地形對(duì)新疆昌吉州草地凈初級(jí)生產(chǎn)力分布格局的影響

杜夢(mèng)潔，鄭江華，2，*，任 璇，蔡亞榮，穆 晨，閆 凱

1 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 830046 2 綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830046 3 新疆維吾爾自治區(qū)草原總站，烏魯木齊 830001

草地是主要的陸地生態(tài)系統(tǒng)之一，并且在全球碳庫計(jì)算和生態(tài)系統(tǒng)功能評(píng)價(jià)領(lǐng)域中占有重要的地位[1]。新疆作為全國(guó)五大牧區(qū)之一，草地除具備一定的生態(tài)功能和經(jīng)濟(jì)效益以外，在畜牧業(yè)中的經(jīng)濟(jì)職能更不容忽視[2]。然而近年來由于人類對(duì)草地資源的不合理開發(fā)利用、資源重組，草地資源呈現(xiàn)出嚴(yán)重退化、沙化，致使草地生態(tài)本底愈加脆弱[3]。植被是草地生態(tài)系統(tǒng)中的重要組成部分，在區(qū)域尺度的氣象變化中扮演重要角色，因此植被常被視為草地生態(tài)系統(tǒng)探究的基礎(chǔ)[4]。

凈初級(jí)生產(chǎn)力(Net Primary Productivity, NPP)是指綠色植物在單位面積單位時(shí)間所積累的有機(jī)物能量，即去處呼吸消耗后的光和能量創(chuàng)造出的有機(jī)質(zhì)剩余量[5]，既是反映氣候變化的重要參考因子，也是反映草地健康狀況的重要衡量指標(biāo)[6]。草地NPP的研究方法多樣，其中比較傳統(tǒng)的運(yùn)算方法是站點(diǎn)實(shí)測(cè)法，該方法基于站點(diǎn)實(shí)測(cè)數(shù)據(jù)，經(jīng)過參數(shù)換算后得到該地區(qū)的生產(chǎn)力[7]，雖然該方法操作簡(jiǎn)單，但對(duì)人力和物力的要求比較高，除了對(duì)研究區(qū)草地產(chǎn)生不同程度的破壞以外，用地上生物量計(jì)算得到的生物量，其精度存疑[8]。在各國(guó)學(xué)者及國(guó)際生物學(xué)計(jì)劃(IBP,1965—1974)推動(dòng)下，目前用于NPP計(jì)算的模型主歸為三大類：氣候相關(guān)模型、過程模型和光能利利用率模型[9- 12]。與其他兩大類模型相比，光能利用率模型以其參數(shù)少且其參數(shù)與植被生理特征相關(guān)性強(qiáng)等的優(yōu)點(diǎn)，受到國(guó)內(nèi)外專家學(xué)者的認(rèn)可，隨著以CASA(Carnegie-Ames-Stanford Approach)模型為代表的光能利用率模型的興起，更多的專家學(xué)者開始使用這種方法進(jìn)行針對(duì)性研究[13]，F(xiàn)ield在1995年對(duì)于CASA模型中的主要參數(shù)進(jìn)行修訂并在當(dāng)?shù)匮芯恐械玫娇煽康难芯砍晒鸞14]，Running等則使用過程模型BIOME-BGC估算了各種植被的最大光能力利用率，在此基礎(chǔ)上改進(jìn)CASA模型投入使用[15]。相比于國(guó)外對(duì)于NPP的研究，國(guó)內(nèi)的研究起步比較晚，李文華于1978年分析了國(guó)內(nèi)外森林生態(tài)系統(tǒng)NPP的研究現(xiàn)狀，針對(duì)我國(guó)森林資源國(guó)情，提出了基于地帶特征及水熱條件的數(shù)學(xué)估算模型[16]。繼朱文泉等[17- 18]運(yùn)用CASA模型在全國(guó)尺度上計(jì)算了國(guó)內(nèi)陸地植被的凈初級(jí)生產(chǎn)力后該方法被大范圍應(yīng)用于全國(guó)各地植被凈初級(jí)生產(chǎn)力的估算當(dāng)中并取得了較為可靠的成果，其中穆少杰[13]和楊紅飛[1]就應(yīng)用CASA模型分別對(duì)內(nèi)蒙古及新疆的植被凈初級(jí)生產(chǎn)力進(jìn)行了估算和相關(guān)因子分析，進(jìn)一步闡明了CASA模型對(duì)小尺度研究具有一定的可靠性，其后成方妍等[19]以北京市為研究區(qū)對(duì)于遙感數(shù)據(jù)尺度問題進(jìn)行進(jìn)一步探討并計(jì)算對(duì)比NPP，這一研究不僅討論了模型參數(shù)調(diào)整也為NPP小尺度研究提供了先驗(yàn)知識(shí)。相較于常用的MODIS產(chǎn)品數(shù)據(jù)而言，基于Landsat得到的NDVI數(shù)據(jù)在分辨率上有很明顯的提升，而NDVI精度提升也將對(duì)模型運(yùn)算結(jié)果有助益。在已有研究中楊會(huì)巾等[20]發(fā)現(xiàn)分辨率為30 m的NDVI數(shù)據(jù)計(jì)算結(jié)果比990 m的NDVI數(shù)據(jù)計(jì)算結(jié)果高出5%，這在模型計(jì)算時(shí)的參量?jī)?yōu)化上提供了創(chuàng)新的可能。

