2000—2020年南疆地区棉花种植空间格局及其变化特征分析

刘传迹，金晓斌,2,3，徐伟义，乔郭亮，杨绪红，周寅康,2,3

2000—2020年南疆地区棉花种植空间格局及其变化特征分析

刘传迹1，金晓斌1,2,3※，徐伟义1，乔郭亮1，杨绪红1，周寅康1,2,3

（1. 南京大学地理与海洋科学学院，南京 210023；2. 国土资源部海岸带开发与保护重点实验室，南京 210023；3. 江苏省土地开发整理技术工程中心，南京 210023）

南疆地区是中国棉花的重要产区。综合全面了解南疆地区棉花种植空间格局及其变化特征对各级政府部门制定相关决策、保障国家粮棉供给、促进中国棉纺织工业加速发展具有重要意义。该研究以MODIS EVI数据为基础，应用TIMESAT软件平台集成的Double-Logistic滤波对棉花生长曲线进行重构，根据曲线特点提取棉花生长阈值，进而提取南疆地区棉花种植信息，分析其种植空间格局及其变化特征。结果表明：1）南疆地区棉花主要分布在天山山脉南侧，形成以阿克苏地区为核心，喀什东北部及巴州北部为边缘的“核心-边缘”结构；2）近20 a南疆地区棉花种植面积增加103.17万hm2，年均棉花种植面积增长5.16万hm2，主要来源于耕地（76.85%）与草地（11.91%）；3）棉花分布在空间上呈“东北-西南”走向，棉花种植重心近20 a总移动距离91.5 km，年移动速率4.58 km/a，基本稳定保持在阿克苏市境内；4）南疆地区棉花种植面积冷点主要分布在克州以及和田地区，2005年后逐渐向西南侧集聚；热点分布格局年际变化显著，2005年前主要分布在阿克苏地区，2005年后逐渐向南疆地区东北侧延伸，主要集中在阿克苏地区以及巴州地区北部。研究成果可为制定区域国土管理制度和涉棉企业科学决策提供参考，对调整和优化棉花结构布局具有积极作用。

遥感；棉花；空间格局；时间序列；EVI；种植信息；南疆地区

0 引 言

棉花是仅次于粮食的第二大农作物，是关系国计民生的战略物资，亦是全国1亿多棉农收入的主要来源、纺织工业的主要原料、广大人民的生活必需品、出口创汇的重要商品[1]。其种植广泛，涉棉企业及农民众多，棉花产业发展对众多行业和棉民的切身利益产生重要影响[2]。世界范围内棉花种植区遍及亚、非、美、欧及大洋洲，主要分布在亚洲与美洲[3]。中国作为世界最大的棉花生产国，现已形成长江流域、黄河流域、西北内陆（新疆）三大棉花主产区[4]。2019年新疆棉花种植面积和总产量分别占全国的76.08%和84.93%，是中国种植面积最大、总产量最高的棉花种植区[5]。南疆地区（包括巴音郭楞蒙古自治州、阿克苏地区、喀什地区、和田地区、克孜勒苏柯尔克孜自治州，面积103.2万km2）纬度较低，光照条件优越，天山和昆仑山融雪带来充足水分，使得该地区棉花种植面积超出新疆棉花种植总面积的2/3，已形成“中国棉花看新疆、新疆棉花看南疆”的格局。然而，棉花发展在促进区域经济增长和增强社会保障的同时，规模化种植也可能引发资源退化、环境恶化、生态失衡等问题，对当地农业和环境的可持续发展构成潜在威胁。因此，综合分析南疆地区棉花种植格局及其变化特征对区域棉花产业可持续发展，促进行政管理和涉棉企业科学决策，维护民族团结和地方社会稳定等都具有重要意义。

