基于GEE 平臺(tái)渭庫(kù)綠洲棉花水分生產(chǎn)率遙感估算

何旭剛， 買買提·沙吾提， 盛艷芳， 李榮鵬

（1.新疆大學(xué)地理與遙感科學(xué)學(xué)院，新疆 烏魯木齊 830046；2.新疆綠洲生態(tài)重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830046；3.智慧城市與環(huán)境建模自治區(qū)普通高校重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830046）

棉花作為最重要的經(jīng)濟(jì)作物，在我國(guó)新疆廣泛種植，2022 年新疆棉花種植面積為249.69×104hm2，總產(chǎn)達(dá)539.1×104t，棉花種植面積、單產(chǎn)、總產(chǎn)連續(xù)28 a 位居全國(guó)首位［1］，在新疆經(jīng)濟(jì)發(fā)展中占有舉足輕重的地位。然而長(zhǎng)期以來(lái)干旱少雨和缺水極大的限制了該地區(qū)棉花健康生長(zhǎng)，尤其近年來(lái)，區(qū)域內(nèi)生活、工業(yè)和生態(tài)用水占比逐漸增加，農(nóng)業(yè)用水占比及可用水量在不斷減?。?］，導(dǎo)致新疆棉花生產(chǎn)面臨巨大挑戰(zhàn)。因此，解決水資源短缺與提高作物產(chǎn)量，以及提高農(nóng)業(yè)用水效率，已成為新疆尤其是南疆農(nóng)業(yè)發(fā)展中面臨的關(guān)鍵難題所在［3］。

水分生產(chǎn)率是指單位水資源量在一定的作物品種和耕作栽培條件下所獲得的產(chǎn)量，是作物灌溉管理和水資源優(yōu)化配置的主要依據(jù)和核心［4］。定量評(píng)價(jià)區(qū)域作物水分生產(chǎn)率是緩解干旱區(qū)水資源短缺和生態(tài)環(huán)境危機(jī)的重要前提。以往水分生產(chǎn)率研究基于田間實(shí)驗(yàn)觀測(cè)和采用行政單元統(tǒng)計(jì)，不能準(zhǔn)確表達(dá)空間分異和區(qū)域特征的需求。隨著3S 技術(shù)和Google Earth Engine（GEE）等平臺(tái)的發(fā)展，遙感在農(nóng)業(yè)領(lǐng)域的應(yīng)用日益廣泛［5］，遙感估算作物耗水量理論和方法日益完善，為區(qū)域作物識(shí)別、產(chǎn)量及耗水量估算等提供了可能，其中MODIS遙感數(shù)據(jù)具有高時(shí)間分辨率，周柳萍［6］、蔣磊等［7］和楊建瑩［8］利用MODIS數(shù)據(jù)對(duì)小麥、玉米和大麥等水分生產(chǎn)率分析了時(shí)空變化，并探究了灌溉系數(shù)與影響因素。然而，MODIS 數(shù)據(jù)的空間分辨率有限，對(duì)于破碎化耕地難以達(dá)到精細(xì)要求［9］。Landsat 影像有更高的空間分辨率，可以滿足長(zhǎng)時(shí)間序列的耕地作物識(shí)別精度，Zhou 等［10］和Ghorbanpour 等［11］利用遙感數(shù)據(jù)估算了冬小麥和夏玉米等水分生產(chǎn)率，進(jìn)一步對(duì)管理尺度評(píng)價(jià)，但以上研究中缺少對(duì)棉花作物水分生產(chǎn)率的分析，雖然Mauget［12］、Chen 等［13］、Thorp 等［14］和Himanshu 等［15］使用田間控制灌溉的方法對(duì)小型棉田水分生產(chǎn)率估算，但研究集中于小區(qū)域，缺乏較大空間尺度、長(zhǎng)時(shí)間序列的研究，并無(wú)法滿足棉花水分生產(chǎn)率時(shí)空變化的分析視角。

