孟 菲，譚永忠，陳 航，熊雯穎

（浙江大學公共管理學院，浙江 杭州 310058）

糧食生產(chǎn)是耕地的基本功能之一，保障糧食安全是治國安邦和維護社會穩(wěn)定發(fā)展的根本前提[1]。當前經(jīng)濟快速增長、人口不斷增加、糧食生產(chǎn)空間與城鄉(xiāng)發(fā)展空間矛盾日益加深，中國耕地流失占世界流失總量的1/4，糧食生產(chǎn)空間生產(chǎn)潛力總量自改革開放以來約下降了1 000萬t[2]，再加上國際形勢變化帶來的不確定性，保障糧食安全的重要性和緊迫性更加突出。然而，伴隨著城鎮(zhèn)化、工業(yè)化和農(nóng)業(yè)農(nóng)村現(xiàn)代化進程的持續(xù)推進，耕地利用中的“非糧化”現(xiàn)象逐漸顯現(xiàn)并日趨嚴重，擠壓糧食生產(chǎn)并可能破壞耕地質(zhì)量[3-4]，為耕地保護和糧食安全帶來嚴峻挑戰(zhàn)。

“非糧化”是耕地利用方式由種植糧食作物調(diào)整為種植經(jīng)濟作物，發(fā)展林果、畜禽和水產(chǎn)養(yǎng)殖業(yè)等其他生產(chǎn)活動的過程[5]，仍然處于農(nóng)業(yè)的范疇內(nèi)，未改變土地的農(nóng)用地屬性，是農(nóng)業(yè)生產(chǎn)主體基于農(nóng)業(yè)內(nèi)部比較收益的生產(chǎn)結(jié)構(gòu)調(diào)整[6]。自“非糧化”現(xiàn)象出現(xiàn)以來，眾多學者針對其特點、形成原因等進行了討論，并提出對策建議[7-8]。對“非糧化”的刻畫主要從農(nóng)作物種植入手，多采用“糧作比”[9]、非糧作物播種面積與耕地總面積之比[5]、非糧作物播種面積與農(nóng)作物播種面積之比[10]等統(tǒng)計指標進行表征，也有研究關注到苗木種植及坑塘養(yǎng)殖等形式[11]?！胺羌Z化”形成機制探究集中于農(nóng)戶微觀層面，多基于農(nóng)戶調(diào)查數(shù)據(jù)運用計量經(jīng)濟模型論證不同類型農(nóng)戶的種植行為及其與各類社會經(jīng)濟發(fā)展因素的關系[12-13]。研究發(fā)現(xiàn)，農(nóng)地流轉(zhuǎn)[14-15]、工商資本[16]、成本收益[17]、租金與租約[18]、勞動力變化[19-20]、農(nóng)戶分化[21]、政府管理與制度[7]以及農(nóng)戶自身和家庭特征等均不同程度地影響種植結(jié)構(gòu)“非糧化”的產(chǎn)生。土地流轉(zhuǎn)與工商資本下鄉(xiāng)是當前“非糧化”研究的兩大主要視角，二者通常被認為是農(nóng)業(yè)經(jīng)營模式發(fā)生轉(zhuǎn)變繼而出現(xiàn)“非糧化”的緣起[8,22-23]，并以此作為“非糧化”的研究背景和分析起點。也有研究對此持不同觀點，認為土地流轉(zhuǎn)并不必然導致農(nóng)業(yè)生產(chǎn)“非糧化”問題[14,24]，甚至會促使種植結(jié)構(gòu)“趨糧化”[25]；工商資本下鄉(xiāng)也能通過提供農(nóng)業(yè)生產(chǎn)性服務帶來“趨糧化”效應。既有研究對于土地流轉(zhuǎn)或工商資本與“非糧化”的關系尚未形成統(tǒng)一的判斷與結(jié)論，顯示出“非糧化”現(xiàn)象及其形成機制的差異性和復雜性，與不同農(nóng)業(yè)經(jīng)營主體的決策直接相關[26]，也具有較強的階段性和情景依賴特征，隨生產(chǎn)條件的變化而改變[13,27]?？傮w看來，目前對“非糧化”現(xiàn)象特征與形成機制的研究已較為豐富。值得注意的是，已有研究中“非糧化”水平多通過農(nóng)作物種植面積比例來刻畫，主要是描述某個時間的非糧作物種植狀態(tài)，而未將“非糧化”作為一個變化過程來考慮。且這種方法可能存在由不同地區(qū)不同作物熟制帶來的偏誤，難免有失偏頗，也鮮有涉及不同“非糧化”類型。同時，微觀尺度的農(nóng)戶仍是當前研究的主要視角，不利于從宏觀尺度對“非糧化”進行整體把握，全國層面“非糧化”的時空演變及其影響因素尚待進一步探討。

