葉志標(biāo)，李文娟

(中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081)

?

·問題研究·

基于埃塔平方法(η2)的中國小麥生產(chǎn)驅(qū)動(dòng)因素貢獻(xiàn)份額研究*

葉志標(biāo)，李文娟※

(中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081)

[目的]定量分析中國小麥生產(chǎn)驅(qū)動(dòng)因素貢獻(xiàn)份額，綜合評(píng)價(jià)各因素對小麥生產(chǎn)的影響效應(yīng)。[方法]采用埃塔平方法(η2)來確定氣候與氣象、科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)3組因素對小麥生產(chǎn)影響的貢獻(xiàn)份額。選取1978年以來小麥生產(chǎn)集中度波動(dòng)上升的河南、河北、山東、江蘇、安徽和新疆(春小麥)6省區(qū)作為研究案例。分別建立冬小麥生產(chǎn)和小麥生產(chǎn)兩個(gè)模型群。每個(gè)模型群包含1個(gè)全因素模型和6個(gè)局部因素模型。[結(jié)果]兩個(gè)模型群的R2×100的值分別為63.70和62.74，顯示模型整體具有較強(qiáng)的解釋能力，氣候與氣象、科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)這3組因素中的X變量分別在兩個(gè)模型群中解釋了小麥生產(chǎn)變化的63.70%和62.74%。η2×100是相應(yīng)因素或因素組合的解釋力，由此得到的貢獻(xiàn)份額顯示了各因素對于小麥生產(chǎn)的獨(dú)立和交互貢獻(xiàn)份額。其中，冬小麥模型群的運(yùn)算結(jié)果顯示，科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素的獨(dú)立貢獻(xiàn)份額分別為5.83%和4.30%，而交互貢獻(xiàn)份額則高達(dá)40.57%； 氣候與氣象因素的獨(dú)立貢獻(xiàn)份額為2.43%，與科技和生產(chǎn)投入因素的交互貢獻(xiàn)份額為0.14%，與社會(huì)經(jīng)濟(jì)因素交互貢獻(xiàn)份額為-1.15%，說明氣象氣候與社會(huì)經(jīng)濟(jì)因素中共享了一部分信息； 整個(gè)模型所有因素交互貢獻(xiàn)份額為11.58%。小麥模型群的運(yùn)算結(jié)果支持冬小麥模型群，在3組因素中，科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素的獨(dú)立貢獻(xiàn)及其交互貢獻(xiàn)份額分別為5.05%、3.22%和44.86%； 氣候與氣象因素的獨(dú)立貢獻(xiàn)份額為2.48%，與科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素的交互貢獻(xiàn)份額均為負(fù)，分別是-0.41%和-1.24%； 3組因素交互貢獻(xiàn)份額為8.78%。[結(jié)論]兩個(gè)模型群的運(yùn)算結(jié)果共同顯示科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素是影響中國小麥生產(chǎn)的主要驅(qū)動(dòng)因素，其中科技與生產(chǎn)投入對于小麥生產(chǎn)的作用更為突出； 這兩組因素的交互作用對于小麥生產(chǎn)有控制性影響，并在小麥生產(chǎn)模型中更加明顯； 相比之下，氣候與氣象因素貢獻(xiàn)份額相對較小，且在和科技與生產(chǎn)投入、社會(huì)經(jīng)濟(jì)因素的交互作用過程中，產(chǎn)生了一定的削弱作用，使得氣候與氣象因素的作用更加不明顯。

埃塔平方法(η2)糧食安全 小麥 貢獻(xiàn)份額 中國

0 引言

小麥?zhǔn)侵袊钪匾募Z食作物和口糧消費(fèi)品種之一，其播種面積和產(chǎn)量均占糧食生產(chǎn)總量的21%左右，在糧食消費(fèi)中所占比重為19%左右[1]。隨著我國進(jìn)入經(jīng)濟(jì)發(fā)展新常態(tài)，農(nóng)業(yè)生產(chǎn)形勢發(fā)生變化，種植業(yè)品種結(jié)構(gòu)不平衡、效益收窄等一系列問題也隨之顯現(xiàn)，糧食生產(chǎn)面臨供給側(cè)結(jié)構(gòu)性改革[2]。如何實(shí)現(xiàn)“穩(wěn)定冬小麥、恢復(fù)春小麥，在品質(zhì)上抓兩頭、帶中間”[3]，推動(dòng)小麥生產(chǎn)結(jié)構(gòu)調(diào)整，鞏固提升小麥產(chǎn)能，確保小麥產(chǎn)量與品質(zhì)，成為小麥生產(chǎn)面臨的重要議題之一。深入研究影響我國小麥生產(chǎn)的主要因素及其貢獻(xiàn)份額，對于保證小麥生產(chǎn)的持續(xù)穩(wěn)定發(fā)展具有重要意義。

