2001－2020 年内蒙古植被碳源/碳汇时空动态及对气候因子的响应

郝蕾，翟涌光，戚文超，兰穹穹

1.内蒙古财经大学资源与环境经济学院，内蒙古 呼和浩特 010010；2.内蒙古农业大学水利与土木建筑工程学院，内蒙古 呼和浩特 010010；3.中国科学院空天信息创新研究院，北京 100079；4.中国资源卫星应用中心，北京 100094

自 1880 年以来，全球平均气温上升了(0.85±0.2) ℃，气候变化和大气中二氧化碳浓度的增加引起了广泛的关注（Hiltner et al.，2021）。《巴黎协定》指出，到本世纪末，全球气温上升不应超过工业化前水平2 ℃（Zhang et al.，2018）。为了实现这一目标，需要更好地理解陆地生态系统与气候之间的互馈关系。净生态系统生产力（NEP）代表陆地生态系统与大气之间的净碳交换，是陆地生态系统碳源/碳汇定量估算的重要指标（陈晓鹏等，2011）。

当前，NEP 估算已成为碳循环研究的热点之一。大规模陆地生态系统的研究提高了我们对全球和区域碳平衡变化的认识（丁倩等，2021）。受季节性变暖影响，中国北方森林生态系统土壤呼吸年分布格局发生变化，秋季碳汇期显著缩短（Piao et al.，2008）。气候变暖加速了土壤呼吸，导致过去20 年中国北方草地生态系统接近“碳中和”状态。在区域尺度上，中国70%的区域为碳汇，东南和西南季风带碳汇浓度最高；气候变化对中国陆地生态系统碳汇变化的贡献率为40%（Yao et al.，2018）。在青藏高原，气温、降水和碳排放等环境因子之间存在显著的指数相关性（丁佳等，2021），气候变化对陆地生态系统NEP 有重要影响。在气候变化背景下，对生态脆弱地区生态系统碳循环的研究显著增加。然而，仍有必要阐明在生态脆弱地区气候因素对不同类型生态系统NEP 的影响。在过去的20 年里，关于植被净初级生产力（NPP）、土壤异养呼吸和NEP 对生态脆弱地区降水、温度和太阳辐射等气候因素的敏感性问题一直存在。此外，有必要确定不同气候因素对生态脆弱地区NEP 的贡献，以及与区域碳源/碳汇之间的联系。

内蒙古作为中国北方生态屏障，是气候和生态系统最多样化的省份之一。有研究表明，季节性变暖不仅会改变植被物候，而且会影响区域极端降水事件（Wu et al.，2021）。气候变化和干旱是植被动态的主要驱动因素，并在不同程度上影响土壤呼吸。干旱半干旱生态系统碳通量是影响全球生态系统碳通量变化的最主要因素之一（Hao et al.，2021）。因此，NEP 的准确估算和时空变化分析对于评估内蒙古陆地生态系统碳平衡至关重要，同时也对评价生态系统的固碳能力和研究其碳循环机制具有重要意义。

在陆地生态系统碳循环研究中，NEP 是净初级生产力与土壤异养呼吸之间的差值。当NEP>0 时，意味着生态系统储存碳，表现为碳汇；当NEP<0 时，意味着生态系统释放碳，表现为碳源（曹云等，2022）。本研究以内蒙古为研究区，基于遥感和气象数据，采用净初级生产力和土壤呼吸估算模型，定量分析了2001－2020 年内蒙古植被NEP 时空动态及其对气候变化的响应。本研究的主要目标是：（1）分析内蒙古植被NEP 的时空动态及环境驱动力；（2）探讨NEP 与温度、降水和太阳辐射的耦合关系；（3）不同植被类型NEP 的时空变化及对气候变化的响应。

1 材料与方法

1.1 研究区概况

内蒙古地处中国北部高原地区，97°12′－126°04′E，37°24′－53°23′N，总面积1.18×106km2，是典型的温带大陆性气候。年均降水量从东北地区的450 mm 下降到西南地区的50 mm，而年均气温则从东北地区的−1 ℃上升到西南地区的10 ℃。降水和温度的空间差异导致内蒙古从东向西逐渐由湿润半湿润地区过度到干旱半干旱地区。土地覆被类型分布依次为东部森林、中部草原和西部荒漠。内蒙古的地理位置及2020 年土地覆被图如图1 所示。由于西部荒漠地区几乎没有植被而缺乏固碳能力，因此，本研究主要考虑森林、草地和耕地3 种主要植被生态系统。

