删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国粮食生产的区域类型和生产模式演变分析

本站小编 Free考研考试/2021-12-29

李政通¹^,²^,³^,, 姚成胜¹^,²^,, 梁龙武³^,⁴

1. 南昌大学中国中部经济社会发展研究中心,南昌 330047

2. 南昌大学经济管理学院,南昌 330031

3. 南昌大学计量经济研究会,南昌 330031

4. 中国科学院地理科学与资源研究所,北京 100101;

Analysis on regional types of grain production and evolution of grain production models in China

LIZhengtong¹^,²^,³^,, YAOChengsheng¹^,²^,, LIANGLongwu³^,⁴

1. Center of Central China Economic Development Research, Nanchang University, Nanchang 330047, China

2. School of Economics and Management, Nanchang University, Nanchang 330031, China

3. Econometric Research Institutions, Nanchang University, Nanchang 330031, China

4. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

通讯作者:通讯作者：姚成胜（1977- ）,男,江西上饶人,教授,硕士生导师,研究方向为农业资源经济与经济地理。E-mail: yaochengsheng@163.com
收稿日期:2018-01-15
修回日期:2018-04-3
网络出版日期:2018-05-20
版权声明:2018《地理研究》编辑部《地理研究》编辑部所有
基金资助:

国家自然科学基金项目（41761110）;2017年度江西省研究生创新专项资金项目（YC2017-S020）

作者简介:
-->作者简介：李政通（1993- ）,男,湖北咸宁人,硕士,研究方向为计量经济与农业资源经济。E-mail: pacing_lee@163.com

展开

摘要
运用粮食生产空间转移系数将中国大陆地区31个省（直辖市、自治区）划分为3种粮食生产区域类型,并揭示其时空演变和集聚特征。在此基础上,概括出6种粮食生产演变模式,并采用面板二值选择模型研究不同演变模式的主要驱动因素。研究表明：① 粮食生产转入区主要分布在粮食主产区以及西部和北部边疆地区,而粮食生产转出区则主要分布在粮食主销区和产销平衡区;② 粮食主产区是粮食生产稳步增长型的主要构成,粮食主销区和部分产销平衡区的粮食生产表现为明显衰退演变型;③ 扩大粮食播种面积可以有效促进粮食生产稳步增长并防止粮食生产衰退演变,提高有效灌溉面积对于促进粮食生产稳步增长和防止粮食生产的衰退演变收效甚微,而提高化肥施用量、城镇化和农村居民家庭可支配收入则可以有效防止粮食生产的衰退演变。

关键词：粮食产量;生产模式;区域类型;空间转移系数;面板二值选择模型;中国
Abstract
Affected by both natural and economic factors, China's grain production shows a significant feature of fluctuation in different provinces, thus it is vital to study the fluctuation models of grain production and find the main driving factors. Taking the two factors of provincial grain output and its ratio compared with China's total grain output into account, the spatial transfer coefficient of grain production (STCGP) is constructed. Using STCGP, this paper divides the 31 provinces in Chinese mainland into three regional types of grain production (RTGP), including region with grain production transferred out, region with stable grain production and region with grain production transferred in, and discovers the temporal and spatial evolution and aggregation characteristics of the three regional types. Based on these findings, this paper proposes two grain production patterns (steady growth pattern and continual decline pattern), which could be further divided into six grain production evolution models (GPEM). Then the panel probit model is employed to reveal the major driving factors of the six GPEMs. The results are as follows: (1) Regions with grain production transferred in are mainly distributed in the major grain production areas and western and northern border provinces in China, while regions with grain production transferred out are mostly main grain-consuming areas and balance areas of grain production & demand. In general, the evolution of grain production shows the characteristics of "moving towards north and west" and slight aggregation; (2) The major grain production areas present a steady growth pattern, while the main grain-consuming areas and balance areas of grain production & demand prohabit a continual decline pattern, indicating that the pressure of maintaining regional food security have been shifted to the major grain production areas; (3) Expanding grain-sown areas can not only steadily increase grain production but also prevent it from decline; however, enlarging effective irrigated areas cannot achieve the above two results. Meanwhile, increasing fertilizer input and raising urbanization level and disposable income of rural residents can effectively prevent grain production from decline; however, they have no effect on promoting grain production. Based on this research, it can be concluded that in order to steadily promote the grain production in China, different measures should be taken according to different grain production models and regional types.

Keywords：grain output;grain production model;regional type;spatial transfer coefficient;panel probit model

-->0
PDF (7058KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
李政通, 姚成胜, 梁龙武. 中国粮食生产的区域类型和生产模式演变分析[J]. 地理研究, 2018, 37(5): 937-953 https://doi.org/10.11821/dlyj201805007
LI Zhengtong, YAO Chengsheng, LIANG Longwu. Analysis on regional types of grain production and evolution of grain production models in China[J]. Geographical Research, 2018, 37(5): 937-953 https://doi.org/10.11821/dlyj201805007

1 引言

粮食安全是关系一个国家和地区生存与发展的重大问题,粮食产量则是表征区域粮食安全最为直接且重要的指标,因此维护区域粮食安全最为核心的内容就是要稳定和提高区域粮食产量^[1]。然而,要实现区域粮食产量的持续稳定增长,最为重要的就是要明晰区域粮食生产的影响因素,因此这一问题自然成为学术界研究和关注的焦点。综合分析可知,目前有关区域粮食产量影响因素的研究大体上可以总结为以下4个方面：① 从环境变化的视角出发,研究气候变化、降水、温度等自然因素对粮食产量的影响,如黄维等的研究^[2,3,4];② 从经济社会方面出发,研究资本、劳动力、农业技术等单个或多个要素对地区粮食产量的贡献率,如Odeck等对粮食生产的技术效率及全要素生产率进行测度^[5,6];③ 研究粮食产量对气候、劳动力、耕地、水资源等生产要素的响应机制,例如杨春艳等采用灰色关联方法研究西藏地区的粮食产量对气候与耕地变化的响应^[7];④ 基于LMDI模型研究复种指数、粮食生产经济收益、城镇化等宏观农业经济因素对粮食产量变化的驱动效应,如姚成胜等的研究^[1,8]。
综上可知,粮食生产受自然和经济双重众多因素的影响,具有明显的自然再生产和经济社会再生产的特征。中国幅员辽阔,各地区自然资源禀赋、经济发展水平、人文社会条件差异巨大,在环境变化和经济社会快速发展的过程中,各地区的粮食生产发生了巨大变化^[9,10,11]。因而,不同区域粮食生产的时空演变特征,也成为****们关注和研究的焦点。粮食生产的时空差异根本在于地区粮食产量的不同,且可以细分为人均粮食产量、粮食生产总量和粮食生产种类3个方面。人均粮食产量方面,张利国等研究认为中国省际人均粮食占有量时间上表现出波动特征,空间上则表现出“平缓—快速”的阶段性特征^[12]。在粮食生产总量上,范业龙等从地带、区域和省级3个层面研究了粮食生产的区域差异,认为在不同尺度上均表现出总体扩大的趋势^[13]。分粮食种类来看,柴玲欢等研究表明,稻谷、小麦和玉米3种主要粮食作物均具有自身独特的时空演变特征^[14]。此外,吴建寨等研究了省际粮食生产与消费的空间耦合关系^[15],钟章奇等从农业生产潜力的空间演变角度进行研究^[16],Xu等则研究了中国粮食生产、消费的时空格局及其驱动机制^[17]。
上述研究很好地解释了中国区域粮食产量为什么变化以及在空间上呈现怎么样的分布特征,对于中国制定更为合理的粮食安全政策具有重要的参考价值。然而,粮食生产受自然和经济社会双重因素影响,一定时期某一区域粮食产量应该具有一个的正常波动范围,而只有明显偏离其正常波动范围才能确定该区域粮食生产发生演变;与此同时,当某一区域粮食产量变动时,全国其他区域粮食产量也会相应变化,因此该区域粮食产量占全国的比例可能有所变化,但也有可能不变。也就是说,只有综合考虑区域粮食产量及其占全国比例的综合变化,才能更为科学地揭示区域粮食生产的演变特征。综上所述可知,现有研究存在以下两点不足：① 现有研究多以单一的粮食产量指标揭示区域粮食生产变化,将粮食产量变化及其占全国粮食总产量比例变化两者综合起来考虑的研究仍然较少;② 现有研究较多地解释了区域粮食产量变化的影响因素和增减幅度的变化,较少地解释一定时期区域粮食产量是快速偏离其正常波动范围、逐渐偏离其正常波动范围、抑或是通过其他路径演变,也即没有揭示区域粮食生产类型的演变模式及其主要驱动因素。
基于此,本文在现有研究基础上,构建综合考虑区域粮食产量及其占全国粮食总产量比例的综合指标,运用该指标将区域粮食产量变化划分为粮食生产转出区、稳定区和转入区3种类型,以更好地揭示不同区域粮食生产模式的时空演变特征;在3种区域粮食生产变化类型划分的基础上,进一步细化出6种不同的粮食生产演变模式,并用面板二值选择（Probit）模型揭示出不同区域粮食生产演变模式的主要驱动因素,以期为稳定和提高区域粮食生产提供相关建议与参考。

2 研究方法与数据来源

2.1 粮食生产区域类型划分的指标构建

粮食生产的空间转移系数从总量和份额两个方面衡量了一个地区一个时间段内的粮食生产变化,根据该指标的大小可以将不同粮食生产区域划分为粮食生产转出区、粮食生产稳定区和粮食生产转入区3种类型区^[1,18]。粮食生产空间转移系数的计算公示如下^[1,18]：

I_{i, t} = \frac{(P_{i, t} / P_{i, t - 1}) + (S_{i, t} / S_{i, t - 1})}{2}

（1）
式中：I_i_,_t表示第i个省份t年的粮食生产变化空间转移系数;

\frac{P_{i, t}}{P_{i, t - 1}}

表示的是总量变化,即一个地区粮食产量相对于上一年度粮食产量的变化;

\frac{S_{i, t}}{S_{i, t - 1}}

表示的是份额变化,即一个地区粮食生产量占全国粮食生产总量比例相对于上一年度的变化情况;

P_{i, t}

和

P_{i, t - 1}

分别第i个省份t年和t-1年的粮食产量,

S_{i, t}

和

S_{i, t - 1}

则分别表示第i个省份t年和t-1年的粮食产量占全国粮食总产量的比例。根据式（1）可以计算出各个地区各个年份的粮食生产空间转移系数,并将其划分为3种类型：当

I_{i, t} < 1

时,说明第i个省份t年粮食生产呈现相对退化趋势,因而属于粮食生产转出区;当

I_{i, t} = 1

时,表明第i个省份t年的粮食生产维持在相当水平,因而被称为粮食生产稳定区;当

I_{i, t} > 1

时,则表明第i个省份t年的粮食生产呈现转入趋势,故将其称为粮食生产转入区。
然而在实际情况中,

I_{it} = 1

只是一种理想中的情况,其出现的概率接近于0。为此,金涛^[18]给出了衡量粮食生产稳定区的一种经验方法,将其简单界定为[0.9, 1.1]。姚成胜等^[1]在此基础上进行了改进,采用统计学方法更为科学地确定了合理的粮食生产稳定区间。由于本文研究的是全国大陆地区31省级行政区2000-2015年的粮食产量变化,样本量为465（总样本量为496,但由于基期的缘故实际用于划分区间的样本量为465）,符合统计学中关于大样本的界定。因而,本文认为在大样本情况下,465个样本量的粮食生产空间转移系数服从均值和方差的正态分布。故参考姚成胜等的研究^[1],借鉴统计学中置信区间的概念,以95%的置信水平确定划分粮食生产稳定区的区间范围。则处于粮食生产稳定区的I介于以下区间内：

1 - z_{\frac{α}{2}} \times s \times n^{- 0.5} \leq I_{i, t} \leq 1 + z_{\frac{α}{2}} \times s \times n^{- 0.5}

（2）
式（2）界定了粮食生产稳定区的区间范围,其中Z_α_/2= 1.96,为标准正态分布在95%的置信水平时的值;s、n分别表示样本的标准差和样本量。故当满足

I_{it} > 1 + z_{\frac{α}{2}} \times s \times n^{- 0.5}

时,为粮食生产转入区;而当满足

0 < I_{it} < 1 - z_{\frac{α}{2}} \times s \times n^{- 0.5}

时,则为粮食生产转出区。

2.2 空间自相关分析法

地理学第一定律阐释了空间的联系与其距离的关系,认为事物之间的相关性同其距离的远近有着显著相关作用。粮食生产具有自然再生产和经济社会再生产的双重属性,粮食生产收益的变化会导致粮食播种面积、农业劳动力、资金投入等生产要素变化,进而导致地区粮食产量的增减并呈现出集聚特征。现有研究多从县域层面探究粮食生产集聚特征^[19,20],为克服省域条件差异带来的影响,本文以粮食生产的空间转移系数进行研究,以此反映中国粮食生产的空间集聚特征。故首先根据式（1）计算出各个地区的粮食生产空间转移系数,在此基础上进一步采用全局空间自相关和局部空间自相关分析方法,探究粮食生产空间转移系数在空间上的相关性。
全局空间自相关描述的是研究对象在空间上的整体分布状况,即空间上的集聚特征^[21]。为此,采用Moran's I指数来衡量中国粮食生产空间转移系数的空间分布特征。计算公式如下：

I = \frac{n \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} (M_{i} - \overset{?}{M}) (M_{j} - \overset{?}{M})}{s^{2} \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij}}

