低地平原 - 水稻耕作系统水稻单产时空变化及收敛性分

李晓云，刘念，曾琳琳，黄玛兰

（华中农业大学经济管理学院,湖北 武汉 430070）

低地平原 - 水稻耕作系统水稻单产时空变化及收敛性分

李晓云，刘念，曾琳琳，黄玛兰

（华中农业大学经济管理学院,湖北 武汉 430070）

低地平原-水稻耕作系统是我国重要的水稻生产系统，该系统水稻生产能力影响区域粮食安全和农村经济发展。本文运用探测性空间数据分析方法（ESDA）和空间收敛方法对1980-2014年低地平原-水稻耕作系统400多个县域水稻单产进行分析，用描述性统计方法和莫兰（Moran）统计值考察该系统县域水稻单产的时空分布和空间自相关，对该系统县域水稻单产做空间绝对β收敛检验，对H-H和L-L空间自相关区域进行空间俱乐部收敛检验。研究表明，1980-2014年系统整体水稻单产水平提升较大且存在显著的空间正相关，县域水稻单产空间分布存在距离衰减效应。县域水稻单产存在空间绝对β收敛和空间俱乐部趋同现象，相比于H-H自相关区域，L-L自相关区域水稻单产收敛于一个较低的水平，且两个区域水稻单产收敛速度均大于整个区域平均速度。因此，在水稻单产H-H集聚区，应扩大水稻单产优势区影响半径，提升周边地区水稻单产水平，尽可能缩小H-H和L-L两个区域水稻单产的组内和组间差距，提升区域水稻生产整体能力。

水稻单产；空间自相关；空间收敛；低地平原-水稻耕作系统

Abstract：Lowland rice farming system is an important rice producing practice in China, and rice production in this system infuences regional grain output and economic development. Based on the rice yield data of 400 counties in the lowland rice farming system from 1980 to 2014 and applying the Exploratory Spatial Data Analysis (ESDA) and the Spatial Convergence method, this study analyzed the rice yield changes: examining the temporal and spatial distribution and spatial autocorrelation of county rice yields by the Descriptive and Moran Statistical methods, conducting spatial absolute β convergence test for the rice yield in this system, and conducting the spatial autocorrelation convergence test for H-H and L-L regions. Results show that the general rice yield in the system has been increasing steadily and also showed positive spatial correlation in the system from 1980 to 2014 and the spatial distance impacts on regional yields have been declining. In addition, regional yields displayed absolute β convergence to a relatively low level compared to H-H and L-L regions, and the rates of convergence of rice yields in these two regions were higher than that of the whole system. Therefore, in the H-H concentration region, measures to expand the infuence radius of the core high-yield area can help increase rice yields in the surrounding areas. Minimizing the intra- and inter- yield gaps between H-H and L-L regions can enhance rice production capacity of the whole system.

Key words：rice yield; spatial autocorrelation analysis; spatial convergence; lowland rice farming system

2017年中央一号文件把深入推进农业供给侧结构性改革作为新的历史阶段农业农村工作主线，提出农业供给侧改革必须守住三条底线，确保粮食生产能力不降低、农民增收势头不逆转、农村稳定不出问题。我国是水稻生产和消费大国，全国有60%以上人口以稻谷为主食，随着人口增长和生活水平提高，对粮食的需求将持续增长。提高粮食总产量有两种途径，一是扩大粮食播种面积，二是提高粮食单产水平。近年来，工业化与城镇化发展对土地的需求日益增加，农地非农化现象日益突出[1]。依靠扩大粮食播种面积保障粮食生产能力的途径行不通，未来我国粮食增长主要途径是提高单产[2-3]。

