福建省蔬菜產量波動影響因素分析

張 梅，許標文，翁志輝，曾玉榮

(福建省農業科學院農業經濟與科技信息研究所 350003)

福建省蔬菜產量波動影響因素分析

張 梅，許標文，翁志輝，曾玉榮

(福建省農業科學院農業經濟與科技信息研究所 350003)

為分析福建省蔬菜生產風險，采用灰色系統模型GM(1，1)評估分析福建省9個地市以及8種主要蔬菜種類的趨勢單產、實際單產和波動單產，研究單產及種植面積對福建省蔬菜總產的貢獻率；對福建省蔬菜單產波動特征進行分析，同時分析氣象因素及社會因素對福建省蔬菜產量波動的影響。結果表明，福建省蔬菜單產呈現逐年增長的變化趨勢，年際間波動不明顯；氣象因素是影響蔥蒜類、水生蔬菜及廈門、漳州、南平3地市蔬菜波動單產的主要因素。本研究結果為福建省蔬菜生產風險的評估和保險厘定研究奠定基礎。

灰色系統模型GM(1,1)；產量波動；蔬菜；福建省

農作物生產風險是指農作物在生長過程中發生的風險，是農作物實際單產低于預期單產的程度，即隨機波動為負的程度。農作物生產風險是農業自然災害風險、農業技術風險和農業政策風險等方面的綜合體現，其中自然災害是發生最頻繁、危害最大的農業風險，ZHANG J Q等[1]對自然災害進行了專門的風險評估。國內外農業經濟學家大多從作物單產出發，以作物實際單產偏離預期單產的程度(即隨機波動大小)來衡量作物生產(單產)風險的大小。國外學者對農業生產風險進行了大量研究，提出多種作物單產分布的參數模型，如Beta分布、Gamma分布、Weibul1分布、Burr分布、雙曲線反正旋分布、Johnson family分布等[2-4]。其中灰色系統模型法GM(1,1)由中國學者鄧聚龍于1982 年創立，現已廣泛應用于農業、氣象等諸多領域，被認為是一種研究“少數據、貧信息”問題的新方法，可將具有隨機性特點的數據轉化為具有較強規律性的數列，從而建立連續微分方程，可進行長時間高精度的估算與預測。利用灰色系統模型分析農作物產量波動影響因素已有一定的研究，郭梁等[5]利用灰色系統模型等4種方法分析了我國主要農作物產量波動影響因素，發現氣象因素是影響我國農作物產量波動的主要因素。目前，農作物產量波動分析主要以水稻等糧食作物為主，關于福建省蔬菜生產的產量波動研究尚未見報道。

蔬菜產業是福建省種植業中最具競爭力的優勢產業，蔬菜產值居種植業產值之首[6]。蔬菜生產風險是蔬菜生產、經營過程中自然災害風險、農業技術風險和農業政策風險的總和，氣象災害在一定程度上形成較大比例風險，主要是臺風、干旱、洪澇、凍害等自然災害[7]。本研究運用“易除趨勢—模型選擇—參數估計”這一國際廣泛采用的風險分析評估方法，收集福建省各地市蔬菜單產的歷史數據，利用統計學和計量經濟學知識分離作物單產的“隨機波動”，分析福建省不同地市及不同蔬菜種類單產波動的主要影響因素，為福建省蔬菜生產風險評估及規劃種植提供理論依據。

1 材料與方法

1.1 試驗數據

2002～2009年福建省各地區主要蔬菜種類的生產面積及產量，源自《福建省經濟與社會統計年鑒》農村篇(2003～2010年)。

1.2 試驗方法

1.2.1 GM(1,1)模型 灰色系統理論的基礎是“灰因白果律”。在作物產量波動分析中，影響作物產量的因素是復雜多變的，具有“灰信息覆蓋”特點，而每年作物產量又是確定的，具有“白信息覆蓋”特點，從影響因子到作物實際產量符合“灰因白果律”。因此，利用灰色系統理論可以有效地對作物產量進行分析與預測[8]。

1.2.2 氣象單產分析 在農業氣象研究中，作物實際產量通常分解成3部分，即趨勢單產、氣象單產和隨機誤差。可表示為Y=Yt+Ym+ΔY，式中：Y為實際單產；Yt為趨勢單產；Ym為氣象單產；ΔY為隨機誤差。參考文獻[5]的方法，作物實際產量變化最終可歸為趨勢單產變化和氣象波動影響兩大部分。本文采用GM(1,1)方法計算蔬菜單產中的趨勢單產，蔬菜實際單產與趨勢單產的差值為波動單產，主要為氣象單產。

