基于Biome-BGC模型及樹木年輪的太白紅杉林生態(tài)系統(tǒng)對氣候變化的響應研究

李書恒,侯 麗,史阿榮,陳 蘭,朱顯亮,白紅英

1 西北大學城市與環(huán)境學院,西安 710127 2 西北大學陜西省地表系統(tǒng)與環(huán)境承載力重點研究室,西安 710127

森林生態(tài)系統(tǒng)對全球氣候變化響應強烈,特別是高海拔及高緯度地區(qū)生態(tài)系統(tǒng)類型的組成、結(jié)構(gòu)、分布和生產(chǎn)力會隨氣候變化而發(fā)生顯著變化[1]。植被凈初級生產(chǎn)力(NPP)作為植被對氣候變化響應的主要衡量指標[2],可反映研究區(qū)的氣候變化,樹木年輪的寬度亦可真實的記錄氣候變化[3],通過二者結(jié)合來研究森林生態(tài)系統(tǒng)對氣候變化的響應具有重要的意義。

NPP相關研究模型主要包括統(tǒng)計模型、光能利用率模型、過程模型等類型[4-5]。統(tǒng)計模型以Maimi模型、Thornthwaite Mermorial模型、Chikugo模型為代表,利用氣溫與降水等氣候因子來估算NPP,但估算的誤差較大[6-7]。光能利用率模型主要包括CASA、GLO-PEM等模型[8-9],是以衛(wèi)星遙感數(shù)據(jù)為基礎的模型,植被參數(shù)易于獲取,但是遙感數(shù)據(jù)可能受到天氣等的影響,且遙感數(shù)據(jù)時間序列較短。過程模型基于生理生態(tài)機制模擬NPP,以Biome-BGC模型、CENTURY模型、TEM模型為主要代表模型,估算結(jié)果比較準確[4]。其中,Biome-Bio Geochemical Cycles(Biome-BGC)模型是從FOREST-BGC 模型發(fā)展來的生物地球化學循環(huán)模型,主要用于模擬生態(tài)系統(tǒng)能量、碳、氮、及水分的循環(huán),能夠有效刻畫生態(tài)系統(tǒng)的生理生態(tài)過程及其與外界環(huán)境的相互作用關系[10]。Biome-BGC在國外已經(jīng)被廣泛用于氣候變化的研究中[11-14]。在我國,Biome-BGC模型較多應用于北方森林,例如：祁連山[15-16],大興安嶺[15],天山[17-19],長白山[20-22],華北[23]等地區(qū)。除了在北方的森林生態(tài)系統(tǒng)有所應用外,我國學者在沼澤濕地[5]、沙漠濕地[24]、高寒草甸區(qū)[25-26]以及熱帶(西雙版納)地區(qū)[27]的研究也相繼開展,以上的研究成果均證明了模型具有很強的適應性。

樹木年輪可以忠實地記錄當?shù)氐臍夂蜃兓?利用樹木輪寬數(shù)據(jù)來檢驗和驗證Biome-BGC的NPP模擬能力,分析特定森林生態(tài)系統(tǒng)的變化趨勢的相關研究已有較多[19,23,28- 31]。Graumlich研究發(fā)現(xiàn)樹輪寬度數(shù)據(jù)作為有力的證據(jù)可用來研究火山爆發(fā)后NPP的變化情況[32]；Rathgeber在法國東南部的研究表明樹輪寬度數(shù)據(jù)因可記錄長期氣候變化信息,故可用于評估氣候變化和CO2對森林生長力的影響[28]；在普羅旺斯的進一步研究顯示了樹輪寬度數(shù)據(jù)可用于驗證區(qū)域尺度上BIOME3模擬的NPP數(shù)據(jù)[29]。國內(nèi)特別是華北地區(qū)、天山等地區(qū)也已有相關研究[19,23,30]。蘇宏新等使用Biome-BGC模型來研究天山云杉對未來氣候變化的響應及其對CO2濃度增加的響應,并探討了模擬NPP值與樹輪寬度年表的關系[19]；彭俊杰等對華北地區(qū)油松林生態(tài)系統(tǒng)研究發(fā)現(xiàn)樹木年輪可檢驗校正Biome-BGC模型在內(nèi)的各種生態(tài)系統(tǒng)過程模型[23]。

