基于空間平滑法的旱作區糧食產量時空變化與影響因素研究

萬 煒，李含微，王佳瑩，劉 忠，韓已文

基于空間平滑法的旱作區糧食產量時空變化與影響因素研究

萬 煒，李含微，王佳瑩，劉 忠※，韓已文

（1. 中國農業大學資源與環境學院，北京 100193；2. 農業部華北耕地保育重點實驗室，北京 100193）

在中國北方水資源約束愈發嚴峻的情境下，旱作區糧食產量格局及其驅動因素研究具有重要的現實意義。以1995—2015年縣域糧食統計數據為基礎，結合土地利用柵格數據等資料，應用空間平滑法，對東北及華北平原旱作區糧食產量的空間格局與演化過程進行了研究。在此基礎上，分析了不同農業區影響糧食產量的自然及社會經濟驅動因素。結果發現：1）近20 a東北-華北平原旱作區糧食產量整體穩步提高，高產區范圍逐漸擴大，具有明顯的空間集聚特征，且華北平原旱作區糧食總產高于東北平原旱作區；2）糧食產量增速以中速增產為主，其次依次為慢速增產、高速增產、絕對減產，且東北平原旱作區糧食增產速率高于華北平原旱作區；3）東北平原旱作區糧食單產整體高于華北平原旱作區，且經過空間平滑處理后糧食單產柵格像元頻率分布基本呈高斯分布，與客觀規律相契合；而隨著時間演替，直方圖像元的峰值逐漸右移，且單產柵格呈逐漸分散的趨勢，表明耕地生產力水平整體提升的同時差距也隨之擴大；4）自然因素中的年均氣溫與燕山-太行山山麓平原農業區的糧食單產的相關性最高，年降水量及匯流能力與冀魯豫低洼平原農業區的糧食單產的相關性最高，土壤類型與松嫩-三江平原農業區的糧食單產的相關性最高；5）糧食單產與社會經濟因素的分析結果表明，糧食生產由勞動密集型逐漸向技術密集型方向轉變，農業機械化的投入對研究區特別是東北平原旱作區的貢獻尤為明顯，化肥投入對研究區糧食增產始終發揮著巨大作用，而灌溉條件對于華北平原旱作區糧食生產的保障起到重要作用。研究結果可為糧食產量時空格局研究的方法創新方面有所裨益，并對不同農業區保持高產、穩產及耕地保育等方面提供參考。

糧食；農業；土地利用；空間平滑；產量；時空變化；旱作區；東北平原；華北平原

0 引 言

隨著人口壓力的不斷增長及耕地資源的日益緊缺，已引起了逐漸嚴峻的糧食安全及農業可持續發展問題。宏觀視域的糧食產量研究對于維持國計民生、穩定國家發展及糧食市場調控等方面，具有重要的理論價值與現實意義[1-4]。中國幅員遼闊，不同區域自然環境迥異，國家糧食的主產及高產區主要分布于“胡煥庸線”以東的東北平原、華北平原及長江中下游平原[5-6]。其中的華北與東北平原既是中國人口稠密區，加之水資源稟賦有限，高強度的生活、灌溉、工業用水已達空前水平，致使區域水資源承載力已趨于飽和[7-8]。因此，調整種植結構以減少灌溉量與作物耗水量已成為中國北方地區降低農業水資源消耗的重要舉措[9-11]。在此情境下，保障旱作區糧食生產的重要性已日漸凸顯[12-14]。

旱作區（dryland farming regions）又稱旱作農業區或旱地農業區。國際上通用的旱作區是指在有限降水的半干旱氣候條件下從事無灌溉的作物生產區域[15]。中國對旱作區范圍的界定則將半干旱區擴展至半濕潤易旱區[16]。以秦嶺-淮河為界，中國北方地區以天然降水的雨養農業為主。即中國北方旱作區通常是指秦嶺-淮河一線以北，降水偏少、無灌溉或灌溉條件較為有限的的農業生產區域[17]。其中的東北及華北平原旱作區是中國雨養農業的最高產區域，且該區域糧食生產仍具有巨大發展及增產潛力。該區域南北跨度大，地域分異規律明顯，不同亞區的自然條件及社會經濟狀況相差甚遠，影響糧食產量的主導因素及作用強度不盡相同。因此，以東北及華北平原旱作區為研究對象，分析其糧食產量的時空格局及影響因素，具有獨特的地域優勢及重要的研究價值。

然而目前將東北-華北平原旱作區作為一體研究的成果仍較少，且當前關于區域糧食產量時空格局方面的研究，多停留在對省域[18]、市域[19]、縣域[20]等不同行政區尺度為最小單元的統計數據加以分析，其結果不但導致了最小行政區單元內部的異質性信息無法識別；且由于人為行政邊界的劃定而易造成各單元間的毗鄰區域存在顯著差異，通常情況下這一結果與客觀事實是不相符的。糧食產量格局研究的另一重要方法是地面抽樣調查與遙感手段相結合[21]，該方法的主要限制因素是樣本數量，加密采樣是提高提取精度的關鍵所在，但與此同時造成了成本高、耗時費力等問題[22-23]。

采用統計數據與遙感數據相結合的柵格像元尺度空間平滑方法，不僅能夠打破行政區邊界的限制，避免出現不同行政單元的接邊區域糧食產量相差懸殊，與客觀事實明顯不符的問題。且空間分辨率為1 km，遠小于縣域尺度地域單元，能夠很好地體現縣域內部糧食產量的空間差異信息。加之經過空間平滑處理后，糧食產量的空間分布格局與理論情境（相應的自然及社會經濟條件下）的立地條件所形成“漸變”的客觀規律更加契合，將平滑結果與經空間插值后1 km分辨率的自然環境要素（溫度、降水、土壤、匯流能力）進行驅動因素評價分析，更加符合自然規律從而使研究結果更為可信。空間平滑方法的基本原理屬于鄰域（neighborhood）分析中的焦點統計（focal statistics）。該方法目前在表層土壤元素的空間分布[24]、地下水動態補給[25]、坡度提取[26]等方面已有相關應用，然而在糧食產量時空格局方面的研究則鮮見報道。

綜上所述，鑒于東北-華北平原旱作區糧食生產研究的重要意義，且以該區域為研究對象的成果相對較少，加之以行政區為最小地域單元的傳統方法在進行空間分析的過程中，糧食生產格局無法打破行政單元的限制。本研究采用空間平滑的方法，以東北及華北平原旱作區為研究對象，以1 km柵格尺度為最小地域單元，通過分析近20 a（1995～2015年）不同二級農業區糧食產量的時空格局、過程及驅動因素，從而進一步明確近20 a來東北及華北平原旱作區糧食產量的提升區域及各自的主要限制因素。研究結果以期在糧食產量時空格局研究的方法創新方面有所裨益，并對不同農業區保持高產、穩產及耕地保育等方面提供參考。

