賀亞亞，李谷成

中國種植業(yè)地理集聚：行業(yè)特征、專業(yè)分工與時空演變

賀亞亞，李谷成

（1.華中農(nóng)業(yè)大學經(jīng)濟管理學院，湖北 武漢 430070，2. 湖北農(nóng)村發(fā)展研究中心，湖北 武漢 430070）

隨著工業(yè)化、城鎮(zhèn)化的加快，農(nóng)業(yè)生產(chǎn)活動的空間集聚效應對現(xiàn)代農(nóng)業(yè)經(jīng)濟發(fā)展的作用更加凸顯，因此，了解中國農(nóng)業(yè)地理集聚狀況及其演變規(guī)律尤為重要。本文利用克魯格曼指數(shù)和區(qū)位熵指數(shù)考察了1978-2012年間中國29個省（市、區(qū)）20種農(nóng)作物的區(qū)域分工、專業(yè)化水平及演變規(guī)律，并結(jié)合全局和局部Moran's I指數(shù)分析了中國省域農(nóng)作物的空間關聯(lián)性。研究結(jié)果表明：從專業(yè)分工角度來看，中國農(nóng)業(yè)種植結(jié)構差異性逐漸增強，各地區(qū)農(nóng)作物的專業(yè)化水平隨時間不斷變化，同時各作物種植優(yōu)勢地區(qū)存在不同程度地轉(zhuǎn)移；從集聚分布情況來看，

中國絕大多數(shù)農(nóng)作物都存在顯著的空間關聯(lián)性，在時空與地理兩種不同的關聯(lián)路徑下，農(nóng)作物空間關聯(lián)性存在較明顯的差異，前者能反映出作物空間關聯(lián)性的動態(tài)變化。

種植業(yè)；專業(yè)分工；空間相關性；時空接近；地理集聚

賀亞亞， 李谷成. 中國種植業(yè)地理集聚: 行業(yè)特征、專業(yè)分工與時空演變［J］. 農(nóng)業(yè)現(xiàn)代化研究， 2016， 37（3）: 496-504.

He Y Y， Li G C. Geographic concentration of China's crop industry: Characteristics， specialization， and the spatial and temporal evolution［J］. Research of Agricultural Modernization， 2016， 37（3）: 496-504.

因此，種植業(yè)的地理集聚是顯而易見的，基于行業(yè)角度的研究非常豐富，但是基于區(qū)域和空間角度的考察尚有欠缺，而這是非常重要的，因為地理集中和空間關聯(lián)是集聚的重要特征。肖衛(wèi)東［11］、李二玲等［9］運用空間統(tǒng)計方法探索了種植業(yè)地理集聚的分布格局，發(fā)現(xiàn)中國種植業(yè)呈現(xiàn)明顯的“中心-外圍”模式，正向空間自相關性非常顯著。這在很大程度上豐富了農(nóng)業(yè)地理集聚研究的深度，但是他們無一例外的都選擇了在地理鄰近模式下分析種植業(yè)地理集聚的分布格局。由于具備計算簡便的特性，地理鄰近被廣泛使用，但是單一模式使得空間關聯(lián)的分析受到限制。根據(jù)呂韜和曹有揮［12］的研究，僅僅基于地理鄰近意義來考察作物的空間自相關性是不全面的。隨著經(jīng)濟不斷發(fā)展，交通基礎設施逐步完善，地區(qū)間的鄰近關系也在轉(zhuǎn)變。忽略時間因素，基于地理鄰近模式的空間權重矩陣已經(jīng)不能客觀全面的反映真實空間的鄰接關系。

綜上所述，本文在已有研究基礎上，對以下幾個方面進行了一定拓展：第一，我們從地區(qū)層面考察了各地區(qū)的區(qū)域分工強度。在以往的研究中，大多數(shù)研究側(cè)重于從行業(yè)角度考察專業(yè)化水平及其變化，使得農(nóng)業(yè)的區(qū)域分工特征無法反映，而這一點非常重要；第二，本文將時空鄰近模式引入到種植業(yè)的空間自相關分析中，綜合地理鄰近模式的空間自相關分析，研究不同模式對空間自相關分析的影響。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 克魯格曼（krugman）指數(shù) 克魯格曼指數(shù)即兩區(qū)域間的結(jié)構差異指數(shù)，主要考察兩地區(qū)間的結(jié)構差異性，進而衡量地區(qū)結(jié)構差異和專業(yè)化程度。本文利用這一評價指數(shù)分析全國各省份農(nóng)業(yè)種植結(jié)構的差異，該指數(shù)的取值范圍為［0，2］。在兩種極端情況下，該指數(shù)達到臨界值，當兩地產(chǎn)業(yè)結(jié)構完全相同時，該指數(shù)為0；若兩個地區(qū)的產(chǎn)業(yè)結(jié)構完全不同，則該指數(shù)為2。根據(jù)該指數(shù)可以大致衡量行業(yè)專業(yè)化程度，指數(shù)值越大，說明地區(qū)專業(yè)化程度越高，種植結(jié)構差異越大。Krugman指數(shù)計算公式為：式中：下標i，j代表地區(qū)，k代表行業(yè)，Eik和Ejk表示i地區(qū)和j地區(qū)k行業(yè)的播種面積，Ei、Ej分別表示i地區(qū)和j地區(qū)種植業(yè)總播種面積。鑒于種植業(yè)產(chǎn)量受氣候、環(huán)境的影響會有較大的波動，而且部分年份的產(chǎn)量數(shù)據(jù)存在缺失，因此本文最終確定選取各作物播種面積數(shù)據(jù)來測算各指標值。

