2001－2017年四川省耕地產能變化與潛力特征分析

吳心怡，金曉斌,3※，韓 博，徐偉義，任 婕，孫 瑞，周寅康,3

（1. 南京大學地理與海洋科學學院，南京 210023；2. 自然資源部海岸帶開發與保護重點實驗室，南京 210023；3. 江蘇省土地開發整理技術工程中心，南京 210023）

0 引 言

耕地作為人類生存與發展的基礎，具有生產、生態等多重功能，是國家糧食安全和社會穩定的根本保證[1-2]。近年來，隨著工業化和城鎮化的快速發展以及全球氣候變化的影響，中國耕地資源不斷減少，對糧食安全和生態環境造成巨大威脅[3]。作為一個發展中的人口大國，中國面臨著人增地減的巨大壓力，如何利用有限的耕地資源保障中國近14億人的吃飯問題，是中國社會經濟發展中面臨的現實問題。國家“十三五”規劃建議提出：“堅持最嚴格的耕地保護制度，堅守耕地紅線，實施藏糧于地、藏糧于技戰略，提高糧食產能，確保谷物基本自給、口糧絕對安全”。2019年中央一號文件也指出，要鞏固和提高糧食生產能力，推動“藏糧于地、藏糧于技”落到實處。2020年面對新冠疫情與國際糧食貿易不確定性帶來的新局面，糧食安全特別是糧食自給能力問題再次成為學界關注熱點[4]。耕地是糧源之基，在確保耕地面積穩定情況下，提高耕地產能是確保糧食安全的根本[5]。因此，研究耕地產能對于摸清糧食安全家底、制定針對性耕地保護政策，確保國家糧食安全具有重要意義。

近年來，國內外關于耕地產能已開展大量研究[6]。國外關于耕地產能的研究主要集中于土地生產潛力，20世紀60－70年代，為建立作物產量與生態因子之間模型，國際生物學計劃（IBP）在全球范圍內對作物產量進行了一次大規模的測定和普查，建立了基于作物產量與環境因子關系，用于估算作物生產力的經驗或機理數學模型[7]。作物生長機理的深入研究促進了人們對作物與環境關系的認識，開始將作物生長機理模型應用于土地生產潛力的估算。在土地生產潛力估算方法體系中以FAO糧農組織推廣并被廣泛應用的農業生態區劃法最為代表，其思路和方法框架被世界不同區域采用，促進了更精細、更準確的土地利用定量模型的發展[8]。現階段，在科技快速發展的推動下，土地生產潛力研究方法也在不斷完善和改進，由簡單的計算機計算向3S技術與模型相結合的方法轉變[9]。與國外相比，國內對耕地產能的研究歷史相對較短，系統性不強。國內研究主要圍繞微觀和宏觀兩個層面，其中對于耕地產能微觀層面的研究與國外學者相似，側重于土地生產潛力的研究[10]，從作物生產潛力入手構建作物產量預測模型，分析作物在光、溫、土、氣、水等自然要素在不同條件下的生產能力[11-12]。宏觀層面上，隨著農用地分等定級工作的廣泛開展，許多學者基于農用地分等成果對區域耕地產能進行了核算和研究，如伍育鵬等[13]提出了基于耕地分等與農業統計的產能核算方法，初步構建了耕地產能的動態監測體系。

