Characteristics and Driving Factors of Non-grain Production of Cultivated Land in Anning River Basin of Sichuan Province
-
摘要:目的
摸清重要流域耕地非粮化状况，为地区耕地高效利用和确保粮食安全提供依据。
方法运用空间相关分析、热点分析等方法识别2001 ~ 2021年四川省安宁河流域耕地非粮化特征，构建经济计量模型探究非粮化驱动因素。
结果① 2001 ~ 2021年，耕地非粮化率总体有所下降，其地区差异程度呈现“降低→提高”的时间变化态势，存在正偏态分布且相对均匀；② 耕地非粮化率呈现攀枝花段高、凉山州段低的空间格局，具有西高东低、南高北低的空间趋势，总体上以凉山州段中部为低值中心，向南北扩散且呈现低值区向高值区演变特征；③ 耕地非粮化率空间热点状态由“北部热点集聚、中部不显著、南部冷点集聚”向“北部单个热点区、其余区县不显著”的转变，冕宁县一直处于热点状态；④ 耕地面积、粮食单产、城镇化率、农林牧渔总产值、农村居民人均纯收入、地均农机总动力、人均耕地面积、农业从业人员、国内生产总值（GDP）对耕地非粮化率具有显著影响，但不同流域段存在差异。
结论四川省安宁河流域应聚焦新型农业经营主体、落实耕地保护建设硬措施、加大农业技术攻关、优化流域空间格局，进而严控非粮化增长，稳固地区粮食生产。
Abstract:ObjectiveThis study is aimed to find out the status of non-grain production of cultivated land in important river basins, and to provide the basis for realizing the efficient use of regional cultivated land and ensuring food security.
MethodSpatial correlation analysis and hot spot analysis were used to identify the characteristics of non-grain production of cultivated land in the Anning River Basin of Sichuan Province from 2001 to 2021, and econometric models were built to explore the driving factors.
Result① The non-grain rate of cultivated land in Anning River Basin of Sichuan Province generally showed a downward trend from 2001 to 2021, and the differentiated degree showed a trend of "decreasing → increasing", and there was a positive skew distribution, and the distribution was relatively uniform. ② The spatial difference of non-grain production was obvious, showing a spatial pattern of high in Panzhihua section and low in Liangshanzhou section. The spatial trend of non-grain rate was west high and east low, south high and north low. In general, the middle part of Liangshanzhou section was the low value center, spreading to the north and south, and showing a trend of evolution from low value area to high value area. ③ The spatial hotspot state of non-grain rate of cultivated land in Anning River Basin of Sichuan Province changed from "hot spots in the north, no significant in the middle, and cold spots in the south" to "single hot spots in the north, no significant in the other districts and counties", and Mianning County was always in a hot spot state. ④ Non-grain rate of cultivated land is affected by factors such as cultivated land area, grain yield per unit area, urbanization rate, total output value of agriculture, forestry, animal husbandry and fishery, per capita net income of rural residents, total power of agricultural machinery per land, per capita cultivated land area, agricultural employees, and GDP. However, there are differences among different regions of the basin.