1.1.2 區(qū)位熵 區(qū)位熵指數(shù)（Q）是通過測度某區(qū)域的行業(yè)結(jié)構與全國平均水平之間的差異，并以此來評價一個區(qū)域的專業(yè)化水平，常用于研究某一產(chǎn)業(yè)在各個區(qū)域的專業(yè)化程度，同時可根據(jù)某一地區(qū)的區(qū)位熵指數(shù)判斷該地區(qū)的專業(yè)化產(chǎn)業(yè)和主導產(chǎn)業(yè)。當Qik＞1時，說明i地區(qū)k產(chǎn)業(yè)具有比較優(yōu)勢；當Qik=1時，表明i地區(qū)k產(chǎn)業(yè)處于均勢；而Qik＜1時，則表明i地區(qū)k產(chǎn)業(yè)處于比較劣勢。區(qū)位熵計算公式為：

Qik=（Eik/Ei）（Ak/A） （2）

式中：Qik代表i地區(qū)k行業(yè)的區(qū)位熵，Eik表示i地區(qū)k行業(yè)的播種面積，Ei表示i地區(qū)的種植業(yè)播種面積，Ak表示全國k行業(yè)的播種面積，A表示全國種植業(yè)主要農(nóng)作物的總播種面積。

1.1.3 空間自相關分析 空間自相關分析是通過檢驗某種地理現(xiàn)象或某一變量的整體分布狀況，以此來判斷此現(xiàn)象或?qū)傩灾翟诳臻g上是否存在聚集特性。

這里用全局Moran's I指數(shù)來考察空間自相關關系，以進一步明確農(nóng)業(yè)地理集聚的空間分布格局。其計算公式如下：

局部空間自相關系數(shù)可以考察地區(qū)間的空間關聯(lián)程度，其計算公式如下：式中：wij是空間權重矩陣W的元素，x-為樣本均值，S2為樣本方差。Moran's I指數(shù)的取值區(qū)間為［-1，1］，大于0表示該空間事物的屬性分布具有正相關性；小于0表示該空間事物的屬性分布具有負相關性；接近于0表示屬性是隨機分布的，不存在空間自相關性。

時空接近意義下的空間權重矩陣中元素的計算公式為：式中：用t （i，j）表示i地到j地的最短時間，t （i，j）越小說明兩地聯(lián)系越強，反之則越弱。λt （i，j）是時間距離（根據(jù)模糊數(shù)學中截集的概念進行界定）。為了簡化計算，本文利用行政中心所在地替代各空間單元，t （i，j）代表了i，j兩省份中省會城市（直轄市）間的最短時間距離。

地理鄰近意義下，空間權重矩陣的元素則沿用已有文獻的慣常處理方法進行設置，即：當省份i 和j相鄰時，令W（i，j）=1；反之，令W（i，j）=0。

1.2 數(shù)據(jù)來源及其處理

由于農(nóng)業(yè)生產(chǎn)受自然條件的影響較大，本文將基于省域20種農(nóng)作物的播種面積數(shù)據(jù)進行考察。數(shù)據(jù)縱向覆蓋15 a（1998-2012年），橫向覆蓋中國大陸31個省份（直轄市、自治區(qū)），香港、澳門和臺灣地區(qū)由于數(shù)據(jù)不可得而未包括在研究范圍之內(nèi)。文中采用的數(shù)據(jù)均來自中國國家統(tǒng)計局，具有一致的指標統(tǒng)計口徑。同時由于海南和重慶分別于1988年和1997年成為直轄市，為便于計算，本文將海南和重慶所有年份的數(shù)據(jù)分別并入廣東和四川，處理后共29個空間單元。另外，在考察時空接近意義下的空間自相關時，考慮到交通基礎設施隨時間不斷更新完善，省會城市間往來便利，時間距離不斷縮小，故而以考察期末期（2012年）為例進行測算，而省會城市間的時間距離取兩地往返最短時間的算術平均值作為兩地間最短時間距離。其中省會城市間往返時間通過查詢極品列車時刻表獲取，其數(shù)據(jù)來源于中國鐵道出版社。

2 種植業(yè)的專業(yè)分工及演變規(guī)律

2.1 區(qū)域分工強度

為了考察農(nóng)業(yè)區(qū)域結(jié)構差異，我們根據(jù)公式（1）計算出1978-2012年各省域間種植業(yè)的克魯格曼指數(shù)。本文列出了1978、1990、2002和2012年四個年份里各?。ㄊ?、區(qū)）間與全國其他省區(qū)克魯格曼指數(shù)的算術平均值（表1）。根據(jù)表1的結(jié)果，我們不難發(fā)現(xiàn)中國種植業(yè)區(qū)域分工情況在全國和地區(qū)層面呈現(xiàn)不同特征。

表1 各地區(qū)間種植業(yè)區(qū)域克魯格曼指數(shù)Table 1 Krugman indices of the crop industries among different regions

