中亚五国棉花和冬小麦需水量的变化及预测*

田 静, 苏晨芳,2

中亚五国棉花和冬小麦需水量的变化及预测*

田 静1, 苏晨芳1,2

(1. 中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室 北京 100101; 2. 中国科学院大学 北京 101408)

农业灌溉用水是中亚地区最主要的水资源利用方式, 灌溉用水量的变化直接影响中亚地区水资源消耗量, 进而影响水资源管理和配置。作物需水量是衡量农业灌溉用水量的直接指标, 为此本文以中亚主要作物棉花和冬小麦为研究对象, 分析了2006—2015年中亚地区灌溉农业用地, 以及棉花和冬小麦的需水量变化, 并利用CA_Markov方法预测了2030年灌溉农地的变化, 进而分析了未来中亚地区农业需水量的状况。研究表明, 2006—2015年, 中亚地区灌溉农田面积总体增加492 km2, 其中哈萨克斯坦、吉尔吉斯斯坦和土库曼斯坦均有所增加, 但塔吉克斯坦和乌兹别克斯坦有所减少。2006—2015年, 棉花需水量只在土库曼斯坦和哈萨克斯坦东部地区显著增加(2.5~4.3 mm∙a−1), 在吉尔吉斯斯坦显著减少, 并且是唯一呈现总体减少趋势的国家。冬小麦需水量在土库曼斯坦明显增加(10.0 mm∙a−1)。至2015年, 土库曼斯坦的棉花总灌溉水量增幅最大(3.44%), 其他4个国家变化较小。中亚五国冬小麦的总灌溉水量均呈上升趋势; 2030年, 土库曼斯坦是唯一灌溉农业用地增加的国家, 棉花和冬小麦的总灌溉水量均明显增加, 棉花灌溉水量增加约28 km3, 冬小麦增加约17 km3。

中亚五国; 灌溉农地; 作物需水量; 棉花和冬小麦

中亚五国包括哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦和土库曼斯坦。地处亚洲中部, 属于典型的大陆性气候, 降水稀少, 蒸发量大, 水资源十分匮乏, 这里是世界最大的干旱和半干旱区之一。除了能源产业外, 农业在中亚五国经济发展中占重要地位[1-3]。哈萨克斯坦是世界第五大小麦()出口国。乌兹别克斯坦和土库曼斯坦的棉花(spp.)产量居世界前列。中亚国家是“丝路经济带”农业建设的重要高地和经济走廊, 在我国“一带一路”的战略背景下, 我国与中亚五国农产品贸易正在呈现不断扩大的态势。

中亚地区水资源是限制其农业发展的重要因素, 灌溉是农业生产的最重要手段, 是中亚地区最主要的水资源利用方式[1]。据统计, 中亚地区的农业灌溉用水量超过其两大河流阿姆河和锡尔河总取水量的90%[4-5]。可见农业灌溉用水的变化对该地区的水资源影响显著。而决定农业灌溉用水量的关键是作物需水量, 即作物生长发育需要消耗的水量, 其主要影响因素包括气象条件、作物类型和耕地面积。Conrad等[6]利用FAO (Food and Agriculture Organization of the United Nations)提出的方法, 计算了2010年乌兹别克斯坦主要灌溉耕地费尔干纳河谷(Fergana Valley)地区棉花和冬小麦的作物需水量; Tian等[2]利用考虑大气CO2浓度的改进FAO方法预测了未来中亚地区全部种植棉花或者全部种植冬小麦情况下的作物需水量, 研究结果表明, 未来土库曼斯坦和乌兹别克斯坦的农业水资源短缺最为严重, 塔吉克斯坦最小。Ruan等[3]利用CropWat模型估算了2000—2018年锡尔河流域主要作物的需水量,并分析了变化趋势。研究结果显示2000年至2018年锡尔河流域单位面积作物需水量平均为944.1 mm, 增长速率为7.6 mm∙a−1, 到2018年总的需水量达194.8亿m3。与上述研究不同的是, 本文利用改进的FAO方法以中亚地区灌溉农田为研究区, 以2006— 2015年为研究时间段, 分析了期间冬小麦和棉花的需水量变化, 并以2030年为未来时间, 分析到2030年作物需水量的变化, 从而为全面剖析作物需水量对中亚水资源的影响奠定基础, 并为我国与中亚五国的未来农业合作发展提供参考信息。

