我国粮食主产区粮食生产变动贡献因素分解

沈 方， 郝瑞彬， 尹力军， 李文荣， 殷书柏

(唐山师范学院资源管理系，河北唐山 063000)

粮食主产区指粮食生产在全国占有重要地位且能够提供较多粮食的集中产区。2003年财政部《关于改革和完善农业综合开发若干政策措施的意见》明确黑龙江、吉林、辽宁、内蒙古、河北、河南、山东、江苏、安徽、四川、湖南、湖北、江西13个省份为粮食主产区。2003—2014年粮食主产区粮食产量占全国粮食总产量的比例平均为74.60%；同期主产区粮食增产量占全国粮食增产总量的比例平均为78.35%。可见粮食主产区是我国保障粮食有效供给(谷物基本自给和口粮绝对安全)和实现粮食安全的关键。因此，主产区粮食生产问题，也就成了政府和学术界关注的热点问题。

近期，关于主产区粮食生产相关问题的研究，涉及主产区粮食生产发展、演变及增产特征[1-4]、投入-产出效应[5]、全要素生产率及驱动因素[6]、粮-经关系[7]、粮食生产比较优势[8-10]、粮食生产影响因素[11-13]等方面，取得了一系列有益成果。

而关于粮食增产影响因素的讨论中，较为一致的观点认为，物质投入增加、气象条件有利、科技进步、政策扶持等是2004年以来粮食持续增产的主要因素[14-17]。以上因素无疑在粮食增产过程中有重要作用，但从本质上讲，区域粮食产量变动直接取决于2个因素，即粮食播种面积和加权平均单产的变化，其他所有因素都是直接或间接作用于这2个因素进而影响粮食产量。

进一步分析发现，粮食加权平均单产的变化实际上源于2个方面，各粮食作物自身单产水平发生变化或各粮食作物间种植比例发生改变。由于不同作物单产水平存在差异，通过高、低产粮食作物间的种植替代，可能在各作物自身单产水平不变、甚至降低的条件下导致粮食总的加权平均单产提高。因此，区域粮食产量的变化实际上受控于粮食作物播种面积(规模)、各作物自身单产(质量)和粮食作物种植结构(结构)3个方面的变化。从已有研究来看，个别学者已经关注到这个问题[18-20]，但是针对主产区的相关研究则鲜有报道。

2004—2014年我国粮食实现11年连续增产，其中主产区发挥了举足轻重的作用，然而在现有的农业资源条件下(包括单产水平、播种面积以及劳动人口结构等)，全国多处粮食主产省(区)已经接近产量极限，如何实现进一步增产，面临严峻考验。因此，深入探讨主产区粮食生产变动的真正原因，分析对比不同促产因素的贡献大小及其稳定性，具有重要的理论和现实意义。

鉴于此，本研究尝试将资源环境领域应用广泛的因素分解方法引入粮食增产贡献因素分析过程，定量测算播种面积变动(播种面积效应)、各作物自身单产变动(作物生产力效应)和粮食种植结构变动(作物结构效应)对主产区粮食生产变动的贡献及其空间差异，找出主产区及各主产省(区)粮食生产变动的主导因素，从而正确认识其本质，研究结论可以为相关部门提供有益参考。

1 数据来源与研究方法

1.1 数据来源

研究中用到的各主产省(区)相关数据均取自相应省(区)相应年份统计年鉴，各主产省(区)数据相加得主产区总数据。因素分解中涉及的粮食作物类型，依据统计数据特征划分为小麦、稻谷、玉米、薯类、大豆和杂粮，共6类。

1.2 改进的拉氏因素分解模型

假设系统v=x·y，系统v在时期t=0～t的变化为

Δv=vt-v0=x′y′-x0y0=(x0+Δx)(y0+Δy)-x0y0=y0Δx+x0Δy+ΔxΔy。

式中：y0Δx和x0Δy分别为时期t=0～t时Δx和Δy对Δv的影响，ΔxΔy为残差。针对残差问题，Sun提出了“联合创造和平均分配”原理，通过将ΔxΔy平均分配给因素x和y，解决了分解过程中的“剩余”问题[21](图1)。

由此，系统v=x·y变化的完全分解模型可表示为

式中：xeff、yeff分别为Δx和Δy对Δv的贡献。这就是Sun提出的在资源、环境领域得到广泛应用的RLI(rened laspeyres index)模型[22]。

1.3 粮食产量变化因素分解模型

(1)

(2)

进一步，可以得到粮食加权平均单产变动的作物贡献分解模型，不同作物的贡献同样包括生产力效应、结构效应2部分，其测算公式为

2 结果与分析

2.1 主产区粮食产量变动因素分解效应的时序特征

2014年，主产区粮食总产量46 476.76万t，相对于2003年增产15 505.89万t，年均增产1 409.63万t。依据粮食产量变动因素分解模型，即式(1)和(2)，以上一年为基年，将粮食产量逐年变动分解为播种面积、作物生产力和作物结构3个因素变化的效应，结果(表1)显示：研究期主产区粮食持续增产(2009年相对于上年减产194.92万t)同时得益于播种面积扩大、作物生产力提高和粮食作物种植结构调整，但不同年份三者的贡献率差异较大。

