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(qū)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(xué)地理與海洋科學(xué)學(xué)院，南京 210023；2. 國土資源部海岸帶開發(fā)與保護重點實驗室，南京 210023；3. 江蘇省土地開發(fā)整理技術(shù)工程中心，南京 210023）

南疆地區(qū)是中國棉花的重要產(chǎn)區(qū)。綜合全面了解南疆地區(qū)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(guān)決策、保障國家糧棉供給、促進中國棉紡織工業(yè)加速發(fā)展具有重要意義。該研究以MODIS EVI數(shù)據(jù)為基礎(chǔ)，應(yīng)用TIMESAT軟件平臺集成的Double-Logistic濾波對棉花生長曲線進行重構(gòu)，根據(jù)曲線特點提取棉花生長閾值，進而提取南疆地區(qū)棉花種植信息，分析其種植空間格局及其變化特征。結(jié)果表明：1）南疆地區(qū)棉花主要分布在天山山脈南側(cè)，形成以阿克蘇地區(qū)為核心，喀什東北部及巴州北部為邊緣的“核心-邊緣”結(jié)構(gòu)；2）近20 a南疆地區(qū)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(wěn)定保持在阿克蘇市境內(nèi)；4）南疆地區(qū)棉花種植面積冷點主要分布在克州以及和田地區(qū)，2005年后逐漸向西南側(cè)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(qū)，2005年后逐漸向南疆地區(qū)東北側(cè)延伸，主要集中在阿克蘇地區(qū)以及巴州地區(qū)北部。研究成果可為制定區(qū)域國土管理制度和涉棉企業(yè)科學(xué)決策提供參考，對調(diào)整和優(yōu)化棉花結(jié)構(gòu)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(qū)

0 引 言

棉花是僅次于糧食的第二大農(nóng)作物，是關(guān)系國計民生的戰(zhàn)略物資，亦是全國1億多棉農(nóng)收入的主要來源、紡織工業(yè)的主要原料、廣大人民的生活必需品、出口創(chuàng)匯的重要商品[1]。其種植廣泛，涉棉企業(yè)及農(nóng)民眾多，棉花產(chǎn)業(yè)發(fā)展對眾多行業(yè)和棉民的切身利益產(chǎn)生重要影響[2]。世界范圍內(nèi)棉花種植區(qū)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(chǎn)國，現(xiàn)已形成長江流域、黃河流域、西北內(nèi)陸（新疆）三大棉花主產(chǎn)區(qū)[4]。2019年新疆棉花種植面積和總產(chǎn)量分別占全國的76.08%和84.93%，是中國種植面積最大、總產(chǎn)量最高的棉花種植區(qū)[5]。南疆地區(qū)（包括巴音郭楞蒙古自治州、阿克蘇地區(qū)、喀什地區(qū)、和田地區(qū)、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(yōu)越，天山和昆侖山融雪帶來充足水分，使得該地區(qū)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(fā)展在促進區(qū)域經(jīng)濟增長和增強社會保障的同時，規(guī)?；N植也可能引發(fā)資源退化、環(huán)境惡化、生態(tài)失衡等問題，對當(dāng)?shù)剞r(nóng)業(yè)和環(huán)境的可持續(xù)發(fā)展構(gòu)成潛在威脅。因此，綜合分析南疆地區(qū)棉花種植格局及其變化特征對區(qū)域棉花產(chǎn)業(yè)可持續(xù)發(fā)展，促進行政管理和涉棉企業(yè)科學(xué)決策，維護民族團結(jié)和地方社會穩(wěn)定等都具有重要意義。