在豐富的有關(guān)小麥生產(chǎn)影響因素及其影響程度的文獻(xiàn)中，有大量文獻(xiàn)資料討論了小麥生產(chǎn)對全球氣候變化的響應(yīng)[4-7]，楊曉光等人研究認(rèn)為氣候變化將會(huì)造成全國種植制度界限不同程度的北移，冬小麥種植理論北界北移西擴(kuò)[8-9]。而李文娟等人則從農(nóng)業(yè)旱災(zāi)對我國糧食產(chǎn)量的影響入手，定量分析了農(nóng)業(yè)旱災(zāi)對我國糧食安全的影響程度[10]。此外，還有從化肥使用量[11]、耕地?cái)?shù)量與質(zhì)量[12， 13]、灌溉與農(nóng)業(yè)用水[14]及科技支撐[15]等一系列科技與生產(chǎn)投入要素出發(fā)，研究各種生產(chǎn)投入因素對糧食生產(chǎn)的貢獻(xiàn)，夏海龍等基于農(nóng)業(yè)部固定觀察點(diǎn)河南省的農(nóng)戶調(diào)查數(shù)據(jù)，分析得到各要素貢獻(xiàn)率，研究認(rèn)為推動(dòng)河南農(nóng)戶小麥產(chǎn)出增長的主要因素是以技術(shù)進(jìn)步和技術(shù)效率為核心的全要素生產(chǎn)率的提高[16]。除此之外，還有一些研究認(rèn)為社會(huì)經(jīng)濟(jì)因素對糧食生產(chǎn)的影響在逐漸增大，并將成為糧食增產(chǎn)愈來愈重要的因素[17]?？偟膩砜?，現(xiàn)有的相關(guān)研究主要從氣候與自然因素的角度出發(fā)，或者只研究某一種因素的影響，缺乏把各類影響因素同時(shí)納入考慮范圍的研究。隨著小麥生產(chǎn)環(huán)境發(fā)生巨大變化，迫切需要引入新的研究方法綜合分析各種影響因素對小麥生產(chǎn)的影響及其貢獻(xiàn)份額。

該研究將小麥生產(chǎn)看成一個(gè)受氣候與氣象、科技與生產(chǎn)投入、社會(huì)經(jīng)濟(jì)因素共同影響的系統(tǒng)。通過構(gòu)建小麥模型和冬小麥模型，并引入埃塔平方法(η2)[18]，對影響我國小麥生產(chǎn)的各種驅(qū)動(dòng)因素及其貢獻(xiàn)份額進(jìn)行定量研究。

1 材料與方法

1.1 研究區(qū)域概況

該研究的區(qū)域范圍是我國的6個(gè)小麥主產(chǎn)省，其中冬小麥主產(chǎn)省5個(gè)(河北、河南、山東、江蘇、安徽)，春小麥主產(chǎn)省1個(gè)(新疆)。小麥主產(chǎn)省是根據(jù)小麥產(chǎn)量集中指數(shù)確定的。基于中國種植業(yè)信息網(wǎng)農(nóng)作物分省數(shù)據(jù)庫中的小麥生產(chǎn)數(shù)據(jù)，計(jì)算得到各個(gè)省區(qū)的1978～2014年間分年度小麥產(chǎn)量集中度指數(shù)。在全國小麥生產(chǎn)省中，河南、河北、山東、江蘇、安徽和新疆6省區(qū)的小麥生產(chǎn)集中度指數(shù)呈總體波動(dòng)增長(圖1)。如果把這6個(gè)小麥主產(chǎn)省區(qū)看成一個(gè)整體，它的小麥生產(chǎn)集中度指數(shù)之和1978年以來一直保持在占全國60%以上。2000年以后6省區(qū)小麥產(chǎn)量集中指數(shù)出現(xiàn)穩(wěn)定增長趨勢，逐步突破70%和80%，已成為我國小麥生產(chǎn)的核心區(qū)域。

圖1 1978～2014年中國6個(gè)小麥主產(chǎn)省區(qū)產(chǎn)量集中度指數(shù)及省區(qū)整體變化趨勢

1.2 數(shù)據(jù)來源

該研究采用的數(shù)據(jù)資料主要有4個(gè)來源：一是來自中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所遙感團(tuán)隊(duì)完成的SPAM數(shù)據(jù)，包括1980年、1990年、2000年和2010年4個(gè)時(shí)點(diǎn)的全國三大糧食作物面積產(chǎn)量10km柵格數(shù)據(jù)； 二是來自國家氣象信息中心(中國氣象數(shù)據(jù)共享網(wǎng))的氣象數(shù)據(jù)； 三是分別來自河南、河北、山東、安徽、江蘇和新疆6省區(qū)的社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)； 四是中國種植業(yè)信息網(wǎng)農(nóng)作物數(shù)據(jù)庫的1978年以來全國分省小麥生產(chǎn)數(shù)據(jù)。

SPAM數(shù)據(jù)是基于1980年、1990年、2000年和2010年4期全國遙感影像的柵格數(shù)據(jù)，小麥種植面積和小麥總產(chǎn)量以10km×10km的柵格數(shù)據(jù)形式表達(dá)出來。由于該研究的著眼點(diǎn)是我國小麥集中產(chǎn)區(qū)，因此只有柵格內(nèi)小麥種植面積大于1 000hm2的柵格被篩選出來，零星和分散產(chǎn)區(qū)的小麥生產(chǎn)不包括在該研究中。

