中國種植業地理集聚：行業特征、專業分工與時空演變

賀亞亞，李谷成

中國種植業地理集聚：行業特征、專業分工與時空演變

賀亞亞，李谷成

（1.華中農業大學經濟管理學院，湖北 武漢 430070，2. 湖北農村發展研究中心，湖北 武漢 430070）

隨著工業化、城鎮化的加快，農業生產活動的空間集聚效應對現代農業經濟發展的作用更加凸顯，因此，了解中國農業地理集聚狀況及其演變規律尤為重要。本文利用克魯格曼指數和區位熵指數考察了1978-2012年間中國29個省（市、區）20種農作物的區域分工、專業化水平及演變規律，并結合全局和局部Moran's I指數分析了中國省域農作物的空間關聯性。研究結果表明：從專業分工角度來看，中國農業種植結構差異性逐漸增強，各地區農作物的專業化水平隨時間不斷變化，同時各作物種植優勢地區存在不同程度地轉移；從集聚分布情況來看，

中國絕大多數農作物都存在顯著的空間關聯性，在時空與地理兩種不同的關聯路徑下，農作物空間關聯性存在較明顯的差異，前者能反映出作物空間關聯性的動態變化。

種植業；專業分工；空間相關性；時空接近；地理集聚

賀亞亞， 李谷成. 中國種植業地理集聚: 行業特征、專業分工與時空演變［J］. 農業現代化研究， 2016， 37（3）: 496-504.

He Y Y， Li G C. Geographic concentration of China's crop industry: Characteristics， specialization， and the spatial and temporal evolution［J］. Research of Agricultural Modernization， 2016， 37（3）: 496-504.

因此，種植業的地理集聚是顯而易見的，基于行業角度的研究非常豐富，但是基于區域和空間角度的考察尚有欠缺，而這是非常重要的，因為地理集中和空間關聯是集聚的重要特征。肖衛東［11］、李二玲等［9］運用空間統計方法探索了種植業地理集聚的分布格局，發現中國種植業呈現明顯的“中心-外圍”模式，正向空間自相關性非常顯著。這在很大程度上豐富了農業地理集聚研究的深度，但是他們無一例外的都選擇了在地理鄰近模式下分析種植業地理集聚的分布格局。由于具備計算簡便的特性，地理鄰近被廣泛使用，但是單一模式使得空間關聯的分析受到限制。根據呂韜和曹有揮［12］的研究，僅僅基于地理鄰近意義來考察作物的空間自相關性是不全面的。隨著經濟不斷發展，交通基礎設施逐步完善，地區間的鄰近關系也在轉變。忽略時間因素，基于地理鄰近模式的空間權重矩陣已經不能客觀全面的反映真實空間的鄰接關系。

綜上所述，本文在已有研究基礎上，對以下幾個方面進行了一定拓展：第一，我們從地區層面考察了各地區的區域分工強度。在以往的研究中，大多數研究側重于從行業角度考察專業化水平及其變化，使得農業的區域分工特征無法反映，而這一點非常重要；第二，本文將時空鄰近模式引入到種植業的空間自相關分析中，綜合地理鄰近模式的空間自相關分析，研究不同模式對空間自相關分析的影響。

1 研究方法與數據來源

1.1 研究方法

1.1.1 克魯格曼（krugman）指數 克魯格曼指數即兩區域間的結構差異指數，主要考察兩地區間的結構差異性，進而衡量地區結構差異和專業化程度。本文利用這一評價指數分析全國各省份農業種植結構的差異，該指數的取值范圍為［0，2］。在兩種極端情況下，該指數達到臨界值，當兩地產業結構完全相同時，該指數為0；若兩個地區的產業結構完全不同，則該指數為2。根據該指數可以大致衡量行業專業化程度，指數值越大，說明地區專業化程度越高，種植結構差異越大。Krugman指數計算公式為：式中：下標i，j代表地區，k代表行業，Eik和Ejk表示i地區和j地區k行業的播種面積，Ei、Ej分別表示i地區和j地區種植業總播種面積。鑒于種植業產量受氣候、環境的影響會有較大的波動，而且部分年份的產量數據存在缺失，因此本文最終確定選取各作物播種面積數據來測算各指標值。