棉花作為重要的農(nóng)產(chǎn)品和經(jīng)濟作物，其生產(chǎn)時空格局研究引發(fā)學(xué)界廣泛關(guān)注。從研究內(nèi)容來看，學(xué)者們對棉花生產(chǎn)格局的現(xiàn)狀[6]、產(chǎn)量及品質(zhì)影響因素[7-8]、時空演變[9]、驅(qū)動因素[10]、發(fā)展預(yù)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(chǎn)格局變化問題研究已經(jīng)歷由描述性分析向空間計量分析的轉(zhuǎn)變。近年來，基于棉花生產(chǎn)統(tǒng)計數(shù)據(jù)，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(chǎn)格局變化的研究成果日益增多。如朱啟榮等[15]應(yīng)用地理信息技術(shù)對1980—2000年縣域棉花生產(chǎn)數(shù)據(jù)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(chǎn)分布數(shù)據(jù)解析了中國棉花生產(chǎn)的時空變化規(guī)律；Hegazy等[17]基于模型預(yù)測及空間分析方法探究了氣候變化背景下埃及地區(qū)棉花空間分布的演化過程；揭懋汕等[18]采用探索性空間數(shù)據(jù)分析方法，分析全國各省份棉花生產(chǎn)的空間分布格局及其演化；王其猛[19]應(yīng)用比較優(yōu)勢理論，提出了南疆地區(qū)棉花生產(chǎn)布局調(diào)整優(yōu)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(qū)在氣候變化條件下棉花種植布局的調(diào)整情況。綜合而言，現(xiàn)有研究多以統(tǒng)計數(shù)據(jù)為信息源，而南疆地區(qū)面積廣闊、行政體制特殊、地形地貌復(fù)雜，采用抽樣調(diào)查或全面統(tǒng)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(qū)棉花種植格局及其變化特征存在較大難度。

為克服傳統(tǒng)信息源在數(shù)據(jù)可獲取性、時間連續(xù)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(shù)據(jù)，以棉花主產(chǎn)區(qū)南疆地區(qū)為研究區(qū)，按照“重構(gòu)生長曲線-提取種植信息-分析變化特征”的研究思路，應(yīng)用TIMESAT軟件平臺集成的Double-Logistic濾波對棉花生長曲線進行重構(gòu)，根據(jù)曲線特點提取棉花生長閾值，生成南疆地區(qū)棉花種植格局，分析其種植空間格局變化特征，以期為相關(guān)管理部門和涉棉企業(yè)提供決策依據(jù)，促進區(qū)域棉花產(chǎn)業(yè)可持續(xù)發(fā)展。

1 研究方法與數(shù)據(jù)來源

1.1 研究區(qū)概況

南疆地區(qū)指新疆維吾爾自治區(qū)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(qū)、喀什地區(qū)、和田地區(qū)、克孜勒蘇柯爾克孜自治州（以下簡稱克州）。四周高山環(huán)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(qū)，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(fā)量大、無霜期長。2019年，全區(qū)土地面積為103.2萬km2，人口1 159.26萬，其中農(nóng)業(yè)人口827.76萬（占比71.40%）。南疆地區(qū)耕地總面積203萬hm2，人均耕地面積0.18 hm2，農(nóng)業(yè)生產(chǎn)具有獨特的資源條件；2019年地區(qū)生產(chǎn)總值為3 379.51億元，第一、二、三產(chǎn)業(yè)生產(chǎn)總值占比分別為23.09%：37.68%：39.24%，農(nóng)業(yè)生產(chǎn)仍占據(jù)重要地位。

1.2 數(shù)據(jù)源與預(yù)處理

1.2.1 遙感數(shù)據(jù)

遙感數(shù)據(jù)來源于美國國家航空與航天局（NASA）提供的MODIS產(chǎn)品系列中的MOD13Q1數(shù)據(jù)（http:// earthexplorer.usgs.gov），空間分辨率為250 m，時間分辨率為16 d，已經(jīng)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(shù)據(jù)，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(shù)據(jù)

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

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

1.2.3 數(shù)據(jù)預(yù)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(shù)據(jù)與耕地數(shù)據(jù)進行掩膜提取，得到研究區(qū)耕地EVI數(shù)據(jù)。基于Google Earth高分辨率影像目視解譯的棉花地塊，導(dǎo)出為cotton.kmz文件，導(dǎo)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(qū)耕地EVI數(shù)據(jù)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(shù)據(jù)。以2010棉花EVI時間序列數(shù)據(jù)為基礎(chǔ)，對其進行ASCII轉(zhuǎn)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(gòu)生長曲線—提取種植信息—分析變化特征”的研究思路。首先，應(yīng)用TIMESAT軟件生成南疆地區(qū)棉花EVI生長曲線，采用D-L濾波擬合重新構(gòu)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(jié)果與統(tǒng)計數(shù)據(jù)進行對比，基于Google Earth高分辨率影像對提取結(jié)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(qū)棉花種植空間格局變化特征。

1.3.1 棉花生長曲線重構(gòu)

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(xiàn)驟升驟降的現(xiàn)象，在波峰處存在很大的擾動[21]，因此應(yīng)用TIMESAT軟件中集成的D-L濾波重構(gòu)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(guī)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(qū)間，分別對區(qū)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(shù)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(jié)果，2表示統(tǒng)計年鑒數(shù)據(jù)值。