目前，耕地產能監測和估算的方法有統計模型[9]、遙感信息、作物生長模型、作物生長模型與GIS等遙感數據相結合的方法[14]。隨著遙感技術的快速發展，遙感影像的時空分辨率有了較大的提升，高時空分辨率的遙感影像可以客觀、準確、快速的反映大范圍的地面信息，目前已被廣泛應用于作物估產和長勢監測[15]。農作物遙感估產的常見做法是建立基于植被指數的遙感估產模型，利用遙感影像光譜信息反演植被指數，建立植被指數與產量的關系模型。植被指數是對植被濃密程度和生長狀況的一種體現，利用植被指數可以進行有效植被信息的提取。植被指數種類繁多，而歸一化植被指數（NDVI）和增強型植被指數（EVI）在作物估產和監測方面的應用最為廣泛和有效，其與農業產能之間的顯著相關性也已被國內外學者廣泛證明[16]。Maselli等[17]以意大利托斯卡納區為例，采用MODIS NDVI數據估算小麥種植面積和產量，并與省級統計數據進行對比，結果表明二者之間具有高度一致性；Becker-Reshef等[18]利用MODIS NDVI與小麥產量數據，建立了小麥產量預測經驗模型；Johnson[19]采用MODIS NDVI數據監測農作物季前季中變化情況，估算美國玉米和大豆產量；Zhang等[20]基于MODIS EVI和作物物候信息，對東北地區玉米種植面積進行了大范圍的估算；王長耀等[21]利用EVI和小麥產量數據，建立了美國冬小麥產量預測和長勢監測模型，并對預測結果進行驗證，取得了良好的效果。與NDVI相比，EVI增加了對濃密植被冠層生物量估計的敏感性，降低了大氣和土壤反射的影響，避免了基于比值的植被指數的飽和問題，能更有效的進行作物監測和估產[21]。

在利用遙感手段對耕地產能進行監測和估算方面已經取得了豐富成果和明顯成效。然而，當前的耕地產能遙感監測和估算大多是針對特定區域下特定作物類型進行建模，而不同區域存在差異，因此缺乏統一的建模標準，各個模型的預測結果之間可比性差，使得建立的估算模型缺乏普適性和推廣性；其次，目前有關耕地產能估算和變化的研究大多是針對耕地整個生產過程，并未考慮耕地在不同熟制、不同生產階段下的產能變化。鑒于此，本研究選取四川省作為研究區，利用2001－2017年MODIS EVI數據，構建作物EVI生長曲線；輔以土地利用數據，結合二次差分法和閾值法求取耕地復種指數（Multiple Crop Index，MCI）及作物最優生長時長（Most Active Days, MAD）。進而基于EVI生長曲線提取的作物最優生長時長表征耕地產能，并進一步探究耕地在不同熟制下的產能變化及潛力特征。研究成果對提升區域耕地產能、開展耕地保護和監測及保障糧食安全等具有重要理論指導意義和應用價值。

1 研究區與數據來源

1.1 研究區概況

四川省位于中國西南腹地，長江上游（圖1），地處26°03'～34°19'N和97°21'～108°33'E之間，總面積為48.6萬km2，下轄18個地級市和3個自治州，是連接西南、西北、華南和華中的重要交匯點。2017年，四川省地區生產總值36 980億元，人均GDP為4.465萬元，低于同期全國平均值，三次產業結構為11.6∶38.7∶49.7。

四川省西高東低，地貌復雜，擁有山地、丘陵、平原和高原等地貌類型，又以山地為主（占比74.2%），西部為高原、山地，海拔多在3 000 m以上；東部為盆地、丘陵。四川氣候類型多樣，東部即四川盆地及周圍山地處于中亞熱帶濕潤氣候區，全年溫暖濕潤，氣溫日較差小，年較差大；川西南地區為亞熱帶半濕潤氣候區，該區域降水量較少，干濕季分明，氣溫日較差較大；川西北地區為高山高原高寒氣候區，該區域海拔高差大，氣候隨海拔呈垂直分布，總體表現為寒溫帶氣候，冬寒夏涼，年均溫4～12 ℃。2017年四川省耕地面積6.72萬km2，占全國總耕地面積的4.99%；糧食播種面積為6.29萬km2，糧食產量3 488.9萬t，農業機械總動力44 20.3萬kW，是中國糧食主產區之一，主要農作物為水稻、小麥、玉米、紅苕等。

1.2 數據源與預處理

1.2.1 遙感數據及其預處理

遙感數據來源于美國國家航空與航天局（NASA）提供的MODIS產品系列中的MOD09A1數據（https://search.earthdata.nasa.gov），其空間分辨率為500 m，時間分辨率為8d，時間覆蓋范圍為2001－2017年，數據行列號為h27v05和h28v05。MOD09A1數據每月4期影像，總共816幅影像，數據格式為EOS-HDF，該數據已經過輻射定標、云檢測、輻射校正、大氣校正等處理。

