唐榮莉, 姚 雄, 王春萍, 吳 紅, 林 清, 雷開榮 **

?

基于空間統(tǒng)計的重慶市水稻生產(chǎn)地理集聚時空演變*

唐榮莉1,2, 姚 雄1, 王春萍1,2, 吳 紅1,2, 林 清1,2, 雷開榮1,2 **

(1. 重慶市農(nóng)業(yè)科學(xué)院 重慶 401329; 2. 逆境農(nóng)業(yè)研究重慶市重點實驗室 重慶 401329)

掌握農(nóng)作物區(qū)域地理種植格局動態(tài)變化是進(jìn)行種植結(jié)構(gòu)調(diào)整和優(yōu)化的重要基礎(chǔ)。本研究以2000—2015年重慶市屬區(qū)縣水稻生產(chǎn)調(diào)查數(shù)據(jù)為基礎(chǔ), 運用排序方法、空間統(tǒng)計方法剖析了16年來重慶水稻種植時空分布特點、不同區(qū)縣時空演變的趨同性和相異性、區(qū)域水稻種植重心的轉(zhuǎn)移特征、重慶水稻產(chǎn)業(yè)的地理集聚程度與分布的演化路徑, 以量化重慶市水稻生產(chǎn)的空間演化格局與動態(tài)。結(jié)果表明, 16年間重慶市水稻種植面積和產(chǎn)量都存在波動, 2007年以前水稻面積不斷下降, 2008年后面積逐漸恢復(fù);在研究的各個時段內(nèi), 無論單產(chǎn)、面積占比還是總產(chǎn), 重慶市的水稻生產(chǎn)均呈現(xiàn)出西部高于東部, 南部高于北部的特征。重慶市以區(qū)縣為統(tǒng)計單位的水稻生產(chǎn)可分為大面積高單產(chǎn)、小面積高單產(chǎn)、大面積低單產(chǎn)、小面積低單產(chǎn)4個類型; 重慶市水稻產(chǎn)量重心位于區(qū)域西南部, 但逐年向東北方向偏移; 重慶水稻產(chǎn)業(yè)表現(xiàn)出高值聚集的特征, 但空間聚集程度隨時間推移逐漸降低, 空間均質(zhì)化程度提高。區(qū)域自然條件、社會經(jīng)濟、種植技術(shù)發(fā)展、政策引導(dǎo)等影響水稻產(chǎn)業(yè)的集聚格局, 在今后的工作中需針對區(qū)域特征進(jìn)行水稻種植規(guī)劃和優(yōu)化管理。

重慶市; 水稻生產(chǎn); 集聚特征; 重心轉(zhuǎn)移; 空間統(tǒng)計; 排序方法; 空間均質(zhì)化

掌握農(nóng)作物時空動態(tài)演變規(guī)律是進(jìn)行農(nóng)業(yè)生產(chǎn)布局、制定農(nóng)業(yè)政策和調(diào)整農(nóng)業(yè)結(jié)構(gòu)的重要依據(jù), 對作物增產(chǎn)和促進(jìn)農(nóng)民增收具有重要意義。農(nóng)作物的種植格局可通過空間分布信息進(jìn)行描述, 但傳統(tǒng)的農(nóng)業(yè)分布時空格局分析多為對空間區(qū)域的定性描述, 其空間高低值的顯示易受人為的分級賦值經(jīng)驗等因素影響, 對空間特征挖掘不足, 未考慮差異的顯著性, 容易掩蓋真實的地理信息?？臻g統(tǒng)計分析將長度、面積、距離關(guān)系、方向等空間信息直接整合到算法中, 可用來描述空間分布、空間樣式、空間過程和空間關(guān)系?？臻g統(tǒng)計方法擴展了人類對空間特征的直覺評估, 使我們能定量化地了解空間關(guān)系以及空間趨勢[1]。將空間統(tǒng)計方法納入農(nóng)作物的時空演變研究具有重要意義。

近年來, 空間統(tǒng)計方法在研究農(nóng)作物地理集聚現(xiàn)象方面逐漸受到重視。國內(nèi)已有學(xué)者使用該方法探索了中國種植業(yè)、畜牧業(yè)、蔬菜生產(chǎn)的地理集聚特征與專業(yè)化格局[2-4], 這些研究表明我國農(nóng)業(yè)生產(chǎn)整體上逐漸向規(guī)?；?、專業(yè)化、特色化方向發(fā)展。陳太政等[5]、王輝等[6]、林正雨等[7]分別分析了四川、河南和云南省農(nóng)作物的地理集聚及演化特征, 發(fā)現(xiàn)隨時間推移, 地理集聚格局日益凸顯, 不同農(nóng)產(chǎn)品的集聚程度差異明顯, 優(yōu)勢農(nóng)作物的空間布局呈現(xiàn)集聚態(tài)勢, 省際間存在明顯的集聚差異。

水稻是中國三大糧食作物之一, 也是典型的資源型生產(chǎn)作物。光溫水氧等自然條件是形成水稻空間分布格局的原動力[8], 歷史傳統(tǒng)、經(jīng)濟驅(qū)動、政策導(dǎo)向以及種植技術(shù)發(fā)展等社會科技因素逐漸影響作物空間分布格局變遷[9]。研究水稻區(qū)域生產(chǎn)格局是否存在地理集聚、區(qū)域重心如何轉(zhuǎn)移、縣域尺度的演化如何影響區(qū)域水平的格局等, 將有助于深入分析水稻種植結(jié)構(gòu)變化的根本原因, 進(jìn)而為區(qū)域水稻結(jié)構(gòu)調(diào)整的成效評估以及趨勢分析提供科學(xué)依據(jù)。但現(xiàn)階段利用空間統(tǒng)計方法對省域尺度上水稻生產(chǎn)的空間演化現(xiàn)象探索不足, 結(jié)合地理聚集分析、重心分析和區(qū)域特征排序比較為一體的研究尚不多見。

重慶市位于中國六大稻區(qū)之一的西南地區(qū), 地跨青藏高原與長江中下游平原的過渡地帶, 海拔相差懸殊, 區(qū)域水熱資源分布不均, 氣候類型多樣, 水稻生產(chǎn)存在較大空間差異。本文以重慶市為例, 結(jié)合2000—2015年的縣域水稻種植面積、單產(chǎn)、總產(chǎn)數(shù)據(jù), 考察了重慶地區(qū)水稻種植時空分布特點、不同區(qū)縣時空演變的趨同性和相異性、區(qū)域水稻種植重心的轉(zhuǎn)移方向及水稻產(chǎn)業(yè)的地理集聚程度與分布的演化路徑, 研究結(jié)果有利于提升農(nóng)業(yè)工作者對區(qū)域水稻生產(chǎn)的時間演變規(guī)律、空間分異格局以及驅(qū)動機制的認(rèn)知程度, 有望為重慶市水稻種植結(jié)構(gòu)調(diào)整、空間布局及分區(qū)域管理提供科學(xué)依據(jù), 并為同類研究提供方法參考。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源及處理