1.1.2 區位熵 區位熵指數（Q）是通過測度某區域的行業結構與全國平均水平之間的差異，并以此來評價一個區域的專業化水平，常用于研究某一產業在各個區域的專業化程度，同時可根據某一地區的區位熵指數判斷該地區的專業化產業和主導產業。當Qik＞1時，說明i地區k產業具有比較優勢；當Qik=1時，表明i地區k產業處于均勢；而Qik＜1時，則表明i地區k產業處于比較劣勢。區位熵計算公式為：

Qik=（Eik/Ei）（Ak/A） （2）

式中：Qik代表i地區k行業的區位熵，Eik表示i地區k行業的播種面積，Ei表示i地區的種植業播種面積，Ak表示全國k行業的播種面積，A表示全國種植業主要農作物的總播種面積。

1.1.3 空間自相關分析 空間自相關分析是通過檢驗某種地理現象或某一變量的整體分布狀況，以此來判斷此現象或屬性值在空間上是否存在聚集特性。

這里用全局Moran's I指數來考察空間自相關關系，以進一步明確農業地理集聚的空間分布格局。其計算公式如下：

局部空間自相關系數可以考察地區間的空間關聯程度，其計算公式如下：式中：wij是空間權重矩陣W的元素，x-為樣本均值，S2為樣本方差。Moran's I指數的取值區間為［-1，1］，大于0表示該空間事物的屬性分布具有正相關性；小于0表示該空間事物的屬性分布具有負相關性；接近于0表示屬性是隨機分布的，不存在空間自相關性。

時空接近意義下的空間權重矩陣中元素的計算公式為：式中：用t （i，j）表示i地到j地的最短時間，t （i，j）越小說明兩地聯系越強，反之則越弱。λt （i，j）是時間距離（根據模糊數學中截集的概念進行界定）。為了簡化計算，本文利用行政中心所在地替代各空間單元，t （i，j）代表了i，j兩省份中省會城市（直轄市）間的最短時間距離。

地理鄰近意義下，空間權重矩陣的元素則沿用已有文獻的慣常處理方法進行設置，即：當省份i 和j相鄰時，令W（i，j）=1；反之，令W（i，j）=0。

1.2 數據來源及其處理

由于農業生產受自然條件的影響較大，本文將基于省域20種農作物的播種面積數據進行考察。數據縱向覆蓋15 a（1998-2012年），橫向覆蓋中國大陸31個省份（直轄市、自治區），香港、澳門和臺灣地區由于數據不可得而未包括在研究范圍之內。文中采用的數據均來自中國國家統計局，具有一致的指標統計口徑。同時由于海南和重慶分別于1988年和1997年成為直轄市，為便于計算，本文將海南和重慶所有年份的數據分別并入廣東和四川，處理后共29個空間單元。另外，在考察時空接近意義下的空間自相關時，考慮到交通基礎設施隨時間不斷更新完善，省會城市間往來便利，時間距離不斷縮小，故而以考察期末期（2012年）為例進行測算，而省會城市間的時間距離取兩地往返最短時間的算術平均值作為兩地間最短時間距離。其中省會城市間往返時間通過查詢極品列車時刻表獲取，其數據來源于中國鐵道出版社。

2 種植業的專業分工及演變規律

2.1 區域分工強度

為了考察農業區域結構差異，我們根據公式（1）計算出1978-2012年各省域間種植業的克魯格曼指數。本文列出了1978、1990、2002和2012年四個年份里各省（市、區）間與全國其他省區克魯格曼指數的算術平均值（表1）。根據表1的結果，我們不難發現中國種植業區域分工情況在全國和地區層面呈現不同特征。

表1 各地區間種植業區域克魯格曼指數Table 1 Krugman indices of the crop industries among different regions

