EN中文

JOURNAL OF NATURAL RESOURCES >

2025 , Vol. 40 >Issue 3: 728 - 749

DOI: https://doi.org/10.31497/zrzyxb.20250310

Regular Articles

The spatial reconstruction process and driving mechanism of China's grain production capacity since the 21st century

  • CHANG Xiao-dong , 1 ,
  • WANG Shi-jun , 1, 2, 3 ,
  • YANG Zhi-peng 4 ,
  • QIN Meng-ze 1 ,
  • MENG Xin-jie 1 ,
  • WANG Si-qi 1 ,
  • LI Ke 5
Expand
  • 1. School of Geographical Sciences, Northeast Normal University, Changchun 130024, China
  • 2. Key Laboratory of Geographical Processes and Ecological Security of Changbai Mountains, Ministry of Education, Northeast Normal University, Changchun 130024, China
  • 3. Institute for Northeast China Research, Northeast Normal University, Changchun 130024, China
  • 4. School of Geographical Sciences, Hebei Normal University, Shijiazhuang 050024, China
  • 5. Tianjin University of Finance and Economics Pearl River College, Tianjin 301811, China

Received date: 2024-04-22

  Revised date: 2024-07-22

  Online published: 2025-02-21

Fold

Abstract

Grain production capacity is the first essential to ensure food security. Since the beginning of the 21st century, with the rapid urbanization process and significant climate change, China's grain production capacity has undergone a significant spatial reconstruction process. Based on the long-term multi-source provincial panel data from 2000 to 2022, this paper deconstructs the spatial reconstruction process of China's grain production capacity, identifies the dominant driving factors and key driving mechanisms, in order to provide scientific reference for China's food security and the United Nations Sustainable Development Goals. The results show that: (1) China's grain production capacity shows spatial and temporal significance and complexity in terms of production quantity, production potential and production structure. (2) The spatial center of gravity of the grain production quantity shifted from Southern Henan to Northern Henan and Southern Hebei. (3) The spatial autocorrelation and spatial stratification heterogeneity of the spatial distribution of production capacity are significant and increasing. The expansion and reduction of inter-provincial differences in production capacity coexist, and the primary distribution characteristics are not prominent and continue to weaken. (4) There are dimensional heterogeneity in the driving factors of production quantity, production potential and production structure. The two main controlling factors of climate change and urbanization are changing in the process of spatial reconstruction of grain production capacity. Climate change is dominant in the early stage and urbanization is dominant in the later stage. (5) Under the coupling of urbanization and climate change, the nonlinear spatial reconstruction process of grain production capacity occurs at three levels of production quantity, production structure and production potential. (6) Agricultural policies can directly inhibit excessive "non-grain" and "non-agricultural" transformation by ensuring agricultural land input and increasing agricultural economic benefits, thereby regulating production structure, ensuring production quantity and improving grain production capacity.

Key words： China; grain production capacity; spatial reconstruction; driving mechanism; urbanization; climate change

Cite this article

CHANG Xiao-dong , WANG Shi-jun , YANG Zhi-peng , QIN Meng-ze , MENG Xin-jie , WANG Si-qi , LI Ke . The spatial reconstruction process and driving mechanism of China's grain production capacity since the 21st century[J]. JOURNAL OF NATURAL RESOURCES, 2025 , 40(3) : 728 -749 . DOI: 10.31497/zrzyxb.20250310

作为超大陆型发展中国家，中国粮食生产活动依据资源环境本底和经济社会发展条件呈现出一定的空间分布和区域分工[1]，由此粮食生产能力必然具有一定的空间结构。回顾近四十年的“中国奇迹”，在前二十年粮食生产的空间结构基本保持稳态，核心原因在于20世纪80年代初期中国工业化、城镇化的中低速发展。直到进入21世纪，伴随快速城镇化进程以及全球气候变化的冲击，中国粮食生产的空间结构才发生显著的重构过程[2,3]。一方面，作为典型的发展中国家，通过四十多年改革开放战略创造了“中国奇迹”[4]，在高速增长的背后也诱发了以粮食生产为代表的农业生产领域的剧烈重构。另一方面，作为农业大国与超大陆型国家，中国粮食生产对全球气候变化响应明显[5]。因此，21世纪以来中国粮食生产能力的空间重构过程具有鲜明的时代特征，是人地系统核心要素剧烈重构背景下粮食生产系统重构的典型区域案例[6]。
中国粮食生产能力及其时空演变获得了学者的广泛关注，主要研究进展可概况为以下三个方面：（1）对粮食生产能力水平的测度，可分为单一指标法[3,7]和综合指标法[8,9]两种方法。单一指标法认为粮食生产能力的内涵是粮食生产总量水平，综合指标法则认为粮食生产能力不仅局限于粮食生产总量，也包括生产结构、劳动力数量、土地投入、农业技术投入等诸多方面，特别是对非粮化水平的关注[10]。此外，也有学者[11,12]强调要关注一定土壤条件和气候条件下的潜力水平。（2）对粮食生产能力的时空演变研究，主要基于重心—标准差椭圆、空间自相关、基尼系数等方法探讨了粮食生产宏观格局、集聚特征及其区域差异，“北粮南运”格局愈发凸显，粮食生产空间集聚与区域差异持续增大[3,13]。（3）对粮食生产能力影响因素与驱动机制的研究，在影响因素方面更多聚焦粮食生产的投入要素与外部环境，主要包括气温、降水、光照、坡度、土壤、农业灾害等自然因素及劳动力、土地、技术、设施等经济社会因素，在驱动机制方面概括为气候变化和城镇化两大机制[14,15]。
当前，学者们对粮食生产能力的理解尚未达成共识，任何单一指标似乎都不能有效表达粮食生产能力这一综合命题，综合指数法也带来了一定的混淆性[7]，相关概念有待进一步厘清，粮食生产能力测度及其时空演变由于概念界定也存在一定局限。更为重要的是，中国已经历了21世纪以来快速城镇化和气候变化的冲击，学界对粮食生产能力复杂空间重构过程和驱动机制的关注和探讨有待进一步深入，然而大多研究仅停留于格局刻画、时空演变与影响因素分析，格局刻画与时空间演变的时效性有待更新，影响因素选取存在对农业政策变量的遗漏，在部分机制探讨研究中尽管关注到了气候变化与城镇化两大因素，但鲜有结合二者进行机制分析[2,3,8,14,15]。基于此，本文主要探讨：如何科学理解粮食生产能力?21世纪以来中国粮食生产能力具有怎样的空间重构过程特征?驱动这种重构过程的核心因素和作用机制到底是什么?通过以上研究，以期为保障中国粮食安全和服务联合国可持续发展目标决策提供研究支撑。

1 理论分析

1.1 粮食生产能力及其空间重构

粮食生产能力是在一定时期、一定经济社会条件和自然环境条件下，基于一定劳动力、土地、资本、技术等要素投入下粮食生产系统的产出水平，也是表征粮食生产系统韧性的核心指标之一[9,16]。此前学者对粮食生产能力进行了较多实证研究，单一指标法测度粮食生产能力虽然简单但忽略了粮食生产系统的多维复杂内涵，综合指标法往往可能存在投入要素与产出要素的因果混淆和模糊化问题 ① 。因此，本文认为粮食生产能力主要涉及生产总量、生产潜力和生产结构三大核心代表性指标。其中生产总量是粮食生产能力的规模性指标，也是共识性指标，参考前人[3,7]的研究选取了粮食作物生产总量来进行衡量。生产潜力是粮食生产能力的质量性指标，特别在耕地资源总量受约束条件下生产潜力愈发重要。此前学者[12]多从投入侧计算粮食生产潜力，包括土地质量、土壤类型、气候因子条件等，事实上也可选取单产水平从产出侧计算粮食生产潜力在当期的表现[8,17]，相较于前人方法一方面更加简洁实用，另一方面可表示多种环境因子综合作用下的粮食生产潜力表现水平。生产结构是粮食生产能力的结构性指标，此前学者更多定义为粮食生产系统的内部性结构，即粮食产出产品的专业化与多样化[18]。但粮食生产也存在外部性结构变量，其对粮食生产能力的意义在近年来快速城镇化与乡村产业重构的背景下远大于内部结构性变量，本文参考张婕等[10]的研究，关注粮食生产系统相对于农业种植系统的外部性结构变量——非粮化水平。
粮食生产能力空间重构是指粮食生产系统产出水平伴随外界自然和人文环境剧烈变化而在地理空间上呈现出分布特征、集聚模式、分异特征和区域差异等方面发生系统性、结构性的显著变迁过程，具体表现为生产总量、生产潜力和生产结构等方面的重构过程在地理空间的映射。其中分布特征指代地理要素在空间上的分布数量、属性、位置等描述性统计信息[19]；集聚模式是探索性空间数据分析中对地理要素空间相关性和区域热点的一种探测，即Global SAC（Spatial Autocorrelation）与Local SAC[20]；分异特征是指地理要素在一定空间单元划分下所呈现出的差异性，又称为空间分层异质性 ② （SSH），这种差异性往往由地理要素本身的分布模式和空间划分方法决定[21]；区域差异特征是指代不同区域所含地理要素的绝对规模差异，近年来以基尼系数[22]、泰尔指数[23]等为代表的大量区域经济学指数不断被融入地理空间数据分析中。

