李昕遙

(四川大學(xué)公共管理學(xué)院 四川,成都 610000)

引言

2003年以來(lái)我國(guó)糧食總產(chǎn)量一直處于穩(wěn)步上升水平,但我國(guó)部分地區(qū)耕地“非糧化”現(xiàn)象仍十分嚴(yán)重,2016—2019年我國(guó)糧食播種面積共下降3.17×106 hm2。2020 年 11 月國(guó)務(wù)院辦公廳正式發(fā)布《關(guān)于防止耕地“非糧化”穩(wěn)定糧食生產(chǎn)的意見(jiàn)》,指出要充分認(rèn)識(shí)防止耕地“非糧化”的緊迫性,不能單純以經(jīng)濟(jì)效益決定耕地用途,須將耕地資源優(yōu)先用于糧食生產(chǎn)。早些年國(guó)家放松農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)管制在一定程度上助長(zhǎng)了耕地“非糧化”現(xiàn)象,必須嚴(yán)格把控耕地利用方式,明確耕地利用優(yōu)先序,防止耕地“非糧化”。

目前,耕地“非糧化”研究大致可分為三個(gè)尺度:一是從宏觀層面考察全國(guó)或主要糧食生產(chǎn)功能區(qū)等區(qū)域的耕地“非糧化”程度;二是從中觀尺度出發(fā)研究具體地級(jí)市的耕地“非糧化”傾向及變動(dòng)規(guī)律;三是從微觀角度,研究某縣、鎮(zhèn)、村的耕地“非糧化”現(xiàn)狀,相比宏觀和中觀尺度來(lái)說(shuō),微觀尺度的研究更為豐富,但微觀尺度中的大部分文獻(xiàn)集中對(duì)耕地非糧化現(xiàn)狀及其存在原因進(jìn)行定性剖析。相比之下,宏觀與中觀尺度中學(xué)者們傾向于借助調(diào)研或統(tǒng)計(jì)數(shù)定量測(cè)算“非糧化”率,使得分析結(jié)果更具說(shuō)服性,如何蒲明等[1],馮遠(yuǎn)香等[2]分別利用“糧作比”“非糧食播種面積占農(nóng)作物播種面積比例”來(lái)衡量“非糧化”率。

從研究?jī)?nèi)容來(lái)看,非糧化現(xiàn)象驅(qū)動(dòng)因子是眾多研究?jī)?nèi)容之一,這些因素大致可分為三類(lèi):一類(lèi)是經(jīng)營(yíng)主體自身的因素,如職業(yè)變換、性別、年齡[3-5]等因素;一類(lèi)是資源稟賦因素,包括地形地貌、耕地質(zhì)量、地理區(qū)位[6,7]等;另外一類(lèi)也是造成耕地“非糧化”現(xiàn)象的關(guān)鍵因素,即社會(huì)經(jīng)濟(jì)因素,大量研究從種糧比較收益、土地流轉(zhuǎn)、種糧補(bǔ)貼政策[8-11]等多個(gè)角度來(lái)對(duì)其進(jìn)行探討。在研究方法上,縱使近年來(lái)定量研究耕地“非糧化”的文獻(xiàn)逐漸增多,大部分文獻(xiàn)所運(yùn)用的都是傳統(tǒng)的計(jì)量模型,包括借助 Tobit 模型、Probit模型、二元及多元 logit 模型等對(duì)耕地“非糧化”的驅(qū)動(dòng)因子進(jìn)行探究。隨著“空間”概念的不斷深入,地理與空間分析方法在耕地“非糧化”問(wèn)題上的運(yùn)用也逐漸顯現(xiàn),如SU[12]等利用遙感影像提取江蘇省徐州市銅山區(qū)耕地利用信息,并對(duì)其“非糧化”類(lèi)型進(jìn)行劃分,在此基礎(chǔ)上刻畫(huà)研究區(qū)域“非糧化”空間布局,進(jìn)而分析不同類(lèi)型“非糧化”主導(dǎo)因素。

