基于MODIS-NPP数据的耕地生产力时空特征分析——以北京市2001—2005年为例

曾 迅

（南京农业大学，南京 210095）

粮食安全是关乎国计民生的重大战略问题。对区域耕地生产力进行科学评价，研究耕地生产力的时空演变规律对于挖掘耕地生产潜力、保障粮食安全等具有重大价值。传统耕地生产力评价多依据采样数据和社会统计数据[1-3]。随着遥感技术的发展，遥感数据逐步应用生产力评价领域。已有学者利用归一化植被指数（NDVI）、增强型植被指数（EVI）、净初级生产力（NPP）和总初级生产力（GPP）[4-6]等指标进行生产力评估，或通过构建CASA模型、GLO-PEM模型、PSN模型及VPM模型等进行生产力计算[5]。其中NPP数据在实时、连续监测和年际波动和长期变化趋势的探测方面优势显著[7]，能较好地表征区域耕地生产力。

本文基于NASA平台提供的MODIS-NPP数据及土地覆盖数据，通过空间自相关分析法、变异系数法及Sen-Man Kendall趋势检验法，对北京市2001—2005年耕地生产力进行时空特征分析，揭示该时间段北京市耕地生产力的空间分布情况、稳定性及变化趋势。

1 研究区域、数据与方法

1.1 研究区域

北京市位于华北平原北部，北纬39°56′，东经116°20′，总面积16 410.54 km2，下辖16个区县。城市地形呈现“西北高，东南低”的态势，平均海拔为43.5 m。气候为温带半干旱半湿润大陆性季风气候，土壤类型以棕壤、褐土和潮土等为主[8]。

1.2 数据及来源

（1）NPP数据集。采用NASA官网提供的MOD17A 3HGF数据产品，空间分辨率为500 m，从中提取北京市2001—2005年NPP时间序列数据。

（2）土地覆盖数据。采用NASA官网提供的MCD12 Q1数据产品，空间分辨率为500 m，从中提取北京市2001—2005年土地覆盖数据。

（3）粮食产量数据。来源于《北京市统计年鉴》。

1.3 研究方法

首先，从MOD17A3HGF数据集中提取2001—2005年北京市耕地年均MODIS-NPP数据，通过线性回归模型拟合耕地NPP数据与耕地作物产量之间的关系，验证耕地NPP数据对耕地生产力的表征能力。而后通过空间自相关分析法、变异系数法、Sen-Mann Kendall法分析北京市耕地生产力的空间集聚特征、稳定性及变化趋势。技术路线如图1所示。

图1 技术路线

1.3.1 耕地生产力空间集聚特征研究

对于耕地生产力的空间集聚特征研究，本文先采用全局Moran's I系数判断耕地NPP是否在空间上存在聚集性，而后利用ArcGIS中的“聚类和异常值分析”进行对北京市耕地NPP进行局部自相关分析，探究耕地生产力的局部空间集聚。

1.3.2 耕地生产力稳定性研究

对于耕地生产力稳定性研究，本文采用CV表示耕地NPP在一段时间内的波动程度，基于CV数值利用自然断点法将耕地生产力稳定性分为低波动、较低波动、较高波动及高波动4个等级。

变异系数Cv的计算公式为：

式中：CV为变异系数；NPPi为时间序列i的NPP数值：NPP为整段时间序列中NPP的均值；n为NPP时间序列中数据的个数。

1.3.3 耕地生产力变化趋势研究

对于耕地生产力的变化趋势研究，本文采用Sen-Mann Kendall趋势检验法。先进行Sen斜率估计，再进行Mann-Kendall（MK）检验时间序列趋势的显著性，其中Sen斜率估计的斜率β计算公式为

