基于時序NPP的安徽省耕地生產(chǎn)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(chǎn)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(chǎn)力為數(shù)據(jù)基礎(chǔ)，采用Theil-Sen Median趨勢、Mann-Kendall檢驗、Hurst指數(shù)以及地理空間分析技術(shù)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(jié)果］近21年來安徽省耕地NPP在時間上呈波動增加的態(tài)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(xiàn)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(xù)表現(xiàn)增長趨勢，分布在合肥市、滁州市、六安市和宿州市等地區(qū)，5%的耕地NPP出現(xiàn)下降趨勢，依然分布在各個城市市區(qū)附近，20%的耕地NPP趨勢不確定，主要分布在皖北大部地區(qū)。［結(jié)論］2000—2020年安徽省耕地NPP在時空上呈現(xiàn)增加的態(tài)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(chǎn)能提升潛力較大。

關(guān)鍵詞耕地；NPP；產(chǎn)能提升；糧食安全；時空分異

中圖分類號F 301文獻(xiàn)標(biāo)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(chǎn)力時空變化特征及其趨勢研究，不僅對優(yōu)化安徽省種植業(yè)結(jié)構(gòu)，發(fā)展綠色、優(yōu)質(zhì)、高效特色農(nóng)業(yè)，提高糧食總產(chǎn)量具有重要的指導(dǎo)意義，還在穩(wěn)定我國糧食供給，保障區(qū)域糧食安全等方面發(fā)揮著重要的戰(zhàn)略作用［1-2］。生態(tài)系統(tǒng)凈初級生產(chǎn)力（net primary production，NPP）是綠色植被在單位時間內(nèi)、單位面積所累積的有機(jī)物數(shù)量，在耕地上能夠直接反映現(xiàn)實生產(chǎn)能力［3］，可作為各種農(nóng)作物生產(chǎn)能力統(tǒng)一的衡量標(biāo)準(zhǔn)［4］。NPP與農(nóng)作物產(chǎn)量高度相關(guān)［5］，常被作為耕地糧食產(chǎn)量的指標(biāo)［6］。在縣域尺度的統(tǒng)計數(shù)據(jù)層面，可將單位耕地面積的糧食產(chǎn)量作為衡量耕地基本生產(chǎn)力的指標(biāo)，綜合耕地壓力指數(shù)、要素轉(zhuǎn)移重心模型、灰色預(yù)測等方法，通過ArcGIS、灰色建模軟件等工具，研究縣域耕地生產(chǎn)力與糧食安全的時空演化特征，并預(yù)測其未來變化趨勢［7-8］。但基于統(tǒng)計數(shù)據(jù)計算耕地生產(chǎn)力時，相應(yīng)指標(biāo)需要進(jìn)行統(tǒng)計抽樣或地面調(diào)查，信息獲取相對滯后。MOD17A3HGF的NPP產(chǎn)品已在全球不同區(qū)域研究耕地生產(chǎn)力的時空變化方面得到驗證和廣泛應(yīng)用［9］，數(shù)據(jù)獲取及時、使用便利。基于逐年NPP數(shù)據(jù)，利用空間自相關(guān)、趨勢分析和相關(guān)系數(shù)等方法，定性和定量研究耕地NPP的時空變化特征［5，10］，結(jié)合我國農(nóng)田耕作制度區(qū)劃，可掌握我國高中低產(chǎn)田的分布規(guī)律與特點［11］。近年來，安徽省正快速融入長三角一體化發(fā)展，土地資源、水資源的開發(fā)利用影響著耕地糧食生產(chǎn)［12-14］，尤其是城鎮(zhèn)擴(kuò)張對區(qū)域糧食安全和農(nóng)業(yè)可持續(xù)發(fā)展的影響逐漸加?。?5-17］。因此，筆者以農(nóng)作物種植南北差異顯著且在長三角具有農(nóng)業(yè)發(fā)展優(yōu)勢的安徽省作為研究區(qū)，探究其耕地生產(chǎn)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(shù)據(jù)，在市級尺度下探究耕地生產(chǎn)力的時空差異，明晰安徽耕地NPP發(fā)展?jié)摿^(qū)，確定未來需要重點關(guān)注區(qū)，以期為安徽省耕地產(chǎn)能提升、糧食安全布局調(diào)控和農(nóng)業(yè)可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1研究區(qū)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(qū)，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(shù)1 800～2 500 h。安徽省是我國13個糧食主產(chǎn)區(qū)和5個糧食凈調(diào)出省之一，主要農(nóng)產(chǎn)品生產(chǎn)一直在長三角地區(qū)占據(jù)舉足輕重的位置，糧食產(chǎn)量占長三角地區(qū)的48%，正致力打造“長三角綠色農(nóng)產(chǎn)品生產(chǎn)加工供應(yīng)基地”［18-19］。