（3）
式中：w表示空间权重矩阵,本文采用0~1矩阵作为空间自相关分析的权重矩阵,当地区相邻时记为1,不相邻时则记为0;M表示依据距离建立的原始矩阵,也即本文分析所需的空间变量;

\overset{?}{M}

表示该变量当年的平均值;s²表示该变量的方差;n表示该变量的样本个数。Moran's I指数介于-1~1之间,当

I > 0

时,表示在空间上表现出正向相关关系,且I越接近于1表明正向相关程度越高;当I < 0时,则表明研究对象在空间上表现出负向相关关系,且I越接近于-1表明负向相关程度越高。
与全局空间自相关不同的是,局部空间自相关则表现为相邻空间单元之间的空间相关程度^[21]。在式（3）的基础上,局部空间自相关的公式为：

I_{i} = \frac{n (M_{i} - \overset{?}{M}) \overset{n}{\sum_{i = 1}} w_{ij} (M_{j} - \overset{?}{M})}{\overset{n}{\sum_{i = 1}} (M_{i} {- \overset{?}{M})}^{2}} = \frac{n x_{i} \overset{n}{\sum_{i = 1}} w_{ij} M_{j}}{\overset{n}{\sum_{i = 1}} M_{i}}

（4）
式中：I_i值仍然介于[-1, 1]之间。为了更为直观地展示局部空间自相关所表示的空间集聚特征,采用Moran散点图来分析其空间集聚特征。Moran散点图根据相邻空间单元的自相关性将其划分为4个象限,分别表示H-H（高—高）集聚、H-L（高—低）集聚、L-H（低—高）集聚和L-L（低—低）集聚。

2.3 粮食生产演变模式划分与面板二值选择（Probit）模型

如前文所述,中国省际粮食产量变化可分为粮食生产转入区、稳定区和转出区3种,据此又可以将其演变模式划分为2大类6种演变模式（表1）。相对于上一年而言,当一个地区由粮食生产转出区向粮食生产稳定区演变（模式I）,或由粮食生产转出区向粮食生产转入区演变（模式II）,或由粮食生产稳定区向粮食生产转入区演变（模式III）时,即为粮食生产稳步增长型,表明区域粮食安全水平有所提高;而当一个地区由粮食生产转入区向粮食生产稳定区演变（模式IV）,或粮食生产转入区向粮食生产转出区演变（模式V）,或粮食生产稳定区向粮食生产转出区演变（模式VI）时,即为粮食生产衰退演变型,表明区域粮食安全水平有所下降。
Tab. 1
表1
表1粮食生产演变模式的划分
Tab. 1Divides of evolution models of grain production

大类	粮食生产稳步增长型			粮食生产衰退演变型
演变模式	I	II	III	IV	V	VI
演变模式	粮食生产稳定增长	粮食生产显著增长	粮食生产轻微增长	粮食生产轻度衰退	粮食生产严重衰退	粮食生产中度衰退
转移方向	粮食生产转出区→粮食生产稳定区	粮食生产转出区→粮食生产转入区	粮食生产稳定区→粮食生产转入区	粮食生产转入区→粮食生产稳定区	粮食生产转入区→粮食生产转出区	粮食生产稳定区→粮食生产转出区

新窗口打开
现有研究表明,地区粮食产量受到自然与经济等多种因素影响^[22,23,24],各地不同的自然地理环境首先确定了粮食生产的基本空间格局,在经济因素的作用下粮食产量表现出波动特征。从粮食生产的投入要素来看,农业化肥施用量（fert）、粮食播种面积（sown）、灌溉面积（irrig）和农业机械总动力（mech）是对粮食生产影响最为显著的要素;除此之外,在中国工业化和城镇化进程中,大量农村人口流向城镇成为城镇居民,粮食生产更加注重科技投入的作用,为此本文引入城镇化（urban）要素以消除农业机械总动力的内生性问题;进一步地,农民作为理性“经济人”,会依据粮食生产的投入产出状况决定退出或保留原有生产机制^[25],因而农民收入（incom）是城镇化的重要影响因素,故引入农民收入变量;而农民收入又受到粮食价格（gcpi）的影响^[26],进一步引入粮食价格变量以消除农民收入的内生性问题。
为此,本文运用面板二值选择（Probit）模型,以不同区域不同年份的6种演变模式为因变量,以上述粮食产量变化的7个影响因素为自变量,进一步分析不同区域粮食生产6种演变模式的关键驱动因素。由于上述7个指标具有不同的量纲,不利于更好地展现估计结果,故以这些变量相对于各自上年的增长情况作为本文的解释变量。根据前文的划分标准,当研究6种演变模式中任意一种模式的选择概率时,将该变化模式记为1,其余记为0。此时,被解释变量成为0~1的虚拟变量;同时,假设模型的扰动项服从概率分布。为此,可以构建中国省际粮食生产演变模式的面板二值选择（Probit）模型：

y_{it}^{*} = {x^{'}}_{it} β + u_{i} + ε_{it} (i = 1, 2, ?, n; t = 1, 2, ?, T)

（5）
式中：x_it为解释变量集合;β为解释变量对应的参数向量;u_i表示个体项;ε_it为模型估计的残差项;

y_{it}^{*}

为不可观测变量（潜在变量）。当

y_{it}^{*}

>0时记为1,否则记为0。给定x_it、β、u_i,则有：

P (y_{it} = 1 | x_{it}, β, u_{i}) = P (y_{it}^{*} > 0 | x_{it}, β, u_{i}) = F (u_{i} + {x^{'}}_{it} β)

（6）
式中：

F (?)

为ε_it的累积分布函数,由于本文假设残差项服从概率分布。则：

P (y_{it} = 1 | x_{it}, β, u_{i}) = Φ (u_{i} + {x^{'}}_{it} β)

（7）

2.4 指标与数据

所需指标数据包括中国31个省级行政区（不包括港澳台地区）的地区粮食产量、农业化肥施用折纯量、粮食作物播种面积、有效灌溉面积、农业机械总动力、城镇人口占比、农村家庭人均可支配收入（2012年及之前为农村家庭人均纯收入）和粮食消费价格指数。由于2000年以前的数据缺失较多,且重庆1997年才被批准设立为直辖市,为此本文选取2000-2015年的数据进行实证分析。其中,地区粮食产量、农业化肥施用折纯量、粮食作物播种面积、有效灌溉面积、农业机械总动力、农村家庭人均可支配收入和粮食消费价格指数等指标的数据均来源于国家统计局网站（http://data.stats.gov.cn/）;城镇人口及总人口的数据则来自于《中国人口和就业统计年鉴（2001-2014）》及《中国卫生和计划生育统计年鉴（2015）》,2015年的人口数据则来源于国家统计局网站。
由于农民家庭人均可支配收入衡量的是现值,使用居民消费价格指数（CPI）以2000年为基期进行平减。根据前文的建模要求,需要计算农业化肥施用折纯量、粮食作物播种面积、有效灌溉面积、农业机械总动力、城镇人口占比以及农民家庭人均可支配收入相对于上年的增长情况。具体计算方法为：
变量当年增长率=（变量当年值-变量上年值）/变量当年值（8）
依据式（8）的计算方法,可以得到2001-2015年的化肥施用量、粮食播种面积、灌溉面积、农业机械总动力、城镇化、农民收入当年相对于上一年的增长率。由于粮食价格呈现波动特征,且粮食价格的数据无法获取,现有研究多采用粮食消费价格指数作为粮食价格的替代指标^[26]。

3 结果分析

3.1 粮食生产区域类型的时空演变特征分析

根据式（1）可以计算出中国31个省级行政区的粮食生产空间转移系数。为了对各个省份的粮食产量变化模式更好地进行划分,需要计算所选样本的标准差。本文计算其标准差为0.076,因而根据式（2）可以得到粮食生产转出区、稳定区和转入区的划分标准。其中,当

I_{it} > 1.007

时为粮食生产转入区,当

0 < I_{it} < 0.993

时为粮食生产转出区,而当满足

0.993 \leq I_{it} \leq 1.007

时,则为粮食生产稳定区。图1给出了2001年、2008年和2015年共3年的粮食生产区域类型变化的空间分布。

显示原图|下载原图ZIP|生成PPT
图1中国省际粮食生产区域划分的空间分布
-->Fig. 1Spatial distribution of division of interprovincial grain production regions in China
-->

从图1可以看出,中国省际层面的粮食生产区域类型存在显著的地区差异,粮食生产转入区、稳定区和转出区呈现出明显的时空动态演变特征,可以概括为以下3点：
（1）粮食生产转入区数量表现出先增后降的特征,且主要分布在北方和西部地区和粮食主产区。2001年有12个省（直辖市、自治区）属于粮食生产转入区,主体呈现东北—西南走向的带状分布;2008年则增加到16个,总体呈现出“丫”字形分布;而到2015年又减少为14个,呈现出“∞”形的分布特征。从其空间分布来看,粮食生产转入区主要分布在中国北方和西部地区,这再次证实了中国粮食生产具有“北移西进”的演变特征^[16]。进一步分析可知,粮食生产转入区主要分布在粮食主产区和中国西部和北方地区。2001年、2008年和2015年,分别有6个、6个和9个地区为粮食主产区属于粮食生产转入区,其中内蒙古、吉林和安徽3个地区一直处于粮食生产转入类型区;期间分别有5个、6个和4个粮食产销平衡区为粮食生产转入区,诸如云南、贵州、西藏、陕西、新疆等。由此可见,粮食生产转入区越来越向粮食主产区集中,表明粮食主产区对中国粮食安全的整体贡献上升;同时,位于北部和西部边疆省份的粮食产销平衡区对维护中国粮食安全整体稳定也做出了积极贡献。
（2）中国粮食生产稳定区呈现先增后降的趋势,所含省份数量明显少于粮食生产转入区和转出区。2001年、2008年和2015年3个年份,属于粮食生产稳定区的省份仅分别有3个、6个和4个,表明属于粮食生产稳定区的省份数量少,且呈现先增后降的变化趋势。从其分布来看,2001年的3个粮食生产稳定区分别为新疆、广西和江西,包括2个粮食产销平衡区和1个粮食主产区;2008年的6个粮食生产稳定区则为河北、山东、山西、河南、江西和福建,包括4个粮食主产区、1个主销区和1个产销平衡区;到2015年,4个粮食生产稳定区分别为黑龙江、甘肃、重庆和云南,其中有3个粮食产销平衡区和1个粮食主产区。从其演变来看,2001-2008年,河北、山东、福建和山西由粮食生产转出区转变为粮食生产稳定区,表明这些地区的粮食安全水平得到提高。而在2008-2015年间,黑龙江、甘肃、重庆和云南4个地区均由粮食生产转入区转变而来,原有处于粮食生产稳定区的江西、福建和河北也都转变为粮食生产转出区,表明这些地区的粮食安全水平有所下降。
（3）粮食生产转出区表现出先减后增的趋势,且主要分布在粮食主销区。2001年,处于粮食生产转出区的省份有16个,主要分布在东部沿海、中部的山西、河北和湖南,以及西部的陕西、四川、重庆和贵州,其中包括6个粮食主产区和6个粮食主销区;2008年,处于该种类型的省份有9个,其中粮食主产区3个、主销区2个和产销平衡区4个;而到2015年,处于粮食生产转出区的省份则有13个,主体分布在中国东南沿海及其周边的湖南、江西等省份,且其中有6个粮食主销区和4个粮食产销平衡区。故从粮食生产转出区的分布来看,粮食主销区是其主要构成,这表明粮食主销区已越来越少地承担维护国家粮食安全的任务,这无疑会增加其他粮食生产类型区尤其是粮食主产区的粮食生产压力。为此,2014年国务院颁布的《国务院关于建立健全粮食安全省长责任制的若干意见》不点名地指出,随着国内粮食生产实现“十一连增”,一些地方存在放松粮食生产、过度依靠中央的现象,自觉承担维护国家粮食安全责任有待进一步加强;同时也更为明确地指出,粮食主销区要确立粮食种植面积底线,严格执行政府领导干部耕地和基本农田保护离任审计制度。而处于南方的湖南、江西等地,在工业化和城镇化的驱动下,粮食生产的热情减少,“种厂种房不种粮”的现象突出,这进一步对中国总体的粮食安全产生冲击。

3.2 粮食生产的空间集聚特征分析

根据式（1）可以计算出中国各地区的粮食生产空间转移系数,再根据式（3）可以计算出中国省际粮食生产空间转移系数的全局空间自相关指数,据此探究中国粮食生产的空间自相关特征。计算结果如表2所示。
Tab. 2
表2
表22001-2015年全国粮食生产空间转移系数的Moran's I指数
Tab. 2Moran’s I Index of spatial transfer coefficient of grain production in China during 2001-2015

指标	2001年	2002年	2003年	2004年	2005年	2006年	2007年	2008年
Moran's I	0.080	0.227	0.141	0.127	0.015	0.224	0.150	0.160
Z（I）	1.063	2.474^**	2.263^**	2.070^**	2.619^***	3.456^***	2.132^**	1.858^*
指标	2009年	2010年	2011年	2012年	2013年	2014年	2015年
Moran's I	0.153	0.193	0.118	0.116	-0.592	0.050	-0.094
Z（I）	1.874^*	2.967^***	2.226^**	3.062^***	-2.540^**	1.817^*	-1.175

