2000—2019年巴西大豆产量时空演变及分析

季诗琪，黄登山

湘潭大学 土木工程与力学学院，湖南 湘潭 411100

0 引 言

随着我国大豆生产规模和消费格局的变化，大豆作为重要的植物 蛋白和油料来源，需求量日益加增，年均消费约1.1 亿吨。截至2020 年，我国大豆种植面积和产量已实现“五连增”，总产量约1961 万吨，但大豆供需仍处于失衡状态，需要进口大豆来填补自产大豆供给的不足[1]。另外，国民肉禽蛋奶消费量对动物养殖业饲料需求增加带来的豆粕（大豆提取豆油后的副产品，是动物主要的蛋白质饲料之一）质量要求的改变，使高出油率的进口大豆成为国内饲料生产商的普遍选择[2]。2020年，中国农业展望大会在《中国农业展望报告（2020-2029）》[3]中指出，大豆未来形势为消费继续稳定增长，进口为主格局不变。可见在中国大豆进口成为主趋势的情况下，有必要深入研究大豆进口国生产结构的变化，进而预测进口国大豆市场运作的稳定性，实现中国大豆可持续发展。

当前，我国大豆进口贸易伙伴主要有巴西、美国和阿根廷等国家。2013 年，巴西首次超越美国成为我国大豆第一进口国，大豆贸易占中国总大豆贸易的50%，直至2019 年，巴西仍然是我国大豆第一进口国，占中国大豆进口额65%。目前，国内研究主要集中于对中国大豆产业现状[4-5]、影响因素[6]和贸易安全[7]等方面的研究，关于进口国大豆生产格局研究尚不多见[8-10]。鉴于此，本文基于2000-2019 年巴西大豆产量统计数据，以我国大豆第一进口国巴西作为研究对象，对巴西大豆产量的时空演变规律进行分析，掌握巴西大豆生产趋势，为中国大豆进口市场份额的合理分配提供重要参考依据。

1 数据来源及研究方法

1.1 研究区概括

巴西位于南美洲东南部，大西洋西岸，国土面积约为851.5 万km2，是世界国土面积第五大国。据联合国粮食及农业组织统计，2018 年巴西耕地面积约为55.8万km2，拥有世界上最大的可耕地储备[11]。地形以平原和高原为主，境内主要有亚马逊河、巴拉那河和圣弗朗西斯科河三大水系，水资源丰富，年均降雨量1500 mm，年平均气温18 ～28 ℃。得天独厚的水热条件和丰富的自然资源，为巴西大豆产业发展奠定了坚实基础。

巴西大豆种植历史悠久，近年来已成为世界上最大的大豆生产国，并在世界大豆产量占比中呈上升趋势。此外，巴西政府还大力推进大豆科研人才培养，已成功研制出300 多种适合本国生产的优质大豆品种，大豆行业市场优势十分显著，未来有望继续保持其优势地位。

1.2 数据来源

本文研究数据包括统计数据和空间数据。为保证数据的完整性和一致性，2000-2019 年巴西大豆产量统计数据均来源于巴西国家地理与统计研究所（Instituto Brasileiro de Geografia e Estatistica，IBGE）提供的《巴西统计年鉴》（2000-2019 年），包含巴西26 个州区和1 个联邦区（巴西利亚联邦区）单位的数据。大豆进出口额和耕地面积统计数据源自联合国粮食及农业组织FAO 统计数据库FAOSTAT。巴西行政区划边界空间数据源自加州大学戴维斯分校空间科学中心GADM 数据库。

1.3 研究方法

时空演变分析的目的是基于多年统计数据，运用时空分析方法及工具，定量化且具象化要素时空演变过程及规律，揭示其分异特征。因此，本文选用以下方法来进行分析研究。

1.3.1 标准差椭圆

标准差椭圆法（Standard Deviational Ellipse，SDE）是定量描述地理要素空间分布整体特征的空间统计学方法[12]。本文采用一级标准差生成的标准差椭圆来分析大豆产量的方向分布特征，以椭圆的长轴、短轴、中心点和方向角来揭示大豆产量分布范围、分布重心、分布方向等空间特征。长短轴差值越大，说明大豆产量分布的方向性越强，值越小，说明方向性越弱。椭圆的长轴、短轴、中心点和方向角的计算公式分别为：