1 研究区概况

图1显示了中亚五国的地理位置及2015年灌溉农地分布情况。图中可见, 中亚五国的灌溉农田主要分布在整个区域的南部和东南部。各国的灌溉农田面积从多到少依次为哈萨克斯坦(86 269 km2)、乌兹别克斯坦(81 198 km2)、土库曼斯坦(40 233 km2)、吉尔吉斯斯坦(32 178 km2)和塔吉克斯坦(14 283 km2)。

中亚五国的水资源分布极不均匀。根据世界银行月降雨数据库的数据(https://climateknowledgeportal. worldbank.org/), 2000—2015年中亚五国平均年降雨量从多到少依次为塔吉克斯坦(523 mm)、吉尔吉斯斯坦(414 mm)、哈萨克斯坦(270 mm)、乌兹别克斯坦(211 mm)和土库曼斯坦(155 mm)。塔吉克斯坦和吉尔吉斯斯坦位于东南部山区, 因此有较多的降雨。同时中亚两大河流阿姆河和锡尔河也发源于此, 因此它们的地表水资源也较丰富, 超过整个中亚五国的2/3。

在作物种植结构上, 根据国际粮农组织FAO的统计数据(http://www.fao.org/faostat/en/#data), 2015年中亚五国小麦和棉花的种植面积占整个作物种植面积的93%, 哈萨克斯坦是世界第五大小麦出口国, 棉花是土库曼斯坦和乌兹别克斯坦的支柱农产品, 在塔吉克斯坦也有大面积的种植。棉花的生长季在4月初至10月初, 冬小麦的生长季在10月中旬至翌年的6月初[6]。因此本文以棉花和小麦为研究对象。

2 数据来源与研究方法

本研究的目标是分析2006—2015年及未来2030年中亚地区棉花和冬小麦的需水量变化。最主要的数据是灌溉农业用地面积和作物需水量。2006—2015年灌溉农业用地面积基于欧空间CCI (climate change initiative)的土地利用数据产品(https://www.esa- landcover-cci.org/)提取而得。未来2030年的灌溉农地面积利用元胞自动机-马尔科夫方法(CA_Markov方法), 基于历史时期灌溉农地预测而得。作物需水量的计算是基于改进的FAO方法[7-8]。

2.1 使用的数据

本研究使用的数据包括历史土地利用数据、气象数据和其他辅助数据。

1)中亚五国土地利用数据: 2006—2015年CCI土地利用数据, 空间分辨率约300 m。主要用于提取历史时期灌溉农地信息, 及作为CA_Markov方法的输入项预测2030年中亚五国灌溉农地面积。首先将CCI原始数据的22种土地覆盖类型进行了重分类, 分为其他耕地(雨养耕地、混合耕地)、灌溉耕地、林地、草地、裸地、水体和城镇6种。具体重分类方案参见文献[9]。

2)气象数据: 主要为气温、降雨量和大气CO2浓度数据。用于作物需水量计算和作为生成土地利用适宜性图集的影响要素。其中未来的气象数据来源于RCP2.6和RCP4.5两种情景下CMIP5 (coupled model intercomparison project phase 5)的模拟结果, 是经过偏差订正后的15个气候模式输出结果的平均值。空间分辨率为0.5度。

3)辅助数据: 应用CA_Markov方法预测未来土地利用变化需要考虑影响土地利用变化的重要因素, 用于生成预测土地利用变化时的适宜性图集。主要考虑的因素包括[10-11]: 数字高程数据(DEM), 来源于Shuttle Radar Topography Mission (http://srtm.csi. cgiar.org/srtmdata/); 坡度和坡向, 由DEM经过ArcGIS10.2处理而得; 人口密度数据, 空间分辨率为1 km, 来源于Socioeconomic Data and Applications Center (https://sedac.ciesin.columbia.edu/data/ collection/gpw-v4); 河流水系矢量数据, 来源于http://www.naturalearthdata.com。

由于所使用数据时空分辨率的差异, 研究中将所有空间数据重采样至1 km的尺度上进行计算。

2.2 计算方法

作物参考蒸散发(ET0)的计算如公式(1)[8]。该方法是对FAO提出的ET0的改进, 特别考虑了大气CO2浓度对作物蒸腾的影响。

式中:是水汽压随温度变化的斜率;n是净辐射;是土壤热通量;是干湿表常数, 等于0.66;是日平均气温;2是2 m高度的日平均风速;s是饱和水汽压;a是实际水汽压; [CO2]是大气CO2浓度。各变量的具体计算方法参见FAO灌溉和排水NO.56手册[7]。

