糧食主產區縣域農業機械動力投入時空演變分析—以河南省108個縣(縣級市)為例

李　波，張吉獻

(安陽師范學院 資源環境與旅游學院，河南 安陽　455000)

?

糧食主產區縣域農業機械動力投入時空演變分析—以河南省108個縣(縣級市)為例

李波，張吉獻

(安陽師范學院 資源環境與旅游學院，河南 安陽455000)

摘要：農業機械化是農業現代化建設的重要內容。為此，以縣域為基本研究單元，利用變異系數與艾肯森指數等區域差異研究方法對河南省2004-2013年近10年的農業機械動力投入進行動態差異分析，并采用探索性空間分析方法(ESDA)，在ArcGIS與DeoDa095i軟件的支持下，分析近10年來河南省農業機械動力投入的時空格局與時空演變特征。結果表明：2004-2013年，河南省縣域農業機械動力投入均值呈顯著的增長趨勢，但整體區域差異呈現出逐漸縮小的態勢；2004-2013年河南省縣域農業機械動力投入之間存在顯著的空間正相關，表現出明顯的空間集聚現象，但農業機械動力投入水平相似的縣域在空間上的集聚態勢會逐漸降低；局部空間集聚格局，總體呈現出東北部較高而西南與東南部較低的特征；2004-2013年整體空間分布位置變化不大，數量上有明顯變化，高高集聚與低低集聚型縣域數量總體呈現出明顯減少的趨勢，各縣(縣級市)趨向于平衡化的發展。

關鍵詞：農業機械動力；縣域；變異系數；艾肯森指數；空間自相關；探索性空間數據分析

0引言

農業機械化是農業科技的重要組成部分，有助于提高土地生產率、農業勞動生產率、資源利用率及農業競爭能力，是實現農業現代化的重要保障。對糧食主產區來說，農業機械化更有助于提高農民收入水平、實現糧食增產、保障糧食安全，為農業現代化、工業化、城鎮化加快發展，提供了強有力的物質技術支撐。農業機械化水平主要通過農業機械總動力進行衡量，農業機械總動力指主要用于農、林、牧、漁業的各種動力機械的動力總和[1]。目前，關于農業機械化的研究，主要包括：采用BP神經網絡及灰色預測模型等方法對農機總動力發展趨勢預測[2-6],分析農業機械化對農民增收的影響[7],農業機械化的發展方向及影響因素分析[8-10]，農業機械動力的空間格局分析[11-12]等。本研究以河南省的108個縣(縣級市)作為基本研究單元，利用基尼系數與艾肯森指數對近10年來農業機械動力投入進行動態差異分析，并采用空間探索性分析方法(ESDA)，對近10 年河南省縣域農業機械動力投入進行時空格局及時空演變特征分析，為河南省農業機械化的發展提出針對性的建議。

1數據來源與研究方法

1.1　數據來源

研究單元基于河南省包括的108個縣(縣級市)，市轄區不在研究范圍之內。農業機械動力投入通過農業機械總動力與總播種面積相除所得，即表示單位播種面積投入的農業機械總動力，單位是：kW/hm2。數據來源于2005-2014年《河南統計年鑒》《中國縣(市)社會經濟統計年鑒》等，地圖數據在ArcGIS軟件的支持下采用shape格式的縣級矢量圖進行空間相關分析。

1.2　研究方法

目前，研究區域差異總體變動態勢主要采用基尼系數、變異系數和加權變異系數、區位商、塞爾熵指數、艾肯森指數及威廉森系數等方法[14-18]。由于地理事物之間的空間相關與空間異質性，同一變量在同一個分布區內的觀測數據之間存在潛在的相互依賴性[19]。通過探索性空間分析方法可以對空間相互作用與空間集聚情況進行進一步分析。本研究主要采用變異系數和艾肯森指數衡量2004-2013年近10年來河南省縣域農業機械動力投入的總體差異動態變化情況，進而采用空間探索分析方法，對其空間差異與空間集聚情況進行動態分析。

1.2.1變異系數

變異系數又稱為標準差系數、標準差率、變差系數，是衡量各觀測值變異程度的統計量，采用統計學中的標準差和均值來表示，可以消除量綱不同對結果的影響。運用變異系數測度河南省縣域農業機械動投入的差異情況，其計算公式為[14-16]

(1)

式中CV—農業機械動力投入的變異系數；

yi—第i個縣的農業機械動力投入；

n—縣域個數。

變異系數越大，區域差異越大；變異系數越小，區域發展越均衡。

1.2.2艾肯森指數(Atkinson Index)

