Este estudio aplica los modelos de Perceptrón Multicapa (MLP) y Bosque Aleatorio (RF), utilizando datos de productividad primaria neta (NPP) de teledetección y terrestres de 1992 a 2020, junto con datos meteorológicos y propiedades del suelo, para modelar la NPP en los ecosistemas de pradera alpina y pradera alpina del Plateau Qinghai-Tibetano (TP) y evaluar su sensibilidad al cambio climático. Como barrera ecológica vital, los ecosistemas de pradera del TP son críticos para comprender los impactos del cambio climático. Sin embargo, el análisis de sensibilidad de la NPP en las praderas del TP ha sido limitado, lo cual este estudio tiene como objetivo abordar centrándose en los efectos de la temperatura máxima, la radiación solar y la velocidad del viento en la NPP. Los resultados muestran que el modelo MLP supera al modelo RF en precisión de predicción (R = 0,98, RMSE = 16,24 g C·m·a, MAE = 9,04 g C·m·a). Las respuestas de la NPP a los factores climáticos son diversas: lineales con la temperatura y no lineales con la radiación solar y la velocidad del viento. Bajo escenarios multifactoriales, la NPP tanto en la pradera alpina como en la pradera alpina muestran tendencias no lineales, con una mayor sensibilidad a cambios en los tres factores que a cambios de uno o dos factores. El análisis de distribución espacial reveló que la NPP en las praderas alpinas era más sensible al cambio climático en las regiones del sur, mientras que la pradera alpina mostraba una mayor sensibilidad en las regiones centrales. Este estudio, utilizando modelos de aprendizaje automático y análisis de sensibilidad, arroja luz sobre la compleja respuesta de la NPP en las praderas del TP al cambio climático, ofreciendo conocimientos valiosos para la investigación del ciclo del carbono en ecosistemas fríos y la gestión de la adaptación climática regional.