注：^***、^**、^*分别表示在1%、5%、10%的显著性水平下显著。

新窗口打开
从表2可以看出,中国粮食生产的空间转移系数总体上表现出空间正相关,也即总体上呈现空间集聚的特征;而在2013年和2015年,Moran's I指数则均小于0,也即表现出空间分散特征。从其空间集聚特征来看,Moran's I指数在2002年达到最大值,为0.227,而在2005年则处于最小值,仅为0.015。这表明中国粮食生产的空间转移系数总体上表现出弱集聚特征,各个地区的粮食生产变化同其他地区的关联性不大。而2013年和2015年的Moran's I指数为负则进一步验证了中国各地区粮食生产变化的弱关联性,且反映了中国省际粮食生产变化呈一种分散的特征。在此基础上,本文进一步从局部空间自相关的角度研究中国各地区的粮食生产空间转移系数的集聚情况与演变特征。
图2是中国省际粮食生产空间转移系数的Moran散点图,横坐标表示各地区的粮食生产空间转移系数,纵坐标则表示空间滞后值,以横纵坐标的均值划分为4个象限,分别表示H-H集聚、H-L集聚、L-H集聚和L-L集聚。图3则直观地展示了各种不同集聚类型的空间分布,据此可以看出：① H-H集聚类型区。2001年,有黑龙江、西藏和新疆3个地区属于HH集聚类型,2008年则仅有吉林属于该种类型,表明这些地区不仅自身具有较大的粮食生产空间转移系数,其周边省市的该系数也较高。从地区分布来看,HH集聚集中分布在中国东北和西部地区,进一步印证了中国粮食生产“北移西进”的趋势。② H-L集聚类型区。2001年全国有河南、安徽和江西3个省属于HL集聚类型,而到2008年属于该种类型的为新疆、重庆和贵州,表明这些地区具有较高的粮食生产空间转移系数,但周边地区则较低。③ L-H集聚类型区。2001年不存在LH集聚类型区,2008年则有辽宁属于该种类型,到2015年则有黑龙江属于这种类型,表明这些地区的粮食生产空间转移系数不高但周边较高。④ L-L集聚类型区。2001年属于该种类型的地区有江苏、湖北和湖南,到2008年则有湖北、湖南和西藏,而到2015年则仅有甘肃属于这个类型。表明这些地区不仅自身的粮食生产空间转移系数较低,其周边地区的该指标也较低。

显示原图|下载原图ZIP|生成PPT
图2中国省际粮食生产空间转移系数Moran散点图
-->Fig. 2Moran scatter plots of spatial transfer coefficient of interprovincial grain production in China
-->

显示原图|下载原图ZIP|生成PPT
图32001-2015年中国粮食生产空间转移系数的时空演化格局
-->Fig. 3Spatial-temporal evolution of spatial transfer coefficient of grain production in China during 2001-2015
-->

3.3 粮食生产模式演变的空间分布特征

依据表1区域粮食生产演变模式的划分标准,经计算可以得到2001-2015年中国31省级行政区演变模式的区域划分（表3）。根据表3可以得到如下结论：
（1）稳定增长型（模式I）：2001-2015共12个省（直辖市、自治区）出现过该演变模式,累计出现次数为15次,其中粮食产销平衡区共出现了7次、主产区5次。由此可知,粮食生产稳步增长的地区主体是粮食产销平衡区。
Tab. 3
表3
表32001-2015年中国31省级行政区粮食生产演变模式的组成结构分析
Tab. 3Composition and structure analysis of grain production evolution models of 31 provinces in China during 2001-2015

模式	累计省份	累计次数	分布频次
模式	累计省份	累计次数	4次	3次	2次	1次
I	12	15			福建、重庆、青海	四川、广东、湖南、山西、安徽、江苏、山东、云南、西藏
II	30	79	上海、广东、广西、四川、贵州、陕西、宁夏	湖南、山西、安徽、江苏、天津、北京、吉林、浙江、海南	重庆、山东、云南、江西、辽宁、湖北、新疆、黑龙江、甘肃、内蒙古	青海、西藏、河北、河南
III	17	25		河北	山东、江西、辽宁、湖北、新疆、内蒙古	陕西、安徽、江苏、天津、海南、云南、青海、西藏、河南、福建
IV	22	32	河北		江西、辽宁、湖北、内蒙古、天津、四川、贵州	山东、新疆、陕西、海南、云南、西藏、河南、广西、宁夏、湖南、北京、重庆、黑龙江、甘肃
V	29	66	宁夏、安徽、广东、上海	陕西、广西、江苏、山西、吉林、浙江	辽宁、湖北、天津、山东、新疆、海南、云南、西藏、湖南、北京、黑龙江、甘肃、青海	江西、内蒙古、四川、贵州、河南、重庆
VI	14	21		四川	广西、湖南、贵州、重庆、福建	宁夏、广东、山西、天津、北京、青海、江西、河北

新窗口打开
（2）显著增长型（模式II）：除福建外的其余30个省（直辖市、自治区）均出现该模式的演变,累计出现频次为79次,其中13个粮食主产区共出现30次,11个粮食产销平衡区共出现29次。总体上看,粮食主产区和产销平衡区合计共出现59次,占累计出现总频次的75%,是粮食生产显著增长的主体。就单个省（直辖市、自治区）出现粮食显著增长频率看,6个粮食主销区共出现20次,平均每个省（直辖市）出现3.33次,明显高于产销平衡区每个省（直辖市、自治区）出现2.67次和主产区每省（自治区）的2.31次。
（3）轻微增长型（模式III）：2001-2015年,共有17个省（直辖市、自治区）的粮食生产出现过这种演变模式,累计出现频次为25次,其中9粮食主产区共出现16次,占累计出现总频次的64%;5个粮食产销平衡区共出现6次,占累计出现总频次的24%。
（4）轻度衰退型（模式IV）：全国共有22个省（直辖市、自治区）出现过这种演变模式,累计出现总频次为32次,其中10个粮食主产区共出现18次,9个产销平衡区共出现10次,两者合计占累计出现总频次的87.5%。
（5）严重衰退型（模式V）：该演变模式累计出现频次为66次,仅次于演变模式II的出现频次,全国仅河北和福建没有出现过该种演变模式。总体上看,6个粮食主销区累计共出现17次,平均每个省（直辖市）出现了2.83次;11个粮食产销平衡区共出现25次,平均每个省（直辖市、自治区）出现2.27次;12个粮食主产区累计出现24次,平均每个省（直辖市、自治区）出现2次。可见,粮食主销区和产销平衡区出现该类演变模式的频率明显高于粮食主产区。
（6）中度衰退型（模式VI）：共14个省（直辖市、自治区）累计出现过该演变模式21次,其中粮食主产区4个,共出现7次;产销平衡区6个,共出现9次;粮食主销区4个,共出现5次。可见,粮食主产区和产销平衡区是粮食生产中度衰退的主体。

3.4 粮食生产模式演变的影响因素分析

表3显示了不同区域粮食生产模式的演变,但并没有揭示该演变发生的驱动因素。现有研究表明,化肥施用量、粮食播种面积、灌溉面积、农业机械总动力、城镇化、农民收入和粮食价格是粮食生产的最为重要的影响因素,因此也必然是推动粮食生产模式演变的因素。为此,本文采用面板二值选择（Probit）模型,揭示6类粮食生产演变模式的主要驱动因素。根据式（5）的定义,当对某种特定的模式进行研究时,将处于这个模式的某地区当年因变量视为1,否则视为0,由此得到6组因变量为0~1的虚拟变量。由于式（5）建立了一个包含个体项的面板数据模型,首先对u_i = 0进行检验,检验结果支持建立混合回归模型。故根据式（5）得到的回归结果如表4所示。根据表4中的估计结果,可以得到6类粮食生产演变模式的主要驱动因素,其结论如下：
（1）粮食生产转出区→粮食生产稳定区（模式I）：粮食播种面积、农民收入和粮食价格是促使粮食生产转出区向粮食生产稳定区转变,提高其粮食安全保障能力的主要驱动因素,三者的回归系数分别为1.132、1.478和1.968,且粮食价格的回归系数在1%的显著性水平下显著。究其原因在于,扩大粮食播种面积为粮食的集中连片生产提供了条件,有利于推进粮食的规模化生产,进而有效地提高粮食产量;而增加农民收入和粮食价格的提高均可以刺激农民从事粮食生产的积极性,都对粮食产量的增加有正向影响。模式I的估计结果还显示,化肥施用量对模式I演变的发生有抑制作用,且在10%的显著性水平下是显著的,表明过快的化肥施用量增长速度不利于粮食生产的稳步增长。虽然,现有较多研究认为,化肥施用量对粮食产量增长有正向作用^[28]。但由于中国化肥施用量已远超过国际公认的225 kg/hm²的上限标准,因而依靠增施化肥来促进粮食增产的边际效应不断下降,而且过量使用化肥已带来耕地板结、土壤酸化、水土污染等一系列问题,大大降低了粮食生产的可持续能力^[29,30]。为此,农业部于2015年颁发了《到2020年化肥使用量零增长行动方案》,突出强调要降低化肥施用量,提高其使用效率。
Tab. 4
表4
表4粮食产量变化模式演变的影响因素回归系数表
Tab. 4Regression coefficients of influence factors of grain production evolution model

变量	模式I	模式II	模式III	模式IV	模式V	模式VI
fert	-3.266^* （1.824）	-0.018 （1.362）	-1.290 （2.498）	-1.568 （2.227）	0.934 （1.498）	-3.664 （2.286）
sown	1.132 （1.014）	3.193^*** （1.033）	4.359^*** （1.004）	1.771 （1.341）	-2.005 （1.738）	-1.992 （1.539）
irrig	-2.231 （2.234）	0.133 （1.081）	-2.524^* （1.472）	1.161 （1.376）	1.748 （1.264）	0.698 （1.265）
mech	-0.201 （1.115）	-0.970 （1.033）	2.937^* （1.771）	2.947^* （1.599）	-0.963 （0.853）	2.651 （1.951）
urban	-0.124 （0.391）	-0.030 （0.273）	-0.937^* （0.517）	-0.988^* （0.572）	-0.227 （0.373）	0.298 （0.268）
incom	1.478 （2.698）	-1.705 （1.527）	-1.417 （2.049）	-3.270^** （1.559）	-2.058 （1.317）	-0.473 （1.820）
gcpi	1.968^*** （0.698）	3.138^*** （0.925）	-1.027 （1.188）	0.229 （1.058）	1.167 （1.013）	1.898 （1.376）
cons	-5.377^* （2.963）	-2.506 （1.870）	0.801^*** （2.575）	1.473 （1.567）	-0.183 （1.556）	-3.338^* （1.729）
N	465	465	465	465	465	465
Wald chi2	12.26^**	23.84^***	52.89^***	17.12^**	9.93	8.25
Pseudo R²	0.037	0.047	0.053	0.047	0.019	0.030

