中亞五國棉花和冬小麥需水量的變化及預測*

田 靜, 蘇晨芳,2

中亞五國棉花和冬小麥需水量的變化及預測*

田 靜1, 蘇晨芳1,2

(1. 中國科學院地理科學與資源研究所陸地水循環(huán)及地表過程重點實驗室 北京 100101; 2. 中國科學院大學 北京 101408)

農(nóng)業(yè)灌溉用水是中亞地區(qū)最主要的水資源利用方式, 灌溉用水量的變化直接影響中亞地區(qū)水資源消耗量, 進而影響水資源管理和配置。作物需水量是衡量農(nóng)業(yè)灌溉用水量的直接指標, 為此本文以中亞主要作物棉花和冬小麥為研究對象, 分析了2006—2015年中亞地區(qū)灌溉農(nóng)業(yè)用地, 以及棉花和冬小麥的需水量變化, 并利用CA_Markov方法預測了2030年灌溉農(nóng)地的變化, 進而分析了未來中亞地區(qū)農(nóng)業(yè)需水量的狀況。研究表明, 2006—2015年, 中亞地區(qū)灌溉農(nóng)田面積總體增加492 km2, 其中哈薩克斯坦、吉爾吉斯斯坦和土庫曼斯坦均有所增加, 但塔吉克斯坦和烏茲別克斯坦有所減少。2006—2015年, 棉花需水量只在土庫曼斯坦和哈薩克斯坦東部地區(qū)顯著增加(2.5~4.3 mm?a?1), 在吉爾吉斯斯坦顯著減少, 并且是唯一呈現(xiàn)總體減少趨勢的國家。冬小麥需水量在土庫曼斯坦明顯增加(10.0 mm?a?1)。至2015年, 土庫曼斯坦的棉花總灌溉水量增幅最大(3.44%), 其他4個國家變化較小。中亞五國冬小麥的總灌溉水量均呈上升趨勢; 2030年, 土庫曼斯坦是唯一灌溉農(nóng)業(yè)用地增加的國家, 棉花和冬小麥的總灌溉水量均明顯增加, 棉花灌溉水量增加約28 km3, 冬小麥增加約17 km3。

中亞五國; 灌溉農(nóng)地; 作物需水量; 棉花和冬小麥

中亞五國包括哈薩克斯坦、吉爾吉斯斯坦、塔吉克斯坦、烏茲別克斯坦和土庫曼斯坦。地處亞洲中部, 屬于典型的大陸性氣候, 降水稀少, 蒸發(fā)量大, 水資源十分匱乏, 這里是世界最大的干旱和半干旱區(qū)之一。除了能源產(chǎn)業(yè)外, 農(nóng)業(yè)在中亞五國經(jīng)濟發(fā)展中占重要地位[1-3]。哈薩克斯坦是世界第五大小麥()出口國。烏茲別克斯坦和土庫曼斯坦的棉花(spp.)產(chǎn)量居世界前列。中亞國家是“絲路經(jīng)濟帶”農(nóng)業(yè)建設(shè)的重要高地和經(jīng)濟走廊, 在我國“一帶一路”的戰(zhàn)略背景下, 我國與中亞五國農(nóng)產(chǎn)品貿(mào)易正在呈現(xiàn)不斷擴大的態(tài)勢。

