河北省冬小麥生產(chǎn)空間格局及其控制因素*

趙稷偉 王錫平 杜汛雨 尚志云

?

河北省冬小麥生產(chǎn)空間格局及其控制因素*

趙稷偉 王錫平**杜汛雨 尚志云

(河北師范大學資源與環(huán)境科學學院/河北省環(huán)境演變與生態(tài)建設實驗室 石家莊 050024)

在氣候變化與水資源短缺的背景下, 華北平原冬小麥生產(chǎn)面臨巨大的挑戰(zhàn), 明確冬小麥生產(chǎn)的空間格局及其控制因素, 可為本區(qū)冬小麥的科學規(guī)劃管理決策和高效生產(chǎn)提供依據(jù)?；诤颖笔「骺h市2004— 2013年冬小麥單位面積產(chǎn)量與農(nóng)情資料, 以主產(chǎn)區(qū)(以縣市平均冬小麥播種面積大于總播種面積的20%為標準選取)101個縣市為基本研究單元, 采用系統(tǒng)聚類分析對河北省冬小麥主產(chǎn)區(qū)進行區(qū)域劃分; 利用因子分析方法對冬小麥生產(chǎn)要素進行主成分分析, 并利用逐步回歸分析方法建立冬小麥產(chǎn)量與主要控制因素主成分之間的關(guān)系。結(jié)果表明, 河北省冬小麥主產(chǎn)區(qū)分為4個(Ⅰ~Ⅳ), 各區(qū)冬小麥產(chǎn)量水平從Ⅰ區(qū)向Ⅳ區(qū)依次遞減, 產(chǎn)量變異依次增大, 且各區(qū)差異均達顯著水平(<0.05)。冬小麥產(chǎn)量()與化肥因子(1)、灌溉因子(3)、年降水量因子(4)、年降水量下限因子(5)有顯著的線性回歸關(guān)系(2=0.685,<0.05), 其中1、3分別解釋了的21.7%、37.4%,4、5解釋了的9.4%。據(jù)此說明灌溉是影響河北省冬小麥產(chǎn)量區(qū)域差異的首要因素, 其次是化肥使用量, 而年降水量對產(chǎn)量區(qū)域差異影響較小。農(nóng)藥因子(2)的回歸效應不顯著, 說明冬小麥病蟲害發(fā)生及防治具有區(qū)域隨機性變化特點, 對冬小麥生產(chǎn)的區(qū)域差異不形成顯著影響。另外, 全省冬小麥播種面積比重與產(chǎn)量水平有較好的區(qū)域吻合度(2=0.409,<0.05), 說明在現(xiàn)有管理模式下冬小麥區(qū)域布局基本合理, 只是在東部低平原沿海的極個別低產(chǎn)縣的播種面積明顯偏高, 結(jié)合冬小麥對灌溉條件的依賴性, 認為這些縣市的冬小麥布局需要慎重審視。

冬小麥 空間格局 產(chǎn)量變異 灌溉 控制因素 河北省

華北平原是我國三大小麥集中產(chǎn)區(qū)之一。而河北省位于華北平原腹地, 是我國重要的傳統(tǒng)農(nóng)業(yè)大省, 近年來小麥種植面積保持240萬hm2, 總產(chǎn)量達1 200萬t, 播種面積和產(chǎn)量均占全國的10%, 其小麥生產(chǎn)對全國糧食生產(chǎn)有著重要意義[1]。多項研究表明, 在灌溉條件下, 黃淮海地區(qū)冬小麥生產(chǎn)優(yōu)勢是高產(chǎn)、穩(wěn)產(chǎn), 品質(zhì)良好[2-6]。但該區(qū)地處大陸性季風氣候區(qū), 氣候要素時空變異大, 平均年降水量450~550 mm, 不能滿足小麥生育期需水要求, 小麥生產(chǎn)嚴重依賴于灌溉補給, 長期抽取地下水灌溉導致該區(qū)成為全國最大的地下漏斗區(qū)[7]。在氣候變化和水資源短缺的背景下, 明確冬小麥生產(chǎn)空間格局及其控制因素, 合理布局和指導生產(chǎn)規(guī)劃, 對本地區(qū)糧食生產(chǎn)及資源可持續(xù)利用具有重要意義。徐志宇等[8]利用糧食生產(chǎn)重心模型與糧食生產(chǎn)內(nèi)外部驅(qū)動因素分析模型, 分析了近30年全國小麥生產(chǎn)格局變化特征及其驅(qū)動因素, 結(jié)果表明播種面積是影響小麥生產(chǎn)的關(guān)鍵驅(qū)動要素, 總?cè)丝?、有效灌溉面積、農(nóng)業(yè)機械總動力、化肥投入量等對小麥生產(chǎn)都存在顯著影響。莫興國等[9]利用基于過程的土壤-植被-大氣系統(tǒng)物質(zhì)傳輸和作物生長的耦合模型分析了黃淮海地區(qū)冬小麥產(chǎn)量時空分布及其驅(qū)動機制, 結(jié)果表明本地區(qū)冬小麥產(chǎn)量有明顯空間分異特征, 并與灌溉條件和土壤密切相關(guān)。王勇[10]利用比較優(yōu)勢模型并結(jié)合空間計量經(jīng)濟學模型分析黃淮海地區(qū)小麥布局的演變特征, 指出該區(qū)小麥產(chǎn)量在空間上向河南中東部及安徽北部集聚明顯, 有效灌溉面積比例、人均耕地面積、單位面積耕地農(nóng)機總動力、勞動力非農(nóng)就業(yè)比例對小麥產(chǎn)量有正向影響。王千等[11]利用GIS與空間相關(guān)分析理論相結(jié)合的方法分析表明, 近年來播種面積、農(nóng)藥施用量對糧食產(chǎn)量的重要程度加大, 有效灌溉面積、化肥使用量、農(nóng)業(yè)機械動力、農(nóng)用排灌機械動力等因素仍然是影響糧食產(chǎn)量的主要因素。張路路等[12]利用空間自相關(guān)模型分析了河北省136個縣近20年資料, 分析表明有效灌溉面積保證率、單位面積農(nóng)藥使用量、單位勞動力投入、單位面積化肥使用量是影響糧食產(chǎn)量格局變化的主要因素。白立佳等[13]的結(jié)果則表明有效灌溉面積、單位面積勞動力投入和糧食收購價格指數(shù)等是影響糧食單產(chǎn)格局變化最為主要的因素。王玉倩[14]利用GIS以及回歸分析理論對河北省20年糧食作物投入產(chǎn)出時空格局及其影響因素進行分析, 結(jié)果表明保定市的年均糧食產(chǎn)量最多, 秦皇島產(chǎn)量最低, 空間分布基本呈現(xiàn)中南部高、北部低的格局, 投入要素中化肥使用量、糧食播種面積、有效灌溉面積和農(nóng)機總動力對糧食產(chǎn)量影響顯著。劉中培等[15]對河北省糧食高產(chǎn)、主產(chǎn)區(qū)的石家莊平原地區(qū)近30年化肥使用量與糧食產(chǎn)量之間關(guān)系的研究中指明, 隨著施肥量增加, 該地區(qū)小麥-玉米產(chǎn)量增長2.18倍。這些研究結(jié)果使我們對河北省總的糧食和黃淮海冬小麥的生產(chǎn)空間格局及其控制因素都有了較概括的了解, 但對面臨巨大挑戰(zhàn)的河北省冬小麥作物的生產(chǎn)格局及其控制因素的研究尚少見報道。因此本文以河北省冬小麥主產(chǎn)區(qū)101個縣為區(qū)域單元, 基于聚類分析、因子分析和回歸分析等多元統(tǒng)計分析方法, 剖析河北省冬小麥生產(chǎn)區(qū)域格局及其控制因素規(guī)律, 分析其現(xiàn)有布局的合理性及存在問題, 為冬小麥高效生產(chǎn)及科學規(guī)劃管理提供依據(jù)。

