基于空间平滑法的旱作区粮食产量时空变化与影响因素研究

万 炜，李含微，王佳莹，刘 忠，韩已文

基于空间平滑法的旱作区粮食产量时空变化与影响因素研究

万 炜，李含微，王佳莹，刘 忠※，韩已文

（1. 中国农业大学资源与环境学院，北京 100193；2. 农业部华北耕地保育重点实验室，北京 100193）

在中国北方水资源约束愈发严峻的情境下，旱作区粮食产量格局及其驱动因素研究具有重要的现实意义。以1995—2015年县域粮食统计数据为基础，结合土地利用栅格数据等资料，应用空间平滑法，对东北及华北平原旱作区粮食产量的空间格局与演化过程进行了研究。在此基础上，分析了不同农业区影响粮食产量的自然及社会经济驱动因素。结果发现：1）近20 a东北-华北平原旱作区粮食产量整体稳步提高，高产区范围逐渐扩大，具有明显的空间集聚特征，且华北平原旱作区粮食总产高于东北平原旱作区；2）粮食产量增速以中速增产为主，其次依次为慢速增产、高速增产、绝对减产，且东北平原旱作区粮食增产速率高于华北平原旱作区；3）东北平原旱作区粮食单产整体高于华北平原旱作区，且经过空间平滑处理后粮食单产栅格像元频率分布基本呈高斯分布，与客观规律相契合；而随着时间演替，直方图像元的峰值逐渐右移，且单产栅格呈逐渐分散的趋势，表明耕地生产力水平整体提升的同时差距也随之扩大；4）自然因素中的年均气温与燕山-太行山山麓平原农业区的粮食单产的相关性最高，年降水量及汇流能力与冀鲁豫低洼平原农业区的粮食单产的相关性最高，土壤类型与松嫩-三江平原农业区的粮食单产的相关性最高；5）粮食单产与社会经济因素的分析结果表明，粮食生产由劳动密集型逐渐向技术密集型方向转变，农业机械化的投入对研究区特别是东北平原旱作区的贡献尤为明显，化肥投入对研究区粮食增产始终发挥着巨大作用，而灌溉条件对于华北平原旱作区粮食生产的保障起到重要作用。研究结果可为粮食产量时空格局研究的方法创新方面有所裨益，并对不同农业区保持高产、稳产及耕地保育等方面提供参考。

粮食；农业；土地利用；空间平滑；产量；时空变化；旱作区；东北平原；华北平原

0 引 言

随着人口压力的不断增长及耕地资源的日益紧缺，已引起了逐渐严峻的粮食安全及农业可持续发展问题。宏观视域的粮食产量研究对于维持国计民生、稳定国家发展及粮食市场调控等方面，具有重要的理论价值与现实意义[1-4]。中国幅员辽阔，不同区域自然环境迥异，国家粮食的主产及高产区主要分布于“胡焕庸线”以东的东北平原、华北平原及长江中下游平原[5-6]。其中的华北与东北平原既是中国人口稠密区，加之水资源禀赋有限，高强度的生活、灌溉、工业用水已达空前水平，致使区域水资源承载力已趋于饱和[7-8]。因此，调整种植结构以减少灌溉量与作物耗水量已成为中国北方地区降低农业水资源消耗的重要举措[9-11]。在此情境下，保障旱作区粮食生产的重要性已日渐凸显[12-14]。

旱作区（dryland farming regions）又称旱作农业区或旱地农业区。国际上通用的旱作区是指在有限降水的半干旱气候条件下从事无灌溉的作物生产区域[15]。中国对旱作区范围的界定则将半干旱区扩展至半湿润易旱区[16]。以秦岭-淮河为界，中国北方地区以天然降水的雨养农业为主。即中国北方旱作区通常是指秦岭-淮河一线以北，降水偏少、无灌溉或灌溉条件较为有限的的农业生产区域[17]。其中的东北及华北平原旱作区是中国雨养农业的最高产区域，且该区域粮食生产仍具有巨大发展及增产潜力。该区域南北跨度大，地域分异规律明显，不同亚区的自然条件及社会经济状况相差甚远，影响粮食产量的主导因素及作用强度不尽相同。因此，以东北及华北平原旱作区为研究对象，分析其粮食产量的时空格局及影响因素，具有独特的地域优势及重要的研究价值。

然而目前将东北-华北平原旱作区作为一体研究的成果仍较少，且当前关于区域粮食产量时空格局方面的研究，多停留在对省域[18]、市域[19]、县域[20]等不同行政区尺度为最小单元的统计数据加以分析，其结果不但导致了最小行政区单元内部的异质性信息无法识别；且由于人为行政边界的划定而易造成各单元间的毗邻区域存在显著差异，通常情况下这一结果与客观事实是不相符的。粮食产量格局研究的另一重要方法是地面抽样调查与遥感手段相结合[21]，该方法的主要限制因素是样本数量，加密采样是提高提取精度的关键所在，但与此同时造成了成本高、耗时费力等问题[22-23]。

采用统计数据与遥感数据相结合的栅格像元尺度空间平滑方法，不仅能够打破行政区边界的限制，避免出现不同行政单元的接边区域粮食产量相差悬殊，与客观事实明显不符的问题。且空间分辨率为1 km，远小于县域尺度地域单元，能够很好地体现县域内部粮食产量的空间差异信息。加之经过空间平滑处理后，粮食产量的空间分布格局与理论情境（相应的自然及社会经济条件下）的立地条件所形成“渐变”的客观规律更加契合，将平滑结果与经空间插值后1 km分辨率的自然环境要素（温度、降水、土壤、汇流能力）进行驱动因素评价分析，更加符合自然规律从而使研究结果更为可信。空间平滑方法的基本原理属于邻域（neighborhood）分析中的焦点统计（focal statistics）。该方法目前在表层土壤元素的空间分布[24]、地下水动态补给[25]、坡度提取[26]等方面已有相关应用，然而在粮食产量时空格局方面的研究则鲜见报道。

综上所述，鉴于东北-华北平原旱作区粮食生产研究的重要意义，且以该区域为研究对象的成果相对较少，加之以行政区为最小地域单元的传统方法在进行空间分析的过程中，粮食生产格局无法打破行政单元的限制。本研究采用空间平滑的方法，以东北及华北平原旱作区为研究对象，以1 km栅格尺度为最小地域单元，通过分析近20 a（1995～2015年）不同二级农业区粮食产量的时空格局、过程及驱动因素，从而进一步明确近20 a来东北及华北平原旱作区粮食产量的提升区域及各自的主要限制因素。研究结果以期在粮食产量时空格局研究的方法创新方面有所裨益，并对不同农业区保持高产、稳产及耕地保育等方面提供参考。

