我国北方草地净初级生产力时空动态特征及其与水热因子的关系

任涵玉， 温仲明， 刘洋洋， 呼天明， 杨培志， 张 伟， 郑 诚， 巴桑参木决

(西北农林科技大学草业与草原学院， 陕西 杨凌 712100)

草地生态系统占据了地球陆地面积的30%[1]，是地球生态系统中重要的碳库，具有涵养水源、保持水土、防风固沙等重要的生态功能，同时也是畜牧业发展的重要物质基础[2]，与社会经济的发展具有重要联系。草地净初级生产力(Net primary productivity，NPP)是指草地生态系统在单位面积和单位时间累积的有机物总量，包括地上及地下部分的生物量[3]。当前，草地生态系统NPP能反映草地在自然环境条件下的生产能力，也是陆地生态系统碳循环中的关键[3]，是评价草地生态系统功能状况和可持续发展的重要生态指标，因而成为陆地生态系统研究的热点内容之一[4]。作为表征植被生活力的重要指标，生产力能直接反映出自然环境下草地群落的生产能力，也是评价草地固碳能力的最主要要素[1]。近百年来，全球气候变暖，极端天气事件频发，对陆地生态系统造成了巨大的影响，植被生产力的变化就是其中之一，且陆地植物的生产力对气候的变化十分敏感[4-5]。因此，评估草地生态系统的生产能力及其对气候的响应对合理利用草地资源及相关保护政策的制定具有重要意义。

考虑到大区域尺度上的NPP难以直接测量，近年来通过遥感手段和模型模拟来估算植被NPP已成为主要手段[6]。NPP的估算模型众多[7]，如气候相关统计模型(Miami,Thornthwaite Menorial和Chikugo等)，生态系统过程模型(BIOME-BGC和BEPS等)，光能利用率模型(GLO-PEM和CASA)等[8]。其中，基于植物光能利用率原理的CASA(Carnegie-Ames-Stanford approach)模型是当前应用最广泛的NPP估算模型之一。该模型应用简单，无需野外工作，其中的大多参数能通过遥感数据直接获得，并且可以模拟多种生态系统的NPP，被应用于国内外的众多研究中[9-10]。朴世龙等[11]较早使用CASA模型估算了我国植被NPP;高清竹等[12]改进了CASA模型使其适用于我国的不同区域，并将其应用于藏北高原；朱文泉等[13]针对我国不同植被的光能利用效率对CASA模型进行了改进。近年来，CASA模型也被广泛应用于估算草地NPP，朴世龙等[14]、刘洁等[4]、杨勇等[15]、周伟等[16]均利用CASA模型成功模拟估算了我国不同地区的草地NPP，这也表明该模型可以用于我国北方草地NPP的模拟。

我国北方地区主要为干旱半干旱区，地表植物稀少，生态环境较为脆弱，属于我国的生态敏感区，同时草地生态系统分布较为广泛，是我国北方地区重要的生态屏障[17]。草地生态系统对气候变化的响应敏感，探究草地NPP在长时间序列下对气候因子的响应特征对揭示草地生长机理具有重要意义。因此，本研究基于MODIS NDVI遥感数据、气象数据和植被分类数据等，采用CASA模型模拟了我国北方草地的NPP，分析我国北方草地NPP的时空变化特征及其与气候因子的关系，不仅有助于揭示气候因子和草地NPP的相互作用机制，而且能为我国北方草地生态系统的保护提供科学理论依据。

1 材料与方法

1.1 研究区概况

研究区为我国北方地区(31°23′～53°34′ N，73°29′～135°04′ E)，主要指秦岭淮河分界线以北的大部分地区，包括华北地区、东北地区以及我国西北地区，陆地面积约5.62×106km2，约占中国陆地总面积的58%[18]；年均温在5.6～13.7℃之间，年均降水量在100～1 100 mm之间[19]，区域内主要有山地、高原、盆地、丘陵和平原等地貌，形态独特复杂[18]，地形由东部向西北地区逐渐升高。我国北方地区植被类型众多，由东部平原到西北内陆呈现出不同的植被格局，Global Land Cover 2000(GLC2000)数据集将我国北方草地划分为6类，包括高山亚高山草甸、坡面草地、平原草地、荒漠草地、草甸和高山亚高山草地[20](图1b)，其中高山亚高山草甸(7.30×105km2)集中分布在青海南部及新疆天山以南；荒漠草地(5.98×105km2)主要在新疆南部昆仑山一带和内蒙古中西部地区分布；草甸(5.13×105km2)集中分布在天山以南、塔里盆地周边地区和内蒙古东部；平原草地(4.62×105km2)主要在宁夏、内蒙古中东部及天山北部分布；坡面草地(7.59×104km2)集中在甘肃南部及陕西地区[21]。

