2000—2020年南疆地區棉花種植空間格局及其變化特征分析

劉傳跡，金曉斌,2,3，徐偉義，喬郭亮，楊緒紅，周寅康,2,3

2000—2020年南疆地區棉花種植空間格局及其變化特征分析

劉傳跡1，金曉斌1,2,3※，徐偉義1，喬郭亮1，楊緒紅1，周寅康1,2,3

（1. 南京大學地理與海洋科學學院，南京 210023；2. 國土資源部海岸帶開發與保護重點實驗室，南京 210023；3. 江蘇省土地開發整理技術工程中心，南京 210023）

南疆地區是中國棉花的重要產區。綜合全面了解南疆地區棉花種植空間格局及其變化特征對各級政府部門制定相關決策、保障國家糧棉供給、促進中國棉紡織工業加速發展具有重要意義。該研究以MODIS EVI數據為基礎，應用TIMESAT軟件平臺集成的Double-Logistic濾波對棉花生長曲線進行重構，根據曲線特點提取棉花生長閾值，進而提取南疆地區棉花種植信息，分析其種植空間格局及其變化特征。結果表明：1）南疆地區棉花主要分布在天山山脈南側，形成以阿克蘇地區為核心，喀什東北部及巴州北部為邊緣的“核心-邊緣”結構；2）近20 a南疆地區棉花種植面積增加103.17萬hm2，年均棉花種植面積增長5.16萬hm2，主要來源于耕地（76.85%）與草地（11.91%）；3）棉花分布在空間上呈“東北-西南”走向，棉花種植重心近20 a總移動距離91.5 km，年移動速率4.58 km/a，基本穩定保持在阿克蘇市境內；4）南疆地區棉花種植面積冷點主要分布在克州以及和田地區，2005年后逐漸向西南側集聚；熱點分布格局年際變化顯著，2005年前主要分布在阿克蘇地區，2005年后逐漸向南疆地區東北側延伸，主要集中在阿克蘇地區以及巴州地區北部。研究成果可為制定區域國土管理制度和涉棉企業科學決策提供參考，對調整和優化棉花結構布局具有積極作用。

遙感；棉花；空間格局；時間序列；EVI；種植信息；南疆地區

0 引 言

棉花是僅次于糧食的第二大農作物，是關系國計民生的戰略物資，亦是全國1億多棉農收入的主要來源、紡織工業的主要原料、廣大人民的生活必需品、出口創匯的重要商品[1]。其種植廣泛，涉棉企業及農民眾多，棉花產業發展對眾多行業和棉民的切身利益產生重要影響[2]。世界范圍內棉花種植區遍及亞、非、美、歐及大洋洲，主要分布在亞洲與美洲[3]。中國作為世界最大的棉花生產國，現已形成長江流域、黃河流域、西北內陸（新疆）三大棉花主產區[4]。2019年新疆棉花種植面積和總產量分別占全國的76.08%和84.93%，是中國種植面積最大、總產量最高的棉花種植區[5]。南疆地區（包括巴音郭楞蒙古自治州、阿克蘇地區、喀什地區、和田地區、克孜勒蘇柯爾克孜自治州，面積103.2萬km2）緯度較低，光照條件優越，天山和昆侖山融雪帶來充足水分，使得該地區棉花種植面積超出新疆棉花種植總面積的2/3，已形成“中國棉花看新疆、新疆棉花看南疆”的格局。然而，棉花發展在促進區域經濟增長和增強社會保障的同時，規模化種植也可能引發資源退化、環境惡化、生態失衡等問題，對當地農業和環境的可持續發展構成潛在威脅。因此，綜合分析南疆地區棉花種植格局及其變化特征對區域棉花產業可持續發展，促進行政管理和涉棉企業科學決策，維護民族團結和地方社會穩定等都具有重要意義。

棉花作為重要的農產品和經濟作物，其生產時空格局研究引發學界廣泛關注。從研究內容來看，學者們對棉花生產格局的現狀[6]、產量及品質影響因素[7-8]、時空演變[9]、驅動因素[10]、發展預測[11]等方面進行了探究，涵蓋縣域、市域、省域、全國等尺度[12-14]。從研究方法來看，對棉花生產格局變化問題研究已經歷由描述性分析向空間計量分析的轉變。近年來，基于棉花生產統計數據，運用時序變化趨勢法、GIS、空間面板計量及情景模擬等新方法探究棉花生產格局變化的研究成果日益增多。如朱啟榮等[15]應用地理信息技術對1980—2000年縣域棉花生產數據進行處理，分析中國棉花種植空間變化趨勢；馬春玥等[16]綜合運用空間分析與時序變化趨勢等方法，基于棉花生產分布數據解析了中國棉花生產的時空變化規律；Hegazy等[17]基于模型預測及空間分析方法探究了氣候變化背景下埃及地區棉花空間分布的演化過程；揭懋汕等[18]采用探索性空間數據分析方法，分析全國各省份棉花生產的空間分布格局及其演化；王其猛[19]應用比較優勢理論，提出了南疆地區棉花生產布局調整優化方案；張山清等[20]使用線性趨勢分析及ArcGIS空間分析等方法，研究南疆地區在氣候變化條件下棉花種植布局的調整情況。綜合而言，現有研究多以統計數據為信息源，而南疆地區面積廣闊、行政體制特殊、地形地貌復雜，采用抽樣調查或全面統計難以全面覆蓋，獲得及時準確的時空變化信息面臨困難，綜合全面了解該地區棉花種植格局及其變化特征存在較大難度。

為克服傳統信息源在數據可獲取性、時間連續性、覆蓋完整性、及時準確性等方面的限制，本研究擬利用MODIS EVI數據，以棉花主產區南疆地區為研究區，按照“重構生長曲線-提取種植信息-分析變化特征”的研究思路，應用TIMESAT軟件平臺集成的Double-Logistic濾波對棉花生長曲線進行重構，根據曲線特點提取棉花生長閾值，生成南疆地區棉花種植格局，分析其種植空間格局變化特征，以期為相關管理部門和涉棉企業提供決策依據，促進區域棉花產業可持續發展。