1.2.3 蔬菜影響因素分析 參照張宇等[9]的方法，分析單產和種植面積對福建省不同地市以及不同蔬菜種類的總產波動的貢獻率，結合氣象單產分析，進一步分析社會因素和氣象因素對福建省蔬菜波動單產的貢獻率。

2 結果與分析

2.1 單產和種植面積對福建省蔬菜總產波動的影響

福建省不同蔬菜種類的單產和種植面積對蔬菜總產的貢獻率如表1所示。從歸類分析結果可以看出，福建省不同各種類蔬菜中，菜豆類、水生類蔬菜的總產波動的主要影響因素是單產，其他蔬菜種類總產波動的主要影響因素為種植面積。對不同地市間蔬菜總產波動分析結果表明，單產對漳州市、龍巖市、寧德市蔬菜總產的貢獻率超過50%，是導致蔬菜總產波動的主要因素，其他地市的蔬菜總產波動主要來源于種植面積的變化。

表1 單產和種植面積對福建省蔬菜總產的貢獻率 (單位：%)

2.2 福建省蔬菜單產波動特征

2.2.1 福建省蔬菜單產波動總體特征 從福建省蔬菜單產波動總體特征(圖1)可以看出，福建省蔬菜總體單產呈現逐漸升高的變化趨勢，年均增長率1.06%。年際間單產波動率不大，都在1%以內，其中2006年實際單產明顯低于趨勢單產，波動率為0.98%。

2.2.2 福建省不同地市蔬菜單產波動特征 從福建省9個地市蔬菜單產波動趨勢(圖2)可以看出，除泉州蔬菜單產趨于平穩外，福建省其他地市蔬菜單產總體呈現逐年增長的變化趨勢，其中廈門市年平均蔬菜單產增加最大，平均年增長率為5.14%；其次是莆田市，為2.84%。不同地市蔬菜波動單產年際間波動不明顯，福州市波動率最大的年份為2005年，波動率為2.00%；廈門市2005年、2007年波動率較大，分別為4.27%和5.48%；莆田市波動單產年際間變化較為明顯，2004～2006年間波動較大；三明、泉州、南平、龍巖等地市波動不明顯；漳州市波動率最大年份為2006年，波動率為3.80%。因此，從福建省不同地市間單產波動比較發現，廈門、莆田、漳州等沿海地區波動較大，波動年限主要集中在2004～2007年；福州、三明、南平、龍巖等內陸地區波動較小。

圖1 福建省蔬菜單產波動特征

圖2 福建省不同地市蔬菜單產波動特征

2.2.3 福建省不同蔬菜種類單產波動特征 從福建省不同蔬菜種類單產變化趨勢(圖3)可以看出，福建省8個不同蔬菜種類單產整體呈現穩步增長的變化趨勢，但增加幅度不明顯。葉菜類、瓜菜類、根莖類、茄果類、蔥蒜類單產年均增長率均在1%左右；水生蔬菜單產年均增長率最大，為4.70%；其次是菜豆類，為2.85%。對不同蔬菜種類的波動單產分析，葉菜類、瓜菜類、根莖類、茄果類、蔥蒜類以及其他蔬菜年際間波動較為平緩，波動率均在3%以下；水生蔬菜年際間波動較大，其中2003年、2004年、2007年波動最明顯，波動率分別為5.64%、6.29%和3.64%；菜豆類在2006年波動最大，為3.38%。

圖3 福建省不同蔬菜種類單產波動特征

2.3 不同因素對福建省蔬菜波動單產的影響

為進一步分析不同因素對福建省蔬菜波動單產的影響程度，從社會因素和氣象因素兩個角度對蔬菜波動單產進行貢獻率分析，結果(表2)表明：福建省不同蔬菜種類的社會因素和氣象因素貢獻率中，蔥蒜類、水生蔬菜波動單產的氣象因素貢獻率大于社會因素，其他蔬菜種類為社會因素貢獻率大于氣象因素。不同地市間比較發現，廈門市、漳州市、南平市蔬菜波動單產的影響因素中氣象因素貢獻率大于社會因素，其他地市蔬菜的波動單產的影響因素中社會因素貢獻率大于氣象因素。