鑒于此，本文利用GEE平臺(tái)的優(yōu)勢(shì)構(gòu)建棉花識(shí)別模型、估產(chǎn)模型和蒸散發(fā)模型，對(duì)渭干河-庫(kù)車河綠洲（簡(jiǎn)稱渭庫(kù)綠洲）棉花水分生產(chǎn)率進(jìn)行探究，揭示棉花種植和產(chǎn)量時(shí)空分布、棉花生育期內(nèi)耗水量的時(shí)空變化規(guī)律，在此基礎(chǔ)上對(duì)棉花水分生產(chǎn)率進(jìn)行定量評(píng)價(jià)，可為干旱區(qū)棉花生產(chǎn)提供科學(xué)管理和技術(shù)參考。

1 研究區(qū)概況

渭庫(kù)綠洲（82°00′～83°60′E，41°00′～41°85′N）位于新疆南部，地處塔里木盆地和塔克拉瑪干沙漠北緣，是典型而完整的山前沖洪積扇平原，隸屬阿克蘇地區(qū)的庫(kù)車、沙雅和新和3 個(gè)縣級(jí)行政區(qū)（圖1）。光熱資源豐富，降水稀少，蒸發(fā)強(qiáng)烈，氣溫差異顯著，年均氣溫9.7～12.9 ℃，年降水量28.9～194.7 mm，年均蒸發(fā)量2000.7～2092.0 mm［16］。渭干河成為流域內(nèi)生態(tài)、農(nóng)業(yè)、人民生產(chǎn)生活用水的主要來(lái)源［17］。渭庫(kù)綠洲是干旱區(qū)綠洲農(nóng)業(yè)的典型代表，以種植棉花、小麥作物為主。

圖1 研究區(qū)概況Fig.1 Overview of the study area

2 數(shù)據(jù)與方法

2.1 研究數(shù)據(jù)與處理

為保證研究區(qū)該年有充足的影像估算棉花全育期的蒸散發(fā)，結(jié)合2014年國(guó)家政策對(duì)新疆棉花產(chǎn)量和價(jià)格的調(diào)整，選用前后年份的數(shù)據(jù)，即2009—2020年Landsat影像逐年6—7月數(shù)據(jù)用于棉花提取和產(chǎn)量估算；其次篩選2009年（含2008年5月8日、2008 年6 月9 日）和2020 年（含2019 年4 月5 日）棉花生長(zhǎng)期（4—10 月）影像14 景，結(jié)合使用氣候再分析數(shù)據(jù)ERA5、數(shù)字高程數(shù)據(jù)SRTM等進(jìn)行蒸散發(fā)遙感反演；同時(shí)使用蒸散發(fā)數(shù)據(jù)MOD16A2 和氣象數(shù)據(jù)驗(yàn)證蒸散發(fā)的精度，Landsat數(shù)據(jù)基本信息見(jiàn)表1。

表1 研究數(shù)據(jù)Tab.1 List of the data used in this study

實(shí)地調(diào)研數(shù)據(jù)來(lái)自研究區(qū)歷年農(nóng)作物調(diào)查數(shù)據(jù)，2009年至今每年一次，獲取30個(gè)樣方，樣方大小為500 m×500 m，樣方包括作物類型、面積、長(zhǎng)勢(shì)、水分、溫度等；另歷年采集各類作物隨機(jī)樣本點(diǎn)若干。

氣象數(shù)據(jù)來(lái)源于國(guó)家氣象信息中心（http://data.cma.cn）發(fā)布的渭庫(kù)綠洲內(nèi)3 個(gè)氣象站（沙雅站、庫(kù)車站、新和站）的逐日平均氣溫、最低、最高氣溫、降雨、風(fēng)速、日照時(shí)間等；2009—2020 年《阿克蘇統(tǒng)計(jì)年鑒》作為棉花產(chǎn)量估算參考和驗(yàn)證數(shù)據(jù)。

遙感數(shù)據(jù)均來(lái)自于GEE 云平臺(tái)（https://earthengine.google.com），利用GEE云平臺(tái)對(duì)影像數(shù)據(jù)去云、裁剪和拼接等預(yù)處理，將空間分辨率統(tǒng)一重采樣為30 m，然后使用該平臺(tái)提供的JavaScript語(yǔ)言和函數(shù)進(jìn)行數(shù)據(jù)處理和模型構(gòu)建。

