2000—2017年中国农业机械总动力水平空间演变特征

张雄一，徐新良，张 正，庄大春，曾 钦，毕仁贵，严 灿

(1.吉首大学 土木工程与建筑学院，湖南 张家界 427000； 2.中国科学院 地理科学与资源研究所，北京 100101； 3.吉首大学 物理与机电工程学院，湖南 吉首 416000)

随着城市的快速发展和扩张，越来越多的劳动力加速向城市转移，农村劳动力数量急剧下降，农户弃耕现象不断出现。自20世纪60年代起，农业机械化在我国逐步发展，历经一系列农业机械变革，我国传统的农业耕种方式已发生巨大变化，有效地缓解了农村劳动力短缺带来的影响[1-2]。进入21世纪，国家大力发展现代化农业，在政策上大力扶持农业机械化生产，大幅提高农业机械购买补贴的投入力度，传统农业在农业机械使用范围不断扩大的带领下逐渐向机械化的现代农业转变[3]。

农业机械总动力是指包括机耕、机灌、机收、机运等在内的各种用于农、林、牧、渔业的机械动力总和，作为农业机械化的重要衡量指标，反映了一个地区的农机化总体水平[4-5]。我国的农业机械总动力在2017年达到98 783.3万kW，使用的农业机械种类包含大中型拖拉机670.1万台、大中型拖拉机配套农具1 070万部、小型拖拉机1 634.2万台、小型拖拉机配套农具2 931.4万部，较2000年的农业机械总动力52 573.6万kW增长了87.9%。虽然全国农业机械总动力值逐年上升，但由于区域间自然资源禀赋、政策、经济发展条件等的差异，区域间的农业机械化水平发展并不均衡。我国是农业大国，研究农业机械总动力的空间分布状态、演变特征，及区域间的发展差异等问题对衡量区域农业机械化水平，科学制定相关政策，促进我国农业机械化水平发展，提升农业发展潜力等具有现实意义。

现有的农业机械总动力研究，主要集中于对农业机械总动力的预测和影响因素探究方面。目前，常用的预测方法有BP神经网络法[6-10]，以及灰色预测模型[11-13]、地理加权回归模型[14-15]、指数平滑模型[16-17]等单一模型和复合模型[18-20]等。部分学者对影响农业机械总动力的因素进行了探究：崔红艳[21]以吉林省为研究区，运用主成分分析对影响农业机械总动力的9个因素进行相关研究；周浩等[22]基于2000—2012年31个省域的面板数据，分析了农机购置投入与农机总动力增长的关系；鞠金艳等[23]运用经验模态分解法，探究了农机总动力增长波动的影响因素；吐尔逊·买买提等[24]基于1990—2014年新疆单位面积农业机械总动力数据，运用嵌入式灰色神经网络-平均影响值(EGNN-MIV)模型探究其主要影响因素。学界对农业机械总动力空间分布及其演变特征的研究在检索范围内还相对较少：孙云鹏[25]基于农机总动力数据，通过空间自相关、局部空间自相关和统计分析，研究了农机总动力的时空差异和结构变化；张燕等[26]利用2004—2013年的全国农机总动力和农作物播种面积数据，通过基尼系数和探索性空间数据分析(ESDA)技术，探究了全国农机总动力的区域差异时空特征。

本研究基于2000—2017年的农业机械总动力统计数据和耕地资源、第一产业增加值等相关数据，分别以我国9大农业区(黄土高原区、东北平原区、云贵高原区、青藏高原区、长江中下游地区、黄淮海平原区、四川盆地及周边地区、北方干旱半干旱区、华南区)和省域(全国各省、直辖市、自治区，香港、澳门、台湾除外)为研究尺度，运用ArcGIS空间分析和皮尔逊(Pearson)相关性分析，从地均农业机械总动力角度探究其空间分布和演变特征，旨在为促进我国农业机械化水平提升提供参考。同时，研究结果也有助于农机生产、销售相关企业了解区域市场需求，把握市场机会，制定科学合理的发展战略。

1 数据来源与研究方法

1.1 数据来源

本研究采用的农业机械总动力数据、第一产业增加值数据、耕地资源(面积)数据、农用地数据和GDP数据主要来源于2000—2017年的《中国农村统计年鉴》《中国统计年鉴》《中国城市统计年鉴》，对于缺失数据的地区，通过我国31个省(自治区、直辖市)的统计年鉴或统计公报进行补充，其中，农业机械总动力主要包括大中型拖拉机、大中型拖拉机配套农具、小型拖拉机、小型拖拉机配套农具、农用排灌电动机、农用排灌柴油机、农用水泵、联合收获机、机动脱粒机和节水灌溉类机械等。我国9大农业区，以及各省(自治区、直辖市)的行政区划和耕地资源分布数据均来自中国科学院资源环境数据中心(http://www.resdc.cn/Default.aspx)。