本研究搜集了2000—2015年重慶市各區(qū)(市)縣農(nóng)業(yè)水稻調(diào)查數(shù)據(jù), 包括面積、單產(chǎn)、總產(chǎn)3個指標(biāo)。數(shù)據(jù)來源為歷年《重慶統(tǒng)計年鑒》[10]和重慶市農(nóng)業(yè)委員會所提供的區(qū)縣主要農(nóng)作物統(tǒng)計信息表以及歷年重慶市水稻生產(chǎn)總結(jié)。分析單元為重慶區(qū)域除渝中區(qū)外的39個種植水稻的區(qū)縣單元。重慶市縣級行政邊界矢量數(shù)據(jù)來自于國家地理信息中心。本文使用SPSS、CANNOC5軟件進(jìn)行數(shù)據(jù)統(tǒng)計, 使用ARCGIS 10.0軟件進(jìn)行空間統(tǒng)計分析以及結(jié)果制圖。

1.2 研究方法

本研究使用重心分析考察重慶市水稻種植整體上地理重心的空間演化路徑, 用全局空間自相關(guān)指數(shù)(Global Moran’s)以及高/低聚類(Getis-Ord General)來衡量水稻種植整體空間分布集聚程度與格局的演化, 用局部空間自相關(guān)(Anselin Local Moran’s)指數(shù)計算縣域的空間連片及其演化情況, 使用基于CANOCO排序的方法分析區(qū)縣在水稻生產(chǎn)上的異同。

1.2.1 排序分析

排序分析是將樣方排列在一定的空間, 使得排序軸能反映一定的梯度, 從而解釋樣方分布與因子的關(guān)系。使用排序方法可以在多個實際或虛擬坐標(biāo)軸上將重慶市域的區(qū)縣一個個進(jìn)行排列并產(chǎn)生排序結(jié)果圖[11]。通過排序圖可以建立區(qū)縣之間相似(相異)矩陣和水稻生產(chǎn)變量之間的相關(guān)矩陣。排序圖能夠用來解讀水稻生產(chǎn)指標(biāo)之間的關(guān)系、區(qū)縣與水稻生產(chǎn)指標(biāo)變量的關(guān)系以及各區(qū)縣在水稻生產(chǎn)上的異同。本研究使用的3個水稻生產(chǎn)變量指標(biāo)包括面積、單產(chǎn)和總產(chǎn), 選擇PCA方法結(jié)合CANOCO5軟件對區(qū)縣進(jìn)行非約束排序。

1.2.2 重心分析方法

借鑒力學(xué)原理, 引入?yún)^(qū)域重心的概念確定區(qū)域水稻種植業(yè)的重心區(qū)位。假設(shè)某一個區(qū)域由個子區(qū)域構(gòu)成, 區(qū)域的中心坐標(biāo)為(X,Y),M為區(qū)域在某種屬性意義下的“重量”, 則該屬性意義下的區(qū)域重心坐標(biāo)為:

1.2.3 全局空間自相關(guān)

全局空間自相關(guān)(Global Moran’s) 是基于全局的統(tǒng)計量, 可用于對數(shù)據(jù)總體模式和趨勢的評估[12]。在給定一組要素及相關(guān)屬性的情況下, 使用Global Moran’s指數(shù)可評估某一屬性在全局尺度上的空間分布模式是聚集、離散還是隨機。如果該指數(shù)值為正則指示聚集趨勢, 如果該指數(shù)值為負(fù)則指示離散趨勢, 零假設(shè)是隨機分布。該指數(shù)計算方法見公式(3), 通過計算所評估屬性的均值和方差對該指數(shù)的顯著性進(jìn)行評估:

1.2.4 高/低聚類

高/低聚類(Getis-Ord General)指數(shù)可用于判斷某一屬性在全局尺度上是否具備高/低聚類特征[12]。使用高/低聚類指數(shù)可計算某個屬性在整個研究區(qū)范圍內(nèi)是高值聚類還是低值聚類的可能性, 零假設(shè)是隨機分布。如果指數(shù)值為正則指示高值聚類趨勢, 如果指數(shù)值為負(fù)則表示低值聚類。該指數(shù)的計算公式如下所示, 通過計算所評估屬性的均值和方差對該指數(shù)的顯著性進(jìn)行評估:

式中:為統(tǒng)計的行政單元的個數(shù),x和x為統(tǒng)計單元與統(tǒng)計單元的屬性值,W為區(qū)縣與區(qū)縣之間的空間權(quán)重。在本研究中兩個統(tǒng)計單元之間被賦予的權(quán)重與二者中心點之間的距離呈反比。

1.2.5局部空間自相關(guān)

局部空間自相關(guān)指數(shù)(Local Moran’s)可用來分析確定相似屬性聚集的空間位置, 發(fā)現(xiàn)與周邊屬性顯著不同的離群值空間要素[13-14], 揭示空間參考單元與其鄰近的空間單元屬性特征值之間的相似性或相關(guān)性, 識別空間集聚和空間孤立。在農(nóng)業(yè)及地理研究領(lǐng)域, 該指數(shù)可被用來分析種植業(yè)集中區(qū)域、居住區(qū)的聚集性, 污染的分布擴散特征[5-7,15]。該指數(shù)計算公式為:

2 結(jié)果與分析

2.1 水稻種植特征時空演變趨勢

16年間, 重慶市轄區(qū)(市)縣水稻種植情況有所變動, 2012年之前共有39區(qū)縣種植水稻, 此后近郊的雙橋區(qū)不再種植水稻, 故參與統(tǒng)計的區(qū)縣為38個。從表1可知2000—2015年間重慶市水稻播種面積有所下降, 總體上經(jīng)歷了一個明顯“前減(2000—2007年)后增(2008—2012年)隨后平穩(wěn)波動(2013—2015年)”的變化過程。2007年為重慶市水稻播種面積變化的拐點年份, 21世紀(jì)初, 中國處于土地利用快速變化期, 西南地區(qū)城鄉(xiāng)建設(shè)用地顯著擴張、水改旱和撂荒現(xiàn)象增多[16], 受種植效益偏低和資源條件約束, 2000—2007年水稻種植面積有所下滑。重慶市域水稻播種面積從77.66×104hm2逐年減少到65.21×104hm2, 此后水稻平均播種面積逐年緩慢增加, 至2012年增至69.06×104hm2, 2013—2015年, 水稻播種面積在68.83~68.97×104hm2波動。水稻產(chǎn)量在年季間波動較大, 其中平均產(chǎn)量最低的年份為2006年, 單產(chǎn)僅為5 138 kg×hm-2, 平均產(chǎn)量最高的年份為2008年, 平均單產(chǎn)為7 576 kg×hm-2。就水稻單產(chǎn)而言, 重慶(6 937 kg×hm-2)地區(qū)略高于全國(6 813 kg×hm-2)平均水平, 高于貴州省(5 913 kg×hm-2)和云南省(5 819 kg×hm-2), 低于四川省(7 664 kg×hm-2)和湖北省(8 067 kg×hm-2)[17]。