图1 研究区位置、海拔概况及草地类型分布特征Fig.1 Location,elevation and the distribution of grassland types in Northern China注：Asm，高山亚高山草甸；Sg，坡面草地；Pg，平原草地；Dg，荒漠草地；M，草甸；Asg，高山亚高山草地。下同Note:Asm,alpine subalpine meadow;Sg,slope grassland;Pg,plain grassland;Dg,desert grassland;M,meadow;Asg,alpine subalpine grassland. The same as below

1.2 数据来源

1.2.1MODIS NDVI数据 本研究采用NASA提供的MODIS NDVI (MOD13A2)产品，研究期限为2000—2015年。该数据时间分辨率为16 d，空间分辨率为1 km，数据为HDF存储格式。采用MODIS Reprojection Tools (MRT)对数据进行格式转换及数据的拼接及裁剪，同时采用Savtzky-Golay (S-G)滤波法来对MODIS NDVI数据做进一步的平滑滤波处理，消除太阳光照角度、气溶胶及冰雪等因素的影响。在ArcGIS 10.2环境下对两种NDVI数据进行投影的转换，并通过最邻近法对数据进行重采样，数据统一选用China_Lambert_Conformal_Conic投影，数据分辨率统一为500 m。此外，采用研究区的矢量边界对NDVI数据进行掩膜，进而获得我国北方地区的植被NDVI月数据。

1.2.2气象数据 气象数据主要源于中国气象数据共享网(http://cdc.cma.gov.cn)提供的2000—2015年我国北方500多个标准气象站点的月降水量和月平均气温数据，气象站点分布可见图1a。此外，该网站也提供了用以驱动NPP估算模型的辐射数据。基于ArcGIS 10.2中的Geostatistical Analyst模块并根据各个站点的经纬度信息采用克里金插值法对气象数据进行插值，进而获得空间化的栅格气象数据，在处理的过程中确保栅格气象数据与NDVI数据的投影一致且象元大小也相同。

1.2.3草地类型数据 本研究基于Global Land Cover 2000植被分类系统来提取我国北方草地覆被。(GLC2000)产品(http://bioval.jrc.ec.europa.eu/products/glc2000/data_access.php) 空间分辨率为1 km。与其他植被分类数据相比，GLC2000产品分类精度更高，草地精度高达66.95%[22]，同时与我国的2000年1∶10万土地分类数据面积一致性较高，在该分类法下，我国草地被具体分为高山亚高山草甸、坡面草地、平原草地、荒漠草地、草甸、高山亚高山草地6种类型[20]。

1.2.4DEM高程数据 DEM高程数据为地理空间数据云(http://www.gscloud.cn)所提供的GDEM-DEM产品，数据分辨率为30 m×30 m，利用Arcgis10.2通过最邻近法将数据分辨率重采样为1 km×1 km与其他数据一致。

1.2.5实测数据 本研究采取用生物量换算为NPP值以检验模型的精度。野外实测数据采自黄土高原、青藏高原、内蒙古等地。每个样地中选择地势平坦、植被均匀分布处布设1 m×1 m的样方，并做5个重复。对53个样地的草本样方进行齐地收割，用70℃的恒温烘箱烘干至恒重，并称量干重，计算获得NPP实测值。

表1 采样点信息Table 1 Basic information of sampling points

续表1

续表1

1.3 研究方法

1.3.1草地NPP估算 本研究采用光能利用率模型(Carnegie-ames-stanford approach，CASA)模拟我国北方地区草地NPP，CASA模型是基于光能利用率原理的过程模型，模型通过遥感数据中提取的植被指数来估算太阳辐射中被植被吸收的光合有效辐射(Absorbed photosynthetically active radiation，APAR)，结合植被对于到达地表的光合有效辐射的利用效率(ε)来估算植被干物质的增加量(NPP)。CASA模型所估算的植被净初级生产力可以由植被吸收的光合有效辐射(APAR)和光能利用率(ε)两个变量来确定，其估算公式如下[20]：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