1.2 研究方法

1.2.1 GIS空间分析

以2000年的地均农业机械总动力数据为基期，运用ArcGIS 10.2的空间分析功能，结合自然断点法分别将2000—2017年9大农业区和31个省(自治区、直辖市)的农业机械总动力、地均农业机械总动力划分为5个等级(表1)。

1.2.2 相关性分析

通过Pearson相关系数(r)来衡量变量之间联系的紧密程度：

(1)

(2)

(3)

(4)

式(1)～(4)中：X、Y是变量，lXX表示X的离均差平方和，lYY表示Y的离均差平方和，lXY表示X、Y的离均差积和。

r的取值介于-1～1，r>0表示正相关，r<0表示负相关，r=0表示零相关。|r|表明2个变量的相关程度，值越大，表明相关性越强，联系越紧密(表2)。

表1 地均农业机械总动力等级划分

Table 1 Classification of total agricultural machinery power per hectare kW·hm-2

等级Grade农业区Agricultural area/(kW·hm-2)省域Provincial area/(kW·hm-2)低 Lowest0～0.150～0.5较低 Low0.15～0.300.5～1一般 Middle0.30～0.451～2较高High0.45～0.602～4高Highest>0.60>4

表2 |r|值范围与相关程度

Table 2 |r| value range and according relevance

|r| 相关性Correlation0～0.2极低 Lowest0.2～0.4低 Low0.4～0.7中度 Middle0.7～0.9高 High0.9～1.0极高 Highest

2 结果与分析

2.1 农业区农业机械总动力演变

2000年，我国地均农业机械总动力整体处于中低水平，但区域间差异明显，两极化问题突出，地均农业机械总动力水平高的区域与低的区域相差7.5倍，最大差值1.051 kW·hm-2(图1)。9大农业区中，青藏高原区(0.014 kW·hm-2)和北方干旱半干旱区(0.058 kW·hm-2)处于低等级，云贵高原区(0.168 kW·hm-2)、东北平原区(0.194 kW·hm-2)、四川盆地及周边地区(0.230 kW·hm-2)和长江中下游地区(0.240 kW·hm-2)处于较低等级，华南区(0.330 kW·hm-2)处于一般等级，黄土高原区(0.480 kW·hm-2)处于较高等级，黄淮海平原区(1.065 kW·hm-2)处于高等级。

2017年，我国的地均农业机械总动力区域等级差异缩小，整体处于较高水平(图1)。青藏高原区(0.037 kW·hm-2)和北方干旱半干旱区(0.140 kW·hm-2)仍处于低等级，云贵高原区(0.465 kW·hm-2)、东北平原区(0.554 kW·hm-2)、四川盆地及周边地区(0.587 kW·hm-2)、长江中下游地区(0.504 kW·hm-2)和华南区(0.489 kW·hm-2)处于较高等级，黄土高原区(0.633 kW·hm-2)和黄淮海平原区(1.45 kW·hm-2)处于高等级。

2000—2017年，我国9大农业区的地均农业机械总动力水平总体呈上升趋势，由早期的“一强多弱”向“多强并存”格局转变，即2000年只有黄淮海平原区的“一强”，但到2017年呈现出黄淮海平原区、黄土高原区、云贵高原区、东北平原区、四川盆地及周边地区、长江中下游地区、华南区“多强”并存的局面。其间，传统的农业种植区机械总动力水平提升速度相对平稳，但青藏高原区、云贵高原区、东北平原区受国家政策的宏观调控，农业机械总动力水平增长势头强劲。经过17 a的发展，农业机械总动力低等级的区域虽然保持不变，但较低等级区域占比由44.4%降至0，一般等级区域占比由11.1%减少为0，较高等级区域占比由11.1%增长到55.6%，高等级区域占比由11.1%增长到22.2%。

如图1所示，2000—2017年9大农业区的农业机械总动力增长率从高到低依次为东北平原区(185.05%)>云贵高原区(176.70%)>青藏高原区(165.85%)>四川盆地及周边地区(154.74%)>北方干旱半干旱区(140.35%)>长江中下游地区(110.18%)>华南区(48.44%)>黄淮海平原区(36.36%)>黄土高原区(31.87%)。

