吉林省人均粮食占有量时空格局变化与影响因素分析

汤起祥， 王冬艳， 王兴佳， 马佳敏， 王晶滢

(吉林大学 地球科学学院， 吉林 长春 130012)

粮食安全是关系到人民生活、社会稳定与经济可持续发展的重大问题。改革开放加速了我国城镇化、工业化进程，但同时也带来了城市无序扩张、农地持续减少、环境污染加剧等问题[1-6]。我国人多地少、耕地总体质量差、中低产田占比高、后备耕地资源有限等资源现状也凸显了粮食安全问题的迫切程度。自2003年起，中央一号文件连续16 a聚焦于“三农”问题；2004年起，国家又相继出台了一系列支农惠农政策，粮食生产逐渐恢复并实现了12连增，严峻的粮食问题得到较大缓解，实现了粮食供需平衡的局面[7-10]。

20世纪90年代，莱斯特·R·布朗发表的《谁来养活中国》一文引发了国内外学者对中国粮食安全的高度关注[11-13]。早期研究主要从全国大尺度范围展开[14-22]并取得了不菲的成果。但其研究区域过于宏观，忽视了小范围地域之间的空间异质性[23-27]。近年来，已有学者相继以流域[28-29]、地区[30-32]、省域[33-37]为研究区开展研究工作，相关研究主要借助重心模型[22，29]、ESDA[23-27]、区位熵[30]、标准差与变异系数[35]等模型与方法对驱动力及影响因素[23，29，33-34]、粮食安全状况[28-31]、粮食生产格局变化[33-35]进行分析与评价。但仅从粮食总产量的角度分析粮食生产动态变化及能力还不能全面反映地区粮食生产的实际情况和粮食安全状况，人均粮食占有量能客观反映国家和地区的粮食供给水平，通常用来衡量国家和地区粮食安全状况[21-22，24]。目前，我国粮食生产重心开始向东北方向偏移，“北粮南运”的格局业已形成，东北地区将成为我国未来增产潜力最大的地区之一[38-39]。吉林省是全国13个粮食主产区之一，耕地资源丰富，耕作条件优越，在保障国家粮食安全方面起到了重要作用。为优化粮食生产布局、划定农业空间与永久基本农田保护红线及完善和制定相关农业政策，从县域角度分析吉林省2002-2017年的人均粮食占有量的时空格局变化，并运用空间回归模型揭示其影响因素，旨在为保障区域粮食供需平衡和区域粮食安全提供参考依据。

1 数据来源与研究方法

1.1 研究区概况

吉林省位于东经121°38′～131°19′、北纬40°50′～46°19′，地处东北亚几何中心带和黄金玉米带，属温带大陆性季风气候，四季分明，雨热同季，正常年份的光、热、水分条件可以满足作物生长需要。地形以山地丘陵与台地平原为主，地势由东南向西北倾斜。地貌呈明显的三大板块特征，可分为东部山区、中部台地平原区和西部冲积平原区，耕地主要集中在中西部地区。吉林省是我国主要粮食调出省之一，对我国粮食安全起至关重要的作用。2017年，吉林省粮食总产量4 154万t，占整个东北地区的30%，全国排名第四。人均粮食占有量达1 588.05 kg，仅次于黑龙江，位居全国第二，远高于全国平均水平(475.95 kg)。

1.2 数据来源

以2002-2017年为研究时段，每隔5 a选取1个时间断面，分别是2002年、2007年、2012年和2017年。为保证行政区划的完整性，以2017年行政区划为准，将市辖区合并，江源县划入白山市市区，九台市划入长春市市区，共47个研究区。数据来自《吉林统计年鉴》《中国统计年鉴》《中国县域统计年鉴》及各地市统计年鉴。

1.3 研究方法

参考已有研究[17，22，32]和《国家粮食安全中长期规划纲要(2008-2020年)》，并结合吉林省情况将各县(市、区)划分为5类产粮区：五级产粮区(<400 kg)、四级产粮区(400～600 kg)、三级产粮区(600～1 000 kg)、二级产粮区(1 000～1 500 kg)和一级产粮区(>1 500 kg)。

1.3.1 重心模型 采用重心模型构建人均粮食占有量在吉林省域范围内的移动方向和路径。计算模型[21，23]：

(1)

(2)