2）Kappa系數(shù)。為檢驗棉花提取空間分配精度，引入Kappa系數(shù)。Kappa系數(shù)基于混淆矩陣來評價分類精度，是分類結(jié)果與參考數(shù)據(jù)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(shù)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(shù)值，α與α是混淆矩陣的第行的和與第列的和，是樣本總數(shù)。

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(jié)構(gòu)與區(qū)位，展示要素空間性、延展性、中心性和方向性的空間統(tǒng)計方法[26-27]?；谠摲椒梢詮目臻g角度定量分析南疆地區(qū)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(shù)量。

1.3.4 空間特征分析

1）全局空間相關(guān)性分析

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

2）局部空間自相關(guān)分析

全局空間相關(guān)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(qū)棉花種植在局部空間上的聚集程度，識別冷熱點分布區(qū)[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(qū)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(qū)棉花生長概況及作物物候特征

注：綜合考慮南疆地區(qū)的棉花生產(chǎn)特征、光譜特征以及可能出現(xiàn)的棉花特殊區(qū)現(xiàn)象確定棉花生長閾值，T為影像編號所對應(yīng)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(nèi)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(fā)現(xiàn)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(yīng)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(xù)上升；棉花在裂鈴之后仍然會保持一段時間的營養(yǎng)生長，在其他作物都已經(jīng)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(jù)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(qū)2000—2020年間棉花種植空間格局（圖3）。南疆地區(qū)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(cè)，聚集于南疆地區(qū)東北側(cè)，形成了以阿克蘇地區(qū)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(qū)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(nèi)，阿克蘇地區(qū)始終是南疆最大的棉花種植區(qū)。各地州棉花種植面積變化特征不盡相同；巴州地區(qū)和阿克蘇地區(qū)棉花種植面積持續(xù)增長，阿克蘇地區(qū)增速最快約為2.40萬hm2/a；巴州地區(qū)增長幅度最大，與2000年相比增幅超300%；克州地區(qū)棉花種植面積基本保持不變；喀什地區(qū)以及和田地區(qū)處于波動不穩(wěn)定狀態(tài)。

2.3 精度檢驗

2.3.1 數(shù)量精度對比

本研究將基于棉花生長曲線重構(gòu)提取的棉花種植信息結(jié)果與中國經(jīng)濟社會大數(shù)據(jù)研究平臺（https://data.cnki.net/）公布的統(tǒng)計年鑒數(shù)據(jù)進行對比分析，結(jié)果見表2。

表2 棉花種植面積對比分析

基于MODIS EVI數(shù)據(jù)，應(yīng)用TIMESAT軟件平臺集成的D-L濾波對棉花生長曲線進行重構(gòu)的方法提取出南疆地區(qū)2000、2005、2010、2015、2020年棉花種植像元個數(shù)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(shù)據(jù)可比性，在研究區(qū)范圍內(nèi)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(jù)，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(shù)[31]作為精度檢驗的評價指標。

對不同年份南疆地區(qū)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(shù)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(shù)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(shù)

3 棉花種植空間格局變化特征分析

3.1 棉花種植用地轉(zhuǎn)移特征

為探究I型耕地（棉花種植區(qū)）和其他土地利用類型之間的轉(zhuǎn)換特征，結(jié)合2000年、2010年、2020年3期南疆地區(qū)GlobeLand30數(shù)據(jù)，結(jié)果顯示南疆地區(qū)I型耕地和其他土地利用類型之間的轉(zhuǎn)化在不同時段內(nèi)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(qū)棉花用地轉(zhuǎn)換關(guān)系及對應(yīng)面積

2000—2010年，研究區(qū)I型耕地轉(zhuǎn)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(zhuǎn)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(qū)；裸地開發(fā)（2.51%）主要集中在巴州中部地區(qū)；草地轉(zhuǎn)換（3.66%）主要集中在喀什以及巴州北部地區(qū)。進行分析時發(fā)現(xiàn)2002、2007這兩個時間節(jié)點具有重要意義，2002年中國加入世界貿(mào)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(nóng)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(qū)皆有分布，主要流向Ⅱ型耕地（其他作物種植區(qū)、96.80%），主要集中在喀什地區(qū)以及阿克蘇地區(qū)西部；人造地表（1.63%）全區(qū)皆有分布，阿克蘇地區(qū)占比最多。

a. 2000—2010

b. 2010—2020

注：I型耕地為棉花種植區(qū)；Ⅱ型耕地為其他作物種植區(qū)。

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(qū)棉花種植區(qū)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(qū)域I型耕地轉(zhuǎn)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(zhuǎn)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(fā)生變化，但新增來源的面積發(fā)生了明顯的數(shù)量變化，來自草地轉(zhuǎn)換以及裸地開發(fā)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(qū)；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(qū)皆有分布。這說明棉農(nóng)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(fā)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(qū)；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(qū)。