在全國層面上，農(nóng)業(yè)區(qū)域分工的一個主要特征是分工強度普遍偏低。考察期內(nèi)，省區(qū)間農(nóng)業(yè)區(qū)域分工平均水平處于一個相對較低的狀態(tài)，指數(shù)平均值長期低于1。而在1978年有接近1/3的地區(qū)其區(qū)域分工指數(shù)都不到0.500，這說明該時期絕大多數(shù)地區(qū)的種植業(yè)生產(chǎn)均在一定程度上存在同構現(xiàn)象。到2012年，平均克魯格曼指數(shù)超過1的地區(qū)也不到全國的35%，這都反映出我國農(nóng)業(yè)區(qū)域分工有很大的提升空間。雖然目前的分工強度并不高，但其總體發(fā)展態(tài)勢較好，由1978年的0.707增至2012年的0.962，增長了36.2%，這表現(xiàn)出農(nóng)業(yè)區(qū)域分工的另一個重要特征——增長趨勢穩(wěn)定，地區(qū)間分工程度在不斷深化，?。ㄊ小^(qū)）的種植業(yè)結(jié)構差異逐漸拉大。以2012年為例，根據(jù)分工強度和增長速度，可以將各地區(qū)劃分為四種類型：高強度低增長型（本文以全國平均水平為基準，來判斷各地區(qū)的分工強度和增長速度的高低程度），包括遼寧、吉林、浙江、福建、湖南、廣東和廣西；低強度高增長型，包括北京、天津、河北、山西、內(nèi)蒙古、江蘇、安徽、山東、河南、云南、四川、陜西以及寧夏，低強度低增長型，包括上海、湖北、貴州、西藏以及甘肅，最后是高強度高增長型，包括江西、黑龍江、青海和新疆，低強度高增長類型的地區(qū)占大多數(shù)。

在地區(qū)層面上，無論是分工強度抑或增長幅度上，區(qū)域分工表現(xiàn)出明顯的非均衡特征。就平均分工指數(shù)而言，福建排名長期居于前列。1978年其與過半的省域分工指數(shù)都超過1，但與廣東、浙江、湖南、廣西、上海分工指數(shù)不及0.500，其中與廣東的分工指數(shù)僅0.120，分工指數(shù)長期處于較低水平的四川省與其他省區(qū)的分工指數(shù)均低于1，其中與吉林的分工指數(shù)最高（0.809），而其與同處西南地區(qū)的云南和貴州分工指數(shù)卻最低（0.217、0.233）。就增長幅度而言，增幅最大當屬陜西省，增長了59.8%，最小的為上海市，增長了13.6%，其他地區(qū)的增長幅度也各不相同，由此可見地區(qū)間分工增長速度各異，專業(yè)化分工發(fā)展的非均衡特征較明顯。經(jīng)過35 a的發(fā)展，到2012年，福建與其它?。ㄊ?、區(qū)）區(qū)域分工指數(shù)的平均值增至1.085，其中與新疆的區(qū)域分工指數(shù)高達1.588，同時與地處西北和華北的多省（陜西、山西、青海、甘肅、河北等地）分工指數(shù)都超過1.400，而與廣東、浙江的分工指數(shù)仍維持在較低水平（0.321、0.326），這反映了省際間區(qū)域分工程度存在較大差距；四川與吉林的分工指數(shù)達到1.016，與云南、貴州的分工指數(shù)分別增至0.436、0.284，相較于1978年，分工指數(shù)都有一定提升，說明其鄰近地區(qū)的分工趨同性也在逐漸降低（表1）。此外，到2002年，江西分工指數(shù)已經(jīng)超越福建居于第一，這也是地區(qū)間專業(yè)化分工發(fā)展非均衡性的體現(xiàn)。

2.2 專業(yè)化水平

本文利用公式（2）計算出1978-2012年各地區(qū)20類農(nóng)作物的區(qū)位熵指數(shù)。從各作物的平均專業(yè)化程度來看，糧食作物的專業(yè)化程度普遍較低（表2），為了保障糧食安全，解決人民的基本生存問題，全國各地都大面積種植糧食作物以保證口糧供給，這或許是導致其平均專業(yè)化優(yōu)勢不明顯的原因之一。另外，我們注意到絕大多數(shù)經(jīng)濟作物擁有較高專業(yè)化水平，這在一定程度上反映出我國的農(nóng)業(yè)結(jié)構調(diào)整成效顯著，正由二元經(jīng)濟逐漸向多元經(jīng)濟轉(zhuǎn)變。

積極向上的大學校園文化作為一種環(huán)境教育力量，是大學生精神食糧獲取的重要渠道。通過和諧豐富的校園文化活動，吸引年輕有激情的大學生的注意力，充實他們的大學生活，提高生活學習質(zhì)量，引導他們樹立健康的人生觀、價值觀和愛情觀。因此高校應立足辦學特點和校風校訓，以高尚的健康的校園文化理念來引領校園文化建設，打造具有本校特色和時代特征的人文環(huán)境氛圍，讓積極向上的校風學風滲透到學生內(nèi)心，外化于學生行為，從而推進大學生精神文化建設，營造健康豐富的內(nèi)心世界。

表2 1978-2012年各作物的平均專業(yè)化程度Table 2 Average specialization level of each crop during 1978-2012

通過對各地區(qū)作物的專業(yè)化測度，我們發(fā)現(xiàn)不僅是同一省區(qū)的不同行業(yè)之間，而且同一行業(yè)在不同省區(qū)間的專業(yè)化指數(shù)也都存在一定程度的差異，這正是區(qū)域分工在行業(yè)結(jié)構方面的表現(xiàn)（表3）。通過衡量地區(qū)種植業(yè)專業(yè)化水平，可以反映優(yōu)勢行業(yè)的地區(qū)分布，進而揭示區(qū)域分工的基本格局。

