全國縣域復種指數時空變化特征研究

淮賀舉 李奇峰 王小慧 胡海棠 李存軍

摘要：復種指數是衡量耕地資源集約化利用程度的基礎性指標，提高復種指數是糧食持續增產的重要途徑之一。為分析全國復種指數變化特征、空間差異、重心遷移，系統收集耕地面積、農作物總播種面積等數據，基于GIS 空間展示與分析，應用重心分析法、全局空間自相關、局部空間自相關等方法，研究全國復種指數時空變化特征。結果顯示：（1）1998年，全國復種指數最高，達到165%，目前保持在123%左右。（2）從空間上看，復種指數呈現從北到南逐漸增加的趨勢;從時間上看，復種指數大多數地區呈現“上升—降低—上升”的趨勢。1995年，復種指數在201%～300%之間的區域范圍最大，之后2005年和2015年不斷減少，同時有向西北方向移動的趨勢。1985—2015年，全國復種指數上升區域主要集中在東北、黃淮海、西南、四川盆地農作區，下降區域主要集中在北部低中高原、長江中下游（東南部）、江南丘陵、華南農作區。（3）1985—2005年空間上的聚集態勢增加，2005—2015年降低。與1985年相比，2015年全國復種指數重心向西南移動33 km，其中復種指數<100%的重心向東南移動433 km，復種指數100%～200%的重心向東北移動104 km，復種指數>200%的重心向東北移動 319 km。我國復種指數存在空間上的自相關性，南方地區復種指數降低、重心向西南遷移，是我國復種指數變化的最重要特征。

關鍵詞：復種指數;時空變化;縣域;空間相關性;重心

中圖分類號： S126;F326.11? 文獻標志碼： A

文章編號：1002-1302（2021）22-0076-08

收稿日期：2020-12-31

基金項目：國家重點研發計劃（編號：2016YFD0300201）;北京市農林科學院青年科研基金（編號：QNJJ202126）。

作者簡介：淮賀舉（1983—），男，河北邢臺人，博士，助理研究員，主要從事農業區域發展與農業信息化研究。E-mail：huaihj@nercita.org.cn。

通信作者：李存軍，博士，研究員，主要從事農業數字生態研究。E-mail：licj@nercita.org.com。

糧食安全是關系國民經濟發展、社會穩定和國家自立的全局性重大戰略問題。在國內外形勢復雜變化的當下，保障糧食安全的戰略地位十分重要。耕地面積、復種指數、單位面積產量是決定我國糧食產量的三大關鍵因素。隨著城市化、工業化進程的加快，我國大量耕地被占用，非農化、非糧化問題日益嚴重。如何在保證耕地面積不減少、糧食單產逐步提高的基礎上，提高復種指數，擴大農作物播種面積，是我國未來實現糧食持續增產的重要途徑之一。

多熟種植是我國重要的農作制度之一，對于提高耕地生產能力和確保糧食安全具有重要作用[1]。復種指數是耕作制度研究中衡量耕地資源集約化利用程度的基礎性指標，也是宏觀評價耕地資源利用基本狀況的重要技術指標。復種指數分為潛在復種指數和實際復種指數[2]，潛在復種指數常利用農業氣象法估算充分利用自然資源時能達到的最大復種指數，實際復種指數一般基于不同行政單元播種面積和耕地面積的統計數據計算。黃國勤分析了南方復種指數的演變與特點，并通過回歸分析法研究了耕地復種指數與糧食總產的關系，提出了提高復種指數的途徑與措施[3]。劉巽浩對不同區域的熟制和水熱資源進行了實際調查，估算了全國耕地復種指數[4]。段紅平分析了1949—1998年湖南省復種指數的歷史變化，認為提高復種指數是必然趨勢，并提出發展適合大面積種植、高效益的冬種作物等措施[5]。楊曉光等采用公認的農業氣候指標計算方法，使用ArcGIS繪出了1950—1980年和1981—2007年2個時段全國種植制度北界圖，認為一年一熟帶、一年兩熟帶、一年三熟帶都不同程度地向北移動[6]。張志國以市為單元計算了河南省復種指數和潛力復種指數，建立了河南省復種指數和糧食產量之間的函數關系，認為耕地復種指數和糧食產量顯著相關，且復種指數是糧食產量變化的原因，但河南省再依靠提高復種指數來增加糧食產量的余地不大[7]。楊丹等基于空間數據分析（ESDA）與GIS技術，探討江西省縣域尺度復種指數的空間格局和演變規律，認為江西省的耕地面積、糧食播種面積、耕地復種指數均呈現下降的態勢，但局部空間集聚顯著，有強烈的空間相關性[8]。何堅堅等運用區域差異度量模型、空間自相關模型對2005—2014年中原經濟區復種指數的時空差異和驅動力進行研究，認為中原經濟區復種指數整體呈現波動下降的趨勢，自然環境因素對耕地復種指數及復種潛力指數均起著重要的作用[9]。

