軒俊偉,鄭江華

(新疆大學(xué) 資源與環(huán)境科學(xué)學(xué)院，烏魯木齊　830046)

?

基于GWR的新疆農(nóng)機總動力空間異質(zhì)性分析

軒俊偉,鄭江華

(新疆大學(xué) 資源與環(huán)境科學(xué)學(xué)院，烏魯木齊830046)

摘要：從縣域空間尺度出發(fā)，利用空間分析方法和地理加權(quán)回歸模型，研究了2003-2012年新疆縣域農(nóng)機總動力空間聚集特征及其影響因素的空間異質(zhì)性。結(jié)果表明：新疆縣域農(nóng)機總動力存在明顯的空間異質(zhì)性和空間聚集分布模式，空間分布表現(xiàn)出在經(jīng)向上北疆大、南疆小，緯向上西部大、東部小；總體由天山南北兩側(cè)向外遞減的趨勢，中部為高高聚集區(qū)，南部為低低聚集區(qū)。近10年來，新疆縣域農(nóng)機總動力存在一定的空間正相關(guān)特性，且空間相關(guān)性隨著時間整體呈現(xiàn)下降趨勢。新疆縣域農(nóng)機總動力的影響因素存在明顯的空間異質(zhì)性。新疆西北部區(qū)域農(nóng)機總動力對耕地經(jīng)營規(guī)模比較敏感，西南部區(qū)域?qū)φ斦度氡容^敏感，而中南部區(qū)域?qū)r(nóng)民收入比較敏感。在不同區(qū)域第一產(chǎn)業(yè)人數(shù)對農(nóng)機總動力的作用表現(xiàn)出正反兩種相關(guān)關(guān)系，并且負相關(guān)關(guān)系有南移的趨勢。根據(jù)農(nóng)機總動力影響因素的空間分異特征，可以更好地解釋分析農(nóng)業(yè)機械總動力的發(fā)展變化規(guī)律，推動農(nóng)業(yè)機械化事業(yè)更加科學(xué)、快速發(fā)展。

關(guān)鍵詞：農(nóng)機總動力；空間自相關(guān)；GWR；空間異質(zhì)性；新疆

0引言

農(nóng)業(yè)機械化是實現(xiàn)農(nóng)業(yè)現(xiàn)代化的基礎(chǔ)，是提高農(nóng)業(yè)綜合生產(chǎn)能力和增加農(nóng)民收入的主要影響因素[1]。農(nóng)機總動力則是評價一個地區(qū)農(nóng)業(yè)機械化水平的重要指標。在我國耕地面積日益減少的背景下，提高現(xiàn)有耕地的農(nóng)業(yè)機械總動力投入，是維護我國糧食安全的重要保證[2]。當(dāng)前，關(guān)于農(nóng)業(yè)機械總動力的研究工作已有不少成果發(fā)表，涉及的方面有其時間變化特征、空間分布格局、影響因素，以及農(nóng)機動力總量預(yù)測等[3-6]。其中，農(nóng)機總動力影響因素研究主要是運用logistic模型、因子分析、灰色關(guān)聯(lián)度及回歸分析等方法[7-10]從全局的角度探討農(nóng)機總動力的影響因素。但上述研究方法多是在地理單元空間同質(zhì)性的假設(shè)上建立的全局模型，往往會掩蓋地理空間異質(zhì)性對農(nóng)機總動力各種影響因素的影響。事實上，由于我國地域遼闊，各地區(qū)間經(jīng)濟社會發(fā)展水平、農(nóng)業(yè)技術(shù)應(yīng)用等方面存在明顯的區(qū)域差異，因此在不同空間位置上農(nóng)機總動力與其影響因素之間的相關(guān)關(guān)系也呈現(xiàn)出一定差異性。地理加權(quán)回歸( Geographically Weighted Regression，簡稱GWR)模型是一種用來探測地理事物空間異質(zhì)性的局域空間回歸方法[11]。GWR模型可以為每個空間數(shù)據(jù)樣本生成各解釋變量的權(quán)重系數(shù)[12]，而權(quán)重系數(shù)在空間上的變化有助于深入理解因變量和解釋變量間的相關(guān)關(guān)系。因此，運用GWR模型可以更好地揭示農(nóng)機動力影響因素的空間分布異質(zhì)性。目前，利用GWR進行農(nóng)業(yè)方面的研究還較少，并且多集中于國家及省級尺度[13-14]，而在農(nóng)機總動力研究方面還鮮有報道?；诖?，本文以新疆85個縣(市)為研究單元，利用GWR分析新疆農(nóng)機動力區(qū)域差異特征、主要影響因素及空間分布規(guī)律，以期為保障新疆地區(qū)農(nóng)業(yè)的可持續(xù)發(fā)展提供科學(xué)指導(dǎo)和參考。

