La productividad primaria bruta (PPB) es la variable más básica en un estudio del ciclo del carbono que determina el carbono que entra en el ecosistema. El modelo de eficiencia en el uso de la luz (EUL) basado en teledetección es una de las herramientas principales que se utilizan actualmente para estimar la PPB a escala regional. Muchos modelos de PPB basados en teledetección se han desarrollado en las últimas décadas, y estos modelos han sido bien evaluados en algunos sitios. Sin embargo, una estimación precisa de la PPB sigue siendo un trabajo desafiante utilizando modelos de EUL debido a las incertidumbres en el modelo causadas por los parámetros del modelo, la forzamiento del modelo y la heterogeneidad espacial de la vegetación. En este estudio, se seleccionaron cinco modelos de EUL ampliamente utilizados, Glo-PEM, VPM, EC-LUE, el algoritmo de PPB de MODIS y C-fix, para simular la PPB de la cuenca del río Heihe forzada utilizando mediciones in situ. Se utilizó un método de promediado de múltiples modelos, el promediado bayesiano de modelos (PBM), para combinar los cinco modelos y obtener una estimación de PPB más confiable. El PBM se entrenó utilizando datos de flujo de carbono de cinco torres de covarianza de eddy ubicadas en los tipos de vegetación dominantes en el área de estudio. En general, el método PBM tuvo un mejor rendimiento que cualquier modelo de EUL individual. A partir del estudio de caso en el área de estudio, se indica que el PBM entrenado es un método eficiente para combinar múltiples modelos de EUL y puede mejorar la precisión de la simulación de la PPB.