1960—2020年新疆主要作物需水量时空特征分析

何旭刚 买买提·沙吾提 夏梓洋 师君银 贺小宁 盛艳芳 李荣鹏

1960—2020年新疆主要作物需水量时空特征分析

何旭刚 买买提·沙吾提*夏梓洋 师君银 贺小宁 盛艳芳 李荣鹏

新疆大学地理与遥感科学学院 /新疆绿洲生态教育部重点实验室 / 新疆智慧城市与环境建模自治区普通高校重点实验室, 新疆乌鲁木齐 830017

作物需水量和作物灌溉需水量的时空分析对水资源优化配置和灌溉制度制定至关重要。为了解新疆主要作物棉花、春小麦、冬小麦和玉米生育期需水量和灌溉需水量的时空特征及影响因素, 本文基于1960—2020年逐日气象观测数据, 采用Penman-Monteith公式和单作物系数法, 利用去趋势预置白(TFPW)的Mann-Kendall (TFPW-MK)研究4种作物需水量变化特征, 并通过重标极差(R/S)分析法预测未来作物需水量和灌溉需水量的时空演变趋势; 运用随机森林模型的重要协变量特征识别原理, 分析气象因素与作物需水量的重要性排名, 探究了作物需水量的变化成因。结果表明: 1) 61年来, 新疆主要作物需水量总体呈现“先增后减又增”的变化趋势; 作物需水量和灌溉需水量从大到小均依次为: 棉花>玉米>冬小麦>春小麦; 空间上呈现“南疆>北疆、东南>西北、东部>西部”的格局; 主要作物需水量变化范围为: 棉花为381.20～991.20 mm (均值为654.94 mm), 玉米为350.26～924.48 mm (均值为607.98 mm), 春小麦为361.96～709.69 mm (均值为464.89 mm), 冬小麦为266.47～753.62 mm (均值为495.7 0 mm); 灌溉需水量变化范围为: 棉花为49.49～975.88 mm (均值为563.19 mm), 玉米为52.47～910.85 mm (均值为530.18 mm), 春小麦为42.58～701.29mm (均值为409.28 mm), 冬小麦为21.94～741.77 mm (均值为418.26 mm), 自80年代中后期开始, 灌溉需水量下降幅度大于需水量。2) TFPW-MK分析中, 近61年来, 分布在塔里木盆地北部边缘的沙雅和阿克苏、东疆的巴里坤等12个站点需水量呈上升趋势; 分布在塔里木盆地中部的塔中、北疆的克拉玛依和南疆的阿图什等区域的27个站点需水量逐步降低; 其余站点呈上下波动。3) 使用R/S方法对未来需水量的预测中, 北疆的塔城、托里、富蕴和乌鲁木齐站, 东疆的巴里坤, 南疆的沙雅、乌恰、塔中、且末和柯坪等站点4种作物需水量和灌溉需水量在未来会减少, 而东疆的红柳河、巴里坤与巴音布鲁克的春、冬小麦需水量在未来呈现上升趋势。4) 在作物全育期中, 风速和气温是新疆主要作物需水量的最重要影响因素, 而降水对新疆主要作物需水量的重要性最小。该研究较为全面的为新疆农业高效用水和灌溉措施的制定提供决策和依据。

新疆农作物; 需水量; TFPW-MK法; R/S分析法; 随机森林

作物需水量(crop water requirement, CWR)是作物在大面积无病虫害和土壤水分适宜时, 在给定的环境条件下, 为满足农田的蒸散发所需的水量[1]。作物需水量的计算、时空分布特征及其影响因素分析, 是农业高效用水和科学配置的基础, 也是农业水科学领域的热点。因此, 众多学者探讨了我国的主要作物需水量, 并绘制了全国及重点农业区域作物需水量等值线图, 综合分析了作物需水量在时空上的变化及其规律。针对单一作物的研究, Yang等[2]对华北平原的棉花需水量进行时空研究, Tan等[3]利用试验站观测数据对华北平原冬小麦-夏玉米作物蒸散发进行探究, 王梅等[4]和轩俊伟等[5]分别对新疆棉花和小麦需水量空间分布探究, 商蒙非等[6]对中国玉米需水量估算且分析水分盈亏的时空变化, 刘小刚等[7]和Zhang等[8]对山东冬小麦和夏玉米需水量趋势与成因进行分析, 祁嘉郁等[9]、卡力比尔·买买提等[10]对北疆地区春小麦和棉花的作物需水量和灌溉需水量计算, 并分析了对气候变化的响应。但这些研究中的作物结构单一, 缺乏多种作物需水量之间的对比分析。对于多种作物的研究, 任修琳等[11]和邢贞相等[12]对黑龙江水稻、玉米、大豆进行需水量分析, 并分析了多种作物需水量的关键影响因素, 刘钰等[13]选取小麦、玉米、棉花和水稻4种作物, 分析其作物需水量与净灌溉需水量的空间分布特征, 然而该研究缺乏地理空间分布格局的视角与更长时间序列需水量的变化。在位于西北干旱区的新疆需水量的研究中, Wang等[14]和Guo等[15]对作物的灌溉需水量和供需风险进行了研究, Xu等[16]进行作物种植结构提取, 进一步对需水量的估算, 但这些研究仅限于新疆局部流域, 缺少对整个新疆且多种作物需水量的研究。