2.2 研究方法

本研究根據(jù)作物水分生產(chǎn)率原理，通過(guò)遙感數(shù)據(jù)等數(shù)據(jù)，在GEE平臺(tái)建立研究區(qū)域棉花種植區(qū)分布識(shí)別模型、估產(chǎn)模型和SEBAL 遙感蒸散發(fā)模型，進(jìn)而構(gòu)建棉花水分生產(chǎn)率估算模型。同時(shí)結(jié)合局部空間自相關(guān)、標(biāo)準(zhǔn)差橢圓與重心遷移分布等地理分析方法，并準(zhǔn)確和定量化評(píng)價(jià)研究區(qū)棉花水分生產(chǎn)率時(shí)空分布特征。

2.2.1 棉花水分生產(chǎn)率估算水分生產(chǎn)率反映了農(nóng)業(yè)水量投入和產(chǎn)出的效率，是衡量農(nóng)業(yè)科學(xué)和合理用水的綜合指標(biāo)，即作物經(jīng)濟(jì)產(chǎn)量與實(shí)際蒸散發(fā)的比值［18］，計(jì)算公式如下：

式中：WP 為作物水分生產(chǎn)率（kg·m-3）；Y為作物產(chǎn)量（kg·hm-2），通過(guò)建立遙感估產(chǎn)模型估算得到；ET為作物的蒸散發(fā)（mm·d-1），通過(guò)遙感定量反演獲得，并通過(guò)氣象站和蒸散發(fā)產(chǎn)品數(shù)據(jù)驗(yàn)證。

2.2.2 棉花產(chǎn)量估算根據(jù)預(yù)處理后的Landsat系列影像，選取各地物樣本點(diǎn)的純凈像元，利用GEE 平臺(tái)構(gòu)建主要作物生育期歸一化植被指數(shù)（NDVI）［19-22］時(shí)間序列曲線，根據(jù)棉花NDVI特征，獲取棉花出苗期和花鈴期的影像，通過(guò)時(shí)間特征，結(jié)合光譜特征、紋理特征、地形特征等構(gòu)建分類特征。將提取的棉花種植面積與統(tǒng)計(jì)年鑒數(shù)據(jù)進(jìn)行逐年對(duì)比，其平均相對(duì)誤差均小于5%。最終，選取分類精度較高的隨機(jī)森林方法進(jìn)行分類，總體精度為83%，Kappa系數(shù)為0.78。因此，本文利用隨機(jī)森林分類方法提取研究區(qū)棉花種植面積。

進(jìn)一步使用NDVI指數(shù)進(jìn)行產(chǎn)量估算［23-26］，以往研究中棉花的產(chǎn)量與NDVI 具有較強(qiáng)的相關(guān)性，并在實(shí)際得到充分的驗(yàn)證［23-25］，因此本研究使用柵格圖像推算，將縣級(jí)產(chǎn)量圖擴(kuò)展到像元級(jí)空間分布，結(jié)合統(tǒng)計(jì)年鑒中的棉花經(jīng)濟(jì)產(chǎn)量數(shù)據(jù)，得到研究區(qū)3 個(gè)縣級(jí)區(qū)劃的棉花產(chǎn)量像元級(jí)的均值，然后利用棉花的NDVI 指數(shù)擴(kuò)展到單個(gè)像元的棉花產(chǎn)量［27］，計(jì)算公式如下：

式中：YP為單個(gè)像素級(jí)的棉花產(chǎn)量（kg·hm-2）；Yavg為縣級(jí)棉花平均產(chǎn)量，從統(tǒng)計(jì)年鑒獲得；NDVIP為花鈴期NDVI 值；NDVIavg為縣級(jí)花鈴期平均NDVI值。然后根據(jù)數(shù)值建立棉花產(chǎn)量線性關(guān)系。

2.2.3 棉花蒸散發(fā)遙感反演SEBAL（Surface energy balance algorithm for land）模型是以陸面能量平衡為理論基礎(chǔ)，通過(guò)遙感影像和氣象參數(shù)對(duì)各地表分量進(jìn)行估算，得到區(qū)域的實(shí)際蒸散發(fā)。地表能量平衡方程為［28］：

式中：Rn為地表的凈輻射通量（W·m-2）；G為土壤熱通量（W·m-2）；H為下墊面到大氣的感熱通量（W·m-2）；λET 為潛熱通量（W·m-2），其中λ為潛熱蒸發(fā)系數(shù)，ET 為蒸散發(fā)（W·m-2），在計(jì)算水分生產(chǎn)率時(shí)，將ET單位轉(zhuǎn)換為mm·d-1。