作物单产水平变化与增产潜力成为保障未来粮食安全的重要一环。对水稻种植区域与单产时空变化的研究已较多，杨万江和陈文佳[4]与程勇翔等[5]应用区域重心分析法研究水稻种植重心转移，表明中国水稻生产存在显著的由南向北变动轨迹。Li等[6]分析了1980-2010年中国东中部五大耕作系统谷物单产时空变化，发现水稻、小麦和玉米单产存在不同程度的停滞，且低地平原水稻耕作系统水稻单产出现停滞现象明显。鉴于近年来探测性空间数据分析方法（ESDA）的广泛运用，不少学者从县域视角考察粮食单产的空间依赖性及异质性。叶长盛和朱传民[7]用ESDA方法研究了1980-2009年江西省县域粮食单产变化空间规律；柏林川等[8]用ESDA方法分析了1995-2010年山东省县域粮食单产变化的空间差异及均衡增产潜力；刘玉等[9]用空间自相关方法揭示了1980-2012年河南县域粮食单产空间格局和增产潜力。在单产收敛性检验研究方面，田旭等[10]研究表明我国30个省区的稻谷和玉米单产在全国范围内收敛，而小麦单产不存在总体收敛趋势。随着地理信息技术的广泛应用，空间分析逐步引入到收敛性分析中，空间收敛分析方法主要有空间β收敛和空间俱乐部收敛。空间β收敛主要是将空间关联性纳入β收敛检验；已有的空间俱乐部收敛研究主要是通过利用Moran指数将研究单元划分为不同空间聚集模式，来检验区域是否存在空间俱乐部趋同[11-12]，而将空间收敛性方法应用于粮食单产检验的文献还不多见。

不同水稻种植区域单产变化表现出一定的空间异质性与空间相关性。空间经济学认为相邻单元的变量往往可能出现相似的取值。水稻生产的相邻单位单产变化可能由于生产者学习模仿的行为，高产核心区对周边种植区的示范与辐射作用而表现出相似或随距离变化而变化的现象。已有研究表明，我国传统水稻生产种植区域单产水平经历了一个较长时期的增长后，目前处于单产提高的平台期[6]。不同种植单元的单产变化如何，单产平台期的产量水平差异多大，是否出现空间集聚与收敛现象，本文用空间收敛分析进行一定的尝试。本文以低地平原-水稻耕作系统400多个县域水稻单产数据为基础，应用探测性空间数据分析方法分析1980年以来该系统水稻单产时空变化趋势，利用空间收敛方法考察水稻单产变化的空间依赖性和异质性，判断区域内部和不同区域组内县域水稻单产是否出现趋同。在此基础上，讨论未来水稻单产发展趋势，挖掘区域水稻生产潜力。

1 研究区概况

Dixon等[13]在《耕作制度与贫穷》一书中指出，全球低地平原-水稻耕作系统（Lowland Rice Farming System）主要分布在中国、泰国、越南和缅甸等地区，我国低地平原-水稻耕作系统主要分布在中国南部和中东部地区。该系统粮食生产对中国的经济、社会和生态等方面产生了重要影响，而水稻作为该系统最重要的作物之一，显著影响区域作物种植和粮食生产。

图1所示长江中下游连片低地平原-水稻耕作地区是该系统最重要的一部分，主要包括江苏、安徽、河南、湖北、湖南、山东、江西和浙江八个省份的全部或部分地区。1980年以来，这8个省份水稻播种面积维持在全国水稻播种面积的40%～45%，而水稻产量则持续保持在全国水稻总产量50%以上。2014年八省水稻播种面积为6.67×107hm2，产量达1.09×108t，水稻是该地区名副其实的第一大农作物。该稻区主要位于亚热带湿润半湿润农业生态区，区域内平原多，水热组合好，水稻种植历史悠久，是中国集中水稻产业区和水稻生产核心区。本区为单、双季稻栽培区，其中江苏、安徽、湖南、湖北、江西和浙江位于华中单双季稻区，而河南和山东位于华北单季稻区。

图1 长江中下游连片低地平原-水稻耕作系统主要分布区域示意图Fig. 1 The distribution of lowland rice farming system along the linked middle and lower reaches of the Yangtze River