1 研究方法與數據來源

1.1 研究區概況

南疆地區指新疆維吾爾自治區南部，位于中國大陸深處（圖1），地處73°20′～96°25′E和34°15′～49°10′N之間，包括巴音郭楞蒙古自治州（以下簡稱巴州）、阿克蘇地區、喀什地區、和田地區、克孜勒蘇柯爾克孜自治州（以下簡稱克州）。四周高山環繞，中部為塔里木盆地，地貌高差明顯，以戈壁灘和沙漠為主，平均海拔在3 500 m以上；屬于溫帶大陸性氣候區，光熱資源豐富、晝夜溫差大、冬日酷熱、夏日干旱、降水量少、蒸發量大、無霜期長。2019年，全區土地面積為103.2萬km2，人口1 159.26萬，其中農業人口827.76萬（占比71.40%）。南疆地區耕地總面積203萬hm2，人均耕地面積0.18 hm2，農業生產具有獨特的資源條件；2019年地區生產總值為3 379.51億元，第一、二、三產業生產總值占比分別為23.09%：37.68%：39.24%，農業生產仍占據重要地位。

1.2 數據源與預處理

1.2.1 遙感數據

遙感數據來源于美國國家航空與航天局（NASA）提供的MODIS產品系列中的MOD13Q1數據（http:// earthexplorer.usgs.gov），空間分辨率為250 m，時間分辨率為16 d，已經過輻射定標、云檢測、大氣校正和輻射校正等處理。本文選取2000、2005、2010、2015、2020年共5期數據，每年13幅影像，總計65幅，覆蓋棉花的整個生長周期（4—10月）。

1.2.2 土地利用與驗證數據

耕地數據來源于中國科學院資源環境科學與數據中心（https://www.resdc.cn/），包括2000、2005、2010、2015、2020年共5期數據，空間分辨率為30 m；GlobeLand30數據來源于國家基礎地理信息中心（http://www.ngcc.cn/ngcc/），包括2000、2010、2020年3期數據，空間分辨率為30 m。

為檢驗棉花提取精度，采用《新疆統計年鑒》以及《新疆生產建設兵團統計年鑒》（2001—2019年），以及Google Earth平臺高分辨率影像。

1.2.3 數據預處理

為提高棉花提取精度，減少其他非耕地地物類型的干擾，本研究將EVI數據與耕地數據進行掩膜提取，得到研究區耕地EVI數據。基于Google Earth高分辨率影像目視解譯的棉花地塊，導出為cotton.kmz文件，導入ArcGIS10.3中，利用Conversion Tool中Kml To Layer工具生成棉花圖層，以棉花圖層對研究區耕地EVI數據進行掩膜提取，得到2000、2005、2010、2015、2020年共5期棉花EVI時間序列數據。以2010棉花EVI時間序列數據為基礎，對其進行ASCII轉換處理，在TIMESAT中生成棉花原始曲線。

1.3 研究方法

本文按照“重構生長曲線—提取種植信息—分析變化特征”的研究思路。首先，應用TIMESAT軟件生成南疆地區棉花EVI生長曲線，采用D-L濾波擬合重新構建其生長曲線；其次，分析棉花生長曲線特征，提取棉花生長閾值，利用ENVI5.3中的Band Math工具進行棉花提取，將提取結果與統計數據進行對比，基于Google Earth高分辨率影像對提取結果進行空間分布精度檢驗；最后，從多角度分析近20 a新疆南疆地區棉花種植空間格局變化特征。

1.3.1 棉花生長曲線重構

基于TIMESAT軟件直接生成的EVI時間序列受噪聲的干擾較為明顯，尤其是在極值方面，易出現驟升驟降的現象，在波峰處存在很大的擾動[21]，因此應用TIMESAT軟件中集成的D-L濾波重構棉花的生長曲線，消除云和大氣帶來的擾動，反映棉花生長的變化趨勢與規律。

Double-Logistic濾波擬合是一種局部擬合的方法，首先取得時間序列值，按峰值和谷值分成多個區間，分別對區間進行局部擬合[22-23]，其表達式見式（1）。

式中1確定左拐點的位置，2控制左拐點斜率；3確定右拐點的位置，4控制右拐點斜率，表示時間。

1.3.2 精度評價

1）相對誤差分析。為檢驗棉花提取數量精度，引入相對誤差RE進行對比分析[24]，計算公式見式（2）。

式中1表示本研究結果，2表示統計年鑒數據值。

2）Kappa系數。為檢驗棉花提取空間分配精度，引入Kappa系數。Kappa系數基于混淆矩陣來評價分類精度，是分類結果與參考數據吻合程度的綜合反映[25]，取值范圍介于[-1,1]之間，計算公式見式（3）。

式中代表Kappa系數值，是混淆矩陣的行，α是混淆矩陣的第行第列（混淆矩陣主對角線）上的數值，α與α是混淆矩陣的第行的和與第列的和，是樣本總數。

1.3.3 標準差橢圓

標準差橢圓（Standard deviational ellipse, SDE）是一種能夠準確表征研究對象空間結構與區位，展示要素空間性、延展性、中心性和方向性的空間統計方法[26-27]。基于該方法可以從空間角度定量分析南疆地區棉花分布的空間格局及演化趨勢。其中橢圓的重心坐標如式（4）。

式中x、y為棉花樣點的橫、縱坐標，為棉花樣點數量。

1.3.4 空間特征分析

1）全局空間相關性分析

本文通過計算2000—2020年的Moran’s指數，分析南疆地區棉花種植面積的空間自相關性，取值范圍介于[-1,1]之間（正值表示空間正相關、0表示空間不相關、負值表示空間負相關，且Moran’s絕對值越大空間相關性越強）[28]，計算公式見式（5）。