鑒于此，本文以全國31個省份（不包括港、澳、臺地區(qū)）為研究區(qū)域，基于統(tǒng)計數(shù)據(jù)對全國“非糧化”水平及其類型的時空演化特征進行分析；在此基礎上，采用空間計量模型探究經(jīng)濟效益、勞動力特征、科技進步、政策環(huán)境等因素對“非糧化”的影響，從宏觀層面為耕地保護和糧食安全保障策略的制定提供依據(jù)。

1 研究方法與數(shù)據(jù)來源

1.1 “非糧化”的表征

如前文所述，“非糧化”的刻畫應體現(xiàn)農(nóng)作物種植的變化過程，同時，“非糧化”不只是非糧種植面積的絕對增減，更強調(diào)種植比例及種植結(jié)構(gòu)上的變化。因此，選擇非糧作物種植比例的變化值來表征“非糧化”。

（1）“非糧化”水平。采用某時期內(nèi)非糧食作物（除谷物、豆類、薯類外的農(nóng)作物）種植面積與農(nóng)作物播種總面積比值的變化量來刻畫“非糧化”水平，計算公式如下：

式（1）中：NG為t1年至t2年期間非糧種植率變化量；分別為t1年和t1年非糧食作物的播種面積；分別為t1年和t2年農(nóng)作物播種總面積。

（2）“非糧化”類型。采用某時期內(nèi)各非糧作物類型中，種植面積與非糧作物種植總面積比值增加幅度最大的一類作為區(qū)域主導“非糧化”類型，計算公式如下：

式（2）中：NT為t1年至t2年期間“非糧化”類型的種植率變化幅度；和分別為t1年和t2年非糧食作物的總播種面積；和分別為t1年和t2年第i種非糧作物播種總面積。

1.2 空間計量模型

將空間效應納入到模型中是空間計量模型與傳統(tǒng)計量經(jīng)濟模型的核心區(qū)別[28]，能夠有效考慮到區(qū)域空間交互作用對事物帶來的影響。常用的空間面板計量模型包括空間滯后模型（SLM）和空間誤差模型（SEM）。

（1）空間滯后模型。主要探討各變量在空間上的溢出效應，能夠檢驗因變量的擴散效應以及解釋變量對鄰域地區(qū)因變量的影響。其公式為：

（2）空間誤差模型。主要考慮空間誤差項的空間擾動相關，探討未知誤差變量對觀測值的影響。其公式為：

式（3）—式（4）中：yit和yjt分別為t時刻區(qū)域i和區(qū)域j的因變量觀測值；wij為空間權(quán)重矩陣的（i，j）元素；ρ和λ為空間自回歸系數(shù)；x為自變量；β為自變量的回歸系數(shù)；μi和γt分別為個體效應和時間效應；εit和εjt為誤差項；vit為新誤差項。

1.3 數(shù)據(jù)來源與處理

以全國31個省份（不包括港、澳、臺地區(qū)）為研究區(qū)，數(shù)據(jù)主要來自2005—2019年《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》、《全國農(nóng)產(chǎn)品成本收益資料匯編》、《中國農(nóng)產(chǎn)品價格調(diào)查年鑒》、《中國人口和就業(yè)統(tǒng)計年鑒》、各省份統(tǒng)計年鑒和國民經(jīng)濟和社會發(fā)展統(tǒng)計公報，部分數(shù)據(jù)來自于各省份政府門戶網(wǎng)站資料。其中，農(nóng)作物播種面積均來自《中國統(tǒng)計年鑒》，統(tǒng)一采用根據(jù)第三次農(nóng)業(yè)普查結(jié)果進行修訂后的數(shù)據(jù)；缺失的西藏農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)數(shù)據(jù)采用農(nóng)產(chǎn)品零售價格指數(shù)代替，西藏勞動日工價采用青海省數(shù)據(jù)代替；天津、重慶、上海（2006年以后）、北京（2011年以后）農(nóng)業(yè)生產(chǎn)資料價格指數(shù)采用商品零售價格指數(shù)代替；個別年份缺失數(shù)據(jù)采取插值擬合進行處理。利用ArcGIS 10.4和Stata 16軟件對數(shù)據(jù)進行計算處理與可視化。