數據預處理：利用下載的MOD09A1反射率數據，依據地理坐標，利用MATLAB軟件計算EVI。采用四川省行政界線矢量文件對EVI數據進行裁剪，得到四川省EVI數據。

1.2.2 耕地數據與預處理

土地利用數據來源于國家基礎地理信息中心（http://ngcc.sbsm.gov.cn/），包括2000年和2010年2期數據，空間分辨率為30 m。

數據預處理：本研究選取2000年和2010年兩期GlobeLand30土地覆蓋數據（30 m×30 m）提取四川省農地范圍。依據MODIS EVI數據將GlobeLand30數據升尺度至500 m分辨率，將500 m×500 m柵格中原農地類型大于75%的柵格定義為有效柵格，并提取兩期中均為農地的柵格。將EVI數據與耕地數據進行掩膜提取，得到四川省耕地EVI數據。

2 研究思路與方法

2.1 研究思路

耕地產能是指在一定地域、一定時期和一定的經濟、社會、技術條件下所形成的耕地生產能力，可分為耕地理論產能、可實現產能和實際產能3個層次[22]。理論產能是指農業生產條件得到充分保證，在經濟技術和投入利用水平最優的狀況下，僅考慮光、溫、水、土等環境因素農作物所能達到的最高產量；可實現產能是指在農業生產條件得到基本保證，光、熱、水、土等環境因素均處于正常狀態，在現有經濟技術和利用水平的最高投入下正常年景農作物能夠達到的最高產量；實際產能，是指目前已經實現的生產能力。

EVI在一定程度上可以反映作物的生長情況，且相關研究表明作物在關鍵生育期的生長情況決定了作物的最終產量[23-25]。因此，本研究以作物處于其生長關鍵期的時長即最優生長時長（MAD）表征作物產量，即耕地實際產能，通過MAD的變化反映研究區耕地產能的變化情況及其潛力特征。此外，考慮到不同作物類型的MAD不具有可比性和可加性，加之當下缺乏較高精度的作物分類成果，故本文設定了研究的前提假設，即在研究時段內，四川省主要作物類型未發生改變。因此，耕地復種指數變化區域不在本次研究考慮范圍。

本文研究重點是利用作物MAD探究2001－2017年四川省復種指數不變區域內耕地在不同熟制下的產能變化及其潛力特征。首先，利用MODIS反射率數據，結合土地利用數據，得到研究區耕地EVI數據；然后，利用S-G濾波方法對EVI數據進行去噪，重建作物EVI生長曲線；其次，考慮到氣候因素對作物產量可能產生的影響，本研究采用移動窗口法，以7 a為移動窗口，對EVI曲線進行滑動平均處理（T1：2001－2007；T2：2002－2008；...；T11：2011－2017，共11期）；再次基于作物EVI生長曲線，利用二次差分法提取11期耕地復種指數（MCI），進一步確定研究區復種指數未變化區域；最后，利用閾值法提取復種指數不變區域下作物MAD，結合MCI和MAD的變化探究四川省耕地產能變化的空間格局與潛力特征。

2.2 研究方法

2.2.1 基于EVI的復種指數及最優生長時長提取

1）復種指數提取植被指數（EVI）數據在采集與處理過程中會受到各種因素的干擾，從而造成EVI曲線季節變化不明顯，需對數據進行去噪重建。本文參考丁明軍等[26]、朱孝林等[27]的研究成果，采用S-G濾波對EVI曲線進行平滑重構。同時，進一步采用移動窗口法對EVI曲線進行滑動平均處理，得到平滑后的EVI生長曲線。根據平滑后的EVI生長曲線與復種指數的關系，可知復種指數就是EVI曲線的波峰頻數。然后采用二次差分法進行波峰頻數的提取。每一個像元的EVI（下式表示為VEVI）曲線可視為若干個元素的離散點序列。二次差分法原理如下：首先，計算相鄰EVI之差，得到序列S1；S1中數據若為正則記為1，為負記為-1，得到序列S2；最后求S2前后元素之差。式中i代表序列中第i個元素。作物生長曲線的波峰出現在序列S3中元素值為-2，且前后元素值皆為0的位置。

