《Industrial Crops and Products》：Dual-dimensional evaluation and zoning of cotton planting suitability based on the fusion of climate, soil, and topography data
编辑推荐：
研究人员构建了一个双维度框架以评价新疆棉花种植适宜性。耦合产量模型（R2=0.79，RMSE=131.34 kg/ha）与生态模型（AUC=0.91）优于传统机器学习方法。研究人员利用多准则决策分析（MCDA）划定了四个棉花种植区。
研究人员构建了一个双维度框架以评价新疆棉花种植适宜性。耦合产量模型（R2=0.79，RMSE=131.34 kg/ha）与生态模型（AUC=0.91）优于传统机器学习方法。研究人员利用多准则决策分析（MCDA）划定了四个棉花种植区。
**研究背景与问题**
棉花是全球重要的经济作物，新疆维吾尔自治区（以下简称"新疆"）地处棉花种植黄金带，是中国最重要的棉花种植区。2024年新疆棉花产量高达5.69×10?吨，占全国总产量的92.20%，对推动中国棉纺产业发展具有重要意义。近年来，通过建设优质棉花生产基地、全面推进机械化采收等关键举措，新疆棉花产量持续增长并达到全球领先水平。然而，新疆棉花种植面临诸多挑战：南疆部分区域长期高强度灌溉导致土壤盐渍化加剧，平均土壤含盐量约为北疆的两倍；极端天气引起的持续干旱和异常高温也威胁棉花生产稳定性；日益快速的土地利用变化凸显了协调农业生产与生态可持续性的迫切需求。在此背景下，基于生态适宜性与棉花生产能力评估，科学划分棉花优势种植区已成为促进新疆棉花可持续发展的关键路径。
棉花是典型的喜温喜光作物，其生长发育过程中与气象条件、土壤属性和地形存在复杂而密切的相互关系。已有研究表明，高达一半的棉花纤维品质变异可归因于气候变化，气候变化还会缩减适宜种植区。土壤和地形是农业生产的两个关键决定因素，过量施肥导致土壤退化并加剧盐渍化，抑制作物产量形成。因此，阐明这些变量间的交互机制对指导棉花种植具有重要价值。目前针对新疆棉花种植适宜性的研究在评价体系、机制解释和实际应用方面仍存在明显不足，限制了其对当地棉花生产的精准指导。首先，现有评价体系缺乏综合集成评估：部分研究基于光照、温度、水分和土壤条件等因素预测棉花产量，采用多指标综合评价体系或统计分析方法确定最佳棉花种植区；另一些学者则聚焦于评估棉花种植的生态敏感性，利用最大熵（MaxEnt）模型模拟气候变化下适宜棉花生长环境的潜在分布及趋势。这两类研究方法并行开展但缺乏交叉耦合，导致适宜棉花种植区潜在的生态脆弱性或不可持续种植风险常被忽视。其次，驱动机制的定量分析不足：尽管传统机器学习模型能有效识别影响棉花种植的关键环境因素，但其固有的"黑箱"特性限制了对各驱动因素影响范围的准确定义。第三，评价结果缺乏对农业实践的指导：传统研究仅确定最佳种植区的空间分布，未结合实际环境条件下的产量信息，评价结果未能准确反映实际生产能力。
基于上述情况，本研究旨在回答以下科学问题：（1）影响新疆棉花种植适宜性的主要限制因素是什么，其阈值范围如何？（2）如何构建结合产量预测与生态潜力评估的双维度评价框架？（3）如何将双维度适宜性评价结果整合为综合分区体系以指导新疆棉花种植的空间规划？
**主要关键技术方法**
研究人员收集了2000—2021年气象、土壤属性、地形、土地利用和棉花产量数据，经归一化和空间插值预处理后建立多变量空间数据库。采用Pearson相关分析筛选与棉花产量显著相关的变量。构建双维度评价框架：一维采用机器学习进行产量潜力预测，另一维采用MaxEnt模型进行生态潜力评估；通过SHapley Additive exPlanations（SHAP）解释分析和Jackknife检验验证确定各变量贡献及关键变量。利用多准则决策分析（MCDA）对双维度评价结果进行空间叠加，将研究区划分为核心种植区、优先种植区、限制种植区和严酷种植区四类，并与实际棉花种植区进行空间叠加分析以验证建模结果的准确性和可靠性。气象数据来源于195个气象站（新疆116个站，新疆以外79个站仅用于空间插值以提高边缘区域插值精度）；棉花产量数据来源于新疆统计年鉴和新疆生产建设兵团统计年鉴；遥感数据来源于Google Earth Engine（GEE）平台的Landsat-7、Landsat-8和Sentinel-2影像。
