曾 艷

華南理工大學(xué)公共管理學(xué)院，廣東 廣州 510640

0 引言

中國(guó)是人口大國(guó)，也是世界糧食進(jìn)口大國(guó)。對(duì)中國(guó)來(lái)說(shuō)，穩(wěn)定糧食產(chǎn)量、保障糧食安全具有重大的戰(zhàn)略意義。但當(dāng)前，中國(guó)面臨著嚴(yán)峻的糧食生產(chǎn)形勢(shì)：城鎮(zhèn)化、工業(yè)化發(fā)展導(dǎo)致的耕地?cái)?shù)量減少與農(nóng)民趨利動(dòng)機(jī)下的農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整進(jìn)一步加劇了耕地“非糧化”。在這種情況下，如何遏制耕地“非糧化”成為政府、學(xué)界與公眾關(guān)注的熱點(diǎn)問(wèn)題。2020 年11 月，國(guó)務(wù)院辦公廳印發(fā)的《關(guān)于防止耕地“非糧化”穩(wěn)定糧食生產(chǎn)的意見(jiàn)》明確提出：“采取有力舉措防止耕地‘非糧化’，切實(shí)穩(wěn)定糧食生產(chǎn)，牢牢守住國(guó)家糧食安全的生命線?！?/p>

相關(guān)研究表明，中國(guó)耕地“非糧化”水平整體上隨時(shí)間推進(jìn)波動(dòng)上升，其嚴(yán)重態(tài)勢(shì)由東北向西南逐漸遞增［1］。而學(xué)界對(duì)影響“非糧化”水平的因素分析表明：農(nóng)戶自身因素中的性別、年齡［2］、收入水平及結(jié)構(gòu)［3-4］，自然環(huán)境因素中的耕地質(zhì)量［5］、區(qū)位［6］和地形［7］，社會(huì)經(jīng)濟(jì)因素中的因成本與收益改變而不斷變化的種糧比較收益［8］、地區(qū)發(fā)展水平差異［9］，政策因素中的農(nóng)地流轉(zhuǎn)政策［10］、農(nóng)業(yè)補(bǔ)貼政策，以及部分鄉(xiāng)村振興措施［11］等因素都會(huì)影響區(qū)域耕地“非糧化”水平及發(fā)展趨勢(shì)。對(duì)此，學(xué)界認(rèn)為，國(guó)家應(yīng)穩(wěn)定和完善種糧補(bǔ)貼政策，在加大對(duì)規(guī)?；Z食生產(chǎn)扶持力度［12］的同時(shí)，促使相關(guān)部門進(jìn)一步細(xì)化農(nóng)地利用類型［13］。此外，應(yīng)從國(guó)家頂層設(shè)計(jì)出發(fā)，完善相應(yīng)法律法規(guī)，從而協(xié)調(diào)好農(nóng)業(yè)短期經(jīng)濟(jì)效益與長(zhǎng)期糧食生產(chǎn)安全之間的矛盾［8］。

由此不難看出，現(xiàn)有研究大多數(shù)都是在國(guó)家或者單個(gè)省、市、縣尺度上分析耕地“非糧化”的時(shí)空特征、影響因素與治理措施，對(duì)于全國(guó)13 個(gè)糧食主產(chǎn)區(qū)耕地“非糧化”情況的系統(tǒng)分析較少。糧食主產(chǎn)區(qū)作為全國(guó)糧食生產(chǎn)基地，在保障國(guó)家糧食安全中起到了關(guān)鍵作用，因此更應(yīng)關(guān)注其耕地“非糧化”情況。基于此，筆者以全國(guó)13個(gè)糧食主產(chǎn)區(qū)為研究對(duì)象，通過(guò)計(jì)算1980—2020年每隔5年各區(qū)的“非糧化”率分析耕地“非糧化”時(shí)空分異特征，再根據(jù)對(duì)應(yīng)年份的各區(qū)社會(huì)經(jīng)濟(jì)相關(guān)統(tǒng)計(jì)數(shù)據(jù)探究其耕地“非糧化”影響因素，以了解中國(guó)糧食主產(chǎn)區(qū)1980—2020 年的耕地“非糧化”狀況及其變化情況，并根據(jù)相關(guān)影響因素提出對(duì)策建議。

