廣西蔬菜產(chǎn)量灰色預(yù)測(cè)模型GM（1，1）的建立及其相關(guān)性分析

余永松，龐正武，周葉寧，鐘文峰，何龍飛，王愛(ài)勤

（1.廣西大學(xué)農(nóng)學(xué)院，廣西 南寧 530004；2.廣西大學(xué)計(jì)算機(jī)與電子信息學(xué)院，廣西 南寧 530004；3.華中科技大學(xué)管理學(xué)院，湖北 武漢 430074）

廣西地處我國(guó)華南地區(qū)，為亞熱帶、熱帶季風(fēng)氣候，熱量充足，降水豐富，年均氣溫在16.5～23.1℃之間，降水量1 070 mm以上，年均無(wú)霜期284～365 d，非常適合蔬菜種植，且蔬菜品種資源非常豐富，其中秋冬季蔬菜大量遠(yuǎn)銷(xiāo)國(guó)內(nèi)東部及北方地區(qū)和東盟市場(chǎng)［1］。

全國(guó)蔬菜產(chǎn)業(yè)發(fā)展規(guī)劃（2011～2020年）中，將廣西26個(gè)縣（區(qū)）列為全國(guó)蔬菜產(chǎn)業(yè)重點(diǎn)縣，以確保元旦、春節(jié)期間全國(guó)蔬菜的供應(yīng)［2］，被譽(yù)為北方地區(qū)“冬季菜籃子”。同時(shí)，近年來(lái)，由于珠三角地區(qū)城市化快速發(fā)展，農(nóng)用地逐漸減少，蔬菜種植成本高昂，以及土地污染嚴(yán)重等問(wèn)題，廣西也成為了珠三角全年蔬菜供應(yīng)的重要基地［3］，“廣西蔬菜之鄉(xiāng)”賀州市更是被譽(yù)為珠三角的“后菜園”［4］，廣西蔬菜產(chǎn)業(yè)可持續(xù)發(fā)展具有重要的戰(zhàn)略意義。加強(qiáng)對(duì)廣西蔬菜產(chǎn)量的科學(xué)預(yù)測(cè)，對(duì)指導(dǎo)廣西蔬菜產(chǎn)業(yè)生產(chǎn)、儲(chǔ)存與加工十分必要［5］。

1981年，華中理工大學(xué)鄧聚龍教授在上海中-美控制系統(tǒng)學(xué)術(shù)會(huì)議上首次提出“灰色系統(tǒng)”和灰色模型（Grey Model，GM）。由于灰色系統(tǒng)模型的建立不需要大量的樣本數(shù)據(jù)及樣本有規(guī)律的分布，同時(shí)計(jì)算工作量較小，可用于近期、短期以及中長(zhǎng)期的系統(tǒng)預(yù)測(cè)，且預(yù)測(cè)精度比較高，逐漸被廣泛應(yīng)用［6］。匯總利用灰色系統(tǒng)對(duì)2014—2017年全國(guó)糧食產(chǎn)量進(jìn)行的預(yù)測(cè)研究，結(jié)合國(guó)家統(tǒng)計(jì)局公布的各省以及全國(guó)歷年的糧食實(shí)際產(chǎn)量，發(fā)現(xiàn)其準(zhǔn)確率高達(dá)95%以上，是一種比較可靠的糧食產(chǎn)量預(yù)測(cè)模型。

目前，國(guó)內(nèi)外利用灰色預(yù)測(cè)模型進(jìn)行的產(chǎn)量預(yù)測(cè)多集中在糧食產(chǎn)量領(lǐng)域，關(guān)于蔬菜產(chǎn)量預(yù)測(cè)的較少。魯珊珊等［7］利用灰色預(yù)測(cè)模型對(duì)上海市2013—2017年的蔬菜產(chǎn)量進(jìn)行了預(yù)測(cè)研究。王潔等［8］利用最小二乘法GM（1，1）模型對(duì)2017—2019年我國(guó)蔬菜產(chǎn)量進(jìn)行了預(yù)測(cè)研究。張賽麗［9］利用灰色模型、Quadratic模型和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)海南1980—2020年間的瓜類(lèi)產(chǎn)量進(jìn)行了預(yù)測(cè)研究，結(jié)果顯示3個(gè)模型之間的預(yù)測(cè)數(shù)據(jù)偏差較大。

