基于CSCS的黑河上游潜在植被NPP及其水热关系研究

王大为，赵军，韩涛，李丽丽

（1．西北师范大学地理与环境科学学院，甘肃 兰州730070；2．西北区域气候中心，甘肃 兰州730020；3．兰州大学资源环境学院，甘肃 兰州730000）

植被净第一性生产力（net primary productivity，NPP）是指绿色植物在单位面积、单位时间内所累积的有机物数量，是由光合作用所产生的有机质总量（gross primary productivity，GPP）中扣除自养呼吸（autotrophic respiration，RA）后的剩余部分［1］，是植物自身生物学特性与外界环境因子相互作用的结果，是植物光合作用有机物质的净创造，作为表征陆地生态过程的关键参数，NPP是理解地表碳循环过程不可缺少的部分，是估算地球支持能力和评价陆地生态系统可持续发展的一个重要指标［2－4］。

自Lieth［5］和其他研究者利用实测数据建立了第一个全球NPP回归模型以来，国际上对NPP的研究主要向着2个方面发展：一是通过所建立的植物生理过程模型来模拟地表植被净第一性生产力［6－17］；二是利用遥感数据来实现对地表植被净第一性生产力的估算［18－26］。目前，国内学者对NPP的研究主要依靠遥感技术，通过对瞬时数据的叠加分析了解NPP的年平均值，以及年际变化量。针对黑河上游地区，国内已有学者利用遥感技术对黑河植被NPP进行了估算［27－28］。但是，这种叠加估算瞬时性强，对数据质量的依赖程度大，且模型繁琐。而由于气候数据观测的连续性，利用气候生产力统计模型对潜在植被（potential natural vegetation，PNV）的NPP积累量以及二者之间相关性的分析研究，能够突破遥感数据获取上的时间制约性，从而得出时间和空间分布规律上的普遍性特征。受山地气候影响，黑河流域上游晴空资料较少，在多云天气状况下利用遥感数据反演NPP会干扰估算的准确性。任继周等［29］采用CSCS方法和分类指数模型模拟并分析了中国及世界范围内潜在植被的碳汇分布和动态变化，但是研究的空间尺度大，而目前针对流域尺度的相关研究还较少。分类指数模型的复杂性特征使得模型无法直观判定出的NPP与水热因子之间的关系。因此，利用植被分类模型和气候生产力统计模型研究黑河上游潜在植被及其NPP分布，并探求NPP与水热因子之间的联系，是对NPP研究的一种新的尝试。本研究主要探索在仅受气候因素影响下生长的植被类型状态及其碳汇能力，可为流域的生态环境发展提供科学依据［30－36］。

1 材料与方法

1．1 研究区概况

黑河发源于青藏高原东北缘祁连山地，干流全长821km。出口莺落峡以上为上游，河道两岸山高谷深，河床陡峻，气候阴湿寒冷，植被较好，是黑河流域水资源产蓄区。行政区划上包括青海省祁连县的大部分和甘肃省肃南县的部分地区。处于“冰源水库”和河川水系之间的山地森林生态系统是黑河上游生态系统的重要组成部分，以其特有的调节气候、涵养水源、调蓄径流的作用，对维护黑河中下游地区社会经济的发展和绿洲生态的安全起着重要作用，是黑河流域中下游地区农牧民赖以生存的命脉［37］。因此，研究黑河上游潜在植被NPP，对理解流域的碳循环过程和物质的流动方向，解决生态和环境问题具有重要的现实意义。

1．2 数据来源

本研究所用气候数据和DEM（digital elevation models）数据均来源于国家自然科学基金委员会“中国西部环境与生态科学数据中心”（http：／／westdc．westgis．ac．cn），包括黑河上游及其周边12个气象台站1960－2009年观测的逐日气温、降水量以及各气象台站名称、经度、纬度和海拔数据。DEM数据空间分辨率为90m×90m。通过将逐日≥0℃气温数据整理为1960－2009年多年平均≥0℃年积温数据和多年平均年降水量数据，并计算出近50年的平均湿润度数据。

1．3 研究方法

1．3．1 综合顺序分类法理论模型 综合顺序分类法（comprehensive sequential classification system，CSCS）全称为气候－土地－植物综合顺序分类法，其基本分类单元——类，是以生物气候指标为依据，将具有同一地带性农业生物气候特征的植被划分为类。在具体分类中，首先以量化的生物气候指标——≥0℃年积温（∑θ）和湿润度（K）为依据，将热量带级和湿润度级相结合进行类的划分［38－40］。