1 研究区概况

关于东北-华北平原旱作区范围的确定：首先以地形、气候为基础，将东北-华北平原旱作区限定在大兴安岭-燕山-太行山-伏牛山以东、大别山-淮河以北、长白山及山东丘陵以西的东北及华北平原-台地的半湿润与半干旱区域。其次，以《中国综合农业区划（1981年）》[27]当中的二级农业区为划分依据，剔除以林业、畜牧业等非耕地占主导的区域（如兴安岭林区、长白山地林农区、内蒙古中南部牧农区）。再以县域为基本单元，基于统计年鉴数据、土地利用遥感监测数据、以及外业调查验证结果，将耕地中以旱地比例偏大的县域划为旱作区，将以水田比例偏大的县域剔除，从而得到大体的旱作区范围。由于经过上述限定筛选后，个别县域未被纳入研究区而导致区域内部在空间分布上不是完整面域。因此考虑到空间连续性与相对一致性原则[28]，以及便于后续粮食产量空间平滑处理，将内部被剔除的少数县域亦划入旱作区，以保证研究区空间范围的完整性（图1）。

图1 研究区概况

研究区最北及最东至黑龙江省佳木斯市抚远县，南抵淮河以北，西达太行山脉东麓，地理坐标介于112°34¢～134°46¢E、32°8¢～48°23¢N之间，总面积71.2´104km2，占国土面积的7.4%。研究区整体轮廓呈东北至西南向狭长带状分布，最长跨度达2 438 km。研究区共辖7个省（黑龙江、吉林、辽宁、河北、山东、河南、安徽）、2个直辖市（北京、天津），涉及525个县区，地跨5个二级农业区（松嫩-三江平原农业区、辽宁平原丘陵农林区、燕山-太行山山麓平原农业区、冀鲁豫低洼平原农业区、黄淮平原农业区）。

东北平原旱作区平均海拔约200 m，大致位于大兴安岭、小兴安岭、长白山之间，境内主要河流为黑龙江、乌苏里江、松花江、嫩江、牡丹江、辽河；华北平原旱作区平均海拔50 m，为燕山、太行山、伏牛山、大别山、沂蒙山所环绕，境内主要河流为淮河、黄河、海河、滦河。研究区整体自南而北的气温、降水、土壤等自然要素的地带性及区域分异规律明显。研究区从南至北年平均温度大致由16 ℃递减至0 ℃，≥10 ℃积温由黄淮地区的4 500 ℃逐渐减少至1 600 ℃。华北平原旱作区年降水量600～800 mm，东北平原旱作区年降水量400～600 mm。东北平原旱作区的主要土壤为黑土、黑钙土和草甸土；华北平原旱作区的主要土壤则是潮土、褐土、沙土、盐碱土和砂姜黑土。

受季风气候的影响，研究区当中的半湿润区域，其年降水量虽然可达600 mm左右，但多集中在夏季，蒸散量大，且降水量与作物关键生育期需水量不相匹配，易导致作物干旱缺水问题，进而影响作物的长势及产量[29-30]。因此，在区域水资源日益紧张的条件下，发展旱作区雨养农业的重要性日渐凸显。加之研究区南北跨度大，地带性及区域分异规律明显，不同二级农业区影响粮食产量的主导因素各异。因此，选择东北及华北平原旱作区作为研究对象，具有很好的代表性与典型性。

2 理论分析

2.1 旱作粮食的界定

联合国粮农组织（food and agriculture organization of the United Nations, FAO）于1995年将粮食作物分为麦类、稻谷和粗粮三大类[31]。中国的粮食概念则更加广泛，被定义为供食用的谷物、豆类和薯类的统称[32]。即中国的粮食概念比国际上通行的谷物（grain）口径大，在统计粮食产量时，还包括了豆类和薯类[33]。鉴于研究区内薯类作物种植面积相对较小，且受统计数据不易获取的限制，因此不予考虑；而水稻非旱作作物，因此亦予以剔除。综上，本研究最终选取了小麦、玉米和大豆等三大最主要的旱作区粮食作物进行研究。

2.2 1 km栅格像元的科学合理性

按照研究对象的空间大小可分为区域尺度、地方尺度、景观尺度、个体尺度等类型。不同研究尺度所适宜的栅格像元大小亦有所差异。就大区域尺度而言，受水热条件、地貌类型、人类活动等因素的影响，宏观格局的地域分异规律明显，而在小范围上所展现的规律性不甚显著，因此1 km栅格像元在区域尺度的地表过程与格局研究中多有应用[34-36]。若像元分辨率过于精细，虽可适当提升研究精度，但对于宏观把握研究区整体趋势格局的作用并不大，反而徒增工作量。另一方面，鉴于本研究区地形平坦，耕地斑块集中连片分布，地表自然要素均质化程度明显，1 km栅格像元基本满足精度要求。因此，在保证空间信息能够准确提取的前提下，本研究将各自然要素及粮食产量数据统一至1 km栅格像元进行分析。

2.3 空间平滑方法的可行性

考虑到耕地相对于水域、草地、建设用地等地类而言更加稳定（一定时段内的面积扩张或收缩变化不大），且各县域粮食产量的多寡与其耕地面积呈显著正相关[4]，因此将县域粮食产量数据分配至相应耕地栅格像元中是合理的。另外，耕地斑块的空间分布格局与其对应的耕地生产力是相契合的[37]，如县域内耕地像分布越集聚，则该区域耕作条件越好（单位土地的耕地占比越高），粮食产量越高；同理若某一县域耕地像元分布越破碎、零散，则区域耕作条件越差（单位土地的耕地占比越低），粮食产量越低。在此基础上，平滑粮食单产从而生成具有空间异质性及递变规律的粮食单产栅格数据，目的是在栅格尺度将单产与地学要素相联系，并引入平差系数以保证县域产量数据不失真。

3 数据源与研究方法

3.1 数据源

1）县域主要旱地作物（小麦、玉米、大豆）的粮食产量及种植面积数据：从研究区各市统计年鉴（1996－2016年）提取。

2）矢量边界数据：县级行政边界数据（2015年），与统计数据结合而得到空间化的各县域粮食产量；《中国综合农业区划（1981年）》中的二级农业区划数据，将研究区粮食产量的空间分布及影响粮食生产的各驱动因素划分为不同地域单元进行研究。

