基于時序NPP的安徽省耕地生產力時空分異與趨勢分析

陳實 黃銀蘭

摘要［目的］分析安徽省耕地生產力時空變化差異及其變化趨勢。［方法］以2000—2020年時序MOD17A3HGF凈初級生產力為數據基礎，采用Theil-Sen Median趨勢、Mann-Kendall檢驗、Hurst指數以及地理空間分析技術等方法，探究安徽省耕地NPP的時空分異特征，并分析其時空演變趨勢。［結果］近21年來安徽省耕地NPP在時間上呈波動增加的態勢［0.331 g/（m2·10 a）］，空間上耕地NPP以增長趨勢為主（93%），僅有7%的耕地表現下降趨勢；與2000—2010年相比，2010—2020年安徽省43%的耕地NPP趨勢變化類型為降級，主要分布在滁州市、淮南市和亳州市等城市，10%的耕地NPP趨勢變化類型為升級，主要分布在合肥市、宣城市和蕪湖市。未來安徽省75%的耕地NPP繼續表現增長趨勢，分布在合肥市、滁州市、六安市和宿州市等地區，5%的耕地NPP出現下降趨勢，依然分布在各個城市市區附近，20%的耕地NPP趨勢不確定，主要分布在皖北大部地區。［結論］2000—2020年安徽省耕地NPP在時空上呈現增加的態勢，滁州市、淮南市和亳州市等城市耕地NPP時空變化較為敏感，合肥市、滁州市、六安市和宿州市等城市耕地產能提升潛力較大。

關鍵詞耕地；NPP；產能提升；糧食安全；時空分異

中圖分類號F 301文獻標識碼A文章編號0517-6611（2023）24-0069-05

doi：10.3969/j.issn.0517-6611.2023.24.015

Spatiotemporal Differentiation and Trend Analysis of Cultivated Land Productivity in Anhui Province Based on Time Series NPP

CHEN Shi， HUANG Yinlan

（School of Geography and Planning，Chizhou University， Chizhou， Anhui 247000）

Abstract［Objective］ The temporal and spatial variation of cultivated land productivity in Anhui Province and variation trend was analyzed. ［Method］ Based on the data set of MOD17A3HGF net primary productivity from 2000 to 2020， the temporal and spatial differentiation characteristics and evolution trend of cultivated land NPP in Anhui Province were explored by using the methods of TheilSen Median trend analysis， Mannkedall test， Hurst index and geospatial analysis technology. ［Result］ In the past 21 years， the NPP of cultivated land in Anhui Province showed a fluctuating increasing trend ［0.331 g/（m2·10 a）］. In terms of space， NPP of cultivated land mainly showed an increasing trend （93%）， and only 7% of that of cultivated land showed a decreasing trend. Compared with 2000-2010， 43% of trend change types of the cultivated land NPP were degraded in 2010-2020， mainly occurred in Chuzhou， Huainan and Bozhou， and 10% of the trend change types of the cultivated land NPP were upgraded， mainly distributed in Hefei， Xuancheng and Wuhu. In the future， 75% of the cultivated land NPP in Anhui Province will continue to show an increasing trend， which will be distributed in Hefei， Chuzhou， Luan and Suzhou. 5% of the cultivated land NPP will show a decreasing trend， which will be still distributed near the urban areas of various cities. 20% of the cultivated land NPP trend is uncertain， mainly distributed in most areas of Northern Anhui. ［Conclusion］ From 2000 to 2020， the NPP of cultivated land in Anhui Province showed an increasing trend in time and space. The spatial and temporal changes of NPP of cultivated land in cities such as Chuzhou， Huainan and Bozhou were sensitive， while cities such as Hefei， Chuzhou， Luan and Suzhou had great potential for cultivated land productivity improvement.