作物实际蒸散发(ET, mm)的计算采用作物系数与ET0的方法计算得到:

式中:c是作物系数, 本研究使用SIC-ICWC (Scientific Information Centre of Interstate Commission on Water Coordination in Central Asia)给出的中亚地区棉花和冬小麦在4个生长阶段及对应的作物系数[6,12](表1)。

表1 中亚地区冬小麦和棉花在4个生长阶段的作物系数(Kc)值

本研究使用的FAO作物需水量(IWR, mm)计算方法如下:

式中:e是灌溉效率, 表示被作物实际利用的灌溉水量与实际抽取的水量的比值。因为公式(1)中考虑了灌溉效率, 因此本文计算的作物需水量包含了灌溉水损失。根据Rost等[13]在全球尺度上对灌溉效率的研究, 中亚地区灌溉效率为0.566。e为有效降雨(mm), 表示被作物实际利用的降雨量, 本文采用USDA的方法计算, 计算方法如下:

式中:是月降雨量(mm)。

2.3 作物总灌溉需水量的计算方法

作物需水量的单位是mm, 表征单位面积的水量。考虑作物种植面积的影响, 本文使用作物总灌溉需水量概念。总灌溉需水量等于作物种植面积与作物需水量的乘积, 单位是km3, 表征的是体积水量。相同的作物需水量, 作物种植面积越大其总灌溉需水量越多。

2.4 元胞自动机-马尔科夫模型(CA_Markov方法)预测2030年土地利用

A_Markov方法是结合元胞自动机模型(CA)强大的空间动态演化能力和马尔科夫模型(Markov)时间动态模拟的优势构建而成。其用于土地利用变化预测的核心是基于历史两期土地利用数据, 先利用Markov方法生成土地利用转移矩阵和条件概率图像, 假设未来土地利用变化与历史土地利用变化遵循相同的转换规则, 再利用CA_Markov方法, 并结合考虑土地利用变化驱动因子生成的适宜性图集, 最后实现未来土地利用的预测。

本研究应用CA_Markov方法预测未来土地利用变化涉及4个关键内容。1) CA_Markov方法在中亚地区的适用性评估。研究中基于2005年和2010年的土地利用数据应用CA_Markov方法预测2015年土地利用, 将预测结果与实际2015年土地利用进行对比, 以Kappa系数作为指标完成评估。2)土地利用变化转换规则生成。研究中基于2000年和2015年的土地利用数据应用Markov方法生成土地利用转移矩阵和条件概率图像作为转换规则。3)土地利用变化适宜性图集生成。CA_Markov方法除了考虑土地利用转换规则外, 还考虑土地利用变化驱动因素的影响进行未来土地利用的预测。每种土地利用类型作为因变量, 各种土地利用变化驱动因素作为自变量建立的每类土地利用类型的空间分布概率图合集即是土地利用变化适宜性图集。借鉴文献中的结果[10-11,14-15], 本文选取了海拔、坡度、坡向、气温、降水、人口密度和距河流的距离等7个参数作为驱动要素, 采用多元回归模型建立适宜性图集。4) 2030年土地利用预测。基于生成的土地利用变化转换规则和适宜性图集, 应用CA_Markov方法获得2030年土地利用预测结果。

3 结果与分析

3.1 历史时期(2006—2015)中亚五国灌溉农业用地、作物需水量和总灌溉需水量的变化

3.1.1 中亚地区灌溉农业用地变化分析

利用CCI数据分析中亚地区土地利用变化情况, 将土地覆盖类型分为其他耕地(雨养耕地、混合耕地)、灌溉耕地、林地、草地、裸地、水体和城镇6种。由图2可知, 2006—2015年, 中亚灌溉耕地面积变化具有明显的阶段特征, 呈现先持续增加后波动减少的趋势, 总体增长492 km2。2006—2012年, 中亚灌溉耕地面积持续增加, 2012年达25.5万 km2, 约增加811 km2。产生这种变化是由于人口增长率高, 粮食需求相应增加, 人为扩张耕地, 尤其是灌溉农业用地面积的进一步扩大[16]。2012—2015年灌溉农业用地有所减少, 这可能是由于农田灌溉的水资源减少导致的[17-18]。灌溉耕地的变化与其他土地覆盖类型变化具有对应关系, 2006—2015年中亚五国耕地面积整体上升, 而草地、裸地和水体面积相应呈减少趋势, 大量自然植被和裸地转为耕地, 灌溉农业得到发展[19-20]。

