近10年長江中下游典型水稻主產區種糧大戶的耕地承包規模變化研究

吳富有 李資華 廖富強 齊述華 徐進軍

摘要：研究目的：以長江中下游典型的水稻主產區江西省北部的南昌、九江、上饒等市轄區為研究區，研究近10年種糧大戶耕地承包規模的時空變化及其影響因素。研究方法：Theil指數、空間自相關模型、地理探測器。研究結果：（1）與2011年相比，2021年耕地承包規模顯著增加，種糧大戶數量由6 298戶增加到26 781戶，耕地承包面積由138.2萬畝增加為462.91萬畝，耕地的大戶承包率由10.94%提升至28.85%，但種糧大戶的戶均耕地承包面積由219.43畝減少為172.85畝。（2）Theil指數由2011年0.831 2下降至2021年0.610 7，表明研究區耕地承包規模的空間異質性顯著，但空間異質性顯著下降。（3）種糧大戶的耕地承包規模呈現以鄱陽湖平原的高高集聚和兩翼山地丘陵農業區低低集聚為主的空間集聚特征。（4）農業機械總動力、農業總產值、鄉村人口和農村勞動力等是種糧大戶耕地承包規模空間分異的主要原因，雙因子交互作用能夠更好地解釋承包規模的空間分異。研究結論：在政府鼓勵農村土地流轉和發展農業適度規模經營的政策背景下，種糧大戶的耕地承包規模受自然環境、農業發展水平及社會經濟等要素的共同影響；因地制宜地加大山地丘陵農業區機耕道路建設、推進農業機械小型化、健全土地流轉機制，推進農村規模化經營體制的創新，發展糧食生產、加工和銷售一體化的農村專業化合作組織，有序引導種糧大戶在合作組織中發揮專業化作用，推動農業規模化發展。

關鍵詞：種糧大戶；承包耕地；Theil指數；空間自相關；地理探測器

中圖分類號：F301.21 文獻標志碼：A 文章編號：1001-8158（2023）02-0082-10

基金項目：國家自然科學基金項目（41867012）。

糧食是人類生存的基本保障[1]，糧食安全關乎國家安全和社會穩定的大局[2-3]。近年來隨著我國城市化的進程加快，城市建設用地擴張侵占了眾多優質耕地[4-5]，導致耕地面積減少[6-7]等問題；同時城市化吸引大量的農村青壯勞動力涌入城市，導致糧食生產主體老齡化[8-9]。勞動力析出和種糧主體老齡化使耕地出現耕地復種下降甚至撂荒[10]；此外，在比較利益的驅動下，耕地“非糧化”現象變得愈發普遍[11]，對我國糧食安全帶來挑戰[12-13]。為了應對農村勞動力減少和耕地利用效率下降，中央政府先后出臺一系列旨在鼓勵農村土地流轉發展農業規模經營的政策，包括： 2014年出臺《關于引導農村土地經營權有序流轉發展適度規模經營的意見》，2016年“中央一號”文件強調積極鼓勵培養家庭農場和種糧大戶等新型糧食生產主體，2017年出臺《關于推進農業供給側結構性改革的實施意見》等，這些政策催生了農村種糧大戶群體、促進了農業生產規模經營，有效穩定糧食生產和保障糧食安全。

種糧大戶在推動規模化、集約化和機械化的新型農業生產方式[14]，在提高糧食生產率、提高農民的收入水平、推動農村現代化建設以及保障地區的糧食安全中發揮著重要的作用[15-17]，適度擴大種糧大戶經營規模對推動耕地資源合理配置和提高糧食生產貢獻顯著[14，18-20]，擴大農業生產規模已成為我國農業發展的新趨勢[21]。目前，針對我國南方水稻主產區種糧大戶耕地承包規模及其影響因素的研究，主要采用農戶調查的方法，了解種糧大戶的性別、年齡、文化程度、家庭人數、糧食播種面積和糧食生產效益等種糧大戶的自然屬性、社會屬性和經濟特征，從微觀上分析農戶尺度的耕地承包規模影響因素，難以從行政單元尺度宏觀把握自然地理條件對耕地承包規模空間分異的影響[16-17]。

