何 鵬，林正雨，景曉衛(wèi)，李 曉※

(1.四川省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息與農(nóng)村經(jīng)濟研究所，成都 610066；2.四川省農(nóng)業(yè)科學(xué)院區(qū)域農(nóng)業(yè)發(fā)展研究中心，成都 610066;3.四川省農(nóng)業(yè)科學(xué)院大數(shù)據(jù)中心，成都 610066)

·糧食安全·

基于不同樣本分區(qū)和模型參數(shù)的四川省糧食產(chǎn)量空間化研究*

何 鵬1， 2， 3，林正雨1， 2， 3，景曉衛(wèi)1，李 曉1， 2， 3※

(1.四川省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息與農(nóng)村經(jīng)濟研究所，成都 610066；2.四川省農(nóng)業(yè)科學(xué)院區(qū)域農(nóng)業(yè)發(fā)展研究中心，成都 610066;3.四川省農(nóng)業(yè)科學(xué)院大數(shù)據(jù)中心，成都 610066)

目的農(nóng)業(yè)經(jīng)濟統(tǒng)計數(shù)據(jù)受多種自然條件因素和社會經(jīng)濟條件因素影響，數(shù)據(jù)空間化難度很大。通過省級尺度糧食產(chǎn)量數(shù)據(jù)空間化的研究，探索提高農(nóng)業(yè)經(jīng)濟統(tǒng)計數(shù)據(jù)空間化精度的方法及經(jīng)驗。方法以四川省為例，按照不同分區(qū)方案(全省不分區(qū)、分為5個綜合農(nóng)業(yè)分區(qū))，選擇不同樣本數(shù)據(jù)(縣級糧食總產(chǎn)、縣級平均糧食產(chǎn)量)為因變量，對應(yīng)2種耕地類型(水田、旱地)面積數(shù)據(jù)為自變量，考慮2種模型參數(shù)(常數(shù)為0和不為0)擬合多元回歸模型，對糧食數(shù)據(jù)進行空間化研究，并選擇誤差評價因子對空間化結(jié)果進行評價。結(jié)果(1)不管采用縣級糧食總產(chǎn)還是縣平均糧食產(chǎn)量擬合，常數(shù)項設(shè)置為非0的，均是分區(qū)比不分區(qū)的結(jié)果精度要高； (2)不管采用縣級糧食總產(chǎn)還是縣平均糧食產(chǎn)量擬合，常數(shù)項設(shè)置為0的，均是分區(qū)比不分區(qū)的結(jié)果精度要高； (3)對比不分區(qū)和分區(qū)這2種方法，以縣級糧食總產(chǎn)擬合的結(jié)果要比縣級平均糧食產(chǎn)量擬合的結(jié)果精度要高。結(jié)論在省級糧食產(chǎn)量空間化時，以分縣平均糧食產(chǎn)量為基礎(chǔ)，劃分土地利用類型、劃分農(nóng)業(yè)分區(qū)并且常數(shù)為0時擬合精度最高。在今后的研究中，有必要結(jié)合更多的影響因子進行糧食產(chǎn)量的空間化，以提高其數(shù)據(jù)重構(gòu)精度。

糧食 模型 分區(qū)方案 多元回歸 誤差 空間化

0 引言

近年來社會科學(xué)的發(fā)展出現(xiàn)三大潮流，即“科學(xué)化”(強調(diào)借用自然科學(xué)的計量分析方法和模型)、“空間化”(關(guān)注社會經(jīng)濟現(xiàn)象的空間變化和相互作用)和“應(yīng)用化”(側(cè)重于政策性規(guī)劃性強的實用課題)[1]。20世紀(jì)90年代以來，國內(nèi)外學(xué)者對社會經(jīng)濟統(tǒng)計數(shù)據(jù)空間化問題進行了許多研究和探討，包括基于土地利用、地形地貌、交通條件和夜間燈光指數(shù)等的人口數(shù)據(jù)空間化[2-6]，基于土地利用和夜間燈光指數(shù)等的國內(nèi)生產(chǎn)總值空間化[7-8]，基于人口和土地利用的國內(nèi)生產(chǎn)總值空間化，基于土地利用的森林蓄積量和草場載畜量調(diào)查數(shù)據(jù)空間化[9-11]等。農(nóng)業(yè)生產(chǎn)活動受多種自然條件因素(海陸位置、氣候特征、水文環(huán)境、土壤機理、自然災(zāi)害、地理變化等)和社會經(jīng)濟條件因素(人口、文化、經(jīng)濟、政治等)的影響，因此對農(nóng)業(yè)經(jīng)濟統(tǒng)計數(shù)據(jù)空間化的難度很大，導(dǎo)致在很長一段時間內(nèi)，國內(nèi)外對于農(nóng)業(yè)經(jīng)濟統(tǒng)計數(shù)據(jù)空間化的研究還比較少。