表1 2000—2015年重慶市水稻種植面積、單產(chǎn)和總產(chǎn)的變化特征

重慶市各區(qū)(市)縣間單產(chǎn)差異極大, 2000年差幅為4 945 kg×hm-2, 2015年差幅為4 467 kg×hm-2。為比較優(yōu)勢產(chǎn)區(qū), 本研究以5年為時間節(jié)點, 截取2000年、2005年、2010年以及2015年的重慶各區(qū)縣水稻種植面積占比(水稻種植面積比行政區(qū)面積)、單產(chǎn)以及總產(chǎn)特征, 結(jié)果如圖1所示。在研究的各個時段內(nèi), 不管是單產(chǎn)、總產(chǎn)還是面積占比, 重慶市的水稻生產(chǎn)均呈現(xiàn)出西部高于東部, 南部高于北部的特征。從單產(chǎn)來看, 西部區(qū)域單產(chǎn)可高達(dá)8 000~ 9 000 kg×hm-2, 東部區(qū)域多為6 000~7 000 kg×hm-2, 但隨著時間推移，重慶各區(qū)縣水稻單產(chǎn)的空間差異逐漸縮小。除主城區(qū)受農(nóng)用地面積較少的限制外, 西部地區(qū)水稻種植面積超過行政區(qū)面積的20%, 而東部地區(qū)水稻種植面積不足行政區(qū)面積的5%。使用單樣本檢驗對各區(qū)縣16年間的面積變化在0.01水平進(jìn)行顯著性檢驗發(fā)現(xiàn), 2000—2015年間, 各區(qū)縣水稻種植面積變化發(fā)生了顯著變化。

2.2 區(qū)縣水稻生產(chǎn)的趨同性和相異性演變過程

區(qū)縣水稻種植業(yè)的類似性和相異性受面積、單產(chǎn)以及總產(chǎn)3個生產(chǎn)指標(biāo)變化的綜合影響。綜合排序的方法可直觀地表達(dá)區(qū)縣的相似性以及相異性, 進(jìn)而可以將區(qū)縣根據(jù)水稻生產(chǎn)特征進(jìn)行歸類。圖2中的圓點和三角形代表區(qū)(市)縣, 箭頭代表水稻生產(chǎn)指標(biāo)。我們可以使用相對距離解讀排序圖, 使用相對方向和投影點的相對次序來解釋對象之間的關(guān)系。

箭頭之間的夾角表示指標(biāo)之間的相關(guān)性和正負(fù)關(guān)系。就聚集結(jié)果來看, 總產(chǎn)和面積之間夾角較小且同向, 說明總產(chǎn)和面積之間呈正相關(guān)且相關(guān)性高。單產(chǎn)和面積之間夾角較大, 接近垂直, 說明二者之間的相關(guān)性較低。水稻總產(chǎn)受播種面積和單產(chǎn)的雙重影響, 但變化趨勢與面積更為類似。2000年、2005年、2010年和2015年面積可以解釋水稻區(qū)域生產(chǎn)差異的68.54%、71.55%、81.09%和82.33%, 單產(chǎn)和面積累積可解釋區(qū)域差異的99.66%、99.82%、99.83%和99.79%。

圖1 重慶市2000年、2005年、2010年和2015年水稻生產(chǎn)的時空特征(a: 水稻種植面積區(qū)域占比; b: 水稻單產(chǎn); c: 水稻總產(chǎn))

BB: Beibei; BN: Banan; BS: Bishan; CK: Chengkou; CS: Changshou; DDK: 大渡口Dadukou; DZ: Dazu; DJ: Dianjiang; FD: Fengdu; FJ: Fengjie; FL: Fuling; HC: Hechuan; JB: Jiangbei; JJ: Jiangjin; JLP: 九龍坡Jiulongpo; KX: Kaixian; LP: Liangping; NA: 南岸Nan’an; NC: Nanchuan; PS: Pengshui; QJ: Qianjiang; QJ2: Qijiang; RC: Rongchang; SPB: 沙坪壩Shapingba; SZ: Shizhu; SQ: 雙橋Shuangqiao; TL: Tongliang; TN: Tongnan; WZ: Wanzhou; WS: Wushan; WS2: Wansheng; WX: Wuxi; WL: Wulong; XS: Xiushan; YC: Yongchuan; YB: Yubei; YY: Yunyang; YY2: Youyang; ZX: Zhongxian.

箭頭的起始點是所統(tǒng)計的生產(chǎn)指標(biāo)的平均值的位點。從代表每個區(qū)縣的點可投影到某一生產(chǎn)指標(biāo)的箭頭, 投影點與原點的相對位置可以代表區(qū)縣該生產(chǎn)指標(biāo)值的高低。區(qū)縣之間的相異程度可以通過排序圖內(nèi)區(qū)縣點之間的距離遠(yuǎn)近進(jìn)行核算。鑒于總產(chǎn)和面積的趨勢類似, 使用水稻面積和單產(chǎn)特征可對各區(qū)縣的水稻生產(chǎn)特點進(jìn)行劃分, 大致可歸納為大面積高單產(chǎn)、小面積高單產(chǎn)、大面積低單產(chǎn)、小面積低單產(chǎn)4個典型類型。各類型水稻生產(chǎn)特征見表2。

圖2 2000年、2005年、2010年和2015年重慶各區(qū)縣水稻種植特征的異同

單產(chǎn)和面積累積可解釋2000年、2005年、2010年和2015年區(qū)域差異的99.66%、99.82%、99.83%和99.79%。Area and per unit yield can explain 99.66%, 99.82%, 99.83% and 99.79% of the total variances between districts for 2000, 2005, 2010 and 2015, respectively. Icons of large & high, small & high, large & low, small & low stand for large area with high yield, small area with high yield, large area with low yield, and small area with low yield, respectively. BB: Beibei; BN: Banan; BS: Bishan; CK: Chengkou; CS: Changshou; DDK: Dadukou; DZ: Dazu; DJ: Dianjiang; FD: Fengdu; FJ: Fengjie; FL: Fuling; HC: Hechuan; JB: Jiangbei; JJ: Jiangjin; JLP: Jiulongpo; KX: Kaixian; LP: Liangping; NA: Nan’an; NC: Nanchuan; PS: Pengshui; QJ: Qianjiang; QJ2: Qijiang; RC: Rongchang; SPB: Shapingba; SZ: Shizhu; SQ: Shuangqiao; TL: Tongliang; TN: Tongnan; WZ: Wanzhou; WS: Wushan; WS2: Wansheng; WX: Wuxi; WL: Wulong; XS: Xiushan; YC: Yongchuan; YB: Yubei; YY: Yunyang; YY2: Youyang; ZX: Zhongxian.

表2表明, 4種典型類型區(qū)對重慶水稻生產(chǎn)的貢獻(xiàn)率存在較大的差異。2000年, 大面積高單產(chǎn)、大面積低單產(chǎn)、小面積高單產(chǎn)、小面積低單產(chǎn)區(qū)域水稻種植面積分別占重慶市水稻種植面積的52%、33%、6%和9%; 而總產(chǎn)分別占重慶市全域水稻生產(chǎn)的57%、29%、7%和8%。隨著區(qū)域水稻生產(chǎn)的不斷調(diào)整, 至2015年, 大面積高單產(chǎn)、大面積低單產(chǎn)、小面積高單產(chǎn)、小面積低單產(chǎn)區(qū)域水稻種植面積分別占重慶市水稻種植面積的59%、27%、4%和10%, 而總產(chǎn)分別占重慶市全域水稻生產(chǎn)的63%、24%、4%和9%。16年間, 重慶區(qū)域4種水稻生產(chǎn)類型區(qū)面積總產(chǎn)比重發(fā)生變化。大面積高單產(chǎn)區(qū)面積占水稻種植面積的比例增加7%, 該類區(qū)域在糧食保障中的作用進(jìn)一步增強; 大面積低產(chǎn)區(qū)面積占水稻種植面積的比例下降6%; 城市擴展帶上的原小面積高單產(chǎn)區(qū)域的轉(zhuǎn)型使得小面積高單產(chǎn)區(qū)域面積比例從6%下降到4%; 而小面積低單產(chǎn)區(qū)域從區(qū)域水稻種植面積的9%上升到10%。