中亞地區(qū)水資源是限制其農(nóng)業(yè)發(fā)展的重要因素, 灌溉是農(nóng)業(yè)生產(chǎn)的最重要手段, 是中亞地區(qū)最主要的水資源利用方式[1]。據(jù)統(tǒng)計, 中亞地區(qū)的農(nóng)業(yè)灌溉用水量超過其兩大河流阿姆河和錫爾河總?cè)∷康?0%[4-5]?？梢娹r(nóng)業(yè)灌溉用水的變化對該地區(qū)的水資源影響顯著。而決定農(nóng)業(yè)灌溉用水量的關(guān)鍵是作物需水量, 即作物生長發(fā)育需要消耗的水量, 其主要影響因素包括氣象條件、作物類型和耕地面積。Conrad等[6]利用FAO (Food and Agriculture Organization of the United Nations)提出的方法, 計算了2010年烏茲別克斯坦主要灌溉耕地費爾干納河谷(Fergana Valley)地區(qū)棉花和冬小麥的作物需水量; Tian等[2]利用考慮大氣CO2濃度的改進FAO方法預測了未來中亞地區(qū)全部種植棉花或者全部種植冬小麥情況下的作物需水量, 研究結(jié)果表明, 未來土庫曼斯坦和烏茲別克斯坦的農(nóng)業(yè)水資源短缺最為嚴重, 塔吉克斯坦最小。Ruan等[3]利用CropWat模型估算了2000—2018年錫爾河流域主要作物的需水量,并分析了變化趨勢。研究結(jié)果顯示2000年至2018年錫爾河流域單位面積作物需水量平均為944.1 mm, 增長速率為7.6 mm?a?1, 到2018年總的需水量達194.8億m3。與上述研究不同的是, 本文利用改進的FAO方法以中亞地區(qū)灌溉農(nóng)田為研究區(qū), 以2006— 2015年為研究時間段, 分析了期間冬小麥和棉花的需水量變化, 并以2030年為未來時間, 分析到2030年作物需水量的變化, 從而為全面剖析作物需水量對中亞水資源的影響奠定基礎(chǔ), 并為我國與中亞五國的未來農(nóng)業(yè)合作發(fā)展提供參考信息。

1 研究區(qū)概況

圖1顯示了中亞五國的地理位置及2015年灌溉農(nóng)地分布情況。圖中可見, 中亞五國的灌溉農(nóng)田主要分布在整個區(qū)域的南部和東南部。各國的灌溉農(nóng)田面積從多到少依次為哈薩克斯坦(86 269 km2)、烏茲別克斯坦(81 198 km2)、土庫曼斯坦(40 233 km2)、吉爾吉斯斯坦(32 178 km2)和塔吉克斯坦(14 283 km2)。

中亞五國的水資源分布極不均勻。根據(jù)世界銀行月降雨數(shù)據(jù)庫的數(shù)據(jù)(https://climateknowledgeportal. worldbank.org/), 2000—2015年中亞五國平均年降雨量從多到少依次為塔吉克斯坦(523 mm)、吉爾吉斯斯坦(414 mm)、哈薩克斯坦(270 mm)、烏茲別克斯坦(211 mm)和土庫曼斯坦(155 mm)。塔吉克斯坦和吉爾吉斯斯坦位于東南部山區(qū), 因此有較多的降雨。同時中亞兩大河流阿姆河和錫爾河也發(fā)源于此, 因此它們的地表水資源也較豐富, 超過整個中亞五國的2/3。

在作物種植結(jié)構(gòu)上, 根據(jù)國際糧農(nóng)組織FAO的統(tǒng)計數(shù)據(jù)(http://www.fao.org/faostat/en/#data), 2015年中亞五國小麥和棉花的種植面積占整個作物種植面積的93%, 哈薩克斯坦是世界第五大小麥出口國, 棉花是土庫曼斯坦和烏茲別克斯坦的支柱農(nóng)產(chǎn)品, 在塔吉克斯坦也有大面積的種植。棉花的生長季在4月初至10月初, 冬小麥的生長季在10月中旬至翌年的6月初[6]。因此本文以棉花和小麥為研究對象。

2 數(shù)據(jù)來源與研究方法

本研究的目標是分析2006—2015年及未來2030年中亞地區(qū)棉花和冬小麥的需水量變化。最主要的數(shù)據(jù)是灌溉農(nóng)業(yè)用地面積和作物需水量。2006—2015年灌溉農(nóng)業(yè)用地面積基于歐空間CCI (climate change initiative)的土地利用數(shù)據(jù)產(chǎn)品(https://www.esa- landcover-cci.org/)提取而得。未來2030年的灌溉農(nóng)地面積利用元胞自動機-馬爾科夫方法(CA_Markov方法), 基于歷史時期灌溉農(nóng)地預測而得。作物需水量的計算是基于改進的FAO方法[7-8]。

2.1 使用的數(shù)據(jù)

本研究使用的數(shù)據(jù)包括歷史土地利用數(shù)據(jù)、氣象數(shù)據(jù)和其他輔助數(shù)據(jù)。

1)中亞五國土地利用數(shù)據(jù): 2006—2015年CCI土地利用數(shù)據(jù), 空間分辨率約300 m。主要用于提取歷史時期灌溉農(nóng)地信息, 及作為CA_Markov方法的輸入項預測2030年中亞五國灌溉農(nóng)地面積。首先將CCI原始數(shù)據(jù)的22種土地覆蓋類型進行了重分類, 分為其他耕地(雨養(yǎng)耕地、混合耕地)、灌溉耕地、林地、草地、裸地、水體和城鎮(zhèn)6種。具體重分類方案參見文獻[9]。