在全國層面上，農業區域分工的一個主要特征是分工強度普遍偏低。考察期內，省區間農業區域分工平均水平處于一個相對較低的狀態，指數平均值長期低于1。而在1978年有接近1/3的地區其區域分工指數都不到0.500，這說明該時期絕大多數地區的種植業生產均在一定程度上存在同構現象。到2012年，平均克魯格曼指數超過1的地區也不到全國的35%，這都反映出我國農業區域分工有很大的提升空間。雖然目前的分工強度并不高，但其總體發展態勢較好，由1978年的0.707增至2012年的0.962，增長了36.2%，這表現出農業區域分工的另一個重要特征——增長趨勢穩定，地區間分工程度在不斷深化，省（市、區）的種植業結構差異逐漸拉大。以2012年為例，根據分工強度和增長速度，可以將各地區劃分為四種類型：高強度低增長型（本文以全國平均水平為基準，來判斷各地區的分工強度和增長速度的高低程度），包括遼寧、吉林、浙江、福建、湖南、廣東和廣西；低強度高增長型，包括北京、天津、河北、山西、內蒙古、江蘇、安徽、山東、河南、云南、四川、陜西以及寧夏，低強度低增長型，包括上海、湖北、貴州、西藏以及甘肅，最后是高強度高增長型，包括江西、黑龍江、青海和新疆，低強度高增長類型的地區占大多數。

在地區層面上，無論是分工強度抑或增長幅度上，區域分工表現出明顯的非均衡特征。就平均分工指數而言，福建排名長期居于前列。1978年其與過半的省域分工指數都超過1，但與廣東、浙江、湖南、廣西、上海分工指數不及0.500，其中與廣東的分工指數僅0.120，分工指數長期處于較低水平的四川省與其他省區的分工指數均低于1，其中與吉林的分工指數最高（0.809），而其與同處西南地區的云南和貴州分工指數卻最低（0.217、0.233）。就增長幅度而言，增幅最大當屬陜西省，增長了59.8%，最小的為上海市，增長了13.6%，其他地區的增長幅度也各不相同，由此可見地區間分工增長速度各異，專業化分工發展的非均衡特征較明顯。經過35 a的發展，到2012年，福建與其它省（市、區）區域分工指數的平均值增至1.085，其中與新疆的區域分工指數高達1.588，同時與地處西北和華北的多省（陜西、山西、青海、甘肅、河北等地）分工指數都超過1.400，而與廣東、浙江的分工指數仍維持在較低水平（0.321、0.326），這反映了省際間區域分工程度存在較大差距；四川與吉林的分工指數達到1.016，與云南、貴州的分工指數分別增至0.436、0.284，相較于1978年，分工指數都有一定提升，說明其鄰近地區的分工趨同性也在逐漸降低（表1）。此外，到2002年，江西分工指數已經超越福建居于第一，這也是地區間專業化分工發展非均衡性的體現。

2.2 專業化水平

本文利用公式（2）計算出1978-2012年各地區20類農作物的區位熵指數。從各作物的平均專業化程度來看，糧食作物的專業化程度普遍較低（表2），為了保障糧食安全，解決人民的基本生存問題，全國各地都大面積種植糧食作物以保證口糧供給，這或許是導致其平均專業化優勢不明顯的原因之一。另外，我們注意到絕大多數經濟作物擁有較高專業化水平，這在一定程度上反映出我國的農業結構調整成效顯著，正由二元經濟逐漸向多元經濟轉變。

積極向上的大學校園文化作為一種環境教育力量，是大學生精神食糧獲取的重要渠道。通過和諧豐富的校園文化活動，吸引年輕有激情的大學生的注意力，充實他們的大學生活，提高生活學習質量，引導他們樹立健康的人生觀、價值觀和愛情觀。因此高校應立足辦學特點和校風校訓，以高尚的健康的校園文化理念來引領校園文化建設，打造具有本校特色和時代特征的人文環境氛圍，讓積極向上的校風學風滲透到學生內心，外化于學生行為，從而推進大學生精神文化建設，營造健康豐富的內心世界。

表2 1978-2012年各作物的平均專業化程度Table 2 Average specialization level of each crop during 1978-2012

通過對各地區作物的專業化測度，我們發現不僅是同一省區的不同行業之間，而且同一行業在不同省區間的專業化指數也都存在一定程度的差異，這正是區域分工在行業結構方面的表現（表3）。通過衡量地區種植業專業化水平，可以反映優勢行業的地區分布，進而揭示區域分工的基本格局。

