低地平原 - 水稻耕作系統水稻單產時空變化及收斂性分

李曉云，劉念，曾琳琳，黃瑪蘭

（華中農業大學經濟管理學院,湖北 武漢 430070）

低地平原 - 水稻耕作系統水稻單產時空變化及收斂性分

李曉云，劉念，曾琳琳，黃瑪蘭

（華中農業大學經濟管理學院,湖北 武漢 430070）

低地平原-水稻耕作系統是我國重要的水稻生產系統，該系統水稻生產能力影響區域糧食安全和農村經濟發展。本文運用探測性空間數據分析方法（ESDA）和空間收斂方法對1980-2014年低地平原-水稻耕作系統400多個縣域水稻單產進行分析，用描述性統計方法和莫蘭（Moran）統計值考察該系統縣域水稻單產的時空分布和空間自相關，對該系統縣域水稻單產做空間絕對β收斂檢驗，對H-H和L-L空間自相關區域進行空間俱樂部收斂檢驗。研究表明，1980-2014年系統整體水稻單產水平提升較大且存在顯著的空間正相關，縣域水稻單產空間分布存在距離衰減效應。縣域水稻單產存在空間絕對β收斂和空間俱樂部趨同現象，相比于H-H自相關區域，L-L自相關區域水稻單產收斂于一個較低的水平，且兩個區域水稻單產收斂速度均大于整個區域平均速度。因此，在水稻單產H-H集聚區，應擴大水稻單產優勢區影響半徑，提升周邊地區水稻單產水平，盡可能縮小H-H和L-L兩個區域水稻單產的組內和組間差距，提升區域水稻生產整體能力。

水稻單產；空間自相關；空間收斂；低地平原-水稻耕作系統

Abstract：Lowland rice farming system is an important rice producing practice in China, and rice production in this system infuences regional grain output and economic development. Based on the rice yield data of 400 counties in the lowland rice farming system from 1980 to 2014 and applying the Exploratory Spatial Data Analysis (ESDA) and the Spatial Convergence method, this study analyzed the rice yield changes: examining the temporal and spatial distribution and spatial autocorrelation of county rice yields by the Descriptive and Moran Statistical methods, conducting spatial absolute β convergence test for the rice yield in this system, and conducting the spatial autocorrelation convergence test for H-H and L-L regions. Results show that the general rice yield in the system has been increasing steadily and also showed positive spatial correlation in the system from 1980 to 2014 and the spatial distance impacts on regional yields have been declining. In addition, regional yields displayed absolute β convergence to a relatively low level compared to H-H and L-L regions, and the rates of convergence of rice yields in these two regions were higher than that of the whole system. Therefore, in the H-H concentration region, measures to expand the infuence radius of the core high-yield area can help increase rice yields in the surrounding areas. Minimizing the intra- and inter- yield gaps between H-H and L-L regions can enhance rice production capacity of the whole system.

Key words：rice yield; spatial autocorrelation analysis; spatial convergence; lowland rice farming system

2017年中央一號文件把深入推進農業供給側結構性改革作為新的歷史階段農業農村工作主線，提出農業供給側改革必須守住三條底線，確保糧食生產能力不降低、農民增收勢頭不逆轉、農村穩定不出問題。我國是水稻生產和消費大國，全國有60%以上人口以稻谷為主食，隨著人口增長和生活水平提高，對糧食的需求將持續增長。提高糧食總產量有兩種途徑，一是擴大糧食播種面積，二是提高糧食單產水平。近年來，工業化與城鎮化發展對土地的需求日益增加，農地非農化現象日益突出[1]。依靠擴大糧食播種面積保障糧食生產能力的途徑行不通，未來我國糧食增長主要途徑是提高單產[2-3]。

