四川省大豆生產格局變化及驅動因素研究*

常 潔,林正雨,高文波,杜興端

(四川省農業科學院農業信息與農村經濟研究所 成都 610066)

隨著消費結構升級,居民對蛋白消費需求迅速攀升,大豆(Glycine max)需求快速增加,國內產需缺口不斷擴大。2020 年中國大豆進口量已達到1.0033億t,創歷史新高[1]。與此同時,國際貿易環境與市場不確定性逐步加劇,進一步影響了大豆市場供需格局。大豆已經成為了當前我國糧食安全的主要風險點[2]。基于此,2016 年農業部出臺《關于促進大豆生產發展的指導意見》,明確指出要充分認識到促進大豆生產發展的重要性和緊迫性。2019 年農業農村部制定《大豆振興計劃實施方案》,提出要加強大豆優勢區生產能力建設,擴大種植面積,提高單產水平,改善產品品質,延伸產業鏈條,增加我國大豆有效供給,提升國產大豆自給水平,逐步形成國內農業種植結構與國際農產品市場變化動態銜接調整的新格局,全面推動大豆產業振興。

立足歷史的視角,中國大豆經歷了從主食到副食、從主要出口到依靠進口的歷史變化過程,主糧屬性日益削弱[3],大豆的生產格局也發生了重大變化,影響因素逐漸復雜。隨著大豆產業逐漸上升為國家戰略,有關大豆生產格局與影響因素的相關研究逐步增多。李二玲等[4]對我國大豆產量、單產和種植面積的時空變化格局研究發現,1982—2012 年,我國大豆種植格局呈現典型的周期性變化,并逐步從以東北地區為主向東北、西南地區遷移。陳雨生等[5]對2000—2018 年我國大豆產量的時空變化格局研究發現,大豆產量逐步呈現出“東北集中、西南擴散”的態勢。楊曉娟等[6]則從風險費率的測度發現,大豆生產中西藏、寧夏、陜西等地區的種植風險較大。Chen 等[7]則基于大豆規模和效率比較優勢變化分析發現,1949—2019 年,我國大豆具有種植規模優勢區的省份主要在東北平原、黃淮海平原和長江中下游平原,大豆效率優勢區則由華北地區向全國延伸,北方干旱半干旱區、四川盆地、云貴高原和長江中下游平原正成為我國新的大豆產量增長極。

同時,大豆的生產格局變化受諸多因素的影響,自然資源稟賦與投入、成本收益、社會需求與經濟發展、管理技術與科技進步等[5,8-9]均會對大豆的種植面積、單產水平、產品品質等產生影響。交通條件[5]、耕作制度[3]也是大豆生產空間發展變化的重要因素。部分研究則認為,大豆產業發展的主因是政策調控[10-12]。從比較收益的視角看,部分產業存在用地競爭,水稻(Oryza sativa)、玉米(Zea mays)等作物也是影響大豆生產的主要競爭性因素[6]。

影響大豆生產格局變化的因素也存在地區差異。對于西南片區而言,人口數量、國民素質、農業技術等對大豆生產格局的影響較為顯著,且呈現負相關關系[8]。從勞動力成本上升、主產區優勢與大豆生產格局的變化關系看,與東北等傳統優勢產區相比,西南產區的主產區優勢尚不明顯,無法消解勞動力成本上升帶來的沖擊[13]。此外,南方大豆產區的生產受品種、地形、種植模式等多方面因素制約,其中勞動力資源、降水資源和化肥投入是該片區的主要影響因子,且機械化生產水平相對較低[9]。

通過文獻梳理發現,現有文獻在理論研究和實證分析方面均做出了有益的探討,但尚存在一些不足。首先是對于西南產區大豆的發展探討相對較少,對影響因素的地區差異關注不多。西南產區是我國大豆種植的新興產區,2005 年之后,西南產區迅速超越長江中下游大豆產區,成為了全國的第3 大產區。四川省是糧食大省,也是西南大豆產區的重要組成。2020 年,四川省大豆播種面積為43.27 萬hm2,產量達101.25 萬t,迅速躍升至全國播面和產量的第4 和第3,在西南產區的占比分別為46.57%和53.23%。其次,作為丘陵山地大省,四川省耕地資源相對有限,人地矛盾較為突出,推動大豆增產擴面也面臨著資源要素與生產空間競爭等諸多挑戰[14-15]。新時代糧食安全發展觀下,如何進一步優化四川省大豆生產格局,推動川豆產業振興,對于全面提升西南大豆產區的優勢及競爭力至關重要。有鑒于此,本研究以四川省為例,系統探討2000—2020 年大豆生產時空格局變化及其主要驅動因素,以期為優化大豆生產布局、推動川豆產業振興和保障糧食安全提供一定的理論支撐和決策參考。