表2 2000年、2005年、2010年和2015年重慶市不同水稻生產(chǎn)類型區(qū)的基本特征

圖3展示了2000—2015年重慶區(qū)縣水稻生產(chǎn)所屬類型的空間分布以及變化情況?？傮w而言, 16年間, 大面積高單產(chǎn)區(qū)縣整體上保持穩(wěn)定, 巴南、大足、墊江、合川、江津、梁平、榮昌、潼南、秀山、永川、長壽、忠縣等區(qū)縣屬于大面積高單產(chǎn)區(qū)域; 隨著時間推移, 區(qū)縣的排序結(jié)果逐漸發(fā)生了一定的變化, 永川、榮昌這兩個區(qū)域逐漸躋身于大面積高單產(chǎn)區(qū)縣的前列。大面積低單產(chǎn)區(qū)縣包括豐都、涪陵、開縣、綦江、萬州、酉陽和云陽等區(qū)域。通過不斷調(diào)整, 南川和銅梁逐漸從大面積低單產(chǎn)區(qū)縣躋身于大面積高單產(chǎn)行列。變動最大的為小面積高單產(chǎn)區(qū)域, 2000年包括北碚、大渡口、江北、九龍坡、南岸、沙坪壩、雙橋、渝北區(qū), 到2015年僅剩下北碚、璧山、大渡口、渝北區(qū)。小面積低單產(chǎn)區(qū)縣包括城口、奉節(jié)、彭水、黔江、石柱、萬盛、巫山、巫溪、武隆等光溫水條件較差的丘陵山區(qū)。隨著城市擴張, 屬于主城區(qū)及城市擴展帶的雙橋、大渡口、江北、南岸等原小面積高單產(chǎn)區(qū)縣逐漸轉(zhuǎn)變成小面積低單產(chǎn)區(qū)域。

2.3 水稻種植地理分布重心的演變路徑

借助Arcgis可識別重慶市區(qū)域水平水稻產(chǎn)業(yè)重心的移動軌跡, 結(jié)果如圖4所示。2000—2015年間, 水稻生產(chǎn)重心一直在107.15°E~107.19°, E29.83°N~ 29.85°N的區(qū)域內(nèi)移動。重慶市水稻生產(chǎn)重心逐步向東北方向緩慢偏移, 除2006年為一個異常點, 重心大幅向西南方回遷之外, 年季間重心轉(zhuǎn)移距離大多在1 km以內(nèi)?？傮w而言, 重慶市水稻生產(chǎn)在重心以及時空格局上的穩(wěn)定性較強, 水稻生產(chǎn)重心逐步向東北方向緩慢偏移。

圖3 2000年、2005年、2010年和2015年重慶區(qū)縣水稻生產(chǎn)所屬類型的變化

Icons of large & high, small & high , large & low, small & low stand for large area with high yield, small area with high yield, large area with low yield, and small area with low yield, respectively. BB: Beibei; BN: Banan; BS: Bishan; CK: Chengkou; CS: Changshou; DDK: 大渡口Dadukou; DZ: Dazu; DJ: Dianjiang; FD: Fengdu; FJ: Fengjie; FL: Fuling; HC: Hechuan; JB: Jiangbei; JJ: Jiangjin; JLP: 九龍坡Jiulongpo; KX: Kaixian; LP: Liangping; NA: 南岸Nan’an; NC: Nanchuan; PS: Pengshui; QJ: Qianjiang; QJ2: Qijiang; RC: Rongchang; SPB: 沙坪壩Shapingba; SZ: Shizhu; SQ: 雙橋Shuangqiao; TL: Tongliang; TN: Tongnan; WZ: Wanzhou; WS: Wushan; WS2: Wansheng; WX: Wuxi; WL: Wulong; XS: Xiushan; YC: Yongchuan; YB: Yubei; YY: Yunyang; YY2: Youyang; ZX: Zhongxian.

2.4 水稻種植的集聚特征

2.4.1 水稻種植集聚程度的演變

重慶市水稻的地理分布在不同時段均表現(xiàn)出一定的空間分布規(guī)律, 但這種空間分布是否存在關(guān)聯(lián)性, 又表現(xiàn)出怎樣的模式需要進(jìn)一步驗證。為了進(jìn)一步考察重慶市水稻種植特征的空間關(guān)聯(lián)關(guān)系, 基于縣域的水稻種植面積比數(shù)據(jù)做2000年、2005年、2010年和2015年水稻生產(chǎn)的全局空間自相關(guān)分析, 以了解這幾個時段水稻種植的空間聚類或空間離散程度。通過對水稻種植面積計算全局空間自相關(guān)指數(shù)(Global Moran’s)以及高/低聚類(Getis-Ord General)指數(shù)并進(jìn)行統(tǒng)計學(xué)上顯著性比較, 我們可以了解水稻種植的地理聚集或離散趨勢隨時間推移的變化情況。為消除區(qū)域面積差異對結(jié)果的影響, 本研究使用區(qū)域水稻種植面積比(種植面積/行政區(qū)面積)進(jìn)行計算。

Getis-Ord General與Global Moran’s均屬于全局統(tǒng)計量, 用于對數(shù)據(jù)的總體模式和趨勢進(jìn)行評估, 但二者用于估量不同的空間模式。Global Moran’s關(guān)注的是空間格局的模式是聚集模式、離散模式還是隨機模式, 而Getis-Ord General得出的是區(qū)域某個屬性在空間上是高值聚集還是低值聚集的可能性。

圖4 2000—2015年重慶水稻種植地理分布重心的演變路徑

表3表明, 重慶市縣域水稻生產(chǎn)具有顯著的空間自相關(guān)性。2000年、2005年、2010年和2015年, 重慶Global Moran’s估計值全部為正值, 且通過了1%或5%的顯著性檢驗。但不同時期的正向空間自相關(guān)程度存在較大差異, 隨時間推移, 全局的空間依賴性正在減弱, 整體上呈現(xiàn)出均勻性增加的演化趨勢。Getis-Ord General的估計值全部為正值, 表明在重慶整個區(qū)域上水稻生產(chǎn)表現(xiàn)出高值聚集的特征, 但聚集強度逐漸降低, 到2015年高值聚集不再具備統(tǒng)計意義的顯著性。

表3 2000年、2005年、2010年和2015年重慶水稻種植的區(qū)域地理聚集系數(shù)

**和*分別表示0.01、0.05水平上顯著。**, * mean significant at 0.01, 0.05 levels, respectively.

2.4.2 區(qū)域水稻集聚的空間演變

全局空間自相關(guān)是基于整體的統(tǒng)計, 當(dāng)空間模式在研究區(qū)內(nèi)同時存在聚集和離散的情況下, 得出的結(jié)果可能會掩蓋局域的聚集或離散特征。而局部空間自相關(guān)分析可用來識別空間聚集和空間孤立的現(xiàn)象, 即可用來反映整個大區(qū)域中縣域水稻的產(chǎn)量與其相鄰縣域是否存在產(chǎn)量的高值集聚或低值集聚。本研究使用Local Moral’s指數(shù)識別2000年、2005年、2010年和2015年研究區(qū)域水稻種植面積比在市域范圍的高值聚集(HH)、高值離散(HL)、低值聚集(LL)、低值離散(LH)特征, 結(jié)果如圖5所示。