氣象數(shù)據(jù)包括上述6省區(qū)范圍內(nèi)所有氣象站點(diǎn)的多年觀測數(shù)據(jù)，主要指標(biāo)有平均氣溫、總降水量、總?cè)照諘r(shí)數(shù)、大于5℃積溫和大于10℃積溫。ArcGIS空間分析工具的Kriging插值方法被用于進(jìn)行上述氣象數(shù)據(jù)空間化處理，從而得到6省區(qū)的氣溫，積溫、降水和日照等10km×10km柵格數(shù)據(jù)。在此基礎(chǔ)上，在ArcGIS里疊加?xùn)鸥窕说臍庀髷?shù)據(jù)和大于1 000hm2小麥生產(chǎn)SPAM柵格數(shù)據(jù)。為了便于進(jìn)一步分析，這些柵格數(shù)據(jù)被轉(zhuǎn)換成矢量數(shù)據(jù)，從而得到以柵格為單元的小麥生產(chǎn)和氣象數(shù)據(jù)表。在河南、河北、山東、安徽、江蘇和新疆，分別有1 896個(gè)、2 022個(gè)、2 081個(gè)、1 623個(gè)、1 271個(gè)和2 967個(gè)這樣的小麥種植網(wǎng)格。

社會(huì)經(jīng)濟(jì)數(shù)據(jù)與小麥生產(chǎn)投入數(shù)據(jù)基于省級(jí)統(tǒng)計(jì)資料。從各省統(tǒng)計(jì)年鑒、《新中國農(nóng)業(yè)60年統(tǒng)計(jì)資料》和種植業(yè)信息網(wǎng)農(nóng)作物數(shù)據(jù)庫中提取出相關(guān)統(tǒng)計(jì)數(shù)據(jù)，這些統(tǒng)計(jì)數(shù)據(jù)也轉(zhuǎn)換成10km×10km的空間數(shù)據(jù)表。

如前所述，小麥生產(chǎn)系統(tǒng)是由氣候與氣象，科技與生產(chǎn)投入，社會(huì)經(jīng)濟(jì)等因素決定的。根據(jù)觀測數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)的有效指標(biāo)，該研究共選用25個(gè)變量。其中，因變量是小麥單產(chǎn)， 24個(gè)自變量分屬于3組因素群。其中，氣候與氣象因素組包括小麥生長期內(nèi)平均氣溫、總降水量、總?cè)照諘r(shí)數(shù)、大于5℃積溫、大于10℃積溫、小麥旱災(zāi)成災(zāi)面積和小麥霜凍成災(zāi)面積等7個(gè)變量?？萍寂c生產(chǎn)投入因素包含耕地面積、新增耕地面積、新開荒地面積、機(jī)耕面積、機(jī)播面積、機(jī)收面積、有效灌溉面積、化肥投入量、農(nóng)機(jī)總動(dòng)力和一個(gè)代表小麥育種和栽培技術(shù)不斷進(jìn)步的虛擬變量，其中，機(jī)耕反映特定時(shí)期的農(nóng)業(yè)技術(shù)水平，因?yàn)橛靡坌筮€是用拖拉機(jī)耕地代表著不同的技術(shù)水平； 引入虛擬變量是因?yàn)槟壳皼]有能夠準(zhǔn)確反映小麥生產(chǎn)技術(shù)進(jìn)步的數(shù)據(jù)，該研究假定技術(shù)進(jìn)步是一個(gè)持續(xù)的過程，每10年就會(huì)出現(xiàn)小麥新品種和栽培技術(shù)，因此虛擬變量是一個(gè)每10年增長1次的連續(xù)兩位數(shù)。社會(huì)和經(jīng)濟(jì)因素包含總?cè)丝凇⑥r(nóng)業(yè)人口、鄉(xiāng)村人口、GDP、第一產(chǎn)業(yè)占GDP比重、農(nóng)業(yè)總產(chǎn)值(按可比價(jià)計(jì)算)、農(nóng)民人均所得(可比價(jià))等10個(gè)變量。

1.3 驅(qū)動(dòng)因素貢獻(xiàn)份額計(jì)算方法

為了計(jì)算影響小麥生產(chǎn)各組因素的貢獻(xiàn)份額，第一步需要建立普通最小二乘法回歸模型群(OLS)，OLS模型的基本形式為：

Y=A+B1X1+…+BiXi+e

(1)

這里的Y是每個(gè)柵格的小麥單產(chǎn)水平(10km×10km)，X1-Xi是3組因素群的24個(gè)變量。該研究建立了兩組OLS模型。一組是基于5個(gè)冬小麥主產(chǎn)省區(qū)的冬小麥模型群，包含Y變量和24個(gè)X變量。另一組是基于6個(gè)小麥主產(chǎn)省份的小麥模型群，同樣也包含Y變量和24個(gè)X變量，包含所有X變量的回歸模型被定義為全因素模型。

