基于多源GPP和ET产品的秦岭生态系统水分利用效率研究

黄 卓， 曹银轩， 徐喜娟， 陈 上， 冯 浩， 王 钊， 于 强3,， 何建强,

(1.西北农林科技大学旱区农业水土工程教育部重点实验室，陕西 杨凌 712100；2.西北农林科技大学中国旱区节水农业研究院，陕西 杨凌 712100；3.中国科学院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室，陕西 杨凌 712100；4.陕西省气象局秦岭和黄土高原生态环境气象重点实验室，西安 710016)

秦岭长期以来被认为是中国东部重要的南北气候分界线，即亚热带和暖温带分界线，是研究全球气候变化与区域适应的优势地域，也是新时期全球气候变化研究的典型区域。生态系统水分利用效率(water use efficiency,WUE)指生态系统每消耗单位质量的水所固定的干物质的量，是深入理解生态系统水、碳循环耦合关系的重要指标。生态系统水分利用效率可被定义为生态系统总初级生产力(gross primary productivity，GPP)与总蒸散量(evapotranspiration，)的比值。探究秦岭生态系统水分利用效率对于研究秦岭区域碳水关系及其对气候变化的响应具有重要意义。

生态系统总初级生产力(GPP)是指绿色植物单位时间内在单位面积上通过光合作用所固定的碳量，是生态系统碳循环的基础，也是进入生态系统的初始能量和物质。蒸散量()是植被蒸腾、土壤蒸发和被林冠截留的雨、雾和露水蒸发的总和，是全球水循环以及地球表面能量平衡的关键组成部分。为了解碳水循环的变化，需要对GPP和进行准确测量。目前主要是通过建立通量塔，使用涡度相关技术(eddy covariance，)对GPP和进行准确而连续的观测。但是全球范围内的通量塔数量有限且分布不均，例如秦岭区域目前只有一座通量塔，难以覆盖整个区域且通量数据不向普通用户公开，因此难以直接通过通量观测数据来研究秦岭区域生态系统的WUE。

近年来，随着遥感观测技术和生态模型的发展，许多全球和区域尺度的GPP和估算产品被开发出来，其中GPP产品主要包括：基于现有FLUXNET通量数据进行插值和放大的FLUXNET产品；基于遥感数据，以光能利用效率(light utilization efficiency，LUE)模型为核心的VPM、GOSIF等产品；利用机器学习技术，结合遥感数据和通量观测数据的RF产品；以遥感气象数据为基础，结合基于过程的陆地表面模型产生的PML-V2产品等。而产品主要包括：基于地表能量平衡、Penman-Monteith方程、Priestley-Taylor公式等的Terra Climate、GLEAM和Global等产品；采用非线性互补关系模型的CR产品；集成多种机器学习算法的China ET产品；以及结合遥感数据和陆地表面模型的PML-V2产品等。李明旭等使用来自美国气候模式诊断和对比计划委员会数据库的粗分辨率GPP、等年值产品，对秦岭区域生态系统的GPP、及WUE变化进行了分析和预测，受限于时间和空间分辨率的限制，没有进行区分植被类型的细化分析研究。尽管目前已经有多种GPP和产品可供用户使用，但没有一种产品是纯粹来源于观测数据。由于输入数据、算法和校准系数的差异，不同产品对不同区域或植被类型GPP和的估算结果可能会存在较大差异，单一的GPP和产品不能很好地表征所有生态系统类型的碳水关系，所以在进行不同类型生态系统研究时，应仔细选择合适的GPP和产品。

本研究收集了目前已经公开发表且易于获取的9种GPP产品和9种产品，以及全国公开的8个通量站观测数据进行对比分析。研究目的包括：(1)对收集的GPP和产品在不同植被覆盖类型下进行可靠性评估；(2)基于多种GPP和产品，依据评估结果构建秦岭区域的GPP和组合数据集，为秦岭生态系统研究提供可靠的数据支撑；(3)基于所得的GPP和的组合数据集，研究秦岭区域不同植被覆盖类型下的生态系统水分利用效率WUE。

