贵州粮食产能影响因素分析及其趋势预测

张莉，张贤，梁根宏，唐军

(1 贵州大学经济学院，贵阳 550025；2 中国电建集团贵阳勘测设计研究院有限公司，贵阳贵州 550081)

国以民为本，民以食为天。目前，人口增长导致粮食需求量增加，如何确保粮食安全已成为热点问题，并上升到影响国家发展的高度。2021 年的中央一号文件指出:农业供给侧结构性改革深入推进，粮食播种面积保持稳定。粮食产量受到经济、社会、自然、人文、政策、技术、人力资源等多因素的综合影响，探寻其影响因素及其影响机制对当地农业生产有重要的现实意义[1]。在粮食产量影响因素及作用方面，我国学者开展了很多研究，主要集中在影响因素之间的动态关联[2]、分析模型与方法[3]以及影响因子相关性研究等方面[4]。尽管我国粮食供需总量平衡略有盈余，但受地理环境、农业禀赋以及特色农业导向的影响，四川、贵州、云南、重庆、西藏等西南省份仍存在部分供需缺口[5]。因此，科学准确的预测未来粮食产量不仅有利于维护我国中长期粮食安全，还有利于促进区域经济持续发展、社会稳定和人们生活水平的提高[6]。

贵州省下辖9 个市(州)，粮食消费人口为3 500万人以上，常年粮食产量在1 100 万t 左右，产消缺口约450 万t，对外依存度为25%以上。影响粮食产能的因素很多，以往学者们主要从自然气候[7]、受灾面积[8]、生产格局[9]、耕地质量[10]、农民收入[11]、劳动力投入[12]等方面进行研究。本文根据1978—2018 年贵州省粮食总产量的数据，分析粮食总产量、农用机械总动力、化肥施用、粮食播种面积、有效灌溉面积、受灾面积、农业生产资料价格指数、机械化农具价格指数、化学肥料价格指数、农机用油价格指数、除涝面积、水土流失治理面积、农村用电量、乡村人口、农药及农药械价格指数等因子对产量的影响，并采用主成分分析法和灰色预测模型预测影响贵州省粮食产量变化的关键因子，以期为推进贵州省粮食生产提供理论依据，为粮食生产决策提供参考。

1 材料与方法

1.1 研究区概况及数据来源

1.1.1 区域概况

贵州省地处中国西南腹地，为亚热带湿润季风气候，地形以高原、山地、丘陵和盆地4 种基本类型为主。土地总面积为1 761.7 万hm2，共有9 个地级行政区划单位(6 个地级市、3 个自治州)，88 个县级行政区划单位(15 个市辖区、9 个县级市、52 个县、11 个自治县、1 个特区)。2018 年贵州省常住人口3 600万，其中乡村人口1 889.3 万，占总人口的52.5%，农作物总播种面积547.7 万hm2，其中粮食作物播种面积为274.0 万hm2，粮食产量1 059.7万t，全省农业机械总动力2 910.5 万kW，全省GDP总量为14 806.5 亿元。

1.1.2 数据来源及影响因子选取

本文根据1978—2018 年《中国统计年鉴》和《贵州统计年鉴》，将粮食产能的影响因素进行综合整理，最终选取X1—粮食总产量(万t)、X2—农用机械总动力(万kW)、X3—化肥施用量(折纯)(万t)、X4—粮食播种面积(hm2)、X5—有效灌溉面积(hm2)、X6—受灾面积(hm2)、X7—农业生产资料价格指数、X8—机械化农具价格指数、X9—化学肥料价格指数、X10—农机用油价格指数、X11—除涝面积(hm2)、X12—水土流失治理面积(hm2)、X13—农村用电量(亿kW·h)、X14—乡村人口(万人)、X15—农药及农药械价格指数为研究因子。

1.2 研究方法

1.2.1 主成分分析法

主成分分析法(Principal Component Analysis)是一种降维的统计方法，可用于提取数据的主要特征分量[13]。主成分分析法引入多个变量，同时将复杂因素分解为几个主成分，简化了问题，同时获得了更科学有效的数据结果。主成分分析法的步骤如下:

(1) 标准化采集p维随机向量x＝(x1，x2，…，xp)T，n个样本xi＝(xi1，xi2，…，xip)T，i＝1，2，…n，n>p，对矩阵进行处理:

得出矩阵Z。

(2)对矩阵Z求相关系数矩阵

(5)将标准化后的指标变量转换为主成分Uij＝j＝1，2，…m，U1称为第一主成分，U2称为第二主成分，…，Up称为第p主成分。

1.2.2 GM(1，1)模型

灰色预测是通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并采用累加和累减的方式，生成有较强规律性的数据序列，最后构建一个以时间为变量的连续微分方程，从而达到预测事物未来发展趋势的目的[12]。GM(1，1)模型的建模过程如下:

2 结果分析

2.1 贵州粮食生产的动态变化分析

根据《贵州统计年鉴》以及《中国统计年鉴》数据，绘制出1978—2018 年全国与贵州省粮食总产量变化趋势图(图1)。结果显示，贵州粮食总产量由1978 年的643.4 万t 增加到2018 年的1 059.7 万t，总体呈上升趋势；全国粮食总体呈稳步上升趋势，贵州粮食生产总量波动对全国粮食生产总量影响较小；贵州粮食总产量波动较大，1985 年，2006 年，2011 年以及2013 年出现粮食产量拐点，尤其是2011 年贵州省粮食产量出现大幅度下降，粮食产量是近25 年内最低，年产量为876.9 万t。

图1 1978—2018 年全国与贵州省粮食总产量变化Fig.1 The changes of total grain production in China and Guizhou Province from 1978 to 2018

贵州粮食生产大体经历以下阶段:

第一阶段(1978—1991 年):1978 年12 月，贵州开始实行家庭联产承包责任制。1991 年贵州粮食产量885.5 万t，比1978 年粮食产量增长37.6%。在此期间，粮食生产出现拐点，粮食产量逐渐增加，同时农产品质量不断提高。

第二阶段(1992—2000 年):2000 年与1978 年相比，总人口从2 686.4 万人上升到3 676.6 万。此期间，粮食总产量由1978 年的643.4 万t 上升到1 161.3万t。“九五”时期，贵州认真贯彻执行中共中央、国务院关于农村改革、发展、稳定的一系列重大决策部署，围绕农民增收、农业增效、农村稳定等工作目标，调整农业产业结构，大力发展特色农业。1992—2000 年，贵州粮食产量连续8 年增产，2000年比1978 年增长80.5%。

第三阶段(2001—2010 年):中国共产党第十六次全国代表大会提出了统筹城乡经济社会发展的战略，标志国家发展理念上的重大创新。2001—2010年贵州粮食总产量从1 100.3 万t 增长到1 112.3万t。在此期间，中国的农业政策着眼于改善民生和转变农业增长方式。

第四阶段(2011—2018 年):“十二五”时期的主要任务是在工业化和城市化的深入发展中促进农业现代化。2011—2017 年贵州粮食总产量从876.9万t 增长到1 242.5 万t，增长率为41.7%。2018 年粮食产量相比2017 年下降了182.8 万t。

2.2 贵州粮食产能影响因子分析

2.2.1 贵州粮食生产影响因子分析

粮食生产系统是一个复杂的系统，人口增长、耕地减少、农业投入不足、生态环境恶化、种粮经济效益低等都对粮食产量产生影响[6]。本文按照SPSS主成分分析法选取数据的原则提取可靠性指标，根据贵州实际粮食产量和影响贵州粮食产能的相关特征，选取贵州省1999—2018 年间15 个影响指标的数据:X1—粮食总产量(万t)、X2—农用机械总动力(万kW)、X3—化肥施用量(折纯，万t)、X4—粮食播种面积(hm2)、X5—有效灌溉面积(hm2)、X6—受灾面积(hm2)、X7—农业生产资料价格指数、X8—机械化农具价格指数、X9—化学肥料价格指数、X10—农机用油价格指数、X11—除涝面积(hm2)、X12—水土流失治理面积(hm2)、X13—农村用电量(亿kW/h)、X14—乡村人口(万人)、X15—农药及农药械价格指数，采用SPSS 25.0 对原始数据标准化处理，分析得出变量的KMO 检验值为0.322，小于0.7，符合因子分析的相关要求；巴特利特球形检验值为0.000，小于0.000 1，故可对以上15 个因子变量做主成分分析。再对基础数据进行主成分分析得出相关性矩阵、总方差解释以及主成分载荷矩阵(表1～3)。

表1 粮食产能驱动力因素相关性矩阵Table 1 The correlation matrix of food productivity drivers

续表2

从表1 可以看出，影响贵州粮食产能的15 个因子之间存在不同程度的相关性，其中，农用机械总动力与化肥施用量(折纯)、有效灌溉面积、水土流失治理面积、农村用电量有较好的相关性，相关系数分别是0.921、0.991、0.914 和0.956；有效灌溉面积与农村用电量、水土流失治理面积以及除涝面积有较好的相关性，相关系数分别为0.937、0.891、0.833；除涝面积与水土流失治理面积以及农村用电量的相关系数为0.938、0.916；此外，水土流失治理面积与农村用电量的相关系数为0.940。根据主成分分析得出，第一、二、三、四、五主成分的特征值大于1，累计贡献率达到85.2%，大于85.0%，符合主成分分析要求(表2)。因此提取这5 个主成分，得出主成分和因子之间的相关性载荷矩阵(表3)。