談及凈初級(jí)生產(chǎn)力不可避免的需要討論NPP與地形引起的植被異質(zhì)性之間的關(guān)系，草地植被異質(zhì)性主要由群落尺度體現(xiàn)，而群落尺度的異質(zhì)性由地形對(duì)水熱條件的重新分配導(dǎo)致的土壤環(huán)境變化決定。因此，地形差異成為生產(chǎn)力格局研究中不可避免、影響深遠(yuǎn)的因素，但在現(xiàn)有研究中鮮少被充分重視[21],而新疆草地資源豐富且地形多變，就目前的研究而言地形作為影響植被生產(chǎn)力最主要的環(huán)境因素之一卻未被充分考慮，因此本研究將在CASA模型推算NPP的基礎(chǔ)上討論新疆昌吉州草地NPP與地形之間的關(guān)系，研究采用2000—2016年7月的Landsat數(shù)據(jù)與CASA模型相結(jié)合計(jì)算連續(xù)17年7月的NPP數(shù)值，將計(jì)算結(jié)果與昌吉州草地的DEM數(shù)據(jù)結(jié)合，提取海拔、坡度和坡向參數(shù)，分類討論這三個(gè)地形參數(shù)對(duì)NPP分布格局的影響。

1 研究區(qū)與方法

1.1 研究區(qū)概況

昌吉州位于新疆維吾爾自治區(qū)天山北麓，準(zhǔn)噶爾盆地南緣，地理位置為85°34′—91°32′E,43°06′—45°38′N(圖1)，總面積9.39萬km2。該區(qū)氣候?qū)俚湫偷拇箨懶愿珊禋夂颍湎臒釙円箿夭畲蟆Ｓ捎诘匦螚l件的影響，由南向北氣候差異較大，南部山區(qū)氣候特征明顯。夏季降水充沛，北部沙漠性氣候特征明顯，熱量條件充足。

圖1 研究區(qū)示意圖Fig.1 Location of study area

1.2 材料

遙感數(shù)據(jù)采用地理空間數(shù)據(jù)云(http://www.gscloud.cn)提供的 Landsat TM、Landsat 8oil數(shù)據(jù)，成像時(shí)間分別為2000—2016年6—7月，共114景影像，每10幅拼接裁剪后成為當(dāng)年遙感本底數(shù)據(jù)，缺失數(shù)據(jù)年份由相鄰且兩年度自然情況一致的年份補(bǔ)齊。7月月均降水量、7月月均溫及月太陽總輻射數(shù)據(jù)采用中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)的站點(diǎn)數(shù)據(jù)，通過整理插值形成氣象本底數(shù)據(jù)。草地類型圖采用分辨率為1000 m的GLC2000數(shù)據(jù)。

1.3 研究方法

1.3.1 遙感數(shù)據(jù)處理

首先對(duì)獲取遙感影像的多光譜數(shù)據(jù)進(jìn)行輻射校正，其次對(duì)基于輻射校正的多光譜數(shù)據(jù)進(jìn)行大氣校正，在此基礎(chǔ)上提取對(duì)應(yīng)年份的歸一化植被指數(shù)(Normalized vegetation index, NDVI)備用。

1.3.2 氣象數(shù)據(jù)處理

本研究中用到的月均降水量、月均溫及月太陽總輻射數(shù)據(jù)均為站點(diǎn)數(shù)據(jù)，前期需要進(jìn)行數(shù)據(jù)整理工作，此后在ArcGIS中進(jìn)行插值運(yùn)算，本研究選用的插值方法是協(xié)同克里格法(Co-Kriging,CK)，該方法能夠基于空間屬性的相關(guān)聯(lián)性，對(duì)一個(gè)或多個(gè)變量進(jìn)行空間估值，以此達(dá)到提高估值合理性與提高估值結(jié)果精度的目的[22]。