ConclusionThe Anning River Basin of Sichuan Province should focus on the new agricultural management subjects, implement the hard measures of cultivated land protection, strengthen the agricultural technology research, optimize the spatial pattern of the basin, so as to strictly control non-grain growth and stabilize the cornerstone of regional food security.
-
【研究意义】粮食安全关乎国家稳定，中共二十大指出要“全方位夯实粮食安全根基”，耕地是确保粮食安全的基础资源。近年来，我国农业结构持续优化，地域空间布局日趋合理，但地区耕地功能性衰退倾向显化。已有研究表明，我国耕地非粮化率为27%且呈扩大趋势，具有明显的地区差异，其中西南地区非粮化率高达46%[1]，是市场经济体制下的经济利益驱逐的结果[2]。2020年以来，中央一号文件、农业农村部一号文件、“十四五”规划等再三强调“防止耕地非粮化”，国家层面出台了《关于防止耕地非粮化稳定粮食生产的意见》《农村土地经营权流转管理办法》《关于严格耕地用途管制有关问题的通知》等政策文件，以严格落实耕地非粮化管控。因此，把握我国重要粮食产区耕地非粮化状况，对巩固地区经济发展和粮食安全的协同关系具有现实意义。
【前人研究进展】国际上尚未明确耕地非粮化概念[3]，对于耕地种植行为研究侧重于经济作物扩张对人类社会和生态环境的影响[4]，聚焦于作物多样化[5]、农业可持续集约化[6]等领域，其目的在于改变单一的耕地种粮结构，改进农业生产形态与经营方式，应对气候变化和环境胁迫的韧性。耕地非粮化是耕地种植结构发生改变[7]，国内学者主要围绕耕地非粮化系统认知及其成因[1-3, 8]、水平测度[9-10]、驱动机制[11-12]、决策响应机制与管控路径[13-14]等内容展开研究；研究对象聚焦空间特征[15-17]，且研究尺度多为全国[18]、省级[16]、市（县）级[12,17]，对重要流域尺度的研究相对较少。如陈浮等[19]研究表明我国高非粮化率集中在新疆、贵州和东南沿海，张惠中等[20]研究发现山东中东部非粮化程度高于西部，但影响因素不同。此外，有学者关注了耕地非粮化对生态环境的影响[21]，如吴九兴等[9]研究发现安徽耕地生态承载力对非粮化程度变化的敏感性有所增加。既有研究做了较为全面的理论探究和实证分析，为遏制耕地非粮化扩张、保障粮食安全提供了重要的理论支撑和现实经验。但我国幅员辽阔，耕地分布广泛，存在地区及其内部资源禀赋、经济水平、产业结构等差异，且不同地区发生耕地非粮化的行为及原因具有差异，尤其是重要粮食主产区亟需关注。【本研究切入点】四川作为我国西部唯一的粮食主产区，正着力打造以安宁河流域为核心区域的“天府第二粮仓”，对确保地区乃至全国粮食安全具有重要的时代价值，使得安宁河流域耕地保护需求更加突出。【拟解决的问题】以四川省安宁河流域为研究对象，综合运用空间相关分析、热点分析、经济计量模型等方法，把握耕地非粮化特征及其驱动因素，为地区耕地可持续利用提供依据。
1. 研究方法与数据来源
1.1 研究区概况
安宁河流域位于四川省西南部、攀西地区中部，地理坐标：101°51′ ~ 102°48′ E，26°38′ ~ 28°53′ N之间（图1a）。安宁河干流源于凉山彝族自治州（简称“凉山州”）冕宁县，纵贯凉山州的冕宁县、西昌市、德昌县和攀枝花市的米易县（与盐边县交界），于米易县注入雅砻江（图1b），全长320 km，流域面积1.12 × 104 km2，且该流域是四川省第二大平原。根据《安宁河流域国土空间规划（2022 ~ 2035年）》，安宁河流域涉及凉山州和攀枝花市的11个县（市、区），包括凉山州段和攀枝花段两个流域段，其中凉山州段包括西昌市、盐源县、德昌县、会理县、会东县、宁南县、喜德县、冕宁县，攀枝花段包括仁和区、米易县、盐边县（图1b），全流域总面积约3.67 × 104 km2。该流域以山地为主，海拔高程为585 ~ 5299 m。属亚热带季风气候，日照长、霜冻短，夏季多雨、冬春干旱。2021年流域耕地面积为33.50 × 104 hm2，占土地总面积的9.13%。但随着城镇化、工业化水平提升和农业结构调整的进行，安宁河流域守住耕地保护红线压力增大。2022年8月，四川省委、省政府印发《安宁河流域高质量发展规划（2022 ~ 2030年）》，聚焦流域土地提质增量、流域水资源配置等重点领域，着力打造“天府第二粮仓”，聚力发展现代优质高效农业、统筹新型城镇化和乡村振兴发展，形成民族地区共同富裕新样板和高质量发展增长极。开展四川省安宁河流域耕地非粮化研究，具有代表性。
1.2 研究方法
1.2.1 耕地非粮化界定及其测算方法
耕地非粮化表征复杂，但学者们对耕地非粮化概念认知具有一定共识，认为耕地非粮化是土地经营者在耕地上种植非粮食作物的行为[18-20]，可进一步分为食物性生产的非粮化[22]和非食物性生产的非粮化[1-2]，提出并运用粮经比等多种指标加以衡量[23-28]。2020年11月，国务院办公厅出台《关于防止耕地非粮化稳定粮食生产的意见》指出，优质耕地要重点用于粮食生产，尤其是保障稻谷、小麦、玉米三大谷物的种植面积。因此，本研究聚焦食物性生产的非粮化，将除了种植三大谷物之外的其他农作物种植行为界定为“非粮化”，并借鉴陈浮等[19]研究方法测算。计算公式为：
$$ R{{N}}G = 1{{ - }}{A_{g{{sa}}}}/({A_{c{{l}}}} \times MCI) $$ (1) $$ MCI = {A_{{{tc}}a}}/{A_{cl}} $$ (2) 式中，RNG为耕地非粮化率，Agsa为粮食播种面积（即稻谷、小麦和玉米的种植面积），Atca为农作物播种面积，Acl为耕地面积，MCI为复种指数。
1.2.2 全局空间自相关分析方法
全局空间自相关反映了某一属性的空间集聚与分散程度[19]。通过全局空间自相关分析能够把握耕地非粮化水平在整体空间格局上的关联度，反映出四川省安宁河流域全域尺度下耕地非粮化水平的空间相关性。全局空间自相关通常使用全局莫兰指数（Global Moran’s I）衡量，用IG表示，且IG ∈ [−1, 1]。其中，IG > 0表示集聚分布且在空间上具有正相关，IG < 0表示离散分布且在空间上具有负相关，IG = 0表示随机分布且无空间相关性。计算公式为：