式中，APAR(x，t)表示像元x在t月份吸收的光合有效辐射(MJ·m-2)，(x，t)表示像元x在t月份的实际光能利用率(gC·MJ-2)。

光能利用率(ε)指植物将所吸收的光合有效辐射(APAR)转化为有机碳的效率，主要受温度和水分的影响，计算式如下：

ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax

(2)

式中，Tε1(x,t)和Tε2(x,t)表示温度对光能转化率的影响，具体计算方法参见文献[23]，为水分对光能利用率的影响，εmax表示在理想状态下植物的最大光能利用率，取值因类型而异，本文取值与前人研究保持一致，取值为0.542 gC·MJ-1[16]。

1.3.2主要统计分析方法

(1) 趋势分析

本研究基于最小二乘法对NPP及气象因子在时间维度上进行一元线性拟合，来分析NPP和气象因子在象元尺度上的时空变化率，计算公式如下：

(3)

式中：Slope表示斜率，i为研究年限，Vari为第i年的研究变量，主要包括NPP和各个气象因子。以NPP在时间序列上的变化为例，Slope为负表示NPP呈现下降的趋势，反之则表示NPP呈现上升趋势。通过F检验对各个变量在时间序列上变化的显著性进行分析，并根据F检验值，将变化趋势分为6个等级[20]：(1)极显著减少(Slope<0，P<0.01)；(2)显著减少(Slope<0，0.010.05)；(4)不显著增加(Slope>0，P>0.05)；(5)显著增加(Slope>0，0.010，P<0.01)。

(2)变异系数法

变异系数能反映数据的相对波动程度，因此本研究采用变异系数分析草地NPP的稳定性，公式具体如下[20,24]：

(7)

(3) Hurst指数法

Hurst指数能够定量表示时间序列数据的持续性特征，利用R/S分析法估算Hurst指数，从而分析草地NPP的持续性。Hurst指数的分布范围处于0～1之间，通常有以下3种情况：0

(4)变量间相关分析

本研究采用Pearson相关系数研究两变量在给定时间序列上的相关性。变量温度或降水量的相关系数计算公式如下：

(8)

式中：r为x,y两变量的相关系数，xi为第i年的变量，yi为第i年的温度或降水量。

2 结果与分析

2.1 CASA模型的验证

将NPP实测值与NPP模拟值进行对比分析，模拟值与实测值极显著相关(R2=0.69,P<0.0001)，结果表明相对误差[(模拟值—实测值)/实测值]在0.01%～4.31%，以上验证表明该模型具有高精度和高可靠性，适用于估算我国北方草地NPP。

2.2 我国北方草地NPP年际变化及空间分布特征

2000—2015年间我国北方地区草地NPP均值为191.40 gC·m-2·a-1，总体呈现增长趋势，且上升趋势显著(P<0.01)，平均变化率为2.55 gC·m-2·a-1(图3)。其中，2001年草地NPP均值的最低，仅为157.65 gC·m-2·a-1，2013年草地NPP均值到达峰值，达219.17 gC·m-2·a-1。

图2 草地NPP实测值与模拟值Fig.2 Comparison of grassland NPP measured values and simulation values

图3 2000—2015年我国北方地区草地NPP年际变化Fig.3 Inter-annual variation of grassland NPP in Northern China during 2000 to 2015

2000—2015年间我国北方地区草地NPP分布明显具有空间异质性，大体呈现东北向西北降低的趋势。草地NPP年均值大于400 gC·m-2·a-1的区域主要集中在甘肃南部、陕西南部地区，在内蒙古东北部、新疆伊宁和黑龙江省东北部也有零星分布。NPP年均值在300～400 gC·m-2·a-1的区域主要分布在青海东部、甘肃西南部和陕西中部部分地区，NPP年均值在200～300 gC·m-2·a-1的区域主要分布在青海省东部、内蒙古东北部和河北省西北部等地。草地NPP年均值在100～200 gC·m-2·a-1的区域所占比例较大，主要集中在内蒙古中部、宁夏自治区中西部、甘肃中部和青海南部部分地区，另在新疆北部也有分布。草地NPP年均值低于100 gC·m-2·a-1的地区主要分布在青海省西部以及内蒙古中部等地。

