基于MODIS-NPP數據的耕地生產力時空特征分析
——以北京市2001—2005年為例

曾 迅

（南京農業(yè)大學，南京 210095）

糧食安全是關乎國計民生的重大戰(zhàn)略問題。對區(qū)域耕地生產力進行科學評價，研究耕地生產力的時空演變規(guī)律對于挖掘耕地生產潛力、保障糧食安全等具有重大價值。傳統(tǒng)耕地生產力評價多依據采樣數據和社會統(tǒng)計數據[1-3]。隨著遙感技術的發(fā)展，遙感數據逐步應用生產力評價領域。已有學者利用歸一化植被指數（NDVI）、增強型植被指數（EVI）、凈初級生產力（NPP）和總初級生產力（GPP）[4-6]等指標進行生產力評估，或通過構建CASA模型、GLO-PEM模型、PSN模型及VPM模型等進行生產力計算[5]。其中NPP數據在實時、連續(xù)監(jiān)測和年際波動和長期變化趨勢的探測方面優(yōu)勢顯著[7]，能較好地表征區(qū)域耕地生產力。

本文基于NASA平臺提供的MODIS-NPP數據及土地覆蓋數據，通過空間自相關分析法、變異系數法及Sen-Man Kendall趨勢檢驗法，對北京市2001—2005年耕地生產力進行時空特征分析，揭示該時間段北京市耕地生產力的空間分布情況、穩(wěn)定性及變化趨勢。

1 研究區(qū)域、數據與方法

1.1 研究區(qū)域

北京市位于華北平原北部，北緯39°56′，東經116°20′，總面積16 410.54 km2，下轄16個區(qū)縣。城市地形呈現“西北高，東南低”的態(tài)勢，平均海拔為43.5 m。氣候為溫帶半干旱半濕潤大陸性季風氣候，土壤類型以棕壤、褐土和潮土等為主[8]。

1.2 數據及來源

（1）NPP數據集。采用NASA官網提供的MOD17A 3HGF數據產品，空間分辨率為500 m，從中提取北京市2001—2005年NPP時間序列數據。

（2）土地覆蓋數據。采用NASA官網提供的MCD12 Q1數據產品，空間分辨率為500 m，從中提取北京市2001—2005年土地覆蓋數據。

（3）糧食產量數據。來源于《北京市統(tǒng)計年鑒》。

1.3 研究方法

首先，從MOD17A3HGF數據集中提取2001—2005年北京市耕地年均MODIS-NPP數據，通過線性回歸模型擬合耕地NPP數據與耕地作物產量之間的關系，驗證耕地NPP數據對耕地生產力的表征能力。而后通過空間自相關分析法、變異系數法、Sen-Mann Kendall法分析北京市耕地生產力的空間集聚特征、穩(wěn)定性及變化趨勢。技術路線如圖1所示。

圖1 技術路線

1.3.1 耕地生產力空間集聚特征研究

對于耕地生產力的空間集聚特征研究，本文先采用全局Moran's I系數判斷耕地NPP是否在空間上存在聚集性，而后利用ArcGIS中的“聚類和異常值分析”進行對北京市耕地NPP進行局部自相關分析，探究耕地生產力的局部空間集聚。

1.3.2 耕地生產力穩(wěn)定性研究

對于耕地生產力穩(wěn)定性研究，本文采用CV表示耕地NPP在一段時間內的波動程度，基于CV數值利用自然斷點法將耕地生產力穩(wěn)定性分為低波動、較低波動、較高波動及高波動4個等級。

變異系數Cv的計算公式為：

式中：CV為變異系數；NPPi為時間序列i的NPP數值：NPP為整段時間序列中NPP的均值；n為NPP時間序列中數據的個數。

1.3.3 耕地生產力變化趨勢研究

對于耕地生產力的變化趨勢研究，本文采用Sen-Mann Kendall趨勢檢驗法。先進行Sen斜率估計，再進行Mann-Kendall（MK）檢驗時間序列趨勢的顯著性，其中Sen斜率估計的斜率β計算公式為

式中：NPPi和NPPj分別為時間序列i和j中的數值。

對于Mann-Kendall（MK）檢驗，統(tǒng)計量S定義為

S的方差為

式中：n為NPP時間序列中數據的個數。

標準化后的檢驗統(tǒng)計量Z計算式為

在α=0.05的置信水平上判斷NPP時間序列變化趨勢的顯著性。

2 結果與分析

將北京市2001—2005年的北京市各區(qū)縣糧食產量與對應耕地NPP年均數據進行回歸分析，實現耕地生產力到NPP的轉換。結果表明，R2在0.568 7與0.770 1之間，北京市NPP數據能較好地表征耕地生產力。