OLS回歸是線性最小回歸，假設(shè)前提是回歸方程中的X變量是完全獨(dú)立的，不存在相關(guān)性。然而在現(xiàn)實(shí)運(yùn)算中， 25個(gè)變量之間或多或少存在一定的相關(guān)性。因此通過該文提出的埃塔平方法，可以確定自變量間的相關(guān)性，從而把各自變量對因變量的獨(dú)立和交互貢獻(xiàn)份額剝離出來。

使用埃塔平方法，首先需要進(jìn)行局部的F檢驗(yàn)。局部F檢驗(yàn)是為了測試所選自變量X是否對因變量Y有顯著作用。在該研究中，局部F檢驗(yàn)用于分析X變量是否對小麥生產(chǎn)有顯著的貢獻(xiàn)。為了進(jìn)行這個(gè)檢驗(yàn)，首先需要構(gòu)建局部模型。局部模型是沒有待測變量群的OLS模型。例如，如果要檢驗(yàn)氣候與氣象因素是否在全因素模型中有明顯的作用，需要構(gòu)建一個(gè)沒有氣候與氣象因素的局部模型。檢驗(yàn)的F值通過下面公式計(jì)算：

(2)

零假設(shè)被用于局部F檢驗(yàn)：

H0：βe1=βe2=…=βe25=0

(3)

這里的βe1=βe2=…=βe25表示在局部模型中被拿掉了的參數(shù)。在該研究中，對各個(gè)模型群共建立了6個(gè)局部模型。如果通過公式2計(jì)算得到的F值比F臨界值要大，則表示測試的X變量與Y變量顯著相關(guān)。

當(dāng)X變量與Y變量顯著相關(guān)，變量X對全模型的變量Y變異的解釋力(即貢獻(xiàn)份額)用埃塔方表示，埃塔方可以通過全模型和局部模型中的獲得平方和除以總計(jì)平方和，如公式(4)所示。

(4)

埃塔平方是被測試因素X對因變量Y變化的貢獻(xiàn)份額，例如，為測算氣候與氣象因素對小麥生產(chǎn)的貢獻(xiàn)份額，需要構(gòu)建全模型和不包括氣候與氣象因素的局部模型，基于這兩個(gè)模型計(jì)算出的埃塔平方就是氣候與氣象因素對小麥單產(chǎn)Y的貢獻(xiàn)份額。

(5)

最后，所有因素群的交互貢獻(xiàn)可以通過公式6計(jì)算得到

(6)

1.4 數(shù)據(jù)分析

該研究的數(shù)據(jù)采用SPSS 21統(tǒng)計(jì)軟件進(jìn)行分析，采用Excel作圖。

2 結(jié)果與分析

基于1.2的數(shù)據(jù)來源和1.3的埃塔平方法，該研究構(gòu)建了兩個(gè)模型組： 5省區(qū)冬小麥生產(chǎn)模型和6省區(qū)小麥生產(chǎn)模型。每個(gè)模型組均包含7個(gè)模型，即1個(gè)全因素模型和6個(gè)局部因素模型。通過這兩組模型，計(jì)算得到全因素模型的R平方、每個(gè)局部模型的F值、埃塔平方和因素的貢獻(xiàn)份額。F值顯示模型中所有因素達(dá)到了統(tǒng)計(jì)學(xué)上99%的顯著性，因此無效假設(shè)被否定，兩組模型的計(jì)算結(jié)果分別列在表1和表2中。

2.1 5省區(qū)冬小麥模型群

表1顯示的是基于5個(gè)冬小麥生產(chǎn)大省數(shù)據(jù)的冬小麥模型群的計(jì)算結(jié)果。全因素模型的調(diào)整后R2×100值顯示了模型的解釋能力，代表氣候與氣象因素、科技與生產(chǎn)投入因素、社會(huì)經(jīng)濟(jì)因素的X變量解釋了5個(gè)冬小麥生產(chǎn)集中度總體波動(dòng)上升省份的小麥產(chǎn)量變化的63.70%。η2×100是相應(yīng)因素或因素組合的解釋力。貢獻(xiàn)份額顯示了各因素獨(dú)立和交互作用對于小麥生產(chǎn)總解釋力的貢獻(xiàn)份額?？梢钥闯?，氣候與氣象因素解釋了2.43%，科技與生產(chǎn)投入因素解釋了5.83%，兩者加起來總共解釋了8.26%。而這兩組因素組合交互情況下解釋了小麥生產(chǎn)的8.40%，比加總的8.26%要大，這就說明這兩組因素交互貢獻(xiàn)了額外的0.14%。相應(yīng)地，氣候與氣象和社會(huì)經(jīng)濟(jì)因素交互貢獻(xiàn)了另外的1.15%，但是這個(gè)交互貢獻(xiàn)份額為負(fù)，說明這兩個(gè)因素群共享一些相同的信息，這些信息在每個(gè)局部模型中獨(dú)立起作用，但在全模型中起交互作用。兩者交互作用貢獻(xiàn)份額為負(fù)說明，隨著社會(huì)經(jīng)濟(jì)的發(fā)展，農(nóng)民收入快速提高，農(nóng)業(yè)發(fā)展取得了長足的進(jìn)步，極大影響了農(nóng)戶的種植選擇，減弱了對于氣候因素、生長季以及農(nóng)業(yè)災(zāi)害的顧慮，也影響了農(nóng)業(yè)生產(chǎn)投入，大大削弱了氣候與氣象條件對于小麥生產(chǎn)的影響程度。

