刘玉
, 陈秧分, 高秉博
Liu Yu, Chen Yangfen, Gao Bingbo
中图分类号: F129.9
文献标识码: A
文章编号: 1000-0690（2018）01-0143-08
通讯作者:
收稿日期: 2016-12-11
修回日期: 2017-03-25
网络出版日期: 2018-01-10
版权声明: 2018 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：刘玉（1982-）,男,河北无极人,博士,副研究员,主要从事区域农业与乡村发展、土地利用研究。E-mail:liuyu@nercita.org.cn
展开
摘要
基于统计数据,采用对数平均迪氏分解模型,从全国和省域2个尺度研究农作物播种面积、单位面积产值、增加值率、价格变化等因素对2003~2014年中国种植业增加值的影响方向与程度,以期为农业政策调整和差别化的种植业生产策略制定提供依据。结果表明：① 12 a间种植业增加值增加了25 608.4亿元;农产品生产价格指数的提升、单位面积产值的快速增加叠加上农作物播种面积的稳定增长,导致研究期间种植业增加值的明显上升;种植业增加值呈现“北进中移”的发展趋势,长江中下游区、黄淮海区、西南区等省域的种植业增加值明显增加。② 各因素对各省域种植业增加值的作用方向和作用强度呈现出一定的差异性,农产品价格指数的明显提升和单位面积产值的快速增加是大部分省域种植业增加值快速增长的主要推动力,而农作物播种面积的稳定增加也起到比较明显的正向促进作用;新疆和内蒙古农作物播种面积的正向效应明显,北京、上海和浙江农作物播种面积的负向效应明显;东部沿海省域和直辖市增加值率的负向效应比较明显。
关键词：
Abstract
In the context of tight resource and environmental constraints, it is an urgent task to realize the sustainable utilization of agricultural resources and the steady growth of planting industry. Since 2004, what is the growing trend of planting added-value in China? What are the main factors that lead to the change of the planting added-value in China at the country level and at province level respectively? And how much the influence? Based onthe statistical datathat sourced from "China agricultural products cost-benefit compilation" (2005-2015) and "China Rural Statistical Yearbook" (2005-2015), applied the logarithmic mean weigh division index method, in which direction and to what extent such factors as the sown area of crops, unit area yield, value-added rate and agricultural price fluctuation affect the added value of crop farming in China in national and provincial dimension from 2003 to 2014 are investigated in this article. The results show that: 1) The added value of crop farming has increased 25 608.4×108 yuan(RMB) over 12 years; the increase of agricultural price index, rapid growth of unit area yield and steady increase of sown area of crops have led to a significant increase in the added value of crop farming during the investigation; the added value of crop farming “transferred to central and northern China” and significantly rose in the middle and lower reaches of the Yangtze River, Huang-Huai-Hai Region and some southwestern provinces. 2) The impact of each factor on the added value of crop farming differs in direction and extent; the significant increase of agricultural price and rapid growth of unit area yield constitute the main driving force for the rapid growth of added value of crop farming and the steady increase of sown area of crops also has significant, positive impact; the positive impact of sown area in Xinjiang and Inner Mongolia is significant, the negative impact of sown area in Beijing, Shanghai and Zhejiang is significant and the negative impact of added value rate in coastal provinces of eastern China and municipalities is also significant. The results provide references for the adjustment of agricultural policies and the formulation of differentiated planting strategy in China.
Keywords：
种植业作为经济社会发展的基础产业,其基础地位稳定性和发展质量直接关系到国计民生和未来国家发展战略[1,2,3]。种植业的发展有助于降低农民从事其他行业的风险和稳定农民收入水平[4,5],提高农作物单产水平及其价格是促进粮农增产增收的关键[6,7,8]。《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》指出,着力构建现代农业产业体系、生产体系、经营体系,提高农业质量效益和竞争力,走产出高效、产品安全、资源节约、环境友好的农业现代化道路。在资源环境约束趋紧背景下,如何加快转变农业发展方式,确保粮食等重要农产品有效供给,实现农业资源的永续利用和种植业的稳定增长是当前亟待解决的重要课题。