2.2.1 地區層面分析 通常認為，區位熵指數大于1的行業是具有專業化優勢的，在考察期內每一地區的行業專業化水平差異巨大（表3）。地區層面的專業化特征表現為兩點：一是各地區專業化優勢行業具多樣性。比如大城市郊區（天津、上海）的蔬菜專業化優勢突出，水果類北方的河北、遼寧、陜西蘋果具有專業化優勢，四川、湖南、浙江、江西的柑橘專業化優勢明顯，這與我國產業優勢布局是一致的。此外，某一地區區位熵指數大于1的行業數目也不盡相同，多的達9種，少的也有4種。二是同一地區行業的年均專業化水平差距較大。各地區的行業專業化差距從數倍到上千倍不等，其中差別最大的是福建，該省具有專業化優勢的產業不僅多（9個），而且優勢產業間差異也最大。以2012年為例，福建省所有作物中專業化程度最高的分別是柑橘、香蕉和烤煙，其專業化指數分別為5.623、4.976、3.396，專業化程度最低的三類產業分別是棉花（0.003）、小麥（0.007）、玉米（0.090），棉花專業化指數不足柑橘的1/4000。行業平均專業化差異最小的是天津，最大與最小區位熵值之間僅差6倍。

2.2.2 行業層面分析 與地區層面的差異化相對應，在行業層面上，各地區的專業化指數也表現出明顯差異。比如省區間差異最大的是棉花產業，在全國范圍內，新疆的棉花專業化指數是首屈一指的。從1980年開始，中國棉花的生產格局發生明顯的變化，在空間上表現為向新疆集中［13］，以我們的計算結果為依據，從縱向進行比較，新疆棉花2012年的專業化指數比1978年的增加了近7倍，而從橫向進行對比，新疆棉花的專業化指數是福建省的8 406倍，這很可能是新疆與其他省區地區專業化分工較高的原因之一。2012年省區間專業化差異最小的行業是蔬菜產業，其中上海的專業化指數最高（2.778），而黑龍江最低（0.164），這也許是上海與其他省區的區域分工強度處于較低水平的因素之一。不難發現行業專業化較高的地區與其他地區間區域分工程度也相對較高，專業化水平較低的地區間分工水平往往較低。這在一定程度表明，專業化指數與區域分工指數在反映區域專業分工問題上具有一致性。

2.2.3 時空演變規律 為了進一步深入分析種植業生產的時空演變規律，我們考察了1978-2012年各行業的種植優勢地區及其對應的專業化水平（表4和表5），結果發現各行業的優勢地區存在不同程度變化。糧食作物中，水稻播種面積排名前五位，具有種植優勢的省份由1978年的湖南、廣東、江西、四川、湖北變成2012年的湖南、江西、黑龍江、江蘇、安徽。在這些省份里，黑龍江的規模變化尤為明顯，播種面積由224.300萬hm2增至3 069.800萬hm2，在全國水稻播種面積的比重增加了近十個百分點，與傳統水稻大省湖南和江西的差距不斷縮小。可見稻谷種植有由中南地區向東北地區演化的趨勢。小麥主產省份中黑龍江的播種面積不斷下降，江蘇和安徽卻保持著不斷增長的良好勢頭，種植格局由東北部地區向中東部地區轉移，并在山東、河南、河北形成一定集聚。玉米的種植優勢省份集中在黑龍江、吉林、河北、山東、河南。大豆在東北地區專業化優勢明顯，其種植優勢省份穩中有變，內蒙古地區成為新種植優勢省份，其專業化水平也較高。馬鈴薯的種植優勢省份主要集中在西南地區，但其專業化優勢地區有向西北轉移的趨勢。經濟作物中棉花的生產有向西北轉移的趨勢，新疆成為新的專業化優勢和種植優勢地區。花生的生產逐漸向中東部地區轉移，河南和遼寧的種植優勢和專業化優勢逐漸凸顯。其他作物也形成一定集中生產，比如甘蔗在廣東、廣西、云南、四川連片生產，形成我國重要的糖料生產基地。甜菜在黑龍江、內蒙、河北、山西連片生產。香蕉在南部廣東、云南、廣西形成香蕉集聚生產區域。根據新經濟地理理論，地理位置和歷史優勢是集聚的起始條件，粵、滇、桂三地的地理優勢構建了集聚形成的基礎，同時，三個地區在香蕉生產中實行良種引進、推廣及技術引進，對促進集聚深化有一定助益。