1 研究區(qū)概況、數(shù)據(jù)來(lái)源與研究方法

1.1 研究區(qū)概況

2003 年財(cái)政部發(fā)布《關(guān)于改革和完善農(nóng)業(yè)綜合開(kāi)發(fā)若干政策措施的意見(jiàn)》，確定黑龍江省（含省農(nóng)墾總局）、吉林省、遼寧省（不含大連市）、內(nèi)蒙古自治區(qū)、河北省、河南省、山東?。ú缓鄭u市）、江蘇省、安徽省、四川省、湖南省、湖北省、江西省等13 個(gè)糧食主產(chǎn)區(qū)，涉及東北平原區(qū)、北方干旱半干旱區(qū)、黃淮海平原區(qū)、長(zhǎng)江中下游地區(qū)和四川盆地等綜合農(nóng)業(yè)區(qū)。國(guó)家統(tǒng)計(jì)局發(fā)布的數(shù)據(jù)顯示，2021 年糧食主產(chǎn)區(qū)糧食總產(chǎn)量約為5.36 億t，占全國(guó)總產(chǎn)量的78.5%；其中，北方7 個(gè)糧食主產(chǎn)區(qū)的糧食總產(chǎn)量約為3.42億t，占全國(guó)糧食總產(chǎn)量的50.0%［14］。

1.2 數(shù)據(jù)來(lái)源及處理

該研究涉及的13 個(gè)糧食主產(chǎn)區(qū)的社會(huì)經(jīng)濟(jì)相關(guān)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》（1981—2021 年）、《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》（1981—2021 年）、各研究地1981—2021年的統(tǒng)計(jì)年鑒及統(tǒng)計(jì)公報(bào)。

1.3 研究方法

1.3.1 耕地“非糧化”水平測(cè)度

當(dāng)前，中國(guó)糧食作物主要包括谷類作物、豆類作物和薯類作物3 種，非糧食作物則包括油料作物、糖料作物、蔬菜和瓜類等。在以往相關(guān)研究中，大多數(shù)學(xué)者用非糧食作物的播種面積與農(nóng)作物總播種面積之比來(lái)測(cè)度區(qū)域耕地“非糧化”水平［8］。因此，此研究以“非糧化”率（非糧食作物播種面積占農(nóng)作物播種總面積的比率）來(lái)衡量13 個(gè)糧食主產(chǎn)區(qū)的耕地“非糧化”水平。具體計(jì)算公式為

式（1）中：R為“非糧化”率，N為非糧食作物播種面積，G為農(nóng)作物播種總面積。

1.3.2 空間自相關(guān)

空間自相關(guān)模型包括全局空間自相關(guān)和局部空間自相關(guān)，用于測(cè)度“非糧化”率的空間集聚程度及集聚中心的空間位置。

全局空間自相關(guān)是從區(qū)域整體上測(cè)度某一屬性的空間集聚或分散程度，常用全局莫蘭指數(shù)（Global Moran's I）表示。全局莫蘭指數(shù)（Ig）的取值范圍是［-1,1］，其值為正代表集聚分布，值為負(fù)代表離散分布，值為零代表隨機(jī)分布。因此，該研究可利用全局莫蘭指數(shù)來(lái)整體判斷13 個(gè)糧食主產(chǎn)區(qū)耕地“非糧化”率是否存在統(tǒng)計(jì)上的集聚或分散現(xiàn)象，具體計(jì)算公式為

局部空間自相關(guān)則用于探索集聚中心的空間位置。此研究利用局部莫蘭指數(shù)（Local Moran's I）識(shí)別“非糧化”率高值和低值的空間聚類特征。局部莫蘭指數(shù)（Il）大于0 表示某單元觀測(cè)值與周圍單元差異性顯著小，表現(xiàn)為高-高或低-低聚集現(xiàn)象；反之，局部莫蘭指數(shù)（Il）小于0 則表示與周圍差異性顯著大，表現(xiàn)為低-高或高-低聚集現(xiàn)象。計(jì)算公式為