1.2 粮食生产能力空间重构的驱动因素

粮食生产作为存在于地理空间的一种实体化、系统化活动，其发展演变乃至重构必然受到区域地理本性的影响。根据地理本性理论，粮食生产能力空间重构的驱动因素可划分为第一地理本性因素和第二地理本性因素[24]。一方面，粮食生产是一种对自然地理环境高度依赖的生产活动，特别受到气温、降水、光照、坡度、土壤、农业灾害等自然因素的直接影响[14,25,26]；另一方面，粮食生产受到了人类活动子系统的强烈干扰和反馈，工业化、城镇化等进程对粮食生产系统中的劳动力、土地、技术、设施要素投入数量、质量、结构影响深刻[27⇓-29]，同时对系统外部政策、市场环境产生了复杂影响[30,31]。此外，人类活动子系统的剧烈演变催化了自然地理系统的演变进程，并逐步引发了全球气候变化，由此二者协同演化必然引发粮食生产能力发生空间重构（图1）[32]。
图1 粮食生产能力空间重构内涵及驱动因素

Fig. 1 The connotation and driving factors of spatial reconstruction of grain production capacity

值得关注的是，以气候变化为代表的第一地理本性因素系统与以城镇化为代表的第二地理本性因素系统客观上存在复杂性，由此必然带来中国粮食生产能力对两大系统响应的复杂性，直观表现为时空异质性。一方面，气候变化、城镇化均具有一定的时间过程，其中典型气候变化凸显于1990s末，而快速城镇化进程肇自21世纪初，因此有学者[33]发现21世纪第一个10年气候变化对中国粮食生产影响较大，而第二个10年则主要来自城镇化进程。另一方面，作为超大陆型国家，中国的气候变化与城镇化的空间分异性（SSH）显著，由此对各个地区粮食生产的影响必然存在差异性[14,15]。

2 研究方法与数据来源

2.1 变量选取与数据来源

本文选取生产总量、生产潜力和生产结构三大核心代表性变量科学反映粮食生产能力。其中生产总量选择粮食生产总量来测度，生产潜力选择产出侧的单产水平指标来测度，生产结构选择外部结构变量非粮食播种面积占农作物播种面积比例来测度。关于驱动因素的选取，按照第一地理本性因素选择积温、日照、降水、农业灾害等变量 ③ ，从第二地理本性因素中选择城镇化、农业劳动力、农业土地投入、农业技术、农业设施、农业经济收益、农业政策等变量。具体变量选取、选取依据及其测度方法见表1。
表1 变量选取及其描述性统计

Table 1 Variable selection and descriptive statistics

变量
分类		 变量
名称		 选取依据 测度指标 变量
编码		 数据来源
被解释变量 生产
总量		 生产总量是粮食生产能力的规模性指标，参考杜蓉等[3]、余文涛等[7]的研究选取粮食作物生产总量来进行衡量 粮食产量/万t y1 中国统计年鉴、国家统计局官网、各省统计
年鉴
生产
潜力		 生产潜力是粮食生产能力的质量性指标，参考辛岭等[8]、刘洛等[17]的研究选取单位面积粮食产出水平进行衡量 单位面积粮食产量
/(t/hm2)		 y2
生产
结构		 生产结构是粮食生产能力的结构性指标，特别在城镇化
背景下，参考张婕等[10]的研究选取非粮化作为外部性结
构变量进行衡量		 非粮食作物播种面积
占比		 y3
解释
变量		 城镇化 城镇化是影响粮食生产能力的重要驱动因素[15,27] 人口城镇化率 x1
气候
条件		 气候变化显著改变了中国粮食生产的气候条件进而影响
粮食生产能力，主要包括积温、日照、降水三大气候条
件因子[14,25,26]		 年均积温/℃ x2 欧盟及
欧洲中期天气预报中心
年均日照时长/h x3
年均降水量/mm x4
农业
技术		 农业技术是进行粮食生产活动的科技支撑，可缓解其他
要素的相对不足并提高农业生产效率，主要包括化肥以
及农业机械[14]		 化肥用量/万t x5 中国统计年鉴、国家统计局官网、各省统计
年鉴
农业机械总动力/万kW x6
农业
设施		 农业设施是进行粮食生产活动的重要硬件支撑，特别是
灌溉设施对农业生产作用巨大[34]		 有效灌溉面积/千hm2 x7
水库容量/亿m3 x8
农业
土地
投入		 土地资源是粮食生产活动的必需要素，保障土地投入是
提高粮食生产能力的重要路径，参考杜蓉等[3]、卢新海等[9]的研究，主要从播种面积上关注对全部农作物的土
地投入水平和对粮食作物的土地投入水平		 农作物播种面积/千hm2 x9
粮食作物播种面积
/千hm2		 x10
农业
灾害		 近年来气候变化一方面改变了粮食生产的气候条件，另
一方面也诱发了诸多农业灾害，对粮食生产能力造成了
一定威胁[26]		 农业受灾面积/千hm2 x11
除涝面积/千hm2 x12
农业
经济
收益		 农业经济收益决定了农民的粮食生产意愿和生计策略，
是粮食生产的微观驱动因素[31]		 农业产值占农林牧渔
业比例		 x13
人均农业产值/万元 x14
农业劳动力 农业劳动力是粮食生产的另一必需要素，近年来快速城
镇化背景下农业劳动力数量的锐减对粮食生产产生了一
定威胁[15,29]		 第一产业就业人员/万人 x15
第一产业就业人员占比 x16
农业
政策 ⑤ 		农业政策是农业生产活动的重要政策指引，参考苏芳等[14]、罗海平等[35]的研究，粮食直接补贴及取消农业税、永久基本农田是21世纪以来中国代表性的农业政策 粮食直接补贴及取消农业税政策 x17 —
永久基本农田政策 x18 —
本文以中国31个省（自治区、直辖市）为研究单元（由于数据缺失原因并未包含中国香港、澳门、台湾），研究时段为2000—2022年。农业灾害、城镇化、农业劳动力、农业土地投入、农业技术、农业设施、农业经济收益等统计数据整理自《中国统计年鉴》以及各省份统计年鉴、国家统计局官网（https://data.stats.gov.cn/easyquery.htm?cn=C01），部分缺失数据用线性插值法补齐。气温、降水和光照时长的原始数据来源于欧盟及欧洲中期天气预报中心等组织发布的ERA5-Land数据集 ④ 。由于得到的原始数据为逐月的平均栅格数据，因此进行了以下处理：基于原始的逐月栅格，利用ArcGIS 10.2栅格计算工具计算得到了逐年平均栅格数据；同理对每个省（自治区、直辖市）的栅格值进行了求平均数处理，分别得到省域年均积温、年均日照时长和年均降水量面板数据。

2.2 研究方法

2.2.1 重心—标准差椭圆

重心—标准差椭圆方法主要用于揭示社会经济、自然环境等要素空间格局特征及其演变规律的空间统计方法[36]。本文通过标准差椭圆的中心、长轴、短轴、转角等基本参数，从全局、空间角度描述粮食生产能力的空间分布特征及其时空演变过程。

2.2.2 全局—局部空间自相关

地理数据往往具有SAC性质，SAC也是探索性空间数据分析的常用方法之一[20]。本文采用全局和局部Moran's I指数来分析粮食生产能力的空间集聚特征和集聚模式。

2.2.3 地理探测器

地理探测器是测度地理要素空间分层异质性及进行空间因果推断的重要工具之一[19⇓-21]。具体计算公式如下：
q = 1 - ∑ h = 1 S N h σ h 2 N σ 2
S = f L ,   P ,   Y 或 S = f L ,   P ,   X
式中：h=1, 2, …, S为变量Y或者X的分层（分区、分类），主要涉及三个参数，分层数量L、分层形式P以及分层变量Y；Nh和N分别为分层h和总体的研究样本（单元）数目（个）； σ h 2和 σ 2分别为变量Y在h层内和全区的方差。若分层由变量Y自身确定，则q值反映了变量Y的空间分层异质性程度；若分层由变量X自身确定，则q值反映了变量X的对变量Y的解释程度。q的值域为 [0,1]，若q值越大则变量Y的空间分异性越大或变量X对变量Y的解释程度越大，若q值越小则变量Y的空间分异性越小或变量X对变量Y的解释程度越小。