$$ {I_G} = \frac{{{{n}}\displaystyle \sum\limits_{i = 1}^n {\displaystyle \sum\limits_{j = 1}^n {{w_{ij}}({y_i} - \bar y)({y_j} - \bar y)} } }}{{\displaystyle \sum\limits_{i = 1}^n {\displaystyle \sum\limits_{j = 1}^n {{w_{ij}}} } \displaystyle \sum\limits_{i = 1}^n {{{({y_i} - \bar y)}^2}} }} $$ (3) 式中，n为研究单元数；yi、yj分别为第i单元与j单元的观测值；
$ {{\bar y}} $ 为所有单元的平均值；wij为空间权重矩阵，i、j单元相邻则权重为1、不相邻则权重为0。1.2.3 空间热点分析方法
空间热点分析（Getis-Ord Gi*）反映了某一属性在局部空间上的热点和冷点分布[29]。通过空间热点分析能够把握四川省安宁河流域耕地非粮化水平在空间上是否存在高值集聚区（即热点）和低值集聚区（即冷点）。其中，热点表示该地区耕地非粮化水平高于具有显著空间集中度的耕地非粮化水平均值，冷点表示该地区耕地非粮化水平低于具有显著空间集中度的耕地非粮化水平均值。计算公式为：
$$ G_{\text{i}}^* = \sum\limits_{j = 1}^n {{w_{ij}}{{\text{y}}_j}/\sum\limits_{i = 1}^n {{{\text{y}}_i}} } $$ (4) 式中，Gi*为i单元聚集指数，wij为空间权重矩阵，yi、yj分别为第i单元与j单元的观测值，n为研究单元数。
1.2.4 耕地非粮化驱动因素模型构建
耕地非粮化受自然、社会经济等多重因素的影响。参考已有研究[18-19,30]，并结合四川省安宁河流域现实状况，分别从自然禀赋、社会状况、经济条件等方面选取了13个指标（表1），且以耕地非粮化率为被解释变量，13个驱动因子为解释变量，构建经济计量模型（面板数据模型）把握四川省安宁河流域耕地非粮化状况的驱动因素。拟构建的经济计量模型为：
表 1 耕地非粮化驱动因子Table 1. Driving factors of non-grain production of cultivated land驱动因子
Driving factor指标解释
Index interpretation表征含义
Interpretation单位
Unit耕地面积 反映耕地资源状况 hm2 有效灌溉面积 反映耕地抗旱能力，揭示耕地水源保证条件 hm2 人均耕地面积 耕地总面积与总人口的比，反映人均耕地状况 hm2 人−1 粮食单产 粮食总产量与耕地面积的比，反映耕地单位生产能力 t hm−2 城镇化率 城镇人口占总人口的比重，反映城镇化水平及人口转移程度 % 农林牧渔总产值 反映农业生产总规模 万元 农业结构调整 农业产值占农林牧渔总产值的比重，反映农业种植结构状况 % 农业从业人员 反映农村劳动力状况 万人 GDP 反映经济发展水平 亿元 地均GDP GDP与土地总面积的比，反映土地生产效益状况 亿元 hm−2 农村居民人均纯收入 反映农村居民用于再生产的投入和支出（包括消费和储蓄等） 元 地均农机总动力 即单位耕地面积农业机械化总动力，反映农业机械化水平 万kw hm−2 地均化肥施用量 即单位耕地面积化肥施用量，反映农业生产投入状况 t hm−2 $$ {Y_{{{it}}}} = {\alpha _0} + \sum\limits_{{{i}} = 1}^{{n}} {{\alpha _{{i}}}{X_{i{{t}}}} + \sum\limits_{j = 1}^m {{\beta _j}{D_j} + {\mu _{{{it}}}}} } $$ (5) 式中，Yit为被解释变量，Xit为解释变量，Dj为观测单元，α0为常数项，αi、βj为待估参数，μit为误差项，i为地区，t为年份，j为县（市、区），n为地区数量，m为观测单元数。
1.3 数据来源及说明
本研究以四川省安宁河流域11个区县为研究区，以2001 ~ 2021年为研究时段，且以2001、2006、2011、2016和2021年为研究时点。研究基础数据均来源于2002 ~ 2022年《中国统计年鉴》《四川统计年鉴》《四川农业统计年鉴》《凉山州统计年鉴》《攀枝花统计年鉴》以及研究区相关行政主管部门统计数据，个别缺失数据采用线性插值法补齐。
2. 结果与分析
2.1 四川省安宁河流域耕地非粮化描述性统计分析
借助SPSS软件对四川省安宁河流域11个区县耕地非粮化率进行描述性统计分析（表2）。由表2可知，2001 ~ 2021年四川省安宁河流域各区县耕地非粮化率平均数由2001年的50.81%下降至2021年的49.92%，下降了0.89个百分点。2001、2006和2011年四川省安宁河流域耕地非粮化率最大值基本不变且最小值均在40%以上；2016年最大值和最小值明显下降，尤其是2021年，最大值和最小值分别下降至77.71%、28.50%，与2001年相比，分别下降了5.61个百分点、12.70个百分点。同时，2001 ~ 2021年四川省安宁河流域耕地非粮化率变异系数基本处于0.20左右，大致呈“U”形变化趋势，表明四川省安宁河流域耕地非粮化水平地区差异程度呈现出“降低→提高”的时间变化态势；偏度系数均大于0，峰度系数绝对值均小于3，表明四川省安宁河流域耕地非粮化率为正偏态分布，且分布相对均匀。
表 2 四川省安宁河流域耕地非粮化率描述性统计分析Table 2. Descriptive statistical analysis of non-grain rate of cultivated land in Anning River Basin of Sichuan Province年份
Year样本数
Sample’ number最大值
Maximum value
（%）最小值
Minimum value
（%）中位数
Median
（%）平均数
Mean number
（%）标准差
Standard deviation峰度
Kurtosis偏度
Skewness变异系数
Variation coefficient2001 11 83.32 41.20 50.81 57.23 13.48 −0.25 0.71 0.236 2006 11 83.48 45.44 58.59 59.15 12.28 0.15 0.85 0.208 2011 11 83.00 46.08 56.40 58.47 11.98 0.39 1.03 0.205 2016 11 80.73 38.19 54.70 55.16 13.11 0.14 0.81 0.238 2021 11 77.71 28.50 48.49 49.92 14.81 0.06 0.45 0.297 2.2 四川省安宁河流域耕地非粮化空间分异特征