新疆作为国家现代农业发展的重要战略区, 有着得天独厚的农业发展资源优势。近半个世纪以来, 新疆绿洲农田面积扩张显著, 以及受干旱少雨, 水资源短缺等影响, 使得农业水资源供需矛盾突出, 限制了作物的健康生长, 农业用水配置面临巨大挑战。因此, 探究新疆主要作物需水量的时空分布特征, 从而制定合理的农业水资源配置, 成为新疆农业可持续发展的关键所在。随着“三条红线”、生态文明建设、“塔里木河流域综合治理二期工程”、“一带一路”核心区建设、脱贫攻坚成果巩固等各项工作的逐步推进和实现, 新疆的工业、生活和生态用水急剧增加, 而农业用水在减少[17], 使得农业水资源的安全隐患不断加深, 农业用水供需矛盾日益突出。

鉴于此, 本文利用新疆42个站点1960—2020年地面气象数据, 针对新疆种植面积较大的主要作物棉花、春小麦、冬小麦和玉米, 使用PM方法与单作物系数法计算需水量和灌溉需水量, 利用TFPW- MK方法对作物需水量时间序列趋势分析, 同时结合R/S方法对未来作物需水量进行预测, 并经过基于随机森林模型的重要性协变量特征识别方法探究4种作物需水量的气候影响因素。为新疆农业水资源的高效利用和优化配置提供依据和参考。

1 材料与方法

1.1 研究区概况

新疆位于亚欧大陆中部, 地处中国西北, 如图1所示, 以天山为界, 分为南北疆两大区域, “三山夹两盆”的地貌, 形成了独特的“灌溉农业, 绿洲经济”格局, 种植业主要分布于盆地边缘和河谷平原区, 新疆属于典型的温带大陆性干旱气候, 降水稀少、蒸发强烈, 年均降水极少, 年均降水量50～200 mm, 年均温4～13℃, 全年无霜期130～220 d[18], 日照充足为农业种植提供良好的自然条件。20世纪50年代进行了大规模开垦, 耕地面积广阔, 成为我国重要的农垦区和重要的商品粮生产基地。其主要农作物为棉花、玉米和小麦等, 2020年棉花、小麦和玉米种植面积之和占播种面积的约57%, 其中棉花为39.82%, 小麦为17.02% (冬小麦约占70%), 玉米为16.73%, 棉花、小麦和玉米南北疆均有种植, 北疆以种春小麦为主, 南疆以种植冬小麦为主。

1.2 数据来源

研究采用1960—2020年的新疆42个气象站资料, 来源于中国气象数据共享网(http://data.cma.cn/), 包括降水量、气温、日照时数、风速、相对湿度和水汽压等参数, 图1为气象站点的分布情况。气象数据使用反距离权重差值方法(IDW)[12,19]进行空间插值, 将站点数据转换为栅格数据; 水文参考资料包括新疆维吾尔自治区水资源公报、各地区水资源公报, 各县市水利局提供的水资源毛灌溉定额数据, 《FAO推荐的84种作物系数表》[20], 《北方地区主要农作物灌溉用水定额》[21]等文献资料。社会经济资料主要包括新疆统计年鉴等。

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2019) 1822号的标准地图制作, 底图边界无修改。

The map is based on the standard map with the review number GS (2019) 1822 downloaded from the standard map service website of the National Bureau of Surveying, Mapping and Geographic Information, and the base map boundary is not modified.

1.3 研究方法

1.3.1 作物需水量计算 使用FAO推荐的Penman- Monteith公式[20]计算作物需水量(ETC), 该方法具有较好的通用性和稳定性, 已得到广泛运用, 其表达式为:

ETC= KCETO(1)

式中, ETC为作物需水量, mm d–1; ETO为参考作物蒸散量, mm d–1; KC为作物系数。

其中参考作物蒸散量(ETO)是通过Penman- Menteith公式计算逐日作物需水量, 计算式为:

式中, Rn为作物表面净辐射量, MJ m–2d–1; G为土壤热通量密度, MJ m–2d–1; T为2 m日平均气温, ℃; u2为2 m日平均风速, m s–1; es为饱和水汽压, kPa; ea为实际水汽压, kPa; Δ为饱和水汽压与温度关系曲线斜率, kPa K–1; γ为湿度计常数, 各变量的具体计算方法参见FAO灌溉和排水No.56手册[20]。

作物系数是计算作物需水量必不可少的参数, 不同作物其计算式为:

式中, Kctab为不同生育阶段标准条件下的作物系数(Kcmin、Kcmin和Kcend); u2为该生育阶段内2 m处的日平均风速, m s–1; RHmin为该生育阶段内日最低相对湿度的平均值, %; h为该生育阶段内作物的平均高度, m。

根据FAO推荐的作物系数基础上, 参考《北方地区主要农作物灌溉用水定额》[21], 结合研究区实际情况, 以新疆主要作物物候期为依据对作物系数进行了各站点修正, 计算得出不同时期作物系数, 对整个研究按月汇总(表1), 结合参考作物蒸散量对全区作物需水量进行估算。

表1 新疆不同作物逐月作物系数

“/”表示该阶段没有作物种植。“/” indicates that no crops are planted at this stage.