作物單產水平變化與增產潛力成為保障未來糧食安全的重要一環。對水稻種植區域與單產時空變化的研究已較多，楊萬江和陳文佳[4]與程勇翔等[5]應用區域重心分析法研究水稻種植重心轉移，表明中國水稻生產存在顯著的由南向北變動軌跡。Li等[6]分析了1980-2010年中國東中部五大耕作系統谷物單產時空變化，發現水稻、小麥和玉米單產存在不同程度的停滯，且低地平原水稻耕作系統水稻單產出現停滯現象明顯。鑒于近年來探測性空間數據分析方法（ESDA）的廣泛運用，不少學者從縣域視角考察糧食單產的空間依賴性及異質性。葉長盛和朱傳民[7]用ESDA方法研究了1980-2009年江西省縣域糧食單產變化空間規律；柏林川等[8]用ESDA方法分析了1995-2010年山東省縣域糧食單產變化的空間差異及均衡增產潛力；劉玉等[9]用空間自相關方法揭示了1980-2012年河南縣域糧食單產空間格局和增產潛力。在單產收斂性檢驗研究方面，田旭等[10]研究表明我國30個省區的稻谷和玉米單產在全國范圍內收斂，而小麥單產不存在總體收斂趨勢。隨著地理信息技術的廣泛應用，空間分析逐步引入到收斂性分析中，空間收斂分析方法主要有空間β收斂和空間俱樂部收斂。空間β收斂主要是將空間關聯性納入β收斂檢驗；已有的空間俱樂部收斂研究主要是通過利用Moran指數將研究單元劃分為不同空間聚集模式，來檢驗區域是否存在空間俱樂部趨同[11-12]，而將空間收斂性方法應用于糧食單產檢驗的文獻還不多見。

不同水稻種植區域單產變化表現出一定的空間異質性與空間相關性。空間經濟學認為相鄰單元的變量往往可能出現相似的取值。水稻生產的相鄰單位單產變化可能由于生產者學習模仿的行為，高產核心區對周邊種植區的示范與輻射作用而表現出相似或隨距離變化而變化的現象。已有研究表明，我國傳統水稻生產種植區域單產水平經歷了一個較長時期的增長后，目前處于單產提高的平臺期[6]。不同種植單元的單產變化如何，單產平臺期的產量水平差異多大，是否出現空間集聚與收斂現象，本文用空間收斂分析進行一定的嘗試。本文以低地平原-水稻耕作系統400多個縣域水稻單產數據為基礎，應用探測性空間數據分析方法分析1980年以來該系統水稻單產時空變化趨勢，利用空間收斂方法考察水稻單產變化的空間依賴性和異質性，判斷區域內部和不同區域組內縣域水稻單產是否出現趨同。在此基礎上，討論未來水稻單產發展趨勢，挖掘區域水稻生產潛力。

1 研究區概況

Dixon等[13]在《耕作制度與貧窮》一書中指出，全球低地平原-水稻耕作系統（Lowland Rice Farming System）主要分布在中國、泰國、越南和緬甸等地區，我國低地平原-水稻耕作系統主要分布在中國南部和中東部地區。該系統糧食生產對中國的經濟、社會和生態等方面產生了重要影響，而水稻作為該系統最重要的作物之一，顯著影響區域作物種植和糧食生產。

圖1所示長江中下游連片低地平原-水稻耕作地區是該系統最重要的一部分，主要包括江蘇、安徽、河南、湖北、湖南、山東、江西和浙江八個省份的全部或部分地區。1980年以來，這8個省份水稻播種面積維持在全國水稻播種面積的40%～45%，而水稻產量則持續保持在全國水稻總產量50%以上。2014年八省水稻播種面積為6.67×107hm2，產量達1.09×108t，水稻是該地區名副其實的第一大農作物。該稻區主要位于亞熱帶濕潤半濕潤農業生態區，區域內平原多，水熱組合好，水稻種植歷史悠久，是中國集中水稻產業區和水稻生產核心區。本區為單、雙季稻栽培區，其中江蘇、安徽、湖南、湖北、江西和浙江位于華中單雙季稻區，而河南和山東位于華北單季稻區。

圖1 長江中下游連片低地平原-水稻耕作系統主要分布區域示意圖Fig. 1 The distribution of lowland rice farming system along the linked middle and lower reaches of the Yangtze River