因?yàn)樾l(wèi)星過(guò)境時(shí)所觀測(cè)的是地面瞬時(shí)數(shù)據(jù)，因此把瞬時(shí)蒸散發(fā)擴(kuò)展到日蒸散發(fā)，蒸散比在白天變化較小，可以假定白天蒸發(fā)比保持不變，根據(jù)瞬時(shí)蒸散比和日有效輻射能量計(jì)算出日蒸散發(fā)，利用日蒸散比插值法，得到衛(wèi)星過(guò)境日前后一段時(shí)間的逐日蒸發(fā)比［29］，然后根據(jù)各日的有效凈輻射量，計(jì)算出逐日蒸散發(fā)：

式中：ETd為第d天蒸散發(fā)值；ETi為衛(wèi)星過(guò)境時(shí)i的瞬時(shí)蒸散發(fā)值。

2009—2020年間，由于缺乏中間年份棉花生長(zhǎng)期蒸散發(fā)估算的連續(xù)遙感影像，本文根據(jù)棉花生長(zhǎng)物候歷［30］，選取起始和最終2 a的棉花生長(zhǎng)期影像估算蒸散發(fā)。以研究區(qū)新和、沙雅、庫(kù)車3個(gè)氣象站點(diǎn)作為樣點(diǎn)，使用基于氣象站的P-M方法與SEBAL模型對(duì)3 個(gè)站點(diǎn)的平均蒸散發(fā)精度驗(yàn)證，得到2009年蒸散發(fā)平均絕對(duì)誤差為0.56 mm·d-1、2020 年為0.27 mm·d-1，同時(shí)利用MODIS16A2 數(shù)據(jù)8 d 產(chǎn)品棉花生長(zhǎng)期累積蒸散發(fā)精度檢驗(yàn)，與SEBAL模型反演的2009年蒸散發(fā)平均絕對(duì)誤差為0.25 mm·d-1、2020年為0.27 mm·d-1，兩種數(shù)據(jù)都具有較高一致性，并取得較為滿意的估算結(jié)果。

3 結(jié)果與分析

3.1 棉花產(chǎn)量時(shí)空分析

棉花產(chǎn)量的時(shí)空變化是研究水分生產(chǎn)率的前提，將遙感估算的縣級(jí)總產(chǎn)量與統(tǒng)計(jì)年鑒數(shù)據(jù)逐年精度對(duì)比，其平均誤差小于8%。如圖2所示，2009—2020 年渭庫(kù)綠洲棉花產(chǎn)量呈增加趨勢(shì)，從2009 年的1610.10 kg·hm-2增長(zhǎng)到2020年的1855.05 kg·hm-2，產(chǎn)量增長(zhǎng)率為13.20%。從各縣來(lái)看，新和縣增長(zhǎng)6.09%，沙雅縣增長(zhǎng)12.72%，庫(kù)車市增長(zhǎng)20.74%，新和縣的產(chǎn)量最高，其次為沙雅縣和庫(kù)車市。渭庫(kù)綠洲產(chǎn)量在2010年最低（1520.04 kg·hm-2），2019年達(dá)到最高（1984.80 kg·hm-2），2014 年出現(xiàn)低谷（1645.05 kg·hm-2）。由于2014 年棉花價(jià)格調(diào)整，開(kāi)始大面積種植，水土和管理措施不成熟等原因使得棉花產(chǎn)量較低，而在2015 年之后趨于穩(wěn)定上升，主要由于棉花種植面積增加導(dǎo)致產(chǎn)量逐年上升［31］，加之政策補(bǔ)貼、水肥精細(xì)管理和機(jī)械化程度持續(xù)提高，對(duì)棉花產(chǎn)量起了推動(dòng)作用。

圖2 2009—2020年棉花產(chǎn)量統(tǒng)計(jì)Fig.2 Statistics on cotton yield from 2009 to 2020

