本文采用的遥感数据主要包括MODIS数据产品和TM数据。

本研究在NPP模型构建过程中用于计算和验证的MODIS数据产品主要包括MOD09A1、MOD11A2、MOD12Q1、MOD13A2、MOD15A2、MOD17A2和MOD43B3,由美国LP DAAC(Land Process Distributed Active Archive Center,U.S.A)提供。对上述的MODIS数据产品做了以下的预处理工作：采用美国USGS EROS数据中心开发的MRT几何纠正与镶嵌软件,完成图像的镶嵌、几何纠正和重采样;用最大合成法（MVC）对研究区的上述多时相MODIS数据产品分别进行合成预处理,即图像中每一像元用j d中的最大像元值来代替,该处理的目的是为了减少大气的云、颗粒、阴影、视角以及太阳高度角的影响;对MODIS温度、反射率等数据产品中出现的异常值像元,用相邻时相图像的线性相关关系来修复异常值。

研究中使用的TM数据来源于1984年3月1日发射的Landsat-5。本文选择5景TM影像,轨道号分别为132/37、133/36、133/37、134/36和134/37,影像范围覆盖了整个青海省的达日县。5景影像的成像时间都在7月份,影像成像日期基本反映了一年中植被生长状况较好的时期,具有较好的代表性,并且影像质量较好,从而保证了图像分析处理的可操作性与所得结果的可靠性。本文对所选用的TM数据进行了几何校正和大气校正,对选用的TM影像的大气校正采用了ENVI 4.2软件的FlAASH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes）大气校正模块进行。经FlAASH大气校正模块处理过的TM影像,增强了图像的对比度,可以去除一些薄雾。校正后的影像视觉效果不会很明显,但是其光谱特征差别很大。

模型中需要多个气象参数的输入,气象数据从国家气象中心获取,本文选定青海省内41个站点的气象数据。气象要素包括这41个站点的平均气温（0.1℃）、降水量（0.1 mm）、平均空气相对湿度（％）、日照时数（0.1 h）、气压（0.1 hpa）、平均风速（0.1 m/s）。气象要素栅格图的生成过程如下：

① 根据数据中所提供的站点经纬度信息,将各时相的数据转换为空间矢量数据,并赋予地理坐标信息;② 将所需参数值作为属性字段添加到矢量数据中;③ 进行Kriging插值。上述处理通过ArcGIS软件实现。

本研究采用的青海省植被覆盖分类方法（已发表在《地理学报》英文版上）^[9],是在野外实地调查和综合考虑国内外各种土地覆盖分类方法优缺点的基础上,根据青藏高原植被覆盖类型的特征,将青海省草地覆盖类型划分为高覆盖度草地、中覆盖度草地和低覆盖度草地3个类别。经统计,高覆盖度草地的面积为57 456 km²,中覆盖度草地的面积为41 645 km²,低覆盖草地的面积为38 758 km²。

本文所用的地面实测数据主要来源于在青海省达日县进行的实验,实验对象主要是草地。为了尽可能保证实地草地覆盖的真实情况,因此野外调查工作选在2006年7月份（青海草地生长状况最好的季节）进行。在野外踏勘过程中,使用GPS对典型地点精确定位,将实地植被与遥感图进行对比,记录典型地段的植被类型和植被覆盖状况。本次实验的观测内容主要包括：使用LI-6400便携式光合仪测量各青海高原典型草种类型的叶片净光合速率、气孔导度、蒸腾速率、叶温等植物生理指标;使用SUNSCAN冠层分析系统同时观测入射PAR（入射光合有效辐射量）（包括直射PAR和散射PAR）、TPAR（冠层底部的光合有效辐射量）等多项生态指标;采用LAI-2000植物冠层分析仪测量各典型草地类型的LAI;合理选择草地样方,测量各典型草地类型的生物量。

本文草地生物量的基础数据主要来源于《2006年青海省统计年鉴》、《青海省草地资源》、《中国草地资源数据》、《达日县畜牧业区划》。

所参考的植被分布图包括《1:100万青海省草地资源类型图》、《达日县草地类型图》（比例尺为1:20万）。

所用的DEM数据主要来源是从国际热带农业中心网（Centro International de Agriculture Tropical,CIAT,http://srtm.csi.cgiar.org/）上下载的。下载的DEM数据格式为TIFF,空间分辨率为90 m。

本文构建的NPP（下式中为N_NPP）遥感估算模型为：

\begin{array}{c}{N}_{\mathit{NPP}}=P_{\mathit{PAR}}\times F_{\mathit{FPAR}}\times \mathit{min}\left(T_s,W_s\right)\times {\epsilon }_{\mathit{max}}\end{array} （1）