2 数据与方法

2.1 数据来源

本文研究范围为长江中下游连片低地平原-水稻耕作系统，研究对象为该系统所包含的江苏、安徽、河南、湖北、湖南、山东、江西和浙江八个省份的全部或部分地区（图1），包括420个县域水稻生产数据。个别年份若干缺失数据，用插值法补充完整。1980-2003年各县水稻播种面积、总产量和单产等生产数据来源于农业部历年《中国农村统计年鉴》，2004-2014年水稻数据来源于各省（市）统计年鉴或者各省农村统计年鉴等。

2.2 研究方法

2.2.1 空间自相关 大部分空间数据存在某种程度的依赖性，即空间自相关。空间自相关能够研究空间模式的时空变化，可用Moran’s I统计量来测度。设研究区域中存在n个面积单元，第i个单元上观测值记为yi，观测变量在n个单元中的均值记为y-，则Moran’s I计算公式如下[14]：

式中：E(I)表示均值，Var(I)表示标准差。Z值显著表示有显著聚类，否则表示未出现显著聚类。

2.2.2 空间β收敛性分析 本文运用绝对β收敛分析系统内不同县域水稻单产增长速率与期初水稻单产水平的整体关系。未引入空间因素，采用Barro和Sala-i-Martin[16]提出的绝对β收敛方程。

1）标准化的绝对β收敛方程模型为[15]：

式中：T表示观察期时间跨度，ln表示取自然对数，yit和yi0分别指i县第T年和初始年份水稻单产水平，α和β为待估参数，其中β=-[(1-e-BT)/T ]，B为收敛速度，ε为随机误差项。若β显著为负，表明在0-T时段内水稻单产变化与初始水稻单产水平呈负相关关系，区域水稻单产出现趋同，反之，若β值显著为正，则表明区域水稻单产不存在趋同。

2）空间收敛β模型和标准化模型不同，空间计量模型将合适的空间权重矩阵纳入模型中，主要包括空间滞后模型（SLM）和空间误差模型（SEM）等。

县域粮食单产绝对β收敛的空间滞后模型可表示为：

式中：ρ为空间滞后系数，W表示空间权重矩阵，其它变量含义同上。

县域粮食单产绝对β收敛的空间误差模型可表示为：

式中：λ为空间误差系数，μ为随机干扰项，其它变量含义同上。

2.2.3 空间俱乐部收敛 本文俱乐部收敛用来检验不同水稻单产依赖模式内部各县域之间是否在具有相似的集聚特征下趋于收敛。空间俱乐部收敛考虑了县域水稻单产的空间关联，在对县域水稻单产进行空间俱乐部收敛检验前，首先需对水稻单产进行分组，本文依据2014年水稻单产的Moran统计值，将空间依赖模式分成四组。由于H-L和L-H两种空间自相关区域组，缺乏对水稻单产变化的平抑作用[16]，因此本文选择H-H和L-L两个区域组作为空间俱乐部检验的最后分组，并使用SLM和SEM对水稻单产进行空间俱乐部收敛检验。

3 结果与讨论

3.1 低地平原-水稻耕作系统水稻单产时空变化与差异分析

3.1.1 低地平原-水稻耕作系统水稻单产时空演变趋势 总体而言，1980-2014年低地平原-水稻耕作系统县域水稻平均单产增长显著（图2）。据测算该系统水稻平均单产由1980年的3.9 t/hm2左右增加到了2014年的7.1 t/hm2左右，增长了约82.1%，近30 a水稻单产水平出现质的提升。1980-1982、1990-1992、2000-2002和2012-2014年四个时间段县域水稻单产变化出现明显的空间集聚，但也呈现显著空间差异。1980-1982年水稻单产水平较高的集聚区域主要分布在系统东部的江苏和系统南部的湖南等地，这些地区水稻平均单产大于4.5 t/hm2；2012-2014年，水稻单产优势区主要分布在江苏和湖北两地，这两个地区平均单产水平大于8 t/hm2；系统其余区域水稻单产均有不同程度的增长，但未形成明显的单产优势区。从优势区域变化看，系统东部的江淮平原水稻单产优势明显且地位继续加强，系统西部的湖北江汉平原一带单产逐渐处于领先优势，而系统南部的湖南省水稻单产优势已不明显。1980-1982年系统南部的湖南省水稻单产在5 t/hm2左右，处于较高水平，其后水稻单产水平也呈波动式提升，但经测算近10 a其水稻单产维持在6.0～6.5 t/hm2左右，并未出现明显的突破；期初单产优势不明显的湖北省，1980年以来年水稻单产保持稳步提升，在上述四个时间点，水稻单产阶段性增长较明显，2014年前后，以江汉平原为核心的系统西部地区水稻单产已越过8 t/hm2大关。

