福建省蔬菜产量波动影响因素分析

张 梅，许标文，翁志辉，曾玉荣

(福建省农业科学院农业经济与科技信息研究所 350003)

福建省蔬菜产量波动影响因素分析

张 梅，许标文，翁志辉，曾玉荣

(福建省农业科学院农业经济与科技信息研究所 350003)

为分析福建省蔬菜生产风险，采用灰色系统模型GM(1，1)评估分析福建省9个地市以及8种主要蔬菜种类的趋势单产、实际单产和波动单产，研究单产及种植面积对福建省蔬菜总产的贡献率；对福建省蔬菜单产波动特征进行分析，同时分析气象因素及社会因素对福建省蔬菜产量波动的影响。结果表明，福建省蔬菜单产呈现逐年增长的变化趋势，年际间波动不明显；气象因素是影响葱蒜类、水生蔬菜及厦门、漳州、南平3地市蔬菜波动单产的主要因素。本研究结果为福建省蔬菜生产风险的评估和保险厘定研究奠定基础。

灰色系统模型GM(1,1)；产量波动；蔬菜；福建省

农作物生产风险是指农作物在生长过程中发生的风险，是农作物实际单产低于预期单产的程度，即随机波动为负的程度。农作物生产风险是农业自然灾害风险、农业技术风险和农业政策风险等方面的综合体现，其中自然灾害是发生最频繁、危害最大的农业风险，ZHANG J Q等[1]对自然灾害进行了专门的风险评估。国内外农业经济学家大多从作物单产出发，以作物实际单产偏离预期单产的程度(即随机波动大小)来衡量作物生产(单产)风险的大小。国外学者对农业生产风险进行了大量研究，提出多种作物单产分布的参数模型，如Beta分布、Gamma分布、Weibul1分布、Burr分布、双曲线反正旋分布、Johnson family分布等[2-4]。其中灰色系统模型法GM(1,1)由中国学者邓聚龙于1982 年创立，现已广泛应用于农业、气象等诸多领域，被认为是一种研究“少数据、贫信息”问题的新方法，可将具有随机性特点的数据转化为具有较强规律性的数列，从而建立连续微分方程，可进行长时间高精度的估算与预测。利用灰色系统模型分析农作物产量波动影响因素已有一定的研究，郭梁等[5]利用灰色系统模型等4种方法分析了我国主要农作物产量波动影响因素，发现气象因素是影响我国农作物产量波动的主要因素。目前，农作物产量波动分析主要以水稻等粮食作物为主，关于福建省蔬菜生产的产量波动研究尚未见报道。

蔬菜产业是福建省种植业中最具竞争力的优势产业，蔬菜产值居种植业产值之首[6]。蔬菜生产风险是蔬菜生产、经营过程中自然灾害风险、农业技术风险和农业政策风险的总和，气象灾害在一定程度上形成较大比例风险，主要是台风、干旱、洪涝、冻害等自然灾害[7]。本研究运用“易除趋势—模型选择—参数估计”这一国际广泛采用的风险分析评估方法，收集福建省各地市蔬菜单产的历史数据，利用统计学和计量经济学知识分离作物单产的“随机波动”，分析福建省不同地市及不同蔬菜种类单产波动的主要影响因素，为福建省蔬菜生产风险评估及规划种植提供理论依据。

1 材料与方法

1.1 试验数据

2002～2009年福建省各地区主要蔬菜种类的生产面积及产量，源自《福建省经济与社会统计年鉴》农村篇(2003～2010年)。

1.2 试验方法

1.2.1 GM(1,1)模型 灰色系统理论的基础是“灰因白果律”。在作物产量波动分析中，影响作物产量的因素是复杂多变的，具有“灰信息覆盖”特点，而每年作物产量又是确定的，具有“白信息覆盖”特点，从影响因子到作物实际产量符合“灰因白果律”。因此，利用灰色系统理论可以有效地对作物产量进行分析与预测[8]。

1.2.2 气象单产分析 在农业气象研究中，作物实际产量通常分解成3部分，即趋势单产、气象单产和随机误差。可表示为Y=Yt+Ym+ΔY，式中：Y为实际单产；Yt为趋势单产；Ym为气象单产；ΔY为随机误差。参考文献[5]的方法，作物实际产量变化最终可归为趋势单产变化和气象波动影响两大部分。本文采用GM(1,1)方法计算蔬菜单产中的趋势单产，蔬菜实际单产与趋势单产的差值为波动单产，主要为气象单产。