農(nóng)業(yè)是一個國家國民經(jīng)濟的基礎(chǔ)產(chǎn)業(yè)，而糧食則是人們?nèi)粘Ｉ畹谋匦杵?，關(guān)系著一個國家的安全、穩(wěn)定和發(fā)展。糧食生產(chǎn)是人類生存需求推動下的社會經(jīng)濟活動，是人與自然和諧相處的結(jié)果，糧食產(chǎn)量的空間格局變化有一定的規(guī)律性。影響糧食產(chǎn)量的主要因素有區(qū)域土壤、氣候、水文、地形、區(qū)位、作物以及投入和管理措施等，分析上述因素對糧食產(chǎn)量的影響，從而將規(guī)律定量化，可達到糧食產(chǎn)量空間化的目的。但因素之間的關(guān)系較為復(fù)雜，找出定量化關(guān)系有很大的難度。

隨著GIS技術(shù)的進步，國內(nèi)已有不少學(xué)者對糧食產(chǎn)量空間化進行了研究，包括2012年，劉忠等[2]利用土地利用與人口密度數(shù)據(jù)對中國2000年糧食產(chǎn)量統(tǒng)計數(shù)據(jù)進行了空間化，并在省級、地市級和縣級3個尺度上，對其空間化精度進行了一些分析； 2015年，廖順寶、姬廣興等[14]利用不同農(nóng)田類型面積與糧食產(chǎn)量擬合的方法對中國2005年糧食產(chǎn)量統(tǒng)計數(shù)據(jù)進行了空間化，并對不同樣本尺度、不同分區(qū)方案和不同模型參數(shù)條件下的精度和誤差修正進行了分析。但還未見有采用上述研究方法對省域尺度的糧食產(chǎn)量空間化及時空分布格局進行研究的文獻，現(xiàn)有省域尺度糧食產(chǎn)量時空分布格局研究多局限于以縣(區(qū))域行政單元為研究單元[12]，屬于“偽”空間化。

因此，文章以全國糧食生產(chǎn)大省四川省為例，基于不同樣本、分區(qū)方案和模型參數(shù)對糧食產(chǎn)量數(shù)據(jù)進行空間化研究，探尋省級尺度糧食產(chǎn)量數(shù)據(jù)空間化的經(jīng)驗，對提高農(nóng)業(yè)經(jīng)濟統(tǒng)計數(shù)據(jù)空間化精度具有重要意義。

1 數(shù)據(jù)與分析

1.1 研究思路

糧食產(chǎn)量是典型的基于行政單元的統(tǒng)計型數(shù)據(jù)，這種數(shù)據(jù)的特點是一個行政區(qū)內(nèi)只有一個產(chǎn)量值，或者是總產(chǎn)量，或者是單產(chǎn)，不能反映糧食產(chǎn)量在行政區(qū)內(nèi)部空間上的差異。而糧食產(chǎn)量空間化正是解決這一問題的有效手段。

糧食產(chǎn)量空間化的基本思想是，用區(qū)域尺度(如地區(qū)、市縣、鄉(xiāng)鎮(zhèn))上構(gòu)建的產(chǎn)量——面積模型來計算柵格單元尺度上的糧食產(chǎn)量，與氣象氣候研究領(lǐng)域中的降尺度問題相似。對于區(qū)域尺度的糧食空間化研究，可選擇的行政區(qū)域有省級、地市級、縣級和鄉(xiāng)鎮(zhèn)級，從已有的糧食空間化研究文獻來看，全國尺度以地市級數(shù)據(jù)作為樣本較好，再從農(nóng)業(yè)統(tǒng)計數(shù)據(jù)的可獲得性和土地利用數(shù)據(jù)分辨率的角度來看，省域尺度的糧食空間化研究以縣級數(shù)據(jù)作為樣本較好。

1.2 數(shù)據(jù)來源

該研究使用的數(shù)據(jù)主要包括3部分。

(1)2010年《四川省農(nóng)業(yè)統(tǒng)計年鑒》。

(2)2010年四川省30m分辨率土地覆被類型數(shù)據(jù)集。該數(shù)據(jù)集包括6種一級土地覆被類型和25種二級土地覆被類型。

1.3 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理主要包括以下內(nèi)容。

(1)統(tǒng)計各縣市不同農(nóng)田類型的面積。在ArcGIS 10.1軟件中，利用縣級行政區(qū)劃圖，對不同農(nóng)田類型的柵格圖層進行區(qū)域統(tǒng)計運算，得到每個行政區(qū)劃(縣、市、區(qū))的不同耕地類型(水田和旱地，其分類信息及依據(jù)見表1)的面積數(shù)據(jù)。

表1 土地利用分類系統(tǒng)