2.2.4 基尼系数与首位度

基尼系数是国际通用的测度不平等不均衡的指数，在地理数据分析中可作为反映一组地理数据绝对差异的指数，即全局空间异质性。首位度最初由美国城市地理学者杰裴逊[37]于1939年提出，尔后扩展至一般的地理数据分析中，首位度指数是一组地理数据第一位数值与第二位数值之比，是反映地理数据局部差异特征的代表性指标。具体计算公式如下：
G = ∑ t = 1 n ∑ r = 1 n | y t - y r | / 2 Y - n 2
参考罗海平等[13]的研究，使用基尼系数来测算中国粮食生产能力的总体区域差异特征。G为粮食生产能力的基尼系数；n为省份数量（个）； Y -表示2000—2022年粮食产量的均值（万t）；t、r分别表示不同省份； y t、 y r分别表示t省份、r省份的粮食产量（万t）。
P = M 1 / M 2
参考张城铭等[38]的研究可使用首位度来测算中国粮食生产能力的首位特征。P为首位度指数； M 1为排序第一位省份的粮食生产能力； M 2为排序第二位省份的粮食生产能力。根据经验，理想的首位度应该为2。若 1 < P ≤ 2，说明首位分布不显著； 2 < P ≤ 4，为中度首位分布；P>4，为高度首位分布。

3 结果分析

3.1 中国粮食生产能力的空间重构过程

3.1.1 空间分布演变特征

（1）生产总量重心长期位于中原地区，整体从豫南向豫北、冀南转移
从重心位置来看，绝大部分年份重心位于河南省境内，只有2019年、2021年和2022年三年的重心位于河北省邯郸市，虽然存在跨省转移，但属于粮食主产区内部的迁移。从移动方向来看，重心位置呈现由西南向东北方向的转移趋势，位移大约298 km，横跨了许昌、郑州、新乡、鹤壁、安阳、邯郸6个地级市（图2），这与前人[13,15]相关粮食作物生产重心“南退北进”的研究结论基本相吻合。从移动距离和速度来看，2000—2011年重心以22 km/年的速度位移大约241 km，而2012—2022年仅以5 km/年的速度位移大约57 km。结合省域粮食生产数据来看，黑龙江省等东北地区粮食生产总量相较于2000年显著提升，增幅为5218万t，粮食生产总量全国第一，与粮食生产大省河南省形成两极格局，西藏自治区、青海省等西部偏远地区以及上海市、北京市、浙江省等经济发达地区年均粮食产量长期处于较低水平，22年间粮食生产总量格局呈现出从单核心边缘到双核心边缘的空间演变。
图2 2000—2022年中国粮食生产总量重心及标准差椭圆

注：本图基于自然资源部标准地图服务系统下载的标准地图制作，底图无修改，下同。

Fig. 2 The center of gravity and standard deviation ellipse of China's grain production quantity from 2000 to 2022

（2）生产潜力和生产结构重心位置相对稳定
粮食生产潜力和生产结构与粮食生产总量重心显著空间迁移形成鲜明对比，二者的空间位移总量和速度相对较小，重心位置相对稳定。结合省域单产数据来看，各省粮食单产水平均显著提升且差距逐渐缩小，在空间演变上呈现出两极格局，即新疆维吾尔自治区（39.58% ⑥ ）、甘肃省（83.76%）、宁夏回族自治区（73.39%）、内蒙古自治区（100.41%）等西部地区和天津市（89.67%）、辽宁省（74.93%）、吉林省（65.10%）、黑龙江省（63.10%）等东部、东北地区单产水平均显著提升，由此生产潜力重心22年间仅横跨南阳、洛阳二市，位移了大约94 km（图3）。结合省域非粮化数据来看，各省非粮化水平演变的极化趋势显著，广东省（42.54%）、浙江省（40.75%）等东部地区伴随城镇化进程其非粮化水平快速提升，广西壮族自治区（31.92%）、贵州省（45.78%）等边远地区则结合自身区域资源禀赋大力发展高附加值经济农作物，北方地区除北京（43.13%）外其余省（自治区）非粮化水平均负增长。由此生产结构重心整体上从豫南地区的南阳市向鄂西地区的十堰市转移，22年间位移了大约207 km（图4）。同时值得注意的是，粮食生产能力的三大代表性变量初期重心均位于豫南地区，三大指标具有一定的空间一致性，特别是生产潜力和生产结构的初始重心位置高度重合。综合重心与标准差椭圆参数变化（表2），中国粮食生产能力空间重构过程的复杂性在空间分布上得到了初步验证。
图3 2000—2022年中国粮食生产潜力重心及标准差椭圆

Fig. 3 The center of gravity and standard deviation ellipse of China's grain production potential from 2000 to 2022

图4 2000—2022年中国粮食生产结构重心及标准差椭圆

Fig. 4 The center of gravity and standard deviation ellipse of China's grain production structure from 2000 to 2022

表2 中国粮食生产能力标准差椭圆参数（2000年、2011年、2022年）

Table 2 Standard deviation ellipse parameters of China's grain production capacity (2000, 2011, 2022)

指标 年份 重心坐标 长半轴/km 短半轴/km 转角θ/(°)
生产总量 2000 113.39°E, 33.74°N 1158.52 778.17 32.77
2011 114.33°E, 35.70°N 1271.00 796.81 32.82
2022 114.46°E, 36.20°N 1279.17 805.61 33.66
生产潜力 2000 111.81°E, 33.61°N 1210.77 1058.27 78.46
2011 111.98°E, 34.67°N 1231.85 1075.87 72.12
2022 112.03°E, 34.43°N 1214.60 1075.73 67.84
生产结构 2000 110.91°E, 33.29°N 1218.33 1054.38 110.87
2011 110.12°E, 32.42°N 1237.19 999.69 113.30
2022 109.43°E, 32.16°N 1267.77 979.83 116.15

3.1.2 空间集聚模式演变特征

（1）全局粮食生产能力的集聚与分散并存
中国省域粮食生产总量的空间集聚特征显著且不断加强，经历了两次空间集聚过程（表3）。2000—2022年间中国粮食产量的全局Moran's I指数均>0，且P值除了2000年以外均通过了5%的显著性水平，表明过去20多年间中国省域粮食生产总体存在显著空间正相关，粮食生产水平相似地区在空间上集聚分布。从时间序列来看，2000—2006年为第一次空间集聚期，全局Moran's I指数呈现波动增加趋势，在2006—2009年基本保持不变。2009—2016年为第二次空间集聚期，全局Moran's I指数又呈现波动增加，主要是因为此时东北地区粮食生产能力获得明显强化，局部莫兰指数也显示黑龙江省、吉林省的粮食产量在这一时段出现了“HH”集聚现象，此后Moran's I指数一直稳定在0.3左右。
表3 2000—2022年中国粮食生产能力全局空间自相关分析

Table 3 Global spatial autocorrelation analysis of China's grain production capacity from 2000 to 2022