根据五国各自灌溉耕地的变化, 发现2006—2015年灌溉农业用地的扩张集中在哈萨克斯坦、吉尔吉斯斯坦、土库曼斯坦, 该3国的灌溉耕地面积持续增加, 分别增长703.7 km2、653.4 km2和573.4 km2; 同期塔吉克斯坦和乌兹别克斯坦呈相反变化趋势, 灌溉耕地面积持续减少, 分别减少156.7 km2和1282.3 km2。

3.1.2 棉花和冬小麦需水量的变化

1)棉花需水量变化。如图3所示, 以2006年、2015年为例, 中亚地区灌溉耕地棉花需水量呈现自东向西增高的空间分布, 大于1600 mm的高值集中在乌兹别克斯坦和土库曼斯坦, 2006—2015年棉花需水量的空间分布并未发生明显变化。通过分析2006—2015年棉花需水量相对变化发现, 变化趋势具有明显的空间分异。采用最小二乘法进行趋势分析, 土库曼斯坦、塔吉克斯坦、哈萨克斯坦和乌兹别克斯坦绝大部分的灌溉耕地上, 棉花作物需水量的增长趋势斜率小于2.5 mm∙a−1, 相对增幅小于3%; 但土库曼斯坦和哈萨克斯坦东部出现3%~6%增幅区, 在<0.05水平上显著增长, 趋势斜率为2.5~ 4.3 mm∙a−1。同期, 吉尔吉斯斯坦和乌兹别克斯坦东部以及哈萨克斯坦东南部的棉花作物需水量减少, 减少幅度小于3%; 但吉尔吉斯斯坦中部减幅达3%~6.5%, 减少趋势斜率为−5.5~−2.5 mm∙a−1, 达显著水平(<0.05)。

2)冬小麦需水量变化。如图4所示, 中亚地区冬小麦需水量呈现自东向西增高的分布趋势, 与棉花相同, 2006—2015年间其空间分布特征无显著变化。研究期间, 哈萨克斯坦东部的冬小麦需水量减少; 其他地区均增加, 且乌兹别克斯坦东部和土库曼斯坦的冬小麦需水量增量大于100 mm。根据2006— 2015年冬小麦需水量的相对变化发现, 哈萨克斯坦东部减幅为0~9%, 趋势斜率为−4.6~0 mm∙a−1; 中亚大部分地区的冬小麦需水量增幅为0~15%, 乌兹别克斯坦东部增幅达15%~20%, 其中绝大部分地区趋势斜率小于10 mm∙a−1, 但土库曼斯坦的趋势斜率大于10 mm∙a−1。

3)中亚各国的作物需水量变化。以中位数代表每个国家的作物需水量水平。由图5可知, 2006—2015年中亚五国棉花需水量的年际变化趋势基本相同, 且五国数据的变异系数均为1%左右, 变化稳定。对于冬小麦需水量, 乌兹别克斯坦、土库曼斯坦和塔吉克斯坦的年际变化趋势基本相同, 但2010—2011年各国变化存在差异, 哈萨克斯坦的冬小麦需水量增加, 而其他4国均减少且塔吉克斯坦减少最多, 为95 mm。这是由于气温、降水以及温室气体等气象因素的变化, 都会对作物需水量值产生重要影响[21]。塔吉克斯坦数据的变异系数为11%, 数据波动较大, 其他国家均为2%左右, 变化稳定。

3.1.3 中亚五国棉花和冬小麦总灌溉需水量变化分析

2006—2015年, 中亚五国种植棉花的总灌溉需水量均呈先增加后减少的年际变化趋势(表2), 但变化程度并不显著。塔吉克斯坦和乌兹别克斯坦的灌溉耕地面积略有减少(图2), 棉花作物需水量略有增加(图3A), 因此其棉花总灌溉需水量保持稳定。吉尔吉斯斯坦的灌溉耕地面积持续增加, 棉花作物需水量显著减少, 因此总灌溉需水量也保持稳定。土库曼斯坦的灌溉耕地面积持续增加, 同期棉花作物需水量显著增加, 因此该国棉花总灌溉需水量明显增加, 至2015年的增幅为3.44%。