图2 1980-2014年县域水稻单产分布图Fig. 2 Changes of county rice yield from 1980 to 2014

3.1.2 县域水稻单产变化时空差异分析 低地平原-水稻耕作系统东部的江苏水稻单产一直保持领先优势，单产增长显著。江苏省素来是鱼米之乡，耕地资源条件好，土壤肥沃，水稻品种更新、新种植技术推广（如1992年的“籼改粳”）和水稻良种补贴等方面都走在全国前列[17]。1980年以来系统南部的江西省水稻单产水平稳步增长，但增长幅度小于系统其他区域，单产进一步增长遇到瓶颈。2005至2013年，仅受高温逼熟灾害影响，江西省双季早稻单产损失3.9%-18.9%[18]。

水稻单产增长差异可能也与水稻熟制变化有关。1980年以来，虽然湖南省和江西省中稻和一季晚稻的播种面积有所增加，但近些年两省早稻和双季晚稻播种面积仍占到70%和85%以上（图3），由于早稻和双季晚稻相对中稻和一季晚稻单产较低，因此这两个省份水稻平均单产增加受到限制。江苏省目前只有中稻和一季晚稻水稻种植模式，湖北省中稻和一季晚稻播种面积占水稻总播种面积的比例已由期初的40%左右上升到期末的60%左右，这可能是20世纪90年代以来湖北省和江苏省平均水稻单产远远大于湖南和江西两省的主要原因之一。不过在稻作制度选择上长江流域农户“双改单”的行为是由利益最大化或以获取更多的闲暇为目的，水稻单产增加对总产量产生较大冲击[19]。

3.2 县域水稻单产的空间相关性与区域差异分析

图3 中稻和一季晚稻占水稻总播种面积比重Fig. 3 Ratios of mid-season and late-season rice to total rice area

图4 1980-2014年县域水稻单产莫兰统计值Fig. 4 Moran’s I statistics of county rice yield from 1980 to 2014

图5 1980年和2014年县域水稻单产空间自相关类型分布Fig. 5 Spatial autocorrelation categories of county rice yields in 1980 and 2014

测算1980-2014年水稻单产莫兰统计值（图4），考察低地平原-水稻耕作系统水稻单产空间关联性。1980年以来水稻单产Moran’ I统计值呈现一定的波动，但Moran’ I统计值大多落在区间（0.3，0.5）。个别年份（如1996年和1999年）Moran’ I统计值较低，但也大于0.3，有的年份（如1996年）水稻单产的莫兰指数值甚至超过了0.6，表明近30 a来低地平原-水稻耕作系统县域水稻单产呈现显著空间正相关，即水稻单产高的县域，其周边县域水稻单产也较高，而水稻单产低的县域，其周边县域单产水平也较低，表明水稻单产水平相似区出现了集聚。

图5显示了低地平原-水稻耕作系统1980年和2014年县域水稻单产空间自相关类型变化，1980年和2014年县域水稻单产莫兰统计值分别为0.435和0.446，均在1%水平上显著，表明两个时间点县域水稻单产存在显著空间正相关。2014年水稻单产H-H集聚模式主要分布在系统东部的江淮平原和系统西部的江汉平原，区域水稻单产平均水平大于8 t/hm2；L-L集聚模式主要分布在系统南部的湖南和江西两省，区域水稻单产平均水平在6.5 t/hm2左右。