式（2）和式（3）中：n為研究單元數(shù)；xi和xj分別為第i與j單元的觀測(cè)值；xˉ為全部單元的平均值；Wij為每一個(gè)單元的空間權(quán)重矩陣（i與j為相鄰單元?jiǎng)t權(quán)重為1，不相鄰則權(quán)重為0）。

1.3.3 面板模型回歸

該研究采用面板數(shù)據(jù)模型實(shí)證分析各種自然因素及社會(huì)經(jīng)濟(jì)因素對(duì)糧食主產(chǎn)區(qū)耕地“非糧化”水平的影響。構(gòu)建的模型形式為

式（4）中：下標(biāo)i和t分別代表第i個(gè)?。ㄗ灾螀^(qū)）和第t年；Yit為因變量，即耕地“非糧化”水平；αit為模型的常數(shù)項(xiàng)；Xit為各影響因素，具體從各糧食主產(chǎn)區(qū)耕地資源稟賦、糧食種植成本、種糧比較收益、農(nóng)村勞動(dòng)力流失狀況、地區(qū)經(jīng)濟(jì)發(fā)展水平、農(nóng)民生活水平和城鄉(xiāng)居民收入差距等方面選取相應(yīng)變量；βit為各影響因素的估計(jì)系數(shù)；εit為模型的隨機(jī)誤差項(xiàng)；N為糧食主產(chǎn)區(qū)數(shù)量，T為觀察時(shí)期總數(shù)（筆者采用13 個(gè)糧食主產(chǎn)區(qū)1980 年、1985 年、1990 年、1995 年、2000 年、2005 年、2010 年、2015年和2020年的面板數(shù)據(jù)，故N=13，T=9）。

2 實(shí)證結(jié)果分析

2.1 糧食主產(chǎn)區(qū)耕地“非糧化”時(shí)空演變特征分析

2.1.1 糧食主產(chǎn)區(qū)耕地“非糧化”時(shí)序特征

糧食主產(chǎn)區(qū)1980—2020 年整體耕地“非糧化”水平如圖1 所示。由圖1 可知，1980—2020 年，中國(guó)糧食主產(chǎn)區(qū)的耕地“非糧化”面積與“非糧化”率均于2005年達(dá)到峰值；整體來(lái)看，耕地“非糧化”水平經(jīng)歷了先升后降、整體提高的波動(dòng)變化。

圖1 糧食主產(chǎn)區(qū)耕地“非糧化”總面積和平均“非糧化”率

1980—2020，13 個(gè)糧食主產(chǎn)區(qū)的耕地“非糧化”水平具體情況如圖2和圖3所示。由圖3可知，2020年耕地“非糧化”水平較高的省份分別是湖南省（43.2%）、湖北?。?1.0%）和四川?。?5.2%），耕地“非糧化”水平較低的省份是黑龍江?。?.9%）、吉林省（7.7%）和安徽?。?7.0%）。各個(gè)糧食主產(chǎn)區(qū)的耕地“非糧化”水平變化均呈現(xiàn)出先增后降的趨勢(shì)，整體波動(dòng)水平較大，具體而言大致可以分為兩個(gè)階段。

圖2 各糧食主產(chǎn)區(qū)耕地“非糧化”面積

圖3 各糧食主產(chǎn)區(qū)耕地“非糧化”率變化

第一階段是1980—2005年（含2005年）。該階段，大部分糧食主產(chǎn)區(qū)耕地“非糧化”水平波動(dòng)較大，均大致經(jīng)歷了先升后降再升至最高值的過(guò)程。改革開(kāi)放后，我國(guó)加速城市化，城市的發(fā)展對(duì)勞動(dòng)力和建設(shè)用地需求量大增，從而直接導(dǎo)致農(nóng)村耕地?cái)?shù)量減少、種糧勞動(dòng)力數(shù)量下降。同時(shí)，城市的發(fā)展增加了對(duì)蔬菜、瓜果等非糧食作物的需求量，供求關(guān)系的變化引導(dǎo)農(nóng)戶在城市近郊區(qū)耕地上種植蔬菜、瓜果等非糧食作物。此外，逐漸寬松的農(nóng)村土地流轉(zhuǎn)政策也讓種植大戶更易于將耕地集中連片種植經(jīng)濟(jì)作物。這些因素均推動(dòng)了1980—2005年糧食主產(chǎn)區(qū)耕地“非糧化”的發(fā)展。