可以看到,關(guān)于耕地“非糧化”的問(wèn)題,眾多學(xué)者已經(jīng)展開(kāi)了大量的理論探討和實(shí)證分析,并且取得了頗為豐富的研究成果。但耕地“非糧化”是一個(gè)涉及眾多主體、眾多環(huán)節(jié)的復(fù)雜行為,在不同的時(shí)代背景下,所出現(xiàn)的問(wèn)題也不同,尤其是在“空間”概念不斷被強(qiáng)化的背景下,如何把握耕地“非糧化”時(shí)空演變規(guī)律并找出其影響因素仍是我們防止“非糧化”、解決糧食安全問(wèn)題的重要任務(wù)。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究方法及模型構(gòu)建

1.1.1 空間自相關(guān)

Tobler曾指出“地理學(xué)第一定律:任何東西與別的東西之間都是相關(guān)的,但近處的東西比遠(yuǎn)處的東西相關(guān)性更強(qiáng)”。通常用全域莫蘭指數(shù)Global Moran’s Ⅰ反映某特定區(qū)域與其鄰接區(qū)域的關(guān)聯(lián)程度, 但全域莫蘭指數(shù)Global Moran’s 僅反映空間要素整體是否具有聚集性,無(wú)法體現(xiàn)局部區(qū)域集聚性的分布特征。為此,引入局部莫蘭指數(shù)Local Moran′s I指數(shù)探索局部區(qū)域耕地“非糧化”的集聚特征。計(jì)算公式如下:

(1)

(2)

1.1.2 面板分位數(shù)回歸

1978 年 Roger Koenker 和 Gilbert Bassett最早提出分位數(shù)回歸的方法,可以很好地解決隨機(jī)誤差項(xiàng)不一定服從正態(tài)分布條件的問(wèn)題。本文將采用面板分位數(shù)回歸的方法,以耕地“非糧率”作為被解釋變量,設(shè)置三個(gè)分位點(diǎn)(0.25,0.5,0.75)將我國(guó)31個(gè)省、直轄市、自治區(qū)分為低、中、高三個(gè)“非糧化”水平,分區(qū)探究十四個(gè)解釋變量對(duì)于非糧化率的影響,根據(jù)測(cè)算結(jié)果對(duì)不同發(fā)展階段的區(qū)域提出適合該區(qū)域的發(fā)展政策。為了在一定程度上消除異方差,對(duì)變量進(jìn)行去對(duì)數(shù)以便于后續(xù)的參數(shù)估計(jì)和假設(shè)檢驗(yàn),因此最終構(gòu)建的分位數(shù)回歸模型為:

Qτlnyi=β0(τ)+β1(τ)lnxi1+ … +βp(τ) lnxip

(3)

i= 1,…,n

式(3)中Qτ(yi)為被解釋變量y在τ分位點(diǎn)的值;xi1,xi2,…,xip為自變量;β0為常數(shù),β1,β2,…,βn為τ分位點(diǎn)的回歸系數(shù)。

1.2 數(shù)據(jù)來(lái)源與處理

1.2.1 變量選擇

在以往的研究中對(duì)“非糧化”內(nèi)涵的界定和對(duì)其水平的測(cè)度都是較為含糊,一直以來(lái)沒(méi)有一個(gè)確切的測(cè)度標(biāo)準(zhǔn)。大部分學(xué)者使用“非糧食播種面積占農(nóng)作物播種面積比例”“糧作比”等指標(biāo)來(lái)描述“非糧化水平”。耕地“非糧化”過(guò)程除了內(nèi)部種植結(jié)構(gòu)變化外,還存在農(nóng)業(yè)內(nèi)部生產(chǎn)結(jié)構(gòu)的變化,即耕地類(lèi)型變更為園地、林地等利用類(lèi)型,但本文主要基于糧食生產(chǎn)角度探討糧食作物與經(jīng)濟(jì)作物的結(jié)構(gòu)平衡,因此從種植結(jié)構(gòu)的變化來(lái)衡量耕地“非糧化”水平。考慮到經(jīng)濟(jì)作物種植存在耕地、設(shè)施農(nóng)用地和園地等多種交叉來(lái)源,而糧食種植主要集中在耕地上,因此,本文使用農(nóng)作物播種面積與糧食播種面積之差占總農(nóng)作物播種面積的比例來(lái)衡量非糧化率,具體計(jì)算公式如下:

本文在參考已有研究的基礎(chǔ)上,依據(jù)研究主題與分析框架并結(jié)合全國(guó)數(shù)據(jù)的可獲取性與代表性,從經(jīng)濟(jì)社會(huì)、生產(chǎn)與政策調(diào)控三個(gè)方面選取了14個(gè)具有代表性的自變量,構(gòu)建耕地“非糧化”水平影響因素指標(biāo)體系表(表1)。

表1 耕地“非糧化”水平影響因素指標(biāo)體系

1.2.2 數(shù)據(jù)來(lái)源

本文涉及中國(guó)31個(gè)省級(jí)單元(不含港、澳、臺(tái)地區(qū))2010—2021年相關(guān)數(shù)據(jù),其中農(nóng)村勞動(dòng)力人數(shù)、勞動(dòng)力性別比例、城鎮(zhèn)化水平、人均GDP、城鄉(xiāng)居民可支配收入比等數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒(2011—2022年)》及各省統(tǒng)計(jì)年鑒,耕地面積、耕地灌溉面積、糧食單位面積產(chǎn)量、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)用化肥施用量來(lái)源于《中國(guó)農(nóng)業(yè)年鑒(2011—2020年)》各省統(tǒng)計(jì)年鑒,農(nóng)民專(zhuān)業(yè)合作社數(shù)、企業(yè)牽頭的合作社數(shù)來(lái)源于《中國(guó)農(nóng)村經(jīng)營(yíng)管理統(tǒng)計(jì)年報(bào)(2010—2021年)》,其中部分?jǐn)?shù)據(jù)是由統(tǒng)計(jì)數(shù)據(jù)按照一定比例換算得出,耕地面積相關(guān)數(shù)據(jù)利用各省國(guó)土變更調(diào)查數(shù)據(jù)進(jìn)行修正。

2 結(jié)果分析

2.1 中國(guó)耕地非糧化時(shí)空特征與發(fā)展趨勢(shì)

2010年我國(guó)非糧化率超過(guò)50%的僅有新疆和上海,其余具有較高非糧化率的地區(qū)集中在東南沿海、湖北、湖南、青海以及海南等8個(gè)省份。新疆非糧化率達(dá)57.4%,主要是由于其特殊的光熱條件適于種植棉花以及瓜果蔬菜等經(jīng)濟(jì)作物,因而擠占了糧食種植面積,東南沿海一帶較高的非糧化率主要?dú)w結(jié)于其領(lǐng)先的經(jīng)濟(jì)水平所伴隨的農(nóng)業(yè)高水平產(chǎn)業(yè)化發(fā)展,在農(nóng)業(yè)方面其更傾向于種植相對(duì)利潤(rùn)更高的經(jīng)濟(jì)作物,形成特色農(nóng)業(yè),因而擠占糧食生產(chǎn)空間。

2021年,非糧化率超過(guò)50%的單元除新疆和上海外,還增加了浙江、廣東、廣西、海南四個(gè)省份,可以看到這些地區(qū)因特殊的光熱條件或地理區(qū)位優(yōu)勢(shì),其糧食種植率非增反減,傾向于增加經(jīng)濟(jì)作物的種植以獲取更好的經(jīng)濟(jì)水平發(fā)展。相比之下,貴州、云南兩省份在2021年的非糧化率也有所增加,這歸結(jié)于其丘陵、山地地形不適宜于大規(guī)模種植糧食作物。但值得慶幸的是黑龍江、吉林、遼寧、安徽等多個(gè)糧食主產(chǎn)區(qū)省份一直保持較高的糧食種植比例,非糧化率均低于20%,這與其分別地處東北平原、華北平原以及長(zhǎng)江中下游平原的資源稟賦優(yōu)勢(shì)息息相關(guān)。