2 結(jié)果分析

2.1 “非糧化”時空演化特征

2.1.1 “非糧化”時序演化特征

2004—2018年，中國耕地非糧作物種植比率與面積變化的演變趨勢基本保持一致，2016年后“非糧化”最為顯著（表1，圖1）。分時段來看，2004—2010年，非糧作物種植整體處于較大幅度下降狀態(tài)，非糧面積與非糧比例變化均顯著為負，與中國2003年后大力實行惠農(nóng)政策和糧食流通體制改革有關，2003—2006年，國家安排良種補貼資金共計112億元，糧食播種面積連續(xù)三年恢復性增長①www.gov.cn/ztzl/czsy/content_646790.htm。，糧食進入增產(chǎn)階段，未出現(xiàn)明顯“非糧化”現(xiàn)象；2008年前后出現(xiàn)的異常增長可能與此時期出現(xiàn)較嚴重自然災害有關，2008年農(nóng)作物受災面積達3 999萬hm2，其中絕收面積403.2萬hm2②www.gov.cn/gzdt/2009-09/23/content_1424487.htm。，給農(nóng)作物種植結(jié)構(gòu)帶來較大影響。2011—2016年，非糧作物種植變化趨于平穩(wěn)，期間盡管非糧種植面積出現(xiàn)增加，但非糧比例變化一直為負值，在此期間全國處于糧食穩(wěn)定生產(chǎn)的長周期，“非糧化”現(xiàn)象尚不明顯。2016年后，非糧作物種植出現(xiàn)顯著提升，非糧面積和比例均顯著正向增長，2017年和2018年非糧比例分別較上年增長了0.49%和0.39%，說明中國耕地“非糧化”水平在這一時期明顯升高。

圖1 2004—2018年全國耕地“非糧化”水平演變Fig.1 Evolution of the “non-grain” levels of cultivated land in China from 2004 to 2018

表1 2004—2018年非糧種植面積與比例變化Tab.1 The “non-grain” area and proportion changes in China from 2004 to 2018

在類型方面，不同時期“非糧化”主導作物類型有所差異（圖2）。2004—2018年，全國“非糧化”作物類型主要為瓜果、棉花、油料和蔬菜；2004—2010年，蔬菜、棉花、油料、糖料等非糧作物在各時期均有不同程度增長，“非糧化”類型也相對多樣；2010—2018年，各非糧作物增長程度明顯減小，“非糧化”類型也主要集中在蔬菜，其次是瓜果，這與生活水平提高后居民飲食結(jié)構(gòu)變化有關。從變化幅度來看，2004—2009年內(nèi)增幅較大，期間棉花、蔬菜、油料、瓜果等種植比例顯著增加；2010年后各作物增幅相對較小。

圖2 2004—2018年全國“非糧化”類型演變Fig.2 Evolution of the “non-grain” types of cultivated land in China from 2004 to 2018

2.1.2 “非糧化”空間演化特征

（1）“非糧化”水平空間演化特征。2004—2018年，中國“非糧化”整體在空間上表現(xiàn)出較強分異性，非糧比率變化量大致呈由東北向西南逐漸升高的格局（圖3）。變化量為正值地區(qū)以西北、西南和華南地區(qū)為主，西南和南部沿海各省份成為“非糧化”的明顯集聚區(qū)，其中海南、貴州、重慶三省市“非糧化”最為嚴重，非糧比率增幅超過10%。變化量為負的地區(qū)主要以東北、華北及長江以北的華東和華中地區(qū)為主，與糧食主產(chǎn)區(qū)具有較高一致性，其中天津、山東、安徽三省下降幅度最大，“非糧化”現(xiàn)象相對不突出。“非糧化”水平的空間分異也一定程度上反映了中國糧食生產(chǎn)重心的北移趨勢。不同時期中，2004—2008年和2016—2018年兩個時期內(nèi)非糧比率下降地區(qū)較多，而2010—2012年和2014—2016年兩個時期內(nèi)大多數(shù)省份非糧比率均有增長，發(fā)生明顯“非糧化”現(xiàn)象。各時期大部分省份非糧比率變化幅度均在5%之內(nèi)，僅個別時期個別省份達到5%～10%。大多數(shù)省份在不同時期非糧比率有增有減，少部分保持單調(diào)增長或減少趨勢。其中，安徽、河南、山東、山西處于持續(xù)下降趨勢，“非糧化”現(xiàn)象不明顯；而廣東、貴州、四川、云南、重慶處于持續(xù)增長趨勢，“非糧化”形勢日趨嚴峻。