2.2.1 地區(qū)層面分析 通常認為，區(qū)位熵指數(shù)大于1的行業(yè)是具有專業(yè)化優(yōu)勢的，在考察期內(nèi)每一地區(qū)的行業(yè)專業(yè)化水平差異巨大（表3）。地區(qū)層面的專業(yè)化特征表現(xiàn)為兩點：一是各地區(qū)專業(yè)化優(yōu)勢行業(yè)具多樣性。比如大城市郊區(qū)（天津、上海）的蔬菜專業(yè)化優(yōu)勢突出，水果類北方的河北、遼寧、陜西蘋果具有專業(yè)化優(yōu)勢，四川、湖南、浙江、江西的柑橘專業(yè)化優(yōu)勢明顯，這與我國產(chǎn)業(yè)優(yōu)勢布局是一致的。此外，某一地區(qū)區(qū)位熵指數(shù)大于1的行業(yè)數(shù)目也不盡相同，多的達9種，少的也有4種。二是同一地區(qū)行業(yè)的年均專業(yè)化水平差距較大。各地區(qū)的行業(yè)專業(yè)化差距從數(shù)倍到上千倍不等，其中差別最大的是福建，該省具有專業(yè)化優(yōu)勢的產(chǎn)業(yè)不僅多（9個），而且優(yōu)勢產(chǎn)業(yè)間差異也最大。以2012年為例，福建省所有作物中專業(yè)化程度最高的分別是柑橘、香蕉和烤煙，其專業(yè)化指數(shù)分別為5.623、4.976、3.396，專業(yè)化程度最低的三類產(chǎn)業(yè)分別是棉花（0.003）、小麥（0.007）、玉米（0.090），棉花專業(yè)化指數(shù)不足柑橘的1/4000。行業(yè)平均專業(yè)化差異最小的是天津，最大與最小區(qū)位熵值之間僅差6倍。

2.2.2 行業(yè)層面分析 與地區(qū)層面的差異化相對應，在行業(yè)層面上，各地區(qū)的專業(yè)化指數(shù)也表現(xiàn)出明顯差異。比如省區(qū)間差異最大的是棉花產(chǎn)業(yè)，在全國范圍內(nèi)，新疆的棉花專業(yè)化指數(shù)是首屈一指的。從1980年開始，中國棉花的生產(chǎn)格局發(fā)生明顯的變化，在空間上表現(xiàn)為向新疆集中［13］，以我們的計算結(jié)果為依據(jù)，從縱向進行比較，新疆棉花2012年的專業(yè)化指數(shù)比1978年的增加了近7倍，而從橫向進行對比，新疆棉花的專業(yè)化指數(shù)是福建省的8 406倍，這很可能是新疆與其他省區(qū)地區(qū)專業(yè)化分工較高的原因之一。2012年省區(qū)間專業(yè)化差異最小的行業(yè)是蔬菜產(chǎn)業(yè)，其中上海的專業(yè)化指數(shù)最高（2.778），而黑龍江最低（0.164），這也許是上海與其他省區(qū)的區(qū)域分工強度處于較低水平的因素之一。不難發(fā)現(xiàn)行業(yè)專業(yè)化較高的地區(qū)與其他地區(qū)間區(qū)域分工程度也相對較高，專業(yè)化水平較低的地區(qū)間分工水平往往較低。這在一定程度表明，專業(yè)化指數(shù)與區(qū)域分工指數(shù)在反映區(qū)域?qū)I(yè)分工問題上具有一致性。

2.2.3 時空演變規(guī)律 為了進一步深入分析種植業(yè)生產(chǎn)的時空演變規(guī)律，我們考察了1978-2012年各行業(yè)的種植優(yōu)勢地區(qū)及其對應的專業(yè)化水平（表4和表5），結(jié)果發(fā)現(xiàn)各行業(yè)的優(yōu)勢地區(qū)存在不同程度變化。糧食作物中，水稻播種面積排名前五位，具有種植優(yōu)勢的省份由1978年的湖南、廣東、江西、四川、湖北變成2012年的湖南、江西、黑龍江、江蘇、安徽。在這些省份里，黑龍江的規(guī)模變化尤為明顯，播種面積由224.300萬hm2增至3 069.800萬hm2，在全國水稻播種面積的比重增加了近十個百分點，與傳統(tǒng)水稻大省湖南和江西的差距不斷縮小?？梢姷竟确N植有由中南地區(qū)向東北地區(qū)演化的趨勢。小麥主產(chǎn)省份中黑龍江的播種面積不斷下降，江蘇和安徽卻保持著不斷增長的良好勢頭，種植格局由東北部地區(qū)向中東部地區(qū)轉(zhuǎn)移，并在山東、河南、河北形成一定集聚。玉米的種植優(yōu)勢省份集中在黑龍江、吉林、河北、山東、河南。大豆在東北地區(qū)專業(yè)化優(yōu)勢明顯，其種植優(yōu)勢省份穩(wěn)中有變，內(nèi)蒙古地區(qū)成為新種植優(yōu)勢省份，其專業(yè)化水平也較高。馬鈴薯的種植優(yōu)勢省份主要集中在西南地區(qū)，但其專業(yè)化優(yōu)勢地區(qū)有向西北轉(zhuǎn)移的趨勢。經(jīng)濟作物中棉花的生產(chǎn)有向西北轉(zhuǎn)移的趨勢，新疆成為新的專業(yè)化優(yōu)勢和種植優(yōu)勢地區(qū)?；ㄉ纳a(chǎn)逐漸向中東部地區(qū)轉(zhuǎn)移，河南和遼寧的種植優(yōu)勢和專業(yè)化優(yōu)勢逐漸凸顯。其他作物也形成一定集中生產(chǎn)，比如甘蔗在廣東、廣西、云南、四川連片生產(chǎn)，形成我國重要的糖料生產(chǎn)基地。甜菜在黑龍江、內(nèi)蒙、河北、山西連片生產(chǎn)。香蕉在南部廣東、云南、廣西形成香蕉集聚生產(chǎn)區(qū)域。根據(jù)新經(jīng)濟地理理論，地理位置和歷史優(yōu)勢是集聚的起始條件，粵、滇、桂三地的地理優(yōu)勢構建了集聚形成的基礎，同時，三個地區(qū)在香蕉生產(chǎn)中實行良種引進、推廣及技術引進，對促進集聚深化有一定助益。