采用500 m×500 m 格網(wǎng)，對(duì)2009—2020 年逐年棉花產(chǎn)量按縣級(jí)行政進(jìn)行重心遷移規(guī)律分析，新和縣產(chǎn)量重心在玉奇喀特鄉(xiāng)和渭干鄉(xiāng)之間移動(dòng)（圖3a）。沙雅縣棉花產(chǎn)量重心穩(wěn)居于古勒巴格鄉(xiāng)（圖3b），呈現(xiàn)出先西后東移動(dòng)趨勢(shì)。庫(kù)車市產(chǎn)量重心主要位于墩闊坦鎮(zhèn)、阿克吾斯塘鄉(xiāng)、齊滿鎮(zhèn)（圖3c）。渭庫(kù)綠洲產(chǎn)量重心在沙雅縣紅旗鎮(zhèn)和努爾巴格鄉(xiāng)之間波動(dòng)遷移（圖3d），12 a 間自西向東移動(dòng)2485 m，表明渭庫(kù)綠洲棉花產(chǎn)量隨著種植面積增加向東西方向擴(kuò)展。總體上，棉花產(chǎn)量各時(shí)間點(diǎn)的標(biāo)準(zhǔn)差橢圓長(zhǎng)軸各自沿綠洲下游方向逐漸移動(dòng)，庫(kù)車市和沙雅縣橢圓面積大于新和縣，新和縣總體趨勢(shì)自東北向西南方向擴(kuò)展，沙雅縣自西向東趨勢(shì)移動(dòng)，庫(kù)車市則自西南向東北方向延伸（圖3e）。

3.2 棉花生長(zhǎng)期蒸散發(fā)量時(shí)空分析

棉花生長(zhǎng)期蒸散發(fā)的準(zhǔn)確估算是研究水分生產(chǎn)率的重要環(huán)節(jié)，渭庫(kù)綠洲棉花生長(zhǎng)期蒸散發(fā)2009年為237.86～843.95 mm（均值為686.80 mm，日均蒸散發(fā)為3.71 mm），蒸散發(fā)最大值為花鈴期，其次為吐絮期、蕾期、苗期和出苗（圖4k）。蒸散發(fā)高值主要分布在渭庫(kù)綠洲內(nèi)部河流周圍及棉田小規(guī)模種植區(qū)域（圖4a～e）。2020 年棉花生長(zhǎng)期蒸散發(fā)為493.13～996.3 mm（均值為738.66 mm，日均蒸散發(fā)為3.99 mm），其中蒸散發(fā)最大值為花鈴期，其次為吐絮期、苗期、蕾期、出苗（圖4l）。蒸散發(fā)高值主要在綠洲內(nèi)部及塔里木河北岸邊緣（圖4f～j），由于地勢(shì)低洼土壤含水量較高又毗鄰沙漠邊緣，蒸散發(fā)偏高，低值主要分布在渭庫(kù)綠洲東北和西南邊緣，由于棉花集中連片種植，使用滴管技術(shù)降低水分蒸發(fā)。整體上，12 a 間棉花生長(zhǎng)期蒸散發(fā)2020 年高于2009 年，其增長(zhǎng)率為7.02%，尤其在花鈴期和吐絮期蒸散發(fā)均值明顯高于2009 年，但苗期蒸散發(fā)均值低于2009 年，然而取值范圍變大，表明該階段渭庫(kù)綠洲氣候差異性較為明顯，其余生長(zhǎng)階段蒸散發(fā)均值較為穩(wěn)定（圖4k～l）。隨著全球氣溫上升，表明該區(qū)域蒸散發(fā)也呈上升趨勢(shì)，棉花蒸騰作用加劇。

