基于葉綠素熒光遙感監(jiān)測的蒙古高原草地生產力時空動態(tài)分析

李月 孫政國

摘要：蒙古高原草地是歐亞大陸草地重要的組成部分，其中草地生態(tài)系統(tǒng)生產力的核算和格局分析對畜牧業(yè)發(fā)展和生態(tài)功能保護均具有重要意義。為摸清蒙古高原草地生產力分布特征，在建立蒙古高原草地生長季節(jié)日光誘導的葉綠素熒光（SIF）與總初級生產力（GPP）之間關系的基礎上，利用2017年4—10月軌道碳衛(wèi)星（OCO-2）SIF數據結合同時期MOD17A2產品，對蒙古高原草地GPP空間格局動態(tài)進行分析。結果表明，蒙古高原草地生長季OCO-2 SIF與GPP具有顯著的相關關系（P<0.05），且估算的GPP精度較高（r2=0.82）。高原草地GPP空間格局呈現出由蒙古高原草地北部及東北部向西南方向減少的趨勢，總量為272.73 g/（m2·年），平均值為52.89 g/（m2·月）。GPP月際變化在5.83～104.59 g/（m2·月）之間，5—8月是高原草地主要生長時期，GPP平均值為78.86 g/（m2·月），7月是蒙古高原草地GPP最高的月份，GPP平均值為104.59 g/m2。本方法能夠較為準確地估計蒙古高原草地生產力分布特征，對維持蒙古高原草地的可持續(xù)發(fā)展和畜牧業(yè)的穩(wěn)定提供了數據支持。

關鍵詞：蒙古高原;總初級生產力;葉綠素熒光;OCO-2

中圖分類號： S812.29;S127 ?文獻標志碼： A ?文章編號：1002-1302（2021）13-0219-08

草地生態(tài)系統(tǒng)是陸地生物圈與大氣之間物質和能量交換面積最大的生態(tài)系統(tǒng)，覆蓋著地表超過25%的土地面積[1]，具有提供畜牧業(yè)發(fā)展的飼草料、涵養(yǎng)水源、防風固沙等功能和作用。草地總初級生產力（gross primary productivity，GPP）是指單位時間單位面積上草地綠色植物通過光合作用所固定的有機碳總量，通常以g/（m2·年）為單位表示[2]。碳元素在植物-土壤-大氣連續(xù)體內進行流動與循環(huán)，通過光合、呼吸等作用調控物質與能量的交換，是陸地生態(tài)系統(tǒng)中的一種重要的生物地球化學過程[3]，精確地掌握GPP的時空分布特征可以準確評估陸地生態(tài)系統(tǒng)的穩(wěn)定性，保障草地的可持續(xù)發(fā)展。目前常用渦流協(xié)方差（eddy covariance，EC）通量觀測塔作為計算GPP的工具[4]，但依然無法實現對 GPP 大尺度范圍內的觀測。

