基于ESDA-GWR的四川省糧食單產(chǎn)時空演變及影響因素研究

呂雷1，折曉婷2,王玉貴1

(四川師范大學(xué) 1.西南土地資源評價與監(jiān)測教育部重點實驗室；2.地理與資源科學(xué)學(xué)院，四川成都610066)

摘要：以四川省21個市州為研究區(qū)域，利用ESDA空間自相關(guān)分析和GIS空間分析中地理加權(quán)回歸模型(GWR)，探討了2004-2013年四川省糧食單產(chǎn)的空間特征及影響因素.結(jié)果表明：四川省糧食單產(chǎn)差異明顯，整體呈現(xiàn)“中心高四周低”的空間特征；通過空間自相關(guān)分析，全局Moran’sI指數(shù)的最小值為0.14，為空間正相關(guān)，說明21個市州的糧食單產(chǎn)在空間上聚集，德陽、南充糧食單產(chǎn)的“熱點”效應(yīng)逐漸擴散；對影響因素的地理加權(quán)回歸分析發(fā)現(xiàn)，化肥施用量的回歸系數(shù)最大，說明化肥施用量是影響糧食單產(chǎn)的最主要因素.各因素對糧食單產(chǎn)影響程度的大小排序為：化肥施用量﹥農(nóng)業(yè)機械動力﹥耕地用電量﹥有效灌溉面積.

關(guān)鍵詞：糧食單產(chǎn)；ESDA；GWR；四川省

收稿日期：2015-04-12

作者簡介：呂雷(1990—)，男，安徽桐城人.碩士研究生，主要從事城市土地管理與房地產(chǎn)開發(fā)研究.

中圖分類號：F326.11文獻標志碼：A

0引言

國家糧食安全問題是當前的熱點話題之一，2015年2月中央一號文件重點強調(diào)了糧食安全問題，說明糧食安全的重要性.保障糧食安全供應(yīng)問題仍然是農(nóng)業(yè)生產(chǎn)的首要目標.[1]2013年我國城鎮(zhèn)化水平達到53.7%，建設(shè)用地需求巨大，雖然耕地保護態(tài)度堅決，但耕地每年仍以幾百萬畝的速度被占用.有限的耕地面積難以承載不斷增長的人口的矛盾，使得提高糧食單產(chǎn)成為保障糧食安全的基本戰(zhàn)略之一.如何提高糧食單產(chǎn)，不但是政府關(guān)注的重點，也是學(xué)術(shù)界關(guān)注的焦點.對于糧食單產(chǎn)問題，學(xué)者們分別在全國尺度、[2]區(qū)域尺度、[3]省域尺度、[4]縣域尺度等各個尺度.[5]從差異特征、[6]影響因素、[7]對策建議等方面做了比較詳細的研究.[8]主要方法包括線性回歸分析、相關(guān)性分析和灰色關(guān)聯(lián)分析等，這些方法大多是基于時間序列的數(shù)據(jù)分析，而并沒有考慮到空間存在的非平穩(wěn)性，不能真實反映解釋變量的空間特征.四川省是全國糧食主產(chǎn)區(qū)，也是西部唯一的糧食主產(chǎn)區(qū).2013年四川省糧食產(chǎn)量3387.1萬噸，位居全國第六.提高糧食單產(chǎn)是實現(xiàn)糧食總量增產(chǎn)的主要因素.基于此，本文以四川省21個市州為例，利用探索性數(shù)據(jù)分析評析了各個市州之間的空間差異特征，通過引入地理加權(quán)回歸(GWR)模型剖析影響因子的影響程度的空間分布，以期為提高四川省糧食單產(chǎn)提供參考與理論依據(jù).

1研究方法及數(shù)據(jù)來源

1.1研究方法

1.1.1ESDA空間分析

探索性空間數(shù)據(jù)分析(Exploratory Spatial Analysis，簡稱ESDA)，是用可視化的方式表達數(shù)據(jù)的空間結(jié)構(gòu)和空間分布規(guī)律，揭示現(xiàn)象之間的空間關(guān)系的一種技術(shù).[9]它涉及空間權(quán)重矩陣、全局空間自相關(guān)和局部空間自相關(guān).空間權(quán)重矩陣是利用ESDA技術(shù)進行空間分析的前提，用于表達空間位置的鄰近關(guān)系，可根據(jù)鄰接標準或距離標準確定.全局空間自相關(guān)Moran′s I是用來描述要素在整體空間上是否存在聚集關(guān)系和空間異質(zhì)性，以此判斷要素之間的空間關(guān)聯(lián)程度.局部自相關(guān)分析則是利用Moran′s散點圖研究空間不穩(wěn)定性及空間演化過程.