1.3.2 作物灌溉需水量计算 作物灌溉需水量(CIR)是作物需水量(ETC)与有效降水量(Pe)的差值[19],计算式为:

式中, CIR为灌溉需水量, ETc为作物需水量, Pe为有效降水量。其中Pe公式如下[22]:

式中, Pe为有效降水量, P为降水量。

1.3.3 TFPW-MK趋势性检验法 去趋势预置白(TFPW)的Mann-Kendall (Trend free pre whitening— Mann Kendall, TFPW-MK)是一种改进的Mann- Kendall趋势检验方法, 消除自相关的影响[23], 更精准地对数据序列进行趋势检验[24]。因此, 本文采用该方法对新疆近61年时间序列内各个站点棉花、玉米、春小麦和冬小麦生育期需水量的趋势性变化进行分析。TFPW-MK方法通过Z统计值来判别序列的整体变化趋势, 当Z>0, 表明趋势上升; 当Z<0, 表明趋势下降。

1.3.5 基于随机森林模型的重要协变量特征识别

随机森林(Random Forest, RF)模型是一种集成学习方法, 常用于分类和回归问题。它由多个决策树组成, 每个决策树使用一组随机选择的特征和数据子集进行训练, 以提高模型的准确性和鲁棒性。随机森林模型识别输入特征要素的重要性特征排名的原理是基于袋外误差(out-of-bag error)和特征贡献度来实现的。袋外误差是一种衡量随机森林模型预测能力的方法, 它可以评估模型对新数据的泛化能力。在随机森林模型中, 每个决策树都使用不同的子集数据进行训练, 袋外误差就是用袋外数据来计算每个决策树的预测误差, 并将这些误差求平均得到的模型误差。特征贡献度是用来评估每个特征在随机森林模型中的重要性的度量, 它基于每个决策树的信息增益来计算每个特征的重要性。信息增益是用来衡量特征对分类的影响力的度量, 它越大表示该特征在分类中的重要性越高。通过对所有特征的贡献度进行排序, 就可以得到每个特征的重要性特征排名。

RF包含3个用户自定义的模型参数, 分别为构建每棵树所使用的预测变量个数(mtree)、生长树的数量(ntree)和每个节点的最小数据量(nodesize)。利用随机森林做回归分析时mtree参数一般设定为变量个数的三分之一[27]; ntree, nodesize根据模型默认值分别设定为100, 5。

2 结果与分析

2.1 主要作物需水量时空特征分析

61年间, 从整体来看, 新疆棉花、春小麦、冬小麦、玉米作物需水量具有明显的空间异质性(图2-a, d), 其变化范围为: 棉花为381.20～991.20 mm (均值为654.94 mm), 玉米为350.26～924.48 mm (均值为607.98 mm), 春小麦为361.96～709.69 mm (均值为464.89 mm), 冬小麦为266.47～753.62 mm (均值为495.70 mm)。在天山山区附近4种作物需水量均达到最低, 最低值均为巴音布鲁克, 由于海拔高温度低, 蒸散发量较少, 使得作物需水量较低; 塔里木盆地腹地和东疆需水量较高, 最高值位于淖毛湖, 主要由于该地常年大风天气较多, 空气干燥, 蒸散发旺盛, 相应的作物需水量也较高。4种作物中, 冬小麦需水量的空间分布南北疆差异性分布最为显著, 呈自北向南增加的趋势, 由于冬小麦历经越冬, 南疆冬季气温比北疆较为暖和, 刮风天气较多, 空气干燥, 开春较早, 水分蒸发较大, 需水量呈增大趋势, 整体上, 4种作物的需水量空间分布趋势基本一致, 呈现南疆大于北疆、西北向东南递增、东部大于西部的趋势。

同理, 灌溉需水量呈现与需水量同样的变化趋势(图2-a′, d′), 其变化范围为: 棉花为49.49～ 975.88 mm (均值为563.19 mm), 玉米为52.47～ 910.85 mm (均值为530.18 mm), 春小麦为42.58～ 701.29 mm (均值为409.28 mm), 冬小麦为21.94～ 741.77 mm (均值为418.26 mm), 灌溉需水量最大的区域主要位于东疆淖毛湖和西北边界的阿拉山口, 风速是影响灌溉需水量的主要原因, 塔里木盆地中部同样灌溉需水量较大, 由于气候干燥, 空气相对湿度较低等原因造成; 灌溉需水量较低的区域主要位于天山中部的天池和巴音布鲁克两个高海拔地区, 其次是伊犁河谷地区, 由于常年气候湿润,水分充足等因素使得灌溉需水量较低, 整体北疆低于南疆, 尤其冬小麦在北疆需水量较低, 由于北疆冬季降水较多[28], 导致灌溉需水量更低。塔里木盆地中部及边缘降水量较少(图2-a′′, d′′), 尤其在春/冬小麦生育期最为明显, 降水量达到5～50 mm; 东疆哈密地区的淖毛湖同样极为干旱, 由于常年气候干燥和大风时数较多, 无法形成足以产生降水的云量, 使得灌溉需水量较大。

从时间角度来看, 61年间, 如图3所示, 棉花、玉米、春小麦和冬小麦需水量整体呈现下降趋势。其中, 棉花和玉米的下降趋势更为明显, 4种作物表现出“先增后减又增”的趋势, 自1960年逐渐增加, 1974年达到最高值, 到1993年期间为下降到最低值, 1993年之后需水量又开始稳步增加; 在1974年, 其中4种作物达到了最高值, 其中棉花为699.19 mm, 春小麦为505.83 mm, 玉米为656.22 mm, 冬小麦最高值出现在2020年, 为526.21 mm; 在1993年, 棉花和玉米需水量达到最低值, 分别为600.92 mm和555.97 mm, 而春小麦最低值出现在1987年, 需水量为422.31 mm, 在1998年冬小麦需水量到达最低值, 其为457.59 mm; 在4种作物的全育期需水量占比中, 棉花为29.45%, 春小麦为20.92%, 冬小麦为22.27%, 玉米为27.35%, 其中棉花的全育期需水量最大, 约占4种作物需水量的1/3, 春小麦的需水量占比最低约为1/4, 由于棉花的生长周期较长, 历经高温天气较多, 作物系数大, 耗水量较大, 导致需水需求增大。

图2 4种作物生育期多年平均需水量、灌溉需水量与有效降水量

a～d:棉花、玉米、春小麦和冬小麦需水量; a′～d′:棉花、玉米、春小麦和冬小麦灌溉需水量; a′′～d′′:分别为棉花、玉米、春小麦和冬小麦有效降水量(mm)。

a–d: CWR of cotton, maize, spring wheat and winter wheat; a′–d′′: IWR of cotton, maize, spring wheat and winter wheat respectively; a′′–d′′: Pe of cotton, maize, spring wheat and winter wheat (mm).