1 材料与方法

1.1 研究区概况

秦岭是横跨于我国中部，东西走向的巨大山脉，西起于甘肃临潭北部的白石山，向东经天水南部的麦积山进入陕西，在陕西与河南交界处分为崤山(北支)、熊耳山(中支)和伏牛山(南支)，东西绵延约1 600 km，南北宽100～300 km，海拔95～3 771 m(图1)。

图1 秦岭区域地理位置

秦岭是我国亚热带与暖温带以及亚热带季风气候与温带季风气候的分界线，北邻渭河，南接汉江，山地水量充沛，年均降水量在600～1 200 mm，但降水变率较大，季节分配不均匀。北坡干燥、南坡湿润，气候差异明显，其高耸的山峦对气候流动产生明显的阻滞作用。

秦岭区域植被茂盛，森林覆盖率高，植被的垂直带谱完整，生物多样性极为丰富，包含山地落叶阔叶林、山地针阔混交林、山地常绿针叶林，以及亚高山、高山草甸、灌丛等多种不同植被类型。这些都使得其在水源涵养、生态保护和自然科学研究上具有重要意义。

1.2 GPP和ET产品

本研究收集的9种GPP产品(表1)，包括：(1)由叶绿素荧光(SIF)数据反演得到的GOSIF GPP产品；(2)基于FLUXNET数据，使用随机森林放大而来的RF GPP产品；(3)由近红外反射率(NIRv)数据反演得到的NIRv GPP产品；(4)基于卫星辐射产品反演得到的GLASS GPP产品；(5)基于改进的光能利用率模型得到的VPM GPP产品；(6)采用贝叶斯集成方法集成多种光能利用率模型得到的AVHRR GPP产品；(7)基于MODIS的不同传感器结合光能利用率模型得到的MOD17A2H GPP产品；(8)基于MODIS的不同传感器结合光能利用率模型得到的MYD17A2H GPP产品;(9)基于陆面过程模型结合遥感数据的PML-V2 GPP产品。

收集的9种产品(表1)，包括：(1)采用贝叶斯集成方法集成多种蒸散算法得到的AVHRR产品；(2)基于陆面过程模型结合遥感数据的PML-V2产品；(3)基于Penman-Monteith方程和MODIS遥感数据得到的MOD16A2 ET产品；(4)基于水量平衡模型和遥感数据得到的Terra Climate产品；(5)基于Priestley-Taylor方法得到的GLEAM ET产品；(6)基于Penman-Monteith方程和遥感数据得到的Global产品；(7)基于B-P神经网络融合多源遥感蒸散数据得到的BP产品；(8)采用非线性互补关系模型得到的CR产品；(9)集成多种机器学习算法改进基于过程的算法得到的China产品。

表1 研究所涉及的生态系统总初级生产力GPP和蒸散量ET产品信息

1.3 通量观测和植被覆盖数据

通量观测数据来源于中国通量网(http://www.chinaflux.org/)。本研究收集了全国8个生态系统定位研究站的逐月、逐日和每30 min的通量观测数据以及每30 min的常规气象数据(表2)。所得的通量数据包括：净生态系统碳交换量(net ecosystem exchange，NEE)、总生态系统呼吸(total ecosystem respiration，)、总生态系统碳交换量(gross ecosystem exchange，GEE)、潜热(latent heat，)、显热(sensible heat，)，以及温度等气象数据。本研究使用的中国1 km植被功能型图来自国家冰川冻土沙漠科学数据中心(https://www.ncdc.ac.cn/)，是根据土地覆盖与植被功能型转换的气候规则，对MICLCover土地覆盖图进行转换而获得的。

表2 本研究所涉及的全国8个生态系统定位研究站点信息

1.4 生态系统GPP、ET和WUE的计算

由于获取的产品最大时间分辨率为每月，因此需要通过通量观测数据计算GPP和的月值，计算公式为：

GPP=NEP+=-NEE+

(1)

式中:GPP为月累计GPP(g C/m)；NEP(net ecosystem productivity，NEP)为月累计净生态系统生产力(g C/m)，数值上等于-NEE；NEE为月累计净生态系统碳交换量(g C/m)；为月累计总生态系统呼吸(g C/m)；NEE和可以通过涡度相关系统直接观测。