1.1.2GWR模型

地理加權(quán)回歸模型(Geographically Weighted Regression，簡稱GWR)，是將數(shù)據(jù)的地理位置引入到回歸參數(shù)中，利用鄰近觀測值的自變量數(shù)據(jù)進行局部回歸估計.將空間效應(yīng)中的空間自相關(guān)和異質(zhì)性，用不同于以往的全局空間自相關(guān)模型表現(xiàn)出來.用一種空間變系數(shù)模型將回歸參數(shù)的真實空間特征反映出來.[10]模型如下：

(1)

1.2數(shù)據(jù)來源與指標的選擇

研究區(qū)域四川省21個市州的糧食播種面積、糧食產(chǎn)量、年末耕地面積、有效灌溉面積、化肥施用量、農(nóng)業(yè)機械總動力和成災(zāi)面積等數(shù)據(jù)均來源于《四川省統(tǒng)計年鑒》(2005-2014).

對于因變量和自變量的選取，本文在考慮相同的政策條件、作物品種和數(shù)據(jù)可獲取性的基礎(chǔ)上，選用糧食單產(chǎn)(t/hm2)作為因變量，選取單位播種面積化肥使用量、單位播種面積機械動力、單位耕地面積用電量、有效灌溉面積占耕地面積比重和成災(zāi)面積占糧食播種面積的比重作為自變量.

2實證分析

2.1糧食單產(chǎn)差異分析

本研究以四川省為研究區(qū)域，四川省山多地廣，自然條件迥異，耕地條件復(fù)雜，各地糧食單產(chǎn)各異.以2013年四川省糧食單產(chǎn)與人口數(shù)據(jù)為例(見圖1)，糧食單產(chǎn)各市州分布不一，與人口分布趨勢略有相同，這說明人口壓力較大的地方，糧食單產(chǎn)也較高.圖中，成都、德陽的糧食單產(chǎn)都較高，較低的有雅安、阿壩、涼山等地區(qū)，其他區(qū)域處于中等水平.

這些差異都與各市州的經(jīng)濟條件、自然條件息息相關(guān).經(jīng)濟基礎(chǔ)好，耕地基礎(chǔ)好的地區(qū)糧食單產(chǎn)高，比如，成都、德陽.社會經(jīng)濟發(fā)展慢，地力基礎(chǔ)差的地區(qū)糧食單產(chǎn)低，比如，阿壩、涼山等地區(qū).空間上，糧食單產(chǎn)表現(xiàn)出“中間高四周低”的態(tài)勢.

2.2糧食單產(chǎn)探索性空間分析

利用2004年、2009年和2013年四川省21市州的糧食單產(chǎn)數(shù)據(jù)進行全局空間自相關(guān)分析和局部空間自相關(guān)分析.

運用Geoda軟件計算出四川省2004年、2009年和2013年21個市州的糧食單產(chǎn)的全局Moran’s I 指數(shù)和散點圖，并根據(jù)P值對其進行檢驗.如圖2所示，三個年份的21個市州大部分落在第一和第三象限，且Moran’s I 指數(shù)都大于0.說明這些區(qū)域具有正相關(guān)性，且表現(xiàn)出明顯的空間聚集態(tài)勢，即糧食單產(chǎn)高的區(qū)域其周圍區(qū)域單產(chǎn)也高，反之，糧食單產(chǎn)低的區(qū)域其周圍單產(chǎn)也低.同時，對Moran’s I的顯著性水平進行檢驗，其P值均大于檢驗臨界值，通過了5%顯著性水平的檢驗.