Key wordsCultivated land;NPP;Productivity improvement;Food security;Spatiotemporal differentiation

開展安徽省耕地凈初級生產力時空變化特征及其趨勢研究，不僅對優化安徽省種植業結構，發展綠色、優質、高效特色農業，提高糧食總產量具有重要的指導意義，還在穩定我國糧食供給，保障區域糧食安全等方面發揮著重要的戰略作用［1-2］。生態系統凈初級生產力（net primary production，NPP）是綠色植被在單位時間內、單位面積所累積的有機物數量，在耕地上能夠直接反映現實生產能力［3］，可作為各種農作物生產能力統一的衡量標準［4］。NPP與農作物產量高度相關［5］，常被作為耕地糧食產量的指標［6］。在縣域尺度的統計數據層面，可將單位耕地面積的糧食產量作為衡量耕地基本生產力的指標，綜合耕地壓力指數、要素轉移重心模型、灰色預測等方法，通過ArcGIS、灰色建模軟件等工具，研究縣域耕地生產力與糧食安全的時空演化特征，并預測其未來變化趨勢［7-8］。但基于統計數據計算耕地生產力時，相應指標需要進行統計抽樣或地面調查，信息獲取相對滯后。MOD17A3HGF的NPP產品已在全球不同區域研究耕地生產力的時空變化方面得到驗證和廣泛應用［9］，數據獲取及時、使用便利。基于逐年NPP數據，利用空間自相關、趨勢分析和相關系數等方法，定性和定量研究耕地NPP的時空變化特征［5，10］，結合我國農田耕作制度區劃，可掌握我國高中低產田的分布規律與特點［11］。近年來，安徽省正快速融入長三角一體化發展，土地資源、水資源的開發利用影響著耕地糧食生產［12-14］，尤其是城鎮擴張對區域糧食安全和農業可持續發展的影響逐漸加劇［15-17］。因此，筆者以農作物種植南北差異顯著且在長三角具有農業發展優勢的安徽省作為研究區，探究其耕地生產力時空分異與趨勢特征。該研究基于2000—2020年逐年NPP時空分布數據，在市級尺度下探究耕地生產力的時空差異，明晰安徽耕地NPP發展潛力區，確定未來需要重點關注區，以期為安徽省耕地產能提升、糧食安全布局調控和農業可持續發展提供科學依據。

1研究區域

安徽省是長江三角洲最具活力的組成部分，地跨114°54′～119°27′E、29°41′～34°38′N，南北長約570 km，東西寬約450 km，面積約14.01萬km2，約占我國國土面積的1.45％（圖1），由皖南（黃山、宣城、池州、銅陵、蕪湖、馬鞍山）、皖中（安慶、六安、合肥、滁州）和皖北（阜陽、淮南、蚌埠、亳州、淮北、宿州）16個地級市組成。安徽省處于暖溫帶與亞熱帶過渡地區，全省年平均降水量800～1 800 mm，年平均氣溫14～17 ℃，年平均無霜期200～250 d，年平均日照時數1 800～2 500 h。安徽省是我國13個糧食主產區和5個糧食凈調出省之一，主要農產品生產一直在長三角地區占據舉足輕重的位置，糧食產量占長三角地區的48%，正致力打造“長三角綠色農產品生產加工供應基地”［18-19］。

2數據來源與研究方法

2.1數據來源

研究采用的凈初級生產力（NPP）數據來源于MOD17A3HGF.v006數據集，涉及分幅影像網格為h27v05、h28v05和h28v06，時間序列長度為2000—2020年，時間分辨率為1年，空間分辨率為500 m×500 m，單位是g/m2，縮放尺度為0.000 1。數據從Google Earth Engine（GEE）平臺獲得（https：//lpdaac.usgs.gov/products/mod17a3hgfv006/），該數據是由給定年份的8 d凈光合作用（Net Photosynthesis，PSN）產品（MOD17A2H）之和得出的。NPP數據的投影坐標為Albers投影WGS_1984坐標，以Geo TIFF格式輸出［20-21］。另外，耕地數據（2000年）來源于中國科學院資源環境數據共享中心（http：//www.resdc.cn/），空間分辨率為100 m×100 m。