表2 总方差分解Table 2 The total variance decomposition

表3 主成分载荷矩阵Table 3 The principal component load matrix

从主成分载荷矩阵(表3)中可知，农用机械总动力、有效灌溉面积、农村用电量、水土流失治理面积是第一主成分的主要因子，其相关系数分别是0.964、0.960、0.956、0.942；农业生产资料价格指数与化学肥料价格指数是第二主成分中的关键因子，相关系数为0.798 和0.751；第三主成分中的主要因子是受灾面积，其相关系数为0.796；主成分四与主成分五的关键因子分别为机械化农具价格指数和粮食总产量。结合文献可知，影响贵州省粮食产能变化的驱动因子可以归纳为3 个方面:农业机械化发展水平、农产品生产资料成本和粮食作物有效播种面积。

2.2.2 贵州省粮食生产的驱动因素分析

2.2.2.1 经济、技术因素

从表2 可知，第一主成分的贡献率为42.3%，是主控因子，一定程度上反映了贵州省农业现代化水平。经济与技术因素对农业产能的影响主要体现在农业机械化水平与土地治理能力对粮食产能的影响强度上。

(1)农业机械化对贵州粮食产能的影响。农业机械总动力和用电量可体现农业现代化水平。贵州人口众多，有效耕地面积少，山地面积占全省的93.0%[15]。截止2019 年，贵州全年粮食种植面积为270.9 万hm2，粮食总产量为1 051.2 万t，单位面积粮食产量3 880.4 kg/hm2[16]。随着农业规模化发展和生产专业化程度的提高，农业机械化对粮食产能的影响将越来越大。因此，完善农业农村基础设施和农业生产装备，将是贵州未来提高粮食生产能力的重要途径。

(2)土地治理能力对贵州粮食产能的影响。贵州省是典型岩溶区，石漠化面积为27 956.6 km2，占国土总面积的15.9%，导致粮食作物播种面积较小[17]。现阶段实现耕地总量动态平衡的关键是土地治理，具有较高的研究价值和意义[18]。水土流失治理面积、除涝面积和有效灌溉面积是保证有效耕地面积的基础条件，随着水土流失治理能力的提高和有效除涝面积的扩大，粮食生产地域洪涝等自然灾害的治理能力不断提高，粮食产量稳步增长的能力也应增强。

2.2.2.2 农业生产资料成本因素

第二主成分的贡献率为17.2%。农业生产资料成本指数在各因子中的相关系数最高，其次是化肥价格指数和机械化农具价格指数，都直接反映了农业生产成本对贵州粮食产能的影响。化肥、农药、播种机械等农业生产资料是粮食生产必不可少的投入，生产资料成本的增加会给农民带来更大的经济负担，进而影响农民的生产积极性和粮食产量[19]。农业机械化是实现农业现代化的重要标志和前提，在党和国家支持下，贵州农业机械化水平不断提高[20]。农业机械化水平对粮食生产成本效率具有正向显著的直接效应，当前农机总动力已经突破2 300.0 万kW，截止2019 年底，大中型拖拉机和小型拖拉机拥有量达到1.8 万台和12.4 万台。为此，国家需加强对农产品市场的宏观调控，扶持引导适度规模经营，提高种植技术及适用性农业机械化水平等，以降低生产要素和资源性成本，减轻农民负担。

2.2.2.3 粮食作物有效播种面积因素

第三主成分的贡献率为10.4%，其中受灾面积的相关系数最高，说明受灾面积对粮食产能具有很高的影响。粮食产量一定程度上取决于受灾面积的大小。近年来由于城镇化进程的加快，一部分农业用地转变为工业用地，加上大量使用化肥和农药导致的土地耕种能力下降，直接导致粮食播种面积减少。

第四主成分与第五主成分的贡献率分别为7.9%与7.3%。各因子中机械化农具价格指数与粮食播种面积的相关性较强。因此，在注重提高农业机械化生产的同时，必须加强对土地资源的保护。

2.3 贵州省粮食产量趋势预测

作为一个人口大国，粮食安全问题于中国而言是一个永恒的课题，是保障国家安全的重要基石[21]。为了维护人与自然、人与社会以及社会经济协调发展，实现土地资源合理利用，对未来一段时间的粮食产量做出科学预测具有重大现实意义。

将1978—2018 年贵州省粮食产量数据导入GM(1，1)模型，输入灰色预测公式中，计算得出2019—2048 年贵州省粮食总产量预测值(表4)，最后根据1978—2018 年贵州省粮食产量实际值和2019—2048 年贵州省粮食产量预测值绘制贵州省1978—2048 年粮食总产量趋势预测图(图2)。