對研究區(qū)域內(nèi)各單元與鄰近單元的空間關(guān)系需要運用局部空間自相關(guān)進行分析.利用Geoda制作出的LISA圖能直觀反映糧食單產(chǎn)的區(qū)域分布關(guān)系.由圖3可以看出：①空間差異較小、糧食單產(chǎn)高的周邊糧食單產(chǎn)均較高(高-高)的區(qū)域由2004年的2個減少到2013年的0個.德陽、南充作為四川省重要的產(chǎn)量區(qū)，其成為熱點區(qū)域主要是因為該區(qū)域耕地基礎(chǔ)好，糧食集約規(guī)模經(jīng)營.到2013年熱點區(qū)域逐漸減弱，說明德陽、南充的輻射效應(yīng)明顯，使得周邊區(qū)域的糧食單產(chǎn)也相對增長；②空間差異小、糧食單產(chǎn)地周邊糧食單產(chǎn)均較低(低-低)的區(qū)域從2004年到2013年一直發(fā)生在甘孜藏族自治州.主要是因為這些區(qū)域經(jīng)濟基礎(chǔ)落后，自然條件較差，農(nóng)業(yè)生產(chǎn)方式粗放；③空間差異大、糧食單產(chǎn)低但周邊糧食單產(chǎn)高(低-高)的區(qū)域表現(xiàn)在資陽周邊.但糧食單產(chǎn)高但周邊糧食單產(chǎn)低(高-低)的區(qū)域表現(xiàn)在達州周邊.上述研究表明：各區(qū)域糧食單產(chǎn)空間上聚集，并具有一定的空間差異.

2.3影響因素地理加權(quán)回歸分析

傳統(tǒng)的線性回歸模型已經(jīng)不能滿足對空間關(guān)系研究的需要，本文引進地理加權(quán)回歸模型(GWR)，對2003年、2009年和2013年三個時間截面的糧食單產(chǎn)的影響因素進行空間回歸.自變量的選取方面，在剔除多重線性影響問題上，選擇單位播種面積化肥施用量X1、單位播種面積機械動力X2、單位耕地面積用電量X3、有效灌溉面積占耕地面積比重X4四個自變量作為GWR回歸模型的解釋變量.利用Arcgis建立GWR模型得出R2=0.8238，Adjusted R2=0.7796，AICc值為34.0528，說明GWR模型擬合程度較好.

從市域糧食單產(chǎn)的局部系數(shù)來看，4個解釋變量的參數(shù)估計均不相同，均為正向回歸系數(shù)，表示四個系數(shù)對糧食單產(chǎn)存在空間差異.從對糧食單產(chǎn)的影響程度由大到小排序依次為：單位面積化肥施用量﹥單位播種面積機械動力﹥單位耕地面積用電量﹥有效灌溉面積占耕地面積比重.①單位面積化肥施用量對糧食單產(chǎn)的影響程度最大，說明對于四川省來說，糧食單產(chǎn)提高的最主要因素是化肥施用量.并且化肥施用量最敏感的區(qū)域是以攀枝花和涼山彝族自治州為圓心向東北方擴散.這也與四川省耕地的自然環(huán)境條件相吻合.該地區(qū)以山地為主，地形崎嶇，坡陡土薄導(dǎo)致耕地產(chǎn)量低下，糧食單產(chǎn)的提高需要大量的化肥使用.影響最小的是川東北的盆地平原區(qū).②單位播種面積機械動力對糧食單產(chǎn)的影響也較為顯著，依舊呈現(xiàn)與化肥施用量相同的態(tài)勢，敏感區(qū)域位于攀西地區(qū)，由于其地理環(huán)境與經(jīng)濟條件，農(nóng)業(yè)機械動力投入不足，影響糧食單產(chǎn)的提高.③有效灌溉面積占耕地面積也與糧食單產(chǎn)呈現(xiàn)較顯著的正相關(guān)，呈現(xiàn)“西北高東南低”的態(tài)勢，依舊與四川的地形特點一致.阿壩羌族藏族自治洲地區(qū)耕地因干旱缺水導(dǎo)致中低產(chǎn)田面積廣大，是其單產(chǎn)較低的主要原因.①④單位耕地面積用電量也與糧食單產(chǎn)呈正相關(guān)關(guān)系，但回歸系數(shù)明顯減小，表明耕地用電量的提高會增加糧食單產(chǎn)的提高.單位耕地面積用電量對糧食單產(chǎn)最為敏感的是川東北地區(qū)，并向西南逐漸減弱.

3結(jié)論

3.1四川省各市州之間的糧食單產(chǎn)差異較大，成都、德陽、南充等產(chǎn)量大市糧食單產(chǎn)明顯較高，阿壩、涼山、攀枝花等地區(qū)的糧食單產(chǎn)明顯較低，表現(xiàn)出“中心高四周低”的空間特征.

3.2通過全局空間自相關(guān)和局部空間自相關(guān)分析，各區(qū)域糧食單產(chǎn)空間上聚集，并具有一定的空間差異，表現(xiàn)出明顯的空間異質(zhì)性.從2004年到2013年，德陽、南充的糧食單產(chǎn)的“熱點”效應(yīng)有減弱趨勢，說明其“熱點”效應(yīng)逐漸擴散.