1材料與方法

1.1數(shù)據(jù)來源

結(jié)合目前關(guān)于農(nóng)機動力影響因素的研究成果[15-16]，本文從農(nóng)民收入、種植規(guī)模、政府財政投入、產(chǎn)業(yè)結(jié)構(gòu)方面選取糧食單產(chǎn)、播種總面積、人均生產(chǎn)總值、第一產(chǎn)業(yè)從業(yè)人數(shù)4個指標作為解釋變量?？h域農(nóng)機總動力和相關(guān)影響因素數(shù)據(jù)來自《新疆統(tǒng)計年鑒2003-2012》。

1.2空間自相關(guān)

地理學(xué)第一定律指出，地理空間上越臨近的事物之間的關(guān)聯(lián)也越緊密?？臻g自相關(guān)[17]正是對這種關(guān)系的定量化統(tǒng)計描述?？臻g相關(guān)性可以通過空間自相關(guān)系數(shù)值的大小來表征，從空間尺度上一般可以劃分為全局自相關(guān)系數(shù)和局域自相關(guān)系數(shù)兩種類型[3]。全局莫蘭指數(shù)(Moran’s I)是最常用的全局空間相關(guān)評測指標，用于評估區(qū)域內(nèi)地理對象屬性值整體的空間相關(guān)關(guān)系[18]。莫蘭指數(shù)有正負之分，其絕對值范圍為0～1；如果值大于零則表明該地理事物在空間上呈現(xiàn)聚集分布，值小于零表示該地理事物呈現(xiàn)離散分布，值為零意味著呈隨機分布[3]。此外，莫蘭指數(shù)絕對值的大小可以體現(xiàn)出地理事物在空間上的聚集或離散程度。Getis-Ord Gi*則是一種局部空間相關(guān)統(tǒng)計方法[19]，可以探測到屬性值在空間的那個位置上發(fā)生了聚集(高值聚集，低值聚集)。

1.3地理加權(quán)回歸

GWR是一個強有力的統(tǒng)計模型，可以探究不同空間位置上自變量和因變量之間變化的關(guān)系[20]，其數(shù)學(xué)表達式為

其中，yi為因變量；xik為解釋變量(自變量)；(ui，vi)為第i個觀察點的空間位置；βk(ui，vi)是解釋變量xik在i點的回歸系數(shù)；εi為殘差項，符合正態(tài)分布。模型參數(shù)βk(ui，vi)是位置相關(guān)的，通常采用加權(quán)最小二乘法進行局部估計，每個觀測點處的權(quán)重一般利用一定形式的函數(shù)來進行表達，高斯核函數(shù)是較為常見的權(quán)重確定方法。本文利用Tomoki Nakaya等開發(fā)的GWR 4.0軟件對新疆縣域農(nóng)機動力的影響因素進行地理加權(quán)回歸分析，并采用高斯函數(shù)來構(gòu)建加權(quán)函數(shù)，使用校正的Akaike信息準則(AICc)法與自適應(yīng)核函數(shù)求得最優(yōu)帶寬[21]。