(2)

(3)

式中：为月累计(mm);为每30 min的实际蒸散(mm);为每30 min的潜热通量(W/m)；为气温(℃)；为每月的天数。

生态系统水分利用效率WUE定义为GPP和的比值。

(4)

(5)

式中：WUE为生态系统逐月水分利用效率(g C/kg HO)；WUE为生态系统逐年水分利用效率(g C/kg HO)；GPP、分别为GPP和的月累计值(g C/m，mm)；GPP、分别为GPP和的年累计值(g C/m，mm)。

1.5 统计分析

本研究将获取的GPP和产品与全国8个生态系统定位研究站对应的通量观测数据进行对比分析，应用决定系数()和均方根误差(RMSE)2个统计指标来评估GPP和产品的精度，并优选出不同植被覆盖类型下的最优GPP和产品。此外，对秦岭区域2003-2016年的生态系统WUE数据进行逐格点线性回归，应用线性回归斜率()来表征WUE的变化趋势和幅度，值表示变化显著与否。同时应用峰度(Kurt；公式(6))描述WUE的季节变化，峰度值越小，表示数据分布状态平缓，年内变化不明显；峰度值越大，则表示数据分布状态陡峭，年内变化明显。

(6)

式中:Kurt为峰度；为数据标准差；为时间分辨率；为1年内月份数，=12。

1.6 秦岭区域GPP和ET组合数据集的构建

使用ArcGIS软件，将不同植被覆盖下效果最优的GPP和产品以及植被覆盖类型数据，统一重采样至空间分辨率为0.1°，时间分辨率计算至每月。然后根据秦岭区域植被覆盖分布，将不同植被覆盖类型下优选的GPP和产品进行逐格点组合，从而获得秦岭区域的GPP和优化组合数据集。

2 结果与分析

2.1 GPP产品的比较结果

本研究利用泰勒图展示了全国8个生态系统定位研究站9种GPP产品与实际观测值之间的和RMSE分布。由图2可知，GPP产品的估算精度随着通量站点和植被覆盖类型的不同而变化。在千烟洲站、长白山站、海北站以及当雄站，大多数GPP产品的分布在0.80～0.95，RMSE也都集中在60 g C/m以内，与观测值较为一致。而在禹城站、鼎湖山站以及西双版纳站，不同的GPP产品的精度呈现很大的差异。例如，在禹城站，不同GPP产品的分布在0.70～0.95，RMSE则分布在60～180 g C/m，不同GPP产品虽然可以较为准确地捕捉到实际GPP的总体变化，但存在不同程度的高估或低估现象；在鼎湖山站和西双版纳站，不同GPP产品的RMSE大多集中在60 g C/m以内，但普遍较低，分布在0.70以下，与禹城站相反，不同GPP产品可以较为准确地描述GPP观测值的范围，但不能很好地捕捉到实际GPP的变化趋势。在内蒙古站，不同GPP产品的估算精度接近，集中分布在0.40～0.70，RMSE也都集中在20～40 g C/m。

图2 2003-2010年GPP产品在生态观测站R2和RMSE分布泰勒图

进一步通过小提琴图(外部轮廓用于展示概率密度，内部箱线用于展示数据的分布)来分析GPP实测数据和产品数据的分布情况(图3)可以发现，森林和作物覆盖下生态站(千烟洲、长白山、禹城、鼎湖山、西双版纳)的GPP明显高于灌丛草甸和草原覆盖下的生态站(海北、当雄、内蒙古)，而且森林、草甸以及作物等不同植被类型分别呈现出不同的数据分布和概率密度特征。在千烟洲站、长白山站、海北站、当雄站以及内蒙古站，多数GPP产品呈现出与观测数据相似的数据和概率密度分布，少数产品存在高估或低估现象。在禹城站，部分产品的概率密度分布与观测数据相似，但几乎所有的产品均存在不同程度的低估现象。在鼎湖山站和西双版纳站，少数产品的数据和概率密度分布与观测数据相近，其他大多数产品的数据和概率密度分布与观测数据相差甚远。总之，可以发现，在常绿针叶林、落叶针阔混交林以及灌丛草甸等植被覆盖下，多数GPP产品能够呈现出与观测数据相近的效果，但是在其他的植被覆盖类型下只有少数GPP产品与观测数据较为相近。

