旱灾对粮食生产影响的组态路径研究

2024-06-21曹娇娇

湖北农业科学 2024年3期

曹娇娇. 旱灾对粮食生产影响的组态路径研究——基于模糊集定性比较分析［J］. 湖北农业科学，2024，63（3）：157-162，170．

摘要：基于组态视角以中国31个省（自治区、直辖市）为研究对象，选取1990、1995、2000、2005、2010、2015、2020年作为典型案例，探究旱灾与各要素影响粮食生产的组态路径。研究发现，粮食生产受多种因素的影响，且旱灾无法独立影响粮食产量。在高粮食生产中产生4条路径组态，分别为资源投入型、政府支持型、政府支持+资源投入型以及政府支持+技术投入型。在低粮食生产中产生6条路径组态，概括为因旱减产+政府缺位+资源不足型、因旱减产+资源不足型、因旱减产+资源不足+技术不足型3种类型。粮食生产的影响因素不仅具有非对称性，还具有显著的时空差异性。

关键词：旱灾；粮食生产；组态路径；fsQCA

中图分类号：F304.2；S423 文献标识码：A

文章编号：0439-8114（2024）03-0157-06

DOI：10.14088/j.cnki.issn0439-8114.2024.03.024 开放科学（资源服务）标识码（OSID）：

农业是国民经济的基础性产业，其发展的中心任务就是提高粮食产量。近年来，随着全球变暖，旱灾频发，旱灾对农业生产和生活造成的影响越来越大，已经成为制约中国农业和经济发展的重要因素。粮食生产受到农业劳动力［1］、农业机械［2］、灌溉［3］、农药、化肥［4］等多种因素的影响，本文研究旱灾与这些因素的交互作用及不同区域粮食产量提升的差异化路径。已有关于旱灾与粮食产量的统计研究，主要是采取相关性分析方法、灰色关联分析、C-D 生产函数分析以及面板数据回归，研究范围大体是全国层面或者省市层面。郭小燕等［5］、刘佩等［6］、姚小英等［7］以及李治国等［8］探讨了旱灾受灾（成灾）面积、旱灾受灾（成灾）率、旱灾强度指数与粮食产量、粮食灾损量以及粮食灾损率的相关性；王秋京等［9］、黎慧钦［10］、杨重玉［11］运用灰色关联分析对自然灾害与粮食作物产量的灰色关联度进行分析，通过一系列操作发现二者具有很强的相关性；孙顺强等［12］运用面板数据模型分析了中国粮食直补对粮食产量的影响，许朗等［13］、储敏［14］、陈秧分等［15］、王新华［16］也运用面板数据定量分析了干旱对粮食产量的影响以及其他影响因素。

现有研究大多采用定量分析方法，缺少案例间的差异性分析，缺乏定性与定量相结合的全面考察。基于此，本文基于组态视角以中国31个省（自治区、直辖市）为研究对象，选取1990、1995、2000、2005、2010、2015、2020年作为典型案例，运用融合定性与定量思维的模糊集定性比较分析法，进一步探究旱灾与各要素影响粮食生产的组态路径。

1 研究设计

1.1 fsQCA分析法

定性比较分析是一种案例导向的理论集合研究方法，通过计算集合间隶属程度探究前因条件组合引致特定结果出现的多种路径。选择fsQCA分析法，主要是因为传统的回归分析强调独立因素或两个因素交互作用对结果变量的净效应，而影响粮食生产的因素众多且存在复杂性，定性比较分析不仅能探究单个因素，还能萃取出多种前因条件构型，以解释不同条件组合对同一结果的影响。

1.2 变量赋值及校准

选取农业劳动力、农业灌溉、农业机械动力、化肥、农药、财政支农比较显著的变量进行研究。同时为了使原始数值清晰呈现集合中的隶属程度，需要针对模糊集内连续变量进行校准。首先依照定性比较分析方法的研究惯例设定样本数据的5%、50%、95%分位数作为完全不隶属、交叉点、完全隶属三个校准锚点，具体校准情况见表1。然后通过fsQCA软件进一步实现将原始数据转化为隶属度在0～1校准值的操作化。最后为保证输出结果的有效性，参照既有研究结合案例实际情况针对交叉点数据进行了一定调整，最终形成各案例数据的校准转化结果。

