云南省茶叶产量空间分布格局研究

□王思琦，杨绍微

（1.西南林业大学文法学院，云南 昆明 650224；2.西南林业地理与生态旅游学院，云南 昆明 650224）

1 研究背景及研究区域概况

党的十九大强调坚持农业农村优先发展，全力推动“三农”工作高质量发展。云南省是多民族山区省份，茶叶产业对解决云南省“三农”问题具有十分重要的意义，是影响山区、半山区经济收入的重要因素。茶叶产量的空间分布格局可以在一定程度上反映出云南省茶区的经济收入与茶叶产量的关系。从时间和空间两个维度探讨茶叶产量的空间分布格局具有十分重要的意义，可以为云南省茶叶生产布局实践、茶叶产业可持续发展提供一定的实证参考。

云南省是我国四大茶产区之一，也是世界茶叶的主要产地。云南省优越的气候条件为茶树营造了良好的生长环境。目前，全球已发现的茶树种类有40 种，其中包含3 种变种类型；云南省有23 个茶树种，其中1 种变种是云南特有种。经过多年的辛勤耕耘，科研人员在云南省独特的茶叶品种基础上，培育出一系列优质茶产品。2016 年，云南省茶园面积达4 万hm，在全国排名第二，采摘面积达38 万hm，综合产值达670 亿元，茶叶产量37.5 万t，茶农来自茶产业的人均纯收入为2 900 元。

2 数据来源与研究方法

2.1 数据来源

文章选取茶叶产量指标，研究云南省茶叶产量的时空演变，数据均来源于《云南省统计年鉴（2001—2020 年）》。2000—2019 年云南省行政区划发生了数次变化，基于时间和空间数据的一致性，对部分地级市的县域进行归并，最后选取了129 个县（区）作为研究对象。云南省地图矢量数据来源于国家基础地理信息数据库。

2.2 研究方法

2.2.1 空间自相关方法

空间自相关法包含全局自相关和局部自相关，即同时根据要素位置和要素值度量空间上一个位置的某种地理现象或某一属性值与邻近位置上同一现象或属性。

Moran’s I 指数是全局自相关统计量，用于研究空间对象某一属性取值的总体分布状态，如公式（1）所示。

式中：是样本数；y与y表示或县域的属性值；代表所有县域的均值；w为空间权重矩阵的元素，用以度量地理事物之间的联系。

LISA 指数（Local Moran’s I）是局部自相关统计量，用于研究空间对象某一属性取值的局部分布状态。Local Moran’s I 可分为4 个区域：H-H、L-L、H-L、L-H，即高值聚集区、低值要素聚集区、高值要素四周被低值要素包围区和低值要素四周被高值要素包围区，如公式（2）（3）所示。

式中：为样本数，y代表要素的属性，代表对应属性的平均值，w代表要素和之间的空间权重矩阵的元素。

2.2.2 趋势面分析

趋势面分析是指用数学曲面模拟地理系统各要素的空间分布和变化趋势。其实质是运用回归的分析原理，将显著的变量分解成反映宏观分布规律的区域变化分量、反映宏观分布规律的局部变化分量和由随机因素形成偏差的随机变化分量。随机变化分量如公式（4）所示。

式中：Z为观测值；T为反映区域性变化的分量；N为反映围观局部特征的分量；e是随机变化分量，即表述随机因素控制的变化。

2.2.3 克里金插值法

克里金插值法是一种以区域化变量为研究对象的无偏估计方法，通过变差函数量化观测数据的空间相关性，用于估算未采样位置的属性值，如公式（5）所示。

3 结果与分析

3.1 空间自相关分析

3.1.1 全局空间自相关分析

为了探究云南省茶叶产量整体空间分布格局，借助GeoDa 软件对云南省2000—2019 年6 个截面茶叶产量数据进行全局空间自相关分析，结果如表1 所示。临界值均大于2.58，值均为0.001，通过了1%水平下的显著性检验，存在相关性的可能性大于99%。全局Moran’s I 指数为0.455～0.623，说明云南省相邻县域的茶叶产量存在相关关系，高值区与高值区相邻、低值区与低值区相邻。

表1 全局空间自相关检验结果

茶叶生产的空间分布呈现出显著的正向空间自相关性，且具有明显的区域集聚特征。2000—2005 年，全局Moran’s I 指数从0.562 上升到0.623，2015 年由0.623 逐渐下降到0.455，2019 年上升到0.603，可见云南省茶叶产量空间的全局Moran’s I 指数出现了波动。

从图1 可以看出，云南省茶叶产量的空间自相关特征表现为高-高、低-高、低-低3 种空间聚集形式，第一象限的数据点多且分布比较散乱，第三象限数据点分布比较密集，第二象限的数据点数量较少，且空间聚集程度介于前两者之间，第四象限有一些零散分布的数据，由此可知云南省茶叶高、低产量区的空间分布比较聚集。