總體上看，基于省市統計數據進行全國和省區等尺度復種指數研究較多，縣域單元尺度的全國性研究不足，利用重心模型、空間相關分析等指標進行時間維度變化的研究較少。本研究系統收集整理全國縣域耕地面積、農作物播種面積等數據，分析我國復種指數時空變化特征，研究我國縣域復種指數的空間差異特征，以期為未來我國糧食安全研究提供理論支撐。

1 資料與方法

1.1 數據來源

全國1985—2017年耕地面積，農作物、糧食作物、蔬菜播種面積數據來源于國家統計局。1985、1995、2005、2015年不同縣域的耕地面積、農作物播種面積數據來源于農業農村部發布的農業分縣統計數據，并結合縣級和省級農業統計數據進行校正。縣域行政區數字地圖來源于國家基礎地理信息中心，中國農作制分區圖（圖1）根據《中國農作制》[10]繪制。

1.2 研究方法

1.2.1 復種指數

復種指數反映某一種植制度對耕地的利用程度，計算公式[4]如下：

MCI=ASAC×100%。

式中：MCI為復種指數;AS為農作物總播種面積，hm2;AC為耕地總面積，hm2。

1.2.2 復種指數變化

復種指數變化程度（K）是指某一空間單元復種指數從i時期到j時期發生的變化。

K=MCIj-MCIi。

1.2.3 重心分析法

借鑒力學原理，引入區域重心的概念來確定區域復種指數重心點在不同年份移動的方向和距離，用來對復種指數動態演化過程進行分析。

xj=∑ni=1（Qij×xi）/∑ni=1Qij;

yj=∑ni=1（Qij×yi）/∑ni=1Qij;

dm=（xk+m-xk）2+（yk+m-yk）2。

式中，xj和yj分別為復種指數重心的經度與緯度;Qij表示復種指數在第i個縣域第j年的數據;dm表示復種指數在不同年份間移動距離;yk+m和yk分別表示復種指數在第k+m年和k年的緯度坐標;xk+m和xk分別表示復種指數在第k+m年和k年的經度坐標。P（xj，yj） 代表了研究復種指數第j年重心的地理坐標。將上述公式在Excel中運算之后，將P（xj，yj）在ArcGIS 10.2中進行空間顯示。

1.2.4 全局空間自相關 全局自相關是復種指數間整體的相關性，主要指標有Morans I指數、Gearys c系數和Getis-Ord G指數，本研究采用Morans I指數，計算公式為：

Morans I=∑ni=1∑nj=1Wij（yi-Y）（yj-Y）S2∑ni=1∑nj=1Wij;

S2=1n∑ni=1（yi-Y）2;

Y=1n∑ni=1yi。

其中，n為樣本量，即空間單元個數;yi、yj是空間單元i和j的復種指數;Wij為二進制的鄰接空間權值矩陣，即空間權重矩陣，用以度量空間單元間的依賴程度。在構造空間權重矩陣時，常用的是相鄰原則中的ROOK 標準，即有共同邊界的原則。則有：