1 研究區概況、數據來源與方法

1.1 研究區概況

四川省是我國13 個糧食主產區之一,也是我國西南地區唯一的糧食主產省。幅員面積約為48.6 萬km2,地形起伏大,可分為成都平原、川中丘陵、盆地周邊山區、川西南山地區和川西高原5 大地貌區(圖1),西部為高原、山地,海拔多在4000 m 以上,東部為盆地、丘陵,海拔多在1000～3000 m。2019 年,為落實大豆產業振興計劃,四川省大力推動四川大豆產業振興,大豆種植規模和產量迅速提升。2020 年,四川省大豆播種面積和產量占全國的比重分別為4.38%和5.17%,播種面積居全國第4,產量躍居全國第3,是我國大豆種植新興地區之一。按照《農業農村部關于做好2022 年大豆油料擴種工作的指導意見》要求,四川省啟動了20.67 萬hm2大豆玉米帶狀復合種植示范推廣項目，以進一步提高全省大豆的產能和供給水平。

圖1 四川省地貌分區Fig.1 Geographical regions in Sichuan Province

1.2 數據來源

行政區劃數據來源于天地圖·四川(https://sichuan.tianditu.gov.cn)。社會經濟統計數據來源于2000—2020 年的《四川統計年鑒》《四川農村統計年鑒》和《四川農業統計年鑒》。DEM 數據來源于地理空間數據云網站(http://www.gscloud.cn/)。年均溫、年均降水量來源于中國科學院資源環境科學數據中心(http://www.resdc.cn/)。耕作制度數據來源于中國科學院資源環境科學數據中心的農田生態系統熟制數據(2000—2015 年)和Qiu等[16]的中國種植模式數據(2015—2021 年)。

1.3 指標選擇

本文參考前人研究[3-5,8-9,17-21],同時考慮數據可獲得性,重點選取大豆產量表征大豆生產水平,并從資源要素投入、地理氣候、比較收益、交通條件、種植習慣、社會經濟6 個方面提取變量,分析其對大豆生產的影響(表1)。由于四川省大豆生產主要為小農主體,政策對農戶主體的種植決策影響更多體現在補貼等帶來的比較收益[22-23],因此本研究不考慮政策因素的影響。

表1 四川省大豆產量的地理探測因子Table 1 Indicators of geographical detector of soybean production in Sichuan Province

資源要素投入: 采用耕地面積、大豆產業從業人員、農業機械總動力3 項指標表征大豆的土地、勞動力和技術資源要素投入。一般而言,其對大豆生產總體為正向影響。其中,大豆產業從業人員的計算,重點借鑒陳雨生等[5]的研究方法,對第一產業從業人員采用一定權重進行處理獲得,即:

式中: PEO 表示大豆產業從業人員數,PEOP 表示第一產業從業人員數,AOV 表示農業產值,AOVP 表示第一產業產值,SSA 表示大豆播種面積,CSA 表示農作物播種面積。

地理氣候條件: 大豆生產具有環境和生態適宜性,采用海拔、坡度、地形起伏度、溫度、降雨量等,表征地理環境與氣候對大豆生產的影響。其中,區縣單元地形起伏度(TER)的計算,重點借鑒封志明等[24]的計算方法,利用DEM 數據求得,即:式中: ELE、Max 和Min 分別表示縣域單元內的平均海拔、最高海拔和最低海拔;PA表示該區域內平地面積,其中平地定義為相對高差＜30 m 的區域;A表示區域總面積。