1．3．2 植被反演方法 在地理学研究中，由于常规方法无法对空间中所有点进行观测，常需要根据已知的空间数据估计（预测）未知空间点的数值。由于气象台站分布的离散性，气象数据也以离散点的形式分布。要想获取整个区域的气候特征，就需要根据离散的气象数据空间插值得到整个区域的气候特征。考虑到下垫面性质对气候影响的复杂性和研究区域的地理特征，本文选择基于DEM修正的IDW插值方法，对研究区积温和湿润度数据进行空间化模拟［38，41］。

根据CSCS的湿润度模型，可得到研究区湿润度数据：

式中，K为湿润度；R为年降水量；∑θ为≥0℃年积温；0．1为模型调整系数。

基于DEM分区修正的IDW插值模型：

式中，Y表示气候数据的预测值，DEM表示分区后的数字高程数据，系数a，b表示分区的海拔与气候数据的线性统计参数，IDW（X－＾y）表示对残差的反距离加权处理，X表示实际的观测值，＾y表示海拔与气候数据的统计函数。

对≥0℃年积温与湿润度插值结果进行分级，依据CSCS的植被评定模型对研究区潜在植被类型进行划分，通过GIS空间叠合分析，得到黑河上游潜在植被类型图，以此为据分析黑河上游潜在植被空间分布与格局特征。

1．3．3 NPP计算模型 NPP分类指数模型是由周广胜和张新时［42］建立的综合植被模型推导而来。将∑θ、K与年辐射干燥度（RDI）、可能蒸散率（PER）的统计关系代入综合植被模型，得到植被净第一性生产力与∑θ和K指标间的关系模型［43］：

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

NPP分类指数模型利用K指标和∑θ的组合来表示植被NPP，更能揭示植被类型与其NPP的内在联系，为进一步研究地带性植被类型的生产潜力、植被NPP的区域分布和全球分布提供了可能［44］。

2 结果与分析

2．1 黑河上游潜在植被分布特征

根据CSCS的分类体系，模拟绘制出近50年黑河上游潜在植被的空间分布格局（空间分辨率为90m×90 m）。黑河上游潜在植被类型共有8类（图1，表1），呈明显的垂直地带性特征。ⅠF为研究区主要的植被类型，占研究区总面积的69．43%；ⅡD分布最少，仅占研究区总面积的0．41%。从分布区域来看，除ⅠF和ⅢB外，其余植被类型均沿河谷和山前垂直分布；ⅢB主要分布在海拔较低的平地，而ⅠF则分布在海拔3300m以上的山区。

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

2．2 潜在植被类型的NPP分布特征

根据林慧龙等［44］提出的NPP分类指数模型，模拟出黑河上游潜在植被NPP空间分布格局（空间分辨率为90m×90m）（图2）。由图2可知，在整个研究区域中各条河流流经地区的NPP积累量较其他地区高，且西段NPP年累积量明显低于中段和东段；在山区中，随着海拔的上升，NPP积累量呈先上升后下降的趋势。

图1 黑河上游潜在植被类型分布格局Fig．1 Spatial distribution pattern of PNV in the upper reaches of Heihe River Basin

图2 黑河上游潜在植被类型的NPP分布格局Fig．2 Spatial distribution pattern of NPP of PNV in the upper reaches of Heihe River Basin

依据Ni［45］提出每2．2g植物干重约等于1g碳的公式对NPP模拟结果进行换算，将潜在植被NPP表述为通用格式。结果表明，黑河上游潜在植被NPP年总量约为2．97Tg C （1Tg C＝1012g C），单位面积NPP年平均积累量约为107．91g C／m2，最大年积累值约为208．68g C／m2，最小值为0g C／m2。

潜在植被NPP年平均积累量与总量具有非一致性。从各潜在植被类型来看，潜在植被NPP年平均积累量由高到低依次是：针叶林类（ⅡF）＞森林草原、落叶阔叶林类（ⅢE）＞山地草甸类（ⅡE）＞草甸草原类（ⅡD、ⅢD）＞典型草原类（ⅢC）＞多雨冻原、高山草甸类（ⅠF）＞半荒漠类（ⅢB），即森林类植被年平均积累量最高，半荒漠类植被平均积累量最低；NPP平均积累量只比ⅢB略高的ⅠF，其植被NPP总量为1．62Tg C，二者相差1．59Tg C（表2），这与其面积差异较大有关。

