内蒙古河套灌区处于中国干旱、半干旱地区，是典型的人工农业绿洲。随着绿洲农业的迅速发展，绿洲生态系统内各种环境问题日益突出，成为中国北方可持续发展的敏感区^［1］。农业资源保障水平决定着绿洲的发展方向和模式，而农业种植结构的合理布局关系区域的发展前景^［2］，是区域水、土资源优化配置的基础。多时相归一化植被指数（Normalized differential vegetation index，NDVI）能够在时空尺度上反映出农作物生长节律导致的空间差异，在土地利用覆盖变化及农作物动态监测中得到了广泛应用^［3-4］。其基本原理是通过分析地表反射特征实现对农作物种植结构、沙漠化现状、山地生态系统动态等的遥感监测识别和生态系统安全评价^［5-9］。需要指出，该类型研究有多种遥感数据可供使用，其中基于中分辨率数据（Landsat等）的研究由于时间分辨率低，很难反映出植被生长的季节性特征，因此在区域尺度农作物种植结构遥感识别中很少采用^［10］。而高分数据（资源三号星等）对时间分辨率几乎不依赖，但工作量大、时间成本高，分析区域尺度农业种植结构变化趋势也有一定的困难，同时该类数据在分类中会产生大量“噪音”，在一定程度上又加大了时间成本^［11-12］。因此，利用不同农作物生长发育节律差异导致的反射光谱特征不同^{［11，13］}，采用多时相MODIS NDVI数据进行解译，在作物类型识别及变化趋势分析方面有着先天的优势。已有的研究表明，阈值分割方法是遥感识别植被类型的常用方法，该方法通过选择不同地物类型之间的差异，确定分析指标阈值，进而达到识别不同地类目的^［14］。具体到农业种植结构上，利用不同作物生长节律在不同时段的差异，采用阈值分割方法对在种植面积上占主导地位的农作物进行遥感识别具有可行性^［14-16］。

近年来，人口增长和耕地减少的矛盾使粮食生产安全成为国内外的重点关注内容^［12］，而作物种植结构与驱动因素的研究是区域农业资源管理的核心，也是可持续发展的基础^［17-19］。内蒙古河套灌区是中国北方重要的商品粮基地，农业种植结构关系该绿洲协调发展，也是绿洲农业生态研究的主要内容^{［1，20-23］} 。在国内外对土地利用变化及种植结构信息提取较为成熟的前提下^{［3，5，12，18］}，本文拟以MODIS NDVI数据产品提取的河套灌区2000—2018年农业种植结构数据为基础，进行种植结构变化与驱动因素关系分析，为河套灌区在引黄水量约束条件下的种植业布局调整和规划提供参考依据。

内蒙古河套地区位于内蒙古自治区西部（40°—41°N，107°—109°E），是黄河上游地区的特大型灌区，由沈乌灌域、解放闸灌域、永济灌域、义长灌域和乌拉特灌域组成（图1）。行政区划隶属于巴彦淖尔市。气候属典型温带大陆性气候，年平均气温6.3—7.7 ℃。由于地处西北内陆干旱、半干旱区，多年平均降雨量和蒸发量分别为160 mm和2 240 mm，引黄灌溉是该地农业生产的必要条件^［24］。河套灌区地形平坦，主要土壤类型有盐化灌淤土、盐土和潮灌淤土等，土壤质地以壤土、砂壤土、粉质黏土和少量细粉砂土为主^［25-27］，土层深厚，为湖相沉积平原。主要作物类型有玉米、小麦、向日葵和番瓜（白瓜籽）等，多年统计资料分析表明，以上作物类型占河套灌区作物种植面积的94.4%以上。