比較收益: 對于四川省而言,大豆的主要競爭性作物為玉米[25-26],因此采用大豆產值與玉米產值之間的差距表征農業比較收益競爭。

農戶種植習慣: 農戶種植習慣與自身所掌握的技術技藝緊密相關,也與家庭勞動力資源的配置與投入有密切關系,本研究采用耕作制度表征農戶家庭的種植習慣和偏好。

區域交通條件: 交通設施完善的地區,大豆的生產效率則相對較高。因此,重點采用路網密度表征。

社會經濟環境: 采用人均GDP、城鎮化水平、鄉村戶均人口規模表征區域社會經濟環境變化對大豆的影響。一般而言,經濟發展水平較高的地區,對大豆消費的促進作用較為顯著。城鎮化水平越高的地區,耕地非糧化、人口非農化趨勢更為顯著。鄉村家庭人口規模越小,對大豆的勞動力資源投入則會越有限。

1.4 研究方法

1.4.1 空間基尼系數

基尼系數可以用來衡量產業的地理聚集程度。借鑒相關研究[27],將大豆生產的基尼系數定義為G,計算公式為:

式中:i和j表示不同區縣,Yi、Yj表示區縣i和j的大豆產量占全省產量的比重;n表示區縣數量,其值為183;表示各區縣大豆產量占比的均值。G值介于0～1 之間,數值越大,表明全省大豆生產的空間聚集程度越高,反之則越分散。

1.4.2 地理集中度

基尼系數在衡量產業空間聚集程度方面具有一定的作用,但在地理單元設定與產業分類方面存在一定的局限。地理集中度為地理學中用來衡量區域活動聚集程度的重要指標,可與基尼指數相互印證。本研究引入地理集中度指標(G′),該指標用大豆產量排名靠前的m個縣域在全省范圍內的比重之和來表示。其計算公式為:

式中: 結合四川省的大豆生產實際,m取10。G′介于0～1 之間,數值越大,表示大豆生產的地理聚集程度越高,反之則越低。

1.4.3 空間轉移系數

空間轉移系數可以從總量和份額兩個方面進一步衡量一個地區一段時間內的大豆生產空間變化,以分析大豆生產空間的轉移特征。本研究重點對李政通等[28]的空間轉移系數進行優化,構建以生產發展階段為導向的空間轉移系數指標,并對大豆生產空間轉移特征進行分析。其計算公式為:

式 中:t表示節 點年份,m表示各 階段年份差,表示區縣i在t至t+m階段大豆生產變化的空間轉移系數均值;Pi,t+m/Pi,t-1表示區縣i的大豆產量在t+m年相對于t-1 年的變化;Yi,t+m/Yi,t-1表示區縣i的大豆產量占比在t+m年相對于t-1 年的變化;Pi,t+m和Pi,t-1分別表示區縣i在t+m年份和t-1 年份的大豆產量;Yi,t+m和Yi,t-1分別表示區縣i在t+m年份和t-1年份的大豆產量占比。當＜1 時,說明區縣i在t至t+m階段大 豆生產 呈現退 化趨勢;當1 時,說明區縣i在t至t+m階段的大豆生產維持在相當水平;當時,說明區縣i在t至t+m階段的大豆生產呈現轉入趨勢。非大豆生產區縣以空白值處理。

1.4.4 探索性空間數據分析

空間權重矩陣的設定受主觀因素影響,所以通常來講,不存在最優的空間權重矩陣,只能結合矩陣的現實意義,選擇相對更適合的空間權重矩陣。該研究分別從地理位置與經濟距離兩個角度出發構建空間權重矩陣。鄰接矩陣中相鄰地區矩陣元素設定為1,不相鄰設定為0。地理距離矩陣中的元素為地區之間經緯度計算的歐氏距離的倒數。經濟權重矩陣中的元素為兩個地區之間經濟距離的倒數,其中經濟權重用各地區樣本期內人均GDP 的平均值表示。

本研究選擇莫蘭指數(Moran’sI)檢驗大豆生產是否存在空間相關性(空間自相關檢驗)。Moran’sI分為全局莫蘭指數(Global Moran’sI)和局部莫蘭指數(Local Moran’sI),具體公式如下:

式中:Wij表示i和j之間的空間權重(i≠j),W表示所有Wij之和,yi和yj表示各區縣大豆產量,表示各區縣大豆產量均值。Global Moran’sI值介于-1～1 之間,Global Moran’sI值為正,表示空 間相關 性為正;Global Moran’sI值為負,表示空 間相關 性為負;Global Moran’sI值為0,表示變 量在空間上具 有隨機性。