2.2 中國(guó)耕地非糧化的空間分異特征

運(yùn)用GeoDa軟件,以非糧化率作為觀測(cè)變量,對(duì)中國(guó)31個(gè)省級(jí)單元耕地非糧化率進(jìn)行空間自相關(guān)分析,主要是采用Global Moran’s I和Local Moran’s I判定全國(guó)耕地非糧化的總體空間特征及局部分布特征。由結(jié)果可知(如圖1),GMI = 0.341>0,且進(jìn)行999次隨機(jī)化測(cè)試,通過(guò)了顯著性水平P≤0.001的檢驗(yàn),表明省級(jí)單元非糧化率存在顯著的空間集聚性。

其中,多數(shù)單元分布在一三象限,少數(shù)分布在二四象限,不同象限內(nèi)單元分布存在顯著差異。具體空間集聚特征可以從Local Moran’s I來(lái)進(jìn)行進(jìn)一步描述。如圖2,一共形成了非糧化率高—高,低—低,高—低,低—高四個(gè)集聚區(qū)。①高—高集聚區(qū),主要集中在貴州、湖南、廣西、廣東、海南省及其周?chē)?這些單元非糧化率高且同時(shí)被同樣非糧化率較高的省份包圍,這主要由于以上幾個(gè)省份均處于我國(guó)中南部,地處亞熱帶季風(fēng)氣候及熱帶季風(fēng)氣候,其特殊的光熱條件及丘陵山區(qū)的地形條件不適宜于大規(guī)模種植糧食作物,更加滿(mǎn)足瓜果蔬菜等經(jīng)濟(jì)作物生長(zhǎng)條件。②低—低集聚區(qū),主要分布在東北三省及中原地區(qū),共涉及8個(gè)省級(jí)單元,這些單元自身有著較低的非糧化率,同時(shí)與其鄰近地區(qū)的非糧化率同樣較低,彼此差異較小,這主要是由于這些地區(qū)地處東北平原及華北平原,耕地?cái)?shù)量多且地勢(shì)平坦,有著適宜于機(jī)械化耕種糧食的先天條件,也是我國(guó)主要糧食主產(chǎn)區(qū),因此形成較為廣闊的低—低集聚區(qū)。③低—高集聚區(qū),主要體現(xiàn)在西藏自治區(qū)自身由于耕地面積較少且非糧化率低,但其鄰近單元新疆、青海、云南等地區(qū)非糧化率較高。④高—低集聚區(qū),主要體現(xiàn)在北京市作為單獨(dú)的直轄市地區(qū),其自身耕地?cái)?shù)量少且非糧化率較高,特殊的區(qū)位條件使其與鄰近單元非糧化率呈顯著差異,因此形成高—低集聚區(qū)。

圖1 中國(guó)31個(gè)省級(jí)單元耕地非糧化率Global Moran’I散點(diǎn)圖和隨機(jī)化圖

圖2 中國(guó)31個(gè)省單元耕地非糧化率空間集聚圖注:該圖制作底圖來(lái)源于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為 GS(2019)1822 號(hào)的標(biāo)準(zhǔn)地圖,底圖無(wú)修改。

2.3 中國(guó)耕地非糧化影響因素分析

2.3.1 面板單位根檢驗(yàn)

