1）：100－106．

［15］肖卉，沈瑱，唐红昇，等．江苏省植物气候生产力时空演变特征［J］．气象科学，2008，28（增刊）：97－100．

［16］高浩，潘学标，符瑜．气候变化对内蒙古中部草原气候生产潜力的影响［J］．中国农业气象，2009，30（3）：277－282．

［17］王景升，张宪洲，赵玉萍，等．羌塘高原高寒草地生态系统生产力动态［J］．应用生态学报，2010，21（6）：1400－1404．

［18］孙善磊，周锁铨，石建红，等．应用三种模型对浙江省植被净第一性生产力（NPP）的模拟与比较［J］．中国农业气象，2010，31 （2）：271－276．

［19］普宗朝，张山清，王胜兰．近47年天山山区自然植被净初级生产力对气候变化的响应［J］．中国农业气象，2009，30（3）：283 －288．

［20］周秉荣，李凤霞，颜亮东，等．青海省太阳总辐射估算模型研究［J］．中国农业气象，2011，32（4）：495－499．

［21］Lieth H．Modeling the primary productivity of the world［J］．Nature and Resources，1972，8（2）：5－10．

［22］侯光良，游松才．用筑后模型估算我国植物气候生产力［J］．自然资源学报，1990，5（1）：60－65．

［23］Uchijima Z，Seino H．Agroclimatic evaluation of net primary productivity of natural vegetations：Chikugo model for evaluating net primary productivity［J］．Journal of Agricultural Meteorology，1985，40（4）：343－352．

［24］朱志辉．自然植被净第一性生产力估计模型［J］．科学通报，1993，38（15）：1422－1426．

［25］周广胜，张新时．自然植被净第一性生产力模型初探［J］．植物生态学报，1995，19（3）：193－200．

［26］张美玲．基于草原综合顺序分类系统改进CASA模型及其在中国草地NPP估算中的应用［D］．兰州：甘肃农业大学，2012：1－3．

［27］周才平，欧阳华，王勤学，等．青藏高原主要生态系统净初级生产力的估算［J］．地理学报，2004，59（1）：74－79．

［28］沃笑，吴良才，张继平，等．基于CASA模型的三江源地区植被净初级生产力遥感估算研究［J］．干旱区资源与环境，2014，28 （9）：45－50．

［29］姚玉璧，杨金虎，王润元，等．1959—2008年长江源植被净初级生产力对气候变化的响应［J］．冰川冻土，2011，33（6）：1286－1293．

［30］Wischnewski J，Kramer A，Kong Z，et al．Terrestrial and aquatic responses to climate change and human impact on the southeastern Tibetan Plateau during the past two centuries［J］．Global Change Biology，2011，17（11）：3376－3391．

［31］王军邦，黄玫，林小惠．青藏高原草地生态系统碳收支研究进展［J］．地理科学进展，2012，31（1）：123－128．

［32］徐维新，古松，苏文将，等．1971—2010年三江源地区干湿状况变化的空间特征［J］．干旱区地理，2012，35（1）：46－55．

［33］张景华，李英年．青海气候变化趋势及对植被生产力影响的研究［J］．干旱区资源与环境，2008，22（2）：97－102．

［34］Schimel D S，House J I，Hibbard K A，et al．Recent patterns and mechanisms of carbon exchange by terrestrial ecosystems［J］．Nature，2001，414：169－172．

Tem poral and Spatial Characteristics of Vegetation Net Primary Productivity and Its Responses to Climate Change in Three－river Headwaters Region

ZHOU Bingrong1，2，ZHU Shengcui3，LIHongmei4

（1．College of Earth Environmental Sciences of Lanzhou University，Lanzhou 730000，China；2．Institute of Meteorological Science of Qinghai Province，Xining 810001，China；3．Haibei Pastoral Meteorology Experimental Station of Qinghai Province，Haibei810200，China；4．Qinghai Climate Center，Xining 810001，China）

The three－river headwaters region is an importantwater source in China，even in the Asia，which is a vulnerable and sensitive area of high－cold ecosystem．Net primary productivity（NPP）is one of the important indicators of ecological environment evaluation．For exploring the vegetation biomass to adapt climate change in the three－river headwaters region，based on themeterological observation data at18 weather stations during 1961－2014，biomass observation data of grassland at 11 monitoring sites during 2003－2013 and prediction data set of climate change in China during 2011－2100 from the National Climate Center，the applicable and high precisionmodel was selected to estimate vegetation NPP in three－river headwaters region by comparing the five climate estimation models of NPP．And on this basis that the temporal and spatial variation characteristics of vegetation NPP and its response to climate change in the three－river source area from 1961 to 2014 were analyzed and predicted．The results showed that Zhou Guang－sheng' smodel to estimate vegetation NPP in the three－river source region had good applicability and the highest precision，so themodelwas used to estimate NPP from 1961 to2014．The spatial distribution of NPP decreased gradually from southeast to northwest in the threeriver source region，the average was 59．59 gC·m－2，and the spatial and interannual fluctuations of NPP in the Yellow River source area was higher than in the Yangtze River and Lancangjiang River source areas during 1961－2014．NPP had an increasing trend in the past54 years on the whole，but the change rates in different regionswere obviously different．The temperature was an important factor to affect the increase of vegetation NPP in the three－river source region．In the future90 years，NPP in three－river headwaters region stillwould continue to increase．

three－river headwaters region；net primary productivity；climate change；prediction

1006－7639（2016）－06－0958－08

10．11755／j．issn．1006－7639（2016）－06－0958

Q14；P467

A

2016－05－03；改回日期：2016－09－26

第三次青藏高原大气科学试验“青藏高原影响及下游灾害天气的诊断与预报”（GYHY201406001）、三江源典型区高寒草甸SPAC系统水热平衡及数值模拟研究（40865006）、青海省适生牧草种植区划及栽培利用技术信息平台建设（2013－T－Y33）和青海省农牧业气候资源精细化区划及开发利用对策研究（2015－ZJ－606）共同资助

周秉荣（1974－），男，青海湟中人，硕士，高级工程师，研究方向为高寒生态学．E－mail：zbr0515＠foxmail．com