1.4.5 參數最優地理探測器

本研究選取參數最優地理探測器(OPGD)分析四川省大豆生產格局的驅動因素[29]。首先計算每個連續型因子在不同分級方式、不同間斷數下的q值[式(8)],q值在[0,1]區間,值越大表明大豆生產的空間分異越強,影響因子對大豆生產空間分異的解釋力越強,反之越弱。其中,分級方式根據統計規則確定(如等間距、自然間距、分位數間距、幾何間距和標準偏差間距),間斷數量設置為3～7 類。OPGD模型通過選擇q值最高的參數組合(分級方式與間斷數)進行空間離散化,從而探測大豆生產的空間分層異質性和影響因子對大豆生產空間分異的解釋力,并運用交互作用探測分析不同因子共同作用于大豆生產的影響情況。

式中:h=1,···,L,表示大豆產量與影響因子的分層;Nh表示h層的單元數;N表示全區單元數;和σ2分別表示大豆產量在h層和全區的方差;SSW 表示層內方差之和;SST 表示全區總方差。地理探測器中兩個影響因子的交互作用類型,如表2 所示。

表2 地理探測器中兩個影響因子交互作用類型Table 2 Interaction types of two impat factors of geographical detector

2 結果與分析

2.1 大豆生產時序變化特征

重點采用有序樣本聚類法[30]對2000—2020 年四川省大豆產量這一表征大豆產業發展的代表性指標進行分析,得到2001 年、2008 年、2010 年、2016 年等最優分割點(圖2)。據此,將四川省大豆產業的發展歷程劃分為以下5 個階段。1) 2001 年之前為零散種植期,為了滿足生豬養殖中的飼料需求,四川開始零散化 種植大豆[31]。2) 2001 至2007 年為試點提速期,面對川中丘陵區“小麥(Triticum aestivum)/玉米/甘薯(Ipomoea batatas)”種植模式帶來的水土流失、土壤肥力下降等問題,自2003 年始,四川省開始在川中丘陵地區推廣試點 “小麥/玉米/大豆”新三熟制技術,全省大豆產量開始提速,2006 年的極端高溫干旱災害導致全省大豆產量銳減,2007 年逐步恢復至2004年水平。3) 2008 至2009 年為快速提升期,隨著 “玉米-大豆”帶狀復合種植技術向川東北、川南地區的大規模推廣,四川省的大豆產量迅速提升[32]。自2008 年開始四川省成為全國大豆產量增速最快的省份,2009 年大豆產量年增速達13.07%,創歷史最高。4) 2010 至2015 年為增速放緩期,由于間套作大豆技術難度大且勞動強度大,大豆生產對勞動力的需求越來越強,大豆增產面臨著勞動力短缺的關鍵瓶頸,這一階段四川省大豆產量增速開始迅速放緩。5) 2016 年至今為振興提升期,隨著大豆上升為國家重大糧食安全戰略,有關大豆擴面增產的系列政策陸續出臺,大豆產量增速開始有所提升。2019 年,我國《大豆振興計劃實施方案》明確提出要在西南地區大力推廣玉米大豆輪作或間套作,四川省大豆產量快速提升,并躍居至全國第3。

圖2 2000—2020 年四川省大豆產量時序變化Fig.2 Temporal changes of soybean production in Sichuan Province from 2000 to 2020

2.2 大豆生產空間聚集變化特征

2000—2020 年四川省大豆生產的空間基尼系數與地理集中度系數變化如圖3 所示。總體來看,空間基尼系數(G值)為0.299～0.350,總體呈波動上升趨勢,2019 年后G值開始下降。這說明四川省的大豆生產在空間分布上越來越不均衡,空間集中程度逐步上升。地理集中度系數(G′值)與G的變化具有較高的一致性,總體呈波動上升趨勢,G′值從2000 年的0.294 上升到2019 年的0.371,之后開始下降。從趨勢上看,G′值波動較大。其中,2000—2010 年,主產區的聚集特征表現為先擴散后上升;2010 年之后,大豆生產表現為快速向排名前10 位的主產區聚集。2019 年之后,主產區的聚集優勢開始下降。總體而言,四川省大豆生產的空間格局長期以來表現為較高的聚集型分布特征,且空間聚集水平逐步上升。

圖3 2000—2020 年四川省大豆產量空間聚集特征Fig.3 Spatial agglomeration characteristics of soybean production in Sichuan Province from 2000 to 2020