基于日光誘導的葉綠素熒光（solar-induced chlorophyll fluorescence，SIF）遙感是一種能夠在大尺度空間上快速、動態(tài)監(jiān)測草地GPP的方法手段[5]。其基本原理：植物葉綠體內存在的光系統(tǒng)I（PSⅠ）在大約740 nm處，以及光系統(tǒng)Ⅱ（PSⅡ）在740 nm和685 nm處能夠釋放出不同波長的葉綠素熒光（SIF）光子，反射較強的熒光信號[6]。較多的研究者利用SIF的近紅外波段反射信息與GPP之間建立相關關系。研究表明，地面、機載和衛(wèi)星傳感器獲取的SIF信號均與GPP有良好的相關性。Liu等利用地面獲取的SIF信號與GPP進行擬合計算，結果表明，C3和C4作物的SIF數據均與GPP呈線性相關[7]。對機載SIF數據集分析表明，與植被指數相比，SIF具有更好的GPP預測能力，在環(huán)境應力檢測方面具有更大的潛力[8]。空間測量也證明現有的GOSAT（greenhouse gases observing satellite）、GOME-2（global ozone monitoring experiment-2）和OCO-2（orbiting carbon observatory-2）SIF衛(wèi)星產品與FLUXCOM和MODIS GPP數據集具有良好的相關性[9]。OCO-2衛(wèi)星于2014年7月2日發(fā)射，相較于其他監(jiān)測SIF的衛(wèi)星，它具有更高的測量頻率和更精確的地面像素尺寸（1.3 km×2.25 km）（Gome-2為40 km×80 km，Gosat直徑為10 km），因此通過OCO-2 SIF計算GPP成為了一個監(jiān)測生態(tài)系統(tǒng)生產力的新途徑，同時SIF 757 nm波段較SIF 771 nm波段具有更高的檢索精度[10]。將 COO-2 SIF與GPP建立模型，用以監(jiān)測生產力的方法廣泛應用于農田、森林及草地等生態(tài)系統(tǒng)中。相比于森林等生態(tài)系統(tǒng)，草地生態(tài)系統(tǒng)的結構較為單一，不必考慮冠層結構與其他部分光合作用的差異，更加有利于使用熒光監(jiān)測其生產力。Wei等以黑河流域的高寒草原和農田為研究對象，評價了OCO-2在估算GPP中的表現，結果表明，OCO-2與GPP線性相關且GPP（OCO-2 SIF 757）=15.86×SIF +0.69[11]。這種簡單的線性模型十分有利于大尺度上監(jiān)測GPP空間分布，并且OCO-2 SIF在預測GPP上的準確度較高，與通量塔實測GPP更加接近。

蒙古高原草地是歐亞大陸草地重要的組成部分，大部分天然草原區(qū)域由蒙古國草原和我國的內蒙古草原組成，主要為干旱半干旱生態(tài)系統(tǒng)，具有較高的碳周轉率，所以研究普遍認為，蒙古高原草地是全球碳循環(huán)年際變化的重要驅動因素[12]。以往對于干旱半干旱地區(qū)的生態(tài)系統(tǒng)生產力研究往往選擇的區(qū)域范圍較小，不具有代表性。建立生產力模型時常與通量塔數據建立關系，但是通量塔測量范圍有限且測量儀器本身存在系統(tǒng)誤差，所以在大規(guī)模估算GPP時EC通量塔無法準確進行計算。因此，本研究以整個蒙古草原草地為研究區(qū)域，使用OCO-2 SIF757與MOD17A2-GPP數據建立關系，驗證精度后進一步估算內蒙古與蒙古國總初級生產力并分析其空間分布特征，以期為蒙古高原大尺度范圍內合理開發(fā)草地資源提供數據支持。

1 材料與方法

1.1 研究區(qū)

蒙古高原是歐亞大陸的重要組成部分，面積約為260萬km2，主要由蒙古國和我國內蒙古自治區(qū)組成。草地是其主要的生態(tài)系統(tǒng)類型，占區(qū)域總面積的76.25%，其中內蒙古草地占全區(qū)面積的66%，蒙古國草地占全國面積的84%[13]。

蒙古國（87°47′～119°57′E，41°35′～52°06′N）區(qū)域面積為156.65萬km2，屬大陸性溫帶草原氣候，年均溫自北向南由-4 ℃遞增至4 ℃，年均降水量從400 mm減少至50 mm，土地覆蓋的空間格局也呈現出明顯的區(qū)域過渡性，依次為裸地、荒漠草地、典型草地和森林[14]。

內蒙古自治區(qū)（97°12′～126°04′E，37°24′～53°23′N）區(qū)域面積為118.3萬km2，自東北向西南年均氣溫從-4 ℃增加至10 ℃，降水量從500 mm減少至50 mm，呈現出由東部季風性氣候向西部大陸性氣候過渡的氣候特征，土地覆蓋空間格局整體也呈現出明顯的過渡性，從東向西依次分為森林、草甸草原、典型草原、荒漠草原和裸地[15]。

1.2 數據來源和處理

1.2.1 蒙古高原區(qū)劃數據 蒙古高原的區(qū)劃數據來自全球行政區(qū)劃數據庫（database of global administrative areas， GADM），下載網址為https：//gadm.org/，格式為shapefile。

1.2.2 土地覆蓋數據 采用歐洲航天局（European Space Agency， ESA）2017年土地覆蓋產品（Land Cover Maps - v2.0.7），時間分辨為年，空間分辨率為300 m。參照聯(lián)合國糧農組織（UNFAO）提出的方案將土地分為農田、森林、草地、濕地、定居點和其他類型等6個一級類型。