1 研究區概況

關于東北-華北平原旱作區范圍的確定：首先以地形、氣候為基礎，將東北-華北平原旱作區限定在大興安嶺-燕山-太行山-伏牛山以東、大別山-淮河以北、長白山及山東丘陵以西的東北及華北平原-臺地的半濕潤與半干旱區域。其次，以《中國綜合農業區劃（1981年）》[27]當中的二級農業區為劃分依據，剔除以林業、畜牧業等非耕地占主導的區域（如興安嶺林區、長白山地林農區、內蒙古中南部牧農區）。再以縣域為基本單元，基于統計年鑒數據、土地利用遙感監測數據、以及外業調查驗證結果，將耕地中以旱地比例偏大的縣域劃為旱作區，將以水田比例偏大的縣域剔除，從而得到大體的旱作區范圍。由于經過上述限定篩選后，個別縣域未被納入研究區而導致區域內部在空間分布上不是完整面域。因此考慮到空間連續性與相對一致性原則[28]，以及便于后續糧食產量空間平滑處理，將內部被剔除的少數縣域亦劃入旱作區，以保證研究區空間范圍的完整性（圖1）。

圖1 研究區概況

研究區最北及最東至黑龍江省佳木斯市撫遠縣，南抵淮河以北，西達太行山脈東麓，地理坐標介于112°34￠～134°46￠E、32°8￠～48°23￠N之間，總面積71.2′104km2，占國土面積的7.4%。研究區整體輪廓呈東北至西南向狹長帶狀分布，最長跨度達2 438 km。研究區共轄7個省（黑龍江、吉林、遼寧、河北、山東、河南、安徽）、2個直轄市（北京、天津），涉及525個縣區，地跨5個二級農業區（松嫩-三江平原農業區、遼寧平原丘陵農林區、燕山-太行山山麓平原農業區、冀魯豫低洼平原農業區、黃淮平原農業區）。

東北平原旱作區平均海拔約200 m，大致位于大興安嶺、小興安嶺、長白山之間，境內主要河流為黑龍江、烏蘇里江、松花江、嫩江、牡丹江、遼河；華北平原旱作區平均海拔50 m，為燕山、太行山、伏牛山、大別山、沂蒙山所環繞，境內主要河流為淮河、黃河、海河、灤河。研究區整體自南而北的氣溫、降水、土壤等自然要素的地帶性及區域分異規律明顯。研究區從南至北年平均溫度大致由16 ℃遞減至0 ℃，≥10 ℃積溫由黃淮地區的4 500 ℃逐漸減少至1 600 ℃。華北平原旱作區年降水量600～800 mm，東北平原旱作區年降水量400～600 mm。東北平原旱作區的主要土壤為黑土、黑鈣土和草甸土；華北平原旱作區的主要土壤則是潮土、褐土、沙土、鹽堿土和砂姜黑土。

受季風氣候的影響，研究區當中的半濕潤區域，其年降水量雖然可達600 mm左右，但多集中在夏季，蒸散量大，且降水量與作物關鍵生育期需水量不相匹配，易導致作物干旱缺水問題，進而影響作物的長勢及產量[29-30]。因此，在區域水資源日益緊張的條件下，發展旱作區雨養農業的重要性日漸凸顯。加之研究區南北跨度大，地帶性及區域分異規律明顯，不同二級農業區影響糧食產量的主導因素各異。因此，選擇東北及華北平原旱作區作為研究對象，具有很好的代表性與典型性。

2 理論分析

2.1 旱作糧食的界定

聯合國糧農組織（food and agriculture organization of the United Nations, FAO）于1995年將糧食作物分為麥類、稻谷和粗糧三大類[31]。中國的糧食概念則更加廣泛，被定義為供食用的谷物、豆類和薯類的統稱[32]。即中國的糧食概念比國際上通行的谷物（grain）口徑大，在統計糧食產量時，還包括了豆類和薯類[33]。鑒于研究區內薯類作物種植面積相對較小，且受統計數據不易獲取的限制，因此不予考慮；而水稻非旱作作物，因此亦予以剔除。綜上，本研究最終選取了小麥、玉米和大豆等三大最主要的旱作區糧食作物進行研究。

2.2 1 km柵格像元的科學合理性

按照研究對象的空間大小可分為區域尺度、地方尺度、景觀尺度、個體尺度等類型。不同研究尺度所適宜的柵格像元大小亦有所差異。就大區域尺度而言，受水熱條件、地貌類型、人類活動等因素的影響，宏觀格局的地域分異規律明顯，而在小范圍上所展現的規律性不甚顯著，因此1 km柵格像元在區域尺度的地表過程與格局研究中多有應用[34-36]。若像元分辨率過于精細，雖可適當提升研究精度，但對于宏觀把握研究區整體趨勢格局的作用并不大，反而徒增工作量。另一方面，鑒于本研究區地形平坦，耕地斑塊集中連片分布，地表自然要素均質化程度明顯，1 km柵格像元基本滿足精度要求。因此，在保證空間信息能夠準確提取的前提下，本研究將各自然要素及糧食產量數據統一至1 km柵格像元進行分析。

2.3 空間平滑方法的可行性

考慮到耕地相對于水域、草地、建設用地等地類而言更加穩定（一定時段內的面積擴張或收縮變化不大），且各縣域糧食產量的多寡與其耕地面積呈顯著正相關[4]，因此將縣域糧食產量數據分配至相應耕地柵格像元中是合理的。另外，耕地斑塊的空間分布格局與其對應的耕地生產力是相契合的[37]，如縣域內耕地像分布越集聚，則該區域耕作條件越好（單位土地的耕地占比越高），糧食產量越高；同理若某一縣域耕地像元分布越破碎、零散，則區域耕作條件越差（單位土地的耕地占比越低），糧食產量越低。在此基礎上，平滑糧食單產從而生成具有空間異質性及遞變規律的糧食單產柵格數據，目的是在柵格尺度將單產與地學要素相聯系，并引入平差系數以保證縣域產量數據不失真。

3 數據源與研究方法

3.1 數據源

1）縣域主要旱地作物（小麥、玉米、大豆）的糧食產量及種植面積數據：從研究區各市統計年鑒（1996－2016年）提取。

2）矢量邊界數據：縣級行政邊界數據（2015年），與統計數據結合而得到空間化的各縣域糧食產量；《中國綜合農業區劃（1981年）》中的二級農業區劃數據，將研究區糧食產量的空間分布及影響糧食生產的各驅動因素劃分為不同地域單元進行研究。