圖4 棉花生長(zhǎng)期蒸散發(fā)Fig.4 Evapotranspiration during cotton growing

3.3 棉花水分生產(chǎn)率時(shí)空分析

3.3.1 棉花水分生產(chǎn)率時(shí)空變化分析基于像元統(tǒng)計(jì)水分生產(chǎn)率頻率統(tǒng)計(jì)，可以精準(zhǔn)量化逐像元棉花水分生產(chǎn)率情況，由圖5可知，2009年棉花水分生產(chǎn)率變化范圍為0～0.40 kg·m-3（均值為0.21 kg·m-3），2020 年棉花水分生產(chǎn)率變化范圍為0～0.45 kg·m-3（均值為0.25 kg·m-3），12 a 間增長(zhǎng)率為16%。2009年棉花水分生產(chǎn)率在0.18～0.25 kg·m-3之間，有明顯的一個(gè)峰值期，在0.21 kg·m-3對(duì)應(yīng)的像元數(shù)最多，達(dá)到14632個(gè)。2020年棉花水分生產(chǎn)率在0.17～0.33 kg·m-3之間，有明顯的一個(gè)峰值期，在0.28 kg·m-3對(duì)應(yīng)的像元數(shù)最多，達(dá)到26478 個(gè)，2009 年峰值比較集中，2020 年向橫軸右側(cè)移動(dòng)，高值區(qū)間增大且較為分散。12 a 間水分生產(chǎn)率較高的區(qū)域增多，棉花水分生產(chǎn)率整體提高，布局更加合理。將水分生產(chǎn)率累積頻率為95%的像元值統(tǒng)計(jì)作為臨界值，2009年對(duì)應(yīng)的值為0.37 kg·m-3，2020年為0.41 kg·m-3，大于該臨界值的為水分生產(chǎn)率較高區(qū)域，該區(qū)域在2009年主要集中分布在渭干鄉(xiāng)，2020 年分布于玉奇喀特鄉(xiāng)，2個(gè)鄉(xiāng)均位于新和縣且兩鄉(xiāng)毗鄰，土壤以殘余內(nèi)陸鹽土為主，灌渠設(shè)施密集，其中棉花呈現(xiàn)連片化和規(guī)模化種植。

圖5 2009年與2020年水分生產(chǎn)率頻率分布Fig.5 Frequency distribution of water productivity in 2009 and 2020

為準(zhǔn)確分析水分生產(chǎn)率在空間的聚集程度和演變趨勢(shì)，以縣級(jí)行政和綠洲為單位，建立棉花種植區(qū)標(biāo)準(zhǔn)差橢圓和水分生產(chǎn)率重心點(diǎn)。2009 年和2020 年新和縣水分生產(chǎn)率重心點(diǎn)分布位于渭干鄉(xiāng)和玉奇喀特鄉(xiāng)（圖6a），標(biāo)準(zhǔn)差橢圓的長(zhǎng)軸持續(xù)增長(zhǎng)且短軸持續(xù)縮短（圖6e），自2009年（82.25°E，41.27°N）移動(dòng)至2020年（82.21°E，41.25°N），自東北向西南方向平均移動(dòng)速度為888 m·a-1，由于棉花種植面積的擴(kuò)張和產(chǎn)量的增加，水分生產(chǎn)率重心趨勢(shì)逐漸向綠洲外緣延伸。2009 年和2020 年沙雅縣水分生產(chǎn)率重心點(diǎn)均位于古勒巴格鄉(xiāng)（圖6b），自2009年（82.53°E，41.11°N）移動(dòng)至2020年（82.52°E，41.12°N），重心點(diǎn)自東南向西北平均移動(dòng)速度為320 m·a-1，12 a間變化趨勢(shì)較小，由于靠近塔里木河岸和沙雅縣南部沙漠邊緣棉花生長(zhǎng)期耗水量較大，使得水分生產(chǎn)率重心向綠洲內(nèi)部移動(dòng)。2009 年和2020 年庫(kù)車市水分生產(chǎn)率重心均位于墩闊坦鎮(zhèn)（圖6c），生產(chǎn)率標(biāo)準(zhǔn)差橢圓的長(zhǎng)軸縮短而短軸增長(zhǎng)，其水分生產(chǎn)率重心點(diǎn)從2009年（83.05°E，41.28°N）移動(dòng)至2020年（83.12°E，41.29°N），自西向東平均移動(dòng)速度為1071 m·a-1。12 a間水分生產(chǎn)率重心移動(dòng)速度依次為：庫(kù)車市＞新和縣＞沙雅縣，表明庫(kù)車市棉花水分生產(chǎn)率以最快速度自西向綠洲東部邊緣移動(dòng)，棉花產(chǎn)量和蒸散發(fā)的變化直接影響水分生產(chǎn)率重心的遷移，同時(shí)說(shuō)明庫(kù)車市棉花種植面積和產(chǎn)量重心向綠洲邊緣延伸面積最大。

圖6 棉花水分生產(chǎn)率空間分布及重心遷移Fig.6 Spatial distribution and gravity movement of cotton water productivity