圖3 2004—2018年各省份非糧種植率變化空間分布Fig.3 Spatial distribution of the “non-grain” levels of cultivated land in China from 2004 to 2018

非糧作物種類多樣，不同地區(qū)種植偏好不同。2004—2018年，中國各省份“非糧化”類型表現(xiàn)出一定的空間差異性（圖4）。整體上，除新疆地區(qū)穩(wěn)定以棉花增長為主外，蔬菜和油料是全國范圍內(nèi)增長幅度最大的兩類作物，其中蔬菜又占有絕對優(yōu)勢；糖料和瓜果僅個別地區(qū)偶有大量增加，且主要分布在華南地區(qū)；東北地區(qū)非糧作物增加主要以油料為主。以兩年為一階段，2004—2010年內(nèi)類型相對多樣，蔬菜的主導地位尚不突出；而自2010年后，基本以蔬菜和油料兩類為主，同時蔬菜增長進入相對快速階段，以蔬菜為主導類型的省份個數(shù)明顯增加；2004—2018年總體來看，蔬菜是多數(shù)省份“非糧化”過程中的主要增長類型。

圖4 2004—2018年各省份“非糧化”類型空間分布Fig.4 Spatial distribution of the “non-grain” types of cultivated land in China from 2004 to 2018

2.2 “非糧化”影響因素研究

2.2.1 理論分析與變量選取

主要從經(jīng)濟效益、勞動力特征、科技進步、政策環(huán)境等方面對“非糧化”影響因素進行分析并選取變量（表2）。

表2 “非糧化”影響因素變量選取與描述Tab.2 The influencing factors and variables of the “non-grain” utilization

農(nóng)作物種植是一種經(jīng)濟行為，農(nóng)業(yè)生產(chǎn)者通過比較權(quán)衡通常會選擇經(jīng)濟效益最大化的決策方案[29]?；?、農(nóng)藥、能源、勞動力等生產(chǎn)要素投入成本的增加會給農(nóng)作物生產(chǎn)帶來壓力[17]，其中勞動力價格增長逐漸成為引起糧食生產(chǎn)成本上升的主要要素[30]。而與種植糧食作物相比，種植非糧作物的比較收益往往相對更高。經(jīng)濟理性的生產(chǎn)者面對生產(chǎn)成本的變化和種植收益差異將調(diào)整種植決策，在成本上升而糧食收益較低的情況下，為獲得更多利潤將更傾向于種植比較收益較高的作物[31]，從而可能引發(fā)“非糧化”現(xiàn)象。在此，選擇農(nóng)業(yè)生產(chǎn)資料價格指數(shù)和勞動日工價來反映農(nóng)業(yè)種植的成本投入，選擇糧食生產(chǎn)價格指數(shù)與農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)之比來反映種糧的比較效益[32]。

城鎮(zhèn)化和工業(yè)化的發(fā)展極大地影響了農(nóng)村勞動力向非農(nóng)產(chǎn)業(yè)流動，農(nóng)戶逐漸分化為純農(nóng)戶、兼業(yè)戶、非農(nóng)戶等類型[33]。不同類型農(nóng)戶在行為目標上存在務農(nóng)收益和務農(nóng)成本的差異，具有不同的作物種植傾向[34]。勞動力的減少可能會使農(nóng)戶增加機械投入，傾向于勞動較不密集的糧食生產(chǎn)；也可能由于資金約束的緩解，將生產(chǎn)重心轉(zhuǎn)向投資回報率較高的經(jīng)濟作物生產(chǎn)，進而改變種植結(jié)構(gòu)[35-37]。此外，人力資本水平也是重要影響因素，勞動者知識和技能水平影響其對農(nóng)業(yè)生產(chǎn)相關信息的判斷和吸收。人力資本水平提升有助于勞動力與農(nóng)業(yè)技術進步的更好適配，從而推動農(nóng)業(yè)經(jīng)濟發(fā)展和結(jié)構(gòu)轉(zhuǎn)型[38]，促使種植結(jié)構(gòu)發(fā)生變化。在此，選擇非農(nóng)就業(yè)比例和農(nóng)業(yè)勞動力受教育水平來反映勞動力特征的變化。