2）局部空間自相關分析

全局空間相關性分析能反映整體空間特征，但不能有效分析局部空間特征。因此，本文采用Getis-OrdG*來探究南疆地區棉花種植在局部空間上的聚集程度，識別冷熱點分布區[29]，計算公式見式（6）。

2 棉花種植信息提取

2.1 棉花生長閾值

南疆地區棉花生長歷程分6階段（圖2，表1），生長周期約130 d。4月上中旬進入播種期，開始播種工作；4月下旬到5月上旬期間開始出苗；5月中下旬棉花進入苗期，隨著氣溫的逐漸回升，日照時間變長，晝夜溫差增大，降雨量增加，棉花地上部分莖葉緩慢生長；6—8月份，是棉花的旺盛期蕾期與花鈴期[30]，棉花的植株體積生長明顯，各器官迅速增長；9月，棉花逐漸成熟進入吐絮期，果實趨于成熟，植株葉片葉綠素含量降低，葉黃素含量增高，葉片開始變黃脫落，10月中下旬停止生長。

表1 南疆地區棉花生長概況及作物物候特征

注：綜合考慮南疆地區的棉花生產特征、光譜特征以及可能出現的棉花特殊區現象確定棉花生長閾值，T為影像編號所對應的EVI值。

Note: Cotton growth threshold was determined by comprehensively considering cotton production characteristics, spectral characteristics and possible cotton special area phenomenon in southern Xinjiang. Tmeaned that EVI value corresponding to image No..

棉花生長的不同階段光譜特征存在顯著差異。出苗后棉花生長曲線EVI值逐漸增長，蕾期與花鈴期之間棉花的生長曲線EVI值始終保持在高值，吐絮期內EVI值從高值開始下降，逐漸接近于0值。對比不同作物物候特征發現棉花達到峰值期的影像T14與生長初期影像T10之間的EVI值相差較大，差值大于0.2；棉花的旺盛期在蕾期與花鈴期之間，該時期對應的影像T13-T15之間EVI差值不足0.1；棉花在影像T10-T13期間EVI值持續上升；棉花在裂鈴之后仍然會保持一段時間的營養生長，在其他作物都已經成熟時，棉花的EVI值仍高于0.2。

2.2 棉花種植空間格局

根據棉花生長閾值，利用ENVI5.3中的Band Math工具進行棉花提取，生成研究區2000—2020年間棉花種植空間格局（圖3）。南疆地區棉花分布與水土條件空間分布格局基本一致，主要分布在天山山脈南側，聚集于南疆地區東北側，形成了以阿克蘇地區為核心，喀什東北部及巴州北部為邊緣的“核心-邊緣”棉花種植格局。2000—2020年間，南疆地區棉花種植面積呈顯著增加趨勢，年均棉花面積增加約5.16萬hm2。2000年南疆棉花種植面積總計57.42 萬hm2，2020年南疆棉花種植面積總計160.59萬hm2，凈增加103.17萬hm2，其中2010—2015年棉花面積增長最快，棉花面積增長比例最高，占總增加面積的57.89%。

研究期內，阿克蘇地區始終是南疆最大的棉花種植區。各地州棉花種植面積變化特征不盡相同；巴州地區和阿克蘇地區棉花種植面積持續增長，阿克蘇地區增速最快約為2.40萬hm2/a；巴州地區增長幅度最大，與2000年相比增幅超300%；克州地區棉花種植面積基本保持不變；喀什地區以及和田地區處于波動不穩定狀態。

2.3 精度檢驗

2.3.1 數量精度對比

本研究將基于棉花生長曲線重構提取的棉花種植信息結果與中國經濟社會大數據研究平臺（https://data.cnki.net/）公布的統計年鑒數據進行對比分析，結果見表2。

表2 棉花種植面積對比分析

基于MODIS EVI數據，應用TIMESAT軟件平臺集成的D-L濾波對棉花生長曲線進行重構的方法提取出南疆地區2000、2005、2010、2015、2020年棉花種植像元個數分別為91 874、90 309、125 805、221 383，平均精度差異低于8.10萬hm2，相對誤差為5.70%～12.07%。

2.3.2 空間精度檢驗

為檢驗棉花提取空間分配精度，利用Google Earth高分辨率影像進行檢驗。為保證數據可比性，在研究區范圍內2000、2005、2010、2015、2020年分別隨機采樣80個，樣本總量共計400個，以棉花成熟采摘月份（9月中旬）的高分辨率影像作為參考依據，進行目視判讀，以此來對棉花提取空間分配精度進行檢驗，并采用Kappa系數[31]作為精度檢驗的評價指標。

對不同年份南疆地區棉花種植面積空間分配精度進行檢驗（表3，圖4），分析Kappa系數可知2000、2005、2010、2020年棉花種植信息提取精度較好，2015年棉花種植信息提取精度最好。整體來看本研究所提取的棉花種植信息Kappa系數介于0.7～0.9之間，滿足驗證要求[32]。

表3 棉花空間精度檢驗系數

3 棉花種植空間格局變化特征分析

3.1 棉花種植用地轉移特征

為探究I型耕地（棉花種植區）和其他土地利用類型之間的轉換特征，結合2000年、2010年、2020年3期南疆地區GlobeLand30數據，結果顯示南疆地區I型耕地和其他土地利用類型之間的轉化在不同時段內存在顯著差異，空間分異性較為明顯（表4，圖5）。

表4 2000—2020年南疆地區棉花用地轉換關系及對應面積

2000—2010年，研究區I型耕地轉移面積86.85萬hm2，新增I型耕地54.03萬hm2，減少I型耕地32.82萬hm2，I型耕地轉換以流入為主。其中，新增I型耕地主要來源于耕地種植類型變化（91.45%），主要集中在阿克蘇、和田以及巴州北部地區；裸地開發（2.51%）主要集中在巴州中部地區；草地轉換（3.66%）主要集中在喀什以及巴州北部地區。進行分析時發現2002、2007這兩個時間節點具有重要意義，2002年中國加入世界貿易組織（WTO）棉花價格顯著提高，2007年國家在新疆實施良種補貼政策，棉農種植意愿增強，棉花種植面積有所增加。減少的I型耕地全區皆有分布，主要流向Ⅱ型耕地（其他作物種植區、96.80%），主要集中在喀什地區以及阿克蘇地區西部；人造地表（1.63%）全區皆有分布，阿克蘇地區占比最多。

a. 2000—2010

b. 2010—2020

注：I型耕地為棉花種植區；Ⅱ型耕地為其他作物種植區。

Note: Type I cultivated land means cotton growing area; Type II cultivated land means other crop growing area.

