粮食主产区县域农业机械动力投入时空演变分析—以河南省108个县(县级市)为例

李　波，张吉献

(安阳师范学院 资源环境与旅游学院，河南 安阳　455000)



粮食主产区县域农业机械动力投入时空演变分析—以河南省108个县(县级市)为例

李波，张吉献

(安阳师范学院 资源环境与旅游学院，河南 安阳455000)

摘要：农业机械化是农业现代化建设的重要内容。为此，以县域为基本研究单元，利用变异系数与艾肯森指数等区域差异研究方法对河南省2004-2013年近10年的农业机械动力投入进行动态差异分析，并采用探索性空间分析方法(ESDA)，在ArcGIS与DeoDa095i软件的支持下，分析近10年来河南省农业机械动力投入的时空格局与时空演变特征。结果表明：2004-2013年，河南省县域农业机械动力投入均值呈显著的增长趋势，但整体区域差异呈现出逐渐缩小的态势；2004-2013年河南省县域农业机械动力投入之间存在显著的空间正相关，表现出明显的空间集聚现象，但农业机械动力投入水平相似的县域在空间上的集聚态势会逐渐降低；局部空间集聚格局，总体呈现出东北部较高而西南与东南部较低的特征；2004-2013年整体空间分布位置变化不大，数量上有明显变化，高高集聚与低低集聚型县域数量总体呈现出明显减少的趋势，各县(县级市)趋向于平衡化的发展。

关键词：农业机械动力；县域；变异系数；艾肯森指数；空间自相关；探索性空间数据分析

0引言

农业机械化是农业科技的重要组成部分，有助于提高土地生产率、农业劳动生产率、资源利用率及农业竞争能力，是实现农业现代化的重要保障。对粮食主产区来说，农业机械化更有助于提高农民收入水平、实现粮食增产、保障粮食安全，为农业现代化、工业化、城镇化加快发展，提供了强有力的物质技术支撑。农业机械化水平主要通过农业机械总动力进行衡量，农业机械总动力指主要用于农、林、牧、渔业的各种动力机械的动力总和[1]。目前，关于农业机械化的研究，主要包括：采用BP神经网络及灰色预测模型等方法对农机总动力发展趋势预测[2-6],分析农业机械化对农民增收的影响[7],农业机械化的发展方向及影响因素分析[8-10]，农业机械动力的空间格局分析[11-12]等。本研究以河南省的108个县(县级市)作为基本研究单元，利用基尼系数与艾肯森指数对近10年来农业机械动力投入进行动态差异分析，并采用空间探索性分析方法(ESDA)，对近10 年河南省县域农业机械动力投入进行时空格局及时空演变特征分析，为河南省农业机械化的发展提出针对性的建议。

1数据来源与研究方法

1.1　数据来源

研究单元基于河南省包括的108个县(县级市)，市辖区不在研究范围之内。农业机械动力投入通过农业机械总动力与总播种面积相除所得，即表示单位播种面积投入的农业机械总动力，单位是：kW/hm2。数据来源于2005-2014年《河南统计年鉴》《中国县(市)社会经济统计年鉴》等，地图数据在ArcGIS软件的支持下采用shape格式的县级矢量图进行空间相关分析。

1.2　研究方法

目前，研究区域差异总体变动态势主要采用基尼系数、变异系数和加权变异系数、区位商、塞尔熵指数、艾肯森指数及威廉森系数等方法[14-18]。由于地理事物之间的空间相关与空间异质性，同一变量在同一个分布区内的观测数据之间存在潜在的相互依赖性[19]。通过探索性空间分析方法可以对空间相互作用与空间集聚情况进行进一步分析。本研究主要采用变异系数和艾肯森指数衡量2004-2013年近10年来河南省县域农业机械动力投入的总体差异动态变化情况，进而采用空间探索分析方法，对其空间差异与空间集聚情况进行动态分析。

1.2.1变异系数

变异系数又称为标准差系数、标准差率、变差系数，是衡量各观测值变异程度的统计量，采用统计学中的标准差和均值来表示，可以消除量纲不同对结果的影响。运用变异系数测度河南省县域农业机械动投入的差异情况，其计算公式为[14-16]

(1)

