马春玥^1,2, 买买提·沙吾提^,1,2,3,*, 依尔夏提·阿不来提^1,2, 姚杰⁴1 新疆大学资源与环境科学学院, 新疆乌鲁木齐 830046
2 新疆绿洲生态教育部重点实验室, 新疆乌鲁木齐 830046
3 新疆智慧城市与环境建模普通高校重点实验室, 新疆乌鲁木齐 830046
4 重庆盈熙横纵信息技术有限公司, 重庆 400014

Characteristics and influencing factors of geographical agglomeration of cotton plantation in Xinjiang

MA Chun-Yue^1,2, Mamat Sawut^,1,2,3,*, Ershat Ablet^1,2, YAO Jie⁴ 1 College of Resources and Environmental Science, Xinjiang University, Urumqi 830046, Xinjiang, China
2 Key Laboratory of Oasis Ecology of Ministry of Education, Urumqi 830046, Xinjiang, China
3 Key Laboratory for Wisdom City and Environmental Modeling, Xinjiang University, Urumqi 830046, Xinjiang, China
4 Chongqing Yingxi Hengzong Information Technology Co. Ltd, Chongqing 400014, China

通讯作者: 买买提·沙吾提, E-mail: korxat@xju.edu.cn

收稿日期:2019-03-15接受日期:2019-06-20网络出版日期:2019-07-16

基金资助:

本研究由国家自然科学基金项目.41361016 本研究由国家自然科学基金项目.41461051

Received:2019-03-15Accepted:2019-06-20Online:2019-07-16

Fund supported:

This study was supported by the National Natural Science Foundation of China.41361016 This study was supported by the National Natural Science Foundation of China.41461051

作者简介 About authors
马春玥,E-mail:lury_gis@163.com。






摘要
新疆是我国最大的产棉基地, 研究新疆棉花种植业地理集聚特征对调整和优化农业结构布局、农民增收、促进棉花生产的可持续发展具有重要意义。本文基于1988—2016年的新疆棉花生产数据, 使用区位商、区位基尼系数和空间自相关分析探究新疆棉花种植业发展的时空变化特征, 并运用空间面板数据模型定性、定量地分析了各影响因素对新疆棉花种植业地理集聚的影响程度, 揭示了新疆棉花种植业发展的主要驱动因素。结果表明, 新疆棉花种植面积经历了持续增长(1988—1999年)、缓慢减少(2000—2004年)以及波动增长(2005—2016年) 3个阶段, 2016年已占全国种植面积的3/5, 其专业化集聚水平自1992年起均高于全国其他地区, 主导地位日益增强; 新疆棉花种植业的区域特征明显, 南疆棉区的变化主导新疆棉花种植业的变化; 新疆棉花种植业的集聚水平自1988年起呈现出波动中下降后缓慢回升的趋势, 其高值集聚区由喀什地区转移至阿克苏地区的库车县、新和县等地, 高-低集聚、低-高集聚及低低集聚变化不大; 推动新疆棉花种植业地理集聚发展的主要因素有生产性土地面积比重、棉花比较收益、机械化水平以及政策因素。
关键词： 棉花种植业;地理集聚;时空特征;空间面板数据模型

Abstract
Xinjiang is the largest cotton production base in China. The study on the geographical agglomeration characteristics of cotton planting in Xinjiang is of great significance in adjusting and optimizing the agricultural structure distribution of cotton production, increasing farmers’ income, and promoting the sustainable development of cotton. Based on the cotton production data of Xinjiang from 1988 to 2016, we explored the spatial-temporal change characteristics of cotton plantation by Location quotient, Gini coefficient, and spatial autocorrelation analysis, qualitatively and quantitatively analyzed various influence factors on the geographical agglomeration of cotton plantation by spatial panel data model, and revealed the main driving force of cotton planting industry in Xinjiang. The cotton planting area in Xinjiang experienced three stages, including continuous growth (1988-1999), slow decrease (2000-2004) and fluctuating growth (2005-2016). In 2016, the cotton planting area accounted for nearly 3/5 of the total area in China, and its professional agglomeration level was higher than that of other regions in China, with the increasingly strengthened leading position since 1992. The regional characteristics of cotton planting industry in Xinjiang were obvious. The change of cotton area in southern Xinjiang dominated the change of cotton plantation in Xinjiang. The agglomeration level of cotton plantation in Xinjiang showed a trend of slow recovery after a decline in fluctuation since 1988. The high aggregation (H-H) area transferred from Kashgar area to Kuqa and Xinhe in Aksu area, at the same time, the changes of high-low cluster, low-high cluster and low-low cluster were not significant. The main factors promoting the geographical agglomeration of cotton planting in Xinjiang included the proportion of productive land area, cotton comparative income, mechanization level and policy factors.
Keywords：cotton plantation;geographical agglomeration;spatio-temporal characteristics;spatial panel data model


PDF (3129KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
马春玥, 买买提·沙吾提, 依尔夏提·阿不来提, 姚杰. 新疆棉花种植业地理集聚特征及影响因素研究[J]. 作物学报, 2019, 45(12): 1859-1867. doi:10.3724/SP.J.1006.2019.94041
MA Chun-Yue, Mamat Sawut, Ershat Ablet, YAO Jie. Characteristics and influencing factors of geographical agglomeration of cotton plantation in Xinjiang[J]. Acta Agronomica Sinica, 2019, 45(12): 1859-1867. doi:10.3724/SP.J.1006.2019.94041


棉花是我国极为重要的一种大田经济作物, 其生产覆盖全国24个省、市、自治区, 商品率高达95%以上, 在国民经济中占有十分重要的地位。新疆自1993年起, 棉花产量、种植面积、单产都居全国首位, 现已是我国最大的产棉基地。新疆棉花生产对中国棉花战略、确保国家粮棉安全以及促进新疆农村经济和农民增收都具有重要的战略意义。

基于新疆棉花生产的重要战略地位, 许多****针对新疆棉花种植的时空格局、机械化发展、生产布局、病虫害、棉花生理生化参数等一系列问题展开研究^[1,2,3,4,5]。早在1958年, 竺可桢曾提出“新疆宜于种植小麦和棉花, 应成为小麦和棉花的仓廪”。徐培秀等^[6]评价新疆棉花发展条件, 划分棉花生产的适宜区。杨莉等^[7]认为南疆棉花的生产变化主导着新疆棉区的变化。贺林均等^[8]基于CR₄识别新疆棉花的主产区域, 并分析自然资源、气候环境等对新疆棉花产业的影响程度。毛树春等^[9]对新疆棉花工厂育苗和机械移栽技术进行了深入研究, 其成果是现代节约型植棉新技术的体现。武建设等^[10]对新疆生产建设兵团棉花生产的机械化问题进行深入研究, 认为机械化生产推动了新疆棉花生产。

前人从不同角度对新疆棉花种植业的发展展开了相关研究, 比较准确地分析了新疆棉花种植业的时空分布特征, 但对新疆棉花生产战略地位的分析使用的指标较为单一; 进行驱动力分析时往往忽视各因素之间的交互性及空间异质性。本文在前人研究的基础上, 运用区位商和区位基尼系数2个测度指标, 综合分析新疆棉花种植业在全国的地位以及新疆各地区棉花种植面积的变化情况, 通过空间自相关分析表达新疆棉花种植业集聚程度, 并运用空间面板数据模型定量分析自然资源、经济因素和市场条件、技术因素、交通条件以及政策导向对新疆棉花种植业地理集聚的影响程度。