3）1 km像元土地利用百分比柵格數據：該數據源自中國科學院地理科學與資源研究所，由30 m空間分辨率中國土地利用現狀遙感監測數據升尺度至1 km，但保留原數據各土地利用類型的面積占比，使得在尺度轉化過程中，數據精度得以保證。

4）自然要素數據：30 m空間分辨率DEM數據，由地理空間數據云網站下載（http://www.gscloud.cn/），用以提取研究區河網及匯流能力；土壤類型空間分布數據，使用的是通過“發生分類”方法編制得到的1:100萬中國土壤類型數據[38]，由中國土壤數據庫網站獲取（http://vdb3.soil.csdb.cn/）；研究區及周邊地區氣象臺站1995－2015逐年平均氣溫與年降水量數據，由中國氣象數據網得到（http://data.cma.cn/）。

5）社會經濟要素數據：選取與糧食生產關系密切的社會經濟指標，具體包括研究區各縣域不同年份的種植面積、鄉村人口、有效灌溉面積、化肥折純量、農藥使用量、農業機械總動力、農村用電量等7項，從研究區各市統計年鑒（1996－2016年）提取。

3.2 研究方法

3.2.1 糧食產量柵格化

1995－2015年糧食產量以及播種面積的統計數據是以縣域尺度為最小地域單元，因此通過ArcGIS 10.5軟件將其與2015年縣級行政邊界矢量數據進行關聯，可得到相應年份空間化的分縣糧食產量及分縣糧食播種面積矢量圖層。由于近20 a來行政區劃因動態調整而存在早期年份個別縣域的統計數據與矢量邊界不匹配的現象，本研究以2015年縣級行政區劃邊界數據為準，將統計數據進行相應調整。由于東北與華北地區的種植制度存在差異，如華北平原旱作區因冬小麥-夏玉米輪作的原因而導致單位面積產量高于東北平原旱作區單一種植春玉米或春小麥的情況。因此本研究在分析糧食總產量的基礎上，再將分縣糧食產量與分縣糧食播種面積相除，得到糧食單產數據，以消除復種因素對糧食生產力評價的影響，從而更加客觀評價不同區域糧食生產的立地條件。在此基礎上，通過引入研究區1 km像元的旱地空間分布數據，由ArcGIS軟件可計算得到研究區1 km分辨率糧食總產及單產的柵格數據。

3.2.2 糧食產量空間平滑

柵格化之后的糧食產量數據由縣域尺度降至1 km柵格尺度，使得空間分辨率大為提升。但仍存在相鄰縣域于行政區接邊處產量差異過大的“突變”問題，這與“漸變”的客觀規律（地理學第一定律[39]）不相符。因此，為減小相鄰柵格像元產量值差異過大的問題，并使糧食生產力在空間分布上更具遞變性與規律性，本研究采用空間平滑的方法，通過設定卷積核大小作鄰域分析，即以5′5滑動窗口為焦點像元取平均值處理，當窗口遍歷整個柵格圖層后，柵格數據即完成了一次空間平滑處理。其結果是削弱了鄰近像元值的差異，使糧食產量的空間格局更加平滑，特別是在相鄰行政區的接邊區域，這種平滑效果尤為明顯。因此，空間平滑處理的結果既能夠使相似地表環境的鄰域內產量格局趨同，且能夠體現較大空間尺度（如縣域）內部的分異規律。經多次平滑迭代運算，相鄰柵格像元值逐漸逼近，但該過程還需保證平滑后縣域各柵格糧食產量和與原始分縣糧食產量基本保持一致，即：

式中P0為空間平滑處理前分縣統計數據的糧食產量，t；P1為空間平滑處理后各縣域柵格數據的糧食產量，t；|P1/P0－1|為平差系數，要求其控制在1%以內。當平差系數小于1%時，結束平滑，輸出糧食產量柵格數據；反之，當平差系數大于1%，則通過平差系數校正縣域糧食產量柵格數據，并返回糧食單產平滑步驟，繼續迭代計算，直至平差系數小于1%，以保證空間平滑處理前后縣域糧食總產基本保持一致（圖2）。平差系數的引入可實現糧食單產在空間分布“漸變”的基礎上，且保證各縣域糧食產量不失真，盡可能與客觀事實相符。

3.2.3 自然驅動因素的提取

自然驅動力選取了年平均氣溫、年降水量、土壤類型、匯流能力等4類與糧食產量最相關的環境因素。

本研究采用研究區及其周邊地區的氣象站點總數為120個，由ANUSPLIN氣象插值軟件經薄板樣條函數處理得到研究區1 km空間分辨率的年平均氣溫及年降水量數據。

關于土壤類型數據的處理，先將1:100萬土壤類型矢量數據轉化為柵格數據，并通過雙線性內插法將其重采樣至1 km分辨率。再將土壤按照其肥力條件（有機質含量）以及障礙因素，根據專家意見將研究區所涉及的土壤類型劃分為5個等級：第一級包括黑土、黑鈣土和草甸土，權重賦為5分；第二級包括暗棕壤、棕壤、褐土、灰褐土、潮土，權重賦為4分；第三級包括白漿土、砂姜黑土、黃褐土，權重賦為3分；第四級包括粗骨土、栗鈣土、黃綿土、新積土、風沙土、鹽土、堿土，權重賦為2分；第五級包括沼澤土、水稻土、棕色針葉林土、湖泊水庫、城區等非旱作作物種植的土壤或地表類型區，權重賦為1分。

由于旱作區人工灌溉條件受限，天然降水是本區域作物的主要水源補給。而地表匯流能力能夠體現土壤的水分條件，是影響作物長勢及產量的重要自然因素，且該參數與區域河網密度呈正相關[40]。關于研究區匯流能力的計算，首先以30 m DEM數據為基礎，由ArcGIS軟件的水文分析功能，得到較高空間分辨率的河網空間分布，再由ArcGIS的線密度計算工具，得到河網密度柵格數據，并通過雙線性內插法將其重采樣至1 km分辨率，以此作為評價區域匯水能力的指標。

3.2.4 影響糧食產量的驅動因素分析

影響糧食產量的驅動因素分為自然驅動力和社會經濟驅動力。本研究以農業二級區劃邊界將不同驅動因素劃分為各個子區域進行分析，其中自然驅動因素的空間分辨率為1 km，與糧食單產數據保持一致，采用相關分析的方法評價糧食單產與各自然要素的線性關系強度。社會經濟驅動因素則以縣域為基本單元，由于統計指標較多，且各指標間可能存在相互關聯的現象，故而采用灰色關聯分析和偏相關分析的方法進行評價。以上定量分析于SPSS 22.0軟件環境下完成。

