四川省大豆生产格局变化及驱动因素研究*

常 洁,林正雨,高文波,杜兴端

(四川省农业科学院农业信息与农村经济研究所 成都 610066)

随着消费结构升级,居民对蛋白消费需求迅速攀升,大豆(Glycine max)需求快速增加,国内产需缺口不断扩大。2020 年中国大豆进口量已达到1.0033亿t,创历史新高[1]。与此同时,国际贸易环境与市场不确定性逐步加剧,进一步影响了大豆市场供需格局。大豆已经成为了当前我国粮食安全的主要风险点[2]。基于此,2016 年农业部出台《关于促进大豆生产发展的指导意见》,明确指出要充分认识到促进大豆生产发展的重要性和紧迫性。2019 年农业农村部制定《大豆振兴计划实施方案》,提出要加强大豆优势区生产能力建设,扩大种植面积,提高单产水平,改善产品品质,延伸产业链条,增加我国大豆有效供给,提升国产大豆自给水平,逐步形成国内农业种植结构与国际农产品市场变化动态衔接调整的新格局,全面推动大豆产业振兴。

立足历史的视角,中国大豆经历了从主食到副食、从主要出口到依靠进口的历史变化过程,主粮属性日益削弱[3],大豆的生产格局也发生了重大变化,影响因素逐渐复杂。随着大豆产业逐渐上升为国家战略,有关大豆生产格局与影响因素的相关研究逐步增多。李二玲等[4]对我国大豆产量、单产和种植面积的时空变化格局研究发现,1982—2012 年,我国大豆种植格局呈现典型的周期性变化,并逐步从以东北地区为主向东北、西南地区迁移。陈雨生等[5]对2000—2018 年我国大豆产量的时空变化格局研究发现,大豆产量逐步呈现出“东北集中、西南扩散”的态势。杨晓娟等[6]则从风险费率的测度发现,大豆生产中西藏、宁夏、陕西等地区的种植风险较大。Chen 等[7]则基于大豆规模和效率比较优势变化分析发现,1949—2019 年,我国大豆具有种植规模优势区的省份主要在东北平原、黄淮海平原和长江中下游平原,大豆效率优势区则由华北地区向全国延伸,北方干旱半干旱区、四川盆地、云贵高原和长江中下游平原正成为我国新的大豆产量增长极。

同时,大豆的生产格局变化受诸多因素的影响,自然资源禀赋与投入、成本收益、社会需求与经济发展、管理技术与科技进步等[5,8-9]均会对大豆的种植面积、单产水平、产品品质等产生影响。交通条件[5]、耕作制度[3]也是大豆生产空间发展变化的重要因素。部分研究则认为,大豆产业发展的主因是政策调控[10-12]。从比较收益的视角看,部分产业存在用地竞争,水稻(Oryza sativa)、玉米(Zea mays)等作物也是影响大豆生产的主要竞争性因素[6]。

影响大豆生产格局变化的因素也存在地区差异。对于西南片区而言,人口数量、国民素质、农业技术等对大豆生产格局的影响较为显著,且呈现负相关关系[8]。从劳动力成本上升、主产区优势与大豆生产格局的变化关系看,与东北等传统优势产区相比,西南产区的主产区优势尚不明显,无法消解劳动力成本上升带来的冲击[13]。此外,南方大豆产区的生产受品种、地形、种植模式等多方面因素制约,其中劳动力资源、降水资源和化肥投入是该片区的主要影响因子,且机械化生产水平相对较低[9]。

通过文献梳理发现,现有文献在理论研究和实证分析方面均做出了有益的探讨,但尚存在一些不足。首先是对于西南产区大豆的发展探讨相对较少,对影响因素的地区差异关注不多。西南产区是我国大豆种植的新兴产区,2005 年之后,西南产区迅速超越长江中下游大豆产区,成为了全国的第3 大产区。四川省是粮食大省,也是西南大豆产区的重要组成。2020 年,四川省大豆播种面积为43.27 万hm2,产量达101.25 万t,迅速跃升至全国播面和产量的第4 和第3,在西南产区的占比分别为46.57%和53.23%。其次,作为丘陵山地大省,四川省耕地资源相对有限,人地矛盾较为突出,推动大豆增产扩面也面临着资源要素与生产空间竞争等诸多挑战[14-15]。新时代粮食安全发展观下,如何进一步优化四川省大豆生产格局,推动川豆产业振兴,对于全面提升西南大豆产区的优势及竞争力至关重要。有鉴于此,本研究以四川省为例,系统探讨2000—2020 年大豆生产时空格局变化及其主要驱动因素,以期为优化大豆生产布局、推动川豆产业振兴和保障粮食安全提供一定的理论支撑和决策参考。