2)氣象數(shù)據(jù): 主要為氣溫、降雨量和大氣CO2濃度數(shù)據(jù)。用于作物需水量計算和作為生成土地利用適宜性圖集的影響要素。其中未來的氣象數(shù)據(jù)來源于RCP2.6和RCP4.5兩種情景下CMIP5 (coupled model intercomparison project phase 5)的模擬結(jié)果, 是經(jīng)過偏差訂正后的15個氣候模式輸出結(jié)果的平均值。空間分辨率為0.5度。

3)輔助數(shù)據(jù): 應用CA_Markov方法預測未來土地利用變化需要考慮影響土地利用變化的重要因素, 用于生成預測土地利用變化時的適宜性圖集。主要考慮的因素包括[10-11]: 數(shù)字高程數(shù)據(jù)(DEM), 來源于Shuttle Radar Topography Mission (http://srtm.csi. cgiar.org/srtmdata/); 坡度和坡向, 由DEM經(jīng)過ArcGIS10.2處理而得; 人口密度數(shù)據(jù), 空間分辨率為1 km, 來源于Socioeconomic Data and Applications Center (https://sedac.ciesin.columbia.edu/data/ collection/gpw-v4); 河流水系矢量數(shù)據(jù), 來源于http://www.naturalearthdata.com。

由于所使用數(shù)據(jù)時空分辨率的差異, 研究中將所有空間數(shù)據(jù)重采樣至1 km的尺度上進行計算。

2.2 計算方法

作物參考蒸散發(fā)(ET0)的計算如公式(1)[8]。該方法是對FAO提出的ET0的改進, 特別考慮了大氣CO2濃度對作物蒸騰的影響。

式中:是水汽壓隨溫度變化的斜率;n是凈輻射;是土壤熱通量;是干濕表常數(shù), 等于0.66;是日平均氣溫;2是2 m高度的日平均風速;s是飽和水汽壓;a是實際水汽壓; [CO2]是大氣CO2濃度。各變量的具體計算方法參見FAO灌溉和排水NO.56手冊[7]。

作物實際蒸散發(fā)(ET, mm)的計算采用作物系數(shù)與ET0的方法計算得到:

式中:c是作物系數(shù), 本研究使用SIC-ICWC (Scientific Information Centre of Interstate Commission on Water Coordination in Central Asia)給出的中亞地區(qū)棉花和冬小麥在4個生長階段及對應的作物系數(shù)[6,12](表1)。

表1 中亞地區(qū)冬小麥和棉花在4個生長階段的作物系數(shù)(Kc)值

本研究使用的FAO作物需水量(IWR, mm)計算方法如下:

式中:e是灌溉效率, 表示被作物實際利用的灌溉水量與實際抽取的水量的比值。因為公式(1)中考慮了灌溉效率, 因此本文計算的作物需水量包含了灌溉水損失。根據(jù)Rost等[13]在全球尺度上對灌溉效率的研究, 中亞地區(qū)灌溉效率為0.566。e為有效降雨(mm), 表示被作物實際利用的降雨量, 本文采用USDA的方法計算, 計算方法如下:

式中:是月降雨量(mm)。

2.3 作物總灌溉需水量的計算方法

作物需水量的單位是mm, 表征單位面積的水量?？紤]作物種植面積的影響, 本文使用作物總灌溉需水量概念?？偣喔刃杷康扔谧魑锓N植面積與作物需水量的乘積, 單位是km3, 表征的是體積水量。相同的作物需水量, 作物種植面積越大其總灌溉需水量越多。

2.4 元胞自動機-馬爾科夫模型(CA_Markov方法)預測2030年土地利用

A_Markov方法是結(jié)合元胞自動機模型(CA)強大的空間動態(tài)演化能力和馬爾科夫模型(Markov)時間動態(tài)模擬的優(yōu)勢構(gòu)建而成。其用于土地利用變化預測的核心是基于歷史兩期土地利用數(shù)據(jù), 先利用Markov方法生成土地利用轉(zhuǎn)移矩陣和條件概率圖像, 假設(shè)未來土地利用變化與歷史土地利用變化遵循相同的轉(zhuǎn)換規(guī)則, 再利用CA_Markov方法, 并結(jié)合考慮土地利用變化驅(qū)動因子生成的適宜性圖集, 最后實現(xiàn)未來土地利用的預測。