此外，基于一阶、二阶和三阶临接矩阵的县域水稻的Moran指数值较为显著，且随着阶数增加，Moran指数值依次衰减（表1），表明县域水稻单产水平受到地理距离的影响，空间外溢对区域粮食单产影响呈现距离衰减特征。由于技术扩散半径有限，增长极溢出的先进农业技术对邻近县域影响更直接有效，因此消除或者减少地理距离对技术扩散的影响，有利于区域水稻单产水平提升。

表1 县域水稻单产的Moran’s I统计值Table 1 Moran’s I statistics of county rice yield

3.3 县域水稻单产的空间收敛性检验和比较

3.3.1 县域水稻单产的空间收敛性检验实证分析 对低地平原-水稻种植系统水稻单产进行绝对β收敛检验，估计结果显示（表2），回归系数β显著地小于0，从其他检验参数看，F和log L在1%的水平下通过了显著性检验，AIC和SC的值也通过了检验。因此可以判断出1980-2014年县域水稻单产存在绝对收敛，表明期初水稻单产较低的县域水稻单产平均增长率更快。

表2 水稻单产标准化方程估计结果Table 2 Estimation results of the standardized equation on rice yields

未考虑空间效应的水稻粮食单产存在绝对β收敛，但莫兰指数显示（图4），该地区水稻单产呈现空间正相关性，因此忽视空间效应的最小二乘法可能有偏。考虑空间相关性后，对县域水稻单产进行空间绝对β收敛检验（表3）。对县域水稻单产的空间相关性进行检验，根据Florax空间模型的选择方式，应从LM-lag和LM-err中选择更显著者，可知LM-lag和LM-err的p值都很小，但后者t值更大，因此更显著。

表3 水稻单产空间相关性检验Table 3 Spatial correlation test on rice yield

表4显示了空间滞后模型（SLM）和空间误差模型（SEM）的空间绝对β收敛检验结果。SLM模型和SEM模型回归参数β估计值分别为-0.021和-0.025，均显著地小于0，表明区域县域水稻单产整体上存在空间收敛，即在考虑邻近县域可能存在的空间关联后，整个区域县域水稻单产出现趋同。就单产收敛速度而言，SEM模型的收敛速度大于SLM模型，二者收敛速度分别为3.781%和5.475%，半生命周期分别为32.22 a和27.56 a。

表4 水稻单产空间计量模型估计结果Table 4 Estimation results of spatial econometric models of rice yields

空间自相关类型显示（图5），2014年低地平原-水稻系统中大多数的县域水稻单产位于H-H和L-L两个区域，呈现了空间俱乐部趋同特征。考虑到H-L和L-H两种空间依赖区域组，缺乏对水稻单产变化的平抑作用，因此本文选择H-H和L-L两个区域作为空间俱乐部检验的最后分组。对两个区域组2014年水稻单产空间相关性检验结果见表5。同样依据Florax空间模型的选择方式，H-H和L-L两个区域组选用SEM比空间滞后模型SLM的空间俱乐部收敛检验更好。

表6显示，在空间误差模型中，H-H区域组和L-L区域组的回归系数β均为负值，其值均为-0.028，且通过了显著性检验；同时，空间滞后系数λ显著为正，表明H-H和L-L区域组内县域水稻单产正向依赖显著，即县域水稻单产空间分布模式相似的区域组内，水稻单产呈现出空间收敛特征。2014年H-H区域组和L-L区域组组内水稻平均单产水平分别为8 t/hm2和6 t/hm2。相对于H-H区域组而言，L-L区域组水稻单产收敛于较低水平。

表5 H-H和L-L区域组水稻单产空间相关性检验Table 5 Spatial correlation tests on rice yields in H-H and L-L regions

表6 H-H和L-L区域组水稻单产空间俱乐部估计结果Table 6 Estimation results on rice yields in H-H and L-L regions