作物生產(chǎn)集聚程度的差異主要是受作物自然生產(chǎn)條件和經(jīng)濟社會因素的影響。重慶自然條件復(fù)雜, 各地之間差異顯著, 水稻生產(chǎn)分布明顯受自然條件的制約。從圖5可以看出, 研究時段內(nèi), 研究區(qū)存在高值聚集(HH)和低值聚集(LL)區(qū), 無高值離散(HL)和低值離散(LH)區(qū)。2000年, 潼南、銅梁、大足、榮昌、永川、合川、璧山縣憑借優(yōu)越的自然條件和規(guī)模在空間上形成高值與高值相鄰(HH)的地理集聚帶; 隨著時間推移, 城市不斷擴張, 近郊區(qū)的合川、璧山先后于2005年、2015年后不再屬于該高值聚集帶。與高值聚集類似, 屬于水稻生產(chǎn)低值聚集區(qū)的區(qū)縣也在逐漸減少, 直至消失。2000年、2005年位于東北部山區(qū)水熱條件較差的巫溪、巫山、奉節(jié)、彭水具有顯著意義的低-低集聚區(qū)(LL), 2010年后位于中部的彭水不再為顯著的低值集聚區(qū)域, 而到2015年, 已無顯著的水稻生產(chǎn)低值聚集區(qū)域。即隨著時間推移, 重慶地區(qū)水稻生產(chǎn)的地理集聚程度逐漸降低, 高值聚集區(qū)減少, 低值聚集區(qū)逐漸消失, 空間均質(zhì)化程度提高。

3 討論

3.1 空間定量研究的重要性

空間統(tǒng)計擴展了人類對空間樣式、趨勢和關(guān)系的直覺評估, 使我們更深入、定量化地了解空間模式、空間關(guān)系以及空間趨勢。對現(xiàn)象及格局的研究實現(xiàn)了從定性到定量的跨越。通過空間定量研究可以考察農(nóng)作物種植的地理重心空間演化路徑。農(nóng)業(yè)集聚格局可以反映區(qū)域農(nóng)業(yè)生產(chǎn)在空間范圍內(nèi)利用農(nóng)業(yè)生產(chǎn)資源的狀況, 發(fā)現(xiàn)農(nóng)作物連片種植的空間格局。使用空間統(tǒng)計方法可在縣域、省域、區(qū)域等多種時空尺度下, 對糧食作物、經(jīng)濟作物、蔬菜作物生產(chǎn)的時空格局進(jìn)行分析。統(tǒng)計意義上顯著性的農(nóng)作物時空演變過程預(yù)示某些潛在的空間過程在發(fā)揮作用, 可用以評估自然氣候、社會經(jīng)濟演變對區(qū)域農(nóng)作物分布的作用效果?？臻g定量研究可以輔助政府對種植業(yè)空間布局進(jìn)行調(diào)控和優(yōu)化, 對各地區(qū)制定具體的農(nóng)業(yè)政策具有重要意義。

3.2 區(qū)域水稻生產(chǎn)特征及限制條件

重慶市地勢東部高, 中部和西部低, 中西部區(qū)域擁有眾多的淺丘平壩, 土壤肥沃, 耕層深厚, 日照、積溫、降水量等生育期氣候資源條件適中, 具備種植水稻的自然優(yōu)勢, 所屬區(qū)縣水稻生產(chǎn)大多為大面積高單產(chǎn); 城市近郊區(qū)土壤肥沃、地形平坦, 但耕地面積有限, 主要為小面積高單產(chǎn)區(qū)域; 而東部和北部地形地貌以中丘、深丘及中低山為主, 耕地和水資源在數(shù)量、質(zhì)量以及集中度上與西南地區(qū)存在較大差距, 所屬區(qū)縣水稻生產(chǎn)以大面積低單產(chǎn)、小面積低單產(chǎn)特征為主。

圖5 2000年、2005年、2010年和2015年重慶水稻種植地理集聚程度的演變特征

HH: 高值聚集; LL: 低值聚集; HL: 高值離散; LH: 低值離散。HH: clusters of high values; LL: clusters with low values; HL: high value but surrounded primarily by low values; LH: low value but surrounded primarily by high values. BB: Beibei; BN: Banan; BS: Bishan; CK: Chengkou; CS: Changshou; DDK: 大渡口Dadukou; DZ: Dazu; DJ: Dianjiang; FD: Fengdu; FJ: Fengjie; FL: Fuling; HC: Hechuan; JB: Jiangbei; JJ: Jiangjin; JLP: 九龍坡Jiulongpo; KX: Kaixian; LP: Liangping; NA: 南岸Nan’an; NC: Nanchuan; PS: Pengshui; QJ: Qianjiang; QJ2: Qijiang; RC: Rongchang; SPB: 沙坪壩Shapingba; SZ: Shizhu; SQ: 雙橋Shuangqiao; TL: Tongliang; TN: Tongnan; WZ: Wanzhou; WS: Wushan; WS2: Wansheng; WX: Wuxi; WL: Wulong; XS: Xiushan; YC: Yongchuan; YB: Yubei; YY: Yunyang; YY2: Youyang; ZX: Zhongxian.

受自然、科技、經(jīng)濟等條件限制, 現(xiàn)階段重慶水稻生產(chǎn)主要存在以下幾方面問題: 1)區(qū)域基礎(chǔ)生產(chǎn)條件較差。重慶地區(qū)土地以山地和丘陵為主, 除淺丘平壩區(qū)域外, 往往水低田高、田塊零碎, 導(dǎo)致水稻生產(chǎn)強度大, 難度大, 產(chǎn)出低。2)氣象災(zāi)害頻發(fā)、水利措施不足。重慶地區(qū)是各類自然災(zāi)害的多發(fā)區(qū)和集中地, 尤其是旱災(zāi)對水稻生產(chǎn)影響巨大, 2014年重慶地區(qū)耕地有效灌溉面積保證率僅為30.29%, 遠(yuǎn)低于53.02%的全國平均水平[18]。重慶東北部是受旱高頻區(qū)[19], 2006年夏季嚴(yán)重的連晴高溫和伏旱導(dǎo)致重慶農(nóng)作物受旱面積達(dá)132.7萬hm2[20], 該年水稻生產(chǎn)重心大幅向西南方回遷。3)機械化發(fā)展受限。受地區(qū)特殊地形條件和經(jīng)濟狀況限制, 水稻生產(chǎn)全程機械化發(fā)展緩慢[21], 存在機械化強度與生產(chǎn)要求不配套、農(nóng)機設(shè)備與地形不配套等問題。4)水稻生產(chǎn)比較效益偏低。重慶地區(qū)水稻生產(chǎn)成本較高, 2006年、2010年和2015年50 kg產(chǎn)品平均利潤分別為3.68元、21.25元和8.99元[22], 與蔬菜、烤煙、花椒、柑橘、榨菜、花卉等經(jīng)濟作物相比不具優(yōu)勢。5)新型經(jīng)營主體缺乏。重慶市水稻經(jīng)營方式主要以傳統(tǒng)的小規(guī)模、半自給的家庭經(jīng)營農(nóng)戶為主, 集約化經(jīng)營水平不高, 組織化、市場化程度低。2013年重慶市各類規(guī)?；旧a(chǎn)僅占全市水稻種植面積的0.79%[21]。6)種業(yè)競爭能力有待提高。據(jù)重慶市種子管理站統(tǒng)計, 重慶2001—2015年共審(認(rèn))定226個雜交水稻品種, 其中103個重慶自主選育的品種, 但國標(biāo)3級以上品種僅24個, 不足自育品種的24%。重慶地區(qū)水稻產(chǎn)業(yè)還存在供種保障能力不穩(wěn)、種業(yè)競爭能力不強等問題[23]?？傮w而言, 重慶市區(qū)、市、縣間水稻生產(chǎn)差異極大, 其原因一是稻田所在區(qū)域氣象水文等客觀環(huán)境差異大; 二是生產(chǎn)技術(shù)投入?yún)⒉畈积R, 良種選用、栽培技術(shù)、農(nóng)資投入等方面存在一定問題[24-25]。