本研究應用CA_Markov方法預測未來土地利用變化涉及4個關(guān)鍵內(nèi)容。1) CA_Markov方法在中亞地區(qū)的適用性評估。研究中基于2005年和2010年的土地利用數(shù)據(jù)應用CA_Markov方法預測2015年土地利用, 將預測結(jié)果與實際2015年土地利用進行對比, 以Kappa系數(shù)作為指標完成評估。2)土地利用變化轉(zhuǎn)換規(guī)則生成。研究中基于2000年和2015年的土地利用數(shù)據(jù)應用Markov方法生成土地利用轉(zhuǎn)移矩陣和條件概率圖像作為轉(zhuǎn)換規(guī)則。3)土地利用變化適宜性圖集生成。CA_Markov方法除了考慮土地利用轉(zhuǎn)換規(guī)則外, 還考慮土地利用變化驅(qū)動因素的影響進行未來土地利用的預測。每種土地利用類型作為因變量, 各種土地利用變化驅(qū)動因素作為自變量建立的每類土地利用類型的空間分布概率圖合集即是土地利用變化適宜性圖集。借鑒文獻中的結(jié)果[10-11,14-15], 本文選取了海拔、坡度、坡向、氣溫、降水、人口密度和距河流的距離等7個參數(shù)作為驅(qū)動要素, 采用多元回歸模型建立適宜性圖集。4) 2030年土地利用預測。基于生成的土地利用變化轉(zhuǎn)換規(guī)則和適宜性圖集, 應用CA_Markov方法獲得2030年土地利用預測結(jié)果。

3 結(jié)果與分析

3.1 歷史時期(2006—2015)中亞五國灌溉農(nóng)業(yè)用地、作物需水量和總灌溉需水量的變化

3.1.1 中亞地區(qū)灌溉農(nóng)業(yè)用地變化分析

利用CCI數(shù)據(jù)分析中亞地區(qū)土地利用變化情況, 將土地覆蓋類型分為其他耕地(雨養(yǎng)耕地、混合耕地)、灌溉耕地、林地、草地、裸地、水體和城鎮(zhèn)6種。由圖2可知, 2006—2015年, 中亞灌溉耕地面積變化具有明顯的階段特征, 呈現(xiàn)先持續(xù)增加后波動減少的趨勢, 總體增長492 km2。2006—2012年, 中亞灌溉耕地面積持續(xù)增加, 2012年達25.5萬 km2, 約增加811 km2。產(chǎn)生這種變化是由于人口增長率高, 糧食需求相應增加, 人為擴張耕地, 尤其是灌溉農(nóng)業(yè)用地面積的進一步擴大[16]。2012—2015年灌溉農(nóng)業(yè)用地有所減少, 這可能是由于農(nóng)田灌溉的水資源減少導致的[17-18]。灌溉耕地的變化與其他土地覆蓋類型變化具有對應關(guān)系, 2006—2015年中亞五國耕地面積整體上升, 而草地、裸地和水體面積相應呈減少趨勢, 大量自然植被和裸地轉(zhuǎn)為耕地, 灌溉農(nóng)業(yè)得到發(fā)展[19-20]。

根據(jù)五國各自灌溉耕地的變化, 發(fā)現(xiàn)2006—2015年灌溉農(nóng)業(yè)用地的擴張集中在哈薩克斯坦、吉爾吉斯斯坦、土庫曼斯坦, 該3國的灌溉耕地面積持續(xù)增加, 分別增長703.7 km2、653.4 km2和573.4 km2; 同期塔吉克斯坦和烏茲別克斯坦呈相反變化趨勢, 灌溉耕地面積持續(xù)減少, 分別減少156.7 km2和1282.3 km2。

