GSER Geographical Science Research 2168-5762 Scientific Research Publishing 10.12677/gser.2024.132030 GSER-85417 gser2024132_72420648.pdf 地球与环境 1970~2010年云南农田生产潜力时空演变特征及影响因素分析 Spatial-Temporal Evolution Characteristics and Influencing Factors Analysis of Farmland Production Potential in Yunnan from 1970 to 2010 杨 瑞娇 1 2 null 云南师范大学地理学部，云南 昆明 14 03 2024 13 02 312 329 © Copyright 2014 by authors and Scientific Research Publishing Inc. 2014 This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/

云南省区域内部地貌立体地形复杂多样，独特的地理条件造就了多样化自然条件组合，农业环境中不同组分的改变会对粮食生产系统产生影响，现有农田生产潜力计算模型估算结果总量变化经验证能够拟合实际粮食产量。本文以云南省的129个县作为基本研究单元，分析了1970年至2010年间每十年一个时间节点下的农田生产潜力空间格局的变化特征，为定义出农田生产潜力增产限制因素，选择年平均气温、降水、耕地面积、地形起伏度作为影响因素参与分析，增加县域人口总数、GDP总量作为社会经济要素分析是否与农田生产潜力存在相关关系。使用ArcGIS 10.2中栅格计算、重心分析、莫兰指数、热点分析、地理加权回归分析等工具进行实验操作，实验结果表明：1970至2010年50年间云南省农田生产潜力总体呈逐渐增长趋势，高值增长区县数量集中连片分布于云南省中部；在研究时段内农田生产潜力重心移动速度较慢波动幅度小，说明农田生产潜力空间分布格局较稳定；农田生产潜力高值区多集中于耕地面积资源丰富地形起伏度小的地区且人口数量与农田生产潜力也存在相关关系。 The topography within the Yunnan Province is characterized by complex and diverse terrain, creating unique geographical conditions and a diverse combination of natural elements. Changes in different components of the agricultural environment can significantly impact the grain production system. The results of the existing farmland production potential calculation model have been validated to effectively estimate actual grain production. This study takes the 129 counties of Yunnan Province as the basic research units and analyzes the spatial-temporal evolution characteristics of farmland Production potential from 1970 to 2010, with each decade as a time node. In order to define the limiting factors of increasing production potential of farmland, annual average temperature, precipitation, cultivated land area and topographic relief were selected as influencing factors to participate in the analysis, and the total population and GDP of the county were also increased as social and economic factors to analyze whether there is a correlation with farmland production potential. The grid calculation, gravity center analysis, Moran index, hot spot analysis, Geographic Weighted Regression Analysis and other tools in ArcGIS10.2 were used for experimental operation. The experimental results showed that the farmland production potential of Yunnan Province showed a gradual growth trend in the 50 years from 1970 to 2010, the number of districts and counties with high value growth was concentrated in the central part of Yunnan Province. During the study period, the center of gravity of farmland production potential moves slowly and fluctuates less, indicating that the spatial distribution pattern of farmland production potential is stable. The high value areas of farmland production potential are mainly concentrated in the areas with rich arable land resources and small topographic relief, and there was also a correlation between population quantity and farmland production potential.

农田生产潜力，时空格局，影响因素分析，云南省, Farmland Production Potential Spatial and Temporal Pattern Analysis of Influencing Factors Yunnan Province 摘要

云南省区域内部地貌立体地形复杂多样，独特的地理条件造就了多样化自然条件组合，农业环境中不同组分的改变会对粮食生产系统产生影响，现有农田生产潜力计算模型估算结果总量变化经验证能够拟合实际粮食产量。本文以云南省的129个县作为基本研究单元，分析了1970年至2010年间每十年一个时间节点下的农田生产潜力空间格局的变化特征，为定义出农田生产潜力增产限制因素，选择年平均气温、降水、耕地面积、地形起伏度作为影响因素参与分析，增加县域人口总数、GDP总量作为社会经济要素分析是否与农田生产潜力存在相关关系。使用ArcGIS 10.2中栅格计算、重心分析、莫兰指数、热点分析、地理加权回归分析等工具进行实验操作，实验结果表明：1970至2010年50年间云南省农田生产潜力总体呈逐渐增长趋势，高值增长区县数量集中连片分布于云南省中部；在研究时段内农田生产潜力重心移动速度较慢波动幅度小，说明农田生产潜力空间分布格局较稳定；农田生产潜力高值区多集中于耕地面积资源丰富地形起伏度小的地区且人口数量与农田生产潜力也存在相关关系。

 关键词

农田生产潜力，时空格局，影响因素分析，云南省

 Spatial-Temporal Evolution Characteristics and Influencing Factors Analysis of Farmland Production Potential in Yunnan from 1970 to 2010<sup> </sup>

Ruijiao Yang

Faculty of Geography, Yunnan Normal University, Kunming Yunnan

Received: Jan. 24th, 2024; accepted: Apr. 17th, 2024; published: Apr. 26th, 2024

 ABSTRACT

The topography within the Yunnan Province is characterized by complex and diverse terrain, creating unique geographical conditions and a diverse combination of natural elements. Changes in different components of the agricultural environment can significantly impact the grain production system. The results of the existing farmland production potential calculation model have been validated to effectively estimate actual grain production. This study takes the 129 counties of Yunnan Province as the basic research units and analyzes the spatial-temporal evolution characteristics of farmland Production potential from 1970 to 2010, with each decade as a time node. In order to define the limiting factors of increasing production potential of farmland, annual average temperature, precipitation, cultivated land area and topographic relief were selected as influencing factors to participate in the analysis, and the total population and GDP of the county were also increased as social and economic factors to analyze whether there is a correlation with farmland production potential. The grid calculation, gravity center analysis, Moran index, hot spot analysis, Geographic Weighted Regression Analysis and other tools in ArcGIS10.2 were used for experimental operation. The experimental results showed that the farmland production potential of Yunnan Province showed a gradual growth trend in the 50 years from 1970 to 2010, the number of districts and counties with high value growth was concentrated in the central part of Yunnan Province. During the study period, the center of gravity of farmland production potential moves slowly and fluctuates less, indicating that the spatial distribution pattern of farmland production potential is stable. The high value areas of farmland production potential are mainly concentrated in the areas with rich arable land resources and small topographic relief, and there was also a correlation between population quantity and farmland production potential.

