中国耕地“非粮化”的时空格局演变及其影响因素

孟 菲，谭永忠，陈 航，熊雯颖

（浙江大学公共管理学院，浙江 杭州 310058）

粮食生产是耕地的基本功能之一，保障粮食安全是治国安邦和维护社会稳定发展的根本前提[1]。当前经济快速增长、人口不断增加、粮食生产空间与城乡发展空间矛盾日益加深，中国耕地流失占世界流失总量的1/4，粮食生产空间生产潜力总量自改革开放以来约下降了1 000万t[2]，再加上国际形势变化带来的不确定性，保障粮食安全的重要性和紧迫性更加突出。然而，伴随着城镇化、工业化和农业农村现代化进程的持续推进，耕地利用中的“非粮化”现象逐渐显现并日趋严重，挤压粮食生产并可能破坏耕地质量[3-4]，为耕地保护和粮食安全带来严峻挑战。

“非粮化”是耕地利用方式由种植粮食作物调整为种植经济作物，发展林果、畜禽和水产养殖业等其他生产活动的过程[5]，仍然处于农业的范畴内，未改变土地的农用地属性，是农业生产主体基于农业内部比较收益的生产结构调整[6]。自“非粮化”现象出现以来，众多学者针对其特点、形成原因等进行了讨论，并提出对策建议[7-8]。对“非粮化”的刻画主要从农作物种植入手，多采用“粮作比”[9]、非粮作物播种面积与耕地总面积之比[5]、非粮作物播种面积与农作物播种面积之比[10]等统计指标进行表征，也有研究关注到苗木种植及坑塘养殖等形式[11]。“非粮化”形成机制探究集中于农户微观层面，多基于农户调查数据运用计量经济模型论证不同类型农户的种植行为及其与各类社会经济发展因素的关系[12-13]。研究发现，农地流转[14-15]、工商资本[16]、成本收益[17]、租金与租约[18]、劳动力变化[19-20]、农户分化[21]、政府管理与制度[7]以及农户自身和家庭特征等均不同程度地影响种植结构“非粮化”的产生。土地流转与工商资本下乡是当前“非粮化”研究的两大主要视角，二者通常被认为是农业经营模式发生转变继而出现“非粮化”的缘起[8,22-23]，并以此作为“非粮化”的研究背景和分析起点。也有研究对此持不同观点，认为土地流转并不必然导致农业生产“非粮化”问题[14,24]，甚至会促使种植结构“趋粮化”[25]；工商资本下乡也能通过提供农业生产性服务带来“趋粮化”效应。既有研究对于土地流转或工商资本与“非粮化”的关系尚未形成统一的判断与结论，显示出“非粮化”现象及其形成机制的差异性和复杂性，与不同农业经营主体的决策直接相关[26]，也具有较强的阶段性和情景依赖特征，随生产条件的变化而改变[13,27]。总体看来，目前对“非粮化”现象特征与形成机制的研究已较为丰富。值得注意的是，已有研究中“非粮化”水平多通过农作物种植面积比例来刻画，主要是描述某个时间的非粮作物种植状态，而未将“非粮化”作为一个变化过程来考虑。且这种方法可能存在由不同地区不同作物熟制带来的偏误，难免有失偏颇，也鲜有涉及不同“非粮化”类型。同时，微观尺度的农户仍是当前研究的主要视角，不利于从宏观尺度对“非粮化”进行整体把握，全国层面“非粮化”的时空演变及其影响因素尚待进一步探讨。

鉴于此，本文以全国31个省份（不包括港、澳、台地区）为研究区域，基于统计数据对全国“非粮化”水平及其类型的时空演化特征进行分析；在此基础上，采用空间计量模型探究经济效益、劳动力特征、科技进步、政策环境等因素对“非粮化”的影响，从宏观层面为耕地保护和粮食安全保障策略的制定提供依据。