种植业增加值是指种植业现价总产值扣除种植业现价中间投入后的余额,在一定程度上反映了区域种植业的发展水平。明确种植业增加值变化的主要贡献因子及其贡献程度,对于及时调整农业政策、促进区域农业增长具有重要意义[9,10]。一些学者采用贡献因素分解方法研究种植业产值增长的作物贡献和地区贡献[9,11,12],分析种植业结构变动对种植业总产值增长的贡献[13],但分解过程中的残差和“0”值问题对结果存在较大影响。Ang提出的对数平均迪氏分解方法（logarithmic mean weigh division index method,LMDI）能消除分解过程中的残差和“0”值问题,提高了结果分析的准确程度[14,15]。部分学者已采用LMDI模型研究中国粮食和种植业产值变化格局及其贡献因素[10,16]。总体上看,将LMDI模型用于种植业产值变化的研究较少,而且现有研究多集中在全国尺度或者典型区域,从全国、省域等多尺度综合揭示中国种植业增长因素的研究比较滞后。
2003~2014年中国粮食生产实现“十一连增”,2015年进一步实现“十二连增”。在此期间,中国种植业增加值的变化趋势如何?导致全国及各省域种植业增加值变化的主导因素是什么?影响程度有多大?鉴于此,本文首先分析2003~2014年中国种植业增加值变化的时序特征;在此基础上,建立种植业增加值因素分解的LMDI模型,从全国和省域2个尺度对中国种植业增加值变化的因素贡献进行分解和差异比较,重在揭示农作物播种面积、单位面积产值、价格变化、增加值率等对种植业增加值变化的贡献程度及差异。
区域种植业增加值可以分解为农作物播种面积、单位面积产值、农产品生产价格指数和增加值率4个因素的函数[10]。农作物播种面积是指本年度内收获农产品的作物播种面积之和,维持一定数量和质量的农作物播种面积是保障区域种植业稳定发展的关键。单位面积产值是指单位播种面积的种植业产值,在本研究中是指扣除了价格变动因素、以2003年为基期的可比价格,单位面积产出变化和种植结构调整影响着单位面积产值变化。在农作物播种面积难以大幅度增加的背景下,单位面积产值的提高对于区域种植业增加值稳定增长的意义更明显。农产品生产价格指数是指一定时期内,农产品生产者出售农产品价格水平变动趋势及幅度的相对数。农产品生产价格指数的提高意味着农民从单位产品中获得的收入增加,反之则收入减少。增加值率是区域种植业增加值占同期种植总产值的比重,是一个地区种植业盈利能力和发展水平的综合体现,其值越高说明区域种植业附加值越高、盈利能力越强、投入产出效果越好,在一定程度上体现了种植业结构优化、资源配置效率提升等成效。
$V_{t}=\sum\limits_{i=1}^{n}V_{it}\times{10^{-8}=\sum\limits_{i=1}^{n}s_{it}\times{k_{it}}\times{p_{it}}\times{q_{it}}\times{10^{-8}}}$（1）
式中,Vt表示第t年的种植业增加值（108元）;Vit表示i地区在第t年的种植业增加值（元）;sit表示i地区在第t年的农作物总播种面积（hm2）;kit表示i地区在第t年的单位面积产值（元/hm2）;pit表示i地区在第t年的农产品生产价格指数,本文以2003年为基期确定各年农产品生产价格指数;qit表示第t年i地区种植业增加值率（%）;n为研究区单元数。
本文采用LMDI模型进行中国种植业增加值变化量的加法分解：
式中,ΔV表示种植业增加值总变化量（108元）。ΔVs为农作物播种面积变动导致的种植业增加值变化量（108元）;ΔVk为研究期间单位面积产值变化引起的种植业增加值变化量（108元）,反映农用地集约化程度变化以及种植业结构调整对种植业增加值变动的贡献程度;ΔVp为研究期间作物价格水平变化导致的种植业增加值变化量（108元）,反映种植业价格变化对种植业增加值增长的贡献;ΔVq为研究期间种植业增加值率变化导致的种植业增加值变化量（108元）,反映种植业结构优化、资源配置效率改善等对种植业增加值变动的贡献程度。当某一因素效应符号为正时,表示该因素对种植业增加值变动起着正向影响;否则,就起着反向影响。si0、ki0、pi0、qi0、Vi0分别表示i地区在基期年的农作物总播种面积（hm2）、单位面积产值（元/hm2）、农产品生产价格指数和种植业增加值率（%）、种植业增加值（元）;ΔVi,s、ΔVi,k、ΔVi,p和ΔVi,q分别表示研究期间i地区因农作物总播种面积、单位面积产值、农产品生产价格指数和种植业增加值率等变化而引起的种植业增加值变化量。
在分时间段计算各分解因素的效应后,通过加和的方式计算一定时期内各分解因素的总效应。
式中,ΔVm表示整个研究期内第m个因素变动导致的种植业增加值变化量（108元）;ΔVmt表示研究期内第t年第m个分解因素变动导致的种植业增加值变化量（108元）。经式（3）分别计算研究期内农作物播种面积、单位面积产值、农产品生产价格指数、增加值率的总效应。
本文侧重揭示全国和省域（不包括香港、台湾和澳门地区）2个尺度的种植业增加值变化的主要因素贡献,研究所需要的2003~2014年中国及各省域农作物播种面积、产量和产值等数据均来源于公开出版的具有较高权威性的《全国农产品成本收益资料汇编》（2004~2015年）[17]和《中国农村统计年鉴》（2004~2015年）[18]。由于在计算时,分别采用LMDI模型对全国和省域的数据进行计算,因此不同尺度上各因素的加和效应存在不一致的情况。
由表1可知,研究期间中国农作物播种面积呈现波动增加趋势,由2003年的152.42×106hm2增加到2014年的165.45×106hm2,增加了13.03×106hm2;在单位面积产出增加和高产、高效作物种植比例提升的综合作用下,单位面积产值由2003年的9 756.32元/hm2增加到2014年的33 105.32元/hm2,增加了2.39倍,特别是2008年以后增长速度明显加快;农业产品生产价格指数也呈现较快的增长趋势,但2010年以后增长速度趋缓;种植业增加值率基本上维持在64.11%~65.21%之间,总体呈现下降趋势;种植业增加值由2003年的9 649.1亿元增加到2014年的35 257.5亿元,共增加了25 608.4亿元,年均增长12.5%。
表1 2003~2014年中国农作物播种面积和种植业增加值变化
Table 1 Changes of planting area and added value of planting industry in China during 2003-2014
| 年份 | 种植业增加值(亿元) | 农作物播种面积(×103hm2) | 单位面积产值（元/hm2） | 农业产品生产价格指数 | 增加值率(%) |
|---|---|---|---|---|---|
| 2003 | 9649.10 | 152.42 | 9756.32 | 1.00 | 64.89 |
| 2004 | 11827.70 | 153.55 | 11812.51 | 1.16 | 65.21 |
| 2005 | 12758.50 | 155.49 | 12614.12 | 1.34 | 65.05 |
| 2006 | 13951.90 | 157.02 | 13723.74 | 1.40 | 64.74 |
| 2007 | 15989.00 | 153.46 | 16068.27 | 1.54 | 64.84 |
| 2008 | 18151.00 | 156.27 | 17946.36 | 1.67 | 64.72 |
| 2009 | 19738.70 | 158.61 | 19404.09 | 1.72 | 64.13 |
| 2010 | 23684.50 | 160.67 | 22991.22 | 2.00 | 64.11 |
| 2011 | 27042.80 | 162.28 | 25873.66 | 2.16 | 64.41 |
| 2012 | 30216.10 | 163.42 | 28724.60 | 2.26 | 64.37 |
| 2013 | 33147.20 | 164.63 | 31281.28 | 2.36 | 64.37 |
| 2014 | 35257.50 | 165.45 | 33105.32 | 2.40 | 64.37 |