同理, 4种作物的灌溉需水量总体也呈现下降趋势, 在1974年棉花、玉米和春小麦灌溉需水量达到最高值, 在1993年棉花和玉米灌溉需水量出现最低值, 而冬小麦达到最高和最低的时间分别是2020年和2010年, 灌溉需水量普遍低于需水量(图3), 因为除去了有效降水量, 在80年代中后期, 4种作物灌溉需水量逐渐低于平均值, 而且下降幅度大于需水量, 表明在1980年之后新疆的降水量呈增加趋势(图3), 偏向湿润化, 结果与研究成果[29-31]吻合, 使得4种作物整体灌溉需水量降低。

考虑到新疆各区域气候的差异性, 从气象站点角度出发, 使用TFPW-MK趋势检验法对4种作物全育期需水量趋势进行分析, 如图4所示, 在42个站点中, Z值最大的为沙雅、巴里坤和阿克苏, 说明以上地区的61年来作物需水量在持续上升; Z值最小的站点为塔中、克拉玛依和阿图什, 表明该地区4种作物需水量逐年下降。其中, 南疆的阿克苏、沙雅、皮山、乌恰、和田、喀什和民丰等站点, 北疆的博乐、富蕴、福海和塔城等站点, 东疆的巴里坤等对应12个站点的4种作物Z统计值均大于0, 表明61年间需水量均呈上升趋势; 其中有红柳河春小麦Z值小于0, 表明春小麦需水量逐渐下降趋势, 其他作物需水量增大; 精河Z值小于0, 表明棉花需水量降低, 巴音布鲁克春小麦和冬小麦均Z值大于0, 棉花和玉米Z值小于0, 表明小麦需水量增大而棉花和玉米在降低; 其余27个站点4种作物Z统计值均小于0, 表明以上站点的作物需水量逐年呈下降趋势。

图4 TFPW-MK趋势检验法Z统计值

2.2 作物需水量与灌溉需水量趋势预测

4种作物需水量预测值, 在空间上呈现明显差异性, 整体上, 塔城、托里、富蕴、巴里坤、沙雅和乌恰等站点4种作物未来需水量减少, 红柳河、巴里坤和巴音布鲁克的春、冬小麦需水量在未来呈现上升趋势, 未来在塔中、且末、柯坪和乌鲁木齐站, 4种作物需水量呈下降趋势。图5-a中, 在乌恰、沙雅、塔城、阿勒泰、富蕴、巴里坤和红柳河等地区, 预测值小于0.5, 表明未来棉花需水量与现阶段呈相反的趋势, 其余区域未来棉花全育期需水量变化与现阶段一致, 均呈现“先增后减又增”的趋势。图5-b中, 玉米在托里和巴音布鲁克等区域预测值小于0.5, 表明未来春小麦需水量与现阶段呈相反的变化趋势, 其余地区与现阶段变化趋势一致; 图5-c中, 春小麦的趋势和冬小麦基本一致, 主要分布在北疆地区托里、巴音布鲁克和呼图壁; 图5-d中, 冬小麦在乌恰、托里、巴音布鲁克、富蕴、巴里坤和红柳河地区预测值小于0.5, 表明未来玉米需水量与现阶段呈相反的变化趋势。

灌溉需水量预测值(图5-a′, d′)与作物需水量基本一致, 在塔里木盆地中部和吐鲁番地区最为突出, 表明在未来呈下降趋势, 总体上, 大部分区域未来灌溉需水量趋势与过去一致, 南疆棉花、玉米和春小麦(a′～c′)灌溉需水量的趋势与未来的趋势保持较高的一致性, 而北疆部分区域未来与现在呈现相反的趋势, 其中冬小麦(d′)的预测值大部分地区大于0.5, 未来灌溉需水量与现阶段一致性最高, 呈现东部显著于西部的趋势。

图5 R/S方法4种作物需水量与灌溉需水量预测的H指数分布

a～d: 棉花、玉米、春小麦和冬小麦需水量预测; a′～d′: 棉花、玉米、春小麦和冬小麦灌溉需水量预测。

a–d: forecasts of CWR for cotton, maize, spring wheat, and winter wheat; a'–d': forecasts of IWR for cotton, maize, spring wheat, and winter wheat.

