Biome-BGC模型被广泛用于估算植被净初级生产力（Net Primary Productivity, NPP）,但是该模型未考虑冻土区土壤冻融水循环过程对植被生长的影响。本文基于Biome-BGC模型,改进冻土区活动层土壤冻融水循环,估算了2000—2018年青藏高原高寒草地NPP。通过比较原模型和改进后的模型,并对NPP模拟结果的时空特征进行了分析,结果表明:（1）增加冻融循环提高了NPP估算精度,青藏高原草地NPP均值由114.68 gC/（m2·a）提高到128.02 gC/（m2·a）。（2）原模型和改进后NPP的空间分布差异较大,时间变化趋势差异不明显。（3）青藏高原草地NPP总量为253.83 TgC/a,呈东南向西北递减的空间格局,年均增速为0.21gC/（m2·a）(P=0.023),显著增加的占17.85%,主要分布在羌塘高寒草原地带的大部分地区和藏南山地灌木草原地带的西部。（4）该冻融水循环改进方法简单可靠,具有在其他多年冻土区推广的价值。

Biome-BGC模型被广泛用于估算植被净初级生产力（Net Primary Productivity, NPP）,但是该模型未考虑冻土区土壤冻融水循环过程对植被生长的影响。本文基于Biome-BGC模型,改进冻土区活动层土壤冻融水循环,估算了2000—2018年青藏高原高寒草地NPP。通过比较原模型和改进后的模型,并对NPP模拟结果的时空特征进行了分析,结果表明:（1）增加冻融循环提高了NPP估算精度,青藏高原草地NPP均值由114.68 gC/（m2·a）提高到128.02 gC/（m2·a）。（2）原模型和改进后NPP的空间分布差异较大,时间变化趋势差异不明显。（3）青藏高原草地NPP总量为253.83 TgC/a,呈东南向西北递减的空间格局,年均增速为0.21gC/（m2·a）(P=0.023),显著增加的占17.85%,主要分布在羌塘高寒草原地带的大部分地区和藏南山地灌木草原地带的西部。（4）该冻融水循环改进方法简单可靠,具有在其他多年冻土区推广的价值。

净初级生产力（NPP）的估算还存在很大的不确定性。本文利用机器学习算法（RF和RBF-ANN）估算了2002—2018年青藏高原多年冻土区草地NPP,分析了青藏高原多年冻土区草地NPP的时空格局、变化特征及其对气候因子的响应。结果表明:（1）机器学习估算结果可靠,简单易行。（2）青藏高原多年冻土区草地NPP表现为东南向西北逐渐递减的趋势;NPP总量为175.39 Tg C·a-1,单位面积均值为164.10 g C·m-2·a-1,呈波动上升的趋势。（3）青藏高原多年冻土区草地NPP增加的面积占20.49%;各草地类型的NPP增长幅度不一致表现为高寒沼泽草甸>高寒草甸>高寒草原>高寒荒漠草原。（4）温度是青藏高原多年冻土区草地NPP变化的主导因子,降水的影响沿东南向西北逐渐减弱。

净初级生产力（NPP）的估算还存在很大的不确定性。本文利用机器学习算法（RF和RBF-ANN）估算了2002—2018年青藏高原多年冻土区草地NPP,分析了青藏高原多年冻土区草地NPP的时空格局、变化特征及其对气候因子的响应。结果表明:（1）机器学习估算结果可靠,简单易行。（2）青藏高原多年冻土区草地NPP表现为东南向西北逐渐递减的趋势;NPP总量为175.39 Tg C·a-1,单位面积均值为164.10 g C·m-2·a-1,呈波动上升的趋势。（3）青藏高原多年冻土区草地NPP增加的面积占20.49%;各草地类型的NPP增长幅度不一致表现为高寒沼泽草甸>高寒草甸>高寒草原>高寒荒漠草原。（4）温度是青藏高原多年冻土区草地NPP变化的主导因子,降水的影响沿东南向西北逐渐减弱。

净初级生产力（NPP）的估算还存在很大的不确定性。本文利用机器学习算法（RF和RBF-ANN）估算了2002—2018年青藏高原多年冻土区草地NPP,分析了青藏高原多年冻土区草地NPP的时空格局、变化特征及其对气候因子的响应。结果表明:（1）机器学习估算结果可靠,简单易行。（2）青藏高原多年冻土区草地NPP表现为东南向西北逐渐递减的趋势;NPP总量为175.39 Tg C·a-1,单位面积均值为164.10 g C·m-2·a-1,呈波动上升的趋势。（3）青藏高原多年冻土区草地NPP增加的面积占20.49%;各草地类型的NPP增长幅度不一致表现为高寒沼泽草甸>高寒草甸>高寒草原>高寒荒漠草原。（4）温度是青藏高原多年冻土区草地NPP变化的主导因子,降水的影响沿东南向西北逐渐减弱。

净初级生产力（NPP）的估算还存在很大的不确定性。本文利用机器学习算法（RF和RBF-ANN）估算了2002—2018年青藏高原多年冻土区草地NPP,分析了青藏高原多年冻土区草地NPP的时空格局、变化特征及其对气候因子的响应。结果表明:（1）机器学习估算结果可靠,简单易行。（2）青藏高原多年冻土区草地NPP表现为东南向西北逐渐递减的趋势;NPP总量为175.39 Tg C·a-1,单位面积均值为164.10 g C·m-2·a-1,呈波动上升的趋势。（3）青藏高原多年冻土区草地NPP增加的面积占20.49%;各草地类型的NPP增长幅度不一致表现为高寒沼泽草甸>高寒草甸>高寒草原>高寒荒漠草原。（4）温度是青藏高原多年冻土区草地NPP变化的主导因子,降水的影响沿东南向西北逐渐减弱。

东北多年冻土区作为高纬度寒区之一,对全球变化较敏感.本文基于AVHRR和MO-DIS两种遥感数据源的归一化植被指数,应用CASA模型对1982—2009年东北多年冻土区植被净初级生产力(NPP)进行模拟.结果表明:1982—2009年,东北多年冻土区年均气温、年太阳辐射总量和年日照时数显著上升,年降水量显著下降,CO2浓度及其年增长率显著增大;植被年NPP呈显著的先增加后降低趋势,变化分异节点在1998年.研究期间,东北多年冻土区植被年均NPP总量为623gC·m-2,植被年NPP空间分布差异明显.降水是该区生长季植被生长的主要影响因子,植被NPP对气候变化响应的空间异质性明显.土地利用变化通过改变土地覆被状况使植被NPP发生变化,影响了植被NPP的时空分布特征.植被NPP与CO2浓度呈显著正相关.多年冻土退化对植被NPP的影响随着各区域环境的不同而有所差异.多年冻土区植被NPP与年均地温呈显著正相关,与年最大冻土深度呈负相关.