科學技術進步促生農(nóng)業(yè)生產(chǎn)方式的變革。農(nóng)業(yè)機械化對勞動力具有替代作用，能夠節(jié)約人工勞動力，加速農(nóng)業(yè)結(jié)構(gòu)變動[39]。機械化水平的提高能推動生產(chǎn)條件改善，提高生產(chǎn)效率，有利于農(nóng)作物規(guī)?；N植。同時，不同農(nóng)作物的生產(chǎn)對技術的依賴性也有所差異[40]，糧食作物與非糧作物生產(chǎn)中機械化難易程度不同，因而科技水平對不同作物的種植規(guī)模將產(chǎn)生不同影響，促使農(nóng)業(yè)種植結(jié)構(gòu)發(fā)生改變。在此，選擇人均農(nóng)業(yè)機械總動力來表征科技進步因素[38]。

政策環(huán)境是影響農(nóng)業(yè)種植的重要因素。政府通過出臺各類政策、規(guī)定，對農(nóng)業(yè)生產(chǎn)活動進行調(diào)整管制和激勵引導，影響農(nóng)業(yè)生產(chǎn)主體的種植決策[41]。完善的糧食保護政策是穩(wěn)定糧食生產(chǎn)的保障，種糧補貼等對減少資金對種糧主體的約束具有支持作用[42]，這種種糧友好型的政策環(huán)境能促使生產(chǎn)者提高種糧意愿；而對糧食種植重視不足或?qū)ψ魑锝Y(jié)構(gòu)的不合理引導則可能引致生產(chǎn)主體對糧食種植的忽視，產(chǎn)生“非糧化”傾向。在此，選擇各省份人民政府門戶網(wǎng)站中以促進糧食生產(chǎn)為主題的政策文件、公報等的出現(xiàn)頻數(shù)表征糧食保護政策變量，選擇財政支農(nóng)的金額表示農(nóng)業(yè)補貼。

此外，耕地資源、氣候條件等是農(nóng)業(yè)生產(chǎn)和農(nóng)作物種植的基礎，不同作物對其需求和適應程度有所差異，這也將影響農(nóng)作物的種植規(guī)模及作物類型選擇，導致種植決策變化。選擇人均耕地面積和作物受災率分別表示土地稟賦特征和氣候穩(wěn)定性變量[43]。

2.2.2 模型檢驗結(jié)果

以2004—2018年各省份非糧種植比率為因變量，各影響因子為自變量進行影響因素探究。同時，基于演化特征分析，2010年前后變化較為明顯，因此將研究區(qū)間劃分為2004—2010年和2011—2018年兩個階段。

對2004—2018年中國各地區(qū)非糧種植率進行空間相關性檢驗，結(jié)果顯示Moran’sI指數(shù)均大于0且整體呈增長趨勢，自2005年開始通過顯著性檢驗，結(jié)果顯示從2007年開始均在1%水平上顯著（表3）?？梢姡袊魇》莘羌Z種植比率具有顯著空間正自相關性，因此適合建立空間計量模型進行探究。

表3 2004—2018年全國非糧種植率空間相關性檢驗Tab.3 Spatial correlation test of the “non-grain” planting rates from 2004 to 2018

通過方差膨脹系數(shù)檢驗發(fā)現(xiàn)各變量VIF值均小于5，說明不存在多重共線性。兩個研究時段數(shù)據(jù)樣本Hausman檢驗結(jié)果均通過了顯著性水平檢驗，因此空間計量模型選擇固定效應模型更為合適。同時，鑒于研究區(qū)域為中國31省份且研究時間跨度小于截面?zhèn)€數(shù)，參考相關研究做法[44]在此選擇空間固定效應。利用拉格朗日及其穩(wěn)健形式進行空間面板模型的選擇，結(jié)果（表4）顯示兩個階段均為LM-error和Robust LM-error通過顯著性水平檢驗，而LM-lag、RobustLM-lag未通過檢驗，說明應選擇SEM模型，同時logL、AIC和SC統(tǒng)計量的比較也說明SEM模型更為合適。