太白山為秦嶺的最高峰,太白紅杉主要分布于秦嶺太白山一帶,林木生長緩慢,對區(qū)域氣候變化反應敏感,可以較好地反應太白山的氣候變化[33-34]。在已有研究中,林偉等采用野外調(diào)查、遙感影像解譯、生物量計算相結(jié)合的方法對太白紅杉碳儲量進行了估算[35]；李亮等應用LPS-GUESS模型模擬了太白山太白紅杉林1958—2008年的凈初級生產(chǎn)力,但是此模型適用于全球或者區(qū)域尺度上,在模擬結(jié)果上存在一定的不確定性[36]。而Biome-BGC模型可以用于模擬不同尺度的生態(tài)系統(tǒng)能量、碳、氮、水分的循環(huán)[10]。前人通過對太白紅杉樹木年輪的研究發(fā)現(xiàn),太白紅杉樹木年輪寬度對氣候變化有很好的響應[34,37]。樹木年輪寬度作為實測的參數(shù),可對模型模擬結(jié)果進行檢驗與校正[23]。因此,本研究將使用Biome-BGC模型模擬太白山太白紅杉的植被凈初級生產(chǎn)力(NPP),并用樹木年輪寬度及MOD17A3 NPP數(shù)據(jù)對模擬結(jié)果進行驗證,分析影響太白紅杉樹木生長的主要氣候限制因子,探討南北坡及不同海拔高度太白紅杉NPP對氣候變化的差異響應。

1 研究區(qū)域與研究方法

1.1 研究區(qū)概況

太白山為秦嶺主峰,位于107°16′46″—107°56′28″E,33°46′46″—34°12′1″N(圖1)。太白紅杉在太白、周至、眉縣三縣均有分布。太白山北坡地勢陡峻,南坡相對較平緩[38]。屬大陸性季風氣候區(qū),年平均氣溫為1.8—2.1℃,降水量為800—900mm[34],植物資源豐富,植被垂直分帶明顯[39]。太白紅杉分布區(qū)土壤類型主要為暗棕壤,土層厚度在林線附近為30cm左右,在分布下限地區(qū)為80cm左右[40]。太白紅杉作為二級國家保護植物,是秦嶺山區(qū)唯一生存的落葉松屬漸危種,主要分布在太白山一帶2600—3600m的地區(qū)[41]。因其生境特殊且日益瀕危,因此對太白紅杉的研究可以為太白紅杉的保護提供一定的參考價值。

圖1 太白山采樣點及氣象站分布圖Fig.1 Distribution of meteorological stations and tree-ring sample sites of Mt. Taibai SBS:上板寺,Shangban temple;YWD:藥王殿,Yao Wang temple;YWDZ:藥王殿中,the middle of the Yao Wang temple;DEM:數(shù)字高程模型,digital elevation model

1.2 年表建立及與氣象數(shù)據(jù)的相關響應分析

太白山樹木年輪于2013年分別在南北坡的不同海拔進行采集(圖1),根據(jù)國際樹輪數(shù)據(jù)庫的標準(ITRDB),每個采樣點采集15—20棵樹,使用生長錐在樹木的胸徑處按照不同的方向取2個樣芯。采集好的樣芯進行晾干、固定、打磨[42],之后使用LINTAB(輪寬分析儀)進行輪寬測量,并使用COFFCHA程序進行交叉定年及結(jié)果檢測,去除腐芯、破損、相關性差的樣條序列[43]。最后通過Arstan程序進行去趨勢化和標準化,采用負指數(shù)函數(shù)或線性函數(shù)進行擬合,若不符合這兩種函數(shù)則用樣條函數(shù)進行擬合(樣條函數(shù)的步長為序列長度的三分之二),以保留輪寬序列中更多的低頻信息,采用雙權(quán)重平均法合成樹輪寬度年表[44-45]。因標準年表(STD)中含有更多的低頻信息,所以本文采用標準年表進行研究。

為了探討氣候因子對太白紅杉生長的影響,利用樹輪相關響應分析軟件Dendroclim 2002對鄰近氣象站的氣象數(shù)據(jù)(逐月)與樹輪年表進行相關響應分析[44]。南坡選取佛坪氣象站(位于107°58′48″E,33°31′12″N),北坡則選取了眉縣氣象站(位于107°43′48″E,34°16′12″N),氣象數(shù)據(jù)來源于陜西眉縣和佛坪氣象局。