表1 R2，η2和對冬小麥模型的貢獻(xiàn)

表2 R2，η2和對小麥模型的貢獻(xiàn)

表1還說明在3組因素中，科技與生產(chǎn)投入對于5省區(qū)冬小麥生產(chǎn)起到了最重要的作用，社會(huì)經(jīng)濟(jì)因素次之，并且科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素的交互貢獻(xiàn)更是達(dá)到了40.57%。與這兩組因素相比較，根據(jù)η2×100的值，氣候與氣象因素起到作用相對較小。從5省區(qū)冬小麥生產(chǎn)模型群可以看出，氣候與氣象因素對于冬小麥生產(chǎn)產(chǎn)生的貢獻(xiàn)份額實(shí)際上達(dá)到了3.71%，這包含了對于冬小麥生產(chǎn)的獨(dú)立貢獻(xiàn)及其和科技與生產(chǎn)投入、社會(huì)經(jīng)濟(jì)因素的交互作用產(chǎn)生的貢獻(xiàn)份額之和。

2.2 6省區(qū)小麥模型群

包含春小麥生產(chǎn)集中度總體波動(dòng)上升的新疆維吾爾自治區(qū)的6省區(qū)小麥生產(chǎn)模型運(yùn)算結(jié)果詳見表2。從表2中的計(jì)算結(jié)果可以看出，模型調(diào)整后的R2×100值是62.74，意味著3組因素解釋了6省區(qū)小麥產(chǎn)量變化的62.74%。其中，前3個(gè)局部模型的η2×100值顯示：氣候與氣象因素、科技與生產(chǎn)投入因素以及社會(huì)經(jīng)濟(jì)因素對于6省份小麥生產(chǎn)的獨(dú)立貢獻(xiàn)份額分別為2.48%、5.05%和3.22%，在這3組因素中，科技與生產(chǎn)投入比其他另外兩組因素起到了更加明顯的作用。綜合冬、春小麥生產(chǎn)情況， 6省區(qū)小麥模型中，氣候與氣象因素與科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素的交互貢獻(xiàn)份額均呈為負(fù)值，各自為-0.41%和-1.24%，說明科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素對于氣候與氣象因素有著或多或少的削弱作用。此外，從冬、春小麥生產(chǎn)的總體情況看，科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素對于小麥生產(chǎn)的影響作用更為突出。

2.3 結(jié)果比對

對比兩個(gè)模型群的運(yùn)算結(jié)果，可以發(fā)現(xiàn)，模型運(yùn)算結(jié)果總體上一致。在兩個(gè)模型群中，科技與生產(chǎn)投入因素對于小麥生產(chǎn)具有最顯著的獨(dú)立貢獻(xiàn)份額，其次是社會(huì)經(jīng)濟(jì)因素。氣候與氣象因素在與其他兩組因素的交互作用中，對于小麥生產(chǎn)的作用都比較小。從3組因素的共同交互貢獻(xiàn)可以看出，氣候與氣象因素對于小麥生產(chǎn)的影響更多地通過因素的交互作用來體現(xiàn)，在2個(gè)模型群中分別為11.58%和8.78%。兩個(gè)模型群中的氣候與氣象因素和社會(huì)經(jīng)濟(jì)因素，以及冬春小麥模型中氣候與氣象因素和科技生產(chǎn)投入因素的交互作用中，貢獻(xiàn)份額均為負(fù)數(shù)，說明這些因素之間共享了一些相同因素，從而沒有為模型帶來新的信息。兩個(gè)模型群中的局部模型6，即：科技與生產(chǎn)投入和社會(huì)經(jīng)濟(jì)因素交互作用的貢獻(xiàn)份額，均超過了40%，對于小麥的貢獻(xiàn)作用最為突出。

表3 兩組模型運(yùn)算結(jié)果

模型1模型2模型3模型4模型5模型6模型7冬小麥模型2 435 834 30 14-1 1540 5711 58小麥模型2 485 053 22-0 41-1 2444 868 78

3 結(jié)論與討論

該文運(yùn)用埃塔平方法，構(gòu)建了基于5省區(qū)的冬小麥生產(chǎn)模型和6省區(qū)的小麥生產(chǎn)模型兩個(gè)模型群，采用GIS和統(tǒng)計(jì)分析方法，定量研究影響我國小麥生產(chǎn)的主要因素，確定不同因素對小麥生產(chǎn)的貢獻(xiàn)份額。主要研究結(jié)論如下。