表3 各地區的行業區位熵差異情況Table 3 Location quotient difference among regions of each crop during 1978-2012

表4 1978、1990、2002和2012年中國主要作物的區位熵排名前五的省份Table 4 Top five provinces of Q of main crop in China （1978， 1990， 2002 and 2012）

表5 1978、1990、2002和2012年中國主要作物播種面積排名前五的省份Table 5 Top five provinces of planted area of main crops in China （1978， 1990， 2002 and 2012）

3 種植業內部各行業的時空關聯性

3.1 全局空間自相關

通過對區域分工強度和專業化程度的考察，我們發現1978-2012年我國種植業專業化程度不斷上升，同時區域結構差異也愈加明晰，各產業已形成一定的地理集中。為了進一步深入了解地理集聚的分布格局，本文利用公式（3）計算出2012年地理鄰近意義和時空接近意義下各作物生產的全局空間自相關系數（表6、表7），并對比二者的差異（根據查詢結果得出各地區間最短時間距離的分布區間為（0.5，89），因此在本文中，我們選取的時間截集由1 h開始，并以1 h為步長遞增到89 h，受篇幅所限，表6只列出了λt （i，j） =1 h、2 h和3 h三種截集下各作物的Moran's I指數）。

3.1.1 地理鄰近意義下的種植業時空關聯特征 由表6可發現，在隨機分布假設檢驗下絕大多數Z統計值都大于1.69，這表明在地理臨近意義下大部分作物均存在空間自相關關系。接下來，我們區分糧食作物和經濟作物進行觀察可以發現，一方面本文所考察的糧食作物中絕大多數均存在顯著的空間自相關關系，其中以玉米的空間自相關關系最為緊密，Moran's I值達0.498。目前玉米已經逐漸成為繼水稻之后的重要糧食作物，除做口糧外更多的是用作飼料，在畜牧業蓬勃發展的背景下，玉米的需求會不斷擴大，一定程度上會引致全國范圍內玉米的供給增加，在大規模的種植過程中，地區間技術、要素存在溢出和擴散，這很有可能促進玉米空間關聯性在一定程度上的提高。另一方面經濟作物生產的空間自相關關系是不均衡的，兩級分化情況比較嚴重，例如花生、甘蔗、柑橘、蔬菜在1%水平下非常顯著，而梨、葡萄、紅黃麻等卻并未表現出明顯的空間關聯特征。

表6 2012年各作物在地理鄰近意義下的全局空間自相關系數Table 6 Global moran's I indices for space proximity of each crop （2012）

表7 2012年各作物時空接近意義下的全局空間自相關系數Table 7 Global moran's I indices for spatial-temporal proximity of each crop （2012）

3.1.2 時空接近意義下的種植業時空關聯特征 觀察表7可以看出以下兩點，一是在時空接近意義下，作物的空間關聯關系仍然是不均衡的，即便是同類作物，空間自相關關系也各有不同，比如水果作物中柑橘、梨的Moran's I指數較大且通過了1%水平的顯著性檢驗，而香蕉、葡萄的Moran's I指數未通過10%水平的顯著性檢驗，這一點與地理鄰近的空間關聯性一致。二是隨著時空距離增加，作物的Moran's I指數值呈不同幅度的下降趨勢。一種表現為隨著λt （i，j）的增加，空間相關性由顯著逐漸變得不顯著，這類作物有大豆、馬鈴薯、花生、烤煙、蘋果以及梨，另一種雖然一直具有穩定而顯著的正向空間自相關關系，但是指數逐漸向0靠近，這類作物包括了稻谷、小麥、玉米、柑橘、青飼料等。以上分析表明，隨著時間距離的增加，農作物的空間自相關關系有由空間集聚向空間分散演變的趨勢。在早年的研究中，有學者發現交通運輸會影響農業生產布局、農業生產集約度和農業發展［14-15］，由此推測，如果加強基礎設施的建設，提高交通運輸的便利性，縮短地區間的時間距離，那么在增強作物生產的空間關聯性的基礎上，可以促進地區間協調發展，從而推動種植業的集聚。