图3 2003-2010年内实测GPP数据和GPP产品数据分布

因此，根据图2和图3优选出不同生态系统定位研究站不同植被覆盖类型下估算效果最好的GPP产品(表3)。进一步分析全部8个生态系统定位研究站内9种GPP产品的总体估算效果(图4)可以发现，VPM GPP产品和RF GPP产品的分别为0.831和0.819，RMSE分别为45.454，47.602 g C/m，明显优于其他7种产品。

图4 2003-2010年在生态观测站中通量观测GPP月值与GPP产品的关系

表3 全国不同生态系统定位研究站不同植被覆盖类型下GPP和ET产品的优选结果

2.2 ET产品的比较结果

类似地，本研究利用泰勒图来展示全国8个生态系统定位研究站内9种产品和观测值的和RMSE分布(图5)。可以看出，不同通量站点和植被覆盖类型下，不同产品的估算精度也不尽相同。在千烟洲站、长白山站、海北站以及当雄站，大多数产品的为0.70～0.95，RMSE也都集中在30 mm以内，可以较为准确地反映观测值的实际变化。在禹城站和鼎湖山站，多数产品的为0.50～0.85，RMSE则为15～30 mm，少数产品可以较为准确地反映观测值的实际变化，但是不同产品间的估算效果差异较大。在西双版纳站，不同产品的RMSE为20～45 mm，但普遍在0.7以下，不同产品间的估算效果差异较大，且整体精度较差。在内蒙古站，不同产品的普遍在0.6以下，RMSE都集中在30 mm以内，不同产品的估算效果接近，但普遍精度较差。

通过数据分布的小提琴图(图6)可以发现，China、PML-V2产品在大多数站点呈现出与观测数据相近的数据分布和概率密度；MOD16和BP产品在多数站点和观测数据有较大的差异，但BP产品在西双版纳站呈现出较好的精度。在千烟洲站、长白山站和禹城站，多数产品的数据分布特征与观测数据相近，但只有少数产品的概率密度与观测数据相近；在海北站、当雄站和内蒙古站，PML-V2和CR产品呈现出较好的估算精度，而GLEAM、BP和MOD16产品则呈现出明显的低估现象；在鼎湖山站和西双版纳站，大多数产品都存在整体高估现象。

进一步分析全部8个生态系统定位研究站内9种产品的总体估算效果(图7)可以发现，China产品和PML-V2产品的分别为0.709和0.672，RMSE分别为19.150，20.647 mm，明显优于其他7种产品。总之，与GPP产品类似，绝大多数产品在常绿针叶林、落叶针阔混交林以及灌草植被覆盖下，能呈现出与观测数据相近的估算效果，但是在热带雨林、草原植被覆盖下，几乎所有产品的估算效果均较差，只有少数产品能呈现出与观测数据较为相近的估算效果。因此，根据图5和图6，优选出不同生态系统定位研究站不同植被覆盖类型下估算效果最好的产品(表3)。

图5 2003-2010年ET产品在生态观测站的R2和RMSE分布泰勒图

图6 2003-2010年生态观测站内ET产品数据分布的小提琴图

图7 2003-2010年在生态观测站中通量观测ET月值与ET产品的关系

2.3 秦岭区域GPP和ET数据集的构建

利用ArcGIS软件重采样后可以发现，秦岭区域的主要植被覆盖类型为常绿针叶林、落叶阔叶林、灌丛草甸以及农作物，分别占秦岭区域总面积的10.1%，44.0%，16.9%，29.0%(图8a)。根据相似覆盖类型站点的优选结果，分别利用RF GPP、PML-V2 GPP、VPM GPP以及AVHRR GPP产品进行秦岭区域GPP组合数据集的构建。所构建的GPP组合数据集的空间分辨率为0.1°，时间分辨率为每月，时间范围为2003—2016年，其多年GPP平均值见图8b。类似地，分别使用PML-V2、China以及CR产品构建秦岭区域组合数据集。组合数据集的空间分辨率为0.1°，时间分辨率为每月，时间范围为2003—2016年，其多年平均值见图8c。