圖5 2000—2020年南疆地區棉花種植區土地利用變化

Fig.5 Land use change of cotton planting areas in southern Xinjiang from 2000 to 2020

2010—2020年，區域I型耕地轉移面積153.26萬hm2，新增I型耕地117.61萬hm2，減少I型耕地35.65萬hm2，I型耕地轉換以流入為主。與上一階段相比，新增I型耕地主要來源未發生變化，但新增來源的面積發生了明顯的數量變化，來自草地轉換以及裸地開發形成的I型耕地增長超過5倍，主要集中在阿克蘇、喀什以及巴州地區；來自耕地種植類型變化形成的I型耕地面積增長近一倍，全區皆有分布。這說明棉農的種植意愿有了顯著提高，此階段實行的良種補貼政策及目標價格政策有著正向的推動作用。與上一階段相比，減少I型耕地主要流向也未發生變化，主要流向Ⅱ型耕地（91.26%）流出面積略有增長（32.53萬hm2），主要集中在阿克蘇、和田以及巴州北部地區；人造地表（5.00%）主要分布在喀什中部，阿克蘇、以及巴州北部地區。

總體來看，近20 a南疆地區棉花種植用地轉移特征主要表現在以下2個方面：1）棉花種植變化的活躍地區主要分布在阿克蘇、喀什、巴州北部地區，也是南疆地區棉花主要種植區。2）I型耕地與Ⅱ型耕地、草地、人造地表之間的流量轉化較為顯著且流轉量劇烈增長。

3.2 棉花種植格局變化特征

為研究南疆地區棉花種植在地理空間上的規模分布特征以及變化規律，分析棉花種植在空間上的集中程度和演變趨勢，通過標準差橢圓（表5，圖6）分析發現：研究時段內標準差橢圓的方向角由2000年66.59°波動增長到2020年73.05°，表明南疆地區棉花種植呈“東北-西南”格局，但這種格局在研究期間逐漸弱化，漸趨近于東西格局；同時也說明南疆地區棉花種植的主要拉動力為東西向，阿克蘇地區、和田地區北部，巴州地區北部、喀什地區東北部以及克州地區南部棉花格局的演變對南疆地區棉花格局空間變化拉動作用顯著。

表5 2000—2020年南疆地區棉花分布標準差橢圓參數

南疆地區棉花種植重心在近20 a間發生過一次重大遷移之后基本保持穩定，2000—2005年棉花種植重心從阿瓦提縣向東北方向遷移68.66 km到達阿克蘇市。此后，重心保持在阿克蘇市境內，總遷移距離91.5 km，年平均遷移距離4.58 km。

棉花種植空間格局先集聚后分散。2000—2010年標準差橢圓的長軸持續增長同時短軸持續縮短，長軸短軸的共同作用下離心率逐漸增長而標準差橢圓的面積由2000年516 943.25 km2逐漸縮減到2010年422 881.31k m2，表明此階段棉花空間分布方向趨勢增強，空間格局趨向集聚化。與之相反，2010—2020年間標準差橢圓長軸與短軸均持續增長，長短軸共同作用下離心率有所降低而標準差橢圓的面積由2010年422 881.31 km2逐漸增長到2020年573 078.20 km2，表明此階段棉花空間分布方向趨勢減弱，空間格局趨向分散化。

圖6 2000—2020年南疆地區棉花分布標準差橢圓

3.3 棉花種植熱點演化特征

進一步分析棉花種植空間分布特征，創建覆蓋棉花種植區的5 km×5 km格網，以棉花種植面積為變量進行空間特征分析。2000—2020年5個時段南疆地區棉花種植面積Global Moran’s值依次為0.13、0.16、0.22、0.21、0.19，()值均大于2.58臨界值，通過0.01顯著性檢驗。說明南疆地區棉花種植空間格局存在空間正自相關性，呈現“高-高集聚、低-低集聚”的總體空間分布格局，且南疆地區棉花種植面積空間關聯度呈先增強后減弱趨勢。基于ArcGIS計算各格網局部空間關聯指數Getis-OrdG*，按照自然斷點法分為熱點區、次熱點區、次冷點區、冷點區4類，并進行可視化。2000—2020年南疆地區棉花種植空間格局熱點演化如圖7所示。

南疆地區棉花種植空間格局演化具有以下特征：1）南疆地區棉花種植面積冷點主要分布在克州以及和田地區，且2005年后冷點逐漸向西南側集聚；熱點分布格局年際變化顯著，2005年前主要分布在阿克蘇地區，2005年后熱點逐漸向南疆地區東北側延伸，主要集中在阿克蘇以及巴州地區北部。2）近20 a，南疆地區棉花種植面積“冷點”—“熱點”在空間上表現出自西南向東北過渡的條帶型特征。阿克蘇地區始終為南疆地區熱點、次熱點最大面積聚集區，呈現棉花種植面積“高—高集聚”的空間格局，并向喀什地區以及巴州北部逐漸蔓延。巴州地區次熱點區向熱點區轉化現象最為顯著，次冷點主要聚集在巴州地區西北部，2000年巴州東北部均為次熱點區，截止2020年，巴州地區半數以上次熱點區已轉化為熱點區。克州以及和田地區棉花種植面積熱點—冷點未發生明顯變化。喀什地區“冷熱”轉換發生顯著變化，西南側在2005年由次熱點區變為冷點區，2020年再次由冷點區變為次冷點區，而東北側更是經歷較大的變化由次冷點逐演化為棉花種植的次熱點區。