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

3.2 棉花種植格局變化特征

為研究南疆地區(qū)棉花種植在地理空間上的規(guī)模分布特征以及變化規(guī)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(fā)現(xiàn)：研究時段內(nèi)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(qū)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(qū)棉花種植的主要拉動力為東西向，阿克蘇地區(qū)、和田地區(qū)北部，巴州地區(qū)北部、喀什地區(qū)東北部以及克州地區(qū)南部棉花格局的演變對南疆地區(qū)棉花格局空間變化拉動作用顯著。

表5 2000—2020年南疆地區(qū)棉花分布標準差橢圓參數(shù)

南疆地區(qū)棉花種植重心在近20 a間發(fā)生過一次重大遷移之后基本保持穩(wěn)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(nèi)，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(xù)增長同時短軸持續(xù)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(xù)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(qū)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(chuàng)建覆蓋棉花種植區(qū)的5 km×5 km格網(wǎng)，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(qū)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(qū)棉花種植空間格局存在空間正自相關(guān)性，呈現(xiàn)“高-高集聚、低-低集聚”的總體空間分布格局，且南疆地區(qū)棉花種植面積空間關(guān)聯(lián)度呈先增強后減弱趨勢?；贏rcGIS計算各格網(wǎng)局部空間關(guān)聯(lián)指數(shù)Getis-OrdG*，按照自然斷點法分為熱點區(qū)、次熱點區(qū)、次冷點區(qū)、冷點區(qū)4類，并進行可視化。2000—2020年南疆地區(qū)棉花種植空間格局熱點演化如圖7所示。

南疆地區(qū)棉花種植空間格局演化具有以下特征：1）南疆地區(qū)棉花種植面積冷點主要分布在克州以及和田地區(qū)，且2005年后冷點逐漸向西南側(cè)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(qū)，2005年后熱點逐漸向南疆地區(qū)東北側(cè)延伸，主要集中在阿克蘇以及巴州地區(qū)北部。2）近20 a，南疆地區(qū)棉花種植面積“冷點”—“熱點”在空間上表現(xiàn)出自西南向東北過渡的條帶型特征。阿克蘇地區(qū)始終為南疆地區(qū)熱點、次熱點最大面積聚集區(qū)，呈現(xiàn)棉花種植面積“高—高集聚”的空間格局，并向喀什地區(qū)以及巴州北部逐漸蔓延。巴州地區(qū)次熱點區(qū)向熱點區(qū)轉(zhuǎn)化現(xiàn)象最為顯著，次冷點主要聚集在巴州地區(qū)西北部，2000年巴州東北部均為次熱點區(qū)，截止2020年，巴州地區(qū)半數(shù)以上次熱點區(qū)已轉(zhuǎn)化為熱點區(qū)。克州以及和田地區(qū)棉花種植面積熱點—冷點未發(fā)生明顯變化。喀什地區(qū)“冷熱”轉(zhuǎn)換發(fā)生顯著變化，西南側(cè)在2005年由次熱點區(qū)變?yōu)槔潼c區(qū)，2020年再次由冷點區(qū)變?yōu)榇卫潼c區(qū)，而東北側(cè)更是經(jīng)歷較大的變化由次冷點逐演化為棉花種植的次熱點區(qū)。

4 討 論

日照時間長、晝夜溫差大、干旱少雨的環(huán)境為南疆地區(qū)棉花生長提供了獨特的種植優(yōu)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(qū)近20 a棉花種植面積迅速增長。盡管棉花產(chǎn)業(yè)已經(jīng)成為南疆地區(qū)的支柱產(chǎn)業(yè)，對促進地區(qū)經(jīng)濟增長，改善當(dāng)?shù)鼐用裆顥l件起到積極作用。但棉花生產(chǎn)的負外部性效應(yīng)也應(yīng)引起關(guān)注，如水資源壓力增大、環(huán)境污染、土壤肥力下降、生態(tài)多樣性銳減等，對當(dāng)?shù)剞r(nóng)業(yè)和環(huán)境的可持續(xù)發(fā)展構(gòu)成潛在威脅。