图2 贵州省1978—2048 年粮食总产量趋势预测图Fig.2 The trends of total grain production of Guizhou from 1978 to 2048

表4 贵州粮食产量灰色预测值Table 4 The grey forecast of the grain production in Guizhou 万t

通过定性与定量分析得出，贵州省2019—2048年的粮食预测产量呈逐年上升趋势。根据预测，2048 年贵州粮食总产量将突破2 000 万t，达到2 071.2万t，比2018 年增长1 011.5 万t，平均每10年增长300 万t 左右。

3 讨论

经济、技术是影响贵州粮食产能主要因素。农用机械总动力、有效灌溉面积、农村用电量、水土流失治理面积等因素与贵州粮食产量有密切的相关性。其原因可能是贵州农业经济总量相较于我国其他地区仍处于较低水平，农业技术与其他地区相比仍然有一定程度的差距，所以经济、技术因素的边际贡献处于上升趋势。这与其他学者的研究结果基本一致。如宰松梅等[22]利用灰色关联度分析确定了有效灌溉面积、农业机械总动力、化肥施用量等因素是影响辽宁省粮食生产的主要因素；黄臻等[23]运用多元回归分析的方法对我国1989 年以来粮食生产发展变化趋势及粮食生产主要影响因素的贡献大小进行分析，认为粮食作物播种面积、灌溉面积、农机总动力、化肥使用量以及农村用电量对我国粮食产能的影响较大。

农业生产资料成本是粮食产量波动的重要影响因素之一。农业生产资料成本包括化肥、农药和农业机械的成本与耗费。农业生产资料的价格、投入量、质量和相关技术等都直接影响粮食的产量。贵州粮食产量波动受自然灾害影响，与贵州独特的气候条件和耕种习惯密不可分[8]。贵州省大部分农业地区属于喀斯特地貌，土壤自身肥力较低，生态环境比较脆弱，自然灾害发生率较高，而农业生产资料的合理投入可明显提高粮食产能。

4 结论与建议

4.1 结论

(1)虽然贵州粮食产量波动较大，但总体呈现上升趋势。由1978 年的643.4 万t 上升至2018 年的1 059.7 万t，产量提高约64.7%，增幅明显，而1985、2006、2011、2013 年出现拐点，粮食产量明显上升。可见，贵州省粮食产量虽有波动，但总体发展态势较好，粮食生产潜力巨大。

(2)本文通过主成分分析确立了影响贵州粮食产能的5 个主成分，其中经济、技术因素是主要影响因素，农业生产资料成本对粮食产能有很大的影响，受灾面积和播种面积则影响较大。影响因子权重最大的是经济技术水平，权重系数为0.496 4。

(3)利用灰色预测模型对贵州粮食产能的预测表明，2019—2048 年的粮食预测产量呈现逐年上升趋势。2048 年贵州粮食总产量将突破2 000 万t，平均每10 年增长300 万t 左右。

4.2 建议

随着城市人口的增长，工业化和城镇化的快速推进，非农业建设用地不断增加，粮食有效播种面积将持续减少[24]。2018 年贵州粮食作物播种面积为274.0 万hm2，比2017 年下降了10.2%。农业机械化有效地减少了城市化后“谁来种田”的粮食安全问题，并将促进农村剩余劳动力的进一步释放[25]。2018 年贵州农业机械总动力为2 376.7 万kW，占全国的2.4%。需建设多元化的农机技术推广体系，加快发展农村科技性服务组织。

我国的粮食产量实现了跨越式发展，但也带来了严重的农业环境污染，这将制约农业的可持续发展[26]。粮食作物增产的主要动力来自化肥的使用，然而化肥的过量使用将导致土壤肥力下降、酸化加剧和盐碱化严重，并导致肥料利用的边际效应下降、地下水污染以及病虫害增加等严重问题，最终导致农产品质量下降[27]。建议政府部门积极做好宣传工作，组织农民学习化肥施用知识，正确引导农民适度施用化肥，按照粮食作物种类进行测土配方施肥，多使用农家肥、有机肥等，避免不必要的肥料浪费，防止过量施肥或单一施肥，造成面源污染。

提高水资源利用效率是实现有效灌溉的根本途径。2018 年贵州省水利建设投入390.9 亿元，有效灌溉面积为160.6 万hm2，节水灌溉面积为34.1 万hm2。因此，以农田水利建设为重点，大力发展节水灌溉，扩大有效灌溉面积，是提高粮食产量的当务之急。建议政府推广节水灌溉技术，如渗灌、喷灌、调压灌溉等。