2025, Vol. 46
耕地资源作为粮食生产的重要基石，其数量和质量的波动直接关系到粮食产量的稳定，进而影响到粮食的有效供应和粮食安全[1]. 近年来，面对人口增长带来的粮食需求压力，中国已将耕地保护提升为基本国策，制定并实施了一系列耕地保护和平衡管控的策略[2~6]. 正因如此，作为世界上最大的发展中国家，我国仅用全球约9%的耕地资源成功供养了全球22%的人口[7]. 但城镇建设用地扩张[8，9]、土地退化[10，11]以及气候变化[12，13]等因素仍对农业生产构成了严峻的挑战. 河南省作为全国粮食生产核心区[14]，“中国粮仓”地位举足轻重. 2020年河南省粮食总产量为682.58亿kg，占全国总产量的10.19%，位居全国第二[15]. 为保障国家粮食安全，河南省提出了落实国家农业产业空间布局，提升粮食生产规模化、集约化水平，引导农业现代化发展的农业空间发展战略. 在具体实施层面，因地制宜地制定相关耕地分区管控策略是关键. 然而，由于缺少对耕地生产力时空演变等方面的研究，目前仍无法摆脱以行政区划作为调控单元的现实不足. 因此，探究河南省耕地利用的时空分异特征及耕地生产力变化的影响因素，从而科学制定耕地分区管控策略，对落实国家主体功能区战略格局，守牢国土空间安全底线，保障国家粮食安全具有重要意义.
净初级生产力（net primary production，NPP）作为评估植被物质和能量交换的关键指标，已被广泛应用于生态系统生产力分析等研究领域[16~18]. 它是指植被在单位时间和单位面积内通过光合作用产生的有机物质量减去自养呼吸的剩余量，代表植被对有机物的净积累量[19，20]. 因此，本文也选取了NPP来表征耕地生产力. 近年来，很多研究比较关注生态系统整体NPP的时空变化机制[21~23]和影响因素[24~27]，忽视了单一地类特别是与人类生存紧密相关的耕地生产力的时空变化特征研究. 此外，气候变化和人类活动是NPP时空变化的两种主要影响因素[28~30]，虽然一些文献使用了相关性分析[31，32]、多元回归分析[33，34]、复相关系数分析[35~38]和地理探测器[39，40]等研究方法将气候变化和人类活动的影响分开，但未能量化分析各影响因素对于NPP时空变化的贡献. 同时，既有研究仅考虑NPP与降水及气温的关联，忽视了太阳辐射对植被生长的影响. 基于此，本文拟运用偏导数分析计算多个气候因素对NPP的相对贡献，并将NPP与气候因素之间的残值作为人类贡献的值. 采用偏相关系数法控制其他变量，以计算单一影响因素对于NPP变化的贡献，更准确地定量分析气候变化和人类活动对植被变化的影响. 本文以河南省为研究对象，利用中国年度土地覆盖数据集（China Land Cover Dataset，CLCD），构建耕地利用转移矩阵并引入耕地景观格局指数，对耕地2000~2020年的时空分异特征进行评估，分析导致耕地时空变化的主要原因. 利用从Google Earth Engine（GEE）云平台获取的2000~2020年河南省NPP数据，采用Theil-Sen Median+Mann-Kendall趋势分析、Hurst指数分析、变异系数分析、偏相关分析以及偏相关系数等方法，探究河南省耕地生产力演变规律并量化区分气候因素及人类活动对耕地NPP的影响，以期为我国粮食主产区科学制定耕地分区管控策略提供参考依据.
1 材料与方法 1.1 研究区概况河南省地处华北平原南部的黄河中下游地区，由黄淮海平原、豫西山地、豫南山地、豫北山地和南阳盆地这五大地形组成，地势西高东低，北、西、南三面由太行山、伏牛山、桐柏山和大别山沿省界呈半环形分布；为暖温带-亚热带、湿润-半湿润季风气候，四季分明，雨热同期. 河南省作为全国粮食生产核心区，粮食产量连续3 a超过650亿kg（1 300亿斤），约占全国的10%. 根据河南省第三次全国国土调查成果，截至到2020年，河南省土地总面积为16.56万km²，规模化耕种面积为7.51万km²，约占全省总面积的45.35%. 其中，水浇地占比最高，面积达4.59万km²，占耕地总面积的61.10%；旱地面积为2.24万km²，占比为29.82%；水田0.68万km²，占比为9.08%. 熟制为一年两熟制，主要种植的粮食作物为小麦和玉米. 耕地主要分布在中、东部的黄淮海冲积平原及西南部的南阳盆地（图 1）.
|
图 1 研究区高程及区位示意 Fig. 1 Elevation and location of the study area |
本研究选取2000~2020年共21期的土地覆盖数据基于中国年度土地覆盖数据集[41]，空间分辨率为30 m. NPP数据来源于美国国家航空航天局（National Aeronautics and Space Administration，NASA）MOD17A3HGF Version 6.0数据集的h27v05原始影像网格，空间分辨率为500 m，按照数据规则去除NPP数据中的无效填充值，并将NPP数据单位转化为g·m-2·a-1. 太阳辐射数据来自Terra-Climate全球陆地表面的月度气候和气候水平衡数据集，空间分辨率为1 km，时间跨度为2000~2020年. 年均降水及年均气温数据来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）的中国1 km分辨率逐月降水量数据集及中国1 km分辨率逐月平均气温数据集. 利用ArcGIS统一将所获取的数据投影变换为Albers投影WGS_1984坐标，时间分辨率为年，空间分辨率为500 m，输出为TIF格式，并提取本研究期内历年的耕地及耕地NPP数据.
1.3 研究方法 1.3.1 耕地利用转移矩阵为明确研究区范围内耕地的空间变化特征，运用耕地利用转移矩阵表示本研究期内耕地和其他地类之间相互转换的数量关系[42]. 本次研究利用ArcGIS对提取的2000年、2010年和2020年共3期的耕地覆盖数据进行栅格叠加得到两个阶段的耕地利用转移矩阵，从而得出本研究期内河南省耕地利用转移在空间上的分布.