由于本文使用的是31個(gè)省(不包含港、澳、臺(tái)地區(qū))2010—2021年的面板數(shù)據(jù)進(jìn)行分位數(shù)回歸,為了避免出現(xiàn)偽回歸,需要先對(duì)面板數(shù)據(jù)進(jìn)行單位根檢驗(yàn)。為了確保估計(jì)結(jié)果的有效性,本文使用三種單位根檢驗(yàn)方法:ADF檢驗(yàn)、PP檢驗(yàn)以及LLC檢驗(yàn),所有變量需均通過(guò)這三種檢驗(yàn)才可被認(rèn)定為平穩(wěn)。本文使用Stata對(duì)所有變量進(jìn)行單位根檢驗(yàn),LLC 檢驗(yàn)結(jié)果顯示所有變量均在零階平穩(wěn),但ADF及PP檢驗(yàn)均顯示所有變量零階不平穩(wěn),說(shuō)明原序列存在單位根,進(jìn)而對(duì)變量進(jìn)行一階差分,差分序列在1%的顯著性水平上拒絕原假設(shè),差分序列平穩(wěn)。

2.3.2 協(xié)整檢驗(yàn)

在單位根檢驗(yàn)通過(guò)后還需對(duì)所有變量進(jìn)行協(xié)整檢驗(yàn)以判斷變量間是否存在長(zhǎng)期均衡關(guān)系。本文同樣采用三種檢驗(yàn)方法,分別是Kao 檢驗(yàn)、Pedroni檢驗(yàn)和Westerlund檢驗(yàn)進(jìn)行面板協(xié)整檢驗(yàn)。檢驗(yàn)結(jié)果如表2所示,所有協(xié)整檢驗(yàn)結(jié)果均在1%的顯著性水平上拒絕原假設(shè),因此可以證明耕地非糧化率與各解釋變量之間存在協(xié)整關(guān)系,進(jìn)而可以對(duì)原序列進(jìn)行回歸模擬。

表2 面板協(xié)整檢驗(yàn)結(jié)果

2.3.3 模型選擇

由于本文選擇的是面板數(shù)據(jù),在對(duì)其進(jìn)行回歸分析時(shí)需進(jìn)行模型的選擇,使回歸結(jié)果更為可靠。本文首先運(yùn)用F檢驗(yàn)判斷本文模型選擇固定效應(yīng)模型還是混合效應(yīng)模型,結(jié)果表明F檢驗(yàn)P值為0.0000,強(qiáng)烈拒絕原假設(shè),選擇固定效應(yīng)模型,進(jìn)而運(yùn)用Hausman檢驗(yàn)方法判斷本研究運(yùn)用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型。Hausman檢驗(yàn)結(jié)果P值為0.0000,同樣強(qiáng)烈拒絕“隨機(jī)效應(yīng)是最有效率”的原假設(shè)。因此,本文選擇使用固定效應(yīng)模型。

2.3.4 固定效應(yīng)面板分位數(shù)回歸結(jié)果分析

本文選擇 0.25、0.5、0.75 三個(gè)分位點(diǎn)進(jìn)行分位數(shù)回歸,為了比較固定效應(yīng)面板分位數(shù)回歸與普通均值回歸(OLS)的誤差,同時(shí)也對(duì)所有變量進(jìn)行了OLS回歸統(tǒng)計(jì),結(jié)果如表3。根據(jù)回歸結(jié)果可以看到,普通最小二乘回歸的回歸系數(shù)與各分位點(diǎn)上的回歸系數(shù)存在的差異較大,各回歸系數(shù)的顯著性水平也是參差不齊,結(jié)果較為復(fù)雜。具體可以從每一個(gè)變量的回歸系數(shù)來(lái)進(jìn)行解釋。