1.3.3 NPP計(jì)算

本研究應(yīng)用的NPP計(jì)算模型是朱文泉等改進(jìn)的CASA(Carnegie-Ames-Stanford Approach)模型[6]，該模型是光能利用率模型中最常見的模型之一，主要運(yùn)用植物吸入的光和輻射(APAR)與光能利用率(?)實(shí)現(xiàn)NPP的計(jì)算，計(jì)算公式如下：

NPP(x,t)=APAR(x,t)×ε(x,t)

(1)

其中APAR(x,t)表示像元x位置處植物t月所吸收的光合有效輻射，?(x,t)表示像元x位置在t月植被實(shí)際光能利用率。

已有研究表明，由于遙感數(shù)據(jù)覆蓋范圍廣、時(shí)間分辨率高，故以遙感影像為參量之一的CASA模型能夠?qū)崿F(xiàn)大尺度NPP動(dòng)態(tài)監(jiān)測(cè)，且CASA模型相對(duì)于其他模型所需要輸入的參量較少，有效規(guī)避了由于參數(shù)缺乏而造成的誤差，與此同時(shí)該模型綜合考慮了計(jì)算NPP時(shí)的兩個(gè)主要驅(qū)動(dòng)變量，基于植被生理過程而建立的機(jī)理計(jì)算模型在一定程度上能夠比較全面的反應(yīng)真實(shí)情況，是目前國(guó)際上最通用的NPP模型之一[6]。

1.3.4 研究區(qū)生產(chǎn)力分級(jí)

根據(jù)CASA模型的運(yùn)行原理，將準(zhǔn)備好的參數(shù)帶入CASA模型計(jì)算得到對(duì)應(yīng)年份的生產(chǎn)力(圖2)，其次根據(jù)屬性表中的信息計(jì)算研究區(qū)的平均生產(chǎn)力，根據(jù)其變化特征，將高于平均值的2009、2011、2012、2013和2014年定義為生產(chǎn)力較高年份，將低于平均值的2000、2001、2004、2005、2006和2015年定義為生產(chǎn)力較低年份，2002、2003、2007、2008、2010和2016年定義為生產(chǎn)力中等年份(圖3)。

圖3 2000—2016年草地植被生產(chǎn)力分布Fig.3 Dynamic of vegetation productivity of grassland from 2000 to 2016

1.4 地形因子提取

地形因子信息提取是根據(jù)ASTER GDEM制作的DEM數(shù)據(jù)為基礎(chǔ)進(jìn)行的，在ArcGIS 10.1的空間分析模塊中實(shí)現(xiàn)。其中海拔以每隔500 m進(jìn)行劃分，坡度以8°為一個(gè)單元?jiǎng)澐郑孪蜃员逼?2.5°每隔45°為一個(gè)單元進(jìn)行劃分，其中令北偏西22.5°到北偏東22.5°之間為正北方向，在此基礎(chǔ)上進(jìn)行對(duì)生產(chǎn)力進(jìn)行空間分析，其屬性表如表1所示。

經(jīng)過屬性信息統(tǒng)計(jì)后不難發(fā)現(xiàn)，海拔高度中(表1)，自最低高程273—773 m之間面積最大達(dá)3352490 hm2，占總面積的43.35%；坡度中，自最小坡度0°—8°之間的面積最大達(dá)5021760 hm2，占總面積的77.7%；坡向中，NW面積最大達(dá)901463 hm2，占總面積的14.14%。根據(jù)以上屬性條件，因此本研究將選擇3個(gè)地形控制因子中面積最大的區(qū)域進(jìn)行代表性研究，綜上，本文將以海拔高度273—773 m、坡度0°—8°之間以及坡向?yàn)镹W方向?yàn)榭刂茥l件(圖4)，在此基礎(chǔ)上綜合昌吉州87個(gè)常年觀測(cè)點(diǎn)點(diǎn)位信息，對(duì)分布在該區(qū)間的生產(chǎn)力進(jìn)行點(diǎn)位信息提取并進(jìn)行年間分析。在此基礎(chǔ)上應(yīng)用已有的2010—2014年實(shí)地測(cè)算的生產(chǎn)力點(diǎn)位平均值與提取后對(duì)應(yīng)時(shí)間跨度的點(diǎn)位生產(chǎn)力平均值進(jìn)行擬合分析，其結(jié)果顯示CASA模型測(cè)算生產(chǎn)力與實(shí)測(cè)數(shù)據(jù)呈現(xiàn)波動(dòng)吻合如圖5，本研究中將差異在±0.5 g/m2以內(nèi)的波動(dòng)定義為基本相似，其結(jié)果顯示模型測(cè)算的生產(chǎn)力數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)吻合精度為85.05%，造成誤差的原因主要是地上生物量采集換算得到的生物量與通常定義的生物量存在差異，因此經(jīng)由CASA模型計(jì)算得到的該區(qū)凈初級(jí)生產(chǎn)力能夠很好的代表當(dāng)?shù)氐纳a(chǎn)力水平，可以有效彌補(bǔ)實(shí)測(cè)數(shù)據(jù)不全對(duì)于研究的限制。