LMDI模型计算结果表明,2003~2014年,农作物播种面积、单位面积产值、农产品生产价格指数和增加值率对种植业增加值的贡献分别为1 746.95亿元、8 186.44亿元、15 802.57亿元和-129.48亿元。在自然环境和社会经济等因素的综合作用下,各因素对种植业增加值的作用方向和作用强度呈现出明显的波动性。由图1可知,① 研究期间,农产品生产价格指数效应全部为正,年度效应介于538.26亿元到3 319.09亿元间,是中国种植业增加值快速上升的主要推动因素,与种植业增加值变化曲线基本吻合。② 除2005年外,单位面积产值效应全部为正效应,对种植业增加值的贡献值呈现波动上升趋势,推动着中国种植业增加值的快速上升。③ 近年来,在中央及地方相关政策的支持下,农作物播种面积呈现稳定增长的趋势,除2007年外其他年份的农作物播种面积效应全部为正且贡献值比较稳定,总效应为1 746.95×108t,占研究期内种植业增加值变化量的6.82%。④ 增加值率以负效应为主,6个年份为正效应,6个年份为负效应,总效应为-129.48亿元。
图1 各因素对种植业增加值的年度贡献值和累计贡献值
Fig.1 Annual and cumulative contribution value of each factor to the added value of planting industry
总体上看,农产品生产价格指数的提升和单位面积产值的快速增加促使研究期间中国种植业增加值的明显上升;而农作物播种面积的稳定增长也对种植业增加值的提升起到正向促进作用。究其原因,国家在这一时期实施最严格的耕地保护制度和耕地开发制度,完善基本农田建设投入机制,大规模建设高标准农田;2004~2014年连续发布以“三农”为主题的中央一号文件,在“多予少取放活”的总方针指引下,逐步取消农业税,实施“两减免三补贴”等一系列强农惠农富农政策,农民从事种植业生产的积极性提高,农作物播种面积稳步提升。通过基本农田建设、农业综合开发等措施,耕地质量稳中有升,加之优质、高产、高效作物的种植比例快速增加和科学栽培管理技术的应用推广[2,13],农作物单位面积产值提高明显。虽然主要农产品获得丰收,但由于主要农产品供求关系总体上处于紧平衡状态,同时受到农资价格上涨、人工成本快速增加、政策因素等的影响,农产品价格呈现快速上涨的态势。经过这一阶段的农业结构调整,农业产业结构进一步改善、产品结构明显优化、区域布局日趋合理[19]。2011年以来农资价格持续增长叠加上农业生产的人力成本和农用地机会成本的快速增长,农业生产进入高成本时代,种植业中间消耗的增长速度快于农产品生产价格的增长速度,增加值率呈现下降趋势,在一定程度上制约着种植业增加值的快速提升。
2.2.1 种植业增加值变化的省域格局
由表2可以看出,① 2003~2014年,省域种植业增加值的分布格局比较稳定,黄淮海区和长江中下游区所属省域的种植业增加值比较高,青藏区和黄土高原区所属省域的种植业增加值比较低。从种植业增加值的增长速度看,15个省域快于全国平均水平,主要分布在北方的黑龙江、陕西、青海、宁夏、甘肃、内蒙古,以及南方的云南、贵州;16个省域慢于全国平均水平,北京、上海、西藏、天津、浙江、江西和吉林等省域的增长速度缓慢。② 31个省域种植业增加值均在增加,河南、山东、河北、江苏、黑龙江、四川、湖南、湖北等省域的增加量在1 300亿元以上,合占全国同期种植业增加值增加量的51.37%;西藏、北京、上海、青海等省域的种植业增加值变化较小,增加量在100亿元以下。总体上看,研究期间,北方种植业增加值的增加速度快于南方,中西部快于东部,呈现“北进中移”的增长态势。
表2 2003年和2014年中国省域种植业增加值及其变化
Table 2 The added value and change of planting industry at provincial scale in China in 2003 and 2014
| 省域名称 | 种植业增加值(亿元) | 2003~2014年 增加值变化(亿元) | 省域名称 | 种植业增加值(亿元) | 2003~2014年 增加值变化(亿元) | ||
|---|---|---|---|---|---|---|---|
| 2003年 | 2014年 | 2003年 | 2014年 | ||||
| 北京 | 44.2 | 70.9 | 26.7 | 湖北 | 451.5 | 1773.0 | 1321.5 |
| 天津 | 43.6 | 111.4 | 67.8 | 湖南 | 493.6 | 2020.3 | 1526.7 |
| 河北 | 648.3 | 2335.4 | 1687.1 | 广东 | 586.6 | 1823.7 | 1237.1 |
| 山西 | 143.0 | 561.7 | 418.7 | 广西 | 353.7 | 1372.1 | 1018.4 |
| 内蒙古 | 219.0 | 918.6 | 699.6 | 海南 | 97.5 | 375.2 | 277.7 |
| 辽宁 | 292.3 | 1047.6 | 755.3 | 重庆 | 213.4 | 722.5 | 509.1 |
| 吉林 | 287.1 | 888.6 | 601.5 | 四川 | 590.0 | 2130.4 | 1540.4 |
| 黑龙江 | 340.3 | 1925.0 | 1584.7 | 贵州 | 181.5 | 851.9 | 670.4 |
| 上海 | 44.5 | 74.1 | 29.6 | 云南 | 286.1 | 1208.4 | 922.3 |
| 江苏 | 678.6 | 2313.9 | 1635.3 | 西藏 | 23.8 | 41.3 | 17.5 |
| 浙江 | 389.3 | 1000.7 | 611.4 | 陕西 | 205.4 | 1157.1 | 951.7 |
| 安徽 | 377.8 | 1306.9 | 929.1 | 甘肃 | 165.5 | 705.1 | 539.6 |
| 福建 | 305.3 | 963.2 | 657.9 | 青海 | 18.4 | 85.3 | 66.9 |
| 江西 | 257.0 | 762.3 | 505.3 | 宁夏 | 34.9 | 154.1 | 119.2 |
| 山东 | 894.6 | 2799.3 | 1904.7 | 新疆 | 308.9 | 1130.1 | 821.2 |
| 河南 | 673.5 | 2627.4 | 1953.9 | ||||
2.2.2 省域种植业增加值变化的农作物播种面积效应
研究期内25个省域的农作物播种面积效应为正值（表3）,新疆、湖南、云南、湖北、黑龙江、内蒙古、吉林等省域的农作物播种面积效应均在100亿元以上,一定程度上促进了全国种植业产值的增加。浙江、广西、北京、福建、安徽、上海、天津等省域农作物播种面积效应为负值,这些省域主要分布在中国东部沿海,非农经济发达,耕地“非农化”利用经营明显快于其他地区,在耕地面积下降和劳动力投入不足引致复种指数急速下降的综合作用下,农作物播种面积下降明显[20]。
表3 2003~2014年中国省域种植业增加值各因素的累积效应
Table 3 Cumulative effects of each factor on the added value of planting industry in China during 2003-2014
| 省域 名称 | 农作物播种面积 | 单位面积产值 | 农产品生产价格指数 | 增加值率 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 增加值(亿元) | 比重(%) | 增加值(亿元) | 比重(%) | 增加值(亿元) | 比重(%) | 增加值(亿元) | 比重(%) | ||||
| 北京 | -34.72 | -130.01**** | 34.74 | 130.08**** | 31.06 | 116.32**** | -4.38 | -16.39 | |||
| 天津 | -0.61 | -0.90 | 24.88 | 36.68** | 45.34 | 66.86*** | -1.80 | -2.65 | |||
| 河北 | 2.34 | 0.14 | 803.63 | 47.63** | 882.37 | 52.30*** | -1.08 | -0.06 | |||
| 山西 | 6.46 | 1.54 | 200.03 | 47.78** | 193.89 | 46.31** | 18.31 | 4.37 | |||