艾肯森指數可以明顯表示出觀測數據之間的不明顯差異，通過自主設置參數，可以加大區域差異外在的顯示度，參數越大，區域差異的顯示就越明顯，計算公式為[17-18]：

(2)

式中pi—第i個縣總播種面積占全區總播種面積的比重，即pi為一個權重值；

ξ—可自行設置的與區域差異性外在顯示度有關的參數，ξ值設置越高，區域差異顯示越明顯。

艾肯森指數主要用來反映一個地區的區域差異本身不大，并且隨時間系列變化很小，但是又希望比較清楚地反映出來，而其他方法都難以反映變化趨勢時，可采用艾肯森指數進行測定。參數設置對整個區域差異變化的趨勢不產生任何影響。

1.2.3空間自相關分析

地理學第一定律表明：在地理空間中鄰近的現象比遠距離的現象更相似?？臻g數據間并非完全獨立，而是存在空間聯系與空間關聯，會表現出一定的集聚特征[19]。空間正相關表明兩相鄰的空間單元的農業機械動力投入變化趨勢相同，負相關則表明兩相鄰空間單元的農業機械動力投入變化趨勢各異。本研究采用全局空間自相關指標(Global Moran’sI)與局部空間自相關指標(Local Moran’sIi)統計量來探索2004-2013年近10年河南省縣域農業機械動力投入的時空格局與時空演變特征。

1)全局空間自相關。全局空間自相關主要描述臨近地理單元某一屬性值在整個研究空間的特征，用來判定某種現象或事物在空間上是否存在空間自相關，通過比較相鄰空間位置屬性值的相似程度來測定。全局Moran指數(Global Moran’sI)的計算公式為[7，10]

(3)

式中I—全局Moran指數；

N—區域個數；

xi、xj—分別為區域單元i、j的屬性值；

Wij—空間位置i和j的臨近關系，通常按照距離標準或相鄰標準定義空間臨近。

全局Moran指數I的取值范圍為[-1,1]。對于全局Moran指數，可用標準化統計量Z(I)進行檢驗n個區域是否存在空間自相關關系。

Z(I)的計算公式為[19]

(4)

VAR(I)—方差。

當Z值為正且顯著時，存在正的空間自相關，相似的屬性值趨于集聚；當Z值為負且顯著時，存在負的空間自相關，相似的屬性值趨于分散分布；當Z值為0時，屬性值獨立隨機分布。

2)空間聯系的局部指標(LISA)。全局自相關是對整體區域空間自相關的測度，不能分析是否存在空間異質性問題，而局部空間自相關用來分析每個區域單元的空間自相關特征。由于每個空間位置都有自己的局部空間自相關統計值，因此可通過顯著性圖和LISA集聚圖等圖形將局部空間自相關的分析結果清楚地顯示出來。本研究主要采用LISA的局部Moran指數(Local Moran’sIi)與Moran 散點圖進行局部空間自相關分析，局部Moran指數(Local Moran’sIi)的計算公式為[7，10]

(5)

其中，Ii描述區域單元i周邊顯著的相似值區域單元之間的空間集聚程度；其它各變量的含義與式(3)相同。標準化統計量為Z(I)，用來檢驗n個區域是否存在局部空間自相關。Z值的計算同式(4)。當Z值為正且顯著時，表明i區域單元及其周圍區域單元的值比均值高，屬于高—高空間集聚；當Z值為負且顯著時，表明i區域單元及其周圍區域單元的值低于均值，屬于低—低空間集聚。將Moran 散點圖與LISA顯著性水平相結合，即可顯示出顯著的LISA集聚區域。

2農業機械動力投入總體區域差異變動過程分析

隨著2004年國家農機購置補貼政策的實行，帶動了農業機械的購買。2004-2013年，河南省縣域農業機械動力投入均值呈顯著的增長趨勢，從2004年的5.5kW/hm2增至2013年的7.7kW/hm2，如圖1所示。其中，2004-2007年增長較緩，2007-2008年增長快速，2008-2013年呈現線性增長趨勢。