式中，（Xi，Yi）为研究对象的空间区位；Wi为相应的权重；x˜i,y˜i为各研究对象区位到中心点的坐标偏差。

1.3.2 空间自相关分析

空间自相关分析反映某区域位置上同一属性的相关程度，本文运用空间自相关模型来度量大豆产量变化对产区位置变化的响应。根据研究区域的不同，可分为全局空间自相关和局部空间自相关两类分析方法。全局空间自相关（Global Moran's I），是描述某个空间要素属性值在整个研究区域内的空间分布特征，公式如下：

式中，n为研究区域内空间单元的总个数，在本文中表示巴西州区个数；Xi和Xj分别为第i和第j州区的大豆产量值；Wij为基于邻接的二元邻接矩阵。全局Moran's I 取值为[-1，1]。当I＞0 时，说明存在空间正相关性，I值越大，大豆产量随着州区位置的聚集，相关性越显著。当I＜0 时，呈空间负相关性，值越小，空间分异性越大。当I 趋近0 时，无空间自相关，表示空间分布呈随机性。

全局空间自相关只能判断大豆产量在空间是否存在有聚集特征，并不能明确地描述聚集区的分布形态，而且忽略了空间过程中潜在的不稳定性。局部空间自相关（Local Moran's I）的优势在于寻找可能被掩盖的局部空间自相关位置，识别空间异质性，能推算出聚集区的全部范围，也能发现被全局空间自相关掩盖的局部空间自相关位置[13]，公式如下：

式中，参数含义同公式（5）。

2 大豆产量数量特征分析

2.1 巴西大豆总产量变化分析

分析巴西大豆生产状况，对比各年份产量数据及相应的年增长率和平均增长率。由图1、图2 可知：近20年巴西大豆产量整体呈现波动上升态势。2000-2008 年，大豆产量呈波动递增趋势。2008-2009 年，受金融危机影响，油价下跌，大豆产量下行。2009-2011 年，大豆产量开始回升。2011-2013 年，大豆产量呈V 型增长，其中2012 年大豆产量急剧下降，增长率由9.24%下降至-2.19%，创历史新低，这是由于南美大豆市场普遍萧条，第二主产区南部地区天气持续干旱，严重影响大豆生长关键期。2013-2015 年，随着国际市场粮价上涨以及巴西国内因雷亚尔兑美元汇率下跌而上涨的大豆价格，农户预售和销售大豆的积极性拉动了大豆产量回升。2015-2016 年，大豆的增长率由12.26%下降至-1.33%，主要原因是2015 年末，厄尔尼诺现象使第一生产州马托格罗索州降雨紧缺，阻碍大豆初期生长，此外雷亚尔汇率回升使大豆价格优势下降，造成部分农户放弃种植大豆。2016-2018 年，天气状况良好，大豆产量回升。2019 年初，第一主产区中西部地区大豆播种受天气干旱的影响，导致该年巴西大豆产量略微下降。

图1 2000-2019 年巴西大豆生产总量趋势图Fig.1 Trend of Brazil's total soybean production from 2000 to 2019

图2 2000-2019 年巴西大豆产量平均年增长率和年增长率变化图Fig.2 The average annual growth rates and annual growth rates of Brazil's soybean production from 2000 to 2019

2.2 五大地理分区大豆产量变化分析

为进一步分析大豆产量格局的变化，根据地理方位和自然地理特征将研究区细分为五大地理区：北部、东北部、东南部、南部和中西部地区（图3），分别计算五大地理分区历年大豆产量比重，以此来衡量各地理区大豆生产对巴西的贡献程度（图4）。

图3 巴西地理分区及各州分布图Fig.3 A map of Brazil's geographical regions and states

图4 巴西五大地理分区历年大豆产量占比Fig.4 Proportion of soybean yield in five geographical regions of Brazil over the years