Keywords:Farmland Production Potential, Spatial and Temporal Pattern, Analysis of Influencing Factors, Yunnan Province

Copyright © 2024 by author(s) and beplay安卓登录

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

 1. 引言

粮食生产是世界各国政府重点关注的发展战略问题，粮食生产系统是多因素共同作用形成的综合系统，受气候、土壤等自然因素以及科技、劳动力等社会经济要素的影响，粮食生产的时空特征存在差异 [ 1 ] 。农田生产潜力也被叫农田作物生产潜力，是指现有耕作技术和生产管理水平下农田能持续生产的最大生产能力，受光照、热量、水分等农业气候条件以及农田的数量和质量的影响 [ 2 ] 。研究表明，在现有条件下，农田生产潜力和实际粮食产量之间仍存在差距，生产潜力尚未得到充分挖掘 [ 3 ] ，对农田生产潜力进行研究可以快速获取研究区内部长时间尺度变化和区域分异规律，结合对应年份各县域范围内自然与社会经济统计数据分析农田生产潜力在不同区域产生差异的原因，定义出关键限制因素，从而为农业空间布局、以及种植规划提供决策依据。

国内外针对农业生产潜力时空格局及影响因素分析都进行了较为深入探讨。

国外大尺度范围研究区通常采用逐级限制法建立农田生产潜力计算模型，以验证分析农作物生长潜力。A. Verdoodt [ 4 ] 研究得出在南非半干旱地区玉米和向日葵试验种植区由于对降雨有严重依赖，干旱对作物生产产量产生毁灭性影响；M. V. K. Sivakumar [ 5 ] 使用气象数据作为约束条件，整合评估作物生产潜力，为可持续农业发展提供规划依据。外国学者认为气候、土壤等综合因素在不同区域不同组分条件下影响了农作物生育期的长短进而影响了农作物生产潜力的增减。A. Sattar [ 6 ] 研究了7个长期干旱易发区的降雨资料、潜在蒸散量、有效持水量在不同土质下对农作物生育期长短的影响。除了自然因素影响分析，也有学者研究了造成近年来农田生产潜力下降的因素与农业管理制度和由于快速城市化大量面积被占用有关。Gergely Toth [ 7 ] 分析土地利用变化数据得出结论：欧盟各成员国农田生产潜力下降的原因是伴随着人口增多、经济发展耕地不断转换为人工地表。J. Timsina [ 8 ] 等从水稻和小麦的播种管理制度、播种时间角度分析影响因素与产量增长之间的关系。

国内学者对农田生产潜力研究包括从全国范围按照省界或分区研究，以及针对县域小尺度空间单元进行差异性研究。以全国范围尺度研究可以宏观把握粮食生产格局，分析地区间时间和空间上的差异，对比潜在生产力与实际粮食产量，分析粮食潜力开发水平差异。贾琨 [ 9 ] 根据“一带一路”沿线包括中国在内的65个国家40年统计年鉴数据，分析粮食产量、面积、单产等数据研究从全区域到每个国别时序演变特征及空间分布格局；韩荣青 [ 10 ] 比较实际粮食产量和潜在粮食生产力的变化格局；张锦宗 [ 11 ] 从省际范围分析我国近30年以来粮食生产潜力格局呈南升北降分布格局是各省份播种面积之间存在差异而产生的结果。有学者认为对粮食生产时空格局和影响因子分析在省域范围研究不够充分，无法体现县域内部差异性，有研究从县域范围对粮食生产格局增减情况分析研究，使用不同工具分析具体县域范围内实际产量与计算潜力之间的差异造成因素。刘正兵 [ 12 ] 使用空间常系数回归、空间变系数回归分析山西省县域范围粮食生产格局影响因子进行实证分析，研究不同影响要素作用于粮食潜力生产格局的效应；杜国明 [ 13 ] 计算近五十年三江平原粮食生产潜力验证计算结果与实际各县粮食产量统计数据的拟合程度；屈艳辉 [ 14 ] 考虑到各市周边县域之间的距离，使用地理加权回归方法分析不同时间范围几种对县域粮食产量格局在不同县域位置的空间变异。国内学者多采用逐级修订法计算农田生产潜力，气候因子(气温、降水、辐射)对农业影响深刻，且其成分变化对区域内不同作物气候生产潜力影响有差异，各种农业限制因素相互协调程度影响农业资源优劣判断。庞艳梅 [ 15 ] 使用逐级订正模型使用计算四川盆地1961至2018年几种主要粮食作物气候生产潜力；冷疏影 [ 16 ] 使用地理信息系统计算农业生产潜力并进行等级分区；王情 [ 17 ] 选择七种淮河流域主要粮食计算粮食生产潜力转换率，将粮食生产潜力转换区高的地区划分为开发适宜性高地区。