第二階段是2005—2020 年。該階段，湖南省耕地“非糧化”水平持續(xù)上升，其他糧食主產(chǎn)區(qū)耕地“非糧化”水平均持續(xù)下降。該階段耕地“非糧化”率持續(xù)下降很大程度上得益于國(guó)家前期耕地保護(hù)政策的效果顯化及一系列加大保護(hù)耕地力度的舉措。但是，由于該研究的“非糧化”水平是以體現(xiàn)相對(duì)關(guān)系的非糧比衡量的，所以需要結(jié)合圖2 進(jìn)行分析。從圖2 來(lái)看，2005—2020 年，四川省、湖北省和湖南省耕地“非糧化”面積整體上均呈增加的趨勢(shì)。這種部分糧食主產(chǎn)區(qū)耕地“非糧化”面積持續(xù)上升的趨勢(shì)是新時(shí)期調(diào)整耕地保護(hù)政策需要注意的。

2.1.2 糧食主產(chǎn)區(qū)耕地“非糧化”空間特征

根據(jù)研究區(qū)耕地“非糧化”的時(shí)序變化，選取13 個(gè)糧食主產(chǎn)區(qū)研究期中1980 年、2005 年和2020 年的耕地“非糧化”水平數(shù)據(jù)，利用ArcGIS 10.7 軟件，按照自然斷裂點(diǎn)法作可視化表達(dá)，結(jié)果如表1所示。由表1可知，研究期間，糧食主產(chǎn)區(qū)耕地“非糧化”水平空間差異格局顯著，整體呈現(xiàn)出南高北低的格局。分年度而言，1980 年，糧食主產(chǎn)區(qū)的耕地“非糧化”重心在湖北省、湖南省和江西省，耕地“非糧化”率在第三級(jí)及以上的?。ㄗ灾螀^(qū)）占比約為38.46%；2005 年，糧食主產(chǎn)區(qū)整體“非糧化”率最高，耕地“非糧化”重心分別是湖北省和山東省，耕地“非糧化”率在第三級(jí)及以上的?。ㄗ灾螀^(qū)）占比升至46.15%；2020年，整體耕地“非糧化”率下降，但耕地“非糧化”率在第三級(jí)及以上的?。ㄗ灾螀^(qū)）占比為61.54%，其中四川省自1980 年開(kāi)始耕地“非糧化”率等級(jí)始終保持上升狀態(tài)，內(nèi)蒙古自治區(qū)耕地“非糧化”率等級(jí)也首次出現(xiàn)在第三級(jí)，“非糧化”重心出現(xiàn)向西、向北擴(kuò)散的趨勢(shì)。

表1 1980年、2005年及2020年耕地“非糧化”率分級(jí)

將耕地“非糧化”率作為觀測(cè)變量，采用全局莫蘭指數(shù)（Ig）評(píng)判不同范圍內(nèi)耕地“非糧化”的分異特征，具體參數(shù)見(jiàn)表2。由表2 可知，13 個(gè)糧食主產(chǎn)區(qū)耕地“非糧化”率的Ig在研究期內(nèi)均為正數(shù)，且整體呈現(xiàn)出先變大后變小的趨勢(shì)。其中，1980 年通過(guò)P＜0.05 的顯著性水平檢驗(yàn)，1985 年通過(guò)P＜0.01 的顯著性水平檢驗(yàn)，而1990 年、1995 年、2000 年、2005 年、2010 年、2015年、2020 年則均通過(guò)P＜0.001 的顯著性水平檢驗(yàn)。這說(shuō)明13 個(gè)糧食主產(chǎn)區(qū)的耕地“非糧化”水平存在明顯的集聚分布特征，且隨著時(shí)間的流逝，這種空間相關(guān)性即集聚分布特征經(jīng)歷了先強(qiáng)后弱的變化過(guò)程。