總體上，渭庫(kù)綠洲水分生產(chǎn)率重心由2009 年（82.51°E，41.22°N）移動(dòng)至2020年（82.52°E，41.21°N），自東北向西南移動(dòng)距離為1832 m（圖6d），年均移動(dòng)速度為166.55 m·a-1，表明綠洲棉花水分生產(chǎn)率呈現(xiàn)擴(kuò)張趨勢(shì)且東西方向大于南北方向。渭庫(kù)綠洲水分生產(chǎn)率標(biāo)準(zhǔn)差橢圓的長(zhǎng)軸持續(xù)增長(zhǎng)同時(shí)短軸縮短（圖6f），長(zhǎng)軸短軸的共同作用下離心率逐漸增長(zhǎng)，同時(shí)標(biāo)準(zhǔn)差橢圓的面積由2009 年的3487.72 km2逐漸增加到2020年的4122.78 km2，縣級(jí)尺度（圖6e）和流域尺度（圖6f）標(biāo)準(zhǔn)差橢圓面積均增加，表明12 a間渭庫(kù)綠洲棉花水分生產(chǎn)率空間分布方向趨勢(shì)增強(qiáng)，空間格局趨向集聚化。

3.3.2 棉花水分生產(chǎn)率局部空間自相關(guān)分析以500 m×500 m 格網(wǎng)數(shù)據(jù)為基礎(chǔ)，對(duì)棉花水分生產(chǎn)率進(jìn)行LISA 聚集性和Moran'sI指數(shù)分析，其中2009 年和2020 年棉花水分生產(chǎn)率的Moran'sI指數(shù)分別為0.349 和0.496，表明水分生產(chǎn)率具有顯著的空間自相關(guān)。LISA 聚類圖是對(duì)Moran'sI指數(shù)中通過(guò)了顯著性檢驗(yàn)的區(qū)域單元的地理表達(dá)，渭庫(kù)綠洲正相關(guān)聚集（高-高聚集或低-低聚集）較為明顯，聚集程度呈現(xiàn)上升趨勢(shì)，異常區(qū)（高-低聚集或低-高聚集）呈零散分布，且波動(dòng)較小（圖7）。2009 年高值聚集區(qū)主要位于新和縣西側(cè)綠洲邊緣和沙雅縣古勒巴鄉(xiāng)，其余高值聚集區(qū)呈零散分布，該區(qū)域棉花種植較為密集，且產(chǎn)量較高，同時(shí)耗水量低，使得水分生產(chǎn)率高而聚集（圖7a）。低值聚集區(qū)零散條帶狀分布于綠洲中部且在沙雅縣境內(nèi)最多，說(shuō)明棉花產(chǎn)量較低且耗水量大，導(dǎo)致水分生產(chǎn)率低。異常區(qū)零散均勻分布于整個(gè)綠洲。2020年正相關(guān)程度逐漸上升且向綠洲邊緣擴(kuò)展，空間分布基本上與2009年一致，但低值在綠洲邊緣和塔里木河北岸增加，表明該地水分生產(chǎn)率較低，由于新開(kāi)墾的土地土壤貧瘠，沒(méi)有形成大規(guī)?；N植，產(chǎn)量較低（圖7b）。以上分析得到，高值區(qū)主要分布于沙雅縣新墾農(nóng)場(chǎng)和新和縣桑塔木農(nóng)場(chǎng)，所以在一定程度上說(shuō)明，農(nóng)場(chǎng)規(guī)?；N植增產(chǎn)和科學(xué)化灌溉，促使棉花產(chǎn)量和水分生產(chǎn)率提高。

圖7 水分生產(chǎn)率LISA聚集圖Fig.7 LISA aggregation diagram of water productivity

4 討論

本文充分利用GEE云平臺(tái)強(qiáng)大的計(jì)算能力，建立研究區(qū)遙感模型，分析棉花水分生產(chǎn)率的時(shí)空分布，為渭庫(kù)綠洲提高農(nóng)業(yè)用水效率和緩解水資源供需矛盾提供新思路。同時(shí)，為今后新疆小麥、玉米等主要作物水分生產(chǎn)率遙感估算提供基礎(chǔ)。