2數(shù)據(jù)來源與研究方法

2.1數(shù)據(jù)來源

研究采用的凈初級生產(chǎn)力（NPP）數(shù)據(jù)來源于MOD17A3HGF.v006數(shù)據(jù)集，涉及分幅影像網(wǎng)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(shù)據(jù)從Google Earth Engine（GEE）平臺獲得（https：//lpdaac.usgs.gov/products/mod17a3hgfv006/），該數(shù)據(jù)是由給定年份的8 d凈光合作用（Net Photosynthesis，PSN）產(chǎn)品（MOD17A2H）之和得出的。NPP數(shù)據(jù)的投影坐標(biāo)為Albers投影WGS_1984坐標(biāo)，以Geo TIFF格式輸出［20-21］。另外，耕地數(shù)據(jù)（2000年）來源于中國科學(xué)院資源環(huán)境數(shù)據(jù)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(jié)合的Theil-Sen Median趨勢分析法，計算公式為：

SNPP表示NPP變化趨勢，當(dāng)SNPP＞0時，反映NPP呈現(xiàn)增長的趨勢，反之則反映NPP呈現(xiàn)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(shè)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(shù)；統(tǒng)計量Z的取值范圍在正負(fù)無窮之間。在給定顯著性水平α（一般取0.05）下，當(dāng)|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(jié)合Sen變化趨勢程度和MK檢驗結(jié)果，對耕地NPP變化趨勢類型進(jìn)行分類，當(dāng)Sen≥0.000 5且MK≥1.96時，表征為耕地NPP明顯增長；當(dāng)Sen≤-0.000 5且MK≤-1.96時，表征為耕地NPP嚴(yán)重下降；當(dāng)-0.000 5

2.2.2Hurst指數(shù)分析法。

估算Hurst指數(shù)可以分析耕地NPP的持續(xù)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(biāo)準(zhǔn)差為：

R、S、T滿足以下關(guān)系式：

R（T）/S（T）=c×TH（8）

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

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(shù)值［24］。

3結(jié)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(xiàn)在2014年，達(dá)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(xiàn)波動增加的態(tài)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(jié)合Sen變化趨勢和MK檢驗，依據(jù)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(xiàn)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(xiàn)下降趨勢，包括5%的輕微下降和2%的嚴(yán)重下降（圖3a）。耕地NPP明顯增長的區(qū)域主要分布在合肥市、滁州市、六安市和宿州市等地區(qū)，耕地NPP輕微增長的區(qū)域主要分布在阜陽市、亳州市、宿州市和滁州市等地區(qū)，而耕地NPP輕微下降和明顯下降的區(qū)域主要分布在各個城市市區(qū)附近（圖3b）。

為進(jìn)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(jìn)行對比分析。研究發(fā)現(xiàn)，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(zhuǎn)移（圖4）。趨勢變化類型降級的耕地面積較大，體現(xiàn)在輕微增長向輕微下降轉(zhuǎn)移（16%）、明顯增長向輕微下降轉(zhuǎn)移（11%）、明顯增長向輕微增長轉(zhuǎn)移（16%）。僅有10%的耕地NPP趨勢變化類型升級，表現(xiàn)為輕微下降向輕微增長轉(zhuǎn)移（5%），輕微增長向明顯增長轉(zhuǎn)移（5%）。