2結(jié)果與分析

2.1農(nóng)機總動力空間分布規(guī)律

2.1.1新疆縣域農(nóng)機總動力空間特征

匯總新疆各縣域近10年的農(nóng)機總動力數(shù)據(jù)，計算其平均值即可得到新疆縣域尺度的農(nóng)機總動力空間分布情況，如圖1所示。由圖1可知：農(nóng)機總動力差異明顯，西南部的塔什庫爾干塔吉克自治縣平均農(nóng)機總動力最低為1 178kW，而沙灣縣的農(nóng)機總動力高達11 780kW，區(qū)域差異明顯。觀察其空間分布規(guī)律可知，南疆巴州若羌縣、克州、和田等地的農(nóng)機總動力較低，小于48 005kW。天山西部的塔城、伊犁直屬州，中部的昌吉州以及東疆的吐魯番等地區(qū)的農(nóng)機總動力處于中間水平。天山北麓的烏蘇、沙灣縣及奇臺縣農(nóng)機總動力大于28 1481kW，農(nóng)業(yè)機械化水平較高。整體來看，農(nóng)機總動力在空間分布表現(xiàn)出，經(jīng)向上北疆大、南疆小，緯向上西部大、東部小，總體由天山南北兩側(cè)向外遞減的趨勢。新疆縣域農(nóng)機總動力在空間上存在異質(zhì)性的同時，還存在空間聚集特征。其全局莫蘭指數(shù)為0.10，Z檢驗得分2.06，表明近10年新疆縣域農(nóng)機總動力存在一定的空間正相關(guān)關(guān)系。由于全局莫蘭指數(shù)只能反映整體的空間相關(guān)關(guān)系，不能提供局部空間的聚集特征。因此，本文利用Getis-Ord Gi*統(tǒng)計來探測局域的空間相關(guān)關(guān)系，找到高值聚集區(qū)和低值聚集區(qū),如圖2所示。由圖2可知：新疆縣域農(nóng)機總動力存在明顯的局部空間聚集效應(yīng)，烏魯木齊、吐魯番，以及巴州西北部的和靜縣及和碩縣等為熱點區(qū)域(高高聚集)，和田地區(qū)則為冷點區(qū)域(低低聚集)。

圖1　新疆縣域農(nóng)業(yè)機械總動力空間分布

圖2　新疆縣域農(nóng)業(yè)機械總動力聚集圖

2.1.2農(nóng)機總動力逐年空間自相關(guān)分析

利用Geoda空間統(tǒng)計分析軟件計算2003-2012年逐年全局莫蘭指數(shù)，結(jié)果如表1所示。由表1可以看出：新疆2003-2012年縣域農(nóng)機總動力莫蘭指數(shù)均大于0，表明新疆縣域農(nóng)機總動力存在空間聚集特征。同時，2008年以前Z得分均大于1.96，即通過95%顯著性水平檢驗，表明這種空間聚集特征在2008年以前呈顯著趨勢。觀察近10年的莫蘭指數(shù)變化趨勢，該指數(shù)總體表現(xiàn)出減少的趨勢，這意味著新疆縣域農(nóng)機總動力的空間區(qū)域差異在不斷的減小，其空間聚集特征表現(xiàn)的也越來越不顯著。雖然新疆農(nóng)機總動力在空間上趨于均衡發(fā)展，但其仍具有一定的空間聚集特征，這也表明傳統(tǒng)基于地理單元同質(zhì)性假設(shè)的全局回歸模型已不適用，需要使用引入空間異質(zhì)性和空間依賴性的地理加權(quán)回歸模型。

表1　新疆縣域農(nóng)機總動力莫蘭指數(shù)

2.2農(nóng)機總動力地理加權(quán)回歸分析

2.2.1地理加權(quán)回歸模型擬合效果

利用GWR 4.0軟件對2003、2012年份的橫截面數(shù)據(jù)進行地理加權(quán)回歸建模，并與普通回歸分析(OLS)比較來驗證GWR的可靠性，如表3所示。