3.3 水稻集聚特征變化的驅(qū)動因素

區(qū)域水稻集聚特征變化受多重因素的影響?；谧匀毁Y源稟賦的初始集聚、市場與政策對要素配置與格局優(yōu)化調(diào)整、以及農(nóng)業(yè)生產(chǎn)力提升的外推動力這三大機制推動著水稻生產(chǎn)地理聚集格局的演變。每個區(qū)域主要的影響因素以及作用強度存在特異性[26]。

水稻種植對自然和勞動力條件要求較高。區(qū)域地形、氣候、土壤、水分的巨大差異決定了水稻生產(chǎn)在區(qū)縣間種植的不均衡以及水稻生產(chǎn)的初始集聚。2000年, 潼南、銅梁、大足、榮昌、永川、合川、璧山縣憑借優(yōu)越的自然條件和規(guī)模在空間上形成高值與高值相鄰(HH)的地理集聚帶。而位于東北部山區(qū)水熱條件較差的巫溪、巫山、奉節(jié)、彭水具有顯著意義的低-低(LL)集聚區(qū)。

市場調(diào)節(jié)使得生產(chǎn)要素流向更具效率的生產(chǎn)單元區(qū)域, 而政策是干預(yù)產(chǎn)業(yè)發(fā)展的有效措施和手段。在近郊區(qū)域, 城市擴張對農(nóng)業(yè)用地的置換, 潼南、銅梁、璧山、萬州、涪陵等區(qū)域蔬菜產(chǎn)業(yè)的發(fā)展, 九龍坡區(qū)的花卉苗木產(chǎn)業(yè)的集聚等因素導(dǎo)致了城市邊緣帶和近郊區(qū)水稻種植面積的下滑。合川、璧山先后于2005年、2015年后不再屬于高值聚集帶, 屬于主城區(qū)及城市擴展帶的原傳統(tǒng)優(yōu)勢水稻生產(chǎn)區(qū)縣逐漸轉(zhuǎn)變成低面積低單產(chǎn)區(qū)域, 農(nóng)業(yè)稅取消、糧食直補政策、良種補貼等政策保障了種糧經(jīng)濟效益, 對2007年以后各區(qū)縣種植面積逐步恢復(fù)發(fā)揮了重要作用[27-28]。江津、南川、大足等國家重點產(chǎn)糧大縣的定位及對應(yīng)的政策措施的配套對穩(wěn)定這些區(qū)域的水稻生產(chǎn)發(fā)揮了重要作用。

農(nóng)業(yè)技術(shù)進(jìn)步等外部性因素提升原低產(chǎn)區(qū)域糧食產(chǎn)量和質(zhì)量, 較高海拔的山地地區(qū)水熱條件改善、通達(dá)性增加為其作物播種面積擴展創(chuàng)造了有利條件, 對生產(chǎn)格局的變遷起支撐作用。近年來, 重慶地區(qū)優(yōu)質(zhì)稻在主導(dǎo)推廣品種中的比例由2009年的15.0%增長到2014年的66.7%[29]。稻田高產(chǎn)高效耕作模式及技術(shù)的推廣顯著提高了沿江河谷地區(qū)、川東南地區(qū)稻田復(fù)種指數(shù)和單產(chǎn)水平[23]。原屬于大面積低單產(chǎn)的南川和銅梁等區(qū)縣轉(zhuǎn)變?yōu)榇竺娣e高單產(chǎn)區(qū)縣。小面積低產(chǎn)區(qū)縣單產(chǎn)水平不斷提高, 水稻生產(chǎn)低值聚集帶逐漸消失。

城市化用地擴張、耕作、管理技術(shù)手段進(jìn)步、政府規(guī)劃引導(dǎo)等多種因素參與了重慶水稻集聚格局的重構(gòu), 導(dǎo)致區(qū)域表現(xiàn)出水稻生產(chǎn)聚集性逐漸降低、均質(zhì)性增加、區(qū)域種植重心緩慢向東北方向偏移的特點。

3.4 基于區(qū)域特征的水稻生產(chǎn)調(diào)整措施

針對大面積高單產(chǎn)、大面積低單產(chǎn)、小面積低單產(chǎn)等不同類型區(qū)域進(jìn)行水稻種植規(guī)劃和管理, 有利于提高產(chǎn)量和降低生產(chǎn)成本, 提高加工水平和商品化程度, 增強市場競爭能力, 增加農(nóng)民收入。

大面積高單產(chǎn)區(qū)域通常秋季具備豐富的溫光水資源, 適宜發(fā)展綠色精品稻米以及進(jìn)行品質(zhì)優(yōu)、成本低的再生稻生產(chǎn)[19]。在這些區(qū)域宜穩(wěn)定種植面積, 開展早播早栽、合理密植、平衡施肥、適度管水、病蟲草害綜合防治等保優(yōu)高產(chǎn)配套技術(shù)措施。大面積低產(chǎn)區(qū)域宜相對穩(wěn)定稻田面積、加大生產(chǎn)技術(shù)投入, 在良種選用、栽培技術(shù)、農(nóng)資投入等方面加大力度, 提高單產(chǎn)與品質(zhì), 降低成本, 從而提高種植效益。小面積低產(chǎn)區(qū)域通常田塊零碎、水低田高, 有效灌溉面積保證率極低, 生態(tài)環(huán)境十分脆弱; 針對這些區(qū)域要進(jìn)一步加大基礎(chǔ)生產(chǎn)設(shè)施建設(shè), 完善農(nóng)田水利灌溉和道路建設(shè); 需要逐步調(diào)減土壤次生潛育化嚴(yán)重、生產(chǎn)水平低的低洼稻田; 此外, 還需要進(jìn)一步加強種業(yè)政策扶持、深層次推進(jìn)企業(yè)改革重組、多方式開展科技協(xié)同創(chuàng)新。

4 結(jié)論

2000—2015年, 水稻面積和產(chǎn)量都存在波動, 重慶市近郊水稻總產(chǎn)量降低, 北部山區(qū)水稻種植面積和總產(chǎn)有所上升。根據(jù)生產(chǎn)特征可以將重慶市區(qū)縣分為大面積高單產(chǎn)、小面積高單產(chǎn)、大面積低單產(chǎn)、小面積低單產(chǎn)4個典型類型, 其中大面積高單產(chǎn)區(qū)域在市域糧食保障中的作用進(jìn)一步增強, 重慶市水稻重心位于區(qū)域西南部, 但存在逐年向東北偏移的趨勢; 重慶市水稻種植呈明顯的空間聚集性, 2000—2015年, 水稻生產(chǎn)的空間聚集程度逐漸降低, 呈現(xiàn)更加均勻的趨勢。水稻的空間集聚主要由區(qū)域自然條件決定, 但社會經(jīng)濟、種植技術(shù)發(fā)展、政府規(guī)劃等外在條件對自然集聚格局具有優(yōu)化調(diào)節(jié)的作用。在今后的工作中需要針對不同區(qū)域的優(yōu)勢特征和限制條件進(jìn)行水稻種植規(guī)劃和管理。