1.3.2 耕地景观格局指数景观格局指数作为高度概括空间组成及配置的指标，已广泛运用于研究土地利用变化的研究中[43，44]. 为分析本研究期内耕地空间变化的细碎化程度，本文选取斑块密度（PD）、平均斑块面积（AREA_MN）和最大板块指数（LPI）这3个指标. 计算公式及说明如表 1所示.
|
表 1 耕地景观格局指数指标 Table 1 Land use landscape pattern index |
1.3.3 Theil-Sen Median斜率估计趋势分析
采用Theil-Sen Median（Sen）趋势分析法分析耕地NPP的时空演变趋势特征，该方法常用于长时间序列数据的趋势分析[45]，其计算公式为：
|
(1) |
式中，β为变化趋势，Median（）表示取中值，若β > 0，则表明耕地NPP为增长趋势，反之为下降趋势.
1.3.4 Mann-Kendall非参数检验Mann-Kendall（MK）检验可以用来表征耕地NPP变化趋势的显著性. MK检验对于数据中的离群值相对稳健，且不受缺失值和异常值的影响，适用于长时间序列数据的趋势显著检验[46]. 其计算公式如下.
假定一组时间序列：
|
(2) |
建立标准正态分布统计量Z：
|
(3) |
其中：
|
(4) |
|
(5) |
|
(6) |
式中，Var（S）为方差，S为近似服从正态分布，q为数据相同的组数，tp为与第p组的数据相同的个数. 在趋势检验中，假设W0表示NPP数据集样本独立分布，没有趋势存在. 给定显著性水平，如果|Z|≥标准正态分布中的临界值，那么原假设W0将不成立，说明序列具有显著的变化趋势；如果Z > 0，说明序列具有显著的上升趋势. 如果Z < 0，说明序列具有显著的下降趋势. 如果|Z| < 临界值，则假设W0成立. 综合以往研究[47，48]，给定NPP变化趋势显著性置信水平α=0.05，则临界值Z1-α/2 =±1.96，当Z的绝对值大于1.65、1.96和2.58时，表示趋势分别通过了信度为90%、95%和99%的显著性检验. 本次趋势显著性的级别划分见表 2.
|
|
表 2 NPP趋势显著性分级 Table 2 NPP trend significance grading |
1.3.5 Hurst指数
Hurst指数是一种定量描述时间序列长期相关性的有效方法. 可用于衡量NPP变化趋势的稳定性. 计算公式参考文献[49].
将时间序列{NPPτ} (τ = 1，2，…，n) 划分为τ个子序列V(t)，对于每个子序列，t = 1，2，3，…，τ.
NPP的时间序列均值为：
|
(7) |
与NPP的累计偏差为：
|
(8) |
R的范围序列为：
|
(9) |
S的标准差级数为：
|
(10) |
Hurst指数（H）为：
|
(11) |
其中，H通过拟合方程获得：
|
(12) |
H为可持续性指数，取值范围为0~1，共有3种情形. 若H=0.5，表明NPP变化具有随机性，若0.5 < H < 1，表明NPP变化存在持续性；若0≤H < 0.5，表明NPP变化存在反持续性.
1.3.6 变异系数本研究利用变异系数（CV）对耕地NPP稳定性进行分析. 计算公式参考文献[50]，如下：
|
(13) |
式中，CV为NPP的变异系数；NPPi为第i年的NPP值；NPP为21 a间NPP的均值，n为相应的研究年数. 其中，变异系数越小，说明其稳定性越强；反之则说明稳定性越弱.
1.3.7 偏导数分析为更好地识别耕地NPP时空变化的影响因素，基于偏导数分析，将气候变化和人类活动对NPP变化的影响分离出来. 并计算各影响因素对NPP变化的贡献程度. 本文选取年均气温、年均降水及对耕地NPP有直接影响的年均太阳辐射数据作为气候变化因素，计算公式参考文献[51]，如下：
|
(14) |
式中，Ctem和Cpre分别为年均气温、年均降水及年均太阳辐射对NPP变化的贡献程度. 
为进一步准确反映各影响因素与NPP变化的关系，采用偏相关系数法控制其他变量，以计算单一影响因素对于NPP变化的贡献. 计算公式参考相关文献[52]，如下：
|
(15) |
式中，Rxy，zλ为基于控制其他变量的情况下，x变量和y变量之间的偏相关系数.
2 结果与分析 2.1 耕地利用时空演变趋势特征2000~2010年和2010~2020年两个时期的耕地转入转出的空间分布如图 2. 2000~2010年，河南省稳定耕地面积为111 182.26 km²，转出耕地面积为6 098.21 km²，转入耕地面积为1 823.56 km². 2010~2020年，稳定耕地面积为106 330.15 km²，转出耕地面积为6 675.68 km²，转入耕地面积为2 380.85 km². 对比可得2020年耕地总量相对2000年减少8 569.47 km²，转出转入耕地面积均持续增加. 相较而言，2010~2020年间转出耕地比转入耕地多4 294.83 km²，略高于2000~2010年间的4 274.65 km². 空间分布上，本研究期内河南省转出耕地表现出集中并紧邻建设用地的特征，转入耕地的空间分布相对于转出耕地更为细碎.
|
图 2 2000~2020年转入转出耕地空间分布 Fig. 2 Spatial distribution of cultivated land transferred in and out from 2000 to 2020 |
通过耕地利用类型空间转移分布（图 3）及耕地利用转移矩阵（表 3和表 4），可进一步明晰耕地转换的土地利用类型. 2000~2010年耕地主要转出为建设用地、林地、草地和水域，转出面积分别为3 239.24、1 953.47、496.44和407.53 km². 转出情况来看，除黄河生态整治、丹江口水库扩容及伏牛山地区、大别山地区退耕还林等生态工程所导致的耕地转出外，转出耕地在空间上表现为紧邻建设用地，与城市已建成区成环绕或包围关系. 2010~2020年该现象表现得尤为明显，因城镇建设发展的需要，共有4 060.62 km²耕地转为建设用地，占耕地转出量的60.83%. 本研究期内共有7 299.86 km²耕地转变为建设用地，约占原有耕地总量的6.22%.
