基于空间自相关的人均粮食占有量空间差异研究

基于空间自相关的人均粮食占有量空间差异研究
华娟;涂建军;杨爱秋
【摘要】运用空间自相关分析方法并结合GIS技术,对我国1980-2008年间的人
均粮食占有量空间差异进行分析,以揭示我国粮食空间分布的差异、特征及变化.研
究结果表明:研究期内,我国人均粮食占有量总体上呈上升趋势,各省份变化幅度各异；人均粮食占有量的Moran'sⅠ指数平均值为0.31,表明存在较强的空间集聚格局；Moran散点图反应出位于HH与LL象限的区域数量多于HL与LL象限数量,表明人均粮食占有量局部空间集聚效果显著；LISA集聚图显示,部分区域集聚特征发生变化.
【期刊名称】《农机化研究》
【年(卷),期】2013(035)006
【总页数】5页(P25-28,32)
【关键词】人均粮食占有量;空间自相关;空间差异
【作者】华娟;涂建军;杨爱秋
【作者单位】西南大学地理科学学院,重庆400715;西南大学地理科学学院,重庆400715;腾冲县云南民族完全中学,云南腾冲679100
【正文语种】中文
【中图分类】F302;S127
0 引言
粮食问题关系着国家的发展和社会稳定，一直都是世界各国重点关注的问题。

20
世纪90年代中期，由美国学者布朗先生的论文《谁来养活中国人》引发的关于中国粮食问题的世界性大辩论[1]，说明了中国的粮食问题不仅是中国而且也是世界
关注的焦点和热点问题。

20世纪90年代以来，中国粮食生产状况不断发生变化，面对持续增长的人口及耕地面积不断减少的客观事实，社会各界对粮食问题较为关注。

部分学者从多个视角对我国粮食安全进行评价研究，并得出了我国粮食不安全人口比重下降但耕地压力处于紧平衡状态的结论[2-3]。

也有学者对我国粮食生产
的影响因素、产出与投入以及发展趋势进行了深入研究[4-5]。

关于粮食安全问题
的研究在一定层面上较为深入，但对我国粮食综合生产能力的空间格局差异、变化及其成因的研究有待深入。

为此，运用空间自相关分析方法并结合GIS软件，运
用人均粮食占有量这一指标，对我国粮食生产的空间差异进行定量分析，为进一步对我国粮食生产的现状、存在问题以及区域差异等的研究提供重要参考依据，也为我国粮食问题研究提供借鉴。

1 研究区域与数据来源
本文把包括海南及内陆的各省域行政区作为地域研究单元(除我国的台湾、香港和
澳门以外)，基于Arcgis9.3软件平台，通过空间属性数据库的链接，将1980-2008年研究单元的人均粮食占有量输入到相应的属性项中。

研究中所采用的数据均来自于相应年份的《中国农业年鉴》和《中国统计年鉴》。

2 研究方法
空间自相关是空间依赖的重要形式，是指研究对象按照某一属性的空间位置之间存在的相关性，也是检验某一要素属性值与相邻空间要素上的属性值是否相关的重要指标，通常分为全局空间自相关与局部空间自相关两大类[6-8]。

运用时，首先通
过生成空间权重矩阵，确定各空间单元的权重，再根据各单元的属性信息进行空间自相关分析。

本文借助geoda10.0进行空间自相关分析。

2.1 空间权重矩阵
空间权重矩阵的定义是空间统计学与传统统计学的重要区别之一，是利用空间自相关进行空间探索分析的前提和基础。

本文采用邻近规则来定义省域间的空间关系，通过定义一个二元对称空间权重矩阵Wn×n来表征n个位置的空间邻近关系，Wij为W中的元素，其具体形式表现为[6-8]
(1)
当i和j邻接时，空间权重矩阵的元素wij=1；否则wij=0。

2.2 全局空间自相关分析
全局自相关是对属性值在整个区域空间分布情况的总体特征描述。

一般采用Global Moran’统计量来测度[6-8]，其计算公式为
(2)
式中 n—全国省域数目；
全国第t年的各省域人均粮食占有量；
xit，xjt—全国第i，j省第t年人均粮食占有量；
wij—空间权重矩阵。

Global Moran’s I的值域为[-1，1]，在给定的显著性水平条件下，若I>0，表示人均粮食占有量的相关性为正，说明人均粮食占有量较高(或较低)的区域在空间上显著集聚，I值越接近于1，总体空间差异越小；若I<0，表示人均粮食占有量的总体相关性为负，说明该区域与周边地区的人均粮食占有量的相关性具有显著的空间差异，值越趋近于-1，总体空间差异越大。

对I的统计检验可以采用z检验：在95%的置信度下，如果Z>|1.96|，则表示统计性显著。

2.3 局部空间自相关分析
Glo bal Moran’s I是一种总体统计指标，仅说明所有区域与周边地区之间的空间差异的平均程度，不能提供局部空间差异性。

局部自相关则弥补了这一缺陷，一般用局部自相关的Moran’I散点图和集聚图反应区域i与其周边地区之间的空间差异程度及显著性。

对于第i区域，局部Moran’I的计算公式[6-8]为
(3)
式中 zi，zj—观测值标准化形式；
Wij—空间权重矩阵，行标准形式；
N—所有区域单元的总数。