图4 2000—2015年我国北方草地平均NPP的空间分布特征Fig.4 Spatial distribution of mean grassland NPP in Northern China during 2000—2015

我国北方草地NPP主要呈增长趋势，占北方地区草地总面积的80.65%。总体来看，草地NPP增长率较高的地区集中在甘肃省南部及东部、宁夏南部、陕西南部及北部和内蒙古东北部地区，新疆北部也有少许分布。而草地NPP减少明显的地区所占比例较小，主要分布在新疆北部和内蒙古中部地区(图5a)。通过对我国北方草地NPP变化趋势进行显著性检验，表明全区草地NPP呈极显著减少(P<0.01)和显著减少(P<0.05)的区域较小，分别占研究区草地总面积的0.22%和0.69%，而草地NPP呈极显著增加(P<0.01)和显著增加(P<0.05)的区域分别占研究区的6.69%和14.11%，主要分布在青海东部、甘肃南部和陕北地区，此外，在新疆北部和陕南也有局部分布。而其余大部分地区草地NPP的变化特征并不显著。

图5 2000—2015年我国北方草地NPP空间动态及显著性检验Fig.5 Spatial dynamics of grassland NPP in Northern China and significance test from 2000 to 2015

2.3 不同草地类型NPP变化趋势

2000—2015年不同草地类型NPP变化趋势如图6所示。总体来看，6类草地NPP年均值分别为坡面草地(309.62 gC·m-2·a-1)>草甸(220.89 gC·m-2·a-1)>平原草地(174.60 gC·m-2·a-1)>高山亚高山草甸(157.04 gC·m-2·a-1)>荒漠草地(125.94 gC·m-2·a-1)>高山亚高山草地(65.55 gC·m-2·a-1)。不同草地类型的NPP均表现为波动增加的变化趋势，其中，增长率最高的是坡面草地(4.04 gC·m-2·a-1，P<0.01)，其次为平原草地和高山亚高山草甸，变化率分别为为1.91 和1.62 gC·m-2·a-1(P<0.01)。草甸增势较为缓慢(0.90 gC·m-2·a-1，P<0.05)。不同草地NPP变化显著性的面积比例如表2所示，6种草地类型均以未显著增加为主。其中，NPP极显著增加面积最多的是坡面草地(24.41%)，显著增加面积最多的为高山亚高山草地(29.04%)；而极显著增加和显著增加面积最少的均为草甸，面积比例分别为3.01%和6.67%。对我国北方不同草地类型而言，NPP呈现减少的面积所占比例均较小，其中显著减少面积最多的为荒漠草地(1.07%)，其次为平原草地(1.00%)，显著减少面积最少的是高山亚高山草地(0.14%)。

表2 我国北方地区不同草地类型NPP变化的显著性Table 2 Statistic results of significant test of grassland NPP changes of different grassland types

图6 2000—2015年我国北方地区不同草地类型NPP的年际变化趋势Fig.6 Inter-annual changes of NPP in different grassland types during 2000—2015

2.4 我国北方草地NPP稳定性分析

NPP变异系数分析表明(图7)，我国北方大部分地区草地NPP处于中等波动状态(0.10

图7 2000—2015年我国北方草地NPP变异程度Fig.7 Variation degree of grassland NPP in Northern China from 2000 to 2015注：低波动(Cv≤0.05)，较低波动(0.050.20)Note:Less fluctuation(Cv≤0.05);Low fluctuation (0.050.20)

2.5 草地NPP持续性分析

2000—2015年间我国北方草地NPP的Hurst指数均值为0.52。其中，Hurst指数大于0.5的区域面积比例为57.52%，表明我国北方草地正向持续性相对较强，大部分区域的草地NPP变化趋势将与过去保持一致(图8a)，而Hurst指数低于0.5的区域面积占全区草地面积的42.48%。Hurst指数低于0.15的地区集中分布在青海省南部、内蒙古中部和新疆北部局部地区，呼伦贝尔地区和黑龙江北部也有少许分布，而Hurst指数较高的地区主要分布在黄土高原西部及北部、新疆北部和内蒙古中部部分地区。

