云南水产养殖综合生产能力研究

云南水产养殖综合生产能力研究

施 珮,袁永明*,张红燕,贺艳辉

(中国水产科学研究院淡水渔业研究中心/农业部淡水渔业和种质资源利用重点实验室，江苏无锡 214081)

摘要以云南省1992～2012年的水产养殖综合生产能力为研究单元，从自然资源、饲料供给、渔业生产现状、农业基础、渔业科技支撑、生态环境等6个方面对云南省水产养殖综合生产能力进行综合评估，运用因子分析法从19个指标变量中提取可解释92%信息的3个主成分因子；并分别定义为基础生产力量特征因子、综合环境质量特征因子、成灾度特征因子；运用回归法完成主成分因子和综合得分的计算和排名，并用熵权法验证结果的合理性。结果表明，2012年云南水产养殖综合生产能力最强，1992年水产养殖综合生产能力最弱。据此，提出了提高云南水产养殖综合生产能力的具体对策和建议。

关键词水产养殖；综合生产能力；因子分析；熵权法

中图分类号S965.1

基金项目现代农业产业技术体系专项(CARS-49)。

作者简介施珮(1988-)，女，安徽宣城人，助理研究员，硕士，从事渔业经济与渔业信息研究。*

收稿日期2015-04-28

Research on Comprehensive Production Capacity of Aquaculture in Yunnan

SHI Pei ,YUAN Yong-ming*,ZHANG Hong-yan et al (Key Laboratory of Freshwater Fisheries and Germplasm Resources Utilization,Ministry of Agriculture,Freshwater Fisheries Research Center,Chinese Academy of Fishery Sciences,Wuxi,Jiangsu 214081)

AbstractTaking the Yunnan comprehensive production capacity of aquaculture from 1992 to 2012 as the evaluation unit,the comprehensive production capacity of aquaculture was evaluated from the aspects of natural resource,supply capacity of feed,current status of fishery production,agricultural foundation,technology support,and ecological environment.Extracting three common factors from the 19 evaluation indicators with the method of factor analysis,which can explain almost 92% of the variable information,and can be attributed to the basic production force factors,comprehensive environmental quality factors and disaster degree factors.Regression method is used to calculate and rank the composition factors and composite scores.With the entropy method,the results can be more reasonable.The result show that the strongest comprehensive production capacity is 2011,and the weakest comprehensive production capacity is 1992.Finally,we give some concrete countermeasures and advice to improve the Yunnan comprehensive production capacity of aquaculture from the results.

Key words Aquaculture; Comprehensive production capacity; Factor analysis; Entropy method

我国是世界上水产综合养殖历史最悠久、经验最丰富、养殖模式和种类最多的国家。2012年水产养殖总产量约为5 394万t，位居世界首位，占世界总产量的59.64%。国内各地区由于地理环境的差异，在水产养殖的品种和产量上也大有不同。研究区域自然环境特征，定量分析、评价水产养殖综合生产能力，能够帮助了解区域水产养殖发展的现状，对因地制宜地发展水产养殖，提高水产养殖业生产水平具有非常重要的作用。

云南省位于我国西南边陲，东临广西、贵州，北面四川，与缅甸、老挝、越南等国家接壤，地势呈北高南低，南北海拔高度相差6 663.6 m，加之全省境内多山，复杂的地理环境使得云南水系较多，河流纵横，水资源丰富。同时，温度随山脉高度的上升而降低，地区南北温差大，全年降水充沛。这样的地理环境和气候环境使得云南拥有丰富的淡水资源，全省有600余条河流，水资源总量位居全国第三，是淡水渔业发展的必选地区之一。