4 討 論

日照時間長、晝夜溫差大、干旱少雨的環境為南疆地區棉花生長提供了獨特的種植優勢，加之良種補貼、臨時收儲、目標價格等政策因素的影響，南疆地區近20 a棉花種植面積迅速增長。盡管棉花產業已經成為南疆地區的支柱產業，對促進地區經濟增長，改善當地居民生活條件起到積極作用。但棉花生產的負外部性效應也應引起關注，如水資源壓力增大、環境污染、土壤肥力下降、生態多樣性銳減等，對當地農業和環境的可持續發展構成潛在威脅。

南疆地區棉花生產所大量使用的地膜是人工合成的高分子化合物，很難在自然條件下降解，一般情況下，殘膜可在土壤中存留200～400 a，在長期使用地膜覆蓋的農田中地膜殘留量一般在60～90 kg/hm2[33]，近年來，南疆地區地膜殘留量迅速增長，估算2017年殘留量已達113.81×106kg，所造成的土壤污染直接導致土壤肥力下降，威脅棉花產業持續發展（圖8a）；棉花作為南疆地區最為耗水作物之一，年需水量達到1 000 mm[34]。近年來大面積的棉花種植極大加劇了該地區水資源壓力，2015年起棉花種植用水量已達到146.72億m3，超過南疆地區農業用水的50%，加快南疆地區荒漠化進程（圖8b）；棉花是南疆種植結構中種植規模最大的農作物，2015年南疆地區棉花種植面積突破農作物種植總面積50%，棉花作物面積首次超越糧食作物種植總面積，與之相反油料作物與糧食作物種植面積呈現下降趨勢（圖8c，8d）。耕地多年大面積種植棉花不僅造成景觀的單一，也使該地區生物多樣性銳減，經轉基因改造的棉花對本地棉及其他物種的基因造成侵害。

為促進南疆地區棉花產業可持續健康發展，應以“控制面積、提質增產”為準則，根據區域社會、經濟、資源環境條件，開展棉業種植結構優化工作。在南疆地區東北部棉花種植熱點區，加強集中連片、穩定高產和生態友好的高標準棉田建設，落實嚴格的水資源管理制度，加強節水滴灌、水肥一體等農業技術推廣，提高農業灌溉用水效率，從源頭減緩水資源壓力。在冷點聚集區克州及和田地區，建議壓縮種植規模，用于還草還糧、或改種蔬果和特色經濟作物，改善生物多樣性。針對南疆地區棉花種植用地轉移趨勢，對改種其他作物的農戶，須將農業用水配置和農戶種植意愿相結合，選擇相對效益較高的替代作物，對完全退出農業生產的農戶，則要考慮生計替代和合理的利益補償問題。未來南疆地區棉花產業的發展應以規模化、機械化、信息化、智能化、服務社會化為方向，綜合考慮農業結構調整、種植區環境污染、水資源承載力及耕地后備資源開發等諸多問題[35]。南疆地區棉花種植已由規模化集聚走向規模化分散，較長時期內仍將保持棉花主產區的地位。綜合全面掌握該地區棉花種植空間格局，及時調整優化棉花種植結構任重道遠。

本研究提出的基于EVI數據探究棉花種植時空格局演變特征方法，可以應用于大尺度、長時間序列的棉花種植信息變化監測，亦或在此基礎上進一步利用棉花生長曲線與實際產量的關系構建估產模型，實現對棉花產量的定量遙感預測。本研究對生態安全視角下的棉花種植結構調整優化方案制定具有一定的參考價值，對制定區域國土管理制度和涉棉企業科學決策具有支撐作用，并為其它地區開展棉花種植空間格局及其變化特征分析研究提供借鑒。

此外本研究尚存在一些問題有待在后續研究中深入：1）受基礎數據和研究方法的限制，本研究暫未探討棉花空間格局演變的影響因素，需要在后續研究中結合棉花種植面積與其影響因素關聯度對南疆棉區種植潛力評價分級，以便與農業產業布局調整相銜接；2）在確定棉花生長的EVI閾值模型中，往往無法全面考慮不同品種棉花相同時間長勢不同EVI閾值也不完全相同，以及相同品種棉花不同年份受外界環境刺激不同長勢不同EVI值不完全相同等因素；在對棉花種植信息空間分配精度進行檢驗的過程中，隨機樣本數量有限，可能存在著一定的偶然性。因此在日后的工作過程中，可以結合野外實地考察樣本數據，對棉花品種進行分類，對棉花長勢進行分級，進一步提高提取精度與檢驗精度。上述不足，有待后續研究進一步完善。

5 結 論

本文以南疆地區為研究區，按照“重構生長曲線—提取種植信息—分析變化特征”的研究思路，重構了棉花的生長曲線、提取了南疆地區棉花種植信息、分析了棉花種植空間格局的變化特征，取得以下主要研究結論。

1）南疆地區棉花分布與水土條件空間分布格局基本一致，主要分布在天山山脈南側，聚集于南疆地區東北側，形成了以阿克蘇地區為核心，喀什東北部及巴州北部為邊緣的“核心-邊緣”結構。

2）棉花種植用地轉移特征。南疆地區I型耕地和其他土地利用類型之間的轉化在不同年段內存在顯著差異，空間分異性較為明顯。棉花種植變化的活躍地區主要分布在阿克蘇、喀什、巴州北部地區，也是南疆地區棉花主要種植區。I型耕地與Ⅱ型耕地、草地、人造地表之間的流量轉化最為顯著且流轉量劇烈增長。

3）棉花種植格局變化特征。南疆地區棉花種植格局由集聚走向分散，呈“東北-西南”走向，棉花種植重心在近20 a間發生過一次重大遷移之后基本穩定保持在阿克蘇市境內，總遷移距離91.5 km，年平均遷移距離4.58 km。

4）棉花種植熱點演化特征。南疆地區棉花種植面積冷點主要分布在克州以及和田地區，且2005年后冷點逐漸向西南側集聚；熱點分布格局年際變化顯著，2005年前主要分布在阿克蘇地區，2005年后熱點逐漸向南疆地區東北側延伸，主要集中在阿克蘇以及巴州地區北部。研究時段內，研究區棉花種植“冷點”—“熱點”在空間上表現出自西南向東北過渡的條帶型特征。

[1] 周潔. 新疆棉花生產中的環境成本研究[D]. 阿拉爾市：塔里木大學，2014.

