我国粮食安全与生态安全空间包容性研究——以粮食主产区为例

郑克强 金恩焘 宋 焱 罗海平

(南昌大学 管理学院/中国中部经济社会发展研究中心，江西 南昌 330027)

“确保国家粮食安全，把中国人的饭碗牢牢端在自己手中。”这掷地有声的话语，是习近平总书记对新时代实施乡村振兴战略的谆谆教导。自我国实行农村家庭联产责任承包制以来，河南、河北、内蒙古、辽宁、吉林、黑龙江、江苏、山东、湖北、湖南、江西、安徽、四川等13个粮食主产省(区)粮食产量基本保持在全国70%左右，历年全国粮食增产贡献率达95%，是国家粮食安全最重要的保障区。2010年国务院印发的《全国主体功能区规划》中，上述13个粮食主产区同时也是中国最重要的生态屏障区，肩负国家粮食安全和生态安全主体功能。但是，由于长期以来对生态环境的漠视，中国主要粮食产区均存在不同程度的生态破坏或生态失调，给我国的粮食安全带来了隐患。为此，2016年中央一号文件提出加强资源保护和生态修复，实现粮食生产与农田生态系统的协调与可持续。2017年中央一号文件要求积极推进农业供给侧结构性改革、实现从量到质的粮食安全战略转换，而实现新的粮食安全战略离不开生态安全的支撑。党的十九大报告也就加快生态文明体制改革，建设美丽中国内容提出了“优化生态安全屏障体系”的要求。

有关粮食安全与生态安全问题的研究由来已久。莱斯特·布朗(1995)曾就中国耕地资源短缺和农田生态问题提出“谁来养活中国？”的质疑，*Brown L R. Who Will Feed China?[M].New York: Nortn&Company,1995.一时间，中国粮食安全成为全球关注的焦点。富兰克林·H·金(2011)也指出粮食安全保障不能超出生态生产潜力，不能对整个生态系统构成威胁*富兰克林·H·金：《四千年农夫：中国、朝鲜和日本的永续农业》，程存旺、石嫣/译，东方出版社2011年版，第47-49页。联合国粮农组织(FAO)和经合组织(OECD)在《Agricultural Outlook2013-2022》中预言，在资源环境约束下生态安全和粮食安全的矛盾将不断加深。鉴于粮食生态安全面临的严峻形势，对粮食生态安全进行实证测算与评估成为新的研究热点。在测量方法上，Lautenbach等(2011)提出生态系统服务价值(ESV)概念，[注]Lautenbach S, Kugel C, Lausch A, Seppelt R. Analysis of historic changes in regional ecosystem service provisioning using land use data. Ecological Indicators, 2011, 11(2): 676-687.根据ESV定义，提供粮食和原材料食物是区域生态系统的直接价值，从而为区域粮食安全和生态安全二者关系的量化研究提供了较好范式。针对中国粮食安全与生态安全关系，田克明等(2005)研究了土地生态安全对粮食安全和经济安全的影响和作用机制，构建了农用地生态安全评价方法。姜俊红等(2005)通过实证评估和测算发现，粮食生产活动对土地生态服务价值存在较强反作用关系，单位面积土地生态系统服务价值呈现“沼泽>水域>林地>草地>耕地”的递减趋势，而且粮食作物种植和生长会带来耕地以及生态系统服务价值损失。刘渝、张俊飚(2010)则研究了水资源生态安全与粮食安全关系，并制定了双重安全评价体系。何玲、贾启建等(2016)以河北省黄骅市为研究样本，利用生态系统服务价值和粮食安全标准进行了生态安全底线测算。[注]何玲、贾启建等：《基于生态系统服务价值与粮食安全的生态安全底线核算》，《应用生态学报》2016年第1期。上述分析表明，在既往的粮食生产和生态环境关系的实证研究上，研究者比较关注耕地变化对粮食生产的影响、粮食生产与生态可持续性问题以及粮食生产的资源环境成本等方面的研究。

总体来看，学术界对粮食安全和生态安全关系的研究越来越重视，但在实证研究中，粮食问题研究中的“生态因素”往往被视为“环境变量”，研究缺乏生态产出(生态系统服务价值)和粮食产能空间关系的实证考察。为此，有必要就我国13个粮食主产区粮食产能与生态系统服务价值空间包容性进行实证评估，从而探寻粮食安全和生态安全可能存在的隐患。这对确保粮食主产区实现粮食安全和生态安全双重国家主体功能具有重要意义。

一、研究方法与模型构建

区域粮食安全和生态安全空间包容性最常见的研究方法是基于Tobler地理学第一定律的空间自相关模型。所谓空间自相关，是指空间中某空间单元与其周围单元就某种空间属性而言潜在的相互依赖性，即Tobler的地理学第一定律。事物彼此关联，但较近的事物比较远的关联性更强。空间自相关模型已广泛应用于空间数据挖掘、区域经济空间差异等分析。