1.3 Biome-BGC模型及數(shù)據(jù)

本研究使用美國Montana大學Numerical Terradynamic Simulation 小組研發(fā)的Biome-BGC模型(4.2版本)(http://www.ntsg.umt.edu/project/biome-bgc)來模擬太白山太白紅杉的NPP。Biome-BGC是一個基于日步長來模擬陸地生態(tài)系統(tǒng)植被及土壤中的碳、氮、水、能量流動和存儲的生物地球化學循環(huán)模型[12,46]。Biome-BGC模型包括光合、蒸騰、呼吸、分解等作用以及光合產(chǎn)物的分配[47]。

模型的輸入文件包括初始化文件,氣象數(shù)據(jù)文件(日最高溫、日最低溫、日均溫、日降水、飽和水汽壓差、太陽輻射等)以及生理生態(tài)參數(shù)文件[5,23]。

初始化文件包括太白紅杉采樣點的位置、土壤參數(shù)、反照率等基本信息以及文件輸入輸出相關設定[12,47]。采樣點基本位置及海拔如圖1所示,土壤深度及土壤參數(shù)參考了已有研究文獻中太白山南北坡的土壤參數(shù)[48-49]。

氣象數(shù)據(jù)文件采用眉縣、佛坪氣象站的氣象數(shù)據(jù)(日最高溫、日最低溫、日降水量),源于陜西眉縣、佛坪氣象局。并利用山地氣候模型MT-CLIM4.3(http://www.ntsg.umt.edu/project/mtclim),輸入眉縣、佛坪氣象站的日最高溫、日最低溫、日降水量數(shù)據(jù),在考慮到海拔和坡度等因子的影響下,模擬得到研究點的氣象數(shù)據(jù)文件[50]。近來研究得出,太白山北坡氣溫直減率最大值為0.619℃/100m,最小值為0.390℃/100m,南坡最大為0.546℃/100m,最小為0.449℃/100m,本文在MT-CLIM4.3模型中使用了上文提到的氣溫直減率,以提高MT-CLIM4.3模型的模擬精度[51]。

太白紅杉的生理生態(tài)參數(shù)目前鮮有研究,Biome-BGC模型自帶的參數(shù)是在大量文獻及研究上得出的[16],故本文采用了模型默認的落葉松的參數(shù)(表1)。

表1 太白紅杉的生理生態(tài)參數(shù)表

表中數(shù)據(jù)來源于文獻[52]

模型運行時首先進行初始化模擬(運行spin-up模式),此模式采用工業(yè)革命前CO2的濃度(294.842ppm),氮沉積值為0.0001kg N m-2a-1,生態(tài)系統(tǒng)達到穩(wěn)定狀態(tài)后[39],運行normal-run模式得到研究點1960—2013年的NPP模擬值。

2 結(jié)果與分析

2.1 年表與氣象因子的相關分析

太白山6個樣點標準年表的統(tǒng)計結(jié)果如表2所示。研究表明,平均敏感度越大,樹木對外界環(huán)境因子的變化越敏感[53]。太白山各采樣點的平均敏感度在0.16—0.27之間,反映了樹木生長對環(huán)境響應較為敏感。樣本總體代表性在0.89—0.94之間,且信噪比均較高,說明采樣點樹木生長受到外界干擾較少且年表質(zhì)量較高[54]。第一主成分所占的方差量均在40%以上,說明樹木生長能夠較好的反映氣候變化的一致性[55]。標準年表的統(tǒng)計結(jié)果表明太白紅杉樹木年輪數(shù)據(jù)對區(qū)域氣候變化響應敏感,可作為植被生長的指標來驗證Biome-BGC模型模擬的NPP結(jié)果。

表2 太白山采樣點標準年表統(tǒng)計特征

樹輪標準化年表與對應氣象數(shù)據(jù)的相關分析結(jié)果表明(圖2),在總的趨勢上太白山大部分采樣點與當年2—7月的氣溫呈正相關,與當年4—6月的降水呈負相關,且多個采樣點達到了顯著相關水平。生長季來臨后,氣溫的升高有助于促進太白紅杉的生長,使得生長期提前,形成較寬的樹輪,而4—6月過多的降水則會造成氣溫下降,抑制太白紅杉的生長,形成窄輪[56]。從不同坡向差異來看,北坡多個采樣點年表與3—6月的氣溫相關系數(shù)通過了95%的置信度,而南坡年表則是與5—7月的氣溫呈顯著正相關。這可能是由于北坡較南坡接收的太陽輻射少,初春時期樹木生長對氣溫的響應更為敏感,初春來臨時,北坡氣溫升高對太白紅杉生長的促進作用要更為明顯,之后隨著氣溫不斷升高,氣溫不再是限制太白紅杉生長的主要因子,故相關性逐漸降低[57]。