表2 研究期內(nèi)Ig、Z得分和P值

為了更加清楚地了解特定省級(jí)單元內(nèi)耕地“非糧化”水平的集聚狀況和模式，引入局部莫蘭指數(shù)（Il）進(jìn)行深入分析，結(jié)果如表3 所示。由表3 可得出以下結(jié)論。

表3 1980年、2005年及2020年耕地“非糧化”率

第一，在1980 年、2005 年和2020 年，13 個(gè)?。ㄗ灾螀^(qū)）始終存在一片耕地“非糧化”率高-高聚集區(qū)，涉及的?。ㄗ灾螀^(qū)）數(shù)量先增后減，其中湖北省、湖南省和江西省3 個(gè)省份始終都處在耕地“非糧化”率高-高聚集區(qū)。這些省份的耕地“非糧化”率高且與鄰近省份差異小，主要是因?yàn)槠渚挥陂L(zhǎng)江中下游地區(qū)，糧食種植易受自然災(zāi)害影響；且其鄰近經(jīng)濟(jì)發(fā)達(dá)、就業(yè)機(jī)會(huì)多、工資報(bào)酬高的省份，人口容易向外輸送，留在農(nóng)村種植糧食的勞動(dòng)力少。

第二，1980 年和2005 年均有耕地“非糧化”率低-高聚集區(qū)，其中1980 年為一片一個(gè)省份即河南省，2005 年為兩片兩個(gè)省份，分別是安徽省和四川省。這些省份人口眾多且擁有良好的農(nóng)業(yè)基礎(chǔ)，耕地“非糧化”水平較低，且其鄰近高“非糧化”水平的地區(qū)，因此容易形成低-高聚集區(qū)。

第三，2005 年和2020 年均有一片“非糧化”率低-低聚集區(qū)，且均為黑龍江省、吉林省和遼寧省3 個(gè)省份。這些省份均屬于農(nóng)業(yè)生產(chǎn)潛力極高的地區(qū)，糧食作物品質(zhì)優(yōu)良，尤其是東北大米具有廣大的國(guó)內(nèi)外市場(chǎng)，加之是國(guó)家重要的商品糧基地，因此形成低-低聚集區(qū)。

2.2 糧食主產(chǎn)區(qū)耕地“非糧化”影響因素分析

2.2.1 變量選取與說(shuō)明

根據(jù)相關(guān)研究［15-16］及13 個(gè)糧食主產(chǎn)區(qū)1980—2020 年相關(guān)數(shù)據(jù)的可得性，選取的因變量（Y）為13 個(gè)糧食主產(chǎn)區(qū)研究期內(nèi)的“非糧化”水平，自變量（X）為地區(qū)耕地資源稟賦、糧食種植成本、種糧比較收益、農(nóng)民生活水平、城鄉(xiāng)居民收入差距、種糧勞動(dòng)力數(shù)量及地區(qū)經(jīng)濟(jì)發(fā)展水平。為了便于測(cè)度，耕地“非糧化”水平以非糧食作物播種面積與農(nóng)作物總播種面積之比來(lái)衡量，各自變量分別以人均耕地面積、農(nóng)業(yè)生產(chǎn)資料成本、糧食產(chǎn)值占比、農(nóng)村人均年收入、城鄉(xiāng)居民收入比、第一產(chǎn)業(yè)勞動(dòng)力占比及人均GDP 來(lái)衡量。變量描述性統(tǒng)計(jì)如表4所示。