本研究从粮食和生态的“产出”及“产能”的视角进行研究变量的选择，其中粮食侧指标选择有两个：一是粮食产量，是代表粮食产出总量和规模的“年度粮食总产量”；二是代表粮食种植和产出效率的单位耕地面积的粮食产量，即“粮食单产”。而生态侧选择具有“生态产出”意义的“生态系统服务价值”作为实证用指标，以表征生态价值。实证逻辑与研究框架，见图1。

图1 研究逻辑与框架

(一)全局空间自相关

全局空间自相关用来检验整个研究域某一空间属性是否存在空间依赖性，分析所有对象之间的平均空间关联、空间分布模式及其显著性。一般用莫兰指数(Moran’s I)表示，其计算公式为：[注]孟斌、王劲峰等：《基于空间分析方法的中国区域差异研究》，《地理科学》2005年第4期。

(1)

(2)

莫兰指数取值范围是[-1,1]，当zI>1.96时，表示观测值之间存在显著空间正相关，即高观测值与高观测值空间聚集(H-H聚集)或低观测值与低观测值空间聚集(L-L聚集)，呈现空间聚集格局；当zI<—1.96时，表示观测值之间存在显著负相关，高观测值与低观测值聚集(H-L异常)，低观测值与高观测值聚集(L-H异常)，呈现空间异常格局。

(二)局部空间自相关

局部空间自相关性可以研究不同地理位置上可能存在的空间关联模式，从而发现局部区域空间聚集性和分异性。局部空间自相关一般用空间关联局域指数(Local Moran’s I)表示，计算公式为：

(3)

(三)双变量空间自相关分析

为了分析多个变量之间的空间关联性，Anselin L等人提出双变量空间自相关分析方法。双变量空间自相关分析所产生的莫兰指数是用所有相邻位置的加权平均值评估一个位置变量值与其他变量的相关程度。其定义为：

(4)

二、数据来源与处理

采用粮食产量(单位：千吨)、粮食单产(即单位耕地面积的粮食产量，单位：千吨/km2)作为反映粮食主产区各省(区)粮食产能的变量。以生态系统服务价值ESV作为区域生态产出价值变量。ESV(单位：107元)采取Costanza模型进行测算。模型以1hm2全国平均产量的农田每年自然粮食产量的经济价值设定为当量“1”，其它生态类型根据生态服务价值与当量经济价值的比值计算出当量因子：

(5)

其中，i为作物种类(主要包括稻谷、小麦、玉米)，Pi为第i种作物的全国平均价格(元/t)，qi为第i种作物单产(t/hm2)，mi为第i种作物的粮食播种面积(hm2)；M为粮食作物播种总面积(hm2)。结合不同地区每个当量的经济价值和当量因子表eij(肖玉、谢高地，2003)可得出各省其他生态系统或其他服务功能的单价，进而根据Costanza模型计算出各类生态系统的服务价值、各项服务功能的价值和生态服务总价值：[注]谢高地、鲁春霞等：《青藏高原高寒草地生态系统服务价值评估》，《山地学报》2003年第1期。

Eij=eijEa(i=1,2,…9,j=1,2…,6)

(6)

(7)

(8)

(9)

其中，Eij为第j种(包含林地、 草地、耕地、湿地、水体和未利用地等六种陆地生态系统)生态系统的第i种生态服务功能(包含食物生产、原材料供给、气体调节、气候调节、水源涵养、废物处理、土壤形成与保护、生物多样性保护和娱乐文化等九种生态系统服务功能)的单价(元/hm2)；eij为第j种生态系统第i种生态服务功能相对于农田生态系统提供生态服务单价的当量因子。Vj、Vi、V分别为第j类生态系统的生态系统服务价值、第i项服务功能的价值和生态系统服务的总价值,Aj为第j类生态系统的面积。[注]肖玉、谢高地等：《青藏高原生态系统土壤保持功能及其价值》，《生态学报》2003年第11期。本实证研究测算用土地利用、粮食产量等原始数据均来源于2016年《中国统计年鉴》，粮食价格数据来源于wind数据库。粮食主产区空间自相关模型测算用数据如表1(部分)：[注]罗海平、宋焱等：《基于Costanza模型的我国粮食主产区生态服务价值评估研究》，《长江流域资源与环境》2017年第4期。

表1 13个粮食主产省(区)粮食产能与生态系统服务价值(部分)