表1 坡度、坡向、海拔面積分布

N：北，North；NE：東北，Northeast；E：東，East；SE：東南，Southeast；S：南，South；SW：西南，Southwest；W：西，West；NW：西北，Northwest

圖5 觀測(cè)點(diǎn)模擬值與實(shí)測(cè)值 Fig.5 The simulation value and the measured value of the observation point

2 結(jié)果分析

2.1 海拔高度對(duì)草地生產(chǎn)力的影響

坡度為0—8°和坡向NW條件下，將逐年運(yùn)用CASA模型計(jì)算得到的數(shù)據(jù)按照控制條件及點(diǎn)位信息進(jìn)行提取，將滿足控制條件的18個(gè)觀測(cè)點(diǎn)點(diǎn)位生產(chǎn)力與海拔進(jìn)行單因素分析發(fā)現(xiàn)，生產(chǎn)力水平與海拔高度呈現(xiàn)線性相關(guān)(Sig<0.001)，其中生產(chǎn)力與海拔高度間的關(guān)系在生產(chǎn)力較低年份與生產(chǎn)力中等年份表現(xiàn)出更好的線性相關(guān)趨勢(shì)(R2>0.9)。從變化趨勢(shì)來看(圖6)，不論是從整體水平還是生產(chǎn)力水平差異年份上都有生產(chǎn)力水平隨著海拔高度升高而顯著增加的特征，但該增加模式并非持續(xù)上升，而是在上升到一定程度后受到抑制而趨于平穩(wěn)。這里抑制并不是不增長(zhǎng)，而是其增長(zhǎng)趨勢(shì)由開始的較快趨于平穩(wěn)，這主要是因?yàn)殡S著海拔升高，光和有效輻射也隨之積累，當(dāng)積累觸頂后其增長(zhǎng)趨勢(shì)就逐漸緩慢下來。就整體而言當(dāng)海拔達(dá)到770 m后生產(chǎn)力水平趨于穩(wěn)定，漲幅不再明顯。根據(jù)觀測(cè)點(diǎn)點(diǎn)位信息提取得到的生產(chǎn)力數(shù)據(jù)顯示，整體、生產(chǎn)力較高年份、生產(chǎn)力較低年份及生產(chǎn)力中等年份的最高值均出現(xiàn)在764 m處，分別為11.8、20.9、3.6 g/m2和10.7 g/m2，在控制條內(nèi)，該地區(qū)的光和有效輻射、植被分布以及氣候條件相比同條件下的其他點(diǎn)位達(dá)到了最優(yōu)狀態(tài)，因此該點(diǎn)位的生產(chǎn)力較高。

圖6 海拔高度與生產(chǎn)力之間的關(guān)系Fig.6 Relationship between elevation and NPP坡度：0—8°; 坡向：NW