2 數據與方法

2.1 數據來源

本文研究范圍為長江中下游連片低地平原-水稻耕作系統，研究對象為該系統所包含的江蘇、安徽、河南、湖北、湖南、山東、江西和浙江八個省份的全部或部分地區（圖1），包括420個縣域水稻生產數據。個別年份若干缺失數據，用插值法補充完整。1980-2003年各縣水稻播種面積、總產量和單產等生產數據來源于農業部歷年《中國農村統計年鑒》，2004-2014年水稻數據來源于各省（市）統計年鑒或者各省農村統計年鑒等。

2.2 研究方法

2.2.1 空間自相關 大部分空間數據存在某種程度的依賴性，即空間自相關。空間自相關能夠研究空間模式的時空變化，可用Moran’s I統計量來測度。設研究區域中存在n個面積單元，第i個單元上觀測值記為yi，觀測變量在n個單元中的均值記為y-，則Moran’s I計算公式如下[14]：

式中：E(I)表示均值，Var(I)表示標準差。Z值顯著表示有顯著聚類，否則表示未出現顯著聚類。

2.2.2 空間β收斂性分析 本文運用絕對β收斂分析系統內不同縣域水稻單產增長速率與期初水稻單產水平的整體關系。未引入空間因素，采用Barro和Sala-i-Martin[16]提出的絕對β收斂方程。

1）標準化的絕對β收斂方程模型為[15]：

式中：T表示觀察期時間跨度，ln表示取自然對數，yit和yi0分別指i縣第T年和初始年份水稻單產水平，α和β為待估參數，其中β=-[(1-e-BT)/T ]，B為收斂速度，ε為隨機誤差項。若β顯著為負，表明在0-T時段內水稻單產變化與初始水稻單產水平呈負相關關系，區域水稻單產出現趨同，反之，若β值顯著為正，則表明區域水稻單產不存在趨同。

2）空間收斂β模型和標準化模型不同，空間計量模型將合適的空間權重矩陣納入模型中，主要包括空間滯后模型（SLM）和空間誤差模型（SEM）等。

縣域糧食單產絕對β收斂的空間滯后模型可表示為：

式中：ρ為空間滯后系數，W表示空間權重矩陣，其它變量含義同上。

縣域糧食單產絕對β收斂的空間誤差模型可表示為：

式中：λ為空間誤差系數，μ為隨機干擾項，其它變量含義同上。

2.2.3 空間俱樂部收斂 本文俱樂部收斂用來檢驗不同水稻單產依賴模式內部各縣域之間是否在具有相似的集聚特征下趨于收斂。空間俱樂部收斂考慮了縣域水稻單產的空間關聯，在對縣域水稻單產進行空間俱樂部收斂檢驗前，首先需對水稻單產進行分組，本文依據2014年水稻單產的Moran統計值，將空間依賴模式分成四組。由于H-L和L-H兩種空間自相關區域組，缺乏對水稻單產變化的平抑作用[16]，因此本文選擇H-H和L-L兩個區域組作為空間俱樂部檢驗的最后分組，并使用SLM和SEM對水稻單產進行空間俱樂部收斂檢驗。

3 結果與討論

3.1 低地平原-水稻耕作系統水稻單產時空變化與差異分析

3.1.1 低地平原-水稻耕作系統水稻單產時空演變趨勢 總體而言，1980-2014年低地平原-水稻耕作系統縣域水稻平均單產增長顯著（圖2）。據測算該系統水稻平均單產由1980年的3.9 t/hm2左右增加到了2014年的7.1 t/hm2左右，增長了約82.1%，近30 a水稻單產水平出現質的提升。1980-1982、1990-1992、2000-2002和2012-2014年四個時間段縣域水稻單產變化出現明顯的空間集聚，但也呈現顯著空間差異。1980-1982年水稻單產水平較高的集聚區域主要分布在系統東部的江蘇和系統南部的湖南等地，這些地區水稻平均單產大于4.5 t/hm2；2012-2014年，水稻單產優勢區主要分布在江蘇和湖北兩地，這兩個地區平均單產水平大于8 t/hm2；系統其余區域水稻單產均有不同程度的增長，但未形成明顯的單產優勢區。從優勢區域變化看，系統東部的江淮平原水稻單產優勢明顯且地位繼續加強，系統西部的湖北江漢平原一帶單產逐漸處于領先優勢，而系統南部的湖南省水稻單產優勢已不明顯。1980-1982年系統南部的湖南省水稻單產在5 t/hm2左右，處于較高水平，其后水稻單產水平也呈波動式提升，但經測算近10 a其水稻單產維持在6.0～6.5 t/hm2左右，并未出現明顯的突破；期初單產優勢不明顯的湖北省，1980年以來年水稻單產保持穩步提升，在上述四個時間點，水稻單產階段性增長較明顯，2014年前后，以江漢平原為核心的系統西部地區水稻單產已越過8 t/hm2大關。