2.2研究方法

2.2.1Theil-Sen Median 趨勢分析法。

為探究耕地NPP時間序列變化趨勢，使用Theil-Sen趨勢分析與Mann-Kendall檢驗結合的Theil-Sen Median趨勢分析法，計算公式為：

SNPP表示NPP變化趨勢，當SNPP＞0時，反映NPP呈現增長的趨勢，反之則反映NPP呈現下降的趨勢［22］。

Mann-Kendall的檢驗方法是用來判斷變化趨勢的顯著性，計算公式如下：

設定{NPPi}，i=2000，2001，…，2020

式中：NPPj和NPPi分別表示柵格第i年和第j年的NPP值；n表示時間序列的長度（20年）；sign為計算符號函數；統計量Z的取值范圍在正負無窮之間。在給定顯著性水平α（一般取0.05）下，當|Z|>u1-α/2時，表示研究序列在α（0.05）水平上存在顯著變化［23］。

結合Sen變化趨勢程度和MK檢驗結果，對耕地NPP變化趨勢類型進行分類，當Sen≥0.000 5且MK≥1.96時，表征為耕地NPP明顯增長；當Sen≤-0.000 5且MK≤-1.96時，表征為耕地NPP嚴重下降；當-0.000 5

2.2.2Hurst指數分析法。

估算Hurst指數可以分析耕地NPP的持續性特征，計算原理如下：

對給定的時間序列{NPP（t）}，t=2000，2001，…，2020，定義均值序列：

累積離差為：

級差為：

R（T）=maxX（t，T）-minX（t，T）T=2000，2001，…，2020（6）

標準差為：

R、S、T滿足以下關系式：

R（T）/S（T）=c×TH（8）

式中，R（T）/S（T）為重標極差，c為常數，T為時間序列，H為Hurst指數。

log（R/S）T=logc+H×logT（9）

采用最小二乘法，對logT序列自變量和log（R/S）T序列因變量，計算Hurst指數值［24］。

3結果與分析

3.1耕地NPP的時間變化特征

從2000—2020年安徽省耕地年均NPP變化特征可看出（圖2）：21年來耕地NPP均值變化范圍為375.5～512.6 g/m2，平均值為446.4 g/m2，最大值出現在2014年，達到512.6 g/m2，超過平均值66.2 g/m2，最小值則在2000年，為375.5 g/m2，低于平均值70.9 g/m2。2000—2020年安徽省耕地NPP均值整體上呈現波動增加的態勢，增速為0.331 g/（m2·10 a）（P＜0.001）。

3.2耕地NPP的時空分異分析

該研究結合Sen變化趨勢和MK檢驗，依據耕地NPP變化趨勢劃分類型，2000—2020年安徽省耕地NPP時空變化整體表現為增長趨勢，占安徽耕地面積的93%，其中明顯增長面積占50%，輕微增長面積占43%。僅有7%的耕地出現下降趨勢，包括5%的輕微下降和2%的嚴重下降（圖3a）。耕地NPP明顯增長的區域主要分布在合肥市、滁州市、六安市和宿州市等地區，耕地NPP輕微增長的區域主要分布在阜陽市、亳州市、宿州市和滁州市等地區，而耕地NPP輕微下降和明顯下降的區域主要分布在各個城市市區附近（圖3b）。

為進一步探究安徽省耕地NPP趨勢變化類型特征，該研究從2000—2010年和2010—2020年2個時間段進行對比分析。研究發現，耕地NPP變化趨勢主要是向輕微下降、輕微增長和明顯增長3個類型轉移（圖4）。趨勢變化類型降級的耕地面積較大，體現在輕微增長向輕微下降轉移（16%）、明顯增長向輕微下降轉移（11%）、明顯增長向輕微增長轉移（16%）。僅有10%的耕地NPP趨勢變化類型升級，表現為輕微下降向輕微增長轉移（5%），輕微增長向明顯增長轉移（5%）。