3）1 km像元土地利用百分比栅格数据：该数据源自中国科学院地理科学与资源研究所，由30 m空间分辨率中国土地利用现状遥感监测数据升尺度至1 km，但保留原数据各土地利用类型的面积占比，使得在尺度转化过程中，数据精度得以保证。

4）自然要素数据：30 m空间分辨率DEM数据，由地理空间数据云网站下载（http://www.gscloud.cn/），用以提取研究区河网及汇流能力；土壤类型空间分布数据，使用的是通过“发生分类”方法编制得到的1:100万中国土壤类型数据[38]，由中国土壤数据库网站获取（http://vdb3.soil.csdb.cn/）；研究区及周边地区气象台站1995－2015逐年平均气温与年降水量数据，由中国气象数据网得到（http://data.cma.cn/）。

5）社会经济要素数据：选取与粮食生产关系密切的社会经济指标，具体包括研究区各县域不同年份的种植面积、乡村人口、有效灌溉面积、化肥折纯量、农药使用量、农业机械总动力、农村用电量等7项，从研究区各市统计年鉴（1996－2016年）提取。

3.2 研究方法

3.2.1 粮食产量栅格化

1995－2015年粮食产量以及播种面积的统计数据是以县域尺度为最小地域单元，因此通过ArcGIS 10.5软件将其与2015年县级行政边界矢量数据进行关联，可得到相应年份空间化的分县粮食产量及分县粮食播种面积矢量图层。由于近20 a来行政区划因动态调整而存在早期年份个别县域的统计数据与矢量边界不匹配的现象，本研究以2015年县级行政区划边界数据为准，将统计数据进行相应调整。由于东北与华北地区的种植制度存在差异，如华北平原旱作区因冬小麦-夏玉米轮作的原因而导致单位面积产量高于东北平原旱作区单一种植春玉米或春小麦的情况。因此本研究在分析粮食总产量的基础上，再将分县粮食产量与分县粮食播种面积相除，得到粮食单产数据，以消除复种因素对粮食生产力评价的影响，从而更加客观评价不同区域粮食生产的立地条件。在此基础上，通过引入研究区1 km像元的旱地空间分布数据，由ArcGIS软件可计算得到研究区1 km分辨率粮食总产及单产的栅格数据。

3.2.2 粮食产量空间平滑

栅格化之后的粮食产量数据由县域尺度降至1 km栅格尺度，使得空间分辨率大为提升。但仍存在相邻县域于行政区接边处产量差异过大的“突变”问题，这与“渐变”的客观规律（地理学第一定律[39]）不相符。因此，为减小相邻栅格像元产量值差异过大的问题，并使粮食生产力在空间分布上更具递变性与规律性，本研究采用空间平滑的方法，通过设定卷积核大小作邻域分析，即以5´5滑动窗口为焦点像元取平均值处理，当窗口遍历整个栅格图层后，栅格数据即完成了一次空间平滑处理。其结果是削弱了邻近像元值的差异，使粮食产量的空间格局更加平滑，特别是在相邻行政区的接边区域，这种平滑效果尤为明显。因此，空间平滑处理的结果既能够使相似地表环境的邻域内产量格局趋同，且能够体现较大空间尺度（如县域）内部的分异规律。经多次平滑迭代运算，相邻栅格像元值逐渐逼近，但该过程还需保证平滑后县域各栅格粮食产量和与原始分县粮食产量基本保持一致，即：

式中P0为空间平滑处理前分县统计数据的粮食产量，t；P1为空间平滑处理后各县域栅格数据的粮食产量，t；|P1/P0－1|为平差系数，要求其控制在1%以内。当平差系数小于1%时，结束平滑，输出粮食产量栅格数据；反之，当平差系数大于1%，则通过平差系数校正县域粮食产量栅格数据，并返回粮食单产平滑步骤，继续迭代计算，直至平差系数小于1%，以保证空间平滑处理前后县域粮食总产基本保持一致（图2）。平差系数的引入可实现粮食单产在空间分布“渐变”的基础上，且保证各县域粮食产量不失真，尽可能与客观事实相符。

3.2.3 自然驱动因素的提取

自然驱动力选取了年平均气温、年降水量、土壤类型、汇流能力等4类与粮食产量最相关的环境因素。

本研究采用研究区及其周边地区的气象站点总数为120个，由ANUSPLIN气象插值软件经薄板样条函数处理得到研究区1 km空间分辨率的年平均气温及年降水量数据。

关于土壤类型数据的处理，先将1:100万土壤类型矢量数据转化为栅格数据，并通过双线性内插法将其重采样至1 km分辨率。再将土壤按照其肥力条件（有机质含量）以及障碍因素，根据专家意见将研究区所涉及的土壤类型划分为5个等级：第一级包括黑土、黑钙土和草甸土，权重赋为5分；第二级包括暗棕壤、棕壤、褐土、灰褐土、潮土，权重赋为4分；第三级包括白浆土、砂姜黑土、黄褐土，权重赋为3分；第四级包括粗骨土、栗钙土、黄绵土、新积土、风沙土、盐土、碱土，权重赋为2分；第五级包括沼泽土、水稻土、棕色针叶林土、湖泊水库、城区等非旱作作物种植的土壤或地表类型区，权重赋为1分。

由于旱作区人工灌溉条件受限，天然降水是本区域作物的主要水源补给。而地表汇流能力能够体现土壤的水分条件，是影响作物长势及产量的重要自然因素，且该参数与区域河网密度呈正相关[40]。关于研究区汇流能力的计算，首先以30 m DEM数据为基础，由ArcGIS软件的水文分析功能，得到较高空间分辨率的河网空间分布，再由ArcGIS的线密度计算工具，得到河网密度栅格数据，并通过双线性内插法将其重采样至1 km分辨率，以此作为评价区域汇水能力的指标。

3.2.4 影响粮食产量的驱动因素分析

影响粮食产量的驱动因素分为自然驱动力和社会经济驱动力。本研究以农业二级区划边界将不同驱动因素划分为各个子区域进行分析，其中自然驱动因素的空间分辨率为1 km，与粮食单产数据保持一致，采用相关分析的方法评价粮食单产与各自然要素的线性关系强度。社会经济驱动因素则以县域为基本单元，由于统计指标较多，且各指标间可能存在相互关联的现象，故而采用灰色关联分析和偏相关分析的方法进行评价。以上定量分析于SPSS 22.0软件环境下完成。