云南拥有以高原特色为主的淡水渔业，水产养殖历史悠久，很多的专家学者对水产养殖展开了相关的研究，田树魁等对云南省水产种质资源保护区建设进行了分析，并介绍了云南土著鱼类的驯化情况[1]；钟文武等在对云南淡水渔业环境的现状进行分析的基础上，提出了渔业环境保护的对策建议，并建立了渔业环境的监测网[2]；郑奕等采用数据包络分析方法对我国我国近海捕捞与远洋渔业能力和能力利用度进行了系统计算和分析[3]。目前，以区域为研究对象，纵向地对区域水产养殖综合生产能力进行研究的文献较为贫乏。笔者以云南省水产养殖综合生产能力为研究对象，选用因子分析法获得水产养殖综合生产能力值[4-5]，再使用熵权法进行计算[6-8]，对因子分析法的计算结果进行验证，以获得科学、可靠的结果，并提出提高水产养殖综合生产能力的对策建议，以期为水产养殖业的发展提供理论支撑。

1指标选取、数据来源与研究方法

1.1评价指标体系的建立水产养殖综合生产能力的影响因子较多，很多指标数据难以获取，且对综合生产能力的影响情况不易进行量化。基于指标系统的完整性、客观性、量化可行性及数据可获取性等指标选取原则，综合相关文献的研究结果[9-11]，该研究从自然资源、饲料供给、渔业生产现状、农业基础、渔业科技支撑、生态环境等6个方面研究水产养殖综合生产能力的评估。云南水产养殖综合生产能力评价指标体系见表1。

1.1.1 自然资源。自然资源是水产养殖生产能力的先决条件。水是水产养殖业发展的首要条件，云南省水域较多，但地形较为复杂，高原山地起伏纵横，居住人口相对集中，使得很多水域资源没有得到开发和利用，而水产养殖对水域的依赖非常大，并且也会对水资源、土壤造成一定程度的污染，从而影响附近居民的生活和工作，因此良好的自然条件和充足劳动力是发展水产养殖的有利条件。该研究选择区域水面面积、区域土地面积和区域总人口数来表征自然资源情况。

1.1.2饲料供给。水产养殖需要充足、良好的饲料供给。水产养殖的食料不仅仅只是水产饲料，还包括各种饲料原料。小麦是比较常见的水产饲料能量型饲料，肉类等是较为常见的蛋白质饲料，云南水产饲料资源相对短缺，是否能充分地供应这些饲料原料会对水产养殖产生必要的影响。故确定水产饲料生产量、人均肉类占有量、人均谷物占有量来衡量云南饲料供给能力。

1.1.3 渔业生产现状。渔业生产现状是水产养殖发展的前提和依据，它能体现区域水产养殖的水平，并为以后的发展指明方向。养殖面积能体现区域水产养殖的规模，渔业产值和产量则体现了区域水产养殖水平。该研究选择水产品总产量、渔业人口、渔业产值、渔业比重、养殖面积和人均收入等6项影响指标来评估渔业生产现状。

1.1.4农业基础。农业基础是水产养殖发展不可忽视的因素之一。良好的农业基础能推进水产养殖的不断繁盛。该研究构建的指标系统使用人均水面占有量和农业人口来表征云南的农业基础。

1.1.5渔业科技支撑。渔业科技是水产养殖业发展的强有力保障。发展科技关键在人。地区相关技术人员的能力能反映地区水产养殖的技术水平，可以降低水产养殖病害发生时的损失率，从而提高从业人员的水产养殖利润。该研究选用水产推广机构人员数和技术人员比例作为衡量渔业科技支撑的影响因子。

1.1.6生态环境。水产养殖一直以来深受环境的影响，随着水产养殖模式开始转向集约化、城市工业化的方向推进，环境问题对水产养殖带来的影响越来越突出。生态环境越好的地方越有利于水产养殖，该研究选用废水排放总量、固体废物产生总量和养殖成灾率3项指标来表征地区水产养殖生态环境的好坏。

表1　云南水产养殖综合生产能力评价指标体系

注：废水排放总量、固体废物产生总量为逆指标。

1.2数据来源水产养殖综合生产能力的指标数据主要来源于《云南统计年鉴》、《中国渔业统计年鉴》、《中国饲料工业年鉴》、《中国渔业年鉴》等，部分数据来源于云南省环境状况公报。该研究选取云南省1992～2012年为研究单元，纵向地对云南省21年的水产养殖综合生产能力进行量化评估。表1中各指标变量拥有不同的计量单元和计量单位，部分指标为经过单独运算获得。同时，渔业产值和人均收入2项指标在所包含的价值量上会随着年份的差异而出现较大变化。该研究将这2项指标同时转化为1992年物价指数下的数值，避免因物价等因素所带来的影响。