三、生态服务价值与粮食产能空间自相关及分异实证分析

(一)单变量空间自相关

传统的空间权重矩阵可按照空间边界邻近关系来分析，或者从区域中心出发，依照一定距离设置空间关系矩阵，探索在不同空间范围内所形成的空间组织关系。[注]刘旭华、王劲峰：《空间权重矩阵的生成方法分析与实验》，《地球信息科学》2002年第2期。由于四川与湖北、湖南间隔重庆市，所以本文采用基于距离标准的方法建立空间权重矩阵，运用Arcgis软件建立含有主产区各省份质心经纬度、各指标属性的shp文件，然后导入Geoda中进行单变量全局空间自相关与局部空间自相关分析。得到全局空间自相关莫兰指数(见表2)：

表2 单变量全局空间自相关结果

注：p表示概率，z(I)为检验值，z<-1.96或z>1.96时，p<0.05，置信度大于95%

Moran’s I 即莫兰指数，莫兰指数>0表示空间正相关性，其值越大，空间相关性越明显，莫兰指数<0表示空间负相关性，其值越小，空间差异越大；莫兰指数=0，空间呈随机性。表(2)显示，我国粮食主产区生态系统服务价值、粮食总产量、粮食单产三个单一变量的莫兰指数均为正且P值小于0.01。表明中国粮食主产区粮食产量、单产以及生态系统服务价值等单一变量分布不具有随机性，而是呈现空间自相关性，具有一定聚集效应，其中粮食产量的空间集聚性最高，莫兰指数达到0.9278，其次是粮食单产，而生态系统服务价值的空间自相关性相对较小，莫兰指数仅为0.1786。说明我国13个粮食主产区生态差异性较为突出，生态价值聚集关联不够高。

从粮食主产区生态系统服务价值看，主要呈现两个聚集区：一是内蒙古、黑龙江、吉林、四川、湖南、湖北、江西高生态价值聚集区；二是山东、河南、河北、安徽等低生态价值组团。而从生态系统服务价值当量来看，我国东北的黑龙江、吉林、辽宁，长江流域的湖南、湖北、江西依然是高价值聚集区，地处我国东中部的山东、河南、河北、安徽生态系统价值当量则较低，属低价值组团。从地域空间土地利用情况来看，东北三省、内蒙古以及长江流域各省，森林、湿地、草原、水体面积总体和比例较大，而河北、河南、安徽、山东四省因耕地面积较大，林地、草地、湿地面积相对较小，耕地分布数量对生态系统总的价值量影响较为明显。

从粮食主产区的粮食产能来看，粮食产量形成了黑龙江、吉林以及河南、山东、江苏、安徽高价值聚集区，其中黑龙江、河南的粮食产量分别为6242.2万吨和5772.3万吨，远远高于周边各省。从粮食单产方面来看，从高到低排序依次为：吉林>江苏>山东>湖南>湖北>江西>河南>辽宁>黑龙江>河北>四川>安徽>内蒙古。粮食产量最高的黑龙江和河南在粮食单产排名位于中游，粮食单产高的省份集中分布在中、东部四省、长江流域三省和吉林。综合来看，我国粮食主产区粮食产能总体上呈现较强的空间自相关性，但粮食产能空间分异依然较为显著。

(二)双变量全局空间自相关

基于距离标准的方法建立空间权重矩阵，分别计算粮食产能与全域和耕地生态系统服务价值的全局空间自相关莫兰指数。根据全域生态系统实证结果，粮食产量、粮食单产与生态服务价值的双变量莫兰指数均小于0，且均通过了显著性检验，说明粮食产量、粮食单产与整个陆地生态系统的生态服务价值存在显著的空间负相关。其中，粮食产量与生态服务价值的负相关性较强，莫兰指数为-0.2592。从粮食生产对生态系统服务功能结构的影响及关系来看，粮食产能与生态服务价值中食物生产、废物处理功能呈空间正相关，与生态的气体调节价值呈现空间负相关。粮食产量与耕地不同类型生态服务价值的双变量莫兰指数均小于0，粮食单产与耕地不同类型生态服务价值的双变量莫兰指数均大于0，表明粮食产量增加会对区域耕地生态环境产生负影响，而粮食单产提升则会对耕地生态价值产生正影响。这是因为，粮食总产量反映粮食生产的规模，增大耕地面积以及施用化肥农药是提升粮食总产量的主要手段，所以粮食总量的增大势必会驱动区域土地利用发生较为剧烈的变化，造成林地、草地、水域、湿地等高生态服务价值的土地类型向生态价值较低的耕地转变，而化肥农药的滥用同样会导致生态服务价值的损失，导致粮食单产的提高对区域生态环境的负影响要远高于粮食总产量的提升。

