植被净初级生产力（Net Primary Productivity,NPP）是全球碳循环的重要变量,对调节全球碳平衡有着举足轻重的作用,准确估算植被NPP具有重要意义。随着遥感技术的发展,为模型估算NPP提供了多源、多空间分辨率的数据,不同数据源和空间分辨率的输入数据之间存在差异,从而对NPP估算值产生一定程度的影响。因此,理解和量化输入数据（数据源和空间分辨率）对NPP的影响是一个较为重要的工作。本文以中国北方为研究区,基于BEPS模型,将不同数据源和空间分辨率的数据组合成10种方案对NPP进行估算,对比分析数据源和空间分辨率（1 km和10 km）对NPP估算值的影响。主要结论如下:（1）不同数据源和空间分辨率的数据之间差异较大。同一数据源从1 km采样到10 km后,叶面积指数（Gl ASS-LAI）的均值减小,值的范围从0～6.80缩减到0～6.10。土地覆盖类型MCD12Q1的农田面积减少了0.22%,阔叶林和草地面积分别增加了0.3%和0.29%。土地覆盖类型China＿lc的农田面积减少了0.4%,阔叶林面积增加了0.17%。气象数据的变化几乎可以忽略。不同数据源之间存在明显差异,叶面积指数GLASS-LAI的均值和最大值比Glob Map LAI低0.26、2.5。土地覆盖类型MCD12Q1的草地和农田面积比China＿lc低4.35%、3.31%,混交林和常绿阔叶林面积比China＿lc高3.31%、3.07%。气象数据ERA-Interim的降水、最高气温和最低气温与CRU相比均偏低,且数值范围缩小。（2）将BEPS模型估算结果与实测NPP进行对比,数据源和空间分辨率对NPP估算值精度有重要影响,数据分辨率高的NPP估算值精度高。10种方案模拟的NPP均值介于215.78～317 g C/m~2/yr之间,R~2介于0.55～0.71之间。（3）数据源对NPP估算值的影响较大,空间分辨率的影响相对较小。GLASS-LAI的NPP估算值比Glob Map LAI低82.66 g C/m~2/yr,影响程度为36.52%。其次为土地覆盖类型,MCD12Q1的NPP估算值比China＿lc高17.30g C/m~2/yr,影响程度为7.05%。气象数据对NPP估算值影响最小,CRU的NPP估算值比ERA-Interim高14.72 g C/m~2/yr,对NPP的影响程度为4.76%。同一数据源从1 km采样到10 km对NPP的影响小于4.66%。因此,在只能获取到部分高分辨数据时,为保持空间分辨的统一,可将高分辨率数据采样到低分辨率,不建议直接更换到低分辨率的数据源。（4）在中国北方植被NPP估算过程中,影响最大的是叶面积指数,其次是土地覆盖类型,气象数据对NPP的影响较小,气象数据与改变空间分辨率对NPP的影响程度几乎相同。因此,在选择气象数据时,可以首先考虑其数据获取的难易程度。