图1 研究区范围及土地覆被类型Figure 1 Study area and its land cover

1.2 数据来源与处理

1.2.1 遥感数据

本研究所需的2001－2020 年植被指数（NDVI）和土地覆被数据分别来自于MODIS MOD13A1 和MCD12Q1 产品。MOD13A1 数据的空间分辨率为500 m，时间分辨率为16 d。NEP计算所需的月NDVI数据通过对16 天NDVI 采用最大值合成方法获得（Holben，1986）。MCD12Q1 数据的空间分辨率为500 m，提供年尺度产品。该数据采用了国际地圈生物圈计划（IGBP）定义的土地覆被分类体系，共有17 个类别（Loveland et al.，1999）。根据本研究的需要，将原有17 个土地覆被类别按其定义重新划归为6 个主要类型：（1）将常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林和混交林划归为森林；（2）将开阔灌丛、封闭灌丛、稀树草原、木质稀树草原、草地和永久湿地划归为草地；（3）将耕地和块状自然植被划归为耕地；（4）将城市和建成区土地划归为建成区；（5）将裸地和荒漠划归为沙漠；（6）将永久冰雪和水体划归为水体。

1.2.2 气象数据

2001－2020 年的月平均气温、月累积降水、月太阳总辐射等气象数据来自ERA5-Land 再分析数据（下载地址：https://cds.climate.copernicus.eu/#!/home），该数据以0.1°（约9 km）的空间分辨率提供近40 年全球气象信息。为了实现与上述遥感数据的空间匹配，对原始气象数据通过双线性内插法重采样为相同空间分辨率数据。

1.2.3 地面观测数据

地面测量数据由两部分组成：一是2018 年7月、2019 年8 月和2020 年8 月实地测量了不同地区共39 个植被样方的生物量数据，可用于验证CASA 模型估算的NPP。所有样本地块广泛分布于研究区，其中草地样方30 个，耕地样方7 个，每个样方面积为1 m×1 m；森林样方2 个，每个样方面积为15 m×15 m。本研究中草地和耕地样方的实际生物量通过物理收割和烘干称重获得，森林样方实际生物量基于破坏性采伐和对树木成分进行烘干称质量而获得，并将其扩大到林分水平。之后，基于Shang et al.（2018）研究成果，将3 种植被类型的实际生物量转化为NPP。二是来自于内蒙古锡林浩特典型草原碳水通量观测数据集（http://www.dx.doi.org/10.11922/sciencedb.996），该数据集由 ChinaFLUX 内蒙古锡林浩特站（116°24′14.4″E，43°19′31.8″N，典型温带草原）涡度相关通量塔测量，其中生态系统与大气之间二氧化碳的净生态系统交换量（NEE），与NEP（NEP=−NEE）相反，我们选择2008－2010 年间不同时相的22 个NEE 观测结果用于本研究NEP 的验证。采样点及通量塔位置如图1 所示。

1.3 研究方法

1.3.1 NEP 估算

NEP 定义为净初级生产力与土壤异养呼吸之差：

式中：

E——NEP；

C——净初级生产力；

Rh——土壤异养呼吸。

本研究采用CASA（Carnegie-Ames-Stanford Approach）模型计算内蒙古地区陆地生态系统NPP。CASA 模型是由遥感和气象数据驱动的典型光能利用率（LUE）模型，是使用最广泛的NPP 估算模型（Hao et al.，2021）。在CASA 模型中，NPP由吸收光合有效辐射（APAR）和LUE 因子（ε）确定：