種糧大戶登記表是由各縣農業局統計并核實的每個種糧大戶的耕地承包規模、耕地利用方式等信息的表格，是種糧直補等惠農政策實施的依據，記錄的數據準確、信息完整，是分析鄉鎮、縣（區）、地市等行政單元種糧大戶耕地承包規模的重要資料，目前也有少量研究利用種糧大戶登記表分析耕地承包面積的統計特征及影響因素，這些研究主要是利用單個年度或時間間隔較短的種糧大戶登記表，對耕地承包規模影響因素的分析更多停留在定性描述[19，22]，缺乏對耕地承包規模空間分異特征的統計分析，沒有揭示耕地承包規模的空間集聚特征。

為了研究種糧大戶耕地承包規模的空間分異特征及其影響機理，本文針對近10年的國家和地方出臺的鼓勵農村土地流轉和發展農業適度規模經營的政策背景，以長江中下游典型水稻主產區的江西省北部的南昌、九江、上饒等市轄范圍為研究區，分析2011—2021年耕地承包面積大于50畝種糧大戶的耕地承包規模時空變化特征，探討耕地承包規模的影響因素，揭示種糧大戶的耕地承包規模空間分異規律，為種糧大戶承包耕地集約利用和規模化經營發展提供決策參考。

1 研究區概況

長江中下游是我國水稻培育和種植的核心地帶，在全國的水稻生產中具有極其重要的地位，江西省是長江中下游地區的水稻主產區之一[23]，是中華人民共和國成立以來從未間斷向國家輸出商品糧的兩個省份之一[24]。為了鼓勵適度規模經營，2008年江西省發布《關于2008年對種糧大戶實行直接補貼暫行辦法》，對糧食種植面積50畝以上的種糧大戶予以每畝16元現金直接補貼；2013年改為以項目申報方式遴選規模較大的種糧大戶重點扶持。

本文以江西省北部的南昌、九江、上饒等市轄范圍為研究區，包括素有“江南糧倉”“魚米之鄉”美譽的鄱陽湖平原，以及鄱陽湖平原兩翼的贛東北和贛西北山地農業區。研究區地處亞熱帶季風氣候區，年降水量豐富、日照充足且無霜期長，適合一年兩熟的種植制度，農業生產以水稻為主，水稻播種面積約占糧食作物播種面積的80%。鄱陽湖平原地勢低平，是江西省最大的糧食生產基地[25]，贛東北和贛西北山地農業區以丘陵、山地為主，夾雜分布著沿河、沿江的小型沖積平原，受地形多變的影響，耕地呈現細碎化和梯地化特點[26]。研究區包括平原區和山地丘陵區，有利于考察自然地理環境對種糧大戶耕地承包規模的影響。

2 數據與方法

2.1 數據來源

種糧大戶情況登記表分別由各市農業局提供，其中：南昌市提供了2011—2013年、2015年、2017年和2021年6年的種糧大戶情況登記表；九江市提供了2011年、2014年和2021年3年種糧大戶情況登記表；上饒市提供了2011年、2012年、2016—2021年8年種糧大戶情況登記表。登記表記錄了每個耕地承包規模超過50畝的種糧大戶的耕地承包面積、利用方式及所處的縣、鄉（鎮）、村等信息。

2021年行政區劃邊界矢量數據來源于中國科學院資源環境科學數據中心（http：//www.resdc.cn），以該行政邊界為基準，根據區劃調整情況，根據鄉鎮和縣域單元，分別統計種糧大戶數量、耕地承包規模和戶均耕地承包規模等，并賦值各鄉（鎮）、縣（區）和市三級行政單元，構建種糧大戶矢量數據集；30 m空間分辨率的SRTM-DEM來源于地理空間數據云平臺（http：//www.gscloud.cn/），基于DEM數據衍生計算坡度和地形起伏度；土壤類型數據來源于中科院南京土壤研究所科學數據中心（http：//soildata.issas.ac.cn）；農業總產值、農業機械總動力等農業發展水平和社會經濟數據來自于《江西省統計年鑒》以及各地級市的統計年鑒和統計公報。

2.2 耕地承包規模的區域差異度量方法

交互探測用于分析影響因素之間的相互作用，即評估兩個自變量之間的相互作用對種糧大戶耕地承包規模的解釋力是增加還是減弱，或是兩個自變量之間對其的作用力是相互獨立的。兩個自變量之間的交互作用類型如表1所示。