3.1 科技與生產(chǎn)投入、社會(huì)經(jīng)濟(jì)因素對小麥生產(chǎn)驅(qū)動(dòng)作用凸顯

基于模型運(yùn)算結(jié)果，研究發(fā)現(xiàn)科技與生產(chǎn)投入、社會(huì)經(jīng)濟(jì)因素的作用凸顯，這反映出我國社會(huì)經(jīng)濟(jì)發(fā)展和保障糧食生產(chǎn)的實(shí)際。改革開放以來，特別是2004年以來，中央連續(xù)下發(fā)了5個(gè)“一號(hào)文件”，明確了“統(tǒng)籌城鄉(xiāng)發(fā)展”的基本方略，先后實(shí)施了糧食直補(bǔ)、農(nóng)資綜合直補(bǔ)、良種補(bǔ)貼、農(nóng)機(jī)具購置補(bǔ)貼、科技入戶工程，保護(hù)價(jià)收購，免征農(nóng)業(yè)稅，獎(jiǎng)勵(lì)產(chǎn)糧大縣等更直接、更有力、更有效的支農(nóng)惠農(nóng)政策，對農(nóng)業(yè)投入明顯增長。在這一過程中，科技進(jìn)步發(fā)揮了重要作用，特別是良種培育和品種更換速度加快，高產(chǎn)、優(yōu)質(zhì)、多抗雜交新品種的推廣，以及旱作節(jié)水、測土配方施肥、病蟲害綜合防治等實(shí)用增產(chǎn)技術(shù)的應(yīng)用，對于小麥穩(wěn)產(chǎn)增產(chǎn)起到了非常重要的作用。

3.2 氣候與氣象因素影響被掩蓋

已有研究表明，氣候與氣象因素對于小麥種植區(qū)域變化、產(chǎn)量和品質(zhì)都產(chǎn)生了顯著的影響[4-9]。在該研究中，氣候與氣象因素對于小麥生產(chǎn)的獨(dú)立貢獻(xiàn)份額卻不突出，在冬小麥和小麥2個(gè)模型群中，氣候與氣象因素的貢獻(xiàn)份額分別為2.43%和2.48%。但是這并不代表氣候與氣象因素在小麥生產(chǎn)中的作用不重要，也并不和這些相關(guān)的研究結(jié)論所對立和沖突。恰恰相反，該研究的結(jié)果進(jìn)一步對已有相關(guān)結(jié)論進(jìn)行了解釋。楊曉光等人的研究結(jié)果顯示由于氣候變暖我國遼寧省、河北省、山西省等省份冬小麥的理論北界出現(xiàn)了不同程度的北移西擴(kuò)，但在現(xiàn)實(shí)中冬小麥的北界并沒有出現(xiàn)大幅度的北移，且這些省份的冬小麥生產(chǎn)并沒有出現(xiàn)大幅度的提升，這就是氣候與氣象因素的作用被其它因素削弱和掩蓋的結(jié)果。氣候與氣象因素很重要，但生產(chǎn)投入和科技進(jìn)步、社會(huì)經(jīng)濟(jì)因素在某一時(shí)期對某種作物的影響更重要。隨著社會(huì)經(jīng)濟(jì)的發(fā)展和人民生活水平的提高，對于小麥消費(fèi)結(jié)構(gòu)提出了新的更高要求，市場監(jiān)測顯示，當(dāng)前我國面粉等主食消費(fèi)增速放緩，普通粉及其制品需求呈萎縮態(tài)勢，而專用粉及制成品需求增加； 同時(shí)種植農(nóng)戶的收入增加，農(nóng)戶對于農(nóng)業(yè)經(jīng)營管理的選擇更廣，種植小麥的比較收益相對較少，農(nóng)戶種植決策對于小麥生產(chǎn)影響很大，因此氣候適宜種植小麥的地區(qū)未必出現(xiàn)大面積增加小麥種植的趨勢，甚至存在小麥面積萎縮的可能。此外，社會(huì)經(jīng)濟(jì)發(fā)展，大大推動(dòng)科技創(chuàng)新和生產(chǎn)投入的增加，農(nóng)業(yè)基礎(chǔ)設(shè)施改善，生產(chǎn)集約化程度提高，小麥生產(chǎn)應(yīng)對氣候變化和氣象災(zāi)害的能力大大提升，有效控制和減輕了氣象與自然災(zāi)害對于小麥生產(chǎn)的影響。從該研究的兩個(gè)模型群可以看出，三大因素交互貢獻(xiàn)份額分別達(dá)到11.58%和8.78%，這是氣候與氣象因素通過與其他因素的交互作用得以體現(xiàn)的結(jié)果。

3.3 春小麥對于科技與生產(chǎn)投入、社會(huì)經(jīng)濟(jì)因素的響應(yīng)更加明顯

對比兩個(gè)模型群的結(jié)果可以發(fā)現(xiàn)，春小麥對于科技與生產(chǎn)投入、社會(huì)經(jīng)濟(jì)因素的響應(yīng)更加明顯。造成這一結(jié)果的原因主要為：春小麥主要產(chǎn)區(qū)多地處西北和東北地區(qū)，這些區(qū)域氣候與自然條件較差，作物種植結(jié)構(gòu)相對單一，種植作物可選擇種類少，受到了氣候與氣象因素更為嚴(yán)峻的制約，而如前所述，氣候因素的作用主要通過與其他因素的交互作用得以體現(xiàn)，也印證了已有研究中這些區(qū)域春小麥生產(chǎn)對于氣候自然的響應(yīng)[19]。因此，這些區(qū)域能否發(fā)展春小麥生產(chǎn)的關(guān)鍵在于能否通過科技進(jìn)步，技術(shù)推廣，生產(chǎn)投入及社會(huì)經(jīng)濟(jì)發(fā)展來培育和推廣春小麥新品種，改造春小麥生產(chǎn)環(huán)境，改善水肥條件。