Wij=f（x）=1，當地區i和地區j相鄰

0，當地區i和地區j不相鄰。

Morans I 指數的取值范圍是 [-1，1]，取值大于0時表明空間存在正相關，小于0時表明空間存在，等于0時表明呈獨立隨機分布。

1.2.5 局部空間自相關 Morans I 反映的是空間整體上的聚集或者是離散態勢，并不能反映局部單元的具體情況。而冷熱點分析則解決了這一問題，它反映的是局部空間的關聯程度，可以標識出變量的空間高值區和低值區，其計算公式為：

Gi（d）2=∑nj=1（yi-Y）（yj-Y）S2∑ni=1∑nj=1Wij;

Gi（d）2=∑nj=1Wij（d）Xj∑nj=1Xj。

式中：Xj為基本空間單元j的復種指數，Wij（d）是以空間距離d度量的權重。結果為正值的時候表明周圍屬于熱點區域，高值聚集;結果為負值的時候表明周圍為冷點區域，低值聚集。

1.3 數據的統計分析和空間表達

基于Excel軟件對基礎數據進行處理，采用ArcGIS 10.0軟件進行空間分析與表達。

2 結果與分析

2.1 全國復種指數及農作物播種面積變化分析

1985年以來，除1996年統計方法進一步完善引起的耕地面積增長外，我國耕地面積整體呈減少趨勢（圖2）。農作物播種面積整體呈現波動性增長的趨勢，從1985年的14.36×107 hm2持續增長到目前的16.63×107 hm2左右。其中1992—1994和2002—2004年出現波動性下降。糧食作物播種面積自1985—1998年呈現波動性增長趨勢，1999年播種面積增加到11.38×107 hm2，到2003年僅有9.94×107 hm2;之后在國家政策的支持下，穩步增長到2017年的11.80×107 hm2。蔬菜面積呈現整體直線上升的趨勢，從1985年的0.48×107 hm2增加到2017年的2.00×107 hm2，在一定程度上支撐了農作物總播種面積的持續增長趨勢。1985—1995年，我國復種指數呈現整體上升趨勢;1999年由于耕地面積統計方法的變化，復種指數急劇下降;2000—2007年略有下降;2008年明顯提升;之后2008—2013年略有提升;2013至今比較平穩，復種指數保持在123%左右。

2.2 全國縣域復種指數時空特征研究

我國復種指數從空間上看呈現從北到南逐漸增加的趨勢，從時間上看大多數地區呈現“上升—降低—上升”的趨勢。1995年，復種指數在201%～300%之間的區域范圍最大，之后2005年和2015年不斷減少，同時有向西北方向移動的趨勢（圖3）。

1985年，復種指數≤100%的有389個縣域，占全國的18.12%，主要分布在東北農作區興安嶺亞區、北部低中高原農作區的內蒙古高原北部亞區、西北農作區、青藏高原農作區;復種指數在101%～200%的有1 345個縣域，主要分布在黃淮海、西南、東北（南部）、江南丘陵農作區，以及長江中下游、四川盆地農作區局部，占全國的62.65%;復種指數在201%～300%的有394個縣域，主要分布在長江中下游、華南（大部）、四川盆地（局部）農作區，占18.35%;復種指數>300%的有19個縣域，呈零星點狀分布。

1995年，復種指數≤100%的有359個縣域，占全國15.87%，主要分布東北農作區的興安嶺亞區、北部低中高原農作區的內蒙古高原北部亞區、西北農作區的河套河西亞區和北疆亞區、青藏高原農作區;復種指數在101%～200%的有1 147個縣域，主要分布在黃淮海、西南（西部）、東北（南部）農作區，占50.71%;復種指數在201%～300%的有721個縣域，主要分布在長江中下游、江南丘陵、華南、四川盆地農作區，占31.87%;復種指數>300%的有35個縣域，呈零星點狀分布。