2.4 耕地承包規模的影響因素評價指標

種糧大戶耕地承包規模空間變化差異顯著、成因復雜，根據相關的研究結果[35-36]，并結合研究區農業生產實際，影響因素不僅涉及區域的農業發展水平，同時與自然環境和社會經濟因素也息息相關。鑒于此，利用地理探測器探測空間分異特征與規律的優勢，從農業發展水平、社會經濟和自然環境3個方面選取影響因子（表2），利用Geo Detector軟件的因子探測器計算各因子的貢獻q值，對耕地承包規模（Y）貢獻程度進行評價。

3 結果與討論

3.1 種糧大戶的耕地承包規模

按照鄉鎮、縣（區）和地市3級行政單元統計種糧大戶數量（圖1），結果表明：3個地市種糧大戶由2011年6 298戶增至2021年26 781戶，新增20 483戶，其中上饒市種糧大戶由3 742戶增至12 523戶、南昌市由1 874戶增至8 936戶、九江市由682戶增至5 322戶；種糧大戶主要集中于鄱陽縣、余干縣、萬年縣、南昌縣等鄱陽湖平原周圍的縣，兩翼山地農業區的種糧大戶數量也顯著增加。

統計鄉鎮、縣（區）和地市三級行政單元的種糧大戶耕地承包面積和耕地承包率（圖2）：種糧大戶的耕地承包面積由2011年的138.2萬畝提升至2021年的462.91萬畝，耕地承包規模超過1 000畝的鄉鎮由41個增加至154個，其中15個鄉鎮的種糧大戶承包耕地超過4.0萬畝；種糧大戶承包耕地占研究區耕地面積的比例（耕地承包率）由2011年的10.94%提升至2021年的28.85%，其中南昌市由11.03%提升至31.77%、上饒市由18.62%提升至30.16%、九江市由3.24%提升至24.78%。耕地承包率高值區域主要分布于鄱陽湖平原區，山地農業區的耕地承包率和耕地承包面積在近10年也明顯提升。

分別統計鄉鎮、縣域和市域三級行政單元的種糧大戶的戶均耕地承包面積（圖3），戶均耕地承包面積由2011年的219.43畝降至2021年的172.85畝，戶均耕地承包面積在空間上分布更均勻，主要原因是種糧大戶數量增加速度大于耕地承包面積增加速度，而耕地承包面積的增加受適宜規模經營的耕地數量限制。

分別考察耕地承包規模的變化（圖4），根據圖4可以看出，南昌、九江和上饒市的耕地承包面積和耕地承包率均呈增加趨勢，糧食生產規模化擴大。從種糧大戶耕地承包規模來看，研究區種糧大戶的數量、耕地承包規模、耕地承包率等均有顯著的提高，戶均承包耕地面積出現不升反降的現象，主要原因是種糧大戶數量增加速率大于耕地承包增加速率，研究區種糧規模化水平得到顯著提升。過去也有利用單個年度或時間間隔較短的種糧大戶登記表統計耕地承包規模，總體統計結果與本文一致[14，19]。本文將種糧大戶落到鄉鎮單元，可以考察鄉鎮、縣（區）、地市等不同等級行政單元的種糧大戶耕地承包規模，更加有效表征種糧大戶規模化經營水平的空間差異，有利于進一步探索耕地承包規模空間分異的機理。

利用Theil指數分析種糧大戶耕地承包面積的總體差異及區域內、區域間差異（表3），2011年Theil指數為0.831 2表明2011年研究區耕地承包規模的區域差異較大，Theil指數從0.831 2降至2021年0.610 7，表明耕地承包規模的區域差異呈縮小態勢；Theil指數的組內與組間差異結果表明：各地市之間和各地市內各鄉鎮的耕地承包規模差異也是呈現縮小的趨勢，與研究區的總體變化規律一致，其中南昌市和上饒市的Theil指數減少最多，說明南昌市和上饒市各鄉鎮承包耕地規模的差異下降更顯著，區域內差異縮小；區內差異大于區間差異。