圖1　2004-2013年河南省縣域農業機械動力投入

采用2004-2013年的河南省縣域農業機械動力投入指標數據，分別計算了2004-2013年每年的變異系數和艾肯森指數(分別取ξ=2與ξ=3)，用來表示農業機械動力投入區域差異隨著時間的動態變化過程。由圖2可知：2004-2013年變異系數和艾肯森指數(分別取ξ=2與ξ=3)變動趨勢基本一致；雖有個別年份變動趨勢與變動程度不完全一致，除了在2004-2005年與2007-2008年變化較快之外，其它年份均呈現出緩慢下降的趨勢。這說明河南省縣域農業機械動力投入區域差異呈縮小態勢，各縣之間的農業機械動力投入逐漸趨向于平衡狀態。

3農業機械動力投入空間格局演變

3.1　總體空間格局演變分析

采用DeoDa095i軟件，逐年計算2004-2013年的全局空間自相關指數(Global Moran’sI)，并計算其檢驗的標準化統計量Z(I)，結果如表1所示，2004-2013年的I值在0.38～0.81之間，并對Z(I)進行顯著性檢驗，2004-2013年Z(I)值的P值遠小于給定的顯著性水平(Z的臨界值為1.96)，說明在此置信區間高度相關，河南省各縣農業機械動力投入之間存在顯著的空間集聚現象，存在較強的空間正相關。2004-2013年間，Global Moran’sI總體呈現出下降的趨勢，從2004年的0.82下降到2013年的0.38，說明農業機械動力投入水平相似的縣域在空間上的集聚態勢會逐漸降低，各縣域之間的農業機械動力投入會逐漸趨于平衡。2009-2011年期間變化不大，并不影響整體變動趨勢。

圖2　2004-2013年農業機械動力投入變異系數與艾肯森

指標IZP20040.812210.93880.00120050.61027.84180.00120060.58027.50000.00120070.53426.94130.00120080.45515.93860.00120090.41005.48100.00120100.41985.41790.00120110.41985.60920.00120120.38585.09810.00120130.38235.04640.001

3.2　局部空間格局演變分析

為了更進一步地探索縣域農業機械動力投入局部空間集聚的態勢，根據式(5)計算2004、2007、2010、2013年這4年的Local Moran’sIi，并對其進行顯著性檢驗，在GeoDa095i軟件的支持下，繪制相應年份的Moran散點圖(如圖3所示)和LISA集聚圖。

圖3　2004-2013年河南省縣域農業機械動力投入Moran散點圖

3.2.1Moran散點圖

Moran散點圖的4個象限，分別對應于每個縣域與其相鄰的縣域之間的農業機械動力投入的局部空間聯系形式：第1象限表示高值的縣域被同是高值的縣域所包圍，第2象限表示低值的縣域被高值的縣域所包圍，第3象限表示低值的縣域被同是低值的縣域所包圍，第4象限表示高值的縣域被低值的縣域所包圍。其中，落入第1、3象限的縣域與其相鄰縣域之間存在較高的空間正相關，具有空間同質性; 而落入第2、4象限的縣域與其相鄰縣域之間差異顯著，存在空間負相關，具有空間異質性[12,19]。

從圖3可以看出：2004-2013年在4個象限內均有樣本點分布，河南省縣域農業機械動力投入之間的空間相關性呈現較平穩狀態，但是落在第1、3象限的縣域個數多于第2、4象限。2004年落入第1、3象限，即呈空間正相關的縣域占到了所有縣域總數的85%，表現出較強的空間同質性；2007、2010、2013年落入第2、4象限的縣域個數明顯增多，每個象限的縣域個數逐漸趨向于平衡狀態，即高低集聚與低高集聚的趨勢越來越明顯，空間自相關聚集趨勢趨于減弱，呈現較多的空間異質性。

3.2.2LISA集聚時空演變分析

為了更直觀地反映河南省縣域農業機械動力投入的局部空間格局演變過程，根據繪制的2004、2007、2010、2013年這4年的LISA集聚圖進行分析。

由分析可知：2004-2013年河南省縣域農業機械動力投入在空間上表現出比較明顯的局部空間集聚格局，總體呈現出東北部較高而西南與東南部較低的特征。2004-2010年高高集聚與低低集聚型縣域的個數總體呈現出明顯減少的趨勢，高高集聚型由2004年的25個減少為2013年的13個，低低集聚型由2004年的18個減少為2010年的10個，2010-2013年保持不變。