年份 生产总量 生产潜力 生产结构
Moran's I Z(I) P Moran's I Z(I) P Moran's I Z(I) P
2000 0.196 1.953 0.051 0.380 3.507 0.000 0.228 2.229 0.026
2001 0.220 2.159 0.031 0.424 3.917 0.000 0.317 2.980 0.003
2002 0.212 2.085 0.037 0.345 3.213 0.001 0.321 3.013 0.003
2003 0.212 2.079 0.038 0.220 2.134 0.033 0.312 2.947 0.003
2004 0.239 2.315 0.021 0.285 2.688 0.007 0.317 2.993 0.003
2005 0.237 2.307 0.021 0.185 1.836 0.066 0.321 3.031 0.002
2006 0.262 2.537 0.011 0.277 2.608 0.009 0.365 3.435 0.001
2007 0.252 2.454 0.014 0.308 2.866 0.004 0.365 3.389 0.001
2008 0.261 2.525 0.012 0.248 2.361 0.018 0.377 3.486 0.000
2009 0.229 2.256 0.024 0.270 2.555 0.011 0.450 4.101 0.000
2010 0.239 2.350 0.019 0.211 2.061 0.039 0.446 4.059 0.000
2011 0.257 2.509 0.012 0.195 1.933 0.053 0.450 4.098 0.000
2012 0.268 2.609 0.009 0.175 1.757 0.079 0.466 4.227 0.000
2013 0.279 2.712 0.007 0.130 1.399 0.162 0.467 4.237 0.000
2014 0.273 2.668 0.008 0.114 1.264 0.206 0.434 3.958 0.000
2015 0.285 2.768 0.006 0.107 1.208 0.227 0.424 3.868 0.000
2016 0.303 2.913 0.004 0.216 2.129 0.033 0.406 3.715 0.000
2017 0.303 2.914 0.004 0.244 2.364 0.018 0.381 3.503 0.000
2018 0.286 2.779 0.005 0.231 2.276 0.023 0.417 3.809 0.000
2019 0.300 2.892 0.004 0.235 2.300 0.021 0.418 3.815 0.000
2020 0.292 2.827 0.005 0.219 2.161 0.031 0.404 3.698 0.000
2021 0.300 2.898 0.004 0.220 2.166 0.030 0.422 3.848 0.000
2022 0.303 2.922 0.003 0.204 2.027 0.043 0.440 3.998 0.000
相较于生产总量，生产潜力的空间集聚特征更加突出且不断增强，也经历了两次空间集聚过程（表3），其时序演变过程与生产总量大致相似。由此表明中国粮食生产强省更加趋向于“扎堆出现”，且粮食生产强省相较于粮食生产大省的集聚趋势更加突出。与此形成鲜明对比的是生产结构的高度分散化趋势（表3），核心是由于在市场化与城镇化背景下较多省域非粮化水平均呈现一定程度的提升，根据数据显示2000—2022年间全国近60%的省域单元非粮化水平均显著提升，涉及东中西部多个省域单元。
（2）局部粮食生产能力“HH”与“LL”空间集聚模式显著
首先，生产总量“HH”集聚效应最显著（图5），该模式在2000—2022年中均有出现，集聚省域由2000年的河南省、山东省、安徽省三省到2011年新增黑龙江省，2013年新增吉林省，由此表明粮食生产集聚区存在逐渐由黄淮平原向东北平原扩散的趋势。“HL”模式只在2000—2005年间出现在四川省，说明四川省与周边区域粮食产量差异性不断减小。剖析原因，一方面是由于2004年后国家出台一系列的支农惠农政策，对四川省周边区域的粮食生产起到极大推动作用；另一方面是由于四川省城镇化进程比周边区域更快，结合中国省域城镇化的局部Moran's I指数分析发现四川省呈现出“HL”模式 ⑦ 。其次，粮食生产潜力也具有显著的“HH”集聚特征，上海市、江苏省作为东部地区传统的粮食产区，近年来尽管处于“非粮化”“非农化”的产业结构转型过程中，但其粮食单产始终保持较高水平。从时序变化看粮食生产潜力的集聚模式，甘肃省、陕西省、山西省、内蒙古自治区、宁夏回族自治区等中西部农业生产环境恶劣地区“LL”集聚格局逐渐瓦解以及新疆作为“HL”集聚的单产“黑马”出现，主要得益于近二十年全球气候变化及农业技术进步对原有恶劣生产环境的调节。最后，农业生产结构呈现出显著的“LL”集聚格局，覆盖地域范围由东北地区逐渐扩展至河北省、山西省等华北地区，生产结构集聚模式的变化也从侧面呼应了生产总量重心的不断北移，北方地区对中国粮食生产的贡献程度愈来愈大。
图5 2000—2022年中国粮食生产能力局部空间自相关分析

Fig. 5 Local spatial autocorrelation analysis of China's grain production capacity from 2000 to 2022

3.1.3 空间分异演变特征

（1）粮食生产能力的空间分异性在不同地理分区下存在显著差异 ⑧ [9,39]
经济分区和粮食功能分区下的粮食生产能力空间分异性存在显著差异 ⑨ 。从生产总量来看，经济分区下的空间分异性显著低于粮食功能分区，主要原因在于粮食功能区划的实施进一步明确了区域粮食生产的主体功能，而不同经济分区内部可能同时分布有主产区、产销平衡区和主销区。从生产潜力来看，空间分异性在两种分区下基本一致，这与前文粮食生产潜力的空间分散趋势和“LL”空间集聚模式的结论相互印证，农业技术进步拉平了不同经济分区、粮食功能分区内部的粮食生产潜力差异。从生产结构来看，经济分区下的空间分异性显著高于粮食功能分区，但二者的差距随时间不断减小。事实上，不同经济分区的经济社会发展特征差异较不同粮食功能分区更小，因此在具有相近经济发展水平和城镇化阶段的经济分区中同步发生相似的产业结构转型过程，由此具有较为相似的粮食生产结构特征。
（2）粮食生产能力的空间分异性持续增大
无论是经济分区还是粮食功能分区，生产总量、生产潜力、生产结构的空间分异性都在增大，其中以粮食功能分区下生产结构的空间分异性增大最为显著，由2000年0.117增至2022年的0.341，增幅比例高达190%，这表明不同经济分区以及粮食功能分区下区域间粮食生产能力差异的全方位扩大。一方面这种变化是积极的，对应了前面粮食生产能力空间集聚水平的提升和显著的“HH”集聚模式，区域粮食生产的主体功能特征愈发突出；另一方面这种变化也需要引起关注，特别是不同经济、粮食功能区域之间粮食生产潜力水平差异的扩大（图6）。
图6 中国粮食生产能力的空间分异性（2000年、2011年、2022年）

Fig. 6 Spatial stratified heterogeneity of China's grain production capacity (2000, 2011, 2022)

3.1.4 省域差异与极化过程演变特征

（1）粮食生产能力省际差异的扩大与减小并存
中国省域粮食生产总量极化特征显著且差异不断扩大（图7）。2000—2022年间，中国省域粮食产量极化过程存在三个明显阶段：第一阶段，2000—2003年基尼系数在0.407~0.420之间，且随时间逐渐减小，总体反映这一时期省域粮食生产地域差异并不明显，且离散程度在逐年增加，主要原因在于粮食生产大省的粮食产量的减少 ⑩ 。第二阶段，2004—2018年中国省域粮食生产基尼系数在0.419~0.485之间，基尼系数总体呈逐年增长的态势，表明在这一时期中国各省（自治区、直辖市）粮食产量地域差异特征愈发显著。主要原因是在2004年粮食补贴政策等一系列生产激励政策下，农户种粮积极性显著提高，特别促进了粮食生产大省的粮食增产。第三阶段，2019—2022年中国省域粮食生产基尼系数在0.484~0.487之间，基尼系数呈逐年减小的态势，表明在这一时期中国省域粮食生产的极化趋势弱化，呈现向多中心转变的趋势。究其原因在于2019年十八亿亩（1亩≈667 m2）永久基本农田的划定，使得用于粮食生产的优质土地资源被纳入严格监管体系。此外自2020年起，新型冠状病毒肺炎疫情对中国粮食生产产生了较大影响，自2004年以来的极化态势也被打断。
图7 2000—2022年中国粮食生产能力基尼系数与首位度演变

Fig. 7 Evolution of Gini coefficient and primacy index of China's grain production capacity from 2000 to 2022

相较于生产总量的省际差异，生产潜力和生产结构则相对较小（图7）。其中生产潜力的省际差异不断减小，主要得益于农业生产技术在全国范围内的不断普及，特别是对部分原有农业生产环境恶劣地区的调节作用显著[14]。而生产结构呈现出省际差异持续扩大的局面，核心在于保障粮食安全目标背景下中国粮食生产的主体功能不断突出，粮食主产区更多承担粮食生产职能，而主销区的粮食生产功能不断弱化，高水平城镇化与深度市场化背景驱动了这些地区农业生产结构的“非粮化”“非农化”转型 ⑪ 。
（2）粮食生产能力首位特征不突出且不断弱化
整体上，生产总量、生产潜力、生产结构三大首位度均低于参考值2，属于低首位分布，其中生产总量的首位特征明显大于生产潜力和生产结构，即粮食生产大省相较于粮食生产强省对中国粮食生产的贡献程度更加突出。结合时序过程来看，三大首位度均呈现周期性下降的趋势，对生产总量来说意味着粮食生产大省数目的增多和产出差异的减小，对生产潜力来说与全国省际总体差异下降的趋势保持一致，对生产结构来说意味着城镇化、市场化先发省（自治区、直辖市）“非粮化”“非农化”产业结构转型的同步推进。