圖2 太白山STD年表與氣溫、降水的相關分析 Fig.2 Correlation analysis of temperature and precipitation between the meteorological stations and the STD chronologiesP:前一年,Previous year;STD:樹輪寬度標準年表,standard

2.2 NPP模擬結(jié)果的驗證

模型運行時首先運行spin-up模式,待生態(tài)系統(tǒng)達到穩(wěn)定狀態(tài)后運行normal-run模式,最終得到NPP模擬值。Biome-BGC模型模擬的太白紅杉NPP值顯示,1960—2013年北坡太白紅杉NPP年均值為305.33g C m-2a-1,南坡為320.71g C m-2a-1,北坡略低于南坡。為了驗證模擬結(jié)果的可靠性,本文與其他研究結(jié)果進行了對比(表3)。李亮等[36]利用植被動態(tài)過程模型(LPJ-GUESS)模擬了太白山南北坡1958—2008年太白紅杉的NPP,結(jié)果表明太白紅杉南北坡NPP分別為320g C m-2a-1和430g C m-2a-1,南坡模擬值與本文模擬值結(jié)果一致,但是北坡有所差異,這可能是由于海拔差異引起的。李亮等[36]選取了海拔3450m和3100m的研究點,而本文除了在太白紅杉的上限(3346.4m)、下限(3062m、3068m)選取研究點外,在海拔3207m處也選取了研究點,對北坡不同海拔高度的NPP值均進行了模擬。

同時,本文還將模擬結(jié)果與分辨率為1km的衛(wèi)星遙感MOD17A3 2000—2013年的NPP數(shù)據(jù)(https://ladsweb.modaps.eosdis.nasa.gov/)進行了對比。MOD17A3 NPP數(shù)據(jù)基于MODIS/TERRA衛(wèi)星的遙感參數(shù),本文利用MRT(MODIS Reprojection Tool)軟件對MOD17A3 NPP數(shù)據(jù)進行了拼接、重投影、數(shù)據(jù)格式轉(zhuǎn)換、重采樣等前期處理,根據(jù)前人研究的太白紅杉生長范圍[58]利用ArcGIS軟件對其進行了裁剪,得出太白紅杉NPP分布圖(圖3),并將采樣點的NPP進行提取,與本文模擬的2000—2013年NPP值進行了比較(圖4)。從圖4看出,本文模擬NPP值與MOD17A3 NPP數(shù)據(jù)除SBS5樣點外,整體趨勢較為一致,差值較小,SBS2、SBS3、YWD三個樣點差值極小。這再次驗證了Biome-BGC模型模擬的可靠性。SBS5樣點對比值相差較大可能是由于兩種尺度的不同所導致的。

圖3 基于MOD17A3的太白紅杉NPP分布圖Fig.3 Distribution map of Larix chinensis NPP based on MOD17A3NPP:凈初級生產(chǎn)力,net primary productivity

圖4 采樣點MOD17A3 NPP數(shù)據(jù)與Biome-BGC模擬NPP對比圖Fig.4 NPP of sample point based on MOD17A3 compared with NPP simulated by Biome-BGC

為進一步驗證模擬結(jié)果的準確性,將采樣點的樹輪寬度指數(shù)與對應采樣點的NPP模擬值進行了對比(圖5),除SBS5、YWDZ兩個采樣點外,其余采樣點的樹輪寬度指數(shù)與NPP模擬值的相關關系均呈顯著相關(通過了95%的顯著性),其中,SBS1采樣點呈極顯著相關(通過了99%的顯著性)。同時,從圖5可以看出,北坡采樣點樹輪寬度指數(shù)與NPP模擬值年際變化一致性要顯著好于南坡,多數(shù)采樣點樹輪寬度指數(shù)與NPP模擬值年際變化趨勢趨于一致。這說明樹輪寬度指數(shù)作為記錄樹木生長環(huán)境的重要指標,可以較好的驗證Biome-BGC模型模擬的NPP值。

圖5 NPP模擬值與樹輪寬度指數(shù)(RWI)的對比圖Fig.5 Comparison of NPP simulation values and tree ring width index (RWI)SBS1:上板寺1,Shangban temple1;SBS2:上板寺2,Shangban temple2;SBS3:上板寺3,Shangban temple3;SBS5:上板寺5,Shangban temple5;YWD:藥王殿,Yao Wang temple;YWDZ:藥王殿中,the middle of the Yao Wang temple;NPP:凈初級生產(chǎn)力,net primary productivity;RWI:樹輪寬度指數(shù),tree ring width index

