全球粮食贸易网络格局及其影响因素

doi:10.31497/zrzyxb.20210615

摘要/Abstract

摘要：

基于复杂网络分析方法,构建了小麦、水稻、玉米三大主粮的全球粮食贸易网络,解析了网络格局的总体特征及其变化态势,定量评估了全球粮食贸易网络格局影响因素。研究发现：全球粮食贸易已经成为一个复杂有序、相互依赖的网络系统,网络规模不断增加,连同性和紧密度不断加强;全球粮食贸易网络节点呈现非均衡结构特征,高强度和高节点度国家在网络中具有主导作用,呈现出口国主导的网络结构特征;经济社会发展差异性、贸易政策的一致性和语言文化邻近性对粮食贸易网络影响显著,经济社会发展差异推动贸易网络联系更加紧密且多元化,贸易政策的一致性促进贸易网络更加持续和稳健。建议中国继续实施更加多元化、多边化的粮食贸易政策,提升中国在世界粮食网络节点的中心性特征,充分利用国内国际两个市场,融入全球粮食贸易网络体系,积极推动构建全球粮食安全命运共同体。

关键词: 全球粮食贸易网络, 网络格局演化, 影响因素, QAP分析

Abstract:

Based on the complex network analysis, this paper constructs the global grain trade network of wheat, rice and corn. The study analyzes the overall characteristics and changing trends of the network pattern, and quantitatively evaluates the influencing factors of the network pattern of global grain trade. The result shows that: Firstly, the global food trade network has become a complex, orderly and interdependent network system. The network scale is increasing, and the degree of connectivity and tightness are strengthening continuously. Secondly, the nodes of the global food trade network show the characteristics of disequilibrium structure. And countries with high strength and high node degree play a leading role in the network, showing the characteristics of network structure dominated by exporting countries. Thirdly, economic and social differences, consistency of trade policies, linguistic and cultural proximity have significant effects on food trade networks. Economic and social differences have driven trade networks to become more interconnected and diversified. Consistency in trade policy contributes to a more sustainable and robust trade network. Therefore, it is suggested that China implement a more diversified and multilateralized grain trade policy. China should strengthen and enhance its centrality among nodes of the global food network, fully integrate into the global food trade network, and promote the building of a global community of shared future for food security.

Key words: global grain trade network, evolution of network pattern, influencing factor, QAP analysis

王介勇, 戴纯, 周墨竹, 刘正佳. 全球粮食贸易网络格局及其影响因素[J]. 自然资源学报, 2021, 36(6): 1545-1556.

WANG Jie-yong, DAI Chun, ZHOU Mo-zhu, LIU Zheng-jia. Research on global grain trade network pattern and its influencing factors[J]. JOURNAL OF NATURAL RESOURCES, 2021, 36(6): 1545-1556.

图/表 7

图1

图2

图3

图4

表1

表2

表3

参考文献 21

[1]	GODFRAY H C J, BEDDINGTON J R, CRUTE I R, et al. Food security: The challenge of feeding 9 billion people. Science, 2010,327(5967):812-818. doi: 10.1126/science.1185383
[2]	ROSEGRANT M W, CLINE S A. Global food security: Challenges and policies. Science, 2003,302(5652):1917-1919. doi: 10.1126/science.1092958
[3]	刘彦随, 吴传钧. 中国水土资源态势与可持续食物安全. 自然资源学报, 2002,17(3):270-275.
	[ LIU Y S, WU C J. Situation of land-water resources and analysis of sustainable food security in China. Journal of Natural Resources, 2002,17(3):270-275.]
[4]	PUMA M J, BOSE S, CHON S Y, et al. Assessing the evolving fragility of the global food system. Environmental Research Letters, 2015,10(2):24007. doi: 10.1088/1748-9326/10/2/024007
[5]	D'ODORICO P, CARR J A, LAIO F, et al. Feeding humanity through global food trade. Earth's Future, 2014,2(9):458-469.
[6]	PORKKA M, KUMMU M, SIEBERT S, et al. From food insufficiency towards trade dependency: A historical analysis of global food availability. PloS One, 2013,8(12):e82714, Doi: 10.1371/journal.pone.0082714. doi: 10.1371/journal.pone.0082714
[7]	封志明, 赵霞, 杨艳昭. 近50年全球粮食贸易的时空格局与地域差异. 资源科学, 2010,32(1):2-10.
	[ FENG Z M, ZHAO X, YANG Y Z. Evolutionary trends of world cereal trade in recent 50 years from a view of spatial-temporal patterns and regional differences. Resources Science, 2010,32(1):2-10.]
[8]	SCOTT J. Social network analysis. Sociology, 1988,22(1):109-127. doi: 10.1177/0038038588022001007
[9]	AN H, ZHONG W, CHEN Y, et al. Features and evolution of international crude oil trade relationships: A trading-based network analysis. Energy, 2014,74:254-259. doi: 10.1016/j.energy.2014.06.095
[10]	JIANG M, AN H, GUAN Q, et al. Global embodied mineral flow between industrial sectors: A network perspective. Resources Policy, 2018,58:192-201. doi: 10.1016/j.resourpol.2018.05.006
[11]	KONAR M, DALIN C, SUWEIS S, et al. Water for food: The global virtual water trade network. Water Resources Research, 2011,47(5), Doi: 10.1029/2010WR010307. doi: 10.1029/2010WR010307
[12]	周墨竹, 王介勇. 基于复杂网络的全球稻米贸易格局演化及其启示. 自然资源学报, 2020,35(5):1055-1067.
	[ ZHOU M Z, WANG J Y. Implications from pattern and evolution of global rice trade: A complex network analysis. Journal of Natural Resources, 2020,35(5):1055-1067.]
[13]	FAIR K R, BAUCH C T, ANAND M. Dynamics of the global wheat trade network and resilience to shocks. Scientific Reports, 2017,7(1):1-14. doi: 10.1038/s41598-016-0028-x
[14]	WU F, GUCLU H. Global maize trade and food security: Implications from a social network model. Risk Analysis, 2013,33(12):2168-2178. doi: 10.1111/risa.2013.33.issue-12
[15]	SUN J, MOONEY H, WU W, et al. Importing food damages domestic environment: Evidence from global soybean trade. Proceedings of the National Academy of Sciences, 2018,115(21):5415-5419.
[16]	DEKKER D, FRANSES P H, KRACKHARDT D. An equilibrium-correction model for dynamic network data. Journal of Mathematical Sociology, 2003,27(2-3):193-215. doi: 10.1080/00222500305893
[17]	刘军. QAP: 测量“关系”之间关系的一种方法. 社会, 2007, (4):164-174.
	[ LIU J. QAP: A method of measuring the relationship between "relationships". Society, 2007, (4):164-174.]
[18]	袁红林, 辛娜. 中国高端制造业的全球贸易网络格局及其影响因素分析. 经济地理, 2019,39(6):108-117.
	[ YUAN H L, XIN N. Global trade network pattern and influencing factors of advanced manufacturing in China. Economic Geography, 2019,39(6):108-117.]
[19]	杨文龙, 杜德斌, 马亚华, 等. “一带一路”沿线国家贸易网络空间结构与邻近性. 地理研究, 2018,37(11):2218-2235. doi: 10.11821/dlyj201811008
	[ YANG W L, DU D B, MA Y H, et al. Network structure and proximity of the trade network in the Belt and Road region. Geographical Research, 2018,37(11):2218-2235.]
[20]	王俊, 夏杰长. 中国省域旅游经济空间网络结构及其影响因素研究: 基于QAP方法的考察. 旅游学刊, 2018,33(9):13-25.
	[ WANG J, XIA J C. Study on the spatial network structure of the tourism economy in China and its influencing factors: Investigation of QAP method. Tourism Tribune, 2018,33(9):13-25.]
[21]	汪小帆, 李翔, 陈关荣. 复杂网络理论及其应用. 北京: 清华大学出版社, 2006.
	[ WANG X F, LI X, CHEN G R. Complex Networks Theory and Applications. Beijing: Tsinghua University Press, 2006.]