1 研究区概况、数据来源与方法

1.1 研究区概况

四川省是我国13 个粮食主产区之一,也是我国西南地区唯一的粮食主产省。幅员面积约为48.6 万km2,地形起伏大,可分为成都平原、川中丘陵、盆地周边山区、川西南山地区和川西高原5 大地貌区(图1),西部为高原、山地,海拔多在4000 m 以上,东部为盆地、丘陵,海拔多在1000～3000 m。2019 年,为落实大豆产业振兴计划,四川省大力推动四川大豆产业振兴,大豆种植规模和产量迅速提升。2020 年,四川省大豆播种面积和产量占全国的比重分别为4.38%和5.17%,播种面积居全国第4,产量跃居全国第3,是我国大豆种植新兴地区之一。按照《农业农村部关于做好2022 年大豆油料扩种工作的指导意见》要求,四川省启动了20.67 万hm2大豆玉米带状复合种植示范推广项目，以进一步提高全省大豆的产能和供给水平。

图1 四川省地貌分区Fig.1 Geographical regions in Sichuan Province

1.2 数据来源

行政区划数据来源于天地图·四川(https://sichuan.tianditu.gov.cn)。社会经济统计数据来源于2000—2020 年的《四川统计年鉴》《四川农村统计年鉴》和《四川农业统计年鉴》。DEM 数据来源于地理空间数据云网站(http://www.gscloud.cn/)。年均温、年均降水量来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/)。耕作制度数据来源于中国科学院资源环境科学数据中心的农田生态系统熟制数据(2000—2015 年)和Qiu等[16]的中国种植模式数据(2015—2021 年)。

1.3 指标选择

本文参考前人研究[3-5,8-9,17-21],同时考虑数据可获得性,重点选取大豆产量表征大豆生产水平,并从资源要素投入、地理气候、比较收益、交通条件、种植习惯、社会经济6 个方面提取变量,分析其对大豆生产的影响(表1)。由于四川省大豆生产主要为小农主体,政策对农户主体的种植决策影响更多体现在补贴等带来的比较收益[22-23],因此本研究不考虑政策因素的影响。

表1 四川省大豆产量的地理探测因子Table 1 Indicators of geographical detector of soybean production in Sichuan Province

资源要素投入: 采用耕地面积、大豆产业从业人员、农业机械总动力3 项指标表征大豆的土地、劳动力和技术资源要素投入。一般而言,其对大豆生产总体为正向影响。其中,大豆产业从业人员的计算,重点借鉴陈雨生等[5]的研究方法,对第一产业从业人员采用一定权重进行处理获得,即:

式中: PEO 表示大豆产业从业人员数,PEOP 表示第一产业从业人员数,AOV 表示农业产值,AOVP 表示第一产业产值,SSA 表示大豆播种面积,CSA 表示农作物播种面积。

地理气候条件: 大豆生产具有环境和生态适宜性,采用海拔、坡度、地形起伏度、温度、降雨量等,表征地理环境与气候对大豆生产的影响。其中,区县单元地形起伏度(TER)的计算,重点借鉴封志明等[24]的计算方法,利用DEM 数据求得,即:式中: ELE、Max 和Min 分别表示县域单元内的平均海拔、最高海拔和最低海拔;PA表示该区域内平地面积,其中平地定义为相对高差＜30 m 的区域;A表示区域总面积。