1 研究方法与数据来源

1.1 “非粮化”的表征

如前文所述，“非粮化”的刻画应体现农作物种植的变化过程，同时，“非粮化”不只是非粮种植面积的绝对增减，更强调种植比例及种植结构上的变化。因此，选择非粮作物种植比例的变化值来表征“非粮化”。

（1）“非粮化”水平。采用某时期内非粮食作物（除谷物、豆类、薯类外的农作物）种植面积与农作物播种总面积比值的变化量来刻画“非粮化”水平，计算公式如下：

式（1）中：NG为t1年至t2年期间非粮种植率变化量；分别为t1年和t1年非粮食作物的播种面积；分别为t1年和t2年农作物播种总面积。

（2）“非粮化”类型。采用某时期内各非粮作物类型中，种植面积与非粮作物种植总面积比值增加幅度最大的一类作为区域主导“非粮化”类型，计算公式如下：

式（2）中：NT为t1年至t2年期间“非粮化”类型的种植率变化幅度；和分别为t1年和t2年非粮食作物的总播种面积；和分别为t1年和t2年第i种非粮作物播种总面积。

1.2 空间计量模型

将空间效应纳入到模型中是空间计量模型与传统计量经济模型的核心区别[28]，能够有效考虑到区域空间交互作用对事物带来的影响。常用的空间面板计量模型包括空间滞后模型（SLM）和空间误差模型（SEM）。

（1）空间滞后模型。主要探讨各变量在空间上的溢出效应，能够检验因变量的扩散效应以及解释变量对邻域地区因变量的影响。其公式为：

（2）空间误差模型。主要考虑空间误差项的空间扰动相关，探讨未知误差变量对观测值的影响。其公式为：

式（3）—式（4）中：yit和yjt分别为t时刻区域i和区域j的因变量观测值；wij为空间权重矩阵的（i，j）元素；ρ和λ为空间自回归系数；x为自变量；β为自变量的回归系数；μi和γt分别为个体效应和时间效应；εit和εjt为误差项；vit为新误差项。

1.3 数据来源与处理

以全国31个省份（不包括港、澳、台地区）为研究区，数据主要来自2005—2019年《中国统计年鉴》、《中国农村统计年鉴》、《全国农产品成本收益资料汇编》、《中国农产品价格调查年鉴》、《中国人口和就业统计年鉴》、各省份统计年鉴和国民经济和社会发展统计公报，部分数据来自于各省份政府门户网站资料。其中，农作物播种面积均来自《中国统计年鉴》，统一采用根据第三次农业普查结果进行修订后的数据；缺失的西藏农产品生产价格指数数据采用农产品零售价格指数代替，西藏劳动日工价采用青海省数据代替；天津、重庆、上海（2006年以后）、北京（2011年以后）农业生产资料价格指数采用商品零售价格指数代替；个别年份缺失数据采取插值拟合进行处理。利用ArcGIS 10.4和Stata 16软件对数据进行计算处理与可视化。

2 结果分析

2.1 “非粮化”时空演化特征

2.1.1 “非粮化”时序演化特征

2004—2018年，中国耕地非粮作物种植比率与面积变化的演变趋势基本保持一致，2016年后“非粮化”最为显著（表1，图1）。分时段来看，2004—2010年，非粮作物种植整体处于较大幅度下降状态，非粮面积与非粮比例变化均显著为负，与中国2003年后大力实行惠农政策和粮食流通体制改革有关，2003—2006年，国家安排良种补贴资金共计112亿元，粮食播种面积连续三年恢复性增长①www.gov.cn/ztzl/czsy/content_646790.htm。，粮食进入增产阶段，未出现明显“非粮化”现象；2008年前后出现的异常增长可能与此时期出现较严重自然灾害有关，2008年农作物受灾面积达3 999万hm2，其中绝收面积403.2万hm2②www.gov.cn/gzdt/2009-09/23/content_1424487.htm。，给农作物种植结构带来较大影响。2011—2016年，非粮作物种植变化趋于平稳，期间尽管非粮种植面积出现增加，但非粮比例变化一直为负值，在此期间全国处于粮食稳定生产的长周期，“非粮化”现象尚不明显。2016年后，非粮作物种植出现显著提升，非粮面积和比例均显著正向增长，2017年和2018年非粮比例分别较上年增长了0.49%和0.39%，说明中国耕地“非粮化”水平在这一时期明显升高。