2004-2013年河南省縣域農業機械動力投入具體時空演變特征如下：①高高集聚型。2004年高高集聚型的縣域主要包括鄭州的鞏義市、滎陽市，開封的開封縣，洛陽的偃師市，安陽的滑縣，鶴壁的淇縣、浚縣，新鄉全部8個縣(縣級市)，焦作全部6個縣(縣級市)，濮陽的南樂縣、范縣、清豐縣、臺前縣等25個縣(縣級市)；2007年有21個高高集聚型縣域，新增的有鄭州的中牟縣和新密市、安陽的內黃縣，其它18個縣域在2004年也為此類型，包括鄭州的4個、安陽的2個、新鄉除長垣縣以外的7個、焦作的全部6個、濮陽的清豐縣和臺前縣；相比2007年，2010年高高集聚型縣域由21個減少為12個，包括鄭州的鞏義市、滎陽市、新密市、登封市，新鄉的獲嘉縣、原陽縣、延津縣，焦作的修武縣、博愛縣、武陟縣、溫縣、孟州市，新增的為鄭州的登封市，其它11個縣域在2007年也為此類型。相比2010年，2013年增加了新鄉的衛輝市，其它與2010年保持一致。②低低集聚型。2004年低低集聚型縣域主要分布在河南省的西南與東南部，包括平頂山的葉縣、魯山縣，南陽的方城縣、西峽縣、鎮平縣、內鄉縣、淅川縣、社旗縣、唐河縣，信陽的光山縣、商城縣、固始縣、橫川縣、淮濱縣、息縣，周口的項城縣，駐馬店的泌陽縣、新蔡縣等18個縣；2007年低低集聚型縣域下降為13個，主要包括南陽與信陽的大部分縣；2010年低低集聚型縣域有10個，包括南陽的方城縣、內鄉縣、淅川縣，信陽的羅山縣、光山縣、新縣、商城縣、固始縣、橫川縣，許昌的襄城縣。相比2010年，2013年低低集聚型縣域個數不變，增加了平頂山的郟縣與南陽的淮濱縣，減少了南陽的淅川縣與信陽的固始縣。③低高集聚型。2004-2007年沒有此類型，2010-2013年也只有三門峽的義馬市，由此來看，農業機械化動力投入的集聚現象更為明顯。 ④高低集聚型，同樣此類型的縣域個數很少，只有2010-2013年具有此類型的縣域，2010年有鄭州的中牟縣、新鄉的輝縣市，2013年增加了許昌的禹州市。

4結論

1)2004-2013年變異系數和艾肯森指數(分別取ξ=2與ξ=3)的計算結果表明，二者的變動趨勢總體上除個別年份下降較快外，均呈現緩慢下降的趨勢，說明河南省縣域農業機械動力投入區域差異呈縮小態勢，各縣之間的農業機械動力投入逐漸趨向于平衡狀態。

2)通過采用Global Moran’sI進行全局空間自相關分析，表明2004-2013年河南省縣域農業機械動力投入之間存在顯著的空間正相關，表現出明顯的空間集聚現象；但是Global Moran’sI總體呈現出下降的趨勢，說明農業機械動力投入水平相似的縣域在空間上的集聚態勢會逐漸降低。2009-2011年期間變化不大，并不影響整體變動趨勢。

3)通過采用局部空間自相關分析，結合Moran散點圖與LISA集聚圖可知：2004-2013年河南省縣域農業機械動力投入在空間上表現出明顯的局部空間集聚格局，總體呈現出東北部較高而西南與東南部較低的特征，整體空間分布位置變化不大，數量上有明顯變化；2004-2013年高高集聚與低低集聚型縣域的個數總體呈現出明顯減少的趨勢?？傮w來看，高高集聚型的縣域由2004年主要包括東北部的鄭州、焦作、洛陽、開封、安陽、鶴壁的一些縣(縣級市)，到2013年減少為包括鄭州、焦作、新鄉的一些縣(縣級市)，總數由25個減少為13個；低低集聚型的縣域由2004年的主要包括南陽、信陽的大部分縣，許昌、周口、駐馬店、平頂山的個別縣，減少為2013年只包括南陽、信陽的一些縣(縣級市)，平頂山、信陽的個別縣，總數由18個減少為10個；2004-2007年沒有低高集聚型與高低集聚型的縣域，2010-2013年數量也很少。各縣農業機械動力投入整體集聚態勢逐漸減弱，趨向于平衡化的發展。

參考文獻：

[1]國家統計局.農業[EB/OL].2013-10-29/2015-07-23.http://www.stats.gov.cn/tjsj/zbjs/201310/t20131029_449446.html.

[2]馬海志，王福林，王慧鵬，等.基于改進BP神經網絡的黑龍江農機總動力預測[J].農機化研究，2016，38(2)：22-26.