[1] 王勁峰, 李連發(fā), 葛詠, 等. 地理信息空間分析的理論體系探討[J]. 地理學(xué)報, 2000, 55(1): 92–103 WANG J F, LI L F, GE Y, et al. A theoretic framework for spatial analysis[J]. Acta Geographica Sinica, 2000, 55(1): 92–103

[2] 李二玲, 朱紀(jì)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(xué)進(jìn)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 classifications[J]. Progress in Geography, 2012, 31(8): 1063–1070

[3] 王國剛, 王明利, 楊春. 中國畜牧業(yè)地理集聚特征及其演化機制[J]. 自然資源學(xué)報, 2014, 29(12): 2137–2146 WANG G G, WANG M L, YANG C. Characteristics and mechanism of animal husbandry’s geographical agglomeration in China[J]. Journal of Natural Resources, 2014, 29(12): 2137–2146

[4] 紀(jì)龍, 吳文劼. 我國蔬菜生產(chǎn)地理集聚的時空特征及影響因素[J]. 經(jīng)濟地理, 2015, 35(9): 141–148 JI L, WU W J. Spatial-temporal characteristics and affecting factors of vegetable produce geographic agglomeration in China[J]. Economic Geography, 2015, 35(9): 141–148

[5] 陳太政, 李二玲, 李琬. 1989—2009年河南省農(nóng)作物地理集聚及其演化機制[J]. 地理科學(xué)進(jìn)展, 2013, 32(8): 1237–1245 CHEN T Z, LI E L, LI W. Geographical agglomeration of crops and its evolutionary mechanism in Henan Province during 1989-2009[J]. Progress in Geography, 2013, 32(8): 1237–1245

[6] 王輝, 彭邦文, 王大力. 云南省經(jīng)濟作物地理集聚的時空演變研究[J]. 云南師范大學(xué)學(xué)報: 自然科學(xué)版, 2016, 36(2): 67–73 WANG H, PENG B W, WANG D L. Spatio-temporal pattern of Yunnan’s economic crops agglomeration[J]. Journal of Yunnan Normal University, 2016, 36(2): 67–73

[7] 林正雨, 何鵬, 李曉, 等. 四川省農(nóng)業(yè)地理集聚格局及演化機制研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2017, 38(1): 207–215 LIN Z Y, HE P, LI X, et al. The pattern and mechanism of agricultural geographical agglomeration in Sichuan Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(1): 207–215

[8] 孫園園, 徐富賢, 孫永健, 等. 四川稻作區(qū)優(yōu)質(zhì)稻生產(chǎn)氣候生態(tài)條件適宜性評價及空間分布[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2015, 23(4): 506–513 SUN Y Y, XU F X, SUN Y J, et al. Suitability evaluation of eco-climatic conditions for high quality rice production in Sichuan Province[J]. Chinese Journal of Eco-Agriculture, 2015, 23(4): 506–513

[9] 李二玲, 龐安超, 朱紀(jì)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]. Geographical Research, 2012, 31(5): 885–898

[10] 重慶市統(tǒng)計局, 國家統(tǒng)計局重慶調(diào)查總隊. 重慶統(tǒng)計年鑒—2017[M]. 北京: 中國統(tǒng)計出版社, 2017 Chongqing Statistics Bureau, National Bureau of Statistics Chongqing Survey Team. Chongqing Statistical Year Book-2017[M]. Beijing: China Statistics Press, 2017

[11] 賴江山. 生態(tài)學(xué)多元數(shù)據(jù)排序分析軟件Canoco5介紹[J]. 生物多樣性, 2013, 21(6): 765–768 LAI J S. Canoco 5: A new version of an ecological multivariate data ordination program[J]. Biodiversity Science, 2013, 21(6): 765–768

[12] 張松林, 張昆. 全局空間自相關(guān)Moran指數(shù)和G系數(shù)對比研究[J]. 中山大學(xué)學(xué)報: 自然科學(xué)版, 2007, 46(4): 93–97 ZHANG S L, ZHANG K. Comparison between general Moran’s index and getis-ord general G of spatial autocorrelation[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2007, 46(4): 93–97

[13] 陳彥光. 基于Moran統(tǒng)計量的空間自相關(guān)理論發(fā)展和方法改進(jìn)[J]. 地理研究, 2009, 28(6): 1449–1463 CHEN Y G. Reconstructing the mathematical process of spatial autocorrelation based on Moran’s statistics[J]. Geographical Research, 2009, 28(6): 1449–1463

[14] ANSELIN L. Local indicators of spatial association — LISA[J]. Geographical Analysis, 1995, 27(2): 93–115

[15] ZHANG C S, LUO L, XU W L, et al. Use of local Moran’sand GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland[J]. Science of the Total Environment, 2008, 398(1/3): 212–221

[16] 劉紀(jì)遠(yuǎn), 張增祥, 徐新良, 等. 21世紀(jì)初中國土地利用變化的空間格局與驅(qū)動力分析[J]. 地理學(xué)報, 2009, 64(12): 1411–1420 LIU J Y, ZHANG Z X, XU X L, et al. Spatial patterns and driving forces of land use change in China in the early 21st century[J]. Acta Geogaphica Sinica, 2009, 64(12): 1411–1420

[17] 國家統(tǒng)計局農(nóng)村社會經(jīng)濟調(diào)查司. 中國農(nóng)村統(tǒng)計年鑒—2015[M]. 北京: 中國統(tǒng)計出版社, 2015 National Bureau of Statistics. China Rural Statistical Yearbook-2015[M]. Beijing: China Statistics Press, 2015

[18] 徐春春, 紀(jì)龍, 方福平, 等. 西南地區(qū)水稻產(chǎn)業(yè)發(fā)展現(xiàn)狀及存在問題與對策[J]. 貴州農(nóng)業(yè)科學(xué), 2016, 44(7): 142–146 XU C C, JI L, FANG F P, et al. Rice industry actuality, existing problems and solutions in southwest China[J]. Guizhou Agricultural Sciences, 2016, 44(7): 142–146

[19] 張建平, 劉宗元, 何永坤, 等. 西南地區(qū)水稻干旱時空分布特征[J]. 應(yīng)用生態(tài)學(xué)報, 2015, 26(10): 3103–3110 ZHANG J P, LIU Z Y, HE Y K, et al. Temporal and spatial distribution of rice drought in southwest China[J]. Chinese Journal of Applied Ecology, 2015, 26(10): 3103–3110

[20] 國家統(tǒng)計局. 中國統(tǒng)計年鑒[M]. 北京: 中國統(tǒng)計出版社, 2007 National Bureau of Statistics. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2007

[21] 叢云飛, 陳松柏, 李杰, 等. 重慶市水稻生產(chǎn)新型主體發(fā)展現(xiàn)狀研究[J]. 南方農(nóng)業(yè), 2017, 11(23): 63-65 CONG Y F, CHEN S B, LI J, et al. The development status of new agricultural business subjects of rice production[J]. South China Agriculture, 2017, 11(23): 63–65