表4 變量描述性統(tǒng)計(jì)分析

2.2.2 模型估計(jì)結(jié)果與分析

靜態(tài)的面板數(shù)據(jù)模型估計(jì)方法主要有混合估計(jì)模型、固定效應(yīng)（Fixed Effect，F(xiàn)E）模型和隨機(jī)效應(yīng)（Random Effects，RE）模型3 種。筆者根據(jù)F檢驗(yàn)和Hausman檢驗(yàn)結(jié)果確定合適的模型估計(jì)形式。在進(jìn)行回歸分析前，為了減少變量間的差異，先對(duì)農(nóng)業(yè)生產(chǎn)資料成本、人均GDP 和農(nóng)村人均年收入等變量做了取對(duì)數(shù)處理。在運(yùn)用上述3種模型估計(jì)并進(jìn)行對(duì)應(yīng)檢驗(yàn)后，發(fā)現(xiàn)F檢驗(yàn)在1%的顯著水平下拒絕了原假設(shè)，這表明固定效應(yīng)模型優(yōu)于混合估計(jì)模型；而在Hausman檢驗(yàn)中P值為0.002 6，這表明拒絕了“隨機(jī)效應(yīng)模型更優(yōu)”的原假設(shè)，因而選擇固定效應(yīng)模型更恰當(dāng)。為了便于比較，表5列出了混合估計(jì)模型和隨機(jī)效應(yīng)模型估計(jì)結(jié)果。

表5 各模型回歸結(jié)果

由表5 的固定效應(yīng)模型可知，對(duì)糧食主產(chǎn)區(qū)耕地“非糧化”水平具有顯著影響的因素分別是種糧比較收益（糧食產(chǎn)值占比）、城鄉(xiāng)居民收入差距（城鄉(xiāng)居民收入比）及種糧勞動(dòng)力數(shù)量（第一產(chǎn)業(yè)勞動(dòng)力占比）。

種糧比較收益對(duì)耕地“非糧化”具有顯著的負(fù)向作用，糧食產(chǎn)值占比每提高1%，耕地“非糧化”率降低約0.176%。種糧收益會(huì)直接影響農(nóng)民的種糧意愿，而糧食作物與其他經(jīng)濟(jì)作物相比具有種植成本高、收益低的特點(diǎn)，這是導(dǎo)致中國(guó)耕地“非糧化”面積不斷增加的根本原因。因此，一旦糧食生產(chǎn)收益有所提升，將會(huì)在一定程度上提高農(nóng)民的種糧積極性，從而抑制耕地“非糧化”。

城鄉(xiāng)居民收入差距對(duì)耕地“非糧化”具有顯著的正向作用，城鄉(xiāng)居民收入比每提高1%，耕地“非糧化”率提高約0.025%。城鄉(xiāng)居民收入差距讓農(nóng)村居民看到了種植糧食甚至是從事農(nóng)業(yè)的機(jī)會(huì)成本，差距越大意味著其放棄非農(nóng)就業(yè)的損失越大，這導(dǎo)致農(nóng)民從事農(nóng)業(yè)生產(chǎn)的積極性降低，從而間接導(dǎo)致耕地“非糧化”。

農(nóng)村勞動(dòng)力數(shù)量對(duì)耕地“非糧化”具有顯著的負(fù)向作用，第一產(chǎn)業(yè)勞動(dòng)力占比每提高1%，耕地“非糧化”率降低約0.171%。中國(guó)農(nóng)業(yè)生產(chǎn)具有小農(nóng)經(jīng)濟(jì)特點(diǎn)，糧食種植需要青壯年勞動(dòng)力。城鎮(zhèn)化背景下，農(nóng)村勞動(dòng)力的流失讓農(nóng)業(yè)生產(chǎn)面臨勞動(dòng)力短缺的問(wèn)題，最終導(dǎo)致耕地“非糧化”率提升。

此外，耕地資源稟賦、農(nóng)民生活水平及糧食種植成本對(duì)糧食主產(chǎn)區(qū)耕地“非糧化”水平作用并不顯著，而地區(qū)經(jīng)濟(jì)發(fā)展水平雖然在固定效應(yīng)模型中回歸系數(shù)為負(fù)值且沒(méi)有通過(guò)顯著性檢驗(yàn)，但在另外兩個(gè)模型中，回歸系數(shù)均為正值且均通過(guò)了1%的顯著性檢驗(yàn)，因此，地區(qū)經(jīng)濟(jì)發(fā)展水平對(duì)耕地“非糧化”率有一定程度上的正向作用。