式中,P_PAR为光合有效辐射,单位为MJ/m²;F_FPAR为植被层对入射光合有效辐射（PAR）的吸收分量,无单位;T_s为温度对光能利用率的影响,无单位; W_s为水分对光能利用率的影响,无单位;ε_max为最大光能利用率,单位为gC/MJ。

最大光能利用率ε_max的取值因不同的植被类型而有所不同,它的取值大小对最终的NPP估算结果影响很大。本文根据研究区相关文献资料和野外实验数据,首先确定某种草地类型的一组NPP、PAR、FPAR、温度胁迫因子和水分胁迫因子观测数据,然后采用极大似然估计准则模拟出该种草地类型的ε_max。极大似然估计准则能求出未知参数的最优估值,估算结果具有最优的统计性质,亦即所估参数为最优线性无偏估计^{[10, 11]}。

采用极大似然估计准则,设V为NPP的残差, \begin{array}{c}{\widehat{\epsilon }}_{\mathit{max}}\end{array} 为最大光能利用率ε_max的估值,则有误差方程：

\begin{array}{c}V=P_{\mathit{PAR}}\times F_{\mathit{FPAR}}\times \mathit{min}\left(T_s,W_s\right)\times {\widehat{\epsilon }}_{\mathit{max}}-N_{\mathit{NPP}}\end{array} （2）

经推导,可得最大光能利用率ε_max的估值 \begin{array}{c}{\widehat{\epsilon }}_{\mathit{max}}\end{array} 为

\begin{array}{c}{\widehat{\epsilon }}_{\mathit{max}}=\frac{\stackrel{n}{\sum _{i=1}}{x}_i{y}_i-n\stackrel{\text{̅}}{x}\stackrel{\text{̅}}{y}}{\stackrel{n}{\sum _{i=1}}{x_i}^2-n{\stackrel{\text{̅}}{x}}^2}\end{array} （3）

式中, \begin{array}{c}{x}_i\end{array} 为某种草地类型 \begin{array}{c}{P}_{\mathit{PAR}}\times F_{\mathit{FPAR}}\times \mathit{min}\end{array} \begin{array}{c}\left(T_s,W_s\right)\end{array} 的计算值; \begin{array}{c}{y}_i\end{array} 为某种草地类型的NPP值;i为某种草地类型的样本数;n为某种草地类型的最大样本数; \begin{array}{c}\stackrel{\text{̅}}{x}=\frac{1}{n}\stackrel{n}{\sum _{i=1}}{x}_i\end{array} ; \begin{array}{c}\stackrel{\text{̅}}{y}=\frac{1}{n}\stackrel{n}{\sum _{i=1}}{y}_i\end{array} 。

由于自然生长环境中草地草种类型的混杂性,每类草种的最大光能利用率值有所差异。为了提高各种草地遥感分类类型（高覆盖度草地、中覆盖度草地、低覆盖度草地）最大光能利用率ε_max的估算精度,在估算各种草地分类类型的最大光能利用率时,需要将主要草种类型的最大光能利用率信息均反映到所对应的草地遥感分类类型的最大光能利用率的值中,即计算主要草种类型最大光能利用率的加权平均作为对应的草地遥感分类类型的最大光能利用率,计算公式如下：

\begin{array}{c}{\epsilon }_{\mathit{max}}=\stackrel{n}{\sum _{i=1}}{c}_i{\left({\epsilon }_{\mathit{max}}\right)}_i\end{array} （4）

式中,c_i为第i种草种类型所占的面积比例, \begin{array}{c}({\epsilon }_{\mathit{max}}{)}_{{}_i}\end{array} 为第i种草种类型的最大光能利用率。

本文根据研究区相关文献资料和野外实验数据^[12~14],采用极大似然估计准则模拟各草地类型ε_max的优化值,从而确定出研究区主要草地建群种类型的最大光能利用率取值。在模拟出研究区主要草地建群种类型的最大光能利用率的取值后,再采用公式（4）估算出各种草地遥感分类类型（高覆盖度草地、中覆盖度草地、低覆盖度草地）的最大光能利用率ε_max。

本研究根据研究区数据构建NDVI（下式值为N_NDVI和FPAR之间的关系方程式,设定无植被覆盖地区,FPAR最小,其值为0;植被完全覆盖地区,FPAR达到最大值,即0.95^[15]：

\begin{array}{c}{F}_{\mathit{FPAR}}=\mathit{min}[\frac{\mathit{SR}}{\mathit{SRmax}-\mathit{SRmin}}-\\ \mathit{}\frac{\mathit{SRmin}}{\mathit{SRmax}-\mathit{SRmin}},0.95]\end{array} （5）

\begin{array}{c}\mathit{SR}=\frac{1+N_{\mathit{NDVI}}}{1-\mathit{NNDVI}}\end{array} （6）