Zhou Jie. The Research On Environment Cost in Cotton Production in Xinjiang[D]. Alaer：Tarim University, 2014. (in Chinese with English abstract)

[2] 閆慶華，劉維忠，秦子. 世界棉花格局變化及對中國棉花發展的啟示[J]. 農業經濟，2017(11)：119-121.

Yan Qinghua, Liu Weizhong, Qin Zi. Changes of world cotton pattern and its enlightenment to China's cotton development[J]. Agricultural Economy, 2017(11): 119-121. (in Chinese with English abstract)

[3] 王晶，肖海峰. 耕地生態安全視域下棉花生產布局優化問題研究：以新疆為例[J]. 干旱區地理，2018，41(4)：833-843.

Wang Jing, Xiao Haifeng. Optimization of the distribution of cotton production in Xinjiang under the view of cultivated land ecological security[J]. Arid Land Geography, 2018, 41(4): 833-843. (in Chinese with English abstract)

[4] 黃滋康，崔讀昌. 中國棉花生態區劃[J]. 棉花學報，2002, 14(3)：185-190.

Huang Zikang, Cui Duchang. Ecological regionalization of cotton production in China[J]. Cotton Science, 2002, 14(3): 185-190. (in Chinese with English abstract)

[5] 武建設，陳學庚. 新疆兵團棉花生產機械化發展現狀問題及對策[J]. 農業工程學報，2015，31(18)：5-10.

Wu Jianshe, Chen Xuegeng. Present situation, problems and countermeasures of cotton production mechanization development in Xinjiang production and construction corps[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(18): 5-10. (in Chinese with English abstract)

[6] 盧秀茹，賈肖月，牛佳慧. 中國棉花產業發展現狀及展望[J]. 中國農業科學，2018，51(1)：26-36.

Lu Xiuru, Jia Xiaoyue, Niu Jiahui. The present situation and prospects of cotton industry development in China[J]. Scientia Agricultura Sinica, 2018, 51(1): 26-36. (in Chinese with English abstract)

[7] Corwin D L, Lesch S M, Shouse P J, et al. Identifying soil properties that influence cotton yield using soil sampling directed by apparent soil electrical conductivity[J]. Agronomy Journal, 2003, 95(2): 352-364

[8] Wan C Y, Wilkins T A. A modified hot borate method significantly enhances the yield of high-quality RNA from cotton (Gossypium hirsutum L)[J]. Analytical Biochemistry, 1994, 223(1): 7-12.

[9] 楊莉，楊德剛，張豫芳，等. 新疆棉花種植面積時空格局演變特征及驅動機制研究[J]. 中國沙漠，2011，31(2)：476-484.

Yang Li, Yang Degang, Zhang Yufang, et al. Spatio-temporal pattern dynamic of cotton plantation in Xinjiang and its driving forces[J]. Journal of Desert Research, 2011, 31(2): 476-484. (in Chinese with English abstract)

[10] 王晶，肖海峰. 新疆棉區生產空間格局演化及驅動因素分析[J]. 中國農業資源與區劃，2018，39(9)：155-161.

Wang Jing, Xiao Haifeng. Spatio-temporl pattern and its driving factors of cotton production in Xinjiang[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(9): 155-161. (in Chinese with English abstract)

[11] 馬春玥，買買提·沙吾提，依爾夏提·阿不來提，等. 新疆棉花種植業地理集聚特征及影響因素研究[J]. 作物學報，2019，45(12)：1859-1867.

Ma Chunyue, Mamat·Sawut, Ershat·Ablet, et al. Characteristics and influencing factors of geographical agglomeration of cotton plantation in Xinjiang[J]. Acta Agronomica Sinica, 2019, 45(12): 1859-1867. (in Chinese with English abstract)

[12] 潘學標. 基于GIS的中國縣域棉花生產空間分布與變異研究[J]. 中國農業科學，2003, 36(4)：382-386.

Pan Xuebiao. Study on the spatial distribution and variation of cotton production in counties of China based on GIS[J]. Scientia Agricultura Sinica, 2003, 36(4): 382-386. (in Chinese with English abstract)

[13] 孫艷玲，王宏志，黃碧捷. 湖北棉花生產格局的時空變化及原因分析[J]. 湖北大學學報：自然科學版，2005，27(4)：385-388.

Sun Yanling, Wang Hongzhi, Huang Bijie. Analysis on the temporal and spatial change of cotton production of Hubei province[J]. Journal of Hubei University: Natural Science, 2005, 27(4): 385-388. (in Chinese with English abstract)

[14] 鐘甫寧，胡雪梅. 中國棉花生產區域格局及影響因素研究[J]. 農業技術經濟，2008(1)：4-9.

Zhong Funing, Hu Xuemei. Study on regional pattern and influencing factors of cotton production in China[J]. Journal of Agrotechnical Economics, 2008(1): 4-9. (in Chinese with English abstract)

[15] 朱啟榮，章杏杏，李俊，等. 中國棉花種植空間變化及其原因分析[J]. 干旱區地理，2004(4)：498-502.