|
图 3 2000~2020年耕地利用类型空间转移分布 Fig. 3 Distribution of arable land use transfer from 2000 to 2020 |
|
|
表 3 2000~2010年耕地利用转移矩阵/km² Table 3 Cultivated land use transfer matrix from 2000 to 2010/km² |
|
|
表 4 2010~2020年耕地利用转移矩阵/km² Table 4 Cultivated land use transfer matrix from 2000 to 2010/km² |
从耕地转入情况来看，2000~2010年，共有926.15km²林地转为耕地，占耕地转入量的50.79%，有效保证了耕地数量. 其次为草地，共有706.78 km²草地转为耕地. 2010~2020年，转入耕地面积总量小幅上升，林地及草地仍为耕地转入的主要来源. 林地转为耕地面积为1 226.15 km²，草地转为耕地面积为792.15 km². 主要分布在豫北山地及豫西山地. 本研究期内共有2 152.30 km²林地及1 498.93 km²草地转为耕地，建设用地转为耕地的面积仅为48.51 km²，主要为村庄建设用地复耕. 总体而言，本研究期内耕地主要转出为建设用地，作为河南省内粮食主产区的黄淮海平原及南阳盆地耕地转换频繁，且在2010~2020年表现得更为显著. 转入耕地的主要来源为林地和草地. 分析其原因可知，现有土地调控方式是将山地地区交通不便，不适宜规模化耕种的零散耕地进行生态退耕，统筹将林地、草地等整治为可以长期稳定利用的耕地.
2.2 耕地景观细碎度分析2010~2020年与2000~2010年相比，耕地转出的斑块密度由4.79个·km-2减少到4.36个·km-2，耕地转入的斑块密度由1.91个·km-2增加到1.96个·km-2，表明耕地转出更为集聚，同时耕地转入的细碎化程度在增加. 耕地转出的平均斑块面积由0.77 hm2增加到0.92 hm2，耕地转入的平均斑块面积由0.57 hm2增加到0.74 hm2. 耕地转出的最大斑块指数由2000~2010年的0.008增加到2010~2020年的0.03，而耕地转入的最大斑块指数保持0.003不变. 两个指标同时表明耕地时空演变的方向性更强，导致斑块优势度增加，小而分散的斑块转换为大而集中的斑块. 总之，本研究期内耕地转出的斑块变得更大且集聚，但耕地转入的斑块呈现轻微的离散趋势（表 5）.
|
|
表 5 景观格局指数结果 Table 5 Landscape pattern index results |
2.3 耕地NPP时空演变分析 2.3.1 年际变化特征
2000~2020年，研究区内耕地NPP年际变化呈波动上升趋势，达到显著性水平（P < 0.01），变化斜率为4.23 g·m-2·a-1（以C计，下同），最高值为2020年的472.42 g·m-2·a-1，最低值为2001年的295.96 g·m-2·a-1 [图 4（a）]. 2001~2003年、2013~2015年及2019~2020年这3个时间段，NPP呈显著上升趋势. 2000~2010年变化斜率为9.69 g·m-2·a-1，2011~2020年变化斜率为6.73 g·m-2·a-1，两个时间段内耕地NPP变化趋势均大于整个研究期. 将本研究期内历年耕地NPP数据叠加[图 4（b）]，可得耕地NPP多年均值为397.11 g·m-2·a-1，年均值介于78.16~1 080.58 g·m-2·a-1之间，研究区内耕地NPP分布表现出显著差异性，黄淮海平原北部NPP年均值低于其他区域，豫西山地耕地NPP年均值最高.
|
图 4 2000~2020年耕地NPP年际变化趋势和多年平均NPP空间分布 Fig. 4 Interannual variation trend of cultivated land NPP and spatial distribution of multi-year average NPP from 2000 to 2020 |
为进一步明晰本研究期内耕地NPP变化趋势，运用Sen斜率分析法统计每个像元耕地NPP变化量[图 5（a）]. NPP变化量值介于-14.77~27.88 g·m-2·a-1之间，呈下降趋势的耕地NPP区域占总面积的3.39%，主要分布在城市建设用地周边，但需要注意开封市南部及信阳市东部耕地集中连片区NPP的下降趋势明显. 本研究期内大部分区域耕地NPP呈增长趋势，占耕地总面积的96.61%.
|
图 5 Sen趋势分析及Sen-MK趋势显著性检验 Fig. 5 Sen trend analysis and Sen-MK trend significance test |
将Sen变化趋势进行MK显著性检验，得出研究区内耕地NPP变化趋势显著性结果并将其分为9个等级，如图 5（b）所示. 研究区内耕地NPP极显著减少及显著减少区域占比分别为0.39%和0.44%，主要因城市空间扩张促使耕地转化为建设用地导致的. 微显著减少及不显著减少区域占比分别为0.25%和3.81%，零散分布在黄淮海平原区域中. 耕地NPP呈显著增加或极显著增加区域占比为49.60%，呈不显著或微显著增加趋势区域占比为45.42%，两类不同增加幅度在研究区内呈现明显空间异质性，豫西山地、南阳盆地及豫南山地区域耕地NPP增加幅度显著高于黄淮海平原区域.
2.4 耕地NPP稳定性与持续性分析本研究期内耕地NPP变异系数值介于0.05~0.8之间. 为反映本研究期内耕地NPP的稳定性，本文将变异系数（CV）分成3个等级：低波动（0.05~0.1）、中波动（0.1~0.2）及高波动（> 0.2），结果如图 6（a）所示. 低波动区域集中于豫西山地及黄淮海平原东南部，占总面积的3.33%. 中波动区域占总面积的91.52%，覆盖研究区大部分地区. 高波动区域主要集中在黄淮海平原北部及豫北山地东部，占总面积的5.16%.
|
图 6 耕地NPP变异系数（CV）、Hurst指数及未来变化趋势 Fig. 6 Coefficient of variation(CV), Hurst index, and future trend of cultivated land NPP |
Hurst指数结果如图 6（b）所示. 研究区内耕地NPP的Hurst值介于0.16~0.88之间，平均值为0.47. 其中小于0.5的区域占比为65.99%，表明其耕地NPP的未来变化趋势与现在趋势相反，呈反持续性. 大于0.5的区域占比为34.01%，表明本研究期内该区域耕地NPP变化存在持续性.