3.2 中国粮食生产能力空间重构的驱动机制分析

3.2.1 驱动因素识别与初步分析

（1）驱动因素存在维度异质性和时间趋势性
基于地理本性论参考前人研究分别从第一地理本性因素以及第二地理本性因素选取若干潜在驱动因素（表1），对所选潜在解释变量x1~x16进行离散化处理，进而借助地理探测器中的因子探测进行粮食生产能力空间重构的驱动因素识别 ⑫ 。
从图8可以看出，所选变量均对粮食生产能力的空间重构过程影响显著，但存在粮食生产能力多维空间重构过程主导因素的差异性和主控因子的时间趋势性（图8）。对生产总量来说，其空间重构过程主要受到城镇化（x1）、气候条件（x2）、农业技术（x5、x6）、农业设施（x7、x8）、农业土地投入（x9、x10）、农业灾害（x11、x12）、农业劳动力（x15、x16）等方面驱动因素的影响；对生产潜力来说，其空间重构过程主要受到城镇化（x1）、气候条件（x2、x3、x4）、农业技术（x5、x6）、农业设施（x7）等方面驱动因素的影响；对生产结构来说，其空间重构过程主要受到城镇化（x1）、气候条件（x2、x3、x4）、农业土地投入（x10）、农业灾害（x11、x12）、农业经济收益（x14）等方面驱动因素的影响。结合上述主导因素分析可以识别出城镇化（x1）与气候条件（x2、x3、x4）两大主控因子，二者分别作为第二地理本性和第一地理本性的第一驱动力。对比不同时间截面生产总量、生产潜力和生产结构的驱动因素，气候条件的q值整体在2000—2011年较为显著，在2011—2022年解释力明显下降，城镇化的q值整体呈现波动上升。由此表明中国粮食生产能力的空间重构过程是在城镇化与气候变化力量的此消彼长下发生的，二者对粮食生产的影响具有典型的非线性特征，其中气候变化在早期发挥了主导作用，而在2011年以后，高速度、高水平的城镇化逐渐从全方位、多层次主导了这种空间重构过程。
图8 粮食生产能力空间重构的驱动因素分析

Fig. 8 Driving factors analysis of spatial reconstruction of grain production capacity

（2）政策因素存在一定显著性、时间滞后性与区域异质性
尽管已验证粮食生产能力受到气候变化与城镇化两大主控因子的影响，但中国粮食生产也具有典型的政策调控背景，特别是自2004年以来与粮食生产相关的“三农”问题获得了中国中央政府层面的高度重视[40]。鉴于表1中选取的x17、x18无法通过地理探测器进行因子探测，因此设计了如下面板模型，以初步检验政策因素对21世纪以来中国粮食生产能力空间重构过程的影响。
y i t = α x 17 , i t + β x 18 , i t + ∑ k = 1 16 γ k x k , i t + u i + λ t + ε i t
式中：被解释变量y分别为y1、y2、y3；核心解释变量 ⑬ 分别为x17（粮食直接补贴及取消农业税政策）、x18（永久基本农田政策），设定x1~x16为控制变量；ui为个体固定效应；λt为时间固定效应；εit为随机误差项。同时为考虑政策的时间异质性和区域异质性而分别对2000—2011年、2011—2022年以及不同粮食功能分区进行了回归分析 ⑭ 。
结合表4~表6的回归结果来看，农业政策调整对粮食生产能力空间重构过程的积极影响作用显著，表现为促进粮食生产总量的提升、生产潜力的改善以及对生产结构转型的适度调控。更进一步考察时间异质性，多个回归结果显示在两个时间段的积极效应并不显著而在整个研究时段显著，由此表明农业政策变动的粮食生产能力响应存在显著的时间滞后性与长期性。
表4 生产总量的政策因素分析

Table 4 Analysis of policy factors of production quantity

变量 总回归1 总回归2 2000—2011年 2011—2022年 主产区 主销区 产销
平衡区		 东部 中部 西部 东北
x17 0.057*** 0.005** 0.000 0.000 0.007 0.000 0.005** 0.002 0.015** 0.002 -0.033**
x18 0.036*** -0.002 0.000 0.001 -0.004 0.001* -0.005 -0.002 0.008 0.001 0.013
截距项 0.183*** -0.179*** -0.077 -0.093*** -0.176*** -0.015 -0.073*** -0.259*** -0.178* -0.156*** 0.008
N/个 713 713 372 341 299 161 253 230 138 276 69
r2 0.182 0.946 0.930 0.733 0.960 0.970 0.870 0.907 0.961 0.928 0.989
控制变量 不控制 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制
个体固定 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制
时间固定 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制
F 75.722 684.961 268.828 50.370 376.705 264.536 88.295 116.945 167.533 187.930 249.240

注：***代表P<0.01，**代表P<0.05，*代表P<0.1。下同。

表5 生产潜力的政策因素分析

Table 5 Analysis of policy factors of production potential

变量 总回归1 总回归2 2000—2011年 2011—2022年 主产区 主销区 产销
平衡区		 东部 中部 西部 东北
x17 0.135*** 0.048*** 0.013 0.052 0.037*** 0.031* 0.052*** 0.030** 0.028* 0.042*** -0.021
x18 0.090*** 0.017** 0.000 0.133 0.001 0.059*** 0.031* 0.046*** 0.005 0.026* 0.027
截距项 0.352*** -0.077 0.268 0.336*** 0.097 0.388 0.027 -0.220 0.523** -0.115 0.132
N/个 713 713 372 341 299 161 253 230 138 276 69
r2 0.492 0.730 0.652 0.268 0.821 0.748 0.773 0.720 0.877 0.797 0.853
控制变量 不控制 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制
个体固定 控制 控制 控制 随机效应 控制 控制 控制 控制 控制 控制 控制
时间固定 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制
F 329.512 105.652 38.135 — 72.440 23.956 45.017 30.727 48.133 56.929 16.757
表6 生产结构的政策因素分析

Table 6 Analysis of policy factors of production structure

变量 总回归1 总回归2 2000—2011年 2011—2022年 主产区 主销区 产销
平衡区		 东部 中部 西部 东北
x17 -0.011 0.000 0.000 0.000 0.000 -0.001** 0.000 -0.002** 0.000 0.000 0.000
x18 0.029*** 0.000 0.000 0.000 0.000 0.000 0.000 -0.001* 0.000 0.000 0.000
截距项 0.508*** 1.000*** 1.000*** 1.000*** 1.000*** 1.000*** 1.000*** 1.000*** 1.000*** 1.000*** 1.000***
N/个 713 713 372 341 299 161 253 230 138 276 69
r2 0.017 0.988 0.984 0.962 0.995 0.982 0.964 0.977 0.989 0.998 0.990
控制变量 不控制 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制
控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制
个体固定 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制
F 5.866 6.20E+14 2.04E+14 8.79E+13 1.46E+14 2.52E+14 2.16E+14 3.09E+14 6.74E+13 2.01E+14 3.34E+13

同时，农业政策调整对粮食生产能力的影响存在显著的区域异质性，特别是在生产总量和生产结构方面。从生产总量来看，粮食补贴政策对东北地区粮食增产的拉动作用有限，主要原因是21世纪初东北区域经济发展的整体不景气与市场化条件下农业产业的相对低收益，直至2019年左右永久基本农田政策的实施以及东北地区五大安全定位的确定，粮食增产响应积极[41]。从生产结构来看，主销区与东部地区的回归结果与其他区域对比明显，由此表明农业政策调整一定程度上抑制了高度城镇化、市场化区域农业生产结构“非粮化”“非农化”的“激进”转型。

3.2.2 机制1：生产总量

基于以上理论与实证分析，可建立生产总量的驱动机制框架（图9）。其中城镇化（x1）、气候条件（x2）、农业技术（x5、x6）、农业设施（x7、x8）、农业土地投入（x9、x10）、农业灾害（x11、x12）、农业劳动力（x15、x16）是驱动生产总量重构的核心因素。首先，气候条件与农业灾害可统一在气候变化的范畴之下[42]，气候变化一方面带来了积温、日照、降水等基本气候条件参数的显著改变，另一方面也诱发了诸多干旱、洪涝、病虫等农业灾害的发生[14,26]。同时，农业技术、农业设施、农业土地投入、农业劳动力作为粮食生产的直接投入要素也受到城镇化的剧烈影响[27]。由此城镇化与气候变化是生产总量重构的两大本源力量。
图9 生产总量重构的作用机制