种植结构识别数据采用MOD13Q1 NDVI数据产品（轨道号为h26v04和h27v04），通过MRT（Modis Reprojection Tool）进行转换和拼接，将数据由HDF格式转换为TIFF格式并完成拼接和研究区范围裁剪，投影方式由等面积正弦曲线投影（Sinusoidal Projection）转换为通用横轴墨卡托投影（Universal Transverse Mercator Projection，UTM）。获取数据编号为129、145、161、177、193、209、225、241、257、273 d（129代表5月9日，以后顺延），获取日期为2000年5月到2018年9月。年平均气温、总人口、GDP及城市建成区面积数据源自内蒙古自治区统计年鉴，引黄水量、地下水埋深由内蒙古河套灌区管理局提供的月值数据整合而来。

阈值提取法快速简便，在遥感识别上运用较为广泛^［14］。由于4种农作物生长节律的差异，在MODIS影像上表现出不同反射率^{［8，28-29］}，可利用此规律寻找不同作物在特定时段NDVI信息差异，剔除其他农田作物的干扰信息，以达到有效区分并提取作物类型的目的^［17］。玉米、小麦、向日葵和番瓜4种主要作物样区GPS标定在2017—2019年进行。标定时在连片种植区中部，将2017—2019年采集的特征点引导至同期MODIS NDVI影像，在影像上统计逐年玉米、小麦、向日葵和番瓜种植区域不同时间尺度NDVI阈值。3年共采集了玉米特征点69个，小麦特征点17个，向日葵特征点96个，番瓜特征点37个。野外作物反射光谱测定在晴朗、光照充足以及无建筑物遮挡条件下进行，测定时间10:00—15:00。仪器使用美国产FieldSpec4-Wied光谱仪，测定前进行校光，每次测定各作物分别选取30个点。每次测定设定为5次重复。向日葵编号B001-B160，番瓜编号B161-B300，B501-B600，小麦编号B301-B500，玉米编号B601-B800，测定数据在ViewSpec pro version6.2处理整合完成。结合作物光谱反射率、MODIS NDVI阈值特征点统计，计算判定4种作物的NDVI阈值范围。

小麦是河套灌区大田播种最早作物，5月中下旬进入分蘖期。2018年5月16日野外测定中，小麦平均NDVI为0.588（±0.158），远高于同期的玉米、番瓜和向日葵。采用5月9日（129 d）数据可识别小麦种植范围，阈值范围为NDVI_{≥0.2。番瓜在7月进入生长旺盛期（NDVI>0.8），8月底收获后NDVI急剧减少；用193—241 d（7月12日至8月29日）进行差值逻辑判断，阈值范围为NDVI<0.3。玉米在6—8月进入NDVI饱和期（NDVI>0.8且变化较小），利用161—241 d（6—8月）影像数据累加值进行识别，阈值范围为（NDVI≥3.0）。向日葵7月下旬（209 d）与玉米NDVI相似，故可用209 d（高）与129 d（低）差值进行逻辑判断识别，阈值范围为NDVI≥0.65。最后，在ArcGIS空间分析模块中对4种作物面积进行逐年提取和拼接，对拼接中生成的极少数空白和重叠区域按相邻最大斑块属性合并或补充。}

本文农田范围用河套灌区逐年（2000—2018年）土地利用图中的农田地类叠加最大面积来确定，除4种主要作物外，剩余作物和地物归为其他类型。

本文种植面积变化采用一元一次线性回归趋势分析，显著性分析（F检查）临界值采用P=0.05和P=0.001判定。当P>0.05时不显著；0.001≤P≤0.05时为显著；P<0.001时为极显著。河套灌区4种作物种植面积变化驱动力分析采用皮尔逊相关系数检验（双尾）^［30-31］。

式中：R_xy为变量x、y之间的相关系数；x_i、y_i分别为第i年的种植面积和相关变量；x¯、y¯分别表示种植面积年平均值及相关因子的平均值；i为年变量，i=1、2、3、…、19；n=19为监测年数。

动态度可直观地反映研究时段内人工绿洲作物种植面积的变化速度。

式中：s₁、s₂分别表示研究初期和研究末期某一类型作物种植面积；T为研究时段，当T设定时段为年时，K表示该区域某类土地利用类型的年变化率，其中|K|越大，则该土地利用类型在该时间段内变化速率越快^［32］。

