曾 艷

華南理工大學(xué)公共管理學(xué)院，廣東 廣州 510640

0 引言

中國是人口大國，也是世界糧食進口大國。對中國來說，穩(wěn)定糧食產(chǎn)量、保障糧食安全具有重大的戰(zhàn)略意義。但當(dāng)前，中國面臨著嚴(yán)峻的糧食生產(chǎn)形勢：城鎮(zhèn)化、工業(yè)化發(fā)展導(dǎo)致的耕地數(shù)量減少與農(nóng)民趨利動機下的農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整進一步加劇了耕地“非糧化”。在這種情況下，如何遏制耕地“非糧化”成為政府、學(xué)界與公眾關(guān)注的熱點問題。2020 年11 月，國務(wù)院辦公廳印發(fā)的《關(guān)于防止耕地“非糧化”穩(wěn)定糧食生產(chǎn)的意見》明確提出：“采取有力舉措防止耕地‘非糧化’，切實穩(wěn)定糧食生產(chǎn)，牢牢守住國家糧食安全的生命線。”

相關(guān)研究表明，中國耕地“非糧化”水平整體上隨時間推進波動上升，其嚴(yán)重態(tài)勢由東北向西南逐漸遞增［1］。而學(xué)界對影響“非糧化”水平的因素分析表明：農(nóng)戶自身因素中的性別、年齡［2］、收入水平及結(jié)構(gòu)［3-4］，自然環(huán)境因素中的耕地質(zhì)量［5］、區(qū)位［6］和地形［7］，社會經(jīng)濟因素中的因成本與收益改變而不斷變化的種糧比較收益［8］、地區(qū)發(fā)展水平差異［9］，政策因素中的農(nóng)地流轉(zhuǎn)政策［10］、農(nóng)業(yè)補貼政策，以及部分鄉(xiāng)村振興措施［11］等因素都會影響區(qū)域耕地“非糧化”水平及發(fā)展趨勢。對此，學(xué)界認(rèn)為，國家應(yīng)穩(wěn)定和完善種糧補貼政策，在加大對規(guī)?；Z食生產(chǎn)扶持力度［12］的同時，促使相關(guān)部門進一步細(xì)化農(nóng)地利用類型［13］。此外，應(yīng)從國家頂層設(shè)計出發(fā)，完善相應(yīng)法律法規(guī)，從而協(xié)調(diào)好農(nóng)業(yè)短期經(jīng)濟效益與長期糧食生產(chǎn)安全之間的矛盾［8］。

由此不難看出，現(xiàn)有研究大多數(shù)都是在國家或者單個省、市、縣尺度上分析耕地“非糧化”的時空特征、影響因素與治理措施，對于全國13 個糧食主產(chǎn)區(qū)耕地“非糧化”情況的系統(tǒng)分析較少。糧食主產(chǎn)區(qū)作為全國糧食生產(chǎn)基地，在保障國家糧食安全中起到了關(guān)鍵作用，因此更應(yīng)關(guān)注其耕地“非糧化”情況?；诖?，筆者以全國13個糧食主產(chǎn)區(qū)為研究對象，通過計算1980—2020年每隔5年各區(qū)的“非糧化”率分析耕地“非糧化”時空分異特征，再根據(jù)對應(yīng)年份的各區(qū)社會經(jīng)濟相關(guān)統(tǒng)計數(shù)據(jù)探究其耕地“非糧化”影響因素，以了解中國糧食主產(chǎn)區(qū)1980—2020 年的耕地“非糧化”狀況及其變化情況，并根據(jù)相關(guān)影響因素提出對策建議。

1 研究區(qū)概況、數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況

2003 年財政部發(fā)布《關(guān)于改革和完善農(nóng)業(yè)綜合開發(fā)若干政策措施的意見》，確定黑龍江?。ê∞r(nóng)墾總局）、吉林省、遼寧?。ú缓筮B市）、內(nèi)蒙古自治區(qū)、河北省、河南省、山東?。ú缓鄭u市）、江蘇省、安徽省、四川省、湖南省、湖北省、江西省等13 個糧食主產(chǎn)區(qū)，涉及東北平原區(qū)、北方干旱半干旱區(qū)、黃淮海平原區(qū)、長江中下游地區(qū)和四川盆地等綜合農(nóng)業(yè)區(qū)。國家統(tǒng)計局發(fā)布的數(shù)據(jù)顯示，2021 年糧食主產(chǎn)區(qū)糧食總產(chǎn)量約為5.36 億t，占全國總產(chǎn)量的78.5%；其中，北方7 個糧食主產(chǎn)區(qū)的糧食總產(chǎn)量約為3.42億t，占全國糧食總產(chǎn)量的50.0%［14］。