式中,SR_min在所有草地类型中取同一个值1.06,SR_max的取值与草地类型有关,即：高覆盖度草地取3;中覆盖度草地取2.17;低覆盖度草地取1.78。

准确建立水分对植被光能利用率的影响函数是有困难的。在传统的NPP模型中,经常使用的水分胁迫因子是由土壤湿度^[16]和水气压缺失（VPD）^[17]作为参与变量来构建相应的计算函数,但是这些参与计算的变量都存在各自的缺点：① 无论从模型中还是从遥感数据中都难以准确确定大尺度研究区域的土壤湿度数值,这限制那些基于土壤湿度的NPP模型的预测能力。② VPD不是一个好的表征土壤湿度条件空间异质性的指示因子,它与土壤含水量不是线性相关的。

本研究采用一种经实践证明较为成熟的计算水分胁迫因子的替代算法——蒸发比（EF,下式值为E_EF）^[18],用来计算水分对光能利用率的影响W_s：

W_s=E_EF=L_LE/（L_LE+H） （7）

式中,L_LE为潜热通量（W/m²）,H为显热通量（W/m²）。

在本研究中,水分胁迫因子W_s在数值上就等于EF。EF是一种良好的能表征土壤或植被水分条件的指示因子。许多研究都已采用EF来表征生态系统的水分条件^{[19, 20]}。另外,EF较易从遥感植被指数和陆表温度产品中获得,例如AVHRR和MODIS^[21],这是该方法的一个主要优点。

本研究采用Raich等^[22-28]建立的陆地生态模型（the Terrestrial Ecosystem Model,TEM）中的方法来计算T_s：

\begin{array}{c}{T}_s=\frac{(T-T_{\mathit{min}})(T-T_{\mathit{max}})}{(T-T_{\mathit{min}})(T-T{}_{\mathit{max}}{}^{})-(T-T_{\mathit{opt}}{)}^2}\end{array} （8）

式中,T为大气温度,T_min、T_opt和T_max分别为光合作用的最低、最适和最高温度。如果大气温度低于T_min或高于T_max,将T_s定为0。在本研究中,T_min和T_max分别被定为0和36℃。同时,假设植物已经适应了其所生长的环境的温度,T_opt可定为生长季的长期平均温度。

本文构建的NPP遥感估算模型与以往研究草地的NPP估算模型相比,更适宜研究区草地NPP的估算,有利于估算精度的提高。所构建的模型是基于光能利用率的原理,并且借鉴了MODIS-PSN、CASA、GLO-PEM、VPM等光能利用率NPP模型的优点,同时充分考虑了特定区域其草地光能利用率和环境因素的典型特点,建立了针对特定区域的草地NPP遥感估算模型。因此,所构建的光能利用率模型能够直接利用遥感数据,而遥感数据具有的周期性强和观测面广等特点,极大地提高了光能利用率模型的时空分辨率,使NPP估算精度的提高及其时空动态监测成为可能。

将估算结果分别与2006年MODIS17A2的NPP产品、其他学者得到的相关NPP估算结果和野外实测数据进行了对比分析。本文估算结果与MODIS17A2的NPP产品相对比,显示本文草地NPP的模拟结果略低于MODIS17A2的NPP值。由于其他学者估算的是整个中国地区或整个青藏高原地区的平均NPP,而本文的研究区域为青海省,因此本文的草地NPP估算结果要较全国的NPP估计值小,而更接近研究区范围相对较小的青藏高原地区的模拟值。与海北青藏高原高寒草甸生态系统通量观测站的观测数据相比,本文在此坐标处草地NPP的模拟值比实测值高约13 gC/（m²·a）。综合以上比较结果显示,本文的NPP估算结果精度较高。

图1可以看出,三种草地类型（包括低覆盖度草地、中覆盖度草地、高覆盖度草地）的年内变化趋势是一致的：在生长季4~10月份FPAR明显大于其他月份的FPAR;7月份FPAR达到最高值;1~7月FPAR呈上升趋势,其中生长季的4~7月FPAR增幅最大;8~12月FPAR呈下降趋势,其中生长季的8~10月降幅最大。在全年的每个月,高覆盖度草地的FPAR最大,中覆盖度草地次之,低覆盖度草地的FPAR最小。这主要是因为,高覆盖度草地是由覆盖度较高、草质优良、产草量高的草种（如矮嵩草草甸、小嵩草草甸、线叶嵩草草甸等）组成的优质天然草场,而组成低覆盖度草地的草种覆盖度低、生产潜力低、利用率低,如硬叶苔、垫状绒藜（荒漠）草原、蔟生柔籽草垫状植被等。