土地利用转移矩阵分析法是源于系统分析中对原始状态与转移后状态关系的一种定量分析方法^［33］，在本文中对4种作物种植面积2000—2018年的总体转换进行分析的转移矩阵表达形式为：

式中：s为土地面积；n为土地利用的类型数；i，j分别为研究期初与研究期末的土地利用类型序号^［34-35］。

玉米平均种植面积为（139.7±39.1）×10³ hm²，占研究区面积的16.9%。玉米种植面积在时间尺度上呈波动上升趋势（P<0.001，图2），种植面积年际波动不大，变异系数为0.28（表1）。玉米种植面积在2015年最高，为199.3×10³ hm²，2000年种植面积为研究时段内最低，为71.1×10³ hm²。

小麦种植面积呈显著下降趋势（k=-12.4），且在时间尺度上线性变化达到了极显著水平（P<0.001）。研究时段内小麦种植面积49.3×10³—249.2×10³ hm²，多年平均种植面积（132.5±75.5）×10³ hm²，占研究区面积的16.5%。从逐年变化特点来看，2010—2018年种植面积明显低于平均种植水平，2000—2009年除2003年和2008年接近平均种植水平外，其余年份种植面积皆高于平均种植水平，小麦面积变异系数为0.57。

向日葵种植面积随时间变化增长显著（图2），且线性变化达到了极显著水平（P<0.001）。向日葵多年平均种植面积为（250.5±58.3）×10³ hm²，占研究区面积的30.4%，种植面积最大年份（2014年）为337.4×10³ hm²，种植面积最小年份（2000年）为140.2×10³ hm²。明显高于平均种植年份出现了9年，低于平均种植年份8年，接近平均种植水平2年，变异系数为0.23，且种植面积仍有增加趋势（k=8.9）。

2000—2018年，番瓜种植面积呈波动增加趋势（k=2.2），种植面积年际间波动较大，变异系数高达0.76。研究时段内番瓜种植面积在2002年最低，为6.4×10³ hm²，2018年最高，为68.3×10³ hm²，多年平均种植面积（21.6±16.4）×10³ hm²。时间上线性变化极显著（P<0.001），占研究区面积比例极小，仅为2.6%。

为了简化分析，选取4类作物种植面积最小年（2000年）和最大年（2018年）进行空间分异分析。从面积组成来看，在最小年份，4种作物总种植面积为461.3×10³ hm²，其中玉米、小麦、向日葵和番瓜种植面积占总种植面积比例分别为15.4%、52.2%、30.4%和2.0%。在最大年份，4种作物总种植面积为592.4×10³ hm²，其中玉米、向日葵、番瓜种植面积占总种植面积比例较最小年份有所上升，而小麦占总种植面积的比例下降，2018年玉米、小麦、向日葵和番瓜占总种植面积比例分别为32.0%、9.1%、47.4%和11.5%（图3）。

从空间分布来看（图4），在最小年份，玉米主要种植区域为永济灌域；小麦种植区域广泛，5个灌域皆有种植，其中集中连片种植区主要在解放闸灌域和义长灌域的东南部；向日葵主要种植区域为义长灌域和乌拉特灌域；番瓜无特殊种植规律。在最大年份，对比2000年玉米种植区域扩大，在沈乌灌域和永济灌域种植面积较大，其余灌区零散种植；解放闸灌域小麦种植范围缩小，主要种植作物由小麦转为玉米和向日葵，小麦种植面积虽减少，但解放闸灌域仍为小麦主要种植区域；向日葵2018年种植范围较2000年有所扩大，在永济灌域、义长灌域和乌拉特灌域种植较多；番瓜种植区域在义长灌域及灌域西北部种植较多。研究时段内番瓜种植面积有较高的变化速率，为33.8%，玉米、向日葵变化速率缓慢，分别为8.8%和5.3%，而小麦变化速率为 -4.1%。