式中CV—农业机械动力投入的变异系数；

yi—第i个县的农业机械动力投入；

n—县域个数。

变异系数越大，区域差异越大；变异系数越小，区域发展越均衡。

1.2.2艾肯森指数(Atkinson Index)

艾肯森指数可以明显表示出观测数据之间的不明显差异，通过自主设置参数，可以加大区域差异外在的显示度，参数越大，区域差异的显示就越明显，计算公式为[17-18]：

(2)

式中pi—第i个县总播种面积占全区总播种面积的比重，即pi为一个权重值；

ξ—可自行设置的与区域差异性外在显示度有关的参数，ξ值设置越高，区域差异显示越明显。

艾肯森指数主要用来反映一个地区的区域差异本身不大，并且随时间系列变化很小，但是又希望比较清楚地反映出来，而其他方法都难以反映变化趋势时，可采用艾肯森指数进行测定。参数设置对整个区域差异变化的趋势不产生任何影响。

1.2.3空间自相关分析

地理学第一定律表明：在地理空间中邻近的现象比远距离的现象更相似。空间数据间并非完全独立，而是存在空间联系与空间关联，会表现出一定的集聚特征[19]。空间正相关表明两相邻的空间单元的农业机械动力投入变化趋势相同，负相关则表明两相邻空间单元的农业机械动力投入变化趋势各异。本研究采用全局空间自相关指标(Global Moran’sI)与局部空间自相关指标(Local Moran’sIi)统计量来探索2004-2013年近10年河南省县域农业机械动力投入的时空格局与时空演变特征。

1)全局空间自相关。全局空间自相关主要描述临近地理单元某一属性值在整个研究空间的特征，用来判定某种现象或事物在空间上是否存在空间自相关，通过比较相邻空间位置属性值的相似程度来测定。全局Moran指数(Global Moran’sI)的计算公式为[7，10]

(3)

式中I—全局Moran指数；

N—区域个数；

xi、xj—分别为区域单元i、j的属性值；

Wij—空间位置i和j的临近关系，通常按照距离标准或相邻标准定义空间临近。

全局Moran指数I的取值范围为[-1,1]。对于全局Moran指数，可用标准化统计量Z(I)进行检验n个区域是否存在空间自相关关系。

Z(I)的计算公式为[19]

(4)

VAR(I)—方差。

当Z值为正且显著时，存在正的空间自相关，相似的属性值趋于集聚；当Z值为负且显著时，存在负的空间自相关，相似的属性值趋于分散分布；当Z值为0时，属性值独立随机分布。

2)空间联系的局部指标(LISA)。全局自相关是对整体区域空间自相关的测度，不能分析是否存在空间异质性问题，而局部空间自相关用来分析每个区域单元的空间自相关特征。由于每个空间位置都有自己的局部空间自相关统计值，因此可通过显著性图和LISA集聚图等图形将局部空间自相关的分析结果清楚地显示出来。本研究主要采用LISA的局部Moran指数(Local Moran’sIi)与Moran 散点图进行局部空间自相关分析，局部Moran指数(Local Moran’sIi)的计算公式为[7，10]

(5)

其中，Ii描述区域单元i周边显著的相似值区域单元之间的空间集聚程度；其它各变量的含义与式(3)相同。标准化统计量为Z(I)，用来检验n个区域是否存在局部空间自相关。Z值的计算同式(4)。当Z值为正且显著时，表明i区域单元及其周围区域单元的值比均值高，属于高—高空间集聚；当Z值为负且显著时，表明i区域单元及其周围区域单元的值低于均值，属于低—低空间集聚。将Moran 散点图与LISA显著性水平相结合，即可显示出显著的LISA集聚区域。

2农业机械动力投入总体区域差异变动过程分析

随着2004年国家农机购置补贴政策的实行，带动了农业机械的购买。2004-2013年，河南省县域农业机械动力投入均值呈显著的增长趋势，从2004年的5.5kW/hm2增至2013年的7.7kW/hm2，如图1所示。其中，2004-2007年增长较缓，2007-2008年增长快速，2008-2013年呈现线性增长趋势。