1.2.3 MOD17A2數據 由美國蒙大拿大學數字陸地動態(tài)模擬小組（Numerical Terradynamic Simulation Group， NTSG）提供，下載網址為https：//ladsweb.modaps.eosdis.nasa.gov/search/。數據年份為2017年，時間分辨為8 d，空間分辨率為0.05°，單位為 g /（m2·d8）[16]。這是一款最早的全球尺度上陸地植被不間斷連續(xù)監(jiān)測初級生產力的產品，其理論基礎是光能利用率理論。

1.2.4 OCO-2數據 由于OCO-2 SIF為離散型數據，本研究使用Yu等通過人工神經網絡（artificial neural network，ANN）建立的OCO-2格網數據[17]，該數據是通過已經訓練好的ANN模型，基于MODIS反射率和土地覆蓋產品，預測了OCO-2間隙區(qū)域的日平均SIF[W/（m2·mm·sr）]。空間分辨率為0.05°，時間分辨率為16 d。由于2017年8月及9月上半月機器故障，本研究以2015—2016年的8—9月平均值作為2017年8—9月數據。

1.3 實測數據

實測數據為野外測量數據，調查地區(qū)包括內蒙古自治區(qū)呼倫貝爾市海拉爾區(qū)、鄂倫春旗、鄂溫克族自治旗、陳巴爾虎旗、新巴爾虎左旗、新巴爾虎右旗和牙克石，采樣點共計56個，調查區(qū)域平均海拔670 m。年降水量350 mm，年均氣溫-2.4 ℃，最高氣溫36.17 ℃，最低氣溫-48.5 ℃;≥10 ℃年積溫1 580～1 800 ℃，無霜期110 d[18]。按照OCO-2覆蓋的足跡點結合谷歌地球（Google Earth）高分辨率遙感影像，較為精確地確定野外實測采樣點的空間地理位置，選取56個樣點，覆蓋的草地類型為溫性草原，草地群落主要物種為羊草（Lepidum chinense）和貝加爾針茅（Stipa baicalensis），土壤類型為暗栗鈣土。實地測量點分布如圖1所示。試驗過程中在每個測量點選擇3個1 m×1 m樣方，將樣方內草本植物齊地面將地上部分全部剪下，去除雜質洗凈后分別稱質量，測其地上部分生物量。本試驗采用溫洛克國際2005年版的《陸地碳測量方法指南》[19]及張釗的研究結果[20]，將實測數據結果轉化為總初級生產力。

1.4 精度驗證

本研究選取內蒙古呼倫貝爾市56個實測點的OCO-2 SIF及GPP模擬值和實測平均值對GPP結果進行精度驗證，并使用確定系數（r2）、平均絕對誤差（RMSE）、平均相對誤差（REE）以及偏差（Bias）作為指標進一步驗證模擬數據的精度。具體公式如下：

1.5 基于SIF的GPP估算

首先將土地覆蓋數據（300 m）重采樣至500 m使其空間分辨率與MOD17A2（500 m）相匹配，并提取蒙古高原草地覆蓋數據。之后將MODIS及SIF數據進行拼接、剪裁、重投影并去除異常值等預處理后，利用校正系數恢復其原始真值，建立線性關系并與實測GPP驗證。最終將每半月GPP估計值合稱為月數據后得到整個高原生長季節(jié)的GPP空間分布格局。

2 結果與分析

2.1 蒙古高原草地OCO-2 SIF與GPP的關系

使用OCO-2 SIF矢量數據提取GPP柵格數據，將二者建立關系。結果表明，蒙古高原草地生長季節(jié)（4—10月）OCO-2 SIF 與GPP有顯著相關關系（P<0.05，樣本數n=56），線性斜率和擬合程度在不同時期中有所不同，并且與草地生長狀況密切相關，隨著草地植物的生長，SIF與GPP的擬合程度逐漸變高（圖2）。 4月及9—10月的擬合關系較差（r2為0.18～0.28），5—8月的擬合程度較高（r2為0.47～0.72）。