图1 2004—2018年全国耕地“非粮化”水平演变Fig.1 Evolution of the “non-grain” levels of cultivated land in China from 2004 to 2018

表1 2004—2018年非粮种植面积与比例变化Tab.1 The “non-grain” area and proportion changes in China from 2004 to 2018

在类型方面，不同时期“非粮化”主导作物类型有所差异（图2）。2004—2018年，全国“非粮化”作物类型主要为瓜果、棉花、油料和蔬菜；2004—2010年，蔬菜、棉花、油料、糖料等非粮作物在各时期均有不同程度增长，“非粮化”类型也相对多样；2010—2018年，各非粮作物增长程度明显减小，“非粮化”类型也主要集中在蔬菜，其次是瓜果，这与生活水平提高后居民饮食结构变化有关。从变化幅度来看，2004—2009年内增幅较大，期间棉花、蔬菜、油料、瓜果等种植比例显著增加；2010年后各作物增幅相对较小。

图2 2004—2018年全国“非粮化”类型演变Fig.2 Evolution of the “non-grain” types of cultivated land in China from 2004 to 2018

2.1.2 “非粮化”空间演化特征

（1）“非粮化”水平空间演化特征。2004—2018年，中国“非粮化”整体在空间上表现出较强分异性，非粮比率变化量大致呈由东北向西南逐渐升高的格局（图3）。变化量为正值地区以西北、西南和华南地区为主，西南和南部沿海各省份成为“非粮化”的明显集聚区，其中海南、贵州、重庆三省市“非粮化”最为严重，非粮比率增幅超过10%。变化量为负的地区主要以东北、华北及长江以北的华东和华中地区为主，与粮食主产区具有较高一致性，其中天津、山东、安徽三省下降幅度最大，“非粮化”现象相对不突出。“非粮化”水平的空间分异也一定程度上反映了中国粮食生产重心的北移趋势。不同时期中，2004—2008年和2016—2018年两个时期内非粮比率下降地区较多，而2010—2012年和2014—2016年两个时期内大多数省份非粮比率均有增长，发生明显“非粮化”现象。各时期大部分省份非粮比率变化幅度均在5%之内，仅个别时期个别省份达到5%～10%。大多数省份在不同时期非粮比率有增有减，少部分保持单调增长或减少趋势。其中，安徽、河南、山东、山西处于持续下降趋势，“非粮化”现象不明显；而广东、贵州、四川、云南、重庆处于持续增长趋势，“非粮化”形势日趋严峻。

图3 2004—2018年各省份非粮种植率变化空间分布Fig.3 Spatial distribution of the “non-grain” levels of cultivated land in China from 2004 to 2018

非粮作物种类多样，不同地区种植偏好不同。2004—2018年，中国各省份“非粮化”类型表现出一定的空间差异性（图4）。整体上，除新疆地区稳定以棉花增长为主外，蔬菜和油料是全国范围内增长幅度最大的两类作物，其中蔬菜又占有绝对优势；糖料和瓜果仅个别地区偶有大量增加，且主要分布在华南地区；东北地区非粮作物增加主要以油料为主。以两年为一阶段，2004—2010年内类型相对多样，蔬菜的主导地位尚不突出；而自2010年后，基本以蔬菜和油料两类为主，同时蔬菜增长进入相对快速阶段，以蔬菜为主导类型的省份个数明显增加；2004—2018年总体来看，蔬菜是多数省份“非粮化”过程中的主要增长类型。