式中，xj和yj为人均粮食占有量第j年的重心坐标；xi和yi为某县(市、区)的几何重心坐标；Fij为某县(市、区)第j年人均粮食占有量；n为县(市、区)数。

1.3.2 空间自相关分析 采用探索性空间数据分析法(ESDA)对吉林省人均粮食占有量的全局自相关性、局部自相关性和空间异质性进行分析，以探究吉林省县域人均粮食占有量的时空变化特征。全局自相关可判断地理事物的某一性质在全局范围内是否存在空间集聚效应，用Global Moran’s I指数表示。采用Arcgis 10.2工具栏中Spatial Autocorrelation分别计算2002年、2007年、2012年和2017年吉林省县域人均粮食占有量的Global Moran’s I指数，Global Moran’s I取值在[-1，1]，值越接近1，表示全局正相关程度越大；反之，空间负相关程度越大。

(3)

采用基于邻接关系的Queen规则建立空间权重矩阵，若xi和xj相邻(有公共边或公共顶点)，则权重赋1；反之，赋0。

局部自相关描述地理事物局部空间集聚特征和空间异质性特征，采用Local Moran’s I指数揭示人均粮食占有量的空间自相关程度。LISA(Local Indicators of Spatial Association)可解释局部区域非平稳性或热点，还可评估个别地点对全局统计量的影响，并确定离群点[40]。运用GeoDa聚类分析栏目下的Univariate Local Moran’s I计算各时间断面的Local Moran’s I指数，设定P≤0.05，并制图。

(4)

(5)

式中，I′为局部莫兰指数，其余项与式(3)相同。

局部分异分为显著与不显著类型，其中，显著的又分为高高集聚区(HH)、低低集聚区(LL)、低高集聚区(LH)和高低集聚区(HL)。高高集聚区(HH)指自身和邻居人均粮食占有量都高的地区；低低集聚区(LL)指自身和邻居人均粮食占有量都低的地区；低高集聚区(LH)指自身人均粮食占有量低而周围邻居高的地区；高低集聚区(HL)指自身人均粮食占有量高而周围邻居低的地区。

1.3.3 影响因素指标筛选与预处理 依据指标的可获取性、代表性、易量化性等原则，且为避免哑元(dummy)的影响，初步筛选亩均农业机械总动力、第一产业产值比、第二产业产值比、第三产业产值比、人均耕地面积、亩均化肥施用量、亩均农村用电量、有效灌溉面积、城镇化率、粮食单产、粮食播面比、人均GDP及农林水事务支出共13个指标作为解释变量。

在构建空间回归模型前，对指标进行预处理。采用Excel先对指标进行Z-score标准化处理，再采用SPSS 24的逐步回归分析功能剔除共线性指标和不重要指标，最终确定人均耕地面积、第一产业产值比、亩均农业机械总动力、亩均化肥施用量、亩均农村用电量、有效灌溉面积、城镇化率、粮食单产和粮食播面比9个指标参与模型构建。

1.3.4 空间回归分析模型 为提高回归准确性和模型解释能力，采用空间误差模型(SEM)与空间滞后模型(SLM)进行回归分析，选取拟合程度更高的模型〔决定系数(R2)高、赤池信息量准则(AIC)小、贝叶斯信息准则(BIC)小、似然比(LR)高〕对影响因素进行分析。

SLM模型：

y=pWy+Xβ+ε

(6)

SEM模型：

y=Xβ+λW+μ

(7)

式中，y为被解释变量；X(n×k)为解释变量矩阵；β(n×1)为解释变量X的参数向量；Wy为空间滞后项；p为空间自回归系数；ε为随机干扰项向量；λ为空间相关误差参数；μ为随机误差向量。

2 结果与分析

2.1 时序变化

2.1.1 粮食生产变化趋势 从图1看出，2002-2017年吉林省人均粮食占有量与吉林省粮食总产量的变化趋势一致，可分为3个阶段：2002-2006年，上升阶段:2006-2009年，波动下降阶段；2009-2017年，快速增长阶段，总体呈波动上涨趋势。具体看，2017年粮食总产量较2002年增加1 939.2万t，涨幅为87.56%，年均增长率为4.24%；2017年人均粮食占有量较2002年增加752.09 kg，涨幅为89.97%，年均增长率为4.37%，由于人口略微下降，增速略高于粮食总产量。