1 材料与方法

1.1 研究区概况及数据

新疆(73°40′~96°18′E, 34°25′~48°10′N)地处我国西北边陲, 占国土总面积的六分之一(约166万平方千米), 是“一带一路”的核心区, 具有十分重要的战略地位。新疆气候条件得天独厚, 适合种植棉花, 有近80%的地区植棉, 现为我国最大的产棉基地, 同时是国家唯一的长绒棉产地, 全疆近40%的地区适宜种植长绒棉, 近80%的地区适宜种植中长绒棉^[1]。

本文所用数据主要来源于1989—2017年《新疆统计年鉴》、《新疆五十年1955—2005》、《新疆辉煌60年1955—2015》、国家统计局(http://www.stats.gov.cn/)、《棉花统计资料汇编》、《中国棉花年鉴》。

1.2 研究方法

本文先采用区位商分析新疆棉花生产与全国各省市区间的差距及变化趋势, 进而使用区位基尼系数反映新疆棉花种植业在地理空间上的分布差异程度, 然后通过空间自相关分析新疆棉花的空间分布和集聚位置及状态, 最后基于新疆棉花种植业集聚特征, 运用空间面板模型量化各影响因素的影响程度。

1.2.1 区位商 区位商(location quotient)可用来衡量要素在某一区域中的空间分布情况, 能够反映新疆棉花生产在全国的地位和作用 ^[11]。

(1)Q_i = (e_ij/e_i)/(E_j/E)
式中, Q_i表示区域i的棉花的区位商, e_ij表示区域i棉花的种植面积, e_i表示区域i农业总种植面积, E_j表示全国棉花种植面积, E表示全国农业总种植面积。Q_i是某区域棉花种植业与全国平均水平的比值, 考虑到区域内棉花种植的绝对规模, 可能会出现Q_i很大但种植规模很小的情况, 此时并不能认为棉花在该区域具有优势。为克服这一问题, 本研究将按照种植面积大小排出前5位的省市区, 与Q_i排名前5的省市区结合比较, 综合说明棉花的专业化集聚^[12]。

1.2.2 区位基尼系数 区位基尼系数常用来测度收入分配或资源配置在地理空间上分布的差异程度, 取值范围为[0, 1], 越趋近于0, 收入分配或资源配置越均衡, 集聚度越低, 趋近于1则相反, 计算公式如下^[13]。

(2) $G=\frac{1}{2{{n}^{2}}\bar{x}}\sum\nolimits_{i=1}^{n}{\sum\nolimits_{j=1}^{n}{\left| {{x}_{i}}-{{x}_{j}} \right|}}$
式中, x_i、x_j表示区域i、j棉花种植面积, n表示区域的个数, $\bar{x}$是棉花种植面积的均值。

1.2.3 空间自相关分析 为进一步探讨新疆棉花空间分布, 本研究基于新疆各县(市)棉花种植面积, 利用ArcGIS10.5建立新疆各县(市)基于Queen邻接的空间权重矩阵, 进行探索性分析得到Moran’s I和LISA_i统计量, 进而分析新疆棉花的空间分布和集聚位置及状态, 具体公式及参数含义详见参考文献[14]。

1.2.4 空间面板模型 空间面板数据模型优于传统计量模型的地方在于考虑观测单元的个体效应, 可在一定程度上优化结果^[15-16]。空间杜宾面板数据模型(Spatial Durbin panel data model, SDPDM)比空间滞后面板数据模型(Spatial lag panel data model, SLPDM)和空间误差面板数据模型(Spatial error panel data model, SEPDM)更能反映自变量与应变量间的交互效应, 且对空间异质性与不确定性的处理更加有效^[17-18], 故本文选用SDPDM对新疆棉花种植业地理集聚问题进行实证分析, 其一般形式如下。

(3) ${{Y}_{it}}=\rho \sum\nolimits_{j=1}^{n}{{{W}_{ij}}{{Y}_{jt}}+\beta {{X}_{it}}+\theta \sum\nolimits_{j=1}^{n}{{{W}_{ij}}{{X}_{jt}}+{{\mu }_{i}}+{{\upsilon }_{t}}}}+{{\varepsilon }_{it}}$
式中, Y_it、Y_jt分别表示i、j地区在时间t年的棉花产量, X_it、X_jt分别表示i、j地区在时间t年的影响因素变量, W_ij是空间权重矩阵, ρ和θ分别为因变量和自变量的空间滞后系数, β是自变量的待估常回归系数, u_i为个体空间固定效应, v_t为时间固定效应, ε_it表示空间自相关误差项, 满足ε~N (0, σ²I_n)。

2 结果与分析

2.1 新疆棉花种植业地理集聚特征分析

2.1.1 新疆棉花种植业在全国的地位 由图1可知, 就棉花种植面积而言, 新疆棉区在全国的比重明显增大, 由1988年6%左右增加到2016年近60%, 其中, 1988—1999年为持续增长阶段, 2000—2004年缓慢减少, 2005—2016年总体呈上升趋势, 2008、2009年略有下降; 黄河流域棉区在全国的占比由1988年近63%缩减为2016年24%左右; 长江流域棉区则由1988年30%左右减少到2016年近17%。从各棉区种植面积的波动情况来看, 黄河流域棉区和长江流域棉区总体都呈下降趋势, 其中长江流域棉区研究期间波动较大; 而新疆棉区棉花种植面积期间虽有减少, 但总体增势不变, 现已是中国最大的棉区, 2016年几乎占到全国棉花种植面积的五分之三。

图1

新窗口打开|下载原图ZIP|生成PPT
图1全国各棉区占比情况(1988-2016年)

Fig. 1Proportion of cotton areas in the country from 1988 to 2016



由表1、表2可知, 区位商和棉花种植面积排名的前5位主要集中在新疆、山东、河南、河北、湖北、安徽及江苏几个省、区, 其中, 表1中天津市的区位商3次排第二, 1次排第一, 属于区位商很大但种植规模很小的情况, 因此不能认为天津市棉花专业化集聚水平高。表2中各省市区的区位商都大于1, 说明棉花种植业的集聚程度都比较高。新疆区位商1988年虽为全国第二, 但与排名第一的山东省差距不大, 只有0.014, 1992—2016年新疆区位商均居全国首位, 说明新疆棉花种植业集聚程度高于全国其他省市区, 期间除2004年有所下降外, 其余年份都呈增加趋势且与全国其他省市区间的差距逐渐增大, 因此, 综合区位商和棉花种植面积来看, 新疆棉花种植业在全国的主导地位日益增强。

Table 1
表1
表11988-2016年区位商排名前5的省、区
Table 1Location quotient (Q_i) of top five provinces or autonomous region and cities from 1988 to 2016