1.3研究方法

1.3.1指标标准化处理。为消除量纲的影响，需要对指标进行标准化处理[12]。

对于逆指标，采用取负值的办法进行指标的正向化处理，公式如下：

X′=-X

(1)

当指标的正向化完成后，采用目前广泛使用的Z-score法作为数据标准化方法，标准化公式为：

(2)

1.3.2因子分析。运用主成分分析方法提取综合生产能力的影响因子，并运用回归法计算因子得分系数，计算公式为：

Fij=∑αmj·Xmj

(3)

式中，i表示评估云南省水产养殖综合生产能力的年数；j为提取的公因子数；m为评价体系中的19个变量；Fij为第i年在第j个公因子上的得分；amj为第m个变量在第j因子上的得分；Xmj为第j个因子在第m个变量上的标准化值。

1.3.3综合生产能力评价方法。综合各公因子的得分系数值，将各因子的方差贡献率作为权重，通过加权平均的方式计算水产养殖综合生产能力值，计算公式为：

(4)

式中，Fi为1992～2012年的水产养殖综合生产能力值；Wj为公因子方差贡献率;Fij为各因子得分。

2结果与分析

2.1综合生产能力影响因子的提取SPSS是目前受到广泛认可和使用的统计学分析软件之一，该研究使用IBM SPSS statistics 19[13-15]进行因子分析，将数据标准化处理后的云南21年的19个指标数据作为模型输入量，以获得的各指标变量之间的相关系数，对各变量之间存在的相关性进行判断。经过KMO法和巴特利特球度检验，进而分析该数据是否适宜作因子分析。若KMO值越接近0，则表明变量之间相关性弱，且不适宜作因子分析；相反，若KMO值越接近1，则表明变量间相关性强，且适宜作因子分析。KMO法与巴特利特法的检验结果显示，KMO=0.679>0.5，Bartlett的球度检验的概率值为0.000，因此，该体系中的19个变量适宜作因子分析。

采用主成分分析为因子提取的方法，以特征值大于1的因子为公共因子，可获得2个特征值，鉴于其累计方差贡献率未达到90%，故综合二者考虑，最终提取3个特征值，如表2所示。

表2　解释总方差

由表2可知，所得3个主成分方差贡献率均高于5%，累计贡献方差达到了92.632，即这些主成分因子可解释原始数据的92.632%，通过这3个因子对区域水产养殖综合生产能力进行评价是合理的。

基于某些变量在个别因子负载高，在其他因子负载低，故使用方差最大化的方法进行因子旋转，以期让3个公因子将原始指标载荷解释得更加明显。公因子旋转后的载荷矩阵如表3所示：第一主成分的贡献率为78.433%，经过方差最大正交旋转，在水产品总产量、渔业人口、渔业产值、渔业比重、养殖面积、人均收入、人均水面占有量、农业人口、水产推广机构人员数和技术人员比例等指标上的负荷因子均超过0.6，这10个指标涵盖渔业生产现状、农业基础和渔业科技支撑3个方面，因此该主成分可近似解释为区域水产养殖基础生产力量特征因子(F1)。

第二主成分贡献率为9.065%，经过方差旋转后主要在区域水面总面积、区域土地总面积、区域总人口、水产饲料产量、人均肉类占有量、人均谷物占有量、废水排放总量和固体废物产生总量几个指标上负荷较大，可反映区域水产养殖综合环境质量特征因子(F2)。

第三主成分经方差旋转后在养殖成灾率上负荷较大，可表征区域水产养殖成灾度特征因子(F3)。

表3　旋转后的因子载荷矩阵

2.2因子得分系数使用回归法将3个公共因子分别表示为19个指标变量的线性组合，利用公式(3)计算3个公共因子得分系数，由此得到1992～2012年各公因子得分曲线(图1)。