Fig.1 Variation trend of food production in Jilin from 2002 to 2017

2.1.2 人均粮食占有量各级产粮区分布情况 由图2看出，吉林省县域人均粮食占有量在2002-2017年发生了显著变化。受粮食增产的影响，一级产粮区持续增加，二级产粮区波动减少，三级产粮区先减后稳定，四级产粮区变化较小，五级产粮区持续减少。2002年，一级产粮区仅有8个，集中连片分布于中西部地区；二级产粮区共6个，分散在一级产粮区周边；三级产粮区共11个，集中分布在西部地区和中部以东地区；四级产粮区仅3个，且非常分散，东中西各1个；五级产粮区最多，共19个，主要分布在东部山区，中部地区较少且分布零散，分别是吉林市市区、辽源市市区和四平市市区，产区之间大致呈圈层式分布特征。截止2017年，一级产粮区增加3倍，有24个，占研究区总数50%以上，几乎包括中西部全部地区，东部地区有少量分布；相应的五级产粮区持续减少，至2017年有9个，主要分布在吉林省东南部地区；二级产粮区、三级产粮区分别减少2个和7个；四级产粮区共增加3个，分布零散，主要集中在中东部地区。2002-2017年，增幅较大的地区集聚分布在中西部地区，东部地区增幅较小且地区间差异较大。截至2017年，大部分地区人均粮食占有量超过《国家粮食安全中长期规划纲要(2008-2020年)》要求的395 kg，粮食安全状况不断改善，仅有9个地区处在标准线以下。

2.2 空间变化

如图3所示，2002年、2007年、2012年和2017年吉林省县域人均粮食占有量的Global Moran’s I指数分别为0.593、0.419、0.557和0.520，指数值均大于0，其中，2002年指数值最高，表明自相关性最大，样本点集中分布在回归线周围，代表空间异质性的二四象限县(市、区)较少；2007年指数值最低，空间集聚效应最弱，样本点分布相对分散，二四象限的县(市、区)较2002年明显增多。经过999次随机化后Z均大于2.58，通过1%概率显著性检验。表明，吉林省人均粮食占有量在空间上具有空间自相关性，即人均粮食占有量高的县(市、区)间互相集聚，人均粮食占有量低的县(市、区)间互相集聚。其次，指数值波动降低表明空间自相关性减弱。

从图4看出，吉林省人均粮食占有量有明显的局部分异，表现为高高集聚区(HH)、低低集聚区(LL)和低高集聚区(LH)。HH和LL总体变化趋势一致，呈“减-增-减”之势，HH区共减少2个；LL区共减少1个；不显著地区则相反，呈“增-减-增”之势，净增长3个；LH区仅2007年增至3个，其余年份保持不变。2002年，HH集聚区主要分布于吉林省中西部地区，共11个；LL集聚区分布于东部山区，共13个；LH集聚区较少，仅有2个，且紧邻HH集聚区分散分布，分别是长春市市区和松原市市区。截至2017年，HH集聚区共9个，德惠市和伊通县转变为不显著地区，整体呈收缩之势；LL集聚区共12个，敦化市、珲春市和图们市转变为不显著地区，通化县和长白县加入，整体上向东南方收缩；LH集聚区数量不变，长春市市区退出，四平市市区加入。2002-2017年，HH集聚区始终分布在中西部长春市、松原市和四平市地区；LL集聚区则始终分布在东部通化市、白山市和延边州地区；LH区零星分布在中部HH集聚区周边。HH集聚区和LL集聚区反映出空间同质性，LH区为空间异质性地区，反映出空间的非平稳性，LH区出现的原因：一是以上地区均属于城市市区，人口密度较周围地区高；二是城市市区国土开发强度与非农用地占比高于其周边，导致其耕地数量少，故其人均粮食占有量低于周边地区。

2.3 重心变化

从图5看出，2002-2017年吉林省人均粮食占有量的重心移动有反复，2002年重心位于长春市市区内，紧邻农安县，处在吉林省中部台地平原区与西部冲积平原区的交界处。2002-2007年，重心沿南偏东54.12°大幅移动28.10 km，年均移动5.62 km，表明此期间内东中部地区人均粮食占有量增幅超过西部地区，尤其是柳河至敦化一线地区人均粮食占有量提升1级，重心仍在长春市市区内；2007-2012年，重心开始向北偏西41.12°移动25.81 km，年均移动5.16 km，说明，此时段内西部地区增幅高于中东部地区，增加区主要集中在白城市，通榆县涨幅突出，从五级产粮区跨入二级产粮区，重心依然处于长春市市区内；2012-2017年，重心再次沿着北偏西33.90°移动3.57 km至农安县境内，年均移动仅0.71 km，相比前2个时期，该时期重心移动速度明显减小，主要的增长点集中在西部的白城市地区和中东部交界沿线的吉林市和白山市部分地区。总体看，重心向北偏东32.65°移动7.05 km，西部地区涨幅略低于中东部地区。