表3 各地區(qū)的行業(yè)區(qū)位熵差異情況Table 3 Location quotient difference among regions of each crop during 1978-2012

表4 1978、1990、2002和2012年中國主要作物的區(qū)位熵排名前五的省份Table 4 Top five provinces of Q of main crop in China （1978， 1990， 2002 and 2012）

表5 1978、1990、2002和2012年中國主要作物播種面積排名前五的省份Table 5 Top five provinces of planted area of main crops in China （1978， 1990， 2002 and 2012）

3 種植業(yè)內(nèi)部各行業(yè)的時空關聯(lián)性

3.1 全局空間自相關

通過對區(qū)域分工強度和專業(yè)化程度的考察，我們發(fā)現(xiàn)1978-2012年我國種植業(yè)專業(yè)化程度不斷上升，同時區(qū)域結(jié)構差異也愈加明晰，各產(chǎn)業(yè)已形成一定的地理集中。為了進一步深入了解地理集聚的分布格局，本文利用公式（3）計算出2012年地理鄰近意義和時空接近意義下各作物生產(chǎn)的全局空間自相關系數(shù)（表6、表7），并對比二者的差異（根據(jù)查詢結(jié)果得出各地區(qū)間最短時間距離的分布區(qū)間為（0.5，89），因此在本文中，我們選取的時間截集由1 h開始，并以1 h為步長遞增到89 h，受篇幅所限，表6只列出了λt （i，j） =1 h、2 h和3 h三種截集下各作物的Moran's I指數(shù)）。

3.1.1 地理鄰近意義下的種植業(yè)時空關聯(lián)特征 由表6可發(fā)現(xiàn)，在隨機分布假設檢驗下絕大多數(shù)Z統(tǒng)計值都大于1.69，這表明在地理臨近意義下大部分作物均存在空間自相關關系。接下來，我們區(qū)分糧食作物和經(jīng)濟作物進行觀察可以發(fā)現(xiàn)，一方面本文所考察的糧食作物中絕大多數(shù)均存在顯著的空間自相關關系，其中以玉米的空間自相關關系最為緊密，Moran's I值達0.498。目前玉米已經(jīng)逐漸成為繼水稻之后的重要糧食作物，除做口糧外更多的是用作飼料，在畜牧業(yè)蓬勃發(fā)展的背景下，玉米的需求會不斷擴大，一定程度上會引致全國范圍內(nèi)玉米的供給增加，在大規(guī)模的種植過程中，地區(qū)間技術、要素存在溢出和擴散，這很有可能促進玉米空間關聯(lián)性在一定程度上的提高。另一方面經(jīng)濟作物生產(chǎn)的空間自相關關系是不均衡的，兩級分化情況比較嚴重，例如花生、甘蔗、柑橘、蔬菜在1%水平下非常顯著，而梨、葡萄、紅黃麻等卻并未表現(xiàn)出明顯的空間關聯(lián)特征。

表6 2012年各作物在地理鄰近意義下的全局空間自相關系數(shù)Table 6 Global moran's I indices for space proximity of each crop （2012）

表7 2012年各作物時空接近意義下的全局空間自相關系數(shù)Table 7 Global moran's I indices for spatial-temporal proximity of each crop （2012）

3.1.2 時空接近意義下的種植業(yè)時空關聯(lián)特征 觀察表7可以看出以下兩點，一是在時空接近意義下，作物的空間關聯(lián)關系仍然是不均衡的，即便是同類作物，空間自相關關系也各有不同，比如水果作物中柑橘、梨的Moran's I指數(shù)較大且通過了1%水平的顯著性檢驗，而香蕉、葡萄的Moran's I指數(shù)未通過10%水平的顯著性檢驗，這一點與地理鄰近的空間關聯(lián)性一致。二是隨著時空距離增加，作物的Moran's I指數(shù)值呈不同幅度的下降趨勢。一種表現(xiàn)為隨著λt （i，j）的增加，空間相關性由顯著逐漸變得不顯著，這類作物有大豆、馬鈴薯、花生、烤煙、蘋果以及梨，另一種雖然一直具有穩(wěn)定而顯著的正向空間自相關關系，但是指數(shù)逐漸向0靠近，這類作物包括了稻谷、小麥、玉米、柑橘、青飼料等。以上分析表明，隨著時間距離的增加，農(nóng)作物的空間自相關關系有由空間集聚向空間分散演變的趨勢。在早年的研究中，有學者發(fā)現(xiàn)交通運輸會影響農(nóng)業(yè)生產(chǎn)布局、農(nóng)業(yè)生產(chǎn)集約度和農(nóng)業(yè)發(fā)展［14-15］，由此推測，如果加強基礎設施的建設，提高交通運輸?shù)谋憷?，縮短地區(qū)間的時間距離，那么在增強作物生產(chǎn)的空間關聯(lián)性的基礎上，可以促進地區(qū)間協(xié)調(diào)發(fā)展，從而推動種植業(yè)的集聚。