为进一步明晰耕地NPP未来演变持续性趋势，将通过MK显著性检验的Sen趋势分析结果与Hurst指数分析结果叠加. 将未来变化趋势分为4类：持续性退化、过去改善未来退化、过去退化未来改善及持续性改善，结果如图 6（c）所示. 持续性退化区域占比为1.15%，主要集中在建设用地集中区周边；过去改善未来退化区域占比为71.17%，集中分布在豫西山地、南阳盆地及黄淮海平原北部地区；过去退化未来改善区域占比为0.49%，可忽略不计；持续性改善区域占比为27.19%，主要集中于黄淮海平原中部及南部.
2.5 耕地NPP时空分异的影响因素分析 2.5.1 气候因素及人类活动贡献分析为明确导致耕地NPP在时间、空间上分布差异性的影响因素，运用偏导数方法分析气温、降水、太阳辐射和人类活动的贡献. 并采用偏相关系数法控制其他变量，以计算单一影响因素对于NPP变化的贡献. 本研究期内，降水对耕地NPP变化的贡献值介于-0.25~0.32之间[图 7（a）]，起正向作用的区域占比为21.80%，主要分布在研究区北部及东南部区域；起反向作用的区域占比为78.20%，低值区域主要分布在黄淮海平原中部的周口市、漯河市及驻马店市. 气温对于NPP变化的贡献值介于-0.02~0.02之间[图 7（b）]，起正向作用和反向作用的区域占比分别为77.24%和22.76%. 起正向作用的高值区域集中在研究区东部的商丘市和北部的安阳市、鹤壁市及濮阳市，同时，安阳市、鹤壁市及濮阳市三市呈在极高值区和极低值区共存现象. 起反向作用的高值区主要集中在黄淮海平原北部的郑州市、新乡市及开封市和南阳盆地，且主要分布在建成区周边. 太阳辐射对于NPP变化的贡献值介于-8.26~6.17之间[图 7（a）]，起正向作用和反向作用的区域占比分别为53.99%和46.01%. 起正向作用的高值区集中在豫西山地北部，而起反向作用的高值区集中在洛阳市、郑州市及黄河两岸，太阳辐射对南阳盆地及黄淮海平原南部大部分区域同样起反向作用效果. 对比而言，气候因素中太阳辐射对耕地NPP变化的贡献更为显著.
|
图 7 降水、气温及太阳辐射对耕地NPP变化的贡献 Fig. 7 Contribution of precipitation, temperature, and solar radiation to changes in cultivated land NPP |
将气候因素（降水、气温和太阳辐射）的贡献进行耦合分析，结果如图 8（a）所示. 气候因素对耕地NPP变化的贡献值介于-8.26~6.21之间，正、负向作用面积占比分别为48.62%、51.38%. 气候因素叠加下，黄淮海平原中东部地区及南阳盆地耕地NPP下降程度更为显著. 人类活动对耕地NPP变化的贡献值介于-13.25~27.24之间[图 8（b）]，正、负向作用面积占比分别为96.97%、3.03%，起反向作用的高值区域集中在研究区内建设用地及重大工程周边，但新乡市、郑州市、开封市及信阳市非建设用地周边出现较显著的耕地NPP下降区域. 起正向作用的高值区域主要集中在豫西山地、豫南山地及南阳盆地. 两者比较而言，人类活动对于耕地NPP变化的贡献幅度更为突出，并且起负向作用的区域相较气候因素而言更为集中.
|
图 8 气候因素及人类活动对耕地NPP变化的贡献 Fig. 8 Contribution of climate factors and human activities to changes in cultivated land NPP |
为分析耕地NPP变化的主导因素，将Sen趋势分析结果与影响因素分析结果耦合，并对其进行主导因素分类（表 6），结果如图 9所示.
|
|
表 6 耕地NPP变化主导因素分类 Table 6 Classification of dominant factors of cultivated land NPP changes |
|
图 9 耕地NPP变化主导因素分析 Fig. 9 Analysis on the dominant factors of cultivated land NPP changes |
气候因素及人类活动共同主导耕地NPP增加区域占比为46.71%，分布在除南阳盆地及黄淮海平原中南部以外区域；气候主导耕地NPP增加区域占比为1.25%，分布在城市扩张区域周边，可能因城市热岛效应导致的气候因素变化促使耕地NPP增加；人类活动主导耕地NPP增加区域占比为47.62%，分布在研究区南部大部分区域；气候因素及人类活动共同主导耕地NPP下降区域占比为1.54%，主要集中在洛阳市及信阳市；气候主导耕地NPP减少占比为1.12%，主要分布在豫北山地及信阳市；人类活动主导耕地NPP减少占比为1.76%，主要集中在研究区内城镇集中建设区周边，但需注意开封市南部非建设用地周边有较为集中的耕地NPP下降现象.
3 讨论 3.1 耕地利用时空变化特征从耕地转入转出情况来看，本研究期内除黄河生态整治、退耕还林等生态工程及重大民生项目（南水北调工程等）所导致的耕地转出外，转出耕地在空间上表现为紧邻建设用地，与城市已建成区形成环绕或包围关系. 2010~2020年该现象表现得尤为明显，这与Cheng等[53]对于城镇建设用地快速扩张是导致耕地流失的主要原因的推论相符. 分析耕地利用类型转移的空间分布得出，因城镇建设发展的需要，本研究期内共有7 299.86 km²耕地转为建设用地，约占原有耕地总量的6.22%. 进一步分析转入转出耕地的景观细碎度，发现本研究期内河南省转入耕地的空间分布相对于转出耕地更为细碎，呈现转出集中并紧邻建设用地、转入零星细碎的景观空间变化特征. 这与原晋涛等[54]的研究结果相一致. 土地调控政策自实施以来，在稳定耕地数量中发挥着重要作用，但频繁的耕地波动对于保证耕地生产力具有显著的抑制效应. 因数据可获得性及研究视角的限制，本研究未能进一步探究耕地转入转出在地理空间（坡度和高程）上的分布差异特征及明晰相关抑制效应，在之后研究中应进行强化.
3.2 耕地NPP时空分异特征2000~2020年耕地NPP整体呈波动上升趋势，这与河南省粮食生产统计分析结果相一致. 但2008~2013年内NPP年均值呈波动下降趋势，结合上一部分研究结论分析，可能因城镇建设用地大量占用且后备资源不足导致耕地波动明显，进而导致耕地NPP年均值在该时间段呈逐年下降趋势，这与Xu等[55]的研究结论相一致.