1 材料與方法

1.1 資料及來源

冬小麥單位面積產(chǎn)量受自然因素和人為因素共同影響, 溫度、降水、光照等自然因素主要由某地區(qū)自然地理特征決定; 品種、灌溉和肥料等生產(chǎn)投入要素主要受人類活動的影響[16]。近10年來我國北方氣候呈現(xiàn)干旱趨勢, 但是通過生產(chǎn)投入增加等人為因素的作用, 在一定程度上緩解了氣候變化對冬小麥生產(chǎn)的負面影響[17]。品種更新促使冬小麥產(chǎn)量增幅20%以上, 是影響冬小麥生產(chǎn)的主要投入要素之一[18-19], 但是由于統(tǒng)計資料的缺乏, 并且本文主要進行區(qū)域分布規(guī)律的分析, 可假設品種更替在各個區(qū)域接近時間同步, 所以本文暫時沒有考慮品種改良效應在各縣的差異, 忽略了品種的效應影響。因此本文選擇化肥使用量、灌溉面積比重、農(nóng)藥使用量、年降水量等作為影響冬小麥產(chǎn)量的農(nóng)情要素。

本文分析數(shù)據(jù)為河北省各縣市逐年的農(nóng)作物化肥使用量(折純量)、農(nóng)作物農(nóng)藥使用量、農(nóng)作物有效灌溉面積、冬小麥播種面積, 及各對應縣市的年降水量, 時間長度為2004—2013年, 各縣農(nóng)情數(shù)據(jù)摘自《河北農(nóng)村統(tǒng)計年鑒》[20], 年降水量(AR)來自氣象數(shù)據(jù)共享服務網(wǎng)提供的標準氣象數(shù)據(jù)。

為了進一步消除各要素變化因總耕地面積不同而導致的干擾, 將各縣農(nóng)情要素值(冬小麥單產(chǎn)除外)除以農(nóng)作物總播種面積, 分別得到冬小麥播種面積比重(ARW)、灌溉面積比重(AI)、單位面積化肥使用量(XF)和單位面積農(nóng)藥施用量(DDT)。

河北省冬小麥生產(chǎn)主要集中分布于中南部平原區(qū), 北部張家口、承德地區(qū)極少種植。為消除因冬小麥種植比例太低而造成的統(tǒng)計干擾, 本文僅選擇冬小麥播種面積比重超過20%的101個縣市, 如圖1所示。

1.2 變化特征

本文采用變異系數(shù)和置信區(qū)間來反映冬小麥產(chǎn)量及其化肥使用量、灌溉面積比重、農(nóng)藥使用量、年降水量等要素的變異性。變異系數(shù)()即標準差與平均值的比值[21]見公式(1)。

(1)

另外, 還利用95%置信區(qū)間的上、下限和均值表示變量變異大小。上下限差異越大, 表明該變量變化性越大。

1.3 數(shù)據(jù)分析方法

1.3.1 利用聚類分析進行冬小麥產(chǎn)量區(qū)域劃分

聚類分析是依據(jù)分類對象的屬性指標, 將物理或抽象對象的集合分組為由類似的對象組成的多個類的分析過程, 其目標是在相似性的基礎上利用屬性數(shù)據(jù)進行分類[22]。其中的系統(tǒng)聚類分析方法步驟明晰、結(jié)果直觀, 被廣泛用于不同類型的區(qū)域劃分研究中[23-24]?；舅枷胧窍葘€樣品看成類, 然后規(guī)定樣本之間的相似程度和類與類之間的相似程度指標, 選擇相似程度最近的兩類合成一個新類, 計算新類和其他類(當前各類)之間的距離, 這樣每次合并就會減少一類, 直至所有樣品歸為一類為止[25]。

