1952年以來(lái)我國(guó)大豆單產(chǎn)變異特征及其影響因素研究*

秦婷婷,曹鑫悅,周澤群,褚超群,方雨桐,曲樂(lè)安,支俊俊**,王 震,耿 濤

(1.安徽師范大學(xué)地理與旅游學(xué)院 蕪湖 241002; 2.中國(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院 北京 100083)

隨著居民消費(fèi)結(jié)構(gòu)升級(jí),大豆()需求快速增加,國(guó)內(nèi)產(chǎn)需缺口不斷擴(kuò)大。2018年我國(guó)大豆85%依靠國(guó)際市場(chǎng)進(jìn)口,主要來(lái)自于巴西、美國(guó)和阿根廷。一旦國(guó)際市場(chǎng)出現(xiàn)影響大豆供給的不利因素,國(guó)內(nèi)大豆及關(guān)聯(lián)產(chǎn)業(yè)將會(huì)受到巨大影響。2019年農(nóng)業(yè)農(nóng)村部印發(fā)大豆振興計(jì)劃實(shí)施方案,提出了提高大豆種植面積、提高大豆單產(chǎn)、提升品質(zhì)以及綠色發(fā)展等大豆生產(chǎn)振興目標(biāo)。目前,我國(guó)大豆單產(chǎn)水平僅是世界大豆平均單產(chǎn)水平的70%,是大豆主產(chǎn)國(guó)美國(guó)的60%。因此,在當(dāng)前我國(guó)耕地總量難以明顯增加的現(xiàn)狀下,提升大豆的單產(chǎn)水平成為提高我國(guó)大豆總產(chǎn)量的首要可行舉措。目前國(guó)內(nèi)外學(xué)者對(duì)制約大豆單產(chǎn)的影響因素研究多為田間尺度對(duì)照試驗(yàn)或長(zhǎng)時(shí)間序列區(qū)域尺度下某單一因素對(duì)大豆單產(chǎn)的影響,如CO濃度、套作種植、氣候變化等因素。研究結(jié)果表明,CO濃度升高可提高30.9%的大豆單株莢數(shù)和百粒重,與玉米()間作較單作具有顯著的間作優(yōu)勢(shì),最高溫度和降水量對(duì)大豆單產(chǎn)有積極的顯著影響,1971—2016年間霜凍對(duì)大豆產(chǎn)量的影響在一定程度上以負(fù)效應(yīng)為主。

然而,目前有關(guān)我國(guó)大豆單產(chǎn)制約因素的研究缺少多個(gè)因素貢獻(xiàn)率之間的定量化計(jì)算與比較,大豆單產(chǎn)與各影響因素之間的量化關(guān)系尚不明確,且鮮有在全國(guó)尺度上開展大豆單產(chǎn)影響因素及其空間異質(zhì)性的研究。在此背景下,本文以全國(guó)各省市1952—2017年大豆產(chǎn)量相關(guān)的統(tǒng)計(jì)年鑒數(shù)據(jù)為基礎(chǔ),從大豆種植的管理措施、自然因素、科技水平、社會(huì)因素、經(jīng)濟(jì)因素等方面選取影響大豆單產(chǎn)的因子,基于增強(qiáng)回歸樹模型,量化各因子的相對(duì)重要性及其與大豆單產(chǎn)之間的關(guān)系,揭示1952年以來(lái)長(zhǎng)時(shí)間序列下全國(guó)尺度和4個(gè)大豆主產(chǎn)區(qū)之間的大豆單產(chǎn)驅(qū)動(dòng)力時(shí)空分異特征,以及改革開放前后大豆單產(chǎn)的驅(qū)動(dòng)因子。研究結(jié)果對(duì)切實(shí)提高我國(guó)大豆單產(chǎn)水平、指導(dǎo)和調(diào)控農(nóng)業(yè)種植結(jié)構(gòu)、規(guī)劃國(guó)家和地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展,以及確保國(guó)家糧食安全等具有重要意義。