1.2.3 蔬菜影响因素分析 参照张宇等[9]的方法，分析单产和种植面积对福建省不同地市以及不同蔬菜种类的总产波动的贡献率，结合气象单产分析，进一步分析社会因素和气象因素对福建省蔬菜波动单产的贡献率。

2 结果与分析

2.1 单产和种植面积对福建省蔬菜总产波动的影响

福建省不同蔬菜种类的单产和种植面积对蔬菜总产的贡献率如表1所示。从归类分析结果可以看出，福建省不同各种类蔬菜中，菜豆类、水生类蔬菜的总产波动的主要影响因素是单产，其他蔬菜种类总产波动的主要影响因素为种植面积。对不同地市间蔬菜总产波动分析结果表明，单产对漳州市、龙岩市、宁德市蔬菜总产的贡献率超过50%，是导致蔬菜总产波动的主要因素，其他地市的蔬菜总产波动主要来源于种植面积的变化。

表1 单产和种植面积对福建省蔬菜总产的贡献率 (单位：%)

2.2 福建省蔬菜单产波动特征

2.2.1 福建省蔬菜单产波动总体特征 从福建省蔬菜单产波动总体特征(图1)可以看出，福建省蔬菜总体单产呈现逐渐升高的变化趋势，年均增长率1.06%。年际间单产波动率不大，都在1%以内，其中2006年实际单产明显低于趋势单产，波动率为0.98%。

2.2.2 福建省不同地市蔬菜单产波动特征 从福建省9个地市蔬菜单产波动趋势(图2)可以看出，除泉州蔬菜单产趋于平稳外，福建省其他地市蔬菜单产总体呈现逐年增长的变化趋势，其中厦门市年平均蔬菜单产增加最大，平均年增长率为5.14%；其次是莆田市，为2.84%。不同地市蔬菜波动单产年际间波动不明显，福州市波动率最大的年份为2005年，波动率为2.00%；厦门市2005年、2007年波动率较大，分别为4.27%和5.48%；莆田市波动单产年际间变化较为明显，2004～2006年间波动较大；三明、泉州、南平、龙岩等地市波动不明显；漳州市波动率最大年份为2006年，波动率为3.80%。因此，从福建省不同地市间单产波动比较发现，厦门、莆田、漳州等沿海地区波动较大，波动年限主要集中在2004～2007年；福州、三明、南平、龙岩等内陆地区波动较小。

图1 福建省蔬菜单产波动特征

图2 福建省不同地市蔬菜单产波动特征

2.2.3 福建省不同蔬菜种类单产波动特征 从福建省不同蔬菜种类单产变化趋势(图3)可以看出，福建省8个不同蔬菜种类单产整体呈现稳步增长的变化趋势，但增加幅度不明显。叶菜类、瓜菜类、根茎类、茄果类、葱蒜类单产年均增长率均在1%左右；水生蔬菜单产年均增长率最大，为4.70%；其次是菜豆类，为2.85%。对不同蔬菜种类的波动单产分析，叶菜类、瓜菜类、根茎类、茄果类、葱蒜类以及其他蔬菜年际间波动较为平缓，波动率均在3%以下；水生蔬菜年际间波动较大，其中2003年、2004年、2007年波动最明显，波动率分别为5.64%、6.29%和3.64%；菜豆类在2006年波动最大，为3.38%。

图3 福建省不同蔬菜种类单产波动特征

2.3 不同因素对福建省蔬菜波动单产的影响

为进一步分析不同因素对福建省蔬菜波动单产的影响程度，从社会因素和气象因素两个角度对蔬菜波动单产进行贡献率分析，结果(表2)表明：福建省不同蔬菜种类的社会因素和气象因素贡献率中，葱蒜类、水生蔬菜波动单产的气象因素贡献率大于社会因素，其他蔬菜种类为社会因素贡献率大于气象因素。不同地市间比较发现，厦门市、漳州市、南平市蔬菜波动单产的影响因素中气象因素贡献率大于社会因素，其他地市蔬菜的波动单产的影响因素中社会因素贡献率大于气象因素。