圖2 1980-2014年縣域水稻單產分布圖Fig. 2 Changes of county rice yield from 1980 to 2014

3.1.2 縣域水稻單產變化時空差異分析 低地平原-水稻耕作系統東部的江蘇水稻單產一直保持領先優勢，單產增長顯著。江蘇省素來是魚米之鄉，耕地資源條件好，土壤肥沃，水稻品種更新、新種植技術推廣（如1992年的“秈改粳”）和水稻良種補貼等方面都走在全國前列[17]。1980年以來系統南部的江西省水稻單產水平穩步增長，但增長幅度小于系統其他區域，單產進一步增長遇到瓶頸。2005至2013年，僅受高溫逼熟災害影響，江西省雙季早稻單產損失3.9%-18.9%[18]。

水稻單產增長差異可能也與水稻熟制變化有關。1980年以來，雖然湖南省和江西省中稻和一季晚稻的播種面積有所增加，但近些年兩省早稻和雙季晚稻播種面積仍占到70%和85%以上（圖3），由于早稻和雙季晚稻相對中稻和一季晚稻單產較低，因此這兩個省份水稻平均單產增加受到限制。江蘇省目前只有中稻和一季晚稻水稻種植模式，湖北省中稻和一季晚稻播種面積占水稻總播種面積的比例已由期初的40%左右上升到期末的60%左右，這可能是20世紀90年代以來湖北省和江蘇省平均水稻單產遠遠大于湖南和江西兩省的主要原因之一。不過在稻作制度選擇上長江流域農戶“雙改單”的行為是由利益最大化或以獲取更多的閑暇為目的，水稻單產增加對總產量產生較大沖擊[19]。

3.2 縣域水稻單產的空間相關性與區域差異分析

圖3 中稻和一季晚稻占水稻總播種面積比重Fig. 3 Ratios of mid-season and late-season rice to total rice area

圖4 1980-2014年縣域水稻單產莫蘭統計值Fig. 4 Moran’s I statistics of county rice yield from 1980 to 2014

圖5 1980年和2014年縣域水稻單產空間自相關類型分布Fig. 5 Spatial autocorrelation categories of county rice yields in 1980 and 2014

測算1980-2014年水稻單產莫蘭統計值（圖4），考察低地平原-水稻耕作系統水稻單產空間關聯性。1980年以來水稻單產Moran’ I統計值呈現一定的波動，但Moran’ I統計值大多落在區間（0.3，0.5）。個別年份（如1996年和1999年）Moran’ I統計值較低，但也大于0.3，有的年份（如1996年）水稻單產的莫蘭指數值甚至超過了0.6，表明近30 a來低地平原-水稻耕作系統縣域水稻單產呈現顯著空間正相關，即水稻單產高的縣域，其周邊縣域水稻單產也較高，而水稻單產低的縣域，其周邊縣域單產水平也較低，表明水稻單產水平相似區出現了集聚。

圖5顯示了低地平原-水稻耕作系統1980年和2014年縣域水稻單產空間自相關類型變化，1980年和2014年縣域水稻單產莫蘭統計值分別為0.435和0.446，均在1%水平上顯著，表明兩個時間點縣域水稻單產存在顯著空間正相關。2014年水稻單產H-H集聚模式主要分布在系統東部的江淮平原和系統西部的江漢平原，區域水稻單產平均水平大于8 t/hm2；L-L集聚模式主要分布在系統南部的湖南和江西兩省，區域水稻單產平均水平在6.5 t/hm2左右。