南疆地區(qū)棉花生產(chǎn)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(nóng)田中地膜殘留量一般在60～90 kg/hm2[33]，近年來，南疆地區(qū)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(dǎo)致土壤肥力下降，威脅棉花產(chǎn)業(yè)持續(xù)發(fā)展（圖8a）；棉花作為南疆地區(qū)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(qū)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(qū)農(nóng)業(yè)用水的50%，加快南疆地區(qū)荒漠化進程（圖8b）；棉花是南疆種植結(jié)構(gòu)中種植規(guī)模最大的農(nóng)作物，2015年南疆地區(qū)棉花種植面積突破農(nóng)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(xiàn)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(qū)生物多樣性銳減，經(jīng)轉(zhuǎn)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(qū)棉花產(chǎn)業(yè)可持續(xù)健康發(fā)展，應(yīng)以“控制面積、提質(zhì)增產(chǎn)”為準則，根據(jù)區(qū)域社會、經(jīng)濟、資源環(huán)境條件，開展棉業(yè)種植結(jié)構(gòu)優(yōu)化工作。在南疆地區(qū)東北部棉花種植熱點區(qū)，加強集中連片、穩(wěn)定高產(chǎn)和生態(tài)友好的高標準棉田建設(shè)，落實嚴格的水資源管理制度，加強節(jié)水滴灌、水肥一體等農(nóng)業(yè)技術(shù)推廣，提高農(nóng)業(yè)灌溉用水效率，從源頭減緩水資源壓力。在冷點聚集區(qū)克州及和田地區(qū)，建議壓縮種植規(guī)模，用于還草還糧、或改種蔬果和特色經(jīng)濟作物，改善生物多樣性。針對南疆地區(qū)棉花種植用地轉(zhuǎn)移趨勢，對改種其他作物的農(nóng)戶，須將農(nóng)業(yè)用水配置和農(nóng)戶種植意愿相結(jié)合，選擇相對效益較高的替代作物，對完全退出農(nóng)業(yè)生產(chǎn)的農(nóng)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(qū)棉花產(chǎn)業(yè)的發(fā)展應(yīng)以規(guī)模化、機械化、信息化、智能化、服務(wù)社會化為方向，綜合考慮農(nóng)業(yè)結(jié)構(gòu)調(diào)整、種植區(qū)環(huán)境污染、水資源承載力及耕地后備資源開發(fā)等諸多問題[35]。南疆地區(qū)棉花種植已由規(guī)?；圩呦蛞?guī)?；稚?，較長時期內(nèi)仍將保持棉花主產(chǎn)區(qū)的地位。綜合全面掌握該地區(qū)棉花種植空間格局，及時調(diào)整優(yōu)化棉花種植結(jié)構(gòu)任重道遠。

本研究提出的基于EVI數(shù)據(jù)探究棉花種植時空格局演變特征方法，可以應(yīng)用于大尺度、長時間序列的棉花種植信息變化監(jiān)測，亦或在此基礎(chǔ)上進一步利用棉花生長曲線與實際產(chǎn)量的關(guān)系構(gòu)建估產(chǎn)模型，實現(xiàn)對棉花產(chǎn)量的定量遙感預(yù)測。本研究對生態(tài)安全視角下的棉花種植結(jié)構(gòu)調(diào)整優(yōu)化方案制定具有一定的參考價值，對制定區(qū)域國土管理制度和涉棉企業(yè)科學(xué)決策具有支撐作用，并為其它地區(qū)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(xù)研究中深入：1）受基礎(chǔ)數(shù)據(jù)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(xù)研究中結(jié)合棉花種植面積與其影響因素關(guān)聯(lián)度對南疆棉區(qū)種植潛力評價分級，以便與農(nóng)業(yè)產(chǎn)業(yè)布局調(diào)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(huán)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(shù)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(jié)合野外實地考察樣本數(shù)據(jù)，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(xù)研究進一步完善。

5 結(jié) 論

本文以南疆地區(qū)為研究區(qū)，按照“重構(gòu)生長曲線—提取種植信息—分析變化特征”的研究思路，重構(gòu)了棉花的生長曲線、提取了南疆地區(qū)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(jié)論。