2005年，復種指數≤100%的有551個縣域，占21.75%，主要分布東北農作區的興安嶺亞區、北部低中高原農作區、西北農作區的河套河西亞區和北疆亞區、青藏高原農作區;復種指數在101%～200%的有1 307個縣域，主要分布在黃淮海、西南（西部）、東北（南部）、西南（大部）農作區以及長江中下游農作區北部，占51.60%;復種指數在201%～300%的有599個縣域，主要分布在長江中下游農作區的兩湖平原亞區、江南丘陵、華南、四川盆地農作區，占23.65%;復種指數>300%的有76個縣域，呈零星點狀分布。

2015年，復種指數≤100%的有565個縣域，占22.31%，主要分布東北農作區的興安嶺丘陵山地亞區、北部低中高原農作區大部、青藏高原農作區;復種指數在101%～200%的有1 248個縣域，主要分布在黃淮海、西南（南部）、東北（南部）、西南（大部）、長江中下游（北部）、江南丘陵、華南（局部）農作區，占49.29%;復種指數在201%～300%的636個縣域，主要分布在長江中下游、江南丘陵（北部）、四川盆地農作區，占25.12%;復種指數>300%的有83個縣域，呈零星點狀分布（表1）。

2.2 全國縣域復種指數變化研究

1985—1995年，全國復種指數整體呈現上升趨勢，其中復種指數變化在1%～20%的縣域有867個，僅占全國的41.36%，復種指數變化>20%的縣域有691個，僅占全國的32.97%。復種指數降低的縣域主要分布在北部低中高原、西北、青藏高原農作區，以及長江中下游農作區東部的局部地區，其中復種指數變化≤-20%的縣域有123個，僅占全國的5.84%;復種指數變化在-21%～0%之間的縣域有415個，僅占全國的19.80%。

1995—2005年，復種指數上升的區域主要分布在東北、黃淮海、 西南（南部）農作區，復種指數降低

的縣域主要分布在長江中下游、江南丘陵、華南、青藏高原農作區，其中復種指數變化集中于1%～20%的縣域有542個，僅占全國的24.22%;復種指數變化>20%的縣域有456個，僅占全國的20.38%;復種指數變化≤-20%的縣域有728個，僅占全國的32.53%;復種指數變化在-21%～0之間的縣域有812個，占全國的36.28%。

2005—2015年，全國復種指數變化空間差異較大，整體上升區域主要集中在東北、黃淮海、長江中下游（北部）農作區，整體下降區域主要集中在長江中下游（南部）、江南丘陵、華南農作區。其中復種指數變化在1%～20%的縣域有478個，僅占全國的20.71%;復種指數變化>20%的縣域有657個，僅占全國的28.47%;復種指數變化≤-20%的縣域有709個，僅占全國的30.72%;復種指數變化在 -21%～0之間的縣域有464個，占全國的20.10%。

1985—2015年，全國復種指數上升區域主要集中在東北、黃淮海、西南、四川盆地農作區，整體下降區域主要集中在北部低中高原、長江中下游（東南部）、江南丘陵、華南農作區。其中復種指數變化在1%～20%的縣域有381個，僅占全國的18.05%;復種指數變化>20%的縣域有782個，僅占全國的37.04%;復種指數變化≤-20%的縣域有617個，僅占全國的29.23%，復種指數變化在 -21%～0之間的縣域有331個，占全國的15.68%（圖4、表2）。

2.3 全國縣域復種指數空間差異分析

2.3.1 總體空間差異

由表3可見，1985、1995、2005、2015年的全局Morans I分別為0.356 3、0.484 0、0.601 2、0.544 1，在4個年份數據中Z值>2.58，且都為正值，P值皆小于0.01，表示此數據并不是隨機生成的，在99.9%的置信度情況下成顯著正相關，說明我國復種指數存在空間上的自相關性。4個年份中1985年復種指數與與空間的相關性最小;1985—2005年的空間相關性呈現增長趨勢，表明我國縣域的復種指數在空間上的聚集態勢增加;2005—2015年相關性降低;與1985年相比，2005年的空間相關性達到最大值，表明復種指數在空間上的聚集態勢達到1985—2005年近20年來的最高狀態。