基于灰色預(yù)測(cè)模型對(duì)廣西蔬菜產(chǎn)量進(jìn)行預(yù)測(cè)的研究尚未見(jiàn)報(bào)道。本研究根據(jù)廣西壯族自治區(qū)統(tǒng)計(jì)局公布的2008—2014年廣西蔬菜產(chǎn)量數(shù)據(jù)，采用灰色系統(tǒng)理論的方法構(gòu)建數(shù)學(xué)預(yù)測(cè)模型，并進(jìn)行相對(duì)誤差、關(guān)聯(lián)度、后驗(yàn)差精度檢驗(yàn)以及模型實(shí)際檢驗(yàn)，在此基礎(chǔ)上對(duì)2017—2019年廣西蔬菜產(chǎn)量進(jìn)行預(yù)測(cè)。

1 材料與方法

1.1 建模數(shù)據(jù)來(lái)源

2008—2016年廣西蔬菜（包含菌類(lèi)）產(chǎn)量數(shù)據(jù)來(lái)源于《廣西統(tǒng)計(jì)年鑒》。

1.2 蔬菜灰色模型的建立

灰色模型是基于一階常微分方程建立的，故稱(chēng)為一階一元灰色模型，記為GM（1，1）［12］。根據(jù)灰色系統(tǒng)理論，建立蔬菜灰色模型的數(shù)據(jù)選取2008—2014年廣西蔬菜產(chǎn)量作為輸出因子，首先通過(guò)數(shù)據(jù)序列級(jí)比和可容覆蓋計(jì)算，確定原始數(shù)據(jù)序列X(0){X(0)=X(0)(1)，X(0)(2)，…X(0)(n)}是否能直接用于建模，其次運(yùn)用累加生成和累減生成方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到新序列，建立起廣西蔬菜產(chǎn)量數(shù)據(jù)時(shí)間模型，得到關(guān)于蔬菜產(chǎn)量的原始數(shù)據(jù)序列,建立灰色預(yù)測(cè)模型［12］。

1.3 模型有效性評(píng)估

模型檢驗(yàn)是建模工作必不可少的一部分，為準(zhǔn)確對(duì)實(shí)際情況進(jìn)行預(yù)測(cè)，在進(jìn)行數(shù)學(xué)建模時(shí)必須要對(duì)模型的有效性進(jìn)行評(píng)估，參照文獻(xiàn)［10］-［11］中4種檢驗(yàn)方法對(duì)1.2構(gòu)建的模型進(jìn)行準(zhǔn)確度檢驗(yàn)。

1.3.1 殘差檢驗(yàn) 殘差的計(jì)算公式為：

相對(duì)誤差計(jì)算公式為：

則平均相對(duì)誤差計(jì)算公式為：

1.3.2 關(guān)聯(lián)度檢驗(yàn) 先計(jì)算出預(yù)測(cè)序列與預(yù)測(cè)因素之間的關(guān)聯(lián)系數(shù)r，關(guān)聯(lián)系數(shù)再計(jì)算關(guān)聯(lián)度：

式中，ρ為分辨率，0＜ρ＜1,一般取ρ=0.5,其中k=2,3,…n。

1.3.3 后驗(yàn)差檢驗(yàn) 根據(jù)下列公式計(jì)算后驗(yàn)差比值C和小誤差概率P，再根據(jù)預(yù)測(cè)精度等級(jí)標(biāo)準(zhǔn)（表1），判斷該模型預(yù)測(cè)精度等級(jí)。

表1 預(yù)測(cè)精度等級(jí)標(biāo)準(zhǔn)

1.3.4 模型實(shí)際檢測(cè) 對(duì)符合殘差、關(guān)聯(lián)度以及后驗(yàn)差檢驗(yàn)的模型進(jìn)行實(shí)際產(chǎn)量預(yù)測(cè)，求出2015—2016年廣西蔬菜產(chǎn)量，并與當(dāng)年實(shí)際值對(duì)比，檢驗(yàn)準(zhǔn)確率如何。根據(jù)已知擬合模型為：x（0）（i）-0.046864Zt(i)=1902.815305，且模型的白化響應(yīng)式為求出2015—2016年廣西蔬菜產(chǎn)量的預(yù)測(cè)數(shù)據(jù)。