2 实证分析

2.1 单个条件的必要性分析

需要先检验各条件变量（包含非状态）是否构成粮食增产或者减产的必要条件。当条件变量的一致性水平大于0.9时，说明该变量是结果变量的必要条件。前因条件的一致性均小于0.9，表明其均不是粮食增产或者减产的必要条件，即粮食生产不是由单个前因条件决定的，而是多个前因条件交互作用的联合效应，具有“多重并发”的特点，见表2。

2.2 条件组态的充分性分析

参考既有研究的操作标准，将最小案例频数设置为1，同时将原始一致性设定在0.8以上，PRI一致性设定在0.75以上［17］。fsQCA输出复杂解、简约解、中间解3种。为保证输出结果的组态数量适中且具备代表性，选用中间解、简单解进行深入分析［18］，具体见表3和表4，高粮食产量输出组态路径共包含4条，低粮食产量输出的组态路径共包含6条。验证了粮食生产的多重并发性和殊途同归性，同时产生较高的粮食产量和较低的粮食产量具有不同的路径组态，说明了高粮食产量和低粮食产量的非对称性。

由表3可知，高粮食产量的组态构型总覆盖率为0.456 303，表明以上组态覆盖了 45.63%的案例，同时其解的一致性达0.930 965，可知该组态分析结果具有较强的稳定性与解释能力。

条件组态H1为资源投入型，表示当旱灾没有发生时，农药等资源要素的施用以及农业机械的投入使用能够有效增加粮食产量，即使在缺乏化肥和劳动力的情况下，粮食产量增加的趋势依然不受任何影响，这与目前农业机械化水平较高，一定程度上取代传统人力劳动具有密切关系。其中农药、化肥、农业劳动力与旱灾成灾率是核心条件，农业机械动力、农业灌溉、旱灾受灾率为边缘条件。

条件组态H2为政府支持+资源投入型，表示旱灾没有发生时，政府对农业的重视程度越高，财政支农力度越高，同时农药等资源要素发挥作用越明显，粮食产量也会逐渐增加。其中财政支农、农药投入以及旱灾受灾率、成灾率是核心条件，农业劳动力、农业机械动力以及灌溉因素为边缘条件。

条件组态H3为政府支持型，表示旱灾没有发生时，只要政府对农业的扶持力度较大就可以促进粮食产量的提高，即使是农业劳动力缺乏的情况下，也可以通过科学技术手段，用机械取代传统劳动力，适应农业大规模种植情况，即种粮大户为主、散户为辅的种植情况。当然灌溉的作用也不可忽视，对粮食产量也具有一定影响，只是相比较政策扶持来说，其重要性要弱些。其中财政支农为核心存在条件，农业劳动力与旱灾受灾率为核心不存在条件，其余基本为边缘条件。

条件组态H4为政府支持+技术投入型，表示旱灾没有发生时，农业财政支出越多，同时农业机械技术越先进，对于种植业具有重要的促进作用。同时在化肥、农药投入与劳动力投入的辅助作用下，粮食产量可以显著增加。其中财政支农、农业机械动力与旱灾成灾率为核心条件，旱灾受灾率、农业劳动力、化肥、农药为边缘条件。

通过对高粮食产量的组态路径进行分析，发现不同条件以及条件组态之间存在一定的替代关系。比较条件组态H1、H2、H3可以得出，在旱灾未发生的前提下，财政支农力度与农药资源投入、技术投入对提高粮食产量的作用都比较大，也证明这3个要素是可以相互替代的；比较条件组态H2、H4，当旱灾并未发生时，并且政府对农业投入比较大，各种农药资源要素与技术要素之间是可以相互替代的，都可以促进粮食高产。

由表4可知，低粮食产量的组态构型总覆盖率为0.473 45，表明以上组态覆盖了47.35%的案例，同时其解的一致性达0.937 144，可知该组态分析结果具有较强的稳定性与解释能力。