| 内蒙古 | 108.46 | 15.51 | 218.64 | 31.26** | 377.45 | 53.96*** | -5.04 | -0.72 | |||
| 辽宁 | 65.35 | 8.65 | 192.77 | 25.52* | 482.01 | 63.82*** | 15.11 | 2.00 | |||
| 吉林 | 101.81 | 16.92 | 40.99 | 6.81 | 460.63 | 76.58**** | -1.91 | -0.32 | |||
| 黑龙江 | 126.56 | 7.99 | 839.29 | 52.96*** | 653.61 | 41.25** | -34.80 | -2.20 | |||
| 上海 | -10.46 | -35.33** | 5.17 | 17.45 | 37.04 | 125.12**** | -2.15 | -7.25 | |||
| 江苏 | 13.58 | 0.83 | 457.24 | 27.96* | 1178.83 | 72.09**** | -14.35 | -0.88 | |||
| 浙江 | -145.73 | -23.84* | 287.86 | 47.08** | 475.52 | 77.78**** | -6.28 | -1.03 | |||
| 安徽 | -15.89 | -1.71 | 369.37 | 39.76** | 570.34 | 61.39*** | 5.26 | 0.57 | |||
| 福建 | -26.53 | -4.03 | 309.74 | 47.08** | 390.99 | 59.43*** | -16.31 | -2.48 | |||
| 江西 | 45.95 | 9.09 | 72.68 | 14.38 | 389.15 | 77.02**** | -2.53 | -0.50 | |||
| 山东 | 52.04 | 2.73 | 220.37 | 11.57 | 1562.50 | 82.03**** | 69.82 | 3.67 | |||
| 河南 | 68.89 | 3.53 | 695.96 | 35.62** | 1213.20 | 62.10*** | -24.35 | -1.25 | |||
| 湖北 | 131.89 | 9.98 | 430.04 | 32.54** | 722.59 | 54.68*** | 37.03 | 2.80 | |||
| 湖南 | 188.71 | 12.36 | 429.27 | 28.11* | 966.92 | 63.33*** | -58.06 | -3.80 | |||
| 广东 | 14.64 | 1.18 | 461.42 | 37.30** | 756.48 | 61.14*** | 4.65 | 0.38 | |||
| 广西 | -38.79 | -3.81 | 568.86 | 55.86*** | 497.53 | 48.86** | -9.28 | -0.91 | |||
| 海南 | 4.31 | 1.55 | 113.55 | 40.89** | 150.81 | 54.31*** | 9.02 | 3.25 | |||
| 重庆 | 35.81 | 7.03 | 151.38 | 29.73* | 337.92 | 66.37*** | -15.97 | -3.14 | |||
| 四川 | 43.94 | 2.85 | 531.85 | 34.53** | 1032.63 | 67.04**** | -68.05 | -4.42 | |||
| 贵州 | 85.23 | 12.71 | 333.17 | 49.70** | 263.51 | 39.31** | -11.50 | -1.72 | |||
| 云南 | 147.72 | 16.02 | 180.37 | 19.56 | 580.24 | 62.91*** | 13.98 | 1.52 | |||
| 西藏 | 2.35 | 13.43 | 10.48 | 59.89*** | 12.15 | 69.45*** | -7.48 | -42.78** | |||
| 陕西 | 27.64 | 2.90 | 434.81 | 45.69** | 486.54 | 51.12*** | 2.74 | 0.29 | |||
| 甘肃 | 54.80 | 10.16 | 148.81 | 27.58* | 324.73 | 60.18*** | 11.21 | 2.08 | |||
| 青海 | 5.95 | 8.89 | 23.61 | 35.30** | 39.79 | 59.49*** | -2.46 | -3.68 | |||
| 宁夏 | 7.41 | 6.21 | 45.57 | 38.24** | 74.08 | 62.16*** | -7.87 | -6.61 | |||
| 新疆 | 275.63 | 33.56** | 355.49 | 43.29** | 247.88 | 30.19** | -57.80 | -7.04 | |||
从对种植业增加值变化的贡献程度看,新疆利用国家、自治区专项资金和社会资金积极开展土地综合整治工作,特别是“伊犁河谷地土地开发整理重大工程”的启动实施,耕地面积明显增加[21],农作物播种面积的贡献程度最大,占同期新疆种植业增加值变化量的33.56%;吉林、云南、内蒙古、西藏、贵州、湖南、甘肃的贡献程度次之,介于10%~20%之间;20个省域的贡献程度介于5%~10%之间;北京、上海和浙江3个省域的农作物播种面积呈现明显的负向效应,分别占同期该区域种植业增加值变化量的-130.01%、-35.33%、-23.84%。
2.2.3 省域种植业增加值变化的单位面积产值效应
31个省域的单位面积产值效应均为正值（表3）,黑龙江、河北、河南、广西、四川等省域的单位面积产值效应最明显,变化在500亿元以上;18个省域的单位面积产值效应比较明显,介于100×108~500×108元之间,主要分布在中国南方各省;上海、西藏、青海、天津、北京、吉林、宁夏等省域的单位面值产值效应在50亿元以下,变化不明显。从对种植业增加值变化的贡献程度看,在科技优势、信息优势、人才优势、资本优势、市场优势等综合作用下,北京已逐步发展为经营形态高级化和形式多样化的都市型现代农业[22],单位面积产值明显提升,其单位面积产值效应占同期北京种植业增加值变化量的130.08%;西藏、广西、黑龙江、贵州、山西、河北、浙江、福建、陕西、新疆、海南、安徽的贡献程度次之,介于40%~60%之间;宁夏、广东、天津、河南、青海、四川、湖北、内蒙古、重庆、湖南、江苏、甘肃、辽宁等13个省域的贡献程度较低,介于20%~40%之间;吉林、山东、江西、上海、云南等5省域的贡献程度最低,分别占同期该区域种植业增加值变化量的6.81%、11.57%、14.38%、17.45%和19.56%。
2.2.4 省域种植业增加值变化的农产品生产价格指数效应
31个省域的农产品生产价格指数效应均为正值（表3）,上海、西藏、青海、天津、北京、吉林、宁夏等省域的农产品生产价格指数效应在50亿元以下,变化不明显;黑龙江、河北、河南、广西、四川等省域的农产品生产价格指数最为明显,变化在500亿元以上。从对种植业增加值变化的贡献程度看,上海和北京农产品生产价格指数的贡献程度最大,分别占同期该区域种植业增加值变化量的125.12%和116.32%;山东、浙江、江西、吉林和江苏的贡献程度次之,介于70%~83%之间;19个省域的贡献程度介于50%~70%之间;新疆、贵州、黑龙江、山西和广西等5个省域的贡献程度较弱,分别占同期该区域种植业增加值变化量的30.19%、39.31%、41.25%、46.31%和48.86%。
2.2.5 省域种植业增加值变化的增加值率效应