2.2 精度驗證

精度驗證結果表明，使用OCO-2 SIF估計的GPP與實測GPP具有較高的相關性，顯著性檢驗P<0.01，且平均絕對誤差和平均相對誤差分別為4.55和0.17，誤差在允許范圍內（圖3），說明 OCO-2 SIF可以用于后續(xù)對蒙古高原草地總初級生產力的估計以及時空變化分析。

2.3 GPP空間分布動態(tài)

使用上述OCO-2 SIF和GPP的關系，對2017年蒙古高原草地生長季節(jié)的GPP空間分布特征進行了分析，結果表明，在研究時段內（4—10月），隨著蒙古高原草地濕度的區(qū)域性差異變化，整個高原的草地生產力總體呈現出從蒙古高原草地北部的東北邊緣向西南地區(qū)過渡的特點（圖4）。蒙古高原草地GPP總量為272.73 g /（m2·年），蒙古國、內蒙古分別為116.89、155.84 g /（m2·年）;GPP平均值為52.89 g/（m2·月），其中蒙古國、內蒙古分別為51.83、53.96 g/（m2·月）。

蒙古高原北部草地GPP平均值均大于 120 g/（m2·月），并向南除杭愛山脈外逐漸減少至小于25 g/（m2·月）;東北部以大興安嶺為界，以東區(qū)域GPP平均值均大于120 g/（m2·月），并向西遞減至低于25 g/（m2·月），向西南逐步遞減至25～50 g/（m2·月）;整個高原GPP平均值最低的區(qū)域為高原西北部的包頭市、烏蘭察布市及錫林郭勒盟北部的草地，其GPP平均值為17.63 g/（m2·月）。

蒙古高原草地GPP總量分布特征與平均值相似。高原北部、杭愛山脈、大興安嶺以東以及內蒙古東南部興安盟、赤峰市、通遼市部分區(qū)域草地在研究時段內的GPP總量均大于400 g /（m2·年）;GPP總量自蒙古北部、東北部向南部、西南部逐步遞減至少于100 g /（m2·年），GPP總量最低的區(qū)域為高原西北部及內蒙古西南部草地，其GPP總量分別為85.78、76.61 g /（m2·年）。

2.4 GPP月際變化動態(tài)

為突出研究時段內GPP的時間變化動態(tài)，本研究將GPP產品合成為月際產品，并逐月分析。研究結果表明，蒙古高原草地生長集中于4—10月之間，這與Bao等的研究結果[21]基本一致。本研究以生長季開始時間（start of the growing season，SOS）、生長季結束時間（end of the growing season，EOS）以及生長季長度（length of the growing season，LOS）[22]來表征高原草地生長季動態(tài)。

在研究時段內，蒙古高原草地GPP月際變化為5.83～104.59 g/（m2·月），7月是蒙古高原草地GPP最高的月份，整個高原GPP為104.59 g/m2，10月是GPP最低的月份為5.83 g/m2（圖5和圖6）。

蒙古高原草地SOS通常為4月，GPP平均值為19.14 g/m2，其中內蒙古草地為22.17 g/m2，蒙古國為16.11 g/m2。5—8月是高原草地主要生長時期，此時高原草地GPP平均值為78.86 g/（m2·月），其中內蒙古草地為77.51 g/（m2·月），蒙古國為80.22 g/（m2·月）。蒙古高原北部和大興安嶺以東地區(qū)的草地GPP最高大于g/（m2·月），杭愛山脈以及東南部的赤峰市、通遼市及興安盟地區(qū)GPP在 90～120 g/（m2·月）之間（圖5），其中7月是GPP最高的月份，GPP平均值為104.59 g/m2。蒙古高原草地EOS集中于9—10月，此時高原草地GPP為17.83 g/m2，其中內蒙古草地為22.75 g/m2，蒙古國為12.92 g/m2。分析蒙古高原草地的LOS特征，有助于監(jiān)測高原草地的生長情況，根據上述研究結果

可以將高原草地的LOS分為4個部分。高原北部以及東北部大興安嶺以西地區(qū)LOS一般在120～150 d之間;大興安嶺以東以及高原南部地區(qū)LOS一般在90～120 d之間;東南部赤峰市、通遼市及興安盟地區(qū)LOS一般在140～160 d之間;西部地區(qū)一般在90～105 d之間。