一級類型二級類型編碼含義耕地水田11指有水源保證和灌溉設(shè)施，在一般年景能正常灌溉，用以種植水稻，蓮藕等水生農(nóng)作物的耕地，包括實行水稻和旱地作物輪種的耕地旱地12指無灌溉水源及設(shè)施，靠天然降水生長作物的耕地；有水源和澆灌設(shè)施，在一般年景下能正常灌溉的旱作物耕地；以種菜為主的耕地，正常輪作的休閑地和輪歇地

(2)將全省各縣級糧食產(chǎn)量統(tǒng)計數(shù)據(jù)與其不同農(nóng)田類型面積數(shù)據(jù)進行匹配(表2)。以名稱和行政代碼一致為標(biāo)準(zhǔn)進行匹配，然后對匹配結(jié)果進行檢驗。首先，由于有飛地的存在，以名稱和行政代碼一致為標(biāo)準(zhǔn)，刪除數(shù)據(jù)的重復(fù)項，防止建模時對同一數(shù)據(jù)多次計算，影響模型精度； 其次，刪除一些不合理的數(shù)據(jù)，包括以下3種情況： ①該縣市有耕地面積卻無糧食產(chǎn)量統(tǒng)計數(shù)據(jù)； ②該縣市無耕地面積卻有糧食產(chǎn)量統(tǒng)計數(shù)據(jù)； ③數(shù)據(jù)檢查發(fā)現(xiàn)單產(chǎn)畸高的(一般為面積較小且行政駐地所在區(qū)縣)。

通過上述方法檢驗和甄別，最終獲得177條有效縣級數(shù)據(jù)記錄。

表2 分縣糧食產(chǎn)量及耕地面積基礎(chǔ)數(shù)據(jù)

市名稱縣(區(qū)、市)名稱縣級行政區(qū)劃代碼糧食總產(chǎn)量(萬t)水田面積(萬hm2)旱地面積(萬hm2)雅安市雨城區(qū)5118026928514187552022537雅安市名山區(qū)5118039561213772711622320雅安市滎經(jīng)縣5118225387600440292429468雅安市漢源縣51182311550311451093593895雅安市石棉縣5118243285103886561597117雅安市天全縣5118257442007887552101648—————— 注：因數(shù)據(jù)量龐大，不再一一列出。如有需要，可聯(lián)系作者索取

1.4 建模及模型驗證

在自然條件和農(nóng)業(yè)生產(chǎn)技術(shù)條件基本一致的情況下，糧食產(chǎn)量與農(nóng)田面積成正比例關(guān)系，而不同的農(nóng)田類型(圖1)對糧食產(chǎn)量的影響不同，同時統(tǒng)計分析建模是實現(xiàn)糧食產(chǎn)量數(shù)據(jù)空間化的一種常用方法，因此，該研究選用多元線性回歸分析方法建模。結(jié)合已有研究文獻，在建模時分別考慮分區(qū)方案和回歸方程常數(shù)項設(shè)置(0與非0)對模型的影響。

圖1 2010年四川省30m柵格尺度土地利用覆被

基于獲得的177條縣級數(shù)據(jù)來建立糧食產(chǎn)量預(yù)測模型。糧食生產(chǎn)與自然資源稟賦有較大關(guān)系，溫、光、水、土等自然條件對糧食產(chǎn)量影響較大，四川省自然條件比較復(fù)雜，所以根據(jù)綜合農(nóng)業(yè)區(qū)劃資料，將181個縣(區(qū)、市)分成5個區(qū)(圖2)[13]，以縣級糧食總產(chǎn)量和平均產(chǎn)量為因變量，以其對應(yīng)的耕地類型(水田、旱地)面積數(shù)據(jù)為自變量，在SPSS中，運用多元線性回歸分析方法，建立8種模型、28個回歸方程。分區(qū)中的川西高原區(qū)由于水田極少，耕地類型主要為旱地，導(dǎo)致做多元回歸分析時出現(xiàn)較大誤差，所以增加了一元回歸方程擬合。5個區(qū)包括成都平原區(qū)(35個縣)、川中丘陵區(qū)及川東平行嶺谷區(qū)(62個縣)、盆周丘陵山區(qū)(30個縣)、攀西地區(qū)(23個縣)、川西高原區(qū)(31個縣)。

圖2 四川省綜合農(nóng)業(yè)區(qū)劃

表3 多元線性回歸方程及常數(shù)項設(shè)置情況(2010年數(shù)據(jù))