由图4 可看出，大豆生产格局具有明显的区域差异性，中西部和南部地区产量平均占比最高，分别为47.55%和35.23%，东北部和东南部地区产量比重较为接近，分别为7.30%和7.24%，而北部地区占比最少，说明中西部和南部地区是巴西大豆发展的核心地区。从时间序列来看，当南部地区产量占比下降时，中西部地区占比优势愈易凸显，2005 年占比达到最高值56%。而北部和东北部地区产量占比以小幅度上升，反映出该区域大豆生产规模逐步扩大，有较好的发展前景。其他地区占比变化幅度较小，大豆生产状况较为稳定。从影响因素来看，大豆产量分布规律与五大地理区的气候、种植历史以及农业政策等因素有关。中西部地区是第一大豆主产区，属热带及亚热带草原气候，该产区土地平坦开阔，在受政策鼓励、允许按配额开垦荒地后，农户们大面积扩大耕地种植大豆，形成了较为发达的大豆种植业，促使中西部地区大豆产量稳居第一。南部和东南部地区是第二大豆主产区，属亚热带湿润气候，该产区一直是巴西大豆传统的种植区，土壤肥沃，生产力水平高，但容易受厄尔尼诺和拉尼娜现象影响，从而引发干旱和洪水灾害，导致大豆产量值波动幅度较大。北部和东北部地区中大多数产区为新晋种植区，种植较为分散，其中北部地区覆盖大量的热带雨林，耕地数量阻碍了该地区大豆产业的发展，东北部地区易受旱灾影响，水资源仅占全国的6%，在耕地面积一定而水资源短缺的情况下，大部分农户们更愿意选择其他作物种植。

2.3 各州区大豆产量变化分析

为探索大豆产量时空分布细节变化，将研究尺度进一步细分至州区级小尺度。截至2019 年，在巴西共有19 个州为大豆产区。因大豆种植历史不同，大豆产区可分为：传统种植区（2000—2019 年均有大豆种植）和新晋种植区，分别对应13 个州和6 个州。考虑到新晋种植区种植历史较短，数值波动大，影响总体数据分析结果，因此本文研究对象只针对传统种植区（图5）。

图5 传统种植区大豆产量变化情况Fig.5 Changes in soybean yields in traditional planting areas

由图5 可以看出，不同传统种植区中虽然产量变化有波动差异，但总体呈上升状态，大豆产业发展情况较好。从产量分布情况来看，2000 年，马托格罗索州产量位居第一，其次是巴拉那州和南里奥格兰德州。马托格罗索州气候条件稳定，拥有先进的种植技术与管理措施，具有突出的大豆生产优势。巴拉那州土壤肥沃，种植技术水平较高，所以大豆单产水平最高[14]。南里奥格兰德州是20 世纪40年代巴西大豆生产最先试种的州区，大豆种植历史最久，播种经验最为丰富。2019 年，马托格罗索州产量超越第二名数千万吨，稳居第一主产州的地位，南里奥格兰德州产量增速较快，超越巴拉那州成为第二大主产州，圣卡塔琳娜州产量排名下降从第十名下降至十二名，马拉尼昂州和托坎廷斯河州产量各上升一个排名，其他各州产量名次不变。由此看来，巴西各州区大豆产量涨势基本同步，产量分布状况大体一致。

从产量变化幅度来看，托坎廷斯州的大豆产量增幅最大，2000-2019 年，大豆产量值从11 万吨上升至262 万吨，增产趋势愈加明显。原因在于该州作为北部亚马孙热带雨林森林砍伐最外围州区，耕地面积显著增加，为大豆种植创造了有利条件。大规模的农业扩张也促使皮奥伊州大豆增产较为明显。这两州区的大部分耕地采用高度机械化耕作生产，与巴西传统农业的耕作模式形成了鲜明对比，具有显著的生产潜力，大豆发展前景较好。其他各州大豆生产呈稳定增长态势。