若Ii显著大于0，说明区域i与周边地区之间的空间差异显著小，存在空间正相关现象；若Ii显著小于0，说明区域i与周边地区之间的空间差异显著大，存在空间负相关现象。

Local Moran’s I统计量的检验方式也采用全局自相关的检验方式。

局部空间自相关采用散点图和LISA集聚图进行表征。

在散点图中，有4个象限，分别对应4种不同的集聚状态，即空间集聚类型为：
HH型(高-高)：自身和周边区域的观测值均高，空间差异程度小；
LH型(低-高)：自身观测值低，周边区域观测值高，空间差异程度大；
LL型(低-低)：自身和周边区域观测值均低，空间差异程度小；
HL型(高-低)：自身观测值高，周边区域低，空间差异程度高。

3 结果分析
3.1 人均粮食占有量变化分析
1980，1988，1998，2008年我国的人均粮食占有量分别为300.77，331.81，400.67，389.94kg/人。

人均粮食占有量呈先上升后略有下降的趋势，但变化量未超过100 kg/人，总体上呈上升趋势。

其中，内蒙古、吉林和黑龙江呈现明显的上升趋势，河北、安徽、山东、河南和宁夏，总体上呈上升趋势；北京、天津、上海、
浙江、福建和广东呈下降趋势，但变化不大；其余省份变化不明显，如图1所示。

从1980年与2008年两个时间断面可以看出：内蒙古、吉林和黑龙江3个省份粮食增幅较大，其增幅均大于500kg/人；内蒙古增幅最大，为671.59kg/人；河北、安徽、河南、宁夏和新疆次之，介于100～300kg/人之间；北京、上海、浙江、
福建、广东、天津、广西和青海在1980年的基础上有所下降，前4个行政区下降幅度较大，超过100kg/人，其中浙江省下降幅度最大，为221.10kg/人；其余省份均有所增加，增加幅度小于100kg/人。

研究时段内，各省份人均粮食占有量的变化量各异。

3.2 粮食综合生产能力空间差异分析
3.2.1 全局空间自相关分析
根据以上分析，运用GeoDa10.0软件得出全国1980-2008年人均粮食占有量的
全局自相关系数(Moran’s I)值，同时对所有的Moran’s I值进行z检验，皆通过显著性检验。

各年份Moran’s I值如图2所示。

图2反应了我国1980-2008年间人均粮食占有量的全局空间自相关分析结果。

由图2中可知：30年来，我国人均粮食占有量Moran’s I均大于0，Moran’s I
指数平均值为0.31，空间自相关特性较为显著，表明我国人均粮食占有量较高(或较低)的区域在空间上显著集聚，即存在人均粮食占有量高的地区与高的地区相邻、低的地区与低的地区之间相邻接的现象。

从Moran’sI的变化趋势看，大体上可
以分为3个阶段：1980-1988年为数值较低的总体缓慢上升阶段；1989-1999年为数值波动较大变化阶段；2000-2008年为数值较大的平稳上升阶段。

人均粮食
占有量的Moran’s I总体上呈上升趋势，表明我国人均粮食占有量的总体空间差异在逐步缩小，人均粮食占有量不断增加，各区域粮食生产水平都有所提高。

图1 各省份人均粮食占有量(1980，1988，1998，2008)Fig.1 The per capita grain of all province (1980，1988，1998，2008)
图2 人均粮食占有量Moran’ IFig.2 The Moran’ I of per capita grain
3.2.2 局部空间自相关分析
局部空间自相关主要通过两种方式推算出聚集范围、Moran’s I散点图及空间关
联指标(LISA)。

借助geoda10.0软件，绘制出研究时段内Moran’s I散点图，
如图3所示。

由图3可知，位于HH及LL象限的区域数量始终比位于HL及LH象限的区域数
量多。

4个时间段内，位于HH及LL象限的区域数量占总区域数量比重分别是68.97%，66.67%，67.74%和70.97%。

其中，位于LL象限区域数量多于HH象限区域的数量；位于HL及LH象限区域占区域总数比重分别是31.03%，33.33%，32.26%和29.03%，位于HL象限区域数量多于LH象限数量。

这表明，我国人均粮食占有量在局域范围内具有空间相关性，集聚格局显著；同时也反应了人均粮食占有量空间分布具有异质性，呈现局部离散分布的格局，并且离散程度在减弱。

图3 人均粮食占有量Moran’ I散点图Fig.3 The Moran scatter plot of the
per capita grain
基于Geoda10.0及Arcgis9.3软件平台，结合Moran’s I散点图，在5%显著性水平下绘制LISA集聚图，如图4所示。