Fig. 9 The mechanism of production quantity reconstruction

气候变化主要通过气候条件自身变动及诱发的农业灾害影响生产总量，而城镇化对生产总量的作用路径相比前者更具复杂性。第一，城镇化加速了农业劳动力的转移但并不一定对生产总量产生负向作用，农业劳动力的适度转移为农业规模化创造了条件从而提高了农业生产效率，但过度转移带来的耕地废弃和撂荒必然对生产总量造成负向影响[28,29]。第二，城镇化过程在空间层面表现为对农村耕地的大量占用，“只占不补”“多占少补”“占优补劣”的行为对粮食生产总量的负向作用显著[15,43]。更值得注意的是，由于中国作为超大陆型国家，城镇化与气候变化的时空异质性必然加剧粮食生产总量响应的不确定性。

3.2.3 机制2：生产结构

基于以上理论与实证分析，可建立生产结构的驱动机制（图10）。其中城镇化（x1）、气候条件（x2、x3、x4）、农业灾害（x11、x12）、农业经济收益（x14）、农业政策（x17、x18）是驱动生产结构重构的核心因素，而农业土地投入（x10）属于生产结构的内生变量。一方面，城镇化进程中农业生产的“商品化属性”“利润追求”愈发强烈，在传统粮食种植模式低收益乃至负收益情况下必然诱发农业生产的“非粮化”与“非农化”[10,31]。另一方面，气候变化背景下的农业生产自然环境变化也对种植结构进行了一定的“自然选择”，具有耐寒、耐旱、耐病虫害特征的农作物更加具有优势，从而影响了生产结构。
图10 生产结构重构的作用机制

Fig. 10 The mechanism of production structure reconstruction

3.2.4 机制3：生产潜力

基于以上理论与实证分析，可建立生产潜力的驱动机制（图11）。其中城镇化（x1）、气候条件（x2、x3、x4）、农业技术（x5、x6）、农业设施（x7）是驱动生产潜力重构的核心因素。一方面，城镇化对农业技术进步的作用显著，中国城镇化与工业化具有相辅相成的关系，特别是工业化背景下化学工业和机械工业的不断进步对粮食生产潜力的提升效果明显。同时，城镇化的经济拉动效应带来了政府财政与农民致富，充裕的资金支撑使农业生产设施条件得以不断改善进而提升单产水平。另一方面，以变暖为主要特征的气候变化直接改变了粮食作物生长发育的积温、日照、降水等物理条件，进而干预了粮食生长发育的生物、化学与物理过程，对单位面积粮食产出水平与作物品质影响显著[44]。结合生产总量的驱动机制框架来看，城镇化主要通过农业技术与农业设施对生产潜力产生积极影响，进而影响生产总量，而气候变化主要通过结构性的气候条件变动来影响生产潜力进而影响生产总量。
图11 生产潜力重构的作用机制

Fig. 11 The mechanism of production potential reconstruction

3.2.5 综合机制

基于理论与实证分析，可建立粮食生产能力空间重构的一般驱动机制（图12）。城镇化与气候变化对粮食生产能力空间重构过程的影响具有高度显著性与复杂性。复杂性的第一表现是，城镇化与气候变化均对粮食生产能力空间重构过程存在非线性影响，这种非线性影响往往具有一定阈值[15]。复杂性的第二表现是，城镇化与气候变化从生产总量、生产结构、生产潜力三个不同维度影响粮食生产能力的空间重构过程。复杂性的第三表现是，城镇化与气候变化作为两大系统并非相互独立影响粮食生产能力的空间重构过程，二者之间存在复杂的耦合关系。此外，农业政策在引导粮食生产能力的有序空间重构过程中作用巨大，城镇化与气候变化背景引发了农业政策调整，特别是对农业土地投入与农业经济收益的调控，通过限定耕地数量下限、范围边界与提升农业经济收益，可直接抑制一些地区激进的“非粮化”“非农化”转型，进而通过对生产结构的调控保障生产总量，提升粮食生产能力。
图12 粮食生产能力重构的综合机制

Fig. 12 Comprehensive mechanism of grain production capacity reconstruction

4 结论与讨论

4.1 结论

本文立足于21世纪发展中国家粮食安全的时代命题，从粮食生产能力及其空间重构的概念内涵出发，基于生产总量、生产潜力和生产结构三个方面分析了21世纪以来中国粮食生产能力空间重构的总体过程，识别其主导驱动因素并总结其驱动机制，结果表明：
（1）粮食生产能力的空间分布特征变化明显。其中生产总量重心长期位于中原地区，整体从豫南向豫北、冀南转移，而生产潜力和生产结构重心位置相对稳定。
（2）粮食生产能力的空间自相关与分异性特征显著。从全局来看，生产总量、生产潜力的集聚与生产结构的分散并存；而局部来看，生产总量的“HH”空间集聚与生产结构的“LL”空间集聚模式显著。空间分异性在不同地理分区下存在显著差异且在持续增大。
（3）粮食生产能力省际差异的扩大与减小并存，首位特征不突出且不断弱化。其中生产总量极化特征显著且不断增强，生产潜力的省际差异不断减小，三大首位度均低于参考值2，属于低首位分布且呈现周期性下降趋势。
（4）驱动因素存在维度异质性和时间趋势性。维度异质性表现为对生产总量、生产潜力和生产结构的驱动因子不同，但都可统一在城镇化与气候变化两大框架下；时间趋势性表现为气候变化与城镇化在对粮食生产能力空间重构过程的此消彼长。
（5）城镇化与气候变化对粮食生产能力的重构具有复杂性。第一表现是，城镇化与气候变化均可对粮食生产能力空间重构过程存在非线性影响。第二表现是，城镇化与气候变化从生产总量、生产结构、生产潜力三个不同维度上影响着粮食生产能力的空间重构过程。第三表现是，城镇化与气候变化两大系统的耦合作用影响着粮食生产能力的空间重构过程。
（6）农业政策调整促进了粮食生产能力的有序空间重构。农业政策通过对农业土地投入与农业经济收益的调控可直接抑制一些地区激进的“非粮化”“非农化”转型，进而调控生产结构、保障生产总量并提升粮食生产能力。

4.2 讨论

本文的贡献与创新主要在三个方面：（1）全面解构了2000—2022年中国粮食生产能力的复杂空间重构过程，这种重构过程在生产总量、生产结构、生产潜力三个不同维度上的表现各有特征又相互印证，丰富了当前中国粮食生产的时空演变研究。（2）对中国粮食生产能力的影响因素进行了系统识别与分类，发现城镇化与气候变化是驱动所有影响因素的主控因子，二者力量的此消彼长关系从生产总量、生产潜力和生产结构三个维度对粮食生产能力产生了复杂的非线性影响，初步总结出了中国语境下粮食生产的四种驱动机制。（3）区别于以往研究中单纯考虑自然资源本底与经济社会发展一般条件作为粮食生产能力的驱动因素，科学评估了21世纪以来中国代表性农业政策调整对粮食生产能力的影响，发现了农业政策调整的时间滞后效应。总体来看，农业政策主要从生产结构、生产总量影响粮食安全水平。但是以下问题也有待未来进一步深入研究：（1）加强对粮食生产能力驱动因素的“质量”思考，比如对农业土地投入质量的关注，特别在城镇化占用大量优质耕地的情景下，是否引发了农业生产土地质量的下降以及对粮食生产能力的威胁[12,15]。（2）对中国粮食生产空间重构的驱动机制有待进行严密的空间计量经济学的实证检验，包括城镇化与气候变化的耦合效应、城镇化的直接效应和多种中介效应、气候变化的直接效应和多种中介效应，从数理上进一步证实本文所总结的驱动机制的科学性，以此可建立系统动力学模型，模拟和预测未来中国粮食生产能力的演变方向，进而提出系统性、全局性、针对性的优化政策建议。（3）对农业政策调整“过程”的关注，21世纪以来中国农业政策调整具有渐进性，其政策效应也具有阶段性和滞后性，未来有待进一步优化政策效应模型设计，更加精准科学地评估其政策实施的总体成效、阶段效应和滞后特征，服务农业政策相关决策。（4）进一步关注粮食生产能力的“质量”内涵，特别是在当前资源环境严格约束情况下，如何进一步提升粮食生产潜力这一质量性指标是巩固粮食生产能力的关键所在[45]，联合国粮农组织和国际应用系统分析研究所的全球农业生态区划（Global Agro-ecological Zoning，GAEZ）模型为中国粮食生产潜力科学测度提供了重要方法支撑，但其本土化和区域化应用仍然有待深入研究。
此外，本研究可对巩固和强化中国粮食安全水平、促进联合国可持续发展目标有如下政策启示：（1）粮食安全问题并非是一个独立系统，必须要关注和抓住“城镇化”与“气候变化”这两个“牛鼻子”，特别是对经历了快速城镇化且遭受全球气候变化影响强烈的国家。（2）保持较高的自主粮食生产能力是维护一个国家粮食安全的第一保障，具体可以从保障生产总量、提升生产潜力和优化生产结构三大方面发力，其中生产潜力的提升和生产结构的优化可转换为生产总量优势。（3）保障生产总量的关键是“藏粮于地”“藏粮于人”。在当前建设用地高强度开发现状下，必须保证“十八亿亩耕地红线”和优化城乡建设用地结构，以盘活存量的闲置用地、废弃用地为主，在有条件的地区推动建设用地的复耕复垦；在乡村空心化严重地区，应全面推进“藏粮于人”，鼓励新型农业经营主体、农人返乡、市民下乡，全面推动以城乡要素有序互动流通的城乡融合战略，提升农业土地利用率，不断降低耕地撂荒比例。（4）提升生产潜力的关键是“藏粮于技”，从种子、化肥、机械化到智慧农业管理，进行全链条的农业科技创新并产业化应用[46]。（5）优化生产结构的关键是“藏粮于制”，制度设计要充分考虑广大农业从业者、典型农业地区的经济利益，设计央地转移支付、地区间价值补偿等多种模式来平衡不同地区、不同群体之间的经济利益[47]，从根本上提升农业从业者的粮食种植意愿，优化生产结构，保障粮食安全。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
刘彦随, 张紫雯, 王介勇. 中国农业地域分异与现代农业区划方案. 地理学报, 2018, 73(2): 203-218.