[22] 國家發(fā)展和改革委員會價格司. 全國農(nóng)產(chǎn)品成本收益資料匯編[EB/OL]. 統(tǒng)計年鑒分享平臺. [2018-03-23]. http://www. yearbookchina.com/naviBooklist-YZQGN-0.htmlPrice Division of the National Development and Reform Commission. National agricultural product cost income data compilation[EB/OL]. Statistical Yearbook Sharing Platform. [2018-03-23]. http://www. yearbookchina.com/naviBooklist-YZQGN-0.html

[23] 姚雄, 段秀建, 李經(jīng)勇, 等. 重慶市雜交水稻種子產(chǎn)業(yè)現(xiàn)狀、問題及發(fā)展建議[J]. 雜交水稻, 2016, 31(3): 1–6 YAO X, DUAN X J, LI J Y, et al. Current status, problems and developmental suggestions of hybrid rice seed industry in Chongqing municipality[J]. Hybrid Rice, 2016, 31(3): 1–6

[24] 張曉梅, 丁艷鋒, 張巫軍, 等. 西南稻區(qū)水稻產(chǎn)量的時空變化[J]. 浙江大學(xué)學(xué)報: 農(nóng)業(yè)與生命科學(xué)版, 2015, 41(6): 695–702 ZHANG X M, DING Y F, ZHANG W J, et al. Spatial and temporal variation of rice yield in rice region of southwest China[J]. Journal of Zhejiang University: Agriculture and Life Sciences, 2015, 41(6): 695–702

[25] 王國華, 張寧. 重慶水稻產(chǎn)業(yè)的現(xiàn)狀、問題與對策研究[J]. 中國稻米, 2003, 9(4): 38–39 WANG G H, ZHANG N. Development status, problem and their countermeasures for rice industrilization in Chongqing Municipality[J]. China Rice, 2003, 9(4): 38–39

[26] 張有望, 宋長鳴. 區(qū)域合作視角下中三角地區(qū)主要農(nóng)作物生產(chǎn)比較優(yōu)勢格局研究[J]. 農(nóng)業(yè)現(xiàn)代化研究, 2017, 38(3): 502–509 ZHANG Y W, SONG C M. Study on the comparative advantages of major crops in central delta area from the perspective of regional cooperation[J]. Research of Agricultural Modernization, 2017, 38(3): 502–509

[27] 方福平. 宏觀政策對我國水稻生產(chǎn)發(fā)展的影響分析[J]. 農(nóng)業(yè)經(jīng)濟問題, 2004, (9): 11–15FANG F P. How does the macroeconomic policy influence on rice production in China: An analysis[J]. Issues in Agricultural Economy, 2004, (9): 11–15

[28] 陳風(fēng)波, 劉曉麗, 馮肖映. 水稻生產(chǎn)補貼政策實施效果及農(nóng)戶的認(rèn)知與評價——來自長江中下游水稻產(chǎn)區(qū)的調(diào)查[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報: 社會科學(xué)版, 2011, 10(2): 1–12 CHEN F B, LIU X L, FENG X Y. The effect of rice subsidy policy and the rice farmers’ recognition & evaluation — Survey from Yangtze River Area[J]. Journal of South China Agricultural University: Social Science Edition, 2011, 10(2): 1–12

[29] 張現(xiàn)偉, 唐永群, 李經(jīng)勇, 等. 近5年重慶市審定和推廣的水稻品種分析[J]. 中國稻米, 2015, 21(6): 52–53 ZHANG X W, TANG Y Q, LI J Y, et al. Analysis of rice varieties of Chongqing in recent five years[J]. China Rice, 2015, 21(6): 52–53

Spatiotemporal evolution of rice production geographical agglomeration in Chongqing based on spatial statistics*

TANG Rongli1,2, YAO Xiong1, WANG Chunping1,2, WU Hong1,2, LIN Qing1,2, LEI Kairong1,2**

(1. Chongqing Academy of Agricultural Sciences, Chongqing 401329, China; 2. Chongqing Key Laboratory of Adversity Agriculture Research, Chongqing 401329, China)

Knowledge about dynamic changes of geographical planting patterns of crops is a critical basis for planting adjustments and optimal configurations. Using ordered and spatial statistical methods, the spatial distributions, temporal evolutions, key production area transformations and geographical concentrations of rice production in Chongqing municipality were determined. Also the spatial evolution patterns and dynamics of rice production from 2000 to 2015 were quantified. The results showed that the cultivated area and rice production in Chongqing decreased before 2007, but gradually increased after 2008. During the study period, the spatial distribution patterns of yield per unit area, planting area ratio and total yield in Chongqing were all higher in the west than in the east, and then higher in the south than in the north. Using administrative districts as study unit, rice production areas were divided into 4 typical zones — large area with high yield, small area with high yield, large area with low yield and small area with low yield. From 2000 to 2015, the counties belonging to the large area with high yield type and large area with low yield was stable with some changed in rank of counties. However, the type of small area with high yield changed greatly, the counties number decreased from 8 in 2000 to 4 in 2015. The counties of the small area and low yield type most located in the hill area where the light, water conditions were relative poor. With the expansion of Chongqing City, some counties once were in the small area with high yield changed to the type of small area with low yield. Rice production center was located in the southwest of Chongqing and gradually moved to the northeast. While the degree of geographical aggregation of rice industry decreased gradually over time, the degree of spatial homogenization improved. Regional natural factors, social economy, planting technology development and government planning were the influencing factors of the patterns of rice industry. In future, different cultivation planning and optimal management measures were needed for different planting areas.

Chongqing City;Rice production; Geographical aggregation; Migration center of gravity; Spatial statistics; Ordered method; Spatial homogenization

, E-mail: leikairong@126.com

Dec. 21, 2017;

Feb. 24, 2018

170.4510

A

1671-3990(2018)07-0958-13

10.13930/j.cnki.cjea.171183

* 國家重點研發(fā)計劃項目(2017YFD0301707)、重慶市農(nóng)發(fā)良種創(chuàng)新暨重大科研推廣項目(NKY2016AA003)、重慶市社會民生科技創(chuàng)新專項(cstc2016shms-ztzx80012)和重慶市2017年度農(nóng)業(yè)農(nóng)村調(diào)研課題(渝農(nóng)發(fā)2017291)資助

雷開榮, 主要從事作物遺傳改良與生物技術(shù)研究。E-mail: leikairong@126.com 唐榮莉, 主要從事景觀生態(tài)學(xué)研究。E-mail: tangtang832@163.com

2017-12-21

2018-02-24

* This study was supported by the National Key Research and Development Program of China (2017YFD0301707), Chongqing Agricultural Development Program (NKY2016AA003), Chongqing Social Science and Technology Innovation Project (cstc2016shms-ztzx80012) and Chongqing Agricultural and Rural Research Project (2017291).

唐榮莉, 姚雄, 王春萍, 吳紅, 林清, 雷開榮. 基于空間統(tǒng)計的重慶市水稻生產(chǎn)地理集聚時空演變[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2018, 26(7): 958-970

TANG R L, YAO X, WANG C P, WU H, LIN Q, LEI K R. Spatiotemporal evolution of rice production geographical agglomeration in Chongqing based on spatial statistics[J]. Chinese Journal of Eco-Agriculture, 2018, 26(7): 958-970