表4 空間計量模型檢驗結(jié)果Tab.4 Test results of spatial econometric models

2.2.3 影響因素分析

計量模型實證結(jié)果如表5所示。經(jīng)濟效益方面，人工成本在第一階段影響不顯著且作用較小，而在第二階段影響程度和顯著性均明顯提高，對非糧種植比率具有顯著負向效應，說明農(nóng)業(yè)活動人工成本的增加不利于對勞動力需求相對較高的非糧作物的種植。種糧比較收益對非糧種植比率具有負向影響，且從第一階段到第二階段影響程度和顯著性均提高，說明種糧相對收益增加有利于農(nóng)民提高種糧積極性。

表5 空間計量模型參數(shù)估計結(jié)果Tab.5 Regression results of spatial panel model

勞動力特征因素上，非農(nóng)就業(yè)比例在第一階段和第二階段均表現(xiàn)出顯著正向影響且系數(shù)增大，與非糧種植率呈顯著正相關，說明整體上農(nóng)村勞動力向非農(nóng)產(chǎn)業(yè)轉(zhuǎn)移對非糧食作物種植具有促進作用，促進種植結(jié)構(gòu)的“非糧化”。

科技進步帶來農(nóng)業(yè)機械水平的提高，人均機械總動力在第一階段表現(xiàn)為顯著負向效應，而第二階段均表現(xiàn)為正向效應。說明在第一階段機械化水平上升對相對容易機械化的糧食生產(chǎn)起到促進作用；而在第二階段機械動力水平對非糧種植表現(xiàn)出正向影響，此階段內(nèi)機械動力提高對糧食生產(chǎn)的相對正向效益可能有所減弱，同時非糧作物種植中機械化水平也不斷增加，因而使得機械化水平對非糧種植表現(xiàn)出促進作用。

政策環(huán)境因素上，糧食保護政策與農(nóng)業(yè)補貼的影響作用相似，在第一階段與第二階段內(nèi)效應均為負向，但糧食保護政策由第一階段顯著轉(zhuǎn)變?yōu)榈诙A段不顯著。表明各種促進糧食生產(chǎn)政策的不斷出臺與農(nóng)業(yè)補貼能夠有效發(fā)揮正向引導作用，提高糧食種植水平。農(nóng)業(yè)補貼的影響持續(xù)顯著，但糧食保護政策影響顯著性的降低說明政策的有效性在降低，對農(nóng)民種植糧食的引導作用減弱，亟待進一步的創(chuàng)新與改革。