2.3 大豆生產空間轉移變化特征

利用空間轉移系數,對四川省大豆生產的階段特征變化進行分析(圖4)。2001—2007 年期間,除川西高原地區為非生產區外,大豆空間變化開始呈現區域性的轉入轉出,其中川中丘陵區、川東北地區為主要的轉入地區,川西南山地及成都平原和川南宜賓、瀘州則呈現較為明顯的轉出。2008—2009 年,川中丘陵地區和川東北山區的大豆轉入規模和空間持續擴大,并逐步向川南地區的宜賓、瀘州及川西南山地大部持續擴大,成都平原則呈現持續性轉出;2010—2015 年,成都平原持續轉出,川西南山地大部的大豆產量也開始減少,增產地區進一步向川中丘陵區、川東北和川南山區聚集;2016—2020 年,隨著大豆振興系列產業政策的推進實施,全省大豆增產地區進一步向川中、川東北、川南地區全面拓展,并逐步向成都平原北部和川西南山地中部擴大。總體而言,川中丘陵區長期以來是全省大豆種植和增產的主要地區。

圖4 2000—2020 年四川省不同階段大豆產量空間轉移系數變化Fig.4 Changes of spatial transfer coefficient of soybean yield at different stages in Sichuan Province from 2000 to 2020

2.4 大豆生產的空間變化相關性分析

2.4.1 全局自相關分析

采 用GeoDa 18.0 和Stata 15 測算出 鄰接矩陣(W1)、地理距離矩陣(W2)、經濟距離矩陣(W3) 3 種矩陣的全局莫蘭指數(Global Moran’sI)值,結果見表3。3 種空間矩陣的Global Moran’sI值在2000—2020 年期間均顯著為正,但與鄰接矩陣(W1)和經濟距離矩陣(W3)相比,基于地理距離矩陣(W2)的Global Moran’sI值相對較低。一定程度上說明,四川省大豆的生產更多取決于各區縣的鄰接位置和經濟發展水平,大豆產量高的區縣更傾向于和高產的區縣聚集,產量低的區縣更傾向于與低產的區縣聚集。對2000—2020 年各矩陣的Global Moran’sI值求均值,得出W1、W2和W3的均值分別為0.490、0.112 和0.481,其中鄰接矩陣的均值最高。

表3 2000—2020 年四川大豆產量Global Moran’s I 指數變化Table 3 Changes in the Global Moran’s I index of soybean production in Sichuan Province from 2000 to 2020

2.4.2 局域自相關分析

與Global Moran’sI相比,Local Moran’sI可以表征大豆生產的局部空間聚集情況,體現區域間生產的空間依賴性。重點采用鄰接矩陣(W1)權重進行分析,結果如圖5 所示。

圖5 節點年份四川省大豆生產LISA 聚類圖Fig.5 LISA cluster plots of soybean production in Sichuan Province in node years from 2000 to 2020

根據發展階段特征,重點選擇2000 年、2001 年、2008 年、2010 年、2016 年、2020 年對局部空間聚類情況進行展示(圖5)。四川省大豆生產的空間聚集類型主要表現為高-高(H-H)聚集和低-低(L-L)聚集,即生產區與非生產地區較為明顯的聚集特征。高-高聚集區(H-H)的空間變化趨勢看,自2008 年始,四川省大豆生產的空間聚集水平總體呈現越來越高的趨勢,并逐步從四川盆地和盆周地區向川中丘區中部轉移,到2020 年基本形成了以川中丘陵區為核心的大豆優勢產區,H-H 聚集區的大豆產量占全省的50.32%。這一地區是四川省大豆的主產區,大豆生產能力強,與之相鄰的地區大豆產量也較高,因此呈現出高產區聚集的空間分布特征。川西高原則受地形地貌、氣候等條件影響,長期以來是大豆的非生產區。川西南山地、成都平原等在大豆生產發展的空間格局變化波動明顯,聚集優勢不顯著。