其中：

C(a,m)——像元a在第m个月的NPP（g·m−2）；

A(a,m)——像元a在第m个月的光合有效辐射（MJ·m−2）；

ε(a,m)——第m个月像元a的实际光能利用率（g·MJ−1）。APAR 由太阳总辐射（SOL）和吸收的光合有效辐射（fPAR）确定：

其中：

S(a,m)——第m个月像元a的太阳总辐射（MJ·m−2），常数0.5 为植被在SOL 中可利用的太阳有效辐射（400－700 nm）比例。

f(a,m)——植被对入射光合有效辐射（PAR）的吸收比。fPAR 与NDVI 具有良好的线性关系，可按式 (4) 计算：

其中：

N(a,m)——第m个月像元a的NDVI 值；

Nk,max和Nk,min——第k种土地覆被类别NDVI的最大值和最小值。

fmax和fmin——常数，分别设置为0.95 和0.001。

LUE 因子ε为植被将APAR 转化为有机碳的效率，主要受温度和降水的影响，按式（5）计算：

其中：

T1(a,m)和T2(a,m)——温度胁迫因子；

W(a,m)——水分胁迫因子；

εmax——最大LUE[g·MJ−1]。由于最大LUE 对NPP 估算有很大影响，因此需谨慎设置。传统CASA模型采用的全球植被月最大LUE 为0.389 g·MJ−1。目前，很多研究者根据具体的植被类型对该值进行了修改。本研究基于Zhu et al.（2006）的研究结果，对研究区中不同土地覆被类型分别设置εmax。T1(a,m)，T2(a,m)和W(a,m)的计算详见文献（Hao et al.，2021）。

土壤异养呼吸Rh，本研究采用Bond-Lamberty等建立的模型（Bond et al.，2004）：

其中：

Rs——土壤月平均呼吸速率（g·m−2）。Raich et al.（2002）给出了适用于大尺度分析的计算方法：

其中：

t和J——月平均气温（℃）和月总降水量（cm）。

B——0 ℃时的土壤呼吸速率，通常设为1.25；

K和Q——校正系数和敏感性系数，通常设为4.259 和0.055。

1.3.2 趋势分析及显著性检验

本研究采用Theil-Sen 方法（Ohlson et al.，2015）分析2001－2020 年内蒙古陆地生态系统NEP 的年际变化。Theil-Sen 法对离群值有很好的鲁棒性，单像元的年际变化率为Theil-Sen 拟合方程中趋势线的斜率：

其中：

Sa——Theil-Sen 拟合方程中趋势线的斜率；

Ei和Ej——第i年和第j年的NEP（j>i）。

Y——研究期间的年份数（本文中Y=20）。斜率为负表明NEP 呈下降趋势，斜率为正表示NEP 呈上升趋势。采用F检验对年际趋势进行显著性检验。该显著性仅代表趋势变化的置信水平。F检验的方程为：

其中：

其中：

Ei——第i年的NEP；

Y——年份数。根据检验结果，变化趋势分为极显著下降（Sa<0,P<0.01）、显著下降（Sa<0,0.010.05）、显著上升（Sa>0, 0.010,P<0.01）5 个水平。

1.3.3 偏相关分析

为分析气候因子对内蒙古NEP 的影响，计算了2001－2020 年各像元位置年均气温、年降水量和年累积太阳辐射等3 个气候因子与年NEP 的偏相关系数。选择偏相关分析是因为在研究两个变量之间的相关关系时，偏相关分析可以排除其他相关变量的影响（Baba et al.，2004）。由于本研究考虑了4 个变量（NEP 和3 个气候因子），因此需要进行二阶偏相关分析：

其中：

Rya·bc——固定变量b和c后，变量y与a的二阶偏相关系数；

Rya·b，Ryc·b和Rac·b——变量y与a、变量y与c、变量a与c的一阶偏相关系数。一阶偏相关系数按式（13）计算：

其中：

Rpq·s——固定变量s后变量p与q之间的一阶偏相关系数。

Rpq，Rps，和Rqs——变量p与q、变量p与s、变量q与s之间的Pearson 相关系数。在每个像元的3 个气候因子中，偏相关系数最大的被视为首要气候因子。

2 结果与分析

2.1 模拟结果验证

本研究利用39 个实测样地生物量和22 个通量塔观测数据分别对估算的NPP 和NEP 进行了评价。图2 为实测NPP 和NEP 分别与模拟NPP 和NEP的相关分析结果。可以看到，模拟NPP 与实测NPP显著相关（r2=0.80，P<0.001），同时，模拟NEP 与实测NEP 也显著相关（r2=0.67，P<0.001）。这表明，本研究所采用的模型适用于内蒙古地区多年NEP估算。

图2 实测数据与模拟数据相关性Figure 2 Correlation between measured data and simulated data

2.2 内蒙古植被NEP 时空动态

2.2.1 植被NEP 空间分布模式

2001－2020 年内蒙古年均NEP 及标准差如图3 所示。总体而言，年均NEP 表现出明显的空间异质性。这是因为不同分区的植被类型和气候存在显著差异。2001－2020 年内蒙古植被年均NEP 为C 61.2 g·m−2，NEP 在空间上从东北向西南递减。东北森林地区年均NEP 大多在C 200 g·m−2以上，是典型碳汇区域。中部草原地区NEP 大多集中在C 0 g·m−2附近，从东向西由碳汇向碳源过渡。耕地NEP主要在C 0－50 g·m−2之间，略高于草地NEP。