多年平均耕地NPP呈现南高北低的空间分布特征. 研究区北部NPP均值低于其他区域，研究区西部区域耕地NPP均值最高. 结合以往研究分析，可能因河南省耕地面积由南向北逐渐减少，且南部地区耕地分布更为集聚，促使耕地生产效率更高. NPP变化量值介于-14.77~27.88 g·m-2·a-1之间，96.61%区域的耕地NPP呈增长趋势，但稳定性与持续性分析结果显示，南阳盆地及黄淮海平原大部分地区处于过去改善未来退化的状态. 呈持续性退化趋势的耕地NPP区域占耕地总面积的1.15%，且主要分布在城镇建设用地周边. 进一步佐证上一部分研究结论，即城镇建设用地扩张是导致耕地减少的主要原因.
3.3 耕地NPP时空分异的影响因素分析量化分析气候因素（降水、气温及太阳辐射）对耕地NPP变化的贡献，结果表明本研究期内气候因素对耕地NPP的影响有显著的地域差异，降水对耕地NPP起反向作用的区域占比为78.20%，集中分布在研究区中部区域. 气温对耕地NPP起正向作用区域占比为77.24%，而起反向作用的区域集中分布在城市周边. 但两者对耕地NPP变化的贡献值过小. 而太阳辐射对于NPP变化的贡献值介于-8.26~6.17之间，对耕地NPP的变化影响更为显著. 总体而言，气候因素对耕地NPP起正向作用[56].
具体分析气候因素及人类活动对耕地NPP变化的贡献可得，人类活动对于耕地NPP变化的贡献幅度更为突出，这与石智宇等[57]、李登科等[58]的研究结果相一致，并且起负向作用的区域相较气候因素而言更为集中. 整体上，人类活动促使研究区内耕地NPP的累积，但在空间上存在差异. 南阳盆地及黄淮海平原南部大部分地区的耕地NPP因人类活动主导而增加，豫西山地、黄淮海平原中部及东部区域的耕地NPP主要因气候和人类活动的共同作用而呈增加趋势. 人类活动主导的城镇建设空间扩张所导致的耕地NPP减少区域占比为1.76%，较为集中分布在已有城镇建设空间周围. 同时，本次研究发现这些区域边缘地带受气候主导影响，反而呈增加趋势.
未来研究可以考虑从以下几个方面深化和扩展. 一是量化分析气候变化对于耕地NPP的影响从而制定相关耕地管理策略. 二是研究是否因城市热岛效应促使城镇建成区周边气温上升从而影响耕地NPP，三是进一步探究研究区内非建设用地周边因人类活动导致耕地NPP下降的原因.
4 结论（1）由于城镇建设用地扩张加之耕地调控政策及重大工程的影响，本研究期内转出耕地面积远大于转入耕地面积，耕地主要转出为建设用地，且作为河南省内粮食主产区的黄淮海平原及南阳盆地的耕地面积波动较大.
（2）本研究期内转入转出耕地的细碎程度显著上升. 从空间分布上来看，转入耕地相对于转出耕地更为细碎，呈现出转出集中并紧邻建设用地、转入零星细碎的空间变化特征.
（3）耕地NPP年际分布表现出显著差异性，南高北低. 年际变化趋势逐渐增大（增长率均值4.23 g·m-2·a-1），NPP年均值介于78.16~1 080.58 g·m-2·a-1之间.
（4）本研究期内96.61%耕地NPP呈增长态势，但不同上升幅度在研究区内呈现明显空间异质性，未来增长可能呈放缓或退化趋势.
（5）气候因素中太阳辐射对耕地NPP变化的贡献更为显著. 整体上，人类活动促使研究区内耕地NPP的累积，但在空间上存在差异. 耕地NPP减少区域占比为1.76%且较为集中，主要因人类活动主导的建设空间扩张导致. 同时，研究发现耕地NPP减少区域边缘地带受气候主导影响反而呈增加趋势.
| [1] |
傅泽强, 蔡运龙, 杨友孝, 等. 中国粮食安全与耕地资源变化的相关分析[J]. 自然资源学报, 2001, 16(4): 313-319. Fu Z Q, Cai Y L, Yang Y X, et al. Research on the relationship of cultivated land change and food security in China[J]. Journal of Natural Resources, 2001, 16(4): 313-319. DOI:10.3321/j.issn:1000-3037.2001.04.003 |
| [2] |
蔡运龙. 中国农村转型与耕地保护机制[J]. 地理科学, 2001, 21(1): 1-6. Cai Y L. The mechanisms of cropland conservation in Chinese rural transformation[J]. Scientia Geographica Sinica, 2001, 21(1): 1-6. |
| [3] |
孙蕊, 孙萍, 吴金希, 等. 中国耕地占补平衡政策的成效与局限[J]. 中国人口·资源与环境, 2014, 24(3): 41-46. Sun R, Sun P, Wu J X, et al. Effectiveness and limitations of cultivated land requisition-compensation balance policy in China[J]. China Population Resources and Environment, 2014, 24(3): 41-46. DOI:10.3969/j.issn.1002-2104.2014.03.007 |
| [4] |
唐秀美, 潘瑜春, 程晋南, 等. 高标准基本农田建设对耕地生态系统服务价值的影响[J]. 生态学报, 2015, 35(24): 8009-8015. Tang X M, Pan Y C, Cheng J N, et al. Impact of high-standard prime farmland construction on ecosystem service value in Beijing[J]. Acta Ecologica Sinica, 2015, 35(24): 8009-8015. |
| [5] |
王雨濛, 吴娟, 张安录. 我国耕地资源问题与实现有效保护的耕地补偿机制探讨[J]. 农业现代化研究, 2010, 31(1): 29-33. Wang Y M, Wu J, Zhang A L. Study on problems of cropland resources and realize effective protection by using compensation mechanism in China[J]. Research of Agricultural Modernization, 2010, 31(1): 29-33. DOI:10.3969/j.issn.1000-0275.2010.01.007 |
| [6] |
李国祥. 新时代国家粮食安全的目标任务及根本要求——学习习近平关于国家粮食安全论述及十九届六中全会相关精神的体会[J]. 中国农村经济, 2022(3): 2-11. Li G X. On the policy goals and fundamental requirements of national food security in a new era: to learn from general secretary Xi Jinping's exposition on national food security and the relevant spirit of the sixth plenary session of the 19th CPC Central Committee[J]. Chinese Rural Economy, 2022(3): 2-11. |
| [7] | Zhou Y, Li X H, Liu Y S. Cultivated land protection and rational use in China[J]. Land Use Policy, 2021, 106. DOI:10.1016/j.landusepol.2021.105454 |
| [8] | Yang Y Y, Liu Y S, Li Y R, et al. Quantifying spatio-temporal patterns of urban expansion in Beijing during 1985-2013 with rural-urban development transformation[J]. Land Use Policy, 2018, 74: 220-230. DOI:10.1016/j.landusepol.2017.07.004 |
| [9] | Liu S C, Xiao W, Ye Y M, et al. Rural residential land expansion and its impacts on cultivated land in China between 1990 and 2020[J]. Land Use Policy, 2023, 132. DOI:10.1016/j.landusepol.2023.106816 |
| [10] |
李卓, 查思含, 霍伟, 等. 耕地生产力隐性退化遥感监测与影响因素分析[J]. 农业机械学报, 2022, 53(4): 363-371. Li Z, Zha S H, Huo W, et al. Remote sensing monitoring of recessive degradation for cultivated land productivity and its influencing factors[J]. Transactions of the Chinese Society for Agricultural Machinery, 2022, 53(4): 363-371. |