2.2 坡度對(duì)草地生產(chǎn)力影響

當(dāng)控制條件為海拔273—773 m和坡向NW時(shí)，繼續(xù)對(duì)計(jì)算得到的數(shù)據(jù)按照控制條件及點(diǎn)位信息進(jìn)行提取，將滿足條件的42個(gè)觀測(cè)點(diǎn)位生產(chǎn)力與坡度綜合分析發(fā)現(xiàn)，生產(chǎn)力水平與坡度呈現(xiàn)線性相關(guān)(Sig<0.001)，其中生產(chǎn)力較高年份表現(xiàn)出更好的線性相關(guān)趨勢(shì)(R2>0.9)。不論是處于任意一個(gè)水平差異年份上，其生產(chǎn)力隨著坡度的增大而減小且變化趨勢(shì)明顯，根據(jù)數(shù)據(jù)統(tǒng)計(jì)情況顯示(圖7)，整體在坡度為2°時(shí)生產(chǎn)力達(dá)最大值23.2 g/m2，坡度為61°時(shí)出現(xiàn)最小值0.053 g/m2。生產(chǎn)力較高年份在坡度為0°時(shí)達(dá)最大值23.9 g/m2，坡度為61°時(shí)生產(chǎn)力趨于0 g/m2。生產(chǎn)力較低年份在坡度為8°時(shí)達(dá)最大值6.3 g/m2，坡度為55°時(shí)趨于0 g/m2。生產(chǎn)力中等年份在坡度為5°時(shí)達(dá)最大值10.7 g/m2，坡度為61°時(shí)出現(xiàn)最小值0.07 g/m2。

圖7 坡度與生產(chǎn)力之間的關(guān)系Fig.7 Relationship between slope and NPP海拔：273—733m; 坡向：NW

2.3 坡向?qū)Σ莸厣a(chǎn)力的影響

坡向與草地生產(chǎn)力的關(guān)系從整體而言(圖8)，其N與NE方向生產(chǎn)力水平較高，NW和E方向次之，W、SW、S和SE方向偏低。整體、生產(chǎn)力較高年份、生產(chǎn)力較低年份及生產(chǎn)力中等年份的最大值均出現(xiàn)在N方向分別為23.2、60.5、6.33 g/m2和10.74 g/m2，最小值均出現(xiàn)在SW方向分別為3.54、4.36、0.23 g/m2和0.16 g/m2。

圖8 坡向與生產(chǎn)力之間的關(guān)系Fig.8 Relationship between aspect and NPP海拔：273—733 m; 坡度：0—8°; N、E、S、W分別為北、東、南、西方向

3 討論

地形條件不同其地下及水熱分布也不同，由此導(dǎo)致地表植被組織結(jié)構(gòu)及空間分布格局也有所不同，研究地形與生產(chǎn)力的內(nèi)在聯(lián)系，能夠更好把握植被的空間分布特征與空間結(jié)構(gòu)形態(tài)[23]。但就目前已有的草地生產(chǎn)力分布格局研究中，對(duì)地形因素的考慮還不夠周全，特別是在較大的空間尺度及連續(xù)的時(shí)間尺度研究中，需要將地形因子作為一個(gè)重要的環(huán)境因素進(jìn)行考量[21]。

表2 海拔高度與生產(chǎn)力擬合模型的誤差分析

相對(duì)于海拔對(duì)生產(chǎn)力的影響而言，坡度對(duì)生產(chǎn)力的影響與其相反，根據(jù)圖7可知，隨著坡度升高，其生產(chǎn)力呈下降趨勢(shì)。整體水平上生產(chǎn)力最高與最低相差23.18 g/m2，較高年份為23.89 g/m2，較低年份為6.33 g/m2，中等年份為10.37 g/m2。由表3可知，相較于其他3個(gè)擬合模型基于整體水平的擬合模型效果最好。這也意味著基于整體水平坡度每上升1°生產(chǎn)力增加-0.225 g/m2，較高水平坡度每增加1°生產(chǎn)力增加-0.4066 g/m2，較低水平坡度每增加1°生產(chǎn)力增加-0.0836 g/m2，中等水平坡度每增加1°生產(chǎn)力增加-0.1892 g/m2，與海拔高度一樣，對(duì)生產(chǎn)力的增加與否有著深遠(yuǎn)影響。

表3 坡度與生產(chǎn)力擬合模型的誤差分析

相對(duì)于前兩個(gè)地形因素而言，坡向?qū)ιa(chǎn)力的影響在不同坡向之間存在差異(圖8)，基于整體情況的生產(chǎn)力變化在23.23 g/m2(N)到3.51 g/m2(SW)之間，相差19.72 g/m2；較高年份生產(chǎn)力變化在60.49 g/m2(N)到4.36 g/m2(SW)之間，相差56.154 g/m2；較低年份生產(chǎn)力變化在6.23 g/m2(N)到0.23 g/m2(SW)之間，相差6 g/m2；中等年份生產(chǎn)力變化在10.74 g/m2(N)到0.16 g/m2(SW)之間，相差10.58 g/m2；不難發(fā)現(xiàn)其變化不論是在任何差異年份主要集中在N方向到SW方向之間。比較整體生產(chǎn)力變化幅度在海拔、坡度和坡向的特征可以看出，坡度導(dǎo)致的生產(chǎn)力變化最大，海拔和坡向變化較小，坡向略高于海拔。