[1] 農(nóng)業(yè)部市場預(yù)警專家委員會(huì).中國農(nóng)業(yè)展望報(bào)告(2016- 2025).北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社， 2016： 26～34

[2] 羅其友， 尤飛，楊亞東.我國種植業(yè)面臨的結(jié)構(gòu)性問題與調(diào)整方向.種業(yè)導(dǎo)刊,2016,(2)： 5～7

[3] 農(nóng)業(yè)部.全國種植業(yè)結(jié)構(gòu)調(diào)整規(guī)劃(2016～2020年). 中國食品,2016,(10)： 149～154

[4] Luo Q，Bellotti W，Williams M，et al.Potential impact of climate change on wheat yield in South Australia.Agricultural &； Forest Meteorology,2005

[5] 覃志豪， 唐華俊，李文娟.氣候變化對我國糧食生產(chǎn)系統(tǒng)影響的研究前沿.中國農(nóng)業(yè)資源與區(qū)劃,2015, 36(1): 1～8

[6] 覃志豪， 唐華俊，李文娟，等.氣候變化對農(nóng)業(yè)和糧食生產(chǎn)影響的研究進(jìn)展與發(fā)展方向.中國農(nóng)業(yè)資源與區(qū)劃,2013, 34(5): 1～7

[7] Song Y,Chen D, Dong W.Influence of climate on winter wheat productivity in different climate regions of China， 1961-2000.Climate Research,2006,32(3):219～227

[8] 楊曉光， 劉志娟，陳阜.全球氣候變暖對中國種植制度可能影響： Ⅵ.未來氣候變化對中國種植制度北界的可能影響.中國農(nóng)業(yè)科學(xué),2011, 44(8): 1562～1570

[9] 李克南， 楊曉光，慕臣英，等.全球氣候變暖對中國種植制度可能影響Ⅷ——?dú)夂蜃兓瘜χ袊←湺盒云贩N種植界限的影響.中國農(nóng)業(yè)科學(xué),2013, 8(46): 1583～1594

[10]李文娟， 覃志豪，林綠.農(nóng)業(yè)旱災(zāi)對國家糧食安全影響程度的定量分析.自然災(zāi)害學(xué)報(bào),2010,(03)： 111～118

[11]李忠芳， 徐明崗，張會(huì)民，等.長期施肥下中國主要糧食作物產(chǎn)量的變化.中國農(nóng)業(yè)科學(xué),2009,(07)： 2407～2414

[12]劉彥隨， 王介勇，郭麗英.中國糧食生產(chǎn)與耕地變化的時(shí)空動(dòng)態(tài).中國農(nóng)業(yè)科學(xué),2009,(12)： 4269～4274

[13]傅澤強(qiáng)， 蔡運(yùn)龍，楊友孝，等.中國糧食安全與耕地資源變化的相關(guān)分析.自然資源學(xué)報(bào),2001,(04)： 313～319

[14]陳靜， 王迎春，李虎，等.滴灌施肥對免耕冬小麥水分利用及產(chǎn)量的影響.中國農(nóng)業(yè)科學(xué),2014,(10)： 1966～1975

[15]李建平， 唐華俊，羅其友，等.我國區(qū)域糧食科技支撐體系研究.中國科技論壇,2007,(10)： 104～112

[16]夏海龍， 郭燕枝，郭靜利.農(nóng)戶小麥生產(chǎn)的產(chǎn)出增長與分解——基于河南省農(nóng)戶層面的實(shí)證分析.中國農(nóng)業(yè)科學(xué),2012,(03)： 569～574

[17]孫曉麗， 石淑芹，李正國.黑龍江省氣候與社會(huì)經(jīng)濟(jì)因素對生產(chǎn)潛力影響的研究.中國人口、資源與環(huán)境,2014,(S3)： 349～353

[18]Li W，Tang H，qin Z，et al.Climate Change Impact and Its Contribution Share to Paddy Rice Production in Jiangxi，China.Journal of Integrative Agriculture,2014, 13(7): 1565～1574

[19]李正國， 楊鵬，唐華俊，等.氣候變化背景下東北三省主要作物典型物候期變化趨勢分析.中國農(nóng)業(yè)科學(xué),2011,(20)： 4180～4189