1.4 2017—2019年廣西蔬菜產(chǎn)量預(yù)測(cè)

基于2008—2014年廣西蔬菜產(chǎn)量歷史數(shù)據(jù)，建立起的灰色預(yù)測(cè)GM（1，1）模型，通過(guò)了殘差檢驗(yàn)、關(guān)聯(lián)度檢驗(yàn)、后驗(yàn)差精度檢驗(yàn)以及實(shí)際檢測(cè)，檢驗(yàn)結(jié)果證明該模型可以使用。在此基礎(chǔ)上，基于建模中利用的原始數(shù)據(jù)越多，利用的數(shù)據(jù)在時(shí)間上越貼近，建立的預(yù)測(cè)模型越準(zhǔn)確，所以我們基于2008—2016年共9年的廣西蔬菜產(chǎn)量歷史數(shù)據(jù)，以及灰色預(yù)測(cè)系統(tǒng)原理建立新的GM（1，1）模型，對(duì)廣西未來(lái)3年的蔬菜產(chǎn)量進(jìn)行預(yù)測(cè)。

1.5 影響廣西蔬菜產(chǎn)量因素的相關(guān)性分析

為保證蔬菜產(chǎn)量出現(xiàn)預(yù)期的結(jié)果，我們對(duì)影響蔬菜產(chǎn)量的相關(guān)性因素進(jìn)行分析。根據(jù)Elisabeth Simclton等學(xué)者對(duì)蔬菜產(chǎn)量的相關(guān)性進(jìn)行研究，結(jié)合實(shí)際情況，將影響廣西蔬菜產(chǎn)量的因素選擇為蔬菜種植面積、蔬菜消費(fèi)量以及農(nóng)業(yè)財(cái)政支出（包括農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)、農(nóng)業(yè)技術(shù)、農(nóng)業(yè)補(bǔ)貼等支出）。根據(jù)《廣西統(tǒng)計(jì)年鑒》、國(guó)家統(tǒng)計(jì)局、農(nóng)業(yè)局公布的2008—2016年廣西蔬菜種植面積、廣西財(cái)政支農(nóng)支出及全國(guó)蔬菜消費(fèi)量數(shù)據(jù)（表2），以廣西蔬菜產(chǎn)量為因變量，其他3個(gè)變量均為自變量，并利用SPSS對(duì)這4個(gè)因素進(jìn)行復(fù)相關(guān)關(guān)系分析。相關(guān)系數(shù)計(jì)算公式如下：

相關(guān)系數(shù)r的一般標(biāo)準(zhǔn)為：|r|＜0.3時(shí)，兩個(gè)現(xiàn)象之間沒(méi)有關(guān)系；0.3≤|r|＜0.5時(shí)，低度相關(guān)；0.5≤|r|＜0.8時(shí)，顯著相關(guān)或稱(chēng)中度相關(guān)； |r|≥0.8時(shí)， 高度相關(guān)。

表2 2008—2016年廣西蔬菜種植面積、廣西財(cái)政支農(nóng)支出及全國(guó)蔬菜消費(fèi)量

2 結(jié)果與分析

2.1 建模數(shù)據(jù)分析

從表3可以看出，自2008年以來(lái)，廣西蔬菜產(chǎn)量逐年上升。2007年廣西蔬菜產(chǎn)量2 352.1萬(wàn)t，由于受到春季寒潮以及雪災(zāi)的影響，2008年蔬菜產(chǎn)量?jī)H有2 015.20萬(wàn)t，2009—2016年連續(xù)8年保持著平均4.80%的增長(zhǎng)速度，蔬菜播種面積也總體增加。

表3 2008—2016年廣西蔬菜種植面積及產(chǎn)量

2.2 蔬菜灰色模型的建立

其一階常微分方程為：X（0）={X（0）(1)，X（0）（2）， …X（0）（7）}={2015.20，2063.07，2129.44，2246.40，2356.72，2435.62，2610.08}。

由于不確定該數(shù)據(jù)序列是否可以用于建模，所以需要計(jì)算該數(shù)據(jù)序列的級(jí)比，并做級(jí)比判斷：

其中，可容覆蓋區(qū)間為：

顯然，所有的λk均在可容覆蓋區(qū)間內(nèi)，因此不需要對(duì)原始數(shù)列X（0）進(jìn)行弱化緩沖算子處理，故可以用原始數(shù)據(jù)序列X（0）進(jìn)行GM（1，1）建模，對(duì)數(shù)據(jù)序列進(jìn)行進(jìn)一步的預(yù)處理：