4 粮食产量时空格局与影响因素分析

4.1 粮食产量时空格局

4.1.1 粮食总产空间格局

将统计数据和土地利用栅格数据结合，可得到研究区粮食总产空间分布（图3），结果发现：

近20 a来，东北-华北平原旱作区粮食产量整体稳步提高，且华北平原旱作区粮食总产高于东北平原旱作区。其中，东北平原旱作区粮食产量自2000年后增长显著，高产范围逐渐扩大，主要集中于松嫩平原中部，具有明显的空间聚集状态；粮食总产的低值区域集中于松嫩平原西部的科尔沁沙地外缘风沙土区，以及三江平原区。其中，松嫩平原西部的白城等地区地势较低，地下水位较高，且为半湿润-半干旱的过渡区，盐碱土发育较多，加之降水量受限，风力较强、风蚀作用明显，即土壤沙化及盐碱化问题均较为突出，导致粮食产量长期处于较低水平；三江平原较研究区的其他区域而言，由于水稻产量占比较大，故而导致旱作作物产量规模相对较小。

华北平原旱作区的粮食高产区域集中分布于鲁北平原沿黄河方向的德州、滨州、聊城等地，以及太行山东麓平原由北向南延伸的保定、石家庄、邯郸、安阳、鹤壁、新乡等区域；而环渤海的滨海平原区域及燕山-太行山东麓非平原区域是明显的粮食低产区，近20 a增长趋势不显著。其中，北京昌平、通州等城郊区，天津及其他环渤海区域的粮食产量减少多是由于土地利用变化（耕地转变为建设用地[41]）所导致。

图3 1995－2015年研究区粮食总产空间格局

4.1.2 粮食总产增产率

为进一步揭示研究区粮食产量的区域差异性，本研究再以近20 a来研究区粮食总产的平均年增长率（6.8%）为基准，并参照相关研究成果[33]，将粮食总产量的平均年增长率划分为绝对减产（<0）、慢速增产（0≤<6.8%）、中速增产（6.8≤<20%）和高速增产（≥20%）4个等级（图4），得出如下结论：

图4 1995－2015年研究区粮食年均增长率变化

东北-华北平原旱作区各县域整体以粮食增产为主，具体为中速增产县域最多，其次依次为慢速增产、高速增产和绝对减产。东北平原旱作区粮食增产速率整体高于华北平原旱作区，具体而言：高速增产区多在东北平原旱作区，其空间分布主要位于松嫩平原的中南部；中速增产区在整个研究区广泛分布；慢速增产主要位于华北平原旱作区的燕山-太行山山麓平原农业区和冀鲁豫低洼平原农业区，其次为黄淮平原农业区；绝对减产主要分布在安徽省北部、河南省沿黄区域、燕山南部及三江平原区。通过进一步分析面板数据发现，绝对减产区主要是由于种植结构调整（部分旱地转变为水田）所导致。

4.1.3 空间平滑处理的粮食单产时空格局

因东北与华北地区的种植制度不同，为消除复种因素对粮食生产力评价的影响，以便更加客观评价不同区域粮食生产的立地条件，本研究对经空间平滑处理的1995－2015年研究区粮食单产空间格局（图5）进行分析，结果发现：1995－2000年粮食单产有略减态势，这与前人研究结果（该时期由于政策因素导致波动减产[42]）一致。2000－2015年，东北-华北平原旱作区粮食单产整体呈现持续增加的趋势，且东北平原旱作区单产的高值区域以松嫩平原中部逐渐向外围扩张的态势尤为明显，这与王禹[43]和谭佳琪[44]的研究结果一致。2005年，东北平原旱作区粮食单产的极高值区仅分布于吉林省梨树县、公主岭市和扶余市；而至2015年，东北平原旱作区粮食单产高值区广布，低值区主要位于辽宁平原丘陵农林区南部，其地域分布与辽中南城市群南端相吻合，旱地面积相对破碎，非粮食主产区。华北平原旱作区粮食单产低于东北平原旱作区，其粮食单产的增长相对缓慢、无较大波动，且无明显空间聚集状态；且华北平原旱作区的单产低值区主要集中于环渤海的滨海平原、北京等城市化水平发达区域，这与杨勇等[41]的研究结果一致。

另一方面，通过进一步统计1995－2015年研究区粮食单产栅格像元的频率分布（图6）可以发现：不同时期的粮食单产像元数量基本呈现高斯分布，与客观规律相契合；且随着时间演替，直方图像元的峰值逐渐右移（众数逐渐增加），近20 a来占比最高的产量区间由3～4 t/hm2变化为7～8 t/hm2，且单产水平呈逐渐分散的趋势，表明耕地生产力水平整体提升的同时差距在扩大。

4.2 粮食生产影响因素分析

4.2.1 自然因素分析

将1 km分辨率经空间平滑处理的1995－2015年年平均粮食单产数据与1 km分辨率自然因素数据按照不同农业区进行相关性分析，结果如表1和图7所示。

表1 不同农业区粮食单产与主要自然因素的相关分析

注：*表示在0.05水平上达到显著相关；**表示在0.01水平上达到极显著相关。

Note:*represent significant level at<0.05;**represent highly significant level at<0.01.

图5 基于空间平滑方法的1995－2015年研究区粮食单产空间格局

图6 1995－2015年研究区粮食单产像元频率分布

研究发现，年均气温、年降水量、土壤类型与汇流能力等4项自然要素与各二级农业区粮食单产几乎都达到极显著相关，充分说明所选指标对粮食产量而言的重要性。其中，松嫩-三江平原农业区粮食单产与土壤类型的相关度最高，其次依次为年降水量、年均气温及汇流能力。结合图7可以发现，松嫩平原中部为中国东北地区的典型黑土带，粮食单产的高值区域与其地处发育的高肥力土壤类型（黑土、黑钙土、草甸土、棕壤、暗棕壤）具有很好的空间一致性，即本区域优越的土壤条件使其具有更为突出的粮食生产潜力。松嫩-三江平原农业区的西南端与东北端粮食单产水平较低，这与其降水量偏低的空间格局是一致的。本区域汇流能力对粮食单产的相关性最低，是由于该区域河流、湖泊、湿地发育较多，加之东北地区气温较低，蒸散作用弱，使得本区地表水资源相对充足，非粮食生产的最主要限制因素。

辽宁平原丘陵农林区粮食产量与各自然因素相关系数均较弱，是由于本区域自然因素变异程度相对较低，且该地区较黑龙江与吉林而言，经济更为发达，沈阳-锦州-葫芦岛沿线旱地并非东北地区最主要的粮食产区，故相关性整体偏低。