本文以冬小麥單位面積產(chǎn)量的最大值、最小值、均值作為分類指標, 通過樣本間的歐式距離[見公式(2)]作為其相似程度指標, 根據(jù)歐式距離矩陣中將距離最近的兩個合成一類, 同時選用離差平方和法作為聚類指標, 最后根據(jù)聚類指標差異得到最終分類結(jié)果。

式中:D表示縣與縣單位面積產(chǎn)量相似性系數(shù);x′表示縣指標標準化值;′表示縣指標標準化值;表示研究區(qū)縣指標總數(shù)。

1.3.2 產(chǎn)量區(qū)域差異控制因素的因子分析方法

因子分析法是指研究從變量群中提取共性因子的統(tǒng)計技術(shù), 通過研究眾多變量之間的相互關(guān)系, 依據(jù)實測變量間存在的公共相關(guān)信息表達成一系列相互獨立的隱含變量, 即公共因子[26-27]。

設有個樣本, 每個樣本有個觀測變量, 原始變量用=(1,2, …,x)表示, 公共因子用(1,2, …,F)(<)表示。因子分析的模型[28]可表示為:

式中:1,2, …,F為公共因子, 他們相互獨立且不可觀測, 是每個原始觀測變量都隱含信息的因子;a為因子載荷,a的絕對值越大, 表示F對X的依賴程度越大, 即F對X包含的信息量越大;為特殊因子, 代表公因子以外的影響因素所致的變量變異。

本文選取各產(chǎn)量區(qū)域化肥使用量、灌溉面積比重、播種面積比重、年降水量、農(nóng)藥使用量等要素及冬小麥產(chǎn)量, 利用其所在分析期間(2004—2013年)的均值、95%置信區(qū)間上、下限以及極大值和極小值構(gòu)建各要素指標體系。采用因子分析的方法提取主成分因子, 并采用最大方差法對因子載荷矩陣進行正交旋轉(zhuǎn)以使因子更加容易被解釋; 最終根據(jù)各主成分得分系數(shù)矩陣建立冬小麥產(chǎn)量和各要素因子模型。

1.3.3 冬小麥產(chǎn)量與控制因素之間的逐步回歸分析

根據(jù)上述因子分析結(jié)果建立的綜合因子模型, 引入實際數(shù)值, 計算得到冬小麥產(chǎn)量因子和各要素因子的各縣市得分值[29]。并以產(chǎn)量因子為因變量, 各要素因子為自變量, 進行逐步回歸分析[30], 建立冬小麥產(chǎn)量綜合變化與有顯著影響的控制因素之間的關(guān)系模型。

1.4 軟件環(huán)境

數(shù)據(jù)的整理、圖表的繪制用Microsoft Excel 2010完成, 數(shù)據(jù)分析用SPSS.19完成, 河北省冬小麥生產(chǎn)空間分布圖由Arcgis 10.0制作。

2 結(jié)果與分析

2.1 河北省冬小麥生產(chǎn)空間格局

利用系統(tǒng)聚類分析方法進行冬小麥產(chǎn)量區(qū)域劃分, 根據(jù)樹狀圖結(jié)果, 結(jié)合各步驟類間距離差異性和冬小麥生產(chǎn)區(qū)域特點, 將河北省冬小麥主產(chǎn)區(qū)劃分4個, Ⅰ區(qū)主要分布在石家莊各縣, 其他各區(qū)以Ⅰ區(qū)為中心向四周輻射分布(圖1)。

從冬小麥生產(chǎn)各分區(qū)的冬小麥產(chǎn)量描述性統(tǒng)計(表1)和各縣市產(chǎn)量變化趨勢(圖2)看出, 冬小麥產(chǎn)量以Ⅰ區(qū)最高, 其中趙縣、藁城市、正定縣、欒城縣等縣市產(chǎn)量最高, 平均7 000 kg×hm-2以上; Ⅱ區(qū)冬小麥產(chǎn)量與Ⅰ區(qū)相差1 034 kg×hm-2, 是第二高產(chǎn)區(qū); Ⅳ區(qū)平均產(chǎn)量最低, 只有Ⅰ區(qū)的50%, 此區(qū)總產(chǎn)也僅占全省冬小麥產(chǎn)量的17%。說明冬小麥生產(chǎn)主要集中在Ⅰ~Ⅲ區(qū), 占全省冬小麥產(chǎn)量的83%, 并且呈現(xiàn)出從Ⅰ區(qū)向Ⅳ區(qū)依次遞減的趨勢。各區(qū)產(chǎn)量變異表現(xiàn)為有規(guī)律地隨平均產(chǎn)量的增加而減小, Ⅰ區(qū)產(chǎn)量最穩(wěn)定, Ⅳ產(chǎn)量變異最大。

運用單變量方差分析中LSD多重比較法進行對比分析的結(jié)果表明, 各分區(qū)之間冬小麥產(chǎn)量水平差異顯著(<0.01); 除Ⅱ區(qū)與Ⅲ區(qū)產(chǎn)量變異系數(shù)差異不顯著(>0.05)外, 其他各區(qū)之間變異系數(shù)的差異也都達到顯著水平(<0.01)。