4 糧食產量時空格局與影響因素分析

4.1 糧食產量時空格局

4.1.1 糧食總產空間格局

將統計數據和土地利用柵格數據結合，可得到研究區糧食總產空間分布（圖3），結果發現：

近20 a來，東北-華北平原旱作區糧食產量整體穩步提高，且華北平原旱作區糧食總產高于東北平原旱作區。其中，東北平原旱作區糧食產量自2000年后增長顯著，高產范圍逐漸擴大，主要集中于松嫩平原中部，具有明顯的空間聚集狀態；糧食總產的低值區域集中于松嫩平原西部的科爾沁沙地外緣風沙土區，以及三江平原區。其中，松嫩平原西部的白城等地區地勢較低，地下水位較高，且為半濕潤-半干旱的過渡區，鹽堿土發育較多，加之降水量受限，風力較強、風蝕作用明顯，即土壤沙化及鹽堿化問題均較為突出，導致糧食產量長期處于較低水平；三江平原較研究區的其他區域而言，由于水稻產量占比較大，故而導致旱作作物產量規模相對較小。

華北平原旱作區的糧食高產區域集中分布于魯北平原沿黃河方向的德州、濱州、聊城等地，以及太行山東麓平原由北向南延伸的保定、石家莊、邯鄲、安陽、鶴壁、新鄉等區域；而環渤海的濱海平原區域及燕山-太行山東麓非平原區域是明顯的糧食低產區，近20 a增長趨勢不顯著。其中，北京昌平、通州等城郊區，天津及其他環渤海區域的糧食產量減少多是由于土地利用變化（耕地轉變為建設用地[41]）所導致。

圖3 1995－2015年研究區糧食總產空間格局

4.1.2 糧食總產增產率

為進一步揭示研究區糧食產量的區域差異性，本研究再以近20 a來研究區糧食總產的平均年增長率（6.8%）為基準，并參照相關研究成果[33]，將糧食總產量的平均年增長率劃分為絕對減產（<0）、慢速增產（0≤<6.8%）、中速增產（6.8≤<20%）和高速增產（≥20%）4個等級（圖4），得出如下結論：

圖4 1995－2015年研究區糧食年均增長率變化

東北-華北平原旱作區各縣域整體以糧食增產為主，具體為中速增產縣域最多，其次依次為慢速增產、高速增產和絕對減產。東北平原旱作區糧食增產速率整體高于華北平原旱作區，具體而言：高速增產區多在東北平原旱作區，其空間分布主要位于松嫩平原的中南部；中速增產區在整個研究區廣泛分布；慢速增產主要位于華北平原旱作區的燕山-太行山山麓平原農業區和冀魯豫低洼平原農業區，其次為黃淮平原農業區；絕對減產主要分布在安徽省北部、河南省沿黃區域、燕山南部及三江平原區。通過進一步分析面板數據發現，絕對減產區主要是由于種植結構調整（部分旱地轉變為水田）所導致。

4.1.3 空間平滑處理的糧食單產時空格局

因東北與華北地區的種植制度不同，為消除復種因素對糧食生產力評價的影響，以便更加客觀評價不同區域糧食生產的立地條件，本研究對經空間平滑處理的1995－2015年研究區糧食單產空間格局（圖5）進行分析，結果發現：1995－2000年糧食單產有略減態勢，這與前人研究結果（該時期由于政策因素導致波動減產[42]）一致。2000－2015年，東北-華北平原旱作區糧食單產整體呈現持續增加的趨勢，且東北平原旱作區單產的高值區域以松嫩平原中部逐漸向外圍擴張的態勢尤為明顯，這與王禹[43]和譚佳琪[44]的研究結果一致。2005年，東北平原旱作區糧食單產的極高值區僅分布于吉林省梨樹縣、公主嶺市和扶余市；而至2015年，東北平原旱作區糧食單產高值區廣布，低值區主要位于遼寧平原丘陵農林區南部，其地域分布與遼中南城市群南端相吻合，旱地面積相對破碎，非糧食主產區。華北平原旱作區糧食單產低于東北平原旱作區，其糧食單產的增長相對緩慢、無較大波動，且無明顯空間聚集狀態；且華北平原旱作區的單產低值區主要集中于環渤海的濱海平原、北京等城市化水平發達區域，這與楊勇等[41]的研究結果一致。

另一方面，通過進一步統計1995－2015年研究區糧食單產柵格像元的頻率分布（圖6）可以發現：不同時期的糧食單產像元數量基本呈現高斯分布，與客觀規律相契合；且隨著時間演替，直方圖像元的峰值逐漸右移（眾數逐漸增加），近20 a來占比最高的產量區間由3～4 t/hm2變化為7～8 t/hm2，且單產水平呈逐漸分散的趨勢，表明耕地生產力水平整體提升的同時差距在擴大。

4.2 糧食生產影響因素分析

4.2.1 自然因素分析

將1 km分辨率經空間平滑處理的1995－2015年年平均糧食單產數據與1 km分辨率自然因素數據按照不同農業區進行相關性分析，結果如表1和圖7所示。

表1 不同農業區糧食單產與主要自然因素的相關分析

注：*表示在0.05水平上達到顯著相關；**表示在0.01水平上達到極顯著相關。

Note:*represent significant level at<0.05;**represent highly significant level at<0.01.

圖5 基于空間平滑方法的1995－2015年研究區糧食單產空間格局

圖6 1995－2015年研究區糧食單產像元頻率分布

研究發現，年均氣溫、年降水量、土壤類型與匯流能力等4項自然要素與各二級農業區糧食單產幾乎都達到極顯著相關，充分說明所選指標對糧食產量而言的重要性。其中，松嫩-三江平原農業區糧食單產與土壤類型的相關度最高，其次依次為年降水量、年均氣溫及匯流能力。結合圖7可以發現，松嫩平原中部為中國東北地區的典型黑土帶，糧食單產的高值區域與其地處發育的高肥力土壤類型（黑土、黑鈣土、草甸土、棕壤、暗棕壤）具有很好的空間一致性，即本區域優越的土壤條件使其具有更為突出的糧食生產潛力。松嫩-三江平原農業區的西南端與東北端糧食單產水平較低，這與其降水量偏低的空間格局是一致的。本區域匯流能力對糧食單產的相關性最低，是由于該區域河流、湖泊、濕地發育較多，加之東北地區氣溫較低，蒸散作用弱，使得本區地表水資源相對充足，非糧食生產的最主要限制因素。

遼寧平原丘陵農林區糧食產量與各自然因素相關系數均較弱，是由于本區域自然因素變異程度相對較低，且該地區較黑龍江與吉林而言，經濟更為發達，沈陽-錦州-葫蘆島沿線旱地并非東北地區最主要的糧食產區，故相關性整體偏低。