注：^***、^**、^*分别表示在1%、5%、10%的显著性水平下显著。

新窗口打开
（2）粮食生产转出区→粮食生产转入区（模式II）：粮食播种面积、灌溉面积和粮食价格是驱动模式II发生的主要因素,其影响系数分别为3.193、0.133和3.138,且除灌溉面积外均在1%的显著性水平下是显著的。这表明,扩大粮食播种面积以及粮食价格的提高是推动粮食生产转出区向粮食生产转入区转变的关键因素。对比模式I的研究可知,粮食播种面积和粮食价格在促使粮食生产转出区向粮食生产转入区的转变过程中发挥着更为显著的作用。其主要原因在于：根据表3的分析结果,由粮食生产转出区向粮食生产转入区转变发生频率最高的是粮食主销区,其次为粮食产销平衡区。对于粮食产销平衡区而言,其经济发展水平相对较低,从事非农产业的机会较少;如前所述,扩大粮食作物播种面积,有利于推进粮食的规模化生产,而粮食价格的提高则直接可以增加种粮收益。因而,粮食作物播种面积的增加和粮食价格的提高,可以较大程度提高粮食产销平衡区农民的种粮积极性^[31],明显增大模式II的发生概率。对于粮食主销区而言,稳定和提高粮食作物播种面积,可以有效防止耕地资源的过度非农化;由于粮食主销区依靠大量进口粮食维护区域粮食安全,因而粮食价格的提高可以增强粮食主销区政府维护区域粮食安全的责任意识,从而有利于稳定和提高粮食作物播种面积^[32]。表3还显示,农村家庭人均可支配收入的增加对模式Ⅱ的发生具有阻碍作用,其原因可能在于：当前农村家庭收入构成已经发生了很大变化,工资性收入已成为农村家庭收入增长的最为重要源泉,与此同时财产性收入和转移性收入的占比也不断提升,因而依靠农业生产的家庭经营收入所占比例不断下降,这在粮食主销区和一些粮食产销平衡区表现尤为突出,因此农村家庭人均可支配收入的增加并不能提高模式II的发生概率^[33,34]。
（3）粮食生产稳定区→粮食生产转入区（模式III）：粮食播种面积和农业机械总动力是促使这一模式发生的主要因素,其影响系数分别为4.359和2.937,分别在1%和10%的显著性水平下是显著的。这意味着增加粮食播种面积和农业机械总动力能够有效促使粮食生产稳定区向粮食生产转入区转变。表3的分析结果表明,河北、山东、江西、辽宁、湖北等粮食主产区是模式III的主体,自2004年以来中国对粮食主产区实施了严格的耕地保护政策,加大实施良种直补、农机购置直补等系列保障政策,有效促进了粮食主产区粮食播种面积的扩大和农业机械总动力的增加,因而大大提高粮食主产区粮食生产的规模化、集约化水平,实现了大部分粮食主产区由粮食生产稳定区向粮食生产转入区转变。表4估计结果显示,灌溉面积、城镇化和粮食价格对模式III演变的影响为负,分别为-2.524、-0.937和-1.027,前两个因素在10%的显著性水平下是显著的。其原因在于,近年来中国粮食主产区的有效灌溉面积已达到较高水平,但大部分地区仍然采取粗放的漫灌方式,农业灌溉用水效率很低。因而,灌溉面积的持续扩大增加了农业和非农产业的用水矛盾,使得农业用水总量下降^[35]。城镇化一方面导致农业人口老弱化和农业劳动力不足,不利于农业技术进步,另一方面则导致大量优质耕地转化为城镇建设用地,从而对粮食生产具有明显的负面作用^[35]。如前所述,粮食价格的提高只是在一定程度上反映了粮食生产收益的增加,但由于粮食主产区粮食生产的成本快速增长（尤其是劳动力成本）,在粮食生产经营没有达到一定的规模化和集约化的水平条件下,从事粮食生产的收益仍然要明显低于从事非农产业,因而粮食价格的提高无法起到促进模式III的发展。
（4）粮食生产转入区→粮食生产稳定区（模式IV）：对模式IV演变的发生有显著负向抑制作用的因素是化肥施用量、城镇化和农民收入,影响系数分别为-1.586、-0.988和-3.270,除化肥施用量外,其他两个指标均在10 %的显著性水平下是显著的。表3的分析结果表明,模式IV主要发生在粮食主产区和产销平衡区,① 在这些地区增加化肥施用量仍然能促进该地区粮食增产（虽然化肥对粮食增产的边际作用减小）。② 地区城镇化水平的提高对粮食生产也具有正向的驱动作用,主要表现在城镇化使农业劳动力不断流向城镇,为农地流转提供了条件,在政策的引导下不断实现土地的规模化和集约化经营,促进粮食产量增加^[35]。③ 增加农民收入可以提高农民的种粮积极性,从根本上提高粮食产量。因而,化肥施用量、城镇化和农民收入这3个因素成为防止粮食生产转入区退化为粮食生产稳定区的重要原因。不仅如此,农业机械总动力对模式IV演变的影响系数为2.947,且在10%的显著性水平下是显著的,表明农业机械总动力的增加是促使粮食转入区向粮食稳定区转变的最为重要因素。究其原因在于,农业机械化水平的提高降低了农业劳动的体力需求,使得老人和妇女也能够从事农业生产,因而更多的农村青壮年劳动力流向城镇,进而导致粮食生产能力表现出轻微的退化态势^[36]。④ 粮食作物播种面积和有效灌溉面积的增加为农地的规模化、集约化经营创造了条件,促进了农业机械总动力的提高,因而也对粮食生产转入区向粮食生产稳定区转变起到了正向驱动作用,但这种正向驱动作用未能通过显著性检验,表明驱动效应不甚明显。
（5）粮食生产转入区→粮食生产转出区（模式Ⅴ）：粮食作物播种面积、农业机械总动力、城镇化和农民收入对地区由粮食生产转入区向粮食生产转出区转变具有抑制作用。表3的分析结果表明,出现该类演变模式主要是粮食主销区和产销平衡区,因此这一研究结论表明,防止粮食主销区和产销平衡区粮食生产严重衰退的有效办法是增加粮食作物播种面积,提高农业机械化和城镇化水平,增加农民收入。其主要原因为：① 稳定和提高粮食作物播种面积是实现粮食增产的根本。② 如前所述,推进城镇化水平,为农地有效流转创造了条件,在政策引导下能够实现耕地的规模化、集约化经营创造了条件,而提高农业机械化水平则能够使体力较弱的老人、妇女也能够适应农业生产。③ 增加农民收入是提升农民种粮积极性的根本所在,也是粮食增产的最为重要原因。相反,化肥使用量、有效灌溉面积的增加则是导致粮食生产严重衰退的促进因素,其主要原因在于中国化肥使用量已经严重超标（粮食主销区尤为突出）,有效灌溉面积也已经较高,因此一味地增施化肥和增加有效灌溉面积,导致的结果是农业生态环境恶化、农业和非农产业用水矛盾加剧,而粮食增产则收效甚微。
（6）粮食生产稳定区→粮食生产转出区（模式VI）：化肥施用量、粮食播种面积和农民收入对模式VI的演变具有抑制作用,但未通过10%的显著性检验。表3的分析结果表明,发生该种演变模式的主体是粮食主产区和产销平衡区,核心是四川、广西、湖南、贵州、重庆等省市。可见,提高化肥施用量、增加粮食播种面积以及提高农民收入仍在一定程度上可以防止粮食生产稳定区向粮食生产转出区转变。其原因如前所述,即增施化肥仍能在一定程度上促进粮食增产,增加粮食作物播种面积是提高粮食产量的根本,而提高农民收入可以有效刺激农民从事粮食生产的积极性,对于维护粮食安全大有裨益。相反,灌溉面积、农业机械总动力、粮食价格等因素对模式VI的发生有促进作用。依据前文的分析,中国有效灌溉面积已有很大提高,但农业用水效率低下,因而一味增加灌溉面积非但不能有效提高粮食生产效率,还会加剧农业和非农产业用水的矛盾;另一方面,农业机械化水平的提高,提升了老人、妇女等弱质农业生产主体的农业生产能力,加速农村青壮年劳动力的外流,不利于农业技术进步^[35,36]。依据表3的分析,模式VI的核心省区属于中国西南的喀斯特地区和南方丘陵山区,受地形因素影响,农地经营较难达到一定的规模。如前所述,虽然粮食价格的提高在一定程度上反映了粮食生产收益的增加,但由于粮食生产成本增加过快,粮食生产未能形成规模效应,因而粮食价格的提高并不能有效促进粮食生产。

4 结论与讨论

4.1 结论

粮食生产受自然和经济社会众多因素影响,不同区域粮食生产及其在全国的地位会随着其自然和经济社会状况的改变,从而表现出明显的时空变化。本文综合考虑区域粮食产量及其占全国的比例两个因素,构建了中国省际粮食生产空间转移系数,据此将中国大陆31省（直辖市、自治区）划分为粮食生产转出区、稳定区和转入区3种类型;然后运用空间自相关方法,探究了中国粮食生产的空间演变特征;最后,采用面板二值选择（Probit）模型,揭示了粮食生产6种演变模式的主要驱动因素。本文得到如下结论：
（1）中国粮食生产区域类型的时空变化特征明显,但粮食生产的空间集聚特征不明显。从地区的粮食生产空间转移系数来看,中国粮食生产转入区数量表现出先增后降的特征,且主要分布在北方和西部地区和粮食主产区,这证实了中国粮食生产的“北移西进”趋势;中国粮食生产稳定区呈现先增后降的趋势,粮食产销平衡区和粮食主产区是主要构成;粮食生产转出区则表现出先减后增的趋势,且主要分布在粮食主销区。从粮食生产空间转移系数来看,中国粮食生产表现出弱集聚特征,各个地区的粮食生产变化同其他地区的关联性不大。综合而言,中国粮食生产转入区主要分布在中国粮食主产区和北方地区,而粮食生产转出区则主要分布在中国粮食产销平衡区以及粮食主销区。
（2）从粮食生产演变模式来看,粮食主产区、产销平衡区和粮食主销区差异明显。粮食生产演化模式分析研究表明,粮食主产区大多呈现出稳步增长型的演变模式,但粮食产销平衡区和粮食主销区的粮食安全形式不容乐观,尤其是粮食主销区的粮食生产呈现出越来越严重的衰退演变模式。《全国农业可持续发展规划（2015-2030）》指出,当前中国绝大部分粮食主产区农业生态破坏、环境污染等问题突出,农业资源超负荷承载,粮食生产的可持续能力已大大下降。本研究表明,粮食产销平衡区和粮食主销区粮食生产的退化,即将维护本区域粮食安全的责任转移给粮食主产区,这是造成粮食主产区粮食生产可持续能力大大下降的最为根本原因。为此,在当前粮食总量已经基本满足需求并呈现出“产量、进口量、库存量”三量齐增的背景下,必须因地制宜的推进生态环境破坏和污染严重的粮食主产区的耕地修养生息,同时严格控制粮食主销区粮食生产的进一步退化,具体可以根据2014年国务院颁布《关于建立健全粮食安全省长责任制的若干意见》,确保粮食主销区耕地面积和粮食播种面积的稳定,并尽可能地确定其粮食安全的责任底线,以减轻粮食主产区维护中国粮食安全的压力。
（3）不同粮食生产演变模式的驱动因素存在差别,需要因地制宜地采取措施实现粮食生产的稳步增长。研究表明：① 虽然不同粮食生产演变模式的驱动因素存在差别,但无论是维护粮食生产稳步增长,还是防止粮食生产衰退演变,扩大粮食作物播种面积都具有明显的积极作用。因此,在进一步推进城镇化的进程中,应加快各地的农地流转,推进不同区域的土地适度规模经营,以提高粮食生产效益,从根本上实现稳定和提高粮食作物播种面积。② 增施化肥已无法起到促进粮食生产稳步增长的目的,但可以防止粮食生产向轻度和中度衰退模式演变,这与已有研究也高度吻合^[36],表明中国施用化肥来促进粮食生产的边际效益已越来越低。因此,应严格执行《到2020年化肥使用量零增长行动方案》,突出强调要降低化肥施用量,提高其使用效率。③ 提高有效灌溉面积无法起到促进粮食生产稳步增长的目的,反而促进了粮食生产的衰退演变。因此,改变以漫灌为主的粗放的农业用水方式,加快发展滴灌、喷灌等节水型农业用水方式,提高农业水资源利用效率,乃是缓解农业和非农产业用水矛盾,促进粮食稳步增长的关键。④ 提高城镇化和农村居民家庭可支配收入无法起到促进粮食生产的稳步增长的目的,但可以有效防止粮食生产的衰退演变。因此,在农村青壮年劳动力持续向城镇转移的过程中,要加强对仍然从事农业生产的从业农民的职业技能培训,要加快培育新型农业经营主体。同时,必须尤为重视加快推进粮食主产区农村土地流转,促进农地的适度规模经营,以提升从事粮食生产的家庭经营收入在农村居民可支配收入中的比例。⑤ 农业机械总动力和粮食价格2个因素在6种不同粮食生产演变模式当中的作用较难综合概况,需要根据不同的演化模式并结合具体区域进行有针对性的分析。