图1 云南省2000—2019 年茶叶产量Moran's I 散点分布图

此外，2000—2019 年茶叶产量Moran’s I 散点值在4 个象限的空间分布特征具有一致性，呈现出“高者恒高，低者恒低”的特点，说明云南省茶叶产量不仅表现出显著的空间正相关，形成空间上的聚集，即整体上云南省茶叶产量存在显著的聚集特征，而且具有比较稳定的空间正相关，即云南省茶叶产量的显著聚集特征具有稳定性。

3.1.2 局部空间自相关分析

全局Moran’s I 指数是总体性指标，反映出区域观测值的总体空间差异，掩盖了局部区域的差异变化。为进一步揭示云南省茶叶产量在“领域空间”的自相关性，采用Local Moran’s I 指标测度云南省某县（区）与相邻县（区）茶叶产量的相关性。

结果表明，其与全局自相关分析结果一致，即在局部范围内茶叶产量呈现出较强的空间集聚性。在云南省茶产业分布特点上，H-H 和L-L 反映了空间聚集性，H-L 和L-H 反映了空间异质性，不明显区域是未通过显著性检验的区域，即无法在现有条件下准确判断其所属类型。

如表2 所示，某些县域的空间关系并不显著，在显著的区域中空间同质性的区域数占比较大，呈现空间正相关的县域数量较多，H-H 象限的单位数从2000 年的19 增加到2005 年的20 后基本保持稳定，L-L 象限的个数一直保持在42，L-H 象限的县域数量处于波动状态，H-L 象限的区域数从2000 年的4 逐步下降到2019 的1。LISA 集聚图中的不显著县域，即未通过显著性检验的区域，表明其与邻近的县（区）没有密切关系，在茶叶生产中也没有相互联系。

表2 2000—2019 年云南省茶叶产量Moran 指数变化

通过计算各时间截面茶叶产量的Local Moran’s I值及其显著性，在Z检验的基础上（≤0.05）绘制2000－2019 年各县（区）茶叶产量LISA 集聚图，如图2 所示。从空间格局看，H-H 象限主要位于西双版纳州、临沧市和普洱市三大茶区，2000—2019 年这三大茶叶产区始终保持着显著的聚集趋势。2000—2019 年的L-L 象限单元处于滇中东部、北部原上湖盆的溶丘区以及西北横断山区的“零值区”，这些区域大多属于茶叶种植不适宜区或低适宜区。L-H 象限的县域不同程度地分散在H-H 聚集区周围。H-L 象限零散地分布于文山州和红河州，2010—2015 年的H-L 类型县域主要分布于滇西南H-H 类型的周围，到2019 年只分布于广南县。从时间和空间两个维度综合分析，云南省茶叶产量高-高聚集区和低-低聚集区的分布区域具有稳定性，并且云南省茶叶产量有明显的空间聚集特征。

图2 云南省2000—2019 年茶叶产量LISA 聚类图

3.2 趋势面分析

ArcGIS 10.6 用自然断点法将茶叶产量分为3 类，并用空间数据表示，如图3 所示。从云南省2019 年茶叶产量空间格局看，茶叶产量的空间分布呈现“双核心”特征，一个核心区为西双版纳州的勐海县，另一个核心区是昌宁县、凤庆县和云县形成的区域。茶叶中产量和低产量区都以核心区为中心分布，随着与双核心区距离的增加，茶叶产量逐渐下降。此外，云南省各县茶叶产量的地域空间差异较大，大致呈现出“西多东少，南多北少”的空间分布特征。

图3 云南省2019 年茶叶产量空间格局分布图

通过ArcGIS 10.6 中的趋势分析模块可以得知云南省各县域茶叶产量的空间分布特征及其异向性分布特征参数，进而更准确地描述研究区发展质量的空间变异规律。以云南省各县级行政单元（X，Y，Z）为空间坐标轴，其中X、Y 轴分别指茶叶产量空间分布所延伸的方向，Z 轴指茶叶产量各数据点的高低属性和空间位置，并通过茶叶产量数据投影点作出3 次多项式最佳拟合曲线，获得以茶叶产量点转化的某一属性值为高度的三维透视图。

由图4 可知，从东西方向看，拟合曲线是一条下降的直线，表明茶叶产量在自西向东方向上直线降低至0；从南北方向看，拟合曲线是一条逐渐降低的曲线，表明茶叶产量在自南向北方向上呈现递减趋势，直至0 值。可见，云南省茶叶产量从西到东方向上的降低速率比自南向北方向上的下降速率快，并且云南省茶叶产量空间分布极其不均衡。

图4 云南省2019 年茶叶产量分布趋势图

3.3 克里格插值法

使用对数克里格插值法对云南省2019 年茶叶产量数据进行空间插值，并使用ArcGIS 10.6 得到云南省茶树生产等值线图，如图5 所示。为使数据更加直接、形象，文章通过自然间断点划分法把我国云南省的茶产量区分为极低产区、低产区、中产区、高产区及较高产区。