燕山-太行山山麓平原農業區糧食單產與年均氣溫的相關度最高，其次依次為年降水量、匯流能力及土壤類型。由于該區域地處山麓平原，內部海拔高度、坡度及坡向差異較大，這將直接導致了區域氣溫差異，如溫度隨海拔升高而降低，作物積溫相應減少；而坡度越大，土地可耕性越差、土層越薄；且由于地形因素導致本區域內部匯水能力存在差異，結合圖7可以發現，燕山-太行山山麓平原農業區匯流能力較高，且與糧食高產區分布較為吻合。

圖7 1995－2015年研究區年均糧食單產與環境要素

冀魯豫低洼平原丘陵農業區糧食單產與年降水量的相關性最高，其次依次為匯流能力、土壤類型及年均氣溫。由于本區域人口稠密，工業、農業、生活用水量巨大，地表水資源相對匱乏，天然降水是其旱作農業水資源的重要補給；且黃河自南而北流經本區域，黃河沿線區匯流能力強，與本區糧食高產區的空間分布一致。另外，本區域中南部主要的土壤類型為潮土，種植條件良好，而濱海平原地帶發育的鹽土及因黃河攜帶泥沙而導致的風沙土等廣泛分布，其土壤質地、養分含量均不利于作物生長，是限制糧食生產的重要因素之一。且由圖7可知，京津冀地區經濟發達，建設用地規模較大，城市擴張不斷占用耕地等土地利用因素致使本區域糧食單產整體處于較低水平。

黃淮平原農業區水熱條件是整個東北-華北平原旱作區中條件最優越的地域，因此溫度和降水因素不是該區域的主要限制因素，故而與糧食單產的相關性表現最弱。因黃淮平原中部地勢低平，匯水能力是影響本區域糧食產量的主要因素。由于本區域地處黃泛區，沙地面積廣布；且砂姜黑土是黃淮平原農業區主要障礙性土壤，主要分布于皖北、豫東南和魯西地區。即上述因素是導致本區域水熱條件雖相對充足，但糧食單產水平仍不是特別高的關鍵所在。

4.2.2 社會經濟因素分析

以各社會經濟驅動因素為解釋變量，以5個二級農業區糧食單產為被解釋變量，采用灰色關聯分析的方法，分別計算各個農業區內不同影響因素與糧食產量的灰色關聯度（表2）。

研究發現，各二級農業區糧食單產與農村用電量及農藥使用量2個指標的關聯度均較小。松嫩-三江平原農業區、遼寧平原丘陵農林區與糧食單產關聯度最高的兩指標分別為農業機械總動力和化肥折純量。這是因為東北平原旱作區較華北平原旱作區而言，更具有開闊、平坦的地理優勢，地塊規模大、農業機械化耕作技術成熟；且黑土雖然肥力較高但土壤耕性差，因此在農業機械化條件下，其農業生產潛力可得更好地發掘。另一方面，因東北平原土壤肥沃，化肥施用量一直低于全國平均水平，所以在本區域優越的自然條件基礎上，化肥的進一步投入對糧食的增產效果顯著。

表2 不同農業區糧食單產與主要社會經濟因素的關系

華北平原旱作區內各二級農業區糧食單產均與有效灌溉面積這一因素最相關，這是因為華北平原水資源較為匱乏，是旱作區糧食生產的重要制約因素，在此背景下，有效灌溉面積對作物的長勢及產量具有重要影響。另一方面，華北平原旱作區農業機械總動力這一指標均小于東北平原旱作區，主要是由于華北平原旱作區耕地資源較東北平原旱作區而言規模較小且相對分散，加之大型農業機械工具推廣使用程度不如東北平原旱作區，使得該指標與糧食單產的關聯度相對較低。此外，由于華北地區人口壓力大，耕作強度較高，易造成耕地土壤肥力的降低。為保障糧食穩產及高產，化肥投入也成為影響本區域耕地生產力的重要因素之一。

在一定時段內，區域地貌、土壤、水文、氣候等諸多自然因素相對穩定，變化幅度有限；而社會經濟因素受人為意識形態、政策調控等因素的干預，在不同時期可呈現較大的波動特征。因此，為進一步分析近20 a來社會經濟因素與糧食單產的相關性在時間序列上的變化情況，本部分基于前文灰度關聯分析的結果，首先將與糧食單產關聯程度最弱的農村用電量及農藥使用量剔除；再考慮到由于糧食種植面積與糧食產量最直接相關，為剔除相關分析過程中鄉村人口、農業機械總動力、化肥折純量和有效灌溉面積等指標受種植面積因素的干擾，以便更加客觀評價諸社會經濟因素對糧食生產力的貢獻，本研究基于偏相關分析的方法，將種植面積作為控制因素，分別對5個二級農業區在1995－2015年的各社會經濟因素與糧食單產相關性強度進行分析（圖8）。

注：藍色表示在0.05水平上達到顯著相關；紅色表示在0.01水平上達到極顯著相關。

研究結果表明：鄉村人口這一因素在各個農業區均表現為與糧食單產的相關性隨時間逐漸減少的趨勢，且在松嫩-三江平原農業區與遼寧平原農林區的各時段都達到極顯著水平，充分說明：農業生產由勞動密集型逐漸向技術密集型方向轉變，農村勞動力得到逐步釋放，這在農業機械化較大規模投入的東北平原旱作區表現的尤為明顯。

農業機械總動力在松嫩-三江平原農業區與遼寧平原農林區呈現與糧食單產的相關性逐漸增加的趨勢，且各時段均達到顯著相關或極顯著相關的水平，進一步說明了東北平原旱作區農業機械化水平高于研究區的其他區域。該指標僅在燕山-太行山山麓平原農業區呈略微降低態勢，是因為山麓平原農業區耕地相對細碎，農業機械化投入受限，故而該指標并非糧食單產增加的最主要貢獻因素。

通過對化肥折純量數據的分析表明，化肥的投入并未隨著農業技術的發展而重要性減弱，該指標在各個農業區均表現出與糧食單產的相關性隨時間逐漸增加的趨勢。然而成因機理不同：東北平原旱作區是由于化肥投入量一直低于全國平均水平，其邊際報酬未出現顯著遞減而導致的；華北平原旱作區則是因在土壤肥力條件逐漸下降的大背景下，通過化肥投入以維系區域糧食的穩產及增產。

有效灌溉面積這一因素在各個農業區均表現為與糧食單產的相關性隨時間逐漸減少的趨勢，但該指標在東北平原旱作區及華北平原旱作區隨糧食單產的演替規律仍具有明顯差異性。松嫩-三江平原農業區及遼寧平原農林區，有效灌溉面積與糧食單產的相關均處為最低，可見灌溉條件并非東北平原旱作區最主要的糧食生產限制因素。而該指標在華北平原旱作區的相關系數整體處于較高水平，且均與糧食單產表現出顯著相關或極顯著相關，表明華北平原旱作區灌溉條件始終是影響其糧食生產的最主要限制因素。