**研究结果**
**棉花种植区提取结果**：采用多时相NDVI阈值法提取2000—2021年新疆棉花种植区，遥感提取面积与县级官方统计数据的回归R2为0.90，表明遥感估算及提取方法具有较高精度。
**多变量数据与棉花种植适宜性等级的相关性**：基于Pearson相关分析，为减轻多重共线性，剔除强互相关（|ρ|>0.8）变量对中的一个变量，优先保留与棉花产量相关性更强者；同时剔除与棉花产量弱相关（|ρ|<0.1）的变量。最终剔除MST、ASD、EAT10、DTD、CEC、CLAY、SAND、ST和TU共9个变量，保留MRH、AP、AET、MWS、MT7、GC、SILT、TS和DEM共9个变量用于后续建模。
**棉花产量潜力模型性能评价**：四种机器学习模型预测精度比较显示，所有模型在验证集和测试集上的R2和RMSE值呈一致规律，测试集性能相对验证集保持稳定，表明泛化能力强、过拟合可能性低。XGBoost模型预测精度最高，验证集R2为0.83、RMSE为122.25 kg/ha，测试集R2为0.79、RMSE为131.34 kg/ha，故选用XGBoost作为棉花产量预测的基准模型。
**棉花产量潜力空间分布**：基于XGBoost模型和9个选定环境变量预测新疆棉花产量，并以新疆耕地分布数据作为空间掩膜排除非农业区域的虚假产量值。高产种植区总面积1.41×10? ha，主要分布于库车市、尉犁县、沙雅县、沙湾市、库尔勒市和玛纳斯县周边农田；中产种植区面积2.54×10? ha，以高产种植区为中心呈放射状分布；低产种植区面积3.01×10? ha；极低产种植区主要位于沙漠边缘耕地。高产、中产、低产和极低产种植区分别占新疆耕地的16.35%、29.35%、34.82%和19.48%。天山两侧坡地高产和中产种植区密集，棉花总体生产潜力较高；新疆西部受水土条件限制，以低产和极低产种植区为主。
**棉花产量潜力关键驱动因子**：SHAP解释模型评估显示，AET最重要，其次为TS，表明这两个变量是影响棉花产量预测的主要驱动因素。AET的SHAP值57.73%为正值，TS的SHAP值60.66%为正值，且均主要集中在0—100 kg/ha范围内，但二者对棉花产量预测的影响方向相反。AET正值SHAP值对应较高累积蒸散量，表明在水供应充足、蒸散活跃条件下棉花潜在产量趋于增加；TS正值SHAP值对应较低坡度，表明较低坡度通常与较高产量相关。MT7、AP和MWS重要性最低。
**影响棉花产量潜力的环境变量分析**：当AET值在1050—1300 mm范围内时SHAP值为正，表明较高AET水平可促进棉花产量形成；由于新疆棉花生长完全依赖灌溉，较高AET意味着充足的水供应和有效的作物蒸散，从而促进光合积累并提高棉花产量。对于TS，SHAP值在0—2°范围内呈正向趋势，表明平缓坡地有助于均匀灌溉、减少土壤水分损失，有利于棉花产量形成；当坡度超过2°时SHAP值转为负值，坡度增加导致地表径流、破坏土壤水分平衡，对产量产生抑制作用，表明新疆棉花生产的最优坡度范围为0°—2°。对于DEM，与SHAP值无显著相关性。对于MRH，其影响模式与TS类似，低湿度水平可增强产量潜力，高湿度水平则降低产量潜力。对于GC，当土壤砾石含量低于2%时SHAP值为正，表明适量砾石有助于增强棉花潜在产量；一旦GC超过2%阈值，SHAP值转为负值，表明砾石含量高于2%将降低棉花产量潜力。
**棉花生态潜力评价结果与关键环境变量分析**：MaxEnt模型运行十次，测试集AUC值范围为0.91—0.92，均值0.91，表明模型预测具有较高可靠性和稳定性。新疆适宜棉花种植的耕地总面积为7.13×10? ha。高适宜区总面积2.34×10? ha，主要沿东南—西北方向分布于沙湾市、乌苏市、玛纳斯县、阿拉尔市和昌吉市；中适宜区总面积2.77×10? ha，自高适宜区呈放射状延伸；低适宜区总面积2.02×10? ha。Jackknife检验结果显示，GC和MT7的归一化增益值最高，表明二者在棉花种植生态潜力中起主导作用，证实土壤砾石含量和7月平均气温是新疆棉花种植的关键限制因素。AET、SILT、DEM和MRH的增益值在0.6—0.85之间，训练集与测试集变量排序差异小，表明这些变量对棉花种植生态潜力具有稳定且显著的影响。