作物种植结构的改变主要是指灌区内部主要作物种植面积的变化，即玉米、向日葵、番瓜和小麦种植面积的相互转化。2000—2018年河套灌区参与转换土地面积共计639.0×10³ hm²，主要是小麦、向日葵和其他用地之间的转换，分别为229.6×10³ hm²、135.5×10³ hm²和197.4×10³ hm²，占研究区面积比例分别为35.9%、21.2%和30.9%（表2）。

2000—2018年灌域内作物总种植面积由2000年的461.3×10³ hm²扩增到2018年的592.4×10³ hm²，总体呈小幅扩张状态。结合转移矩阵（不包括2000年后新开垦范围）和种植结构空间分布图（图3，表2），灌域内种植面积增加主要受玉米、向日葵与番瓜种植面积增加和小麦种植面积减少的影响。其中小麦面积从2000年的229.6×10³ hm²减少到42.2×10³ hm²，转为（列向）玉米、向日葵、番瓜和其他作物面积分别为63.1×10³ hm²、73.9×10³ hm²、23.5×10³ hm²和44.7×10³ hm²，主要分布在解放闸灌域。向日葵由135.5×10³ hm²增加到224.6×10³ hm²，由玉米、小麦、番瓜和其他作物转入（行向），分别为30.6×10³ hm²、73.9×10³ hm²、3.4×10³ hm²和32.5×10³ hm²，零散分布在义长灌域。玉米由67.8×10³ hm²增加到149.6×10³ hm²，由小麦、向日葵、番瓜和其他作物分别转入63.1×10³ hm²、29.4×10³ hm²、2.2×10³ hm²和34.5×10³ hm²，主要零散分布在永济灌域。番瓜由8.8×10³ hm²增加到52.9×10³ hm²，由玉米、小麦、向日葵和其他作物分别转入6.6×10³ hm²、23.5×10³ hm²、9.3×10³ hm²和12.2×10³ hm²，零散分布除沈乌灌域外的其他地区。

4种农作物种植面积与关键影响因素关联分析表明（表3），年引黄水量与小麦、向日葵和番瓜面积变化关系不密切（P>0.05）。从影响方式来看，玉米和向日葵种植面积与年引黄水量负相关，小麦和番瓜面积与年引黄水量正相关，但均未通过显著性检验（P>0.05）。地下水埋深与玉米、向日葵和番瓜种植面积关系密切且为正相关，与小麦面积负相关，其中向日葵、番瓜和达到了显著水平（P<0.05），玉米未达到显著水平（P>0.05）。年平均气温与玉米、向日葵和番瓜种植面积呈负相关关系，对小麦种植面积的影响为正，但仅小麦和向日葵达到了显著水平（P<0.05）。总人口与玉米、向日葵和番瓜种植面积关系密切且为负，与小麦种植面积高度正相关，其中对玉米、小麦和向日葵的影响达到了极显著水平（P<0.001），对番瓜的影响达显著水平（P<0.05）。GDP与4类作物面积变化联系密切，其中对玉米、向日葵和番瓜的影响为正，与小麦种植面积呈负相关，GDP对玉米、小麦和向日葵种植面积的影响皆达到极显著水平（P<0.001），对番瓜的影响也达到显著水平（P=0.001）。城市建成区面积对玉米、向日葵和番瓜种植面积的影响方式为正相关，对小麦种植面积的影响方式为负相关，其对玉米、小麦和番瓜种植面积影响显著（P<0.05），对向日葵影响不显著（P>0.05）。

以上分析表明，玉米、小麦、向日葵和番瓜种植面积的变化驱动因素各不相同，年引黄水量、地下水埋深、年平均气温、总人口、GDP、城市建成区面积对4类作物种植面积影响水平不同。年引黄水量对作物种植面积有影响但均不显著，地下水埋深对向日葵和番瓜种植面积有较显著影响，气温的变化对向日葵和小麦种植面积变化影响显著，总人口和GDP变化与4类作物种植面积关系密切，城市建成区面积对番瓜和小麦种植面积的变化影响较显著。