棉花作为重要的农产品和经济作物，其生产时空格局研究引发学界广泛关注。从研究内容来看，学者们对棉花生产格局的现状[6]、产量及品质影响因素[7-8]、时空演变[9]、驱动因素[10]、发展预测[11]等方面进行了探究，涵盖县域、市域、省域、全国等尺度[12-14]。从研究方法来看，对棉花生产格局变化问题研究已经历由描述性分析向空间计量分析的转变。近年来，基于棉花生产统计数据，运用时序变化趋势法、GIS、空间面板计量及情景模拟等新方法探究棉花生产格局变化的研究成果日益增多。如朱启荣等[15]应用地理信息技术对1980—2000年县域棉花生产数据进行处理，分析中国棉花种植空间变化趋势；马春玥等[16]综合运用空间分析与时序变化趋势等方法，基于棉花生产分布数据解析了中国棉花生产的时空变化规律；Hegazy等[17]基于模型预测及空间分析方法探究了气候变化背景下埃及地区棉花空间分布的演化过程；揭懋汕等[18]采用探索性空间数据分析方法，分析全国各省份棉花生产的空间分布格局及其演化；王其猛[19]应用比较优势理论，提出了南疆地区棉花生产布局调整优化方案；张山清等[20]使用线性趋势分析及ArcGIS空间分析等方法，研究南疆地区在气候变化条件下棉花种植布局的调整情况。综合而言，现有研究多以统计数据为信息源，而南疆地区面积广阔、行政体制特殊、地形地貌复杂，采用抽样调查或全面统计难以全面覆盖，获得及时准确的时空变化信息面临困难，综合全面了解该地区棉花种植格局及其变化特征存在较大难度。

为克服传统信息源在数据可获取性、时间连续性、覆盖完整性、及时准确性等方面的限制，本研究拟利用MODIS EVI数据，以棉花主产区南疆地区为研究区，按照“重构生长曲线-提取种植信息-分析变化特征”的研究思路，应用TIMESAT软件平台集成的Double-Logistic滤波对棉花生长曲线进行重构，根据曲线特点提取棉花生长阈值，生成南疆地区棉花种植格局，分析其种植空间格局变化特征，以期为相关管理部门和涉棉企业提供决策依据，促进区域棉花产业可持续发展。

1 研究方法与数据来源

1.1 研究区概况

南疆地区指新疆维吾尔自治区南部，位于中国大陆深处（图1），地处73°20′～96°25′E和34°15′～49°10′N之间，包括巴音郭楞蒙古自治州（以下简称巴州）、阿克苏地区、喀什地区、和田地区、克孜勒苏柯尔克孜自治州（以下简称克州）。四周高山环绕，中部为塔里木盆地，地貌高差明显，以戈壁滩和沙漠为主，平均海拔在3 500 m以上；属于温带大陆性气候区，光热资源丰富、昼夜温差大、冬日酷热、夏日干旱、降水量少、蒸发量大、无霜期长。2019年，全区土地面积为103.2万km2，人口1 159.26万，其中农业人口827.76万（占比71.40%）。南疆地区耕地总面积203万hm2，人均耕地面积0.18 hm2，农业生产具有独特的资源条件；2019年地区生产总值为3 379.51亿元，第一、二、三产业生产总值占比分别为23.09%：37.68%：39.24%，农业生产仍占据重要地位。

1.2 数据源与预处理

1.2.1 遥感数据

遥感数据来源于美国国家航空与航天局（NASA）提供的MODIS产品系列中的MOD13Q1数据（http:// earthexplorer.usgs.gov），空间分辨率为250 m，时间分辨率为16 d，已经过辐射定标、云检测、大气校正和辐射校正等处理。本文选取2000、2005、2010、2015、2020年共5期数据，每年13幅影像，总计65幅，覆盖棉花的整个生长周期（4—10月）。

1.2.2 土地利用与验证数据

耕地数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/），包括2000、2005、2010、2015、2020年共5期数据，空间分辨率为30 m；GlobeLand30数据来源于国家基础地理信息中心（http://www.ngcc.cn/ngcc/），包括2000、2010、2020年3期数据，空间分辨率为30 m。

为检验棉花提取精度，采用《新疆统计年鉴》以及《新疆生产建设兵团统计年鉴》（2001—2019年），以及Google Earth平台高分辨率影像。

1.2.3 数据预处理

为提高棉花提取精度，减少其他非耕地地物类型的干扰，本研究将EVI数据与耕地数据进行掩膜提取，得到研究区耕地EVI数据。基于Google Earth高分辨率影像目视解译的棉花地块，导出为cotton.kmz文件，导入ArcGIS10.3中，利用Conversion Tool中Kml To Layer工具生成棉花图层，以棉花图层对研究区耕地EVI数据进行掩膜提取，得到2000、2005、2010、2015、2020年共5期棉花EVI时间序列数据。以2010棉花EVI时间序列数据为基础，对其进行ASCII转换处理，在TIMESAT中生成棉花原始曲线。