2.5 大豆生產的空間驅動因素分析

1)單因子探測及變化趨勢。總體而言,14 個因子對大豆生產空間格局的影響較為顯著。2020 年,q值大于0.2 的主導因子主要表現為大豆從業人員(PEO)＞耕地面積(LAD)＞農業機械總動力(MCE)＞比較收益(BEF)＞平均高程(ELE)＞年均溫(TEP)＞平均坡度(SLP)＞地形起伏度(TER)＞路網密度(ROD)＞鄉村家庭規模(HOU),資源要素、比較收益、地理氣候、交通條件是驅動四川省大豆生產發展的主要因素(表4)。從驅動力變化趨勢看,長期以來,驅動大豆生產空間格局變化的因素主要為資源要素投入和比較收益,大豆從業人員(PEO)、耕地面積(LAD)、農業機械條件(MCE)、比較收益(BEF) 4 個因子的q值長期居于前列。其次為地理氣候因素,海拔(ELE)、坡度(SLP)和地形起伏(TER)等對大豆產量的影響力均有所提升,其中氣溫(TEP)的q值位序則自2001 年開始顯著提升。一定程度上說明,作為西南丘陵山地大省,地形氣候對大豆生產的影響仍舊較大,且隨著大豆從業人員的減少,地理氣候因素的影響力越加顯著。交通條件方面,隨著我國現代農業的發展和農村公共服務環境的提升,路網密度(ROD)的影響力自2001 年之后開始顯著下降。社會經濟環境各因子較之交通條件對大豆生產格局的影響相對較低,但隨著鄉村家庭規模(HOU)的小型化,從事農業的勞動力資源下降,其影響力逐漸提升。耕作制度(COK)對大豆生產格局的影響則表現為逐步減弱,且2010 年q值不顯著。從種植習慣和偏好看,大豆在四川地區的種植模式多為輪休作物或與玉米等間套作[33],加之大豆的種植技術要求和對勞動力的需求較之玉米等其他作物相對較高,農戶種植大豆的意愿不強,因此耕作制度(COK)對大豆生產格局的影響力最低。

表4 節點年份各影響因素對大豆產量的驅動力(q 值)及位序變化Table 4 Driving force (q-value) and its order for each influencing factor of soybean production in Sichuan Province in node years from 2000 to 2020

2)因子交互探測及變化趨勢。總體而言,主導因子對大豆產量的驅動作用并不獨立,多呈現非線性增強或雙因子增強效應(圖6)。將兩兩因子交互作用q值求和,得出各因子的交互作用總體強度(表5)。可以看出: 大豆從業人員(PEO)與各因子的交互作用相對最強,其次為耕地規模(LAD) (表5)。交互效應強度方面,總體表現為地理氣候＞資源要素＞經濟社會＞比較收益＞交通條件＞耕作制度(圖7),資源要素和比較收益單因子與其他因子之間的交互驅動力長期以來最為顯著且總體呈波動上升趨勢,海拔高程(ELE)、鄉村家庭規模(HOU)、氣溫(TEP)的q值位序提升較快,而交通條件(ROD)和地區經濟水平(GDP)的q值位序則呈波動性下降(表5)。一定程度上表明,資源與環境的約束和比較收益的沖擊對四川省大豆生產格局變化的影響力正逐步提升。

圖6 節點年份各影響因素對大豆生產的交互作用探測結果Fig.6 Interaction detection results of the influencing factors on soybean producion in Sichuan Province in node years from 2000 to 2020

圖7 節點年份各類因子對大豆生產的交互作用力(q 值之和)結構Fig.7 Interaction force (sum of q) structure of the factor categories in Sichuan Province in node years from 2000 to 2020

3 討論與結論

3.1 討論

本研究對2000—2020 年四川省大豆生產時空格局及其影響因子的驅動力變化特征進行重點探究,分析不同時期下大豆產量變化和空間聚集與轉移特征,對生產格局的空間相關性進行了測度,并基于參數最優地理探測器探討了不同影響因子的驅動力變化趨勢。從空間變化來看,四川省的大豆生產空間主要向川中丘陵區聚集且空間影響呈顯著的正向作用,與張曉峰等[21]對四川盆地大豆生產潛力研究結果一致。從單因子驅動因素看,四川大豆生產主要受資源要素、比較收益、地理氣候和交通條件的影響和制約,與前人研究結果基本一致[5]。其中,大豆從業人員與耕地面積的驅動力長期穩居前2,與姚成勝等[34]對西南產區的研究結果基本一致。四川省為山地丘陵大省,人多地少,鄉村人口流失迅速,農業勞動力短缺問題突出,坡耕地居多且更為細碎,是制約當前大豆生產的關鍵因素。從因子驅動變化趨勢看,資源要素方面,機械總動力對大豆的影響力迅速攀升至第3 位,與王靜等[8]、司偉等[20]對西南地區的研究結果一致,主要原因可能是四川丘陵山區機械化水平遠低于全省與全國水平,在勞動力減少趨勢下大豆機械投入不足的問題越來越突出。地理氣候方面,年均溫的驅動力位序自2001 年之后提升較快,旱災等高溫危害及次生災害對大豆的影響逐漸顯著,與張雪等[19]對長江流域的研究結論相一致。從雙因子交互作用看,因子間多呈現非線性增強或雙因子增強效應,與秦婷婷等[9]研究結果基本一致。其中資源要素與地理環境條件的約束和比較收益的沖擊對大豆空間格局的影響力提升較快。主要原因在于大豆仍舊為勞動、土地密集型產品,受四川省地理地貌環境的約束和競爭性作物(玉米)的效應沖擊更為明顯。