表3　GWR與OLS模型擬合參數(shù)比較

由表3可知：2003、2012年GWR模型的AICc值較OLS均有明顯下降，而擬合度R2及調(diào)整后的R2則有大幅度的提高。如2003年R2和調(diào)整R2相比OLS分別提高0.37和0.38，表明考慮空間相關(guān)及異質(zhì)性的GWR模型對新疆縣域農(nóng)機總動力的擬合度遠遠高于OLS模型。此外，2003、2012年的GWR模型殘差Moran指數(shù)分別為-0.04(Z得分0.84)、-0.009(Z得分0.07)，均未通過顯著性檢驗，表明殘差不存在空間自相關(guān)。因此，無論是從模型擬合參數(shù)還是殘差自相關(guān)檢驗的角度來看，GWR 模型比OLS 模型能更好地解釋GWR模型對新疆縣域農(nóng)機總動力與其影響因素變量間的空間異質(zhì)性。

2.2.2農(nóng)機總動力影響因素空間異質(zhì)性

利用ARCGIS繪制GWR模型擬合得到的新疆縣域農(nóng)機動力影響因素回歸系數(shù)空間分布圖，如圖3和圖4所示。由2003年農(nóng)機總動力的局域影響因素回歸系數(shù)圖(圖3)可知：4個解釋變量在各區(qū)域的參數(shù)估計結(jié)果均不相同，表明各影響因素對農(nóng)機動力的影響程度存在空間變異。由圖3(a)可知：單位面積糧食產(chǎn)量局域回歸系數(shù)均為正值，和農(nóng)機總動力正相關(guān)，表明糧食單產(chǎn)對農(nóng)機總動力增長具有明顯的促進作用。這主要是因為糧食單產(chǎn)的增高能提高農(nóng)民收入，而收入的增加會提高農(nóng)民對農(nóng)機裝備的購買力。但糧食單產(chǎn)對農(nóng)機總動力的促進作用強度存在空間差異性，影響敏感程度最大的區(qū)域由西北部的塔城、伊犁直屬州向南經(jīng)阿克蘇一直延伸到和田地區(qū)，呈帶狀分布。而此條帶兩側(cè)的回歸系數(shù)則逐漸減少?；貧w系數(shù)大也就意味著有相同的糧食單產(chǎn)時，農(nóng)機總動力提高的更加明顯。因此，適當(dāng)?shù)卦黾有陆鞅辈康貐^(qū)的農(nóng)民收入可以更好的增加該區(qū)域的農(nóng)機總動力水平。

國內(nèi)生產(chǎn)總值(GDP)是衡量一個國家或地區(qū)經(jīng)濟發(fā)展水平的最主要指標。GDP越高說明本地區(qū)經(jīng)濟越發(fā)達，政府的財政收入較多，可用于農(nóng)業(yè)機械補貼的財政投入也越大。由圖3(b)可知：新疆各縣域人均GDP回歸系數(shù)均為正值，表明人均GDP對農(nóng)機總動力有明顯的促進作用。從回歸系數(shù)空間分布來看，區(qū)域差異明顯，新疆西南部的喀什、克州及和田地區(qū)是影響最敏感的區(qū)域，而新疆北部及東部地區(qū)對人均GDP不敏感。這主要是北疆和東疆經(jīng)濟水平和農(nóng)機化水平均較高，因此政府財政投入的提高對農(nóng)機購買的激勵作用并不顯著。圖3(c)表示的是第一產(chǎn)業(yè)從業(yè)人數(shù)回歸系數(shù)空間分布情況，回歸系數(shù)有正有負：負值區(qū)域主要分布于塔城、博州、伊犁及阿克蘇等地，表明這些地區(qū)從事農(nóng)業(yè)的勞動人口減少，會增加對農(nóng)業(yè)機械的需求，從而提高農(nóng)業(yè)機械總動力；而正值區(qū)域則表明第一產(chǎn)業(yè)人口與農(nóng)機總動力存在正的相關(guān)關(guān)系，可能表示這些地區(qū)農(nóng)機化水平仍然處于初級階段，農(nóng)業(yè)從業(yè)人口和農(nóng)機總動力均處于擴張階段。耕地經(jīng)營規(guī)模是農(nóng)業(yè)機械化和的重要保障，因此播種面積越大則農(nóng)業(yè)機械的需求也越高。播種面積的回歸系數(shù)均為正值，由圖3(d)可知：與農(nóng)機總動力顯著正相關(guān)。其中，新疆西北部和東部地區(qū)的系數(shù)最大，對農(nóng)機總動力影響最為敏感，而新疆西南部區(qū)域的影響敏感程度則較低。