燕山-太行山山麓平原农业区粮食单产与年均气温的相关度最高，其次依次为年降水量、汇流能力及土壤类型。由于该区域地处山麓平原，内部海拔高度、坡度及坡向差异较大，这将直接导致了区域气温差异，如温度随海拔升高而降低，作物积温相应减少；而坡度越大，土地可耕性越差、土层越薄；且由于地形因素导致本区域内部汇水能力存在差异，结合图7可以发现，燕山-太行山山麓平原农业区汇流能力较高，且与粮食高产区分布较为吻合。

图7 1995－2015年研究区年均粮食单产与环境要素

冀鲁豫低洼平原丘陵农业区粮食单产与年降水量的相关性最高，其次依次为汇流能力、土壤类型及年均气温。由于本区域人口稠密，工业、农业、生活用水量巨大，地表水资源相对匮乏，天然降水是其旱作农业水资源的重要补给；且黄河自南而北流经本区域，黄河沿线区汇流能力强，与本区粮食高产区的空间分布一致。另外，本区域中南部主要的土壤类型为潮土，种植条件良好，而滨海平原地带发育的盐土及因黄河携带泥沙而导致的风沙土等广泛分布，其土壤质地、养分含量均不利于作物生长，是限制粮食生产的重要因素之一。且由图7可知，京津冀地区经济发达，建设用地规模较大，城市扩张不断占用耕地等土地利用因素致使本区域粮食单产整体处于较低水平。

黄淮平原农业区水热条件是整个东北-华北平原旱作区中条件最优越的地域，因此温度和降水因素不是该区域的主要限制因素，故而与粮食单产的相关性表现最弱。因黄淮平原中部地势低平，汇水能力是影响本区域粮食产量的主要因素。由于本区域地处黄泛区，沙地面积广布；且砂姜黑土是黄淮平原农业区主要障碍性土壤，主要分布于皖北、豫东南和鲁西地区。即上述因素是导致本区域水热条件虽相对充足，但粮食单产水平仍不是特别高的关键所在。

4.2.2 社会经济因素分析

以各社会经济驱动因素为解释变量，以5个二级农业区粮食单产为被解释变量，采用灰色关联分析的方法，分别计算各个农业区内不同影响因素与粮食产量的灰色关联度（表2）。

研究发现，各二级农业区粮食单产与农村用电量及农药使用量2个指标的关联度均较小。松嫩-三江平原农业区、辽宁平原丘陵农林区与粮食单产关联度最高的两指标分别为农业机械总动力和化肥折纯量。这是因为东北平原旱作区较华北平原旱作区而言，更具有开阔、平坦的地理优势，地块规模大、农业机械化耕作技术成熟；且黑土虽然肥力较高但土壤耕性差，因此在农业机械化条件下，其农业生产潜力可得更好地发掘。另一方面，因东北平原土壤肥沃，化肥施用量一直低于全国平均水平，所以在本区域优越的自然条件基础上，化肥的进一步投入对粮食的增产效果显著。

表2 不同农业区粮食单产与主要社会经济因素的关系

华北平原旱作区内各二级农业区粮食单产均与有效灌溉面积这一因素最相关，这是因为华北平原水资源较为匮乏，是旱作区粮食生产的重要制约因素，在此背景下，有效灌溉面积对作物的长势及产量具有重要影响。另一方面，华北平原旱作区农业机械总动力这一指标均小于东北平原旱作区，主要是由于华北平原旱作区耕地资源较东北平原旱作区而言规模较小且相对分散，加之大型农业机械工具推广使用程度不如东北平原旱作区，使得该指标与粮食单产的关联度相对较低。此外，由于华北地区人口压力大，耕作强度较高，易造成耕地土壤肥力的降低。为保障粮食稳产及高产，化肥投入也成为影响本区域耕地生产力的重要因素之一。

在一定时段内，区域地貌、土壤、水文、气候等诸多自然因素相对稳定，变化幅度有限；而社会经济因素受人为意识形态、政策调控等因素的干预，在不同时期可呈现较大的波动特征。因此，为进一步分析近20 a来社会经济因素与粮食单产的相关性在时间序列上的变化情况，本部分基于前文灰度关联分析的结果，首先将与粮食单产关联程度最弱的农村用电量及农药使用量剔除；再考虑到由于粮食种植面积与粮食产量最直接相关，为剔除相关分析过程中乡村人口、农业机械总动力、化肥折纯量和有效灌溉面积等指标受种植面积因素的干扰，以便更加客观评价诸社会经济因素对粮食生产力的贡献，本研究基于偏相关分析的方法，将种植面积作为控制因素，分别对5个二级农业区在1995－2015年的各社会经济因素与粮食单产相关性强度进行分析（图8）。

注：蓝色表示在0.05水平上达到显著相关；红色表示在0.01水平上达到极显著相关。

研究结果表明：乡村人口这一因素在各个农业区均表现为与粮食单产的相关性随时间逐渐减少的趋势，且在松嫩-三江平原农业区与辽宁平原农林区的各时段都达到极显著水平，充分说明：农业生产由劳动密集型逐渐向技术密集型方向转变，农村劳动力得到逐步释放，这在农业机械化较大规模投入的东北平原旱作区表现的尤为明显。

农业机械总动力在松嫩-三江平原农业区与辽宁平原农林区呈现与粮食单产的相关性逐渐增加的趋势，且各时段均达到显著相关或极显著相关的水平，进一步说明了东北平原旱作区农业机械化水平高于研究区的其他区域。该指标仅在燕山-太行山山麓平原农业区呈略微降低态势，是因为山麓平原农业区耕地相对细碎，农业机械化投入受限，故而该指标并非粮食单产增加的最主要贡献因素。

通过对化肥折纯量数据的分析表明，化肥的投入并未随着农业技术的发展而重要性减弱，该指标在各个农业区均表现出与粮食单产的相关性随时间逐渐增加的趋势。然而成因机理不同：东北平原旱作区是由于化肥投入量一直低于全国平均水平，其边际报酬未出现显著递减而导致的；华北平原旱作区则是因在土壤肥力条件逐渐下降的大背景下，通过化肥投入以维系区域粮食的稳产及增产。

有效灌溉面积这一因素在各个农业区均表现为与粮食单产的相关性随时间逐渐减少的趋势，但该指标在东北平原旱作区及华北平原旱作区随粮食单产的演替规律仍具有明显差异性。松嫩-三江平原农业区及辽宁平原农林区，有效灌溉面积与粮食单产的相关均处为最低，可见灌溉条件并非东北平原旱作区最主要的粮食生产限制因素。而该指标在华北平原旱作区的相关系数整体处于较高水平，且均与粮食单产表现出显著相关或极显著相关，表明华北平原旱作区灌溉条件始终是影响其粮食生产的最主要限制因素。