表3 粮食产能与生态系统服务价值的双变量空间自相关莫兰指数

注：**、*分别表示在置信度为99%和95%时，相关性显著

综合上述实证结果，该结论与谢高地(2010)、宋利娜(2013)、齐月等(2016)等学术研究的基本结论具有一致性，即我国粮食主产区同样存在粮食种植与生态系统服务价值的负相关性。但就中国粮食主产区而言，这种负向关系较为突出地表现在原材料供给、气候调节、水源涵养、土壤形成与保护以及生物多样性等生态功能方面。而就耕地本身的生态系统服务价值而言，粮食单产的提升对耕地生态价值的提升具有正相关。为此，提升粮食生产效率才是区域保持粮食安全、生态安全的有效途径。

(三)双变量局部空间自相关

在z检验的基础上(P=0.05)绘制双变量局部空间自相关LISA聚集图(图3)，用于表征区域生态服务价值与其邻域粮食产能均值之间的局域空间关系，即高-高(high-high)、低-低(low-low)的空间正相关和低-高(low-high)、高-低(high-low)的空间负相关。由图1可知，生态服务价值与粮食总产量呈高-低空间负相关的地区有内蒙古、吉林和辽宁，呈低-高空间负相关的地区有河北、河南和山东，这些空间负相关均达到99%置信水平。生态服务价值与粮食总产量有很强的空间异质性。粮食单产与生态服务价值呈高-高空间聚集的地区有黑龙江、四川和湖北，呈高-低空间负相关的地区有内蒙古、吉林和辽宁，呈低-高空间负相关的地区有河北、河南、山东和安徽，这些空间相关性均达到95%置信水平。

图2 粮食产能与生态服务价值的双变量 LISA 聚集图

生态服务价值与粮食总产量、粮食单产的双变量LISA分布图分异明显，但整体上空间分异很相似。低-高聚集区集中分布在河北、河南、山东和安徽四省，表明这些区域粮食安全的生态压力过重，粮食安全地位明显高于生态安全地位。高-低聚集区集中分布在中国北方的内蒙古、吉林和辽宁，生态服务价值较邻近省份高、粮食产能较邻近省份低，表明这些区域粮食安全的生态资源及潜力较好，粮食产能地位还有待进一步提高。高-高聚集区指生态和粮食地位均较突出，该区域集中分布在长江流域各省和黑龙江。

四、研究结论与启示

本文基于生态系统服务价值的视角，运用空间自相关模型莫兰指数对中国粮食主产区粮食产能与生态价值的空间相关性进行了实证测算和评估，形成如下研究结论：

第一，粮食主产区生态服务价值、粮食产能空间聚集效应明显。生态服务价值、粮食总产量、粮食单产全局空间自相关莫兰指数分别为0.1786、0.9278、0.6055，局部空间分异图聚集现象明显。生态服务价值、粮食产能空间属性相同的区域趋向于进一步聚集，并呈现同向外溢作用。

第二，生态服务价值、粮食产能空间分异显著，存在空间滞后异常。除黑龙江、四川在生态价值和粮食产能呈现“高-高”价值聚集外，其他粮食主产区均表现出不同程度的粮食产能与生态价值的地位以及资源配置上的空间偏离。“高-低”空间自相关的有内蒙古、吉林和辽宁；“低-高”自相关的有河北、河南、山东和安徽。

第三，粮食主产区的粮食种植对生态系统服务价值具有显著影响。粮食产量、粮食单产与整个陆地生态系统的生态服务价值存在显著的空间负相关，其中，粮食产量与生态服务价值的负相关性较强。粮食产能与生态系统废物处理功能呈空间正相关，与生态的气体、气候调节、土壤形成、水源保护、生物多样性等生态功能的服务价值呈现空间负相关。对耕地而言，粮食产量增加会对区域耕地生态环境产生负影响，而粮食单产却具有正影响。可见，粮食生产效率提升是确保粮食安全和生态安全双重目标的理论途径。粮食安全应立足于粮食生产效率，而不是单纯的提高粮食产量。

第四，受地貌、土地利用结构等复杂因素影响，粮食主产区中某些省区存在粮食产能、生态价值的空间分异以及二者地位的空间滞后异常，从而使得粮食主产区在确保粮食安全和生态安全功能时难以包容，粮食安全与生态安全的包容性较为脆弱。

以上研究结论的主要政策启示：加强农田生态资源保护和修复，通过农业和生态的科技进步推动提高耕地产粮效率，建立农田生态补偿机制，促进农业的供给侧改革。研究认为，坚持粮食生产与生态服务功能协调发展是实现粮食安全和生态安全双重目标的根本路径。同时，本研究亦论证并支撑了我国粮食安全战略由北向南转移的必然性和必要性，这是我国未来粮食安全战略的一个重要启示。