农业产出增长既受到耕地生产能力制约,同时还受到管理因素的制约。农业生产投入达到一定程度,如果通过增加更多投入的方式实现农业产出增长,容易造成农业投入的浪费和增加值率的下降[23],需要通过变革农业生产经营方式和管理模式来提高增加值率。2003~2014年,种植业新增价值在总产出中的比例在波动性下降,说明在现有技术条件下,必须通过消耗更多资源的方式驱动种植业增长。10个省域的增加值率效应均为正值（表3）,山东、湖北、山西、辽宁、云南和甘肃等省域的增加值率效应在10亿元以上,是增加值效应比较明显的区域;21个省域的增加值率效应为负值,四川、湖南、新疆、黑龙江、河南、福建、重庆等省域增加值率的负向效应最明显,变化量在-15亿元以下。从对种植业增加值变化的贡献程度看,山西增加值率的贡献程度最大,占同期山西种植业增加值变化量的4.37%;山东、海南、湖北、甘肃和辽宁的贡献程度次之,介于2%~4%之间;20个省域的贡献程度较低,介于-5%~2%之间;西藏、北京、上海、新疆、宁夏等5省域的负向效应明显,分别占同期该区域种植业增加值变化量的-42.78%、-16.39%、-7.25%、-7.04%和-6.61%。
1） 2003~2014年,中国种植业增加值增加了25 608.4亿元,农产品生产价格指数和单位面积产值效应是全国种植业增加值快速上升的主要因素,农作物播种面积的稳定增加也对其有一定的正向促进作用。
2） 各因素对各省域种植业增加值的作用方向和作用强度呈现出一定的差异性,农产品价格指数的明显提升和单位面积产值的快速增加是大部分省域种植业增加值快速增长的主要推动力,而农作物播种面积的稳定增加也起到比较明显的正向作用。其中,新疆和内蒙古农作物播种面积的正向效应明显,北京、上海和浙江农作物播种面积的负向效应明显;东部沿海省域和直辖市增加值率的负向效应比较明显。
3） 农产品生产价格指数是影响中国种植业增加值变化的主要因素,其次是单位面值产值。深化农产品购销体制改革,保障粮食等大宗农产品价格的稳定增长是实现中国种植业增加值快速增长的关键;围绕“两保、三稳、两协调”的种植业结构调整目标,强化农田基础设施建设,优化农业生产投入和科技创新,构建适应市场需求的作物结构、品种结构,保持作物单位面积产值的稳定增加是实现中国种植业增加值快速增长的另一重要措施;同时,一方面稳定农业生产资料价格,另一方面分区域制定并实施科学合理的农业生产模式,积极提高种植业投入品的使用效率,提高增加值率,支撑种植业增加值的快速增长。
本文采用LMDI模型定量揭示了2003~2014年中国种植业增加值变化及其因素贡献,为种植业产值提升的政策设计提供依据。然而,由于相关的研究较少,采用LMDI模型在分析种植业产值增长及贡献优劣的过程中可能存在较大的不确定性,进而对分析结果造成影响;此外,受数据资料的限制,本文尚未揭示各省域不同类型种植业发展和种植结构调整对种植业增加值变化的影响,也未从政策、科技等方面深入揭示农作物播种面积、单位面积产值、农产品生产价格指数和增加值率等变化的驱动因素与机制,这也是下一步亟待研究的重要方向。
The authors have declared that no competing interests exist.
| [1] |
西南地区农业增长动力的度量与分解——基于灰色生产函数的测算 [J].
农业增长涉及到诸多生产要素的 组合投入与经营方式的选择。本文在TinBergen生产函数模型基础上引入内外部规模变动因子并构建灰色生产函数,对我国西南地区农业增长的动力进行度 量与分解。研究发现,1997—2009年西南地区农业增长主要动因来自技术进步和资本投入,农业技术进步贡献度与农业产值增长速度的变动呈现高度一致 性,表明地区农业产值增长贡献中技术进步效率占重要的位置。
Measurement and decomposition of agricultural growth dynamics in Southwest China-Based on Grey production function .
农业增长涉及到诸多生产要素的 组合投入与经营方式的选择。本文在TinBergen生产函数模型基础上引入内外部规模变动因子并构建灰色生产函数,对我国西南地区农业增长的动力进行度 量与分解。研究发现,1997—2009年西南地区农业增长主要动因来自技术进步和资本投入,农业技术进步贡献度与农业产值增长速度的变动呈现高度一致 性,表明地区农业产值增长贡献中技术进步效率占重要的位置。
|
| [2] |
1978-2011年重庆市种植业变化及其政策启示 [J].
在粮食连年增收的同时，粮食产销平衡区却成为中国粮食安全战略的软肋。本文以粮食产销平衡区重庆市为研究区，利用统计数据和半结构访谈信息，构建种植业变化影响因素灰色关联多维分析模型，研究了1978-2011年重庆市种植业的变化及其政策启示。结果表明，①1978-2011年重庆市种植业变化呈现粮食作物收缩、菜瓜果作物扩张的竞争态势，区域种植模式从“以粮为主”转变为“粮菜兼顾”，实现了转型增效;②重庆市种植业变化特征是各类因素综合作用的结果，是以农户经营自主权放开为起点、各类因素诱致的环境变化为条件、作物的不同特性为依据发展演化而致的;③划定粮食生产红线、转变粮食作物种植模式、加快菜瓜果作物生产机械化、设施化、专业化步伐，是重庆市缓解粮食作物与菜瓜果作物竞争态势，保障粮食自给率稳定和菜瓜果产量、品质持续提升的有效途径和办法。基于重庆的经验，研究认为，粮食产销平衡区的农业政策方向有必要从“一个专注”（专注于粮食生产）向“两个结合”过渡，将合理引导农业劳动力转移与推广节约劳动的资本化农业相结合、稳定粮食生产与促进农业资源优势发挥和多元化发展相结合作为着力点，推动耕地资源集约高效利用。
Changes of crop farming and policy implications in Chongqing Municipality from 1978 to 2011 .
在粮食连年增收的同时，粮食产销平衡区却成为中国粮食安全战略的软肋。本文以粮食产销平衡区重庆市为研究区，利用统计数据和半结构访谈信息，构建种植业变化影响因素灰色关联多维分析模型，研究了1978-2011年重庆市种植业的变化及其政策启示。结果表明，①1978-2011年重庆市种植业变化呈现粮食作物收缩、菜瓜果作物扩张的竞争态势，区域种植模式从“以粮为主”转变为“粮菜兼顾”，实现了转型增效;②重庆市种植业变化特征是各类因素综合作用的结果，是以农户经营自主权放开为起点、各类因素诱致的环境变化为条件、作物的不同特性为依据发展演化而致的;③划定粮食生产红线、转变粮食作物种植模式、加快菜瓜果作物生产机械化、设施化、专业化步伐，是重庆市缓解粮食作物与菜瓜果作物竞争态势，保障粮食自给率稳定和菜瓜果产量、品质持续提升的有效途径和办法。基于重庆的经验，研究认为，粮食产销平衡区的农业政策方向有必要从“一个专注”（专注于粮食生产）向“两个结合”过渡，将合理引导农业劳动力转移与推广节约劳动的资本化农业相结合、稳定粮食生产与促进农业资源优势发挥和多元化发展相结合作为着力点，推动耕地资源集约高效利用。
|
| [3] |
Formation of agriculture added value in the system of Russian national accounting [J]. |
| [4] |
中国农民收入区域差异及影响因素分析 [J].Regional differences of farmers' income in China and analysis of influencing factors . |
| [5] |
A review of value-added centers: objectives, structures, staffing, and funding [J].https://doi.org/10.1017/S1074070800023105 URL [本文引用: 1] 摘要
Value-added centers have been established in many states. These centers vary greatly in objectives, operational structures, staffing, and funding. This paper uses examples of several centers and programs, with a specific emphasis on three centers, to provide a better understanding of value-added centers and their operations.