1.3 研究方法

本文按照“重构生长曲线—提取种植信息—分析变化特征”的研究思路。首先，应用TIMESAT软件生成南疆地区棉花EVI生长曲线，采用D-L滤波拟合重新构建其生长曲线；其次，分析棉花生长曲线特征，提取棉花生长阈值，利用ENVI5.3中的Band Math工具进行棉花提取，将提取结果与统计数据进行对比，基于Google Earth高分辨率影像对提取结果进行空间分布精度检验；最后，从多角度分析近20 a新疆南疆地区棉花种植空间格局变化特征。

1.3.1 棉花生长曲线重构

基于TIMESAT软件直接生成的EVI时间序列受噪声的干扰较为明显，尤其是在极值方面，易出现骤升骤降的现象，在波峰处存在很大的扰动[21]，因此应用TIMESAT软件中集成的D-L滤波重构棉花的生长曲线，消除云和大气带来的扰动，反映棉花生长的变化趋势与规律。

Double-Logistic滤波拟合是一种局部拟合的方法，首先取得时间序列值，按峰值和谷值分成多个区间，分别对区间进行局部拟合[22-23]，其表达式见式（1）。

式中1确定左拐点的位置，2控制左拐点斜率；3确定右拐点的位置，4控制右拐点斜率，表示时间。

1.3.2 精度评价

1）相对误差分析。为检验棉花提取数量精度，引入相对误差RE进行对比分析[24]，计算公式见式（2）。

式中1表示本研究结果，2表示统计年鉴数据值。

2）Kappa系数。为检验棉花提取空间分配精度，引入Kappa系数。Kappa系数基于混淆矩阵来评价分类精度，是分类结果与参考数据吻合程度的综合反映[25]，取值范围介于[-1,1]之间，计算公式见式（3）。

式中代表Kappa系数值，是混淆矩阵的行，α是混淆矩阵的第行第列（混淆矩阵主对角线）上的数值，α与α是混淆矩阵的第行的和与第列的和，是样本总数。

1.3.3 标准差椭圆

标准差椭圆（Standard deviational ellipse, SDE）是一种能够准确表征研究对象空间结构与区位，展示要素空间性、延展性、中心性和方向性的空间统计方法[26-27]。基于该方法可以从空间角度定量分析南疆地区棉花分布的空间格局及演化趋势。其中椭圆的重心坐标如式（4）。

式中x、y为棉花样点的横、纵坐标，为棉花样点数量。

1.3.4 空间特征分析

1）全局空间相关性分析

本文通过计算2000—2020年的Moran’s指数，分析南疆地区棉花种植面积的空间自相关性，取值范围介于[-1,1]之间（正值表示空间正相关、0表示空间不相关、负值表示空间负相关，且Moran’s绝对值越大空间相关性越强）[28]，计算公式见式（5）。

2）局部空间自相关分析

全局空间相关性分析能反映整体空间特征，但不能有效分析局部空间特征。因此，本文采用Getis-OrdG*来探究南疆地区棉花种植在局部空间上的聚集程度，识别冷热点分布区[29]，计算公式见式（6）。

2 棉花种植信息提取

2.1 棉花生长阈值

南疆地区棉花生长历程分6阶段（图2，表1），生长周期约130 d。4月上中旬进入播种期，开始播种工作；4月下旬到5月上旬期间开始出苗；5月中下旬棉花进入苗期，随着气温的逐渐回升，日照时间变长，昼夜温差增大，降雨量增加，棉花地上部分茎叶缓慢生长；6—8月份，是棉花的旺盛期蕾期与花铃期[30]，棉花的植株体积生长明显，各器官迅速增长；9月，棉花逐渐成熟进入吐絮期，果实趋于成熟，植株叶片叶绿素含量降低，叶黄素含量增高，叶片开始变黄脱落，10月中下旬停止生长。

表1 南疆地区棉花生长概况及作物物候特征

注：综合考虑南疆地区的棉花生产特征、光谱特征以及可能出现的棉花特殊区现象确定棉花生长阈值，T为影像编号所对应的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..