2.2.1 耕地非粮化空间差异状况
从区县级单元出发，利用ArcGIS10.3的自然间断点分级法（Jenks）将四川省安宁河流域耕地非粮化率划分为四个等级（图2），以此来揭示四川省安宁河流耕地非粮化空间差异状况。由图2可知，2001 ~ 2021年四川省安宁河流域耕地非粮化率主要集中在41% ~ 60%的区间范围，具有明显的空间差异特征，大致呈现出四川省安宁河流域攀枝花段高、凉山州段低的空间格局。具体来看，2001、2006、2011和2016年四川省安宁河流域攀枝花段耕地非粮化率基本不变，2021年除米易县不变之外，其余区县均有所下降，呈现出北高南低的空间特征；凉山州段耕地非粮化率变化相对明显，除宁南县、会理县和会东县基本不变之外，其余区县耕地非粮化率均有所下降，尤其是2016年以来，持续的耕地保护政策执行与实施，西昌市、盐源县和德昌县耕地非粮化率下降至40%以下，在2021年呈现出中间低、南北高的空间扩展特征。与此同时，2001、2006、2011、2016和2021年四川省安宁河流域耕地非粮化率空间趋势特征基本一致，均大致呈现出西高东低、南高北低的空间特征。总之，近20多年四川省安宁河流域耕地非粮化率总体上逐年下降，且空间上呈现出以凉山州段中部地区为低值中心，大致向南北扩散且呈现出由低值区向高值区演变的特征。
![]()
图 2 四川省安宁河流域耕地非粮化率空间差异Figure 2. Spatial difference of non-grain rate of cultivated land in Anning River Basin of Sichuan Province2.2.2 耕地非粮化空间分布集聚状态
识别耕地非粮化率在空间上的集聚区域对于优化安宁河流域土地资源配置、解决现实问题十分重要。将四川省安宁河流域11个区县耕地非粮化率作为观察变量，通过全局空间自相关莫兰指数（Global Moran’s I）判定耕地非粮化的总体空间集聚特征（表3）。由表3可知，2001、2006、2011、2016和2021年四川省安宁河流域耕地非粮化率全局Moran’s I指数均大于0，检验统计量Z值在5%和10%的统计水平下通过显著性检验，表明该流域耕地非粮化率空间分布具有正相关性，且具有较强的空间分布集聚状态。据此，进一步通过空间热点分析把握四川省安宁河流域耕地非粮化空间分布集聚状态（图3）。
表 3 四川省安宁河流域耕地非粮化率全局空间自相关分析Table 3. Global spatial autocorrelation analysis of non-grain rate of cultivated land in Anning River Basin of Sichuan Province年份
Year全局Moran’s I指数
Global Moran’s I检验统计量Z值
Test the z-value of the statisticP值
P-value2001 0.355 2.174 0.021** 2006 0.468 2.733 0.012** 2011 0.295 1.908 0.042** 2016 0.212 1.508 0.090* 2021 0.177 1.451 0.091* 注：*、**、***分别表示在10%、5%、1%统计水平上显著。 ![]()
图 3 四川省安宁河流域耕地非粮化率空间热点状态Figure 3. Spatial hot spot status of non-grain rate of cultivated land in Anning River Basin of Sichuan Province由图3可知，2001 ~ 2021年四川省安宁河流域耕地非粮化率空间热点区域逐年减少，具有不同程度的冷热空间集聚状态。具体来看，2001年四川省安宁河流域耕地非粮化率大致呈现出中部的西昌市、盐源县和德昌县以及东北部的宁南县和会东县不显著，北部为热点集聚区，南部为冷点集聚区，南北差异较大的空间格局；2006、2011和2016年四川省安宁河流域耕地非粮化率呈现出以米易县为冷点中心向外围不显著扩散的空间格局，且北部的冕宁县、喜德县为热点集聚区；2021年四川省安宁河流域耕地非粮化率呈现出除冕宁县为热点地区之外，其余区县均不显著的空间格局。可见，近20多年四川省安宁河流域耕地非粮化率空间热点状态大致由“北部热点集聚、中部不显著、南部冷点集聚”状态逐步向“北部单个热点区、其余区县不显著”的分布集聚态势转变，且冷热集聚区数量减少，区域空间分布差异逐渐缩小，其中冕宁县一直处于热点状态，这是由于优越的地理与气候等自然条件，该县着力推进水果等农产品种植、家禽养殖等产业发展，加之其经济收益远大于粮食作物，农民种粮意愿大幅下降，经济作物种植面积持续挤压粮食作物种植面积，粮经矛盾突出，导致种粮面积及其产量增加较难。
2.3 四川省安宁河流域耕地非粮化驱动因素
综上所述，四川省安宁河流域耕地非粮化存在明显的空间分异特征，对此进一步做驱动因素分析。基于耕地非粮化驱动因子（表1），利用四川省安宁河流域2001 ~ 2021年数据对面板数据模型进行估计。在估计分析中，所有变量除以百分比表示的之外，其他均取自然对数，进而降低异方差，使数据更平稳。采用固定效应模型的广义最小二乘法（FGLS）对面板数据进行多元线性回归估计，并通过Cross-section SUR加权方式消除模型的多重共线性和异方差影响，模型估计结果见表4。由表4可知，模型Ⅰ、模型Ⅱ和模型Ⅲ的F统计量均在1%统计水平上显著；拟合度R2良好；D-W值满足回归残差不存在序列自相关的条件；t统计值显示研究所选指标大多通过统计检验。因此，回归模型有效且估计结果能够反映要研究的问题。
表 4 模型估计结果Table 4. Model estimation result解释变量
Explained variable模型Ⅰ
Model I模型Ⅱ
Model Ⅱ模型Ⅲ
Model Ⅲ安宁河流域/D1
Anning River Basin /D1攀枝花段/D2
Panzhihua section/D2凉山州段/D3