3.2 種糧大戶耕地承包規模的空間關聯特征

種糧大戶耕地承包規模的空間分布特征分析，結果表明：Morans I均通過1%顯著性檢驗，相應的P值極小，研究區耕地承包規模隨機產生的概率極小，耕地承包規模具有明顯的空間正相關性，呈現出“高高”或“低低”的集聚特征。

利用局部空間自相關分析（LISA）識別局部集聚或離散特征（圖5），結果表明：2011年和2021年種糧大戶耕地承包規模以高高和“低低”的空間集聚類型為主，高高集聚區主要位于糧食生產規模化程度較高的鄱陽湖平原，低低集聚區主要集中于糧食生產規模化程度較低的山地丘陵農業區。

3.3 種糧大戶耕地承包規模的影響因素

根據地理探測器對耕地承包規模的影響單因子探測結果（表4），影響2011年耕地承包規模的因子貢獻率排序為：X4>X2>X5>X6>X1>X3>X8>X11>X10>X7>X13>X12>X9；而2021年的因子貢獻率排序為：X4>X7>X2>X5>X6>X9>X8>X3>X10>X1>X11>X12>X13，各因子的貢獻率均通過顯著性水平檢驗（P<0.05），影響不同年份耕地承包規模的影響因子既有一定的相似性，也有一些差異，其中農業機械總動力（X4）、農業總產值（X2）、鄉村人口（X5）和農村勞動力（X6）4個因子是耕地承包規模空間分異的主導因子；人口城鎮化率（X7）和產業非農化（X9）對2011年耕地承包規模的影響貢獻率較低，但對2021年耕地承包規模影響提升；自然環境因素中的地形、土壤等因子X10、X11、X12和X13的q值僅介于0～0.2之間，因子貢獻率低，自然環境因素對耕地承包規模空間分異的貢獻較小。

利用交互探測器對13個因子進行兩兩交互探測的結果表明（圖6）：影響因子的交互解釋力大于單因子解釋力，并呈現為非線性增強和雙因子增強，說明影響因子的交互作用能夠強化耕地承包規模的空間分異；在排序前5位的主導交互因子中，2011年分別為X3∩X5、X3∩X6、X4∩X9、X1∩X3和X4∩X7，2021年分別為X3∩X4、X4∩X7、X4∩X5、X1∩X4和X4∩X6。根據交互因子出現次數，農業機械總動力（X4）和農民人均耕地面積（X3）是耕地承包規模空間分異的主要影響因素；交互因子出現次數較多的因子還包括社會經濟因素中的農民人均純收入（X1）、農村勞動力（X6）、產業非農化（X9）和人均GDP（X8），其交互作用后結果的解釋力依然很強，也是耕地承包規模空間分異的重要影響因素。單因子探測器分析認為自然環境因素的單因子解釋力偏弱，但交互探測器分析認為，自然環境因素與其他因子交互作用后，q值得到了顯著提升，影響力明顯增強，因此交互探測器揭示了種糧大戶耕地承包規模空間分異是農業發展水平、自然環境和社會經濟等因素交互作用的結果。

過去的研究主要從種糧大戶調查數據，從農戶尺度上微觀分析承包規模[14，24]的影響因素，認為農戶和區域的資源稟賦、稻作經營特征對種糧大戶經營規模有顯著影響，這與本文從行政單元尺度宏觀分析種糧大戶耕地經營規模的影響因素有很大的差異；已有研究[8，10，13，24]認為城鎮化和工業化發展引起的農村勞動力析出是影響種糧大戶耕地承包規模變化的重要因素，根據本文的結果，在行政單元尺度上人口城鎮化率（X7）和產業非農化率（X9）對耕地承包規模的影響貢獻率排序上相對比較靠后，表明耕地承包規模的影響因素具有空間尺度特征。

4 結論與啟示

本文以長江中下游典型水稻主產區的江西省北部的南昌、九江和上饒市轄范圍為研究區，運用Theil指數、空間自相關和地理探測器等方法，對2011年和2021年種糧大戶耕地承包規模及其影響因素進行分析，得到以下主要結論。

近10年國家鼓勵農村土地流轉和發展農業適度規模化經營的政策顯著推動了糧食規模化生產的積極性，種糧大戶數量顯著增加，耕地承包規模顯著擴大，耕地承包率顯著提高，受區域耕地資源稟賦限制和種糧大戶顯著增加的影響，戶均耕地承包規模下降明顯。