图3 内蒙古年均NEP（2001－2020 年）及其标准差时空分布Figure 3 Spatial-temporal distribution of mean NEP (2001－2020) and its standard deviation in Inner Mongolia

2001－2020 年内蒙古年均NEP 的标准差也有明显的空间异质性，但与年均NEP 模式不同。较大标准差（>C 55 g·m−2）主要出现在东部的林草交错地带。这意味着在这些地区，年NEP 有着较大的波动。可能的原因是林草交错带属于典型生态脆弱区，易受气候变化影响而经历大规模的退化和再生过程。相比之下，中西部草原地区的标准差很低（

2.2.2 植被NEP 年际变化趋势

2001－2020 年内蒙古NEP 年际变化率和趋势显著性空间格局如图4 所示。对于NEP 年际变化率，大部分像元的值为正，意味着这些像元位置的NEP 随时间增加。相反，有些像元值为负，说明这些像元位置的NEP 随时间减少。不同变化率范围对应的面积百分比见表1。变化率为正的像元占比56.3%，变化率为负的像元占比43.8%。显然，NEP增加的面积大于NEP 减少的面积。NEP 增加的区域主要出现在内蒙古的东部和南部，而减少的区域主要出现在中西部的荒漠草原地区。此外，从年际变化趋势的显著性来看，大部分像元极显著增加（ESI），部分像元极显著较少（ESD）。相应面积百分比见表1。

表1 2001－2020 年内蒙古NEP 年际变化率及趋势显著性像元比例Table 1 The percentage of area for interannual change rate and trend significance

图4 内蒙古2001－2020 年NEP 年际变化率及显著性趋势Figure 4 Interannual change rate and significance trend of NEP in Inner Mongolia from 2001 to 2020

图5a 展示了2001－2020 年内蒙古植被总NEP。植被总NEP 有着明显的年际波动。2019 年植被总NEP 最高，为C 140 Tg·a−1；2007 年最低，为C 89.7 Tg·a−1。植被总NEP 的年际变化率为C 0.64 Tg·a−1（图5a 蓝色虚线为总NEP 的Theil-Sen拟合趋势线：y=0.643 8x+106.729 5）。草地对总NEP贡献最大（平均为45.2%），并且草地年际变化趋势与植被总NEP 趋势一致。这是可以预期的，因为草地的总面积显著大于森林或耕地。森林对植被总NEP 的贡献（平均为43.5%）略低于草地，但高于耕地（11.3%）。值得注意的是，与草地总NEP 有明显波动不同，森林和耕地总NEP 的年际波动不大，在研究期间相对稳定。

图5 内蒙古2001－2020 年NEP 总量及主要植被类型NEP 年际均值Figure 5 Interannual total and mean NEP for major vegetation types in Inner Mongolia from 2001 to 2020

图5b 展示了2001－2020 年内蒙古森林、草地和耕地3 种植被类型NEP 的年际变化。3 种植被类型的年际变化范围完全不同。年均NEP 从高到低依次为森林（C 270 g·m−2）、耕地（C 140 g·m−2）、草地（C 54.7 g·m−2）。草地和耕地NEP 在2007 年和2010 年出现了明显下降，这主要是因为这两年的极端干旱事件。低降水量抑制了植被的生长。值得注意的是，2007 年森林NEP 没有明显下降，这是因为2007 年的干旱事件与持续高温有关（Tong et al.，2019）。温度升高在一定程度上有利于森林NEP 的增加，可能抵消了干旱导致的森林NEP 减少。此外，森林和耕地NEP 在2014 年达到峰值，可能与太阳辐射有关，2014 年的太阳辐射在整个研究周期中最高（Pei et al.，2018）。NEP 年际变化趋势拟合参数如表2 所示。3 种植被类型中，森林和草地的NEP 拟合斜率为正，表明2001－2020 年间，二者的NEP 呈增加趋势，而耕地的NEP 变化率为负，表明耕地NEP 呈减少趋势。但应该注意到，3 种植被类型的r2均较小，而P值均较大，意味着三者年际变化趋势并不显著。