 2. 研究区与数据来源 2.1. 研究区概况

图1. 研究区地理位置

云南省地处低纬，北回归线从中部穿过，区域内海拔高差较大，西北部横断山区山高谷深，地形复杂、地貌立体是典型的喀斯特地貌区，气候垂直差异显著(图1)。云南省光热资源丰富，雨热同期，生物气候条件多种多样，适合发展林牧业和花卉、烟草等产业，海陆热力性质差异影响下的季风气候导致降水时空分布不均，地区有效利用的农业资源匮乏。合理利用农业气候资源，要做到因地制宜，避免和减轻不利农业生产环境条件的影响，完善种植结构和布局。

 2.2. 数据来源

研究使用的数据包括：1970、1980、1990、2000、2010五个年份的中国农田生产潜力数据、年平均气温和降水、GDP、人口总数、中国90米DEM数据、云南省区县矢量数据。

中国农田生产潜力数据是基于中国耕地遥感监测空间分布、土壤和高程数据，采用GAEZ (Global Agro-Ecological Zones)模型，综合考虑气象、土壤等多个方面的因素，估算得到中国全国耕地的生产潜力。数据集主要考虑了小麦、玉米、水稻、大豆和甘薯五种中国主要种植作物，由于我国幅员辽阔，地形地貌复杂，气候类型多样，地域位置不同作物熟制不同，北方温带季风区、东北地区、华北地区农业制度多为一年一熟到两年三熟，南方地区水热条件较北方优越可达一年两熟到三熟，因此计算土地粮食生产潜力需考虑作物熟制。计算土地粮食生产潜力前先根据气温、降水等气候条件估算某种作物空间分布的气候适宜性，对适宜作物种植的地区使用逐级限制法对气温、降水、辐射三个气象条件限制得到气候生产力，依据土壤类型、肥力等农业属性添加限制，得到土地生产潜力，最后对农业耕作管理制度、土地利用方式添加限制得出土地粮食生产潜力，数据集单位为kg/hm2。5个数据集目前都已经公开出版，质量状况良好 [ 18 ] 。

实验使用中国科学院地理科学与资源研究所提供的2008年全国县级行政边界矢量数据。云南省数字高程模型(DEM)数据通过地理空间数据云端下载，随后进行了镶嵌和裁剪处理。年平均气温、降水量、人口数量和GDP数据均来自对应年份《云南省统计年鉴》。

 3. 研究方法

图2. 技术路线图

在本研究中，我们以云南省129个区县为基本研究单元利用ArcGIS10.2中的重心分析、莫兰指数、热点分析、地理加权回归等工具每十年一个时间节点分析了1970至2010年间农田生产潜力的时空格局的变化特征，选择了年平均气温、降水、耕地面积、地形起伏度、县域人口总数和GDP六个影响因子分析各因子对农田生产潜力的作用，为云南省科学合理粮食安全政策构建提供理论参考。

实验所使用的农田生产潜力数据是基于耕地的分布、土壤、DEM高程数据，使用逐级限制法计算我国五种主要粮食作物的粮食生产潜力 [ 18 ] 。选取参与影响因素分析的气象数据包括年平均气温、降水两个县域记录较完整的数据；短时间内土壤质地、肥力、侵蚀强度等变化较小，因此未选取土壤因素参与分析；耕地数据为各县域耕地面积，地形起伏度是反映范围内最高海拔与最低海拔的差值，相较于DEM数据地形起伏度更能描述出一个区域地貌形态，基于DEM数据使用ArcGIS空间统计工具计算可得出地形起伏度结果；除以上自然条件外还增加县域总人口数与GDP总量作为社会经济要素参与分析，分析农田生产潜力与社会经济要素之间是否有相关性。由于1970年云南省县域统计资料有缺失，所以影响因素分析的年份为1980年、1990年、2000年、2010年四个时间节点(图2)。

3.1. 重心分析法

“重心”分析借用重心点及其移动方向、移动距离等指标不仅可以刻画区域地理现象的空间差异，还可以进一步探寻其动态过程及演化规律通过可视化表示出重心点位置以及移动方向、距离，从而描述区域内地理现象的空间分布差异和时空格局变化 [ 19 ] 。实验计算了1970、1980、1990、2000、2010五个时间节点云南省农田生产潜力重心，描述出迁移路线，总结该区域相关时间段内农田生产潜力重心移动过程以及其移动规律。

 3.2. 全局空间自相关

全局莫兰指数(Global Morans’I) [ 20 ] 研究全局空间范围内某位置和周围邻接或临近的空间区域单元属性值是否存在聚集性，反映了观测变量在整个研究区域内空间相关性的总体趋势 [ 21 ] 。全局莫兰指数计算公式为：

I = n s 0 ∑ i = 1 n ∑ j = 1 n w i j ( y i − y ¯ ) ( y j − y ¯ ) ∑ i = 1 n ( y i − y ¯ ) 2 (1)

S 0 = ∑ i = 1 n ∑ j = 1 n w i j (2)

上式中：I为莫兰指数；n为研究区内空间单元总数；wij为空间权重矩阵；yi为区域i的观测值。根据莫兰指数结果可以将描述对象空间分布模式划分为聚类、离散、随机分布。莫兰指数值的大小还反映区域单元相关的程度。

P值，P-value表示概率，是研究对象空间分布模式呈随机分布的概率，P值越小说明越不太可能为随机分布模式。Z值得分，Z-score是标准差的倍数，Z值分正负，当P值小于0.1且Z得分小于−1.65或大于1.65，置信度为90%；当P值小于0.05且Z值小于−1.96或大于1.96置信度为95%；当P值小于0.01且Z值小于−2.58或大于2.58置信度为99%。在县域尺度下计算农田生产潜力及各相关因子莫兰指数，分析各相关因子与农田生产潜力在空间上分布的差异程度，分析各因子是否对农田生产潜力的格局分布有影响。