3 结论与讨论

本研究通过GM(1,1)模型分析，比较福建省不同地区、不同蔬菜种类的单产变化趋势，分析单产和种植面积对福建省蔬菜总产量的影响，并进一步从社会因素和气象因素分析蔬菜波动单产的主要影响因素。研究发现福建省蔬菜单产呈现逐年增长的趋势，水生蔬菜、菜豆类蔬菜总产的主要影响因素为单产，漳州、龙岩、宁德等地区的蔬菜总产量也主要受单产的影响。说明在21世纪初期的前10年，福建省蔬菜生产技术稳步提升；水生蔬菜的单产增加明显，水生蔬菜生产技术提高明显；不同地市间比较发现，厦门市蔬菜单产增加最明显，说明厦门地区的蔬菜生产技术明显提高。波动单产分析表明，水生蔬菜类型，以及厦门、漳州、莆田等沿海地区波动较为明显，可能是受水生蔬菜生长环境限制以及沿海地区易受台风、暴雨洪涝等常见自然灾害影响。对波动单产的影响因素分析表明，只有葱蒜类、水生蔬菜类，以及厦门、漳州、南平地区蔬菜波动单产主要受气象因素的影响，其他均为社会因素占主要地位。可能是因为本研究采用的数据年限较短，气象因素影响不明显，而生产技术、农业政策等社会因素成为影响蔬菜单产的主要因素。因本研究所采用的年鉴资料停版等原因，为保持数据的一致性，所用数据较少，存在一定不足，后期将采用多年数据对福建省蔬菜产量波动影响进行更全面的分析，从而对福建省蔬菜生产风险进行量化评估。

表2 不同影响因素对福建省蔬菜波动单产的贡献率 (单位：%)

主要结论：①单产是影响菜豆类、水生蔬菜类，以及漳州、龙岩、宁德蔬菜总产量的主要因素，其他蔬菜种类及地市蔬菜产量受种植面积的影响较大。②福建省不同地市蔬菜单产呈现逐年增长的趋势，厦门市增长最明显，厦门、莆田、漳州等沿海地区的波动单产年际间变化较大；不同蔬菜种类单产也呈现逐年增长的趋势，水生蔬菜增长最明显，单产的波动率也最大，其他蔬菜种类单产的年际间变化不明显。③葱蒜类、水生蔬菜，以及厦门、漳州、南平3地市的蔬菜波动单产主要受气象因素的影响。

[1]ZHANG J Q，HAYAKAWA S J，ZHOU D W，et a1.Risk assessment and regionalization of argo-meteorological hazards in Jilin Province，China[J].J Agric Meteorol，2005，60(5)：921-924.

[2]CATHERINE P.LAWAS.Crop Insurance Premium Rate Impacts of Flexible Parametirc Yield Distributions：An Evaluation of Johnson Family of Distributions[J].A Thesis of Master of Science，TEXAS TECH UNIVERSITY，2005：3.

[3]程广燕.中国大豆生产风险评估与防范对策研究[M].北京：中国农业出版社，2009.

[4]王克，张峭.中国玉米生产风险分析与评估[J].中国农业科学，2007，40(2)：40-55.

[5]郭梁，ANDREAS WILKES,于海英，等.中国主要农作物单产波动影响因素分析[J].植物分类与资源学报，2013,35(4)：513-521.

[6]吴卫东.福建省蔬菜优势产区布局及发展对策[J].中国蔬菜，2007(7)：6-8.

[7]黄常斌.福建省自然灾害防治对策探讨[J].水利科技，2012(3)：10-11,14.

[8]刘思峰.灰色系统理论及其应用(第5版)[M].北京：科学出版社，2010.

[9]张宇.近40年来我国粮食产量变化特征初步分析[J].中国农业气象，1995，16(3)：1-4.

(责任编辑：黄金泽)

Influence on the yield fluctuation of vegetable in Fujian Province

ZHANG Mei, XU Biao-wen, WENG Zhi-hui, ZENG Yu-rong

(InstituteofAgriculturalEconomicsandScientificandTechnicalInformation,FujianAcademyofAgriculturalSciences,FujianProvince350003)

Trend yield, practical yield and fluctuating yield for vegetables of 9 cities and 8 main kinds of vegetables in Fujian were analyzed with grey system model on production risk of Fujian vegetable industry. Contribution of yield per unit area and planting area to tolal vegetable yield were determined, and the Huctuating characteristics for vegetable yield per unit area of Fujian and effects of influencing factors, including social factors and meteorological factors, on yield fluctuation were analyzed.The results showed that the yield per unit area of Fujian were increasing yearly, and the yield fluctuation among years were not obvious; and it was meteorological factor that affected the yield per unit area of the onion and garlic, and aquatic vegetable, meanwhile the yield of vegetables per unit area in Xiamen, Zhangzhou and Nanping. The results of the paper supplied foundation for the evaluation of vegetable production risk and the insurance redefinition in Fujian.

Grey system model GM(1,1); yield fluctuation; vegetable; Fujian Province

2015-10-28

张梅，女，1987年生，研究实习员。

10.13651/j.cnki.fjnykj.2015.11.021