耕地承包規模存在顯著的空間異質性，平原區的耕地承包規模明顯大于山地丘陵區的，隨著山地丘陵區耕地承包規模的擴大，耕地承包規模的空間異質性呈現降低趨勢。

種糧大戶耕地承包規模的空間分布呈現出“高高”或“低低”空間正相關集聚特征。高高集聚區主要分布于鄱陽湖平原，低低集聚區主要分布于研究區兩翼的山地丘陵農業區。

農業機械總動力、農業總產值和鄉村人口、農村勞動力等是影響耕地承包規模空間分異的主導因子；雙因子的交互作用后的影響力明顯大于單因子，其結果均呈現為非線性增強和雙因子增強，農業機械總動力和農民人均耕地面積與其他因子的交互作用起主導作用；農業發展水平、自然環境和社會經濟等因素的交互作用影響耕地承包規模的空間分異。

根據以上研究結論，得到以下啟示。

2011—2021年國家推動農村土地流轉和發展農業適度規模化經營的一系列政策舉措，顯著提高種糧大戶糧食生產積極性，促進了糧食規模化生產，同時耕地承包規模受農業區的自然地理條件和農業發展水平的影響明顯，平原區地形平坦，農業耕地連片，耕作歷史悠久，農機水平較高，具有發展規模化農業的天然和歷史等優越條件，而山地丘陵區地形起伏、耕地破碎化程度高、農業機械投入生產困難、再加上眾多農村勞動力外遷等原因，一定程度上制約了耕地的規模化經營，但在政策的驅動下，仍表現出農業規模化生產的潛力；根據耕地承包規模的影響因素分析認為，針對山地丘陵區耕地細碎化的特點，可采用工程技術措施，對零散、異形、坡度較大的農田進行“小并大、短變長、彎變直、陡變緩”農田宜機化改造，有序推進農業機械小型化，提高農業生產機械化水平，另因地制宜地加大農村機耕道路建設，完善田間道路設施及配套灌溉水系，提高農業生產綜合能力，以促進山地丘陵區農業規模化進一步發展。

近10年來國家農業部門針對種糧大戶的扶持政策表明，在優惠補貼政策的激勵下，種糧大戶的耕地承包規模得到顯著擴大，糧食生產規模化水平得到提高，然而由于種糧效益偏低，種糧大戶依然面臨著諸多的經營風險，需要相關部門持續加大農業支持保護政策傾向的扶持力度，加大財政支持，落實“誰種糧誰得補貼”的政策，設立種糧大戶專項保險，降低種糧大戶的經營風險，同時，積極引導種糧大戶在符合自身實際情況下選擇最優的耕地承包規模，避免盲目擴大經營規模和資金投入而增加經營風險。

種糧大戶作為現代新型農業生產的主體，在市場和政策驅動下，種糧大戶數量顯著增加，然而具備規模化生產的土地資源有限，導致戶均耕地承包規模不升反降的現實，反而制約了農業的規模化生產，這就要求進一步健全土地流轉機制，推進農村規模化經營體制的創新，發展糧食生產、加工和銷售一體化的農村專業化合作組織，有序引導種糧大戶在合作組織中發揮專業化作用。

參考文獻（References）：

[1] 吳文斌，唐華俊，楊鵬，等.基于空間模型的全球糧食安全評價[J] .地理學報，2010，65（8）：907 - 918.

[2] 吳郁玲，張佩，于億億，等.糧食安全視角下中國耕地“非糧化”研究進展與展望[J] .中國土地科學，2021，35（9）：116 - 124.

[3] 宋小青，歐陽竹.1999-2007年中國糧食安全的關鍵影響因素[J] .地理學報，2012，67（6）：793 - 803.

[4] 程旭，楊海娟.城市擴張對大城市周邊基本農田的影響——以西安市長安區為11例[J] .中國農業資源與區劃，2017，38（8）：25 - 34.

[5] 閆梅，黃金川，彭實鋮.中部地區建設用地擴張對耕地及糧食生產的影響[J] .經濟地理，2011，31（7）：1157 -1164.