Zhu Qirong, Zhang Xingxing, Li Jun, et al. Analysis on the spatial change of cotton growing and its causes in China[J]. Arid Land Geography, 2004(4): 498-502. (in Chinese with English abstract)

[16] 馬春玥，買買提·沙吾提，姚杰，等. 1950—2015年中國棉花生產時空動態變化[J]. 地理學報，2020，75(8)：1699-1710.

Ma Chunyue, Mamat·Sawut, Yao Jie, et al. Spatio-temporal changes of cotton production in China from 1950 to 2015[J]. Acta Geographica Sinica, 2020, 75(8): 1699-1710. (in Chinese with English abstract)

[17] Hegazy Ahmad K, Medany Mahmoud A, Kabiel Hanan F, et al. Spatial and temporal projected distribution of four crop plants in Egypt[J]. Natural resources forum, 2008, 32(4): 316-326.

[18] 揭懋汕，雪燕，薛領. 我國棉花生產的空間格局演化及集聚因素分析[J]. 農業現代化研究，2015，36(3)：387-393.

Jie Maoshan, Xue Yan, Xue Ling. Study on cotton production's spatial distribution, changes and influencing factors in China[J]. Research of Agricultural Modernization, 2015, 36(3): 387-393. (in Chinese with English abstract)

[19] 王其猛. 新疆棉花生產布局優化研究[D]. 石河子：石河子大學，2013.

Wang Qimeng. The Reasearch About Layout Optimitation of Cotton in Xinjiang[D]. Shihezi：Shihezi University, 2013. (in Chinese with English abstract)

[20] 張山清，普宗朝，李景林，等. 氣候變暖背景下南疆棉花種植區劃的變化[J]. 中國農業氣象，2015，36(5)：594-601.

Zhang Shanqing, Pu Zongchao, Li Jinglin, et al. Cotton-planting zoning change in southern Xinjiang under the background of global warming[J]. Chinese Journal of Agrometeorology, 2015, 36(5): 594-601. (in Chinese with English abstract)

[21] Jonsson P, Eklundh L. TIMESAT-a program for analyzing time-series of satellite sensor data[J]. Computers & Geosciences, 2004, 30(8): 833-845.

[22] 郝鵬宇，牛錚，王力，等. 基于時序MODISEVI匹配的棉花信息提取：以新疆博樂市為例[J]. 遙感技術與應用，2013，28(2)：309-314.

Hao Pengyu, Niu Zheng, Wang Li, et al. Planting information extraction of cotton based on MODIS EVI time-series matching: a case study of Bole county in Xinjiang[J]. Remote Sensing Technology and Application, 2013, 28(2): 309-314. (in Chinese with English abstract)

[23] Beck Psa, Atzberger C, H Gda K A, et al. Improved monitoring of vegetation dynamics at very high latitudes: a new method using MODIS NDVI[J]. Remote Sensing of Environment, 2006, 99(3): 321-334.

[24] 徐偉義，金曉斌，楊緒紅，等. 中國森林植被生物量空間網格化估計[J]. 自然資源學報，2018，33(10)：1725-1741.

Xu Weiyi, Jin Xiaobin, Yang Xuhong, et al. The estimation of forest vegetation biomass in China in spatial grid[J]. Journal of Natural Resources, 2018, 33(10): 1725-1741. (in Chinese with English abstract)

[25] 朱筠，孫九林，秦奮，等. 2015年中國1∶10萬土地覆被數據河南地區精度評價[J]. 中國土地科學，2019，33(3)：59-67.

Zhu Yun, Sun Jiulin, Qin Fen, et al. Accuracy assessment of the 1∶100 000 land cover data of Henan province in 2015[J]. China Land Science, 2019, 33(3): 59-67. (in Chinese with English abstract)

[26] 趙璐，趙作權，王偉. 中國東部沿海地區經濟空間格局變化[J]. 經濟地理，2014，34(2)：14-18.

Zhao Lu, Zhao Zuoquan, Wang Wei. The spatial pattern of economy in coastal area of China[J]. Economic Geography, 2014, 34(2): 14-18. (in Chinese with English abstract)

[27] 程云，殷杰. 中國旅游安全事件分布與引致因素[J]. 經濟地理，2020，40(11)：215-224.

Cheng Yun, Yin Jie. Distribution and formative of tourism safety incidents in China[J]. Economic Geography, 2020, 40(11): 215-224. (in Chinese with English abstract)

[28] 姜磊，周海峰，柏玲，等. 中國城市空氣質量指數(AQI)的動態變化特征[J]. 經濟地理，2018，38(9)：87-95.

Jiang Lei, Zhou Haifeng, Bo Ling, et al. The spatio-temporal variation of air quality index of cities in China[J]. Economic Geography, 2018, 38(9): 87-95. (in Chinese with English abstract)

[29] 李亞婷，潘少奇，苗長虹. 中國縣域人均糧食占有量的時空格局：基于戶籍人口和常住人口的對比分析[J]. 地理學報，2014，69(12)：1753-1766.

Li Yating, Pan Shaoqi, Miao Zhanghong. The spatial-temporal patterns of per capita share of grain at the county level in China: a comparation between registered population and resident population[J]. Acta Geographica Sinica, 2014, 69(12): 1753-1766. (in Chinese with English abstract)

[30] 黃青，王利民，滕飛. 利用MODIS-NDVI數據提取新疆棉花播種面積信息及長勢監測方法研究[J]. 干旱地區農業研究，2011，29(2)：213-217.

Huang Qing, Wang Limin, Teng Fei. MODIS-NDVI-based monitoring of cotton planting areas and growth condition in Xinjiang[J]. Agricultural Research in the Arid Areas, 2011, 29(2): 213-217. (in Chinese with English abstract)

[31] 冉有華，李新，盧玲. 四種常用的全球1km土地覆蓋數據中國區域的精度評價[J]. 冰川凍土，2009，31(3)：490-500.