2.3 NPP模擬結(jié)果的分析

上文驗證了太白紅杉NPP模擬結(jié)果的可靠性,通過分析模擬結(jié)果(圖6),按照十年尺度計算太白紅杉NPP模擬值的變化趨勢速率(表4),發(fā)現(xiàn)1960—2013年太白山太白紅杉NPP總體呈波動上升趨勢,北坡的上升速率(0.47g C m-2a-1)要小于南坡(1.29g C m-2a-1)。1960—1979年太白紅杉NPP值無明顯變化,南北坡均表現(xiàn)出相對平穩(wěn)的變化趨勢；1980—1989年南北坡NPP值均呈現(xiàn)出上升趨勢,且南坡上升速率高于北坡；1990—1999年為下降趨勢且降幅較大,北坡的下降速率高于南坡,這可能是由于氣候變化導致太白紅杉的生態(tài)幅在此期間發(fā)生改變,出現(xiàn)瀕?，F(xiàn)象[57],導致NPP值呈下降趨勢；2000年以來南北坡NPP值表現(xiàn)出明顯的上升趨勢。

表4 太白紅杉NPP模擬值的變化速率

本文在選取采樣點的時候,分別在南北坡不同的海拔進行采樣(表5及圖6),以研究太白紅杉NPP值的海拔差異。結(jié)果顯示北坡海拔3062m、3068m處的NPP值為428.01、416.33g C m-2a-1,海拔3207m處的NPP值為293.00g C m-2a-1,海拔3346.4m處的NPP值為83.98g C m-2a-1。結(jié)果表明北坡太白紅杉NPP模擬值隨著海拔高度的上升而逐漸下降,在太白紅杉的下限NPP值最高,隨著海拔的升高,生長環(huán)境發(fā)生變化,氣溫、降水逐漸減少,NPP值隨之降低。而南坡太白紅杉NPP模擬值則隨著海拔高度的上升有所增加。從不同海拔采樣點NPP模擬值的年際變化來看(圖6),南北坡1960—2013年NPP模擬值在不同海拔高度上變化趨勢較為一致,北坡低海拔的變化振幅要大于高海拔地區(qū),南坡無明顯變化。

表5 太白紅杉在不同海拔高度的NPP模擬值

圖6 太白山不同海拔高度的NPP模擬值Fig.6 NPP simulation values at different elevations of Mt.Taibai

2.4 NPP模擬值與氣象因子的關系及氣候變化響應

氣候變化會引起植物NPP發(fā)生變化,為了更好地理解太白山太白紅杉NPP值與氣候的相關關系,本文將每個采樣點的模擬NPP值(月均值)與對應的氣溫、降水數(shù)據(jù)(北坡采樣點采用眉縣氣象站數(shù)據(jù),南坡采用佛坪氣象站)進行逐月相關分析,結(jié)果如圖7所示。NPP值與氣溫的相關性顯著好于降水,且主要與太白紅杉生長季的氣溫呈顯著正相關,說明氣溫的升高有助于NPP值的增加。北坡的NPP模擬值與初春氣溫呈正相關,這與樹輪寬度系數(shù)與NPP值的相關分析結(jié)果一致。與北坡不同的是,南坡NPP模擬值與9月、10月的氣溫呈極顯著正相關,9月、10月的南坡氣溫的升高可以在一定程度上延長太白紅杉的生長季,從而使NPP值有所提高。

圖7 NPP模擬值與氣象數(shù)據(jù)的相關分析Fig.7 Correlative analysis of NPP analogue and meteorological data

在全球增暖背景下,已有研究證明秦嶺地區(qū)近50年來氣溫逐漸上升,降水日益減少[59]。太白山太白紅杉1960—2013年間NPP總體呈波動上升趨勢,說明氣溫的升高有利于NPP的增加。采樣點樹輪標準年表、NPP模擬值均顯示出了與生長季氣溫的顯著正相關,全球氣候變暖使得太白紅杉生長季的氣溫增高從而導致NPP呈上升趨勢；同時也顯示出與生長季降水的負相關,即降水的減少有利于太白紅杉的生長,NPP的增加?？傮w來看,氣候變化作為制約太白紅杉生境的重要因素,影響太白紅杉樹木的生長,進而對NPP的變化產(chǎn)生影響。