比较收益: 对于四川省而言,大豆的主要竞争性作物为玉米[25-26],因此采用大豆产值与玉米产值之间的差距表征农业比较收益竞争。

农户种植习惯: 农户种植习惯与自身所掌握的技术技艺紧密相关,也与家庭劳动力资源的配置与投入有密切关系,本研究采用耕作制度表征农户家庭的种植习惯和偏好。

区域交通条件: 交通设施完善的地区,大豆的生产效率则相对较高。因此,重点采用路网密度表征。

社会经济环境: 采用人均GDP、城镇化水平、乡村户均人口规模表征区域社会经济环境变化对大豆的影响。一般而言,经济发展水平较高的地区,对大豆消费的促进作用较为显著。城镇化水平越高的地区,耕地非粮化、人口非农化趋势更为显著。乡村家庭人口规模越小,对大豆的劳动力资源投入则会越有限。

1.4 研究方法

1.4.1 空间基尼系数

基尼系数可以用来衡量产业的地理聚集程度。借鉴相关研究[27],将大豆生产的基尼系数定义为G,计算公式为:

式中:i和j表示不同区县,Yi、Yj表示区县i和j的大豆产量占全省产量的比重;n表示区县数量,其值为183;表示各区县大豆产量占比的均值。G值介于0～1 之间,数值越大,表明全省大豆生产的空间聚集程度越高,反之则越分散。

1.4.2 地理集中度

基尼系数在衡量产业空间聚集程度方面具有一定的作用,但在地理单元设定与产业分类方面存在一定的局限。地理集中度为地理学中用来衡量区域活动聚集程度的重要指标,可与基尼指数相互印证。本研究引入地理集中度指标(G′),该指标用大豆产量排名靠前的m个县域在全省范围内的比重之和来表示。其计算公式为:

式中: 结合四川省的大豆生产实际,m取10。G′介于0～1 之间,数值越大,表示大豆生产的地理聚集程度越高,反之则越低。

1.4.3 空间转移系数

空间转移系数可以从总量和份额两个方面进一步衡量一个地区一段时间内的大豆生产空间变化,以分析大豆生产空间的转移特征。本研究重点对李政通等[28]的空间转移系数进行优化,构建以生产发展阶段为导向的空间转移系数指标,并对大豆生产空间转移特征进行分析。其计算公式为:

式 中:t表示节 点年份,m表示各 阶段年份差,表示区县i在t至t+m阶段大豆生产变化的空间转移系数均值;Pi,t+m/Pi,t-1表示区县i的大豆产量在t+m年相对于t-1 年的变化;Yi,t+m/Yi,t-1表示区县i的大豆产量占比在t+m年相对于t-1 年的变化;Pi,t+m和Pi,t-1分别表示区县i在t+m年份和t-1 年份的大豆产量;Yi,t+m和Yi,t-1分别表示区县i在t+m年份和t-1年份的大豆产量占比。当＜1 时,说明区县i在t至t+m阶段大 豆生产 呈现退 化趋势;当1 时,说明区县i在t至t+m阶段的大豆生产维持在相当水平;当时,说明区县i在t至t+m阶段的大豆生产呈现转入趋势。非大豆生产区县以空白值处理。

1.4.4 探索性空间数据分析

空间权重矩阵的设定受主观因素影响,所以通常来讲,不存在最优的空间权重矩阵,只能结合矩阵的现实意义,选择相对更适合的空间权重矩阵。该研究分别从地理位置与经济距离两个角度出发构建空间权重矩阵。邻接矩阵中相邻地区矩阵元素设定为1,不相邻设定为0。地理距离矩阵中的元素为地区之间经纬度计算的欧氏距离的倒数。经济权重矩阵中的元素为两个地区之间经济距离的倒数,其中经济权重用各地区样本期内人均GDP 的平均值表示。

本研究选择莫兰指数(Moran’sI)检验大豆生产是否存在空间相关性(空间自相关检验)。Moran’sI分为全局莫兰指数(Global Moran’sI)和局部莫兰指数(Local Moran’sI),具体公式如下:

式中:Wij表示i和j之间的空间权重(i≠j),W表示所有Wij之和,yi和yj表示各区县大豆产量,表示各区县大豆产量均值。Global Moran’sI值介于-1～1 之间,Global Moran’sI值为正,表示空 间相关 性为正;Global Moran’sI值为负,表示空 间相关 性为负;Global Moran’sI值为0,表示变 量在空间上具 有随机性。