5 討 論

本研究采用空間平滑的分析方法，應用于糧食生產的時空格局研究，其優勢一方面在于能夠將以縣域為最小地域單元的糧食產量面板數據精細至柵格像元尺度，且平滑處理后糧食產量空間分布的遞變規律更加明顯，既能打破因行政區界線造成的限制，又能夠體現縣域內糧食產量的空間差異信息，還能夠與經空間插值后的漸變、同分辨率自然環境要素進行相關分析，使研究結果更加精準。

從宏觀格局來看，東北-華北平原旱作區糧食的穩產及增產潛力仍巨大，但今后各自發展的側重點應有所差異：東北平原旱作區耕地生產力的提升是以良好土壤性狀為基礎，佐以化肥、農機等投入的增加，因此應以耕地保育為重點，特別是在典型黑土區，通過相關措施減少水土流失，是該區域耕地生產力進一步提升的基礎；華北平原旱作區耕地生產力整體受到水分脅迫的影響，因此協調該區域生活、生產、生態用水平衡，提高農業水資源利用效率及有效灌溉面積、發展適水雨養農業、調整大田作物結構是維持和提高本區域耕地生產力的關鍵。

然而，本研究尚存在一些有待進一步優化的方面：

1）在社會經濟驅動因子的分析過程中，本研究所采用的社會經濟要素數據仍然是以縣域為最小單元進行分析，使評價結果受到一定程度的影響。

2）受統計數據獲取工作量較大的限制，本文只分析了1995－2015年的糧食產量數據，使得該研究在時間尺度上稍顯單薄。

3）考慮到在大空間尺度下，局域耕地空間分布及類型變化對研究區整體糧食產量的柵格化分析影響不大，故本研究的土地利用柵格數據采用的是中間時段2005年的數據，并非每一時期都采用對應年份的土地利用數據，該簡化處理亦會對研究精度造成一定程度的影響。

4）雖然本研究的分析結果較為理想、與客觀規律的契合度較高，但分析結果仍有待進一步的驗證，若能夠通過實證調研，將研究結果與實際情況進行比對以驗證精度，則更具說服力。

6 結 論

1）近20 a（1995～2015年）東北及華北平原旱作區糧食產量整體穩步提升，高產區范圍逐漸擴大；華北平原旱作區糧食總產高于東北平原旱作區，而糧食單產則是華北平原旱作區低于東北平原旱作區。糧食產量增速以中速增產為主，其次依次為慢速增產、高速增產、絕對減產，且東北平原旱作區糧食增產速率高于華北平原旱作區。將糧食單產經過空間平滑處理后，其柵格像元值頻率分布基本呈高斯分布，與客觀規律相契合；而隨著時間演替，直方圖內像元的峰值逐漸右移，且單產水平呈逐漸分散的趨勢，表明耕地生產力水平整體提升的同時差距在擴大。

2）東北平原旱作區糧食總產及單產的低值區主要位于：①松嫩平原西部，該區毗鄰科爾沁沙地東緣，風沙土及鹽堿土廣泛分布區；②三江平原，該區域水稻種植規模較為可觀；③遼寧平原南部，該區與遼中南城市群南端吻合。華北平原旱作區糧食總產及單產的低值區分別位于燕山-太行山脈的非平原區及北京、天津等城市化水平發達區；而2015年安徽北部、河南沿黃的部分區域旱作糧食產量減少則是由于旱地轉變為水田所導致的。

3）糧食單產與自然因素的相關分析結果表明，年均氣溫與燕山-太行山山麓平原農業區的糧食單產的相關性最高，年降水量及匯流能力與冀魯豫低洼平原農業區的糧食單產的相關性最高，土壤類型與松嫩-三江平原農業區的糧食單產的相關性最高。糧食單產與社會經濟因素的灰色關聯分析及偏相關分析結果表明，糧食生產由勞動密集型逐漸向技術密集型方向轉變，農業機械化的投入對研究區特別是東北平原旱作區的貢獻尤為明顯，化肥的投入對研究區糧食的增產始終發揮著巨大作用，而灌溉條件對于華北平原旱作區糧食生產的保障起到重要作用。

[1] Ge D, Long H, Zhang Y, et al. Farmland transition and its influences on grain production in China[J]. Land Use Policy, 2018, 70: 94－105.

[2] 劉東，封志明，楊艷昭，等. 中國糧食生產發展特征及土地資源承載力空間格局現狀[J]. 農業工程學報，2011，27(7)：1－6. Liu Dong, Feng Zhiming, Yang Yanzhao, et al. Characteristics of grain production and spatial pattern of land carrying capacity of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(7): 1－6. (in Chinese with English abstract)

[3] 劉忠，李保國. 基于土地利用和人口密度的中國糧食產量空間化[J]. 農業工程學報，2012，28(9)：1－8. Liu Zhong, Li Baoguo. Spatial distribution of China grain output based on land use and population density[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(9): 1－8. (in Chinese with English abstract)

[4] 劉忠，黃峰，李保國. 2003－2011年中國糧食增產的貢獻因素分析[J]. 農業工程學報，2013，29(23)：1－8. Liu Zhong, Huang Feng, Li Baoguo. Investigating contribution factors to China’s grain output increase in period of 2003 to 2011[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(23): 1－8. (in Chinese with English abstract)

[5] Yin G, Lin Z, Jiang X, et al. Spatiotemporal differentiations of arable land use intensity: A comparative study of two typical grain producing regions in northern and southern China[J]. Journal of Cleaner Production, 2019, 208: 1159－1170.

[6] Li M, He B, Guo R, et al. Study on population distribution pattern at the county level of China[J]. Sustainability, 2018, 10(10): 3598.

[7] 甘紅，劉彥隨. 中國東北農業灌溉水資源保障及空間差異分析[J]. 農業工程學報，2005，21(10)：31－35. Gan Hong, Liu Yansui. Analysis of the guarantee degree of irrigation water resources and its spatial difference in Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(10): 31－35. (in Chinese with English abstract)

[8] 張秋平，郝晉珉，白瑋. 黃淮海地區糧食生產中的農業水資源經濟價值核算[J]. 農業工程學報，2008，24(2)：1－5． Zhang Qiuping, Hao Jinmin, Bai Wei. Estimation of economic value of agricultural water resource in grain production in Huang-Huai-Hai Region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(2): 1－5. (in Chinese with English abstract)

[9] Khan S, Hanjra M A, Mu J. Water management and crop production for food security in China: A review[J]. Agricultural Water Management, 2009, 96(3): 349－360.