从百分比贡献看，GC（66.60%）和SILT（19.85%）贡献最大，累计贡献达86.45%；从置换重要性看，SILT（40.08%）、GC（20.97%）、AET（18.07%）和DEM（7.88%）排名靠前。综合确定GC、SILT、AET、DEM、MT7和MRH为影响研究区棉花种植生态潜力的6个主导环境变量。响应曲线显示，棉花种植生态适宜性随GC从0%增至5%呈下降趋势；SILT超过400 g/kg适宜棉花种植；生态适宜性随海拔升高和砾石含量增加而下降；MT7在25℃—30℃、AET在1000—1200 mm时为棉花生长发育最优条件；当土壤GC、DEM和MT7分别超过1%、400 m和29℃阈值时，棉花种植生态适宜性急剧下降。
**棉花种植适宜性双维度评价结果**：基于MCDA的空间叠加分析，将新疆棉花种植区划分为核心种植区、优先种植区、限制种植区和严酷种植区。核心种植区总面积1.89×10? ha，主要集中在北疆（沙湾市、乌苏市、玛纳斯县、精河县、石河子市）和南疆阿拉尔市；优先种植区总面积7.25×10? ha，主要分布在南疆（伽师县、库尔勒市、阿瓦提县、阿克苏市和库车市）；限制种植区总面积4.80×10? ha；严酷种植区总面积4.20×10? ha。叠加分析显示，核心和优先种植区合计占实际棉花种植面积的74.38%，表明新疆大部分棉田区位合理；限制和严酷种植区占非棉花种植区域的78.73%，证明该框架划分结果的有效性和可靠性。产量与生态潜力等级的空间差异矩阵分析显示，两个潜力等级匹配区域占总耕地面积的33.33%，不一致的冲突区域占比为0.44%—13.24%，潜力等级差异超过一级的区域仅占总面积的15.46%，表明综合评估框架具有较高可靠性。
**讨论与结论**
讨论部分指出，新疆棉花产量受气候变化、土壤质量和地形条件等多变量协同影响。与以往单维度研究框架相比，本研究建立了整合产量潜力预测与生态潜力评估的双维度评价体系，基于气候、土壤和地形多阶段多源数据集，实现了环境变量间协同与拮抗交互的定量识别。研究识别出AET、GC和TS分别为气候、土壤和地形维度的主要限制因素，最优种植阈值为1000≤AET≤1200 mm、0≤GC≤5%、0≤TS≤2°。AET的主导作用与现有共识一致，即水资源供应是干旱区棉花生产的主要限制因素。从机制角度看，土壤GC通过降低有效土壤持水能力和改变入渗模式影响水分有效性。地形方面，本研究量化了匹配新疆灌溉农业体系的2°临界坡度阈值。适宜性评价显示天山北麓产量和生态潜力等级显著高于其他区域，与已有研究一致。然而，本研究的区划结果主要源于自然环境变量，本质上反映棉花种植的生物潜力而非实际产量等级，将潜力转化为实际产量关键取决于生产技术和社会经济条件。此外，研究存在一定局限性：受数据来源限制，棉花产量数据为县级空间分辨率，未能捕捉棉花生长和产量的细微空间差异；新疆棉花种植几乎完全依赖灌溉，本研究未将地下水和其他灌溉水源相关变量纳入适宜性评价框架；与大多数现有自然适宜性评估研究一致，本研究仅考虑固有环境变量，未纳入人类农业管理活动的调节作用；本研究确定的棉花适宜性阈值基于长期气候平均值和累积指数，可能掩盖极端天气事件对棉花适宜性的影响。
研究结论部分指出：采用Pearson相关系数、机器学习算法和MaxEnt模型分析了影响新疆棉花种植适宜性的关键变量，以气候、土壤和地形为核心环境变量建立了划分棉花种植区空间分布的技术框架。结果表明，XGBoost模型在验证集和测试集上均优于RF、SVM和BPNN模型，R2和RMSE分别为0.79和131.34 kg/ha。SHAP可解释性分析揭示，在环境变量对棉花潜在产量的贡献中，AET和TS是主要驱动因素。此外，评价棉花种植生态潜力的MaxEnt模型AUC值为0.91，结合Jackknife检验结果，GC、SILT和AET是影响棉花种植生态潜力的核心变量。研究发现，在与产量相关的9个核心变量中，AET、GC和TS分别在气候、土壤和地形领域对新疆棉花种植影响最为显著。基于MCDA方法构建了棉花种植适宜性双维度评价框架，结果表明适宜棉花种植且产量较高的核心区主要位于天山两侧种植用地。北疆主要棉花种植区包括石河子市及其周边区域，如乌苏市、胡杨河市、奎屯市、沙湾市、玛纳斯县、呼图壁县、昌吉市和五家渠市；南疆主要棉花种植区以库尔勒市为中心，延伸至库车市、轮台县、沙雅县和尉犁县。