图2是青海省主要草地类型光能利用率的季节变化趋势图。青海省草地的全年变化趋势是：草地于每年4月开始返青,此时草地光能利用率的值开始增大（低覆盖度草地为0.078 gC/MJ,中覆盖度草地为0.089 gC/MJ,高覆盖度草地为0.129 gC/MJ）;5月是草地的生长期,这时水热同季的生境条件使草体内所进行的各种生理过程快而好,所积累的营养丰富,此时草地光能利用率的值增幅迅速（低覆盖度草地为0.092 gC/MJ,中覆盖度草地为0.114 gC/MJ,高覆盖度草地为0.147 gC/MJ）;这一年的6月份,由于降水量偏少,不能充分满足草地青壮期生育的要求,致使草地光能利用率的值有所降低（低覆盖度草地为0.073 gC/MJ,中覆盖度草地为0.095 gC/MJ,高覆盖度草地为0.138 gC/MJ）;7月是草地的整个生育期中生长最快、营养最丰富时期,草地的光能利用率达到最高值（低覆盖度草地为0.104 gC/MJ,中覆盖度草地为0.149 gC/MJ,高覆盖度草地为0.184 gC/MJ）;8月与7月相比,草地生长开始放缓,此时光能利用率的值开始下降（低覆盖度草地为0.061 gC/MJ,中覆盖度草地为0.103 gC/MJ,高覆盖度草地为0.148 gC/MJ）;9月部分地区的草地开始出现枯黄,草地光能利用率的值降幅增大（低覆盖度草地为0.055 gC/MJ,中覆盖度草地为0.093 gC/MJ,高覆盖度草地为0.130 gC/MJ）;10月中下旬草地已经完全枯萎,草地光能利用率的值也较低（低覆盖度草地为0.046 gC/MJ,中覆盖度草地为0.080 gC/MJ,高覆盖度草地为0.119 gC/MJ）。非生长季的1、2、3、11、12月,气候严寒,降水少,草地光能利用率达到全年最低值（低覆盖度草地一般低于0.070 gC/MJ,中覆盖度草地一般低于0.080 gC/MJ,高覆盖度草地一般低于0.110 gC/MJ）。可以看出,1~7月光能利用率呈上升趋势,其中生长季的4~7月光能利用率增幅最大;8~12月光能利用率呈下降趋势,其中生长季的8~10月降幅最大。

青海省是青藏高原的组成部分,海拔高,属高寒气候。这种独特的自然环境,决定该省植被具有适应高寒环境的特点。由于严酷自然环境的限制,和中国同纬度东部地区的草地相比,青海省草地生长季节相对短、生物积累缓慢、草地NPP相对较低。

2006年青海省草地NPP的空间分布如图3所示。估算结果表明,2006年青海省草地净初级生产力平均值为173.28 gC/m²/a。青海省草地NPP空间分布规律总体上呈由西北向东南地区递增的趋势。青海省东南部、南部和青海湖周围三个地区,是青海省草地NPP较高的区域。不同草地类型的NPP存在差异,高覆盖度草地的单位面积平均NPP为193.82 gC/m²/a,中覆盖度草地NPP为157.14 gC/m²/a,低覆盖度草地NPP为121.08 gC/m²/a。根据不同草地类型所占面积的大小,可以计算出各草地类型的NPP总量。高覆盖度草地的NPP总量为18.32 TgC/a（1 Tg=10¹²g）,中覆盖度草地为15.42 TgC/a,低覆盖度草地为2.36 TgC/a。整个草地生态系统（包括低覆盖度草地、中覆盖度草地和高覆盖度草地）的年NPP总量为36.1 TgC/a,约占青海省NPP总量的59.9%。

青海省主要草地类型（包括低覆盖度草地、中覆盖度草地、高覆盖度草地）NPP的季节变化如图4。结果表明,三种草地NPP的年内变化趋势基本是一致的：4~9月NPP明显大于其他月份的NPP（低覆盖度草地NPP一般在9.93 gC/m²以上,中覆盖度草地NPP一般在15.08 gC/m²以上,高覆盖度草地一般在19.99 gC/m²以上）;NPP的积累期主要发生在水热条件较好的4~9月份,在这6个月内,低覆盖度草地积累的NPP占其年度NPP总量的73.9%,中覆盖度草地积累的NPP占其年度NPP总量的74.5%,高覆盖度草地积累的NPP占其年度NPP总量的72.8%;7月NPP达到最高值（低覆盖度草地为19.3 gC/m²,中覆盖度草地为29.69 gC/m²,高覆盖度草地为36.35 gC/m²）;生长季的4~7月NPP增幅最大,8~10月NPP降幅最大;6月受降水偏少的影响,草地NPP比5月和7月略有降低（低覆盖度草地为15.71 gC/m²,中覆盖度草地为19.05 gC/m²,高覆盖度草地为26.07 gC/m²）。