2003—2014年，主产区粮食作物播种面积持续增加，由 6 718.617 万hm2增加到8 361.017万hm2，累计增加 1 642.400 万hm2。播种面积增加累计增产粮食8 361.03万t，占研究期粮食增产总量的53.92%，是主产区粮食增产的首要因素。

各粮食作物单产水平反映耕地真实产出能力的变化情况，与自然、社会、经济等众多因素有关。因素分解结果(表2)显示：研究期2003—2014年小麦、稻谷、玉米和杂粮4类粮食作物的因素分解效应均为正值，都导致了一定的粮食增产，增产效应为小麦>玉米>稻谷>杂粮，表明4类粮食作物各自的单产都有一定幅度的提高；而大豆和薯类的因素分解效应为负值，都导致了一定的粮食减产，减产效应大豆>薯类，表明2类粮食作物的单产在研究期是下降的。6类粮食作物的综合作用，即作物生产力效应，累计实现粮食增产5 083.17万t，占研究期粮食增产总量的32.78%，是主产区粮食增产的重要因素。

表1 主产区粮食产量变动贡献因素分解效应的时序特征

表2 粮食产量变化的作物生产力效应的时序特征

农业生产受气象因素影响大，容易发生波动，表现为各作物单产都存在相对较大的年际变化，进而影响区域粮食产量。如2009年，当年全国极端天气多发频发，特大干旱历史罕见，给粮食生产带来了严重负面影响，当年主产区玉米和大豆单产大幅度降低，合计减产1 497.39万t；虽然当年粮食播种面积较上年大幅增加，增产粮食1 377.29万t，仍然无法抵消单产下降和种植结构变化带来的粮食减产，最终主产区粮食总产量较上年减少194.92万t。

粮食加权平均单产是各粮食作物单产的加权平均值，权重是相应粮食作物的种植份额。由于各作物自身单产水平不同，作物种植结构改变(即权重发生改变)会对作物加权平均单产带来影响，进而影响区域粮食产量变化，作物结构效应即为这一影响的反映。

因素分解结果(表3)显示，玉米、稻谷的结构效应为正值，合计增产粮食4 595.75万t，表明研究期2类作物在主产区粮食生产中比例是调增的；小麦、大豆、薯类、杂粮4类粮食作物的结构效应是负值，合计减产粮食2 534.06万t，表明4类作物在主产区粮食生产中比例是调减的。6类作物综合作用引致主产区粮食增产2 061.69万t，占同期主产区粮食增产总量的13.30%。

总体上看，种植结构变动的粮食产量效应居次要地位，但部分年份的作用十分显著，如结构效应对产量变动的贡献率2014年为-137.45%，2012年为41.68%。表明近期主产区粮食种植结构调整对粮食产量的影响不容忽视。

表3 粮食产量变化的作物结构效应的时序特征

2.2 主产区粮食产量变动因素分解效应的空间差异

由于各粮食主产省(区)的自然、社会、经济因素组合状况不同，不同粮食作物种植优势差异明显，粮食产量变动及其因素分解效应(驱动因素)都存在较大的区间差异(表4)。

2003—2014年13个粮食主产省(区)都实现了一定的粮食增产，各主产省(区)平均增产粮食1 192.76万t，增产量由大到小为黑龙江>河南>内蒙古>吉林>安徽>山东>江苏>河北>江西>湖北>湖南>辽宁>四川。粮食增产量的空间差异显著，增产最多的黑龙江省增产量为3 729.90万t，最少的四川省增产量为191.60万t，前者是后者的19.47倍。

将研究期作为一个整体考虑(2003—2014年)，13个主产省(区)播种面积效应均为正值，效应值由大到小为黑龙江>河南>吉林>山东>内蒙古>安徽>辽宁>湖北>江苏>江西>湖南>四川>河北，其中黑龙江、吉林、辽宁、内蒙

表4 主产区粮食产量变动贡献因素分解效应的空间差异(2003—2014年)

古、山东、湖北、湖南、江西和四川9个主产省(区)播种面积增加为其粮食增产的首要因素，尤其是辽宁，播种面积效应的贡献率达到了110.22%。

将研究期作为一个整体考虑(2003—2014年)(表4)，13个主产省(区)中有12个作物生产力效应为正值，效应值由大到小为河北>河南>安徽>黑龙江>江苏>山东>吉林>江西>内蒙古>湖南>辽宁>湖北，表明12个主产省(区)粮食单产水平整体上都是提升的，其中河北、安徽、河南、江苏4省作物生产力提高是其粮食增产的首要因素。13个主产省(区)中，只有四川省作物生产力效应为负值，表明研究期四川省粮食单产水平整体上是下降的。