表3 分位數(shù)回歸和OLS 回歸結(jié)果

首先,從經(jīng)濟(jì)社會(huì)條件層面來(lái)看,農(nóng)村勞動(dòng)力人數(shù)、城鎮(zhèn)化水平以及人均GDP三個(gè)因素對(duì)耕地非糧化水平呈顯著正向影響。從各分位點(diǎn)來(lái)看,農(nóng)村勞動(dòng)力人數(shù)在低分位點(diǎn)對(duì)非糧化水平的影響最大,隨著分位點(diǎn)的上升其對(duì)非糧化率的影響逐漸減小,因此,在東北三省以及一些糧食主產(chǎn)區(qū)等非糧化率較低的地區(qū),應(yīng)做好勞動(dòng)力轉(zhuǎn)移,提高城鎮(zhèn)化率等工作,以避免農(nóng)村勞動(dòng)力過(guò)多對(duì)非糧化率產(chǎn)生促進(jìn)效應(yīng),值得注意的是在OLS回歸中,農(nóng)村勞動(dòng)力人數(shù)的OLS回歸系數(shù)顯著小于固定效應(yīng)面板回歸系數(shù),大大低估了其對(duì)“非糧化”率的影響;城鎮(zhèn)化率與人均GDP隨著分位點(diǎn)的上升對(duì)非糧化率的影響程度逐漸增大,也就是說(shuō)在一些非糧化率較高的地方,例如浙江、上海、海南等省市,由于其經(jīng)濟(jì)發(fā)展水平較高,農(nóng)民更不愿意選擇種植糧食作物。除此之外,勞動(dòng)力性別比例、城鄉(xiāng)居民可支配收入比和糧食價(jià)格指數(shù)對(duì)非糧化率的影響并不顯著,也就是說(shuō)以女性生產(chǎn)為主的家庭不一定會(huì)減少糧食種植比例,而糧食價(jià)格由于長(zhǎng)期以來(lái)波幅較小,已不是影響農(nóng)戶(hù)選擇種植對(duì)象的主要因素。

從生產(chǎn)條件層面來(lái)看,耕地面積在三個(gè)分位點(diǎn)都通過(guò)了0.01的顯著性水平檢驗(yàn),耕地面積會(huì)對(duì)非糧化水平造成顯著的負(fù)向影響,耕地面積越大,農(nóng)戶(hù)會(huì)更傾向于種植糧食,因?yàn)橄啾扔诮?jīng)濟(jì)作物,大規(guī)模種植糧食作物的風(fēng)險(xiǎn)更低,且在一定的種糧補(bǔ)貼激勵(lì)下,農(nóng)戶(hù)選擇耕種糧食的可能性更高,可以看到在低分位點(diǎn),耕地面積對(duì)非糧化率的影響程度更大,因此,對(duì)于像江西、河南、陜西、山東這些非糧化率處于中低水平的省份,可以通過(guò)促進(jìn)土地流轉(zhuǎn)擴(kuò)大經(jīng)營(yíng)面積來(lái)控制非糧化率,以保證糧食生產(chǎn);農(nóng)村勞動(dòng)力人均耕地面積會(huì)對(duì)非糧化產(chǎn)生負(fù)向影響,但結(jié)果并不顯著;耕地灌溉面積在三個(gè)分位點(diǎn)都對(duì)非糧化率產(chǎn)生顯著的負(fù)向影響,對(duì)于需要具備充分水利設(shè)施保障的糧食種植來(lái)說(shuō),耕地灌溉條件越差,農(nóng)戶(hù)種糧意愿就越低,而這樣的負(fù)向影響對(duì)于低、中、高三種非糧化水平地區(qū)的影響差異不大;糧食單位面積產(chǎn)量對(duì)非糧化率的回歸系數(shù)為正,但不顯著,說(shuō)明農(nóng)戶(hù)在選擇是否種植糧食時(shí),并不主要取決于其單位面積下糧食產(chǎn)量是多少;農(nóng)業(yè)機(jī)械總動(dòng)力在三個(gè)分位點(diǎn)都通過(guò)了顯著性檢驗(yàn),且差異不大,說(shuō)明農(nóng)業(yè)機(jī)械總動(dòng)力的確會(huì)對(duì)非糧化率產(chǎn)生正向影響,為保證成本的收回,經(jīng)營(yíng)主體傾向于種植大宗經(jīng)濟(jì)作物,以提高生產(chǎn)效益,因此趨于“非糧化”,且隨著分位點(diǎn)的上升,機(jī)械化水平對(duì)非糧化率形成的影響程度逐漸加深,這意味著在非糧化水平較高的地區(qū),例如新疆、海南、廣西、廣東等省份,其農(nóng)業(yè)機(jī)械化水平也較高,而這些省份往往也是由于特殊的光熱條件,其特色經(jīng)濟(jì)作物發(fā)展較好的省份;農(nóng)用化肥施用量對(duì)非糧化種植的影響同樣不顯著。值得注意的是,從OLS回歸對(duì)比來(lái)看,耕地灌溉面積變量和農(nóng)業(yè)機(jī)械總動(dòng)力變量的回歸結(jié)果與分位數(shù)回歸結(jié)果形成的系數(shù)方向相反,而從現(xiàn)實(shí)情況來(lái)看,分位數(shù)回歸結(jié)果更符合實(shí)際情況且與研究假設(shè)一致,因此直接運(yùn)用OLS回歸進(jìn)行模擬分析往往會(huì)形成較大誤差。