从图4可以看出，我国的人均粮食占有量的地理分布格局。

1980年间，我国人均粮食占有量空间差异较小，其中自身与周边省域关联性较高(HH型)的仅有广东省；自身与周边关联性较低(LL型)的仅有河
北省，空间差异较小，人均粮食占有量高高低低集聚；自身高周边低(HL型)的仅
有四川省；自身低周边高(LH)的仅有安徽省及上海市，其空间差异较大，揭示了人均粮食占有量在空间分布上的不均衡性。

1988年间，自身高周边低(HL型)的仅有四川省，自身与周边省域关联性较高(HH型)的仅有安徽省，无LH与LL集聚类型区。

这表明，人均粮食占有量空间分布均衡性加强。

1998年间，自身与周边省域关联性较高(HH型)的区域有内蒙古、黑龙江和吉林，自身低周边高(LH)的区域有
辽宁省，无LL与HL类型集聚区，表明人均粮食占有量异质性突出。

2008年间，自身与周边省域关联性较高(HH型)的区域有内蒙古、黑龙江、吉林和辽宁省，其他为不显著区域，人均粮食占有量空间分异呈现出高水平集聚及不显著集聚区，空间异质性较强。

图4 人均粮食占有量LISA集聚图Fig.4 The LISA cluster plot of per capita grain
以1980，1988，1998，2008年为时间断面对我国人均粮食占有量空间差异演变进行分析，结果表明：首先，我国人均粮食占有量空间差异仍较为明显。

1980-2008年间，人均粮食占有量“高高”“低低”集聚空间分布格局不断发生变化，空间分布由最初的4种集聚类型转变为1种集聚类型，但并非往均衡方向发展，“高高”集聚类型区的范围扩大，空间差异仍较为明显。

其次，人均粮食占有量空间差异发生变化所涉及区域范围不广。

在研究时段内，人均粮食占有量空间分布差异仍较为明显，并不断发生变化，但总体上空间差异变化所涉及的范围不大。

由于自然地理等条件及长期以来形成的社会经济基础，人均粮食占有量的总体空间差异所涉及范围并未发生较大变化，变化范围集中在西南地区的四川省、南部广东省、东部安徽省、北部河北省、内蒙古自治区及东北三省，变化区域占总区域的百分比为25.80%。

其三，局部区域空间集聚特征发生变化。

期间部分区域空间集聚特征发生变化，四川省由高低集聚变为不显著，广东省由高高集聚变为不显著，安徽省由最初的低高集聚变为高高集聚最后变为不显著，河北省由低低集聚类型变为不显著，内蒙古、黑龙江、辽宁和吉林则由不显著变为高高集聚。

其四，东北地区及内蒙古自治区已形成人均粮食占有量较高的稳定集聚区。

从变化的趋势可以看出，近10年间东北三省及内蒙古形成了稳定的高高集聚区，且这一空间格局并未发生变化。

4 结论
1)研究期内，我国人均粮食产占有量总体上呈现上升趋势。

人均粮食占有量增幅较大的区域集中在东北部和东部的部分沿海地区，内陆的青海省有所下降，其余省份有所增加但变化不明显。

2)我国人均粮食占有量存在明显的空间差异。

1980-2008年间，在通过显著性检
验的条件下，全局自相关的平均系数为0.31，呈现出波动变化但始终大于0，说
明人均粮食占有量在空间上存在显著的空间集聚性。

3)1998-2008年间，在Moran散点图中位于HH和LL象限区域的数量明显多于位于HL与LH象限的区域。

我国人均粮食占有量高高或者低低集聚的区域在空间上显著集聚，人均粮食占有量的空间分布具有异质性。

其中，少数省份的集聚类型发生变化，并呈现出局部空间差异较为明显的但总体空间差异变化不大的特点，东北地区与内蒙古地区形成稳定的高高集聚区的空间差异演变特征。

【相关文献】
[1] 鲁春阳，杨庆媛，文枫．重庆市耕地与粮食生产动态变化研究[J]．农机化研究，2010，32(9)：13-15．
[2] 李靖，孙晓明．省域粮食单产水平与波动状况研究[J]．中国人口·资源与环境，2011，
21(4):76-80．
[3] 程叶青，邓吉祥，房艳刚．吉林省中部粮食主产区城乡关联的空间分析[J]．地理研究，2010，29(4)：727-734．
[4] 姚鑫，杨桂山，万荣荣．昆山市耕地变化和粮食安全研究[J]．中国人口·资源与环境，2010，
20(4)：148-152．
[5] 程远亮，周伟，米红．粮食生产布局与人口分布的空间差异及其演变[J]．统计与信息论坛，2010，25(2)：94-99．
[6] 潘竟虎，石培基．甘肃省人均粮食时空格局变化特征及驱动机制分析[J]．农业系统科学与综合
研究，2008，24(4)：485-488．
[7] 邹健，龙花楼．改革开放以来中国耕地利用与粮食生产安全格局变动研究[J]．自然资源学报，2009，24(8)：1366-1377．
[8] 王千，门明新，许皞．基于ESDA与GIS的粮食综合生产能力空间分布研究—以河北省为例[J]．农机化研究，2009，31(9)：64-67．
Abstract ID:1003-188X(2013)06-0025-EA。