棉花生长的不同阶段光谱特征存在显著差异。出苗后棉花生长曲线EVI值逐渐增长，蕾期与花铃期之间棉花的生长曲线EVI值始终保持在高值，吐絮期内EVI值从高值开始下降，逐渐接近于0值。对比不同作物物候特征发现棉花达到峰值期的影像T14与生长初期影像T10之间的EVI值相差较大，差值大于0.2；棉花的旺盛期在蕾期与花铃期之间，该时期对应的影像T13-T15之间EVI差值不足0.1；棉花在影像T10-T13期间EVI值持续上升；棉花在裂铃之后仍然会保持一段时间的营养生长，在其他作物都已经成熟时，棉花的EVI值仍高于0.2。

2.2 棉花种植空间格局

根据棉花生长阈值，利用ENVI5.3中的Band Math工具进行棉花提取，生成研究区2000—2020年间棉花种植空间格局（图3）。南疆地区棉花分布与水土条件空间分布格局基本一致，主要分布在天山山脉南侧，聚集于南疆地区东北侧，形成了以阿克苏地区为核心，喀什东北部及巴州北部为边缘的“核心-边缘”棉花种植格局。2000—2020年间，南疆地区棉花种植面积呈显著增加趋势，年均棉花面积增加约5.16万hm2。2000年南疆棉花种植面积总计57.42 万hm2，2020年南疆棉花种植面积总计160.59万hm2，净增加103.17万hm2，其中2010—2015年棉花面积增长最快，棉花面积增长比例最高，占总增加面积的57.89%。

研究期内，阿克苏地区始终是南疆最大的棉花种植区。各地州棉花种植面积变化特征不尽相同；巴州地区和阿克苏地区棉花种植面积持续增长，阿克苏地区增速最快约为2.40万hm2/a；巴州地区增长幅度最大，与2000年相比增幅超300%；克州地区棉花种植面积基本保持不变；喀什地区以及和田地区处于波动不稳定状态。

2.3 精度检验

2.3.1 数量精度对比

本研究将基于棉花生长曲线重构提取的棉花种植信息结果与中国经济社会大数据研究平台（https://data.cnki.net/）公布的统计年鉴数据进行对比分析，结果见表2。

表2 棉花种植面积对比分析

基于MODIS EVI数据，应用TIMESAT软件平台集成的D-L滤波对棉花生长曲线进行重构的方法提取出南疆地区2000、2005、2010、2015、2020年棉花种植像元个数分别为91 874、90 309、125 805、221 383，平均精度差异低于8.10万hm2，相对误差为5.70%～12.07%。

2.3.2 空间精度检验

为检验棉花提取空间分配精度，利用Google Earth高分辨率影像进行检验。为保证数据可比性，在研究区范围内2000、2005、2010、2015、2020年分别随机采样80个，样本总量共计400个，以棉花成熟采摘月份（9月中旬）的高分辨率影像作为参考依据，进行目视判读，以此来对棉花提取空间分配精度进行检验，并采用Kappa系数[31]作为精度检验的评价指标。

对不同年份南疆地区棉花种植面积空间分配精度进行检验（表3，图4），分析Kappa系数可知2000、2005、2010、2020年棉花种植信息提取精度较好，2015年棉花种植信息提取精度最好。整体来看本研究所提取的棉花种植信息Kappa系数介于0.7～0.9之间，满足验证要求[32]。

表3 棉花空间精度检验系数

3 棉花种植空间格局变化特征分析

3.1 棉花种植用地转移特征

为探究I型耕地（棉花种植区）和其他土地利用类型之间的转换特征，结合2000年、2010年、2020年3期南疆地区GlobeLand30数据，结果显示南疆地区I型耕地和其他土地利用类型之间的转化在不同时段内存在显著差异，空间分异性较为明显（表4，图5）。