由图1可知，反映水产养殖综合生产能力值的主成分F1在2012年最高，1992年最低，呈逐年上升趋势。说明云南省水产养殖基础生产力量在不断的改善和提高中。随着改革开放的步伐加快，科技和人才逐渐受到了政府和人们的重视，科技力量不断提高，人才力量日渐雄厚，使得云南水产养殖基本生产条件越来越好，养殖产量越来越高。表征云南省水产养殖综合环境的主成分F2则在1992年最高，2011年最低，基本呈现波动性下滑的趋势。说明云南省水产养殖综合环境情况在不断的变化，并有恶化的趋势。改革开放不仅带动了科技，也带动了工业发展，云南省为了发展经济，在工业和旅游业上投入了较多的财力和人力，经济发展虽略有起色，但部分地区存在盲目地从事将科技含量低，环境污染大的低水平建设项目，对湖泊、空气等环境造成了大量的污染；20世纪末期转变经济增长方式战略方针的提出，使得云南省的环境问题得到了部分改善。在“十一五”规划的筹划和准备中，环境随经济的飞速发展又逐渐暴露出它的问题，相较2000年以前存在明显的恶化状态。体现云南水产养殖成灾度情况的主成分F3在1992～2012年基本处于正弦式波动状态。这种变化情况主要是由于水产养殖在成灾上受影响因素复杂多样，不仅受台风、洪涝等天气的影响，同时也受到病害、水质环境、养殖技术等各其他方面的影响，整体上来看，在2002、2005、2006和2010年波动较大。2002年云南雨季开始偏早，气候较往年相对异常；2005年平均气温为近30年来第三高，全省降水量偏少，包含雪灾和干旱在内的灾害严重，为历年中气象灾害偏重的年份；2006年云南省降水量较少，异常气候事件发生频繁，干旱和强降水引发了洪涝、滑坡、泥石流等气象灾害，使云南省2006年灾情较为严重；2010年各季气温为1961年以来同期最高，由于高温、干旱、单点性强降水、连阴雨等异常天气，使得灾害频繁，渔业严重受损。

图1　公因子得分趋势

2.3综合生产能力评价利用公式(4)计算得到云南省水产养殖综合生产能力得分(表4)。由表4可知，表征云南水产养殖生产能力的主成分F1得分逐年增加，2012年得分最高；环境质量主成分F2得分呈下降趋势，表明云南省水产养殖的环境正在恶化，但2012年有所好转；F3得分呈波动变化，说明各年水产养殖受灾程度变化较大。总体上看，云南省水产养殖综合生产能力呈逐年上升的趋势。

表4　1992～2012年云南省水产养殖综合生产能力得分

2.4基于熵权法的结果验证与分析为了对因子分析法的计算结果值进行检验，还选取熵权法对指标数据进行计算[16-18]，并将获得的结果进行对比，如图2所示。虽然2种方法在算法模型上存在较大的差异，但实际综合生产能力值在趋势上基本一致，仅在部分年份上存在小的波动。同时，由于因子分析法能够在较多的指标数据中抽取关键信息，对研究的问题进行降维，能够在对指标体系了解不够充分的前提下进行分析，使用SPSS软件更将实际计算过程简化，运用起来更为方便快捷，所以使用因子分析法对水产养殖综合生产能力进行评估是合理可行的。

图2　2种方法计算得出的云南省水产养殖综合生产能力得分结果对比

综合各主成分因子得分和综合能力得分情况说明，水产养殖综合生产能力是取决于3个主成分因子的综合影响，1992～2012年云南省水产养殖综合能力值的显著差异也表明云南省在区域水产养殖综合生产能力、环境质量以及灾害上投入的不平衡性。而造成这一现象的主要原因是人们还没有充分、准确地认识到如何提高水产养殖综合生产能力，只有采取切实有效的措施才能真正提高水产养殖综合生产能力。