3.1.3 不同鄰近意義的對比 從表6和表7可以發(fā)現(xiàn)兩個主要差異，一是不同鄰近意義下的作物空間關聯(lián)性存在差異。比如玉米和柑橘，其空間自相關關系都通過顯著性檢驗，但在時空接近意義下的空間自相關指數(shù)均大于其在地理鄰近意義下的空間自相關系數(shù)，同時各自的空間關聯(lián)顯著性也有差異。更進一步，我們綜合所有的農(nóng)作物進行全面對比后發(fā)現(xiàn)，部分作物在兩種不同空間聯(lián)系模式下空間關聯(lián)性呈現(xiàn)出截然相反的特征。比如，蔬菜在時空接近意義下正向空間自相關關系已不再顯著。二是不同鄰近意義下，存在空間自相關關系的作物數(shù)目也不相同，時空鄰近意義下存在空間自相關的作物更多。由此，我們認為空間關聯(lián)性的測算對所選的權重矩陣依賴性很強。

3.2 地區(qū)內(nèi)部作物的空間依賴性

前面我們分析了種植業(yè)在全國整體層面的空間關聯(lián)性，然而每種作物在各地區(qū)內(nèi)部空間關聯(lián)性卻無法判斷。因此我們關心局部地區(qū)的空間關聯(lián)特征是否與全局空間自相關關系保持一致。

依據(jù)全局空間自相關關系的顯著性，本文將作物劃分為兩大類（表8），發(fā)現(xiàn)如下特征：其一，每種作物的空間集聚模式存在差異?？臻g集聚模式共四種類型，分別為高高集聚模式（HH）、高低集聚模式（HL）、低低集聚模式（LL）和低高集聚模式（LH）。以水稻為例，其空間集聚模式有三種，江西、湖北、湖南、廣東、廣西和四川等地周圍被水稻種植面積大的地區(qū)圍繞，在河北、山西和甘肅地區(qū)形成顯著的低低集聚模式，而黑龍江地區(qū)形成高低集聚。其他作物也對應著各自不同的局部集聚格局；其二，全局空間自相關與局部空間自相關并無一致性。全局空間自相關顯著的作物，這種顯著的空間關聯(lián)性并不存在于所有地區(qū)。同樣，全局空間自相關不顯著的行業(yè)，在不同地區(qū)有可能存在不同類型的集聚模式（表8）。這說明，全局空間自相關分析結(jié)果很可能會掩蓋局部地區(qū)的空間關聯(lián)關系。比如青飼料的全局空間自相關關系未通過顯著性檢驗，但其局部空間自相關關系卻不應忽視，湖南和貴州被青飼料種植面積大的地區(qū)包圍，而內(nèi)蒙古地區(qū)被青飼料種植面積小的地區(qū)圍繞。

表8 2012年地理鄰近下作物的局部空間集聚類型Table 8 Local spatial concentration pattern for space proximity of each crop （2012）

4 結(jié)論與政策建議

4.1 結(jié)論

本文利用1978-2012年間全國省域主要農(nóng)作物播種面積數(shù)據(jù)，采用克魯格曼指數(shù)、區(qū)位熵指數(shù)和空間自相關分析，從行業(yè)、地區(qū)、時空三個層面全面分析了我國農(nóng)作物的地理集聚特征。

首先，從專業(yè)分工來看，地區(qū)間種植異構性均有不同程度增強，表明專業(yè)化分工進一步加強，且各區(qū)域作物專業(yè)化水平迥異，經(jīng)濟類作物呈現(xiàn)出相對更高的專業(yè)化水平，此外，大部分作物都存在一定的地理集中，且各產(chǎn)業(yè)的優(yōu)勢區(qū)域隨時間推移存在不同程度遷移。

其次，在不同鄰近模式下大多數(shù)農(nóng)作物均存在顯著的空間自相關特征。地理鄰近下作物全局空間自相關特征比較顯著，這與已有研究結(jié)論是一致的，同時各行業(yè)表現(xiàn)出不同的空間集聚模式，更重要的是我們發(fā)現(xiàn)時空接近比地理鄰近更能說明作物的空間動態(tài)聯(lián)系，隨著時間距離的增加，時空接近下農(nóng)業(yè)有由空間集聚向空間分散演變的趨勢。所以縮小時間距離，無疑有益于作物的地理集中。

4.2 政策建議

根據(jù)以上研究結(jié)論，本文認為為了優(yōu)化區(qū)域布局，促進農(nóng)業(yè)生產(chǎn)的規(guī)?；?、專業(yè)化，可以從以下幾方面著手：

第一，應根據(jù)各地區(qū)的自然條件、資源稟賦制定不同的農(nóng)業(yè)生產(chǎn)政策，引導地區(qū)的專業(yè)化生產(chǎn)，比如在新疆地區(qū)，可以加大機械投入，逐步實現(xiàn)規(guī)?；臋C械作業(yè)，以充分利用其豐富的土地資源和平坦的地勢條件，進一步增強其專業(yè)化水平，明確區(qū)域間分工。