表2 2006—2015年中亚五国种植棉花、冬小麦总灌溉需水量

2006—2015年, 中亚五国的冬小麦总灌溉需水量呈现稳定上升的年际变化趋势。由表3发现, 研究期间塔吉克斯坦的增幅最大, 为21.79%; 其次较明显的为土库曼斯坦、吉尔吉斯斯坦, 增长幅度分别为11.17%、9.88%。塔吉克斯坦和乌兹别克斯坦的耕地面积虽略有减少, 但冬小麦的总灌溉需水量显著增加, 因此冬小麦的总灌溉需水量均显著增加。说明冬小麦的总灌溉需水量变化显著影响灌溉水资源的利用。

3.2 2030年中亚五国灌溉农业用地、作物需水量和总灌溉需水量的变化

应用CA_Markov方法进行土地利用预测。首先基于2005年和2010年的土地利用数据进行2015年土地利用的预测, 将预测结果与2015年真实的土地利用数据对比来实现方法的验证。利用Kappa系数作为指标衡量验证结果的优劣, 若Kappa≥0.8表示预测结果与真实结果较接近, 若≤0.4说明预测结果较差[22-23]。通过对比, 应用CA_Markov方法预测的2015年土地利用结果与真实土地利用情况相比, Kappa系数为0.84, 由此说明基于本文所选的土地利用变化驱动因素和CA_Markov方法能够较好地预测未来中亚地区土地利用情况。

基于CA_Markov方法, 利用2000年和2015年的土地利用数据预测2030年中亚地区灌溉农业用地情况如表4所示。表中可见, 除了土库曼斯坦2030年相比于2015年灌溉农地面积有较大幅度的增加(30.5%)以外, 其余4个国家都有较小幅度的减少。减少幅度从大到小依次为乌兹别克斯坦(7.4%)、塔吉克斯坦(5.8%)、哈萨克斯坦(3.4%)和吉尔吉斯斯坦(0.9%)。

表3 2015年和2030年中亚五国农业用地灌溉面积对比

3.3 中亚五国棉花和冬小麦总灌溉需水量变化

图6对比了RCP2.6和RCP4.5情景下, 中亚五国2015年和2030年棉花和冬小麦作物需水量及总灌溉需水量。图中可以看出, 2015年和2030年中亚五国各自的棉花和冬小麦的作物需水量差别较小, 最显著的是乌兹别克斯坦冬小麦需水量在2030年增加了150~200 mm。5个国家总灌溉需水量结果表明, 土库曼斯坦2030年存在较大的增量, 棉花增加约28 km3, 冬小麦增加约17 km3。这主要是由于其灌溉农业用地的增加导致了总的灌溉需水量的增加。其次, 乌兹别克斯坦冬小麦的总灌溉需水量增加约10~14 km3。这主要是因为其冬小麦需水量增加导致的。其他国家变化较小。

综合表3和图6, 5个国家对比, 哈萨克斯坦灌溉农业面积最大, 其次为乌兹别克斯坦, 之后依次为土库曼斯坦, 吉尔吉斯斯坦和塔吉克斯坦。考虑各国的农业需水量, 各国总灌溉需水量由多到少依次为乌兹别克斯坦、哈萨克斯坦、土库曼斯坦、吉尔吉斯斯坦和塔吉克斯坦。

与FAO给出的2010年中亚五国总可利用淡水量(哈萨克斯坦为107.5 km3, 吉尔吉斯斯坦为23.6 km3, 塔吉克斯坦为21.9 km3, 土库曼斯坦为24.8 km3, 乌兹别克斯坦为48.9 km3)相比, 如果种植棉花, 哈萨克斯坦、吉尔吉斯斯坦、土库曼斯坦和乌兹别克斯坦的总灌溉需水量远超其可利用水量, 尤其是土库曼斯坦和乌兹别克斯坦。如果种植冬小麦, 可利用水量可以满足哈萨克斯坦、吉尔吉斯斯坦和塔吉克斯坦的需要, 但对土库曼斯坦和乌兹别克斯坦仍无法满足需求。