綜上可知, 高產(chǎn)的Ⅰ區(qū)位于太行山前平原中心地區(qū), 以石家莊各縣為主, 該區(qū)地勢平坦, 土壤肥沃, 農(nóng)業(yè)生產(chǎn)的基礎設施完善; 次高產(chǎn)的Ⅱ區(qū)圍繞Ⅰ區(qū)分布在平原地帶; 較低產(chǎn)的Ⅲ區(qū)分布在西部太行山山地地區(qū)和華北平原東北部; 低產(chǎn)且不穩(wěn)定的Ⅳ區(qū)分布在河北省西南角和東北角。

2.2 河北省冬小麥生產(chǎn)空間格局分布的控制因素分析

2.2.1 冬小麥產(chǎn)量及其控制因素的因子分析

對本文所選要素化肥使用量、灌溉面積比重、播種面積比重、年降水量和農(nóng)藥施用量的均值及變化指標構(gòu)成的指標體系(包括均值、95%置信區(qū)間下限、95%置信區(qū)間上限、最小值、最大值)進行因子分析。按照特征值大于1, 累計方差貢獻率大于85%的原則, 共提取5個主成分, 累計方差貢獻率達95.022%, 詳見表2。從各主成分的載荷矩陣(表3)中各載荷大小可看出, 主成分1主要為化肥使用量的信息, 由此可稱為化肥因子(1), 方差貢獻率為41.219%; 同理將主成分2稱為農(nóng)藥因子(2), 方差貢獻率為22.248%; 將主成分3命名為灌溉面積因子(3), 方差貢獻率為15.650%; 第4個主成分中年降水量均值、95%置信區(qū)間上限、最大值的載荷系數(shù)最大, 所以認為是年降水量因子(4), 方差貢獻率為10.686%; 第5個主成分主要是年降水量95%置信區(qū)間下限、年降水量最小值的載荷系數(shù)最高, 所以將其命名為年降水量下限因子(5), 方差貢獻率為5.219%。各主成分的方差貢獻率表示每個因子對整個因素系統(tǒng)信息反映程度, 從表2可知, 化肥因子、農(nóng)藥因子和灌溉因子是此要素指標系統(tǒng)中最重要的因子。

表1 河北省不同冬小麥產(chǎn)區(qū)產(chǎn)量變化情況比較

表2 河北省冬小麥產(chǎn)量控制要素主成分分析及其貢獻率

表3 河北省冬小麥產(chǎn)量控制因素的主成分載荷矩陣

XF: 冬小麥化肥使用量; AR: 年降水量; AI: 冬小麥灌溉面積比重; DDT: 冬小麥農(nóng)藥施用量; 下標“mean”: 均值; 下標“95L”: 95%置信區(qū)間下限; 下標“95H”: 95%置信區(qū)間上限; 下標“Min”: 最小值; 下標“Max”: 最大值; 下同。XF: fertilizer use of winter wheat; AR: annual rainfall; AI: proportion of irrigated area of winter wheat; DDT: pesticide use of winter wheat; subscript “mean”: mean of each variation; subscript “95L”: the lower limit of 95% confident interval of each variation; subscript “95H”: the upper limit of 95% confident interval of each variation; subscript “Min”: minimum of each variation; subscript “Max”: maximum of each variation. The same below.

根據(jù)冬小麥產(chǎn)量控制因素的得分系數(shù)矩陣(表4)中各主成分對應列上的系數(shù), 可得到其與要素指標之間的線性關(guān)系, 如化肥因子1的因子得分可表示成公式(4):

另外, 對河北省2004—2013年冬小麥產(chǎn)量變化的指標體系進行因子分析, 得到1個產(chǎn)量綜合因子(), 其方差貢獻率為95.269%, 得到產(chǎn)量因子得分[公式(5)]。

(5)

2.2.2 冬小麥產(chǎn)量與控制因素的逐步回歸分析

以冬小麥產(chǎn)量主成分得分()為因變量, 以各生產(chǎn)要素的綜合因子得分1(化肥)、2(農(nóng)藥)、3(灌溉)、4(年降水量)和5(年降水量下限)為自變量進行逐步回歸分析, 得出回歸方程[公式(6)], 因為農(nóng)藥因子(2)意義不顯著, 被剔除。

(6)

從表5回歸參數(shù)可以看出, 該方程決定系數(shù)2=0.685, 說明化肥因子(1)、灌溉面積因子(3)、年降水量因子(4)與年降水量下限因子(5)共同決定了冬小麥產(chǎn)量及變異信息的68.5%。其中灌溉因子(2)是最重要因子, 決定了產(chǎn)量變化37.4%的信息; 其次化肥因子、年降水量因子和年降水量下限因子分別決定21.7%、7.9%和1.5%。此結(jié)果也說明降水量對河北省冬小麥區(qū)域分布的影響比較小。

表4 河北省冬小麥產(chǎn)量控制因素的得分系數(shù)矩陣

表5 河北省冬小麥產(chǎn)量與控制因素之間回歸方程的相關(guān)參數(shù)

2.3 河北省冬小麥生產(chǎn)要素區(qū)域差異分析

2.3.1 灌溉面積比重區(qū)域差異分析

從表6可知, 各區(qū)的平均灌溉面積比重均超過50%, 其中Ⅰ區(qū)最大, Ⅳ區(qū)最小, 并且各區(qū)域間差異顯著(<0.01); 變異程度Ⅰ區(qū)最小, Ⅳ區(qū)最大, 各區(qū)域間差異顯著(<0.01)。尤其是灌溉面積比重位居全省前列的趙縣、藁城、正定、深澤、晉州等縣市均在Ⅰ區(qū), 平均灌溉面積比重在95%以上。這些變化與冬小麥平均產(chǎn)量和變異趨勢(表1)一致, 說明灌溉面積比重在河北省冬小麥生產(chǎn)布局和產(chǎn)量變化中的重要作用。

表6 河北省各冬小麥生產(chǎn)區(qū)產(chǎn)量控制因素變異大小的比較

表中數(shù)據(jù)為均值±變異系數(shù)。The values are mean ± coefficient of variation.