3 討論與結論

3.1 蒙古高原草地OCO-2 SIF與GPP的關系

OCO-2衛(wèi)星較以往衛(wèi)星具有更準確的測量精度，為利用葉綠素熒光估算草地生產力提供了更為精確的手段。研究結果表明，OCO-2 SIF可以作為估算GPP的有效手段。Verma等研究發(fā)現，盡管環(huán)境條件會對植物光合作用和葉綠素熒光之間的復雜關系產生重要影響，但是在不同的草原環(huán)境下，冠層尺度的SIF與GPP之間依舊存在著顯著的線性相關關系，并且較基于過程的估算方法更加可靠[23]。本研究將OCO-2 SIF數據與MODIS GPP數據建立關系，研究結果表明，OCO-2 SIF可以作為估算GPP的可靠數據來源，OCO-2 SIF與MODIS GPP為顯著線性關系（P<0.05），這與Sun等的研究結果[24]相符。在本研究中，SIF與GPP的擬合程度隨著草地植物生長，擬合程度變高，在7月時達到最高。由于OCO-2 SIF產品的離散性[25]，會對精度產生影響，導致估算結果的不準確，但本研究表明蒙古高原4—10月的P值均小于0.05，所以結果是可靠的。

3.2 估算GPP的精度

本研究利用OCO-2 SIF估算的GPP與實測數據相比較，模擬精度較好，與劉建鋒等的研究結果[26]相近。本研究估計值整體略低于模擬值，這可能是由于本研究實地測量時間不及時，實測地點較少且主要分布于草地生長較好的內蒙古東部地區(qū)，而估算方程是將蒙古高原草地OCO-2 SIF與MODIS GPP建立關系，因此存在誤差。與Zhang等的研究結果[27-28]相比，本研究的估計值偏高，造成差異的原因可能是由于GPP的估計方式以及研究時間內氣溫和降水不同所導致的。郝彥賓等利用渦度相關法分析了2004年和2005—2006年較為干旱年生長季節(jié)內蒙古典型草原GPP，2004年GPP為4.89 g/m2，而在相對干旱的2005—2006年GPP則為1.53～3.01 g/m2[29]。該現象在其他生態(tài)系統(tǒng)也依舊存在，Yan等研究發(fā)現，在同一農田觀測點，2004年農田生產力比2003年高出了近1倍[30]。同時，盡管OCO-2衛(wèi)星的分辨率已經相對較高，但許多像素點依舊存在與其他土地類型混和的情況。Li等研究發(fā)現，GPP-SIF關系的斜率在C4生態(tài)系統(tǒng)要高于C3生態(tài)系統(tǒng)[31-32]。因此，在蒙古高原大范圍內獲得的OCO-2 SIF-GPP關系無法準確估計小范圍內的GPP模擬值。另外，OCO-2本身存在的誤差也會對模擬結果產生影響，如OCO-2還存在像素瞬態(tài)偽影以及異常像素數量增加的問題[33]。