|
| [6] |
1989~2009年河南省农作物地理集聚及其演化机制 [J].https://doi.org/10.11820/dlkxjz.2013.08.007 URL Magsci [本文引用: 1] 摘要
以河南省17 种农作物为对象,采用1989-2009 年的地市级数据,对农作物的集聚特点、专业化格局及其演化机制进行分析。研究结果表明:河南省农作物的集聚水平低且整体增长缓慢,尤其是遍在农作物;部分农作物有分散化的趋向,而水稻的集聚程度一直很高,较大程度上影响了河南省农作物整体的集聚水平;经济作物的集聚与区域专业化程度均高于粮食作物,且分布格局变化不大,仍集聚于研究时段初始时的优势区域;蔬菜类作物专业化程度较低,其空间分布与城市化水平高度相关,不断向郑汴地区集聚;水果类作物不断向豫西山地尤其是三门峡市集中,而部分水果类作物如葡萄、桃等则出现分散化的趋势。总体来说,各市域间农作物结构相似度高,分工与专业化生产初现雏形。在此基础上,构建了基于演化经济地理学的“稳定—变化—选择—适应”过程分析框架,对河南省农作物集聚与专业化格局的形成演化机制进行阐释。
Geographical agglomeration of crops and its evolutionary mechanism in Henan Province during 1989-2009 .https://doi.org/10.11820/dlkxjz.2013.08.007 URL Magsci [本文引用: 1] 摘要
以河南省17 种农作物为对象,采用1989-2009 年的地市级数据,对农作物的集聚特点、专业化格局及其演化机制进行分析。研究结果表明:河南省农作物的集聚水平低且整体增长缓慢,尤其是遍在农作物;部分农作物有分散化的趋向,而水稻的集聚程度一直很高,较大程度上影响了河南省农作物整体的集聚水平;经济作物的集聚与区域专业化程度均高于粮食作物,且分布格局变化不大,仍集聚于研究时段初始时的优势区域;蔬菜类作物专业化程度较低,其空间分布与城市化水平高度相关,不断向郑汴地区集聚;水果类作物不断向豫西山地尤其是三门峡市集中,而部分水果类作物如葡萄、桃等则出现分散化的趋势。总体来说,各市域间农作物结构相似度高,分工与专业化生产初现雏形。在此基础上,构建了基于演化经济地理学的“稳定—变化—选择—适应”过程分析框架,对河南省农作物集聚与专业化格局的形成演化机制进行阐释。
|
| [7] |
粮食生产收益影响因素贡献率测度与分析 [J].
利用稻谷、玉米、小麦及三粮整体在1990--2008年间的可比成本收益数据，本文从弹性 和贡献率两个方面就各因素对粮食生产收益的影响进行了分析。分析结果一致表明：价格是影响粮食生产变动最为关键的因素，提高粮价是提高粮食生产收益最为有 效的手段，远大于其他因素对收益的影响；其后依次排序为：物质与服务费用、单产和政策性成本。提高粮食单产依旧是促进粮食生产收益提高的重要手段，但作用 有限；而物质与服务费用的稳定增长则是阻碍粮食生产收益提高的主要因素。
利用稻谷、玉米、小麦及三粮整体在1990--2008年间的可比成本收益数据，本文从弹性 和贡献率两个方面就各因素对粮食生产收益的影响进行了分析。分析结果一致表明：价格是影响粮食生产变动最为关键的因素，提高粮价是提高粮食生产收益最为有 效的手段，远大于其他因素对收益的影响；其后依次排序为：物质与服务费用、单产和政策性成本。提高粮食单产依旧是促进粮食生产收益提高的重要手段，但作用 有限；而物质与服务费用的稳定增长则是阻碍粮食生产收益提高的主要因素。
|
| [8] |
Yield gap analysis with local to global relevance-areview [J].https://doi.org/10.1016/j.fcr.2012.09.009 URL [本文引用: 1] 摘要
Yields of crops must increase substantially over the coming decades to keep pace with global food demand driven by population and income growth. Ultimately global food production capacity will be limited by the amount of land and water resources available and suitable for crop production, and by biophysical limits on crop growth. Quantifying food production capacity on every hectare of current farmland in a consistent and transparent manner is needed to inform decisions on policy, research, development and investment that aim to affect future crop yield and land use, and to inform on-ground action by local farmers through their knowledge networks. Crop production capacity can be evaluated by estimating potential yield and water-limited yield levels as benchmarks for crop production under, respectively, irrigated and rainfed conditions. The differences between these theoretical yield levels and actual farmers鈥 yields define the yield gaps, and precise spatially explicit knowledge about these yield gaps is essential to guide sustainable intensification of agriculture. This paper reviews methods to estimate yield gaps, with a focus on the local-to-global relevance of outcomes. Empirical methods estimate yield potential from 90 to 95th percentiles of farmers鈥 yields, maximum yields from experiment stations, growers鈥 yield contests or boundary functions; these are compared with crop simulation of potential or water-limited yields. Comparisons utilize detailed data sets from western Kenya, Nebraska (USA) and Victoria (Australia). We then review global studies, often performed by non-agricultural scientists, aimed at yield and sometimes yield gap assessment and compare several studies in terms of outcomes for regions in Nebraska, Kenya and The Netherlands. Based on our review we recommend key components for a yield gap assessment that can be applied at local to global scales. Given lack of data for some regions, the protocol recommends use of a tiered approach with preferred use of crop growth simulation models applied to relatively homogenous climate zones for which measured weather data are available. Within such zones simulations are performed for the dominant soils and cropping systems considering current spatial distribution of crops. Need for accurate agronomic and current yield data together with calibrated and validated crop models and upscaling methods is emphasized. The bottom-up application of this global protocol allows verification of estimated yield gaps with on-farm data and experiments.