3.1.3 不同鄰近意義的對比 從表6和表7可以發現兩個主要差異，一是不同鄰近意義下的作物空間關聯性存在差異。比如玉米和柑橘，其空間自相關關系都通過顯著性檢驗，但在時空接近意義下的空間自相關指數均大于其在地理鄰近意義下的空間自相關系數，同時各自的空間關聯顯著性也有差異。更進一步，我們綜合所有的農作物進行全面對比后發現，部分作物在兩種不同空間聯系模式下空間關聯性呈現出截然相反的特征。比如，蔬菜在時空接近意義下正向空間自相關關系已不再顯著。二是不同鄰近意義下，存在空間自相關關系的作物數目也不相同，時空鄰近意義下存在空間自相關的作物更多。由此，我們認為空間關聯性的測算對所選的權重矩陣依賴性很強。

3.2 地區內部作物的空間依賴性

前面我們分析了種植業在全國整體層面的空間關聯性，然而每種作物在各地區內部空間關聯性卻無法判斷。因此我們關心局部地區的空間關聯特征是否與全局空間自相關關系保持一致。

依據全局空間自相關關系的顯著性，本文將作物劃分為兩大類（表8），發現如下特征：其一，每種作物的空間集聚模式存在差異。空間集聚模式共四種類型，分別為高高集聚模式（HH）、高低集聚模式（HL）、低低集聚模式（LL）和低高集聚模式（LH）。以水稻為例，其空間集聚模式有三種，江西、湖北、湖南、廣東、廣西和四川等地周圍被水稻種植面積大的地區圍繞，在河北、山西和甘肅地區形成顯著的低低集聚模式，而黑龍江地區形成高低集聚。其他作物也對應著各自不同的局部集聚格局；其二，全局空間自相關與局部空間自相關并無一致性。全局空間自相關顯著的作物，這種顯著的空間關聯性并不存在于所有地區。同樣，全局空間自相關不顯著的行業，在不同地區有可能存在不同類型的集聚模式（表8）。這說明，全局空間自相關分析結果很可能會掩蓋局部地區的空間關聯關系。比如青飼料的全局空間自相關關系未通過顯著性檢驗，但其局部空間自相關關系卻不應忽視，湖南和貴州被青飼料種植面積大的地區包圍，而內蒙古地區被青飼料種植面積小的地區圍繞。

表8 2012年地理鄰近下作物的局部空間集聚類型Table 8 Local spatial concentration pattern for space proximity of each crop （2012）

4 結論與政策建議

4.1 結論

本文利用1978-2012年間全國省域主要農作物播種面積數據，采用克魯格曼指數、區位熵指數和空間自相關分析，從行業、地區、時空三個層面全面分析了我國農作物的地理集聚特征。

首先，從專業分工來看，地區間種植異構性均有不同程度增強，表明專業化分工進一步加強，且各區域作物專業化水平迥異，經濟類作物呈現出相對更高的專業化水平，此外，大部分作物都存在一定的地理集中，且各產業的優勢區域隨時間推移存在不同程度遷移。

其次，在不同鄰近模式下大多數農作物均存在顯著的空間自相關特征。地理鄰近下作物全局空間自相關特征比較顯著，這與已有研究結論是一致的，同時各行業表現出不同的空間集聚模式，更重要的是我們發現時空接近比地理鄰近更能說明作物的空間動態聯系，隨著時間距離的增加，時空接近下農業有由空間集聚向空間分散演變的趨勢。所以縮小時間距離，無疑有益于作物的地理集中。

4.2 政策建議

根據以上研究結論，本文認為為了優化區域布局，促進農業生產的規模化、專業化，可以從以下幾方面著手：

第一，應根據各地區的自然條件、資源稟賦制定不同的農業生產政策，引導地區的專業化生產，比如在新疆地區，可以加大機械投入，逐步實現規模化的機械作業，以充分利用其豐富的土地資源和平坦的地勢條件，進一步增強其專業化水平，明確區域間分工。

第二，加強交通基礎設施的建設，降低地區間運輸成本。縮短時間距離克服農產品生產的地域性問題，可以增進地區間的物質流通和技術擴散。比如在以湖北、江西等地柑橘產業為例的產業集聚區，完善鐵路、高速公路等交通設施，在擴大產業生產的同時，時間距離的縮短為農產品的投入要素和產品的空間轉移提供便利，在一定程度上可以加速其對鄰近地區的要素和技術交流，從而促進種植業地理集聚，優化產業布局。

［1］ 賀燦飛， 潘峰華. 產業地理集中、產業集聚與產業集群: 測量與辨識［J］. 地理科學進展， 2007， 26（2）: 1-13. He C F， Pan F H. Geographical concentration and agglomeration of industry measurement and identification［J］. Progress in Geography， 2007， 26（2）: 1-13.