2.3 作物需水量影响因素分析

基于随机森林模型从6个气象因素分析可得, 训练集决定系数2均达到0.85以上, 测试集决定系数2均达到0.80以上, 模型整体精度较高。总体上, 风速和气温是影响新疆主要作物需水量的关键气象因子, 而降水对于主要作物需水量的重要性最低。从全局来看, 净辐射对阿拉尔的棉花和玉米需水量影响较大, 降水对沙雅的棉花、春小麦和玉米需水量影响较大, 风速对淖毛湖的春/冬小麦和玉米需水量影响较大。如图6所示, 对60多年连续逐个站点分析, 并将每种作物重要性排名最高的站点标注于图上; 在棉花的影响因子中(图6-a), 气温的重要性排名最高, 降水的重要性最低, 其中, 相对湿度对阿拉尔棉花需水量的重要性最高, 日照时数对皮山棉花需水量重要性最高, 气温对巴音布鲁克棉花需水量的重要性最高, 风速对伊吾的棉花需水量重要性最高, 降水对沙雅的棉花需水量重要性较高, 净辐射对阿克苏棉花需水量影响最高; 在春小麦的影响因素中(图6-b), 风速的重要性最高, 其次为相对湿度, 而降水的影响最小, 此外, 相对湿度对焉耆的春小麦需水量影响最大, 日照时数和气温对喀什的春小麦需水量影响最大, 风速对淖毛湖的春小麦需水量影响最大, 降水对沙雅的春小麦需水量影响最大, 净辐射对库米什的春小麦影响作用最大; 在冬小麦的影响因子中(图6-c), 净辐射和风速对冬小麦的需水量影响较大, 其中, 相对湿度对于田的冬小麦影响较大, 日照时数对博乐的冬小麦需水量影响较大, 气温对精河的春小麦需水量影响较大, 风速对淖毛湖的冬小麦需水量影响较大, 降水对乌恰冬小麦需水量影响最大, 净辐射对克拉玛依冬小麦需水量影响最大; 在玉米的影响因子中(图6-d), 风速和气温对玉米需水量影响最大, 其中, 相对湿度对阿拉尔的玉米需水量影响最大, 日照时数对巴音布鲁克的影响最大, 气温对乌恰的影响最大, 风速对淖毛湖的影响最大, 降水对沙雅的影响最大, 净辐射对红柳河的影响最大。

图6 气象因子重要性评价

RHU: 相对湿度; SSD: 日照时数; TEM: 气温; WIN: 风速; PRE: 降水; Rn: 净辐射。

RHU: the relative humidity; SSD: sunshine hours; TEM: temperature; WIN: wind speed; PRE: precipitation; Rn: net radiation.

3 讨论

本研究使用长时间序列气象数据和作物生育数据, 选取新疆种植面积广且耗水量多的主要作物,使用多种方法全方位揭示了需水量和灌溉需水量的趋势演变、未来变化以及影响因素的解释, 研究为新疆农业高效用水和灌溉措施的制定提供决策和依据。

61年来, 新疆主要作物需水量, 在时间上呈现“先增后减又增”的变化趋势, 总体呈现下降趋势,其中在1974年达到最高值, 1993年为最低值。在空间上, 需水量呈现“南疆>北疆, 东南>西北, 东部>西部”变化趋势。需水量估算与全国[12]、北方[1]、西北干旱区[32-33]、新疆[3-4]及北疆[34]、塔里木流域[13]、开都河-孔雀河流域[14-15]不同尺度需水量基本吻合。20世纪80年代中后期, 4种作物的灌溉需水量低于平均值, 下降趋势较需水量更为显著, 表明降水量在逐年增多, 湿润化趋势北疆大于南疆。TFPW-MK趋势检验Z统计可看出, 在61年间, 塔里木盆地北部边缘的沙雅和阿克苏、东疆的巴里坤等站点需水量表现出上升趋势, 由于该地区平均气温逐年上升, 使得需水量也增加; 而在塔里木盆地中部、北疆的克拉玛依和南疆的阿图什等区域需水量在逐步降低, 受该地区相对湿度和降水量逐年增加的影响, 导致需水量降低。

使用R/S方法对未来需水量的预测可得, 北疆的塔城、托里、富蕴和乌鲁木齐站, 东疆的巴里坤, 南疆的沙雅、乌恰、塔中、且末和柯坪等站点4种作物未来需水量和灌溉需水量均会减少, 而东疆的红柳河、巴里坤与巴音布鲁克的春、冬小麦需水量在未来呈现上升趋势。

从协变量重要排名特征看, 总体上, 在作物全育期中, 风速和气温是影响新疆主要作物需水量的关键气象因子, 而降水对新疆主要作物需水量的重要性最小。若考虑作物在不同的生育阶段, 气象因素会产生不同的相关性[34], 由于气候的差异性, 局部区域需水量的主要影响因子也会不同[8,35], 景观格局[36]和CO2的变化[37-38]同样会影响作物需水量, 需待进一步研究与分析。本文依据空间尺度对每个站点多年气象要素进行分析, 得出平均气温和风速较高的地区需水量也较大, 若从时间尺度来分析, 当前正处于全球变暖的时期, 新疆地区降水增加和风速减少对需水量的影响超过了气温上升对需水量的增大的影响, 使得61年来需水量和灌溉需水量整体呈下降趋势。

4 结论

61年来, 新疆棉花、春小麦、冬小麦和玉米主要作物需水量, 在时间呈现“先增后减又增”的变化趋势, 在空间上呈现“南疆>北疆、东南>西北、东部>西部”的空间分布特征, 作物需水量和灌溉需水量从大到小均依次为: 棉花>玉米>冬小麦>春小麦; 20世纪80年代中后期, 降水量呈增加趋势, 4种作物整体灌溉需水量降低。在61年间, 分布在塔里木盆地北部边缘等12个站点需水量表现上升趋势; 分布在塔里木盆地中部的塔中、北疆的克拉玛依和南疆的阿图什等27个站需水量在逐步降低, 其余站点呈波动变化趋势。在未来, 北疆的塔城作物需水量量和灌溉需水量会减少; 而东疆的红柳河、巴里坤与巴音布鲁克的春、冬小麦需水量在未来呈现上升趋势, 而其他棉花和玉米呈下降趋势。在作物全育期中, 风速和气温是新疆主要作物需水量的最大影响因素,降水对新疆主要作物需水量的重要性最小。

[1] 康绍忠, 孙景生, 张喜英, 佟玲, 王景雷, 李思恩. 中国北方主要作物需水量与耗水管理. 北京: 中国水利水电出版社, 2018. pp 1–2. Kang S Z, Sun J S, Zhang X Y, Tong L, Wang J L, Li S E. Water Demand and Consumption Management of Major Crops in North China. Beijing: China Water Resources and Hydropower Press, 2018. pp 1–2 (in Chinese).