此外，在稟賦特征上，各因素對非糧種植比率的影響整體以不顯著為主，僅作物受災率在第一階段顯著為負，說明自然災害的發(fā)生整體不利于全國非糧食作物的種植。

3 討論與結(jié)論

3.1 討論

“非糧化”程度在不同地區(qū)之間表現(xiàn)出較大的差異，華南、西南各省份“非糧化”水平明顯高于北方，這種格局特征與已有相關研究觀點基本相符[45-46]，同時也與中國糧食生產(chǎn)重心的北向轉(zhuǎn)移趨勢吻合，各糧食產(chǎn)銷區(qū)進一步分化。鑒于糧食作為公共產(chǎn)品的正外部性及補償制度的不完善[47]，這可能會使區(qū)域間發(fā)展差距進一步拉大。從影響因素來看，研究結(jié)果顯示勞動力成本的提升不利于非糧種植，原因或在于經(jīng)濟作物與糧食作物相比對勞動力的需求更大、機械替代率低。也有研究認為雇工成本上漲將促進經(jīng)濟作物比例的提升[20]，這顯示人工成本對農(nóng)業(yè)種植影響可能較為復雜，并不必然產(chǎn)生一種結(jié)果，正如易福金等發(fā)現(xiàn)勞動力價格對江蘇省和浙江省水稻種植產(chǎn)生了完全相反的影響[48]。種糧比較收益對“非糧化”影響的顯著增加反映出經(jīng)濟利益仍是理性生產(chǎn)者的重要訴求，符合當前學界對“非糧化”形成機制的基本判斷[4]。在勞動力方面，鐘甫寧等[37]指出勞動力轉(zhuǎn)移后會通過機械投入進行替代，但受到地形條件等的制約。而研究結(jié)果顯示，中國“非糧化”主要發(fā)生于西南、華南等山地丘陵比重較高、地形起伏較大區(qū)域，一定程度上解釋了全國整體趨勢上農(nóng)業(yè)勞動力流失對“非糧化”的推動作用。此外，良好的政策環(huán)境對抑制“非糧化”具有積極意義，但其影響的減弱趨勢需引起重視，正如有學者指出在實際中政策法規(guī)和管理制度的不完善也是造成一些地區(qū)“非糧化”傾向的重要原因[7]。研究結(jié)果總體具有較強合理性和解釋能力，但仍存在待改進之處，對農(nóng)作物種植“非糧化”的具體轉(zhuǎn)化過程和養(yǎng)殖業(yè)、苗木等其他形式的分析有待結(jié)合遙感影像、農(nóng)戶調(diào)查等數(shù)據(jù)進一步探究；部分統(tǒng)計數(shù)據(jù)缺失進行的替代擬合處理所得結(jié)果整體可信但可能對精確度存在一定影響；對耕地稟賦、農(nóng)機農(nóng)資、社會文化等影響因素作用機理的分析也需在后續(xù)研究中進一步優(yōu)化，為應對“非糧化”提供更具價值的參考。

基于研究結(jié)果，從以下幾方面提出穩(wěn)定糧食生產(chǎn)、遏制耕地“非糧化”的建議。首先，價格政策可成為有效的調(diào)節(jié)手段，應繼續(xù)通過價格支持或農(nóng)業(yè)補貼等方式保障種糧收益，或開發(fā)如保險、投資等途徑支持生產(chǎn)者的種糧行為。其次，可通過完善農(nóng)業(yè)服務市場和加強技術教育培訓等優(yōu)化糧食生產(chǎn)條件，暢通生產(chǎn)和消費市場間的信息渠道，吸引勞動力回流發(fā)展新型糧食生產(chǎn)經(jīng)營模式，尤其是勞動力流失較為嚴重地區(qū)。同時，應進一步增強農(nóng)業(yè)基礎設施建設，強化農(nóng)田管護，同時對受地形限制的南方地區(qū)推進宜機化改造，補齊機械化短板。另外，進一步完善相關耕地保護政策和管理制度，各區(qū)域均應加強執(zhí)行力度，嚴格保障糧食種植面積，對不同“非糧化”類型避免“一刀切”而應因地制宜進行調(diào)整，部分有利于耕地肥力養(yǎng)護和未對糧食生產(chǎn)產(chǎn)生明顯影響的可以予以保留；健全糧食主產(chǎn)區(qū)和主銷區(qū)間的橫向轉(zhuǎn)移支付制度及有效協(xié)作模式，平衡區(qū)域糧食供求和經(jīng)濟發(fā)展，共同保障糧食安全。

3.2 結(jié)論

基于2004—2018年全國統(tǒng)計面板數(shù)據(jù)分析中國耕地“非糧化”時空演變特征及其影響因素，主要得到以下結(jié)論：（1）2004—2018年，中國整體的“非糧化”水平波動變化，2016年后“非糧化”最為顯著；“非糧化”類型逐漸由蔬菜、油料、棉花多類型向蔬菜瓜果轉(zhuǎn)變?！胺羌Z化”在空間上總體呈現(xiàn)出由東北向西南逐漸嚴重的態(tài)勢，華南、西南等地區(qū)較為突出；全國范圍內(nèi)“非糧化”類型多為蔬菜和油料作物，又以蔬菜為主導。（2）人工成本是影響非糧種植的主要成本因素，第二階段具有顯著負向作用；種糧比較收益與非糧種植比率也呈顯著負相關。勞動力非農(nóng)就業(yè)對“非糧化”具有正向促進作用。機械動力水平在第一階段具有顯著負向影響，第二階段表現(xiàn)出正面作用。政策環(huán)境因素對“非糧化”具有顯著負向效應，但到第二階段變?yōu)椴伙@著。（3）未來應繼續(xù)通過價格支持、完善農(nóng)業(yè)服務市場、增強農(nóng)業(yè)基礎設施建設、完善相關耕地保護政策和管理制度等措施保障糧食安全。