2.5 模型的適用性與不確定性

Biome-BGC模型可以模擬特定生態(tài)系統(tǒng)的生理生態(tài)過程及與外界因子的作用[10]。樹木年輪數(shù)據(jù)作為研究氣候變化、樹木生長生理參數(shù)的理想代用資料,對Biome-BGC模型的模擬結(jié)果有一定的驗證作用。且太白紅杉作為秦嶺特有的高山樹種,對氣候變化響應極為敏感[58],NPP及樹木年輪的的變化均受到氣候因子、環(huán)境因子、植被生理特征等多種因子的影響,故樹木年輪對植被的NPP具有一定的指示作用。本文對太白紅杉樹輪寬度指數(shù)與模擬的NPP進行相關分析表明,多數(shù)樣點具有很好的一致性,達到了顯著相關,與個別樣點的差異性可能是由于采集的樹輪數(shù)量以及樹木生長的個體差異性所導致的。Biome-BGC模型模擬的NPP值與MOD17A3 NPP數(shù)據(jù)的對比一致性較高,個別差值較大與模型的不穩(wěn)定性及兩種數(shù)據(jù)的尺度不同有關?；谶b感數(shù)據(jù)的MOD17A3 NPP數(shù)據(jù)模擬尺度較大,而Biome-BGC模型尺度較小,模擬的是特定地區(qū)特定森林生態(tài)系統(tǒng)的NPP。總體而言,Biome-BGC模型模擬的太白紅杉NPP,結(jié)果較為可靠。

模型也有一定的不確定性,主要是由于以下幾個方面引起的：國內(nèi)有關太白紅杉的生理生態(tài)參數(shù)研究鮮有,大部分生理生態(tài)參數(shù)只能使用模型自帶參數(shù),使模擬結(jié)果的準確性有了一定的誤差；高山氣象站的器測氣象數(shù)據(jù)時間較短甚至空白,而高山植被對氣候變化十分敏感,本研究模型輸入的氣象數(shù)據(jù)雖在考慮到海拔影響下利用MT-CLIM4.3軟件進行了處理,但氣象站之間的距離以及海拔差異仍可能影響NPP輸出結(jié)果的準確性；Biome-BGC模型本身也有一定的局限性,對森林生態(tài)系統(tǒng)的外在干擾活動(如風倒)等因素未考慮[23]。模型參數(shù)以及植被生理生態(tài)參數(shù)的改進、氣象數(shù)據(jù)的完善將會提高模型模擬的準確性。

由于實驗條件的限制,本項目組未開展太白紅杉實測NPP、生理生態(tài)參數(shù)測定的相關實驗,以及對影響其生長的氣候因子(水分、氣溫、CO2等)及氣候因子協(xié)同作用未進行水熱條件協(xié)同分析、并分析其對生態(tài)系統(tǒng)的影響。導致模擬結(jié)果有一定的偏差,這也為未來工作的開展提供了一定的方向。

3 研究結(jié)論

(1)應用Biome-BGC模型模擬了太白山太白紅杉林生態(tài)系統(tǒng)的NPP,1960—2013年太白山太白紅杉林北坡NPP年均值為305.33g C m-2a-1,南坡為320.71g C m-2a-1,北坡略低于南坡。1960—2013年太白山太白紅杉NPP總體呈上升趨勢,北坡的上升速率(0.47g C m-2a-1)要小于南坡(1.29g C m-2a-1)。

(2)太白紅杉NPP模擬值對海拔有一定的響應關系。北坡太白紅杉NPP模擬值隨著海拔的上升而逐漸下降,而南坡太白紅杉NPP模擬值則隨著海拔高度的上升有所增加。且南北坡1960—2013年NPP模擬值在不同海拔高度上變化趨勢較為一致,北坡低海拔的變化振幅要大于高海拔地區(qū),南坡無明顯變化。

(3)太白紅杉多數(shù)采樣點的樹輪寬度指數(shù)與NPP模擬值呈顯著相關,樹輪寬度指數(shù)作為記錄樹木生長環(huán)境的重要指標較好的驗證了Biome-BGC模型模擬的NPP值。

(4)NPP模擬值與氣象數(shù)據(jù)的相關分析表明：NPP值與氣溫的相關性顯著好于降水,且主要與太白紅杉生長季的氣溫呈顯著正相關即氣溫的升高有助于NPP值的增加。北坡的NPP模擬值與初春氣溫呈正相關,南坡NPP模擬值與9月、10月的氣溫呈極顯著正相關,說明9月、10月的南坡氣溫的升高可以在一定程度上延長太白紅杉的生長季,從而使NPP值有所提高。