 3.3. 局部空间自相关

聚类和异常值分析的指标则用于反映区(县)地区观测值与其相邻区(县)之间的差异程度和差异的显著性 [ 22 ] 。局部莫兰指数的计算公式为：

I i = y i − y ¯ s 2 ∑ i ≠ j n w i j ( y j − y ¯ ) (3)

S 2 = 1 n ∑ ( y i − y ¯ ) 2 (4)

上式中：Ii为莫兰指数，结果取值范围为(−1, 1)，值小于0表示分析单元相邻单元间分析属性值为较弱的集聚，即离散模式；值大于0表示相邻各单元的属性值存在比较显著地集聚现象；趋近于0表示各单元呈随机分布。局部莫兰指数结果分为H-H (高高聚集)、H-L (高低异常)、L-L (低低聚集)、L-H (低高异常)四种类型属性值，以及不显著聚集类型。

 3.4. 热点分析法

Getis-Ord Gi*用于检测局部小范围内局部空间显著热点、冷点。每个单元i的统计量Gi为：

G i * = ∑ j = 1 n w i , j x j − x ¯ ∑ j = 1 n w i j ∑ j = 1 n x j 2 n − ( x ¯ ) 2 [ n ∑ j = 1 n w i , j 2 − ( ∑ j = 1 n w i , j ) 2 ] n − 1 (5)

上式中，xj为第j个地理单元的密度值；x为所有单元的密度均值；wi,j为单元i和j的空间权重系数；n为研究区域内所有单元的总数量。热点分析结果为显著正Gi值表示在观测值较高的区域邻近单元也具有较高观测值，显著的负Gi值表示在观测值较低的区域邻近单元也具有较低观测值，与全局莫兰指数相比，热点分析结果能反映出高值和低值聚类具体在空间中的分布 [ 23 ] 。县域尺度下对农田生产潜力和影响因素进行探测，分析是否存在统计上显著相关的高值集聚区和低值集聚区。

 3.5. 地理加权回归分析法

传统的线性回归模型是估计参数的“平均”或“全局”意义，如果自变量是空间数据且存在空间自相关性，就不适用传统回归模型(Ordinary Least Squares, OLS)残差项独立的假设 [ 24 ] ，地理加权回归(Geographically Weighted Regression, GWR)容许一些不平稳的数据直接被模拟，利用非参数估计方法进行局部参数估计。通过线性回归模型中假定回归系数是观测点地理位置的位置函数，将数据空间特性纳入模型中，为分析回归关系的空间差异性创造了条件，能够反映参数在不同空间的空间非平稳性，使变量间的关系可以随空间位置的变化而变化 [ 25 ] 。GWR模型表达式为：

y i = β 0 ( u i , v i ) + ∑ j = 1 k β j ( u i , v i ) x i j + ε i (6)

上式中，yi表示地理位置 ( u i , v i ) 的因变量， β 0 ( u i , v i ) 表示地理位置 ( u i , v i ) 的常数项值， β j ( u i , v i ) 是在地理位置 ( u i , v i ) 的未知参数，εi表示空间随机残差。本文将使用地理加权回归法分析各个因子对农田生产潜力的影响程度。

 4. 结果与分析 4.1. 云南省农田生产潜力空间格局变化

使用区(县)矢量面数据对农田生产潜力数据集进行分区统计，分析结果得出1970年以来，云南省农田生产潜力总量整体为增长趋势(图3)，其中1980年到1990年呈下降趋势，1970年到2010年40年间云南省农田生产潜力总量增长了13.76%，从2994.36万t增加到3406.60万t；县域农田生产潜力均值从4395.37 kg/hm2增加到5252.53 kg/hm2，增长19.50%；最大县域农田生产潜力生产均值增长趋势与总量一致，1980年至1990年呈下降趋势，其余年份均为上升趋势。

县域农田生产潜力均值为使用分区统计各县域农田生产潜力均值与区县耕地面积之积。耕地是主要用于种植水稻、小麦等主要粮食作物以及蔬菜的土地，包括水田、望天田(雨育水田)、旱地、水浇地、几种常见类型。实验选择使用耕地面积数据计算各县域内农田生产潜力均值，使用耕地面积数据为国家青藏高原科学数据中心多年土地利用现状遥感监测数据集，通过面积制表工具计算出各区县耕地面积，经验证，使用该数据集计算所得出的2000年耕地面积是同一年份下《云南省统计年鉴》中统计耕地面积1.45倍，以云南省县域为单位进行数据比较如图4所示，虚线为云南省各区县农田生产潜力数据集计算得出的耕地面积与《统计年鉴》中实际耕地面积的相关趋势线，可从两者拟合情况中得出各区县计算得出的耕地面积与统计实际耕地面积相关系数为0.64，拟合情况较好。因此使用统计面积计算县域农田生产潜力均值能够反映实际情况变化趋势。

图3. 1970年~2010年云南省农田生产潜力统计图

图4. 2000年云南省县域计算耕地面积与实际耕地面积对比

使用栅格计算器计算每10年一个时间节点之间的县域农田生产潜力差值，分析1970至2010年40年间农田生产潜力数量变化的空间格局特征。

1970年至1980年(图5(a))，农田生产潜力增加的区(县)多于减少的区(县)，农田生产潜力增加超过50,000 t的区(县)共8个，主要集中在昭通市，包括永善县、镇雄县、宜良县、盐津县、威信县、和绥江县，另有昆明市下辖禄劝彝族苗族自治县，和楚雄彝族自治州禄丰县；农田生产潜力减少超过50,000 t的区(县)仅曲靖市罗平县，减少量在50,000~100,000 t的区(县)共9个，主要集中于德宏傣族景颇族自治州下辖的盈江县、芒市，保山市隆阳区、昌宁县、腾冲县，临沧市凤庆县、云县，文山壮族苗族自治州砚山县、丘北县。