該方法提取復種指數時易受“干擾峰”（包括：EVI值波動形成的“峰”，生長季之外的“峰”等）的影響，為減少提取誤差，本研究中波峰的EVI數值設定為大于0.32[28]，且以EVI最大值為年內主峰，次峰與主峰之間的時間間隔需大于40 d（即5個8 d合成的EVI數據），同時限定峰值出現的時間需在3月至10月之間。

2）最優生長時長提取

基于作物EVI生長曲線，采用閾值法逐個像元提取作物最優生長時長，其算法原理如下[27]：首先，根據復種指數，確定生長周期個數；對某一生長周期，將11期（T1～T11）作物生長曲線上的所有EVI值從小到大排序，將處于整個數據序列80%位置上的EVI值作為閾值M[25,29]；將T1時段作物生長曲線上的EVI值逐個與閾值M進行比較，若EVI值大于閾值M，則MAD累加1，如此反復，直到T1時段內所有EVI值全部完成比較，得到T1時段作物MAD，如此循環，直至T11。計算公式如下：

式中y表示EVI值；x表示研究期數，即T1～T11；j表示天數，d；n為一年的天數即365；M為閾值。

2.2.2 基于MAD的耕地產能變化與潛力空間估算

1）耕地產能變化分析基于提取的作物MAD，采用差值法和一元線性回歸方法分析2001－2017年四川省耕地產能變化過程和變化趨勢。計算公式如下：

式中Dij為第i行第j列像元的MAD差值為第i行第j列像元Tn+1時期的MAD值為第i行第j列像元Tn時期的MAD值，n=1,2,3,…,10。

本文采用一元線性回歸方法反映研究期內耕地產能的變化趨勢，將單個像元上11個MAD值進行線性擬合，以擬合方程的斜率表征產能的變化趨勢，斜率為正表示產能上升，斜率為負表示產能下降，其絕對值越大，產能的變化越劇烈。同時，利用MAD序列與時間序列的Pearson相關關系（P值）的顯著性表示產能變化趨勢的顯著性，即變化趨勢可置信度的高低，本文以P＜0.05表示產能存在顯著變化。

結合一元線性擬合方程斜率和變化趨勢的顯著性檢驗P值，本研究將產能變化分為3類即：產能顯著上升（斜率＞0，P＜0.05）；產能穩定（P＞0.05）；產能顯著下降（斜率＜0，P＜0.05）。

2）耕地產能提升潛力估算

本研究以T1～T11時段內作物MAD平均值表征耕地產能平均水平，以T1～T11時段內作物MADmax表征耕地最大可實現產能，產能提升區耕地提升潛力是指T1～T11時段內平均產能相較于最大可實現產能的差值與平均產能之間的比值，即：

式中PIM表示產能提升區耕地提升潛力；MADmean表示T1～T11時段內耕地平均產能。

以T1～T11時段內作物MAD最大值表征耕地最大可實現產能，T11時段作物MAD表征耕地實際產能。產能下降區耕地提升潛力是指T11時段實際產能相較于最大可實現產能的差值與最大可實現產能之間的比值，即：

式中PDM表示產能下降區耕地提升潛力，MADT11表示T11時段耕地產能。

3 結果分析

3.1 四川省耕地復種指數變化分析

基于上述復種指數提取方法，得到2001－2017年11期四川省耕地復種指數。為了進一步獲取11期復種指數中的不變區域，本研究將每期復種指數下各熟制單獨提取（一年一季、一年兩季），得到各熟制的11期圖像；然后，在Arcgis10.4中分別對各熟制的11期圖像求其交集，得到各熟制在研究期內的不變區域；最后，將各熟制不變區域進行鑲嵌處理，得到復種指數不變區域，并進而確定復種指數不變區域下的作物熟制，結果如圖2所示。