1.4.5 参数最优地理探测器

本研究选取参数最优地理探测器(OPGD)分析四川省大豆生产格局的驱动因素[29]。首先计算每个连续型因子在不同分级方式、不同间断数下的q值[式(8)],q值在[0,1]区间,值越大表明大豆生产的空间分异越强,影响因子对大豆生产空间分异的解释力越强,反之越弱。其中,分级方式根据统计规则确定(如等间距、自然间距、分位数间距、几何间距和标准偏差间距),间断数量设置为3～7 类。OPGD模型通过选择q值最高的参数组合(分级方式与间断数)进行空间离散化,从而探测大豆生产的空间分层异质性和影响因子对大豆生产空间分异的解释力,并运用交互作用探测分析不同因子共同作用于大豆生产的影响情况。

式中:h=1,···,L,表示大豆产量与影响因子的分层;Nh表示h层的单元数;N表示全区单元数;和σ2分别表示大豆产量在h层和全区的方差;SSW 表示层内方差之和;SST 表示全区总方差。地理探测器中两个影响因子的交互作用类型,如表2 所示。

表2 地理探测器中两个影响因子交互作用类型Table 2 Interaction types of two impat factors of geographical detector

2 结果与分析

2.1 大豆生产时序变化特征

重点采用有序样本聚类法[30]对2000—2020 年四川省大豆产量这一表征大豆产业发展的代表性指标进行分析,得到2001 年、2008 年、2010 年、2016 年等最优分割点(图2)。据此,将四川省大豆产业的发展历程划分为以下5 个阶段。1) 2001 年之前为零散种植期,为了满足生猪养殖中的饲料需求,四川开始零散化 种植大豆[31]。2) 2001 至2007 年为试点提速期,面对川中丘陵区“小麦(Triticum aestivum)/玉米/甘薯(Ipomoea batatas)”种植模式带来的水土流失、土壤肥力下降等问题,自2003 年始,四川省开始在川中丘陵地区推广试点 “小麦/玉米/大豆”新三熟制技术,全省大豆产量开始提速,2006 年的极端高温干旱灾害导致全省大豆产量锐减,2007 年逐步恢复至2004年水平。3) 2008 至2009 年为快速提升期,随着 “玉米-大豆”带状复合种植技术向川东北、川南地区的大规模推广,四川省的大豆产量迅速提升[32]。自2008 年开始四川省成为全国大豆产量增速最快的省份,2009 年大豆产量年增速达13.07%,创历史最高。4) 2010 至2015 年为增速放缓期,由于间套作大豆技术难度大且劳动强度大,大豆生产对劳动力的需求越来越强,大豆增产面临着劳动力短缺的关键瓶颈,这一阶段四川省大豆产量增速开始迅速放缓。5) 2016 年至今为振兴提升期,随着大豆上升为国家重大粮食安全战略,有关大豆扩面增产的系列政策陆续出台,大豆产量增速开始有所提升。2019 年,我国《大豆振兴计划实施方案》明确提出要在西南地区大力推广玉米大豆轮作或间套作,四川省大豆产量快速提升,并跃居至全国第3。

图2 2000—2020 年四川省大豆产量时序变化Fig.2 Temporal changes of soybean production in Sichuan Province from 2000 to 2020

2.2 大豆生产空间聚集变化特征

2000—2020 年四川省大豆生产的空间基尼系数与地理集中度系数变化如图3 所示。总体来看,空间基尼系数(G值)为0.299～0.350,总体呈波动上升趋势,2019 年后G值开始下降。这说明四川省的大豆生产在空间分布上越来越不均衡,空间集中程度逐步上升。地理集中度系数(G′值)与G的变化具有较高的一致性,总体呈波动上升趋势,G′值从2000 年的0.294 上升到2019 年的0.371,之后开始下降。从趋势上看,G′值波动较大。其中,2000—2010 年,主产区的聚集特征表现为先扩散后上升;2010 年之后,大豆生产表现为快速向排名前10 位的主产区聚集。2019 年之后,主产区的聚集优势开始下降。总体而言,四川省大豆生产的空间格局长期以来表现为较高的聚集型分布特征,且空间聚集水平逐步上升。

图3 2000—2020 年四川省大豆产量空间聚集特征Fig.3 Spatial agglomeration characteristics of soybean production in Sichuan Province from 2000 to 2020