[2] Tan Q H, Liu Y J, Pan T, Song X F, Li X Y. Changes and determining factors of crop evapotranspiration derived from satellite-based dual crop coefficients in North China Plain., 2022, 10: 1496–1506.

[3] Yang X L, Jin X N, Chu Q Q, Pacenka S, Steenhuis T S. Impact of climate variation from 1965 to 2016 on cotton water requirements in North China Plain., 2021, 243: 106502.

[4] 王梅, 杨倩, 郑江华, 刘志辉. 1963–2012年新疆棉花需水量时空分布特征. 生态学报, 2016, 36: 4122–4130. Wang M, Yang Q, Zheng J H, Liu Z H. Spatial and temporal distribution of water requirement of cotton in Xinjiang from 1963 to 2012., 2016, 36: 4122–4130 (in Chinese with English abstract).

[5] 轩俊伟, 郑江华, 刘志辉. 近50年新疆小麦需水量时空特征及气候影响因素分析. 水土保持研究, 2015, 22(4): 155–160. Xuan J W, Zheng J H, Liu Z H. Spatiotemporal characteristics of water requirement of wheat as influenced by climate in Xinjiang in recent 50 years., 2015, 22(4): 155–160 (in Chinese with English abstract).

[6] 商蒙非, 赵炯超, 韩桐, 李硕, 王凯澄, 高真真, 秦雨酥, 褚庆全. 1961–2020年中国玉米需水量及水分盈亏的时空变化格局. 中国农业大学学报, 2022, 27(4): 22–30. Shang M F, Zhao J C, Han T, Li S, Wang K C, Gao Z Z, Qin Y S, Chu Q Q. Temporal and spatial variation of maize water requirement and water surplus and deficit in China from 1961 to 2020., 2022, 27(4): 22–30 (in Chinese with English abstract).

[7] 刘小刚, 符娜, 李闯, 王露, 杨启良. 河南省主粮作物需水量变化趋势与成因分析. 农业机械学报, 2015, 46(9): 188–197. Liu X G, Fu N, Li C, Wang L, Yang Q L. Trends and causes analysis of water requirement for main grain crops in Henan province., 2015, 46(9): 188–197 (in Chinese with English abstract).

[8] Zhang P, Ma W D, Hou L, Liu F S, Zhang Q. Study on the spatial and temporal distribution of irrigation water requirements for major crops in Shandong province., 2022, 14: 1051.

[9] 祁嘉郁, 巴特尔·巴克, 卡力比尔·买买提. 北疆春小麦不同生育阶段需水量变化的气候响应. 麦类作物学报, 2021, 41: 362–369. Qi J Y, Bake B, Mamat K. Climate response of water demand variation in spring wheat at different growth stages in Northern Xinjiang., 2021, 41: 362–369 (in Chinese with English abstract).

[10] 卡力比尔·买买提, 巴特尔·巴克, 祁嘉郁. 北疆地区棉花生育期需水量变化特征及成因分析. 节水灌溉, 2021, (1): 81–85. Mamat K, Bake B, Qi J Y. Variation Characteristic of water requirement during cotton growing period and its cause in Northern Xinjiang., 2021, (1): 81–85 (in Chinese with English abstract).

[11] 任修琳, 李宏亮, 张玉虎, 蒲晓, 张立林. 2000–2015年三江平原主要作物需水量特征及影响因素分析. 干旱区地理, 2019, 42: 854–866. Ren X L, Li H L, Zhang Y H, Pu X, Zhang L L. Water requirement characteristics and influencing factors of main crops in the Sanjiang Plain from 2000 to 2015., 2019, 42: 854–866 (in Chinese with English abstract).

[12] 邢贞相, 喻熠, 李凤昱, 王丽娟, 付强, 王红利. 建三江主要作物需水量变化趋势与关键影响因子识别. 农业机械学报, 2022, 53: 308–315. Xing Z X, Yu Y, Li F Y, Wang L J, Fu Q, Wang H L. The change trend and key influencing factors identification of the main crops water demand in Jiansanjiang., 2022, 53: 308–315 (in Chinese with English abstract).

[13] 刘钰, 汪林, 倪广恒, 丛振涛. 中国主要作物灌溉需水量空间分布特征. 农业工程学报, 2009, 25(12): 6–12. Liu Y, Wang L, Ni G H, Cong Z T. Spatial distribution characteristics of irrigation water requirement for main crops in China., 2009, 25(12): 6–12 (in Chinese with English abstract).

[14] Wang F, Chen Y N, Li Z, Fang G H, Li Y P, Xia Z H. Assessment of the irrigation water requirement and water supply risk in the Tarim River Basin, Northwest China., 2019, 11: 4941.

[15] Guo B, Li W H, Guo J Y, Chen C F. Risk assessment of regional irrigation water demand and supply in an arid inland river basin of northwestern China., 2015, 7: 12958–12973.