由圖2a可知，研究期內四川省耕地復種指數大部分地區未發生明顯變化，復種指數變化的區域主要集中在成都市、眉山市以及德陽市等四川中部區域。其中，耕地復種指數變化區占總耕地面積的6.5%，復種指數不變區占93.5%。由圖2b可知，四川省復種指數不變區的主要熟制為一年一季和一年兩季，其中以一年一季為主，一年兩季作物主要分布于成都市中部地區和德陽市。一年一季作物的耕地占總耕地面積的88.3%，占復種指數不變區耕地總面積的94.5%；一年兩季作物的耕地占總耕地面積的2.7%，占復種指數不變區耕地總面積的2.9%。

3.2 單季作物產能變化與潛力特征分析

在確定復種指數不變區域的基礎上，基于EVI生長曲線提取單季作物MAD，得到研究期內單季作物MAD的空間分布（圖3）。由圖3可知，四川省東部地區單季作物產能相對省內其他區域較高。

為進一步分析四川省單季作物產能變化過程，采用簡單差值法，將11期單季作物MAD兩兩作差（P1：T2～T1；P2：T3～T2；…；P10：T11～T10；共10期）（圖4）。從MAD變化的空間分布可知，單季作物產能下降區主要分布于川東北區（南充市、廣元市等）及部分川南地區（內江市、自貢市、宜賓市）。對MAD變化值進行統計分析可知（表1），2001－2017年四川省單季作物產能總體表現為先上升后下降的趨勢，其中下降區面積占一熟制耕地面積的平均比例超過一半（54.1%）。除P2、P5、P6和P9四期之外，其余6期的產能下降區面積均超過單季作物總耕地面積的一半，其中P1最大，為83.3%。P2～P5期耕地產能波動較為平穩。

復種指數不變區域下單季作物產能總體變化情況如圖5所示。經統計，擬合方程斜率為正的耕地占39.2%，負值占60.8%。結合顯著性檢驗結果可知，四川省單季作物耕地產

能顯著提升的區域占33.2%，產能顯著下降區占24.0%，其中耕地產能顯著提升區主要分布于廣元、達州等川東地區及自貢、內江等市，顯著下降區集中于成都周邊以東市域。

針對產能上升區和下降區，本研究采用耕地產能提升潛力測算方法，對2001－2017年四川省復種指數不變區域單季作物產能提升潛力進行估算，并按照縣級行政區進行分區統計，由圖6可知，四川省單季作物產能提升潛力的差異較大，大部分區縣的產能提升潛力低于40%，其中阿壩藏族羌族自治州、成都周邊平原區提升潛力較高，盆周丘陵區提升潛力較低。

進一步對其耕地產能提升潛力進行統計分析，得到不同產能提升潛力下的耕地占比（見表2）。由表2可知，單季作物產能提升潛力介于20%～40%的耕地占比最大，為47.7%；產能潛力提升大于80%的耕地僅占產能提升區的1.5%。單季作物產能下降區產能提升潛力小于40%的耕地占單季作物產能下降區的71.4%，產能提升潛力大于60%的耕地占14.2%。

表2 單季作物產能提升潛力Table 2 Potential of single cropping system %

3.3 雙季中第一季作物產能變化與潛力特征分析

基于復種指數不變區域，利用EVI生長曲線提取2001－2017年四川省雙季中第一季作物MAD。由圖7可知，雙季中第一季作物產能低值區前期集中于德陽市，后期逐漸轉移至成都市。

將11期雙季中第一季作物MAD兩兩作差，進一步明晰2001－2017年四川省雙季中第一季作物產能變化過程，對MAD變化值進行統計分析，得到MAD增減情況。由圖8、表3可知，MAD變化值表現為先下降后上升的趨勢。耕地產能下降區占雙季作物耕地總面積的平均比例達54.3%，超過耕地總面積的一半，說明雙季作物第一季的產能表現出下降的趨勢。

表3 復種指數不變區域下雙季中第一季作物MAD變化統計表Table 3 MAD change of the first crop during a double season in MCI constant zone %

采用線性回歸分析方法，進一步探究雙季中第一季作物產能總體變化趨勢，結果見圖9。經統計，斜率為正的耕地占18.6%，負值占81.4%。結合顯著性檢驗結果可知，產能顯著上升和下降面積分別占比為8.5%和53.6%，產能顯著下降區面積最大，產能下降區集中分布于德陽市，顯著上升區分布于德陽市、成都市及其周邊區域。對耕地產能提升潛力進行估算，由圖10可知，四川省雙季中第一季作物產能提升潛力較大，大部分區縣的產能提升潛力在60%及以上，其中攀枝花地區、成都市及周邊地區耕地產能有較高的提升潛力。