图8 秦岭区域植被覆盖类型以及组合数据集的多年平均GPPyear和ETyear空间分布

2.4 秦岭区域多年平均WUEyear的时空变化

2003—2016年秦岭区域多年平均WUE为1.31～3.95(图9a)，均值为2.56 g C/kg HO；空间上呈现出南部高于北部，西部高于东部的分布特征。落叶阔叶林的多年平均WUE较大(平均2.59)，其次是作物(2.54)、灌丛草甸(2.42)，以及常绿针叶林(2.40 g C/kg HO)。2003—2016年秦岭区域多年平均WUE的变化率为0.156 g C/(kg HO·10 a)；空间上，下降的区域集中在秦岭中部和东部部分区域，约占总面积的18%，其他区域大多呈现出上升趋势(图9b)。落叶阔叶林、作物以及常绿针叶林的多年平均WUE变化率均大于0，呈现上升趋势(<0.05)，其中落叶阔叶林的多年平均WUE变化率最大(为0.222)，其次为作物(0.184)、常绿针叶林(0.176)，而灌丛草甸的变化率为-0.089 g C/(kg HO·10a)。

图9 秦岭区域多年平均WUEyear、WUEyear变化率、变化率p值的空间分布

2.5 秦岭区域多年平均WUEmonth的变化趋势

秦岭区域1—3月的多年平均WUE比较小，小于2.0；从4月开始，北部和西南部区域开始逐渐升高；到5月，上升至2.5 g C/kg HO；但6月整体呈现小幅回落；随后7—9月，大部分区域多年平均逐月WUE达到最大值，部分区域在10月达到最大值；11—12月，由北向南开始迅速下降，整体下降至1月的水平(图10)。不同植被覆盖的多年平均WUE的季节变化也存在差异(表4)。落叶阔叶林和灌丛草甸的逐月WUE均在2.3以上，而常绿针叶林和作物的逐月WUE在2.0 g C/kg HO左右；从标准差来看，落叶阔叶林的标准差最小，常绿针叶林、作物以及灌丛草甸的标准差较大；从峰度来看，灌丛草甸最大，其次是落叶阔叶林，常绿针叶林和作物则较小，表明落叶阔叶林和灌丛草甸的逐月WUE变化特征明显。

表4 秦岭区域不同植被类型多年月平均WUEmonth 单位：g C/kg H2O

图10 秦岭区域多年月平均WUEmonth的空间分布

3 讨 论

3.1 不同GPP和ET遥感产品的对比分析

通过对比分析，本研究发现，大多数的GPP遥感产品在千烟洲、长白山、海北以及当雄站呈现出较高的估算精度和统计特征，在禹城站部分产品呈现出较好的估算精度，而在内蒙古、鼎湖山以及西双版纳站，大多数GPP遥感产品的估算效果都不太理想。整体而言，VPM GPP、RF GPP产品的估算精度较好，PML-V2 GPP产品次之。单良等研究发现，GPP产品在千烟洲、长白山以及海北站，与实测值对比时的较高，而在鼎湖山和禹城站的则明显小于另外3个站点。张心竹等对中国总初级生产力时空变化的研究也表明，GPP产品在不同通量观测站点的验证中，千烟洲、长白山、海北、当雄站的GPP产品效果明显优于内蒙古和禹城站。Pei等对比PML-V2 GPP和MODIS GPP、VPM GPP产品时发现，PML-V2 GPP和VPM GPP产品在不同区域互有优劣，但总体优于MODIS GPP产品，这与本研究的结论一致。

与GPP遥感产品类似，不同的遥感产品在千烟洲、长白山、海北、当雄生态站的估算精度和统计效果较好，在禹城站部分产品的估算精度较好，而在内蒙古、鼎湖山以及西双版纳站，不同遥感产品估算效果都不太理想。整体而言，China ET、PML-V2产品的估算精度和统计效果较好。在Ma等研究中，不同遥感产品在千烟洲、长白山以及海北都呈现出较好的估算效果，而在当雄和内蒙古站的估算效果稍差。Bai等在评价不同遥感产品在中国的应用效果时发现，3种不同遥感产品在长白山、海北以及当雄站的估算效果较好，在千烟州、禹城、鼎湖山站次之，在西双版纳站最差，这与本研究的结果类似。