表2 各潜在植被类型NPP积累量Table 2 NPP accumulation of each PNV class

2．3 气候指标与NPP累积量的相关性

气候因子是潜在植被类型的分类指标，也是计算潜在植被NPP模型的要素。因此，分别分析根据气候指标进行划分的热量级、湿润度级与潜在植被NPP的相关性，有助于详细探讨水热分布、植被类型与NPP累积三者之间的联系。为了可以直观地分析黑河上游潜在植被NPP与气候因子的相关性，将研究区≥0℃年积温、湿润度和年均NPP分别重采样为10km×10km格点，其值分别为10km×10km范围内的平均值，通过NPP格点值分别与≥0℃年积温和湿润度建立线性回归来分析其相关性。

从图3可以看出，随着≥0℃年积温和湿润度的增加，潜在植被NPP积累量均表现出近似倒“U”抛物线的变化趋势，且NPP与≥0℃年积温变化趋势更显著。从格点分布来看，在≥0℃年积温值为2049℃，湿润度值为2．14时，潜在植被NPP积累量达到最大值（187．41g C／m2）；在拐点以左，NPP与≥0℃年积温和湿润度均呈正相关，递增率分别为9．47g C／（m2·100℃）和5．24g C／（m2·0．1），但 NPP与≥0℃年积温的相关性（R2＝0．91）要比与湿润度的相关性（R2＝0．72）显著；在拐点以右，NPP积累量与≥0℃年积温和湿润度均呈负相关，递减率分别为6．92g C／（m2·100℃）和6．58g C／（m2·0．1），但NPP与湿润度的相关性（R2＝0．77）要比与≥0℃年积温的相关性（R2＝0．65）显著。说明在≥0℃年积温、湿润度均较低的环境下，NPP变化主要受≥0℃年积温影响，而在≥0℃年积温、湿润度均较高的环境下，NPP变化主要受湿润度影响。

图3 ≥0℃年积温、湿润度与NPP的相关性Fig．3 Correlation between NPP and≥0℃ annual accumulated temperature or humidity

研究区内≥0℃年积温分为3个热量级（图4）。在寒冷级（Ⅰ：0～1300℃），NPP积累量随积温的升高而急剧增加，相关性一致（R2＝0．96）；在寒温级（Ⅱ：1300～2300℃），NPP积累量随积温的升高平稳而缓慢的增加，增加幅度不大，无明显相关关系（R2＝0．14）；在微温级（Ⅲ：2300～3364℃），NPP积累量随积温的升高而减少，具有显著的负相关 （R2＝0．72）。

图4 各热量级下的≥0℃年积温与潜在植被NPP相关性Fig．4 Correlation between≥0℃annual accumulated temperature belonged to each thermal zones and potential vegetation NPP

研究区内湿润度分为5个湿润度级，由于干旱级（B：0．5～0．9）只有1个格点，故只分析其他4个湿润度级下的湿润度与潜在植被NPP的相关性（图5）。微干级（C：0．9～1．2），NPP积累量随湿润度的升高平稳增加，相关性明显，分布一致（R2＝0．97）；微润级（D：1．2～1．5），NPP积累量随湿润度的升高平稳增加，增加幅度不大，无明显的相关性（R2＝0．38）；湿润级（E：1．5～2．0），NPP积累量随湿润度的升高平稳而缓慢的增加，增加幅度不大，相关性不明显（R2＝0．16）；潮湿级（F：2．0～6．2），NPP积累量随湿润度的升高急剧减少，具有显著的负相关 （R2＝0．77）。

2．4 各潜在植被类型的NPP累积量增长趋势分析

为了能够清晰表达黑河上游潜在植被NPP积累量在水热条件影响下的增长趋势，本研究用提取的格点的NPP、≥0℃年积温和湿润度属性值，使用MATLAB软件绘制出黑河上游各潜在植被类型NPP积累量的增长趋势（图6），其中实线框部分为影响潜在植被类型的气候因子分级，虚线框部分为研究区内存在的潜在植被类型及其气候因素界线，彩色实线为研究区内潜在植被NPP趋势线，由红向蓝的变化表示NPP积累量由高到低的变化趋势。

由图6可知，随着热量和湿润度的不同，各潜在植被类型NPP积累量的增长方向不同，但总的趋势是由左上向右下呈扇形递增，即NPP积累量随着≥0℃年积温和湿润度的增加而增加。NPP积累量最大值出现在ⅡF框内的右下角，说明该区域的针叶林类植被为NPP积累量最大的植被类型，且最大值出现在年积温2300℃和湿润度3．65的条件下（研究区内出现ⅡF类型的区域内湿润度最大值为3．65）；最小值出现在ⅠF框的上方，即≥0℃年积温为0℃的条件下。ⅠF的范围跨越了4条等值线，是研究区内潜在植被NPP跨度最大的类型，而其边框多覆盖在NPP的低值区，这也造成了其NPP总量最大，而平均积累量偏小的结果；跨度最小的类型是ⅢE。