通过将我国北方草地NPP变化趋势与草地NPP的Hurst指数空间分布进行叠加，得到表征北方草地NPP未来变化趋势及持续性的耦合图(图8b，表2)。具体来看，草地NPP由增加趋势转变为极显著和显著减少的区域面积所占比例最小，分别为0.05%和0.03%，零星分布在新疆中部地区；由减少转为显著和极显著增加的面积比例分别为3.52%，0.12%，主要分布在青海省南部地区；持续且极显著减少和显著减少的地区总面积比例不到1%，分别占我国北方草地总面积的0.18%，0.67%，主要分布在新疆北部，内蒙古中部和黑龙江省东部及西南局部地区也有少许分布；显著和极显著增加且持续的区域面积所占研究区草地总面积的比例分别为10.59%和6.58%，主要分布在青海省东部及南部，黄土高原中部及新疆北部地区，新疆西部、青海省西北部和我国东北地区也有零星分布。

图8 2000—2015年草地NPP的Hurst指数分布及NPP趋势与Hurst指数耦合的空间分布特征Fig.8 Spatial dynamics of grassland NPP and significance test from 2000 to 2015注：I，极显著减少且持续；II，显著减少且持续；III，极显著减少且反持续；IV，显著减少且反持续；V，未显著变化且反持续；VI，显著增加且反持续；VII，极显著增加且反持续；VIII，未显著变化且持续；IX，显著增加且持续；X，极显著增加且持续Note:I,Extremely significant decrease and persistence;II,Significant decrease and persistence;III,Extremely significant decrease and counter persistence;IV,Significant decrease and counter persistence;V,No significant change and counter persistence;VI,Significant increase and counter persistence;VII,Extremely significant increase and counter persistence;VIII,No significant change and persistence;IX,Significant increase and persistence;X,Extremely significant increase and persistence

表3 草地NPP预测统计Table 3 Statistic results of the predicted grassland NPP

2.6 草地NPP与气象因子间的关系

2000—2015年间，我国北方地区的气温总体呈现出下降趋势，变化率为0.03℃·a-1，而降水则呈现上升趋势，变化率为3.46 mm·a-1(图9a)。我国北方草地NPP变化趋势与降水变化趋势呈显著的正相关关系(R2=0.57，P<0.01)，与气温变化呈不显著的负相关关系(R2=0.22，P=0.065)(图9b)。从我国北方草地NPP与气温降水相关性的空间分布图来看(图10)，我国北方草地NPP与气温呈现极显著和显著正相关的区域所占面积极少，总面积比例为0.009%，而与气温呈极显著负相关和显著负相关的区域面积比例分别为0.34%和1.05%，主要分布在青海省东部和内蒙古东北部地区，说明该地区草地的NPP会因气温的升高而下降。我国北方草地NPP与降水呈现极显著正相关和显著正相关的面积分别占研究区草地总面积的12.41%和18.00%，主要分布在甘肃中部、宁夏中部、内蒙古中部及东北部，新疆北部和黑龙江省局部地区也有分布，草地NPP与降水呈现负相关的区域面积比例为17.92%，集中分布在青海省南部地区和新疆北部局部地区。

图9 2000—2015我国北方草地NPP和温度、降水的年际相关性Fig.9 Inter-annual correlation of grassland NPP,temperature and precipitation in northern China from 2000 to 2015

我国北方不同草地类型对气温与降水的响应具有高度一致性，6种草地类型的NPP均与气温呈负相关关系，其中荒漠草地、平原草地和草甸的相关性达到显著水平(P<0.05)，负相关系数分别为0.53，0.51和0.50。而6种草地类型的NPP与降水均呈现正相关关系，其中，除高山亚高山草甸和高山亚高山草地外，其余4种草地类型与降水的相关性均达到极显著水平(P<0.01)，且均大于0.7(图11)。总体来看，我国北方草地NPP与气温呈负相关关系，负相关系数为0.47，与降水呈极显著正相关关系，相关系数为0.76，这表明降水对我国北方草地的NPP影响更大。

图11 不同草地类型与年均温和年总降水量的相关系数Fig.11 Correlation coefficient between grassland NPP，temperature and precipitation