在空間上，耕地NPP趨勢變化類型表現為降級的耕地主要分布在皖北大部和皖中局部地區（圖5），輕微增長向輕微下降降級區域主要發生在合肥市、安慶市、滁州市和淮南市；明顯增長向輕微下降降級區域主要發生在滁州市、淮南市和合肥市；明顯增長向輕微增長降級區域主要發生在宿州市、滁州市、亳州市、蚌埠市和阜陽市。耕地NPP趨勢變化類型表現為升級的耕地主要分布在皖南大部和皖中局部地區（圖5），輕微下降向輕微增長升級區域主要發生在安慶市、宣城市、池州市和蕪湖市；輕微增長向明顯增長升級區域主要發生在合肥市、宣城市、宿州市和蕪湖市。

3.3安徽省耕地NPP的可持續性分析

安徽省耕地NPP的Hurst指數介于0.24～0.76之間，平均值為0.58，其中Hurst指數＜0.5的像元數僅占20%，即呈弱反持續性（0.24≤Hurst指數＜0.5）；Hurst指數≥0.5的像元數約占80％，說明安徽省耕地NPP的正向持續性較強。

將耕地NPP時空變化趨勢結果與Hurst指數結果進行疊加計算，得到變化趨勢與持續性的耦合信息，以揭示安徽省耕地NPP的時空變化趨勢及其持續性。耦合結果劃分為6類：①持續性嚴重下降；②持續性輕微下降；③持續性穩定不變；④持續性輕微增長；⑤持續性明顯增長；⑥未來變化趨勢不確定（反持續性嚴重下降、反持續性輕微下降、反持續性穩定不變、反持續性輕微增長和反持續性明顯增長）。

未來安徽省耕地NPP時空變化整體持續表現為增長趨勢，占安徽省耕地面積的75%，其中明顯增長面積占49%，輕微增長面積占26%（圖6）。未來安徽省有5%的耕地NPP出現下降趨勢，有20%的耕地變化趨勢不確定。未來安徽省耕地NPP明顯增長的區域主要分布在合肥市、滁州市、六安市和宿州市等地區，耕地NPP輕微增長的區域主要分布在滁州市、合肥市、淮南市和阜陽市等地區，而耕地NPP輕微下降和明顯下降的區域依然分布在各個城市市區附近。未來時空變化趨勢不確定的地區分布在皖北大部，主要在阜陽市、宿州市和亳州市等地區。

4討論與結論

4.1討論

近50年安徽省及所在的長江中下游地區氣溫呈上升趨勢［25］，提高了植被光合作用速率和水分利用效率，加速了農田生態系統的物質循環［26］，使得2000—2010年安徽省耕地NPP增加明顯。但隨著安徽省經濟發展格局變化、城市都市圈效應、退耕還林（草）等方面的影響，土地利用轉移變化以耕地轉移量最大，主要轉移為城鎮用地和水域用地［27］，同時人類活動對耕地影響加劇，引起耕地NPP下降，導致2010—2020年安徽省耕地NPP增加趨勢較弱，且在經濟發展較為迅速的城市出現耕地NPP等級下降（如滁州市、淮南市和合肥市）。安徽省耕地NPP的時空差異性逐漸增強，尤其在皖中和皖北地區，在滿足氣溫的條件下，農作物生長過程中耕地需水量是否達到要求，直接影響耕地NPP，應以高標準農田建設為契機，加強水利基礎設施建設［3］。根據安徽省耕地NPP的時空分異及其發展趨勢的研究結果，可為因地制宜改善農業生態環境，科學合理推動農業高質量發展，增強區域糧食安全保障能力，全面推動實施高標準農田改造提升工程等提供指導和參考。