图5 2019 年云南省茶叶产量等值线

3.3.1 较高产区

茶叶较高产区是茶叶产量生产的核心区，分布于临沧市的凤庆县和云县、西双版纳州的勐海县以及保山市的昌宁县，茶叶产量均在2.21 万t 以上。这些地区都是普洱茶产区和滇西南茶叶交易集中的地区，拥有发展较好的茶叶企业，茶园规模较大，茶叶品牌市场认知度高，区内的茶文化、自然景观和民族文化吸引了大量饮茶爱好者和茶商，加上当地政府的支持，加大了茶叶种植力度，从而增加了茶叶产量。

3.3.2 高产区

茶叶产量为1.18 万～2.20 万t 的高产区集中分布于滇西南横断山带状中山宽谷区，即景洪和勐遮低山丘陵宽谷盆地小区、澜沧和凤庆中山峡谷小区、施旬和镇康喀斯特中山峡谷小区，少部分位于腾冲市。尽管高产区的茶产量没有较高产区多，但随着茶产业的持续发展，其竞争能力不断增强，各类涉茶政策、资金等生产要素迅速集中，持续推动了茶产业集群的发展。此外，高产区的自然景观和民族文化在带动茶叶发展中具有至关重要的作用，尤其是景洪市的热带景观和傣族文化推动着茶文化发展。

3.3.3 中产区

茶叶产量中产区分布比较零散，主要分布于高产区周围，即红河州的红河县、德宏州的芒市、保山市的龙陵县、临沧市的镇康县和沧源县、大理州的南涧县、西双版纳州的勐腊县。文山州的广南县中产区被极低产区包围，与高产区和中产区地理间隔较远，形成茶叶产业的“孤岛”，地理空间联系弱。中产区茶叶的质量和销量没有高产区和较高产区高，属于茶叶产量从高产量向低产量转变的过渡区。

3.3.4 低产区

低产区茶叶产量为0.14 万～0.55 万t，主要分布于茶叶产量核心区的外围，即陇川县、盈江县、梁河县、隆阳区、施甸县、永平县、镇沅县、新平县、元江县、西盟县、孟连县以及形成产业“孤岛”的屏边县、盐津县。低产区既没有大规模的茶园，也没有较高的茶叶品牌市场认知度，不具备茶叶产业发展的优势。

3.3.5 极低产区

极低产区茶叶产量在0.14 万t 以下，面积约占云南省总面积的3/5，主要分布于三江并流高山峡谷区、滇中红层区和滇董喀斯特山原，即滇西北高山峡谷区、禄劝和富民高原峡谷小区、永仁丘状高原小区、宾川和永仁中山宽谷胡盘小区、昆明和通海高原湖盆小区、滇东喀斯特峰林峰丛区、滇东喀斯特中山丘陵及峡谷小区。茶叶产量极低区气温比滇西南低，不利于茶树生长。滇西北的高原山地气候气温常年在0 ℃以下，极其不适宜茶树种植，茶叶产量极低甚至为0。

4 总结与讨论

为研究云南省茶叶产量的空间分布格局，文章依据云南省茶叶产量的空间分布数据，以县级行政单位为基础，借助GeoDa 软件对云南省茶叶产量空间格局进行空间自相关分析，使用ArcGIS 10.6 趋势面分析了云南省茶叶产量整体空间分布趋势，利用克里金插值法得到了云南省茶叶产量等值线图，全面系统地剖析了产业产量空间结构的地域变化规律和差异特征，得到了以下结论。

2000—2019 年云南省茶园产量空间的全局Moran’s I 指数均大于0.455 且呈现波动变化，云南省茶叶产量不仅存在显著的聚集特征，而且具有稳定性。2000—2019 年云南省茶叶产量高-高聚集区位于西双版纳州、临沧市和普洱市三大茶区，低-低聚集区的分布区域均是滇中东部和北部原上湖盆的溶丘区和西北横断山区的“零值区”。

云南省茶叶产量呈“双核心”空间分布的特征，其空间分布极不平衡，西多东少，南多北少。云南省茶叶产量在自西向东方向上直线降低，在自南向北方向上递减为0，而且东西方向下降的速率比南北方向的降低速率大。

茶叶产量生产的核心区在勐海县、凤庆县、云县和昌宁县，其茶叶产量均在2.21 万t 以上；茶叶产量在1.18 万t 以上的高产区集中分布于滇西南横断山带状中山宽谷区；中产区和低产区主要分布于核心区和高产区周围；极低产区的面积约占云南省总面积的3/5，主要分布于三江并流高山峡谷区、滇中红层区和滇东喀斯特山原。

云南省茶叶产量空间分布格局呈现类杜能模型的圈层结构，以勐海县以及凤庆县、云县和昌宁县3个县区形成的核心区为双中心，茶叶产量很大程度上受地理空间的制约，随着距核心区的距离增加而减少。此外，茶产业属于劳动密集型产业，从茶树的种植到茶叶的采摘、加工、销售都需要大量劳动力。滇西南大部分地区都属于贫困山区，发展茶产业可以充分发挥本地劳动力、土地等方面的比较优势，同时实现云南省茶产业全面协调可持续发展，加快云南省解决“三农”问题。