將不同年份生產(chǎn)力與海拔高度、坡向、坡度這3個(gè)地形因子一一對(duì)應(yīng)研究分析后發(fā)現(xiàn)，地形對(duì)生產(chǎn)力格局的分布有重要影響，在本文設(shè)定的控制條件之下，坡度對(duì)于生產(chǎn)力的影響最大，根據(jù)已有研究顯示，一般當(dāng)坡度<15°時(shí)，土壤含水量隨坡度的增加而增加，當(dāng)坡度>15°時(shí)，土壤含水量隨坡度增加而減少[23- 24]，因此在設(shè)定控制條件之下對(duì)NPP影響最大的是土壤含水量；相對(duì)于坡度而言，坡向?qū)τ贜PP的空間分布影響次之，主要表現(xiàn)在坡向不同，植被接受的太陽輻射量不同，盛行風(fēng)和地面的交角也不同，從而影響了不同坡度的水熱分布，改變了NPP的空間分布狀態(tài)[25- 26]，海拔在本研究中的影響較小但也不能忽視，從圖6中不難發(fā)現(xiàn)，NPP隨著海拔高度升高呈現(xiàn)明顯的增長(zhǎng)趨勢(shì)，當(dāng)達(dá)到本研究設(shè)定的參數(shù)臨界值時(shí)逐漸趨于平穩(wěn)，除了水熱和氣候的因素以外，根據(jù)相同研究對(duì)于該因素的研究發(fā)現(xiàn)，這種增長(zhǎng)抑制現(xiàn)象頻頻發(fā)生，這主要是由于起初隨著海拔升高，太陽輻射的量也開始急劇積累，但當(dāng)達(dá)到臨界值時(shí)增長(zhǎng)開始變得緩慢，換言之，這里的抑制并不是不再增長(zhǎng)而是增長(zhǎng)的比較緩慢[27- 29]。通過對(duì)比研究發(fā)現(xiàn)，地形對(duì)于NPP空間分布的相關(guān)研究中表現(xiàn)出趨同性和差異性，趨同性表現(xiàn)為地形因子作用下NPP變化的趨勢(shì)，差異性表現(xiàn)為不同的研究區(qū)，三個(gè)地形因子的影響力排序不同[21,30- 32]。

最后，從CASA模型測(cè)算地面生物量的角度來看，該模型數(shù)據(jù)獲取便捷，運(yùn)用遙感數(shù)據(jù)獲取數(shù)據(jù)并進(jìn)行相關(guān)處理能夠快速得到數(shù)據(jù)，有效避免因?qū)嵉夭杉瘬Q算而導(dǎo)致的生物量計(jì)算不完全的情況。

4 結(jié)論

地形對(duì)草地植被生產(chǎn)力有著深遠(yuǎn)影響，在3個(gè)地形因子對(duì)整體生產(chǎn)力變化趨勢(shì)的影響中，坡度引起的NPP變化幅度最大，坡向次之，海拔較小，在整體水平上，海拔每升高30 m，生產(chǎn)力增加4.11 g/m2；坡度每增加1°生產(chǎn)力增加-0.225 g/m2；N坡向生產(chǎn)力水平最高(23.23 g/m2)，SW坡向最低(3.54 g/m2)。不同生產(chǎn)力年份影響趨勢(shì)相同但變化幅度不同，在較高生產(chǎn)力年份3個(gè)地形因子的變化幅度都是最大的；通過與實(shí)測(cè)值對(duì)比分析發(fā)現(xiàn)，CASA模型在新疆小區(qū)域NPP測(cè)算工作中適應(yīng)性較強(qiáng)；經(jīng)過研究發(fā)現(xiàn)，植被生長(zhǎng)受光和有效輻射和土壤水分影響，而這些因素又隨地形的海拔、坡度和坡向發(fā)生變化，經(jīng)此得以論證地形影響著新疆昌吉州天然草地生產(chǎn)力的空間分布，在進(jìn)行生產(chǎn)力相關(guān)研究時(shí)地形因子應(yīng)當(dāng)被給予足夠的關(guān)注和研究。

致謝：感謝新疆維吾爾自治區(qū)產(chǎn)學(xué)研聯(lián)合培養(yǎng)研究生示范基地及新疆維吾爾自治區(qū)草原總站在研究過程中提供的數(shù)據(jù)支持。