叶面积指数(leaf area index,LAI)是北部生态系统生产力模拟模型(boreal ecosystem productivity simulator, BEPS)的关键驱动数据，获取高精度LAI对区域森林生态系统碳循环十分重要，然而当前大多研究采用的MODIS LAI产品缺乏可信度。为此，基于LAI动态模型、PROSAIL辐射传输模型和层状贝叶斯网络(Hierarchical Bayesian Network, HBN)构建数据同化系统，获得空间分辨率为20 m的LAI数据，驱动BEPS模型，模拟塞罕坝机械林场2011—2021年的植被净初级生产力(Net Primary Productivity, NPP),并对NPP时空变化特征及影响因子进行分析。结果表明，基于贝叶斯同化方法获得的高分辨率LAI数据极大提高了MODIS LAI产品的精度；基于同化后的LAI数据驱动BEPS模型获取模拟森林NPP,与样地实测数据计算NPP间相关性较高(R~2=0.77);2011—2021年塞罕坝机械林场植被NPP平均值为307.4 g/(m~2·a),森林NPP呈现平稳增长趋势；不同植被类型模拟NPP存在较大差异，针叶林、落叶林及混交林模拟NPP分别为484.9、402.4、287.9 g/(m~2·a);植被NPP与温度因子相关性较高，偏相关系数为0.2～0.8,而植被NPP与降水量的相关性总体而言相对较低，其偏相关系数为-0.3～0.4,在该地区降水量对植被NPP的影响较低，温度为该地区NPP变化的主导因子。研究结果可获取高空间分辨率的LAI数据，为森林生态系统碳循环的精准时空模拟提供依据。