3.3 蒙古高原草地GPP空間特征

GPP是表示生態(tài)系統(tǒng)碳循環(huán)的重要指標，它能更為準確地掌握其空間分布特征，能夠更加直觀地反映生態(tài)系統(tǒng)的生產力水平。Ren等利用修正的光能利用率模型模擬出青藏高原草地GPP，為青藏高原高寒草地 GPP 的精確估算提供參考[34];郭群等利用多通道自動原位監(jiān)測箱系統(tǒng)，計算出內蒙古典型草原草地生態(tài)系統(tǒng)GPP，為草原的可持續(xù)發(fā)展提供了理論基礎[35]。本研究以蒙古高原草地為研究對象，得到了2017年生長季節(jié)的草地GPP時空分布特征并分析造成差異的原因。結果表明，降水量和人為因素是造成蒙古高原草地GPP差異的主要原因。蒙古高原地處干旱與半干旱區(qū)[36]，隨著降水量的變化，蒙古高原草地的整個生長季節(jié)內GPP的空間分布特征總體表現出由高原草地和東北部邊緣至西南地區(qū)逐漸減少的特點，這與黃登成的研究結果[37]一致。蒙古國北部受到來自北冰洋的大量水汽[38]，氣候濕潤，利于草地植物的生長。東北部地區(qū)受到太平洋水汽影響在整個生長季都接近田間持水量，在溫度適宜的條件下，顯著提高了草地對碳的吸收[39]。而蒙古國南部草地和內蒙古西北部草地由于降水量減少和溫度較高，草原類型以荒漠草原為主[40]，其生產力水平較低，全年平均值在30 g/（m2·年）以下，總量在100 g/m2以下。蒙古高原草地SOS、EOS分別在4月和9—10月，其中5—8月占全年生產力總量的85%。生產力的高低與草地生物量密切相關，內蒙古草地GPP平均值與蒙古國相近但總量高于蒙古國25%，這主要是由于內蒙古近年來實施的“退耕還林還草” “禁牧”等保護草原的措施使草地覆蓋度近年來整體提高。蒙古國西部和南部草地生物量減少可能是由于在蒙古國西部南部附近對煤礦、銅礦的開采使草地發(fā)生嚴重退化[41]。 太陽誘導的葉綠素熒光已被較多應用于估算生態(tài)系統(tǒng)總初級生產力，本研究主要以草地生態(tài)系統(tǒng)為例，其冠層結構較為簡單，但由于其他陸地生態(tài)系統(tǒng)復雜多樣性加之現存觀測葉綠素的衛(wèi)星分辨率依舊較低，故無法使用統(tǒng)一的觀測條件和試驗方法。葉綠素熒光近年來也被應用于其他領域，如監(jiān)測生態(tài)系統(tǒng)高溫[42]等自然災害。估算不同生態(tài)系統(tǒng)總初級生產力時考慮參數的不確定性依舊是今后研究的重點，同時將葉綠素熒光應用于生態(tài)系統(tǒng)的自然災害監(jiān)測也有待進一步的深入研究。

本研究基于OCO-2-SIF757數據、MOD17A2-GPP產品、土地覆蓋數據，利用GIS技術，在分析GPP- SIF之間關系的基礎上模擬分析了2017年4—10月蒙古高原草地的GPP空間分布特征，研究發(fā)現，蒙古高原草地OCO-2 SIF與MODIS GPP具有顯著的正相關關系（P<0.05），本研究的模擬值具有較高精度（r2=0.82），符合蒙古高原草地GPP空間分布特征。在空間特征上，蒙古高原草地GPP總量和平均值均與濕度密切相關，GPP總量為 272.73 g/（m2·年），平均值為52.89 g/（m2·月）。高原北部及大興安嶺以東區(qū)域GPP較高，平均值均大于120 g/（m2·月），GPP總量均大于400 g/（m2·年），并由北部、東北部向南部、西南部遞減至平均值低于30 g/（m2·月）;總量低于100 g/m2。時間特征上，蒙古高原草地SOS通常為4月，EOS通常為9—10月，GPP月際變化在5.83～104.59 g/（m2·月）之間，5—8月是高原草地主要生長時期， 7月是蒙古高原草地GPP最高的月份。蒙古高原草地LOS一般在90～150 d之間。大尺度范圍的草原開發(fā)應利用遙感技術監(jiān)測配合地面調查的方法，及時了解草原生境狀況，因地制宜采取合理的方式開發(fā)草地。

參考文獻：

[1]Wu X，Yao Z，Brüggemann N，et al. Effects of soil moisture and temperature on CO2 and CH4 soil-atmosphere exchange of various land use/cover types in a semi-arid grassland in Inner Mongolia，China[J]. Soil Biology & Biochemistry，2010，42（5）：773-787.

[2]關琳琳. 基于葉綠素熒光的植被總初級生產力估算[D]. 北京：中國科學院大學（中國科學院遙感與數字地球研究所），2017.

[3]Heimann M，Reichstein M. Terrestrial ecosystem carbon dynamics and climate feedbacks[J]. Nature，2008，451（7176）：289-292.

[4]姜海梅，張德廣，王若靜，等. 不同生態(tài)系統(tǒng)呼吸模型在半干旱草原生長季碳循環(huán)研究中的比較及應用[J]. 北京大學學報（自然科學版），2018，54（3）：593-604.