图1　2004-2013年河南省县域农业机械动力投入

采用2004-2013年的河南省县域农业机械动力投入指标数据，分别计算了2004-2013年每年的变异系数和艾肯森指数(分别取ξ=2与ξ=3)，用来表示农业机械动力投入区域差异随着时间的动态变化过程。由图2可知：2004-2013年变异系数和艾肯森指数(分别取ξ=2与ξ=3)变动趋势基本一致；虽有个别年份变动趋势与变动程度不完全一致，除了在2004-2005年与2007-2008年变化较快之外，其它年份均呈现出缓慢下降的趋势。这说明河南省县域农业机械动力投入区域差异呈缩小态势，各县之间的农业机械动力投入逐渐趋向于平衡状态。

3农业机械动力投入空间格局演变

3.1　总体空间格局演变分析

采用DeoDa095i软件，逐年计算2004-2013年的全局空间自相关指数(Global Moran’sI)，并计算其检验的标准化统计量Z(I)，结果如表1所示，2004-2013年的I值在0.38～0.81之间，并对Z(I)进行显著性检验，2004-2013年Z(I)值的P值远小于给定的显著性水平(Z的临界值为1.96)，说明在此置信区间高度相关，河南省各县农业机械动力投入之间存在显著的空间集聚现象，存在较强的空间正相关。2004-2013年间，Global Moran’sI总体呈现出下降的趋势，从2004年的0.82下降到2013年的0.38，说明农业机械动力投入水平相似的县域在空间上的集聚态势会逐渐降低，各县域之间的农业机械动力投入会逐渐趋于平衡。2009-2011年期间变化不大，并不影响整体变动趋势。

图2　2004-2013年农业机械动力投入变异系数与艾肯森

指标IZP20040.812210.93880.00120050.61027.84180.00120060.58027.50000.00120070.53426.94130.00120080.45515.93860.00120090.41005.48100.00120100.41985.41790.00120110.41985.60920.00120120.38585.09810.00120130.38235.04640.001

3.2　局部空间格局演变分析

为了更进一步地探索县域农业机械动力投入局部空间集聚的态势，根据式(5)计算2004、2007、2010、2013年这4年的Local Moran’sIi，并对其进行显著性检验，在GeoDa095i软件的支持下，绘制相应年份的Moran散点图(如图3所示)和LISA集聚图。

图3　2004-2013年河南省县域农业机械动力投入Moran散点图

3.2.1Moran散点图

Moran散点图的4个象限，分别对应于每个县域与其相邻的县域之间的农业机械动力投入的局部空间联系形式：第1象限表示高值的县域被同是高值的县域所包围，第2象限表示低值的县域被高值的县域所包围，第3象限表示低值的县域被同是低值的县域所包围，第4象限表示高值的县域被低值的县域所包围。其中，落入第1、3象限的县域与其相邻县域之间存在较高的空间正相关，具有空间同质性; 而落入第2、4象限的县域与其相邻县域之间差异显著，存在空间负相关，具有空间异质性[12,19]。

从图3可以看出：2004-2013年在4个象限内均有样本点分布，河南省县域农业机械动力投入之间的空间相关性呈现较平稳状态，但是落在第1、3象限的县域个数多于第2、4象限。2004年落入第1、3象限，即呈空间正相关的县域占到了所有县域总数的85%，表现出较强的空间同质性；2007、2010、2013年落入第2、4象限的县域个数明显增多，每个象限的县域个数逐渐趋向于平衡状态，即高低集聚与低高集聚的趋势越来越明显，空间自相关聚集趋势趋于减弱，呈现较多的空间异质性。

3.2.2LISA集聚时空演变分析

为了更直观地反映河南省县域农业机械动力投入的局部空间格局演变过程，根据绘制的2004、2007、2010、2013年这4年的LISA集聚图进行分析。

由分析可知：2004-2013年河南省县域农业机械动力投入在空间上表现出比较明显的局部空间集聚格局，总体呈现出东北部较高而西南与东南部较低的特征。2004-2010年高高集聚与低低集聚型县域的个数总体呈现出明显减少的趋势，高高集聚型由2004年的25个减少为2013年的13个，低低集聚型由2004年的18个减少为2010年的10个，2010-2013年保持不变。