4.2 讨论

本文重点关注粮食生产的投入要素和价格等经济因素对区域粮食生产区域类型和生产模式变化的影响,主要原因在于这些因素对粮食生产的作用已越来越突出,同时这些因素也是最为容易改变和调控的,因而所得的研究结果也更具有现实意义。由于中国区域粮食生产条件和生产能力存在显著差异,不同地区的粮食生产政策也表现出一定的差异。那么,农业政策是否也对粮食生产区域类型和生产模式演变产生重要影响?如何测度这一影响?科学地回答这一问题必然是今后研究的一个重要方向。
如前所述,粮食生产也具有自然再生产的特性,即自然环境因素也是影响粮食生产的重要变量,也就是说诸如气候变化、自然灾害、土壤肥力等自然因素也会对粮食生产区域类型和生产模式演变产生影响。因此,如何将自然因素纳入考虑,构建包涵自然因素和经济因素的更为科学的测度方法和模型,也是今后的重要研究方向,这也有利于制定更为科学的粮食生产政策。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	姚成胜, 李政通, 易行. 中国粮食产量变化的驱动效应及其空间分异研究 . 中国人口·资源与环境, 2016, 26(9): 72-81.https://doi.org/10.3969/j.issn.1002-2104.2016.09.009 URL [本文引用: 6]摘要粮食安全是一个国家和地区经济和社会稳定发展的基础,而粮食产量则是衡量粮食安全的最为重要指标,研究粮食产量变化的驱动效应对于实现其持续稳定增长具有重要意义.综合考虑种植业结构、农林牧渔业结构、农业生产经济收益、农业劳动力等各因素对粮食产量的影响,从农业经济学的视角出发,构建了粮食产量分解的理论框架.基于这一框架,将粮食产量变化分解为种植经济的粮食安全效应、农业结构调整效应、农业劳动力农业经济收益效应、农业劳动力当量效应等4种.采用对数平均迪氏分解模型(LMDI)和粮食生产的空间转移系数,揭示了4种效应对1978-2014年中国粮食产量的时序变化以及2000-2013年全国31省(市、区)粮食产量的空间变化的影响程度.研究结果表明:无论从时间还是空间变化方面,农业劳动力农业经济收益效应都是驱动粮食增产的首要因素,种植经济的粮食安全效应则是抑制粮食增产的首要因素.在政府主导模式下,农业结构调整对粮食增产的负面影响较小,而在农户主导模式下,农业结构调整对粮食产量的负面影响明显增强,这一结果在粮食主产区表现尤为明显.1978-2014年,中国劳动力当置效应对粮食产量变化由正向驱动作用不断向负向抑制作用转变,且其对粮食增产的抑制作用不断增强,这一现象在粮食主产区表现也尤为突出.因此,为促进中国粮食产量持续增长,尤其需要发挥政府在粮食主产区农业结构调整中的主导作用,在确保农民生产粮食基本收益的基础上,加快延伸粮食生产产业链,进一步增加农民收入来源,促进劳动力资源在城乡之间的有效配置. [Yao Chengsheng, Li Zhengtong, Yi Xing.Driving effects of grain production change and its spatial differences in China. China Population, Resources and Environment, 2016, 26(9): 72-81.]https://doi.org/10.3969/j.issn.1002-2104.2016.09.009 URL [本文引用: 6]摘要粮食安全是一个国家和地区经济和社会稳定发展的基础,而粮食产量则是衡量粮食安全的最为重要指标,研究粮食产量变化的驱动效应对于实现其持续稳定增长具有重要意义.综合考虑种植业结构、农林牧渔业结构、农业生产经济收益、农业劳动力等各因素对粮食产量的影响,从农业经济学的视角出发,构建了粮食产量分解的理论框架.基于这一框架,将粮食产量变化分解为种植经济的粮食安全效应、农业结构调整效应、农业劳动力农业经济收益效应、农业劳动力当量效应等4种.采用对数平均迪氏分解模型(LMDI)和粮食生产的空间转移系数,揭示了4种效应对1978-2014年中国粮食产量的时序变化以及2000-2013年全国31省(市、区)粮食产量的空间变化的影响程度.研究结果表明:无论从时间还是空间变化方面,农业劳动力农业经济收益效应都是驱动粮食增产的首要因素,种植经济的粮食安全效应则是抑制粮食增产的首要因素.在政府主导模式下,农业结构调整对粮食增产的负面影响较小,而在农户主导模式下,农业结构调整对粮食产量的负面影响明显增强,这一结果在粮食主产区表现尤为明显.1978-2014年,中国劳动力当置效应对粮食产量变化由正向驱动作用不断向负向抑制作用转变,且其对粮食增产的抑制作用不断增强,这一现象在粮食主产区表现也尤为突出.因此,为促进中国粮食产量持续增长,尤其需要发挥政府在粮食主产区农业结构调整中的主导作用,在确保农民生产粮食基本收益的基础上,加快延伸粮食生产产业链,进一步增加农民收入来源,促进劳动力资源在城乡之间的有效配置.
[2]	黄维, 邓祥征, 何书金, 等. 中国气候变化对县域粮食产量影响的计量经济分析 . 地理科学进展, 2010, 29(6): 677-683.https://doi.org/10.11820/dlkxjz.2010.06.006 Magsci [本文引用: 1]摘要 <p>利用中国1988、1995、2000 和2005 年县级面板数据构建了包含气候变化因素、投入要素、自然环境条件变量的面板数据随机效应计量模型，并利用该模型研究了中国县域气候变化(主要以1988-2005 年间气温、降水变动) 对粮食产量的影响。研究表明，从整体上看，一定幅度内的气温上升和降水增加对我国粮食产量变动有正向作用。将气温、降水变动的影响分解到不同省份上后，可以发现气温、降水变动对中国县域粮食产量的影响存在明显的区域分异特征。气温上升和降水量的增加对中国东北、华北以及西北部省份的粮食产量提升有利，对其他省区则会产生小幅负面影响。对气温、降水变动分季进行考察的结果表明，气温、降水变动对中国县域粮食产量的影响存在季节性差异，譬如春季气温变动对中国县域粮食产量的影响并不显著，但是夏、秋、冬3 季的气温对中国县域粮食产量有显著的影响，不过其影响的程度与效果各异。春、夏两季降水对中国粮食产量变化存在显著影响。</p> [Huang Wei, Deng Xiangzheng, He Shujin, et al.An econometric analysis on the impacts of climatic change on grain production at counties of China . Progress in Geography, 2010, 29(6): 677-683.]https://doi.org/10.11820/dlkxjz.2010.06.006 Magsci [本文引用: 1]摘要 <p>利用中国1988、1995、2000 和2005 年县级面板数据构建了包含气候变化因素、投入要素、自然环境条件变量的面板数据随机效应计量模型，并利用该模型研究了中国县域气候变化(主要以1988-2005 年间气温、降水变动) 对粮食产量的影响。研究表明，从整体上看，一定幅度内的气温上升和降水增加对我国粮食产量变动有正向作用。将气温、降水变动的影响分解到不同省份上后，可以发现气温、降水变动对中国县域粮食产量的影响存在明显的区域分异特征。气温上升和降水量的增加对中国东北、华北以及西北部省份的粮食产量提升有利，对其他省区则会产生小幅负面影响。对气温、降水变动分季进行考察的结果表明，气温、降水变动对中国县域粮食产量的影响存在季节性差异，譬如春季气温变动对中国县域粮食产量的影响并不显著，但是夏、秋、冬3 季的气温对中国县域粮食产量有显著的影响，不过其影响的程度与效果各异。春、夏两季降水对中国粮食产量变化存在显著影响。</p>
[3]	Zhou L, Turvey C G.Climate change, adaptation and China's grain production . China Economic Review, 2014, 28: 72-89.https://doi.org/10.1016/j.chieco.2014.01.001 URL [本文引用: 1]摘要 61A regional and crop-specific total-factor-adaptation model is recommended.61Economic impacts of climate change are mixed with some winners and other losers.61With adaptation, warming is always beneficial to China's grain production.61Grain production in eastern China would be more vulnerable to climate change.61In China, adaptation by irrigation is not sensitive to climate change.
[4]	Chen Y, Wu Z, Zhu T, et al.Agricultural policy, climate factors and grain output: Evidence from household survey data in rural China . Journal of Integrative Agriculture, 2013, 12(1): 169-183.https://doi.org/10.1016/S2095-3119(13)60217-8 URL [本文引用: 1]
[5]	Odeck J.Measuring technical efficiency and productivity growth: A comparison of SFA and DEA on Norwegian grain production data . Applied Economics, 2007, 39(20): 2617-2630.https://doi.org/10.1080/00036840600722224 URL [本文引用: 1]摘要 This article compares data envelopment analysis and stochastic frontier analysis to assess efficiency and productivity growth of Norwegian grain producers. Previous studies have dealt with either one of them and less of both. For the assessment of productivity growth or regress, Malmquist productivity indices are derived from both approaches. The data cover a 10-year period. We find consistency between the approaches to the extent that: (1) there are potentials for efficiency improvements, but the magnitudes depends on the model applied and by segmentation of the data set, (2) there has been a productivity improvement in the sector, on average in the interval 30鈥38% in the period studied and (3) technical change has had the greatest impact on productivity, indicating that producers have a tendency to catch-up with the front runners. In general, policy-makers are warned not to be indifferent with respect to the approach used for efficiency and productivity measurement as these may give different results.
[6]	黄金波, 周先波. 中国粮食生产的技术效率与全要素生产率增长: 1978-2008 . 南方经济, 2010, (9): 40-52.https://doi.org/10.3969/j.issn.1000-6249.2010.09.004 URL [本文引用: 1]摘要 In the paper the stochastic frontier analysis is applied to study the food production in China by using the panel data of the 30 provinces during 1978-2007. Based on the results of the analysis, we conduct a factor-analysis on the technical efficiency in food production, and a decomposition of the total factor productivity growth. The trend of the components in TFP growth is analyzed. The results show that the infrastructure in agriculture is a key factor to determine the technical efficiency of food production. Food output growth is mainly enhanced by the growth of the inputs while the TFP contributes little. The reason is that the growth in technical progress and technical efficiency moves in the opposite direction. This implies that upgrading TE growth is important to TFP growth in the process of technical progress. [Huang Jinbo, Zhou Xianbo.Technical efficiency and growth of total factor productivity of food production in China: 1978-2008 . South China Journal of Economics, 2010, (9): 40-52.]https://doi.org/10.3969/j.issn.1000-6249.2010.09.004 URL [本文引用: 1]摘要 In the paper the stochastic frontier analysis is applied to study the food production in China by using the panel data of the 30 provinces during 1978-2007. Based on the results of the analysis, we conduct a factor-analysis on the technical efficiency in food production, and a decomposition of the total factor productivity growth. The trend of the components in TFP growth is analyzed. The results show that the infrastructure in agriculture is a key factor to determine the technical efficiency of food production. Food output growth is mainly enhanced by the growth of the inputs while the TFP contributes little. The reason is that the growth in technical progress and technical efficiency moves in the opposite direction. This implies that upgrading TE growth is important to TFP growth in the process of technical progress.