此外，基于一階、二階和三階臨接矩陣的縣域水稻的Moran指數值較為顯著，且隨著階數增加，Moran指數值依次衰減（表1），表明縣域水稻單產水平受到地理距離的影響，空間外溢對區域糧食單產影響呈現距離衰減特征。由于技術擴散半徑有限，增長極溢出的先進農業技術對鄰近縣域影響更直接有效，因此消除或者減少地理距離對技術擴散的影響，有利于區域水稻單產水平提升。

表1 縣域水稻單產的Moran’s I統計值Table 1 Moran’s I statistics of county rice yield

3.3 縣域水稻單產的空間收斂性檢驗和比較

3.3.1 縣域水稻單產的空間收斂性檢驗實證分析 對低地平原-水稻種植系統水稻單產進行絕對β收斂檢驗，估計結果顯示（表2），回歸系數β顯著地小于0，從其他檢驗參數看，F和log L在1%的水平下通過了顯著性檢驗，AIC和SC的值也通過了檢驗。因此可以判斷出1980-2014年縣域水稻單產存在絕對收斂，表明期初水稻單產較低的縣域水稻單產平均增長率更快。

表2 水稻單產標準化方程估計結果Table 2 Estimation results of the standardized equation on rice yields

未考慮空間效應的水稻糧食單產存在絕對β收斂，但莫蘭指數顯示（圖4），該地區水稻單產呈現空間正相關性，因此忽視空間效應的最小二乘法可能有偏。考慮空間相關性后，對縣域水稻單產進行空間絕對β收斂檢驗（表3）。對縣域水稻單產的空間相關性進行檢驗，根據Florax空間模型的選擇方式，應從LM-lag和LM-err中選擇更顯著者，可知LM-lag和LM-err的p值都很小，但后者t值更大，因此更顯著。

表3 水稻單產空間相關性檢驗Table 3 Spatial correlation test on rice yield

表4顯示了空間滯后模型（SLM）和空間誤差模型（SEM）的空間絕對β收斂檢驗結果。SLM模型和SEM模型回歸參數β估計值分別為-0.021和-0.025，均顯著地小于0，表明區域縣域水稻單產整體上存在空間收斂，即在考慮鄰近縣域可能存在的空間關聯后，整個區域縣域水稻單產出現趨同。就單產收斂速度而言，SEM模型的收斂速度大于SLM模型，二者收斂速度分別為3.781%和5.475%，半生命周期分別為32.22 a和27.56 a。

表4 水稻單產空間計量模型估計結果Table 4 Estimation results of spatial econometric models of rice yields

空間自相關類型顯示（圖5），2014年低地平原-水稻系統中大多數的縣域水稻單產位于H-H和L-L兩個區域，呈現了空間俱樂部趨同特征。考慮到H-L和L-H兩種空間依賴區域組，缺乏對水稻單產變化的平抑作用，因此本文選擇H-H和L-L兩個區域作為空間俱樂部檢驗的最后分組。對兩個區域組2014年水稻單產空間相關性檢驗結果見表5。同樣依據Florax空間模型的選擇方式，H-H和L-L兩個區域組選用SEM比空間滯后模型SLM的空間俱樂部收斂檢驗更好。

表6顯示，在空間誤差模型中，H-H區域組和L-L區域組的回歸系數β均為負值，其值均為-0.028，且通過了顯著性檢驗；同時，空間滯后系數λ顯著為正，表明H-H和L-L區域組內縣域水稻單產正向依賴顯著，即縣域水稻單產空間分布模式相似的區域組內，水稻單產呈現出空間收斂特征。2014年H-H區域組和L-L區域組組內水稻平均單產水平分別為8 t/hm2和6 t/hm2。相對于H-H區域組而言，L-L區域組水稻單產收斂于較低水平。

表5 H-H和L-L區域組水稻單產空間相關性檢驗Table 5 Spatial correlation tests on rice yields in H-H and L-L regions

表6 H-H和L-L區域組水稻單產空間俱樂部估計結果Table 6 Estimation results on rice yields in H-H and L-L regions