表4 2000—2020年南疆地区棉花用地转换关系及对应面积

2000—2010年，研究区I型耕地转移面积86.85万hm2，新增I型耕地54.03万hm2，减少I型耕地32.82万hm2，I型耕地转换以流入为主。其中，新增I型耕地主要来源于耕地种植类型变化（91.45%），主要集中在阿克苏、和田以及巴州北部地区；裸地开发（2.51%）主要集中在巴州中部地区；草地转换（3.66%）主要集中在喀什以及巴州北部地区。进行分析时发现2002、2007这两个时间节点具有重要意义，2002年中国加入世界贸易组织（WTO）棉花价格显著提高，2007年国家在新疆实施良种补贴政策，棉农种植意愿增强，棉花种植面积有所增加。减少的I型耕地全区皆有分布，主要流向Ⅱ型耕地（其他作物种植区、96.80%），主要集中在喀什地区以及阿克苏地区西部；人造地表（1.63%）全区皆有分布，阿克苏地区占比最多。

a. 2000—2010

b. 2010—2020

注：I型耕地为棉花种植区；Ⅱ型耕地为其他作物种植区。

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

图5 2000—2020年南疆地区棉花种植区土地利用变化

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

2010—2020年，区域I型耕地转移面积153.26万hm2，新增I型耕地117.61万hm2，减少I型耕地35.65万hm2，I型耕地转换以流入为主。与上一阶段相比，新增I型耕地主要来源未发生变化，但新增来源的面积发生了明显的数量变化，来自草地转换以及裸地开发形成的I型耕地增长超过5倍，主要集中在阿克苏、喀什以及巴州地区；来自耕地种植类型变化形成的I型耕地面积增长近一倍，全区皆有分布。这说明棉农的种植意愿有了显著提高，此阶段实行的良种补贴政策及目标价格政策有着正向的推动作用。与上一阶段相比，减少I型耕地主要流向也未发生变化，主要流向Ⅱ型耕地（91.26%）流出面积略有增长（32.53万hm2），主要集中在阿克苏、和田以及巴州北部地区；人造地表（5.00%）主要分布在喀什中部，阿克苏、以及巴州北部地区。

总体来看，近20 a南疆地区棉花种植用地转移特征主要表现在以下2个方面：1）棉花种植变化的活跃地区主要分布在阿克苏、喀什、巴州北部地区，也是南疆地区棉花主要种植区。2）I型耕地与Ⅱ型耕地、草地、人造地表之间的流量转化较为显著且流转量剧烈增长。

3.2 棉花种植格局变化特征

为研究南疆地区棉花种植在地理空间上的规模分布特征以及变化规律，分析棉花种植在空间上的集中程度和演变趋势，通过标准差椭圆（表5，图6）分析发现：研究时段内标准差椭圆的方向角由2000年66.59°波动增长到2020年73.05°，表明南疆地区棉花种植呈“东北-西南”格局，但这种格局在研究期间逐渐弱化，渐趋近于东西格局；同时也说明南疆地区棉花种植的主要拉动力为东西向，阿克苏地区、和田地区北部，巴州地区北部、喀什地区东北部以及克州地区南部棉花格局的演变对南疆地区棉花格局空间变化拉动作用显著。

表5 2000—2020年南疆地区棉花分布标准差椭圆参数

南疆地区棉花种植重心在近20 a间发生过一次重大迁移之后基本保持稳定，2000—2005年棉花种植重心从阿瓦提县向东北方向迁移68.66 km到达阿克苏市。此后，重心保持在阿克苏市境内，总迁移距离91.5 km，年平均迁移距离4.58 km。

棉花种植空间格局先集聚后分散。2000—2010年标准差椭圆的长轴持续增长同时短轴持续缩短，长轴短轴的共同作用下离心率逐渐增长而标准差椭圆的面积由2000年516 943.25 km2逐渐缩减到2010年422 881.31k m2，表明此阶段棉花空间分布方向趋势增强，空间格局趋向集聚化。与之相反，2010—2020年间标准差椭圆长轴与短轴均持续增长，长短轴共同作用下离心率有所降低而标准差椭圆的面积由2010年422 881.31 km2逐渐增长到2020年573 078.20 km2，表明此阶段棉花空间分布方向趋势减弱，空间格局趋向分散化。