年份 Year	第1 Top 1		第2 Top 2		第3 Top 3		第4 Top 4		第5 Top 5
	省、区 Region	区位商Qi	省、区 Region	区位商Qi	省、区 Region	区位商Qi	省、区 Region	区位商Qi	省、区 Region	区位商Qi
1988	山东Shandong	3.4	新疆Xinjiang	3.4	河北Hebei	2.8	河南Henan	2.0	江苏Jiangsu	1.9
1992	新疆Xinjiang	4.6	山东Shandong	3.1	河南Henan	2.3	河北Hebei	2.3	江苏Jiangsu	1.8
1996	新疆Xinjiang	8.1	河南Henan	2.6	江苏Jiangsu	2.0	湖北Hubei	2.0	河北Hebei	1.6
2000	新疆Xinjiang	12.1	河南Henan	2.3	山东Shandong	1.9	湖北Hubei	1.6	河北Hebei	1.4
2004	新疆Xinjiang	8.5	天津Tianjin	4.7	山东Shandong	2.7	河北Hebei	2.1	河南Henan	1.9
2008	新疆Xinjiang	10.2	天津Tianjin	4.3	山东Shandong	2.3	河北Hebei	2.2	湖北Hubei	2.0
2012	新疆Xinjiang	11.7	天津Tianjin	4.0	河北Hebei	2.3	湖北Hubei	2.0	安徽Anhui	1.2
2016	新疆Xinjiang	16.6	山东Shandong	1.9	河北Hebei	1.5	天津Tianjin	1.3	湖北Hubei	1.2

新窗口打开|下载CSV

Table 2
表2
表21988-2016年全国棉花种植面积排名前5的省市区
Table 2Cotton plantation areas of top five provinces and cities from 1988 to 2016 (×10⁴ hm²)

年份 Year	第1 Top 1		第2 Top 2		第3 Top 3		第4 Top 4		第5 Top 5
	省、区 Region	面积 Area	省、区 Region	面积 Area	省、区 Region	面积 Area	省、区 Region	面积 Area	省、区 Region	面积 Area
1988	山东Shandong	141.2	河北Hebei	92.4	河南Henan	89.6	江苏Jiangsu	59.9	湖北Hubei	44.2
1992	山东Shandong	147.7	河南Henan	122.9	河北Hebei	87.7	江苏Jiangsu	66.0	新疆Xinjiang	63.2
1996	河南Henan	95.4	新疆Xinjiang	74.3	山东Shandong	50.9	江苏Jiangsu	47.3	湖北Hubei	44.1
2000	新疆Xinjiang	106.3	河南Henan	79.1	山东Shandong	54.1	河北Hebei	33.0	安徽Anhui	31.0
2004	新疆Xinjiang	112.8	山东Shandong	105.9	河南Henan	95.2	河北Hebei	66.9	江苏Jiangsu	41.0
2008	新疆Xinjiang	166.8	山东Shandong	88.8	河北Hebei	69.0	河南Henan	60.6	湖北Hubei	54.3
2012	新疆Xinjiang	172.1	山东Shandong	69.0	河北Hebei	57.8	湖北Hubei	47.3	安徽Anhui	30.5
2016	新疆Xinjiang	215.5	山东Shandong	46.5	河北Hebei	28.9	湖北Hubei	20.3	安徽Anhui	18.3

新窗口打开|下载CSV

2.1.2 疆内棉花种植面积时序变化特征 由图2可知, 新疆棉花种植面积总体呈上升趋势, 但具有较强的阶段性特征, 1988—2006上升较为平稳, 期间稍有波动, 2002、2007和2014年有不同程度的波动, 南疆、北疆及兵团都在2014年达到研究时段内棉花种植面积的最大值。北疆、南疆及生产建设兵团棉花种植面积的变化与全疆的变化趋势相似, 其中, 南疆棉花种植面积在全疆的比重不断增加, 2016年为52%左右, 是新疆的主产棉区。东疆棉花种植面积变化趋势呈一条平缓的曲线, 基本保持不变。

图2

新窗口打开|下载原图ZIP|生成PPT
图2新疆各棉区棉花种植面积变化(1988-2016年)

Fig. 2Variation of cotton plantation areas in Xinjiang from 1988 to 2016



由图3可知, 1988—2001年新疆棉花种植业的集聚程度不断降低, 表明期间棉花种植业在空间分配上趋于均衡; 2002—2016年区位基尼系数的变化波动较大, 但变化周期短, 在1~3年之间; 基尼系数整体呈“W型”变化趋势, 波动比较明显, 说明在1988—2016年间, 新疆棉花的集聚程度整体表现出先波动下降后波动上升的趋势。

图3

新窗口打开|下载原图ZIP|生成PPT
图3新疆棉花地理集聚变化趋势(1988-2016年)

Fig. 3Changing trend of geographical agglomeration of cotton industry in Xinjiang from 1988 to 2016



2.1.3 全局空间自相关分析 由图4可知, 从1988—2016年Moran’s I的波动情况看, Moran’s I和图3中基尼系数的变化趋势极为相似, 进一步验证了新疆棉花种植业地理集聚程度自1988年以来先波动下降后波动上升; 1988—2016年的Moran’s I和Z-Score都为正且近70%通过了10%的显著性检验, 说明新疆棉花种植存在较为显著的空间正相关性, 上述分析表明, 新疆棉花种植在县域尺度上存在较为显著的空间正相关性, 即棉花种植具有明显的空间依赖性。

图4

新窗口打开|下载原图ZIP|生成PPT
图4新疆棉花种植面积的全局相关性分析(1988-2016年)

Fig. 4Global correlation analysis of Xinjiang cotton industry from 1988 to 2016



2.1.4 局域空间自相关分析 由图5可知, 1988—2016年间, 新疆棉花种植业高-高(H-H)集聚区变化显著, 1988—2000年主要分布在喀什地区, 其中从1996年起, 新和县也为高-高(H-H)集聚, 2004年开始高-高(H-H)集聚的地区范围减少, 且有向东北方向移动的趋势; 而低-低(L-L)集聚区变化不大, 主要分布在哈密市、昌吉州的昌吉市、呼图壁县、阜康市等地, 这些地区的棉花种植业在空间上呈分散状态; 高-低(H-L)集聚区域不多, 主要为2008年后的哈密市; 低-高(L-H)集聚主要分布在阿克陶县、和田的皮山县。通过上述分析, 可发现新疆棉花种植业在空间分布上进行了适当的调整, 离散分布的地区范围有所扩张, 棉花种植业的重心由喀什地区逐渐转为阿克苏地区的库车县、新和县。

图5

新窗口打开|下载原图ZIP|生成PPT
图5新疆棉花种植地理集聚的局域空间自相关变化(1988-2016年)

H-H: 表示一个高值被与其相邻的高值包围, 属于高-高集聚; H-L: 表示一个高值被与其相邻的低值包围, 属于高-低集聚; L-H: 表示一个低值被与其相邻的高值包围, 属于低-高集聚; L-L: 表示一个低值被与其相邻的低值包围, 属于低-低集聚。
Fig. 5Local spatial auto-correlation of geographical agglomeration in Xinjiang cotton industry (1988-2016)

H-H indicates that a high value is surrounded by its adjacent high value, which belongs to high-high aggregation; H-L indicates that a high value is surrounded by its adjacent low value, which belongs to high-low aggregation; L-H indicates that a low value is surrounded by its adjacent high value, which belongs to low-high aggregation; L-L indicates that a low value is surrounded by its adjacent low value, which belongs to low-low aggregation.