3 大豆生产格局空间演变分析

3.1 大豆产量空间变化分析

为阐明巴西各州区大豆生产格局的空间演化特征，针对2000、2006、2012 和2019 年4 个时间段，依托GIS 空间分析将大豆产量按照自然断点法划分为6 个等级，以此来表示各州大豆生产能力的高中低水平（图6）。以各州区大豆产量为权重，计算4 个年份巴西大豆产量的空间分布椭圆及分布中心（图7、表1）。

图6 巴西各州大豆产量空间分布Fig.6 Spatial distribution of soybean yield in each state ofBrazil

图7 不同年份巴西大豆产量分布椭圆及分布中心Fig.7 The distribution ellipse and distribution center ofBrazilian soybean production in different years

图6 中不同大豆产量等级分别对应无、低、中低、中高、高和超高产区，在时间序列中，中高产及以上区域数量增加且大豆产区不断扩大。2000 年，大豆高产区分布于马托格罗索州、巴拉那州、南大河湾、戈亚斯，中高产区集中在东北部，而无产区数量约占二分之一，集中于北部地区。随后受巴西政府政策法令支持、银行信贷资助和土壤理化性质等因素影响，大豆产量分布发生了从南向北的扩张[15]。2006 年，高产区新增南马托格罗索州，中高产区范围向东北部和东南部开始扩张，无产区数量减少，新晋种植区帕拉州、塞尔希培州和朗多尼亚州。2012 年，马托格罗索州成为第一个超高产区，中高产区继续扩大，新增皮奥伊州和圣卡塔琳娜州。2019 年，巴西一半以上的州区都处于中高产区及以上，无产区数量明显减少。无产区无大豆种植的原因可能在于：圣埃斯皮里图州和里约热内卢州的农户们主要种植咖啡，且这两州工业较为发达。亚马逊州包含98%的亚马逊雨林地区，耕地面积极其有限，相比大豆种植，农户们更愿意养牛放牧。位于东北部的塞阿拉州、北里奥格兰德州、帕拉伊巴州、伯南布哥州和塞尔希培州，天气条件易于棉花生长，且在水资源有限的情况下，农户们优先种植耐干旱的腰果。

由图7 可知，巴西大豆生产的标准差椭圆整体呈北偏东-南偏西的分布格局，椭圆分布区域主要集中于中西部和南部地区，说明巴西大豆生产的优势区域格局较为稳定。分布范围逐步扩大， 2019 年空间分布面积最广，表明大豆生产整体呈现空间扩张趋势；长短轴差值呈小幅增加—小幅减小—大幅增加趋势，表明大豆生产整体水平差距不断拉大；方位角变化幅度较小，表明大豆生产分布的主趋势方向一定。

由图7 和表1 可知，2000 年以来，大豆分布中心在南马托格罗索州和戈亚斯州区域内移动，这表明中西部地区大豆生产在巴西始终占据重要地位。同时分布中心还呈现出向西北方向迁移的演变趋势，这说明马托格罗索州以及北部地区的大豆生产增速超过其他地区，对巴西大豆生产起着显著拉动作用。2000-2006 年，往西北方向迁移至戈亚斯州境内，可能是因为中西部和北部地区产量占比增加显著，其他地区产量占比下降，从而使中西部和北部地区大豆生产对巴西的贡献程度在加速提高。2006-2012 年，分布中心往东北方向偏移至戈亚斯州北部，原因在于东北部地区产量回升且增速最快，而2012 年受拉尼娜现象影响的南部产区大豆减产严重。2012-2019 年，向西南方向迁移至戈亚斯州南部，偏移速度减缓，原因是南部地区产量快速回升，且其他地区产量也有所增长，平缓了大豆分布中心的迁移强度。大豆分布中心平均移动速度为14.39 km/a，可见巴西大豆生产存在一定的区域波动性，大豆生产的投入与产出不够稳定。