2.2 省域农业机械总动力演变

如图2所示，2000年，全国农业机械总动力水平整体偏低，处于低和较低等级的区域占58.1%，处于一般等级的区域占12.9%，处于高和较高等级的区域占29.0%。其中，青藏高原区的西藏和青海，北方干旱半干旱区的内蒙古和新疆，云贵高原区的云南和贵州，四川盆地及周边地区的四川，东北平原区的黑龙江地均农业机械总动力水平最低，均低于0.5 kW·hm-2；黄土高原区的陕西，北方干旱半干旱区的甘肃和宁夏，东北平原区的吉林，长江中下游地区的江西和湖北，华南区的海南和福建，云贵高原区的广西，四川盆地及周边地区的重庆地均农业机械总动力低于1 kW·hm-2；东北平原区的辽宁，华南区的广东，长江中下游地区的湖南，黄土高原区的山西的地均农业机械总动力水平均属于一般等级；长江中下游地区的浙江和安徽、黄淮海平原区的北京的地均农业机械总动力水平属于较高等级；黄淮海平原区的河南、河北、山东和天津，及长江中下游地区的江苏、上海的地均农业机械总动力水平属于高等级，均高于4 kW·hm-2。

如图2所示，2017年，全国农业机械总动力水平整体提升明显，农业机械总动力水平处于低和较低等级的区域占12.9%，处于一般等级的区域占54.8%，处于高和较高等级的区域占32.3%。其中：青藏高原区的西藏和青海，北方干旱半干旱区的内蒙古仍然属于低等级；北方干旱半干旱区新疆的地均农业机械总动力低于1 kW·hm-2，属于较低等级；云贵高原区的云南、贵州和广西，黄淮海平原区的北京，四川盆地及周边地区的四川和重庆，东北平原区的黑龙江、吉林和辽宁，黄土高原的陕西和山西，北方干旱半干旱区的甘肃和宁夏，长江中下游地区的江西，以及华南区的海南、福建和广东的地均农业机械总动力水平属于一般等级；长江中下游地区的浙江、湖北、湖南和上海的地均农业机械机械总动力水平属于较高等级；黄淮海平原区的河南、河北、山东和天津，长江中下游地区的江苏、安徽的地均农业机械总动力水平属于高等级。

LP、NCP、YGP、QTP、MLYP、HHP、SBSR、NASR、SC分别表示黄土高原区、东北平原区、云贵高原区、青藏高原区、长江中下游地区、黄淮海平原区、四川盆地及周边地区、北方干旱半干旱区、华南区。 LP， NCP， YGP， QTP， MLYP， HHP， SBBR， NASR， SC represented Loess Plateau， the Northeast China Plain， the Yunnan-Guizhou Plateau， Qinghai-Tibet Plateau， middle and lower reaches of the Yangtze River， Huang-Huai-Hai Plain， Sichuan Basin and surrounding areas， arid and semi-arid area in North China， and South China， respectively.图1 2000、2017年农业区地均农业机械化总动力及其增长率Fig.1 Total agricultural machinery power per hectare and growth rate of agricultural area in 2000 and 2017

图2 2000、2017年省域地均农业机械化总动力及其增长率Fig.2 Provincial total agricultural machinery power per hectare and growth rate in 2000 and 2017

2000—2017年，我国农业机械总动力总体上保持逐年增加趋势，由2000年的52 573.6万kW增加到2017年的98 783.3万kW，增加了46 209.7万kW，增长了87.9%。全国地均农业机械总动力由2000年的1.83 kW·hm-2升至2.64 kW·hm-2，增长了44.3%。其中，地均农业机械总动力水平处于低等级的区域占比由25.8%减少到9.7%，处于较低等级的区域占比由32.3%减少为3.2%，处于一般等级的区域占比由12.9%变为54.8%，处于较高等级的区域占比由9.7%增长到12.9%，处于高等级的区域占比仍保持在19.4%。除北京、天津、山西、上海的地均农业机械总动力负增长外，其余区域的地均农业机械总动力都逐年提高，但因区域间自然资源禀赋、技术条件、发展机遇、政策影响等存在差异，地均农业机械总动力的增长速度也存在较大差异(图2)。

2017年，西藏、青海和内蒙古的地均农业机械总动力水平仍属于低等级，但较2000年分别增加了356.86%、80.48%和157.99%；辽宁、广东和山西的地均农业机械总动力水平仍属于一般等级，但辽宁和广东分别较2000年增加了65.33%和36.67%，而山西则减少了19.10%；浙江的地均农业机械总动力仍属于较高等级，较2000年增长了4.13%；江苏、河南、河北、山东、天津的地均农业机械总动力持续保持在高等级，但天津的地均农业机械总动力较2000年减少了21.69%。