1.2 數(shù)據(jù)來源及處理

該研究涉及的13 個糧食主產(chǎn)區(qū)的社會經(jīng)濟相關(guān)數(shù)據(jù)來源于《中國統(tǒng)計年鑒》（1981—2021 年）、《中國農(nóng)村統(tǒng)計年鑒》（1981—2021 年）、各研究地1981—2021年的統(tǒng)計年鑒及統(tǒng)計公報。

1.3 研究方法

1.3.1 耕地“非糧化”水平測度

當(dāng)前，中國糧食作物主要包括谷類作物、豆類作物和薯類作物3 種，非糧食作物則包括油料作物、糖料作物、蔬菜和瓜類等。在以往相關(guān)研究中，大多數(shù)學(xué)者用非糧食作物的播種面積與農(nóng)作物總播種面積之比來測度區(qū)域耕地“非糧化”水平［8］。因此，此研究以“非糧化”率（非糧食作物播種面積占農(nóng)作物播種總面積的比率）來衡量13 個糧食主產(chǎn)區(qū)的耕地“非糧化”水平。具體計算公式為

式（1）中：R為“非糧化”率，N為非糧食作物播種面積，G為農(nóng)作物播種總面積。

1.3.2 空間自相關(guān)

空間自相關(guān)模型包括全局空間自相關(guān)和局部空間自相關(guān)，用于測度“非糧化”率的空間集聚程度及集聚中心的空間位置。

全局空間自相關(guān)是從區(qū)域整體上測度某一屬性的空間集聚或分散程度，常用全局莫蘭指數(shù)（Global Moran's I）表示。全局莫蘭指數(shù)（Ig）的取值范圍是［-1,1］，其值為正代表集聚分布，值為負(fù)代表離散分布，值為零代表隨機分布。因此，該研究可利用全局莫蘭指數(shù)來整體判斷13 個糧食主產(chǎn)區(qū)耕地“非糧化”率是否存在統(tǒng)計上的集聚或分散現(xiàn)象，具體計算公式為

局部空間自相關(guān)則用于探索集聚中心的空間位置。此研究利用局部莫蘭指數(shù)（Local Moran's I）識別“非糧化”率高值和低值的空間聚類特征。局部莫蘭指數(shù)（Il）大于0 表示某單元觀測值與周圍單元差異性顯著小，表現(xiàn)為高-高或低-低聚集現(xiàn)象；反之，局部莫蘭指數(shù)（Il）小于0 則表示與周圍差異性顯著大，表現(xiàn)為低-高或高-低聚集現(xiàn)象。計算公式為

式（2）和式（3）中：n為研究單元數(shù)；xi和xj分別為第i與j單元的觀測值；xˉ為全部單元的平均值；Wij為每一個單元的空間權(quán)重矩陣（i與j為相鄰單元則權(quán)重為1，不相鄰則權(quán)重為0）。

1.3.3 面板模型回歸

該研究采用面板數(shù)據(jù)模型實證分析各種自然因素及社會經(jīng)濟因素對糧食主產(chǎn)區(qū)耕地“非糧化”水平的影響。構(gòu)建的模型形式為

式（4）中：下標(biāo)i和t分別代表第i個?。ㄗ灾螀^(qū)）和第t年；Yit為因變量，即耕地“非糧化”水平；αit為模型的常數(shù)項；Xit為各影響因素，具體從各糧食主產(chǎn)區(qū)耕地資源稟賦、糧食種植成本、種糧比較收益、農(nóng)村勞動力流失狀況、地區(qū)經(jīng)濟發(fā)展水平、農(nóng)民生活水平和城鄉(xiāng)居民收入差距等方面選取相應(yīng)變量；βit為各影響因素的估計系數(shù)；εit為模型的隨機誤差項；N為糧食主產(chǎn)區(qū)數(shù)量，T為觀察時期總數(shù)（筆者采用13 個糧食主產(chǎn)區(qū)1980 年、1985 年、1990 年、1995 年、2000 年、2005 年、2010 年、2015年和2020年的面板數(shù)據(jù)，故N=13，T=9）。