| [11] |
郭晓娜, 陈睿山, 李强, 等. 土地退化过程、机制与影响——以土地退化与恢复专题评估报告为基础[J]. 生态学报, 2019, 39(17): 6567-6575. Guo X N, Chen R S, Li Q, et al. Processes, mechanisms, and impacts of land degradation in the IPBES Thematic Assessment[J]. Acta Ecologica Sinica, 2019, 39(17): 6567-6575. |
| [12] | Lee C C, Zeng M L, Luo K. How does climate change affect food security? Evidence from China[J]. Environmental Impact Assessment Review, 2024, 104. DOI:10.1016/j.eiar.2023.107324 |
| [13] |
高江波, 刘路路, 郭灵辉, 等. 气候变化和物候变动对东北黑土区农业生产的协同作用及未来粮食生产风险[J]. 地理学报, 2022, 77(7): 1681-1700. Gao J B, Liu L L, Guo L H, et al. Synergic effects of climate change and phenological variation on agricultural production and its risk pattern in black soil region of Northeast China[J]. Acta Geographica Sinica, 2022, 77(7): 1681-1700. |
| [14] |
刘书营. 河南省粮食核心产区生态重建研究[J]. 中国农业资源与区划, 2017, 38(10): 171-176. Liu S Y. Study on ecological reconstruction of grain core production area in Henan Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(10): 171-176. DOI:10.7621/cjarrp.1005-9121.20171023 |
| [15] |
吴涛, 宋江, 付绍敏, 等. 粮食主产区(河南)粮食生产时空变化特征及其因素贡献分析[J]. 现代食品, 2024, 30(2): 1-7. Wu T, Song J, Fu S M, et al. Analysis of spatial and temporal characteristics of grain production and its factor contribution in the major grain-producing area (He'nan)[J]. Modern Food, 2024, 30(2): 1-7. |
| [16] |
刘旻霞, 焦骄, 潘竟虎, 等. 青海省植被净初级生产力(NPP)时空格局变化及其驱动因素[J]. 生态学报, 2020, 40(15): 5306-5317. Liu M X, Jiao J, Pan J H, et al. Spatial and temporal patterns of planting NPP and its driving factors in Qinghai Province[J]. Acta Ecologica Sinica, 2020, 40(15): 5306-5317. |
| [17] |
穆少杰, 李建龙, 周伟, 等. 2001—2010年内蒙古植被净初级生产力的时空格局及其与气候的关系[J]. 生态学报, 2013, 33(12): 3752-3764. Mu S J, Li J L, Zhou W, et al. Spatial-temporal distribution of net primary productivity and its relationship with climate factors in Inner Mongolia from 2001 to 2010[J]. Acta Ecologica Sinica, 2013, 33(12): 3752-3764. |
| [18] |
陈惺, 王军邦, 何启凡, 等. 未来气候情景下中国植被净初级生产力稳定性及气候影响[J]. 地理学报, 2023, 78(3): 694-713. Chen X, Wang J B, He Q F, et al. Stability of vegetation net primary productivity and climate impacts in China under future climate scenarios[J]. Acta Geographica Sinica, 2023, 78(3): 694-713. |
| [19] | Field C B, Behrenfeld M J, Randerson J T, et al. Primary production of the biosphere: Integrating terrestrial and oceanic components[J]. Science, 1998, 281(5374): 237-240. DOI:10.1126/science.281.5374.237 |
| [20] | Piao S L, Fang J Y, Zhou L M, et al. Changes in vegetation net primary productivity from 1982 to 1999 in China[J]. Global Biogeochemical Cycles, 2005, 19(2): 563-569. |
| [21] | Fang P, Yan N N, Wei P P, et al. Aboveground biomass mapping of crops supported by improved casa model and sentinel-2 multispectral imagery[J]. Remote Sensing, 2021, 13(14). DOI:10.3390/rs13142755 |
| [22] |
徐勇, 黄海艳, 戴强玉, 等. 西南地区陆地植被生态系统NPP时空演变及驱动力分析[J]. 环境科学, 2023, 44(5): 2704-2714. Xu Y, Huang H Y, Dai Q Y, et al. Spatial-temporal variation in net primary productivity in terrestrial vegetation ecosystems and its driving forces in southwest China[J]. Environmental Science, 2023, 44(5): 2704-2714. |
| [23] |
邵嘉豪, 李晶, 闫星光, 等. 基于地理探测器的山西省2000~2020年NPP时空变化特征及驱动力分析[J]. 环境科学, 2023, 44(1): 312-322. Shao J H, Li J, Yan X G, et al. Analysis of spatiotemporal variation characteristics and driving forces of NPP in Shanxi Province from 2000 to 2020 based on geodetector[J]. Environmental Science, 2023, 44(1): 312-322. |
| [24] |
钱方艳, 兰安军, 范泽孟, 等. 贵州省2000-2020年NPP时空变化特征及影响因素[J]. 水土保持研究, 2023, 30(5): 408-416, 426. Qian F Y, Lan A J, Fan Z M, et al. Spatiotemporal variation characteristics and influencing factors of NPP in Guizhou Province from 2000 to 2020[J]. Research of Soil and Water Conservation, 2023, 30(5): 408-416, 426. |
| [25] | Zhu Y H, Luo P P, Zhang S, et al. Spatiotemporal analysis of hydrological variations and their impacts on vegetation in semiarid areas from multiple satellite data[J]. Remote Sensing, 2020, 12(24). DOI:10.3390/rs12244177 |
| [26] |
王升红, 陆东芳, 陈雨如, 等. 2001—2020年厦漳泉地区植被净初级生产力时空演变特征及其影响因素[J]. 生态学杂志, 2024, 43(3): 823-832. Wang S H, Lu D F, Chen Y R, et al. Spatial-temporal variations and influencing factors of vegetation net primary productivity in Xiamen-Zhangzhou-Quanzhou Region from 2001 to 2020[J]. Chinese Journal of Ecology, 2024, 43(3): 823-832. |