2.3.2 局部空間差異

為了更加直觀地表示我國復種指數在局部空間的聚集和擴散狀態，對1985、1995、2005、2015年4個時期全國縣域復種指數的冷熱點進行分析，生成全國地級尺度的冷熱點空間分布圖（圖5），熱點區域表示復種指數高值區域聚集，冷點區域表示復種指數低值區域聚集。

由圖5可見，1985年我國復種指數的熱點區主要分布在長江中下游（南部）、江南丘陵（中部）、華南農作區，冷點地區分布在東北、北部低中高原、西北、青藏高原農作區。1995年我國復種指數的熱點區域進一步擴大，江南丘陵、華南、西南（東部）農作區均有不同程度增加，呈現出明顯的空間聚集態勢。2005年，冷熱點聚集程度和分布均有所下降，其中熱點區域增加了四川盆地農作區，減少了沿海地區農作區;冷點區域中東北、西北、青藏高原農作區空間聚集程度有所降低。2015年復種指數的空間聚集程度進一步降低，熱點區域向西移動，主要分布在長江中下游（西部）、西南（東部、南部）、四川盆地農作區，江南丘陵（中部）、華南農作區不再是熱點區域;冷點地區分布在東北、北部低中高原、西北（東部）農作區，西北（西部）、青藏高原農作區不再是冷點區域。

2.4 全國復種指數重心遷移

我國復種指數重心1985年位于湖北省樊城區，1995年向南移動至南漳縣中部，2005年向北移動至南漳縣北部，2015年繼續北上移動至谷城縣;2015年與1985年相比，重心向西南移動33 km。復種指數≤100%的重心在1985年位于內蒙古鄂托克旗，1995年北移至杭錦旗，2005年向東南移動至內蒙南部與山西北部交界神木縣最北部， 2015年繼續向東南移動至陜西省祈府區;2015年與1985年相比，重心向東南移動433 km。復種指數101%～200%的重心在1985年位于湖北省與河南省交界的丹江口，1995年北移至河南省洛寧縣，2005向東南移動至南召縣，2015年在南召縣內又稍微向西移動;2015年與1985年相比，重心向東北移動104 km。復種指數>200%重心在1985年位于湖南最東部的瀏陽市，1995年向西南移動至湘鄉市，2005年向西北移動至新化縣，2015年繼續向西北移動至湖南北部的慈利縣;2015年與1985年相比，重心向東北移動319 km。

3 討論與結論

復種是在1塊地上1年內種收1季以上作物的種植方式。復種指數作為農作制中衡量耕地集約化利用程度的重要指標，既是農學學科的研究范疇，也是地理學科的研究范疇，具有多學科交叉的特點[2]。基于行政單元統計數據的復種指數研究方法具有數據容易獲取、計算方便等優勢，在國家、區域、省等不同尺度范圍得到了廣泛應用。近年來，隨著對地觀測技術的快速發展，利用遙感技術監測從生長到成熟、衰落整個作物周期的活動過程[11-18]受到越來越多的研究人員關注，復種指數監測精度達到了地塊尺度，可以更好地反映復種指數的真實情況。鑒于統計單元內部的空間異質性，統計方法不能準確描述種植制度的空間特征，在數據獲取上也存在一定的滯后性[19]，加上遙感技術在監測精度、工作量等方面的不足，筆者認為融合遙感監測技術與統計方法，進一步提高復種指數監測的精準性、及時性是未來發展的重點。

本研究基于縣域統計數據對實際復種指數的時空特征進行了分析，認為從時間上大多數地區呈現“上升—降低—上升”的趨勢，這與李卓等對黃淮海地區耕地復種指數的研究結論[20]一致。研究認為1995年我國復種指數在201%～300%的區域范圍最大，之后2005年和2015年不斷減少，這與蔣敏等研究的趨勢[7-8，21]一致。

本研究結果表明，我國復種指數在空間上存在較強的自相關性，具有空間上聚集的特征，熱點從東南部向西南部轉移，冷點在北方地區范圍縮減，同時復種指數重心發生變化，這可能與我國氣候變暖而導致的種植制度北界北移[6]相關，也可能與當地的社會經濟條件、農業生產條件、農業種植結構等有關，需要進一步研究以明確。

參考文獻：

[1]黃國勤，孫丹平. 中國多熟種植的發展現狀與研究進展[J]. 中國農學通報，2017，33（3）：35-43.