图6 2000—2020年南疆地区棉花分布标准差椭圆

3.3 棉花种植热点演化特征

进一步分析棉花种植空间分布特征，创建覆盖棉花种植区的5 km×5 km格网，以棉花种植面积为变量进行空间特征分析。2000—2020年5个时段南疆地区棉花种植面积Global Moran’s值依次为0.13、0.16、0.22、0.21、0.19，()值均大于2.58临界值，通过0.01显著性检验。说明南疆地区棉花种植空间格局存在空间正自相关性，呈现“高-高集聚、低-低集聚”的总体空间分布格局，且南疆地区棉花种植面积空间关联度呈先增强后减弱趋势。基于ArcGIS计算各格网局部空间关联指数Getis-OrdG*，按照自然断点法分为热点区、次热点区、次冷点区、冷点区4类，并进行可视化。2000—2020年南疆地区棉花种植空间格局热点演化如图7所示。

南疆地区棉花种植空间格局演化具有以下特征：1）南疆地区棉花种植面积冷点主要分布在克州以及和田地区，且2005年后冷点逐渐向西南侧集聚；热点分布格局年际变化显著，2005年前主要分布在阿克苏地区，2005年后热点逐渐向南疆地区东北侧延伸，主要集中在阿克苏以及巴州地区北部。2）近20 a，南疆地区棉花种植面积“冷点”—“热点”在空间上表现出自西南向东北过渡的条带型特征。阿克苏地区始终为南疆地区热点、次热点最大面积聚集区，呈现棉花种植面积“高—高集聚”的空间格局，并向喀什地区以及巴州北部逐渐蔓延。巴州地区次热点区向热点区转化现象最为显著，次冷点主要聚集在巴州地区西北部，2000年巴州东北部均为次热点区，截止2020年，巴州地区半数以上次热点区已转化为热点区。克州以及和田地区棉花种植面积热点—冷点未发生明显变化。喀什地区“冷热”转换发生显著变化，西南侧在2005年由次热点区变为冷点区，2020年再次由冷点区变为次冷点区，而东北侧更是经历较大的变化由次冷点逐演化为棉花种植的次热点区。

4 讨 论

日照时间长、昼夜温差大、干旱少雨的环境为南疆地区棉花生长提供了独特的种植优势，加之良种补贴、临时收储、目标价格等政策因素的影响，南疆地区近20 a棉花种植面积迅速增长。尽管棉花产业已经成为南疆地区的支柱产业，对促进地区经济增长，改善当地居民生活条件起到积极作用。但棉花生产的负外部性效应也应引起关注，如水资源压力增大、环境污染、土壤肥力下降、生态多样性锐减等，对当地农业和环境的可持续发展构成潜在威胁。

南疆地区棉花生产所大量使用的地膜是人工合成的高分子化合物，很难在自然条件下降解，一般情况下，残膜可在土壤中存留200～400 a，在长期使用地膜覆盖的农田中地膜残留量一般在60～90 kg/hm2[33]，近年来，南疆地区地膜残留量迅速增长，估算2017年残留量已达113.81×106kg，所造成的土壤污染直接导致土壤肥力下降，威胁棉花产业持续发展（图8a）；棉花作为南疆地区最为耗水作物之一，年需水量达到1 000 mm[34]。近年来大面积的棉花种植极大加剧了该地区水资源压力，2015年起棉花种植用水量已达到146.72亿m3，超过南疆地区农业用水的50%，加快南疆地区荒漠化进程（图8b）；棉花是南疆种植结构中种植规模最大的农作物，2015年南疆地区棉花种植面积突破农作物种植总面积50%，棉花作物面积首次超越粮食作物种植总面积，与之相反油料作物与粮食作物种植面积呈现下降趋势（图8c，8d）。耕地多年大面积种植棉花不仅造成景观的单一，也使该地区生物多样性锐减，经转基因改造的棉花对本地棉及其他物种的基因造成侵害。