1980年至1990年(图5(b))，农田生产潜力增加区(县)多于减少区(县)，农田生产潜力增加超过50,000 t的区(县)集中于文山市，包括砚山县、文山市2个区(县)；农田生产潜力减少超过50,000 t的区(县)仅楚雄彝族自治州元谋县，减少量在50,000~100,000 t的区(县)共14个，主要集中于昆明市包括西山区、晋宁县、禄劝彝族苗族自治县、安宁市，曲靖市陆良县、沾益县，楚雄彝族自治州楚雄市、武定县、禄丰县，昭通市永善县，丽江市永胜县、迪庆藏族自治州及香格里拉市，玉溪市下辖新平彝族傣族自治县。

1999年至2000年(图5(c))，农田生产潜力增加超过50,000 t的区(县)共22个，主要集中于昆明市，包括晋宁县、安宁市，玉溪市华宁县、易门县、新平县、元江哈尼族彝族傣族自治县，普洱市下辖思茅区、镇沅彝族哈尼族拉祜族自治县、墨江哈尼族自治县、景谷傣族彝族自治县、宁洱哈尼族彝族自治县，楚雄彝族自治州楚雄市、双柏县、元谋县、禄丰县，红河哈尼族彝族自治州石屏县、红河县，文山壮族苗族自治州马关县、丘北县、广南县，曲靖市罗平县，西双版纳州景洪市；农田生产潜力减少的区(县)仅有昭通市镇雄县。

图5. 云南省县域农田生产潜力差值

2000年至2010年(图5(d))，农田生产潜力增加的区(县)比减少的区(县)多，农田生产潜力增加超过50,000 t的区(县)共36个，主要集中于楚雄彝族自治州包括永仁县、双柏县、大姚县、楚雄市、元谋县、武定县、禄丰县，昆明市石林彝族自治县、禄劝县，曲靖市麒麟区、陆良县、会泽县、沾益县，玉溪市通海县、华宁县、新平彝族傣族自治县，临沧市临翔区、双江县、云县、凤庆县、耿马县，丽江市永胜县、宁蒗彝族自治县，红河哈尼族彝族自治州个旧市、蒙自市、建水县、弥勒市、泸西县，普洱市景洪市、勐海县，普洱市景谷傣族彝族自治县、镇沅县、景东彝族自治县、澜沧拉祜族自治县，大理白族自治州祥云县、宾川县；农田生产潜力减少超过50,000 t的区(县)仅文山壮族苗族自治州广南县，减少量在50,000~100,000 t的区(县) 5个，主要集中于昭通市，包括昭阳区、镇雄县、彝良县，和文山壮族苗族自治州砚山县。

1970年至2010年(图5(e))，农田生产潜力增加的区(县)多于减少的区(县)，农田生产潜力增加超过50,000 t的区(县)共33个，集中成片分布在云南省中部；农田生产潜力减少超过50,000 t的区(县)仅保山市隆阳区，减少量在50,000~100,000 t的区(县)共6个，主要集中于曲靖市，包括罗平县、富源县，保山市腾冲县，迪庆藏族自治州香格里拉市，德宏州下辖盈江县，空间位置分布无显著特征。

 4.2. 云南省农田生产潜力重心时空格局演变 4.2.1. 云南省农田生产潜力重心区位及空间移动路径

基于区域空间重心计算1970年云南省农田生产潜力重心为(102˚04'29''E, 24˚59'04''N)，位于楚雄彝族自治州禄丰县；1980年农田生产潜力重心转变为(102˚12'27''E, 25˚02'35''N)，空间位置从禄丰县转移至昆明市下辖安宁市辖区西部；1990年农田生产潜力重心为(102˚12'54''E, 25˚00'00''N)，位于安宁市与禄丰县交界点；2000年重心位置移动至(102˚13'38''E, 24˚54'24''N)，位于玉溪市易门县境内；2010年重心位置移动至(102˚6'11''E, 24˚51'18''N)，仍位于玉溪市易门县境内。在研究时间段内，2010年重心终点位置位于1970年重心起始点位置的南偏东方向，移动路径在空间中近似于平行四边形如图6所示。

图6. 云南省农田生产潜力重心转移路径

 4.2.2. 云南省农田生产潜力重心移动方向和距离

1970年至1980年重心迁移路径为西北走向，该阶段移动速度相对较快，年均移动1.45 km，自1980年后重心逐渐南移，1980年至2000年均为东南方向，1980年至1990年重心年均移动0.44 km，移动速度相对最慢，1990年至2000年移动速度增加，重心年均移动距离增加为0.94 km，2000年至2010年重心移动路径转变为西南走向且年均移动距离增加至1.36 km，云南省农田生产潜力重心移动距离较短速度较慢，农田生产潜力空间格局变化较稳定(表1)。

Changes in gravity center of potential farmland production in Yunnan Province from 1970 to 201
时期 重心点X坐标 重心点Y坐标 移动距离/km 平均速度/km∙a−1
1970 102˚04'29''E 24˚59'04''N 14.52 1.45
1980 102˚12'27''E 25˚02'35''N 4.37 0.44
1990 102˚12'54''E 25˚00'00''N 9.41 0.94
2000 102˚13'38''E 24˚54'24''N 13.57 1.36
2010 102˚6'11''E 24˚51'18''N