[7]	杨春艳, 沈渭寿, 李海东. 1985-2010年西藏粮食产量对气候和耕地变化的响应 . 农业工程学报, 2015, 31(17): 261-269.https://doi.org/10.11975/j.issn.1002-6819.2015.17.035 URL Magsci [本文引用: 1]摘要西藏宜耕土地面积少，粮食产量低而不稳定，且对气候变化敏感，已成为影响社会经济发展的重要因素。为进一步揭示粮食产量的变化及其影响因素，该研究利用1985－2010年西藏粮食产量、38个气象站资料和4期遥感数据，采用Thornth waite模型和指数曲线法计算作物气候生产潜力、分离作物趋势产量和气候产量，采用气候倾向率和累积距平法分析气候变化趋势，通过人工目视解译和土地变化率分析耕地的变化，运用灰色关联分析方法探讨粮食产量与气候变化和耕地面积变化的关系。结果表明：1）1985－2010年，西藏粮食总产量、气候生产潜力和单位面积粮食产量分别为77.83×107 kg、7419.58 kg/(hm2·a)、1948.93 kg/hm2，均呈波动上升趋势，粮食生产潜力实现率平均为25.86%，且呈逐渐上升趋势，粮食产量正在向气候生产潜力靠近且仍有较大的提升空间；2）气候产量占粮食单产的比值在-10.74%～8.03%波动，变化幅度呈减小趋势，粮食生产受气候的影响程度不断下降；3）西藏≥0℃积温、生长季平均气温、降水量分别为2 224.53 ℃ 、11.41 ℃、387.48 mm，均表现为增加趋势，生长季日照时数平均为1095.45 h，呈减少趋势，各气候要素变化的转折年份出现在1994年；4）西藏粮食总产量、粮食单产、气候产量与耕地面积、≥0℃积温和生长季降水量的关联度均介于0.633～1.321之间，与生长季平均气温、日照时数的关联度介于0.595～0.641之间。耕地面积、≥0℃积温和生长季降水量是影响粮食产量的最主要因素。该研究可为识别粮食产量及其影响因素的变化规律，进一步提高粮食产量，保障西藏社会经济可持续发展提供参考。 [Yang Chunyan, Shen Weishou, Li Haidong.Response of grain yield in Tibet to climate and cultivated land change during 1985-2010 . Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(17): 261-269.]https://doi.org/10.11975/j.issn.1002-6819.2015.17.035 URL Magsci [本文引用: 1]摘要西藏宜耕土地面积少，粮食产量低而不稳定，且对气候变化敏感，已成为影响社会经济发展的重要因素。为进一步揭示粮食产量的变化及其影响因素，该研究利用1985－2010年西藏粮食产量、38个气象站资料和4期遥感数据，采用Thornth waite模型和指数曲线法计算作物气候生产潜力、分离作物趋势产量和气候产量，采用气候倾向率和累积距平法分析气候变化趋势，通过人工目视解译和土地变化率分析耕地的变化，运用灰色关联分析方法探讨粮食产量与气候变化和耕地面积变化的关系。结果表明：1）1985－2010年，西藏粮食总产量、气候生产潜力和单位面积粮食产量分别为77.83×107 kg、7419.58 kg/(hm2·a)、1948.93 kg/hm2，均呈波动上升趋势，粮食生产潜力实现率平均为25.86%，且呈逐渐上升趋势，粮食产量正在向气候生产潜力靠近且仍有较大的提升空间；2）气候产量占粮食单产的比值在-10.74%～8.03%波动，变化幅度呈减小趋势，粮食生产受气候的影响程度不断下降；3）西藏≥0℃积温、生长季平均气温、降水量分别为2 224.53 ℃ 、11.41 ℃、387.48 mm，均表现为增加趋势，生长季日照时数平均为1095.45 h，呈减少趋势，各气候要素变化的转折年份出现在1994年；4）西藏粮食总产量、粮食单产、气候产量与耕地面积、≥0℃积温和生长季降水量的关联度均介于0.633～1.321之间，与生长季平均气温、日照时数的关联度介于0.595～0.641之间。耕地面积、≥0℃积温和生长季降水量是影响粮食产量的最主要因素。该研究可为识别粮食产量及其影响因素的变化规律，进一步提高粮食产量，保障西藏社会经济可持续发展提供参考。
[8]	Hua X.The influence factors decomposition of grain output increase in China: 2003-2014 . Journal of Agricultural Science, 2016, 8(11): 59-68.https://doi.org/10.5539/jas.v8n11p59 URL [本文引用: 1]摘要 The Influence Factors Decomposition of Grain Output Increase in China: 2003-2014
[9]	Lei X, Zhang Q, Zhou A L, et al.Assessment of flood catastrophe risk for grain production at the provincial scale in China based on the BMM method . Journal of Integrative Agriculture, 2013, 12(12): 2310-2320.https://doi.org/10.1016/S2095-3119(13)60587-0 URL [本文引用: 1]
[10]	Neumann K, Verburg P H, Stehfest E, et al.The yield gap of global grain production: A spatial analysis . Agricultural Systems, 2010, 103(5): 316-326.https://doi.org/10.1016/j.agsy.2010.02.004 URL [本文引用: 1]
[11]	Simelton E, Fraser E D G, Termansen M, et al. The Socioeconomics of food crop production and climate change vulnerability: A global scale quantitative analysis of how grain crops are sensitive to drought . Food Security, 2012, 4(2): 163-179.https://doi.org/10.1007/s12571-012-0173-4 URL [本文引用: 1]摘要 Many studies warn that climate change may undermine global food security. Much work on this topic focuses on modelling crop-weather interactions but these models do not generally account for the ways in which socio-economic factors influence how harvests are affected by weather. To address this gap, this paper uses a quantitative harvest vulnerability index based on annual soil moisture and grain production data as the dependent variable in a Linear Mixed Effects model with national scale socio-economic data as independent variables for the period 1990 2005. Results show that rice, wheat and maize production in middle income countries were especially vulnerable to droughts. By contrast, harvests in countries with higher investments in agriculture (e.g. higher amounts of fertilizer use) were less vulnerable to drought. In terms of differences between the world major grain crops, factors that made rice and wheat crops vulnerable to drought were quite consistent, while those of maize crops varied considerably depending on the type of region. This is likely due to the fact that maize is produced under very different conditions worldwide. One recommendation for reducing drought vulnerability risks is coordinated development and adaptation policies, including institutional support that enables farmers to take proactive action.
[12]	张利国, 陈苏. 中国人均粮食占有量时空演变及驱动因素 . 经济地理, 2015, 35(3): 171-177. [本文引用: 1] [Zhang Liguo, Chen Su.Empirical analysis on spatio-temporal evolution and driving forces of per capita grain possession in China . Economic Geography, 2015, 35(3): 171-177.] [本文引用: 1]
[13]	范业龙, 陆玉麒, 赵俊华, 等. 中国粮食生产区域差异的多尺度分析 . 经济地理, 2014, 34(10): 124-130. [本文引用: 1] [Fan Yelong, Lu Yuqi, Zhao Junhua, et al.Multi-scale analysis of regional differences of grain production in China . Economic Geography, 2014, 34(10): 124-130.] [本文引用: 1]
[14]	柴玲欢, 朱会义. 中国粮食生产区域集中化的演化趋势 . 自然资源学报, 2016, 31(6): 908-919.URL [本文引用: 1]摘要农业生产的区域专业化与地域分工是农业现代化的一个重要标志,也是未来中国农业发展的必由之路。受农业生产市场化程度以及耕地保护、农业补贴、价格保护等政策因素的影响,中国目前区域专业化的方向和地域分工取向尚不清晰,不过农产品生产的集中化趋势却为回答这一问题提供了重要线索。论文以稻谷、小麦和玉米3种主要粮食作物为研究对象,利用省域单元1981—2013年的产量数据,运用集中化指数方法揭示1980年以来中国粮食生产区域集中化程度的演变特征和演化趋势。结果表明：中国粮食生产的集中化程度明显上升,3种粮食作物中小麦生产的集中化程度最高,并呈相对稳定的集中化趋势,而稻谷和玉米生产的集中化程度则经历了一个＂U＂型变化过程,意味着稻谷和玉米生产在这一阶段发生了空间重组;依据集中化趋势,稻谷生产向黑龙江、湖南、江西等地集中,小麦生产向河南、山东、安徽等传统小麦产区集中,玉米生产则向黑龙江、内蒙古等地集中,预示未来极有可能在这些地区及其周边形成专业化粮食产区。加强这些地区的农田基本建设将有助于推进中国粮食生产的地区专业化与地域分工。 [Chai Linghuan, Zhu Huiyi.Evolution trend of regional centralization of grain production in China . Journal of Natural Resources, 2016, 31(6): 908-919.]URL [本文引用: 1]摘要农业生产的区域专业化与地域分工是农业现代化的一个重要标志,也是未来中国农业发展的必由之路。受农业生产市场化程度以及耕地保护、农业补贴、价格保护等政策因素的影响,中国目前区域专业化的方向和地域分工取向尚不清晰,不过农产品生产的集中化趋势却为回答这一问题提供了重要线索。论文以稻谷、小麦和玉米3种主要粮食作物为研究对象,利用省域单元1981—2013年的产量数据,运用集中化指数方法揭示1980年以来中国粮食生产区域集中化程度的演变特征和演化趋势。结果表明：中国粮食生产的集中化程度明显上升,3种粮食作物中小麦生产的集中化程度最高,并呈相对稳定的集中化趋势,而稻谷和玉米生产的集中化程度则经历了一个＂U＂型变化过程,意味着稻谷和玉米生产在这一阶段发生了空间重组;依据集中化趋势,稻谷生产向黑龙江、湖南、江西等地集中,小麦生产向河南、山东、安徽等传统小麦产区集中,玉米生产则向黑龙江、内蒙古等地集中,预示未来极有可能在这些地区及其周边形成专业化粮食产区。加强这些地区的农田基本建设将有助于推进中国粮食生产的地区专业化与地域分工。
[15]	吴建寨, 张建华, 孔繁涛. 中国粮食生产与消费的空间格局演变 . 农业技术经济, 2015, (11): 46-52. [本文引用: 1] [Wu Jianzhai, Zhang Jianhua, Kong Fantao.The evolution of spatial pattern of grain production and consumption in China . Journal of Agrotechnical Economics, 2015, (11): 46-52.] [本文引用: 1]
[16]	钟章奇, 王铮, 夏海斌, 等. 全球气候变化下中国农业生产潜力的空间演变 . 自然资源学报, 2015, 30(12): 2018-2032. [本文引用: 2] [Zhong Zhangqi, Wang Zheng, Xia Haibin, et al.Temporal and spatial variation of the potential agricultural productivity of China under global climate change . Journal of Natural Resources, 2015, 30(12): 2018-2032.] [本文引用: 2]
[17]	Xu S, Wu J, Wei S, et al.Spatial-temporal changes in grain production, consumption and driving mechanism in China . Journal of Integrative Agriculture, 2013, 12(2): 374-385.https://doi.org/10.1016/S2095-3119(13)60236-1 URL [本文引用: 1]
[18]	金涛. 中国粮食生产时空变化及其耕地利用效应 . 自然资源学报, 2014, 29(6): 911-919. [本文引用: 3] [Jin Tao.Effects of cultivated land use on temporal spatial variation of grain production in China . Journal of Natural Resources, 2014, 29(6): 911-919.] [本文引用: 3]
[19]	刘玉, 郭丽英, 刘彦随. 1980-2008年环渤海地区县域粮食的时空动态变化及分析 . 农业工程学报, 2012, 28(12): 230-236.Magsci [本文引用: 1]摘要为了揭示粮食生产的异质性，应用基尼系数、探索性空间数据分析法（exploratory spatial data analysis，ESDA）和空间误差模型（spatial error model，SEM），深入分析了1980－2008年环渤海地区县域粮食生产的时空动态特征及其影响因素。结果表明，环渤海地区粮食产量增加了3647×104 t，县域粮食生产以上升为主，并逐步向平原区和产量大县集中；县域粮食总产量空间自相关性显著且空间差异增大，人均粮食极化态势加剧；粮食生产热点区向内陆平原区偏移，辽宁中北部和山东西部地区的粮食总产量明显增加，坝上高原区和冀北辽西山地丘陵区的粮食总产量下降，县域粮食供需矛盾的区域差异加剧。最后，SEM 模型分析表明，县域耕地面积、种植结构、前期粮食产量是县域粮食格局的重要影响因素。该研究结果可为环渤海地区粮食生产布局与优化和粮食生产政策制定提供科学依据。 [Liu Yu, Guo Liying, Liu Yansui.Spatial-temporal dynamic change and analysis of grain production in county scale in Bohai Rim from 1980 to 2008 . Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(12): 230-236.]Magsci [本文引用: 1]摘要为了揭示粮食生产的异质性，应用基尼系数、探索性空间数据分析法（exploratory spatial data analysis，ESDA）和空间误差模型（spatial error model，SEM），深入分析了1980－2008年环渤海地区县域粮食生产的时空动态特征及其影响因素。结果表明，环渤海地区粮食产量增加了3647×104 t，县域粮食生产以上升为主，并逐步向平原区和产量大县集中；县域粮食总产量空间自相关性显著且空间差异增大，人均粮食极化态势加剧；粮食生产热点区向内陆平原区偏移，辽宁中北部和山东西部地区的粮食总产量明显增加，坝上高原区和冀北辽西山地丘陵区的粮食总产量下降，县域粮食供需矛盾的区域差异加剧。最后，SEM 模型分析表明，县域耕地面积、种植结构、前期粮食产量是县域粮食格局的重要影响因素。该研究结果可为环渤海地区粮食生产布局与优化和粮食生产政策制定提供科学依据。