3 結(jié)論與建議

3.1 結(jié)論

筆者以13 個(gè)糧食主產(chǎn)區(qū)在1980—2020 年每5 年一期的耕地“非糧化”水平為研究對(duì)象，首先從時(shí)間維度分析研究區(qū)域“非糧化”水平的變化情況，然后根據(jù)階段特征選出1980 年、2005 年和2020 年的“非糧化”水平數(shù)據(jù)，再利用ArcGIS 10.7 的自然斷點(diǎn)法對(duì)這3 年的數(shù)據(jù)作可視化表達(dá)，用全局空間自相關(guān)和局部空間自相關(guān)方法分析其空間分布特征。主要結(jié)論如下。

①時(shí)間上，1980—2020 年，全國(guó)13 個(gè)糧食主產(chǎn)區(qū)耕地“非糧化”水平先升后降，其中中部?。ㄗ灾螀^(qū)）“非糧化”率持續(xù)居于高位。

②空間上，1980—2020 年，全國(guó)13 個(gè)糧食主產(chǎn)區(qū)的耕地“非糧化”分布有強(qiáng)烈的集聚特征，且該特征隨時(shí)間變化而強(qiáng)化，中部地區(qū)多存在高-高集聚狀態(tài)，東北地區(qū)則多是低-低集聚狀態(tài)。

③種糧比較收益（糧食產(chǎn)值占比）、城鄉(xiāng)居民收入差距（城鄉(xiāng)居民收入比）及種糧勞動(dòng)力數(shù)量（第一產(chǎn)業(yè)勞動(dòng)力占比）等對(duì)糧食主產(chǎn)區(qū)耕地“非糧化”水平有顯著影響。

3.2 建議

3.2.1 調(diào)整惠農(nóng)政策，維護(hù)農(nóng)民種糧利益

中國(guó)自2004 年開(kāi)始對(duì)種糧農(nóng)民實(shí)行直接補(bǔ)貼，但各糧食主產(chǎn)區(qū)耕地“非糧化”面積仍然持續(xù)增加，且目前以糧食產(chǎn)值占比、城鄉(xiāng)居民收入比為代表的社會(huì)經(jīng)濟(jì)因素仍然對(duì)糧食主產(chǎn)區(qū)耕地“非糧化”水平影響較大。因此，國(guó)家及各地方政府應(yīng)該適時(shí)調(diào)整各項(xiàng)惠農(nóng)政策支持力度，補(bǔ)貼范圍應(yīng)以糧食種植為主，且惠農(nóng)資金應(yīng)直接發(fā)放給實(shí)際糧食種植者而非承包戶，通過(guò)縮小種植糧食作物與種植非糧食作物間的收益差距來(lái)提高農(nóng)民種糧積極性。

3.2.2 優(yōu)化農(nóng)業(yè)設(shè)施，提升農(nóng)業(yè)科技水平

除了種糧比較收益外，農(nóng)村第一勞動(dòng)力占比也對(duì)當(dāng)前糧食主產(chǎn)區(qū)耕地“非糧化”水平產(chǎn)生了顯著影響。對(duì)此，國(guó)家及各地方政府應(yīng)加大對(duì)農(nóng)田水利基礎(chǔ)設(shè)施建設(shè)的投入，大力發(fā)展農(nóng)業(yè)耕種機(jī)械化與農(nóng)業(yè)技術(shù)信息化，通過(guò)提升農(nóng)業(yè)科技水平來(lái)降低農(nóng)村第一產(chǎn)業(yè)勞動(dòng)力日漸流失對(duì)耕地“非糧化”的影響。

3.2.3 關(guān)注區(qū)域差異，有序精準(zhǔn)遏制“非糧化”

13 個(gè)糧食主產(chǎn)區(qū)耕地“非糧化”水平與影響因素各不相同。因此，一方面要關(guān)注糧食主產(chǎn)區(qū)耕地“非糧化”的整體趨勢(shì)，對(duì)耕地資源稟賦、種糧比較收益等共性因素“對(duì)癥下藥”；另一方面，要關(guān)注各糧食主產(chǎn)區(qū)的差異，根據(jù)各地實(shí)際情況，分階段、有重點(diǎn)地解決耕地“非糧化”問(wèn)題，以大糧食觀為指導(dǎo)，實(shí)現(xiàn)有序、精準(zhǔn)地遏制耕地“非糧化”。