第二，加強交通基礎設施的建設，降低地區(qū)間運輸成本。縮短時間距離克服農(nóng)產(chǎn)品生產(chǎn)的地域性問題，可以增進地區(qū)間的物質(zhì)流通和技術擴散。比如在以湖北、江西等地柑橘產(chǎn)業(yè)為例的產(chǎn)業(yè)集聚區(qū)，完善鐵路、高速公路等交通設施，在擴大產(chǎn)業(yè)生產(chǎn)的同時，時間距離的縮短為農(nóng)產(chǎn)品的投入要素和產(chǎn)品的空間轉(zhuǎn)移提供便利，在一定程度上可以加速其對鄰近地區(qū)的要素和技術交流，從而促進種植業(yè)地理集聚，優(yōu)化產(chǎn)業(yè)布局。

［1］ 賀燦飛， 潘峰華. 產(chǎn)業(yè)地理集中、產(chǎn)業(yè)集聚與產(chǎn)業(yè)集群: 測量與辨識［J］. 地理科學進展， 2007， 26（2）: 1-13. He C F， Pan F H. Geographical concentration and agglomeration of industry measurement and identification［J］. Progress in Geography， 2007， 26（2）: 1-13.

［2］ 王艷榮， 劉業(yè)政. 農(nóng)業(yè)產(chǎn)業(yè)集聚形成機制的結(jié)構驗證［J］. 中國農(nóng)村經(jīng)濟， 2011（10）: 77-85. Wang Y R， Liu Y Z. A structural verification of the formation mechanism for agricultural cluster［J］. Chinese Rural Economy，2011（10）: 77-85.

［3］ 陸文聰， 梅燕. 中國糧食生產(chǎn)區(qū)域格局變化及其成因?qū)嵶C分析——基于空間計量經(jīng)濟學模型［J］. 中國農(nóng)業(yè)大學學報（社會科學版）， 2007， 24（3）: 140-152. Lu W C， Mei Y. Empirical studies on the variation and contribution factors of regional grain production structure in China: Based on spatial econometrics models［J］. China Agricultural University Journal of Social Sciences Edition， 2007， 24（3）: 140-152.

［4］ 王偉新， 向云， 祁春節(jié). 中國水果產(chǎn)業(yè)地理集聚研究: 時空特征與影響因素［J］. 經(jīng)濟地理， 2013， 33（8）: 97-103. Wang W X， Xiang Y， Qi C J. Study on geographic agglomeration of fruit industry in China［J］. Economic Geography， 2013， 33（8）: 97-103.

［5］ 呂超， 周應恒. 我國農(nóng)業(yè)產(chǎn)業(yè)集聚與農(nóng)業(yè)經(jīng)濟增長的實證研究——基于蔬菜產(chǎn)業(yè)的檢驗和分析［J］. 南京農(nóng)業(yè)大學學報（社會科學版）， 2011， 11（2）: 72-78. Lü C， Zhou Y H. An empirical study of agri-industrial agglomeration and agri-economic growth: Based on the test and analysis on vegetable industry［J］. Journal of Nanjing Agricultural University （Social Sciences Edition）， 2011， 11（2）: 72-78.

［6］ 張怡. 中國花生生產(chǎn)布局變動解析［J］. 中國農(nóng)村經(jīng)濟，2014（11）: 73-95. Zhang Y. An analysis of the changes in location of peanut production in China［J］. Chinese Rural Economy， 2014（11）: 73-95.

［7］ 鐘甫寧， 胡雪梅. 中國棉花生產(chǎn)區(qū)域格局及影響因素研究［J］.農(nóng)業(yè)技術經(jīng)濟， 2008（1）: 4-9. Zhong F N， Hu X M. A study on the changing of cotton production regions and it's influencing factors［J］. Journal of Agrotechnical Economics， 2008（1）: 4-9.

［8］ 肖衛(wèi)東. 中國種植業(yè)地理集聚: 時空特征、變化趨勢及影響因素［J］. 中國農(nóng)村經(jīng)濟， 2012（5）: 19-31. Xiao W D. Geographic cluster of China's cropping industry: Temporal and spatial features， tendency and causal factors［J］. Chinese Rural Economy， 2012（5）: 19-31.

［9］ 李二玲， 朱紀廣， 李小建. 2008年中國種植業(yè)地理集聚與專業(yè)化格局［J］. 地理科學進展， 2012， 31（8）: 1063-1070. Li E L， Zhu J G， Li X J. Geographical agglomeration and specialized pattern of planting in China based on the different classifcations［J］. Progress in Geography， 2012， 31（8）: 1063-1070.

［10］ 李二玲， 龐安超， 朱紀廣. 中國農(nóng)業(yè)地理集聚格局演化及其機制［J］. 地理研究， 2012， 31（5）: 885-898. Li E L， Pang A C， Zhu J G. Analysis of the evolution path and mechanism of China's agricultural agglomeration and geographic pattern［J］. Progress in Geography， 2012 ， 31（5）: 885-898.

［11］ 肖衛(wèi)東. 中國種植業(yè)地理集聚的空間統(tǒng)計分析［J］. 經(jīng)濟地理，2014， 34（9）: 124-129. Xiao W D. Spatial statistics analysis of China's planting geographic agglomeration［J］. Economic Geography， 2014， 33（9）: 124-129.

［12］ 呂韜， 曹有揮. “時空接近”空間自相關模型構建及其應用——以長三角區(qū)域經(jīng)濟差異分析為例［J］. 地理研究， 2010， 29（2）: 351-360. Lü T， Cao Y H. Construction of spatial autocorrelation method of spatial-temporal proximity and its application: Taking regional economic disparity in the Yangtze River Delta as a case study［J］. Progress in Geography， 2012， 29（2）: 351-360.

