云南省茶葉產量空間分布格局研究

□王思琦，楊紹微

（1.西南林業大學文法學院，云南 昆明 650224；2.西南林業地理與生態旅游學院，云南 昆明 650224）

1 研究背景及研究區域概況

黨的十九大強調堅持農業農村優先發展，全力推動“三農”工作高質量發展。云南省是多民族山區省份，茶葉產業對解決云南省“三農”問題具有十分重要的意義，是影響山區、半山區經濟收入的重要因素。茶葉產量的空間分布格局可以在一定程度上反映出云南省茶區的經濟收入與茶葉產量的關系。從時間和空間兩個維度探討茶葉產量的空間分布格局具有十分重要的意義，可以為云南省茶葉生產布局實踐、茶葉產業可持續發展提供一定的實證參考。

云南省是我國四大茶產區之一，也是世界茶葉的主要產地。云南省優越的氣候條件為茶樹營造了良好的生長環境。目前，全球已發現的茶樹種類有40 種，其中包含3 種變種類型；云南省有23 個茶樹種，其中1 種變種是云南特有種。經過多年的辛勤耕耘，科研人員在云南省獨特的茶葉品種基礎上，培育出一系列優質茶產品。2016 年，云南省茶園面積達4 萬hm，在全國排名第二，采摘面積達38 萬hm，綜合產值達670 億元，茶葉產量37.5 萬t，茶農來自茶產業的人均純收入為2 900 元。

2 數據來源與研究方法

2.1 數據來源

文章選取茶葉產量指標，研究云南省茶葉產量的時空演變，數據均來源于《云南省統計年鑒（2001—2020 年）》。2000—2019 年云南省行政區劃發生了數次變化，基于時間和空間數據的一致性，對部分地級市的縣域進行歸并，最后選取了129 個縣（區）作為研究對象。云南省地圖矢量數據來源于國家基礎地理信息數據庫。

2.2 研究方法

2.2.1 空間自相關方法

空間自相關法包含全局自相關和局部自相關，即同時根據要素位置和要素值度量空間上一個位置的某種地理現象或某一屬性值與鄰近位置上同一現象或屬性。

Moran’s I 指數是全局自相關統計量，用于研究空間對象某一屬性取值的總體分布狀態，如公式（1）所示。

式中：是樣本數；y與y表示或縣域的屬性值；代表所有縣域的均值；w為空間權重矩陣的元素，用以度量地理事物之間的聯系。

LISA 指數（Local Moran’s I）是局部自相關統計量，用于研究空間對象某一屬性取值的局部分布狀態。Local Moran’s I 可分為4 個區域：H-H、L-L、H-L、L-H，即高值聚集區、低值要素聚集區、高值要素四周被低值要素包圍區和低值要素四周被高值要素包圍區，如公式（2）（3）所示。

式中：為樣本數，y代表要素的屬性，代表對應屬性的平均值，w代表要素和之間的空間權重矩陣的元素。

2.2.2 趨勢面分析

趨勢面分析是指用數學曲面模擬地理系統各要素的空間分布和變化趨勢。其實質是運用回歸的分析原理，將顯著的變量分解成反映宏觀分布規律的區域變化分量、反映宏觀分布規律的局部變化分量和由隨機因素形成偏差的隨機變化分量。隨機變化分量如公式（4）所示。

式中：Z為觀測值；T為反映區域性變化的分量；N為反映圍觀局部特征的分量；e是隨機變化分量，即表述隨機因素控制的變化。

2.2.3 克里金插值法

克里金插值法是一種以區域化變量為研究對象的無偏估計方法，通過變差函數量化觀測數據的空間相關性，用于估算未采樣位置的屬性值，如公式（5）所示。

3 結果與分析

3.1 空間自相關分析

3.1.1 全局空間自相關分析

為了探究云南省茶葉產量整體空間分布格局，借助GeoDa 軟件對云南省2000—2019 年6 個截面茶葉產量數據進行全局空間自相關分析，結果如表1 所示。臨界值均大于2.58，值均為0.001，通過了1%水平下的顯著性檢驗，存在相關性的可能性大于99%。全局Moran’s I 指數為0.455～0.623，說明云南省相鄰縣域的茶葉產量存在相關關系，高值區與高值區相鄰、低值區與低值區相鄰。