[5]Li X，Xiao J，He B. Chlorophyll fluorescence observed by OCO-2 is strongly related to gross primary productivity estimated from flux towers in temperate forests[J]. Remote Sensing of Environment，2018，204：659-671.

[6]Pfündel E E，Klughammer C，Meister A. Deriving fluorometer-specific values of relative PSI fluorescence intensity from quenching of F0 fluorescence in leaves of Arabidopsis thaliana and Zea mays[J]. Photosynthesis Research，2013，114（3）：189-206.

[7]Liu L，Liu X，Hu J，et al. Assessing the wavelength-dependent ability of solar-induced chlorophyll fluorescence to estimate the GPP of winter wheat at the canopy level[J]. International Journal of Remote Sensing，2017，38（15/16）：4396-4417.

[8]Walter-Shea E A，Privette J，Cornell D，et al. Relations between directional spectral vegetation indices and leaf area and absorbed radiation in alfalfa[J]. Remote Sensing of Environment，1997，61（1）：162-177.

[9]Sun Y，Frankenberg C，Jung M，et al. Overview of solar-Induced chlorophyll fluorescence （SIF） from the orbiting carbon observatory-2：retrieval，cross-mission comparison，and global monitoring for GPP[J]. Remote Sensing of Environment，2018，209：808-823.

[10]Li X，Xiao J. A global，0.05-degree product of solar-induced chlorophyll fluorescence derived from OCO-2，MODIS，and reanalysis data[J]. Remote Sensing，2019，11（5）：517-541.

[11]Wei X，Wang X，Wei W，et al. Use of sun-induced chlorophyll fluorescence obtained by OCO-2 and GOME-2 for GPP estimates of the Heihe River Basin，China[J]. Remote Sensing，2018，10（12）：2039-2049.

[12]Poulter B，Frank D C，Ciais P，et al. The contribution of semi-arid ecosystems to interannual global carbon cycle variability[J]. Chest，1979，76（5）：601-603.

[13]Angerer J，Han G，Fujisaki I，et al. Climate change and ecosystems of Asia with emphasis on Inner Mongolia and Mongolia[J]. Rangelands，2008，30（3）：46-51.

[14]王卷樂，程 凱，?？∠?，等. 蒙古國30米分辨率土地覆蓋產品研制與空間格局分析[J]. 地球信息科學學報，2018，20（9）：1263-1273.

[15]苗 澍，張志斌，李玉偉，等. 內蒙古自治區(qū)降水特點分析[J]. 內蒙古水利，2013（5）：33-34.

[16]Zhao M，Running S W. Response to comments on “Drought-induced reduction in global terrestrial net primary production from 2000 through 2009”[J]. Science，2011，333（6046）：1093.

[17]Yu L，Wen J，Chang C Y，et al. High-resolution global contiguous SIF of OCO‐2[J]. Geophysical Research Letters，2019，46：1449-1458.

[18]許宏斌，辛曉平，寶音陶格濤，等. 放牧對呼倫貝爾羊草草甸草原生物量分布的影響[J]. 草地學報，2020，28（3）：768-774.

[19]Brown S，Pearson T，Walker S M，et al. Methods manual for measuring terrestrial carbon[M]. Arlington：Winrock Znternational，2005.

[20]張 釗. 呼倫貝爾草甸草原生態(tài)系統(tǒng)碳循環(huán)動態(tài)模擬與未來情景分析[D]. 北京：中國農業(yè)科學院，2016.

[21]Bao G，Qin Z，Bao Y，et al. NDVI-based long-term vegetation dynamics and its response to climatic change in the Mongolian Plateau[J]. Remote Sensing，2014，6（9）：8337-8358.

[22]Jeong S J，Chang-Hoi H O，Gim H J，et al. Phenology shifts at start vs. end of growing season in temperate vegetation over the Northern Hemisphere for the period 1982-2008[J]. Global Change Biology，2011，17（7）：2385-2399.

[23]Verma M，Schimel D，Evans B，et al. Effect of environmental conditions on the relationship between solar-induced fluorescence and gross primary productivity at an OzFlux grassland site[J]. Journal of Geophysical Research：Biogeosciences，2017，122（3）：716-733.