2.3 大豆生产空间转移变化特征

利用空间转移系数,对四川省大豆生产的阶段特征变化进行分析(图4)。2001—2007 年期间,除川西高原地区为非生产区外,大豆空间变化开始呈现区域性的转入转出,其中川中丘陵区、川东北地区为主要的转入地区,川西南山地及成都平原和川南宜宾、泸州则呈现较为明显的转出。2008—2009 年,川中丘陵地区和川东北山区的大豆转入规模和空间持续扩大,并逐步向川南地区的宜宾、泸州及川西南山地大部持续扩大,成都平原则呈现持续性转出;2010—2015 年,成都平原持续转出,川西南山地大部的大豆产量也开始减少,增产地区进一步向川中丘陵区、川东北和川南山区聚集;2016—2020 年,随着大豆振兴系列产业政策的推进实施,全省大豆增产地区进一步向川中、川东北、川南地区全面拓展,并逐步向成都平原北部和川西南山地中部扩大。总体而言,川中丘陵区长期以来是全省大豆种植和增产的主要地区。

图4 2000—2020 年四川省不同阶段大豆产量空间转移系数变化Fig.4 Changes of spatial transfer coefficient of soybean yield at different stages in Sichuan Province from 2000 to 2020

2.4 大豆生产的空间变化相关性分析

2.4.1 全局自相关分析

采 用GeoDa 18.0 和Stata 15 测算出 邻接矩阵(W1)、地理距离矩阵(W2)、经济距离矩阵(W3) 3 种矩阵的全局莫兰指数(Global Moran’sI)值,结果见表3。3 种空间矩阵的Global Moran’sI值在2000—2020 年期间均显著为正,但与邻接矩阵(W1)和经济距离矩阵(W3)相比,基于地理距离矩阵(W2)的Global Moran’sI值相对较低。一定程度上说明,四川省大豆的生产更多取决于各区县的邻接位置和经济发展水平,大豆产量高的区县更倾向于和高产的区县聚集,产量低的区县更倾向于与低产的区县聚集。对2000—2020 年各矩阵的Global Moran’sI值求均值,得出W1、W2和W3的均值分别为0.490、0.112 和0.481,其中邻接矩阵的均值最高。

表3 2000—2020 年四川大豆产量Global Moran’s I 指数变化Table 3 Changes in the Global Moran’s I index of soybean production in Sichuan Province from 2000 to 2020

2.4.2 局域自相关分析

与Global Moran’sI相比,Local Moran’sI可以表征大豆生产的局部空间聚集情况,体现区域间生产的空间依赖性。重点采用邻接矩阵(W1)权重进行分析,结果如图5 所示。

图5 节点年份四川省大豆生产LISA 聚类图Fig.5 LISA cluster plots of soybean production in Sichuan Province in node years from 2000 to 2020

根据发展阶段特征,重点选择2000 年、2001 年、2008 年、2010 年、2016 年、2020 年对局部空间聚类情况进行展示(图5)。四川省大豆生产的空间聚集类型主要表现为高-高(H-H)聚集和低-低(L-L)聚集,即生产区与非生产地区较为明显的聚集特征。高-高聚集区(H-H)的空间变化趋势看,自2008 年始,四川省大豆生产的空间聚集水平总体呈现越来越高的趋势,并逐步从四川盆地和盆周地区向川中丘区中部转移,到2020 年基本形成了以川中丘陵区为核心的大豆优势产区,H-H 聚集区的大豆产量占全省的50.32%。这一地区是四川省大豆的主产区,大豆生产能力强,与之相邻的地区大豆产量也较高,因此呈现出高产区聚集的空间分布特征。川西高原则受地形地貌、气候等条件影响,长期以来是大豆的非生产区。川西南山地、成都平原等在大豆生产发展的空间格局变化波动明显,聚集优势不显著。

