遥感驱动的光能利用率模型（LUE模型）是评估植被总初级生产力（GPP）及其气候变化影响的重要手段。现有的模型通常假定大气饱和水汽压差（VPD）中的信息足以刻画植被GPP对水分胁迫或干旱的响应，但VPD不能直接反映土壤中的水分亏缺及其对GPP的影响。因此，我们考虑在LUE模型中融入土壤水分的影响以改进模型在干旱情况下的模拟结果。首先在站点尺度上对TL-LUE和VPM模型进行参数标定并模拟GPP，根据干旱年份模拟结果与观测数据之间的差异以及土壤水分的变化趋势，提出了一个融合土壤水分的“S”型函数。在9个FLUXNET站点的模拟结果显示，初步修正后的模型与原模型相比，在混合林、农作物和稀树草原等生态系统类型R²均提高大约0.2、RMSE降低0.5-0.8 gCm^-2day^-1。结果表明，在极端干旱情况下，土壤水分亏缺对GPP的影响无法被VPD和地表水分指数（LSWI）充分捕捉到，而融入土壤水分信息能够在站点尺度较好地改进对GPP的模拟。我们拟将改进方案扩展到区域尺度，利用微波遥感土壤水分数据，改进区域尺度GPP对干旱的响应模拟。研究成果将有助于准确理解区域碳循环对气候变化的响应机制和精确预测陆地碳汇未来演变情景。
 

植被生产力；干旱；土壤水分；光能利用率模型；陆地碳循环