1）南疆地區(qū)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(cè)，聚集于南疆地區(qū)東北側(cè)，形成了以阿克蘇地區(qū)為核心，喀什東北部及巴州北部為邊緣的“核心-邊緣”結(jié)構(gòu)。

2）棉花種植用地轉(zhuǎn)移特征。南疆地區(qū)I型耕地和其他土地利用類型之間的轉(zhuǎn)化在不同年段內(nèi)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(qū)主要分布在阿克蘇、喀什、巴州北部地區(qū)，也是南疆地區(qū)棉花主要種植區(qū)。I型耕地與Ⅱ型耕地、草地、人造地表之間的流量轉(zhuǎn)化最為顯著且流轉(zhuǎn)量劇烈增長。

3）棉花種植格局變化特征。南疆地區(qū)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(fā)生過一次重大遷移之后基本穩(wěn)定保持在阿克蘇市境內(nèi)，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(qū)棉花種植面積冷點主要分布在克州以及和田地區(qū)，且2005年后冷點逐漸向西南側(cè)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(qū)，2005年后熱點逐漸向南疆地區(qū)東北側(cè)延伸，主要集中在阿克蘇以及巴州地區(qū)北部。研究時段內(nèi)，研究區(qū)棉花種植“冷點”—“熱點”在空間上表現(xiàn)出自西南向東北過渡的條帶型特征。

[1] 周潔. 新疆棉花生產(chǎn)中的環(huán)境成本研究[D]. 阿拉爾市：塔里木大學(xué)，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(fā)展的啟示[J]. 農(nóng)業(yè)經(jīng)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(tài)安全視域下棉花生產(chǎn)布局優(yōu)化問題研究：以新疆為例[J]. 干旱區(qū)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(tài)區(qū)劃[J]. 棉花學(xué)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(shè)，陳學(xué)庚. 新疆兵團棉花生產(chǎn)機械化發(fā)展現(xiàn)狀問題及對策[J]. 農(nóng)業(yè)工程學(xué)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(chǎn)業(yè)發(fā)展現(xiàn)狀及展望[J]. 中國農(nóng)業(yè)科學(xué)，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(qū)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(qū)生產(chǎn)空間格局演化及驅(qū)動因素分析[J]. 中國農(nóng)業(yè)資源與區(qū)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(yè)地理集聚特征及影響因素研究[J]. 作物學(xué)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(xué)標. 基于GIS的中國縣域棉花生產(chǎn)空間分布與變異研究[J]. 中國農(nóng)業(yè)科學(xué)，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(chǎn)格局的時空變化及原因分析[J]. 湖北大學(xué)學(xué)報：自然科學(xué)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(chǎn)區(qū)域格局及影響因素研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)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(qū)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(chǎn)時空動態(tài)變化[J]. 地理學(xué)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(lǐng). 我國棉花生產(chǎn)的空間格局演化及集聚因素分析[J]. 農(nóng)業(yè)現(xiàn)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(chǎn)布局優(yōu)化研究[D]. 石河子：石河子大學(xué)，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(qū)劃的變化[J]. 中國農(nóng)業(yè)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?。阂孕陆肥袨槔齕J]. 遙感技術(shù)與應(yīng)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(wǎng)格化估計[J]. 自然資源學(xué)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(shù)據(jù)河南地區(qū)精度評價[J]. 中國土地科學(xué)，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(quán)，王偉. 中國東部沿海地區(qū)經(jīng)濟空間格局變化[J]. 經(jīng)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(jīng)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(zhì)量指數(shù)(AQI)的動態(tài)變化特征[J]. 經(jīng)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(xué)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(shù)據(jù)提取新疆棉花播種面積信息及長勢監(jiān)測方法研究[J]. 干旱地區(qū)農(nóng)業(yè)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(shù)據(jù)中國區(qū)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(nóng)作物種植信息提取研究[J]. 自然資源學(xué)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(wèi)平，等. 地膜殘留量對棉田土壤水分分布及棉花根系構(gòu)型的影響[J]. 農(nóng)業(yè)工程學(xué)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(tài)學(xué)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(chǎn)現(xiàn)狀與發(fā)展趨勢[J]. 中國工程科學(xué)，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(qū)棉花種植空間格局及其變化特征分析[J]. 農(nóng)業(yè)工程學(xué)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(xué)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(dǎo)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