4 结论与讨论

中亚地区是世界最大的干旱和半干旱区之一, 水资源短缺极其严重。而中亚五国的农业灌溉用水占社会经济用水总量的比例十分高, 因此研究其灌溉用水状况对进行有效的水资源配置和管理具有重要意义。本研究利用FAO作物需水量计算方法估算了中亚主要作物棉花和冬小麦的作物需水量, 在此基础上分析了2006—2015年中亚五国灌溉农业用地、作物需水量和总灌溉需水量的变化。同时本研究还利用CA_Markov方法预测了2030年中亚地区的灌溉农地变化, 以此来分析2030年中亚地区作物需水量的状况。2006—2015年中亚地区的灌溉耕地面积总体上升, 增长主要在哈萨克斯坦、吉尔吉斯斯坦和土库曼斯坦; 塔吉克斯坦和乌兹别克斯坦呈减少变化。2006—2015年, 中亚绝大部分地区棉花和冬小麦的作物需水量都呈增加趋势, 其中棉花作物需水量在土库曼斯坦和哈萨克斯坦东部地区增长速率最多为2.5~4.3 mm∙a−1; 冬小麦作物需水量土库曼斯坦地区增长最多, 大于10 mm∙a−1; 吉尔吉斯斯坦是唯一呈棉花作物需水量减少趋势的国家。由于土库曼斯坦灌溉耕地面积和棉花需水量都有显著增加, 因此至2015年棉花总灌溉需水量增幅最多, 为3.44%, 其他4个国家变化较小。冬小麦的总灌溉需水量, 塔吉克斯坦的增幅最大, 为21.79%, 其次为土库曼斯坦和吉尔吉斯斯坦, 增长幅度分别为11.17%和9.88%。2030年土库曼斯坦的灌溉农地增加明显, 其余4个国家都有所减少。因此, 总灌溉需水量土库曼斯坦2030年存在较大的增量, 棉花增加约28 km3, 冬小麦增加约17 km3; 其次, 乌兹别克斯坦冬小麦的总灌溉需水量增加约10~14 km3, 这主要是由于冬小麦需水量增加所致。

由于研究时段和研究区域的差异, 无法进行本研究与其他相似研究结果的具体细节对比, 但在总体上本研究结果与其他研究具有较好的一致性。本研究结果表明, 土库曼斯坦和乌兹别克斯坦未来(2030年)总灌溉需水量增加较多, 因此将面临较大的农业水资源压力, 这与Tian等[2]的研究结果一致。本文的研究结果表明, 2006—2015年中亚地区棉花和冬小麦的需水量呈增加趋势, 这与Ruan等[3]的研究也具有一致性, 即2000—2018年锡尔河流域的作物需水量呈现增加趋势。这在总体上说明了本研究结果的可信性。

[1] 杨胜天, 于心怡, 丁建丽, 等. 中亚地区水问题研究综述[J]. 地理学报, 2017, 72(1): 79−93 YANG S T, YU X Y, DING J L, et al. A review of water issues research in Central Asia[J]. Acta Geographica Sinica, 2017, 72(1): 79−93

[2] TIAN J, ZHANG Y Q. Detecting changes in irrigation water requirement in Central Asia under CO2fertilization and land use changes[J]. Journal of Hydrology, 2020, 583: 124315

[3] RUAN H W, YU J J, WANG P, et al. Increased crop water requirements have exacerbated water stress in the arid transboundary rivers of Central Asia[J]. Science of The Total Environment, 2020, 713: 136585

[4] 邓铭江, 龙爱华, 章毅, 等. 中亚五国水资源及其开发利用评价[J]. 地球科学进展, 2010, 25(12): 1347−1356 DENG M J, LONG A H, ZHANG Y, et al. Assessment of water resources development and utilization in the five Central Asia countries[J]. Advances in Earth Science, 2010, 25(12): 1347−1356

[5] YULDASHEVA G, HASHIMOVA U, CALLAHAN J. Current trends in water management in Central Asia[J]. Peace and Conflict Review, 2010, 5(1): 1−5

[6] CONRAD C, RAHMANN M, MACHWITZ M, et al. Satellite based calculation of spatially distributed crop water requirements for cotton and wheat cultivation in Fergana Valley, Uzbekistan[J]. Global and Planetary Change, 2013, 110: 88–98