2.3.2 化肥使用量與年降水量區(qū)域差異分析

冬小麥化肥使用量介于192.11~1 628.21 kg?hm-2,按照各區(qū)平均化肥使用量進行排序: Ⅰ區(qū)>Ⅱ區(qū)>Ⅲ區(qū)>Ⅳ區(qū); 按照各區(qū)化肥使用量變異系數(shù)進行排序: Ⅱ區(qū)<Ⅰ區(qū)<Ⅲ區(qū)<Ⅳ區(qū)(表6), 并且各區(qū)域間的平均化肥使用量和變異系數(shù)的差異均達到顯著水平(<0.01)?；适褂昧孔疃嗟目h多集中在Ⅰ區(qū), 這些縣市冬小麥產(chǎn)量和灌溉面積比重在全省位于前列, 說明化肥使用量也與冬小麥產(chǎn)量的區(qū)域分布趨勢一致。從表6可知, 各區(qū)間年降水量變異差異不顯著(>0.05), 平均降水量Ⅰ區(qū)最少, Ⅳ區(qū)最多, 各區(qū)域間平均年降水量差異顯著(<0.05), 呈現(xiàn)出Ⅰ區(qū)向Ⅳ區(qū)依次遞增的趨勢, 與各區(qū)產(chǎn)量變化趨勢相反。說明年降水量對冬小麥產(chǎn)量區(qū)域差異影響較小, 可能被灌溉能力和施肥量作用掩蓋。

2.4 冬小麥產(chǎn)量與播種面積比重

從表7可知, 各區(qū)平均播種面積比重排序為Ⅰ區(qū)>Ⅱ區(qū)>Ⅳ區(qū)>Ⅲ區(qū), 并且各區(qū)間差異均達到顯著水平(<0.05)。各區(qū)播種面積比重變異系數(shù)排序為Ⅰ區(qū)<Ⅱ區(qū)<Ⅲ區(qū)<Ⅳ區(qū), 但差異均未達顯著水平(>0.05)。

表7 河北省不同區(qū)域冬小麥平均播種面積比重與變異系數(shù)的比較

從各區(qū)播種面積比重與產(chǎn)量關(guān)系(圖3)可以看出, 兩者線性關(guān)系達到顯著水平(2=0.141,<0.05), 即產(chǎn)量低的縣市其播種面積比重較小的趨勢。但也可以看出, Ⅳ區(qū)平均產(chǎn)量最低, 變異系數(shù)最大, 而滄縣、黃驊市、鹽山縣、孟村、涉縣、海興縣等低產(chǎn)縣市卻出現(xiàn)了播種面積較大的現(xiàn)象。當剔除6個異?？h時, 線性關(guān)系顯著性大大改善, 決定系數(shù)2= 0.409(<0.05)。

3 結(jié)論與討論

本文以河北省冬小麥主產(chǎn)區(qū)101個縣為研究單元, 借助數(shù)理統(tǒng)計分析方法, 分析河北省冬小麥生產(chǎn)空間格局及其控制因素的規(guī)律, 研究結(jié)果如下:

河北省冬小麥生產(chǎn)格局: 主產(chǎn)區(qū)主要集中在中南部平原地區(qū), 總體呈現(xiàn)出以高產(chǎn)區(qū)為中心向四周產(chǎn)量遞減的趨勢。高產(chǎn)區(qū)主要集中在石家莊市周邊平原地區(qū), 產(chǎn)量穩(wěn)定性良好, 灌溉面積率大, 化肥使用量高; 低產(chǎn)區(qū)主要分布在河北中南部平原地區(qū)的周邊地區(qū), 產(chǎn)量變異性大, 灌溉面積率小, 化肥使用量較少。

在冬小麥生產(chǎn)空間格局控制因素方面, 灌溉面積和化肥使用量是影響冬小麥空間格局的最主要因素, 與學者們[11-14]對河北省糧食空間格局的研究結(jié)果一致。其中灌溉面積是影響冬小麥生產(chǎn)格局的首要因素, 同時也是影響產(chǎn)量的重要因素, 高產(chǎn)區(qū)域灌溉面積率高達95%以上?；适褂昧繉臻g格局的分布起次要作用, 年降水量對空間格局的影響較小, 間接說明灌溉彌補了降水量不足或降水量區(qū)域性變異的影響。另外, 農(nóng)藥使用量對空間格局分布的影響不顯著, 說明病蟲害發(fā)生與防治的區(qū)域性趨勢不明顯。

本研究還發(fā)現(xiàn), 主要分布在東北部低平原或沿海的海興縣、滄縣、黃驊市、孟村、鹽山縣、涉縣小麥產(chǎn)量很低, 但卻具有較高的播種面積, 說明這些縣播種面積可能不正常偏高, 需要引起注意。而其他各縣冬小麥播種面積與產(chǎn)量吻合較好, 產(chǎn)量及各主要生產(chǎn)要素值比較高的縣域產(chǎn)量穩(wěn)定性好, 種植比重也高, 說明本省冬小麥布局現(xiàn)狀基本合理。