Zhang等在GPP估算研究中考虑到了C植物和C植物在光合和呼吸作用方面的差异，发布了改进的VPM GPP产品。本研究也发现在禹城站VPM GPP产品明显优于其他产品。因此，大多GPP产品在禹城站呈现的明显低估问题，可能是因为没有考虑到玉米作为C植物与其他作物在光合和呼吸作用方面的差异。在鼎湖山和西双版纳站，由于纬度低，季节变化不明显，植被全年处于生长季，因此逐月的GPP与变幅相对较小，不易捕捉，因此造成大多GPP遥感产品在这2个站只能较为准确地描述观测值的范围，但不能很好地捕捉到观测值随时间的变化。

3.2 秦岭区域GPP和ET组合遥感产品评价

基于本研究构建的秦岭区域GPP组合数据集，可以发现，秦岭区域2003—2016年平均GPP的变化范围为661.01～2 115.88，平均值为1 489.95；落叶阔叶林覆盖区域的多年平均GPP最高(1 642.88)，其次是常绿针叶林(1 475.75)，灌丛草甸(1 377.52)，以及作物(1 329.64 g C/m)。张心竹等对中国总初级生产力时空变化的遥感研究表明，秦岭区域的GPP多年均值应为1 500，农业区GPP多年均值应在800～1 500 g C/m。Zan等在研究中发现，中国年均GPP空间变异性大，由东南向西北、由沿海向内陆递减，在西南向东北一带地区的森林中很高(>1 000)，在东南沿海地区超过2 500 g C/m。Zhang等在研究东亚地区生产力分布时发现，在中国中部、南部、东南部和东北部地区、朝鲜半岛及日本，年均GPP在1 000～2 000 g C/m。此外，以往的研究发现，落叶阔叶林的年均NPP为624～824，作物为606～742，常绿针叶林为486～510，灌丛草甸为362～648 g C/m(一般GPP∶NPP的比值以2∶1计)。本研究得到的秦岭区域不同植被类型多年平均GPP大体与相关研究结果的范围一致，但灌丛草甸年均GPP偏大，可能是因为灌丛草甸区域下垫面条件不均一，包含了稀树、矮树以及落叶阔叶灌丛等年均GPP相对较大的植被；常绿针叶林年均GPP也偏大，这可能是由于秦岭区域常绿针叶林占比小，多稀疏分布在落叶阔叶林中，所以导致了估算的年均GPP偏大。

基于构建的秦岭区域组合数据集可以发现，秦岭区域2003—2016年平均范围为267.10～711.86，平均值为588.49；落叶阔叶林覆盖区域的多年平均最高(631.33)，其次是常绿针叶林(614.91)、灌丛草甸(571.61)以及作物(525.19 mm)。以往的研究发现，中国华中、华北区域的为400～650 mm。周蕾等将中国陆地生态系统蒸散划分为3个阶梯，秦岭区域位于第1，2阶梯之间，多年平均为300～700，部分区域>700 mm，而且在森林生态系统中，落叶阔叶林的年平均大于常绿针叶林。郭瑞萍等研究中国森林、草地、农田等3种生态系统的多年平均蒸散发现，森林的蒸散分布在547～926，农田在454～705，草地约为404 mm，并且处于同一气候带气候条件相似的不同植被蒸散量比较接近。本研究的结果与以往生态系统蒸散的研究结果相近，但不同植被覆盖区域之间的差异不如其他他究明显，这可能是因为秦岭区域降雨量充足，且区域气候条件差别不明显，所以蒸散量相对较为接近。