|
| [9] |
Changes in gross output value of planting industry and their decomposition of crops in China based on the LMDI Model [J].https://doi.org/10.1007/s40003-015-0198-y URL [本文引用: 2] 摘要
Based on the logarithmic mean Divisia index (LMDI) method, this study systematically analyzes the change in gross output value of planting industry in China during 1990–2012, reveals the contribution
|
| [10] |
种植业内部贡献因素分解及对粮农收入增长影响实证分析——以黑龙江省为例 [J].Empirical analysis on planting internal contribution factor decomposition and influence on grain farmer income growth—a case study in Heilongjiang Province . |
| [11] |
中国种植业增长与贡献因素分析 [J]. |
| [12] |
The profit and added value creation and development analysis of agricultural companies in selected regions in Slovakia [J].https://doi.org/10.1111/j.1477-9552.2008.00197.x URL [本文引用: 1] 摘要
In the paper, we deal with the profit or loss creation analysis and with the added value analysis, which is an important factor by profit creation in the companies. We calculate the profit or loss and added value with the pyramidal decomposition, determining the factors with positive or negative influence on their creation and development. We execute the quantification in agricultural companies...
|
| [13] |
中国种植业增长中的结构变动贡献及影响因素—基于1985~2011年省级面板数据的分析 [J].Contribution of structural change and its influencing factors of Chinese plantation industry: an analysis based on provincial panel data from 1985 to 2011 . |
| [14] |
The LMDI approach to decomposition analysis: a practical guide [J].https://doi.org/10.1016/j.enpol.2003.10.010 URL [本文引用: 1] 摘要
In a recent study, Ang (Energy Policy 32 (2004)) compared various index decomposition analysis methods and concluded that the logarithmic mean Divisia index method is the preferred method. Since the literature on the method tends to be either too technical or specific for most potential users, this paper provides a practical guide that includes the general formulation process, summary tables for easy reference and examples.
|
| [15] |
Factors affecting transport sector CO2 emissions growth in Latin American and Caribbean countries: an LMDI decomposition analysis [J].https://doi.org/10.1002/er.1486 URL [本文引用: 1] 摘要
Abstract This study determines the factors responsible for the growth of transport sector CO 2 emissions in 20 Latin American and Caribbean (LAC) countries during the 1980鈥2005 period by decomposing the emissions growth into components associated with changes in fuel mix (FM), modal shift and economic growth, as well as changes in emission coefficients (EC) and transportation energy intensity (EI). The key finding of the study is that economic growth and the changes in transportation EI are the principal factors driving transport sector CO 2 emission growth in the countries considered. While economic growth is responsible for the increasing trend of transport sector CO 2 emissions in Argentina, Brazil, Costa Rica, Peru and Uruguay, the transportation EI effect is driving CO 2 emissions in Bolivia, the Caribbean, Cuba, Ecuador, Guatemala, Honduras, Other Latin America, Panama and Paraguay. Both economic activity (EA) and EI effects are found responsible for transport sector CO 2 emissions growth in the rest of the Latin American countries. In order to limit CO 2 emissions from the transportation sector in LAC countries, decoupling of the growth of CO 2 emissions from economic growth is necessary; this can be done through policy instruments to promote fuel switching, modal shifting and reductions in transport sector EI. Copyright 漏 2008 John Wiley & Sons, Ltd.
|
| [16] |
2003~2013年中国粮食增产格局及其贡献因素研究 [J].
国家粮食安全是关乎国计民生的重要问题。2003—2013年我国粮食生产实现"十连增"乃至2015年"十二连增",世人瞩目。论文以分省为基本单元,采用粮食作物的播种面积、产量、单产等数据,从全国和分省两个尺度,定量分析了2003—2013年我国粮食增产状况及其区域差异,全面探讨了我国粮食增产的地域格局及其贡献因素。研究表明:1)全国粮食"十连增"主要得益于稻谷、小麦和玉米等三大粮食作物的增产,且由于期间其他作物的减产,三大粮食作物增产贡献率达到105.73%;2)三大粮食作物中,玉米增产最为明显,无论在增产幅度、贡献率、增产速率还是增产区域角度均高于小麦和稻谷;3)单产提升对全国粮食"十连增"的贡献大于播种面积的扩大;4)分作物而言,玉米和稻谷增产主要得益于播种面积扩大,小麦则主要是单产提升;5)从省级角度看,近10 a我国绝大多数省份粮食均出现增产,但是粮食增产的主力依然集中在传统的粮食生产大省和西北的甘肃、新疆二省。
Study on the spatiotemporal patterns and contribution factors of China’s grain output increase during 2003-2013 .