式中：NPPi和NPPj分别为时间序列i和j中的数值。

对于Mann-Kendall（MK）检验，统计量S定义为

S的方差为

式中：n为NPP时间序列中数据的个数。

标准化后的检验统计量Z计算式为

在α=0.05的置信水平上判断NPP时间序列变化趋势的显著性。

2 结果与分析

将北京市2001—2005年的北京市各区县粮食产量与对应耕地NPP年均数据进行回归分析，实现耕地生产力到NPP的转换。结果表明，R2在0.568 7与0.770 1之间，北京市NPP数据能较好地表征耕地生产力。

从时间变化上看，2001—2005年北京市耕地NPP年际变化整体呈现上升趋势，5年内的均值为403.64gC/m2，如图2所示。从空间分布上看，北京市耕地多年NPP空间分布总体上呈现北部高，南部低，由北向南递减的特征。

图2 北京市2001—2005年耕地年际NPP变化情况

2.1 北京市耕地生产力空间集聚特征分析

利用ArcGIS10.6对北京市2001—2005年耕地平均NPP进行全局空间自相关分析。结果表明，NPP的全局Moran's I值大于0，Z得分169.86，表明北京市耕地NPP存在正向的全局空间自相关性。再对北京市耕地NPP进行局部自相关分析，显示为“高—高集聚”的耕地占全市总耕地的23.8%，主要分布于西北部、西南部及中部地区，说明该区域耕地NPP较高的地方，周围耕地NPP也较高。显示为“低—低集聚”的耕地占全市总耕地的28.6%，主要分布于北京市的南部及东南部地区，说明该区域耕地NPP较低的地方，周围耕地NPP也较低。

2.2 北京市耕地生产力稳定性分析

计算2001—2005年北京市耕地生产力的变异系数CV，结果显示，北京市生产力CV分布在0～1.51之间。耕地生产力稳定性基于自然断点法可分为4个等级:低波动区（CV≤0.16）、较低波动区（0.16＜CV≤0.32）、较高波动区（0.32＜CV≤0.89）、高波动区（CV＞0.89）。北京市耕地生产力稳定性存在显著的空间差异，变异系数总体上呈现出东南高，西北低的态势。其中，低波动区占全市耕地面积的43.9%，主要分布于延庆县、密云县和顺义区等北京市北部和中部地区;较低波动区占全市耕地面积的52.9%，主要分布于通州区、大兴区、顺义区等北京市南部;较高波动区和高波动区分别占全市耕地面积的1.8%、1.4%，零星分布于北京市各区县。总体而言，北京市2001—2005年耕地生产力较为稳定。

2.3 北京市耕地生产力变化趋势分析

基于MATLAB，采用Sen-Man Kendall趋势检验法对2001—2005年北京市耕地生产力变化趋势进行分析。结果显示，耕地生产力整体呈改善趋势。呈明显改善趋势的耕地占全市耕地的7.3%，主要分布在延庆区西部，在怀柔区、密云区、昌平区、顺义区及平谷区也有零散分布。呈轻微改善的耕地占全市耕地的92.5%，遍布北京市各区耕地。呈轻微退化的耕地仅占全市耕地0.2%，零星分布于顺义区西南部、平谷区中部及密云区南部。无呈现严重退化的耕地。

3 结论

（1）本文利用MODIS-NPP数据表征耕地生产力，构建了包含空间自相关分析法、变异系数法及Sen-Man Kendall趋势检验法的时空特征分析框架，得到2001—2005年间北京市耕地生产力空间集聚特征、稳定性及变化趋势。

（2）北京市耕地生产力空间分异显著，北部和中部耕地生产力较高，且呈现“高—高”集聚状态，南部耕地生产力较低，且呈现“低—低”集聚状态。北京市耕地生产力整体而言较为稳定，低波动区与较低波动区分别占全市耕地面积的43.9%和52.9%。

（3）2001—2005年间，北京市耕地生产力整体呈现改善趋势。呈明显改善趋势的耕地占全市耕地的7.3%，主要分布在延庆区西部，在怀柔区、密云区、昌平区、顺义区及平谷区也有零散分布。呈轻微改善的耕地占全市耕地的92.5%，遍布北京市各区耕地。