3.3將地理加權(quán)回歸模型(GWR)對糧食單產(chǎn)的影響因素進行空間異質(zhì)性分析，按影響程度從大到小排列依次是：化肥施用量、農(nóng)業(yè)機械動力、農(nóng)業(yè)用電量和有效灌溉面積.化肥施用量是對糧食單產(chǎn)最主要的因素.為提高糧食單產(chǎn)，應(yīng)加強攀西地區(qū)的科學(xué)施肥和機械動力投入，川東北地區(qū)應(yīng)提高用電效率，川西地區(qū)應(yīng)擴大耕地的有效灌溉面積.對四川省各市州糧食單產(chǎn)空間特征和影響因素的研究，為科學(xué)制定因地制宜的農(nóng)業(yè)生產(chǎn)政策提供重要的參考價值.

注釋：

① 阿壩羌族藏族自治洲土地利用總體規(guī)劃(2006-2020).

參考文獻

[1] 申昌躍,羅其友.節(jié)水農(nóng)作制度形成機制的研究[J].中國農(nóng)學(xué)通報,2009(11):248-253.

[2] 張營周.我國糧食單產(chǎn)及其影響因素的協(xié)整分析[J].生態(tài)經(jīng)濟,2010(8):129-132.

[3] 何秀麗,張平宇,程葉青.東北地區(qū)糧食單產(chǎn)的區(qū)域差異及總體評價[J].農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究,2008(2):176-180.

[4] 高金蘭.安徽省糧食單產(chǎn)趨勢變化及主要經(jīng)濟因素影響分析[J].生態(tài)經(jīng)濟：2013(3):108-115.

[5] 張金萍,秦耀辰.縣域糧食單產(chǎn)及其生產(chǎn)投入因素的空間異質(zhì)性—以河南省為例[J].自然資源學(xué)報,2011(3):373-381.

[6] 張路路.河北省糧食單產(chǎn)區(qū)域差異特征演變格局及動因分析[J].水土保持研究,2011(2):192-197.

[7] 金京淑,劉妍.吉林省糧食單產(chǎn)影響因素分析[J].吉林農(nóng)業(yè)科學(xué),2010(3):57-59.

[8] 滕宇.吉林省糧食單產(chǎn)效率的聚類分析及對策研究[D].長春:東北師范大學(xué),2012：18-22.

[9] Messner S F, Anselin L, Baller R D.Thespatialpatterningofcountyhomiciderates:Anapplicationofexploratoryspatialdataanalysis[J]. Journal of Quantitative Criminology, 1999(4): 423-450.

[10]覃文忠.地理加權(quán)回歸基本理論與應(yīng)用研究[D].上海:同濟大學(xué),2007：112-113.

[11]Bowman A W.Analternativemethodofcross-validationforthesmoothingofdensityestimates[J].Biometrika,1984:353-360.

[責(zé)任編輯范藻]

Spatial and Temporal Evolution and Influencing Factors of

Grain Yield Per Hectare Based on ESDA and GWR Model in Sichuan Province

LV lei1, SHE Xiaoting2, WANG Yugui1

(1. Key Laboratory of Land Resources Evaluation and Monitoring in Southwest of Education Ministry

in Sichuan Normal University, Chengdu Sichuan 610066;

2. Geography and Resources Science School of Sichuan Normal University, Chengdu Sichuan 610066, China)

Abstract:This paper takes the 21 cities of Sichuan province as an example, using the ESDA spatial autocorrelation analysis and GIS spatial analysis in geographically weighted regression (GWR) technology, discussing the spatial characteristics of grain yield in Sichuan province in 2004-2013 and its influence factors. The results show obvious difference in per unit area yield of grain in Sichuan province and the spatial feature presents "higher center and lower perimeter". By the spatial autocorrelation analysis, global Moran's I index value is 0.14. It meant that cities are gathering on the state space per unit area yield of grain. The "hot spot" effect of per unit area yield of grain in Deyang and Nanchong is gradually spreading. By the influence factors of geographically weighted regression analysis indicates that the most important regression coefficient factor of yield of grain relies on the fertilizer. Its influence degree decreases progressively: fertilizer input, farm mechanical power, cultivated land electricity consumption, effective irrigation area.

Key words:Grain yield per hectare; ESDA; GWR; Sichuan province