条件组态NH1、NH2、NH6都为因旱减产+政府缺位+资源不足型，组态NH1表示一旦发生旱灾，同时财政支农力度不足，政府对农业的重视程度降低；农业灌溉水不足影响到有效灌溉面积；农药等资源要素投入不足，都会对粮食生产产生负面效应，产生低粮食产量的情况。组态NH2、NH6情况基本与组态NH1一致，其中组态NH1旱灾成灾率为核心存在条件，财政支农、农业灌溉、农药为核心不存在条件；组态NH2旱灾受灾率为核心存在条件，财政支农、农药为核心不存在条件；组态NH6旱灾受灾率和旱灾成灾率为核心存在条件，财政支农、农药为核心不存在条件。条件组态NH6与前两种组态不同，该条路径农业劳动力、农业灌溉、农业机械动力、化肥都为边缘存在条件，前两条路径这些为边缘不存在条件。分析原因，可以得出当旱灾发生时对粮食减产的影响是主要的，即使人力投入、技术投入以及各种资源投入都充足的情况下，也无法弥补因旱缺水对粮食产量造成的影响。

条件组态NH3为因旱减产+资源不足型，表示一旦旱灾发生，同时农药、化肥等资源要素投入不足，对粮食生产的负面影响是巨大的。其中旱灾受灾率和成灾率、农药、化肥为核心条件。农业灌溉、农业劳动力、财政支农为边缘不存在条件。

条件组态NH4与NH5都为因旱减产+资源不足+技术不足型，表示无论是旱灾受灾率、成灾率都表示干旱对种植业的巨大冲击，兼之灌溉、农药等资源要素以及农业机械技术条件的缺乏，发生旱灾地区当年粮食产量必定低产。其中组态NH4中旱灾成灾率、受灾率、农业机械动力与农药为核心条件，组态NH5中旱灾成灾率、农业灌溉、农业机械动力、化肥、农药为核心条件。

2.3 稳健性检验

结合既有研究成果，选用提高一致性门槛［19］、调整校准分位点［20］以及随机删除部分案例［21］的方式进行稳健性检验。首先，将原一致性门槛提高至0.9，组态输出结果完全一致。其次，将原校准分位点中完全不隶属调整至0.25，将完全隶属调整至 0.75，交叉点保持不变，路径数量发生变化，但是路径类型并未发生改变。最后，随机删除1990年和1995的吉林省、辽宁省4个案例数据并按照原操作流程与标准设定进行二次检验，组态输出结果完全一致。基于以上检验操作可知，本研究分析结果具有较高的稳健性。

3 各条件组态典型案例分析

3.1 高粮食产量组态案例分析

条件组态H1为资源投入型，能解释的案例包括甘肃2020、浙江2005、浙江2020、浙江2015。以浙江省为例，自2005年时任浙江省委书记习近平做出大力发展高效生态农业的重大决策，要在绿色生态种养上求突破，2020年颁布《关于深化“肥药两制”改革高质量推进农业绿色发展的实施意见》，追求绿色生产，提升化肥、农药使用效率。同时浙江省高度重视农业机械化的改良与发展，也相应颁布有关农业机械、农业技术的法规文件，这些都对浙江省农业、种植业发展具有巨大的促进作用；甘肃省虽然自然条件、社会经济发展水平无法与浙江省相比，但是对农业各种资源要素的投入也十分充足，也在走生态农业发展道路。

条件组态H2为政府支持+资源投入型，所能解释的案例包括福建2020、福建2010、福建2015、海南2015、海南2010。福建与海南省地处中国南方，水资源充沛、气候条件湿润，经济较为发达，各级政府对于农业支出水平也比较高，尤其是福建与海南都结合地域优势，积极打造特色农业，从《福建省“十四五”特色现代农业发展专项规划》和《海南省“十四五”推进农业农村现代化规划》都可以看出其发展趋势，特别是海南聚焦粮食、种业等，积极打造国家热带现代农业基地。

条件组态H3为政府支持型，所能解释的案例包括广东、江西、江苏、浙江以及东北三省，时间跨度是从2010—2020年（图1）。广东、江西、江苏、浙江主要为东部沿海城市，与东北三省的区域差异极大，但是粮食产量也是正向增长，归根究底就是各省政策扶持力度都很大。东部沿海省份的农业产业体量大、业态全，各省都在开辟农业发展新领域，打造更多有特色、有认可度、有竞争力的特色农业，建成产业、形成集群，持续提高农业创新力和竞争力。作为中国粮食安全的“压舱石”东北三省，更是中国粮食生产大省，占据全国粮食产量逾1/5，因此从中央到地方对东北农业的投入都是极大的。