在空間上，耕地NPP趨勢變化類型表現(xiàn)為降級的耕地主要分布在皖北大部和皖中局部地區(qū)（圖5），輕微增長向輕微下降降級區(qū)域主要發(fā)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(qū)域主要發(fā)生在滁州市、淮南市和合肥市；明顯增長向輕微增長降級區(qū)域主要發(fā)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(xiàn)為升級的耕地主要分布在皖南大部和皖中局部地區(qū)（圖5），輕微下降向輕微增長升級區(qū)域主要發(fā)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(qū)域主要發(fā)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(xù)性分析

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

將耕地NPP時空變化趨勢結(jié)果與Hurst指數(shù)結(jié)果進(jìn)行疊加計算，得到變化趨勢與持續(xù)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(xù)性。耦合結(jié)果劃分為6類：①持續(xù)性嚴(yán)重下降；②持續(xù)性輕微下降；③持續(xù)性穩(wěn)定不變；④持續(xù)性輕微增長；⑤持續(xù)性明顯增長；⑥未來變化趨勢不確定（反持續(xù)性嚴(yán)重下降、反持續(xù)性輕微下降、反持續(xù)性穩(wěn)定不變、反持續(xù)性輕微增長和反持續(xù)性明顯增長）。

未來安徽省耕地NPP時空變化整體持續(xù)表現(xiàn)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(xiàn)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(qū)域主要分布在合肥市、滁州市、六安市和宿州市等地區(qū)，耕地NPP輕微增長的區(qū)域主要分布在滁州市、合肥市、淮南市和阜陽市等地區(qū)，而耕地NPP輕微下降和明顯下降的區(qū)域依然分布在各個城市市區(qū)附近。未來時空變化趨勢不確定的地區(qū)分布在皖北大部，主要在阜陽市、宿州市和亳州市等地區(qū)。

4討論與結(jié)論

4.1討論

近50年安徽省及所在的長江中下游地區(qū)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(nóng)田生態(tài)系統(tǒng)的物質(zhì)循環(huán)［26］，使得2000—2010年安徽省耕地NPP增加明顯。但隨著安徽省經(jīng)濟(jì)發(fā)展格局變化、城市都市圈效應(yīng)、退耕還林（草）等方面的影響，土地利用轉(zhuǎn)移變化以耕地轉(zhuǎn)移量最大，主要轉(zhuǎn)移為城鎮(zhèn)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(dǎo)致2010—2020年安徽省耕地NPP增加趨勢較弱，且在經(jīng)濟(jì)發(fā)展較為迅速的城市出現(xiàn)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(qiáng)，尤其在皖中和皖北地區(qū)，在滿足氣溫的條件下，農(nóng)作物生長過程中耕地需水量是否達(dá)到要求，直接影響耕地NPP，應(yīng)以高標(biāo)準(zhǔn)農(nóng)田建設(shè)為契機(jī)，加強(qiáng)水利基礎(chǔ)設(shè)施建設(shè)［3］。根據(jù)安徽省耕地NPP的時空分異及其發(fā)展趨勢的研究結(jié)果，可為因地制宜改善農(nóng)業(yè)生態(tài)環(huán)境，科學(xué)合理推動農(nóng)業(yè)高質(zhì)量發(fā)展，增強(qiáng)區(qū)域糧食安全保障能力，全面推動實施高標(biāo)準(zhǔn)農(nóng)田改造提升工程等提供指導(dǎo)和參考。

相較于已有研究，筆者采用逐年耕地NPP數(shù)據(jù)，研究時空監(jiān)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(qiáng)植被指數(shù)（enhanced vegetation index，EVI）更具優(yōu)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(shù)據(jù)建立了耕地生產(chǎn)力趨勢變化類型劃分依據(jù)，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(shù)據(jù)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(guī)律，但相較于綜合遙感、土地利用和其他非遙感數(shù)據(jù)驅(qū)動VPM模型模擬的耕地NPP，精度要低一些［29］。后續(xù)研究將基于中高空間分辨率遙感數(shù)據(jù)，綜合氣候、土壤、生產(chǎn)條件和科技推廣應(yīng)用等統(tǒng)計網(wǎng)格化數(shù)據(jù)，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(jī)制。