3 結論與討論

本研究通過GM(1,1)模型分析，比較福建省不同地區、不同蔬菜種類的單產變化趨勢，分析單產和種植面積對福建省蔬菜總產量的影響，并進一步從社會因素和氣象因素分析蔬菜波動單產的主要影響因素。研究發現福建省蔬菜單產呈現逐年增長的趨勢，水生蔬菜、菜豆類蔬菜總產的主要影響因素為單產，漳州、龍巖、寧德等地區的蔬菜總產量也主要受單產的影響。說明在21世紀初期的前10年，福建省蔬菜生產技術穩步提升；水生蔬菜的單產增加明顯，水生蔬菜生產技術提高明顯；不同地市間比較發現，廈門市蔬菜單產增加最明顯，說明廈門地區的蔬菜生產技術明顯提高。波動單產分析表明，水生蔬菜類型，以及廈門、漳州、莆田等沿海地區波動較為明顯，可能是受水生蔬菜生長環境限制以及沿海地區易受臺風、暴雨洪澇等常見自然災害影響。對波動單產的影響因素分析表明，只有蔥蒜類、水生蔬菜類，以及廈門、漳州、南平地區蔬菜波動單產主要受氣象因素的影響，其他均為社會因素占主要地位。可能是因為本研究采用的數據年限較短，氣象因素影響不明顯，而生產技術、農業政策等社會因素成為影響蔬菜單產的主要因素。因本研究所采用的年鑒資料停版等原因，為保持數據的一致性，所用數據較少，存在一定不足，后期將采用多年數據對福建省蔬菜產量波動影響進行更全面的分析，從而對福建省蔬菜生產風險進行量化評估。

表2 不同影響因素對福建省蔬菜波動單產的貢獻率 (單位：%)

主要結論：①單產是影響菜豆類、水生蔬菜類，以及漳州、龍巖、寧德蔬菜總產量的主要因素，其他蔬菜種類及地市蔬菜產量受種植面積的影響較大。②福建省不同地市蔬菜單產呈現逐年增長的趨勢，廈門市增長最明顯，廈門、莆田、漳州等沿海地區的波動單產年際間變化較大；不同蔬菜種類單產也呈現逐年增長的趨勢，水生蔬菜增長最明顯，單產的波動率也最大，其他蔬菜種類單產的年際間變化不明顯。③蔥蒜類、水生蔬菜，以及廈門、漳州、南平3地市的蔬菜波動單產主要受氣象因素的影響。

[1]ZHANG J Q，HAYAKAWA S J，ZHOU D W，et a1.Risk assessment and regionalization of argo-meteorological hazards in Jilin Province，China[J].J Agric Meteorol，2005，60(5)：921-924.

[2]CATHERINE P.LAWAS.Crop Insurance Premium Rate Impacts of Flexible Parametirc Yield Distributions：An Evaluation of Johnson Family of Distributions[J].A Thesis of Master of Science，TEXAS TECH UNIVERSITY，2005：3.

[3]程廣燕.中國大豆生產風險評估與防范對策研究[M].北京：中國農業出版社，2009.

[4]王克，張峭.中國玉米生產風險分析與評估[J].中國農業科學，2007，40(2)：40-55.

[5]郭梁，ANDREAS WILKES,于海英，等.中國主要農作物單產波動影響因素分析[J].植物分類與資源學報，2013,35(4)：513-521.

[6]吳衛東.福建省蔬菜優勢產區布局及發展對策[J].中國蔬菜，2007(7)：6-8.

[7]黃常斌.福建省自然災害防治對策探討[J].水利科技，2012(3)：10-11,14.

[8]劉思峰.灰色系統理論及其應用(第5版)[M].北京：科學出版社，2010.

[9]張宇.近40年來我國糧食產量變化特征初步分析[J].中國農業氣象，1995，16(3)：1-4.

(責任編輯：黃金澤)

Influence on the yield fluctuation of vegetable in Fujian Province

ZHANG Mei, XU Biao-wen, WENG Zhi-hui, ZENG Yu-rong

(InstituteofAgriculturalEconomicsandScientificandTechnicalInformation,FujianAcademyofAgriculturalSciences,FujianProvince350003)

Trend yield, practical yield and fluctuating yield for vegetables of 9 cities and 8 main kinds of vegetables in Fujian were analyzed with grey system model on production risk of Fujian vegetable industry. Contribution of yield per unit area and planting area to tolal vegetable yield were determined, and the Huctuating characteristics for vegetable yield per unit area of Fujian and effects of influencing factors, including social factors and meteorological factors, on yield fluctuation were analyzed.The results showed that the yield per unit area of Fujian were increasing yearly, and the yield fluctuation among years were not obvious; and it was meteorological factor that affected the yield per unit area of the onion and garlic, and aquatic vegetable, meanwhile the yield of vegetables per unit area in Xiamen, Zhangzhou and Nanping. The results of the paper supplied foundation for the evaluation of vegetable production risk and the insurance redefinition in Fujian.

Grey system model GM(1,1); yield fluctuation; vegetable; Fujian Province

2015-10-28

張梅，女，1987年生，研究實習員。

10.13651/j.cnki.fjnykj.2015.11.021