[16] Xu C C, Zhang X C, Zhang J X, Chen Y P, Yami T L, Yang H. Estimation of crop water requirement based on planting structure extraction from Multi-Temporal MODIS EVI., 2021, 35: 2231–2247.

[17] Winter J M, Lopez J R, Ruane A C, Young C A, Scanlon B R, Rosenzweig C. Representing water scarcity in future agricultural assessments., 2017, 18: 15–26.

[18] 吕娜娜, 白洁, 常存, 李均力, 罗格平, 吴世新, 丁建丽. 近50年基于农作物种植结构的新疆绿洲农田蒸散发时空变化分析. 地理研究, 2017, 36: 1443–1454. Lyu N N, Bai J, Chang C, Li J L, Luo G P, Wu S X, Ding J L. Spatial-temporal changes in evapotranspiration based on planting patterns of major crops in the Xinjiang oasis during 1960-2010., 2017, 36: 1443–1454 (in Chinese with English abstract).

[19] 史梦霞, 张佳笑, 石晓宇, 褚庆全, 陈阜, 雷永登. 近20年河北省几种高耗水作物的水分利用效率分析. 作物学报, 2021, 47: 2450–2458. Shi M X, Zhang J X, Shi X Y, Chu Q Q, Chen F, Lei Y D. Water use efficiency of several water-intensive crops in Hebei province in recent 20 years., 2021, 47: 2450–2458 (in Chinese with English abstract).

[20] Allen R G, Pereira L S, Raes D, Smith M. Crop evapotranspiration: Guidelines for computing crop water requirements., 1998, 56: 65–69.

[21] 段爱旺, 孙景生, 刘钰, 肖俊夫, 刘群昌, 齐学斌. 北方地区主要农作物灌溉用水定额. 北京: 中国农业科学技术出版社, 2004. pp 52–60. Duan A W. Sun J S, Liu Y, Xiao J F, Liu Q C, Qi X B. Irrigation Water Quota of Main Crops in Northern China. Beijing:China Agricultural Science and Technology Press, 2004. pp 52–60 (in Chinese).

[22] Geng Q L, Zhao Y K, Sun S K, He X H, Wang D, Wu D R, Tian Z H. Spatio-temporal changes and its driving forces of irrigation water requirements for cotton in Xinjiang, China., 2023, 280: 108218.

[23] 章诞武, 丛振涛, 倪广恒. 基于中国气象资料的趋势检验方法对比分析. 水科学进展, 2013, 24: 490–496. Zhang D W, Cong Z T, Ni G H. Comparison of three Mann- Kendall methods based on the China’s meteorological data., 2013, 24: 490–496 (in Chinese with English abstract).

[24] Huang F, Qian B, Ochoa C G. Long-term river water temperature reconstruction and investigation: a case study of the Dongting Lake Basin, China., 2023, 616: 128857.

[25] 张静. 干旱环境遥感监测方法的适用性及在西北干旱区的应用. 西北师范大学硕士学位论文, 甘肃兰州, 2021. Zhang J. Applicability of Remote Sensing Monitoring Method for drought Environment and Its Application in Arid Area of Northwest China. MS Thesis of Northwest Normal University, Lanzhou, Gansu, China, 2021 (in Chinese with English abstract).

[26] Zhang X C, Chen L X, Zhou C. Deformation monitoring and trend analysis of reservoir bank landslides by combining time-series InSAR and hurst index., 2023, 15: 619.

[27] Liaw A, Wiener M. Classification and regression by random forest., 2002, 2: 18–22.

[28] 李剑锋, 张强, 白云岗, 张江辉. 新疆地区最大连续降水事件时空变化特征. 地理学报, 2012, 67: 312–320. Li J F, Zhang Q, Bai Y G, Zhang J H. Spatio-temporal Probability Behaviors of the Maximum Consecutive Wet Days in Xinjiang, China., 2012, 67: 312–320 (in Chinese with English abstract).

[29] 戴新刚, 汪萍, 张凯静. 近60年新疆降水趋势与波动机制分析. 物理学报, 2013, 62: 527–537. Dai X G, Wang P, Zhang K J. study on precipitation trend and fluctuation mechanism in northwestern China over the past 60 years., 2013, 62: 527–537 (in Chinese with English abstract).

[30] 杨莲梅. 新疆极端降水的气候变化. 地理学报, 2003, 58: 577–583. Yang L M. Climate change of extreme precipitation in Xinjiang., 2003, 58: 577–583 (in Chinese with English abstract).

[31] 李剑锋, 张强, 陈晓宏, 白云岗. 新疆极端降水概率分布特征的时空演变规律. 灾害学, 2011, 26(2): 11–17. Li J F, Zhang Q, Chen X H, Bai Y G. Spatial-temporal evolution pattern of probability distribution characteristics of extreme precipitation in Xinjiang Autonomous Region., 2011, 26(2): 11–17 (in Chinese with English abstract).

[32] 王小静. 西北旱区作物需水量对气候变化的响应. 西北农林科技大学硕士学位论文, 陕西杨凌, 2014. Wang X J. The Response of Crop Water Reouirement to Climate Change in the Arid-region of Northwest China. MS Thesis of Northwest A&F University, Yangling, Shaanxi, China, 2014 (in Chinese with English abstract).

[33] 李亮. 气候变化条件下中国西北地区主要作物需水量时空演变及干旱指标研究. 西北农林科技大学硕士学位论文, 陕西杨凌, 2019. Li L. Impact of Climate Change on Crop Water Requirement and Drought Indices in Northwest China. MS Thesis of Northwest A & F University, Yangling, Shaanxi, China, 2019 (in Chinese with English abstract).