圖3　2003年各解釋變量回歸系數(shù)空間分布

為避免根據(jù)單一年份截面數(shù)據(jù)分析可能導(dǎo)致的結(jié)果偶然性，本文利用GWR模型及相同的參數(shù)對2012年新疆縣域農(nóng)機總動力影響因素進行分析，結(jié)果如圖4所示。

圖4　2012年各解釋變量回歸系數(shù)空間分布

2012年，新疆各縣域單位糧食單產(chǎn)回歸系數(shù)均為正值并存在空間變異，和田地區(qū)及巴州西南部是對農(nóng)機總動力最為敏感的區(qū)域。相比 2003年發(fā)生了變化，敏感區(qū)域產(chǎn)生南移的趨勢，表明增加南疆地區(qū)農(nóng)民的收入可以更加有效地刺激本地區(qū)農(nóng)機總動力的增長，2003、2012年新疆縣域糧食單產(chǎn)回歸系數(shù)全疆平均值分別為5.6、13.1，表明農(nóng)民收入對農(nóng)機總動力的促進作用有所上升。人均GDP回歸系數(shù)為正值，并呈現(xiàn)出南部大、北部小的空間分布格局。第一產(chǎn)業(yè)從業(yè)人數(shù)回歸系數(shù)有正有負，表征出不同地區(qū)農(nóng)機化水平存在差異，處于不同的發(fā)展階段。播種面積回歸系數(shù)為正值，西北部和東部回歸系數(shù)較大，而西南地區(qū)較小，呈東多西少的空間分布格局。總體上看，2012年新疆縣域農(nóng)機總動力各影響因素的正負相關(guān)性及空間分布格局與2008年基本一致；但同時也存在細微的差異，體現(xiàn)出各影響因素在不同時間截面上的對農(nóng)機總動力影響的差異性。

3討論

新疆是一個農(nóng)業(yè)大省區(qū)，也是全國糧食基地，農(nóng)業(yè)機械化對本地區(qū)的農(nóng)業(yè)發(fā)展具有重要意義；而目前新疆農(nóng)業(yè)機械總動力的相關(guān)研究多是以全疆或地方尺度出發(fā)，未能很好地揭示農(nóng)機總動力在空間上存在的自相關(guān)性及影響因素的空間異質(zhì)性。本文通過計算全局莫蘭指數(shù)和Getis-Ord Gi*指數(shù)發(fā)現(xiàn)，近10年新疆縣域農(nóng)機總動力空間分布整體呈現(xiàn)明顯的空間聚集效應(yīng)和空間異質(zhì)性，中部為高高聚集區(qū)，而南部為低低聚集區(qū)。這主要是由于烏魯木齊及其周邊地區(qū)農(nóng)業(yè)種植時間較為久遠，農(nóng)業(yè)生產(chǎn)活動發(fā)達，農(nóng)業(yè)機械購買意愿及其保有量也較大，同時對其鄰近區(qū)域形成空間輻射效應(yīng)，最終聚集成為農(nóng)機總動力高值區(qū)[3]。與此相對應(yīng)的是，東疆地區(qū)由于經(jīng)濟水平及地形等因素，農(nóng)機總動力較低，則形成低低聚集區(qū)。

新疆農(nóng)機總動力在空間上表現(xiàn)出了非均質(zhì)性，存在一定的空間聚集和空間異質(zhì)特征。而考慮了空間相關(guān)性的GWR模型，不僅可以進行回歸分析，還可以檢測地理空間效應(yīng)對縣域農(nóng)機總動力影響因素空間分布的影響。本文利用新疆2003、2012年份的橫截面數(shù)據(jù)進行地理加權(quán)回歸建模，發(fā)現(xiàn)GWR擬合效果較OLS有明顯地提高，并能很好地展示農(nóng)機總動力各影響因素在空間上存在的差異性。根據(jù)影響因素的空間異質(zhì)性，可以合理調(diào)整各農(nóng)業(yè)生產(chǎn)要素在不同區(qū)域的投入量，更加有效地提高農(nóng)機總動力水平。