從政策調(diào)控層面看,農(nóng)民專(zhuān)業(yè)合作社數(shù)對(duì)非糧化率形成了顯著的負(fù)向影響,也就是說(shuō)一個(gè)地區(qū)農(nóng)民專(zhuān)業(yè)合作社數(shù)越多,其非糧食種植比例會(huì)越低,且隨著分位點(diǎn)的上升,這種負(fù)向影響的程度越大,也就是說(shuō)在非糧化率處于中高水平的區(qū)域,例如湖北、湖南、貴州以及兩廣地區(qū),可以通過(guò)增加農(nóng)民專(zhuān)業(yè)合作社數(shù)來(lái)進(jìn)一步促進(jìn)糧食生產(chǎn);由企業(yè)牽頭的合作社數(shù)對(duì)非糧化率形成了顯著正向影響,也就是說(shuō)由企業(yè)牽頭的合作數(shù)越多,該區(qū)域非糧食種植比例越大,而這樣的現(xiàn)象主要?dú)w結(jié)于隨著工商資本的下鄉(xiāng),大規(guī)模流轉(zhuǎn)土地造成經(jīng)營(yíng)成本的上升,在利益驅(qū)使下企業(yè)往往選擇種植利潤(rùn)更高的經(jīng)濟(jì)作物,而這樣的正向影響在低分位點(diǎn)更為明顯,也就是說(shuō)在一些非糧率較低的省份,例如安徽、山西、四川等省份,由企業(yè)牽頭的合作社更容易傾向于種植大宗經(jīng)濟(jì)作物。

3 結(jié)論與啟示

3.1 結(jié)論

本文利用2011—2022年31個(gè)省(不包含港、澳、臺(tái)地區(qū))相關(guān)統(tǒng)計(jì)數(shù)據(jù)以及部分空間矢量數(shù)據(jù)作為樣本,從省級(jí)層面對(duì)中國(guó)耕地“非糧化”空間格局特征進(jìn)行描述分析,并對(duì)31個(gè)省級(jí)單元進(jìn)行空間自相關(guān)統(tǒng)計(jì)分析,最后選取14個(gè)影響因子分別代表經(jīng)濟(jì)社會(huì)條件、生產(chǎn)條件、政策調(diào)控三個(gè)維度,利用固定效應(yīng)面板分位數(shù)回歸探索中國(guó)耕地“非糧化”的驅(qū)動(dòng)因素,結(jié)論如下:

(1)2010—2021年全國(guó)耕地非糧化率波動(dòng)幅度不大,最低出現(xiàn)在2016年,僅有28.5%,近年來(lái)維持在30%左右?？傮w來(lái)說(shuō),我國(guó)除新疆、海南等地因特殊的光熱條件有其適宜的瓜果蔬菜等經(jīng)濟(jì)作物種植外,東北平原、華北平原充分發(fā)揮其資源稟賦優(yōu)勢(shì)大規(guī)模種植糧食,其他省份也在平衡好油菜、甜菜、茶葉等經(jīng)濟(jì)作物供應(yīng)的同時(shí)盡力保證糧食生產(chǎn),充分體現(xiàn)我國(guó)“把飯碗牢牢端在自己手里”的決心以及防止耕地“非糧化”,穩(wěn)定糧食生產(chǎn)的實(shí)際行動(dòng)。