2.2 新疆棉花地理集聚的影响因素分析

2.2.1 因素的假设与变量说明 在农业产业地理集聚相关研究的基础上, 结合新疆棉花生产发展现状, 综合考虑资源、经济和市场、技术、交通和政策等因素及数据的可获取性等方面^{[19,20,21,22,23,24,25,26,27]}, 从中选取10个相关变量重点分析(表3)。

Table 3
表3
表3影响因素的假设及变量说明
Table 3Assumption of influence factor and variable description

影响因素 Influence factor	变量 Variable	变量说明 Variable description
资源条件 Resource conditions	生产性土地面积比重 Proportion of productive land area (X1)	棉花种植面积/土地面积 Cotton plantation areas/land area
	人均粮食产量 Per capita grain yield (X2)	粮食总产量/总人口数 Total grain production/total population
	灌溉水平 Irrigation level (X3)	区域灌溉用水量/耕地面积 Irrigation water consumption/cultivated area
经济和市场因素 Economic and market factors	人均GDP情况 Per capita GDP (X4)	区域GDP总量/总人口数 Total regional GDP/total population
	棉花比较效益 Comparative benefit of cotton (X5)	棉花与竞争性作物(粮食)价格比值 The price ratio of cotton to a competitive crop (grain)
技术因素 Technical factors	机械化水平 Mechanization level (X6)	农业机械总动力/耕地面积 Total power of agricultural machinery/cultivated area
	化肥施用量 Consumption of chemical fertilizers (X7)	化肥折纯量/耕地面积 Consumption of chemical fertilizers/cultivated area
	塑料薄膜使用情况 Consumption of plastic film (X8)	塑料薄膜使用量/耕地面积 Consumption of plastic film/cultivated area
交通条件和政策因素 Traffic condition and policies	交通运输网密度 Traffic network density (X9)	每百平方千米铁路和公路的总里程数 The total mileage of a railroad or highway per 100 square kilometers
	政策虚拟变量 Policy dummy variable (X10)

新窗口打开|下载CSV

2.2.2 空间面板模型检验与回归分析 首先通过单位根检验判断面板数据的平稳性, 结果为平稳; 然后进行拉格朗日乘子(LM)检验, 结果拒绝无空间相关性的原假设, 因此相对于传统的面板数据模型, 空间面板数据模型更准确; 再进行Wald和似然比检验(LR)检验, H₀¹: θ = 0和H₀²: θ + ρβ = 0的原假设被拒绝, 且在5%的显著水平下检验表明, 就棉花种植面积变化而言, SDPDM的效果更好一些; 最后, Hausman检验结果为17.9229且伴随概率为0.0000, 表明拒绝个体(固定)效应与解释变量无关的原假设, 说明应采用固定效应模型, 此外, 在固定效应模型中, 时间效应模型的多数自变量检验结果ρ = 0.18, 在1%的显著性水平下通过检验, lg-likelihood = 114.41848, Adj R² = 0.9315, 因此, 最终选择时间固定效应的杜宾面板数据模型^[28,29,30]。具体的回归结果见表4。

Table 4
表4
表4空间杜宾面板模型回归结果
Table 4Regression results of spatial Durbin panel data model

变量 Variable	系数 Coefficient	直接效应 Direct effect	间接效应 Indirect effect	总效应 Total effect
生产性土地面积比重 Proportion of productive land area (X1)	0.8663***	0.8852***	0.3180**	1.2032***
人均粮食产量 Per capita grain yield (X2)	0.4889**	0.4240**	-0.2182*	0.2058*
灌溉水平 Irrigation level (X3)	0.2631**	0.2136*	0.0116	0.2252*
人均GDP情况 Per capita GDP (X4)	0.3591*	0.3619**	0.1007	0.4626
棉花比较效益 Comparative benefit of cotton (X5)	1.0390*	1.0328*	0.3328***	1.3656***
机械化水平 Mechanization level (X6)	0.4320**	0.4186**	-0.1245*	0.2911**
化肥施用量 Consumption of chemical fertilizers (X7)	0.0772	0.0639	0.0281	0.0920
塑料薄膜使用情况 Consumption of plastic film (X8)	0.1092	0.1164	0.0334	0.1498
交通运输网密度 Traffic network density (X9)	-0.1840*	0.1526	-0.0214	0.1312*
政策虚拟变量 Policy dummy variable (X10)	0.4798**	0.4173***	0.1017**	0.5190***

^***, ^**, and ^* represent statistical significance at the level of 1%, 5%, and 10% probability levels, respectively.
^***、^**、^*分别代表统计量在1%、5%、10%的水平上显著。

新窗口打开|下载CSV

由表4可知, 所有变量的直接效应都为正值且其中7个变量的结果显著, 说明各变量对新疆棉花种植业地理集聚有较为显著的正向影响; X₂、X₆、X₉的间接效应为负, 其中, X₆的间接效应很小且仅在10%的置信水平下显著, X₉的间接效应不显著, 表明区域粮食产量的增长会对相邻地区棉花种植业地理集聚产生一定程度的反作用, 而机械化水平和交通运输对相邻地区的影响不显著; 总效应结果最显著的是X₁、X₅和X₁₀, 说明资源条件和市场及政策导向是当前影响新疆棉花种植业地理集聚的三大正向主因。

由图6和表4可知, 一定规模的种植面积是新疆棉花种植业地理集聚和发展的基础; 区域市场需求和价格因素直接影响到棉花发展, 其溢出效应会影响相邻地区棉花种植业的发展, 是促进新疆棉花种植业地理集聚的重要因素; 机械化水平的直接效应和总效应达到了5%的显著水平, 表明机械化水平对新疆棉花种植业地理集聚有着促进作用; 政策的直接效应、间接效应和总效应显著性分别达到了1%、5%和1%, 说明政策对于新疆棉花种植业的发展具有正向促进作用, 且区域政策推广会对邻接地区棉花种植业地理集聚产生正向效应。

图6

新窗口打开|下载原图ZIP|生成PPT
图6各变量对新疆棉花种植业地理集聚的影响程度

Fig. 6Influence of various variables on the geographical agglomeration of cotton planting in Xinjiang

3 讨论

本文选用多个指标分析新疆棉花种植业地理集聚特征, 其中, 区位商方法计算简单, 不仅能反映出地区层面的棉花种植业集聚水平, 还能量化新疆与其他省市区之间的差距。王力等^[31]也对新疆棉花种植业在全国的比重做了分析, 其研究确定了新疆棉花生产在全国的领先地位, 与本研究一致, 但没有反映出新疆棉花种植业地理集聚情况以及与全国其他省市区间的差距。