1 材料與方法

1.1 試驗(yàn)區(qū)概況

為揭示我國(guó)地域的大豆單產(chǎn)驅(qū)動(dòng)因子空間差異特征,本文綜合氣候類型、耕作制度和品種類型等因素,將我國(guó)分為4個(gè)大豆主產(chǎn)區(qū): 1)北方春大豆區(qū),包括黑龍江、吉林、遼寧、內(nèi)蒙古、新疆、甘肅、陜西北部(榆林、延安); 2)黃淮海流域夏大豆區(qū),包括山東、山西、河南、河北、安徽北部(宿州、阜陽(yáng)、亳州)、江蘇北部(宿遷、徐州、淮安、連云港); 3)長(zhǎng)江流域春夏大豆區(qū),包括湖南、湖北、江西、浙江、四川、安徽中南部、江蘇中南部、陜西南部(漢中、安康、商洛); 4)南方多熟大豆區(qū),包括廣東、廣西、云南、貴州、福建、海南。

1.2 研究數(shù)據(jù)

1.2.1 數(shù)據(jù)來(lái)源

本文所使用的相關(guān)農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)主要來(lái)源于全國(guó)各省市(不含港、澳、臺(tái)地區(qū))統(tǒng)計(jì)部門正式出版的統(tǒng)計(jì)年鑒、農(nóng)村統(tǒng)計(jì)年鑒、農(nóng)業(yè)年鑒、農(nóng)業(yè)統(tǒng)計(jì)資料、農(nóng)村經(jīng)濟(jì)年鑒和城市年鑒等,并利用“國(guó)家農(nóng)業(yè)科學(xué)數(shù)據(jù)共享中心”平臺(tái)獲取的數(shù)據(jù)對(duì)缺失數(shù)據(jù)進(jìn)行了補(bǔ)充完善。具體搜集了全國(guó)各省市(不含港、澳、臺(tái)地區(qū))1952—2017年(1952年、1965年、1978年、1990年、2000年、2010年、2017年共7個(gè)年份)農(nóng)作物總播種面積、大豆種植面積、大豆產(chǎn)量、農(nóng)用化肥施用量、農(nóng)藥施用量、有效灌溉面積、農(nóng)用機(jī)械總動(dòng)力、第一產(chǎn)業(yè)生產(chǎn)總值、地區(qū)生產(chǎn)總值、文盲率、城市化率、農(nóng)作物受災(zāi)面積、研發(fā)經(jīng)費(fèi)支出等數(shù)據(jù)。氣象數(shù)據(jù)來(lái)源于國(guó)家農(nóng)業(yè)科學(xué)數(shù)據(jù)共享中心網(wǎng)站(http://data.cma.cn/)發(fā)布的各氣象觀測(cè)站點(diǎn)(共2421個(gè)站點(diǎn))數(shù)據(jù),包括年均溫、年均降水量和年均日照時(shí)間,對(duì)這些數(shù)據(jù)使用ArcGIS軟件空間插值統(tǒng)計(jì)分析,獲得了1952—2017年全國(guó)各省市500 m × 500 m的氣象要素(年均值)空間插值柵格數(shù)據(jù)。對(duì)數(shù)據(jù)進(jìn)行單位統(tǒng)一換算、指標(biāo)計(jì)算、涉及價(jià)格數(shù)據(jù)基準(zhǔn)轉(zhuǎn)換(如將所有GDP數(shù)據(jù)統(tǒng)計(jì)換算成可比價(jià))、異常值刪除等處理,得到共2008個(gè)樣本數(shù)據(jù)。

1.2.2 指標(biāo)選擇

本文從大豆種植的管理措施、自然因素、科技水平、社會(huì)因素、經(jīng)濟(jì)因素等方面選取了13個(gè)驅(qū)動(dòng)因子(表1)作為自變量,以大豆單產(chǎn)作為目標(biāo)變量,構(gòu)建增強(qiáng)回歸樹模型。