表1 全局空間自相關檢驗結果

茶葉生產的空間分布呈現出顯著的正向空間自相關性，且具有明顯的區域集聚特征。2000—2005 年，全局Moran’s I 指數從0.562 上升到0.623，2015 年由0.623 逐漸下降到0.455，2019 年上升到0.603，可見云南省茶葉產量空間的全局Moran’s I 指數出現了波動。

從圖1 可以看出，云南省茶葉產量的空間自相關特征表現為高-高、低-高、低-低3 種空間聚集形式，第一象限的數據點多且分布比較散亂，第三象限數據點分布比較密集，第二象限的數據點數量較少，且空間聚集程度介于前兩者之間，第四象限有一些零散分布的數據，由此可知云南省茶葉高、低產量區的空間分布比較聚集。

圖1 云南省2000—2019 年茶葉產量Moran's I 散點分布圖

此外，2000—2019 年茶葉產量Moran’s I 散點值在4 個象限的空間分布特征具有一致性，呈現出“高者恒高，低者恒低”的特點，說明云南省茶葉產量不僅表現出顯著的空間正相關，形成空間上的聚集，即整體上云南省茶葉產量存在顯著的聚集特征，而且具有比較穩定的空間正相關，即云南省茶葉產量的顯著聚集特征具有穩定性。

3.1.2 局部空間自相關分析

全局Moran’s I 指數是總體性指標，反映出區域觀測值的總體空間差異，掩蓋了局部區域的差異變化。為進一步揭示云南省茶葉產量在“領域空間”的自相關性，采用Local Moran’s I 指標測度云南省某縣（區）與相鄰縣（區）茶葉產量的相關性。

結果表明，其與全局自相關分析結果一致，即在局部范圍內茶葉產量呈現出較強的空間集聚性。在云南省茶產業分布特點上，H-H 和L-L 反映了空間聚集性，H-L 和L-H 反映了空間異質性，不明顯區域是未通過顯著性檢驗的區域，即無法在現有條件下準確判斷其所屬類型。

如表2 所示，某些縣域的空間關系并不顯著，在顯著的區域中空間同質性的區域數占比較大，呈現空間正相關的縣域數量較多，H-H 象限的單位數從2000 年的19 增加到2005 年的20 后基本保持穩定，L-L 象限的個數一直保持在42，L-H 象限的縣域數量處于波動狀態，H-L 象限的區域數從2000 年的4 逐步下降到2019 的1。LISA 集聚圖中的不顯著縣域，即未通過顯著性檢驗的區域，表明其與鄰近的縣（區）沒有密切關系，在茶葉生產中也沒有相互聯系。

表2 2000—2019 年云南省茶葉產量Moran 指數變化

通過計算各時間截面茶葉產量的Local Moran’s I值及其顯著性，在Z檢驗的基礎上（≤0.05）繪制2000－2019 年各縣（區）茶葉產量LISA 集聚圖，如圖2 所示。從空間格局看，H-H 象限主要位于西雙版納州、臨滄市和普洱市三大茶區，2000—2019 年這三大茶葉產區始終保持著顯著的聚集趨勢。2000—2019 年的L-L 象限單元處于滇中東部、北部原上湖盆的溶丘區以及西北橫斷山區的“零值區”，這些區域大多屬于茶葉種植不適宜區或低適宜區。L-H 象限的縣域不同程度地分散在H-H 聚集區周圍。H-L 象限零散地分布于文山州和紅河州，2010—2015 年的H-L 類型縣域主要分布于滇西南H-H 類型的周圍，到2019 年只分布于廣南縣。從時間和空間兩個維度綜合分析，云南省茶葉產量高-高聚集區和低-低聚集區的分布區域具有穩定性，并且云南省茶葉產量有明顯的空間聚集特征。