3.1.2 棉花和冬小麥需水量的變化

1)棉花需水量變化。如圖3所示, 以2006年、2015年為例, 中亞地區(qū)灌溉耕地棉花需水量呈現(xiàn)自東向西增高的空間分布, 大于1600 mm的高值集中在烏茲別克斯坦和土庫曼斯坦, 2006—2015年棉花需水量的空間分布并未發(fā)生明顯變化。通過分析2006—2015年棉花需水量相對變化發(fā)現(xiàn), 變化趨勢具有明顯的空間分異。采用最小二乘法進行趨勢分析, 土庫曼斯坦、塔吉克斯坦、哈薩克斯坦和烏茲別克斯坦絕大部分的灌溉耕地上, 棉花作物需水量的增長趨勢斜率小于2.5 mm?a?1, 相對增幅小于3%; 但土庫曼斯坦和哈薩克斯坦東部出現(xiàn)3%~6%增幅區(qū), 在<0.05水平上顯著增長, 趨勢斜率為2.5~ 4.3 mm?a?1。同期, 吉爾吉斯斯坦和烏茲別克斯坦東部以及哈薩克斯坦東南部的棉花作物需水量減少, 減少幅度小于3%; 但吉爾吉斯斯坦中部減幅達3%~6.5%, 減少趨勢斜率為?5.5~?2.5 mm?a?1, 達顯著水平(<0.05)。

2)冬小麥需水量變化。如圖4所示, 中亞地區(qū)冬小麥需水量呈現(xiàn)自東向西增高的分布趨勢, 與棉花相同, 2006—2015年間其空間分布特征無顯著變化。研究期間, 哈薩克斯坦東部的冬小麥需水量減少; 其他地區(qū)均增加, 且烏茲別克斯坦東部和土庫曼斯坦的冬小麥需水量增量大于100 mm。根據(jù)2006— 2015年冬小麥需水量的相對變化發(fā)現(xiàn), 哈薩克斯坦東部減幅為0~9%, 趨勢斜率為?4.6~0 mm?a?1; 中亞大部分地區(qū)的冬小麥需水量增幅為0~15%, 烏茲別克斯坦東部增幅達15%~20%, 其中絕大部分地區(qū)趨勢斜率小于10 mm?a?1, 但土庫曼斯坦的趨勢斜率大于10 mm?a?1。

3)中亞各國的作物需水量變化。以中位數(shù)代表每個國家的作物需水量水平。由圖5可知, 2006—2015年中亞五國棉花需水量的年際變化趨勢基本相同, 且五國數(shù)據(jù)的變異系數(shù)均為1%左右, 變化穩(wěn)定。對于冬小麥需水量, 烏茲別克斯坦、土庫曼斯坦和塔吉克斯坦的年際變化趨勢基本相同, 但2010—2011年各國變化存在差異, 哈薩克斯坦的冬小麥需水量增加, 而其他4國均減少且塔吉克斯坦減少最多, 為95 mm。這是由于氣溫、降水以及溫室氣體等氣象因素的變化, 都會對作物需水量值產(chǎn)生重要影響[21]。塔吉克斯坦數(shù)據(jù)的變異系數(shù)為11%, 數(shù)據(jù)波動較大, 其他國家均為2%左右, 變化穩(wěn)定。

3.1.3 中亞五國棉花和冬小麥總灌溉需水量變化分析

2006—2015年, 中亞五國種植棉花的總灌溉需水量均呈先增加后減少的年際變化趨勢(表2), 但變化程度并不顯著。塔吉克斯坦和烏茲別克斯坦的灌溉耕地面積略有減少(圖2), 棉花作物需水量略有增加(圖3A), 因此其棉花總灌溉需水量保持穩(wěn)定。吉爾吉斯斯坦的灌溉耕地面積持續(xù)增加, 棉花作物需水量顯著減少, 因此總灌溉需水量也保持穩(wěn)定。土庫曼斯坦的灌溉耕地面積持續(xù)增加, 同期棉花作物需水量顯著增加, 因此該國棉花總灌溉需水量明顯增加, 至2015年的增幅為3.44%。

表2 2006—2015年中亞五國種植棉花、冬小麥總灌溉需水量

2006—2015年, 中亞五國的冬小麥總灌溉需水量呈現(xiàn)穩(wěn)定上升的年際變化趨勢。由表3發(fā)現(xiàn), 研究期間塔吉克斯坦的增幅最大, 為21.79%; 其次較明顯的為土庫曼斯坦、吉爾吉斯斯坦, 增長幅度分別為11.17%、9.88%。塔吉克斯坦和烏茲別克斯坦的耕地面積雖略有減少, 但冬小麥的總灌溉需水量顯著增加, 因此冬小麥的總灌溉需水量均顯著增加。說明冬小麥的總灌溉需水量變化顯著影響灌溉水資源的利用。