在空间误差模型下，H-H和L-L区域组收敛速度分别为9.32%和8.73%，半生命周期分别为24.25 a和24.50 a。H-H和L-L区域组收敛速度和半生命周期接近，但相对而言，H-H区域组由于总体单产水平较高，有利于技术水平的扩散，因此收敛速度更快，半生命周期相对更短。总体来看，H-H区域组和L-L区域组的收敛速度大于考察期整体区域的收敛速度5.475%（SEM），且小于整体区域半生命周期27.56 a，表明水稻单产相似的聚集区收敛速度更快。

3.3.2 不同空间集聚模式的收敛性分析 对H-H和L-L两种空间模式的检验表明，系统县域水稻单产存在空间俱乐部收敛，且H-H区域组和L-L区域组水稻单产收敛速度大于整个区域空间收敛速度。单产集聚空间模式相似区域呈现出收敛特征，即在两个不同的区域组内部，单产相对较低县市对单产相对较高县市水稻单产产生了“追赶效应”。2014年江苏省绝大部分县市属于H-H空间分布模式，江西基本属于L-L分布模式。因此，本文以江苏省和江西省典型县市为例，分析两个自相关区域组水稻单产收敛特征。

1980-2014年江苏省四个县市水稻单产变化趋势图显示（图6a）：1980年四县市水稻单产排序为建湖县＞新沂市＞东海县＞射阳县，随后几十年，单产波动式上升，2014年水稻单产的排序为射阳县＞建湖市＞新沂市＞东海县。期初水稻单产水平较低的射阳县对水稻单产较高的其他三县市产生了“追赶效应”，同时不同县单产水平整体差异有所缩小，H-H集聚区水稻单产呈现出“收敛特征”。1980-2014年江西省四个县市水稻单产变化趋势图显示（图6b），由于江西省四个县市期初水稻单产较接近，因此期末四个县市水稻单产的差距并未明显缩小，但期初水稻单产较低的县市（宜丰市）对水稻单产较高县市（德安县）产生了“追赶效应”，L-L集聚区水稻单产也呈现“收敛特征”。

图6 1980-2014年H-H（a）和L-L（b）典型县市水稻单产变化图Fig. 6 Typical rice yield changes in H-H and L-L regions from 1980 to 2014

相对于H-H区域，L-L区域整体水稻单产水平较低。2014年江苏省四个典型县市水稻单产平均水平约为9 t/hm2，而江西四个县市水稻单产平均水平约为7 t/hm2，表明H-H集聚区和L-L集聚区水稻单产水平存在较大差距，逐步缩小组间水稻单产水平差距，也是未来提升整体水稻单产水平的重要一环。

4 结论

低地平原-水稻耕作系统是我国重要的水稻生产基地，从该系统县域水稻单产水平时间序列看，水稻单产增长明显。空间自相关分析显示水稻单产空间正相关显著，即区域内出现明显H-H和L-L空间聚类，多阶临接矩阵Moran指数值显示该耕作系统县域水稻单产存在较大距离衰减效应。因此减弱距离对种植技术和科技推广的阻碍，增大水稻单产优势区对邻近区域空间辐射效应，有利于促进区域水稻单产水平的整体提升。

空间H-H集聚分布区发生位移，期初单产优势区湖南目前单产水平无优势，江汉平原和江淮平原成为水稻单产水平典型的H-H集聚区，说明部分区域“赶超效应”明显，进一步挖掘赶超产生的原因，有利于有的放矢地在单产增长乏力地区采取相应措施，调动单产增长。例如在江西、湖南等地加大中稻和晚稻种植比例，对于提高区域水稻单产和品质改善有较大促进作用。

从收敛性检验结果看，无论是区域整体，还是H-H和L-L集聚区水稻单产水平均存在绝对β收敛，揭示该耕作系统水稻单产在经历了若干年增长后，目前趋近于一个收敛状态，未来单产继续增长的压力较大。在继续加大科技创新促进单产增长的同时，短期内优化水稻生产空间分布，提升水稻品质和种植效益是稳定区域水稻生产面积，保障粮食生产，提高农户收益的重要手段。

[1] 罗丹, 严瑞珍, 陈洁. 不同农村土地非农化模式的利益分配机制比较研究[J]. 管理世界, 2004(9): 87-96.