圖2 云南省2000—2019 年茶葉產量LISA 聚類圖

3.2 趨勢面分析

ArcGIS 10.6 用自然斷點法將茶葉產量分為3 類，并用空間數據表示，如圖3 所示。從云南省2019 年茶葉產量空間格局看，茶葉產量的空間分布呈現“雙核心”特征，一個核心區為西雙版納州的勐海縣，另一個核心區是昌寧縣、鳳慶縣和云縣形成的區域。茶葉中產量和低產量區都以核心區為中心分布，隨著與雙核心區距離的增加，茶葉產量逐漸下降。此外，云南省各縣茶葉產量的地域空間差異較大，大致呈現出“西多東少，南多北少”的空間分布特征。

圖3 云南省2019 年茶葉產量空間格局分布圖

通過ArcGIS 10.6 中的趨勢分析模塊可以得知云南省各縣域茶葉產量的空間分布特征及其異向性分布特征參數，進而更準確地描述研究區發展質量的空間變異規律。以云南省各縣級行政單元（X，Y，Z）為空間坐標軸，其中X、Y 軸分別指茶葉產量空間分布所延伸的方向，Z 軸指茶葉產量各數據點的高低屬性和空間位置，并通過茶葉產量數據投影點作出3 次多項式最佳擬合曲線，獲得以茶葉產量點轉化的某一屬性值為高度的三維透視圖。

由圖4 可知，從東西方向看，擬合曲線是一條下降的直線，表明茶葉產量在自西向東方向上直線降低至0；從南北方向看，擬合曲線是一條逐漸降低的曲線，表明茶葉產量在自南向北方向上呈現遞減趨勢，直至0 值。可見，云南省茶葉產量從西到東方向上的降低速率比自南向北方向上的下降速率快，并且云南省茶葉產量空間分布極其不均衡。

圖4 云南省2019 年茶葉產量分布趨勢圖

3.3 克里格插值法

使用對數克里格插值法對云南省2019 年茶葉產量數據進行空間插值，并使用ArcGIS 10.6 得到云南省茶樹生產等值線圖，如圖5 所示。為使數據更加直接、形象，文章通過自然間斷點劃分法把我國云南省的茶產量區分為極低產區、低產區、中產區、高產區及較高產區。

圖5 2019 年云南省茶葉產量等值線

3.3.1 較高產區

茶葉較高產區是茶葉產量生產的核心區，分布于臨滄市的鳳慶縣和云縣、西雙版納州的勐海縣以及保山市的昌寧縣，茶葉產量均在2.21 萬t 以上。這些地區都是普洱茶產區和滇西南茶葉交易集中的地區，擁有發展較好的茶葉企業，茶園規模較大，茶葉品牌市場認知度高，區內的茶文化、自然景觀和民族文化吸引了大量飲茶愛好者和茶商，加上當地政府的支持，加大了茶葉種植力度，從而增加了茶葉產量。

3.3.2 高產區

茶葉產量為1.18 萬～2.20 萬t 的高產區集中分布于滇西南橫斷山帶狀中山寬谷區，即景洪和勐遮低山丘陵寬谷盆地小區、瀾滄和鳳慶中山峽谷小區、施旬和鎮康喀斯特中山峽谷小區，少部分位于騰沖市。盡管高產區的茶產量沒有較高產區多，但隨著茶產業的持續發展，其競爭能力不斷增強，各類涉茶政策、資金等生產要素迅速集中，持續推動了茶產業集群的發展。此外，高產區的自然景觀和民族文化在帶動茶葉發展中具有至關重要的作用，尤其是景洪市的熱帶景觀和傣族文化推動著茶文化發展。