从各作物角度看，各主产省(区)作物生产力效应变化的主要驱动作物不同(表5)。各主产省(区)的前2位驱动作物分别为黑龙江(玉米、稻谷)、吉林(玉米、稻谷)、辽宁(杂粮、玉米)、内蒙古(玉米、大豆)、河北(杂粮、玉米)、山东(小麦、玉米)、河南(小麦、玉米)、江苏(小麦、稻谷)、安徽(杂粮、玉米)、湖北(薯类、稻谷)、湖南(稻谷、薯类)、江西(稻谷、薯类)、四川(玉米、薯类)。表明各主产省区作物生产力变化的主要驱动作物基本上与其优势作物一致，即与各主产区粮食作物的传统结构优势基本一致。

表5 粮食产量变化的作物生产力效应的空间差异(2003—2014年)

2003—2014年13个主产省(区)中有10个作物结构效应为正值(表4)，效应值由大到小为黑龙江>内蒙古>吉林>河南>湖南>湖北>江苏>山东>江西>四川，表明以上10个主产省(区)整体上存在相对高产作物对低产作物的种植替代，即相对高产作物种植比例上升，相对低产作物比例下降；与之相对河北、安徽、辽宁作物结构效应为负值，表明这3个主产省(区)存在相对低产作物对高产作物的种植替代。

从各作物角度看，各主产省(区)作物结构效应变化的主要驱动作物不同(表6)。与作物生产力效应不同，由于区域内各作物之间存在直接的争地关系，某粮食作物比例的上升，必然意味着其他某作物比例的下降，因此各驱动作物变化规律性相对明显。各主产省(区)基本上都是相对高产的玉米、稻谷、小麦中的2种或1种种植比例调增，相对低产的大豆、薯类、杂粮种植比例调减。如研究期有11个主产省(区)玉米调增、有7个主产省(区)稻谷调增、有5个主产省(区)小麦调增，与之相对大豆(河北、四川、安徽调增)、薯类(湖北、四川调增)和杂粮基本全部调减。

3 结论与讨论

3.1 主要结论

2014年，主产区粮食总产量46 476.76万t，相对于2003年增产粮食15 505.89万t， 年均增产1 409.63万t。因素分解结果显示：研究期主产区粮食生产增长同时得益于播种面积扩大、作物生产力提高和粮食作物种植结构调整，贡献率分别为53.92%、32.78%、13.30%，但不同年份三者的贡献率差异较大。

表6 粮食产量变化的作物结构效应的空间差异(2003—2014年)

从作物角度看，小麦、玉米、稻谷自身单产的提高对研究期作物生产力效应提高发挥主导作用；玉米、稻谷种植比例的调增是作物结构效应提高的主体。

相对于2003年，2014年13个粮食主产省(区)都实现了一定的粮食增产，但是增产量及其驱动因素存在较大空间差异。其中播种面积增加为首要增产因素的主产省区有9个，包括黑龙江、吉林、辽宁、内蒙古、山东、湖北、湖南、江西和四川；作物生产力提高为首要增产因素的主产区有4个，包括河北、安徽、河南、江苏；作物种植结构调整是粮食增产的次要因素。

从作物角度看，各主产省(区)作物生产力效应变化的主要驱动作物差异较大，基本上是各主产省(区)的优势作物；各主产省(区)作物结构效应变化主要驱动作物不同，但规律性相对明显，基本上都是相对高产的玉米、水稻、小麦种植比例调增，相对低产的大豆、薯类、杂粮种植比例调减。

3.2 讨论

利用因素分解方法对影响粮食产量变化的3个因素，即播种面积、作物生产力和种植结构进行研究，对于正确认识主产区粮食增产的本质有重要意义。因素分解结果表明，研究期主产区粮食增产的首要因素是粮食作物播种面积扩大，即粮食生产规模的扩张。

根据因素分解模型，建立相应的数据库，可以实现粮食产量动态变化直接驱动因子(播种面积、作物生产力和作物结构)贡献的逐年动态“监测”(表1)。

对于不同的主产省(区)，未来粮食增产路径选择应根据因素分解结果，深入分析3个关键促产因素的可挖潜力，进一步可根据其他非关键因素(如化肥施用量、有效灌溉面积、劳动力状况、粮食价格等)与3个关键因素间的关系，建立定量分析模型，进行主导因素分析，间接评价各非关键因素对粮食产量的影响，进而依据分析结果因地制宜地做出政策安排。

区域粮食作物播种面积变化受区域耕地面积、复种指数(区域农作物播种总面积与区域耕地面积的比值)和粮作比例(区域粮食作物播种面积与农作物播种面积的比值)控制，即粮食作物播种面积=耕地面积×复种指数×粮作比例，根据RLI模型，可以对粮食作物播种面积变化做因素分解分析，但是由于目前主产区统一口径的耕地面积数据无法获取，因此暂未对此进行深入分析。日后，数据获取条件改善后希望能够在这方面做进一步研究。