杨莉等^[7]研究认为棉花单产是影响新疆棉花种植面积最大的因素。贺林均等^[8]基于CR₄仅分析了自然因素对新疆棉花种植业地理集聚的影响。王力等^[31]基于主成分分析新疆棉花种植面积变化的驱动力, 认为产业投入、市场及棉花替代作物是主因, 其中, 产业投入和市场为主因的结论与本研究一致。上述研究使用的方法往往会忽略因子之间的空间异质性, 为避免此问题, 本研究选择空间面板模型进行驱动力分析, 结果表明, 除了生产投入和市场因素外, 政策也是影响新疆棉花生产的一大主因, 且各影响因子的溢出效应对相邻区域的影响也不容忽视。进行分析时发现2002、2007、2008及2014年是几个关键的时间节点, 2002年中国刚加入世界贸易组织(WTO), 新疆棉花种植面积减少但棉花价格上涨, 区位基尼系数突增; 由于2003年后新疆轧花厂审批权下放到各地州政府导致棉花加工企业数量急剧上升, 供求平衡被打破, 致使棉花种植面积急速上升, 2007年达到峰值; 2008年, 国家出台政策增加国家棉花储备数量并采取保护性收储价格, 保护了棉农利益且稳定了农业生产, 棉农植棉意向开始回暖, 但受金融危机影响, 棉花价格波动, 棉花种植面积反而下降; 2014年开始, 棉花价格补贴政策试点设在新疆, 新疆棉花种植业地理集聚程度开始回升。上述政策是导致新疆棉花种植业出现短周期大波动的关键因素, 进一步证明了政策因素是影响新疆棉花生产发展的主要因素之一。

4 结论

新疆棉花种植业地理集聚水平居全国首位且与其他省市区的差距逐渐增大; 南疆棉区主导着全疆棉花种植业的变化; 新疆棉花种植业离散分布的地区范围有所扩张, 集聚区由喀什地区转变为阿克苏地区; 本文所选择10个影响因子中, 生产性土地面积比重、棉花比较收益、机械化水平及政策因素是影响新疆棉花种植业地理集聚主要因素, 除此之外的其他因素对新疆棉花种植业地理集聚的影响轻微。

参考文献 View Option 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1] 徐培秀, 梅方权, 唐志发 . 中国棉花区划研究
地理研究, 1983,2(1):12-22.
URL [本文引用: 2]
本文根据自然生态条件、社会经济条件、棉花生产基本特征和布局现状,将我国棉区划分为五个一级棉区(大棉区)和十二个二级棉区(亚区),并对各棉区的条件、基础、存在问题和发展方向进行了分析评价。同时,还按照自然生态因素的地域组合,将各棉区的宜棉程度分为最适宜、适宜、和次适宜三个等级类型。
Xu P X, Mei F Q, Tang Z F . A study of regionalization of ctton cultivation in China
Geogr Res, 1983,2(1):12-22 (in Chinese with English abstract).
URL [本文引用: 2]
本文根据自然生态条件、社会经济条件、棉花生产基本特征和布局现状,将我国棉区划分为五个一级棉区(大棉区)和十二个二级棉区(亚区),并对各棉区的条件、基础、存在问题和发展方向进行了分析评价。同时,还按照自然生态因素的地域组合,将各棉区的宜棉程度分为最适宜、适宜、和次适宜三个等级类型。

[2] 吕昭智, 陈键, 吴志勇, 马桂龙 . 新疆棉区主要有害生物与可持续发展
干旱区研究, 1999,16(3):28-32.
[本文引用: 1]

Lyu Z Z, Chen J, Wu Z Y, Ma G L . The main pest in Xinjiang cotton region and sustainable development
Arid Zone Res, 1999,16(3):28-32 (in Chinese with English abstract).
[本文引用: 1]

[3] 依尔夏提·阿不来提, 买买提·沙吾提, 白灯莎·买买提艾力, 安申群, 马春玥 . 基于随机森林法的棉花叶片叶绿素含量估算
作物学报, 2019,45:81-90.
DOI:10.3724/SP.J.1006.2019.84058URL [本文引用: 1]
为了高效和无损地估算棉花叶片的叶绿素含量, 本研究测定了棉花光谱反射率及叶绿素含量(soil and plant analyzer development, SPAD)值, 对光谱数据进行包络线去除处理、立方根转换和倒数转换, 以SPAD值与反射光谱之间的相关性为基础, 通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段, 构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression, PLSR)两个模型。结果表明, 在605~690 nm范围内的反射率与SPAD值相关性达0.01显著水平, 均呈负相关, 相关系数最高值为-0.619。与原始光谱相比, 经过变换后的棉花反射率与SPAD值相关性结果相差较大, 其中去除包络线光谱在550~750 nm波段范围有效提高了相关性, 相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段, 进而提高模型估算精度。在两种模型中, 基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R ²分别为0.92、0.83, 说明这两种模型的估算能力较好; 两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%, 表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看, PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。
Ershat A, Mamat S, Baidengsha M, An S Q, Ma C Y . Estimation of leaf chlorophyll content in cotton based on the random forest approach
Acta Agron Sin, 2019,45:81-90 (in Chinese with English abstract).
DOI:10.3724/SP.J.1006.2019.84058URL [本文引用: 1]
为了高效和无损地估算棉花叶片的叶绿素含量, 本研究测定了棉花光谱反射率及叶绿素含量(soil and plant analyzer development, SPAD)值, 对光谱数据进行包络线去除处理、立方根转换和倒数转换, 以SPAD值与反射光谱之间的相关性为基础, 通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段, 构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression, PLSR)两个模型。结果表明, 在605~690 nm范围内的反射率与SPAD值相关性达0.01显著水平, 均呈负相关, 相关系数最高值为-0.619。与原始光谱相比, 经过变换后的棉花反射率与SPAD值相关性结果相差较大, 其中去除包络线光谱在550~750 nm波段范围有效提高了相关性, 相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段, 进而提高模型估算精度。在两种模型中, 基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R ²分别为0.92、0.83, 说明这两种模型的估算能力较好; 两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%, 表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看, PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。

[4] 朱会义 . 1980年以来中国棉花生产向新疆集中的主要原因
地理研究, 2013,32:744-754.
DOI:10.11821/yj2013040017URL [本文引用: 1]
1980年以来中国棉花生产格局发生了明显变化,在空间上逐步向新疆集中,这一变化不仅促进了新疆地区耕地的扩张,也强化了新疆地区在我国农业生产中的地域功能,同时还加速了该地区的荒漠化进程。目前对这一现象的研究主要立足于区域尺度,关注棉花生产对当地农民收入的影响以及区域棉花产业的优势与发展战略,对生产格局变化的成因还缺乏清晰认识。本文从生产要素配置效率的角度,利用全国农产品成本收益数据,通过比较全国主要植棉省市棉花生产中土地生产率、劳动生产率和资本产出率的差异,来探讨这一现象的成因。结果表明:劳动生产率的区域差异是市场经济条件下中国棉花生产向新疆集中的主要原因。这一结论对于判断中国棉花生产格局变化的未来趋势以及其他农产品生产格局变化研究都具有一定的意义。
Zhu H Y . The underlying cause for the concentration of China’s cotton production in Xinjiang
Geogr Res, 2013,32:744-754 (in Chinese with English abstract).
DOI:10.11821/yj2013040017URL [本文引用: 1]
1980年以来中国棉花生产格局发生了明显变化,在空间上逐步向新疆集中,这一变化不仅促进了新疆地区耕地的扩张,也强化了新疆地区在我国农业生产中的地域功能,同时还加速了该地区的荒漠化进程。目前对这一现象的研究主要立足于区域尺度,关注棉花生产对当地农民收入的影响以及区域棉花产业的优势与发展战略,对生产格局变化的成因还缺乏清晰认识。本文从生产要素配置效率的角度,利用全国农产品成本收益数据,通过比较全国主要植棉省市棉花生产中土地生产率、劳动生产率和资本产出率的差异,来探讨这一现象的成因。结果表明:劳动生产率的区域差异是市场经济条件下中国棉花生产向新疆集中的主要原因。这一结论对于判断中国棉花生产格局变化的未来趋势以及其他农产品生产格局变化研究都具有一定的意义。