| [27] |
涂海洋, 古丽·加帕尔, 于涛, 等. 中国陆地生态系统净初级生产力时空变化特征及影响因素[J]. 生态学报, 2023, 43(3): 1219-1233. Tu H Y, Jiapaer G, Yu T, et al. Analysis of spatio-temporal variation characteristics and influencing factors of net primary productivity in terrestrial ecosystems of China[J]. Acta Ecologica Sinica, 2023, 43(3): 1219-1233. |
| [28] | Zhou Z J, Qin D H, Chen L C, et al. Novel model for NPP prediction based on temperature and land use changes: a case in Sichuan and Chongqing, China[J]. Ecological indicators, 2022, 145. DOI:10.1016/j.ecolind.2022.109724 |
| [29] | Zhu Z C, Piao S L, Myneni R B, et al. Greening of the Earth and its drivers[J]. Nature Climate Change, 2016, 6(8): 791-795. DOI:10.1038/nclimate3004 |
| [30] | Li J G, Yu S Y, Liu L L. Determining the dominant factors determining the variability of terrestrial ecosystem productivity in China during the last two decades[J]. Land Degradation & Development, 2020, 31(15): 2131-2145. |
| [31] | Zhao L, Yang C H, Zhao Y C, et al. Spatial correlations of land use carbon emissions in Shandong peninsula urban agglomeration: a perspective from city level using remote sensing data[J]. Remote Sensing, 2023, 15(6). DOI:10.3390/rs15061488 |
| [32] | Liu H Y, Zhang M Y, Lin Z S, et al. Spatial heterogeneity of the relationship between vegetation dynamics and climate change and their driving forces at multiple time scales in Southwest China[J]. Agricultural and Forest Meteorology, 2018, 256-257: 10-21. DOI:10.1016/j.agrformet.2018.02.015 |
| [33] |
姬盼盼, 高敏华, 杨晓东. 中国西北部干旱区NPP驱动力分析——以新疆伊犁河谷和天山山脉部分区域为例[J]. 生态学报, 2019, 39(8): 2995-3006. Ji P P, Gao M H, Yang X D. Analysis of NPP driving force in an arid region of Northwest China: a case study in Yili Valley and parts of Tianshan Mountains, Xinjiang, China[J]. Acta Ecologica Sinica, 2019, 39(8): 2995-3006. |
| [34] |
焦伟, 陈亚宁, 李稚, 等. 基于多种回归分析方法的西北干旱区植被NPP遥感反演研究[J]. 资源科学, 2017, 39(3): 545-556. Wei J, Chen Y N, Li Z, et al. Inversion of net primary productivity in the arid region of Northwest China based on various regressions[J]. Resources Science, 2017, 39(5): 545-556. |
| [35] |
杨楠, 王凌雨, 朱琳, 等. 黄河流域近十年NPP变化特征及驱动因子分析[J]. 应用基础与工程科学学报, 2023, 31(2): 280-295. Yang N, Wang L Y, Zhu L, et al. NPP variation characteristics and driving factors of the Yellow River Valley in the last decade[J]. Journal of Basic Science and Engineering, 2023, 31(2): 280-295. |
| [36] |
魏建洲, 牛雪娜, 史战红, 等. 黄土高原草地净初级生产力变化的驱动因素分析[J]. 环境科学与技术, 2022, 45(6): 203-211. Wei J Z, Niu X N, Shi Z H, et al. Analysis on the driving factors of grassland NPP dynamic changes in the Loess Plateau[J]. Environmental Science & Technology, 2022, 45(6): 203-211. |
| [37] |
王爽, 李庆旭, 张彪. 锡林郭勒盟净初级生产力时空变化及其气候影响[J]. 生态学杂志, 2021, 40(3): 825-834. Wang S, Li Q X, Zhang B. Spatiotemporal variation of net primary productivity and its climatic driving factors in Xilingol League[J]. Chinese Journal of Ecology, 2021, 40(3): 825-834. |
| [38] |
丁庆福, 王军邦, 齐述华, 等. 江西省植被净初级生产力的空间格局及其对气候因素的响应[J]. 生态学杂志, 2013, 32(3): 726-732. Ding Q F, Wang J B, Qi S H, et al. Spatial patterns of vegetation net primary productivity in Jiangxi Province of China in relation to climate factors[J]. Chinese Journal of Ecology, 2013, 32(3): 726-732. |
| [39] |
吴雪晴, 张乐乐, 高黎明, 等. 青海湖流域NPP动态变化及驱动力[J]. 干旱区研究, 2023, 40(11): 1824-1832. Wu X Q, Zhang L L, Gao L M, et al. Dynamic change and driving force of net primary productivity in Qinghai Lake Basin[J]. Arid Zone Research, 2023, 40(11): 1824-1832. |
| [40] |
宋颖, 高明秀, 王卓然, 等. 环渤海山东区耕地NPP时空变化特征及其驱动因子探测[J]. 环境科学, 2024, 45(8): 4733-4743. Song Y, Gao M X, Wang Z R, et al. Spatiotemporal variation characteristics and driving factors of cultivated land NPP in the Shandong Area around the Bohai Sea[J]. Environmental Science, 2024, 45(8): 4733-4743. |
| [41] | Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925. DOI:10.5194/essd-13-3907-2021 |
| [42] |
杨清可, 段学军, 王磊, 等. 基于"三生空间"的土地利用转型与生态环境效应——以长江三角洲核心区为例[J]. 地理科学, 2018, 38(1): 97-106. Yang Q K, Duan X J, Wang L, et al. Land use transformation based on ecological-production-living spaces and associated eco-environment effect: a case study in the Yangtze River Delta[J]. Scientia Geographica Sinica, 2018, 38(1): 97-106. |