图5 各湿润度级下的湿润度与潜在植被NPP相关性Fig．5 Correlation between humidity belonged to each humidity zones and potential vegetation NPP

3 结论与讨论

图6 黑河上游各潜在植被类型NPP积累量增长趋势Fig．6 Growth trends of the accumulation of NPP of PNV in the upper reaches of Heihe River Basin

植被类型空间格局对气候有着敏感的响应，对于这种响应规律的测度与分析，对植被类型空间分布的认识有重要的意义。潜在植被作为一个地区现状植被的发展趋势，是对原生植被分布的一种模拟。所以研究潜在植被与气候之间的响应规律，对现存植被对气候变化的响应有一定参考意义。

黑河上游潜在植被共有8种类型，潜在植被NPP年总量约为2．97Tg C（1Tg C＝1012g C），该结果比陈正华等［28］根据CASA模型估算出的上游NPP总量低（约5．54Tg C），这可能是由不同的模型选择、时间序列（陈：5年，本研究：50年）和空间分辨率（陈：1．15 km×1．15km，本研究：90m×90m）等多方面原因造成的；单位面积NPP年平均积累量约为107．91g C／m2，比卢玲等［27］根据光能利用率模型估算出的整个黑河流域单位面积NPP年平均值略高（约106g C／m2）。研究区中NPP积累量总的分布特征为各条河流流经的地区高于其他地区，说明NPP累积量总体分布格局与黑河流域水系分布及其水量分配有很高的相关性，即受水分条件的制约，这在NPP累积量与气候关系研究中同样发现的结论相一致，在低海拔地区随着湿润度的增加NPP的积累量均不断增大。在山区中，随着海拔的上升，NPP积累量呈先上升后下降的趋势，这表明NPP积累与植被类型有高度的一致性，即潜在植被地带性分布特征受水热条件影响的分布趋势相同，这与本研究中NPP与积温与湿润度相关性出现的结果相一致，陈正华等［28］也认为黑河上游NPP与热量有较好的相关性。由此可知，黑河上游的潜在植被的NPP积累量是由潜在植被的类型决定的，即NPP的累积直接由黑河上游水热分布条件决定。研究潜在植被类型NPP总量时发现，ⅠF的NPP总量最多，ⅡD的NPP总量最少。按各潜在植被类型单位面积NPP计算，ⅡF的NPP平均积累量最多，ⅢB的NPP平均积累量最少，这充分说明NPP的总量与累积量没有必然关系，与该潜在植被类型所占的面积有直接关系，即面积的优势可补偿NPP累积量的不足，出现低NPP累积，高NPP总量的现象。

在研究区内微温级的潜在植被类型主要分布在海拔2500m以下，随着海拔的降低气温升高，湿润度降低，在2种气候因子综合影响下使得潜在植被向干旱类型变化，相应的NPP呈下降趋势，海拔最低的半荒漠类植被的NPP平均积累量已达到最小；而潮湿级的潜在植被类型主要分布在海拔2700m以上，且随着海拔的上升气温降低，湿润度升高，在2种气候因子综合影响下使得植被向寒冷类型变化，相应的NPP呈下降趋势。由于在本研究中潜在植被NPP的模拟过程受≥0℃年积温和湿润度这2个参数共同影响，因此，研究区内潜在植被NPP积累量与气候因子的相关性是受垂直地带性影响下的综合表现。即NPP积累量与≥0℃年积温在寒冷和寒温级内呈正相关，在微温级内呈负相关；与湿润度在干旱、微干、微润和湿润4个等级内呈正相关，在潮湿级内呈负相关。

对于潜在植被NPP积累量的计算和模拟依据是林慧龙等［44］提出的NPP分类指数模型，该模型已经证明在大中尺度下模拟结果具有一定的精确性［29，46］，但是在流域尺度下的模拟结果的精确性还有待验证和讨论。在50年的时间推移中，尤其是近几十年气候变化显著，潜在植被类型空间格局必然会发生相应的改变，因此，研究结果之间存在一定差异是不可避免的。在分析过程中与卢玲等［27］和陈正华等［28］的模拟结果的比较，由于存在着时间尺度的差异，因此仅能作为参考。由于本文只研究黑河上游潜在植被类型及其NPP积累量，其他地区的潜在植被类型及相应的NPP积累量增长趋势是否与此相同还需要进一步的研究。