Liangshan section /D3常数项 c 138.682***（0.000） 169.704**（0.025） 85.661***（0.000） 耕地面积 X1 −28.183***（0.000） −57.177***（0.008） −10.955***（0.002） 有效灌溉面积 X2 0.120（0.929） 14.274（0.235） 4.506***（0.008） 人均耕地面积 X3 17.239*（0.084） 158.954**（0.027） 14.639（0.149） 粮食单产 X4 −0.582***（0.000） −0.686（0.298） −0.086（0.721） 城镇化率 X5 −0.163***（0.000） 0.208**（0.029） −0.224***（0.000） 农林牧渔总产值 X6 −1.911*（0.070） 11.462**（0.015） −7.931***（0.001） 农业结构调整 X7 −1.928（0.169） −3.682（0.590） −3.217（0.235） 农业从业人员 X8 2.117**（0.047） −0.099（0.986） 7.002***（0.000） GDP X9 11.457***（0.000） 28.877***（0.000） 7.420***（0.000） 地均GDP X10 −3.10E-05（0.962） 0.010**（0.018） −0.002**（0.018） 农村居民人均纯收入 X11 −1.796***（0.002） −44.638***（0.000） 0.663（0.279） 地均农业机械总动力 X12 −5255.555***（0.000） −6834.160**（0.034） −2521.984***（0.000） 地均化肥施用量 X13 0.049（0.864） 2.571（0.177） 1.442***（0.001） R2 0.986 0.794 0.987 调整R2 0.984 0.728 0.985 F统计量 623.452*** 12.065*** 557.283*** D−W值 1.403 1.849 1.154 观测值 231 63 168 注：被解释变量为耕地非粮化率；估计方法为Pooled FGLS （Cross-section SUR）； *、**、***分别表示在10%、5%、1%统计水平上显著；括号中的数值为t检验值。 模型Ⅰ显示了四川省安宁河流域耕地非粮化驱动因素状况。模型Ⅰ估计结果中，X1、X4、X5、X6、X11、X12在t检验值相应统计水平上显著，且系数均为负，说明这些因子与耕地非粮化率具有负相关。这是由于耕地面积增加能够促使可种粮潜在耕地面积增加，有利于降低非粮化水平；粮食单产增加和农林牧渔总产值增加意味着耕地单位生产能力提升或农业生产总规模扩大，在一定程度上能够增强农民种粮信心，进而促进耕地保护；城镇化水平提升伴随着社会经济环境改善，有利于扩展就业渠道、提高用地效率、增加农民收入，使得农民拥有更多的粮食生产资本，加之农机化水平提升能够促使农业生产更加便捷、粮食生产效率水平提升，有利于提高农民种粮意愿，进而遏制非粮化行为，降低非粮化水平。X3、X8、X9在t检验值相应统计水平上显著，且系数均为正，说明这些因子与耕地非粮化率具有正相关。一方面，人均耕地面积越多，客观上反映了地区人口数量相对较少，而有限的人口数量中，从事农业生产的劳动力越多，对耕地非粮化的促进作用越大，尤其是劳动力多的农户更有精力转向经济收益更高的经济作物种植。另一方面，地区经济水平提升伴随非农收入与务农收入机会成本显化，为获取更多经济收入，大量农村劳动力转移导致农业劳动力不足，且在农业生产效益较低的情况下，人们更愿意种植经济作物，会造成耕地非粮化程度不断加深。
同一流域不同地区段存在差异。攀枝花段（模型Ⅱ）X1、X11、X12与耕地非粮化率具有负相关，这一结果与四川省安宁河流域估计结果具有一致性。而X3、X5、X6、X9、X10具有正相关。虽然城镇化水平提升在扩大就业和助农增收方面具有显著效果，以及农业生产总规模扩大增强了农民种粮信心，有利于耕地保护，但城镇化进程会进一步显化非粮食产品的经济价值，即使在种粮政策持续支持下，作为理性经济人的农民依然具有经济作物种植倾向，以获取更高收入。同时，地均GDP越高，经济水平越发达，居民生活质量及其成本就会随之提增，其中农资价格等不断提高，但粮价相对平稳，会抑制农民种粮积极性，导致非粮化水平加深。而凉山州段（模型Ⅲ）X1、X5、X6、X10、X12具有负相关，其中除X1和X12与安宁河流域和攀枝花段具有一致性之外，X5、X6和X10与四川省安宁河流域具有一致性。而X2、X8、X9、X13具有正相关，其中X8与四川省安宁河流域具有一致性、X9与四川省安宁河流域和攀枝花段具有一致性。可见，除了与四川省安宁河流域和攀枝花段具有共性且显著的驱动因子之外，X2和X13均在1%统计水平上显著，这是由于凉山州段地处凉山州安宁河平原，是凉山州地势最为平坦、肥沃的地区，地势平坦、水源－光照充足等优越的自然条件能够保障农业高产稳产，且能够降低设施投入成本，加之化肥等投入，能够提高农业生产效益。正是由于优越的自然条件以及农业比较效益差异显著，使得农民更加愿意种植蔬菜、烟草等高收益经济作物，致使非粮化水平较高。
3. 讨论
在国家和地方政府持续且严格的耕地保护政策实施下，2001 ~ 2021年四川省安宁河流域耕地非粮化率总体上有所下降，2021年四川省安宁河流域耕地非粮化率为47.62%，但近20多年耕地非粮化率平均数为55.32%，均高于孔祥斌研究发现西南地区耕地非粮化46%的水平[1]。同时，四川省安宁河流域攀枝花段耕地非粮化率高于凉山州段，主要受地区经济发展条件和作物种植结构的直接影响。该研究结果能够较好地反映四川省安宁河流域耕地非粮化状况，且在非粮化测算方法中纳入复种指数能够让耕地非粮化水平更接近于实际情况[19]。在一般认知上，经济发达地区耕地非粮化水平要高于经济欠发达地区，且其临近地区往往也保持着较高的耕地非粮化水平[31]，但分析四川省安宁河流域耕地非粮化空间差异及其集聚状态发现，经济发展水平较高地区及其周边临近地区的耕地非粮化率并不一定处于高值区，且不一定具有显著的集聚状态，这往往受当地政府部门对耕地用途管控（监管）落实程度以及农户种植行为引导等诸多因素的综合影响[32-33]，与已有研究判断结果具有一定的不同[31]。虽然四川省安宁河流域耕地非粮化与自然禀赋、社会状况、经济条件等要素之间存在复杂联系，且流域不同地区段具有差异，但在市场经济体制下，其影响在于种粮（经济）比较效益低[2]，致使农民更加愿意从事非粮食作物种植生产。