国家粮食安全是关乎国计民生的重要问题。2003—2013年我国粮食生产实现"十连增"乃至2015年"十二连增",世人瞩目。论文以分省为基本单元,采用粮食作物的播种面积、产量、单产等数据,从全国和分省两个尺度,定量分析了2003—2013年我国粮食增产状况及其区域差异,全面探讨了我国粮食增产的地域格局及其贡献因素。研究表明:1)全国粮食"十连增"主要得益于稻谷、小麦和玉米等三大粮食作物的增产,且由于期间其他作物的减产,三大粮食作物增产贡献率达到105.73%;2)三大粮食作物中,玉米增产最为明显,无论在增产幅度、贡献率、增产速率还是增产区域角度均高于小麦和稻谷;3)单产提升对全国粮食"十连增"的贡献大于播种面积的扩大;4)分作物而言,玉米和稻谷增产主要得益于播种面积扩大,小麦则主要是单产提升;5)从省级角度看,近10 a我国绝大多数省份粮食均出现增产,但是粮食增产的主力依然集中在传统的粮食生产大省和西北的甘肃、新疆二省。
|
| [17] |
中国农村统计年鉴2004-2015 .National Bureau of Statistics.China rural statistical yearbook 2004-2015 . |
| [18] |
中国农产品成本收益资料汇编2004-2015 .National Development and Reform Commission. Compilation of cost and income data of agricultural products in China. |
| [19] |
中国农业结构调整的总体估价与趋势判断 [J].The overall evaluation of the agricultural structure adjustment in China . |
| [20] |
浙江省近期农作物播种面积的变化及其主导因素分析 [J].https://doi.org/10.3321/j.issn:1007-7588.2008.04.020 URL Magsci [本文引用: 1] 摘要
土地利用变化模型是理解土地变化科学研究的重要组成部分,由Markov转化过程组成的随机模型因其能用少量的数据而实现对土地利用格局的模拟，是土地利用变化模型研究中较合适的一个选择。本文构建了基于GIS技术的随机变化模型，以自然条件约束较大、受人为因素影响较小的贵州省石阡县为例，应用1988年、2001年两期土地利用数据，结合其他辅助数据模拟其土地利用变化格局。文章采用选取样点方式，计算包含土地利用变化在不同影响因子（如海拔、坡度、距道路距离、距河流距离等）的土地利用转移矩阵。再运用该矩阵，以1988年土地利用为基础，模拟2001年的土地利用变化，并与2001年实际土地利用比较，模拟结果较为理想，证明了该模型的可行性。最后模拟了在未来3种不同约束条件下（现状发展、经济优先和生态优先发展模型）的土地利用变化情景，该研究结果能更好的服务于地方土地利用规划编制和政策分析，也为摆脱土地利用变化复杂系统，仅利用少量数据就进行土地利用空间格局模拟研究提供了一个新的方法。
Factors related to changes in sown area of major crops in Zhejiang Province .https://doi.org/10.3321/j.issn:1007-7588.2008.04.020 URL Magsci [本文引用: 1] 摘要
土地利用变化模型是理解土地变化科学研究的重要组成部分,由Markov转化过程组成的随机模型因其能用少量的数据而实现对土地利用格局的模拟，是土地利用变化模型研究中较合适的一个选择。本文构建了基于GIS技术的随机变化模型，以自然条件约束较大、受人为因素影响较小的贵州省石阡县为例，应用1988年、2001年两期土地利用数据，结合其他辅助数据模拟其土地利用变化格局。文章采用选取样点方式，计算包含土地利用变化在不同影响因子（如海拔、坡度、距道路距离、距河流距离等）的土地利用转移矩阵。再运用该矩阵，以1988年土地利用为基础，模拟2001年的土地利用变化，并与2001年实际土地利用比较，模拟结果较为理想，证明了该模型的可行性。最后模拟了在未来3种不同约束条件下（现状发展、经济优先和生态优先发展模型）的土地利用变化情景，该研究结果能更好的服务于地方土地利用规划编制和政策分析，也为摆脱土地利用变化复杂系统，仅利用少量数据就进行土地利用空间格局模拟研究提供了一个新的方法。
|
| [21] |
北京都市型现代农业发展的现状、问题及对策 [J].Study on the status,problems,and suggestions of urban modern agriculture in Beijing . |
| [22] |
基于面板数据模型的中国农业生产用能与农业经济增长关系 [J].https://doi.org/10.3969/j.issn.1002-6819.2011.06.001 URL Magsci [本文引用: 1] 摘要
为揭示不同区域农业生产用能与农业经济增长的差异，该文以中国东中西地区为研究对象，利用1990～2008年农业生产用能与农业产值数据构筑面板数据模型进行分析。结果表明，各地区农业生产用能与农业产出增长均存在格兰杰因果关系，随着地区发达程度的降低，这种关系越发明显；同时，西部地区农业生产用能与农业产出增长还存在双向长期格兰杰因果关系。通过模型分析，进一步定量揭示了各地区间农业生产用能与农业产出增长之间关系的差异，以及地区内部各省份之间也存在差异；详述了区域经济发展水平与农业经济增长关系的密切程度，以及继续增加农业投入与农业经济持续增长出现差异的原因。最后指出，在农业现代化普及地区，重点是提高农业物资利用效率和使用合理的种植结构，而在农业现代化中等及欠发达地区，应注重农业物资投入及效率提高。
Relationship between agricultural energy consumption and economic growth based on panel data model in China .https://doi.org/10.3969/j.issn.1002-6819.2011.06.001 URL Magsci [本文引用: 1] 摘要
为揭示不同区域农业生产用能与农业经济增长的差异，该文以中国东中西地区为研究对象，利用1990～2008年农业生产用能与农业产值数据构筑面板数据模型进行分析。结果表明，各地区农业生产用能与农业产出增长均存在格兰杰因果关系，随着地区发达程度的降低，这种关系越发明显；同时，西部地区农业生产用能与农业产出增长还存在双向长期格兰杰因果关系。通过模型分析，进一步定量揭示了各地区间农业生产用能与农业产出增长之间关系的差异，以及地区内部各省份之间也存在差异；详述了区域经济发展水平与农业经济增长关系的密切程度，以及继续增加农业投入与农业经济持续增长出现差异的原因。最后指出，在农业现代化普及地区，重点是提高农业物资利用效率和使用合理的种植结构，而在农业现代化中等及欠发达地区，应注重农业物资投入及效率提高。
|
| [23] |
新疆20世纪80年代末以来耕地与建设用地扩张分析 [J].
基于20世纪80年代末、2000年、2005年、2010年、2015年5期中国土地利用数据集（NLUD）中的新疆部分,以耕地与建设用地（城乡、工矿、居民用地）为对象,从土地利用动态数据中提取其扩张图斑,分析了近30 a来新疆耕地与建设用地扩张的时空特征。结果表明：（1）南北疆耕地及建设用地扩张具有明显的时空差异。持续增长、南快北缓、重心南移是新疆耕地扩张呈现的总体特征;提速增长、南缓北快、城市扩张为主是建设用地扩张的基本特征。南北疆耕地面积差距逐渐缩小,建设用地面积差异加大。（2）对比近30 a来不同绿洲区内耕地与建设用地的扩张数量及趋势,可将耕地的扩张模式归纳为双峰型、减速型及阶段增长型,将建设用地的扩张模式归纳为指数增长型、双峰型、缓降型及缓降陡增型。（3）各绿洲区耕地及建设用的扩张特征十分显著。北疆耕地除阿勒泰绿洲区依然保持加速扩张外,其余绿洲区耕地扩张规模均出现下降,而北疆各绿洲区建设用地均呈持续加速扩张趋势,其中天山北坡城市扩张尤为突出;南疆各绿洲区耕地扩张均呈加速态势,建设用地扩张规模相对较小。
Expansion of both cultivated and construction land in Xinjiang since the late 1980s .
基于20世纪80年代末、2000年、2005年、2010年、2015年5期中国土地利用数据集（NLUD）中的新疆部分,以耕地与建设用地（城乡、工矿、居民用地）为对象,从土地利用动态数据中提取其扩张图斑,分析了近30 a来新疆耕地与建设用地扩张的时空特征。结果表明：（1）南北疆耕地及建设用地扩张具有明显的时空差异。持续增长、南快北缓、重心南移是新疆耕地扩张呈现的总体特征;提速增长、南缓北快、城市扩张为主是建设用地扩张的基本特征。南北疆耕地面积差距逐渐缩小,建设用地面积差异加大。（2）对比近30 a来不同绿洲区内耕地与建设用地的扩张数量及趋势,可将耕地的扩张模式归纳为双峰型、减速型及阶段增长型,将建设用地的扩张模式归纳为指数增长型、双峰型、缓降型及缓降陡增型。（3）各绿洲区耕地及建设用的扩张特征十分显著。北疆耕地除阿勒泰绿洲区依然保持加速扩张外,其余绿洲区耕地扩张规模均出现下降,而北疆各绿洲区建设用地均呈持续加速扩张趋势,其中天山北坡城市扩张尤为突出;南疆各绿洲区耕地扩张均呈加速态势,建设用地扩张规模相对较小。
|
/
| 〈 |
|
〉 |