4結(jié)論

1)新疆縣域農(nóng)機總動力存在明顯的空間異質(zhì)性和空間聚集分布模式，空間分布表現(xiàn)出在經(jīng)向上北疆大、南疆小，緯向上西部大、東部小，總體由天山南北兩側(cè)向外遞減的趨勢，中部為高高聚集區(qū)，南部為低低聚集區(qū)。

2)近10年新疆縣域農(nóng)機總動力存在較為顯著的空間正相關(guān)特性，但總體的空間相關(guān)性隨時間變化呈現(xiàn)下降趨勢，各縣域農(nóng)機總動力趨向均衡發(fā)展。

3)新疆縣域農(nóng)機總動力的影響因素存在明顯的空間異質(zhì)性。新疆西北部區(qū)域農(nóng)機總動力對耕地經(jīng)營規(guī)模比較敏感，西南部區(qū)域?qū)φ斦度氡容^敏感，而中南部區(qū)域?qū)r(nóng)民收入比較敏感。不同區(qū)域第一產(chǎn)業(yè)人數(shù)對農(nóng)機總動力的作用表現(xiàn)出正反兩種相關(guān)關(guān)系，隨著時間推移，第一產(chǎn)業(yè)人數(shù)減少對農(nóng)機總動力促進作用有南移的趨勢。利用影響因素的空間分異特征，可以更好地解釋分析農(nóng)業(yè)機械總動力的發(fā)展變化規(guī)律，推動農(nóng)業(yè)機械化事業(yè)更加科學(xué)、快速的發(fā)展。

參考文獻：

[1]何政道,何瑞銀.農(nóng)業(yè)機械總動力及其影響因素的時間序列分析——以江蘇省為例[J].中國農(nóng)機化, 2010 (1):20-24.

[2]王德華.河南省農(nóng)機事業(yè)發(fā)展與農(nóng)業(yè)增長關(guān)系的實證分析——基于誤差修正模型[J].中國農(nóng)機化, 2011 (4):14-17.

[3]軒俊偉,鄭江華.基于ESDA 的新疆農(nóng)機動力空間格局分析[J].農(nóng)機化研究,2015，37(8):26-30.

[4]鞠金艷,王金武,王金峰.基于BP神經(jīng)網(wǎng)絡(luò)的農(nóng)機總動力組合預(yù)測方法[J].農(nóng)業(yè)機械學(xué)報,2010(6):87-92.

[5]劉蕓蕓,李紅.基于主成分回歸模型的新疆農(nóng)業(yè)機械化發(fā)展影響因素評價[J].貴州農(nóng)業(yè)科學(xué),2013,41(9):197-201.

[6]卞景陽.黑龍江省農(nóng)機發(fā)展及機械動力格局變化[J].黑龍江農(nóng)業(yè)科學(xué), 2010 (8):137-138.

[7]鄭文鐘,應(yīng)霞芳.農(nóng)業(yè)機械總動力變化影響因素的灰色關(guān)聯(lián)分析[J].農(nóng)機化研究, 2007 (12):9-11.

[8]楊敏麗,白人樸.農(nóng)業(yè)機械總動力與影響因素關(guān)系分析[J].農(nóng)機化研究, 2005 (6):45-47.

[9]馮穎,姚順波,郭亞軍.基于面板數(shù)據(jù)的有效灌溉對中國農(nóng)機總動力的影響[J].資源科學(xué),2012,34(9):1734-1740.

[10]宇萬太,姜子紹,周樺,等.不同施肥制度對作物產(chǎn)量及肥料貢獻率的影響[J].中國生態(tài)農(nóng)業(yè)學(xué)報2007,15(6):54-58.

[11]劉瓊峰,李明德,段建南,等. 農(nóng)田土壤鉛、鎘含量影響因素地理加權(quán)回歸模型分析[J]. 農(nóng)業(yè)工程學(xué)報,2013,29(3):225-234.