樣本分區(qū)情況常數(shù)項設(shè)置線性回歸方程相關(guān)系數(shù)/R變異系數(shù)/CV縣級糧食總產(chǎn)不分區(qū)非0(1)y=476659x1+231133x2-10665190093302920(2)y=468172x1+221187x209690292分為5個區(qū)非0(1)y=646151x1+0059x2-163868809400226(2)y=307132x1+312809x2+2687075409070217(3)y=395351x1+151658x2-771685609150337(4)y=539162x1+119336x2+899285608260456(5)y=91674x2+2830395091203040(1)y=641874x1-0493x209830223(2)y=330295x1+329221x209820218(3)y=396546x1+138060x209680332(4)y=548159x1+133848x209400448(5)y=105960x209650328縣平均糧食產(chǎn)量不分區(qū)非0(1)y=591697x1+236855x2-20370089904020(2)y=526536x1+206256x209540408分為5個區(qū)非0(1)y=696560x1+167204x2-6248708470325(2)y=849725x1+306031x2-11664505670241(3)y=285884x1+268888x2-1681508610370(4)y=488541x1+231028x2-1100707770384(5)y=124632x2-0052087203830(1)y=583898x1+93928x209600335(2)y=654318x1+188549x209600243(3)y=272993x1+211596x209540377(4)y=444280x1+161170x209470386(5)y=122544x209550377 注：表中y表示平均糧食產(chǎn)量；x1和x2分別表示水田和旱地的面積；分區(qū)時方程編號(1)表示成都平原區(qū)，(2)表示川中丘陵區(qū)和川東平行嶺谷區(qū)；(3)表示盆周丘陵山區(qū)，(4)表示攀西地區(qū)，(5)表示川西高原區(qū)；變異系數(shù)是樣本標(biāo)準(zhǔn)差與樣本平均值的比值，無量綱，反映樣本個體與樣本平均值的偏離程度

圖3 不同樣本、變量尺度及常數(shù)項設(shè)置情況下模型計算結(jié)果

從表3可以看出，不管采用糧食總產(chǎn)還是平均糧食產(chǎn)量與耕地進行擬合，也不論擬合方程的常數(shù)為0還是不為0，糧食產(chǎn)量與耕地(水田、旱地)面積都具有很強的線性相關(guān)關(guān)系。8種模型24個方程中，相關(guān)系數(shù)大于0.80的有22個，變異系數(shù)全部小于0.50，小于0.40的有20個，小于0.30的有8個。

2 結(jié)果與分析

2.1 總體情況分析

從圖3的8個制圖結(jié)果來看，模型3以農(nóng)業(yè)綜合分區(qū)為界線形成了明顯分區(qū)，主要原因是這個模型有常數(shù)項，又采用的是區(qū)域尺度(縣級糧食總產(chǎn)量)進行回歸，而制圖應(yīng)用是公里柵格網(wǎng)尺度的，所以導(dǎo)致區(qū)域尺度的常數(shù)項比柵格尺度的自變量大了很多，其結(jié)果就是無論耕地面積是多少，每個方程的計算結(jié)果都接近于常數(shù)項，因此出現(xiàn)分區(qū)的情況。模型1和模型7都出現(xiàn)了絕對值較大的產(chǎn)量負值，這是因為川西高原區(qū)耕地類型主要為旱地，水田極少，采用兩個自變量擬合方程出現(xiàn)了較大誤差的原因，由于川西高原區(qū)耕地面積本身較少，低值區(qū)在制圖表達中顯示不多，由于模型7有常數(shù)項，所以仍能看出部分以綜合農(nóng)業(yè)分區(qū)為界線形成的分區(qū)。從總體結(jié)果看有5個計算結(jié)果有負值，這是線性回歸模型自身的問題，但是與糧食產(chǎn)量實際情況不符，需要對最大值和最小值進行修正，該文將在討論模型精度后選擇精度較高的模型進行分析。

2.2 模型精度比較

2.2.1 模型擬合精度

由于模型1和模型3是以縣級糧食總產(chǎn)在有常數(shù)項設(shè)置的條件下擬合，通過公里柵格網(wǎng)制圖表達的，根據(jù)廖順寶等[14]樣本尺度和常數(shù)項取值問題的研究結(jié)果可以去掉，不做討論，所以最終僅對剩余6種糧食產(chǎn)量模型進行擬合精度的評價。如圖4所示，由于模型2、模型5和模型6沒有分區(qū)，所以直接以每個分區(qū)都是同樣的相關(guān)系數(shù)和變異系數(shù)制圖。可以看出，綜合考慮兩個系數(shù)的值及分區(qū)分布，以縣級糧食總產(chǎn)量為樣本分區(qū)且常數(shù)為0(模型4)時模型的擬合效果最優(yōu)，其次是以縣級糧食總產(chǎn)量為樣本不分區(qū)且常數(shù)為0(模型2)時模型的擬合效果也較好。與已有研究類似，以縣級糧食總產(chǎn)量為樣本的模型擬合精度高于以縣級平均糧食產(chǎn)量為樣本的模型，這應(yīng)該與縣級平均糧食產(chǎn)量計算時對原有統(tǒng)計誤差放大有關(guān)。但是以縣級糧食總產(chǎn)量為樣本不分區(qū)且常數(shù)為0(模型2)時模型的擬合效果較好，與全國尺度的研究結(jié)果不一致，全國的研究表明，無論是以行政區(qū)域尺度還是柵格尺度，均是分區(qū)比不分區(qū)好。這與四川省幅員面積僅占全國陸地面積的約4.85%，而該次研究同全國研究一樣采用市縣一級的行政尺度，而柵格大小也同樣為1km，所以表現(xiàn)出不分區(qū)模型仍然有較高的擬合精度。這也說明，在省級尺度的糧食產(chǎn)量空間化模擬中，如果省域面積較小，且糧食生產(chǎn)的自然地理環(huán)境分異不大，完全可以采用不分區(qū)模型進行擬合。