從時間變化上看，2001—2005年北京市耕地NPP年際變化整體呈現上升趨勢，5年內的均值為403.64gC/m2，如圖2所示。從空間分布上看，北京市耕地多年NPP空間分布總體上呈現北部高，南部低，由北向南遞減的特征。

圖2 北京市2001—2005年耕地年際NPP變化情況

2.1 北京市耕地生產力空間集聚特征分析

利用ArcGIS10.6對北京市2001—2005年耕地平均NPP進行全局空間自相關分析。結果表明，NPP的全局Moran's I值大于0，Z得分169.86，表明北京市耕地NPP存在正向的全局空間自相關性。再對北京市耕地NPP進行局部自相關分析，顯示為“高—高集聚”的耕地占全市總耕地的23.8%，主要分布于西北部、西南部及中部地區(qū)，說明該區(qū)域耕地NPP較高的地方，周圍耕地NPP也較高。顯示為“低—低集聚”的耕地占全市總耕地的28.6%，主要分布于北京市的南部及東南部地區(qū)，說明該區(qū)域耕地NPP較低的地方，周圍耕地NPP也較低。

2.2 北京市耕地生產力穩(wěn)定性分析

計算2001—2005年北京市耕地生產力的變異系數CV，結果顯示，北京市生產力CV分布在0～1.51之間。耕地生產力穩(wěn)定性基于自然斷點法可分為4個等級:低波動區(qū)（CV≤0.16）、較低波動區(qū)（0.16＜CV≤0.32）、較高波動區(qū)（0.32＜CV≤0.89）、高波動區(qū)（CV＞0.89）。北京市耕地生產力穩(wěn)定性存在顯著的空間差異，變異系數總體上呈現出東南高，西北低的態(tài)勢。其中，低波動區(qū)占全市耕地面積的43.9%，主要分布于延慶縣、密云縣和順義區(qū)等北京市北部和中部地區(qū);較低波動區(qū)占全市耕地面積的52.9%，主要分布于通州區(qū)、大興區(qū)、順義區(qū)等北京市南部;較高波動區(qū)和高波動區(qū)分別占全市耕地面積的1.8%、1.4%，零星分布于北京市各區(qū)縣。總體而言，北京市2001—2005年耕地生產力較為穩(wěn)定。

2.3 北京市耕地生產力變化趨勢分析

基于MATLAB，采用Sen-Man Kendall趨勢檢驗法對2001—2005年北京市耕地生產力變化趨勢進行分析。結果顯示，耕地生產力整體呈改善趨勢。呈明顯改善趨勢的耕地占全市耕地的7.3%，主要分布在延慶區(qū)西部，在懷柔區(qū)、密云區(qū)、昌平區(qū)、順義區(qū)及平谷區(qū)也有零散分布。呈輕微改善的耕地占全市耕地的92.5%，遍布北京市各區(qū)耕地。呈輕微退化的耕地僅占全市耕地0.2%，零星分布于順義區(qū)西南部、平谷區(qū)中部及密云區(qū)南部。無呈現嚴重退化的耕地。

3 結論

（1）本文利用MODIS-NPP數據表征耕地生產力，構建了包含空間自相關分析法、變異系數法及Sen-Man Kendall趨勢檢驗法的時空特征分析框架，得到2001—2005年間北京市耕地生產力空間集聚特征、穩(wěn)定性及變化趨勢。

（2）北京市耕地生產力空間分異顯著，北部和中部耕地生產力較高，且呈現“高—高”集聚狀態(tài)，南部耕地生產力較低，且呈現“低—低”集聚狀態(tài)。北京市耕地生產力整體而言較為穩(wěn)定，低波動區(qū)與較低波動區(qū)分別占全市耕地面積的43.9%和52.9%。

（3）2001—2005年間，北京市耕地生產力整體呈現改善趨勢。呈明顯改善趨勢的耕地占全市耕地的7.3%，主要分布在延慶區(qū)西部，在懷柔區(qū)、密云區(qū)、昌平區(qū)、順義區(qū)及平谷區(qū)也有零散分布。呈輕微改善的耕地占全市耕地的92.5%，遍布北京市各區(qū)耕地。