[12]李丹丹,劉銳,陳動. 中國省域碳排放及其驅(qū)動因子的時空異質(zhì)性研究[J]. 中國人口資源與環(huán)境,2013,23(7):84-92.

[13]楊麗霞,楊桂山,姚士謀,等.基于 ESDA-GWR 的農(nóng)機總動力及其驅(qū)動因子的空間異質(zhì)性研究[J].經(jīng)濟地理,2012,32(6): 120-126.

[14]鄭艷東,鄭艷茹,王麗娟,等.河北省縣域農(nóng)機總動力及其生產(chǎn)投入要素的時空分異——基于1990—2010 年統(tǒng)計數(shù)據(jù)的實證分析[J].農(nóng)業(yè)現(xiàn)代化研究,2013,34(2):215-220.

[15]何政道.基于時間序列的江蘇省農(nóng)業(yè)機械總動力的影響因素分析[D].南京：南京農(nóng)業(yè)大學(xué),2009.

[16]陳寶峰,白人樸,劉廣利.影響山西省農(nóng)機化水平的多因素逐步回歸分析[J].中國農(nóng)業(yè)大學(xué)學(xué)報,2005,10(4):115-118.

[17]Sridharan S, Tunstall H, Lawder R, et al.An exploratory spatial data analysis approach to understanding the relationship between deprivation and mortality in Scotland[J].Social science & medicine,2007, 65(9):1942-1952.

[18]Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J].Geographical analysis,1992,24(3):189-206.

[19]Robert PHaining. Spatial Data Analysis: Theory and Practice[M].Cambridge University Press,2003.

[20]Brunsdon C，F(xiàn)otheringham A S，Charlton M E．Geographically Weighted Regression: A method for exploring spatial nonstationarity[J].Geographical Analysis,1996,28(4):281-298.

[21]瞿明凱,李衛(wèi)東,張傳榮,等.地理加權(quán)回歸及其在土壤和環(huán)境科學(xué)上的應(yīng)用前景[J].土壤,2014,46(1):15-22.

Analyzing the Spatial Heterogeneity of Agricultural Machinery Power in Xinjiang Based on GWR

Xuan Junwei, Zheng Jianghua

Abstract：Based on the agricultural machinery power and agricultural economy data of 85 counties and districts of Xinjiang autonomous region from 2003 to 2012,the spatial heterogeneity of agricultural machinery power and driving factors were analyzed by using spatial analysis tools of GIS and geographically weighted regression (GWR) model.The results showed that the counties with higher agricultural machinery power were gathering in central region and the counties with lower were clustering in southern region of Xinjiang.Meanwhile there was a significant spatial positive correlation for agricultural machinery power in different counties,and the trend of correlation showed an downward trend during 2003-2012.The driving factors revealed a localization characteristic of no-stationary intercourse.The agricultural machinery power of northwestern region was mainly affected positively by total sown area,while agricultural machinery power of the southwest and south central regions were more sensitive to the government financial investment and peasants income in separately.And the reducing number of primary industry played an important role in promoting the agricultural machinery power.Therefore, this results could explain and analyze the rules and reasons of agricultural machinery power development in a more rational way.This had vital significance for boosting agricultural mechanization development in a fully and fast way.

Key words：agricultural machinery power; spatial autocorrelation; GWR; spatial heterogeneity; Xinjiang

文章編號：1003-188X(2016)05-0036-07

中圖分類號：S210.7

文獻標識碼：A

作者簡介：軒俊偉(1988-)，男，山東聊城人，碩士研究生，(E-mail)xjw20092009@163.com。通訊作者：鄭江華(1973-)，男，烏魯木齊人，教授，碩士生導(dǎo)師，(E-mail)zheng_jianghua@126.com。

基金項目：新疆維吾爾自治區(qū)高層次人才培養(yǎng)計劃項目(104-40002)；教育部促進與美大地區(qū)科研合作與高層次人才培養(yǎng)項目(117-40101)

收稿日期：2015-04-03