DOI

[LIU Y S, ZHANG Z W, WANG J Y. Regional differentiation and comprehensive regionalization scheme of modern agriculture in China. Acta Geographica Sinica, 2018, 73(2): 203-218.]

DOI

[2]
张军, 覃志豪, 李文娟, 等. 1949—2009年中国粮食生产发展与空间分布演变研究. 中国农学通报, 2011, 27(24): 13-20.

[ZHANG J, QIN Z H, LI W J, et al. Change of grain production and its spatial distribution in China during the 1949-2009 periods. Chinese Agricultural Science Bulletin, 2011, 27(24): 13-20.]

[3]
杜蓉, 柳思维, 蔡荣. 中国粮食空间生产格局演变特征及其驱动机制. 经济问题, 2023, (8): 92-102.

[DU R, LIU S W, CAI R. The characteristics and driving mechanism of China's grain spatial production pattern evolution. On Economic Problems, 2023, (8): 92-102.]

[4]
林毅夫, 蔡昉, 李周. 中国的奇迹:发展战略与经济改革. 上海: 上海人民出版社, 1994.

[LIN Y F, CAI F, LI Z. Miracle of China:Development Strategy and Economic Reform. Shanghai: Shanghai People's Publishing House, 1994.]

[5]
刘立涛, 刘晓洁, 伦飞, 等. 全球气候变化下的中国粮食安全问题研究. 自然资源学报, 2018, 33(6): 927-939.

DOI

[LIU L T, LIU X J, LUN F, et al. Research on China's food security under global climate change background. Journal of Natural Resources, 2018, 33(6): 927-939.]

[6]
LI F, QIN Z X, LIU X L, et al. Grain production space reconstruction and land system function tradeoffs in China. Geography and Sustainability, 2021, 2(1): 22-30.

[7]
余文涛, 石淑芹, 孙晓丽, 等. 基于Logistic模型的东北地区粮食生产能力影响因素研究: 以宾县为例. 中国农业资源与区划, 2017, 38(12): 124-129.

[YU W T, SHI S Q, SUN X L, et al. Analysis on the influence mechanism of food production capacity in northeast based on logistic model: In Bin county for case. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(12): 124-129.]

[8]
辛岭, 高睿璞, 蒋和平. 我国粮食主产区粮食综合生产能力评价. 中国农业资源与区划, 2018, 39(9): 37-45.

[XIN L, GAO R P, JIANG H P. Evaluation of comprehensive grain production capacity in main grain-producing areas in China. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(9): 37-45.]

[9]
卢新海, 柯楠, 匡兵. 中国粮食生产能力的区域差异和影响因素. 中国土地科学, 2020, 34(8): 53-62.

[LU X H, KE N, KUANG B. Regional differences and influencing factors of China's grain production capacity. China Land Science, 2020, 34(8): 53-62.]

[10]
张婕, 刘玉洁, 张二梅, 等. 中国县域耕地动态演变及其驱动机制. 地理学报, 2023, 78(9): 2105-2127.

DOI

[ZHANG J, LIU Y J, ZHANG E M, et al. Dynamics and driving mechanisms of cultivated land at county level in China. Acta Geographica Sinica, 2023, 78(9): 2105-2127.]

DOI

[11]
高婵, 张蚌蚌, 赵敏娟, 等. 中国耕地粮食生产能力及产量差测算. 中国农业大学学报, 2020, 25(1): 10-18.

[GAO C, ZHANG B B, ZHAO M J, et al. Grain productivity potential of cultivated land and yield gap analysis in China. Journal of China Agricultural University, 2020, 25(1): 10-18.]

[12]
张秋梦, 杨方社, 李飞. 改革开放以来中国粮食生产空间重构. 自然资源学报, 2021, 36(6): 1426-1438.

DOI

[ZHANG Q M, YANG F S, LI F. The grain production space reconstruction in China since the reform and opening up. Journal of Natural Resources, 2021, 36(6): 1426-1438.]

[13]
罗海平, 艾主河, 何志文. 基于地理集聚的我国主要粮食作物演化及影响因素分析. 统计与决策, 2021, 37(20): 71-75.

[LUO H P, AI Z H, HE Z W. Analysis on evolution and influencing factors of main grain crops in China based on geographical agglomeration. Statistics & Decision, 2021, 37(20): 71-75.]

[14]
苏芳, 刘钰, 汪三贵, 等. 气候变化对中国不同粮食产区粮食安全的影响. 中国人口·资源与环境, 2022, 32(8): 140-152.

[SU F, LIU Y, WANG S G, et al. Impact of climate change on food security in different grain producing areas in China. China Population, Resources and Environment, 2022, 32(8): 140-152.]

[15]
侯孟阳. 城镇化对粮食生产的影响效应及作用路径研究. 杨凌: 西北农林科技大学, 2021.

[HOU M Y. The impact of urbanization on grain production and its action path. Yangling: Northwest A&F University, 2021.]

[16]
蒋辉, 陈瑶, 刘兆阳. 中国粮食生产韧性的时空格局及其影响因素. 经济地理, 2023, 43(6): 126-134.

DOI

[JIANG H, CHEN Y, LIU Z Y. Spatiotemporal pattern and influencing factors of grain production resilience in China. Economic Geography, 2023, 43(6): 126-134.]

DOI

[17]
刘洛, 徐新良, 刘纪远, 等. 1990—2010年中国耕地变化对粮食生产潜力的影响. 地理学报, 2014, 69(12): 1767-1778.

DOI

[LIU L, XU X L, LIU J Y, et al. Impact of farmland changes on production potential in China during recent two decades. Acta Geographica Sinica, 2014, 69(12): 1767-1778.]

DOI

[18]
刘大千, 刘世薇, 温鑫. 东北地区粮食生产结构时空演变. 经济地理, 2019, 39(5): 163-170.

[LIU D Q, LIU S W, WEN X. Spatial-temporal evolution of grain production structure in Northeast China. Economic Geography, 2019, 39(5): 163-170.]

[19]
王劲峰, 廖一兰, 刘鑫. 空间数据分析教程(第二版). 北京: 科学出版社, 2019.

[WANG J F, LIAO Y L, LIU X. Spatial Data Analysis Tutorial (Second Edition). Beijing: Science Press, 2019.]

[20]
WANG J F, HAINING R, ZHANG T L, et al. Statistical modeling of spatially stratified heterogeneous data. Annals of the American Association of Geographers, 2024, 114(3): 499-519.

[21]
王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134.

DOI

[WANG J F, XU C D. Geodetector: Principle and prospect. Acta Geographica Sinica, 2017, 72(1): 116-134.]

[22]
张凯煌, 千庆兰, 陈清怡. 多尺度视角下中国新能源汽车产业创新空间格局及网络特征. 地理科学进展, 2021, 40(11): 1824-1838.

DOI

[ZHANG K H, QIAN Q L, CHEN Q Y. Multilevel spatial patterns and network characteristics of China's new energy vehicle industrial technological innovation. Progress in Geography, 2021, 40(11): 1824-1838.]