Luo D, Yan R Z, Chen J. A comparative study of different beneft distribution mechanisms on the non-agricultural model of rural farmland[J]. Management World, 2004(9): 87-96.

[2] 高云, 陈伟忠, 詹慧龙, 等. 中国粮食增产潜力影响因素分析[J].中国农学通报, 2013, 29(35): 132-138.

Gao Y, Chen W Z, Zhan H L, et al. The analysis of infuencing factors on grain potential yield growth[J]. Chinese Agricultural Science Bulletin, 2013, 29(35): 132-138.

[3] 陈印军, 易小燕, 方琳娜, 等. 中国耕地资源与粮食增产潜力分析[J]. 中国农业科学, 2016, 49(6): 1117-1131.

Chen Y J, Yi X Y, Fang L N, et al. Analysis of cultivated land and grain production potential in China[J]. Scientia Agricultura Sinica, 2016, 49(6): 1117-1131.

[4] 杨万江, 陈文佳. 中国水稻生产空间布局变迁及影响因素分析[J]. 经济地理, 2011, 31(12): 2086-2093.

Yang W J, Chen W J. Studies on the spatial distribution changing of China’s rice production and its infuencing factors[J]. Economic Geography, 2011, 31(12): 2086-2093.

[5] 程勇翔, 王秀珍, 郭建平, 等. 中国水稻生产的时空动态分析[J].中国农业科学, 2012, 45(17): 3473-3485.

Chen Y X, Wang X Z, Guo J P, et al. The temporal-spatial dynamic analysis of China rice production[J]. Scientia Agricultura Sinica, 2012, 45(17): 3473-3485.

[6] Li X Y, Liu N J, You L Z, et al. Patterns of cereal yield growth across China from 1980 to 2010 and their implications for food production and food security[J]. Plos One, 2016, 11(7). Doi: 10.1371/journal.pone.0159061.

[7] 叶长盛, 朱传民. 江西省县域粮食生产地域格局变化研究[J].农业现代化研究, 2011, 32(3): 315-319.

Ye C S, Zhu C M. Regional pattern changes of county grain production in Jiangxi Province[J]. Research of Agricultural Modernization, 2011, 32(3): 315-319.

[8] 柏林川, 武兰芳, 宋小青. 1995-2010年山东省粮食单产变化空间分异及均衡增产潜力[J]. 地理科学进展, 2013, 32(8): 1257-1265.

Bo L C, Wu L F, Song X Q. Spatial difference of grain yield changes during 1995-2010 and balanced potential output to increase in Shandong Province[J]. Process in Geography, 2013, 32(8): 1257-1265.

[9] 刘玉, 郜允兵, 高秉博, 等. 1980-2012年河南省县域粮食单产时空分异及增产潜力研究[J]. 北京大学学报: 自然科学版, 2014, 50(6): 1106-1114.

Liu Y, Gao Y B, Gao B B, et al. Spatial-temporal difference of grain yield per hectare during 1980-2012 at county level and its balanced increasing potential in Henan Province[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6): 1106-1114.

[10] 田旭, 于晓华, 张晓恒. 中国粮食生产潜能分析: 一个基于“俱乐部收敛”的视点[J]. 浙江大学学报: 人文社会科学版, 2016(5): 112-128.

Tian X, Yu X H, Zhang X H. Grain output potential in China: A perspective from club convergence[J]. Journal of Zhejiang University (Humanities and Social Sciences), 2016(5): 112-128.

[11] 覃成林, 刘迎霞, 李超. 空间外溢与区域经济增长趋同——基于长江三角洲的案例分析[J]. 中国社会科学, 2012(5): 76-94.

Qin C L, Liu Y X, Li C. Spatial spillover and the convergence of regional economic growth: A case study of the Yangtza River Delta[J]. Social Sciences in China, 2012(5): 76-94.