3.2 2030年中亞五國灌溉農(nóng)業(yè)用地、作物需水量和總灌溉需水量的變化

應用CA_Markov方法進行土地利用預測。首先基于2005年和2010年的土地利用數(shù)據(jù)進行2015年土地利用的預測, 將預測結(jié)果與2015年真實的土地利用數(shù)據(jù)對比來實現(xiàn)方法的驗證。利用Kappa系數(shù)作為指標衡量驗證結(jié)果的優(yōu)劣, 若Kappa≥0.8表示預測結(jié)果與真實結(jié)果較接近, 若≤0.4說明預測結(jié)果較差[22-23]。通過對比, 應用CA_Markov方法預測的2015年土地利用結(jié)果與真實土地利用情況相比, Kappa系數(shù)為0.84, 由此說明基于本文所選的土地利用變化驅(qū)動因素和CA_Markov方法能夠較好地預測未來中亞地區(qū)土地利用情況。

基于CA_Markov方法, 利用2000年和2015年的土地利用數(shù)據(jù)預測2030年中亞地區(qū)灌溉農(nóng)業(yè)用地情況如表4所示。表中可見, 除了土庫曼斯坦2030年相比于2015年灌溉農(nóng)地面積有較大幅度的增加(30.5%)以外, 其余4個國家都有較小幅度的減少。減少幅度從大到小依次為烏茲別克斯坦(7.4%)、塔吉克斯坦(5.8%)、哈薩克斯坦(3.4%)和吉爾吉斯斯坦(0.9%)。

表3 2015年和2030年中亞五國農(nóng)業(yè)用地灌溉面積對比

3.3 中亞五國棉花和冬小麥總灌溉需水量變化

圖6對比了RCP2.6和RCP4.5情景下, 中亞五國2015年和2030年棉花和冬小麥作物需水量及總灌溉需水量。圖中可以看出, 2015年和2030年中亞五國各自的棉花和冬小麥的作物需水量差別較小, 最顯著的是烏茲別克斯坦冬小麥需水量在2030年增加了150~200 mm。5個國家總灌溉需水量結(jié)果表明, 土庫曼斯坦2030年存在較大的增量, 棉花增加約28 km3, 冬小麥增加約17 km3。這主要是由于其灌溉農(nóng)業(yè)用地的增加導致了總的灌溉需水量的增加。其次, 烏茲別克斯坦冬小麥的總灌溉需水量增加約10~14 km3。這主要是因為其冬小麥需水量增加導致的。其他國家變化較小。

綜合表3和圖6, 5個國家對比, 哈薩克斯坦灌溉農(nóng)業(yè)面積最大, 其次為烏茲別克斯坦, 之后依次為土庫曼斯坦, 吉爾吉斯斯坦和塔吉克斯坦?？紤]各國的農(nóng)業(yè)需水量, 各國總灌溉需水量由多到少依次為烏茲別克斯坦、哈薩克斯坦、土庫曼斯坦、吉爾吉斯斯坦和塔吉克斯坦。

與FAO給出的2010年中亞五國總可利用淡水量(哈薩克斯坦為107.5 km3, 吉爾吉斯斯坦為23.6 km3, 塔吉克斯坦為21.9 km3, 土庫曼斯坦為24.8 km3, 烏茲別克斯坦為48.9 km3)相比, 如果種植棉花, 哈薩克斯坦、吉爾吉斯斯坦、土庫曼斯坦和烏茲別克斯坦的總灌溉需水量遠超其可利用水量, 尤其是土庫曼斯坦和烏茲別克斯坦。如果種植冬小麥, 可利用水量可以滿足哈薩克斯坦、吉爾吉斯斯坦和塔吉克斯坦的需要, 但對土庫曼斯坦和烏茲別克斯坦仍無法滿足需求。