2 實證結(jié)果分析

2.1 糧食主產(chǎn)區(qū)耕地“非糧化”時空演變特征分析

2.1.1 糧食主產(chǎn)區(qū)耕地“非糧化”時序特征

糧食主產(chǎn)區(qū)1980—2020 年整體耕地“非糧化”水平如圖1 所示。由圖1 可知，1980—2020 年，中國糧食主產(chǎn)區(qū)的耕地“非糧化”面積與“非糧化”率均于2005年達(dá)到峰值；整體來看，耕地“非糧化”水平經(jīng)歷了先升后降、整體提高的波動變化。

圖1 糧食主產(chǎn)區(qū)耕地“非糧化”總面積和平均“非糧化”率

1980—2020，13 個糧食主產(chǎn)區(qū)的耕地“非糧化”水平具體情況如圖2和圖3所示。由圖3可知，2020年耕地“非糧化”水平較高的省份分別是湖南?。?3.2%）、湖北省（41.0%）和四川?。?5.2%），耕地“非糧化”水平較低的省份是黑龍江?。?.9%）、吉林?。?.7%）和安徽?。?7.0%）。各個糧食主產(chǎn)區(qū)的耕地“非糧化”水平變化均呈現(xiàn)出先增后降的趨勢，整體波動水平較大，具體而言大致可以分為兩個階段。

圖2 各糧食主產(chǎn)區(qū)耕地“非糧化”面積

圖3 各糧食主產(chǎn)區(qū)耕地“非糧化”率變化

第一階段是1980—2005年（含2005年）。該階段，大部分糧食主產(chǎn)區(qū)耕地“非糧化”水平波動較大，均大致經(jīng)歷了先升后降再升至最高值的過程。改革開放后，我國加速城市化，城市的發(fā)展對勞動力和建設(shè)用地需求量大增，從而直接導(dǎo)致農(nóng)村耕地數(shù)量減少、種糧勞動力數(shù)量下降。同時，城市的發(fā)展增加了對蔬菜、瓜果等非糧食作物的需求量，供求關(guān)系的變化引導(dǎo)農(nóng)戶在城市近郊區(qū)耕地上種植蔬菜、瓜果等非糧食作物。此外，逐漸寬松的農(nóng)村土地流轉(zhuǎn)政策也讓種植大戶更易于將耕地集中連片種植經(jīng)濟作物。這些因素均推動了1980—2005年糧食主產(chǎn)區(qū)耕地“非糧化”的發(fā)展。

第二階段是2005—2020 年。該階段，湖南省耕地“非糧化”水平持續(xù)上升，其他糧食主產(chǎn)區(qū)耕地“非糧化”水平均持續(xù)下降。該階段耕地“非糧化”率持續(xù)下降很大程度上得益于國家前期耕地保護政策的效果顯化及一系列加大保護耕地力度的舉措。但是，由于該研究的“非糧化”水平是以體現(xiàn)相對關(guān)系的非糧比衡量的，所以需要結(jié)合圖2 進行分析。從圖2 來看，2005—2020 年，四川省、湖北省和湖南省耕地“非糧化”面積整體上均呈增加的趨勢。這種部分糧食主產(chǎn)區(qū)耕地“非糧化”面積持續(xù)上升的趨勢是新時期調(diào)整耕地保護政策需要注意的。