相较于2000年，2017年新疆的地均农业机械总动力水平由低变为较低等级，地均农业机械总动力增长了210.01%；云南、四川、黑龙江和贵州的地均农业机械总动力水平由低变为一般等级，分别增加了171.61%、163.16%、260.26%和252.63%；陕西、甘肃、吉林、江西、海南、广西、福建、重庆和宁夏的地均农业机械总动力水平由较低变为一般等级，分别增加了115.03%、90.99%、223.49%、155.97%、183.62%、149.22%、41.12%、130.62%和59.06%；湖北的地均农业机械总动力水平由较低转为较高等级，增长了206.58%；湖南的地均农业机械总动力水平由一般转为较高等级，增长了183.06%；安徽的地均农业机械总动力水平由较高转为高等级，增长了112.13%；北京和上海的地均农业机械总动力水平呈下降趋势，分别减少了66.56%和14.53%，其中，北京由较高等级转为一般等级，上海由高等级转为较高等级。

2.3 相关性分析

利用SPSS 19.0软件分别对2000—2017年的第一产业增加值变化(一产变化)、农业机械总动力变化值和耕地(面积)变化值进行分析处理，生成散点图(图3)，并进行Pearson相关性分析。

由表3可知，农业机械总动力变化与一产变化和耕地变化的双侧显著性检测值均小于0.01，其中：一产变化与农业机械总动力变化的相关系数为0.735，说明两者高度相关，相互影响作用比较明显；耕地变化与农业机械总动力变化的相关系数为0.478，中度相关，相互影响作用一般。

如图4所示，第一产业增加值占GDP值的比重总体上呈现逐年下降趋势。但要指出的是，2000—2017年各省域的第一产业增加值都在增长，其中，增长最少的是上海和北京，分别增加了27.58亿、30.45亿元，增长最多的是四川和山东，分别增加了3 316.77亿、3 564.14亿元。耕地面积除北京、上海、江苏下降外，其他省域较2000年都有不同幅度的增长，增长最少的是天津(1.28万hm2)，增长最多的是黑龙江(649.17万hm2)。第一产业增加值上升较少的北京和上海，其地均农业机械总动力增长率为负值。整体而言，第一产业增加值增长较多的区域，其农业机械总动力水平也基本保持较快的增长，但从全国范围来看，耕地面积变化对农业机械总动力的影响不明显，传统农业耕种区的农业机械总动力随着耕地面积的增加会快速增长，而非传统农业耕种区的耕地面积增长与农业机械总动力增长间没有较明显的联系。

图3 2000—2017年一产变化、耕地变化与农业机械总动力变化的散点图Fig.3 Scatter plot of changes in primary industry， cultivated land and total agricultural machinery power from 2000 to 2017

表3 农业机械总动力变化与一产变化、耕地变化的Pearson相关性

Table 3 Correlation within changes of total agricultural machinery power， primary industry and cultivated land

指标Indexr P一产变化Primary industry change0.735<0.01耕地变化 Cultivated land change0.478<0.01

3 结论

基于2000—2017年我国农业机械总动力的相关统计数据，利用ArcGIS软件的空间分析功能，分别探究9大农业区和全国31个省(自治区、直辖市)的地均农业机械总动力空间演变特征，并结合Pearson相关系数对农业机械总动力变化、一产变化和耕地变化进行相关性分析，主要结论如下：

图4 2000—2017年第一产业增加值占GDP的比重Fig.4 Ratio of added value of primary industry to GDP from 2000 to 2017

(1)经过近17 a的发展，我国的农业机械化水平不断提高，但9大农业区的农业机械总动力仍存在较明显差异，总体上由“一强多弱”演变成“多强并存”，农业机械总动力水平高的区域由单一的黄淮海平原区扩大到东北平原区、黄淮海平原区、长江中下游地区、黄土高原区、四川盆地及周边地区、华南区。受耕地总量和自然资源条件的限制，青藏高原区和北方干旱半干旱区地均农业机械总动力虽然以165.85%和140.35%的增长率增加，但其基数较低，农业机械化总动力水平仍维持在低等级。

(2)省域间农业机械总动力水平发展不均衡。山东、河南、河北等传统农业大省，拥有良好的耕地资源，其农业机械总动力水平处于高等级，且保持相对平稳状态。4个直辖市的地均农业机械总动力除重庆增长外，均呈现负增长。

(3)农业机械总动力变化与一产变化有显著的相关性，其相互影响的程度较明显，但与耕地变化的相关性一般，各地的资源禀赋、地形地貌等条件都可能会影响农业机械总动力的空间演化特征。

本文仅就农业机械总动力的空间演变及其与一产和耕地变化的相关性进行了分析。虽然农业机械总动力是衡量农业机械化水平的重要组成部分，但其并不能完全代表各地的农业机械化发展水平。近年来，现代型、智慧型农业机械不断涌现，国家也出台了一系列惠农补贴政策，区域间的资金投入力度和农村劳动力流动转移等也都存在较大的差异。应综合考虑这些影响因素，才能更加准确地判定区域间农业机械化水平的真实差异，从而为进一步因地制宜地制定合理的补贴政策、创造良好的耕作环境等提供科学依据。