歡迎訂閱《中國農(nóng)業(yè)資源與區(qū)劃》雜志

《中國農(nóng)業(yè)資源與區(qū)劃》雜志(月刊)是中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所、全國農(nóng)業(yè)資源區(qū)劃辦公室、中國農(nóng)業(yè)資源與區(qū)劃學(xué)會(huì)聯(lián)合主辦的指導(dǎo)性與學(xué)術(shù)性相結(jié)合的綜合性刊物，主要宣傳農(nóng)業(yè)資源開發(fā)利用與保護(hù)治理、農(nóng)業(yè)計(jì)劃、農(nóng)業(yè)發(fā)展規(guī)劃、農(nóng)業(yè)投資規(guī)劃、農(nóng)村區(qū)域開發(fā)、商品糧基地建設(shè)等方面的方針政策；介紹農(nóng)業(yè)資源調(diào)查、農(nóng)業(yè)區(qū)劃、區(qū)域規(guī)劃、區(qū)域開發(fā)、農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)布局調(diào)整、農(nóng)村經(jīng)濟(jì)發(fā)展戰(zhàn)略研究、持續(xù)農(nóng)業(yè)等方面的經(jīng)驗(yàn)、成果和國外動(dòng)態(tài)，以及新技術(shù)、新方法的應(yīng)用，探討市場經(jīng)濟(jì)發(fā)展和運(yùn)行機(jī)制與農(nóng)業(yè)計(jì)劃、農(nóng)業(yè)資源區(qū)劃的關(guān)系和影響，推動(dòng)農(nóng)業(yè)計(jì)劃和農(nóng)業(yè)資源區(qū)劃學(xué)術(shù)理論發(fā)展，普及有關(guān)基礎(chǔ)知識(shí)。本刊面向從事農(nóng)業(yè)資源調(diào)查和區(qū)劃、農(nóng)業(yè)發(fā)展計(jì)劃、規(guī)劃的干部、科技人員、大專院校師生及廣大農(nóng)村干部。

《中國農(nóng)業(yè)資源與區(qū)劃》雜志為月刊、國內(nèi)外公開發(fā)行，大16開本。每冊定價(jià)30.00元，全年每套360元。訂閱款可通過郵局匯寄《中國農(nóng)業(yè)資源與區(qū)劃》編輯部，地址：北京海淀區(qū)中關(guān)村南大街12號(hào)中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，郵編：100081?；蚩赏ㄟ^銀行匯款，開戶行：農(nóng)行北京北下關(guān)支行，行號(hào)：103100005063，賬號(hào)：11050601040011896，單位名稱：中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所。電話：(010) 82109632 82109628 82109647 82109637，傳真：(010) 82109632 82109637。

Email: quhuabjb@caas.cn。郵發(fā)代號(hào)：2-732，投稿網(wǎng)址：www.cjarrp.com

USING ETA SQUARE METHOD (η2) TO ESTIMATE THE CONTRIBUTION SHARE OF DRIVING FACTORS ON WHEAT PRODUCTION IN CHINA*

Ye Zhibiao，Li Wenjuan※
(Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China)

The objective of this study was to estimate the contribution share of driving factors on wheat production in China and evaluate the integrative effects of the factors. An improved approach, eta square method, was used in the study to identify the contribution shares of three group factors that were climate and meteorological factors, technology and production input, social economic factors by which wheat production was affected. According to the concentration index of wheat production in China since 1978, wheat productions of the six main wheat producers in China were Henan province, Hebei province, Shandong province, Jiangsu province, Anhui province and Xinjiang Uygur Autonomous Region. Two groups of ordinary least square (OLS) models that included five winter wheat producers′ models and six winter-spring wheat producers′ models were constructed for further analysis. Each model group consisted of seven models, one full model and six partial models. The results of the two model groups showed that the values of adjusted R square multiply by 100 were 63.70 and 62.74,respectively, which indicated that the models had strong ability of explanation, and wheat production could be explained 63.70% and 62.74% respectively by these X variables such as climate and meteorological factors, Technology and production input, social economic factors. The winter wheat models showed that technology and production input, social economic factors individually and interactively contributed 5.83%, 4.30% 40.57% explanatory power to the variation of wheat production in five studied provinces. Climate and meteorological factors only contributed 2.43% individually and another 0.14% interactively together with technology and production input factors. When interacting together with social economic factors, the contribution share was -1.15% as they shared some same information. The three group factors interactively contributed the remaining 11.58% explanatory power. Both the winter and spring wheat models support the results of winter models. Among the three groups of factor, technology and production input, social economic factors individually and interactively contributed 5.05%, 3.22% 44.86% explanatory power. Climate and meteorological factors only contributed 2.48%, and interactively contributed -0.41% and -1.24% as sharing same information. The three group factors interactively contributed the remaining 8.78% explanatory power. The results of two groups of model showed that technology and production input, social economic factors were major factors affecting China′s wheat production, in which the role of technology and production input was more outstanding; In contrast, the contribution share of climate and meteorological factors was relatively small.

eta square; food security; wheat production; contribution share; China

10.7621/cjarrp.1005-9121.20170609

2016-12-19

葉志標(biāo)(1990—)，男，浙江麗水人，碩士。研究方向：農(nóng)業(yè)區(qū)域發(fā)展與規(guī)劃?！ㄓ嵶髡撸豪钗木?1963—)，女，河北張家口人，博士、研究員。研究方向：區(qū)域發(fā)展、GIS空間模型和糧食安全。Email：liwenjuan@caas.cn

*資助項(xiàng)目：中國農(nóng)科院創(chuàng)新工程“小麥、玉米、水稻種植空間格局演變機(jī)制與模擬研究”(637-1)

F323.1; S512.1

A

1005-9121[2017]06063-08