2.1.2 糧食主產(chǎn)區(qū)耕地“非糧化”空間特征

根據(jù)研究區(qū)耕地“非糧化”的時序變化，選取13 個糧食主產(chǎn)區(qū)研究期中1980 年、2005 年和2020 年的耕地“非糧化”水平數(shù)據(jù)，利用ArcGIS 10.7 軟件，按照自然斷裂點法作可視化表達(dá)，結(jié)果如表1所示。由表1可知，研究期間，糧食主產(chǎn)區(qū)耕地“非糧化”水平空間差異格局顯著，整體呈現(xiàn)出南高北低的格局。分年度而言，1980 年，糧食主產(chǎn)區(qū)的耕地“非糧化”重心在湖北省、湖南省和江西省，耕地“非糧化”率在第三級及以上的?。ㄗ灾螀^(qū)）占比約為38.46%；2005 年，糧食主產(chǎn)區(qū)整體“非糧化”率最高，耕地“非糧化”重心分別是湖北省和山東省，耕地“非糧化”率在第三級及以上的?。ㄗ灾螀^(qū)）占比升至46.15%；2020年，整體耕地“非糧化”率下降，但耕地“非糧化”率在第三級及以上的?。ㄗ灾螀^(qū)）占比為61.54%，其中四川省自1980 年開始耕地“非糧化”率等級始終保持上升狀態(tài)，內(nèi)蒙古自治區(qū)耕地“非糧化”率等級也首次出現(xiàn)在第三級，“非糧化”重心出現(xiàn)向西、向北擴散的趨勢。

表1 1980年、2005年及2020年耕地“非糧化”率分級

將耕地“非糧化”率作為觀測變量，采用全局莫蘭指數(shù)（Ig）評判不同范圍內(nèi)耕地“非糧化”的分異特征，具體參數(shù)見表2。由表2 可知，13 個糧食主產(chǎn)區(qū)耕地“非糧化”率的Ig在研究期內(nèi)均為正數(shù)，且整體呈現(xiàn)出先變大后變小的趨勢。其中，1980 年通過P＜0.05 的顯著性水平檢驗，1985 年通過P＜0.01 的顯著性水平檢驗，而1990 年、1995 年、2000 年、2005 年、2010 年、2015年、2020 年則均通過P＜0.001 的顯著性水平檢驗。這說明13 個糧食主產(chǎn)區(qū)的耕地“非糧化”水平存在明顯的集聚分布特征，且隨著時間的流逝，這種空間相關(guān)性即集聚分布特征經(jīng)歷了先強后弱的變化過程。

表2 研究期內(nèi)Ig、Z得分和P值

為了更加清楚地了解特定省級單元內(nèi)耕地“非糧化”水平的集聚狀況和模式，引入局部莫蘭指數(shù)（Il）進行深入分析，結(jié)果如表3 所示。由表3 可得出以下結(jié)論。

表3 1980年、2005年及2020年耕地“非糧化”率

第一，在1980 年、2005 年和2020 年，13 個?。ㄗ灾螀^(qū)）始終存在一片耕地“非糧化”率高-高聚集區(qū)，涉及的?。ㄗ灾螀^(qū)）數(shù)量先增后減，其中湖北省、湖南省和江西省3 個省份始終都處在耕地“非糧化”率高-高聚集區(qū)。這些省份的耕地“非糧化”率高且與鄰近省份差異小，主要是因為其均位于長江中下游地區(qū)，糧食種植易受自然災(zāi)害影響；且其鄰近經(jīng)濟發(fā)達(dá)、就業(yè)機會多、工資報酬高的省份，人口容易向外輸送，留在農(nóng)村種植糧食的勞動力少。

第二，1980 年和2005 年均有耕地“非糧化”率低-高聚集區(qū)，其中1980 年為一片一個省份即河南省，2005 年為兩片兩個省份，分別是安徽省和四川省。這些省份人口眾多且擁有良好的農(nóng)業(yè)基礎(chǔ)，耕地“非糧化”水平較低，且其鄰近高“非糧化”水平的地區(qū)，因此容易形成低-高聚集區(qū)。

第三，2005 年和2020 年均有一片“非糧化”率低-低聚集區(qū)，且均為黑龍江省、吉林省和遼寧省3 個省份。這些省份均屬于農(nóng)業(yè)生產(chǎn)潛力極高的地區(qū)，糧食作物品質(zhì)優(yōu)良，尤其是東北大米具有廣大的國內(nèi)外市場，加之是國家重要的商品糧基地，因此形成低-低聚集區(qū)。