3.3.3 中產區

茶葉產量中產區分布比較零散，主要分布于高產區周圍，即紅河州的紅河縣、德宏州的芒市、保山市的龍陵縣、臨滄市的鎮康縣和滄源縣、大理州的南澗縣、西雙版納州的勐臘縣。文山州的廣南縣中產區被極低產區包圍，與高產區和中產區地理間隔較遠，形成茶葉產業的“孤島”，地理空間聯系弱。中產區茶葉的質量和銷量沒有高產區和較高產區高，屬于茶葉產量從高產量向低產量轉變的過渡區。

3.3.4 低產區

低產區茶葉產量為0.14 萬～0.55 萬t，主要分布于茶葉產量核心區的外圍，即隴川縣、盈江縣、梁河縣、隆陽區、施甸縣、永平縣、鎮沅縣、新平縣、元江縣、西盟縣、孟連縣以及形成產業“孤島”的屏邊縣、鹽津縣。低產區既沒有大規模的茶園，也沒有較高的茶葉品牌市場認知度，不具備茶葉產業發展的優勢。

3.3.5 極低產區

極低產區茶葉產量在0.14 萬t 以下，面積約占云南省總面積的3/5，主要分布于三江并流高山峽谷區、滇中紅層區和滇董喀斯特山原，即滇西北高山峽谷區、祿勸和富民高原峽谷小區、永仁丘狀高原小區、賓川和永仁中山寬谷胡盤小區、昆明和通海高原湖盆小區、滇東喀斯特峰林峰叢區、滇東喀斯特中山丘陵及峽谷小區。茶葉產量極低區氣溫比滇西南低，不利于茶樹生長。滇西北的高原山地氣候氣溫常年在0 ℃以下，極其不適宜茶樹種植，茶葉產量極低甚至為0。

4 總結與討論

為研究云南省茶葉產量的空間分布格局，文章依據云南省茶葉產量的空間分布數據，以縣級行政單位為基礎，借助GeoDa 軟件對云南省茶葉產量空間格局進行空間自相關分析，使用ArcGIS 10.6 趨勢面分析了云南省茶葉產量整體空間分布趨勢，利用克里金插值法得到了云南省茶葉產量等值線圖，全面系統地剖析了產業產量空間結構的地域變化規律和差異特征，得到了以下結論。

2000—2019 年云南省茶園產量空間的全局Moran’s I 指數均大于0.455 且呈現波動變化，云南省茶葉產量不僅存在顯著的聚集特征，而且具有穩定性。2000—2019 年云南省茶葉產量高-高聚集區位于西雙版納州、臨滄市和普洱市三大茶區，低-低聚集區的分布區域均是滇中東部和北部原上湖盆的溶丘區和西北橫斷山區的“零值區”。

云南省茶葉產量呈“雙核心”空間分布的特征，其空間分布極不平衡，西多東少，南多北少。云南省茶葉產量在自西向東方向上直線降低，在自南向北方向上遞減為0，而且東西方向下降的速率比南北方向的降低速率大。

茶葉產量生產的核心區在勐海縣、鳳慶縣、云縣和昌寧縣，其茶葉產量均在2.21 萬t 以上；茶葉產量在1.18 萬t 以上的高產區集中分布于滇西南橫斷山帶狀中山寬谷區；中產區和低產區主要分布于核心區和高產區周圍；極低產區的面積約占云南省總面積的3/5，主要分布于三江并流高山峽谷區、滇中紅層區和滇東喀斯特山原。

云南省茶葉產量空間分布格局呈現類杜能模型的圈層結構，以勐海縣以及鳳慶縣、云縣和昌寧縣3個縣區形成的核心區為雙中心，茶葉產量很大程度上受地理空間的制約，隨著距核心區的距離增加而減少。此外，茶產業屬于勞動密集型產業，從茶樹的種植到茶葉的采摘、加工、銷售都需要大量勞動力。滇西南大部分地區都屬于貧困山區，發展茶產業可以充分發揮本地勞動力、土地等方面的比較優勢，同時實現云南省茶產業全面協調可持續發展，加快云南省解決“三農”問題。