圖4 不同樣本、變量尺度及常數(shù)項設(shè)置情況下模型相關(guān)系數(shù)(a)及變異系數(shù)(b)分布

2.2.2 空間化誤差分析

根據(jù)建立的6種糧食產(chǎn)量模型(模型2、4、5、6、7、 8)最終得到6張糧食產(chǎn)量空間分布模擬圖。采用負值柵格所占百分比、糧食總產(chǎn)量相對誤差、柵格單元最大值與全省水稻單位面積產(chǎn)量的相對誤差、平均絕對誤差和決定系數(shù)5個誤差評價因子對空間化結(jié)果進行評價，如表4所示。結(jié)果表明：(1)不管采用縣級糧食總產(chǎn)還是縣平均糧食產(chǎn)量擬合，常數(shù)項設(shè)置為非0的，均是分區(qū)比不分區(qū)的結(jié)果精度要高； (2)不管采用縣級糧食總產(chǎn)還是縣平均糧食產(chǎn)量擬合，常數(shù)項設(shè)置為0的，均是分區(qū)比不分區(qū)的結(jié)果精度要高； (3)對比不分區(qū)和分區(qū)這2種方法，以縣級糧食總產(chǎn)擬合的結(jié)果要比縣級平均糧食產(chǎn)量擬合的結(jié)果精度要高。

表4 6種糧食產(chǎn)量模型精度評價及其空間分布的誤差評價

模型模型擬合評價空間化分布評價校正決定系數(shù)平均相對誤差(%)負值柵格所占百分比(%)糧食總產(chǎn)量相對誤差(%)柵格單元糧食產(chǎn)量最大值與水稻單位面積產(chǎn)量的相對誤差(%)平均絕對誤差(t)決定系數(shù)(R2)20932644404068519152704509394091327130890973507349363091450806342736025791517526476350808609046780054964662099335091070833247559402921827108776508358082524820475325018033550827

圖4及表4的結(jié)果表明，以縣級糧食總產(chǎn)為樣本，全省分為5個區(qū)，常數(shù)項為0的模型精度最高，但其決定系數(shù)也僅為0.914，且空間化后負值柵格所占百分比仍有0.89%，空間化制圖的精度和準(zhǔn)確性有待進一步提高。

2.3 糧食產(chǎn)量空間化誤差分析

以縣級糧食總產(chǎn)為樣本，全省分為5個區(qū)，常數(shù)項為0的模型制圖，并對其模擬結(jié)果進行分析。

2.3.1 農(nóng)業(yè)綜合分區(qū)尺度空間化誤差分析

從全省整體來看，糧食空間化后匯總的數(shù)據(jù)值低于統(tǒng)計數(shù)據(jù)，整體誤差為-0.97%，這與劉忠等[2]對全國糧食產(chǎn)量擬合的誤差結(jié)果-7.75%相比，同樣是低估，但誤差較小，由于劉忠是對全國糧食產(chǎn)量進行擬合，有較大誤差也比較正常。按四川省綜合農(nóng)業(yè)區(qū)劃的方案分區(qū)匯總空間化后糧食產(chǎn)量數(shù)據(jù)，并與糧食產(chǎn)量統(tǒng)計數(shù)據(jù)進行對比，制作相對誤差條形圖，從圖中可以看出，僅川西高原區(qū)的糧食產(chǎn)量空間化結(jié)果誤差絕對值大于5%，其他分區(qū)的糧食產(chǎn)量空間化結(jié)果誤差絕對值都小于5%。其中高估的僅盆周丘陵山區(qū)，誤差為4%。低估的4個分區(qū)中，成都平原區(qū)的誤差絕對值最小，僅為-1%。以上結(jié)果可以從耕地面積占土地面積比例、農(nóng)區(qū)與牧區(qū)的分類兩方面來解釋，誤差較大的片區(qū)多為耕地面積較少，地形復(fù)雜，種植業(yè)并不占農(nóng)業(yè)結(jié)構(gòu)主體的區(qū)域，成都平原由于耕地面積廣且集中連片，地形平緩，生產(chǎn)條件均一，所以模擬精度最高。