5 讨 论

本研究采用空间平滑的分析方法，应用于粮食生产的时空格局研究，其优势一方面在于能够将以县域为最小地域单元的粮食产量面板数据精细至栅格像元尺度，且平滑处理后粮食产量空间分布的递变规律更加明显，既能打破因行政区界线造成的限制，又能够体现县域内粮食产量的空间差异信息，还能够与经空间插值后的渐变、同分辨率自然环境要素进行相关分析，使研究结果更加精准。

从宏观格局来看，东北-华北平原旱作区粮食的稳产及增产潜力仍巨大，但今后各自发展的侧重点应有所差异：东北平原旱作区耕地生产力的提升是以良好土壤性状为基础，佐以化肥、农机等投入的增加，因此应以耕地保育为重点，特别是在典型黑土区，通过相关措施减少水土流失，是该区域耕地生产力进一步提升的基础；华北平原旱作区耕地生产力整体受到水分胁迫的影响，因此协调该区域生活、生产、生态用水平衡，提高农业水资源利用效率及有效灌溉面积、发展适水雨养农业、调整大田作物结构是维持和提高本区域耕地生产力的关键。

然而，本研究尚存在一些有待进一步优化的方面：

1）在社会经济驱动因子的分析过程中，本研究所采用的社会经济要素数据仍然是以县域为最小单元进行分析，使评价结果受到一定程度的影响。

2）受统计数据获取工作量较大的限制，本文只分析了1995－2015年的粮食产量数据，使得该研究在时间尺度上稍显单薄。

3）考虑到在大空间尺度下，局域耕地空间分布及类型变化对研究区整体粮食产量的栅格化分析影响不大，故本研究的土地利用栅格数据采用的是中间时段2005年的数据，并非每一时期都采用对应年份的土地利用数据，该简化处理亦会对研究精度造成一定程度的影响。

4）虽然本研究的分析结果较为理想、与客观规律的契合度较高，但分析结果仍有待进一步的验证，若能够通过实证调研，将研究结果与实际情况进行比对以验证精度，则更具说服力。

6 结 论

1）近20 a（1995～2015年）东北及华北平原旱作区粮食产量整体稳步提升，高产区范围逐渐扩大；华北平原旱作区粮食总产高于东北平原旱作区，而粮食单产则是华北平原旱作区低于东北平原旱作区。粮食产量增速以中速增产为主，其次依次为慢速增产、高速增产、绝对减产，且东北平原旱作区粮食增产速率高于华北平原旱作区。将粮食单产经过空间平滑处理后，其栅格像元值频率分布基本呈高斯分布，与客观规律相契合；而随着时间演替，直方图内像元的峰值逐渐右移，且单产水平呈逐渐分散的趋势，表明耕地生产力水平整体提升的同时差距在扩大。

2）东北平原旱作区粮食总产及单产的低值区主要位于：①松嫩平原西部，该区毗邻科尔沁沙地东缘，风沙土及盐碱土广泛分布区；②三江平原，该区域水稻种植规模较为可观；③辽宁平原南部，该区与辽中南城市群南端吻合。华北平原旱作区粮食总产及单产的低值区分别位于燕山-太行山脉的非平原区及北京、天津等城市化水平发达区；而2015年安徽北部、河南沿黄的部分区域旱作粮食产量减少则是由于旱地转变为水田所导致的。

3）粮食单产与自然因素的相关分析结果表明，年均气温与燕山-太行山山麓平原农业区的粮食单产的相关性最高，年降水量及汇流能力与冀鲁豫低洼平原农业区的粮食单产的相关性最高，土壤类型与松嫩-三江平原农业区的粮食单产的相关性最高。粮食单产与社会经济因素的灰色关联分析及偏相关分析结果表明，粮食生产由劳动密集型逐渐向技术密集型方向转变，农业机械化的投入对研究区特别是东北平原旱作区的贡献尤为明显，化肥的投入对研究区粮食的增产始终发挥着巨大作用，而灌溉条件对于华北平原旱作区粮食生产的保障起到重要作用。

[1] Ge D, Long H, Zhang Y, et al. Farmland transition and its influences on grain production in China[J]. Land Use Policy, 2018, 70: 94－105.

[2] 刘东，封志明，杨艳昭，等. 中国粮食生产发展特征及土地资源承载力空间格局现状[J]. 农业工程学报，2011，27(7)：1－6. Liu Dong, Feng Zhiming, Yang Yanzhao, et al. Characteristics of grain production and spatial pattern of land carrying capacity of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(7): 1－6. (in Chinese with English abstract)

[3] 刘忠，李保国. 基于土地利用和人口密度的中国粮食产量空间化[J]. 农业工程学报，2012，28(9)：1－8. Liu Zhong, Li Baoguo. Spatial distribution of China grain output based on land use and population density[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(9): 1－8. (in Chinese with English abstract)

[4] 刘忠，黄峰，李保国. 2003－2011年中国粮食增产的贡献因素分析[J]. 农业工程学报，2013，29(23)：1－8. Liu Zhong, Huang Feng, Li Baoguo. Investigating contribution factors to China’s grain output increase in period of 2003 to 2011[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(23): 1－8. (in Chinese with English abstract)

[5] Yin G, Lin Z, Jiang X, et al. Spatiotemporal differentiations of arable land use intensity: A comparative study of two typical grain producing regions in northern and southern China[J]. Journal of Cleaner Production, 2019, 208: 1159－1170.

[6] Li M, He B, Guo R, et al. Study on population distribution pattern at the county level of China[J]. Sustainability, 2018, 10(10): 3598.

[7] 甘红，刘彦随. 中国东北农业灌溉水资源保障及空间差异分析[J]. 农业工程学报，2005，21(10)：31－35. Gan Hong, Liu Yansui. Analysis of the guarantee degree of irrigation water resources and its spatial difference in Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(10): 31－35. (in Chinese with English abstract)

[8] 张秋平，郝晋珉，白玮. 黄淮海地区粮食生产中的农业水资源经济价值核算[J]. 农业工程学报，2008，24(2)：1－5． Zhang Qiuping, Hao Jinmin, Bai Wei. Estimation of economic value of agricultural water resource in grain production in Huang-Huai-Hai Region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(2): 1－5. (in Chinese with English abstract)

[9] Khan S, Hanjra M A, Mu J. Water management and crop production for food security in China: A review[J]. Agricultural Water Management, 2009, 96(3): 349－360.

[10] Ren D, Yang Y, Yang Y, et al. Land-Water-Food Nexus and indications of crop adjustment for water shortage solution[J]. Science of the Total Environment, 2018, 626: 11－21.