为促进南疆地区棉花产业可持续健康发展，应以“控制面积、提质增产”为准则，根据区域社会、经济、资源环境条件，开展棉业种植结构优化工作。在南疆地区东北部棉花种植热点区，加强集中连片、稳定高产和生态友好的高标准棉田建设，落实严格的水资源管理制度，加强节水滴灌、水肥一体等农业技术推广，提高农业灌溉用水效率，从源头减缓水资源压力。在冷点聚集区克州及和田地区，建议压缩种植规模，用于还草还粮、或改种蔬果和特色经济作物，改善生物多样性。针对南疆地区棉花种植用地转移趋势，对改种其他作物的农户，须将农业用水配置和农户种植意愿相结合，选择相对效益较高的替代作物，对完全退出农业生产的农户，则要考虑生计替代和合理的利益补偿问题。未来南疆地区棉花产业的发展应以规模化、机械化、信息化、智能化、服务社会化为方向，综合考虑农业结构调整、种植区环境污染、水资源承载力及耕地后备资源开发等诸多问题[35]。南疆地区棉花种植已由规模化集聚走向规模化分散，较长时期内仍将保持棉花主产区的地位。综合全面掌握该地区棉花种植空间格局，及时调整优化棉花种植结构任重道远。

本研究提出的基于EVI数据探究棉花种植时空格局演变特征方法，可以应用于大尺度、长时间序列的棉花种植信息变化监测，亦或在此基础上进一步利用棉花生长曲线与实际产量的关系构建估产模型，实现对棉花产量的定量遥感预测。本研究对生态安全视角下的棉花种植结构调整优化方案制定具有一定的参考价值，对制定区域国土管理制度和涉棉企业科学决策具有支撑作用，并为其它地区开展棉花种植空间格局及其变化特征分析研究提供借鉴。

此外本研究尚存在一些问题有待在后续研究中深入：1）受基础数据和研究方法的限制，本研究暂未探讨棉花空间格局演变的影响因素，需要在后续研究中结合棉花种植面积与其影响因素关联度对南疆棉区种植潜力评价分级，以便与农业产业布局调整相衔接；2）在确定棉花生长的EVI阈值模型中，往往无法全面考虑不同品种棉花相同时间长势不同EVI阈值也不完全相同，以及相同品种棉花不同年份受外界环境刺激不同长势不同EVI值不完全相同等因素；在对棉花种植信息空间分配精度进行检验的过程中，随机样本数量有限，可能存在着一定的偶然性。因此在日后的工作过程中，可以结合野外实地考察样本数据，对棉花品种进行分类，对棉花长势进行分级，进一步提高提取精度与检验精度。上述不足，有待后续研究进一步完善。

5 结 论

本文以南疆地区为研究区，按照“重构生长曲线—提取种植信息—分析变化特征”的研究思路，重构了棉花的生长曲线、提取了南疆地区棉花种植信息、分析了棉花种植空间格局的变化特征，取得以下主要研究结论。

1）南疆地区棉花分布与水土条件空间分布格局基本一致，主要分布在天山山脉南侧，聚集于南疆地区东北侧，形成了以阿克苏地区为核心，喀什东北部及巴州北部为边缘的“核心-边缘”结构。

2）棉花种植用地转移特征。南疆地区I型耕地和其他土地利用类型之间的转化在不同年段内存在显著差异，空间分异性较为明显。棉花种植变化的活跃地区主要分布在阿克苏、喀什、巴州北部地区，也是南疆地区棉花主要种植区。I型耕地与Ⅱ型耕地、草地、人造地表之间的流量转化最为显著且流转量剧烈增长。

3）棉花种植格局变化特征。南疆地区棉花种植格局由集聚走向分散，呈“东北-西南”走向，棉花种植重心在近20 a间发生过一次重大迁移之后基本稳定保持在阿克苏市境内，总迁移距离91.5 km，年平均迁移距离4.58 km。

4）棉花种植热点演化特征。南疆地区棉花种植面积冷点主要分布在克州以及和田地区，且2005年后冷点逐渐向西南侧集聚；热点分布格局年际变化显著，2005年前主要分布在阿克苏地区，2005年后热点逐渐向南疆地区东北侧延伸，主要集中在阿克苏以及巴州地区北部。研究时段内，研究区棉花种植“冷点”—“热点”在空间上表现出自西南向东北过渡的条带型特征。

[1] 周洁. 新疆棉花生产中的环境成本研究[D]. 阿拉尔市：塔里木大学，2014.