2.5 大豆生产的空间驱动因素分析

1)单因子探测及变化趋势。总体而言,14 个因子对大豆生产空间格局的影响较为显著。2020 年,q值大于0.2 的主导因子主要表现为大豆从业人员(PEO)＞耕地面积(LAD)＞农业机械总动力(MCE)＞比较收益(BEF)＞平均高程(ELE)＞年均温(TEP)＞平均坡度(SLP)＞地形起伏度(TER)＞路网密度(ROD)＞乡村家庭规模(HOU),资源要素、比较收益、地理气候、交通条件是驱动四川省大豆生产发展的主要因素(表4)。从驱动力变化趋势看,长期以来,驱动大豆生产空间格局变化的因素主要为资源要素投入和比较收益,大豆从业人员(PEO)、耕地面积(LAD)、农业机械条件(MCE)、比较收益(BEF) 4 个因子的q值长期居于前列。其次为地理气候因素,海拔(ELE)、坡度(SLP)和地形起伏(TER)等对大豆产量的影响力均有所提升,其中气温(TEP)的q值位序则自2001 年开始显著提升。一定程度上说明,作为西南丘陵山地大省,地形气候对大豆生产的影响仍旧较大,且随着大豆从业人员的减少,地理气候因素的影响力越加显著。交通条件方面,随着我国现代农业的发展和农村公共服务环境的提升,路网密度(ROD)的影响力自2001 年之后开始显著下降。社会经济环境各因子较之交通条件对大豆生产格局的影响相对较低,但随着乡村家庭规模(HOU)的小型化,从事农业的劳动力资源下降,其影响力逐渐提升。耕作制度(COK)对大豆生产格局的影响则表现为逐步减弱,且2010 年q值不显著。从种植习惯和偏好看,大豆在四川地区的种植模式多为轮休作物或与玉米等间套作[33],加之大豆的种植技术要求和对劳动力的需求较之玉米等其他作物相对较高,农户种植大豆的意愿不强,因此耕作制度(COK)对大豆生产格局的影响力最低。

表4 节点年份各影响因素对大豆产量的驱动力(q 值)及位序变化Table 4 Driving force (q-value) and its order for each influencing factor of soybean production in Sichuan Province in node years from 2000 to 2020

2)因子交互探测及变化趋势。总体而言,主导因子对大豆产量的驱动作用并不独立,多呈现非线性增强或双因子增强效应(图6)。将两两因子交互作用q值求和,得出各因子的交互作用总体强度(表5)。可以看出: 大豆从业人员(PEO)与各因子的交互作用相对最强,其次为耕地规模(LAD) (表5)。交互效应强度方面,总体表现为地理气候＞资源要素＞经济社会＞比较收益＞交通条件＞耕作制度(图7),资源要素和比较收益单因子与其他因子之间的交互驱动力长期以来最为显著且总体呈波动上升趋势,海拔高程(ELE)、乡村家庭规模(HOU)、气温(TEP)的q值位序提升较快,而交通条件(ROD)和地区经济水平(GDP)的q值位序则呈波动性下降(表5)。一定程度上表明,资源与环境的约束和比较收益的冲击对四川省大豆生产格局变化的影响力正逐步提升。

图6 节点年份各影响因素对大豆生产的交互作用探测结果Fig.6 Interaction detection results of the influencing factors on soybean producion in Sichuan Province in node years from 2000 to 2020

图7 节点年份各类因子对大豆生产的交互作用力(q 值之和)结构Fig.7 Interaction force (sum of q) structure of the factor categories in Sichuan Province in node years from 2000 to 2020

3 讨论与结论

3.1 讨论

本研究对2000—2020 年四川省大豆生产时空格局及其影响因子的驱动力变化特征进行重点探究,分析不同时期下大豆产量变化和空间聚集与转移特征,对生产格局的空间相关性进行了测度,并基于参数最优地理探测器探讨了不同影响因子的驱动力变化趋势。从空间变化来看,四川省的大豆生产空间主要向川中丘陵区聚集且空间影响呈显著的正向作用,与张晓峰等[21]对四川盆地大豆生产潜力研究结果一致。从单因子驱动因素看,四川大豆生产主要受资源要素、比较收益、地理气候和交通条件的影响和制约,与前人研究结果基本一致[5]。其中,大豆从业人员与耕地面积的驱动力长期稳居前2,与姚成胜等[34]对西南产区的研究结果基本一致。四川省为山地丘陵大省,人多地少,乡村人口流失迅速,农业劳动力短缺问题突出,坡耕地居多且更为细碎,是制约当前大豆生产的关键因素。从因子驱动变化趋势看,资源要素方面,机械总动力对大豆的影响力迅速攀升至第3 位,与王静等[8]、司伟等[20]对西南地区的研究结果一致,主要原因可能是四川丘陵山区机械化水平远低于全省与全国水平,在劳动力减少趋势下大豆机械投入不足的问题越来越突出。地理气候方面,年均温的驱动力位序自2001 年之后提升较快,旱灾等高温危害及次生灾害对大豆的影响逐渐显著,与张雪等[19]对长江流域的研究结论相一致。从双因子交互作用看,因子间多呈现非线性增强或双因子增强效应,与秦婷婷等[9]研究结果基本一致。其中资源要素与地理环境条件的约束和比较收益的冲击对大豆空间格局的影响力提升较快。主要原因在于大豆仍旧为劳动、土地密集型产品,受四川省地理地貌环境的约束和竞争性作物(玉米)的效应冲击更为明显。