Ran Youhua, Li Xin, Lu Ling. Accuracy evaluation of the four remote sensing based land cover products over China[J]. Journal of Glaciology and Geocryology, 2009, 31(3): 490-500. (in Chinese with English abstract)

[32] 郭昱杉，劉慶生，劉高煥，等. 基于MODIS時序NDVI主要農作物種植信息提取研究[J]. 自然資源學報，2017，32(10)：1808-1818.

Guo Yushan, Liu Qingsheng, Liu Gaohuan, et al. Extraction of main crops in Yellow River delta based on MODIS NDVI time series[J]. Journal of Natural Resources, 2017, 32(10): 1808-1818. (in Chinese with English abstract)

[33] 林濤，湯秋香，郝衛平，等. 地膜殘留量對棉田土壤水分分布及棉花根系構型的影響[J]. 農業工程學報，2019，35(19)：117-125.

Lin Tao, Tang Qiuxiang, Hao Weiping, et al. Effects of plastic film residue rate on root zone water environment and root distribution of cotton under drip irrigation condition[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(19): 117-125. (in Chinese with English abstract)

[34] 王梅，楊倩，鄭江華，等. 1963—2012年新疆棉花需水量時空分布特征[J]. 生態學報，2016，36(13)：4122-4130.

Wang Mei, Yang Qian, Zheng Jianghua, et al. Spatial and temporal distribution of water requirement of cotton in Xinjiang from 1963 to 2012[J]. Acta Ecologica Sinica, 2016, 36(13): 4122-4130. (in Chinese with English abstract)

[35] 喻樹迅. 我國棉花生產現狀與發展趨勢[J]. 中國工程科學，2013，15(4)：9-13.

Yu Shuxun. Present situation and development trend of cotton production in China[J]. Strategic Study of CAE, 2013, 15(4): 9-13. (in Chinese with English abstract)

Analysis of the spatial distribution and variation characteristics of cotton planting in southern Xinjiang from 2000 to 2020

Liu Chuanji1, Jin Xiaobin1,2,3※, Xu Weiyi1, Qiao Guoliang1, Yang Xuhong1, Zhou Yinkang1,2,3

(1.,,210023,; 2.,,210023,;3.,210023,)

Southern Xinjiang is one of the most important cotton-producing areas in China. It is necessary to fully understand the spatial distribution of cotton and variation characteristics for national grain and cotton supply, particularly on the development of the cotton textile industry in China. Therefore, this study followed the research idea of "reconstructing growth curve - extracting planting information - analyzing changing characteristics". Firstly, TIMESAT software was used to generate the enhanced vegetation index (EVI) growth curve of cotton in Southern Xinjiang. Subsequently, a Double-Logistic filter was selected to rebuild the growth curve. Secondly, the specific characteristics of the cotton growth curve were analyzed further to obtain the cotton growth threshold. Thirdly, a Band Math tool in ENVI5.3 was selected to extract the cotton planting areas. The spatial distribution accuracy of extracted datasets was then verified using Google Earth high-resolution image. Finally, a systematic analysis was made on the temporal and spatial variation characteristics of cotton planting from multiple perspectives. The results showed that: 1) The spatial distribution pattern of cotton was basically consistent with the soil and water conditions, where mainly distributed in the south of Tianshan Mountains and clustered in the northeast of southern Xinjiang, indicating a "core-edge" structure with Aksu region as the core, while Kashgar and Northern Bazhou as the margin. 2) There were significant differences between type I cultivated land and other types in different years, indicating the pretty obvious spatial differentiation. The active regions of cotton planting variation were mainly distributed in Aksu, Kashgar, and northern Bazhou, indicating the main cotton-growing regions in southern Xinjiang. There was the most significant correlation in the flow conversion between type I and type II cultivated land, grassland, and artificial land surface, indicating that the flow increased sharply. 3) The spatial distribution of cotton showed the "northeast to southwest" trend. The cotton planting center basically kept stable in Aksu City after a major migration in recent 20 years, with a total migration distance of 91.5 km and an annual migration rate of 4.58 km/a. 4) In detecting "hot spots" of cotton planting areas, the cold spots were mainly distributed in Kezhou and Hetian in southern Xinjiang, indicating a gradual concentration to the southwest after 2005. Correspondingly, the distribution pattern of hot spots changed significantly from year to year. Furthermore, the hot spots were mainly distributed in Aksu prefecture before 2005. The hot spots gradually extended to the northeast of southern Xinjiang after 2005, where mainly concentrated in Aksu prefecture and the north of Bazhou. Consequently, the temporal and spatial variation characteristics of cotton planting using EVI data can widely be expected for large-scale, long-term information monitoring. The yield estimation model can also be further constructed using the cotton growth curve, as well as the relationship with cotton actual output. Finally, quantitative remote sensing can be realized on cotton yield prediction. The findings can provide sound support to optimize the cotton structure distribution for the decision-making and formulation of regional land management.

remote sensing; cotton; spatial distribution; time series; EVI; planting information; southern Xinjiang

劉傳跡，金曉斌，徐偉義，等. 2000—2020年南疆地區棉花種植空間格局及其變化特征分析[J]. 農業工程學報，2021，37(16)：223-232.doi：10.11975/j.issn.1002-6819.2021.16.028 http://www.tcsae.org

Liu Chuanji, Jin Xiaobin, Xu Weiyi, et al. Analysis of the spatial distribution and variation characteristics of cotton planting in southern Xinjiang from 2000 to 2020[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(16): 223-232. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.16.028 http://www.tcsae.org

2021-05-26

2021-08-07

國家自然科學基金項目（41971234、41971235）

劉傳跡，研究方向為土地利用與國土整治。Email：664518145@qq.com

金曉斌，博士，教授，博士生導師。研究方向為土地利用與國土整治。Email：jinxb@nju.edu.cn

10.11975/j.issn.1002-6819.2021.16.028

F323.1

A

1002-6819(2021)-16-0223-10