在空間誤差模型下，H-H和L-L區域組收斂速度分別為9.32%和8.73%，半生命周期分別為24.25 a和24.50 a。H-H和L-L區域組收斂速度和半生命周期接近，但相對而言，H-H區域組由于總體單產水平較高，有利于技術水平的擴散，因此收斂速度更快，半生命周期相對更短。總體來看，H-H區域組和L-L區域組的收斂速度大于考察期整體區域的收斂速度5.475%（SEM），且小于整體區域半生命周期27.56 a，表明水稻單產相似的聚集區收斂速度更快。

3.3.2 不同空間集聚模式的收斂性分析 對H-H和L-L兩種空間模式的檢驗表明，系統縣域水稻單產存在空間俱樂部收斂，且H-H區域組和L-L區域組水稻單產收斂速度大于整個區域空間收斂速度。單產集聚空間模式相似區域呈現出收斂特征，即在兩個不同的區域組內部，單產相對較低縣市對單產相對較高縣市水稻單產產生了“追趕效應”。2014年江蘇省絕大部分縣市屬于H-H空間分布模式，江西基本屬于L-L分布模式。因此，本文以江蘇省和江西省典型縣市為例，分析兩個自相關區域組水稻單產收斂特征。

1980-2014年江蘇省四個縣市水稻單產變化趨勢圖顯示（圖6a）：1980年四縣市水稻單產排序為建湖縣＞新沂市＞東海縣＞射陽縣，隨后幾十年，單產波動式上升，2014年水稻單產的排序為射陽縣＞建湖市＞新沂市＞東海縣。期初水稻單產水平較低的射陽縣對水稻單產較高的其他三縣市產生了“追趕效應”，同時不同縣單產水平整體差異有所縮小，H-H集聚區水稻單產呈現出“收斂特征”。1980-2014年江西省四個縣市水稻單產變化趨勢圖顯示（圖6b），由于江西省四個縣市期初水稻單產較接近，因此期末四個縣市水稻單產的差距并未明顯縮小，但期初水稻單產較低的縣市（宜豐市）對水稻單產較高縣市（德安縣）產生了“追趕效應”，L-L集聚區水稻單產也呈現“收斂特征”。

圖6 1980-2014年H-H（a）和L-L（b）典型縣市水稻單產變化圖Fig. 6 Typical rice yield changes in H-H and L-L regions from 1980 to 2014

相對于H-H區域，L-L區域整體水稻單產水平較低。2014年江蘇省四個典型縣市水稻單產平均水平約為9 t/hm2，而江西四個縣市水稻單產平均水平約為7 t/hm2，表明H-H集聚區和L-L集聚區水稻單產水平存在較大差距，逐步縮小組間水稻單產水平差距，也是未來提升整體水稻單產水平的重要一環。

4 結論

低地平原-水稻耕作系統是我國重要的水稻生產基地，從該系統縣域水稻單產水平時間序列看，水稻單產增長明顯。空間自相關分析顯示水稻單產空間正相關顯著，即區域內出現明顯H-H和L-L空間聚類，多階臨接矩陣Moran指數值顯示該耕作系統縣域水稻單產存在較大距離衰減效應。因此減弱距離對種植技術和科技推廣的阻礙，增大水稻單產優勢區對鄰近區域空間輻射效應，有利于促進區域水稻單產水平的整體提升。

空間H-H集聚分布區發生位移，期初單產優勢區湖南目前單產水平無優勢，江漢平原和江淮平原成為水稻單產水平典型的H-H集聚區，說明部分區域“趕超效應”明顯，進一步挖掘趕超產生的原因，有利于有的放矢地在單產增長乏力地區采取相應措施，調動單產增長。例如在江西、湖南等地加大中稻和晚稻種植比例，對于提高區域水稻單產和品質改善有較大促進作用。

從收斂性檢驗結果看，無論是區域整體，還是H-H和L-L集聚區水稻單產水平均存在絕對β收斂，揭示該耕作系統水稻單產在經歷了若干年增長后，目前趨近于一個收斂狀態，未來單產繼續增長的壓力較大。在繼續加大科技創新促進單產增長的同時，短期內優化水稻生產空間分布，提升水稻品質和種植效益是穩定區域水稻生產面積，保障糧食生產，提高農戶收益的重要手段。

[1] 羅丹, 嚴瑞珍, 陳潔. 不同農村土地非農化模式的利益分配機制比較研究[J]. 管理世界, 2004(9): 87-96.