［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］冯险峰，刘高焕，陈述彭，等．陆地生态系统净第一性生产力过程模型研究综述［J］．自然资源学报，2004，19（3）：336－378．

［4］蔡承侠．植被净第一性生产力及其对气候变化响应研究进展［J］．新疆气象，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］陈国南．用迈阿密模型预测我国生物生产量的初步尝试［J］．自然资源学报，1987，2（3）：84－98．

［12］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．

［13］张宪洲．我国自然植被净第一性生产力的估算与分布［J］．自然资源，1992，（1）：15－21．

［14］刘世荣，郭泉水，王兵．气候变化对中国森林生产力的影响．I．中国森林现实生产力的特征及地理分部格局［J］．林业科学研究，1993，6（6）：633－642．

［15］刘世荣，徐德应，王兵．气候变化对中国森林生产力的影响．Ⅱ．中国森林净第一性生产力的模拟［J］．林业科学研究，1994，7（4）：425－430．

［16］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．

［17］周广胜，张新时．全球气候变化的中国自然植被的净第一性生产力研究［J］．植物生态学报，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］肖乾广，陈维英，盛永伟．用NOAA气象卫星的AVHRR遥感资料估算中国的第一性生产力［J］．植物学报，1996，38（1）：35－39．

［23］朴世龙，方精云，郭庆华．利用CASA模型估算我国植被净第一性生产力［J］．植物生态学报，2001，25（5）：603－608．

［24］周宇庭，付刚，沈振西，等．藏北典型高寒草甸地上生物量的遥感估算模型［J］．草业学报，2013，22（1）：120－129．

［25］穆少杰，李建龙，杨红飞，等．内蒙古草地生态系统近10年NPP时空变化及其与气候的关系［J］．草业学报，2013，22（3）：6－15．

［26］孙成明，刘涛，田婷，等．基于 MODIS的南方草地NPP遥感估算与应用［J］．草业学报，2013，22（5）：11－17．

［27］卢玲，李新，Frank V．黑河流域植被净初级生产力的遥感估算［J］．中国沙漠，2005，25（6）：823－830．

［28］陈正华，麻清源，王建，等．利用CASA模型估算黑河流域净第一性生产力［J］．自然资源学报，2008，23（2）：263－273．

［29］任继周，梁天刚，林慧龙，等．草地对全球气候变化的响应及其碳汇潜势研究［J］．草业学报，2011，20（2）：1－22．

［30］肖洪浪，赵文智，冯起，等．中国内陆河流域尺度的水资源利用率提高研究——黑河流域水生态经济管理试验示范［J］．中国沙漠，2004，24（4）：381－384．

［31］张济世，康尔泗，姚进忠，等．黑河流域水资源生态环境安全问题研究［J］．中国沙漠，2004，24（4）：425－430．

［32］王根绪，程国栋．黑河流域土地荒漠化及其变化趋势［J］．中国沙漠，1999，19（4）：368－374．

［33］卢玲，李新，程国栋．利用NOAA AVHRR植被指数数据集分析黑河流域季候特征［J］．中国沙漠，2002，22（2）：187－191．

［34］陈仁升，康尔泗，杨建平，等．Topmodel模型在黑河干流出山径流模拟中的应用［J］．中国沙漠，2003，23（4）：428－434．

［35］陈仁升，康尔泗，杨建平，等．内陆河流域分布式水文模型——以黑河山区干流山区建模为例［J］．中国沙漠，2004，24（4）：416－424．

［36］马耀明，马伟强，李茂善，等．黑河中游非均匀地表能量通量的卫星遥感参数化［J］．中国沙漠，2004，24（4）：398－404．

［37］程国栋．黑河流域水－生态－经济研究［M］．北京：科学出版社，2009．

［38］李飞，赵军，赵传燕，等．中国西北干旱区潜在植被模拟与动态变化分析［J］．草业学报，2011，20（4）：42－50．

［39］李飞，赵军，赵传燕，等．中国干旱半干旱区潜在植被演替［J］．生态学报，2011，31（3）：689－697．

［40］任继周．草原合理利用与草原类型［M］．北京：中国农业出版社，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．

［43］林慧龙，王军，徐震．草地净第一性生产力与＞0℃年积温、湿润度指标间的关系［J］．草业科学，2005，22（6）：8－10．

［44］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．

［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·麦地，等．高寒草原对气候生产力模型的适用性分析［J］．草业学报，2010，19（2）：7－13．