本研究仍存在一些不足：一是对耕地非粮化范畴界定时仅关注了稻谷、小麦、玉米三类谷类作物，需要进一步从食物性粮食作物广义范围入手展开研究；二是在驱动因子选取中，考虑到安宁河流域属于四川攀西经济区，其地形地貌、气候等条件具有共性，进而未纳入坡度、气候等自然因子，但指标体系需要进一步优化且通过调研、访谈纳入农户特点。此外，除本研究偏重宏观层面的导向性建议之外，还需要从四川省安宁河流域不同流域段区县内部出发，深入挖掘不同地域空间范围内部在微观层面上的耕地非粮化形成机制。
4. 结论与建议
4.1 结论
（1）2001 ~ 2021年四川省安宁河流域11个区县耕地非粮化率平均数从2001年的50.81%下降至2021年的49.92%，其耕地非粮化水平地区差异程度呈现出“降低→提高”的时间变化态势，且为明显的正偏态分布，分布相对均匀。
（2）四川省安宁河流域耕地非粮化具有明显的空间差异特征，呈现攀枝花段高、凉山州段低的空间格局，非粮化率空间趋势呈现西高东低、南高北低的特征，总体表现出以凉山州段中部地区为低值中心，大致向南北扩散且呈现出低值区向高值区演变的特征。同时，四川省安宁河流域耕地非粮化率空间热点状态由“北部热点集聚、中部不显著、南部冷点集聚”逐步向“北部单个热点区、其余区县不显著”的分布集聚态势转变，且冷热集聚区数量减少，区域空间分布差异逐渐缩小，但冕宁县一直处于热点状态。
（3）四川省安宁河流域耕地非粮化受耕地面积、粮食单产、城镇化率、农林牧渔总产值、农村居民人均纯收入、地均农业机械总动力、人均耕地面积、农业从业人员、GDP等因素影响，但同一流域不同地区段存在差异，其中攀枝花段耕地非粮化受耕地面积、农村居民人均纯收入、地均农业机械总动力、人均耕地面积、城镇化率、农林牧渔总产值、GDP、地均GDP等因素影响，凉山州段受耕地面积、城镇化率、农林牧渔总产值、地均GDP、地均农业机械总动力、有效灌溉面积、农业从业人员、GDP、地均化肥施用量等因素影响。
4.2 建议
基于近20多年四川省安宁河流域耕地非粮化状况及其驱动因素，地方政府在加大管控耕地非粮化行为过程中，需要从协调流域地区人地关系、提高粮食供给能力出发，充分挖掘耕地粮食生产潜能以保障地区粮食安全和土地资源的高效有序利用。因此，提出以下建议：一是聚焦新型农业经营主体以增强种粮能力。发挥种粮大户、家庭农场、专业合作社等新型农业经营主体作用，通过财政转移支付、金融机构惠农支农政策落地，加大种粮专项扶持和补贴，增强种粮积极性，提高流域规模化种粮水平，优化粗放式生产模式。二是落实耕地保护建设硬措施以确保耕地质量。采取测土配方施肥、秸秆综合利用和畜禽粪污循环利用等措施，强化流域土壤肥力保护，并进一步扩展高标准农田建设范围，加大灌溉等基础设施建设投入，渐进式推进流域空间重建以增强耕地产出水平。三是加大农业核心技术攻关以优化种植模式。注重攀西高原地区种源等农业核心技术攻关，持续实施旱改水、坡改梯整治工程，立足种粮为主、粮经饲统筹原则，通过河谷地带发展粮油、山区发展种养循环产业、高寒山区发展生态农业的模式，优化流域立体农业模式。四是优化流域国土空间格局以夯实“第二粮仓”基础。立足流域自然地理格局和资源禀赋，以乡镇为基本单元，深化主体功能区划，突出高效优质粮油种植农业区，并落实田长制，采取农地整理、建设用地复垦、土地开发等形式有序扩充耕地，强化耕地用途管制。
-
![]()
图 2 四川省安宁河流域耕地非粮化率空间差异
Figure 2. Spatial difference of non-grain rate of cultivated land in Anning River Basin of Sichuan Province
![]()
图 3 四川省安宁河流域耕地非粮化率空间热点状态
Figure 3. Spatial hot spot status of non-grain rate of cultivated land in Anning River Basin of Sichuan Province
表 1 耕地非粮化驱动因子
Table 1 Driving factors of non-grain production of cultivated land
驱动因子
Driving factor指标解释
Index interpretation表征含义
Interpretation单位
Unit耕地面积 反映耕地资源状况 hm2 有效灌溉面积 反映耕地抗旱能力，揭示耕地水源保证条件 hm2 人均耕地面积 耕地总面积与总人口的比，反映人均耕地状况 hm2 人−1 粮食单产 粮食总产量与耕地面积的比，反映耕地单位生产能力 t hm−2 城镇化率 城镇人口占总人口的比重，反映城镇化水平及人口转移程度 % 农林牧渔总产值 反映农业生产总规模 万元 农业结构调整 农业产值占农林牧渔总产值的比重，反映农业种植结构状况 % 农业从业人员 反映农村劳动力状况 万人 GDP 反映经济发展水平 亿元 地均GDP GDP与土地总面积的比，反映土地生产效益状况 亿元 hm−2 农村居民人均纯收入 反映农村居民用于再生产的投入和支出（包括消费和储蓄等） 元 地均农机总动力 即单位耕地面积农业机械化总动力，反映农业机械化水平 万kw hm−2 地均化肥施用量 即单位耕地面积化肥施用量，反映农业生产投入状况 t hm−2 
下载: 导出CSV
表 2 四川省安宁河流域耕地非粮化率描述性统计分析
Table 2 Descriptive statistical analysis of non-grain rate of cultivated land in Anning River Basin of Sichuan Province
年份
Year样本数
Sample’ number最大值
Maximum value
（%）最小值
Minimum value
（%）中位数
Median
（%）平均数
Mean number
（%）标准差
Standard deviation峰度
Kurtosis偏度
Skewness变异系数
Variation coefficient2001 11 83.32 41.20 50.81 57.23 13.48 −0.25 0.71 0.236 2006 11 83.48 45.44 58.59 59.15 12.28 0.15 0.85 0.208 2011 11 83.00 46.08 56.40 58.47 11.98 0.39 1.03 0.205 2016 11 80.73 38.19 54.70 55.16 13.11 0.14 0.81 0.238 2021 11 77.71 28.50 48.49 49.92 14.81 0.06 0.45 0.297