[6] 匡文慧，張樹文，杜國明，等.2015—2020年中國土地利用變化遙感制圖及時空特征分析[J] .地理學報，2022，77（5）：1056 - 1071.

[7] 趙曉麗，張增祥，汪瀟，等.中國近30a耕地變化時空特征及其主要原因分析[J] .農業工程學報，2014，30（3）：1 - 11.

[8] 魏君英，夏旺.農村人口老齡化對我國糧食產量變化的影響——基于糧食主產區面板數據的實證分析[J] .農業技術經濟，2018（12）：41 - 52.

[9] LIU Y S. Introduction to land use and rural sustainability in China[J] . Land Use Policy， 2018， 74. doi： 10.1016/ j.landusepol.2018.01.032.

[10] 田玉軍，李秀彬，馬國霞，等.勞動力析出對生態脆弱區耕地撂荒的影響[J] .中國土地科學，2010，24（7）：4 - 9.

[11] 孟菲，譚永忠，陳航，等.中國耕地“非糧化”的時空格局演變及其影響因素[J] .中國土地科學，2022，36（1）：97 - 106.

[12] LI T T， LONG H L， ZHANG Y N， et al. Analysis of the spatial mismatch of grain production and farmland resources in China based on the potential crop rotation system[J] . Land Use Policy， 2017， 60： 26 - 36.

[13] 梁鑫源，金曉斌，孫瑞，等.多情景糧食安全底線約束下的中國耕地保護彈性空間[J] .地理學報，2022，77（3）：697 - 713.

[14] 房瑞景，楊鮮翠，陳雨生.我國種糧大戶發展現狀、問題與對策[J] .農業經濟，2016（11）：12 - 14.

[15] 朱麗娟，王志偉.黑龍江省種糧大戶的技術效率及其影響因素[J] .資源科學，2018，40（8）：1583 - 1594.

[16] 周波.種糧大戶水稻播種面積優化問題實證分析——基于江西省619戶樣本數據[J] .農業技術經濟，2010（4）：120 - 127

[17] 樊玲慧，王梅曦，韓敦彬，等.種糧大戶土地規模經營影響因素研究——基于德州市平原縣種糧大戶的調查數據[J] .湖北農業科學，2021，60（19）：168 - 173

[18] 李曉明，尹夢麗.現階段主產區種糧大戶經營狀況與發展對策——基于安徽省種糧大戶的調查分析[J] .農業經濟問題，2008（10）：21 - 26，110.

[19] 麻福芳，徐光耀，戴天放.江西省種糧大戶發展現狀及對策研究[J] .湖南農業科學，2015（1）：131 - 134.

[20] GRAS C， HERNáNDEZ V. Agribusiness and large-scale farming：capitalist globalisation in Argentine agriculture [J] . Canadian Journal of Development Studies/Revue canadienne détudes du développement， 2014， 35（3）： 339 - 57.

[21] ZHU Y C， WAQAS M A， LI Y E， et al. Large-scale farming operations are win-win for grain production， soil carbon storage and mitigation of greenhouse gases[J] . Journal of Cleaner Production， 2018， 172： 2143 - 2152.

[22] 陳聰，曹光喬.江西省種糧大戶經營規模擴張制約因素研究[J] .中國農機化學報，2016，37（11）： 185 - 187，211.

[23] 周泉，黃國勤.江西省水稻綠色生產的問題與對策研究[J] .中國農業資源與區劃，2020，41（2）：9 - 15.

[24] 鄒金浪，楊子生.不同城市化水平下中國糧食主產區耕地集約利用差異及其政策啟示——以江西省和江蘇省為例[J] .資源科學，2013，35（2）：370 - 379.

[25] 申格，王聰，余強毅，等.2001—2020年鄱陽湖平原耕地復種時空變化研究[J] .中國農業資源與區劃，2021，42（12）：132 - 143.

[26] 謝花林，歐陽振益，陳倩茹.耕地細碎化促進了耕地“非糧化”嗎——基于福建丘陵山區農戶的微觀調查[J] .中國土地科學，2022，36（1）：47 - 56.

[27] 康曉娟，楊冬民.基于泰爾指數法的中國能源消費區域差異分析[J] .資源科學，2010，32（3）：485 - 490.