2004-2013年河南省县域农业机械动力投入具体时空演变特征如下：①高高集聚型。2004年高高集聚型的县域主要包括郑州的巩义市、荥阳市，开封的开封县，洛阳的偃师市，安阳的滑县，鹤壁的淇县、浚县，新乡全部8个县(县级市)，焦作全部6个县(县级市)，濮阳的南乐县、范县、清丰县、台前县等25个县(县级市)；2007年有21个高高集聚型县域，新增的有郑州的中牟县和新密市、安阳的内黄县，其它18个县域在2004年也为此类型，包括郑州的4个、安阳的2个、新乡除长垣县以外的7个、焦作的全部6个、濮阳的清丰县和台前县；相比2007年，2010年高高集聚型县域由21个减少为12个，包括郑州的巩义市、荥阳市、新密市、登封市，新乡的获嘉县、原阳县、延津县，焦作的修武县、博爱县、武陟县、温县、孟州市，新增的为郑州的登封市，其它11个县域在2007年也为此类型。相比2010年，2013年增加了新乡的卫辉市，其它与2010年保持一致。②低低集聚型。2004年低低集聚型县域主要分布在河南省的西南与东南部，包括平顶山的叶县、鲁山县，南阳的方城县、西峡县、镇平县、内乡县、淅川县、社旗县、唐河县，信阳的光山县、商城县、固始县、横川县、淮滨县、息县，周口的项城县，驻马店的泌阳县、新蔡县等18个县；2007年低低集聚型县域下降为13个，主要包括南阳与信阳的大部分县；2010年低低集聚型县域有10个，包括南阳的方城县、内乡县、淅川县，信阳的罗山县、光山县、新县、商城县、固始县、横川县，许昌的襄城县。相比2010年，2013年低低集聚型县域个数不变，增加了平顶山的郏县与南阳的淮滨县，减少了南阳的淅川县与信阳的固始县。③低高集聚型。2004-2007年没有此类型，2010-2013年也只有三门峡的义马市，由此来看，农业机械化动力投入的集聚现象更为明显。 ④高低集聚型，同样此类型的县域个数很少，只有2010-2013年具有此类型的县域，2010年有郑州的中牟县、新乡的辉县市，2013年增加了许昌的禹州市。

4结论

1)2004-2013年变异系数和艾肯森指数(分别取ξ=2与ξ=3)的计算结果表明，二者的变动趋势总体上除个别年份下降较快外，均呈现缓慢下降的趋势，说明河南省县域农业机械动力投入区域差异呈缩小态势，各县之间的农业机械动力投入逐渐趋向于平衡状态。

2)通过采用Global Moran’sI进行全局空间自相关分析，表明2004-2013年河南省县域农业机械动力投入之间存在显著的空间正相关，表现出明显的空间集聚现象；但是Global Moran’sI总体呈现出下降的趋势，说明农业机械动力投入水平相似的县域在空间上的集聚态势会逐渐降低。2009-2011年期间变化不大，并不影响整体变动趋势。

3)通过采用局部空间自相关分析，结合Moran散点图与LISA集聚图可知：2004-2013年河南省县域农业机械动力投入在空间上表现出明显的局部空间集聚格局，总体呈现出东北部较高而西南与东南部较低的特征，整体空间分布位置变化不大，数量上有明显变化；2004-2013年高高集聚与低低集聚型县域的个数总体呈现出明显减少的趋势。总体来看，高高集聚型的县域由2004年主要包括东北部的郑州、焦作、洛阳、开封、安阳、鹤壁的一些县(县级市)，到2013年减少为包括郑州、焦作、新乡的一些县(县级市)，总数由25个减少为13个；低低集聚型的县域由2004年的主要包括南阳、信阳的大部分县，许昌、周口、驻马店、平顶山的个别县，减少为2013年只包括南阳、信阳的一些县(县级市)，平顶山、信阳的个别县，总数由18个减少为10个；2004-2007年没有低高集聚型与高低集聚型的县域，2010-2013年数量也很少。各县农业机械动力投入整体集聚态势逐渐减弱，趋向于平衡化的发展。

参考文献：

[1]国家统计局.农业[EB/OL].2013-10-29/2015-07-23.http://www.stats.gov.cn/tjsj/zbjs/201310/t20131029_449446.html.

[2]马海志，王福林，王慧鹏，等.基于改进BP神经网络的黑龙江农机总动力预测[J].农机化研究，2016，38(2)：22-26.

[3]王笑岩,王石.基于BP神经网络的辽宁省农机总动力预测[J].中国农机化学报,2015,36(2):314-317.