圖5 綜合農(nóng)業(yè)分區(qū)單元糧食空間化匯總相對誤差

2.3.2 地市州尺度空間化誤差分析

將各地市州行政區(qū)空間化后匯總糧食產(chǎn)量數(shù)據(jù)和糧食產(chǎn)量統(tǒng)計數(shù)據(jù)的相對誤差做條形圖，從圖中可以看出，大部分地市州的糧食產(chǎn)量空間化結(jié)果誤差絕對值都小于15%，但攀枝花、廣元、樂山3市的誤差絕對值都大于了30%，攀枝花還大于了50%，誤差較大。所有地市州中誤差絕對值大于15%的有4個，其中高估的為攀枝花、廣元、樂山，低估的為廣安。所有地市州中誤差絕對值小于15%的有17個，其中高估的為成都、綿陽、南充，低估的為自貢、瀘州、德陽、遂寧、內(nèi)江、南充、眉山、宜賓、達州、雅安、巴中、資陽、阿壩、甘孜、涼山。資陽的誤差小于1%，為擬合精度最高的市。精度較差的地市州沒有表現(xiàn)出很明顯的地區(qū)特點，在5個分區(qū)內(nèi)均有出現(xiàn)，但總的來說，精度最低的幾個地市州都是耕地面積占幅員面積較小、山地比例較大，主要分布在盆周山區(qū)和高原山地區(qū)，僅德陽、廣安例外，可能與其種植結(jié)構(gòu)和生產(chǎn)條件有關(guān)。

圖6 地市州級行政單元糧食空間化匯總相對誤差

2.3.3 縣區(qū)尺度空間化誤差分析

分別選擇了成都平原區(qū)(4個)、川中丘陵區(qū)(11個)、盆周丘陵山區(qū)(3個)和攀西地區(qū)(3個)的21個縣區(qū)進行縣區(qū)級糧食產(chǎn)量空間化結(jié)果精度檢驗。選擇的標(biāo)準(zhǔn)為糧食主產(chǎn)縣、具有農(nóng)業(yè)綜合分區(qū)代表性和地市州級空間化誤差較小者。由于川西高原區(qū)各縣耕地面積都較小，所以未列入討論范圍。

將各縣區(qū)級行政區(qū)空間化后匯總糧食產(chǎn)量數(shù)據(jù)和糧食產(chǎn)量統(tǒng)計數(shù)據(jù)的相對誤差做柱狀圖，從圖中可以看出，所有縣區(qū)中誤差絕對值大于10%的有10個，全部為低估，分別是崇州、廣漢、瀘縣、合江、安縣、三臺、西充、仁壽、西昌、會理，所有縣區(qū)中誤差絕對值小于10%的有11個，其中高估的為富順、宣漢、平昌、通江、安岳，低估的為邛崍、敘永、資中、儀隴、漢源、簡陽。整體來看，低估的縣區(qū)占了大部分，許多產(chǎn)糧大縣的糧食產(chǎn)量被低估，應(yīng)該是造成全省總產(chǎn)量估值偏低的原因。從四大分區(qū)抽樣縣區(qū)的誤差絕對值來看，川中丘陵區(qū)擬合精度較高，大部分縣區(qū)誤差絕對值都小于10%，其次是盆周丘陵山區(qū)，成都平原區(qū)和攀西地區(qū)的擬合精度較低，誤差絕對值大于20%的區(qū)縣都出自這兩個地區(qū)。這與全省五大分區(qū)的總體誤差分布不一致，說明隨著空間化單元的變小，其誤差也隨之增大。片區(qū)尺度上的空間化誤差規(guī)律不適用于縣級尺度。

圖7 部分縣區(qū)級行政單元糧食空間化匯總相對誤差

3 結(jié)論與討論

在綜合考慮分區(qū)方案(全省不分區(qū)、全省分為5個區(qū))和回歸方程常數(shù)項(0與非0)等因素的情況下，以縣級糧食總產(chǎn)、縣平均糧食產(chǎn)量2種樣本分別作為因變量，以對應(yīng)的2種耕地類型(水田和旱地)面積數(shù)據(jù)為自變量，運用多元線性回歸分析方法，建立了8種空間化模型，并獲得12種糧食產(chǎn)量公里網(wǎng)格分布圖(實際使用8種)。從模型擬合和空間化分布兩種角度評價了結(jié)果誤差，并按照農(nóng)業(yè)綜合分區(qū)、地市州、縣區(qū)3個級別，對空間化結(jié)果的相對誤差進行了分析。結(jié)果表明：