排名	入强度				出强度
排名	1994年		2016年		1994年		2016年
1	日本	0.22	日本	0.21	美国	0.57	美国	0.78
2	中国	0.11	埃及	0.20	法国	0.19	乌克兰	0.32
3	韩国	0.10	墨西哥	0.20	加拿大	0.17	阿根廷	0.28
4	意大利	0.07	韩国	0.15	阿根廷	0.09	俄罗斯	0.26
5	埃及	0.06	西班牙	0.13	中国	0.09	法国	0.25
6	中国台湾	0.06	印度尼西亚	0.13	澳大利亚	0.06	加拿大	0.21
7	巴西	0.06	阿尔及利亚	0.12	英国	0.03	巴西	0.19
8	南非	0.04	意大利	0.12	德国	0.03	澳大利亚	0.14
9	荷兰	0.04	巴西	0.11	泰国	0.03	德国	0.10
10	阿尔及利亚	0.03	中国	0.10	沙特阿拉伯	0.01	印度	0.09

变量名称	变量含义	计算方法及说明	数据来源
GDP	国民生产总值	i和j国家间经济发展水平差值网络/美元	世界银行数据库（WDI）
EMP	农业就业人口比例	i和j国家间农业就业人口百分比差值网络	世界银行数据库（WDI）
CPI	消费者价格指数	i和j国家间消费者价格指数差值网络	世界银行数据库（WDI）
URBAN	城镇化率	i和j国家间城镇化率差值网络	世界银行数据库（WDI）
WATER	人均淡水资源	i和j国家间人均淡水资源差值网络/m³	世界银行数据库（WDI）
LAND	人均耕地面积	i和j国家间人均耕地面积差值网络/hm²	世界银行数据库（WDI）
TARIFF	关税税率	i和j国家间关税税率差值网络	世界银行数据库（WDI）
DISTCAP	国家间地理距离	i和j国家首都间地理距离网络/km	法国CEPII-Geography
TRANS	班轮运输指数	i和j国家间班轮运输指数差值网络	世界银行数据库（WDI）
LANG	语言临近性	i和j国家使用共同官方语言计为1,否则为0	法国CEPII-Geography
GEI	政治稳定性指数	i和j国家间政治稳定性指数差值网络	世界政治治理指标（WGI）数据库
GSI	政府效能指数	i和j国家间政府效能指数差值网络	世界政治治理指标（WGI）数据库

变量	标准化回归系数
变量	1994年	2006年	2016年
GDP	0.1108^**	0.0855^*	0.1231^**
EMP	-0.1257^*	0.0185	-0.1166^*
CPI	-0.0262	-0.0346	0.1084^*
URBAN	0.1236^*	0.0318	0.0688
WATER	0.0665	0.061	0.039
LAND	0.0307	-0.0243	0.0018
TARIFF	—	—	-0.1732^***
DISTCAP	0.054	0.0772^*	0.0852^*
TRANS	—	0.1002^*	-0.0116
LANG	0.035	0.0363	0.1074^**
GEI	0.0987^*	0.0379	-0.0879
GSI	-0.097	-0.1291^*	0.0085
R²	0.252	0.237	0.387