[34] 吴燕锋, 巴特尔·巴克, 罗那那, Rasulov H. 石河子地区冬小麦生育期需水量变化特征及其气候成因. 水土保持通报, 2016, 36(1): 69–74. Wu Y F, Bake B, Luo N N, Rasulov H. Variations in water requirement of winter wheat at different growth stages and its climatic cause in Shihezi region., 2016, 36(1): 69–74 (in Chinese with English abstract).

[35] 董煜, 海米提·依米提. 1961–2013年新疆潜在蒸散量变化特征及趋势. 农业工程学报, 2015, 31(1): 153–161. Dong Y, Haimiti Y. Spatio-temporal variability and trend of potential evapotranspiration in Xinjiang from 1961 to 2013., 2015, 31(1): 153–161(in Chinese with English abstract).

[36] Han Y, Wang J L, Li P. Influences of landscape pattern evolution on regional crop water requirements in regions of large-scale agricultural operations., 2021, 327: 129499.

[37] Urban D W, Sheffield J, Lobell D B. Historical effects of CO2and climate trends on global crop water demand., 2017, 7: 901–905.

[38] Tian J, Zhang Y Q. Detecting changes in irrigation water requirement in Central Asia under CO2fertilization and land use changes., 2020, 583: 124315.

Spatio-temporal characteristics of water requirement of main crops in Xinjiang from 1960 to 2020

HE Xu-Gang, MAMAT Sawut*, XIA Zi-Yang, SHI Jun-Yin, HE Xiao-Ning, SHENG Yan-Fang, and LI Rong-Peng

College of Geography and Remote Sensing Sciences, Xinjiang University / Ministry of Education Key Laboratory of Oasis Ecology, Xinjiang University / Key Laboratory of Oasis Ecology, Ministry of Education, Urumqi 830017, Xinjiang, China

Spatio-temporal analysis of crop water requirement and crop irrigation water requirement is crucial to the optimal allocation of water resources and the formulation of irrigation systems. The objective of this study is to understand the spatio-temporal characteristics and influencing factors of the water requirement during the growth period and irrigation water requirement of the main crops in Xinjiang, cotton, spring wheat, winter wheat, and corn. Based on the daily meteorological observation data from 1960 to 2020, the Penman-Monteith formula and the single crop coefficient method were adopted in this study, and Mann-Kendall (TFPW-MK) of Detrended Preset White (TFPW) was used to study the changing characteristics of water requirement of four crops. The temporal and spatial evolution trend of crop water requirement and irrigation water requirement were predicted by rescaled range (R/S) analysis. Using the principle of important covariate feature identification of the random forest model, the importance ranking of meteorological factors and crop water requirement was analyzed, and the causes of changes in crop water requirement were explored. The results show that: 1) the water requirement of major crops in Xinjiang had generally shown a trend of “increase first, then decrease and then increase” for 61 year. The order of crop water demand and irrigation water requirement from large to small was: cotton > corn > winter wheat > spring wheat. In terms of space, there was a spatial distribution of “Southern Xinjiang>Northern Xinjiang, Southeast>Northwest, East>Western”. The variation range of water requirement for major crops was: cotton 381.20–991.20 mm (mean 654.94 mm), corn 350.26–924.48 mm (mean 607.98 mm), spring wheat 361.96–709.69 mm (average 464.89 mm), winter wheat 266.47–753.62 mm (average 495.7 0 mm). The range of irrigation water requirement was: cotton 49.49–975.88 mm (average 563.19 mm), corn 52.47–910.85 mm (average 530.18 mm), spring wheat 42.58–701.29 mm (average 409.28 mm), winter wheat 21.94–741.77 mm (average 418.26 mm). Since the middle and late 1980s, irrigation water requirement decreased more than water requirement. 2) According to the TFPW-MK analysis, in the past 61 years, the water requirement of 12 stations mainly distributed in the northern edge of the Tarim Basin, including Shaya and Aksu, and Baekol in the eastern Xinjiang, showed an upward trend. The water requirement of 27 stations in Karamay in Xinjiang and Artux in southern Xinjiang gradually decreased; the rest of the stations fluctuated up and down. 3) In the prediction of future water demand using the R/S method, four crop water demand and irrigation water demand at Tacheng, Toli, Fuyun and Urumqi stations in northern Xinjiang, Baekol in eastern Xinjiang, and Shaya, Wuqia, Tazhong, Qiemo and Kalpin stations in southern Xinjiang will decrease in the future, while spring and winter wheat water demand at Hongliuhe, Baekol and Bayanbulak in eastern Xinjiang will show an increasing trend in the future. 4) During the crop growth period, wind speed and temperature were the most important factors affecting the water requirement of major crops in Xinjiang, while precipitation was the least important factor for the water requirement of major crops in Xinjiang. This research comprehensively provides decision-making and basis for the formulation of high-efficiency agricultural water use and irrigation measures in Xinjiang.

crops in Xinjiang; water requirement; TFPW-MK method; R/S analysis method; random forest

2023-06-29;

2023-07-13.

10.3724/SP.J.1006.2023.31007

通信作者(Corresponding author): 买买提·沙吾提, E-mail: korxat@xju.edu.cn

E-mail: hexugang@stu.xju.edu.cn

2023-01-30;

本研究由新疆自然科学计划(自然科学基金)联合基金项目(2021D01C055)资助。

This study was supported by the Xinjiang Natural Science Program (Natural Science Foundation) Joint Fund Project (2021D01C055).

URL: https://kns.cnki.net/kcms2/detail/11.1809.S.20230713.1022.002.html

This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).