[5] 潘学标, 李克让 . 基于GIS的新疆棉花生产发展时空变异分析
干旱区地理, 2000,23(3):199-206.
[本文引用: 1]

Pan X B, Li K R . Analysis on the temporal and spatial change of cotton production development in Xinjiang based on GIS
Arid Land Geogr, 2000,23(3):199-206 (in Chinese with English abstract).
[本文引用: 1]

[6] 徐培秀 . 新疆棉花基地布局研究
地理学报, 1990,45:31-40.
URL [本文引用: 1]
新疆棉区是我国正在开发建设的优质棉花基地。本文阐述了新疆棉区在我国的战略地位,从自然生态和社会经济诸因素分析评价了新疆棉花生产的利弊条件,探讨了新疆棉花基地的发展方向和远景规模,划分了新疆棉花生产的适宜区和经济区,并在此基础上提出新疆棉花基地区域布局的设想。
Xu P X . On the allocation of cotton production base in Xinjiang
Acta Geogr Sin, 1990,45:31-40 (in Chinese with English abstract).
URL [本文引用: 1]
新疆棉区是我国正在开发建设的优质棉花基地。本文阐述了新疆棉区在我国的战略地位,从自然生态和社会经济诸因素分析评价了新疆棉花生产的利弊条件,探讨了新疆棉花基地的发展方向和远景规模,划分了新疆棉花生产的适宜区和经济区,并在此基础上提出新疆棉花基地区域布局的设想。

[7] 杨莉, 杨德刚, 张豫芳, 王国刚, 唐宏 . 新疆棉花种植面积时空格局演变特征及驱动机制研究
中国沙漠, 2011,31:476-484.
URL [本文引用: 2]
新疆棉花种植业发展迅速,已成为新疆国民经济的支柱产业之一,是农民增收的重要途径。对新中国成立以来新疆棉花种植业的调查数据进行统计分析,探究其时序演变规律和空间分布特点,并运用灰色系统关联分析和计量经济学的分析方法,构建棉花种植面积和其影响因素的交互作用关联度模型,定性与定量相结合揭示新疆棉花种植业发展的主要驱动力。研究结果表明:①自1949年以来,新疆棉花种植面积不断扩大,且表现出明显的阶段性和波动性,三大棉区即南疆棉区,北疆棉区,东疆棉区变化特点各异,其中南疆棉区起主导作用。按绿洲划分,以塔里木盆地绿洲棉区和西北沿边绿洲棉区变化明显。②棉花种植面积与各影响因素间的关联度都较强,其中,棉花种植面积与棉花单产的关联度最强;进一步建立作用关系模型,得出其弹性为0.883。③运用以上关联分析结果,将南疆棉区划分为最宜棉区、适宜棉区、不宜棉区3种区域,其中适宜棉区占50%以上,表明目前南疆棉花种植业发展基本合理,但处于不宜棉区的部分县市应该减少棉花种植或退棉,进一步优化农业种植结构。
Yang L, Yang D G, Zhang Y F, Wang G G, Tang H . Spatio-temporal pattern dynamic of cotton plantation in Xinjiang and its driving forces
J Desert Res, 2011,31:476-484 (in Chinese with English abstract).
URL [本文引用: 2]
新疆棉花种植业发展迅速,已成为新疆国民经济的支柱产业之一,是农民增收的重要途径。对新中国成立以来新疆棉花种植业的调查数据进行统计分析,探究其时序演变规律和空间分布特点,并运用灰色系统关联分析和计量经济学的分析方法,构建棉花种植面积和其影响因素的交互作用关联度模型,定性与定量相结合揭示新疆棉花种植业发展的主要驱动力。研究结果表明:①自1949年以来,新疆棉花种植面积不断扩大,且表现出明显的阶段性和波动性,三大棉区即南疆棉区,北疆棉区,东疆棉区变化特点各异,其中南疆棉区起主导作用。按绿洲划分,以塔里木盆地绿洲棉区和西北沿边绿洲棉区变化明显。②棉花种植面积与各影响因素间的关联度都较强,其中,棉花种植面积与棉花单产的关联度最强;进一步建立作用关系模型,得出其弹性为0.883。③运用以上关联分析结果,将南疆棉区划分为最宜棉区、适宜棉区、不宜棉区3种区域,其中适宜棉区占50%以上,表明目前南疆棉花种植业发展基本合理,但处于不宜棉区的部分县市应该减少棉花种植或退棉,进一步优化农业种植结构。

[8] 贺林均, 马威 . 基于CR₄分析的新疆棉花产业集群形成中的自然环境因素限制和影响分析
经济地理, 2013,33(11):97-103.
[本文引用: 2]

He L J, Ma W . Restrictions and impact analysis of natural environmental factors on Xinjiang cotton industry cluster formation based on the analysis of CR₄
Econ Geogr, 2013,33(11):97-103 (in Chinese with English abstract).
[本文引用: 2]

[9] 毛树春, 韩迎春, 李亚兵, 王国平, 范正义 . 棉花工厂化育苗和机械化移栽新技术
中国棉花, 2008,35(3):34-36.
[本文引用: 1]

Mao S C, Han Y C, Li Y B, Wang G P, Fan Z Y . The technique of cotton seedling raising in greenhouse and root-naked transplanting by machine
China Cotton, 2008,35(3):34-36 (in Chinese with English abstract).
[本文引用: 1]

[10] 武建设, 陈学庚 . 新疆兵团棉花生产机械化发展现状问题及对策
农业工程学报, 2015,31(18):5-10.
URL [本文引用: 1]
自新疆生产建设兵团（以下简称新疆兵团）成立以来，棉花种植面积和总产量有了非常明显的增长。为了揭示其快速增长的原因，该文运用观察法、文献研究法、系统科学方法等研究方法，分析和回顾了新疆兵团棉花生产机械化发展的历史，总结了新疆兵团棉花生产机械化的创新技术。由分析总结显示，新疆兵团棉花生产在自治区和中国处于领先和引领作用的原因，是新疆兵团棉花生产机械化起了关键作用，新疆兵团棉花生产基本实现了全程机械化，并逐步向规模化、信息化、智能化和社会服务化方向发展。也充分说明，农业装备水平的提高，是现代农业发展的坚实基础。该文也梳理了新疆兵团棉花生产机械化过程中遇到或出现的一些问题，根据农艺和农机技术发展的趋势，提出未来新疆兵团棉花生产机械化发展的对策。
Wu J S, Chen X G . Present situation, problems and countermeasures of cotton production mechanization development in Xin- jiang Production and Construction Corps
Trans CSAE, 2015,31(18):5-10 (in Chinese with English abstract).
URL [本文引用: 1]
自新疆生产建设兵团（以下简称新疆兵团）成立以来，棉花种植面积和总产量有了非常明显的增长。为了揭示其快速增长的原因，该文运用观察法、文献研究法、系统科学方法等研究方法，分析和回顾了新疆兵团棉花生产机械化发展的历史，总结了新疆兵团棉花生产机械化的创新技术。由分析总结显示，新疆兵团棉花生产在自治区和中国处于领先和引领作用的原因，是新疆兵团棉花生产机械化起了关键作用，新疆兵团棉花生产基本实现了全程机械化，并逐步向规模化、信息化、智能化和社会服务化方向发展。也充分说明，农业装备水平的提高，是现代农业发展的坚实基础。该文也梳理了新疆兵团棉花生产机械化过程中遇到或出现的一些问题，根据农艺和农机技术发展的趋势，提出未来新疆兵团棉花生产机械化发展的对策。