相較于已有研究，筆者采用逐年耕地NPP數據，研究時空監測頻率較高、跨度更長，有效揭示了安徽省耕地NPP時空分異及其趨勢變化特征。選擇由凈光合作用計算獲得的NPP，相較于其他研究使用增強植被指數（enhanced vegetation index，EVI）更具優勢［28］。研究不僅分析了耕地NPP變化趨勢，還整合Sen趨勢和MK檢驗數據建立了耕地生產力趨勢變化類型劃分依據，深入分析了不同時期安徽省耕地NPP趨勢變化類型時空變化格局。該研究還存在一些不足，如文中采用的NPP數據空間分辨率為500 m，能夠揭示安徽省耕地NPP時空差異及其趨勢變化規律，但相較于綜合遙感、土地利用和其他非遙感數據驅動VPM模型模擬的耕地NPP，精度要低一些［29］。后續研究將基于中高空間分辨率遙感數據，綜合氣候、土壤、生產條件和科技推廣應用等統計網格化數據，模擬分析耕地NPP空間格局［3］，深入揭示安徽省耕地NPP時空演變分異的影響機制。

4.2結論

基于安徽省2000—2020年時序耕地NPP數據，采用Theil-Sen Median趨勢分析、Mann-Kendall檢驗、Hurst指數等方法，探究安徽省耕地NPP的時空分異特征，并分析其時空演變趨勢。①2000—2020年安徽省耕地年均NPP整體上呈現波動增加的態勢，增速為0.331 g/（m2·10 a）（P＜0.001）。②在空間變化上，93%的耕地NPP呈現增長趨勢，7%的耕地出現下降趨勢，相較于2000—2010年，2010—2020年滁州市、淮南市和亳州市等地區的耕地NPP趨勢變化類型為降級，合肥市、宣城市和蕪湖市等地區的耕地NPP趨勢變化類型為升級。③未來合肥市、滁州市、六安市和宿州市等地區的耕地NPP繼續表現增長趨勢，各個城市市區附近的耕地NPP出現下降趨勢，皖北大部地區的耕地NPP趨勢不確定。總之，近20年來安徽省耕地NPP在時空上呈現增加的態勢，滁州市、淮南市和亳州市等城市耕地NPP時空變化較為敏感，合肥市、滁州市、六安市和宿州市等地區耕地產能提升潛力較大。

參考文獻

［1］ WAND C Y，SUN X F，WANG M，et al.Chinese cropland quality and its temporal and spatial changes due to urbanization in 2000-2015［J］.Journal of resources and ecology，2019，10（2）：174-183.

［2］ POTAPOV P，TURUBANOVA S，HANSEN M C，et al.Global maps of cropland extent and change show accelerated cropland expansion in the twentyfirst century［J］.Nature food，2022，3（1）：19-28.

［3］ 黃端，閆慧敏，池泓，等.2000—2015年江漢平原農田生態系統NPP時空變化特征［J］.自然資源學報，2020，35（4）：845-856.

［4］ 國志興，王宗明，劉殿偉，等.三江平原農田生產力時空特征分析［J］.農業工程學報，2009，25（1）：249-254.

［5］ TAO F L，YOKOZAWA M，ZHANG Z，et al.Remote sensing of crop production in China by production efficiency models：Models comparisons，estimates and uncertainties［J］.Ecological modelling，2005，183（4）：385-396.

［6］ ZHOU Y T，GHOLIZADEH H，LAVANCHY G T，et al.Inspecting the foodwater nexus in the Ogallala aquifer region using satellite remote sensing time series［J］.Remote sensing，2020，12（14）：1-14.

［7］ 方修琦，殷培紅，陳烽棟.過去20年中國耕地生產力區域差異變化研究［J］.地理科學，2009，29（4）：470-476.

［8］ 陰柯欣，商慶凱，米文寶.寧夏耕地生產力與糧食安全耦合關系及趨勢預測［J］.干旱區資源與環境，2020，34（7）：37-45.