图4 2004—2018年各省份“非粮化”类型空间分布Fig.4 Spatial distribution of the “non-grain” types of cultivated land in China from 2004 to 2018

2.2 “非粮化”影响因素研究

2.2.1 理论分析与变量选取

主要从经济效益、劳动力特征、科技进步、政策环境等方面对“非粮化”影响因素进行分析并选取变量（表2）。

表2 “非粮化”影响因素变量选取与描述Tab.2 The influencing factors and variables of the “non-grain” utilization

农作物种植是一种经济行为，农业生产者通过比较权衡通常会选择经济效益最大化的决策方案[29]。化肥、农药、能源、劳动力等生产要素投入成本的增加会给农作物生产带来压力[17]，其中劳动力价格增长逐渐成为引起粮食生产成本上升的主要要素[30]。而与种植粮食作物相比，种植非粮作物的比较收益往往相对更高。经济理性的生产者面对生产成本的变化和种植收益差异将调整种植决策，在成本上升而粮食收益较低的情况下，为获得更多利润将更倾向于种植比较收益较高的作物[31]，从而可能引发“非粮化”现象。在此，选择农业生产资料价格指数和劳动日工价来反映农业种植的成本投入，选择粮食生产价格指数与农产品生产价格指数之比来反映种粮的比较效益[32]。

城镇化和工业化的发展极大地影响了农村劳动力向非农产业流动，农户逐渐分化为纯农户、兼业户、非农户等类型[33]。不同类型农户在行为目标上存在务农收益和务农成本的差异，具有不同的作物种植倾向[34]。劳动力的减少可能会使农户增加机械投入，倾向于劳动较不密集的粮食生产；也可能由于资金约束的缓解，将生产重心转向投资回报率较高的经济作物生产，进而改变种植结构[35-37]。此外，人力资本水平也是重要影响因素，劳动者知识和技能水平影响其对农业生产相关信息的判断和吸收。人力资本水平提升有助于劳动力与农业技术进步的更好适配，从而推动农业经济发展和结构转型[38]，促使种植结构发生变化。在此，选择非农就业比例和农业劳动力受教育水平来反映劳动力特征的变化。

科学技术进步促生农业生产方式的变革。农业机械化对劳动力具有替代作用，能够节约人工劳动力，加速农业结构变动[39]。机械化水平的提高能推动生产条件改善，提高生产效率，有利于农作物规模化种植。同时，不同农作物的生产对技术的依赖性也有所差异[40]，粮食作物与非粮作物生产中机械化难易程度不同，因而科技水平对不同作物的种植规模将产生不同影响，促使农业种植结构发生改变。在此，选择人均农业机械总动力来表征科技进步因素[38]。

政策环境是影响农业种植的重要因素。政府通过出台各类政策、规定，对农业生产活动进行调整管制和激励引导，影响农业生产主体的种植决策[41]。完善的粮食保护政策是稳定粮食生产的保障，种粮补贴等对减少资金对种粮主体的约束具有支持作用[42]，这种种粮友好型的政策环境能促使生产者提高种粮意愿；而对粮食种植重视不足或对作物结构的不合理引导则可能引致生产主体对粮食种植的忽视，产生“非粮化”倾向。在此，选择各省份人民政府门户网站中以促进粮食生产为主题的政策文件、公报等的出现频数表征粮食保护政策变量，选择财政支农的金额表示农业补贴。

此外，耕地资源、气候条件等是农业生产和农作物种植的基础，不同作物对其需求和适应程度有所差异，这也将影响农作物的种植规模及作物类型选择，导致种植决策变化。选择人均耕地面积和作物受灾率分别表示土地禀赋特征和气候稳定性变量[43]。

2.2.2 模型检验结果

以2004—2018年各省份非粮种植比率为因变量，各影响因子为自变量进行影响因素探究。同时，基于演化特征分析，2010年前后变化较为明显，因此将研究区间划分为2004—2010年和2011—2018年两个阶段。