[3]王笑巖,王石.基于BP神經網絡的遼寧省農機總動力預測[J].中國農機化學報,2015,36(2):314-317.

[4]尤文堅,葉雪英,唐仕云.基于徑向基神經網絡農機數量預測的研究[J].中國農機化學報,2013,34(2):38-41．

[5]張昭,朱瑞祥,朱虎良，等.基于灰色理論的陜西農業機械總動力預測[J].農機化研究,2011,33(5):46-48．

[6]劉玉靜,李成華,楊升明.遼寧省農機總動力組合預測與分析[J].農機化研究,2007(5):31-33．

[7]王志章.農業機械化對農民增收效應的實證研究[J].中國農機化學報,2015,36(2):310-314.

[8]崔紅艷.吉林省農業機械總動力及其影響因素分析[J].農機化研究，2015，37(12)：43-48.

[9]劉靜.考慮自變及因變影響的農機總動力組合預測模型[J].農機化研究,2015,37(4):230-236.

[10]郭兵.東北地區農業機械化發展形勢分析[J].中國農機化學報,2015,36(1):324-327.

[11]軒俊偉,鄭江華.基于ESDA的新疆農機動力空間格局分析.農機化研究，2015，37(8)：26-30.

[12]張燕,徐華君.中國農業機械動力空間格局分析[J].農機化研究，2015，37(11)：12-16.

[13]大河網-河南日報.河南10年農機補貼超60億,直接帶動農民購機投入300多億元[EB/OL].2014-04-27/2015-07-23.http://news.dahe.cn/2014/04-27/102790029.html.

[14]陳聰,劉彥隨.我國農區城鎮化時空格局及其影響因素—以河南省為例[J].經濟地理，2014,34(12):48-54.

[15]丁悅,蔡建明,任周鵬，等.基于地理探測器的國家級經濟技術開發區經濟增長率空間差異及影響因素[J].地理科學進展,2014,33(5):657-666.

[16]韓增林,許旭.中國海洋經濟地域差異及演化過程分析[J].地理研究,2008,23(3)：613-622.

[17]李媛芳,張曉平．中國城市居民生活用電碳排放差異及時空演變[J].熱帶地理,2015,35(2):250-257．

[18]劉慧．區域差異測度方法與評價[J].地理研究，2006，25(4)：710-718．

[19]徐建華.計量地理學[M].北京：高等教育出版社，2006:120-131.

[20]李波，張吉獻.中原經濟區城鎮化區域差異時空演化研究[J].地域研究與開發,2013，32(3):167-171.

The Analysis Space-time Evolution about County Agricultural Machinery Power Input in the Main Grain Product Areas —To Take 108 Counties (county-level cities) of Henan Province as an Example

Li Bo, Zhang Jixian

(School of Resources Environment & Tourism,Anyang Normal University，Anyang 455000，China)

Abstract：The agricultural mechanization is the important content of agricultural modernization.Taking county as the basic research unit, using the coefficient of variation and Atkinson index of regional differences in research methods, to analyses dynamic differences of agriculture mechanical power input in Henan province during 2004-2013 years, and used the exploratory spatial analysis method (ESDA), with the support of ArcGIS and DeoDa095i software, to analyze space- time spatial and temporal evolution characteristics of county agricultural mechanical power in Henan province in recent 10 years. The results show that: The average of agricultural mechanical power in each county presented growth trend in Henan province during 2004—2013 years, but the overall regional difference showed a tendency of shrinking; The county agricultural mechanical power showed a significant spatial positive correlation from 2004 to 2013 in Henan province, and showed obvious spatial agglomeration phenomenon; Local spatial agglomeration showed that northeast was relatively high and the southwest and southeast was lower; The number of counties of high concentration and low concentration is showing a trend of decreased, the counties trend to balance development.

Key words：agricultural mechanical power; county; coefficient of variation; Atkinson index; spatial autocorrelation; exploratory spatial data analysis

中圖分類號：S23-01

文獻標識碼：A

文章編號：1003-188X(2016)11-0058-06

作者簡介：李波(1982-),女，山西昔陽人，講師，碩士，(E-mail) 7380650@qq.com。通訊作者：張吉獻(1963-)， 男， 河南新鄉人， 教授，(E-mail) jixian 1000@126.com。

基金項目：河南省教育廳人文社會科學應用對策研究“三重”專項課題(2014—DC—002)

收稿日期：2015-12-16