2.2 糧食主產(chǎn)區(qū)耕地“非糧化”影響因素分析

2.2.1 變量選取與說明

根據(jù)相關(guān)研究［15-16］及13 個糧食主產(chǎn)區(qū)1980—2020 年相關(guān)數(shù)據(jù)的可得性，選取的因變量（Y）為13 個糧食主產(chǎn)區(qū)研究期內(nèi)的“非糧化”水平，自變量（X）為地區(qū)耕地資源稟賦、糧食種植成本、種糧比較收益、農(nóng)民生活水平、城鄉(xiāng)居民收入差距、種糧勞動力數(shù)量及地區(qū)經(jīng)濟發(fā)展水平。為了便于測度，耕地“非糧化”水平以非糧食作物播種面積與農(nóng)作物總播種面積之比來衡量，各自變量分別以人均耕地面積、農(nóng)業(yè)生產(chǎn)資料成本、糧食產(chǎn)值占比、農(nóng)村人均年收入、城鄉(xiāng)居民收入比、第一產(chǎn)業(yè)勞動力占比及人均GDP 來衡量。變量描述性統(tǒng)計如表4所示。

表4 變量描述性統(tǒng)計分析

2.2.2 模型估計結(jié)果與分析

靜態(tài)的面板數(shù)據(jù)模型估計方法主要有混合估計模型、固定效應(yīng)（Fixed Effect，F(xiàn)E）模型和隨機效應(yīng)（Random Effects，RE）模型3 種。筆者根據(jù)F檢驗和Hausman檢驗結(jié)果確定合適的模型估計形式。在進行回歸分析前，為了減少變量間的差異，先對農(nóng)業(yè)生產(chǎn)資料成本、人均GDP 和農(nóng)村人均年收入等變量做了取對數(shù)處理。在運用上述3種模型估計并進行對應(yīng)檢驗后，發(fā)現(xiàn)F檢驗在1%的顯著水平下拒絕了原假設(shè)，這表明固定效應(yīng)模型優(yōu)于混合估計模型；而在Hausman檢驗中P值為0.002 6，這表明拒絕了“隨機效應(yīng)模型更優(yōu)”的原假設(shè)，因而選擇固定效應(yīng)模型更恰當(dāng)。為了便于比較，表5列出了混合估計模型和隨機效應(yīng)模型估計結(jié)果。

表5 各模型回歸結(jié)果

由表5 的固定效應(yīng)模型可知，對糧食主產(chǎn)區(qū)耕地“非糧化”水平具有顯著影響的因素分別是種糧比較收益（糧食產(chǎn)值占比）、城鄉(xiāng)居民收入差距（城鄉(xiāng)居民收入比）及種糧勞動力數(shù)量（第一產(chǎn)業(yè)勞動力占比）。

種糧比較收益對耕地“非糧化”具有顯著的負(fù)向作用，糧食產(chǎn)值占比每提高1%，耕地“非糧化”率降低約0.176%。種糧收益會直接影響農(nóng)民的種糧意愿，而糧食作物與其他經(jīng)濟作物相比具有種植成本高、收益低的特點，這是導(dǎo)致中國耕地“非糧化”面積不斷增加的根本原因。因此，一旦糧食生產(chǎn)收益有所提升，將會在一定程度上提高農(nóng)民的種糧積極性，從而抑制耕地“非糧化”。

城鄉(xiāng)居民收入差距對耕地“非糧化”具有顯著的正向作用，城鄉(xiāng)居民收入比每提高1%，耕地“非糧化”率提高約0.025%。城鄉(xiāng)居民收入差距讓農(nóng)村居民看到了種植糧食甚至是從事農(nóng)業(yè)的機會成本，差距越大意味著其放棄非農(nóng)就業(yè)的損失越大，這導(dǎo)致農(nóng)民從事農(nóng)業(yè)生產(chǎn)的積極性降低，從而間接導(dǎo)致耕地“非糧化”。

農(nóng)村勞動力數(shù)量對耕地“非糧化”具有顯著的負(fù)向作用，第一產(chǎn)業(yè)勞動力占比每提高1%，耕地“非糧化”率降低約0.171%。中國農(nóng)業(yè)生產(chǎn)具有小農(nóng)經(jīng)濟特點，糧食種植需要青壯年勞動力。城鎮(zhèn)化背景下，農(nóng)村勞動力的流失讓農(nóng)業(yè)生產(chǎn)面臨勞動力短缺的問題，最終導(dǎo)致耕地“非糧化”率提升。