進一步對雙季中第一季作物產能提升潛力進行統計分析（表4）。由表4可知，雙季中第一季作物產能提升潛力大于40%的耕地占產能提升區面積的89.5%，其中產能提升潛力大于80%的耕地占比最大（44.9%），表明四川省雙季中第一季作物產能具有顯著提升。雙季中第一季作物產能下降區產能提升潛力大于80%的耕地占比最高，為53.0%，集中分布于成都市，表明成都市雙季中第一季作物產能具有較大的潛力可提升空間。

表4 雙季中第一季作物產能提升潛力Table 4 Improvement potential of the first crop during a double season %

3.4 雙季中第二季作物產能變化與潛力特征分析

基于EVI生長曲線提取2001－2017年四川省雙季中第二季作物MAD。由圖11可知，雙季中第二季作物MAD表現出先增加后減少的趨勢。將11期雙季中第二季作物MAD兩兩作差，探究2001－2017年四川省雙季中第二季作物產能變化過程（圖12）。2001－2017年，雙季中第二季作物MAD變化值呈先下降后波動變化的趨勢，產能下降區占雙季作物總耕地面積的平均比例超過一半，為56.2%，產能下降的區域集中于德陽市，其中P8產能下降區所占比例最大，為78.9%。

基于線性回歸方法，結合擬合方程斜率及顯著性檢驗P值，分析得到雙季中第二季作物產能總體變化情況（圖13）。斜率為正的耕地占雙季作物總耕地面積的16.9%，負值占83.1%。結合顯著性檢驗結果可知，產能顯著上升和下降面積分別占比為6.4%和43.0%，產能穩定區面積占比最大。

由圖14可知，雙季中第二季作物產能提升潛力大于40%的耕地占67.6%，提升潛力高值區主要位于成都平原附近。由表5可知，產能提升區耕地產能提升潛力大部分在20%～60%之間，提升空間大于20%的耕地占比為98.3%，表明四川省雙季中第二季作物產能提升較為顯著。產能下降區中產能提升潛力大于80%的耕地占比最大，為59.8%，表明四川省雙季中第二季作物產能有較大的提升空間。

表5 耕地產能變化區內雙季中第二季作物產能提升潛力Table 5 Potential of the second crop during a double season in productivity changed areas %

3.5 精度評價

由于缺乏樣區的實測數據，本研究采取統計驗證與相關研究旁證的方法對復種指數的研究結果進行綜合驗證。基于《四川省統計年鑒（2017）》中2016年各市州農作物播種面積與耕地面積數據，通過計算前者與后者的比值得到各地區復種指數。由表6可知，四川省平均復制指數為144.44%，成都平原及周邊地區復種指數較高，其中德陽市復種指數最高，為184.44%，多為一年兩季作物。將圖2與表6對比分析可以看到，不同種植制度的空間分布較為一致。

同時參考不同學者對復種指數的研究，選取相關結果進行對比。本研究計算得出四川省復種指數不變區內熟制以一年一季（占總耕地面積的88.3%）和一年兩季（占總耕地面積的2.7%）為主，與文獻[26,30-33]的研究結果整體較為相近，但相對于文獻[32]的計算結果偏低，但關于復種指數空間分布結果的分析較為一致，如表7。

表6 基于統計數據四川省復種指數Table 6 Multiple cropping index of Sichuan province based on the statistical data

表7 復種指數相關研究結果Table 7 Researches of multiple cropping index

4 討 論

四川省東部地區多為平原，土壤養分較高，水熱條件相對于川西北部區域較好，同時，東部片區經濟發展在四川省居于前列，農業投入水平高，故四川省內東部地區耕地產能最高。耕地產能受到氣候變化、自然災害、地貌條件等自然因素和社會經濟發展的雙重約束。相關研究表明氣候變化帶來了四川省農業氣候資源的變化，氣候變暖使得四川省大部分地區單季水稻的產量脆弱，增加了洪澇干旱等農業氣象災害[34]。除此之外，資金、技術投入水平等社會經濟因素也在改變著耕地產能。然而受限于數據獲取和研究方法，本研究暫未探討產能變化的影響因素，將在后續的研究中進一步深化。