[11] 彭致功，张宝忠，刘钰，等. 基于灌溉制度优化和种植结构调整的用水总量控制[J]. 农业工程学报，2018，34(3)：103－109. Peng Zhigong, Zhang Baozhong, Liu Yu, et al. Constraint of total water consumption amount based on optimized irrigation schedule and planting structure adjustment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(3): 103－109. (in Chinese with English abstract)

[12] Wang L, Chen J, Shangguan Z. Yield responses of wheat to mulching practices in dryland farming on the Loess Plateau[J/ OL]. Plos One, 2015, 10(5): e0127402.

[13] Wang X, Cai D, Wu H, et al. Effects of variation in rainfall on rainfed crop yields and water use in dryland farming areas in China[J]. Arid Land Research and Management, 2016, 30(1): 1－24.

[14] 孙东宝. 北方旱作区物产量和水肥利用特征与提升途径[D]. 北京：中国农业大学，2017. Sun Dongbao. Yield, Water and Nutrient Use Efficiency of Dryland Crops in Northern China[D]. Beijing: China Agricultural University, 2017. (in Chinese with English abstract)

[15] Anderson J R, Dillon J L. Risk Analysis in Dryland Farming Systems[R]. Rome: Food and Agriculture Organization of the United Nations, 1992.

[16] 王佛生，邓芸，张成，等. 旱作农业基础教程[M]. 杨凌：西北农林科技大学出版社，2012.

[17] 张义丰，王又丰，刘录祥，等. 中国北方旱地农业研究进展与思考[J]. 地理研究，2002，21(3)：305－312. Zhang Yifeng, Wang Youfeng, Liu Luxiang, et al. Research progress on arid-land agriculture in northern China[J]. Geographical Research, 2002, 21(3): 305－312. (in Chinese with English abstract)

[18] 陈秧分，李先德. 中国粮食产量变化的时空格局与影响因素[J]. 农业工程学报，2013，29(20)：1－10. Chen Yangfen, Li Xiande. Spatial-temporal characteristics and influencing factors of grain yield change in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(20): 1－10. (in Chinese with English abstract)

[19] Lang G, Miao B. Food security for China's cities[J]. International Planning Studies, 2013, 18(1): 5－20.

[20] 刘玉，唐秀美，潘瑜春，等. 黄淮海地区县域粮食单产的空间溢出效应及影响因素分析[J]. 农业工程学报，2016，32(9)：299－307. Liu Yu, Tang Xiumei, Pan Yuchun, et al. Analysis on spatial spillover effect and influence factors of grain yield per hectare at county level in Huang-Huai-Hai region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 299－307. (in Chinese with English abstract)

[21] 钱永兰，杨邦杰，焦险峰. 基于遥感抽样的国家尺度农作物面积统计方法评估[J]. 农业工程学报，2007，23(11)：180－187. Qian Yonglan, Yang Bangjie, Jiao Xianfeng. Accuracy assessment on the crop area estimating method based on RS sampling at national scale: A case study of Northeast China's rice area estimation assessment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(11): 180－187. (in Chinese with English abstract)

[22] 刘建红，朱文泉. 耕地变化空间抽样调查方案的精度与效率分析[J]. 农业工程学报，2010，26(10)：331－336. Liu Jianhong, Zhu Wenquan. Accuracy and efficiency of different spatial sampling schemes for cropland change monitoring[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(10): 331－336. (in Chinese with English abstract)

[23] Hosseini-Dinani H, Mokhtari A R, Shahrestani S, et al. Sampling density in regional exploration and environmental geochemical studies: A review[J]. Natural Resources Research, 2019, 28(3): 967-994.

[24] Zhang C, Jordan C, Higgins A. Using neighbourhood statistics and GIS to quantify and visualize spatial variation in geochemical variables: An example using Ni concentrations in the topsoils of Northern Ireland[J]. Geoderma, 2007, 137(3/ 4): 466－476.

[25] Lin Y F, Wang J, Valocchi A J. PRO‐GRADE: GIS toolkits for ground water recharge and discharge estimation[J]. Groundwater, 2009, 47(1): 122－128.

[26] 黄明，苏巧梅，黄诗哲. 基于ARCGIS计算SRTM数据DEM坡度的最优方法探讨[J]. 四川农业大学学报，2013，31(4)：456－460. Huang Ming, Su Qiaomei, Huang Shizhe. Optimum calculation method of SRTM DEM data based on ARCGIS technology[J]. Journal of Sichuan Agricultural University, 2013, 31(4): 456－460. (in Chinese with English abstract)

[27] 全国农业区划委员会. 中国综合农业区划[M]. 北京：农业出版社，1981.

[28] 刘闯. 土地类型与自然区划[J]. 地理学报，1985，40(3)：256－263. Liu Chuang. Discussion on land types and regionalization[J]. Acta Geographica Sinica, 1985, 40(3): 256－263. (in Chinese with English abstract)

[29] 吴普特，赵西宁. 气候变化对中国农业用水和粮食生产的影响[J]. 农业工程学报，2010，26(2)：1－6. Wu Pute, Zhao Xining. Impact of climate change on agricultural water use and grain production in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(2): 1－6. (in Chinese with English abstract)

[30] 刘忠，万炜，黄晋宇，等. 基于无人机遥感的农作物长势关键参数反演研究进展[J]. 农业工程学报，2018，34(24)：60－71. Liu Zhong, Wan Wei, Huang Jinyu, et al. Progress on key parameters inversion of crop growth based on unmanned aerial vehicle remote sensing [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(24): 60－71. (in Chinese with English abstract)

[31] Dyson T. Population and Food: Global Trends and Future Prospects[M]. London: Routledge Press, 1996.

[32] 粮食大辞典编辑委员会. 粮食大辞典[M]. 北京：中国财富出版社，2009.

[33] 王凤. 中国县域粮食产量时空演变及影响因素变化分析[D]. 武汉：武汉大学，2017. (in Chinese with English abstract) Wang Feng. Spatial and Temporal Variation of Grain Production and its Influencing Factors at the County Level in China[D]. Wuhan: Wuhan University, 2017. (in Chinese with English abstract)

[34] Izquierdo-Verdiguier E, Zurita-Milla R, Ault T R, et al. Development and analysis of spring plant phenology products: 36 years of 1-km grids over the conterminous US[J]. Agricultural and Forest Meteorology, 2018, 262: 34－41.

[35] Khodayar S, Coll A, Lopez-Baeza E. An improved perspective in the spatial representation of soil moisture: Potential added value of SMOS disaggregated 1 km resolution “all weather” product[J]. Hydrology and Earth System Sciences, 2019, 23(1): 255－275.