[20]	王千, 金晓斌, 阿依吐尔逊·沙木西, 等. 河北省粮食产量空间格局差异变化研究 . 自然资源学报, 2010, 25(9): 1525-1535.https://doi.org/10.11849/zrzyxb.2010.09.012 Magsci [本文引用: 1]摘要为揭示河北省粮食产量空间格局分布特征,因地制宜地制定区域粮食安全生产政策,论文运用ESDA空间相关分析理论结合GIS技术,分析了1986—2006年河北省138个县的粮食产量空间差异变化规律、特征和成因,并提出相应的粮食安全生产政策与措施。研究结果表明:研究期内省域范围内粮食产量Moran’s <em>I</em>指数的平均值为0.346,存在较强的空间聚集格局;粮食产量局部空间集聚显著区主要分布在唐山—石家庄山前平原区高产区(HH)和张家口—承德坝上高原低产区(LL),1986年、1996年、2006年落入HH和LL象限的县分别占总样本数的55.07%、66.67%和71.74%,粮食产量空间集聚效果显著;20 a内粮食产量重心由北向西南方向转移42.7 km;粮食产量的主要影响因素为有效灌溉面积、化肥施用量、农业机械总动力、粮食播种面积等。 [Wang Qian, Jin Xiaobin, Ayituerxun Shamuxi, et al.Space difference research of the grain production in Hebei province . Journal of Natural Resources, 2010, 25(9): 1525-1535.]https://doi.org/10.11849/zrzyxb.2010.09.012 Magsci [本文引用: 1]摘要为揭示河北省粮食产量空间格局分布特征,因地制宜地制定区域粮食安全生产政策,论文运用ESDA空间相关分析理论结合GIS技术,分析了1986—2006年河北省138个县的粮食产量空间差异变化规律、特征和成因,并提出相应的粮食安全生产政策与措施。研究结果表明:研究期内省域范围内粮食产量Moran’s <em>I</em>指数的平均值为0.346,存在较强的空间聚集格局;粮食产量局部空间集聚显著区主要分布在唐山—石家庄山前平原区高产区(HH)和张家口—承德坝上高原低产区(LL),1986年、1996年、2006年落入HH和LL象限的县分别占总样本数的55.07%、66.67%和71.74%,粮食产量空间集聚效果显著;20 a内粮食产量重心由北向西南方向转移42.7 km;粮食产量的主要影响因素为有效灌溉面积、化肥施用量、农业机械总动力、粮食播种面积等。
[21]	马晓冬, 马荣华, 徐建刚. 基于ESDA-GIS的城镇群体空间结构 . 地理学报, 2004, 59(6): 1048-1057.https://doi.org/10.3321/j.issn:0375-5444.2004.06.029 URL [本文引用: 2]摘要基于ESDA-GIS的空间分析框架,利用江苏省1346个小城镇的统计数据,对其城镇群体空间结构进行了研究。首先对统计数据进行了概括性因子分析,抽取的规模与经济因子值的频率分布都是偏态的,且两因子之间不存在规模-效益的正相关性。随后,对小城镇群体的空间结构进行了探索性分析,由密度图显示:小城镇空间分布不均衡,其密度由东南部的沿长江、环太湖地区向西和向北递减。通过空间自相关测度分析得出:小城镇的经济因子的空间分布具有正相关性,呈现出空间集聚的特征;规模因子的空间相关特征不明显。最后,将小城镇的局域空间自相关系数按县(市、区)行政单元进行聚类,利用方差图的结论修正聚类结果,得出江苏省小城镇经济发展类型分区:三区、一环(带)、一片,即苏北中部地区、苏中及宁镇区、苏锡常地区、苏北边缘环带、睢宁片区,对应的经济发展类型分别为:弥漫发展型、极核发展型、集群发展型、过渡发展型、持续贫困型。 [Ma Xiaodong, Ma Ronghua, Xu Jiangang.Spatial structure of cities and towns with ESDA-GIS framework . Acta Geographica Sinica, 2004, 59(6): 1048-1057.]https://doi.org/10.3321/j.issn:0375-5444.2004.06.029 URL [本文引用: 2]摘要基于ESDA-GIS的空间分析框架,利用江苏省1346个小城镇的统计数据,对其城镇群体空间结构进行了研究。首先对统计数据进行了概括性因子分析,抽取的规模与经济因子值的频率分布都是偏态的,且两因子之间不存在规模-效益的正相关性。随后,对小城镇群体的空间结构进行了探索性分析,由密度图显示:小城镇空间分布不均衡,其密度由东南部的沿长江、环太湖地区向西和向北递减。通过空间自相关测度分析得出:小城镇的经济因子的空间分布具有正相关性,呈现出空间集聚的特征;规模因子的空间相关特征不明显。最后,将小城镇的局域空间自相关系数按县(市、区)行政单元进行聚类,利用方差图的结论修正聚类结果,得出江苏省小城镇经济发展类型分区:三区、一环(带)、一片,即苏北中部地区、苏中及宁镇区、苏锡常地区、苏北边缘环带、睢宁片区,对应的经济发展类型分别为:弥漫发展型、极核发展型、集群发展型、过渡发展型、持续贫困型。
[22]	顾乐民. 基于最小一乘准则的中国粮食产量与影响因素的相关性分析 . 农业工程学报, 2013, 29(11): 1-10.https://doi.org/10.3969/j.issn.1002-6819.2013.11.001 URL Magsci [本文引用: 1]摘要该文提出了中国粮食产量与影响粮食产量的一些主要因素之间，更多呈现的是指数关系，也少量呈现幂指数关系，为了获得较小的误差从而有较准确的描述定义了一种新的指数型生产函数；指出了最小一乘法是一种能找到在数据背后隐含的，对数据起支配控制作用的"隐函数"的最好方法。将二者捏合起来，用最小一乘法对指数型生产函数模型进行拟合，可以找到符合中国粮食变化的某些规律。该文介绍了最小一乘法和指数型生产函数，将影响粮食产量的5个主要因素（化肥施用量、粮食播种面积、成灾面积、农业机械总动力、第一产业就业人数）与中国粮食产量建立关联，用最小一乘法对生产函数模型进行拟合，并对中国1983－2011年的数据进行处理。在获得29 a间中国粮食产量的Mae（平均绝对误差）不超过393万t，以及Mape（平均绝对百分误差）小于0.87%的数据处理结果的基础上，对数据给出的结论进行了解释和分析。1983－2011年的29 a间，中国粮食产量的增长主要取决于化肥施用量和农业机械总动力，其中化肥施用量还继续在起"正"影响，而农业机械总动力趋于动态饱和，属于理论上的"负"影响，但不构成实际的"负"效应；粮食播种面积是最大的"正"影响，粮食产量在粮食播种面积在不增条件下，依然可以增长，但是增大粮食播种面积将能够迅速提高中国的粮食产量；成灾面积是粮食增长的"负"影响，影响的绝对量值在增加但相对量值在减小；由于受1984－1991年第一产业就业人数急剧增长的巨大冲击及滞后效应影响，第一产业就业人数的减少对粮食增长构成"负"影响，随着农业现代化与城镇化进程的发展，这种"负"影响在不断减小中。文中对上述这些定性结论给出了具体的定量值。该文并对2012年粮食产量进行了预测，其值为59 133万t，预测的误差为0.3%；也对2013年粮食产量进行了预测，其值为61 148万t。该文最后对最小一乘法、指数型生产函数等存在的问题进行了必要的讨论。最小一乘准则意义下的指数型生产函数，对中国粮食产量与主要影响因素之间关系的描述具有一定的准确性和指导意义。 [Gu Lemin.Relative analysis of China's grain yield and influence factors based on criterion of least absolute deviation . Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(11): 1-10.]https://doi.org/10.3969/j.issn.1002-6819.2013.11.001 URL Magsci [本文引用: 1]摘要该文提出了中国粮食产量与影响粮食产量的一些主要因素之间，更多呈现的是指数关系，也少量呈现幂指数关系，为了获得较小的误差从而有较准确的描述定义了一种新的指数型生产函数；指出了最小一乘法是一种能找到在数据背后隐含的，对数据起支配控制作用的"隐函数"的最好方法。将二者捏合起来，用最小一乘法对指数型生产函数模型进行拟合，可以找到符合中国粮食变化的某些规律。该文介绍了最小一乘法和指数型生产函数，将影响粮食产量的5个主要因素（化肥施用量、粮食播种面积、成灾面积、农业机械总动力、第一产业就业人数）与中国粮食产量建立关联，用最小一乘法对生产函数模型进行拟合，并对中国1983－2011年的数据进行处理。在获得29 a间中国粮食产量的Mae（平均绝对误差）不超过393万t，以及Mape（平均绝对百分误差）小于0.87%的数据处理结果的基础上，对数据给出的结论进行了解释和分析。1983－2011年的29 a间，中国粮食产量的增长主要取决于化肥施用量和农业机械总动力，其中化肥施用量还继续在起"正"影响，而农业机械总动力趋于动态饱和，属于理论上的"负"影响，但不构成实际的"负"效应；粮食播种面积是最大的"正"影响，粮食产量在粮食播种面积在不增条件下，依然可以增长，但是增大粮食播种面积将能够迅速提高中国的粮食产量；成灾面积是粮食增长的"负"影响，影响的绝对量值在增加但相对量值在减小；由于受1984－1991年第一产业就业人数急剧增长的巨大冲击及滞后效应影响，第一产业就业人数的减少对粮食增长构成"负"影响，随着农业现代化与城镇化进程的发展，这种"负"影响在不断减小中。文中对上述这些定性结论给出了具体的定量值。该文并对2012年粮食产量进行了预测，其值为59 133万t，预测的误差为0.3%；也对2013年粮食产量进行了预测，其值为61 148万t。该文最后对最小一乘法、指数型生产函数等存在的问题进行了必要的讨论。最小一乘准则意义下的指数型生产函数，对中国粮食产量与主要影响因素之间关系的描述具有一定的准确性和指导意义。
[23]	罗翔, 曾菊新, 朱媛媛, 等. 谁来养活中国: 耕地压力在粮食安全中的作用及解释 . 地理研究, 2016, 35(12): 2216-2226.URL [本文引用: 1]摘要中国粮食安全问题备受关注，与城镇化背景下耕地资源的减少有关。近年来，中外粮食价格“倒挂”引致的粮食进口量增加进一步加剧了未来中国可能发生粮食安全危机的担忧。与之相关的一个问题是，随着城镇化的推进，中国人能否养活自己？借用广泛使用的耕地压力指数，并对其进行修正，在此基础上，从人均耕地压力的角度重新审视了耕地资源的变动对粮食生产的影响。研究显示：修正耕地压力指数对粮食产量的影响显著为负。不仅如此，这种影响在粮食主产区表现得比非粮食主产区更为明显。同时，通过对修正耕地压力指数的时空演变趋势考察后发现，2000-2012年，中国粮食主产区的修正耕地压力指数始终处于安全压力区并呈下降趋势，表明现阶段耕地资源的减少并没有显著地威胁中国的粮食安全。从长期看，城镇化与保障粮食安全不仅目标是兼容的，如果农地政策调整得当，中国人不但能够养活自己，还能够为全世界的粮食安全做贡献。为此主要建议：耕地保护要以发挥耕地生产力比较优势为原则；农地政策的调整以农业规模化经营为目的。 [Luo Xiang, Zeng Juxin, Zhu Yuanyuan, et al.Who will feed China: The role and explanation of China's farmland pressure in food security . Geographical Research, 2016, 35(12): 2216-2226.]URL [本文引用: 1]摘要中国粮食安全问题备受关注，与城镇化背景下耕地资源的减少有关。近年来，中外粮食价格“倒挂”引致的粮食进口量增加进一步加剧了未来中国可能发生粮食安全危机的担忧。与之相关的一个问题是，随着城镇化的推进，中国人能否养活自己？借用广泛使用的耕地压力指数，并对其进行修正，在此基础上，从人均耕地压力的角度重新审视了耕地资源的变动对粮食生产的影响。研究显示：修正耕地压力指数对粮食产量的影响显著为负。不仅如此，这种影响在粮食主产区表现得比非粮食主产区更为明显。同时，通过对修正耕地压力指数的时空演变趋势考察后发现，2000-2012年，中国粮食主产区的修正耕地压力指数始终处于安全压力区并呈下降趋势，表明现阶段耕地资源的减少并没有显著地威胁中国的粮食安全。从长期看，城镇化与保障粮食安全不仅目标是兼容的，如果农地政策调整得当，中国人不但能够养活自己，还能够为全世界的粮食安全做贡献。为此主要建议：耕地保护要以发挥耕地生产力比较优势为原则；农地政策的调整以农业规模化经营为目的。
[24]	Shi W, Tao F, Liu J.Changes in quantity and quality of cropland and the implications for grain production in the Huang-Huai-Hai Plain of China . Food Security, 2013, 5(1): 69-82.https://doi.org/10.1007/s12571-012-0225-9 URL [本文引用: 1]摘要 Understanding land use changes and their implications for grain production are important for the maintenance of food security. We analyzed changes in quantity and quality of cropland in the Huang-Huai-Hai Plain of China during the last 30years and the implications for future grain production. Several categories of data were used, including long-term remote sensing images (1990–2005), spatial datasets of soil quality levels (1980s), spatial datasets of irrigation area (2000), data from hydrological stations (1978–2003) and meteorological stations (1950–2007) and statistical datasets of grain production, grain yield, area sown to grain, fertilizer use and effective irrigation area (1978–2008). The results showed that annual grain production losses due to shrinkage of cropland area over the Huang-Huai-Hai Plain were 4.30 and 2.63 million tons during 1990–2000 and 2000–2005, respectively. The greatest decline in cropland area occurred as a result of the expansion of economically developed metropolises or in provinces with large areas of urbanization. Furthermore, more “above average” quality and irrigated cropland was abandoned, i.e. sacrificed to urbanization or other non-agricultural uses, than that obtained by reclamation. Conversion of fertile and irrigated land to non-agricultural uses due to rapid urbanization appears to be a potential threat to the food security of the Huang-Huai-Hai Plain - even the whole of China. Most of the increase of grain production in the Plain can be attributed to increase in yield per hectare, which was due to improvement of crop varieties, a ~400% increase in fertilizer use and a ~20% increase in effective irrigation area. Policies to optimize utilization of land resources to ensure the soil fertility of cropland and to maximize nitrogen and water use efficiency are required to sustain current grain production and to achieve further increases.
[25]	刘成武, 黄利民. 农地边际化过程中农户土地利用行为变化及其对粮食生产的影响 . 地理研究, 2015, 34(12): 2268-2282. [本文引用: 1] [Liu Chengwu, Huang Limin.The changes of farmers' behavior in land use and its impacts on the food production during the process of marginalization of arable land . Geographical Research, 2015, 34(12): 2268-2282.] [本文引用: 1]