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

[2] 闫庆华，刘维忠，秦子. 世界棉花格局变化及对中国棉花发展的启示[J]. 农业经济，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. 耕地生态安全视域下棉花生产布局优化问题研究：以新疆为例[J]. 干旱区地理，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] 黄滋康，崔读昌. 中国棉花生态区划[J]. 棉花学报，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] 武建设，陈学庚. 新疆兵团棉花生产机械化发展现状问题及对策[J]. 农业工程学报，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] 卢秀茹，贾肖月，牛佳慧. 中国棉花产业发展现状及展望[J]. 中国农业科学，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] 杨莉，杨德刚，张豫芳，等. 新疆棉花种植面积时空格局演变特征及驱动机制研究[J]. 中国沙漠，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. 新疆棉区生产空间格局演化及驱动因素分析[J]. 中国农业资源与区划，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] 马春玥，买买提·沙吾提，依尔夏提·阿不来提，等. 新疆棉花种植业地理集聚特征及影响因素研究[J]. 作物学报，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] 潘学标. 基于GIS的中国县域棉花生产空间分布与变异研究[J]. 中国农业科学，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] 孙艳玲，王宏志，黄碧捷. 湖北棉花生产格局的时空变化及原因分析[J]. 湖北大学学报：自然科学版，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] 钟甫宁，胡雪梅. 中国棉花生产区域格局及影响因素研究[J]. 农业技术经济，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] 朱启荣，章杏杏，李俊，等. 中国棉花种植空间变化及其原因分析[J]. 干旱区地理，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] 马春玥，买买提·沙吾提，姚杰，等. 1950—2015年中国棉花生产时空动态变化[J]. 地理学报，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，薛领. 我国棉花生产的空间格局演化及集聚因素分析[J]. 农业现代化研究，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. 新疆棉花生产布局优化研究[D]. 石河子：石河子大学，2013.

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

[20] 张山清，普宗朝，李景林，等. 气候变暖背景下南疆棉花种植区划的变化[J]. 中国农业气象，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] 郝鹏宇，牛铮，王力，等. 基于时序MODISEVI匹配的棉花信息提取：以新疆博乐市为例[J]. 遥感技术与应用，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] 徐伟义，金晓斌，杨绪红，等. 中国森林植被生物量空间网格化估计[J]. 自然资源学报，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，孙九林，秦奋，等. 2015年中国1∶10万土地覆被数据河南地区精度评价[J]. 中国土地科学，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] 赵璐，赵作权，王伟. 中国东部沿海地区经济空间格局变化[J]. 经济地理，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. 中国旅游安全事件分布与引致因素[J]. 经济地理，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. 中国城市空气质量指数(AQI)的动态变化特征[J]. 经济地理，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] 李亚婷，潘少奇，苗长虹. 中国县域人均粮食占有量的时空格局：基于户籍人口和常住人口的对比分析[J]. 地理学报，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] 黄青，王利民，滕飞. 利用MODIS-NDVI数据提取新疆棉花播种面积信息及长势监测方法研究[J]. 干旱地区农业研究，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] 冉有华，李新，卢玲. 四种常用的全球1km土地覆盖数据中国区域的精度评价[J]. 冰川冻土，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，刘庆生，刘高焕，等. 基于MODIS时序NDVI主要农作物种植信息提取研究[J]. 自然资源学报，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] 林涛，汤秋香，郝卫平，等. 地膜残留量对棉田土壤水分分布及棉花根系构型的影响[J]. 农业工程学报，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，杨倩，郑江华，等. 1963—2012年新疆棉花需水量时空分布特征[J]. 生态学报，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] 喻树迅. 我国棉花生产现状与发展趋势[J]. 中国工程科学，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

刘传迹，金晓斌，徐伟义，等. 2000—2020年南疆地区棉花种植空间格局及其变化特征分析[J]. 农业工程学报，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

国家自然科学基金项目（41971234、41971235）

刘传迹，研究方向为土地利用与国土整治。Email：664518145@qq.com

金晓斌，博士，教授，博士生导师。研究方向为土地利用与国土整治。Email：jinxb@nju.edu.cn

10.11975/j.issn.1002-6819.2021.16.028

F323.1

A

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