[11] 赵小汎 . 区位商模型在土地利用变化分析中的新运用
经济地理, 2013,33(2):162-167.
[本文引用: 1]

Zhao X P . New application of location entropy model in analyzing land use change
Econ Geogr, 2013,33(2):162-167 (in Chinese with English abstract).
[本文引用: 1]

[12] 贾兴梅, 李平 . 农业集聚度变动特征及其与农业经济增长的关系——我国12类农作物空间布局变化的实证检验
中国农业大学学报, 2014,19(1):209-217.
[本文引用: 1]

Jia X M, Li P . Degree of agriculture concentration and agricultural economic growth: empirical test spatial layout changes of 12 types of crops in China
J China Agric Univ, 2014,19(1):209-217 (in Chinese with English abstract).
[本文引用: 1]

[13] Druckman A, Jackson T . Measuring resource inequalities: the concepts and methodology for an area-based Gini coefficient
Ecol Econ, 2008,65:242-252.
DOI:10.1016/j.ecolecon.2007.12.013URL [本文引用: 1]

[14] Fischer M M, Getis A . Handbook of applied spatial analysis
J Geogr Syst, 2010,10:109-139.
DOI:10.1007/s10109-008-0060-xURL [本文引用: 1]

[15] Baltagi B H . Econometric Analysis of Panel Data, 5th edn
Econ Theory, 2013,5:747-754.
[本文引用: 1]

[16] Elhorst J P . Specification and estimation of spatial panel data models
Int Regional Sci Rev, 2003,26:244-268.
DOI:10.1177/0160017603253791URL [本文引用: 1]

[17] Elhorst J P . Spatial Panel Data Models
Berlin: Springer, 2010. pp 377-407.
[本文引用: 1]

[18] Ugarte M D . Introduction to spatial econometrics
J Royal Statistical Soc, 2011,174:513-514.
[本文引用: 1]

[19] 王国刚, 王明利, 王济民, 杨春, 刘玉凤 . 中国草食家畜养殖的时空动态及其影响因素
地理学报, 2015,70:1091-1100.
DOI:10.11821/dlxb201507006URL [本文引用: 1]
发展草食家畜养殖是推动中国耗粮型畜牧业向节粮型畜牧业转型、解决人畜争粮矛盾的关键。本文运用探索性空间数据分析技术和计量模型方法,系统考察了中国草食家畜养殖的时序变化过程、地理集聚特征及其影响因素。研究表明：① 中国草食家畜养殖量整体增长态势明显,但畜种间养殖量存在较显著的差异。1978-2012年中国草食家畜养殖量增长了92.5%;同期养殖量肉牛>肉羊>奶牛。② 县域尺度上,草食家畜养殖量增长区数量多于减少区,而且北方地区养殖量增长明显快于南方地区,初步形成了“北热南冷”的空间格局。③ 空间杜宾模型显示,人均粮食产量、生产性土地面积比重、城镇人均可支配收入、农业机械化水平、农业劳动生产率与政策因素五项指标,对草食家畜养殖的发展有着正向效应,而人均GDP、城镇化水平和非农收入比重有着显著的负向效应。④ 中国草食家畜养殖可划分为6大类型区,各类型区应根据“区情、农情”从不同的侧重点加以调控。此外,还应优化调整区域种养结构、实行差别化的区域发展对策及重视养殖集聚区非农产业发展,稳定、促进草食家畜养殖业的发展。
Wang G G, Wang M L, Wang J M, Yang C, Liu Y F . Spatial-temporal dynamics and its influencing factors of herbivorous livestock breeding in China
Acta Geogr Sin, 2015,70:1091-1100 (in Chinese with English abstract).
DOI:10.11821/dlxb201507006URL [本文引用: 1]
发展草食家畜养殖是推动中国耗粮型畜牧业向节粮型畜牧业转型、解决人畜争粮矛盾的关键。本文运用探索性空间数据分析技术和计量模型方法,系统考察了中国草食家畜养殖的时序变化过程、地理集聚特征及其影响因素。研究表明：① 中国草食家畜养殖量整体增长态势明显,但畜种间养殖量存在较显著的差异。1978-2012年中国草食家畜养殖量增长了92.5%;同期养殖量肉牛>肉羊>奶牛。② 县域尺度上,草食家畜养殖量增长区数量多于减少区,而且北方地区养殖量增长明显快于南方地区,初步形成了“北热南冷”的空间格局。③ 空间杜宾模型显示,人均粮食产量、生产性土地面积比重、城镇人均可支配收入、农业机械化水平、农业劳动生产率与政策因素五项指标,对草食家畜养殖的发展有着正向效应,而人均GDP、城镇化水平和非农收入比重有着显著的负向效应。④ 中国草食家畜养殖可划分为6大类型区,各类型区应根据“区情、农情”从不同的侧重点加以调控。此外,还应优化调整区域种养结构、实行差别化的区域发展对策及重视养殖集聚区非农产业发展,稳定、促进草食家畜养殖业的发展。

[20] Zhao H, Xiong Y, Li F M, Wang R Y . Plastic film mulch for half growing-season maximized WUE and yield of potato via moisture-temperature improvement in a semi-arid agroecosystem
Agric Water Manage, 2012,104:68-78.
DOI:10.1016/j.agwat.2011.11.016URL [本文引用: 1]