原始數(shù)據(jù)序列：X(0)={2015.20，2063.07，2129.44，2246.40，2356.72，2435.62，2610.08}

由原始序列X(0)經(jīng)一次累加得新序列為：

X(1)={2015.20，4078.27，6201.71，8454.11，10810.83，13246.45，15856.53}

接著建立GM（1，1）預(yù)測(cè)模型，設(shè)X(1)滿(mǎn)足一階常微分方程：

式中，a、u為常數(shù)，a為發(fā)展灰數(shù)；u為內(nèi)生控制灰數(shù)，是對(duì)系統(tǒng)的常定輸入。

灰色建模的途徑是一次累加序列通過(guò)最小二乘法來(lái)估計(jì)常數(shù)a與u。因X(1)(1)留作初值用，故將X(1)(2)，X(1)(3)，…X(1)(n) (n=7)分別代入方程用差分代替微分，又因等間隔取樣Δt=(t+1)-t=1，得：

則類(lèi)似有：

得表達(dá)式（a）：

生成緊鄰均值為：Z(t)=（3046.735,5139.99, 7327.91, 9632.47, 12028.64, 14551.49）

所以，可以將上式表達(dá)式(a)寫(xiě)為矩陣表達(dá)式(b)為：

于是得到：

用GM（1，1）建模：

解得時(shí)間響應(yīng)序列為：

據(jù)此模型求得數(shù)據(jù)還原值，即根據(jù)此模型預(yù)測(cè)計(jì)算得出的2008—2014年廣西蔬菜產(chǎn)量為：2245.71，2353.46，2466.37，2584.71}。

2.3 模型有效性評(píng)估

2.3.1 殘差檢驗(yàn)結(jié)果 原始數(shù)列的殘差、相對(duì)誤差見(jiàn)表4。

表4 GM（1，1）模型檢驗(yàn)結(jié)果統(tǒng)計(jì)

根據(jù)灰色模型預(yù)測(cè)精度檢驗(yàn)等級(jí)標(biāo)準(zhǔn)（表5），判斷該模型預(yù)測(cè)精度達(dá)到一級(jí)，可以使用［13］。

表5 灰色預(yù)測(cè)精度檢驗(yàn)等級(jí)標(biāo)準(zhǔn)

2.3.2 關(guān)聯(lián)度檢驗(yàn)結(jié)果 根據(jù)關(guān)聯(lián)度的計(jì)算公式，η(k)=(0.47734，0.55694，1.00000，0.86209，0.34807，0.39428) 。

則關(guān)聯(lián)度r=0.60645＞0.6,根據(jù)經(jīng)驗(yàn)判斷，該模型可以使用［13］。

2.3.3 后驗(yàn)差檢驗(yàn)結(jié)果 根據(jù)均值和方差計(jì)算公式分別得：

顯然，所有的 ?(k)＜134.53577，則P=1＞0.95。

根據(jù)預(yù)測(cè)精度等級(jí)對(duì)照（表5），該模型預(yù)測(cè)精度等級(jí)為一級(jí)，可以使用［14］。

2.3.4 模型實(shí)際檢測(cè)結(jié)果 利用該模型對(duì)2015、2016年廣西蔬菜產(chǎn)量的預(yù)測(cè)結(jié)果分別為2 708.739萬(wàn)、2 838.704萬(wàn)t（表6）。與廣西蔬菜產(chǎn)量實(shí)際數(shù)據(jù)誤差絕對(duì)值分別為2.79%、3.08%，正確率均在96%以上，且平均誤差絕對(duì)值為2.935%，說(shuō)明該模型預(yù)測(cè)精度比較高，可以用于預(yù)測(cè)2017—2019年廣西蔬菜產(chǎn)量。

表6 2015—2016年廣西蔬菜產(chǎn)量灰色預(yù)測(cè)實(shí)際對(duì)照（萬(wàn)t）

2.4 廣西未來(lái)3年蔬菜產(chǎn)量預(yù)測(cè)