4.2結(jié)論

基于安徽省2000—2020年時序耕地NPP數(shù)據(jù)，采用Theil-Sen Median趨勢分析、Mann-Kendall檢驗、Hurst指數(shù)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(xiàn)波動增加的態(tài)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(xiàn)增長趨勢，7%的耕地出現(xiàn)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(qū)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(qū)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(qū)的耕地NPP繼續(xù)表現(xiàn)增長趨勢，各個城市市區(qū)附近的耕地NPP出現(xiàn)下降趨勢，皖北大部地區(qū)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(xiàn)增加的態(tài)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(qū)耕地產(chǎn)能提升潛力較大。

參考文獻(xiàn)

［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(nóng)田生態(tài)系統(tǒng)NPP時空變化特征［J］.自然資源學(xué)報，2020，35（4）：845-856.

［4］ 國志興，王宗明，劉殿偉，等.三江平原農(nóng)田生產(chǎn)力時空特征分析［J］.農(nóng)業(yè)工程學(xué)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(chǎn)力區(qū)域差異變化研究［J］.地理科學(xué)，2009，29（4）：470-476.

［8］ 陰柯欣，商慶凱，米文寶.寧夏耕地生產(chǎn)力與糧食安全耦合關(guān)系及趨勢預(yù)測［J］.干旱區(qū)資源與環(huán)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(xué)正，王美艷，等.2001—2010年中國農(nóng)田生態(tài)系統(tǒng)NPP的時空演變特征［J］.土壤學(xué)報，2017，54（2）：319-330.

［11］ 冀詠贊，閆慧敏，劉紀(jì)遠(yuǎn)，等.基于MODIS數(shù)據(jù)的中國耕地高中低產(chǎn)田空間分布格局［J］.地理學(xué)報，2015，70（5）：766-778.

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

［13］ 潘佩佩，王曉旭，楊桂山，等.經(jīng)濟(jì)快速發(fā)展地區(qū)耕地質(zhì)量時空變化格局研究［J］.地理與地理信息科學(xué)，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(chǎn)力的影響［J］.生態(tài)學(xué)報，2017，37（18）：5924-5934.

［15］ 閆慧敏，劉紀(jì)遠(yuǎn)，黃河清，等.城市化和退耕還林草對中國耕地生產(chǎn)力的影響［J］.地理學(xué)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(kuò)張及其對糧食安全的潛在影響［J］.地理科學(xué)進(jìn)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(shù)本地化InVEST模型的安徽省水源涵養(yǎng)功能研究［J］.長江流域資源與環(huán)境，2022，31（2）：313-325.

［19］ 劉廣東，陳景貴，李子陽.鄉(xiāng)村振興背景下安徽特色農(nóng)產(chǎn)品品牌推廣研究［J］.安徽農(nóng)業(yè)科學(xué)，2022，50（17）：250-252.

［20］ 孫金珂，牛海鵬，袁鳴.中國陸地植被生態(tài)系統(tǒng)NPP空間格局變遷分析［J］.農(nóng)業(yè)機(jī)械學(xué)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(yīng)［J］.草地學(xué)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(nóng)業(yè)科學(xué)，2022，50（7）：68-72，95.

［23］ 史曉亮，吳夢月，丁皓.SPEI和植被遙感信息監(jiān)測西南地區(qū)干旱差異分析［J］.農(nóng)業(yè)機(jī)械學(xué)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(chǎn)力時空變化及其歸因［J］.安徽農(nóng)業(yè)科學(xué)，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(tài)變化研究［J］.長江流域資源與環(huán)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(chǎn)力時空變化特征［J］.生態(tài)學(xué)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(chǎn)力時空分布特征及其驅(qū)動因素［J］.生態(tài)學(xué)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(chǎn)力時空分析［J］.農(nóng)業(yè)機(jī)械學(xué)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(chǎn)能的時空格局［J］.中國農(nóng)業(yè)大學(xué)學(xué)報，2020，25（3）：128-138.