[10] Ren D, Yang Y, Yang Y, et al. Land-Water-Food Nexus and indications of crop adjustment for water shortage solution[J]. Science of the Total Environment, 2018, 626: 11－21.

[11] 彭致功，張寶忠，劉鈺，等. 基于灌溉制度優化和種植結構調整的用水總量控制[J]. 農業工程學報，2018，34(3)：103－109. Peng Zhigong, Zhang Baozhong, Liu Yu, et al. Constraint of total water consumption amount based on optimized irrigation schedule and planting structure adjustment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(3): 103－109. (in Chinese with English abstract)

[12] Wang L, Chen J, Shangguan Z. Yield responses of wheat to mulching practices in dryland farming on the Loess Plateau[J/ OL]. Plos One, 2015, 10(5): e0127402.

[13] Wang X, Cai D, Wu H, et al. Effects of variation in rainfall on rainfed crop yields and water use in dryland farming areas in China[J]. Arid Land Research and Management, 2016, 30(1): 1－24.

[14] 孫東寶. 北方旱作區物產量和水肥利用特征與提升途徑[D]. 北京：中國農業大學，2017. Sun Dongbao. Yield, Water and Nutrient Use Efficiency of Dryland Crops in Northern China[D]. Beijing: China Agricultural University, 2017. (in Chinese with English abstract)

[15] Anderson J R, Dillon J L. Risk Analysis in Dryland Farming Systems[R]. Rome: Food and Agriculture Organization of the United Nations, 1992.

[16] 王佛生，鄧蕓，張成，等. 旱作農業基礎教程[M]. 楊凌：西北農林科技大學出版社，2012.

[17] 張義豐，王又豐，劉錄祥，等. 中國北方旱地農業研究進展與思考[J]. 地理研究，2002，21(3)：305－312. Zhang Yifeng, Wang Youfeng, Liu Luxiang, et al. Research progress on arid-land agriculture in northern China[J]. Geographical Research, 2002, 21(3): 305－312. (in Chinese with English abstract)

[18] 陳秧分，李先德. 中國糧食產量變化的時空格局與影響因素[J]. 農業工程學報，2013，29(20)：1－10. Chen Yangfen, Li Xiande. Spatial-temporal characteristics and influencing factors of grain yield change in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(20): 1－10. (in Chinese with English abstract)

[19] Lang G, Miao B. Food security for China's cities[J]. International Planning Studies, 2013, 18(1): 5－20.

[20] 劉玉，唐秀美，潘瑜春，等. 黃淮海地區縣域糧食單產的空間溢出效應及影響因素分析[J]. 農業工程學報，2016，32(9)：299－307. Liu Yu, Tang Xiumei, Pan Yuchun, et al. Analysis on spatial spillover effect and influence factors of grain yield per hectare at county level in Huang-Huai-Hai region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 299－307. (in Chinese with English abstract)

[21] 錢永蘭，楊邦杰，焦險峰. 基于遙感抽樣的國家尺度農作物面積統計方法評估[J]. 農業工程學報，2007，23(11)：180－187. Qian Yonglan, Yang Bangjie, Jiao Xianfeng. Accuracy assessment on the crop area estimating method based on RS sampling at national scale: A case study of Northeast China's rice area estimation assessment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(11): 180－187. (in Chinese with English abstract)

[22] 劉建紅，朱文泉. 耕地變化空間抽樣調查方案的精度與效率分析[J]. 農業工程學報，2010，26(10)：331－336. Liu Jianhong, Zhu Wenquan. Accuracy and efficiency of different spatial sampling schemes for cropland change monitoring[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(10): 331－336. (in Chinese with English abstract)

[23] Hosseini-Dinani H, Mokhtari A R, Shahrestani S, et al. Sampling density in regional exploration and environmental geochemical studies: A review[J]. Natural Resources Research, 2019, 28(3): 967-994.

[24] Zhang C, Jordan C, Higgins A. Using neighbourhood statistics and GIS to quantify and visualize spatial variation in geochemical variables: An example using Ni concentrations in the topsoils of Northern Ireland[J]. Geoderma, 2007, 137(3/ 4): 466－476.

[25] Lin Y F, Wang J, Valocchi A J. PRO‐GRADE: GIS toolkits for ground water recharge and discharge estimation[J]. Groundwater, 2009, 47(1): 122－128.

[26] 黃明，蘇巧梅，黃詩哲. 基于ARCGIS計算SRTM數據DEM坡度的最優方法探討[J]. 四川農業大學學報，2013，31(4)：456－460. Huang Ming, Su Qiaomei, Huang Shizhe. Optimum calculation method of SRTM DEM data based on ARCGIS technology[J]. Journal of Sichuan Agricultural University, 2013, 31(4): 456－460. (in Chinese with English abstract)

[27] 全國農業區劃委員會. 中國綜合農業區劃[M]. 北京：農業出版社，1981.

[28] 劉闖. 土地類型與自然區劃[J]. 地理學報，1985，40(3)：256－263. Liu Chuang. Discussion on land types and regionalization[J]. Acta Geographica Sinica, 1985, 40(3): 256－263. (in Chinese with English abstract)

[29] 吳普特，趙西寧. 氣候變化對中國農業用水和糧食生產的影響[J]. 農業工程學報，2010，26(2)：1－6. Wu Pute, Zhao Xining. Impact of climate change on agricultural water use and grain production in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(2): 1－6. (in Chinese with English abstract)

[30] 劉忠，萬煒，黃晉宇，等. 基于無人機遙感的農作物長勢關鍵參數反演研究進展[J]. 農業工程學報，2018，34(24)：60－71. Liu Zhong, Wan Wei, Huang Jinyu, et al. Progress on key parameters inversion of crop growth based on unmanned aerial vehicle remote sensing [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(24): 60－71. (in Chinese with English abstract)

[31] Dyson T. Population and Food: Global Trends and Future Prospects[M]. London: Routledge Press, 1996.

[32] 糧食大辭典編輯委員會. 糧食大辭典[M]. 北京：中國財富出版社，2009.

[33] 王鳳. 中國縣域糧食產量時空演變及影響因素變化分析[D]. 武漢：武漢大學，2017. (in Chinese with English abstract) Wang Feng. Spatial and Temporal Variation of Grain Production and its Influencing Factors at the County Level in China[D]. Wuhan: Wuhan University, 2017. (in Chinese with English abstract)

[34] Izquierdo-Verdiguier E, Zurita-Milla R, Ault T R, et al. Development and analysis of spring plant phenology products: 36 years of 1-km grids over the conterminous US[J]. Agricultural and Forest Meteorology, 2018, 262: 34－41.