条件组态H4为政府支持+技术投入型，组态H4所能解释的案例包括江苏、山东、广东等东部沿海省份，也涉及安徽、四川、河南、河北、湖南、湖北，时间主要集中在2015年与2020年（图2）。中国近50%省份都高度重视粮食生产问题，中央及各级政府财政支农力度较大。并且越来越多的省份重视农业机械问题，明晰农业生产需要在技术上不断革新的重要性。从2004年《中华人民共和国农业机械化促进法》的制定，到2018年进行修订，这对改善农业生产经营条件，不断提高农业的生产技术水平和经济效益、生态效益具有重要意义。各省也相继颁布和修订农业机械管理条例，完全证明了农业机械进步在农业生产中的重要地位。

3.2 低粮食产量组态案例分析

条件组态NH1与条件组态NH2为因旱减产+政府缺位+资源不足型，组态NH1所能解释的案例包括：1990年辽宁、吉林、黑龙江、内蒙古、山西、陕西、甘肃、云南、贵州、福建；1995年贵州、云南、甘肃、宁夏、青海、陕西、山西、辽宁、吉林、黑龙江；2000年重庆、天津、甘肃、宁夏、吉林、青海；2005年宁夏、海南（图3）。组态NH2所能解释的案例包括：1990年黑龙江、吉林、辽宁、内蒙古、山西、甘肃、陕西、云南、贵州、广西、福建；1995年新疆、青海、山西、甘肃、内蒙古、贵州、云南、黑龙江、吉林、辽宁；2000年青海、吉林、内蒙古、甘肃、宁夏；2005年宁夏。

除了福建、海南外，其余省份主要集中于西南、西北以及东北地区；从年份来看，主要集中在2000年以前。从地理位置和自然条件来看，这些地区降水较少、水资源总量也较少，不利于种植业的发展。同时，随着2009年《中华人民共和国抗旱条例》的颁布，政府才关注旱灾对农业乃至社会经济造成的不利影响，逐渐重视减轻干旱灾害及其造成的损失。而西南、西北、东北本身自然条件恶劣，经济发展也较为滞后，改革开放以来大力发展工业，农业的发展受到挤压，旱灾发生的频率很高，所以造成这些地区粮食低产量的情况。福建、海南虽然没有受灾自然条件的限制，但是 “工业主导”思想占了上风，1988年定稿的《海南经济发展战略》中明确了海南发展以工业为主导，工农贸旅并举，这在一定程度上抑制了农业的发展。

条件组态NH6为因旱减产+政府缺位+资源不足型，所能解释的案例只有2000年黑龙江。该路径当旱灾发生时对粮食减产的影响是主要的，即使在人力投入、技术投入以及各种资源投入都充足的情况下，也无法弥补因旱缺水对粮食产量造成的影响。2000年左右黑龙江省大兴安岭、三江平原、张广才岭、松嫩平原极易发生干旱，再加上降水较少，干旱频率较高，这对黑龙江粮食生产的影响最显著，政策扶持以及各种外部资源投入就略逊一筹。

条件组态NH3为因旱减产+资源不足型，条件组态NH3所能解释的案例包括1990年、1995年吉林，1990年、1995年黑龙江、辽宁以及青海，2000年吉林，山西1990—2005年，2000年、2005年宁夏，主要集中在东北和西北地区（图4）。20世纪末，东北地区、西北地区不仅容易发生干旱，农药、化肥等农业要素投入不充足，粮食产量也较低，对于全国粮食总产量的贡献占比也较小。

条件组态NH4与条件组态NH5都为因旱减产+资源不足+技术不足型，条件组态NH4所能解释的案例包括1990—2000年云南、贵州、陕西、甘肃以及2000年的福建（图5）。条件组态NH5涉及的省份云南、贵州、陕西、甘肃、福建与组态NH4基本一致，年份除了甘肃2005年外，其余皆在2000年及以前。云贵地区、西北地区以及福建这些地区除了自身水资源不足以外，在灌溉、农药等资源要素以及农业机械技术条件方面也极为缺乏，虽然农业农村现代化发展迅速，但是早年这些地区农业发展受到各种自然和非自然条件的限制。

4 小结与讨论

粮食生产受多种因素的影响，且旱灾无法独立影响粮食产量，旱灾与不同影响因素的组合才能对粮食产量产生作用，需要财政支农力度、农业劳动力、农业灌溉、农业机械、化肥和农药等资源要素这6个条件通过不同的组合影响粮食生产。