[7] ALLEN R G, PEREIRA L S, RAES D, et al. FAO irrigation and drainage paper No. 56: Crop evapotranspiration[R]. Rome: FAO, 2006

[8] YANG Y T, RODERICK M L, ZHANG S L, et al. Hydrologic implications of vegetation response to elevated CO2in climate projections[J]. Nature Climate Change, 2019, 9(1): 44−48

[9] 阮宏威, 于静洁. 1992-2015年中亚五国土地覆盖与蒸散发变化[J]. 地理学报, 2019, 74(7): 1292−1304 RUAN H W, YU J J. Changes in land cover and evapotranspiration in the five Central Asian countries from 1992 to 2015[J]. Acta Geographica Sinica, 2019, 74(7): 1292−1304

[10] 岳东霞, 杨超, 江宝骅, 等. 基于CA-Markov模型的石羊河流域生态承载力时空格局预测[J]. 生态学报, 2019, 39(6): 1993−2003 YUE D X, YANG C, JIANG B H, et al. Spatio-temporal pattern prediction of the biocapacity in the Shiyang River Basin on the basis of the CA-Markov model[J]. Acta Ecologica Sinica, 2019, 39(6): 1993−2003

[11] 李丽, 刘普幸, 姚玉龙. 近28年金昌市土地利用动态变化及模拟预测[J]. 生态学杂志, 2015, 34(4): 1097−1104 LI L, LIU P X, YAO Y L. Land-use dynamic change of Jinchang City in the last 28 years and simulation prediction[J]. Chinese Journal of Ecology, 2015, 34(4): 1097−1104

[12] STULINA G. Recommendations on Hydromodule Zoning and Crop Irrigation Rate[R]. Tashkent: SIC ICWC, 2010

[13] ROST S, GERTEN D, BONDEAU A, et al. Agricultural green and blue water consumption and its influence on the global water system[J]. Water Resources Research, 2008, 44(9): W09405

[14] 井云清, 张飞, 张月. 基于CA-Markov模型的艾比湖湿地自然保护区土地利用/覆被变化及预测[J]. 应用生态学报, 2016, 27(11): 3649−3658 JING Y Q, ZHANG F, ZHANG Y. Change and prediction of the land use/cover in Ebinur Lake Wetland Nature Reserve based on CA-Markov model[J]. Chinese Journal of Applied Ecology, 2016, 27(11): 3649−3658

[15] HAMAD R, BALZTER H, KOLO K. Predicting land use/land cover changes using a CA-Markov model under two different scenarios[J]. Sustainability, 2018, 10(10): 1−23

[16] 韩其飞, 罗格平, 白洁, 等. 基于多期数据集的中亚五国土地利用/覆盖变化分析[J]. 干旱区地理, 2012, 35(6): 909−918 HAN Q F, LUO G P, BAI J, et al. Characteristics of land use and cover change in Central Asia in recent 30 years[J]. Arid Land Geography, 2012, 35(6): 909−918

[17] YU Y, PI Y Y, YU X, et al. Climate change, water resources and sustainable development in the arid and semi-arid lands of Central Asia in the past 30 years[J]. Journal of Arid Land, 2019, 11(1): 1−14

[18] 邓铭江, 龙爱华, 李湘权, 等. 中亚五国跨界水资源开发利用与合作及其问题分析[J]. 地球科学进展, 2010, 25(12): 1337−1346 DENG M J, LONG A H, LI X Q, et al. An analysis of the exploitation, cooperation and problems of trans-boundary water resources in the Five Central Asian Countries[J]. Advances in Earth Science, 2010, 25(12): 1337−1346

[19] 李嫱, 年雁云, 李新. 2000—2009年中亚阿姆河流域土地覆被时空变化分析[J]. 遥感技术与应用, 2017, 32(2): 218−227 LI Q, NIAN Y Y, LI X. The analysis of spatial and temporal change in the Amu Darya Basin, Central Asia, from 2000 to 2009[J]. Remote Sensing Technology and Application, 2017, 32(2): 218−227

[20] KLEIN I, GESSNER U, KUENZER C. Regional land cover mapping and change detection in Central Asia using MODIS time-series[J]. Applied Geography, 2012, 35(1/2): 219−234

[21] HAJ-AMOR Z, ACHARJEE T K, DHAOUADI L, et al. Impacts of climate change on irrigation water requirement of date palms under future salinity trend in coastal aquifer of Tunisian oasis[J]. Agricultural Water Management, 2020, 228: 105843