| [43] |
秦艳丽, 时鹏, 何文虹, 等. 西安市城市化对景观格局及生态系统服务价值的影响[J]. 生态学报, 2020, 40(22): 8239-8250. Qin Y L, Shi P, He W H, et al. Influence of urbanization on landscape pattern and ecosystem service value in Xi'an City[J]. Acta Ecologica Sinica, 2020, 40(22): 8239-8250. |
| [44] |
康紫薇, 张正勇, 位宏, 等. 基于土地利用变化的玛纳斯河流域景观生态风险评价[J]. 生态学报, 2020, 40(18): 6472-6485. Kang Z W, Zhang Z Y, Wei H, et al. Landscape ecological risk assessment in Manas River Basin based on land use change[J]. Acta Ecologica Sinica, 2020, 40(18): 6472-6485. |
| [45] | Forkel M, Carvalhais N, Verbesselt J, et al. Trend change detection in NDVI time series: effects of inter-annual variability and methodology[J]. Remote Sensing, 2013, 5(5): 2113-2144. DOI:10.3390/rs5052113 |
| [46] | Sheng Y, Wang C Y. The Mann-Kendall test modified by effective sample size to detect trend in serially correlated hydrological series[J]. Water Resources Management, 2004, 18(3): 201-218. DOI:10.1023/B:WARM.0000043140.61082.60 |
| [47] |
袁丽华, 蒋卫国, 申文明, 等. 2000—2010年黄河流域植被覆盖的时空变化[J]. 生态学报, 2013, 33(24): 7798-7806. Yuan L H, Jiang W G, Shen W M, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010[J]. Acta Ecologica Sinica, 2013, 33(24): 7798-7806. |
| [48] |
杨改强, 张志强, 辛鑫, 等. 山西省耕地NPP时空变化及其气候因子驱动分析[J]. 科学技术与工程, 2023, 23(24): 10557-10567. Yang G Q, Zhang Z Q, Xin X, et al. Spatial-temporal variation of farmland NPP and climate factor-driven analysis in Shanxi Province[J]. Science Technology and Engineering, 2023, 23(24): 10557-10567. DOI:10.12404/j.issn.1671-1815.2023.23.24.10557 |
| [49] |
刘宪锋, 潘耀忠, 朱秀芳, 等. 2000-2014年秦巴山区植被覆盖时空变化特征及其归因[J]. 地理学报, 2015, 70(5): 705-716. Liu X F, Pan Y Z, Zhu X F, et al. Spatiotemporal variation of vegetation coverage in Qinling-Daba Mountains in relation to environmental factors[J]. Acta Geographica Sinica, 2015, 70(5): 705-716. |
| [50] | Luo P P, Xu C Y, Kang S X, et al. Heavy metals in water and surface sediments of the Fenghe River Basin, China: assessment and source analysis[J]. Water Science & Technology, 2021, 84(10-11): 3072-3090. |
| [51] | Liu W B, Sun F B. Assessing estimates of evaporative demand in climate models using observed pan evaporation over China[J]. Journal of Geophysical Research: Atmospheres, 2016, 121(14): 8329-8349. DOI:10.1002/2016JD025166 |
| [52] | Shuai C Y, Chen X, Wu Y, et al. Identifying the key impact factors of carbon emission in China: results from a largely expanded pool of potential impact factors[J]. Journal of Cleaner Production, 2018, 175: 612-623. DOI:10.1016/j.jclepro.2017.12.097 |
| [53] | Cheng L, Jiang P H, Chen W, et al. Farmland protection policies and rapid urbanization in China: a case study for Changzhou City[J]. Land Use Policy, 2015, 48: 552-566. DOI:10.1016/j.landusepol.2015.06.014 |
| [54] |
原晋涛, 陈万旭, 曾杰. 中国耕地利用变化时空分异特征及对耕地NPP的影响[J]. 自然资源学报, 2023, 38(12): 3135-3149. Yuan J T, Chen W X, Zeng J. Spatio-temporal differentiation of cropland use change and its impact on cropland NPP in China[J]. Journal of Natural Resources, 2023, 38(12): 3135-3149. |
| [55] | Xu Y, Lu Y G, Zou B, et al. Unraveling the enigma of NPP variation in Chinese vegetation ecosystems: the interplay of climate change and land use change[J]. Science of the Total Environment, 2024, 912. DOI:10.1016/j.scitotenv.2023.169023 |
| [56] | Wu L H, Wang S J, Bai X Y, et al. Climate change weakens the positive effect of human activities on karst vegetation productivity restoration in southern China[J]. Ecological Indicators, 2020, 115. DOI:10.1016/j.ecolind.2020.106392 |
| [57] |
石智宇, 王雅婷, 赵清, 等. 2001—2020年中国植被净初级生产力时空变化及其驱动机制分析[J]. 生态环境学报, 2022, 31(11): 2111-2123. Shi Z Y, Wang Y T, Zhao Q, et al. The spatiotemporal changes of NPP and its driving mechanisms in China from 2001 to 2020[J]. Ecology and Environmental Sciences, 2022, 31(11): 2111-2123. |
| [58] |
李登科, 王钊. 气候变化和人类活动对陕西省植被NPP影响的定量分析[J]. 生态环境学报, 2022, 31(6): 1071-1079. Li D K, Wang Z. Quantitative analysis of the impact of climate change and human activities on vegetation NPP in Shaanxi Province[J]. Ecology and Environmental Sciences, 2022, 31(6): 1071-1079. |