图52002-2017年吉林省县域人均粮食占有量重心迁移路径

Fig.5 Gravity center transfer path of food occupancy volume per capita at county level in Jilin from 2002 to 2017

2.4 影响因素

依据模型选取要素，从表1中空间误差模型(SEM)和空间滞后模型(SLM)的回归拟合结果看出，决定系数(R2)高、赤池信息量准则(AIC)小、贝叶斯信息准则(BIC)小、似然比(LR)高的模型总体是SEM模型，其拟合效果优于SLM模型。

表1 空间误差模型和空间滞后模型的回归拟合情况

从表2看出，人均耕地面积和粮食单产2002-2017年均通过1%概率水平的显著性检验，是引起人均粮食占有量变化的主要影响因素，其分别增长78%和16%，系数变化表明人均耕地面积的影响增强，粮食单产影响减弱；亩均化肥施用量和亩均农村用电量均在2002年与2007年通过1%概率水平的显著性检验，2012年和2017年不显著，说明二者对人均粮食占有量增加的影响不再明显。亩均农业机械总动力仅在2007年和2012年通过1%和5%概率水平的显著性检验，表明其影响逐渐减弱，但吉林省亩均农业机械总动力处于全国中下游水平，仍有进一步提升的空间；第一产业产值比2012年和2017年通过5%水平的显著性检验，2002年通过10%概率水平的显著性检验，表明农民收入的增加会促使其种粮的积极性，进而提高粮食产量；有效灌溉面积在2012年和2017年通过1%和5%概率水平的显著性检验，吉林省属我国北方较严重缺水省份之一，灌溉率的提高有助于粮食产量的提高；城镇化率在2007年和2012年通过1%概率水平的显著性检验，2017年未通过，表明城镇化率不再是主要影响因素；粮食播面比在2002年和2012年通过5%概率水平的显著性检验，于2017年通过1%概率水平的显著性检验，粮食播面比持续增长但却与人均粮食占有量呈负相关，原因有待进一步深入研究。

综上所述，人均耕地面积和粮食单产是影响人均粮食占有量变化的主要因素，亩均化肥施用量、亩均农村用电量、亩均农业机械总动力和城镇化率在前期对人均粮食占有量的增加有影响；第一产业产值比、有效灌溉面积和粮食播面比在后期对人均粮食占有量的增加有影响。

表2 吉林省人均粮食占有量各影响因素的SEM模型回归结果

注：*、**和***分别表示在10%、5%和1%概率水平下显著。

Note：*, ** and *** indicate significance of difference atP<0.10,P<0.05 andP<0.01level respectively.

3 结论与讨论

2002-2017年吉林省人均粮食占有量呈“增加-波动降低-再增加”之势，涨幅为89.97%。吉林省县域人均粮食占有量空间格局变化明显，且具集聚特征，中西部地区人均粮食占有量涨幅大于东部地区，重心总体向东北移动。县域人均粮食占有量呈空间自相关性，自相关程度略微降低，县域间总体差异有所上升。人均耕地面积、粮食单产是吉林省县域人均粮食占有量的主要影响因素，其余因素只在有限年份起作用。

2002-2017年吉林省粮食总产量增加87.56%，人口仅下降1.27%，人均粮食占有量增加主要受粮食总产量增加的影响而非人口流失，回归结果也验证了这一点；中部地区四市及西部地区的松原市粮食产量占全省的80%，是吉林省的粮食主产区，耕作条件优越。平坦地形和连片耕地适合机械化作业、规模化和集约化经营，未来将是吉林省农业发展的重点区域，应当加强农业基础设施和配套设施建设；东部地区是重要的生态功能区，西部地区是生态脆弱区，随着生态文明建设的推进，退耕还林还草势必会造成耕地面积的进一步减少，回归结果表明，人均耕地数量与人均粮食占有量间呈显著正相关，故在未来农业发展过程中必须保有一定的耕地数量，亟需在接下来的国土空间规划中农业空间和耕地红线划定方面进行落实。

受数据的可获取性、较短研究期及指标数量有限的影响，有待进一步深入研究。另外，高高集聚区与黑土区重叠，低低集聚区主要分布在东部长白山区，自然条件对此分布特征起至关重要的作用，应对自然因素进行更加深入的分析，如地形坡度、降雨量、日照时长及自然灾害风险等；另对人口流动性考虑不足，未进行常住人口与户籍人口的区分；对农业投入方面的保护性耕作、秸秆还田等因素的影响尚未考证，在今后的研究中有待对其加以论证和分析。