对2004—2018年中国各地区非粮种植率进行空间相关性检验，结果显示Moran’sI指数均大于0且整体呈增长趋势，自2005年开始通过显著性检验，结果显示从2007年开始均在1%水平上显著（表3）。可见，中国各省份非粮种植比率具有显著空间正自相关性，因此适合建立空间计量模型进行探究。

表3 2004—2018年全国非粮种植率空间相关性检验Tab.3 Spatial correlation test of the “non-grain” planting rates from 2004 to 2018

通过方差膨胀系数检验发现各变量VIF值均小于5，说明不存在多重共线性。两个研究时段数据样本Hausman检验结果均通过了显著性水平检验，因此空间计量模型选择固定效应模型更为合适。同时，鉴于研究区域为中国31省份且研究时间跨度小于截面个数，参考相关研究做法[44]在此选择空间固定效应。利用拉格朗日及其稳健形式进行空间面板模型的选择，结果（表4）显示两个阶段均为LM-error和Robust LM-error通过显著性水平检验，而LM-lag、RobustLM-lag未通过检验，说明应选择SEM模型，同时logL、AIC和SC统计量的比较也说明SEM模型更为合适。

表4 空间计量模型检验结果Tab.4 Test results of spatial econometric models

2.2.3 影响因素分析

计量模型实证结果如表5所示。经济效益方面，人工成本在第一阶段影响不显著且作用较小，而在第二阶段影响程度和显著性均明显提高，对非粮种植比率具有显著负向效应，说明农业活动人工成本的增加不利于对劳动力需求相对较高的非粮作物的种植。种粮比较收益对非粮种植比率具有负向影响，且从第一阶段到第二阶段影响程度和显著性均提高，说明种粮相对收益增加有利于农民提高种粮积极性。

表5 空间计量模型参数估计结果Tab.5 Regression results of spatial panel model

劳动力特征因素上，非农就业比例在第一阶段和第二阶段均表现出显著正向影响且系数增大，与非粮种植率呈显著正相关，说明整体上农村劳动力向非农产业转移对非粮食作物种植具有促进作用，促进种植结构的“非粮化”。

科技进步带来农业机械水平的提高，人均机械总动力在第一阶段表现为显著负向效应，而第二阶段均表现为正向效应。说明在第一阶段机械化水平上升对相对容易机械化的粮食生产起到促进作用；而在第二阶段机械动力水平对非粮种植表现出正向影响，此阶段内机械动力提高对粮食生产的相对正向效益可能有所减弱，同时非粮作物种植中机械化水平也不断增加，因而使得机械化水平对非粮种植表现出促进作用。

政策环境因素上，粮食保护政策与农业补贴的影响作用相似，在第一阶段与第二阶段内效应均为负向，但粮食保护政策由第一阶段显著转变为第二阶段不显著。表明各种促进粮食生产政策的不断出台与农业补贴能够有效发挥正向引导作用，提高粮食种植水平。农业补贴的影响持续显著，但粮食保护政策影响显著性的降低说明政策的有效性在降低，对农民种植粮食的引导作用减弱，亟待进一步的创新与改革。