(2)從空間分異特征來(lái)看,2021年我國(guó)耕地非糧化存在一定的空間集聚性,東北區(qū)域因其地勢(shì)平坦,相鄰省份非糧化率均較低;中南地區(qū)因地處亞熱帶季風(fēng)氣候及熱帶季風(fēng)氣候且地形多為丘陵山地,相比耕種糧食,水果、蔬菜等經(jīng)濟(jì)作物更適應(yīng)生長(zhǎng),因此非糧化率均較高。一些特殊地區(qū),如西藏、北京,因其自身耕地面積少且區(qū)位特殊,與周?chē)徑》菰诜羌Z化率上形成顯著差異,因此分別形成低—高、高—低兩片集聚區(qū)域。

(3)農(nóng)村勞動(dòng)力人數(shù)、城鎮(zhèn)化水平、人均GDP、耕地面積、耕地灌溉面積、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)民專(zhuān)業(yè)合作社數(shù)以及企業(yè)牽頭的合作社數(shù)這8個(gè)變量對(duì)非糧化率形成顯著影響。對(duì)非糧化率處于中低水平的省份(如黑龍江、吉林、山西等),農(nóng)村勞動(dòng)力人數(shù)、耕地面積、耕地灌溉面積、企業(yè)牽頭的合作社數(shù)這4個(gè)變量對(duì)其影響程度更深;對(duì)非糧化率處于中高水平的省份(如貴州、福建、廣東等),城鎮(zhèn)化水平、人均GDP、農(nóng)業(yè)機(jī)械動(dòng)力、農(nóng)民專(zhuān)業(yè)合作社數(shù)這4個(gè)變量對(duì)其影響程度更大。

3.2 啟示

(1)從研究結(jié)果來(lái)看,應(yīng)對(duì)一些糧食主產(chǎn)區(qū),如湖北、湖南兩省中一些“非糧化”行為進(jìn)行嚴(yán)格管控,其糧食產(chǎn)出是保障人民生活的物質(zhì)基礎(chǔ),也是穩(wěn)定經(jīng)濟(jì)社會(huì)健康運(yùn)行的物質(zhì)保障。當(dāng)然,也要科學(xué)設(shè)定非糧化底線(xiàn),一些非糧化存在具有合理性,不能簡(jiǎn)單一刀切,必須考慮未來(lái)糧食需求、自然條件、生態(tài)保護(hù)和鄉(xiāng)村振興等多重需求。

(2)充分發(fā)揮特定區(qū)域資源稟賦優(yōu)勢(shì),如地處東北平原的東北三省以及華北平原的河北、山東、陜西、河南等地,其地勢(shì)平坦,耕地資源豐富,應(yīng)加強(qiáng)對(duì)其耕地保護(hù),通過(guò)進(jìn)一步完善耕地灌溉設(shè)施,加快土地流轉(zhuǎn)擴(kuò)大經(jīng)營(yíng)面積的同時(shí)防止工商資本改變耕地用途,以保障并擴(kuò)大糧食生產(chǎn)。

(3)在一些非糧化率較高的區(qū)域,如東南沿海及兩廣地區(qū),往往其城鎮(zhèn)化率及經(jīng)濟(jì)發(fā)展水平較高,為保障全國(guó)糧食安全,這些區(qū)域應(yīng)做好經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)發(fā)展需求的平衡,尤其是平衡好經(jīng)濟(jì)作物與糧食作物的種植比例,進(jìn)一步優(yōu)化農(nóng)業(yè)內(nèi)部生產(chǎn)結(jié)構(gòu),同時(shí)政府可以通過(guò)引導(dǎo)農(nóng)民成立專(zhuān)業(yè)合作社,以為農(nóng)戶(hù)耕種糧食提供更為專(zhuān)業(yè)的社會(huì)化服務(wù),以此增強(qiáng)農(nóng)戶(hù)種糧意愿。