3.3 秦岭区域生态系统WUE变化分析

在以往关于生态系统WUE的研究中，仇宽彪发现，在东北大兴安岭、秦岭等陕甘山地，以及东南丘陵部分地区的多年平均WUE相对较大，可达到2.0 g C/kg HO，与本研究的研究结果相近。蒋冲等在研究气候变化对秦岭南北植被净初级生产力时发现，秦岭区域多年平均WUE为0.74～1.25 g C/kg HO，由南向北递减，WUE平均倾向率为0.12 g C/(kg HO·10 a)，总体呈现不显著的上升趋势。该研究的多年平均WUE分布、变化率以及变化趋势均与本研究结果相近，但多年平均WUE值差异较大。这可能是由于该研究使用NPP计算WUE(GPP∶NPP的比值一般以2∶1计)，经过折算后则与本研究结果相近。Law等使用GEP和ET计算了生态系统的WUE，结果表明，除冻原植被外，其他生态系统的多年平均WUE差异不大，落叶阔叶林约为3.42，草地约为3.39，农田约为3.06，常绿阔叶林约为2.43 g C/kg HO，各类生态系统多年平均WUE的大小关系也与本研究通过GPP和计算得到的结果相近。

冯丽丽在对北半球主要生态类型植被水分利用效率WUE的变化研究中发现，针叶林、落叶阔叶林、湿地的WUE都呈上升趋势，草地、混交林的变化趋势不明显，而灌丛、农田呈下降趋势，并且WUE的季节变化呈现出与本研究相似的趋势。刘宪锋等在研究中也发现，常绿针叶林、落叶针叶林、农田、稀疏草原、稠密灌丛、落叶阔叶林等植被类型的WUE年内变化通常呈现出“双峰”模式，峰值主要分布在4—5，9—10月。在本研究中，秦岭区域多年平均WUE的分布以及年际变化同以往的研究相似，季节变化也呈现出与全国其他区域相近的趋势。但秦岭区域不同植被类型的年均WUE差别不大，且整体略高于全国水平，这可能是由于秦岭区域面积相对较小，区域总体气候条件区别不大，数据集的分辨率低不能对各种植被类型进行精确区分造成的。

4 结 论

(1)在我国不同生态系统定位研究站不同植被覆盖类型下效果最优的GPP遥感产品分别是RF GPP(常绿人工针叶林)、PML-V2 GPP(落叶阔叶红松林)、VPM GPP(轮作作物)、AVHRR GPP(金露梅灌丛草甸)、MYD17A2H GPP(草原化草甸)、RF GPP(常绿阔叶林)、RF GPP(草原)、VPM GPP(热带季节雨林)，总体效果最优的是VPM GPP产品。

(2)在我国不同生态系统定位研究站不同植被覆盖类型下效果最优的遥感产品分别是 PML-V2(常绿人工针叶林)、PML-V2(落叶阔叶红松林)、China(轮作作物)、CR(金露梅灌丛草甸)、CR(草原化草甸)、GLEAM(常绿阔叶林)、China(草原)、GLEAM(热带季节雨林)，总体效果最优的是China产品。

(3)2003—2016年秦岭区域多年平均GPP范围为661.01～2 115.88，平均值为1 489.95 g C/m，由北向南逐渐上升；不同植被类型的年平均GPP表现为落叶阔叶林>常绿针叶林>灌丛草甸>作物。年平均范围为267.10～711.86，平均值为588.49 mm；不同植被类型的年平均表现为落叶阔叶林>常绿针叶林>灌丛草甸>作物。

(4)2003—2016年秦岭区域年平均生态系统水分利用效率WUE为1.31～3.954，均值为2.56 g C/kg HO，呈现南部高于北部、西部高于东部的空间分布特征；年平均WUE的变化率为0.156 g C/(kg HO·10 a)，总体呈现上升趋势；不同植被类型的年平均WUE表现为落叶阔叶林>作物>草甸>常绿针叶林；多年平均逐月WUE值的变化呈现出较为明显的“双峰”模式，落叶阔叶林和灌丛草甸的年平均WUE值呈现较为明显的季节变化。

本研究评价了多种GPP和遥感产品在我国不同生态系统定位研究站不同植被覆盖类型下的估算精度和统计特征，为研究不同类型生态系统提供了可能的GPP和遥感产品。根据评价结果优选不同植被类型下的GPP和遥感产品，并据此来构建GPP和遥感产品组合数据集，从而为在缺少观测数据的区域进行生态系统碳水关系研究提供了新的数据来源和研究思路。