[21] 龙冬平, 李同昇, 苗园园, 于正松 . 中国农业现代化发展水平空间分异及类型
地理学报, 2014,69:213-226.
DOI:10.11821/dlxb201402006URL [本文引用: 1]
农业现代化是社会文明进步的重要表征，是中国“四化”同步发展的重要内容。本文从地理学视角，构建指标体系，对中国农业现代化发展水平进行综合评价，并在此基础上进行空间分析及类型研究，探讨中国农业现代化发展的地域分异规律，以期为中国农业现代化的快速稳步推进提供参考。结果表明：① 从全国层面来看，中国农业现代化发展水平以“胡焕庸线”为界，划分为“东西两侧”，总体上呈现“东高西低”的空间格局，同时其在“东西两侧”整体上也表现出距“胡焕庸线”距离的增加而不断提高，在空间上呈现出一条稍被拉平的“S”型曲线的分异形态；② 从局部层面来看，中国农业现代化发展水平在东部、西部、中部以及东北地区具有明显的地域差异性，在空间上呈现出从东部→东北部→中部→西部依次递减的趋势；③ 中国农业现代化发展水平4 个分维度指标在地理空间上也表现出一定的地域分异格局，因此，如何打破农业发展的传统模式与路径依赖，将是各级政府与地理****应关注的现实难题与科学问题；④ 中国农业现代化发展水平可划分为5 大类型区，不同类型区应明确现阶段及未来的发展思路与策略。
Long D P, Li T S, Miao Y Y, Yu Z S . The spatial distribution and types of the development level of Chinese agricultural modernization
Acta Geogr Sin, 2014,69:213-226 (in Chinese with English abstract).
DOI:10.11821/dlxb201402006URL [本文引用: 1]
农业现代化是社会文明进步的重要表征，是中国“四化”同步发展的重要内容。本文从地理学视角，构建指标体系，对中国农业现代化发展水平进行综合评价，并在此基础上进行空间分析及类型研究，探讨中国农业现代化发展的地域分异规律，以期为中国农业现代化的快速稳步推进提供参考。结果表明：① 从全国层面来看，中国农业现代化发展水平以“胡焕庸线”为界，划分为“东西两侧”，总体上呈现“东高西低”的空间格局，同时其在“东西两侧”整体上也表现出距“胡焕庸线”距离的增加而不断提高，在空间上呈现出一条稍被拉平的“S”型曲线的分异形态；② 从局部层面来看，中国农业现代化发展水平在东部、西部、中部以及东北地区具有明显的地域差异性，在空间上呈现出从东部→东北部→中部→西部依次递减的趋势；③ 中国农业现代化发展水平4 个分维度指标在地理空间上也表现出一定的地域分异格局，因此，如何打破农业发展的传统模式与路径依赖，将是各级政府与地理****应关注的现实难题与科学问题；④ 中国农业现代化发展水平可划分为5 大类型区，不同类型区应明确现阶段及未来的发展思路与策略。

[22] 倪印锋, 王明利 . 中国牧草产业地理集聚特征及影响因素
经济地理, 2018,38(6):142-150.
[本文引用: 1]

Ni Y F, Wang M L . The characteristics and influencing factors of geographical agglomeration of forage industry in China
Econ Geogr, 2018,38(6):142-150 (in Chinese with English abstract).
[本文引用: 1]

[23] Xie Y, Mei Y, Tian G, Xue R X . Socio-economic driving forces of arable land conversion: a case study of Wuxian City, China
Global Environ Change, 2005,15:238-252.
DOI:10.1016/j.gloenvcha.2005.03.002URL [本文引用: 1]

[24] Zhang D, Zhang L, Liu J, Han S, Wang Q, Evers J, van der Werf W, Liu J, Li L . Plant density affects light interception and yield in cotton grown as companion crop in young jujube plantations
Field Crops Res, 2014,169:132-139.
DOI:10.1016/j.fcr.2014.09.001URL [本文引用: 1]

[25] He C, Li J, Wang Y, Shi P J . Understanding cultivated land dynamics and its driving forces in northern China during 1983- 2001
J Geogr Sci, 2005,15:387-395.
DOI:10.1007/BF02892145URL [本文引用: 1]
Based on the long-term serial NOAA/NDVI dataset during 1983–1999 and SPOT/VGT dataset in 2001, the land use/cover change information in the 13 provinces of northern China was extracted based on the analysis of the cultivated landscape characteristics at first, then the effects of human activities on cultivated land process were explored by GIS and the driving forces of cultivated land change were investigated. The conclusions can be drawn as follows: (1) The constant increase of weak ecological function land as desert and cultivated land and the decrease of the ecological function land of forest and shrub were the main characteristics of the land use/cover change in the 13 provinces from 1983 to 1999, which showed the effects on the ecological adjustment function. However, such situations were changed to some extent in the 2000s because of the eco-construction policy of the government. (2) From 1983 to 2001, the Barycenter of cultivated land tended to move from northeast to southwest with the topography and transportation situations being the main influences on the cultivated land distribution. It is found that the cultivated land use intensity decreased noticably with the increase of distance from the main communication arteries. (3) The improvement of the people’s living standard is closely related with the cultivated land change. The structural adjustment in the agricultural land caused by economic development and the improvement of the people’s living standard is an important factor affecting the cultivated land change in northern China from 1983 to 2001.

[26] 陈佑启 . 我国耕地利用变化及其对粮食生产的影响
农业工程学报, 2000,16(6):29-32.
URL [本文引用: 1]
通过GIS模型（CLUE_CH），探讨了我国耕地变化及其空间分布特征。利用耕地变化的幅度，划分了4个不同的类型区，并进一步从空间的角度分析了耕地利用变化对我国粮食生产的播种面积、生产条件与生产水平等方面的影响。
Chen Y Q . Arable-land use change and its effects on the grain production in China
Trans CSAE, 2000,16(6):29-32 (in Chinese with English abstract).
URL [本文引用: 1]
通过GIS模型（CLUE_CH），探讨了我国耕地变化及其空间分布特征。利用耕地变化的幅度，划分了4个不同的类型区，并进一步从空间的角度分析了耕地利用变化对我国粮食生产的播种面积、生产条件与生产水平等方面的影响。

[27] Wood E C, Tappan G G, Hadj A . Understanding the drivers of agricultural land use change in south-central Senegal
J Arid Environ, 2004,59:565-582.
DOI:10.1016/j.jaridenv.2004.03.022URL [本文引用: 1]

Abstract

Described is (1) the land use and land cover changes that have taken place in the Department of Velingara, an area of tropical dry woodland in south-central Senegal, (2) the biophysical and socio-economic drivers of those changes with an emphasis on transition to agricultural use, and (3) an assessment of the likelihood of intensification of agriculture in the Department. Results indicate that land devoted to agriculture, either in active cultivation or short-term fallow, is increasing. There is little evidence of agricultural intensification in most of Velingara, with extensification coming largely at the cost of reduction in both upland woodlands and riparian forest.

[28] Yang T C . Introduction to spatial econometrics
Spatial Demogr, 2013,1:143-145.
DOI:10.1007/BF03354894URL [本文引用: 1]

[29] Baltagi B H, Long L . Random effects, fixed effects and Hausman’s test for the generalized mixed regressive spatial autoregressive panel data model
Econ Rev, 2016,35:638-658.
DOI:10.1080/07474938.2014.998148URL [本文引用: 1]

[30] Baltagi B H, Seuck-Heun S, Byoung-Cheol J, Won K . Testing for serial correlation, spatial autocorrelation and random effects
J Econ, 2007,140:5-51.
DOI:10.1016/j.jeconom.2006.09.001URL [本文引用: 1]

[31] 王力, 韩亚丽 . 基于主成分分析的新疆棉花种植面积变动及驱动力
江苏农业科学, 2017,45(1):267-270.
[本文引用: 2]

Wang L, Han Y L . The changes of cotton planting area and its driving force in Xinjiang based on Principal component analysis
Jiangsu J Agric Sci, 2017,45(1):267-270 (in Chinese).
[本文引用: 2]