在高粮食生产中产生4条路径组态，分别为资源投入型、政府支持型、政府支持+资源投入型以及政府支持+技术投入型。条件组态H1为资源投入型，包括浙江省、甘肃省；条件组态H2为政府支持+资源投入型，包括福建省、海南省；条件组态H3为政府支持型，包括部分东部沿海省份以及东北三省；条件组态H4为政府支持+技术投入型，也涉及部分东部沿海省份和中部省份。这些省份自然条件优越，经济发展水平较高，政府对农业支持力度也很大，资源要素以及技术投入充足，各省充分利用地域优势积极打造特色农业，走创新之路，无论是粮食产量还是粮食总产值都走在全国前列。

在低粮食生产中产生6条路径组态，概括为3种类型：因旱减产+政府缺位+资源不足型、因旱减产+资源不足型、因旱减产+资源不足+技术不足型。条件组态NH1、NH2、NH6为因旱减产+政府缺位+资源不足型，组态NH1、NH2主要集中于西南、西北以及东北地区、福建、海南；组态NH6典型案例为黑龙江省。条件组态NH3为因旱减产+资源不足型，主要集中在东北和西北地区。条件组态NH4与NH5都为因旱减产+资源不足+技术不足型，包括云南、贵州、陕西、甘肃、福建。这些省份地理位置和气候都较为恶劣，旱灾发生频繁，兼之20世纪末重工业的影响，农业各种重要资源和技术条件发展缓慢，很大程度上造成了粮食低产的态势。

粮食生产的影响因素不仅具有非对称性，还具有显著的时空差异性。高粮食生产组态中的典型案例主要集中在东部沿海省份、东北三省以及中部部分省份等粮食主产区，从时间上看，案例集中于2015年、2002年，说明这些地区政府高度重视粮食生产问题，在资金投入、资源投入、技术投入等方面都具有显著优势，各省粮食生产也呈高产的态势。低粮食生产中的典型案例主要集中在20世纪末的西北、西南以及福建、海南等地，一方面受区位条件、自然条件、气候因素影响，旱灾频发；另一方面也受工业优先发展方针政策影响，抑制了农业发展。

参考文献：

［1］李小云，刘慧，杨育凯. 干旱背景下农户生产要素投入行为研究——以华北平原为例［J］.资源科学，2015，37（11）：2261-2270.

［2］睢忠林，刘春明，周杨. 农业机械对劳动力的替代能否提高粮食生产环境效率［J］.世界农业， 2021（1）：99-108， 130-131.

［3］陈宏伟，穆月英. 节水灌溉设施的粮食生产增效机制［J］.华南农业大学学报（社会科学版）， 2021， 20（4）：76-89.

［4］杨铭，刘青利. 基于改进广义灰色关联度的河南省粮食生产影响因素分析［J］.西南师范大学学报（自然科学版），2015，40（9）：174-180.

［5］郭小燕，张家武，陈雪梅，等. 甘肃省水旱灾害时空分布特征及其与粮食产量的关系［J］.干旱区资源与环境， 2011， 25（6）：132-137.

［6］刘佩，刘峰贵，周强，等. 河南省水旱灾害时空分布特征及与粮食产量关系［J］.中国农学通报， 2011， 27（29）：290-295.

［7］姚小英，吴丽，田广旭，等. 甘肃旱作区玉米近40年干旱影响评估［J］.干旱区资源与环境， 2015， 29（5）：192-196.

［8］李治国，陆贤东，管相荣. 1982—2011年旱灾对中国粮食产量影响研究［J］.江苏农业科学， 2014， 42（8）：426-430.

［9］王秋京，马国忠，李宇光，等.黑龙江省主要农业气象灾害特征及其对粮食产量影响的灰色关联分析［J］.南方农业学报， 2015， 46（5）：823-827.

［10］黎慧钦.自然灾害对贵州粮食产量影响的灰色关联度分析——以稻谷、玉米为例［J］.吉林农业， 2012（12）：17-19.

［11］杨重玉.自然灾害与湖南粮食产量的灰色关联度分析［J］.湖南农业大学学报（社会科学版）， 2013， 14（2）：6-9.