本文以產(chǎn)量及其變異性進行河北省冬小麥生產(chǎn)格局分析, 根據(jù)灌溉面積、化肥使用量、年降水量等生產(chǎn)要素所建模型能夠解釋冬小麥產(chǎn)量68.5%的變異信息, 能夠反映出河北省冬小麥生產(chǎn)空間格局及其控制因素的合理規(guī)律, 但也說明還有很大比例的信息還未可知, 一些比較重要的因素還沒有考慮, 例如品種。在氣候變化的背景下, 溫度、日照等氣象要素均可能對當?shù)囟←溕a(chǎn)空間格局產(chǎn)生影響。本文假設品種、氣象等要素的空間變化是隨機的或與時間同步的, 如假設品種更替和溫度變化在各地隨時間變化的差異性可以忽略。這些因素的變化究竟是否可以忽略, 其影響到底有多大, 我們將在后續(xù)研究中考慮進這些因素及其隨時間的變化, 并延長研究時效, 對冬小麥生產(chǎn)空間格局的控制因素進行更全面地分析調(diào)查, 從而使研究結(jié)果更可靠更具有科學性。

References

[1] 楊永明, 李憲松, 宗義湘. 河北省小麥生產(chǎn)變動及區(qū)域布局研究[J]. 合作經(jīng)濟與科技, 2013(10): 8–9 Yang Y M, Li X S, Zong Y X. A research on wheat production and regional layout in Hebei Province[J]. Co-Operative Economy & Science, 2013(10): 8–9

[2] 姜會飛, 潘學標, 吳文良. 中國小麥生產(chǎn)的時空變異及區(qū)域優(yōu)勢分析[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2005, 26(5): 39–42 Jang H F, Pan X B, Wu W L. Space-time variance and zoning advantage analysis of China wheat[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2005, 26(5): 39–42

[3] 趙廣才. 中國小麥種植區(qū)劃研究(一)[J]. 麥類作物學報, 2010, 30(5): 1140–1147 Zhao G C. Study on Chinese wheat planting regionalization (Ⅰ)[J]. Journal of Triticeae Crops, 2010, 30(5): 1140–1147

[4] 李明輝, 周玉璽, 周林, 等. 中國小麥生產(chǎn)區(qū)域優(yōu)勢度演變及驅(qū)動因素分析[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2015, 36(5): 7–15 Li M H, Zhou Y X, Zhou L, et al. Comparative advantage changes of regional wheat production in China and analysis of influencing factors[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(5): 7–15

[5] 李克南, 楊曉光, 劉園, 等. 華北地區(qū)冬小麥產(chǎn)量潛力分布特征及其影響因素[J]. 作物學報, 2012, 38(8): 1483–1493 Li K N, Yang X G, Liu Y, et al. Distribution characteristics of winter wheat yield and its influenced factors in North China[J]. Acta Agronomica Sinica, 2012, 38(8): 1483–1493

[6] 袁再健, 許元則, 謝櫨樂. 河北平原農(nóng)田耗水與地下水動態(tài)及糧食生產(chǎn)相互關(guān)系分析[J]. 中國生態(tài)農(nóng)業(yè)學報, 2014, 22(8): 904–910 Yuan Z J, Xu Y Z, Xie L Y. Correlation among farmland water consumption, grain yield and groundwater dynamics in the Hebei Plain[J]. Chinese Journal of Eco-Agriculture, 2014, 22(8): 904–910

[7] 潘學鵬, 李改欣, 劉峰貴, 等. 華北平原冬小麥面積遙感提取及時空變化研究[J]. 中國生態(tài)農(nóng)業(yè)學報, 2015, 23(4): 497–505 Pan X P, Li G X, Liu F G, et al. Using remote sensing to determine spatio-temporal variations in winter wheat growing area in the North China Plain[J]. Chinese Journal of Eco- Agriculture, 2015, 23(4): 497–505

[8] 徐志宇, 宋振偉, 鄧艾, 等. 近30年我國主要糧食作物生產(chǎn)的驅(qū)動因素及空間格局變化研究[J]. 南京農(nóng)業(yè)大學學報, 2013, 36(1): 79–86 Xu Z Y, Song Z W, Deng A, et al. Regional changes of production layout of main grain crops and their actuation factors during 1981–2008 in China[J]. Journal of Nanjing Agricultural University, 2013, 36(1): 79–86

[9] 莫興國, 林忠輝, 劉蘇峽. 黃淮海地區(qū)冬小麥生產(chǎn)力時空變化及其驅(qū)動機制分析[J]. 自然資源學報, 2006, 21(3): 449–457 Mo X G, Lin Z H, Liu S X. Spatial-temporal evolution and driving forces of winter wheat productivity in the Huang-Huai-Hai Region[J]. Journal of Natural Resources, 2006, 21(3): 449–457

[10] 王勇. 黃淮海地區(qū)小麥生產(chǎn)布局演變研究[D]. 北京: 中國農(nóng)業(yè)科學院, 2010: 24–56 Wang Y. The evolution of allocation of wheat production in Huang-Huai-Hai Region[D]. Beijing: Chinese Academy of Agricultural Sciences, 2010: 24–56

[11] 王千, 金曉斌, 阿依吐爾遜·沙木西, 等. 河北省糧食產(chǎn)量空間格局差異變化研究[J]. 自然資源學報, 2010, 25(9): 1525–1535 Wang Q, Jin X B, Ayituerxun·Shamuxi, et al. Space difference research of the grain production in Hebei Province[J]. Journal of Natural Resources, 2010, 25(9): 1525–1535

[12] 張路路, 張悅國, 劉瑞卿, 等. 河北省糧食單產(chǎn)區(qū)域差異特征演變格局及動因分析[J]. 水土保持研究, 2011, 18(2): 192–197 Zhang L L, Zhang Y G, Liu R Q, et al. Spatial disparity and dynamic evolution of grain yield per unit area and its driving factors in Hebei Province[J]. Research of Soil and Water Conservation, 2011, 18(2): 192–197