表2 2001－2020 年内蒙古3 种植被类型年际NEP 变化趋势的Theil-Sen 拟合参数Table 2 Theil-Sen fitting parameters of interannual NEP change trend of three vegetation types in Inner Mongolia from 2001 to 2020

2.3 气候因素对植被NEP 的影响

图6 展示了2001－2020 年内蒙古各像元位置年NEP 与年降水量、年均气温和年累积太阳辐射3 个气候因子的二阶偏相关系数及每个像元位置的首要气候驱动因素。总体而言，年NEP 对3 种气候因子的响应存在明显的空间异质性，但仍可以观察到大部分像元位置的年NEP 与降水和太阳辐射的偏相关系数较大，只有少数像元位置与温度有着较大的偏相关系数。其中，图6a 展示了年NEP 与年均气温的偏相关系数。正相关的像元位置占32.3%，主要分布在东北林区和中南部草原；负相关的像元位置占67.7%，主要分布在中东部草原和林草交错带。对于图6b 所示的年降水量，正相关的像元位置占71.4%，广泛分布于整个研究区，且大部分像元位置的相关系数值较高（如红色），负相关的像元位置占28.6%，主要出现在中部草原地区。对于图6c 所示的太阳辐射，正相关的像元位置占55.5%，主要分布在东北林区和南部草原。负相关的像元位置占44.5%，主要分布在中部草原区。此外，综合影响如图6d 所示。结果表明，降水是内蒙古NEP 年际变化的首要驱动因素，受降水驱动的像元位置占42.6%。西部和东北部一些像元（占39.9%）的年际NEP 首要受太阳辐射驱动，只有零星的像元位置（约占17.5%）首要受温度驱动。

图6 内蒙古2001－2020 年NEP 与气候因素的偏相关系数及各像元位置首要气候因素Figure 6 Partial correlation coefficient between NEP and climatic factors and primary climatic factors at each pixel in Inner Mongolia from 2001 to 2020

2.4 不同植被类型NEP 对气候因素的响应

森林、草地、耕地3 种植被类型年NEP 与3 个气候因子之间的偏相关系数均值如表3 所示。总体而言，3 种植被类型与降水的相关性最强，其次是太阳辐射和温度。但不同植被类型对气候因子的响应有显著差异。森林NEP 与3 种气候因子之间的偏相关系数均为正，即森林NEP 受3 种气候因子共同驱动。草地NEP 与降水和太阳辐射的偏相关系数均为正，降水的偏相关系数明显高于太阳辐射，因此草地受降水和太阳辐射共同驱动，但降水贡献更大。尽管耕地NEP 与降水和太阳辐射的偏相关系数均为正，但降水的偏相关系数接近于0，因此可以认为耕地主要受太阳辐射驱动。

表3 3 种植被类型年NEP 与气候因子的平均二阶偏相关系数Table 3 Average second-order partial correlation coefficient between annual NEP and meteorological factors of vegetation types

3 讨论

3.1 内蒙古不同植被类型的固碳能力

近年来，由于全球变暖，植被活动发生了显著变化。许多研究表明，北半球中高纬度地区，包括中国大部分地区的植被活动明显增加（Pei et al.，2018）。整体上看，中国陆地植被大多有碳汇作用，固碳能力近年来呈上升趋势（杨延征等，2016），主要分布在东北平原、华北中西部、藏东南和西南地区西部等。与全国NEP 总体变化趋势相似，本研究表明，2001－2020 年内蒙古植被NEP 总体呈增加趋势，即碳汇作用有所增强，但不同植被类型NEP的趋势有所不同，森林和草地NEP 显著增加，而耕地NEP 则有所减少，植被固碳能力则是森林>耕地>草地，这与青藏高原地区（刘凤等，2021）、黄河流域（胡波等，2011）、黄淮海地区（曹云等，2022）等其他研究区域结果一致。在全国尺度，草地和灌丛分布面积最广，二者固碳总量占比高达75%。在内蒙古地区，尽管草地NEP 较低，但其分布面积广，固碳占比约为45%，年际波动较大；森林和耕地固碳能力较强，然而分布面积相对较少导致固碳占比均低于草地，分别约为43%和11%，年际波动较小。以往的研究大多集中在草地这一植被类型上，因为草地是内蒙古面积最大的植被类型，但这可能导致对区域碳源/碳汇评价的偏差。本研究发现尽管草地NEP 的线性拟合斜率是正值，但P值>0.05意味着它没有通过显著性检验。相比之下，森林以更稳定的方式影响着研究区NEP 动态。因此，要深入了解区域碳源/碳汇的动态变化，有必要综合考虑所有植被类型。