3 讨论

本研究基于CASA模型模拟的我国北方草地NPP均值为191.40 gC·m-2·a-1，与沈贝贝等[26]模拟的呼伦贝尔草原NPP值及刘洋洋等[20]估算的2000—2015年我国草地NPP值大体一致，但是明显低于孙成明等[27]基于MODIS对我国南方草地NPP的模拟以及周伟等[16]对1982—2010年中国草地NPP的估算，可能是由于研究区或者研究期限的不同造成的。此外，本研究利用CASA模型估测草地NPP，其中最大光能转化率ε的取值仍存在争议，现在较为认同的全球通用值为0.389 gC·MJ-1[4]，Paruelo等[28]认为ε可达2.16 gC·MJ-1，Raymood等[29]则认为ε值为3.5 gC·MJ-1，Zhu等[30]根据中国实测NPP数据模拟各植被类型的最大光能利用率，其中草地的为0.542 gC·MJ-1，本研究参照了这一结果对我国北方草地NPP进行了模拟，与实测值相比模拟的NPP值略高，因此后续研究中，应针对最大光能转化率深入研究，探究出更适合我国北方草地NPP的最大光能转化率参数。

在当前全球气候变暖的大环境下，植被活动因气候变化发生显著改变，植被活动是综合表征植物功能结构的概念，植被生产力就是其中之一[31]。研究发现全球局部植被覆盖度由于气候变暖已发生显著变化，北半球的中高纬度地区植被活动显著增强，我国的大部分地区植被活动也呈增强趋势[32]。本研究发现2000—2015年间我国北方地区草地NPP呈增长趋势，不同草地的NPP也均呈增长趋势，且坡面草地的增加趋势最为明显，与赵伟等[21]的结论相吻合。空间分布上，我国北方草地NPP呈现东北高西北降低的格局，可能是由于地域的降水量不同，且不同的水热组合条件会导致草地NPP空间分布上的差异[20]，在同一热量带下我国北方的降水量由东部向西部、南部向北部递减，因此我国北方草地NPP的低值集中在西北地区[9]，NPP高值主要集中在甘南、陕南。此外，我国北方草地NPP显著增加的区域主要分布在青海东部、甘肃南部和陕北地区，且Hurst指数表明该区域的草地NPP将持续增加，也表明1999年以后我国实施的退耕还林还草等生态恢复措施对该地区的草地生长具有积极的作用[33]。

本研究表明，我国北方大多数地区草地NPP与降水呈正相关，且6种草地类型的NPP与降水均呈现正相关关系，说明降雨是影响我国北方草地NPP的主要限制因子[21]。我国北方地区主要为干旱半干旱生态系统，水分是草地生物生命活动和草地NPP变化最主要的限制因子，主导限制着我国北方草地NPP的动态格局[24]。与降水呈现负相关的区域主要分布在青海省南部地区，该地区海拔较高，草地生长的主要限制因素是太阳辐射和气温，植被光合作用所需的太阳辐射会因降水量的增加受到影响，从而导致草地NPP下降[34]。我国北方草地NPP与气温呈负相关关系，6种草地类型的NPP均与气温呈负相关关系，可能是由于我国北方大部分处于干旱半干旱地区，降水较少，气温的上升将加快蒸散发从而进一步加剧干旱的发生[35]，进而导致使土壤变干，植被的蒸散加强，促使植物光合速率下降，草地生产力不断降低[36]。除水热因素外，草地植被生长状态与草地管理措施有关，张军等[37]研究发现降水不影响重度放牧对内蒙古荒漠草原植物群落特征的负效应，刘洋洋等[20]的研究结果表明退耕还草等生态工程的实施过度以及过度放牧的改善对于近年来草地NPP的增加具有重要作用。

本研究探讨了2000—2015年间我国北方草地NPP时空动态特征、NPP的稳定性与持续性特征及草地NPP与气象因子间的关系，但仍存在以下不足：本文仅探讨了我国北方草地NPP与气候因子间的响应，并未研究地形因素、人为因素等其他因素对我国北方草地净初级生产力造成的影响。后续的研究建议充分考虑地形地貌、土壤养分、人类活动等因素对我国北方草地NPP的影响。

4 结论

2000—2015年间我国北方地区草地NPP呈显著增长趋势，NPP显著增加的区域集中在青海东部、甘肃南部和陕北地区，新疆北部草地NPP明显减少。不同类型的草地NPP均呈波动增加的趋势，坡面草地增长率最高，草甸增势较为缓慢。新疆中部及北部，内蒙古中部的草地NPP在未来呈显著减少的趋势，而青海省南部及东部，黄土高原中部及新疆北部地区的草地NPP将持续显著增加，我国北方草地NPP与气温呈负相关关系，与降水呈显著正相关关系，降水的增加以及生态工程的实施对我国北方草地NPP的增加具有积极的作用。