表1 巴西大豆产量分布椭圆参数Tab.1 Ellipse parameters of Brazilian soybean yield distribution

3.2 大豆产量空间集聚特征分析

3.2.1全局自相关分析

借助OpenGeoDa 软件基于单变量的全局空间自相关模型运算得到大豆产量在不同时间段的全局Moran's I值、P 值和Z 值（表2）。

表2 全局空间自相关分析结果Tab.2 Results of global spatial autocorrelation analysis

从表2 可看出，时间序列中巴西各产区的大豆产量数据均未通过显著性检验，P 值大于0.1， Z 值小于1.65，无法拒绝零假设，说明各州区之间距离远近对大豆生产没有显著影响，空间依赖关系较弱。全局Moran's I 是为产量指标在大豆主产区的空间相关性提供一个总体描述，该统计量显示大豆产区是均匀同质的，而各大豆主产区的同质性假设很难保证，即当不存在全局空间自相关时，可能存在局部地区被掩盖了空间相关的情况。

3.2.2 局部自相关分析

为了进一步揭示各产区大豆生产空间集聚特征及差异演变，更加全面地分析大豆产量在空间上的相关性，对4 个时间点的大豆产量进行局部自相关分析，利用LISA 聚集图（通过5%显著性检验）判断各州区的局部相关类型及聚集区域是否在统计意义上显著（图8）。

由表2 和图8 可知，尽管大豆产量不存在全局空间自相关，但在局部空间相关性上显著，即高-高聚集区和低-高聚集区显著。南马托格罗索州和戈亚斯州呈高-高聚集状态，说明该区域属于热点地区，大豆生产会带动周边产区的产量值。大豆产量分布中心也分布在南马托格罗索州附近，表示巴西大豆生产的地域分布较为清晰，高产区较为集中，连片分布。圣卡塔琳娜州和托坎廷斯州呈低-高聚集状态，说明相对于周边州区，该区域大豆种植业总体发展缓慢，产量较低。其他聚集区域不显著。总体聚集格局的分布特征相似，聚集特征变化程度不大，较为稳定。

图8 不同年份巴西各州大豆产量空间集聚模式图Fig.8 The spatial agglomeration pattern of soybean production in different Brazilian states in different years

4 结 论

本文基于2000-2019 年巴西大豆产量数据，分别以巴西、五大地理区和各州区为研究区域，定量分析不同尺度下巴西大豆生产的时空动态特征。在此基础上结合各区域的种植历史、生产技术和气候环境等解释说明大豆产量区域分异的原因，具体结论如下。

1）20 年间巴西大豆产量总体呈现波动上升趋势。区域位置的不同使得巴西农业发展存在差异，五大地理区中，中西部和南部地区大豆生产在巴西始终占据重要地位。各州区中，马托格罗索州产量稳居第一，托坎廷斯州和皮奥伊州大豆增产趋势显著，具有较好的大豆生产潜力。

2）大豆生产的标准差椭圆中心位置分布较为接近，均在南马托格罗索州和戈亚斯州区域内移动。受优势区域影响，大豆生产空间分布方向一定，呈北偏东-南偏西的分布格局。分布范围逐步扩大，截至2019 年，巴西一半以上的州区都处于中高产区及以上，无产区数量明显减少，表明大豆生产整体呈现空间扩张趋势。生产水平差距较大，总体呈现不均衡性的空间分布特征，这对巴西大豆发展提出了新的挑战。

3）大豆产量空间相关性较弱，局部地区存在两种空间集聚模式。南马托格罗索州和戈亚斯州呈高-高聚集状态，圣卡塔琳娜州和托坎廷斯州呈低-高聚集状态，集聚特征变化程度不大，较为稳定，高产区连片分布，集中于南马托格罗索州附近。

当下我国大豆对外依存度较高，如果进口贸易国的供应端出现问题，会对我国大豆产业安全和发展造成严重威胁。巴西作为近年来中国大豆进口第一大国，未来我国自巴西的大豆进口量将会不断增加，在了解巴西大豆生产在时空上的演变规律的基础上，掌握各州区大豆生产特征，充分利用不同区域各自的大豆生产优势来实现我国大豆资源供给互补，秉承“稳定产区多合作，新晋产区互惠合作”的原则建立可靠的进口大豆货源渠道，保障我国大豆资源供给安全，为中巴大豆贸易合作提供科学依据。同时，巴西大豆产业快速发展的农业现代化改革经验、惠农政策以及大力发展农业进程中生态保护和可持续发展的态度均值得学习和借鉴。