表1. 1970至2010年云南省农田生产潜力重心变动

 4.3. 云南省农田生产潜力及影响因素空间自相关分析 4.3.1. 全局莫兰指数

结果如表2所示，1980年至2010年农田生产潜力及相关因素Morans’I值均为正值，除1980至2000年县域GDP外其余年份农田生产潜力以及各影响因素在99%的置信度下Z得分均大于2.58，因此可以拒绝零假设，认为农田生产潜力以及各影响因素在空间中随机分布的可能小于0.01，则在空间分布上表现出显著的集聚性，农田生产潜力以及各影响因素值较高的区域都趋于与值较高的区域相邻，值较低的值趋于与值较低的区域相邻，而1980年至2000年县域GDP则在99%的置信水平下在全局空间分布为随机分布模式的概率超过10%，不能拒绝0假设，在全局空间范围内无聚集并不一定在局部空间也没有集聚现象，所以GDP仍然参与后续的局部莫兰指数以及热点探测分析。

Global Morans’I index of county farmland production potential and its influencing factors in Yunnan Province from 1980 to 201
年份 影响因素 Morans’I Z P
1980 地形起伏度 0.822469 14.930758 0.000000
农田生产潜力 0.393476 7.492472 0.000000
耕地面积 0.208914 3.909297 0.000093
年平均降水 0.840585 15.209390 0.000000
年平均气温 0.865271 15.696751 0.000000
县域GDP 0.062770 1.293719 0.195762
人口 0.159981 2.976090 0.002919
1990 农田生产潜力 0.399264 7.277132 0.000000
耕地面积 0.205693 3.853544 0.000116
年平均降水 0.869466 15.630498 0.000000
年平均气温 0.861953 15.624714 0.000000
县域GDP 0.042666 0.966753 0.333667
人口 0.270276 5.058727 0.000000
2000 农田生产潜力 0.376358 6.863483 0.000000
耕地面积 0.206191 3.864376 0.000111
年平均降水 0.852839 15.334092 0.000000
年平均气温 0.862098 15.626002 0.000000
县域GDP 0.055423 1.515284 0.129701
人口 0.283814 5.316517 0.000000
2010 农田生产潜力 0.384986 7.010023 0.000000
耕地面积 0.206296 3.865190 0.000111
年平均降水 0.829721 14.967400 0.000000
年平均气温 0.872443 15.825953 0.000000
县域GDP 0.319234 6.268877 0.000000
人口 0.286286 5.344497 0.000000

表2. 云南省1980~2010年县域农田生产潜力及各影响因素全局Morans’I指数

 4.3.2. 热点探测

图7. 1980年云南省县域农田生产潜力及各影响因素热点分析结果

冷热点探测结果显示，1980至2010年云南省县域农田生产潜力及各因素热点探测结果分布格局基本一致，县域范围内农田生产潜力热点分布区与耕地面积热点分布有重合部分，重合部分位于云南省东部曲靖市南部区县，农田生产潜力热点分布区也与地形起伏度冷点有重合部分，重合部分位于昆明市西部和曲靖市中部及南部；冷点分布区域与地形起伏度热点、耕地面积冷点、降水热点、人口总数冷点、GDP热点位置有重合部分(图7~10)。

图8. 1990年云南省县域农田生产潜力及各影响因素热点分析结果

图9. 2000年云南省县域农田生产潜力及各影响因素热点分析结果

图10. 2010年云南省县域农田生产潜力及各影响因素热点分析结果

 4.3.3. 局部莫兰指数

图11. 1980年云南省县域农田生产潜力及各影响因素LISA集聚图

根据LISA集聚图进一步分析农田生产潜力以及各因子的局部空间关系。1980年农田生产潜力“高–高”聚集区共14个区县，主要聚集于云南省东部曲靖市中部下辖区县，其中文山壮族苗族自治州丘北县和曲靖市罗平县两个县所处区域也是耕地面积“高–高”聚集区，农田生产潜力“高–高”聚集区中曲靖市麒麟区也是GDP和区(县)人口总数的高聚集区，楚雄彝族自治州元谋县也是年平均降水“高–高”聚集区；农田生产潜力“低–低”聚集区为怒江傈僳族自治州福贡县及其邻县贡山独龙族自治县，贡山县是年平均降水、地形起伏度“高–高”聚集区；耕地面积、气温、人口“低–低”聚集区福贡县所处区域是地形起伏、年平均降水“高–高”聚集区，年平均气温、县域总人口的“低–低”聚集区(图11)。

1990年农田生产潜力“高–高”聚集区共12个区县，空间分布与1980年分布一致，文山壮族自治州丘北县为“低–高”聚集区，“低–高”聚集表示该县域周围存在农田生产潜力较低的县域，丘北县和罗平县两个县所处区域是耕地面积“高–高”聚集区，“高–高”聚集区中曲靖市麒麟区、宣威市、罗平县也是GDP和区(县)人口总数的高值聚集区；“低–低”聚集区相较于1980年新增加兰坪县共三个区县，三个区县所处区域也是地形起伏“高–高”聚集区，年平均气温“低–低”聚集区，贡山县、福贡县区范围也是县域总人口的“低–低”聚集区(图12)。

图12. 1990年云南省县域农田生产潜力及各影响因素LISA集聚图

2000年农田生产潜力“高–高”聚集区共12个区县，与1980年分布基本一致，南部新增红河州开远市，“高–高”聚集区中曲靖市麒麟区、宣威市、富源县、罗平县也是区(县)人口总数的高值聚集区；“低–低”聚集区相较于1990年新增加维西傈僳族自治县、泸水县、大理白族自治州云龙县共六个区县，所处区域也是地形起伏度“高–高”聚集区，年平均气温低值聚集区，贡山县、福贡县、维西县区域也是县域总人口的低值聚集区(图13)。