基于2008—2016年9年的廣西蔬菜產(chǎn)量歷史數(shù)據(jù)，以及灰色預(yù)測(cè)系統(tǒng)原理建立新的GM（1，1）模型：

得到新的原始數(shù)列的殘差、相對(duì)誤差（表7）。根據(jù)表7中新建GM（1，1）模型中2015、2016年的模擬值和相對(duì)誤差（0.891＞2.79，0.705＜3.08）表明，利用更多和最新的數(shù)據(jù)建立的模型比之前建立的灰色預(yù)測(cè)模型更有效。

表7 誤差檢驗(yàn)

利用新模型預(yù)測(cè)2017—2019年的廣西蔬菜產(chǎn)量以及發(fā)展趨勢(shì)，結(jié)果表明，2017、2018、2019年廣西蔬菜預(yù)測(cè)產(chǎn)值分別為3 062.58萬(wàn)、3 225.20萬(wàn)、3 396.45萬(wàn)t。未來(lái)3年，廣西蔬菜產(chǎn)量將持續(xù)穩(wěn)定增長(zhǎng)，平均年增長(zhǎng)155.88萬(wàn)t，年均增長(zhǎng)率在5%左右（表8）。

表8 2017—2019年廣西蔬菜產(chǎn)量預(yù)測(cè)值（萬(wàn)t）

2.5 相關(guān)性分析

在置信水平為0.01的情況下，采用t檢驗(yàn)的方法進(jìn)行雙側(cè)檢驗(yàn)，種植面積、消費(fèi)量、財(cái)政支農(nóng)支出與蔬菜產(chǎn)量的相關(guān)系數(shù)分別為0.974、0.990、0.974。由此可知，廣西蔬菜的種植面積、我國(guó)蔬菜消費(fèi)量以及廣西財(cái)政支農(nóng)支出與蔬菜產(chǎn)量存在高度依存的關(guān)系［15］。

3 結(jié)論與討論

3.1 關(guān)于灰色預(yù)測(cè)模型

目前應(yīng)用于農(nóng)業(yè)領(lǐng)域的產(chǎn)量預(yù)測(cè)模型主要有神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、遙感預(yù)測(cè)模型、多元回歸模型以及灰色預(yù)測(cè)模型。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法產(chǎn)生于機(jī)器智能的背景下，具有自學(xué)習(xí)、分布式處理、大規(guī)模并行以及自組織的優(yōu)點(diǎn)。利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法對(duì)馬鈴薯、廣西糧食產(chǎn)量進(jìn)行預(yù)測(cè)，預(yù)報(bào)精度和擬合精度平均相對(duì)誤差達(dá)到4.48%，部分誤差值達(dá)到5%以上［16-17］。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法比傳統(tǒng)的回歸模型更有優(yōu)勢(shì)，但是神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法需要反復(fù)測(cè)試，對(duì)于樣本依賴(lài)性比較強(qiáng)，在早期數(shù)據(jù)缺失以及統(tǒng)計(jì)失當(dāng)?shù)那闆r下，預(yù)測(cè)精度誤差較大［16］。

遙感技術(shù)于20世紀(jì)70年代引入我國(guó)，經(jīng)過(guò)40年的發(fā)展，已在社會(huì)各個(gè)行業(yè)大量應(yīng)用［15-16］。但利用遙感技術(shù)對(duì)產(chǎn)量預(yù)測(cè)精確度仍有待提高，與其他預(yù)測(cè)方法相比，遙感預(yù)測(cè)法成本比較大，專(zhuān)業(yè)性也比較強(qiáng)［18-19］。

利用回歸模型進(jìn)行產(chǎn)量預(yù)測(cè)的研究已經(jīng)比較成熟，如王春輝等［20］利用回歸模型對(duì)江蘇省糧食產(chǎn)量進(jìn)行了預(yù)測(cè)，易淳等［21］利用線(xiàn)性回歸和灰色預(yù)測(cè)模型對(duì)四川省涼山州冕寧縣煙葉產(chǎn)量進(jìn)行了預(yù)測(cè)；但利用回歸模型需要與其他模型相組合，才能提高預(yù)測(cè)的精度以及可信度，而且需要樣本數(shù)據(jù)較多，一般不少于20個(gè)。同時(shí)，預(yù)測(cè)對(duì)象與影響因素之間必須存在因果聯(lián)系。

