数据与模型的结合可以提高大尺度模型的模拟效果,为更加准确的评估陆地生态系统的净生产力奠定基础.然而,受现有观测技术和处理方法等问题的限制,不可避免的导致数据在集成过程中存在很大的不确定性.而且,这种不确定性显著影响着模型模拟的结果.本研究利用气象插值软件 ANUSPLIN4.36分别对普林斯顿大学的气象数据、NCAR/NCEP的气象数据、国家气象局提供的2374个气象台站和659个气象台站数据进行插值,获得全国范围内相同格点数(96899个格点)的四套气象数据集.以CEVSA(Carbon Exchange between Vegetation, Soil, and Atmosphere)模型为研究工具,从气象数据不确定性角度出发,探讨温度、降水数据不确定性对模型模拟结果的影响.以期加深气象数据不确定性对模型模拟结果影响的客观认识,深入探讨我国陆地生态系统碳收支的不确定性范围,为进一步提高陆地生态系统碳循环模拟精度奠定基础.通过研究,得到了以下初步结论:　　(1)1971～2005年,气象数据差异较明显.在温度的年际变化方面,四套数据的变化趋势较一致,均为增温趋势;普林斯顿大学数据估算的年均温度为四套数据中最高,其次为NCAR/NCEP数据,以上二者均高于国家气象局提供的2374个气象台站和659个气象台站数据,后二者估算的年均温度十分接近.在降水的年际变化方面,四套数据的变化趋势较一致,但年际波动较大;普林斯顿大学数据、 NCAR/NCEP数据和659个气象台站数据三者估算的年降水量数据较为接近.在空间上,温度和降水的差异主要集中在东南沿海、东北东部、云贵高原、青藏高原及西北内陆等地区.在数据的不确定性方面,东部沿海区的数据质量要明显优于西部内陆区的数据质量;659个气象台站数据的不确定性要小于普林斯顿大学数据和NCAR/NCEP数据的不确定性,降水的RMSE分别为96.98、179.75、195.51;温度的RMSE分别为1.86、1.92、2.17.　　(2)1971～2005年,四套数据估算的中国陆地NPP总量年际变化趋势较一致,均为波动中增加的趋势,但增加趋势并不明显.在空间上,三套数据估算的NPP与2374个气象台站数据估算的NPP较为一致,但659个气象台站数据、NCAR/NCEP数据和普林斯顿大学数据均倾向于高估部分区域的NPP,在西北地区和西藏地区、东北地区东部、华北北部、四川盆地、长江中下游地区及东南沿海地区最为明显.在数据的不确定性方面,659个气象台站数据的估算 NPP的不确定性要小于普林斯顿大学数据和NCAR/NCEP数据估算NPP的不确定性.NPP的RMSE分别为46.93、99.14、99.76.　　温度和降水的差异会通过模型间接影响NPP的模拟结果,普林斯顿大学数据和NCAR/NCEP数据有必要通过降低气象数据的误差来提高在中国大陆地区的NPP模拟精度.