下载: 导出CSV
表 3 四川省安宁河流域耕地非粮化率全局空间自相关分析
Table 3 Global spatial autocorrelation analysis of non-grain rate of cultivated land in Anning River Basin of Sichuan Province
年份
Year全局Moran’s I指数
Global Moran’s I检验统计量Z值
Test the z-value of the statisticP值
P-value2001 0.355 2.174 0.021** 2006 0.468 2.733 0.012** 2011 0.295 1.908 0.042** 2016 0.212 1.508 0.090* 2021 0.177 1.451 0.091* 注：*、**、***分别表示在10%、5%、1%统计水平上显著。
下载: 导出CSV
表 4 模型估计结果
Table 4 Model estimation result
解释变量
Explained variable模型Ⅰ
Model I模型Ⅱ
Model Ⅱ模型Ⅲ
Model Ⅲ安宁河流域/D1
Anning River Basin /D1攀枝花段/D2
Panzhihua section/D2凉山州段/D3
Liangshan section /D3常数项 c 138.682***（0.000） 169.704**（0.025） 85.661***（0.000） 耕地面积 X1 −28.183***（0.000） −57.177***（0.008） −10.955***（0.002） 有效灌溉面积 X2 0.120（0.929） 14.274（0.235） 4.506***（0.008） 人均耕地面积 X3 17.239*（0.084） 158.954**（0.027） 14.639（0.149） 粮食单产 X4 −0.582***（0.000） −0.686（0.298） −0.086（0.721） 城镇化率 X5 −0.163***（0.000） 0.208**（0.029） −0.224***（0.000） 农林牧渔总产值 X6 −1.911*（0.070） 11.462**（0.015） −7.931***（0.001） 农业结构调整 X7 −1.928（0.169） −3.682（0.590） −3.217（0.235） 农业从业人员 X8 2.117**（0.047） −0.099（0.986） 7.002***（0.000） GDP X9 11.457***（0.000） 28.877***（0.000） 7.420***（0.000） 地均GDP X10 −3.10E-05（0.962） 0.010**（0.018） −0.002**（0.018） 农村居民人均纯收入 X11 −1.796***（0.002） −44.638***（0.000） 0.663（0.279） 地均农业机械总动力 X12 −5255.555***（0.000） −6834.160**（0.034） −2521.984***（0.000） 地均化肥施用量 X13 0.049（0.864） 2.571（0.177） 1.442***（0.001） R2 0.986 0.794 0.987 调整R2 0.984 0.728 0.985 F统计量 623.452*** 12.065*** 557.283*** D−W值 1.403 1.849 1.154 观测值 231 63 168 注：被解释变量为耕地非粮化率；估计方法为Pooled FGLS （Cross-section SUR）； *、**、***分别表示在10%、5%、1%统计水平上显著；括号中的数值为t检验值。
下载: 导出CSV
-
[1] 孔祥斌. 耕地“非粮化”问题、成因及对策[J]. 中国土地, 2020, (11): 17 − 19. [2] 朱道林. 耕地“非粮化”的经济机制与治理路径[J]. 中国土地, 2021, (7): 9 − 11. [3] 曹 宇, 李国煜, 王嘉怡, 等. 耕地非粮化的系统认知与研究框架: 从粮食安全到多维安全[J]. 中国土地科学, 2022, 36(3): 1 − 12. [4] Meyfroidt P, Carlson K M, Morton D C, et al. Multiple pathways of commodity crop expansion in tropical forest landscapes[J]. Environmental Research Letters, 2014, 9(7): 074012. doi: 10.1088/1748-9326/9/7/074012
[5] Barnes A P, Hansson H, Manevska-Tasevska G, et al. The influence of diversification on long-term viability of the agricultural sector[J]. Land Use Policy, 2015, 49: 404 − 412. doi: 10.1016/j.landusepol.2015.08.023
[6] Cassman K G, Grassini P. A global perspective on sustainable intensification research[J]. Nature Sustainability, 2020, 3(4): 262 − 268. doi: 10.1038/s41893-020-0507-8
[7] Su Y, Qian K, Lin L, et al. Identifying the driving forces of non-grain production expansion in rural China and its implications for policies on cultivated land protection[J]. Land Use Policy, 2020, 92: 104435. doi: 10.1016/j.landusepol.2019.104435