[13] 白立佳, 張路路, 劉瑞卿, 等. 基于ESDA的河北省糧食單產(chǎn)空間格局變化研究[J]. 農(nóng)機化研究, 2012, 34(1): 18–24 Bai L J, Zhang L L, Liu R Q, et al. Regional difference research of grain per unit area yield in Hebei Province base on ESDA[J]. Journal of Agricultural Mechanization Research, 2012, 34(1): 18–24

[14] 王玉倩. 河北省糧食作物投入產(chǎn)出時空格局及影響因素研究[D]. 石家莊: 河北科技大學, 2013: 17–55 Wang Y Q. Input and output factors’ spatiotemporal variation analysis of grain production in Hebei Province[D]. Hebei: Hebei University of Science and Technology, 2013: 17–55

[15] 劉中培, 張光輝, 嚴明疆, 等. 石家莊平原區(qū)糧食施肥增產(chǎn)對地下水開采量演變影響研究[J]. 中國生態(tài)農(nóng)業(yè)學報, 2012, 20(1): 111–115 Liu Z P, Zhang G H, Yan M J, et al. Impact of fertilization and high grain production on groundwater exploitation in Shijiazhuang Plain[J]. Chinese Journal of Eco-Agriculture, 2012, 20(1): 111–115

[16] 杜群, 歐陽竹. 淮北砂姜黑土區(qū)小麥單產(chǎn)變化及影響因素分析[J]. 中國生態(tài)農(nóng)業(yè)學報, 2008, 16(6): 1434–1438 Du Q, Ouyang Z. Changes in per-hectare yield of wheat and related factors in Shajiang black soil region of the Huaibei Plain[J]. Chinese Journal of Eco-Agriculture, 2008, 16(6): 1434–1438

[17] 吳普特, 趙西寧. 氣候變化對中國農(nóng)業(yè)用水和糧食生產(chǎn)的影響[J]. 農(nóng)業(yè)工程學報, 2010, 26(2): 1–6 Wu P T, Zhao X N. Impact of climate change on agricultural water use and grain production in China[J]. Transactions of the CSAE, 2010, 26(2): 1–6

[18] Zhang X Y, Wang S F, Sun H Y, et al. Contribution of cultivar, fertilizer and weather to yield variation of winter wheat over three decades: A case study in the North China Plain [J]. European Journal of Agronomy, 2013, 50: 52–59

[19] Xiao D P, Tao F L. Contributions of cultivars, management and climate change to winter wheat yield in the North China Plain in the past three decades[J]. European Journal of Agronomy, 2014, 52: 112–122

[20] 河北省統(tǒng)計局. 河北農(nóng)村統(tǒng)計年鑒[M]. 北京: 中國統(tǒng)計出版社, 2005–2014 Bureau of Statistics of Hebei Province. Hebei Rural Statistical Yearbook[M]. Beijing: China Statistics Press, 2005–2014

[21] 鄧國, 王昂生, 周玉淑, 等. 中國糧食產(chǎn)量不同風險類型的地理分布[J]. 自然資源學報, 2002, 17(2): 210–215 Deng G, Wang A S, Zhou Y S, et al. Geographical distribution of China’s grain yield risk area[J]. Journal of Natural Resources, 2002, 17(2): 210–215

[22] 張文彤, 董偉. SPSS統(tǒng)計分析高級教程[M]. 北京: 高等教育出版社, 2013 Zhang W T, Dong W. SPSS Statistical Analysis and Advanced Tutorial [M]. Beijing: Higher Education Press, 2013

[23] 王西琴, 吳若然, 李兆捷, 等. 我國農(nóng)業(yè)用水安全的分區(qū)及發(fā)展對策[J]. 中國生態(tài)農(nóng)業(yè)學報, 2016, 24(10): 1428–1434 Wang X Q, Wu R R, Li Z J, et al. Agricultural water security zoning and developmental countermeasures in China[J]. Chinese Journal of Eco-Agriculture, 2016, 24(10): 1428–1434

[24] 宋亞路, 劉蘇峽, 馬英, 等. 土壤分層關(guān)鍵因子確定——以新鄉(xiāng)實驗農(nóng)地為例[J]. 地理研究, 2014, 33(11): 2125–2134 Song Y L, Liu S X, Ma Y, et al. Determining key factors for soil stratification: A case study in the farmland of Xinxiang[J]. Geographical Research, 2014, 33(11): 2125–2134

[25] 楊吉, 蘇維詞. 基于系統(tǒng)聚類分析的天河潭區(qū)域環(huán)境污染程度評價[J]. 環(huán)境工程, 2016(8): 154–157 Yang J, Su W C. The environmental pollution degree assessment in Tianhe Lake area based on hierarchical cluster analysis[J]. Environmental Engineering, 2016(8): 154–157

[26] 牛創(chuàng)民, 溫學飛, 王峰. 基于因子分析法的鹽池縣糧食生產(chǎn)影響因素分析[J]. 水土保持研究, 2010, 17(6): 278–282 Niu C M, Wen X F, Wang F. Influence factor analysis of grain-production in Yanchi County based on factor analysis method [J]. Research of Soil and Water Conservation, 2010, 17(6): 278–282

[27] 楊威, 盧文喜, 李平, 等. 因子分析法在伊通河水質(zhì)評價中的應用[J]. 水土保持研究, 2007, 14(1): 113–114 Yang W, Lu W X, Li P, et al. Application of factor analysis method to the water quality evaluation of Yitong River[J]. Research of Soil and Water Conservation, 2007, 14(1): 113–114