本研究提出的基于EVI與MAD的耕地產能量化方法，可以應用于大尺度、長時間序列的耕地產能變化監測、耕地產能提升潛力空間識別等，為耕地產能研究提供了新視角。本研究對糧食安全視角下的耕地潛力測算具有一定的參考價值，對制定耕地保護政策與規劃具有支撐作用，并為其他地區耕地產能研究提供一定參考。

此外本研究尚存在一些問題有待在后續研究中深入：1）盡管MAD可以有效表征作物產能，但仍需要進一步結合作物生長模型、光溫水土特征等轉換為實際產能，以便與農業及耕地管理銜接；2）直接比較不同作物的MAD會導致產能估算誤差，需要在后續研究中進一步結合精細化作物分類空間數據以優化產能核算結果；3）MODIS EVI數據空間分辨率為500 m，不可避免存在混合像元，導致耕地破碎化、景觀多樣化程度較高區域，EVI生長曲線與實際可能存在差異。4）四川省東部地區，即四川盆地和周邊山地，該區域云量多、水汽豐富。常年多云多雨的天氣將影響到該地區遙感數據獲取的連續性、準確性以及可用性，雖然本文對EVI曲線進行了滑動平均處理，但根據ISCCP提供的全球云層覆蓋數據，研究區內部分地區的有效光學遙感圖像（云量不到20%）占年圖像的比例不到10%，因此部分統計結果可能存在一定的誤差，后續研究中將考慮進一步結合光學數據與合成孔徑雷達數據進行深化分析。5）通過對已有復種指數研究結果進行對比，發現2001－2017年間四川省大部分的地區復種指數變化幅度較小，同時由于本研究耕地產能計算是基于作物的最優生長時長，不同作物不具有可比性和可加性，故通過T11（2011－2017）期與T1（2001－2007）期的差值來確定復種指數不變的區域，未探討復種指數不變區域內部可能出現的變化，這對于耕地產能的評估精度存在一定的影響。上述不足之處將在后續研究中進一步修改完善。

5 結 論

本研究基于MODIS-EVI數據，重構作物EVI生長曲線，同時利用二次差分法及閾值法提取耕地復種指數并計算最優生長時長，以作物最優生長時長變化表征耕地產能變化，探究了2001－2017年四川省復種指數不變區域下耕地產能變化的空間分布及其潛力特征，主要研究結論如下：

1）2001－2017年四川省93.5%的耕地復種指數未發生變化，復種指數不變區熟制以一年一季（占總耕地面積的88.3%）和一年兩季（占總耕地面積的2.7%）為主，復種指數變化區主要集中于成都市、眉山市以及德陽市等四川中部區域。

2）復種指數不變區，研究期內單季作物產能顯著下降區占單季作物耕地面積的24.0%，產能顯著提升區占33.2%，主要分布于廣安市、達州市、宜賓市以及內江市，產能穩定區的占比最大。雙季中第一季作物2001－2017年產能變化表現為先下降后小幅度上升，產能顯著下降區占比為53.6%；雙季中第二季作物產能表現為波動下降，其中產能顯著下降區占43.0%，產能顯著提升區僅占雙季作物耕地面積的6.4%。

3）研究期內四川省單季作物耕地產能潛力空間較小，雙季作物的耕地產能均具有較大的潛力空間。單季作物產能提升潛力小于40%的耕地占比較高（產能提升區83.8%；產能下降區71.4%）。雙季作物的產能提升潛力較高，其中雙季第一季作物產能提升潛力大于80%在產能提升區和產能下降區分別占比為44.9%和53.0%；第二季作物產能提升潛力大于40%的耕地占比超過一半。產能提升潛力的高值區主要位于成都平原及周邊地區，雙季作物多分布于該區域。