摘要三峡库区蓄水后,其生态效应受到广泛关注.消落带植被固碳量作为衡量库区生态系统健康状态的重要指标,对库区碳循环与生态净化具有重要意义.针对消落带不同高程植被接受光照的时间有所差异,且受河流水位变化影响,传统的CASA模型在计算消落带植被固碳量时,存在对植物的光能利用率计算不够精确等问题.以三峡库区香溪河陡坡消落带为研究区域,提出了一种耦合 RBFNN 模型(Radial Basis Function Neural Network)与 CASA 模型(Carnegie-Ames-Stanford approach)的新方法(RBF-CASA).基于RBFNN建立环境影响因子模型,借助高程数据及植被指数等特征计算适合消落带区域的环境影响因子.结合CASA模型中温度和水分胁迫因子,提高植被在像元尺度上的净初级生产力(Net Primary Productivity,NPP)的估算精度,并对反演结果进行验证.模型验证结果显示:RBF-CASA模型估算值与观测值的决定系数(Coefficient of determination,R2)为0.730(P＜0.01,n=32).对比原始 CASA 模型,平均绝对误差(Mean absolute error,MAE)降低 10.991,均方根误差(Root mean square error,RMSE)降低了 23.861,相对均方根误差(Relative root mean square error,RRMSE)降低5.10％,平均绝对百分误差(Mean absolute percentage error,MAPE)降低1.12％.使用提出的RBF-CASA模型在库区水位落干期(7-8月份)进行固碳量估算,结果表明:NPP月均值在66.234-134.144g C/m2之间,NPP随着高程的增加呈现起伏变化,其总量在150-155m之间达到峰值,均值在170m以上区域最高.在2021年9月植被NPP均值为35.883g C/m2,2022年9月植被NPP均值为25.964g C/m2,由于降雨量减少、长江水位下降,在2021-2022年间植被恢复情况较差.研究结果可为库区碳循环、生态净化及生态修复等决策提供科学依据.