2010年农田生产潜力“高–高”聚集区共12个区县，新增楚雄州元谋县及思茅市孟连傣族拉祜族佤族自治县，“高–高”聚集区与区(县)人口总数的高聚集区位置一致，其中元谋县是耕地面积数量统计高值集聚区；“低–低”聚集区相较于2000年新增加德钦县共七个区县，德钦县县域位置也是气温与人口分布的“低–低”集聚区、地形起伏变化的高值区(图14)。

图13. 2000年云南省县域农田生产潜力及各影响因素LISA集聚图

图14. 2010年云南省县域农田生产潜力及各影响因素LISA集聚图

 4.3.4. 地理加权回归分析

如表3所示将耕地面积、地形起伏度、年平均气温、年平均降水、人口、县域GDP几个影响因子作为自变量z-score标准化处理后运用回归模型进行计算，构建OLS模型分析自变量对因变量的影响程度， 每个因子都通过了显著性检验，其中耕地面积与人口在研究时段内系数都为正向系数，说明两个因子对农田生产潜力有正向拉动力；地形起伏度与年平均降水在研究时段内系数都为负向系数，说明两个因子对农田生产潜力有负向拉动力，年平均气温OLS模型分析结果则是在1980年至1990年为负向系数，2000至2010年为正向系数；县域GDP的OLS模型分析结果则是在1980为正向系数，1990至2010年为负向系数。OLS模型虽然在一定程度上解释了影响因子的正负极性和影响力，但是其回归系数是建立在全局均一化的基础上的，不能辨析农田生产潜力影响因素空间异质性。

The regression coefficient of OLS mode
年份 自变量类别 1980年 1990年 2000年 2010年
耕地面积 0.493797 0.495767 0.544733 0.595671
地形起伏度 −0.421838 −0.362582 −0.324361 −0.431271
年平均气温 −0.142616 −0.012160 0.058467 0.006506
年平均降水 −0.076610 −0.144381 −0.200482 −0.141182
人口 0.157802 0.223503 0.182632 0.057146
县域GDP 0.028489 −0.004341 −0.03066 −0.097028

表3. OLS模型回归系数

如表4所示研究时段五个时间节点云南省区县内耕地面积与对应区域的农田生产潜力GWR回归系数为正值的区县均超过123个县，表明区县内随着耕地面积增加农田生产潜力也随之增加；人口与农田生产潜力回归系数为正值的区县均超过117个县，表明区县内农田生产潜力随人口数量而增加；地形起伏度与农田生产潜力回归系数为负值的区县均超过125个县，负值系数表明区县内随着地形起伏度增加农田生产潜力减少。

从1980年至2010年，云南省各区县年平均气温与对应的农田生产潜力回归系数为正值的区县从74个增加至118个区县；但随着县域GDP与农田生产潜力回归系数为负值的区县从57个增加至98个区县，研究时间段内各区县GDP呈上升趋势，伴随着花卉种植、烟草生产、生态旅游等农业人口城镇化进程调整了产业结构，导致区县内农田生产潜力并未随GDP增加而增加。

The regression coefficient of GWR mode
自变量 类别 年份 耕地面积 地形 起伏度 年平均 气温 年平均 降水 人口 县域GDP 耕地面积
1980年 −0.095007~1.129063 −0.177986 ~−0.926905 −0.415215 ~0.916822 −0.473079 ~0.238617 −0.061914~0.877818 −0.127633~0.988724 −0.095007~1.129063
1990年 −0.147046~1.145528 −0.831749 ~0.068953 −0.588303 ~0.952335 −0.994289 ~0.35083 −0.140197~1.007543 −0.466808~1.544376 −0.147046~1.145528
2000年 −0.097356~1.185541 −0.691533 ~−0.015082 −0.515148 ~1.43812 −0.767129~0.315486 −0.075386~1.179603 −0.451156~0.84683 −0.097356~1.185541
2010年 0.300229 ~1.087566 −0.898497 ~0.091425 −0.19781 ~1.081873 −0.672546 ~0.128471 −0.064921 ~0.476869 −0.511529 ~1.331868 0.300229~10.087566

表4. GWR模型回归系数

 5. 结果与分析

本文通过莫兰指数、热点分析、地理加权回归几种空间分析的方法研究了1970、1980、1990、2000、2010五个时间节点农田生产潜力与各影响因素之间的关系。结果表明：

1) 1970年至2010年云南省农田生产潜力总体呈增长趋势，农田生产潜力增量超过5000 t的县域持续增加，且50年间农田生产潜力增加的区县主要分布在云南省中部，呈现接连成片分布格局。

2) 1970年至2010年云南省农田生产潜力重心在研究时间范围内农田生产潜力中心位置从楚雄州禄丰县到玉溪市易门县，云南省农田生产潜力重心移动距离较短速度较慢，空间格局变化较稳定。

3) 云南省农田生产潜力空间分布具有显著的空间集聚特征，云南省西北部横断山区位置受地形影响地形起伏变化大耕地面积少、年均温较低，尽管降水丰富，但农田生产潜力仍为较低水平。云南省中部包括曲靖市下辖区县和昆明市西部区县耕地面积资源较丰富，地形起伏度较小区域农田生产潜力值较高。