[26]	韦鸿, 王磊. 粮食价格、农民收入对粮食产量影响分析: 基于VEC模型的实证 . 农业技术经济, 2011, (6): 76-80.URL [本文引用: 2]摘要本文根据VEC模型研究发现,短期来看,前一期的粮食价格、农民收入以及前一期的粮食产量对当期粮食产量具有负效应,其中前一期的粮食产量的负效应最大。但是从长期来看,粮食价格对粮食产量是正效应。 [Wei Hong, Wang Lei.The impact of food prices and farmer's income on grain output: Empirical study based on VEC model . Journal of Agrotechnical Economics, 2011, (6): 76-80.]URL [本文引用: 2]摘要本文根据VEC模型研究发现,短期来看,前一期的粮食价格、农民收入以及前一期的粮食产量对当期粮食产量具有负效应,其中前一期的粮食产量的负效应最大。但是从长期来看,粮食价格对粮食产量是正效应。
[27]	马敬桂, 黄普. 粮食产量、价格对CPI的冲击效应及地区差异分析: 基于粮食主产区与非主产区的省际面板数据 . 农业技术经济, 2013, (6): 113-122.URL摘要本文以调节物价上涨为研究对象,运用PVAR动态分析方法分析了我国28个省份1985-2009年粮食产量、粮食价格对CPI的影响,解释了我国粮食主产地区和粮食非主产地区中粮食产量、粮食价格对CPI影响关系的不同,并得出以下结论:粮食价格对CPI的影响具有显著正冲击且滞后期为2年；粮食产量对粮食价格的影响的短期冲击为负影响,但长期来看为正冲击；粮食产量的增产增收并没有发挥粮食产量调节粮食价格水平的作用,粮食价格上涨存在正向冲击；粮食主产地区需要进行重点调控粮食产量调节市场的功能,减少其带来的通胀压力. [Ma Jinggui, Huang Jin.Analysis on the impact of food production, the price effect on CPI and regional differences: Based on the provincial panel data of the main-grain-producing areas and non-main-grain-producing areas . Journal of Agrotechnical Economics, 2013, (6): 113-122.]URL摘要本文以调节物价上涨为研究对象,运用PVAR动态分析方法分析了我国28个省份1985-2009年粮食产量、粮食价格对CPI的影响,解释了我国粮食主产地区和粮食非主产地区中粮食产量、粮食价格对CPI影响关系的不同,并得出以下结论:粮食价格对CPI的影响具有显著正冲击且滞后期为2年；粮食产量对粮食价格的影响的短期冲击为负影响,但长期来看为正冲击；粮食产量的增产增收并没有发挥粮食产量调节粮食价格水平的作用,粮食价格上涨存在正向冲击；粮食主产地区需要进行重点调控粮食产量调节市场的功能,减少其带来的通胀压力.
[28]	张利庠, 彭辉, 靳兴初. 不同阶段化肥施用量对我国粮食产量的影响分析: 基于1952-2006年30个省份的面板数据 . 农业技术经济, 2008, (4): 85-94. [本文引用: 1] [Zhang Lixian, Peng Hui, Jin Xinchu.Impact of fertilizer on crop yeld at different stage: Based on 30 provinces panel data from 1952 to 2006 . Journal of Agrotechnical Economics, 2008, (4): 85-94.] [本文引用: 1]
[29]	栾江, 仇焕广, 井月, 等. 我国化肥施用量持续增长的原因分解及趋势预测 . 自然资源学报, 2013, 28(11): 1869-1878.https://doi.org/10.11849/zrzyxb.2013.11.004 URL Magsci [本文引用: 1]摘要我国化肥大量使用在提高农业生产的同时也对环境产生了严重的负面影响。目前国内外学术界对我国化肥施用量持续增长的原因以及未来我国化肥使用的发展趋势还存在较大争议。论文利用过去20 a 间我国化肥施用量的相关数据, 对化肥施用量持续增长的成因进行了分解。研究结果表明:化肥使用强度的增长是我国化肥施用总量增长的主因, 但从2007 年以来, 使用强度的贡献不断下降, 播种面积调整的贡献有所提高。根据分解结果并利用“中国农业可持续发展决策支持系统”(CHINAGRO) 预测了2020 年全国和各省化肥使用量情况。模型分析结果表明如果不采取措施, 我国未来化肥的使用总量和单位播种面积化肥施用量将依然呈现增长趋势, 且单位面积化肥用量将长期高于225 kg/hm<sup>2</sup>的国际上限标准。预计到2020年我国化肥总施用量和单位播种面积化肥施用量比2010 年分别提高2%和4.3%。东部地区单位播种面积化肥施用量较高, 2020 年广东、福建、天津、北京等省(市) 化肥单位面积施用量将接近或超过600 kg/hm<sup>2</sup>, 这将对当地环境造成巨大压力。 [Luan Jiang, Qiu Huanguang, Jing Yue, et al.Decomposition of factors contributed to the increase of China's chemical fertilizer use and projections for future fertilizer use in China . Journal of Natural Resources, 2013, 28(11): 1869-1878.]https://doi.org/10.11849/zrzyxb.2013.11.004 URL Magsci [本文引用: 1]摘要我国化肥大量使用在提高农业生产的同时也对环境产生了严重的负面影响。目前国内外学术界对我国化肥施用量持续增长的原因以及未来我国化肥使用的发展趋势还存在较大争议。论文利用过去20 a 间我国化肥施用量的相关数据, 对化肥施用量持续增长的成因进行了分解。研究结果表明:化肥使用强度的增长是我国化肥施用总量增长的主因, 但从2007 年以来, 使用强度的贡献不断下降, 播种面积调整的贡献有所提高。根据分解结果并利用“中国农业可持续发展决策支持系统”(CHINAGRO) 预测了2020 年全国和各省化肥使用量情况。模型分析结果表明如果不采取措施, 我国未来化肥的使用总量和单位播种面积化肥施用量将依然呈现增长趋势, 且单位面积化肥用量将长期高于225 kg/hm<sup>2</sup>的国际上限标准。预计到2020年我国化肥总施用量和单位播种面积化肥施用量比2010 年分别提高2%和4.3%。东部地区单位播种面积化肥施用量较高, 2020 年广东、福建、天津、北京等省(市) 化肥单位面积施用量将接近或超过600 kg/hm<sup>2</sup>, 这将对当地环境造成巨大压力。
[30]	向涛, 綦勇. 粮食安全与农业面源污染: 以农地禀赋对化肥投入强度的影响为例 . 财经研究, 2015, 41(7): 132-144.URL [本文引用: 1]摘要随着世界人口的不断增长,传统农业背景下的粮食安全与农业面源污染的冲突越来越激烈。文章利用2002—2009年农地禀赋与化肥投入强度的72国面板数据,运用动态面板数据方法研究了粮食安全状况对农业面源污染的影响机制。结果表明:(1)农地禀赋既会直接影响化肥投入强度,也会通过农业保护和粮食进口间接地影响化肥投入强度,其中,农地禀赋通过农业保护途径降低了化肥投入强度,而通过粮食进口途径提高了化肥投入强度;(2)发达国家与发展中国家的影响机制存在差别,发达国家的农业保护所产生的间接效应更明显,而发展中国家的农地禀赋所产生的直接效应更明显。文章为我国政府在制定粮食安全政策和农业环境保护政策方面提供了启示和借鉴。 [Xiang Tao. Qi Yong.Food security and agricultural non-point source pollution: Taking the impact of agricultural land endowments on fertilizer use intensity as an example . Journal of Finance and Economics, 2015, 41(7): 132-144.]URL [本文引用: 1]摘要随着世界人口的不断增长,传统农业背景下的粮食安全与农业面源污染的冲突越来越激烈。文章利用2002—2009年农地禀赋与化肥投入强度的72国面板数据,运用动态面板数据方法研究了粮食安全状况对农业面源污染的影响机制。结果表明:(1)农地禀赋既会直接影响化肥投入强度,也会通过农业保护和粮食进口间接地影响化肥投入强度,其中,农地禀赋通过农业保护途径降低了化肥投入强度,而通过粮食进口途径提高了化肥投入强度;(2)发达国家与发展中国家的影响机制存在差别,发达国家的农业保护所产生的间接效应更明显,而发展中国家的农地禀赋所产生的直接效应更明显。文章为我国政府在制定粮食安全政策和农业环境保护政策方面提供了启示和借鉴。
[31]	罗丹, 陈洁. 效益多元、地区差异与愿景诉求: 3400个种粮户证据 . 改革, 2013, (6): 5-26. [本文引用: 1] [Luo Dan, Chen Jie.Benefits diversification, regional variation and vision appeal: Based on 3400 questionnaires of grain producer . Reform, 2013, (6): 5-26.] [本文引用: 1]
[32]	高鸣, 宋洪远. 粮食生产技术效率的空间收敛及功能区差异: 兼论技术扩散的空间涟漪效应 . 管理世界, 2014, (7): 83-92.URL [本文引用: 1]摘要本文使用DEA-Moran’s I-Theil Index模型,依据1978~2012年31个省份的面板数据测量了中国各省区粮食生产技术效率值,分析了粮食生产技术效率的空间自相关情况,测度了中国粮食生产功能区之间的技术效率差异。本文得出的主要结论有:第一,随着农业科技的进步,农业科技贡献率的提升促进了粮食生产技术效率的提高,且中国粮食生产技术效率存在空间自相关关系;第二,在技术推广过程中粮食生产技术效率不仅不会随着距离的扩大而降低,反而会形成规模效应使效率提高,即一定程度上改进了传统的空间涟漪效应理论;第三,中国粮食生产功能区的粮食生产技术效率差异较大,特别是粮食主销区内部的差异最为明显。对此,在粮食生产技术推广的过程中,应充分整合区域间的资源条件,扩大技术推广力度,使相似条件下的地区在技术效率上形成规模效应,从而提高大范围的粮食生产技术效率。此外,还应该注重粮食生产功能区之间技术效率的平衡发展,充分发挥各功能区的作用。 [Gao Ming, Song Hongyuan.Spatial convergence and functional difference of grain production technical efficiency: Spatial ripple effect of technology diffusion . Management World, 2014, (7): 83-92.]URL [本文引用: 1]摘要本文使用DEA-Moran’s I-Theil Index模型,依据1978~2012年31个省份的面板数据测量了中国各省区粮食生产技术效率值,分析了粮食生产技术效率的空间自相关情况,测度了中国粮食生产功能区之间的技术效率差异。本文得出的主要结论有:第一,随着农业科技的进步,农业科技贡献率的提升促进了粮食生产技术效率的提高,且中国粮食生产技术效率存在空间自相关关系;第二,在技术推广过程中粮食生产技术效率不仅不会随着距离的扩大而降低,反而会形成规模效应使效率提高,即一定程度上改进了传统的空间涟漪效应理论;第三,中国粮食生产功能区的粮食生产技术效率差异较大,特别是粮食主销区内部的差异最为明显。对此,在粮食生产技术推广的过程中,应充分整合区域间的资源条件,扩大技术推广力度,使相似条件下的地区在技术效率上形成规模效应,从而提高大范围的粮食生产技术效率。此外,还应该注重粮食生产功能区之间技术效率的平衡发展,充分发挥各功能区的作用。
[33]	宁光杰, 尹迪. 自选择、培训与农村居民工资性收入提高 . 中国农村经济, 2012, (10): 49-57. [本文引用: 1] [Ning Guangjie, Yin Di.Self-selection, vocational training and increment in wages income of rural residents . Chinese Rural Economy, 2012, (10): 49-57.] [本文引用: 1]
[34]	刘慧. 中国农村居民收入区域差异变化的因子解析 . 地理学报, 2008, 63(8): 799-806.https://doi.org/10.3321/j.issn:0375-5444.2008.08.002 URL [本文引用: 1]摘要在GINI系数因子分解的基础上,提出了测度区域差异变化影响因子贡献来源的分解方法,将影响因子对区域差异变化的贡献分解为因子的结构性贡献和集中性贡献两种类型。对1993-2005年中国农村居民区域收入差异因子分解的实证研究表明工资性收入是影响农村收入差距格局最重要的因素,但对农村收入差距变化的影响并不明显。相反,近年来工资性收入集中度的不断下降超过了结构性增加对区域差异扩大的贡献,二者共同作用促进了农村区域差异的缩小。家庭经营性收入仍然是农村居民最重要的收入来源,但对收入差距的影响越来越小,且结构性和集中性对区域差异的贡献都在下降。财产性收入和转移性收入对收入差距格局的贡献虽然不大,但对收入差异扩大的贡献不断增加,已成为影响农村区域差异变化的重要因素。财产性收入贡献的增加主要来源于结构性贡献,集中性变化影响的趋势并不明显,而转移性收入贡献的增加除结构性增加影响之外,集中性下降的影响同样显著。最后提出了相应的政策建议。 [Liu Hui.Factor decomposition of rural regional income inequality changes in China . Acta Geographica Sinica, 2008, 63(8): 799-806.]https://doi.org/10.3321/j.issn:0375-5444.2008.08.002 URL [本文引用: 1]摘要在GINI系数因子分解的基础上,提出了测度区域差异变化影响因子贡献来源的分解方法,将影响因子对区域差异变化的贡献分解为因子的结构性贡献和集中性贡献两种类型。对1993-2005年中国农村居民区域收入差异因子分解的实证研究表明工资性收入是影响农村收入差距格局最重要的因素,但对农村收入差距变化的影响并不明显。相反,近年来工资性收入集中度的不断下降超过了结构性增加对区域差异扩大的贡献,二者共同作用促进了农村区域差异的缩小。家庭经营性收入仍然是农村居民最重要的收入来源,但对收入差距的影响越来越小,且结构性和集中性对区域差异的贡献都在下降。财产性收入和转移性收入对收入差距格局的贡献虽然不大,但对收入差异扩大的贡献不断增加,已成为影响农村区域差异变化的重要因素。财产性收入贡献的增加主要来源于结构性贡献,集中性变化影响的趋势并不明显,而转移性收入贡献的增加除结构性增加影响之外,集中性下降的影响同样显著。最后提出了相应的政策建议。
[35]	姚成胜, 邱雨菲, 黄琳, 等. 中国城市化与粮食安全耦合关系辨析及其实证分析 . 中国软科学, 2016, (8): 75-88. [本文引用: 4] [Yao Chengsheng, Qiu Yufei, Huang Lin, et al.Coupling relationship between urbanization and food security in China: An empirical study . China Soft Science, 2016, (8): 75-88.] [本文引用: 4]
[36]	胡雪枝, 钟甫宁. 农村人口老龄化对粮食生产的影响: 基于农村固定观察点数据的分析 . 中国农村经济, 2012, (7): 29-39.URL [本文引用: 3]摘要农村人口老龄化导致农业劳动力人力资本和体力下降,本文从生产决策和大田作业两个方面考察不同年龄结构农户在粮食生产方面是否具有明显差异,试图通过实证方式回答这一问题,并给出合理解释。利用农村固定明察点数据分析得到的结果表明:老年农户与年轻农户在粮食作物种植决策上没有明显差别,老年农户的小麦、玉米和大豆(除水稻外)种植比重并不比年轻农户低;老年农户与年轻农户在粮食作物种植中的主要要素投入水平也没有明显不同,老年农户在水稻、小麦、玉米和大豆等粮食作物种植中的化肥、农药、机械、劳动用工等主要要素投入量均不低于年轻农户;老年农户的水稻、小麦、玉米和大豆等粮食作物单产与年轻农户相比也没有明显差异。由于生产决策趋同和农业机械"外包"服务的普及,农村人口老龄化并没有对中国粮食生产产生负面影响。 [Hu Xuezhi, Zhong Funing.The impacts of changes in income distribution on away-from-home food consumption of urban households in China . Chinese Rural Economy, 2012, (7): 29-39.]URL [本文引用: 3]摘要农村人口老龄化导致农业劳动力人力资本和体力下降,本文从生产决策和大田作业两个方面考察不同年龄结构农户在粮食生产方面是否具有明显差异,试图通过实证方式回答这一问题,并给出合理解释。利用农村固定明察点数据分析得到的结果表明:老年农户与年轻农户在粮食作物种植决策上没有明显差别,老年农户的小麦、玉米和大豆(除水稻外)种植比重并不比年轻农户低;老年农户与年轻农户在粮食作物种植中的主要要素投入水平也没有明显不同,老年农户在水稻、小麦、玉米和大豆等粮食作物种植中的化肥、农药、机械、劳动用工等主要要素投入量均不低于年轻农户;老年农户的水稻、小麦、玉米和大豆等粮食作物单产与年轻农户相比也没有明显差异。由于生产决策趋同和农业机械"外包"服务的普及,农村人口老龄化并没有对中国粮食生产产生负面影响。

中国粮食生产的区域类型和生产模式演变分析

本站小编 Free考研考试/2021-12-29

Analysis on regional types of grain production and evolution of grain production models in China

1 引言