[12] 曾馨漫, 刘慧, 刘卫东. 京津冀城市群城市用地扩张的空间特征及俱乐部收敛分析[J]. 自然资源学报, 2015(12): 2045-2056.

Zeng X M, Liu H, Liu W D. Spatial pattern and club convergence analysis of urban expansion in Beijing-Tianjin-Hebei urban agglomeration[J]. Journal of Natural Resources, 2015(12): 2045-2056.

[13] Dixon J, Gulliver A, Gibbon D. Farming Systems and Poverty: Improving Farmers’ Livelihoods in a Changing World[M]. 2001: 218-219.

[14] 王远飞. 空间数据分析方法[M]. 北京: 科学出版社, 2007.Wang Y F. Spatial Data Analysis[M]. Beijing: Science Press, 2007.

[15] Barro R, Sala-i-Martin X. Convergence[J]. The Journal of Political Economy, 1992, 100: 223-251.

[16] 张战仁. 中国区域创新差异形成的时空因素研究——基于地理空间视角[M]. 北京: 中国社会科学出版社, 2013.

Zhang Z R. The Study of Forming Space-time Difference of Regional Innovation under the Geographic Space Perspective in China[M]. Beijing: China Social Sciences Press, 2013.

[17] 佴军, 张洪程, 陆建飞. 江苏省水稻生产30年地域格局变化及影响因素分析[J]. 中国农业科学, 2012, 45(16): 3446-3452.

Nai J, Zhang H C, Lu J F. Regional pattern changes of rice production in thirty years and its influencing factors in Jiangsu Province[J]. Scientia Agricultura Sinica, 2012, 45(16): 3446-3452.

[18] 孔萍, 殷剑敏, 谢佳杏. 高温逼熟对江西省双季早稻产量的影响[J]. 中国农业大学学报, 2015, 20(4): 57-65.

Kong P, Yin J M, Xie J X. Study on the yield of early rice by heart-forced maturing in Jiangsu Province[J]. Journal of China Agricultural University, 2015, 20(4): 57-65.

[19] 王全忠, 周宏. 稻作制度选择、种植业结构调整及农户决策独立性检验[J]. 农林经济管理学报, 2016, 15(2): 133-143.

Wang Q Z, Zhou H. Farmers’ switch of planting pattern from double-cropping to single-cropping rice structure adjustment and individual decision-making testing[J]. Journal of Agro-Forestry Economics and Management, 2016, 15(2): 133-143.

（责任编辑：王育花）

The analysis of temporal and spatial distribution changes and convergence of rice yield in lowland rice farming system

LI Xiao-yun, LIU Nian, Zeng Lin-lin, Huang Ma-lan
（College of Economics and Management, Huazhong Agricultural University, Wuhan, Hubei 430070, China）

F304.5 文献标识码：A 文章编号：1000-0275（2017）04-0640-09

10.13872/j.1000-0275.2017.0075

李晓云, 刘念, 曾琳琳, 黄玛兰. 低地平原-水稻耕作系统水稻单产时空变化及收敛性分析[J]. 农业现代化研究, 2017, 38(4): 640-648.

Li X Y, Liu N, Zeng L L, Huang M L. The analysis of temporal and spatial distribution changes and convergence of rice yield in lowland rice farming system[J]. Research of Agricultural Modernization, 2017, 38(4): 640-648.

国家自然科学基金项目（71673102）；中央高校基本科研业务费专项基金（2662016PY060）。

李晓云（1978-），女，福建邵武人，博士，教授，博士生导师，主要从事农业耕作系统和粮食安全研究，E-mail：lixiaoyun@ mail.hzau.edu.cn。

2017-02-23，接受日期：2017-05-24

Foundation item: National Natural Science Foundation of China (71673102); The Fundamental Research Funds for the Central Universities (2662016PY060).

Corresponding author: LI Xiao-yun, E-mail: lixiaoyun@mail.hzau.edu.cn.

Received 23 February, 2017;Accepted 24 May, 2017