3.2 植被碳源/碳汇的气候驱动力

内蒙古横跨19 个经度带，植被类型呈规律的经度带分布。总体而言，内蒙古各植被类型的NEP与降水量呈显著正相关，即降水是影响内蒙古植被碳源/碳汇的主要因素，本研究的结论与以往的类似研究一致（Hao et al.，2021）。本研究还发现不同植被类型对降水的敏感性不同，偏相关系数为草地>森林>耕地。森林NEP 与降水、温度、太阳辐射等3 种气候因子均呈正相关。相关系数为降水>太阳辐射>温度，与文献（Wang et al.，2013）中东北地区类似研究一致。内蒙古森林主要分布在降水丰富、气温极低的东北地区。因此，森林类型以常绿针叶林为主，对温度不敏感，导致森林碳源/碳汇变化与温度相关性较低。相比之下，学者在中国广西的研究中发现，温度对森林NEP 的影响比降水更重要。在分析森林碳源/碳汇对气候变化的响应时，有必要区分研究区域和植被类型（Liu et al.，2017）。此外，大多数研究认为草地碳源/碳汇的变化主要受降水的影响，与温度的变化相反（Gang et al.，2015）。我们的研究也证实了这一点。这是因为内蒙古草原主要分布在降水较少的干旱半干旱区。温度升高时，土壤蒸发量增加，导致土壤含水量下降。这意味着土壤不能为草地生长提供足够的水分，导致生产力下降。除了气候因素外，草地的生长状况还与草地管理措施有关。例如，有研究（Hao et al.，2014）发现降水并不能改善放牧引起的内蒙古荒漠草地植物群落退化。近期有研究表明，退耕还草等环境工程的实施和过度放牧的控制对近年来草地碳汇的增加起着至关重要的作用（Tian et al.，2015）。耕地碳源/碳汇对气候变化的响应与草地相同，但与降水的相关系数略有下降。这是因为部分农田依赖人工灌溉，减少了对降水的依赖，如内蒙古西南部河套灌区（翟涌光等，2022）。除气候因素外，人类活动是影响区域碳源/碳汇的另一个主要因素，如何准确量化气候变化和人类活动对区域碳源/碳汇动态的贡献是一个值得研究的方向。

3.3 不确定性分析

本研究以NEP 为指标评估了近20 年内蒙古植被碳源/碳汇动态及对气候因素的响应，研究也存在一定的不确定性。一方面，内蒙古作为典型生态脆弱地区，其交错多样的生态系统结构不同程度地增加了区域固碳功能评估的不确定性，尤其在当前气候变化和人类活动的双重干扰下，生态系统固碳的驱动机制也更为复杂（何源等，2021），从而影响区域生态系统碳循环研究的精度和准度。另一方面，本研究所用遥感和气象数据的原始空间分辨率不完全一致，在空间尺度转换过程中，也会带来一定程度的精度损失（Zhai et al.，2022）。因此，未来不仅需要深入探讨气候变化和人类活动等因素对区域碳平衡的作用机制，而且要提高生态系统碳汇评估的定量化水平和精细化程度。

4 结论

本研究基于净初级生产力和土壤呼吸模型估算了2001－2020 年内蒙古植被NEP 的时空特征，并分析其对气候因子的响应。

（1）内蒙古植被NEP 从南到北、从西到东呈递增趋势。不同植被类型的NEP 有显著差异，森林、草地和耕地的年均NEP 分别为C 270 g·m−2、54.7 g·m−2、140 g·m−2。

（2）2001－2020 年内蒙古陆地生态系统碳汇呈上升趋势，但存在一定波动。共有约56%的研究区域显著增加，约44%的研究区域显著减少。各植被类型NEP 的年际变化趋势也有所不同，森林和草地NEP 增加，而耕地NEP 减少。

（3）降水是影响内蒙古植被NEP 的最主要因素，其次是太阳辐射和温度。不同植被类型对气候因子的响应也有显著差异。森林NEP 受3 种气候因子的共同影响，草地NEP 受降水和太阳辐射的共同影响，而耕地NEP 主要受太阳辐射的影响。

研究结果对了解内蒙古陆地生态系统碳源/碳汇的时空特征，以及对制定相关的生态保护与修复政策有重要意义。