[28] 謝花林，劉桂英.1998 - 2012年中國耕地復種指數時空差異及動因[J] .地理學報，2015，70（4）：604 - 614.

[29] 王少劍，王洋，趙亞博.廣東省區域經濟差異的多尺度與多機制研究[J] .地理科學，2014，34（10）：1184 - 1192.

[30] 徐建華.地理建模方法[M] .北京：科學出版社，2010：84 - 104.

[31] 王勁峰，徐成東.地理探測器：原理與展望[J] .地理學報，2017，72（1）：116 - 134.

[32] WANG J F， LI X H， CHRISTAKOS G， et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region， China [J] . International Journal of Geographical Information Science， 2010， 24（1）： 107 - 127.

[33] 劉彥隨，楊忍.中國縣域城鎮化的空間特征與形成機理[J] .地理學報，2012，67（8）：1011 - 1020.

[34] 周亮，周成虎，楊帆，等.2000—2011年中國PM（2.5）時空演化特征及驅動因素解析[J] .地理學報，2017，72（11）：2079 - 2092.

[35] 汪亞琴，姚順波，侯孟陽，等.基于地理探測器的中國農業生態效率時空分異及其影響因素[J] .應用生態學報，2021，32（11）：4039 - 4049.

[36] GAO J， ZHU Y H， ZHAO R R， et al. The use of cultivated land for multiple functions in major grain-producing areas in northeast China： spatial-temporal pattern and driving forces[J] . Land， 2022， 11（9）. doi： 10.3390/land11091476.

Study on the Change of Farmland Contracting Scale of Large Grain Growing Households in Typical Main Rice Production Areas in the Middle and Lower Reaches of the Yangtze River in the Past 10 Years： A Case Study of Northern Jiangxi Province

WU Fuyou1，2， LI Zihua2， LIAO Fuqiang1， QI Shuhua1， XU Jinjun2

（1. School of Geography and Environment， Jiangxi Normal University/Key Laboratory of Poyang Lake Wetland and Watershed Research， Ministry of Education， Nanchang 330022，China； 2. Institute of Territorial Spatial Survey and Planning of Jiangxi Province， Nanchang 330025， China）

Abstract：The purpose of this study is to analyze the spatial and temporal changes and influencing factors of farmland contracting scale of large grain growing households in the municipal districts of Nanchang， Jiujiang， and Shangrao in northern Jiangxi Province， a typical rice production region in the middle and lower reaches of the Yangtze River. The research methods includ Theil index， spatial autocorrelation model and geographic detector. The results showed that： 1）compared with 2011， the contracting scale of farmland of large grain growing households significantly enlarged in 2021. The number of large grain growing households increased from 6 298 to 26 781， the area of contracted farmland increased from 1.382 million mu to 4.629 million mu， and the rate of contracted farmland increased from 10.94% to 28.85%. However， the average contracted farmland area per household decreased from 219.43 mu to 172.85 mu. 2）The Theil index decreased from 0.831 2 in 2011 to 0.610 7 in 2021， indicating significantly decreased spatial heterogeneity in the contracting scale of farmland in the study area. 3）The spatial distribution characteristic of contracting scale of farmland of large grain growing households demonstrates agglomeration， with high agglomeration in the Poyang Lake Plain and low agglomeration in the mountainous agricultural areas on both wings of the study area. 4）The total power of agricultural machinery， total agricultural output value， rural population and rural labor force are the primary factors for the spatial variation of contracting scale of farmland， and the double-factor interaction explains the spatial variation of contracting scale of farmland better. In conclusion， against the background of the policy of encouraging rural land transfer and developing moderate scale agricultural operations， the contracting scale of farmland of large grain growing households is influenced by the combination of the natural environment， the level of agricultural development and the socio-economic factors. It is suggested to strengthen the construction of machine roads in mountainous agricultural areas， to develop the miniaturization of agricultural machinery， to improve the land transfer mechanism， to promote innovation in the system of large-scale rural operation， to develop specialized rural cooperative organizations that integrate food production， processing and marketing， to orderly guide large grain growing households to play a specialized role in cooperative organizations， and to promote the development of large-scale agriculture.

Key words： large grain growing households； contracted farmland； Theil index； spatial autocorrelation； geographic detector

（本文責編：郎海鷗）