[2]吳文斌，余強毅，陸 苗，等. 耕地復種指數研究的關鍵科學問題[J]. 中國農業科學，2018，51（9）：1681-1694.

[3]黃國勤. 論提高我國南方耕地復種指數[J]. 自然資源，1995，17（1）：30-37.

[4]劉巽浩. 論我國耕地種植指數（復種）的潛力[J]. 作物雜志，1997（3）：1-3.

[5]段紅平. 湖南省耕作制度50年（1949—1998年）演變分析[J]. 耕作與栽培，2001（3）：1-4.

[6]楊曉光，劉志娟，陳 阜. 全球氣候變暖對中國種植制度可能影響Ⅰ.氣候變暖對中國種植制度北界和糧食產量可能影響的分析[J]. 中國農業科學，2010，43（2）：329-336.

[7]張志國. 河南省復種指數的時空特征及其與糧食產量關系研究[J]. 湖北農業科學，2011，50（17）：3653-3656.

[8]楊 丹，葉長盛. 基于縣域單元的江西省復種指數時空格局分析[J]. 農業現代化研究，2013，34（6）：722-727.

[9]何堅堅，龐 博，張鵬巖，等. 區域耕地復種指數時空差異測算及可挖掘潛力分析——以中原經濟區為例[J]. 江蘇農業科學，2018，46（16）：249-255.

[10]劉巽浩，陳 阜. 中國農作制[M]. 北京：中國農業出版社，2005.

[11]Panigrahy S，Manjunath K R，Ray S S. Deriving cropping system performance indices using remote sensing data and GIS[J]. International Journal of Remote Sensing，2005，26（12）：2595-2606.

[12]Frolking S，Yeluripati J B，Douglas E. New district-level maps of rice cropping in India：A foundation for scientific input into policy assessment[J]. Field Crop Research，2006，98（2）：164-177.

[13]Sakamoto T，van Nguyen N，Ohno H，et al. Spatio-temporal distribution of rice phenology and cropping systems in the Mekong Delta with special reference to the seasonal water flow of the Mekong and Bassac rivers[J]. Remote Sensing of Environment，2006，100（1）：1-16.

[14]彭代亮，黃敬峰，金輝民. 基于MODIS-NDVI的浙江省耕地復種指數監測[J]. 中國農業科學，2006，39（7）：1352-1357.

[15]Canisius F，Turral H，Molden D. Fourier analysis of historical NOAA time series data to estimate bimodal agriculture[J]. International Journal of Remote Sensing，2007，28（24）：5503-5522.

[16]唐鵬欽，姚艷敏，吳文斌，等. 基于遙感技術的耕地復種指數研究進展[J]. 中國農業資源與區劃，2010，31（2）：21-27.

[17]楊 婷，趙文利，王哲怡，等. 基于遙感影像NDVI數據的中國種植制度分布變化[J]. 中國農業科學，2015，48（10）：1915-1925.

[18]Yan H，Xiao X，Huang H，et al. Multiple cropping intensity in China derived from agro-meteorological observation and MODIS data[J]. Chinese Geographical Science，2014，24（2）：205-219.

[19]閆慧敏，曹明奎，劉紀遠，等. 基于多時相遙感信息的中國農業種植制度空間格局研究[J]. 農業工程學報，2005，21（4）：85-90.

[20]李 卓，劉淑亮，孫然好，等. 黃淮海地區耕地復種指數的時空格局演變[J]. 生態學報，2018，38（12）：4454-4460.

[21]蔣 敏，李秀彬，辛良杰，等. 南方水稻復種指數變化對國家糧食產能的影響及其政策啟示[J]. 地理學報，2019，74（1）：32-43.