总体而言,现有研究多关注全国尺度、主产区尺度的研究,研究尺度较为宏观,较少考虑各地各省的差异性,聚焦于四川省大豆空间格局的文献较为缺乏。本研究在前人研究基础上,进一步聚焦四川省近20 年的发展,深入探究了其空间格局及影响因素的变化趋势。本研究尚有一些方面需要进一步改进和提升。首先,影响大豆生产格局变化的因素很多,比如大豆的品种特征及分布、生物灾害[35]等因素,基于数据难以获取,因此未加以考虑;其次,本研究重点选择了节点年份进行因子驱动力的分析,在解释基于发展阶段的驱动力变化特征方面具有一定的局限性;同时,参数最优地理探测器的因子驱动力分析方法,在影响因子的正负效应方面判定具有不确定性,下一步可对影响因子的正负驱动效应进行进一步的探讨。

3.2 结论

1) 基于有序样本分类法,将四川省大豆生产发展阶段划分为2001 年之前的零散化种植期、2001至2007 年的试点提速期、2008 至2009 年的快速提升期、2010 至2015 年的增速放缓期及2016 年至2022 年的振兴提升期5 个阶段。

2) 基于空间基尼系数、地理集中度系数对四川省大豆生产格局的分析表明: 2000—2020 年四川省大豆生产在空间分布上地域发展不均衡,在区县尺度上的地理分布总体呈现较集中分布,且空间聚集水平逐步上升。

3) 基于空间转移系数对大豆生产格局变化进行分析可以看出: 四川省大豆生产总体呈现逐步向川中丘陵区集中的态势,川西南山地表现为阶段性的转入转出,成都平原地区总体表现为转出,而川东北地区、川南地区则表现为转入,川西高原地区为大豆非生产区。利用莫兰指数对大豆生产格局的空间相关性进一步检验得出,四川省大豆的生产格局更多取决于区县间的空间邻近和经济趋同,且主要表现为高-高(H-H)聚集和低-低(L-L)聚集特征,其中川中丘陵优势区聚集效应逐渐显著。

4) 对四川省大豆生产格局变化影响因素的地理探测结果分析表明: 四川省大豆生产格局的变化受资源要素、地理气候、比较收益、交通条件、经济社会、种植习惯等多种影响因素的共同作用,以非线性增强、双因子增强效应为主导。总体而言,驱动四川省大豆生产格局形成的主导因子为资源禀赋条件和比较收益因子,同时作为西南丘陵山地大省,地形气候和经济社会条件对大豆生产的影响仍旧较大,气温(TEP)的单因子作用和乡村地区家庭人口规模(HOU)的交互作用显著提升,气温逐步升高及乡村地区家庭的小型化正逐渐成为影响大豆生产格局变化的关键因素。

基于上述结论,本文得到如下启示: 第一,进一步破解大豆产业发展的资源环境约束。着力破解山地丘陵大省耕地资源细碎化的现状,提升耕地质量和使用效率,发展面向大豆生产端的社会化服务,加快面向大豆间作技术场景和丘陵山地场景的技术和机械的研发和应用,缓解劳动力短缺问题。第二,围绕粮食安全和兼顾比较收益,进一步优化大豆生产、农机、服务、保险等环节的政策体系,推动政策体系协同发力。第三,重点关注气候变化引发的干旱[36]等大豆生产风险,健全农业领域的自然灾害风险预警与防范机制,探索改良和选育适应气候变化的新优品种,强化大豆自然灾害风险抵御能力。