研究填補了省級糧食產(chǎn)量空間化研究的空白，通過探尋不同樣本尺度和分區(qū)方案與空間化誤差的關(guān)系，提高了空間化精度，同時對其他類型的社會經(jīng)濟統(tǒng)計數(shù)據(jù)空間化研究具有一定的參考意義。在今后的研究中，有必要考慮更多的方法和因子以進一步提高空間化結(jié)果的精度。可以從以下4個方面進行改進。

(1)進行更合理的地區(qū)分類。已有的研究表明，在空間化時根據(jù)一定指標(biāo)將研究區(qū)進行分區(qū)，然后再在不同類型的區(qū)域內(nèi)部進行糧食產(chǎn)量空間化，可以提高模擬結(jié)果精度。從研究討論中看出，不分區(qū)與分區(qū)的模擬結(jié)果在空間分布上差異不大，但是在平均誤差、負值柵格所占百分比、柵格單元糧食產(chǎn)量模擬最大值與水稻單位面積產(chǎn)量實際產(chǎn)量的相對誤差等評價對比中，仍然是分區(qū)模擬結(jié)果經(jīng)度更高。因此，在空間化時，首先根據(jù)種植業(yè)比重和其他相關(guān)指標(biāo)將行政區(qū)分類，然后再在不同類型的區(qū)域內(nèi)部進行糧食產(chǎn)量空間化，是提高模擬結(jié)果精度的有效手段。

(2)細化作物類型進行模擬。將耕地按水田和旱地進行區(qū)別對待，與已有的部分文獻相比提高了模擬精度，但是由于種植結(jié)構(gòu)對于糧食產(chǎn)量分配具有重要的影響，所以如果考慮細分不同農(nóng)作物的產(chǎn)量，利用不同農(nóng)作物的產(chǎn)量數(shù)據(jù)和對應(yīng)的農(nóng)田類型面積數(shù)據(jù)建模，進行空間化，能夠進一步提高模擬精度。目前農(nóng)業(yè)遙感的研究前沿之一是對農(nóng)作物種植結(jié)構(gòu)或農(nóng)作物格局進行遙感識別[15-16]，如果能利用此類數(shù)據(jù)，再結(jié)合目前省級農(nóng)業(yè)農(nóng)村統(tǒng)計年鑒中各類糧食作物的統(tǒng)計數(shù)據(jù)，可以將糧食產(chǎn)量空間化結(jié)果精度大大提高，并模擬未來的種植結(jié)構(gòu)空間分布狀況。

(3)利用不同的方法對空間化結(jié)果修正和表達。對于省級糧食產(chǎn)量空間化研究，可以采用更小的柵格單元尺度，比如500m、250m甚至更小的尺度，由于四川省丘陵、山區(qū)較多，沒有北方地區(qū)大規(guī)模連片的平坦地塊，所以較小的柵格單元尺度對于提高糧食產(chǎn)量空間分布格局的分辨率精度應(yīng)該有改進。

(4)引入更多影響因素。信息是不確定性的消除，更多的信息來源會進一步提高信息的確定性，參考遙感解譯中利用多源數(shù)據(jù)提高分類精度的思路，可以考慮將更多地影響糧食產(chǎn)量的因子納入到空間化模型中來，包括耕地利用強度、復(fù)種指數(shù)、作物種植結(jié)構(gòu)、農(nóng)業(yè)生產(chǎn)條件、管理和投入水平、氣候以及其他社會經(jīng)濟條件等。當(dāng)然，并不是越多的數(shù)據(jù)越能提高模擬結(jié)果精度，需要對以上影響因子進行分析，選擇數(shù)據(jù)容易獲取、對糧食產(chǎn)量空間化模擬貢獻率高的因子。

致謝：部分數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http：//www.resdc.cn)和寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心(http：//westdc.westgis.ac.cn)。

[1] 王法輝. 社會科學(xué)和公共政策的空間化和GIS的應(yīng)用. 地理學(xué)報， 2011, 66(8): 1089～1100

[2] 劉忠， 李保國.基于土地利用和人口密度的中國糧食產(chǎn)量空間化. 農(nóng)業(yè)工程學(xué)報， 2012, 28(9): 1～8

[3] 葉靖， 楊小喚，江東.鄉(xiāng)鎮(zhèn)級人口統(tǒng)計數(shù)據(jù)空間化的格網(wǎng)尺度效應(yīng)分析——以義烏市為例. 地球信息科學(xué)學(xué)報， 2010, 12(1): 40～47

[4] 廖順寶， 孫九林.基于GIS 的青藏高原人口統(tǒng)計數(shù)據(jù)空間化. 地理學(xué)報， 2003, 58(1): 25～33

[5] 廖順寶， 李澤輝.基于人口分布與土地利用關(guān)系的人口數(shù)據(jù)空間化研究——以西藏自治區(qū)為例. 自然資源學(xué)報， 2003, 18(6): 659～665

[6] 廖順寶， 李澤輝.四川省人口分布與土地利用的關(guān)系及人口數(shù)據(jù)空間化試驗. 長江流域資源與環(huán)境， 2004, 13(6): 557～561