[23]
尉煜桐, 夏昕鸣, 周绍杰. 省域空间发展结构多中心演化与区域均衡发展. 经济地理, 2022, 42(11): 74-86.

DOI

[YU Y T, XIA X M, ZHOU S J. Provincial polycentric evolution of spatial development structure and its effect on imbalanced regional development. Economic Geography, 2022, 42(11): 74-86.]

DOI

[24]
王铮, 耿文均, 夏海斌, 等. 区域发展的地理学基础评估及其指标体系构建. 地理学报, 2023, 78(3): 558-571.

DOI

[WANG Z, GENG W J, XIA H B, et al. Geographical basis assessment of regional development and its construction of index system. Acta Geographica Sinica, 2023, 78(3): 558-571.]

DOI

[25]
石智宇, 王雅婷, 赵清, 等. 2001—2020年中国植被净初级生产力时空变化及其驱动机制分析. 生态环境学报, 2022, 31(11): 2111-2123.

DOI

[SHI Z Y, WANG Y T, ZHAO Q, et al. The spatiotemporal changes of NPP and its driving mechanisms in China from 2001 to 2020. Ecology and Environmental Sciences, 2022, 31(11): 2111-2123.]

[26]
张书睿. 气象灾害对中国农业生产的影响. 杭州: 浙江大学, 2023.

[ZHANG S R. The impact of meteorological disasters on agricultural production in China. Hangzhou: Zhejiang University, 2023.]

[27]
徐李璐邑. 城镇化进程中的粮食安全问题: 一个研究综述. 农业现代化研究, 2020, 41(4): 557-567.

[XU L L Y. Grain security in the process of urbanization: A literature review. Research of Agricultural Modernization, 2020, 41(4): 557-567.]

[28]
麦强盛, 李乐. 新型农业经营主体生存动态演化的时空格局及其影响因素. 地理科学进展, 2024, 43(1): 47-62.

DOI

[MAI Q S, LI L. Spatial and temporal patterns of the dynamic evolution of the survival of new agricultural business entities and influencing factors. Progress in Geography, 2024, 43(1): 47-62.]

DOI

[29]
郑殿元, 文琦, 王银, 等. 中国村域人口空心化分异机制及重构策略. 经济地理, 2019, 39(2): 161-168, 189.

[ZHENG D Y, WEN Q, WANG Y, et al. Differentiation mechanism and reconstruction strategy of rural population hollowing in China. Economic Geography, 2019, 39(2): 161-168, 189.]

[30]
方创琳. 城乡融合发展机理与演进规律的理论解析. 地理学报, 2022, 77(4): 759-776.

DOI

[FANG C L. Theoretical analysis of the mechanism and evolution law of urban-rural integration development. Acta Geographica Sinica, 2022, 77(4): 759-776.]

[31]
李欣宇, 方斌, 李怡, 等. 中国粮耕价值比与种植结构时空耦合演化及分区调控. 地理学报, 2022, 77(11): 2721-2737.

DOI

[LI X Y, FANG B, LI Y, et al. Spatio-temporal coupling evolution and zoning regulation of grain-farming value ratio and cropping structures in China. Acta Geographica Sinica, 2022, 77(11): 2721-2737.]

[32]
刘海猛, 方创琳, 李咏红. 城镇化与生态环境“耦合魔方”的基本概念及框架. 地理学报, 2019, 74(8): 1489-1507.

DOI

[LIU H M, FANG C L, LI Y H. The coupled human and natural cube: A conceptual framework for analyzing urbanization and eco-environment interactions. Acta Geographica Sinica, 2019, 74(8): 1489-1507.]

DOI

[33]
温铁军. 八次危机:中国的真实经验. 北京: 东方出版社, 2013.

[WEN T J. Eight Crises:The Real Experience of China. Beijing: The Oriental Press, 2013.]

[34]
赖红兵, 鲁杏. 我国农业现代化发展与农村水利建设关系的研究. 中国农业资源与区划, 2020, 41(2): 66-74.

[LAI H B, LU X. Study on the relationship between agricultural modernization and rural water conservancy construction in China. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(2): 66-74.]

[35]
罗海平, 桂俊练, 张显未. 新中国成立以来党的粮食安全政策及时代启示. 当代经济研究, 2023, (10): 56-67.

[LUO H P, GUI J L, ZHANG X W. The CPC's grain security policies since the founding of New China and the enlightenment of the times. Contemporary Economic Research, 2023, (10): 56-67.]

[36]
白冰, 赵作权. 基于多椭圆模型的中国制造业空间集中度计量. 地理科学, 2024, 44(1): 50-58.

DOI

[BAI B, ZHAO Z Q. Measuring the spatial concentration in China's manufacturing: A multi-elliptical model. Scientia Geographica Sinica, 2024, 44(1): 50-58.]

[37]
JEFFERSON M. The law of the primate city. Geographical Review, 1939, 29(2): 226-232.

[38]
张城铭, 翁时秀, 保继刚. 1978年改革开放以来中国旅游业发展的地理格局. 地理学报, 2019, 74(10): 1980-2000.

DOI

[ZHANG C M, WENG S X, BAO J G. The geographical pattern of China's tourism development since the reform and opening up in 1978. Acta Geographica Sinica, 2019, 74(10): 1980-2000.]

[39]
李国平, 朱婷, 孙瑀. 高质量区域空间格局构建下中国经济区划调整研究. 地理科学, 2024, 44(1): 20-29.

DOI

[LI G P, ZHU T, SUN Y. Adjusting territorial and economic zoning of China to build a high-quality regional spatial pattern. Scientia Geographica Sinica, 2024, 44(1): 20-29.]

DOI

[40]
叶超, 高洋. 新中国70年乡村发展与城镇化的政策演变及其态势. 经济地理, 2019, 39(10): 139-145.

[YE C, GAO Y. Evolving relationship between rural development and urbanization in China since 1949. Economic Geography, 2019, 39(10): 139-145.]

[41]
王士君, 顾萌, 常晓东. 东北振兴政策体系解构及区域经济响应研究. 地理学报, 2022, 77(10): 2547-2565.

DOI

[WANG S J, GU M, CHANG X D. The deconstruction of policy system and response of regional economy of Northeast revitalization. Acta Geographica Sinica, 2022, 77(10): 2547-2565.]

DOI

[42]
朴英姬. 气候变化下的全球粮食安全: 传导机制与系统转型. 世界农业, 2023, (10): 16-26.

[PIAO Y J. Global food security under climate change: Transmission mechanism and system transformation. World Agriculture, 2023, (10): 16-26.]

[43]
徐智邦, 焦利民, 王玉. 1988—2018年中国城市实体地域与行政地域用地扩张对比. 地理学报, 2022, 77(10): 2514-2528.

DOI

[XU Z B, JIAO L M, WANG Y. Comparison of urban land expansion between urban physical and administrative areas in China from 1988 to 2018. Acta Geographica Sinica, 2022, 77(10): 2514-2528.]

DOI

[44]
韩荣青, 郑度, 戴尔阜, 等. 中国粮食主产区生产潜力对气候波动响应研究. 资源科学, 2014, 36 (12): 2611-2623.

[HAN R Q, ZHENG D, DAI E F, et al. Response of production potential to climate fluctuation in major grain regions of China. Resources Science, 2014, 36(12): 2611-2623.]

[45]
原晋涛, 陈万旭, 曾杰. 中国耕地利用变化时空分异特征及对耕地NPP的影响. 自然资源学报, 2023, 38(12): 3135-3149.

DOI

[YUAN J T, CHEN W X, ZENG J. Spatio-temporal differentiation of cropland use change and its impact on cropland NPP in China. Journal of Natural Resources, 2023, 38(12): 3135-3149.]

[46]
金晓斌, 沈镭, 黄贤金, 等. 新质生产力赋能自然资源高质量管理: 逻辑与路径. 自然资源学报, 2024, 39(9): 2011-2028.

DOI

[JIN X B, SHEN L, HUANG X J, et al. Empowering high-quality management of natural resources with new quality productive forces: Logic and path. Journal of Natural Resources, 2024, 39(9): 2011-2028.]

[47]
袁源, 王亚华, 徐萍. “非粮化”治理视角下的耕地用途管制: 应对逻辑与体系构建. 自然资源学报, 2024, 39(4): 942-959.

DOI

[YUAN Y, WANG Y H, XU P. Cultivated land use control from the perspective of "non-grain" governance: Response logic and framework construction. Journal of Natural Resources, 2024, 39(4): 942-959.]

DOI

Options
Outlines

/

〈 〉