[22] YANG W T, LONG D, BAI P. Impacts of future land cover and climate changes on runoff in the mostly afforested river basin in North China[J]. Journal of Hydrology, 2019, 570: 201−219

[23] FU X, WANG X H, YANG Y J. Deriving suitability factors for CA-Markov land use simulation model based on local historical data[J]. Journal of Environmental Management, 2018, 206: 10−19

Variations in and predictions of irrigation water requirements of cotton and winter wheat in Central Asia*

TIAN Jing1, SU Chenfang1,2

(1. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographical Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 2. University of Chinese Academy of Sciences, Beijing 101408, China)

Agricultural irrigation consumes most of the fresh water in Central Asia (CA). Therefore, changes in irrigation water use have direct effects on water resources, water management, and water resource allocation. The crop water requirement (CWR) is a direct indicator of agricultural irrigation; the CWR of cotton and winter wheat (the two main crops of CA) was investigated in this study. Based on the CWR method proposed by the Food and Agriculture Organization (FAO), the CWR and total irrigation water of cotton and winter wheat in irrigated croplands in CA were calculated from 2006 to 2015. Changes in the irrigation cropland area and cotton and winter wheat CWR from 2006 to 2015 were also analyzed. To assess the near-future status of agricultural water resources in CA, the irrigated cropland area in 2030 was predicted via the CA_Markov method, and the CWR of the two crops in 2030 was explored. Land cover data from the European Space Agency Climate Change Initiative (ESA CCI) was used to identify the irrigation cropland. Digital Elevation Model (DEM) data from the Shuttle Radar Topography Mission (SRTM), population density data from the Socioeconomic Data and Applications Center, and river vector data from Natural Earth were used to predict the irrigated cropland area in 2030. The results showed that irrigated cropland in CA increased by 492 km2from 2006 to 2015, with increases in Kazakhstan, Kyrgyzstan, and Turkmenistan, and decreases in Tajikistan and Uzbekistan. The CWR of cotton and winter wheat tended to increase in most areas. The CWR of cotton increased rapidly from 2006 to 2015 (2.5–4.3 mm∙a-1) in Turkmenistan and eastern Kazakhstan but decreased in Kyrgyzstan. For winter wheat, the largest CWR increase (10 mm∙a-1) was in Turkmenistan, and no changes were observed in the other four CA countries. In 2030, the irrigated cropland in Turkmenistan was predicted to increase by 30.5% compared with 2015, and Turkmenistan is the only country to increase irrigated croplands in the near future. This will lead to a notable increase in the CWR of cotton and winter wheat. The results showed that there will be an increase of 28 km3for the total irrigation water of cotton and 17 km3for winter wheat in Turkmenistan in 2030. The other four countries were predicted to have decreased irrigation cropland compared with 2015, with decreases of 7.4%, 5.8%, 3.4%, and 0.9% for Uzbekistan, Tajikistan, Kazakhstan, and Kyrgyzstan, respectively. Although Uzbekistan is predicted to decrease irrigation cropland in 2030, the increase in winter wheat CWR will increase the total irrigation water by 10–14 km3. Therefore, Uzbekistan and Turkmenistan will face severe shortages in irrigation water resources in the near future.

Five Central Asian Countries; Irrigated cropland; Crop water requirement; Cotton and winter wheat

10.13930/j.cnki.cjea.200407

田静, 苏晨芳. 中亚五国棉花和冬小麦需水量的变化及预测[J]. 中国生态农业学报(中英文), 2021, 29(2): 280-289

TIAN J, SU C F. Variations in and predictions of irrigation water requirements of cotton and winter wheat in Central Asia[J]. Chinese Journal of Eco-Agriculture, 2021, 29(2): 280-289

P967

* 中国科学院战略性先导科技专项(XDA20040302)和国家自然科学基金面上项目(41671354)资助

田静, 研究方向为遥感水文。E-mail: tianj.04b@igsnrr.ac.cn

2020-06-01

2020-10-06

* The study was supported by the Strategic Priority Research Program of Chinese Academy of Sciences (XDA20040302) and theNational Natural Science Foundation of China (41671354).

, TIAN Jing, E-mail: tianj.04b@igsnrr.ac.cn

Jun. 1, 2020;

Oct. 6, 2020