[28] 肖艷芳, 宮輝力, 周德民. 基于因子分析的苜蓿葉片葉綠素高光譜反演研究[J]. 生態(tài)學報, 2012, 32(10): 3098–3106 Xiao Y F, Gong H L, Zhou D M. A study on the hyperspectral inversion for estimating leaf chlorophyll content of clover based on factor analysis[J]. Acta Ecologica Sinica, 2012, 32(10): 3098–3106

[29] 薛薇. 統(tǒng)計分析與SPSS的應用[M]. 3版. 北京: 中國人民大學出版社, 2011 Xue W. Statistical Analysis and SPSS Application[M]. 3rd ed. Beijing: China Renmin University Press, 2011

[30] 章文波, 陳紅艷. 實用數(shù)據(jù)統(tǒng)計分析及SPSS 12.0應用[M]. 北京: 人民郵電出版社, 2006 Zhang W B, Chen H Y. Statistical Analysis of Practical Data and SPSS 12[M]. Beijing: The People’s Posts and Telecommunications Press, 2006

Spatial structure and control factors of winter wheat production in Hebei Province*

ZHAO Jiwei, WANG Xiping**, DU Xunyu, SHANG Zhiyun

(College of Resources and Environmental Sciences, Hebei Normal University / Hebei Key Laboratory of Environmental Change and Ecological Construction, Shijiazhuang 050024, China)

Winter wheat is one of the most important staple crops in the North China Plain. With intensifying challenges of climate change and water shortage, the need for sustainable and high efficiency winter wheat production is becoming more pressing. Clear understanding of the control factors of wheat production can provide the necessary basis for the regulation of a smart winter wheat production policy. Hebei Province is one of the major winter wheat production regions in North China. Annual records (2004–2013) of wheat yield and agricultural information for each county in the province were used to analyze the spatial distribution of yield variation of winter wheat along with the control factors. The major winter wheat production area (which consists of 101 counties with winter wheat area greater than 20% of total cropping area of the county) in Hebei Province was selected and divided into 4 zones (Ⅰ–Ⅳ) using hierarchical clustering analysis based on maximum, minimum and average yields. A principal component analysis was conducted using the average and variation indexes (minimum, maximum, bottom and top boundaries of the 95% confidence interval) of the agricultural variables for winter wheat production, including irrigated area, fertilizer and pesticide amount as well as annual rainfall in each county. Five derived principal factors represented fertilizer (1), pesticide (2), irrigation (3), annual rainfall (4) and minimum rainfall (5). Based on the factor score values of the factor models, a stepwise regression analysis model was developed to assess the spatial variation of winter wheat yield as an independent factor (). The results showed that from zone Ⅰ to zone Ⅳ, averaged winter wheat yield decreased, whereby temporal yield variation increased significantly (< 0.05). Zone Ⅰ mostly covered central Hebei Plain including Gaocheng and Luancheng Counties to the east of Shijiazhuang City. Zones Ⅱ, Ⅲand Ⅳ diverged from the central to the peripheral of Hebei Plain in that sequence, especially zone Ⅳ which only covered the southwest and northeast corner with the lowest yield and the highest variation. Model analysis showed thatwas significantly correlated with1,3,4and5(2= 0.685,< 0.01) and these factors explained 68.5% of, where irrigation (3) was the most important factor explaining 37.4% and fertilizer (1) explaining 21.7%. Annual rainfall4and5together explained only 9.4% of the whole model result, indicating a minor effect of annual rainfall on the spatial distribution of winter wheat production in Hebei Province. Pesticide (2) was not factored into theregression model, showing that the use of pesticide had no significant effect on winter wheat production. It underlined the point that plant diseases and pests happened at random and with no regional tendency in winter wheat production. Regression analysis on winter wheat yield and the ratio of winter wheat area to total cropped area (6) showed that6coincidently varied with winter wheat yield among different counties (2= 0.409,< 0.05). Only a few counties to the far east of the low plain close to the coast belonging to zone Ⅳ with the lowest winter wheat yield but abnormally high6. The results showed that winter wheat production was basically more proper under the existing management mode. However, under severe water shortage conditions, the abnormally high6value with low yield spots needed careful examination to insure a healthy and sustainable high-efficiency cropping system. Otherwise winter wheat production should be reduced in low yield areas because irrigation was the most important controlling factor of production. Nevertheless, in this study, only 68.5% of the production variables were explored. This implied that there were other factors not only taken into account in the analysis but also affected winter wheat production.

Winter wheat; Spatial structure; Yield variation; Irrigation; Control factor; Hebei Province

10.13930/j.cnki.cjea.160573

S512.1+1

A

1671-3990(2016)12-1683-10

2016-06-27 接受日期: 2016-09-12

* 河北省自然科學基金項目(D2014205159)、國家高技術(shù)研究發(fā)展計劃(863計劃)項目(2013AA122101)資助

**通訊作者:王錫平, 主要從事氣候變化與農(nóng)業(yè)生產(chǎn)系統(tǒng)模擬和分析研究。E-mail: wangxp@mail.hebtu.edu.cn 趙稷偉, 主要從事農(nóng)作生產(chǎn)系統(tǒng)的模擬與分析。E-mail:1603126765@qq.com

* This study was supported by the Natural Science Foundation of Hebei Province (D2014205159) and the National High Technology Research and Development Program (863 Program) of China (2013AA122101).

**Corresponding author, E-mail: wangxp@mail.hebtu.edu.cn

Received Jun. 27, 2016; accepted Sep. 12, 2016