此外，耕地資源稟賦、農(nóng)民生活水平及糧食種植成本對糧食主產(chǎn)區(qū)耕地“非糧化”水平作用并不顯著，而地區(qū)經(jīng)濟發(fā)展水平雖然在固定效應(yīng)模型中回歸系數(shù)為負(fù)值且沒有通過顯著性檢驗，但在另外兩個模型中，回歸系數(shù)均為正值且均通過了1%的顯著性檢驗，因此，地區(qū)經(jīng)濟發(fā)展水平對耕地“非糧化”率有一定程度上的正向作用。

3 結(jié)論與建議

3.1 結(jié)論

筆者以13 個糧食主產(chǎn)區(qū)在1980—2020 年每5 年一期的耕地“非糧化”水平為研究對象，首先從時間維度分析研究區(qū)域“非糧化”水平的變化情況，然后根據(jù)階段特征選出1980 年、2005 年和2020 年的“非糧化”水平數(shù)據(jù)，再利用ArcGIS 10.7 的自然斷點法對這3 年的數(shù)據(jù)作可視化表達(dá)，用全局空間自相關(guān)和局部空間自相關(guān)方法分析其空間分布特征。主要結(jié)論如下。

①時間上，1980—2020 年，全國13 個糧食主產(chǎn)區(qū)耕地“非糧化”水平先升后降，其中中部?。ㄗ灾螀^(qū)）“非糧化”率持續(xù)居于高位。

②空間上，1980—2020 年，全國13 個糧食主產(chǎn)區(qū)的耕地“非糧化”分布有強烈的集聚特征，且該特征隨時間變化而強化，中部地區(qū)多存在高-高集聚狀態(tài)，東北地區(qū)則多是低-低集聚狀態(tài)。

③種糧比較收益（糧食產(chǎn)值占比）、城鄉(xiāng)居民收入差距（城鄉(xiāng)居民收入比）及種糧勞動力數(shù)量（第一產(chǎn)業(yè)勞動力占比）等對糧食主產(chǎn)區(qū)耕地“非糧化”水平有顯著影響。

3.2 建議

3.2.1 調(diào)整惠農(nóng)政策，維護農(nóng)民種糧利益

中國自2004 年開始對種糧農(nóng)民實行直接補貼，但各糧食主產(chǎn)區(qū)耕地“非糧化”面積仍然持續(xù)增加，且目前以糧食產(chǎn)值占比、城鄉(xiāng)居民收入比為代表的社會經(jīng)濟因素仍然對糧食主產(chǎn)區(qū)耕地“非糧化”水平影響較大。因此，國家及各地方政府應(yīng)該適時調(diào)整各項惠農(nóng)政策支持力度，補貼范圍應(yīng)以糧食種植為主，且惠農(nóng)資金應(yīng)直接發(fā)放給實際糧食種植者而非承包戶，通過縮小種植糧食作物與種植非糧食作物間的收益差距來提高農(nóng)民種糧積極性。

3.2.2 優(yōu)化農(nóng)業(yè)設(shè)施，提升農(nóng)業(yè)科技水平

除了種糧比較收益外，農(nóng)村第一勞動力占比也對當(dāng)前糧食主產(chǎn)區(qū)耕地“非糧化”水平產(chǎn)生了顯著影響。對此，國家及各地方政府應(yīng)加大對農(nóng)田水利基礎(chǔ)設(shè)施建設(shè)的投入，大力發(fā)展農(nóng)業(yè)耕種機械化與農(nóng)業(yè)技術(shù)信息化，通過提升農(nóng)業(yè)科技水平來降低農(nóng)村第一產(chǎn)業(yè)勞動力日漸流失對耕地“非糧化”的影響。

3.2.3 關(guān)注區(qū)域差異，有序精準(zhǔn)遏制“非糧化”

13 個糧食主產(chǎn)區(qū)耕地“非糧化”水平與影響因素各不相同。因此，一方面要關(guān)注糧食主產(chǎn)區(qū)耕地“非糧化”的整體趨勢，對耕地資源稟賦、種糧比較收益等共性因素“對癥下藥”；另一方面，要關(guān)注各糧食主產(chǎn)區(qū)的差異，根據(jù)各地實際情況，分階段、有重點地解決耕地“非糧化”問題，以大糧食觀為指導(dǎo)，實現(xiàn)有序、精準(zhǔn)地遏制耕地“非糧化”。