Luo D, Yan R Z, Chen J. A comparative study of different beneft distribution mechanisms on the non-agricultural model of rural farmland[J]. Management World, 2004(9): 87-96.

[2] 高云, 陳偉忠, 詹慧龍, 等. 中國糧食增產潛力影響因素分析[J].中國農學通報, 2013, 29(35): 132-138.

Gao Y, Chen W Z, Zhan H L, et al. The analysis of infuencing factors on grain potential yield growth[J]. Chinese Agricultural Science Bulletin, 2013, 29(35): 132-138.

[3] 陳印軍, 易小燕, 方琳娜, 等. 中國耕地資源與糧食增產潛力分析[J]. 中國農業科學, 2016, 49(6): 1117-1131.

Chen Y J, Yi X Y, Fang L N, et al. Analysis of cultivated land and grain production potential in China[J]. Scientia Agricultura Sinica, 2016, 49(6): 1117-1131.

[4] 楊萬江, 陳文佳. 中國水稻生產空間布局變遷及影響因素分析[J]. 經濟地理, 2011, 31(12): 2086-2093.

Yang W J, Chen W J. Studies on the spatial distribution changing of China’s rice production and its infuencing factors[J]. Economic Geography, 2011, 31(12): 2086-2093.

[5] 程勇翔, 王秀珍, 郭建平, 等. 中國水稻生產的時空動態分析[J].中國農業科學, 2012, 45(17): 3473-3485.

Chen Y X, Wang X Z, Guo J P, et al. The temporal-spatial dynamic analysis of China rice production[J]. Scientia Agricultura Sinica, 2012, 45(17): 3473-3485.

[6] Li X Y, Liu N J, You L Z, et al. Patterns of cereal yield growth across China from 1980 to 2010 and their implications for food production and food security[J]. Plos One, 2016, 11(7). Doi: 10.1371/journal.pone.0159061.

[7] 葉長盛, 朱傳民. 江西省縣域糧食生產地域格局變化研究[J].農業現代化研究, 2011, 32(3): 315-319.

Ye C S, Zhu C M. Regional pattern changes of county grain production in Jiangxi Province[J]. Research of Agricultural Modernization, 2011, 32(3): 315-319.

[8] 柏林川, 武蘭芳, 宋小青. 1995-2010年山東省糧食單產變化空間分異及均衡增產潛力[J]. 地理科學進展, 2013, 32(8): 1257-1265.

Bo L C, Wu L F, Song X Q. Spatial difference of grain yield changes during 1995-2010 and balanced potential output to increase in Shandong Province[J]. Process in Geography, 2013, 32(8): 1257-1265.

[9] 劉玉, 郜允兵, 高秉博, 等. 1980-2012年河南省縣域糧食單產時空分異及增產潛力研究[J]. 北京大學學報: 自然科學版, 2014, 50(6): 1106-1114.

Liu Y, Gao Y B, Gao B B, et al. Spatial-temporal difference of grain yield per hectare during 1980-2012 at county level and its balanced increasing potential in Henan Province[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6): 1106-1114.

[10] 田旭, 于曉華, 張曉恒. 中國糧食生產潛能分析: 一個基于“俱樂部收斂”的視點[J]. 浙江大學學報: 人文社會科學版, 2016(5): 112-128.

Tian X, Yu X H, Zhang X H. Grain output potential in China: A perspective from club convergence[J]. Journal of Zhejiang University (Humanities and Social Sciences), 2016(5): 112-128.

[11] 覃成林, 劉迎霞, 李超. 空間外溢與區域經濟增長趨同——基于長江三角洲的案例分析[J]. 中國社會科學, 2012(5): 76-94.

Qin C L, Liu Y X, Li C. Spatial spillover and the convergence of regional economic growth: A case study of the Yangtza River Delta[J]. Social Sciences in China, 2012(5): 76-94.