[4]尤文坚,叶雪英,唐仕云.基于径向基神经网络农机数量预测的研究[J].中国农机化学报,2013,34(2):38-41．

[5]张昭,朱瑞祥,朱虎良，等.基于灰色理论的陕西农业机械总动力预测[J].农机化研究,2011,33(5):46-48．

[6]刘玉静,李成华,杨升明.辽宁省农机总动力组合预测与分析[J].农机化研究,2007(5):31-33．

[7]王志章.农业机械化对农民增收效应的实证研究[J].中国农机化学报,2015,36(2):310-314.

[8]崔红艳.吉林省农业机械总动力及其影响因素分析[J].农机化研究，2015，37(12)：43-48.

[9]刘静.考虑自变及因变影响的农机总动力组合预测模型[J].农机化研究,2015,37(4):230-236.

[10]郭兵.东北地区农业机械化发展形势分析[J].中国农机化学报,2015,36(1):324-327.

[11]轩俊伟,郑江华.基于ESDA的新疆农机动力空间格局分析.农机化研究，2015，37(8)：26-30.

[12]张燕,徐华君.中国农业机械动力空间格局分析[J].农机化研究，2015，37(11)：12-16.

[13]大河网-河南日报.河南10年农机补贴超60亿,直接带动农民购机投入300多亿元[EB/OL].2014-04-27/2015-07-23.http://news.dahe.cn/2014/04-27/102790029.html.

[14]陈聪,刘彦随.我国农区城镇化时空格局及其影响因素—以河南省为例[J].经济地理，2014,34(12):48-54.

[15]丁悦,蔡建明,任周鹏，等.基于地理探测器的国家级经济技术开发区经济增长率空间差异及影响因素[J].地理科学进展,2014,33(5):657-666.

[16]韩增林,许旭.中国海洋经济地域差异及演化过程分析[J].地理研究,2008,23(3)：613-622.

[17]李媛芳,张晓平．中国城市居民生活用电碳排放差异及时空演变[J].热带地理,2015,35(2):250-257．

[18]刘慧．区域差异测度方法与评价[J].地理研究，2006，25(4)：710-718．

[19]徐建华.计量地理学[M].北京：高等教育出版社，2006:120-131.

[20]李波，张吉献.中原经济区城镇化区域差异时空演化研究[J].地域研究与开发,2013，32(3):167-171.

The Analysis Space-time Evolution about County Agricultural Machinery Power Input in the Main Grain Product Areas —To Take 108 Counties (county-level cities) of Henan Province as an Example

Li Bo, Zhang Jixian

(School of Resources Environment & Tourism,Anyang Normal University，Anyang 455000，China)

Abstract：The agricultural mechanization is the important content of agricultural modernization.Taking county as the basic research unit, using the coefficient of variation and Atkinson index of regional differences in research methods, to analyses dynamic differences of agriculture mechanical power input in Henan province during 2004-2013 years, and used the exploratory spatial analysis method (ESDA), with the support of ArcGIS and DeoDa095i software, to analyze space- time spatial and temporal evolution characteristics of county agricultural mechanical power in Henan province in recent 10 years. The results show that: The average of agricultural mechanical power in each county presented growth trend in Henan province during 2004—2013 years, but the overall regional difference showed a tendency of shrinking; The county agricultural mechanical power showed a significant spatial positive correlation from 2004 to 2013 in Henan province, and showed obvious spatial agglomeration phenomenon; Local spatial agglomeration showed that northeast was relatively high and the southwest and southeast was lower; The number of counties of high concentration and low concentration is showing a trend of decreased, the counties trend to balance development.

Key words：agricultural mechanical power; county; coefficient of variation; Atkinson index; spatial autocorrelation; exploratory spatial data analysis

中图分类号：S23-01

文献标识码：A

文章编号：1003-188X(2016)11-0058-06

作者简介：李波(1982-),女，山西昔阳人，讲师，硕士，(E-mail) 7380650@qq.com。通讯作者：张吉献(1963-)， 男， 河南新乡人， 教授，(E-mail) jixian 1000@126.com。

基金项目：河南省教育厅人文社会科学应用对策研究“三重”专项课题(2014—DC—002)

收稿日期：2015-12-16