4 結(jié)論與討論

中亞地區(qū)是世界最大的干旱和半干旱區(qū)之一, 水資源短缺極其嚴重。而中亞五國的農(nóng)業(yè)灌溉用水占社會經(jīng)濟用水總量的比例十分高, 因此研究其灌溉用水狀況對進行有效的水資源配置和管理具有重要意義。本研究利用FAO作物需水量計算方法估算了中亞主要作物棉花和冬小麥的作物需水量, 在此基礎(chǔ)上分析了2006—2015年中亞五國灌溉農(nóng)業(yè)用地、作物需水量和總灌溉需水量的變化。同時本研究還利用CA_Markov方法預測了2030年中亞地區(qū)的灌溉農(nóng)地變化, 以此來分析2030年中亞地區(qū)作物需水量的狀況。2006—2015年中亞地區(qū)的灌溉耕地面積總體上升, 增長主要在哈薩克斯坦、吉爾吉斯斯坦和土庫曼斯坦; 塔吉克斯坦和烏茲別克斯坦呈減少變化。2006—2015年, 中亞絕大部分地區(qū)棉花和冬小麥的作物需水量都呈增加趨勢, 其中棉花作物需水量在土庫曼斯坦和哈薩克斯坦東部地區(qū)增長速率最多為2.5~4.3 mm?a?1; 冬小麥作物需水量土庫曼斯坦地區(qū)增長最多, 大于10 mm?a?1; 吉爾吉斯斯坦是唯一呈棉花作物需水量減少趨勢的國家。由于土庫曼斯坦灌溉耕地面積和棉花需水量都有顯著增加, 因此至2015年棉花總灌溉需水量增幅最多, 為3.44%, 其他4個國家變化較小。冬小麥的總灌溉需水量, 塔吉克斯坦的增幅最大, 為21.79%, 其次為土庫曼斯坦和吉爾吉斯斯坦, 增長幅度分別為11.17%和9.88%。2030年土庫曼斯坦的灌溉農(nóng)地增加明顯, 其余4個國家都有所減少。因此, 總灌溉需水量土庫曼斯坦2030年存在較大的增量, 棉花增加約28 km3, 冬小麥增加約17 km3; 其次, 烏茲別克斯坦冬小麥的總灌溉需水量增加約10~14 km3, 這主要是由于冬小麥需水量增加所致。

由于研究時段和研究區(qū)域的差異, 無法進行本研究與其他相似研究結(jié)果的具體細節(jié)對比, 但在總體上本研究結(jié)果與其他研究具有較好的一致性。本研究結(jié)果表明, 土庫曼斯坦和烏茲別克斯坦未來(2030年)總灌溉需水量增加較多, 因此將面臨較大的農(nóng)業(yè)水資源壓力, 這與Tian等[2]的研究結(jié)果一致。本文的研究結(jié)果表明, 2006—2015年中亞地區(qū)棉花和冬小麥的需水量呈增加趨勢, 這與Ruan等[3]的研究也具有一致性, 即2000—2018年錫爾河流域的作物需水量呈現(xiàn)增加趨勢。這在總體上說明了本研究結(jié)果的可信性。

[1] 楊勝天, 于心怡, 丁建麗, 等. 中亞地區(qū)水問題研究綜述[J]. 地理學報, 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] 鄧銘江, 龍愛華, 章毅, 等. 中亞五國水資源及其開發(fā)利用評價[J]. 地球科學進展, 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, 于靜潔. 1992-2015年中亞五國土地覆蓋與蒸散發(fā)變化[J]. 地理學報, 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] 岳東霞, 楊超, 江寶驊, 等. 基于CA-Markov模型的石羊河流域生態(tài)承載力時空格局預測[J]. 生態(tài)學報, 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] 李麗, 劉普幸, 姚玉龍. 近28年金昌市土地利用動態(tài)變化及模擬預測[J]. 生態(tài)學雜志, 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, 張飛, 張月. 基于CA-Markov模型的艾比湖濕地自然保護區(qū)土地利用/覆被變化及預測[J]. 應用生態(tài)學報, 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] 韓其飛, 羅格平, 白潔, 等. 基于多期數(shù)據(jù)集的中亞五國土地利用/覆蓋變化分析[J]. 干旱區(qū)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] 鄧銘江, 龍愛華, 李湘權(quán), 等. 中亞五國跨界水資源開發(fā)利用與合作及其問題分析[J]. 地球科學進展, 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] 李嬙, 年雁云, 李新. 2000—2009年中亞阿姆河流域土地覆被時空變化分析[J]. 遙感技術(shù)與應用, 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

田靜, 蘇晨芳. 中亞五國棉花和冬小麥需水量的變化及預測[J]. 中國生態(tài)農(nóng)業(yè)學報(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

* 中國科學院戰(zhàn)略性先導科技專項(XDA20040302)和國家自然科學基金面上項目(41671354)資助

田靜, 研究方向為遙感水文。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