陆地生态系统是人类赖以生存和持续发展的基础,在全球气候变化加剧和人类活动日益频繁的背景下,碳循环过程受到很大的影响。植被总初级生产力（Gross Primary Productivity,GPP）是估算地球支撑能力和评价陆地生态系统可持续发展的重要因子,在全球变化以及碳循环中扮演着重要角色,对植被GPP的准确评估显得尤为重要。目前GPP的估算依然存在很大的不确定性,为了丰富GPP的估算手段,本文以中国为研究区,以通量（FLUX）观测数据和遥感数据为基础,利用卷积神经网络（Convolutional Neural Networks,CNN）的深度学习算法估算2001—2017年中国植被GPP。首先分析了GPP的时空变化规律,其次利用偏导数法和相关系数分析了中国植被GPP与气温、降水、太阳辐射和CO2的关系。研究结果表明:深度学习算法是估算植被GPP的有效方法;2001—2017年中国植被GPP呈增加趋势。本文得出的主要结论如下:（1）月GPP模拟值与FLUX GPP显著相关,R2为0.84（P<0.01）,RMSE为49.02 g C·m-2·a-1;年GPP与FLUX的年GPP也显著相关,R2为0.86（P<0.01）,比其他GPP产品与FLUX GPP的拟合程度更高,年GPP与其他数据产品在空间尺度的相关性较好,GPP总量与前人研究结果相符;本文模拟的GPP反映出植被覆盖类型的不同,且界限也很明显,具有较强的空间异质性,因此CNN深度学习算法模拟的中国植被GPP结果精度较高。（2）研究期间全国月GPP变化具有明显差异,不同季节全国植被GPP均值和空间差异很大,夏季GPP值最高,冬季GPP值最低。全国多年平均GPP值为707.36 g C·m-2·a-1,总量为6.41 Pg C·a-1,呈东南向西北递减的分布特征。植被GPP变化趋势均值为5.96 g C·m-2·a-1,整体呈增加趋势,说明2001—2017年间全国植被生长状况良好。（3）全国不同植被类型多年平均GPP之间存在差异,林地>耕地>草地>荒漠,故森林在全国碳汇中具有举足轻重的地位。在不同自然地理区呈现明显的空间分布特征,东部季风区GPP值最高,西北干旱半旱区最低。（4）全国植被年均GPP和不同季节GPP在不同高度带内呈现出明显的垂直地带性分布特征,在整个海拔高度上GPP变化存在3个递减和两个递增地带。植被年均GPP随坡向变化呈现明显的“双峰双谷”分布特征,GPP极大值出现在东南坡和西坡,最大值在东南坡,GPP极小值出现在西南坡和北坡,最小值在北坡。（5）气温、降水和太阳辐射对植被GPP变化的贡献度也有差别,降水对GPP的正贡献的面积最大,为53.59%,气温、降水和太阳辐射正贡献的面积都高于负贡献的面积,气温、降水和太阳辐射均对GPP生长起促进作用;从不同植被类型看,不同气候因子对不同类型GPP的贡献有一致性,但降水对荒漠GPP的贡献更显著。（6）气温、降水、太阳辐射和CO2浓度的增加都不同程度地促进了植被的生长,CO2浓度增加使GPP增加的面积最大,为69.19%,其次为降水、气温和太阳辐射。总的来说,CO2是植被GPP变化的主要驱动力。气候因子中,降水增加使GPP增加的面积最大,降水是中国植被GPP变化的主要气候驱动因子;其次,降水是东部季风区和西北干旱半干旱区GPP变化的主要驱动因子,太阳辐射是青藏高寒区GPP变化的主要驱动因子。