此外，在禀赋特征上，各因素对非粮种植比率的影响整体以不显著为主，仅作物受灾率在第一阶段显著为负，说明自然灾害的发生整体不利于全国非粮食作物的种植。

3 讨论与结论

3.1 讨论

“非粮化”程度在不同地区之间表现出较大的差异，华南、西南各省份“非粮化”水平明显高于北方，这种格局特征与已有相关研究观点基本相符[45-46]，同时也与中国粮食生产重心的北向转移趋势吻合，各粮食产销区进一步分化。鉴于粮食作为公共产品的正外部性及补偿制度的不完善[47]，这可能会使区域间发展差距进一步拉大。从影响因素来看，研究结果显示劳动力成本的提升不利于非粮种植，原因或在于经济作物与粮食作物相比对劳动力的需求更大、机械替代率低。也有研究认为雇工成本上涨将促进经济作物比例的提升[20]，这显示人工成本对农业种植影响可能较为复杂，并不必然产生一种结果，正如易福金等发现劳动力价格对江苏省和浙江省水稻种植产生了完全相反的影响[48]。种粮比较收益对“非粮化”影响的显著增加反映出经济利益仍是理性生产者的重要诉求，符合当前学界对“非粮化”形成机制的基本判断[4]。在劳动力方面，钟甫宁等[37]指出劳动力转移后会通过机械投入进行替代，但受到地形条件等的制约。而研究结果显示，中国“非粮化”主要发生于西南、华南等山地丘陵比重较高、地形起伏较大区域，一定程度上解释了全国整体趋势上农业劳动力流失对“非粮化”的推动作用。此外，良好的政策环境对抑制“非粮化”具有积极意义，但其影响的减弱趋势需引起重视，正如有学者指出在实际中政策法规和管理制度的不完善也是造成一些地区“非粮化”倾向的重要原因[7]。研究结果总体具有较强合理性和解释能力，但仍存在待改进之处，对农作物种植“非粮化”的具体转化过程和养殖业、苗木等其他形式的分析有待结合遥感影像、农户调查等数据进一步探究；部分统计数据缺失进行的替代拟合处理所得结果整体可信但可能对精确度存在一定影响；对耕地禀赋、农机农资、社会文化等影响因素作用机理的分析也需在后续研究中进一步优化，为应对“非粮化”提供更具价值的参考。

基于研究结果，从以下几方面提出稳定粮食生产、遏制耕地“非粮化”的建议。首先，价格政策可成为有效的调节手段，应继续通过价格支持或农业补贴等方式保障种粮收益，或开发如保险、投资等途径支持生产者的种粮行为。其次，可通过完善农业服务市场和加强技术教育培训等优化粮食生产条件，畅通生产和消费市场间的信息渠道，吸引劳动力回流发展新型粮食生产经营模式，尤其是劳动力流失较为严重地区。同时，应进一步增强农业基础设施建设，强化农田管护，同时对受地形限制的南方地区推进宜机化改造，补齐机械化短板。另外，进一步完善相关耕地保护政策和管理制度，各区域均应加强执行力度，严格保障粮食种植面积，对不同“非粮化”类型避免“一刀切”而应因地制宜进行调整，部分有利于耕地肥力养护和未对粮食生产产生明显影响的可以予以保留；健全粮食主产区和主销区间的横向转移支付制度及有效协作模式，平衡区域粮食供求和经济发展，共同保障粮食安全。

3.2 结论

基于2004—2018年全国统计面板数据分析中国耕地“非粮化”时空演变特征及其影响因素，主要得到以下结论：（1）2004—2018年，中国整体的“非粮化”水平波动变化，2016年后“非粮化”最为显著；“非粮化”类型逐渐由蔬菜、油料、棉花多类型向蔬菜瓜果转变。“非粮化”在空间上总体呈现出由东北向西南逐渐严重的态势，华南、西南等地区较为突出；全国范围内“非粮化”类型多为蔬菜和油料作物，又以蔬菜为主导。（2）人工成本是影响非粮种植的主要成本因素，第二阶段具有显著负向作用；种粮比较收益与非粮种植比率也呈显著负相关。劳动力非农就业对“非粮化”具有正向促进作用。机械动力水平在第一阶段具有显著负向影响，第二阶段表现出正面作用。政策环境因素对“非粮化”具有显著负向效应，但到第二阶段变为不显著。（3）未来应继续通过价格支持、完善农业服务市场、增强农业基础设施建设、完善相关耕地保护政策和管理制度等措施保障粮食安全。