在棉花產(chǎn)量遙感估算中，本文使用NDVI 指數(shù)法和統(tǒng)計(jì)數(shù)據(jù)空間化估算棉花產(chǎn)量，該方法比較通用且簡(jiǎn)單，得到的結(jié)果與統(tǒng)計(jì)產(chǎn)量數(shù)據(jù)一致，能夠滿足像元級(jí)產(chǎn)量推算且效果較好。以往較多研究［32-33］使用增強(qiáng)植被指數(shù)（EVI）建立估產(chǎn)模型，今后應(yīng)與該指數(shù)結(jié)合對(duì)棉花面積提取和估產(chǎn)，進(jìn)一步提高估產(chǎn)精度。從渭庫(kù)綠洲棉花生長(zhǎng)期蒸散發(fā)來(lái)看，本文使用的SEBAL 模型遙感估算棉花生長(zhǎng)期蒸散發(fā)較好的結(jié)果，在精度分析中，除了使用氣象站點(diǎn)數(shù)據(jù)外，還使用了MOD16A2數(shù)據(jù)進(jìn)一步驗(yàn)證，為估算結(jié)果提供有利的數(shù)據(jù)支持和可靠性。針對(duì)干旱區(qū)作物蒸散發(fā)遙感估算的模型較多，如周柳萍［6］使用SSEB 模型、Zhou 等［10］使用SEBS 模型、于兵［34］使用HTEM-ABL 模型，今后研究中應(yīng)結(jié)合多種模型對(duì)作物生長(zhǎng)期的蒸散發(fā)估算。充分定量化利用空間自相關(guān)、標(biāo)準(zhǔn)差橢圓與重心轉(zhuǎn)移等空間分析方法進(jìn)行棉花水分生產(chǎn)率時(shí)空分布。本研究遙感數(shù)據(jù)估算了棉花水分生產(chǎn)率起始和最終2 a，今后可以補(bǔ)充并加強(qiáng)連續(xù)性數(shù)據(jù)，如使用高空間分辨率Landsat數(shù)據(jù)和高時(shí)間分辨率MODIS影像時(shí)空融合的方法［10］提高水分生產(chǎn)率時(shí)間序列的分析。此外，以往研究中缺乏新疆棉花水分生產(chǎn)率的研究，本研究拓展并利用GEE平臺(tái)優(yōu)勢(shì)和遙感數(shù)據(jù)，大面積對(duì)棉花水分生產(chǎn)率進(jìn)行縣域尺度和流域尺度時(shí)空分析與研究。影響水分生產(chǎn)率的主要因素為產(chǎn)量和蒸散發(fā)，12 a 間產(chǎn)量的增長(zhǎng)速度超過(guò)了蒸散發(fā)的上升速度，使得水分生產(chǎn)率提高。

5 結(jié)論

（1）2008—2020年棉花種植面積整體呈增加趨勢(shì)，棉花種植面積逐年向綠洲邊緣擴(kuò)展。同時(shí)，棉花產(chǎn)量也呈增加趨勢(shì)，從2009年的1610.10 kg·hm-2增長(zhǎng)到2020 年的1855.05 kg·hm-2，產(chǎn)量增長(zhǎng)率為13.20%，平均每年增長(zhǎng)1.1%，新和縣的棉花產(chǎn)量最高，庫(kù)車市產(chǎn)量最低。產(chǎn)量重心整體自西向東移動(dòng)2485 m。

（2）渭庫(kù)綠洲棉花生長(zhǎng)期2009 年蒸散發(fā)均值為686.80 mm，日均值為3.71 mm，2020年為738.66 mm，日均值為3.99 mm，整體呈上升趨勢(shì)，增長(zhǎng)率為7.02%，2009 年和2020 年蒸散發(fā)最大值主要分布在綠洲內(nèi)部與塔里木河北部邊緣。

（3）2009 年水分生產(chǎn)率均值為0.21 kg·m-3，2020 年為0.25 kg·m-3，12 a 間水分生產(chǎn)率均值增長(zhǎng)率為16%。在空間上，渭庫(kù)綠洲水分生產(chǎn)率重心由2009年（82.51°E，41.22°N）移動(dòng)至2020年（82.52°E，41.21°N），在紅旗鎮(zhèn)自東北向西南移動(dòng)了1832 m，年均移動(dòng)速度為152.67 m·a-1，棉花水分生產(chǎn)率呈現(xiàn)擴(kuò)張趨勢(shì)且東西方向大于南北方向，棉花水分生產(chǎn)率空間分布方向趨勢(shì)增強(qiáng)，空間格局趨向集聚化。