［2］ 王艷榮， 劉業政. 農業產業集聚形成機制的結構驗證［J］. 中國農村經濟， 2011（10）: 77-85. Wang Y R， Liu Y Z. A structural verification of the formation mechanism for agricultural cluster［J］. Chinese Rural Economy，2011（10）: 77-85.

［3］ 陸文聰， 梅燕. 中國糧食生產區域格局變化及其成因實證分析——基于空間計量經濟學模型［J］. 中國農業大學學報（社會科學版）， 2007， 24（3）: 140-152. Lu W C， Mei Y. Empirical studies on the variation and contribution factors of regional grain production structure in China: Based on spatial econometrics models［J］. China Agricultural University Journal of Social Sciences Edition， 2007， 24（3）: 140-152.

［4］ 王偉新， 向云， 祁春節. 中國水果產業地理集聚研究: 時空特征與影響因素［J］. 經濟地理， 2013， 33（8）: 97-103. Wang W X， Xiang Y， Qi C J. Study on geographic agglomeration of fruit industry in China［J］. Economic Geography， 2013， 33（8）: 97-103.

［5］ 呂超， 周應恒. 我國農業產業集聚與農業經濟增長的實證研究——基于蔬菜產業的檢驗和分析［J］. 南京農業大學學報（社會科學版）， 2011， 11（2）: 72-78. Lü C， Zhou Y H. An empirical study of agri-industrial agglomeration and agri-economic growth: Based on the test and analysis on vegetable industry［J］. Journal of Nanjing Agricultural University （Social Sciences Edition）， 2011， 11（2）: 72-78.

［6］ 張怡. 中國花生生產布局變動解析［J］. 中國農村經濟，2014（11）: 73-95. Zhang Y. An analysis of the changes in location of peanut production in China［J］. Chinese Rural Economy， 2014（11）: 73-95.

［7］ 鐘甫寧， 胡雪梅. 中國棉花生產區域格局及影響因素研究［J］.農業技術經濟， 2008（1）: 4-9. Zhong F N， Hu X M. A study on the changing of cotton production regions and it's influencing factors［J］. Journal of Agrotechnical Economics， 2008（1）: 4-9.

［8］ 肖衛東. 中國種植業地理集聚: 時空特征、變化趨勢及影響因素［J］. 中國農村經濟， 2012（5）: 19-31. Xiao W D. Geographic cluster of China's cropping industry: Temporal and spatial features， tendency and causal factors［J］. Chinese Rural Economy， 2012（5）: 19-31.

［9］ 李二玲， 朱紀廣， 李小建. 2008年中國種植業地理集聚與專業化格局［J］. 地理科學進展， 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 classifcations［J］. Progress in Geography， 2012， 31（8）: 1063-1070.

［10］ 李二玲， 龐安超， 朱紀廣. 中國農業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］. Progress in Geography， 2012 ， 31（5）: 885-898.

［11］ 肖衛東. 中國種植業地理集聚的空間統計分析［J］. 經濟地理，2014， 34（9）: 124-129. Xiao W D. Spatial statistics analysis of China's planting geographic agglomeration［J］. Economic Geography， 2014， 33（9）: 124-129.

［12］ 呂韜， 曹有揮. “時空接近”空間自相關模型構建及其應用——以長三角區域經濟差異分析為例［J］. 地理研究， 2010， 29（2）: 351-360. Lü T， Cao Y H. Construction of spatial autocorrelation method of spatial-temporal proximity and its application: Taking regional economic disparity in the Yangtze River Delta as a case study［J］. Progress in Geography， 2012， 29（2）: 351-360.

［13］ 朱會義. 1980年以來中國棉花生產向新疆集中的主要原因［J］.地理研究， 2013， 32（4）: 744-754. Zhu H Y. The underlying cause for the concentration of China's cotton production in Xinjiang［J］. Geographical Research， 2013，32（4）: 744-754.

