基于时序NPP的安徽省耕地生产力时空分异与趋势分析

摘要［目的］分析安徽省耕地生产力时空变化差异及其变化趋势。［方法］以2000—2020年时序MOD17A3HGF净初级生产力为数据基础，采用Theil-Sen Median趋势、Mann-Kendall检验、Hurst指数以及地理空间分析技术等方法，探究安徽省耕地NPP的时空分异特征，并分析其时空演变趋势。［结果］近21年来安徽省耕地NPP在时间上呈波动增加的态势［0.331 g/（m2·10 a）］，空间上耕地NPP以增长趋势为主（93%），仅有7%的耕地表现下降趋势；与2000—2010年相比，2010—2020年安徽省43%的耕地NPP趋势变化类型为降级，主要分布在滁州市、淮南市和亳州市等城市，10%的耕地NPP趋势变化类型为升级，主要分布在合肥市、宣城市和芜湖市。未来安徽省75%的耕地NPP继续表现增长趋势，分布在合肥市、滁州市、六安市和宿州市等地区，5%的耕地NPP出现下降趋势，依然分布在各个城市市区附近，20%的耕地NPP趋势不确定，主要分布在皖北大部地区。［结论］2000—2020年安徽省耕地NPP在时空上呈现增加的态势，滁州市、淮南市和亳州市等城市耕地NPP时空变化较为敏感，合肥市、滁州市、六安市和宿州市等城市耕地产能提升潜力较大。

关键词耕地；NPP；产能提升；粮食安全；时空分异

中图分类号F 301文献标识码A文章编号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， Lu’an 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， Lu’an and Suzhou had great potential for cultivated land productivity improvement.

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

开展安徽省耕地净初级生产力时空变化特征及其趋势研究，不仅对优化安徽省种植业结构，发展绿色、优质、高效特色农业，提高粮食总产量具有重要的指导意义，还在稳定我国粮食供给，保障区域粮食安全等方面发挥着重要的战略作用［1-2］。生态系统净初级生产力（net primary production，NPP）是绿色植被在单位时间内、单位面积所累积的有机物数量，在耕地上能够直接反映现实生产能力［3］，可作为各种农作物生产能力统一的衡量标准［4］。NPP与农作物产量高度相关［5］，常被作为耕地粮食产量的指标［6］。在县域尺度的统计数据层面，可将单位耕地面积的粮食产量作为衡量耕地基本生产力的指标，综合耕地压力指数、要素转移重心模型、灰色预测等方法，通过ArcGIS、灰色建模软件等工具，研究县域耕地生产力与粮食安全的时空演化特征，并预测其未来变化趋势［7-8］。但基于统计数据计算耕地生产力时，相应指标需要进行统计抽样或地面调查，信息获取相对滞后。MOD17A3HGF的NPP产品已在全球不同区域研究耕地生产力的时空变化方面得到验证和广泛应用［9］，数据获取及时、使用便利。基于逐年NPP数据，利用空间自相关、趋势分析和相关系数等方法，定性和定量研究耕地NPP的时空变化特征［5，10］，结合我国农田耕作制度区划，可掌握我国高中低产田的分布规律与特点［11］。近年来，安徽省正快速融入长三角一体化发展，土地资源、水资源的开发利用影响着耕地粮食生产［12-14］，尤其是城镇扩张对区域粮食安全和农业可持续发展的影响逐渐加剧［15-17］。因此，笔者以农作物种植南北差异显著且在长三角具有农业发展优势的安徽省作为研究区，探究其耕地生产力时空分异与趋势特征。该研究基于2000—2020年逐年NPP时空分布数据，在市级尺度下探究耕地生产力的时空差异，明晰安徽耕地NPP发展潜力区，确定未来需要重点关注区，以期为安徽省耕地产能提升、粮食安全布局调控和农业可持续发展提供科学依据。

1研究区域

安徽省是长江三角洲最具活力的组成部分，地跨114°54′～119°27′E、29°41′～34°38′N，南北长约570 km，东西宽约450 km，面积约14.01万km2，约占我国国土面积的1.45％（图1），由皖南（黄山、宣城、池州、铜陵、芜湖、马鞍山）、皖中（安庆、六安、合肥、滁州）和皖北（阜阳、淮南、蚌埠、亳州、淮北、宿州）16个地级市组成。安徽省处于暖温带与亚热带过渡地区，全省年平均降水量800～1 800 mm，年平均气温14～17 ℃，年平均无霜期200～250 d，年平均日照时数1 800～2 500 h。安徽省是我国13个粮食主产区和5个粮食净调出省之一，主要农产品生产一直在长三角地区占据举足轻重的位置，粮食产量占长三角地区的48%，正致力打造“长三角绿色农产品生产加工供应基地”［18-19］。

2数据来源与研究方法

2.1数据来源

研究采用的净初级生产力（NPP）数据来源于MOD17A3HGF.v006数据集，涉及分幅影像网格为h27v05、h28v05和h28v06，时间序列长度为2000—2020年，时间分辨率为1年，空间分辨率为500 m×500 m，单位是g/m2，缩放尺度为0.000 1。数据从Google Earth Engine（GEE）平台获得（https：//lpdaac.usgs.gov/products/mod17a3hgfv006/），该数据是由给定年份的8 d净光合作用（Net Photosynthesis，PSN）产品（MOD17A2H）之和得出的。NPP数据的投影坐标为Albers投影WGS_1984坐标，以Geo TIFF格式输出［20-21］。另外，耕地数据（2000年）来源于中国科学院资源环境数据共享中心（http：//www.resdc.cn/），空间分辨率为100 m×100 m。

2.2研究方法

2.2.1Theil-Sen Median 趋势分析法。

为探究耕地NPP时间序列变化趋势，使用Theil-Sen趋势分析与Mann-Kendall检验结合的Theil-Sen Median趋势分析法，计算公式为：

SNPP表示NPP变化趋势，当SNPP＞0时，反映NPP呈现增长的趋势，反之则反映NPP呈现下降的趋势［22］。

Mann-Kendall的检验方法是用来判断变化趋势的显著性，计算公式如下：

设定{NPPi}，i=2000，2001，…，2020

式中：NPPj和NPPi分别表示栅格第i年和第j年的NPP值；n表示时间序列的长度（20年）；sign为计算符号函数；统计量Z的取值范围在正负无穷之间。在给定显著性水平α（一般取0.05）下，当|Z|>u1-α/2时，表示研究序列在α（0.05）水平上存在显著变化［23］。

结合Sen变化趋势程度和MK检验结果，对耕地NPP变化趋势类型进行分类，当Sen≥0.000 5且MK≥1.96时，表征为耕地NPP明显增长；当Sen≤-0.000 5且MK≤-1.96时，表征为耕地NPP严重下降；当-0.000 5<Sen<0.000 5且-1.96<MK<1.96时，表征为耕地NPP稳定不变；当Sen≥0.000 5且-1.96<MK<1.96时，表征为耕地NPP轻微增长；当Sen ≤-0.000 5且-1.96<MK<1.96时，表征为耕地NPP轻微下降。

2.2.2Hurst指数分析法。