［13］ 朱會義. 1980年以來中國棉花生產(chǎn)向新疆集中的主要原因［J］.地理研究， 2013， 32（4）: 744-754. Zhu H Y. The underlying cause for the concentration of China's cotton production in Xinjiang［J］. Geographical Research， 2013，32（4）: 744-754.

［14］ Thünen J H V， Hall P G. Von Thünen's Isolated State: An English Edition of Der Isolierte Staat［M］. Oxford: Pergamon Press， 1966.

［15］ Brinkmann T. Economics of the Farm Business［M］. Berkeley: University of California Press， 1935.

（責任編輯：王育花）

Geographic concentration of China's crop industry: Characteristics， specialization， and the spatial and temporal evolution

HE Ya-ya， LI Gu-cheng
（1. College of Economics and Management， Huazhong Agricultural University， Wuhan， Hubei 430070， China； 2. Center for Hubei Rural Development， Wuhan， Hubei 430070， China）

With the rapid development of industrialization and urbanization， the geographic concentration of agricultural production activities in China has played a critical role in the agricultural industry. To understand the geographic concentration of the crop industry in China， this paper examined the spatial relationship among different provinces for different crops by calculating the division of labors， the industry specialization levels， and the global and local Moran's I index of 20 crops in China from 1978 to 2012. Results show that the structural difference of China's crop industry in different regions become bigger， and specialization level of crops has been changing. Besides，privileged areas for certain crops has been moving in varying degrees. The analysis also confirmed that significant spatial autocorrelation exists among a vast majority of crops. In particular， we found that spatial autocorrelation of crops differ in temporal-spatial and geographical relation paths， the former presents a more obvious dynamic change of spatial autocorrelation of crops.

crop industry； specialization； spatial correlation； spatial -temporal proximity； geographic

農(nóng)業(yè)增長問題一直以來都是農(nóng)業(yè)經(jīng)濟領域的熱點問題。長期以來，經(jīng)濟學家都認為以發(fā)揮比較優(yōu)勢為導向，組織農(nóng)業(yè)經(jīng)濟活動，將使各地區(qū)的經(jīng)濟增長趨于收斂，地理因素在多數(shù)有關農(nóng)業(yè)增長的研究中被忽視。然而由于交易成本的存在，地理因素不可小覷。隨著工業(yè)化、城鎮(zhèn)化的加快，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構不斷調(diào)整，農(nóng)產(chǎn)品的空間布局也隨之發(fā)生明顯的變動。如何綜合考察農(nóng)業(yè)生產(chǎn)活動的集聚現(xiàn)狀，從而在長期中全面認清其演變特征及規(guī)律，促進產(chǎn)業(yè)布局的優(yōu)化是亟待解決的問題。

根據(jù)賀燦飛和潘峰華［1］、王艷榮和劉業(yè)政［2］的研究，本文認為農(nóng)業(yè)地理集聚是各農(nóng)業(yè)產(chǎn)業(yè)（農(nóng)作物）在地理空間上的聚集或集中，其特征可以由產(chǎn)業(yè)地理上的鄰近和產(chǎn)業(yè)之間的聯(lián)系程度（空間關聯(lián)性）來表示。陸文聰和梅燕［3］的研究表明，1978年以來中國的糧食生產(chǎn)區(qū)域布局發(fā)生顯著變化，東北和西部的部分省區(qū)成為了新的糧食主產(chǎn)區(qū)。王偉新等［4］發(fā)現(xiàn)，中國水果產(chǎn)業(yè)地理集聚呈現(xiàn)出緩慢下降趨勢，西部地區(qū)是其主要聚集地。其他作物，如蔬菜、花生、棉花等的生產(chǎn)格局也有著明顯的變動［5-7］。除此之外部分研究對中國種植業(yè)整體進行了考察，肖衛(wèi)東［8］的研究表明，中國種植業(yè)整體上具有顯著的地理集聚特征，而不同農(nóng)作物生產(chǎn)的地理集聚存在顯著差異，對種植業(yè)進行更進一步的細分之后，李二玲等［9］發(fā)現(xiàn)從大類來看，種植生產(chǎn)相對分散，相對更細的小類作物更集聚并呈現(xiàn)出更高的專業(yè)化水平。不僅如此，農(nóng)業(yè)地理集聚的格局演變更是經(jīng)歷了由自然集聚向社會集聚過渡的歷程［10］。

National Natural Science Foundation of China （71273103， 71473100）； Program for the TOP Young Talents of “ Ten thousand Person Project ” of China.

LI Gu-cheng， E-mail: lgcabc@mail.hzau.edu.cn

4 August， 2015；Accepted 22 February， 2016.

F304.5

A

1000-0275（2016）03-0496-09

10.13872/j.1000-0275.2016.0046

國家自然科學基金項目（71273103，71473100）；國家“萬人計劃”青年拔尖人才支持計劃。

賀亞亞（1990-），女，湖北荊州人，博士研究生，主要從事農(nóng)業(yè)經(jīng)濟學、農(nóng)業(yè)技術經(jīng)濟學研究，E-mail：heyaya@webmail.hzau. edu.cn；李谷成（1982-），男，湖南長沙人，教授，博士生導師，主要從事農(nóng)業(yè)經(jīng)濟學、農(nóng)業(yè)技術經(jīng)濟學研究，E-mail：lgcabc@mail.hzau. edu.cn。

2015-08-04，接受日期：2016-02-22