[12] 曾馨漫, 劉慧, 劉衛東. 京津冀城市群城市用地擴張的空間特征及俱樂部收斂分析[J]. 自然資源學報, 2015(12): 2045-2056.

Zeng X M, Liu H, Liu W D. Spatial pattern and club convergence analysis of urban expansion in Beijing-Tianjin-Hebei urban agglomeration[J]. Journal of Natural Resources, 2015(12): 2045-2056.

[13] Dixon J, Gulliver A, Gibbon D. Farming Systems and Poverty: Improving Farmers’ Livelihoods in a Changing World[M]. 2001: 218-219.

[14] 王遠飛. 空間數據分析方法[M]. 北京: 科學出版社, 2007.Wang Y F. Spatial Data Analysis[M]. Beijing: Science Press, 2007.

[15] Barro R, Sala-i-Martin X. Convergence[J]. The Journal of Political Economy, 1992, 100: 223-251.

[16] 張戰仁. 中國區域創新差異形成的時空因素研究——基于地理空間視角[M]. 北京: 中國社會科學出版社, 2013.

Zhang Z R. The Study of Forming Space-time Difference of Regional Innovation under the Geographic Space Perspective in China[M]. Beijing: China Social Sciences Press, 2013.

[17] 佴軍, 張洪程, 陸建飛. 江蘇省水稻生產30年地域格局變化及影響因素分析[J]. 中國農業科學, 2012, 45(16): 3446-3452.

Nai J, Zhang H C, Lu J F. Regional pattern changes of rice production in thirty years and its influencing factors in Jiangsu Province[J]. Scientia Agricultura Sinica, 2012, 45(16): 3446-3452.

[18] 孔萍, 殷劍敏, 謝佳杏. 高溫逼熟對江西省雙季早稻產量的影響[J]. 中國農業大學學報, 2015, 20(4): 57-65.

Kong P, Yin J M, Xie J X. Study on the yield of early rice by heart-forced maturing in Jiangsu Province[J]. Journal of China Agricultural University, 2015, 20(4): 57-65.

[19] 王全忠, 周宏. 稻作制度選擇、種植業結構調整及農戶決策獨立性檢驗[J]. 農林經濟管理學報, 2016, 15(2): 133-143.

Wang Q Z, Zhou H. Farmers’ switch of planting pattern from double-cropping to single-cropping rice structure adjustment and individual decision-making testing[J]. Journal of Agro-Forestry Economics and Management, 2016, 15(2): 133-143.

（責任編輯：王育花）

The analysis of temporal and spatial distribution changes and convergence of rice yield in lowland rice farming system

LI Xiao-yun, LIU Nian, Zeng Lin-lin, Huang Ma-lan
（College of Economics and Management, Huazhong Agricultural University, Wuhan, Hubei 430070, China）

F304.5 文獻標識碼：A 文章編號：1000-0275（2017）04-0640-09

10.13872/j.1000-0275.2017.0075

李曉云, 劉念, 曾琳琳, 黃瑪蘭. 低地平原-水稻耕作系統水稻單產時空變化及收斂性分析[J]. 農業現代化研究, 2017, 38(4): 640-648.

Li X Y, Liu N, Zeng L L, Huang M L. The analysis of temporal and spatial distribution changes and convergence of rice yield in lowland rice farming system[J]. Research of Agricultural Modernization, 2017, 38(4): 640-648.

國家自然科學基金項目（71673102）；中央高校基本科研業務費專項基金（2662016PY060）。

李曉云（1978-），女，福建邵武人，博士，教授，博士生導師，主要從事農業耕作系統和糧食安全研究，E-mail：lixiaoyun@ mail.hzau.edu.cn。

2017-02-23，接受日期：2017-05-24

Foundation item: National Natural Science Foundation of China (71673102); The Fundamental Research Funds for the Central Universities (2662016PY060).

Corresponding author: LI Xiao-yun, E-mail: lixiaoyun@mail.hzau.edu.cn.

Received 23 February, 2017;Accepted 24 May, 2017