人工农业绿洲土地利用变化的影响因素存在区域差异，总体为自然驱动和人为驱动两大动力^［23］。就本研究所采用的影响因素而言，年引黄水量和地下水埋深这类影响因素在以往的人工农业绿洲土地利用类型变化驱动因素中鲜有采用^{［1，22-23，28］}。河套灌区年平均引黄水量达44.9亿m³，属于没有引水灌溉便没有农业的地区。年引黄水量对地下水埋深产生影响，地下水埋深反过来影响当地的农业种植。玉米等4种作物在种植过程中灌水频繁^［24］，但灌溉需水存在差异。在本研究中引黄水量对4类作物面积的影响水平虽不显著，但与玉米和向日葵种植面积为负相关关系，与番瓜和小麦为正相关关系。这说明番瓜种植面积对现行引黄水量依赖较小，也与其种植面积逐年增加相互印证（图2D）；而小麦对引黄水量依赖较大，其种植面积呈下降趋势，与灌溉保障（需水）降低有关（图2B）。所以作物种植面积变化受引黄水量要素的控制。地下水埋深作为自然驱动因素，与番瓜有较强相关性（R=0.616，P<0.05），表明地下水埋深在一定程度上影响了番瓜的种植规模。刁维杰等^［22］在民勤绿洲的研究中指出了土地利用变化主要驱动因素是人口活动和气候，但强调了气温在研究时段内变幅小，故而气温不是绿洲土地利用变化的主要驱动因素。而在土地利用三级分类（种植结构）中，气温对向日葵和小麦种植面积变化有显著影响，结论与之相悖。原因与二者之间所处地理位置和气候带差异有关，民勤绿洲位于干旱区，且东、西、北由腾格里和巴丹吉林沙漠环绕，生长期气温变幅小，而河套灌区处于内蒙古高原，气温变幅较大，对于向日葵和小麦这类对温度较为敏感的作物影响较大。社会经济的发展加速了城镇化的进程^［23］，粮食生产安全需求也导致农作物种植面积发生变化。在本研究中，总人口和GDP与作物种植面积变化高度相关，且均达到显著水平，人口增长和经济的发展要求更多的粮食生产，表明作物种植结构受不同程度经济建设、人口活动和城市建设等因素的影响。年引黄水量、地下水埋深、年平均气温、GDP、总人口和城市建成区面积这6个因子涵盖了已有研究强调的自然和人文要素，且在量化关系上更简洁^{［22，28］}，用它们构建了与4种主要作物种植面积的多元回归分析模型（表4），说明了河套灌区农业种植结构受到了多种因素的总和影响。从影响程度来看，对玉米、小麦和向日葵的影响极显著（P<0.001），番瓜次之（P>0.05）。

河套灌区玉米等4种主要作物多年平均种植面积为544.4×10³ hm²。在时间特征上，河套灌区小麦种植面积显著减少（R²=0.85，P<0.001），玉米（R²=0.91，P<0.001）、向日葵（R²=0.73，P<0.001）和番瓜（R²=0.55，P<0.001）种植面积显著增加。在空间分布上，玉米种植区主要分布于永济灌域，小麦连片种植区主要分布在解放闸灌域，向日葵主要分布于义长灌域，番瓜种植区无特殊分布规律。

2000—2018年河套灌区发生转换土地面积共计639.0×10³ hm²，4种作物总种植面积总体呈小幅扩张，其变化主要受向日葵种植面积增加和小麦种植面积减少的影响。

河套灌区玉米等4种主要作物种植面积变化受地下水埋深、年平均气温等自然因素和GDP、年引黄水量、城市建设等人为因素共同作用。其对玉米、小麦和向日葵种植面积的影响显著大于番瓜。