3对策建议

该研究进一步论证了云南省水产养殖在基础生产力量、综合环境质量以及成灾度上发展的不均衡现象。为提高水产养殖综合生产能力，综合云南省的区域特征和实际情况提出如下几点建议：

首先，发展区域基础生产力量，引进人才，提高水产养殖综合生产能力。云南省水域资源丰富，在保证科学地可持续发展思想的指导下，改善区域渔业生产现状，引进高端科技、人才，优化水产养殖技术，提高水产品产量，为从业人员创收，从而实现综合生产能力飞跃式的提高。

其次，深入改善水产养殖综合环境质量，大力发展云南高原特色生态渔业。云南省天然资源丰富，要避免因盲目发展渔业经济而带来的不可修复的环境污染。同时，完善环境监督机制，加强环境监督力度，普及全民生态养殖、绿色养殖的思想，使人们意识到环境的重要性，科学养鱼。

最后，加强渔业救灾力量，努力降低渔业成灾率。云南省一直都是全国重灾区之一，所以需要大力改善云南交通条件、健全渔业救灾体制，普及渔业救灾知识，从而加强渔业救灾力量。同时，优化渔业生产模式，做好灾前防范措施，将渔业成灾率降到最低，避免不必要的损失。

参考文献

[1] 田树魁,石永伦.云南土著鱼类资源保护与开发利用的现状分析与建议[J].中国水产,2013(2)：29-32.

[2] 钟文武,王文玉，孙昳,等.云南省淡水渔业环境现状及保护对策[J].现代农业科技,2014(17)：290-292.

[3] 郑奕,方水美,周应祺,等.中国海洋捕捞能力的计量与分析[J].水产学报,2009,33(5)：885-892.

[4] 刘丽娟,王玉刚,李小玉.新疆三公河流人工绿洲演化特征的综合评价[J].生态学杂志,2013,32(2):442-451.

[5] 范晓娜,李云鹏,陈姗姗，等.基于因子定权分析法的松花江流域地表水水质综合评价[J].吉林农业大学学报,2012(6):650-654.

[6] 贾艳红,赵军,南忠仁,等.基于熵权法的草原生态安全评价[J].生态学杂志,2006,25(8)：1003-1008.

[7] 李萍,魏朝富,邱道持.基于熵权法赋权的区域耕地整理潜力评价[J].中国农学通报,2007,23(6)：536-541.

[8] SHI W，XIA P M.Application of DPSIR model and improved entropy method in environmental impact assessment of land use planning in Tianshui region[C]//Water resource and environmental protection (ISWREP),2011 international symposium on.IEEE,2011:2647-2651.

[9] 李鹏,杨福合,王济民.水貂养殖业综合生产能力评价研究[J].中国畜牧杂志,2013,49(24)：30-33.

[10] 方中友,陈逸,陈志刚,等.南京市农业循环经济发展评价指标体系构建与对策[J].江苏农业学报,2007,23(5)：487-491.

[11] 殷秀萍.我国农业综合生产能力动态评价与相关问题研究[D].哈尔滨：东北农业大学,2013.

[12] 张罗漫,黄丽娟.综合评价中指标标准化方法的探讨[J].中国卫生统计,1994(4):1-4.

[13] 施冰.统计软件包SPSS应用简介[J].大理医学院学报,2001(6):110-114.

[14] NIU D X，TIAN J，JI L.Research on Chinese cities comprehensive competitive-ness based on principal component analysis and factor analysis in SPSS[C]//2011 IEEE 2ndinternational conference on software engineering and service science.Beijing:IEEE,2011.

[15] 何兴江,张信贵,易念平.基于SPSS的城市区域地下水变异Factor Analysis过程[J].地质与勘探,2006(1):93-96.

[16] 陈述云,张崇甫.多指标综合评价方法及其优化选择研究[J].数理统计与管理,1994,13(3):18-21.

[17] 阎小妍,孟虹,汤明新.综合评价中不同赋权方法的比较探讨[J].中国卫生质量管理,2006,13(4):58-60.

[18] 戴西超,张庆春.综合评价中权重系数确定方法的比较研究[J].煤炭经济研究,2003(11):37.