[36] 刘忠，李保国. 基于土地利用和人口密度的中国粮食产量空间化[J]. 农业工程学报，2012，28(9)：1－8. Liu Zhong, Li Baoguo. Spatial distribution of China grain output based on land use and population density[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(9): 1－8. (in Chinese with English abstract)

[37] 谢臻，张凤荣，高阳，等. 基于遥感和GIS的平原和山区贫困县农村耕地利用演变对比[J]. 农业工程学报，2018，34(15)：255－263. Xie Zhen, Zhang Fengrong, Gao Yang, et al. Comparison on evolution of rural farmland use in poverty-stricken counties between flat and mountainous areas based on remote sensing and GIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(15): 255－263. (in Chinese with English abstract)

[38] 全国土壤普查办公室. 1: 100万中华人民共和国土壤图[M]. 西安：西安地图出版社，1995.

[39] Tobler W R. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46(2): 234－240.

[40] 师长兴，周园园，范小黎，等. 利用DEM进行黄河中游河网提取及河网密度空间差异分析[J]. 测绘通报，2012，(10)：24－27. Shi Changxing, Zhou Yuanyuan, Fan Xiaoli, et al. A study of the calculation of drainage density of the middle Yellow River from DEM[J]. Bulletin of Surveying and Mapping, 2012, (10): 24－27. (in Chinese with English abstract)

[41] 杨勇，邓祥征，李志慧，等. 2000－2015年华北平原土地利用变化对粮食生产效率的影响[J]. 地理研究，2017，36(11)：2171－2183. Yang Yong, Deng Xiangzheng, Li Zhihui, et al. Impact of land use change on grain production efficiency in North China Plain during 2000－2015[J]. Geographical Research, 2017, 36(11): 2171－2183. (in Chinese with English abstract)

[42] 刘忠，黄峰，李保国. 基于经验模态分解的中国粮食单产波动特征及影响因素[J]. 农业工程学报，2015，31(2)：7－13. Liu Zhong, Huang Feng, Li Baoguo. Analysis on characteristics and influential factors of grain yield fluctuation in China based on empirical mode decomposition[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 7－13. (in Chinese with English abstract)

[43] 王禹. 新形势下我国粮食安全保障研究[D]. 北京：中国农业科学院，2016. Wang Yu. Study on China’s Food Security in the New Situation[D]. Beijing: Chinese Academy of Agricultural Sciences, 2016. (in Chinese with English abstract)

[44] 谭佳琪. 东北典型黑土区耕地资源变化及其对粮食生产的影响[D]. 沈阳：沈阳农业大学，2017. Tan Jiaqi. Changes of Cultivated Land Resources and its Impact on Grain Production in Typical Back Soil Areas of Northeast China[D]. Shenyang: Shenyang Agricultural University, 2017. (in Chinese with English abstract)

Spatio-temporal changes and influencing factors of grain yield based on spatial smoothing method in dryland farming regions

Wan Wei, Li Hanwei, Wang Jiaying, Liu Zhong※, Han Yiwen

(1.100193,2.100193,)

As water constraints become increasingly severe in Northern China, it is of great significance to study the grain yield pattern and its driving factors in dryland farming regions. Based on the county-level grain statistics from 1995 to 2015, combined with land use raster data and other materials, we studied the spatial pattern and process of grain yield in dryland farming regions of the Northeast and North China Plain using spatial smoothing methods. In addition, the natural and socio-economic driving factors of grain yield in different agricultural regions were investigated. Our results showed that: (1) In the past 20 years, the grain yield increased steadily and high production area expanded gradually in the dryland farming regions of Northeast and North China Plain, with obvious spatial agglomeration characteristics. And the total grain yield in the plain of North China dryland farming regions was higher than that in dryland farming regions of the Northeast China Plain. (2) The main increase rate of grain yield exhibited a medium speed, followed by slow speed, high speed increase, and absolute reduction in production. And increase rate of the grain yield in the dryland farming regions of the Northeast China Plain was higher than that in the North China Plain. (3) The per unit area yield of grain in the dryland farming regions of Northeast China Plain was higher than that of the North China Plain. And after the spatial smoothing processing, the pixel frequency of per unit area yield of grain generally exhibited a Gaussian distribution, which is consistent with the objective laws. The peak value of histogram pixel gradually moved to the right, and the per unit yield grid showed a gradual decentralization trend over time, indicating that the regional yield gap increases with the overall improvement of cultivated land productivity. (4) The mean annual temperature among the natural factors had the highest correlation with the per unit area yield of grain of the agricultural regions in Yan-Taihang mountain foothill plain. The annual precipitation and confluence capacity exhibited the highest correlation with the per unit area yield of grain of the agricultural regions in Ji-Lu-Yu low-lying plain. The soil type showed the highest correlation with the per unit area yield of grain of the agricultural regions in Songnen-Sanjiang plain. (5) The correlation analysis of per unit area yield of grain with socio-economic factors showed that grain production was gradually shifting from labor-intensive to technology-intensive. And the application of agricultural machinery obviously contributed to the study area, especially to the Northeast dryland farming regions of China. The application of chemical fertilizers had always played a significant role in improving grain production in the study region. And irrigation conditions played a critical role in ensuring grain production in the dryland farming regions of North China Plain. In summary, the results of our study are helpful for the research of spatial-temporal pattern of grain yield, and can provide references for the maintenance of high yield, stable yield and cultivated land conservation in different agricultural areas.

grain; agriculture; land use; spatial smoothing; yield; spatio-temporal changes; dryland farming regions;Plain of Northeast China; Plain of North China

2019-03-23

2019-05-17

国家重点研发计划项目（2016YFD030080101）

万 炜，博士生，主要从事地理信息系统与遥感应用研究。Email：remote_sensing@cau.edu.cn

刘 忠，博士生导师，主要从事土地利用与信息技术研究。Email：lzh@cau.edu.cn

10.11975/j.issn.1002-6819.2019.16.032

S17; K909

A

1002-6819(2019)-16-0284-13

万 炜，李含微，王佳莹，刘 忠，韩已文.基于空间平滑法的旱作区粮食产量时空变化与影响因素研究[J]. 农业工程学报，2019，35(16)：284－296. doi：10.11975/j.issn.1002-6819.2019.16.032 http://www.tcsae.org

Wan Wei, Li Hanwei, Wang Jiaying, Liu Zhong, Han Yiwen. Spatio-temporal changes and influencing factors of grain yield based on spatial smoothing method in dryland farming regions[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(16): 284－296. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.16.032 http://www.tcsae.org