與線(xiàn)性回歸模型、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、遙感預(yù)測(cè)模型等預(yù)測(cè)模型相比，灰色預(yù)測(cè)模型在理論、方法以及預(yù)測(cè)上都有需要的數(shù)據(jù)少、數(shù)據(jù)不需要有一定的規(guī)律、定量分析結(jié)果與定性分析結(jié)果比較一致、計(jì)算工作量小、預(yù)測(cè)精度高的特點(diǎn)。本研究利用灰色理論和2008—2014年區(qū)統(tǒng)計(jì)局官方公布的廣西蔬菜產(chǎn)量7年數(shù)據(jù)，構(gòu)建的模型預(yù)測(cè)2015—2016年廣西蔬菜產(chǎn)量，結(jié)果與區(qū)統(tǒng)計(jì)局官方公布結(jié)果精度達(dá)到96%，平均誤差僅為2.9%，進(jìn)一步說(shuō)明灰色理論預(yù)測(cè)模型更適合于農(nóng)業(yè)產(chǎn)量類(lèi)預(yù)測(cè)。

3.2 關(guān)于灰色模型預(yù)測(cè)的差異問(wèn)題

作為一種數(shù)學(xué)模型，與多元回歸預(yù)測(cè)模型、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、遙感預(yù)測(cè)模型一樣，也有自己的應(yīng)用背景與前提，也會(huì)存在著不足之處。以本文研究為例，利用灰色模型對(duì)廣西未來(lái)3年的蔬菜產(chǎn)量預(yù)測(cè)是基于廣西2008—2016年的蔬菜種植環(huán)境，這種環(huán)境因素包括蔬菜種植面積、財(cái)政支農(nóng)支出、重大氣候變化及氣象災(zāi)害、市場(chǎng)需求等因素，而大部分因素是不可控的，導(dǎo)致實(shí)際值會(huì)與預(yù)測(cè)值有較大差距。因此，也需要加強(qiáng)灰色模型影響因素的研究，提高模型的精確度。

3.3 關(guān)于制約廣西蔬菜產(chǎn)量的因素分析

根據(jù)相關(guān)性分析結(jié)果，廣西蔬菜產(chǎn)量的提高與種植面積、消費(fèi)量、財(cái)政支農(nóng)支出等密切相關(guān)，說(shuō)明廣西蔬菜產(chǎn)量穩(wěn)定增長(zhǎng)，與政府的支持力度、消費(fèi)者需求拉動(dòng)和蔬菜種植面積增加密切相關(guān)，在政府支持和種植面積有限的條件下，如何拉動(dòng)消費(fèi)者需求是確保廣西蔬菜產(chǎn)業(yè)健康穩(wěn)步增長(zhǎng)的關(guān)鍵。政府增加蔬菜行業(yè)新品種選育研究與推廣、提升抗擊意外災(zāi)害能力的基礎(chǔ)設(shè)施建設(shè)和加強(qiáng)對(duì)蔬菜市場(chǎng)的監(jiān)測(cè)等方面增加投入，根據(jù)市場(chǎng)需求來(lái)布局和指導(dǎo)蔬菜種植，更有利于拉動(dòng)消費(fèi)者需求，確保廣西蔬菜產(chǎn)業(yè)的可持續(xù)、穩(wěn)步增長(zhǎng)。蔬菜產(chǎn)量極其容易受到天氣變化影響，2008年初由于不可控的寒潮以及雪災(zāi)的影響，廣西蔬菜產(chǎn)量從2007年的2 352.1萬(wàn)t跌至 2008年的2 015.2萬(wàn)t，直到2012年才恢復(fù)到2007年的產(chǎn)量水平，對(duì)于廣西的農(nóng)業(yè)發(fā)展以及農(nóng)民收入來(lái)說(shuō)是巨大損失。從這個(gè)角度來(lái)說(shuō)，維護(hù)蔬菜產(chǎn)量的穩(wěn)定增長(zhǎng)具有重要的意義。除此之外，蔬菜也是一種對(duì)市場(chǎng)價(jià)格波動(dòng)敏感的作物，中央和地方政策也會(huì)影響蔬菜種植面積。保持廣西蔬菜產(chǎn)量持續(xù)穩(wěn)定增長(zhǎng)，需要國(guó)家、地方政府以及種植戶(hù)共同努力，減少外部因素的影響，避免蔬菜產(chǎn)量出現(xiàn)大幅度“跳水”情況。