[7] 劉紅輝， 江東，楊小喚，等.基于遙感的全國GDP 1km 格網(wǎng)的空間化表達. 地球信息科學(xué)， 2005, 7(2): 120～123

[8] 易玲， 熊利亞，楊小喚.基于GIS技術(shù)的GDP空間化處理方法. 甘肅科學(xué)學(xué)報， 2006, 18(2): 54～58

[9] 廖順寶， 秦耀辰.草地理論載畜量調(diào)查數(shù)據(jù)空間化方法及應(yīng)用. 地理研究， 2014, 33(1): 179～190

[10]廖順寶， 許立民.森林蓄積量調(diào)查數(shù)據(jù)空間化的方法研究. 中南林業(yè)科技大學(xué)學(xué)報， 2013， 33(11)： 1～7， 8

[11]劉學(xué)， 劉張霞.村鎮(zhèn)區(qū)域規(guī)劃中統(tǒng)計數(shù)據(jù)空間化研究初探.中國農(nóng)業(yè)資源與區(qū)劃， 2016, 37(5): 27～34

[12]柏林川， 武蘭芳，宋小青.1995～2010年山東省糧食單產(chǎn)變化空間分異及均衡增產(chǎn)潛力. 地理科學(xué)進展， 2013, 32(8): 1257～1265

[13]石承蒼， 劉定輝，四川省自然地理環(huán)境與農(nóng)業(yè)分區(qū).成都：四川科學(xué)技術(shù)出版社.2013： 48～55

[14]姬廣興， 廖順寶，岳艷琳，等.不同樣本尺度和分區(qū)方案的糧食產(chǎn)量空間化及誤差修正. 農(nóng)業(yè)工程學(xué)報， 2015, 31(15): 272～278

[15]吳文斌， 楊鵬，李正國，等.農(nóng)作物空間格局變化研究進展評述. 中國農(nóng)業(yè)資源與區(qū)劃， 2014, 35(1): 12～20

[16]唐華俊， 吳文斌，楊鵬，等.農(nóng)作物空間格局遙感監(jiān)測研究進展. 中國農(nóng)業(yè)科學(xué)， 2010, 43(14): 2879～2888

Vol.38，No.9，pp56-62

SPATIALDISTRIBUTIONOFGRAINYIELDOFSICHUANBASEDONDIFFERENTSAMPLESCALESANDPARTITIONINGSCHEMES*

HePeng1， 2， 3，LinZhengyu1， 2， 3，JingXiaowei1，LiXiao1， 2， 3※

(1．Agricultural Information and Rural Economy Institute, Sichuan Academy of Agricultural Sciences, Chengdu 610066, China；2．Regional Agricultural Research Center, Sichuan Academy of Agricultural Sciences, Chengdu 610066, China;3．Large Data Center, Sichuan Academy of Agricultural Sciences, Chengdu 610066, China)

The statistical data of agricultural economy are affected by various natural conditions and social and economic conditions. To improve the spatial accuracy of statistical data of agricultural economy, this paper explored the spatialization of grain output data at the provincial level. Taking Sichuan province as an example, according to the different partitioning schemes, it choses a different sample dat as the dependent variable, and the two types of cultivated land, paddy field, dry land area data as independent variables, and constructed a fitting multiple regression mode considering two kinds of model parameters. The results showed that the spatial accuracy of statistical data was higher in partition than that in no partition, no matter whether fitting by the average grain yield in county-level grain production or the average grain yield of county. Compared with the two methods of non-partitioning and partitioning, the fitting accuracy of the total output of the grain at the county level was higher than that of the average grain yield. It proposed that it was necessary to improve the accuracy of data reconstruction by combining more influence factors of the spatial distribution of grain yield.

grain; models; partitioning scheme; multiple variable regression; error; spatialization

10.7621/cjarrp.1005-9121.20170904

2017-07-11

何鵬(1978—)，男，四川雅安人，副研究員。研究方向：農(nóng)業(yè)資源與環(huán)境信息化研究。Email： 7203655@qq.com ※通訊作者：李曉(1960—)，女，山西運城人，研究員。研究方向：農(nóng)業(yè)信息與農(nóng)村經(jīng)濟研究。Email：xiaolu3399@163.com *資助項目：四川省財政創(chuàng)新能力提升工程“大數(shù)據(jù)背景下主要農(nóng)產(chǎn)品數(shù)量安全預(yù)警分析技術(shù)研究”(2016GYSH-004)； 四川省科技支撐計劃軟科學(xué)項目“基于精細區(qū)劃的農(nóng)產(chǎn)品氣候品質(zhì)認證評價指標(biāo)體系研究”(2017ZR0045)

F326.11;F224

A

1005-9121[2017]09023-10