[8] 黄祖辉, 李懿芸, 毛晓红. 我国耕地“非农化”“非粮化”的现状与对策[J]. 江淮论坛, 2022, (4): 13 − 21. doi: 10.3969/j.issn.1001-862X.2022.04.003 [9] 吴九兴, 谭舒泽. 安徽省耕地多功能转型及对耕地“非粮化”的变化响应研究[J]. 国土资源科技管理, 2023, 40(2): 44 − 57. doi: 10.3969/j.issn.1009-4210.2023.02.004 [10] 赵小风, 李娅娅, 郑雨倩, 等. 产业结构、农民收入结构对耕地非粮化的影响[J]. 国土资源科技管理, 2019, 36(5): 66 − 77. [11] 程宪波, 刘 琼, 陶 宇, 等. 快速城镇化地区的耕地非粮化特征及其机理[J]. 中国人口·资源与环境, 2022, 32(10): 172 − 182. [12] 赵延双, 刘俊汝, 牟少岩. 青岛市工商资本租用耕地“非粮化”影响因素与对策研究[J]. 江西农业学报, 2022, 34(7): 229 − 234. [13] 吕欣彤, 郝士横, 吴克宁, 等. 耕地“非粮化”管控路径梳理与展望[J]. 土壤通报, 2023, 54(3): 713 − 720. [14] 徐艳晴, 刘 鑫, 曹 靓, 等. 耕地“非粮化”领域政府部门职责明晰化研究[J]. 中国土地科学, 2022, 36(10): 13 − 20. [15] 何 鑫, 钟九生, 林双双, 等. 岩溶槽谷区耕地“非粮化”空间分异特征及驱动机制−以贵州铜仁万山区为例[J]. 地理科学, 2022, 42(12): 2207 − 2217. [16] 邵宇飞. 河南省耕地“非粮化”空间格局分异、成因及对策研究[J]. 湖北农业科学, 2022, 61(23): 234 − 238. [17] 孙巍巍, 陈永林, 郭祥光, 等. 县域尺度下耕地“非粮化”空间特征及效益研究−以江西龙南市为例[J]. 赣南师范大学学报, 2021, 42(6): 97 − 102. [18] 孟 菲, 谭永忠, 陈 航, 等. 中国耕地“非粮化”的时空格局演变及其影响因素[J]. 中国土地科学, 2022, 36(1): 97 − 106. [19] 陈 浮, 刘俊娜, 常媛媛, 等. 中国耕地非粮化空间格局分异及驱动机制[J]. 中国土地科学, 2021, 35(9): 33 − 43. [20] 张惠中, 宋 文, 张文信, 等. 山东省耕地“非粮化”空间分异特征及其影响因素分析[J]. 中国土地科学, 2021, 35(10): 94 − 103. [21] 李廷强, 郝 点. 我国耕地“非粮化”现状及其复耕培肥技术研究进展[J]. 应用生态学报, 2023, 34(6): 1703 − 1712. [22] 张藕香, 姜长云. 不同类型农户转入农地的“非粮化”差异分析[J]. 财贸研究, 2016, 27(4): 24 − 31. doi: 10.19337/j.cnki.34-1093/f.2016.04.004 [23] 何蒲明, 全 磊. 对当前耕地“非粮化”现象的分析−基于粮食安全的视角[J]. 长江大学学报(自科版), 2014, 11(11): 73 − 75. [24] 冯远香, 刘光远. 新疆农地流转与种植结构变化分析−基于区域粮食供给安全视角下[J]. 农村经济与科技, 2013, 24(2): 30 − 32. doi: 10.3969/j.issn.1007-7103.2013.02.011 [25] Leng Z, Wang Y, Hou X. Structural and efficiency effects of land transfers on food planting: a comparative perspective on north and south of China[J]. Sustainability, 2021, 13(6): 3327. doi: 10.3390/su13063327
[26] 常 伟, 马诗雨. 农地规模流转中的“非粮化”问题研究[J]. 农业经济, 2020, (9): 3 − 5. [27] 陈 菁, 孔祥智. 土地经营规模对粮食生产的影响−基于中国十三个粮食主产区农户调查数据的分析[J]. 河北学刊, 2016, 36(3): 122 − 128. [28] 王 勇, 陈印军, 易小燕, 等. 耕地流转中的“非粮化”问题与对策建议[J]. 中国农业资源与区划, 2011, 32(4): 13 − 16. [29] Feng Y J, Chen X J, Gao F, et al. Impacts of changing scale on Getis-Ord Gi* hotspots of CPUE: a case study of the neon flying squid (Ommastrephes bartramii) in the northwest Pacific Ocean[J]. Acta Oceanologica Sinica, 2018, 37(5): 67 − 76. doi: 10.1007/s13131-018-1212-6
[30] 易小燕, 陈印军. 农户转入耕地及其“非粮化”种植行为与规模的影响因素分析−基于浙江、河北两省的农户调查数据[J]. 中国农村观察, 2010, (6): 2 − 10. [31] 朱冬亮, 高 杨. 农户种粮意愿弱化与粮食种植业退化状况分析−基于闽赣鄂浙32村486户的调查[J]. 集美大学学报(哲学社会科学版), 2013, 16(4): 41 − 48. [32] 檀竹平, 洪炜杰, 罗必良. 农业劳动力转移与种植结构“趋粮化”[J]. 改革, 2019, (7): 111 − 118. [33] 吴郁玲, 张 佩, 于亿亿, 等. 粮食安全视角下中国耕地“非粮化”研究进展与展望[J]. 中国土地科学, 2021, 35(9): 116 − 124. doi: 10.11994/zgtdkx.20210909.102404 -
期刊类型引用(1)
1. 张红军，杜晨昕. 安徽县域耕地非粮化时空格局演变及影响因素研究. 云南农业大学学报(社会科学). 2024(05): 135-142 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 86
- HTML全文浏览量: 15
- PDF下载量: 36
- 被引次数: 1