［14］ Thünen J H V， Hall P G. Von Thünen's Isolated State: An English Edition of Der Isolierte Staat［M］. Oxford: Pergamon Press， 1966.

［15］ Brinkmann T. Economics of the Farm Business［M］. Berkeley: University of California Press， 1935.

（責任編輯：王育花）

Geographic concentration of China's crop industry: Characteristics， specialization， and the spatial and temporal evolution

HE Ya-ya， LI Gu-cheng
（1. College of Economics and Management， Huazhong Agricultural University， Wuhan， Hubei 430070， China； 2. Center for Hubei Rural Development， Wuhan， Hubei 430070， China）

With the rapid development of industrialization and urbanization， the geographic concentration of agricultural production activities in China has played a critical role in the agricultural industry. To understand the geographic concentration of the crop industry in China， this paper examined the spatial relationship among different provinces for different crops by calculating the division of labors， the industry specialization levels， and the global and local Moran's I index of 20 crops in China from 1978 to 2012. Results show that the structural difference of China's crop industry in different regions become bigger， and specialization level of crops has been changing. Besides，privileged areas for certain crops has been moving in varying degrees. The analysis also confirmed that significant spatial autocorrelation exists among a vast majority of crops. In particular， we found that spatial autocorrelation of crops differ in temporal-spatial and geographical relation paths， the former presents a more obvious dynamic change of spatial autocorrelation of crops.

crop industry； specialization； spatial correlation； spatial -temporal proximity； geographic

農業增長問題一直以來都是農業經濟領域的熱點問題。長期以來，經濟學家都認為以發揮比較優勢為導向，組織農業經濟活動，將使各地區的經濟增長趨于收斂，地理因素在多數有關農業增長的研究中被忽視。然而由于交易成本的存在，地理因素不可小覷。隨著工業化、城鎮化的加快，農業產業結構不斷調整，農產品的空間布局也隨之發生明顯的變動。如何綜合考察農業生產活動的集聚現狀，從而在長期中全面認清其演變特征及規律，促進產業布局的優化是亟待解決的問題。

根據賀燦飛和潘峰華［1］、王艷榮和劉業政［2］的研究，本文認為農業地理集聚是各農業產業（農作物）在地理空間上的聚集或集中，其特征可以由產業地理上的鄰近和產業之間的聯系程度（空間關聯性）來表示。陸文聰和梅燕［3］的研究表明，1978年以來中國的糧食生產區域布局發生顯著變化，東北和西部的部分省區成為了新的糧食主產區。王偉新等［4］發現，中國水果產業地理集聚呈現出緩慢下降趨勢，西部地區是其主要聚集地。其他作物，如蔬菜、花生、棉花等的生產格局也有著明顯的變動［5-7］。除此之外部分研究對中國種植業整體進行了考察，肖衛東［8］的研究表明，中國種植業整體上具有顯著的地理集聚特征，而不同農作物生產的地理集聚存在顯著差異，對種植業進行更進一步的細分之后，李二玲等［9］發現從大類來看，種植生產相對分散，相對更細的小類作物更集聚并呈現出更高的專業化水平。不僅如此，農業地理集聚的格局演變更是經歷了由自然集聚向社會集聚過渡的歷程［10］。

National Natural Science Foundation of China （71273103， 71473100）； Program for the TOP Young Talents of “ Ten thousand Person Project ” of China.

LI Gu-cheng， E-mail: lgcabc@mail.hzau.edu.cn

4 August， 2015；Accepted 22 February， 2016.

F304.5

A

1000-0275（2016）03-0496-09

10.13872/j.1000-0275.2016.0046

國家自然科學基金項目（71273103，71473100）；國家“萬人計劃”青年拔尖人才支持計劃。

賀亞亞（1990-），女，湖北荊州人，博士研究生，主要從事農業經濟學、農業技術經濟學研究，E-mail：heyaya@webmail.hzau. edu.cn；李谷成（1982-），男，湖南長沙人，教授，博士生導師，主要從事農業經濟學、農業技術經濟學研究，E-mail：lgcabc@mail.hzau. edu.cn。

2015-08-04，接受日期：2016-02-22