4) 耕地面积、人口对农田生产潜力为正向拉动力，地形起伏度对农田生产潜力为负向拉动力。

1970年至2010年云南省农田生产潜力呈增长趋势且空间格局变化稳定，因此，对于农田生产潜力较高的中部地区包括曲靖市以及昆明市西部应当切实保护耕地、推进农业机械化，用科学技术、生产管理方式缩小农田生产潜力与实际粮食生产力之间的差距；对于自然环境条件恶劣的西北地区要注重农业生产与资源开发的协调度，顺应自然条件因地制宜规划农业生产。

 文章引用

杨瑞娇. 1970~2010年云南农田生产潜力时空演变特征及影响因素分析Spatial-Temporal Evolution Characteristics and Influencing Factors Analysis of Farmland Production Potential in Yunnan from 1970 to 2010[J]. 地理科学研究, 2024, 13(02): 312-329. https://doi.org/10.12677/gser.2024.132030

 参考文献 References 王景发, 何海潮. 吉林省农田生态系统生产潜力研究[J]. 农业与技术, 2020, 40(23): 101-103. 徐新良, 刘纪远, 曹明奎, 等. 近期气候波动与LUCC过程对东北农田生产潜力的影响[J]. 地理科学, 2007(3): 318-324. 程传周, 杨小唤, 李月娇, 等. 基于不同模型组合的山东省耕地生产潜力计算与分析[J]. 资源科学, 2010, 32(11): 2165-2171. Verdoodt, A., Van Ranst, E. and Van Averbeke, W. (2003) Modelling Crop Production Potentials for Yield Gap Analysis under Semiarid Conditions in Guquka, South Africa. Soil Use and Management, 19, 372-380.
https://doi.org/10.1111/j.1475-2743.2003.tb00328.x Sivakumar, M.V.K. and Valentin, C. (1997) Agroecological Zones and the Assessment of Crop Production Potential. Philosophical Transactions of the Royal Society B: Biological Sciences, 352, 907-916.
https://doi.org/10.1098/rstb.1997.0070 Sattar, A. and Khan, S. (2016) Evaluation of Crop Production Potential Using Long Term Simulated Soil Moisture in Drought Prone Region of Bihar. Indian Journal of Soil Conservation, 44, 256-265. Tóth, G. (2012) Impact of Land-Take on the Land Resource Base for Crop Production in the European Union. Science of the Total Environment, 435-436, 202-214.
https://doi.org/10.1016/j.scitotenv.2012.06.103 Timsina, J. and Connor, D.J. (2001) Productivity and Management of Rice-Wheat Cropping Systems: Issues and Challenges. Field Crops Research, 69, 93-132.
https://doi.org/10.1016/S0378-4290(00)00143-X 贾琨, 杨艳昭, 封志明. “一带一路”沿线国家粮食生产的时空格局分析[J]. 自然资源学报, 2019, 34(6): 1135-1145. 韩荣青, 戴尔阜, 吴绍洪. 中国粮食生产力研究的若干问题与展望[J]. 资源科学, 2012, 34(6): 1175-1183. 张锦宗, 朱瑜馨, 赵飞, 等. 我国粮食生产格局演变及增产贡献研究[J]. 中国农业资源与区划, 2017, 38(7): 10-16 35. 刘正兵, 丁志伟, 王发曾. 山西省县域粮食生产时空格局及影响因子分析[J]. 广东农业科学, 2014, 41(13): 186-193. 杜国明, 马敬盼, 张露洋, 等. 近50年气候驱动下三江平原粮食生产潜力时空演变分析[J]. 水土保持研究, 2018, 25(2): 361-366. 屈艳辉, 李二玲, 范訸嘉. 河南省县域粮食生产格局演化及影响因素[J]. 地域研究与开发, 2017, 36(3): 148-153. 庞艳梅, 陈超, 徐富贤, 等. 气候变化对四川盆地主要粮食作物生产潜力的影响[J]. 中国生态农业学报(中英文), 2020, 28(11): 1661-1672. 冷疏影. 地理信息系统支持下的中国农业生产潜力研究[J]. 自然资源学报, 1992(1): 71-79. 王情, 刘雪华, 岳天祥. 淮河流域粮食生产潜力空间格局研究[J]. 生态经济, 2014, 30(7): 24-27. 刘洛, 徐新良, 刘纪远, 等. 1990-2010年中国耕地变化对粮食生产潜力的影响分析(英文) [J]. 地理学报, 2015, 25(1): 19-34. 高军波, 刘彦随, 张永显. 1990-2012年淮河流域粮食生产的时空演进及驱动机制[J]. 水土保持通报, 2016, 36(3): 179-185 192. 刘纪远, 匡文慧, 张增祥, 等. 20世纪80年代以来中国土地利用变化的基本特征与空间格局(英文) [J]. 地理学报, 2014, 24(2): 195-210. 曹瑞芬, 张安录. 基于耕地资源综合水平的区域耕地保护补偿分区研究——以湖北省为例[J]. 农业技术经济, 2014(12): 15-24. Tiefelsdorf, M. (2000) The Exact Distribution of Morans’I. In: Lecture Notes in Earth Sciences, Springer, Berlin, 75-88. 李文龙, 石育中, 鲁大铭, 等. 北方农牧交错带干旱脆弱性时空格局演变[J]. 自然资源学报, 2018, 33(9): 1599-1612. 魏传华, 胡晶, 吴喜之. 空间自相关地理加权回归模型的估计[J]. 数学的实践与认识, 2010, 40(22): 126-134. 庞瑞秋, 腾飞, 魏冶. 基于地理加权回归的吉林省人口城镇化动力机制分析[J]. 地理科学, 2014, 34(10): 1210-1217.
Baidu
map