[35] Khodayar S, Coll A, Lopez-Baeza E. An improved perspective in the spatial representation of soil moisture: Potential added value of SMOS disaggregated 1 km resolution “all weather” product[J]. Hydrology and Earth System Sciences, 2019, 23(1): 255－275.

[36] 劉忠，李保國. 基于土地利用和人口密度的中國糧食產量空間化[J]. 農業工程學報，2012，28(9)：1－8. Liu Zhong, Li Baoguo. Spatial distribution of China grain output based on land use and population density[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(9): 1－8. (in Chinese with English abstract)

[37] 謝臻，張鳳榮，高陽，等. 基于遙感和GIS的平原和山區貧困縣農村耕地利用演變對比[J]. 農業工程學報，2018，34(15)：255－263. Xie Zhen, Zhang Fengrong, Gao Yang, et al. Comparison on evolution of rural farmland use in poverty-stricken counties between flat and mountainous areas based on remote sensing and GIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(15): 255－263. (in Chinese with English abstract)

[38] 全國土壤普查辦公室. 1: 100萬中華人民共和國土壤圖[M]. 西安：西安地圖出版社，1995.

[39] Tobler W R. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46(2): 234－240.

[40] 師長興，周園園，范小黎，等. 利用DEM進行黃河中游河網提取及河網密度空間差異分析[J]. 測繪通報，2012，(10)：24－27. Shi Changxing, Zhou Yuanyuan, Fan Xiaoli, et al. A study of the calculation of drainage density of the middle Yellow River from DEM[J]. Bulletin of Surveying and Mapping, 2012, (10): 24－27. (in Chinese with English abstract)

[41] 楊勇，鄧祥征，李志慧，等. 2000－2015年華北平原土地利用變化對糧食生產效率的影響[J]. 地理研究，2017，36(11)：2171－2183. Yang Yong, Deng Xiangzheng, Li Zhihui, et al. Impact of land use change on grain production efficiency in North China Plain during 2000－2015[J]. Geographical Research, 2017, 36(11): 2171－2183. (in Chinese with English abstract)

[42] 劉忠，黃峰，李保國. 基于經驗模態分解的中國糧食單產波動特征及影響因素[J]. 農業工程學報，2015，31(2)：7－13. Liu Zhong, Huang Feng, Li Baoguo. Analysis on characteristics and influential factors of grain yield fluctuation in China based on empirical mode decomposition[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 7－13. (in Chinese with English abstract)

[43] 王禹. 新形勢下我國糧食安全保障研究[D]. 北京：中國農業科學院，2016. Wang Yu. Study on China’s Food Security in the New Situation[D]. Beijing: Chinese Academy of Agricultural Sciences, 2016. (in Chinese with English abstract)

[44] 譚佳琪. 東北典型黑土區耕地資源變化及其對糧食生產的影響[D]. 沈陽：沈陽農業大學，2017. Tan Jiaqi. Changes of Cultivated Land Resources and its Impact on Grain Production in Typical Back Soil Areas of Northeast China[D]. Shenyang: Shenyang Agricultural University, 2017. (in Chinese with English abstract)

Spatio-temporal changes and influencing factors of grain yield based on spatial smoothing method in dryland farming regions

Wan Wei, Li Hanwei, Wang Jiaying, Liu Zhong※, Han Yiwen

(1.100193,2.100193,)

As water constraints become increasingly severe in Northern China, it is of great significance to study the grain yield pattern and its driving factors in dryland farming regions. Based on the county-level grain statistics from 1995 to 2015, combined with land use raster data and other materials, we studied the spatial pattern and process of grain yield in dryland farming regions of the Northeast and North China Plain using spatial smoothing methods. In addition, the natural and socio-economic driving factors of grain yield in different agricultural regions were investigated. Our results showed that: (1) In the past 20 years, the grain yield increased steadily and high production area expanded gradually in the dryland farming regions of Northeast and North China Plain, with obvious spatial agglomeration characteristics. And the total grain yield in the plain of North China dryland farming regions was higher than that in dryland farming regions of the Northeast China Plain. (2) The main increase rate of grain yield exhibited a medium speed, followed by slow speed, high speed increase, and absolute reduction in production. And increase rate of the grain yield in the dryland farming regions of the Northeast China Plain was higher than that in the North China Plain. (3) The per unit area yield of grain in the dryland farming regions of Northeast China Plain was higher than that of the North China Plain. And after the spatial smoothing processing, the pixel frequency of per unit area yield of grain generally exhibited a Gaussian distribution, which is consistent with the objective laws. The peak value of histogram pixel gradually moved to the right, and the per unit yield grid showed a gradual decentralization trend over time, indicating that the regional yield gap increases with the overall improvement of cultivated land productivity. (4) The mean annual temperature among the natural factors had the highest correlation with the per unit area yield of grain of the agricultural regions in Yan-Taihang mountain foothill plain. The annual precipitation and confluence capacity exhibited the highest correlation with the per unit area yield of grain of the agricultural regions in Ji-Lu-Yu low-lying plain. The soil type showed the highest correlation with the per unit area yield of grain of the agricultural regions in Songnen-Sanjiang plain. (5) The correlation analysis of per unit area yield of grain with socio-economic factors showed that grain production was gradually shifting from labor-intensive to technology-intensive. And the application of agricultural machinery obviously contributed to the study area, especially to the Northeast dryland farming regions of China. The application of chemical fertilizers had always played a significant role in improving grain production in the study region. And irrigation conditions played a critical role in ensuring grain production in the dryland farming regions of North China Plain. In summary, the results of our study are helpful for the research of spatial-temporal pattern of grain yield, and can provide references for the maintenance of high yield, stable yield and cultivated land conservation in different agricultural areas.

grain; agriculture; land use; spatial smoothing; yield; spatio-temporal changes; dryland farming regions;Plain of Northeast China; Plain of North China

2019-03-23

2019-05-17

國家重點研發計劃項目（2016YFD030080101）

萬 煒，博士生，主要從事地理信息系統與遙感應用研究。Email：remote_sensing@cau.edu.cn

劉 忠，博士生導師，主要從事土地利用與信息技術研究。Email：lzh@cau.edu.cn

10.11975/j.issn.1002-6819.2019.16.032

S17; K909

A

1002-6819(2019)-16-0284-13

萬 煒，李含微，王佳瑩，劉 忠，韓已文.基于空間平滑法的旱作區糧食產量時空變化與影響因素研究[J]. 農業工程學報，2019，35(16)：284－296. doi：10.11975/j.issn.1002-6819.2019.16.032 http://www.tcsae.org

Wan Wei, Li Hanwei, Wang Jiaying, Liu Zhong, Han Yiwen. Spatio-temporal changes and influencing factors of grain yield based on spatial smoothing method in dryland farming regions[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(16): 284－296. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.16.032 http://www.tcsae.org