[24]Sun Y，Frankenberg C，Wood J D，et al. OCO-2 advances photosynthesis observation from space via solar-induced chlorophyll fluorescence[J]. Science，2017，358（6360）：5747-5747.

[25]Wei J，Tang X，Gu Q，et al. Using solar-induced chlorophyll fluorescence observed by OCO-2 to predict autumn crop production in China[J]. Remote Sensing，2019，11（14）：1715-1717.

[26]Liu J F，Chen S P，Han X G . Modeling gross primary production of two steppes in Northern China using MODIS time series and climate data[J]. Procedia Environmental Science，2012，13：742-754.

[27]Zhang L，Zhou D，Fan J，et al. Contrasting the performance of eight satellite-based GPP models in water-limited and temperature-limited grassland ecosystems[J]. Remote Sensing，2019，11（11）：1333-1339.

[28]Nakano T，Nemoto M，Shinoda M . Environmental controls on photosynthetic production and ecosystem respiration in semi-arid grasslands of Mongolia[J]. Agricultural & Forest Meteorology，2008，148（10）：1456-1466.

[29]郝彥賓，王艷芬，崔驍勇. 干旱脅迫降低了內蒙古羊草草原的碳累積 [J]. 植物生態(tài)學報，2010，34（8）：898-906.

[30]Yan H，Fu Y，Xiao X，et al. Modeling gross primary productivity for winter wheat-maize double cropping system using MODIS time series and CO2 eddy flux tower data[J]. Agriculture Ecosystems & Environment，2009，129（4）：391-400.

[31]Li X，Xiao J，He B，et al. Solar-induced chlorophyll fluorescence is strongly correlated with terrestrial photosynthesis for a wide variety of biomes：first global analysis based on OCO-2 and flux tower observations[J]. Global change biology，2018，24（9）：3990-4008.

[32]Wood J D，Griffis T J，Baker J M，et al. Multiscale analyses of solar-induced florescence and gross primary production[J]. Geophysical Research Letters，2017，44（1）：533-541.

[33]Crisp D，Pollock H R，Rosenberg R，et al. The on-orbit performance of the orbiting carbon observatory-2 （OCO-2） instrument and its radiometrically calibrated products[J]. Atmospheric Measurement Techniques，2017，10（1）：59-81.

[34]Xiaoli R，Honglin H E，Li Z，et al. Effects of diffuse radiation on estimation of gross primary production of alpine grasslands on the Tibetan Plateau[J]. Research of Environmental Sciences，2017，30（12）：1898-1907.

[35]郭 群，李勝功，胡中民，等. 內蒙古溫帶草原典型草地生態(tài)系統(tǒng)生產力對水分在不同時間尺度上的響應[J]. 中國沙漠，2015（3）：98-105.

[36]Liu W J，Li L F，Biederman J A，et al. Repackaging precipitation into fewer，larger storms reduces ecosystem exchanges of CO2 and H2O in a semiarid steppe[J]. Agricultural & Forest Meteorology，2017，247：356-364.

[37]黃登成. 基于CASA模型的蒙古高原植被凈初級生產力遙感估算[D]. 阜新：遼寧工程技術大學，2014.

[38]王 菱，甄 霖，劉雪林，等. 蒙古高原中部氣候變化及影響因素比較研究[J]. 地理研究，2008（1）：173-182.

[39]Jing Y，Wang A，Guan D，et al. Carbon dioxide fluxes over a temperate meadow in eastern Inner Mongolia，China[J]. Environmental Earth Sciences，2014，72（11）：4401-4411.

[40]高浩，潘學標，符瑜. 氣候變化對內蒙古中部草原氣候生產潛力的影響[J]. 中國農業(yè)氣象，2009（3）：5-10.

[41]McIntyre N，Bulovic N，Cane I，et al. A multi-disciplinary approach to understanding the impacts of mines on traditional uses of water in Northern Mongolia[J]. Science of the Total Environment，2016，557-558：404-414.

[42]Song L，Guanter L，Guan K，et al. Satellite sun-induced chlorophyll fluorescence detects early response of winter wheat to heat stress in the Indian Indo-Gangetic Plains[J]. Global Change Biology，2018，24（9）：4023-4037.