［9］ LIU Z J，LIU Y S，WANG J Y.A global analysis of agricultural productivity and water resource consumption changes over cropland expansion regions［J］.Agriculture ecosystems & environment，2021，321：1-9.

［10］ 王軼虹，史學正，王美艷，等.2001—2010年中國農田生態系統NPP的時空演變特征［J］.土壤學報，2017，54（2）：319-330.

［11］ 冀詠贊，閆慧敏，劉紀遠，等.基于MODIS數據的中國耕地高中低產田空間分布格局［J］.地理學報，2015，70（5）：766-778.

［12］ 程輝，于華巖，張延軍，等.長春市城市建設用地與耕地變化研究［J］.安徽農業科學，2017，45（9）：200-202.

［13］ 潘佩佩，王曉旭，楊桂山，等.經濟快速發展地區耕地質量時空變化格局研究［J］.地理與地理信息科學，2015，31（4）：65-70.

［14］ 成方妍，劉世梁，張月秋，等.基于MODIS序列的北京市土地利用變化對凈初級生產力的影響［J］.生態學報，2017，37（18）：5924-5934.

［15］ 閆慧敏，劉紀遠，黃河清，等.城市化和退耕還林草對中國耕地生產力的影響［J］.地理學報，2012，67（5）：579-588.

［16］ 劉愛琳，匡文慧，張弛.1990—2015年中國工礦用地擴張及其對糧食安全的潛在影響［J］.地理科學進展，2017，36（5）：618-625.

［17］ LIU L，XU X L，CHEN X.Assessing the impact of urban expansion on potential crop yield in China during 1990-2010［J］.Food security，2015，7（1）：33-43.

［18］ 李瑩瑩，馬曉雙，祁國華，等.基于參數本地化InVEST模型的安徽省水源涵養功能研究［J］.長江流域資源與環境，2022，31（2）：313-325.

［19］ 劉廣東，陳景貴，李子陽.鄉村振興背景下安徽特色農產品品牌推廣研究［J］.安徽農業科學，2022，50（17）：250-252.

［20］ 孫金珂，牛海鵬，袁鳴.中國陸地植被生態系統NPP空間格局變遷分析［J］.農業機械學報，2020，51（6）：162-168.

［21］ 蘭云飛，李傳華.近16年祁連山植被NPP時空格局及其對氣候變化的響應［J］.草地學報，2022，30（1）：188-195.

［22］ 馬玥，王錄倉.2000—2018年甘南州植被覆蓋水平時空變化［J］.安徽農業科學，2022，50（7）：68-72，95.

［23］ 史曉亮，吳夢月，丁皓.SPEI和植被遙感信息監測西南地區干旱差異分析［J］.農業機械學報，2020，51（12）：184-192.

［24］ 周夏飛，馬國霞，曹國志，等.2001—2013年黃土高原植被凈初級生產力時空變化及其歸因［J］.安徽農業科學，2017，45（14）：48-53.

［25］ 徐光來，楊先成，徐曉華，等.氣候變暖背景下安徽省月NDVI動態變化研究［J］.長江流域資源與環境，2021，30（2）：397-406.

［26］ 郭睿妍，田佳，楊志玲，等.基于GEE平臺的黃河流域森林植被凈初級生產力時空變化特征［J］.生態學報，2022，42（13）：5437-5445.

［27］ 王芳，汪左，張運.2000—2015年安徽省植被凈初級生產力時空分布特征及其驅動因素［J］.生態學報，2018，38（8）：2754-2767.

［28］ 張超，陳婉鈴，馬佳妮，等.基于時序EVI的2000—2019年吉林省耕地生產力時空分析［J］.農業機械學報，2022，53（2）：158-166.

［29］ 王赫彬，王文娟，商令杰.2000—2015年山東省耕地產能的時空格局［J］.中國農業大學學報，2020，25（3）：128-138.