總體而言,現有研究多關注全國尺度、主產區尺度的研究,研究尺度較為宏觀,較少考慮各地各省的差異性,聚焦于四川省大豆空間格局的文獻較為缺乏。本研究在前人研究基礎上,進一步聚焦四川省近20 年的發展,深入探究了其空間格局及影響因素的變化趨勢。本研究尚有一些方面需要進一步改進和提升。首先,影響大豆生產格局變化的因素很多,比如大豆的品種特征及分布、生物災害[35]等因素,基于數據難以獲取,因此未加以考慮;其次,本研究重點選擇了節點年份進行因子驅動力的分析,在解釋基于發展階段的驅動力變化特征方面具有一定的局限性;同時,參數最優地理探測器的因子驅動力分析方法,在影響因子的正負效應方面判定具有不確定性,下一步可對影響因子的正負驅動效應進行進一步的探討。

3.2 結論

1) 基于有序樣本分類法,將四川省大豆生產發展階段劃分為2001 年之前的零散化種植期、2001至2007 年的試點提速期、2008 至2009 年的快速提升期、2010 至2015 年的增速放緩期及2016 年至2022 年的振興提升期5 個階段。

2) 基于空間基尼系數、地理集中度系數對四川省大豆生產格局的分析表明: 2000—2020 年四川省大豆生產在空間分布上地域發展不均衡,在區縣尺度上的地理分布總體呈現較集中分布,且空間聚集水平逐步上升。

3) 基于空間轉移系數對大豆生產格局變化進行分析可以看出: 四川省大豆生產總體呈現逐步向川中丘陵區集中的態勢,川西南山地表現為階段性的轉入轉出,成都平原地區總體表現為轉出,而川東北地區、川南地區則表現為轉入,川西高原地區為大豆非生產區。利用莫蘭指數對大豆生產格局的空間相關性進一步檢驗得出,四川省大豆的生產格局更多取決于區縣間的空間鄰近和經濟趨同,且主要表現為高-高(H-H)聚集和低-低(L-L)聚集特征,其中川中丘陵優勢區聚集效應逐漸顯著。

4) 對四川省大豆生產格局變化影響因素的地理探測結果分析表明: 四川省大豆生產格局的變化受資源要素、地理氣候、比較收益、交通條件、經濟社會、種植習慣等多種影響因素的共同作用,以非線性增強、雙因子增強效應為主導。總體而言,驅動四川省大豆生產格局形成的主導因子為資源稟賦條件和比較收益因子,同時作為西南丘陵山地大省,地形氣候和經濟社會條件對大豆生產的影響仍舊較大,氣溫(TEP)的單因子作用和鄉村地區家庭人口規模(HOU)的交互作用顯著提升,氣溫逐步升高及鄉村地區家庭的小型化正逐漸成為影響大豆生產格局變化的關鍵因素。

基于上述結論,本文得到如下啟示: 第一,進一步破解大豆產業發展的資源環境約束。著力破解山地丘陵大省耕地資源細碎化的現狀,提升耕地質量和使用效率,發展面向大豆生產端的社會化服務,加快面向大豆間作技術場景和丘陵山地場景的技術和機械的研發和應用,緩解勞動力短缺問題。第二,圍繞糧食安全和兼顧比較收益,進一步優化大豆生產、農機、服務、保險等環節的政策體系,推動政策體系協同發力。第三,重點關注氣候變化引發的干旱[36]等大豆生產風險,健全農業領域的自然災害風險預警與防范機制,探索改良和選育適應氣候變化的新優品種,強化大豆自然災害風險抵御能力。