表1 用于模型構(gòu)建的大豆單產(chǎn)影響因子Table 1 Selected influencing factors using for soybean yield modeling

1.3 研究方法

1.3.1 增強(qiáng)回歸樹模型

增強(qiáng)回歸樹模型(boosted regression trees,BRT)也稱為促進(jìn)回歸樹模型。BRT采用無(wú)放回抽樣技術(shù)從訓(xùn)練樣本中抽取一定比例(一般≥50%)的樣本用于建模,分析自變量對(duì)因變量的影響程度,未被抽取的樣本用于精度驗(yàn)證,最后對(duì)生成的全部分類回歸樹取均值并輸出,從而提高模型的穩(wěn)定性和預(yù)測(cè)精度。BRT的最大優(yōu)點(diǎn)是不需要考慮自變量之間的交互作用,數(shù)據(jù)允許存在缺省值并支持多種數(shù)據(jù)類型,可量化各自變量因子對(duì)目標(biāo)變量的影響程度(相對(duì)貢獻(xiàn)率)以及與目標(biāo)變量之間的非線性關(guān)系,清晰直觀、易于解釋。

采用開源編程軟件R (version 3.6.3),基于統(tǒng)計(jì)整理得到的1952—2017年(1952年、1965年、1978年、1990年、2000年、2010年、2017年共7個(gè)年份)全國(guó)各省市共2008個(gè)樣本點(diǎn)數(shù)據(jù),將大豆單產(chǎn)作為因變量,13種驅(qū)動(dòng)因子作為自變量,分別建立全時(shí)期(1952—2017)、改革開放前(1952年、1965年、1978年)和改革開放后(1990年、2000年、2010年、2017年) 3個(gè)模型,使用gbm軟件包(version 2.1.8)建立增強(qiáng)回歸樹模型。

1.3.2 模型參數(shù)設(shè)置

模型中需要調(diào)試的參數(shù)有4個(gè),分別是: baggingfraction (抽樣率),指的是隨機(jī)抽取訓(xùn)練樣本的比例,用于構(gòu)建單個(gè)決策樹; learning rate (學(xué)習(xí)率),決定了每棵決策樹對(duì)最終模型的貢獻(xiàn)大小; tree complexity(樹復(fù)雜性),決定了模型中預(yù)測(cè)因子交互作用的水平;ntree (樹數(shù)量),指的是模型中決策樹的數(shù)量。本研究將4個(gè)參數(shù)分別設(shè)置為0.60、0.005、3和20 000。最佳參數(shù)配置由基于10-折交叉驗(yàn)證(10-fold crossvalidation)的最高預(yù)測(cè)精度來(lái)確定,模型的預(yù)測(cè)精度通過(guò)重復(fù)運(yùn)行50次計(jì)算取平均值。

1.3.3 模型性能指標(biāo)

模型性能通過(guò)4個(gè)指標(biāo)進(jìn)行評(píng)估: 決定系數(shù)(coefficient of determination,)、相關(guān)系數(shù)(Pearson’s correlation coefficient,)、平均絕對(duì)誤差(mean absolute prediction error,MAE)和均方根誤差(root mean square error,RMSE)。其中,和的值越大、MAE和RMSE的值越小代表模型的性能越優(yōu)越。具體計(jì)算公式如下:

2 結(jié)果與分析

2.1 1952—2017年大豆單產(chǎn)變異特征

圖1展示了1952—2017年期間7個(gè)年份大豆單產(chǎn)的變異特征。該時(shí)期內(nèi)大豆單產(chǎn)總體呈增長(zhǎng)趨勢(shì),1952年大豆單產(chǎn)均值為0.816 t·hm,2017年增長(zhǎng)至1.853 t·hm,是1952年的2.27倍,年均增長(zhǎng)率為1.27%。值得注意的是,1965年的大豆單產(chǎn)均值為0.715 t·hm,相比1952年下降12.4%。從1965年開始,大豆單產(chǎn)進(jìn)入快速增長(zhǎng)期,至2000年增長(zhǎng)至1.656 t·hm,是1965年的2.32倍; 該期間年均增長(zhǎng)率為2.43%,約為1952—2017年期間年均增長(zhǎng)率的兩倍。2000年之后,大豆單產(chǎn)增長(zhǎng)趨于平緩,至2017年期間的年均增長(zhǎng)率降至0.67%,僅為1952—2017年期間年均增長(zhǎng)率的一半。圖1的箱形圖展示了各年份大豆單產(chǎn)的地區(qū)變異,總體而言,各年份的大豆單產(chǎn)變異系數(shù)為34.1%～73.2%,屬于中等程度變異,離散程度相對(duì)較高,表明全國(guó)各地市大豆單產(chǎn)之間存在較大的差異。

圖1 1952—2017年中國(guó)大豆單產(chǎn)的變異特征Fig.1 Variations of soybean yield in different years from 1952 to 2017 in China

2.2 大豆單產(chǎn)模型的性能分析

全國(guó)尺度及4個(gè)大豆主產(chǎn)區(qū)的各模型性能結(jié)果如表2所示。全國(guó)尺度大豆單產(chǎn)驅(qū)動(dòng)力BRT模型的性能結(jié)果為0.433,為0.639,RMSE為0.097,MAE為0.467,表明模型可有效解釋全國(guó)尺度下43.3%的大豆單產(chǎn)變異性。最高解釋度出現(xiàn)在黃淮海流域夏大豆區(qū)(67.8%),南方多熟大豆區(qū)的解釋度也在60.0%以上,長(zhǎng)江流域春夏大豆區(qū)的解釋度則接近60.0%,而北方春大豆區(qū)的解釋度最低,為43.1%。北方春大豆區(qū)跨度大,氣候、土壤和種植結(jié)構(gòu)等方面差異明顯,區(qū)域內(nèi)大豆單產(chǎn)影響機(jī)制差異較大,導(dǎo)致該模型性能低于其他地區(qū)。4個(gè)大豆主產(chǎn)區(qū)模型性能指標(biāo)中的相關(guān)系數(shù)均高于0.63,MAE和RMSE均保持較低值,表明所構(gòu)建的BRT模型性能良好。將全國(guó)尺度數(shù)據(jù)劃分改革開放前后兩個(gè)時(shí)期分別建模,改革開放前為0.486,改革開放后為0.494,模型性能較為穩(wěn)定。

表2 用于大豆單產(chǎn)驅(qū)動(dòng)力分析的增強(qiáng)回歸樹模型（boosted regression trees,BRT）的性能Table 2 Performance of boosted regression trees (BRT) models for soybean yield analysis

2.3 大豆單產(chǎn)驅(qū)動(dòng)因子的相對(duì)重要性

由模型得到各驅(qū)動(dòng)因子的相對(duì)影響,即各因子對(duì)大豆單產(chǎn)的貢獻(xiàn)率(圖2)。1952年至2017年,對(duì)大豆單產(chǎn)影響最大的因子為大豆播種面積占農(nóng)作物總播種面積的百分比(SAP),相對(duì)重要性為20.9%。我國(guó)文盲率(ILR)從78.6%下降至3.0%,其對(duì)大豆單產(chǎn)的影響程度為18.9%,是促使大豆單產(chǎn)提升的重要因素。每公頃化肥(折純)施用量(FCP)和每公頃農(nóng)藥(折純)施用量(PCP)影響程度分別為10.6%和8.5%。年均降水量(AVP)的值變化幅度不大,有效灌溉面積占農(nóng)作物播種面積中百分比(EIAP)增加明顯,兩因子影響程度分別為7.6%與7.4%。2017年全國(guó)平均每公頃農(nóng)業(yè)機(jī)械總動(dòng)力(AMP)為5.9 kW·hm,是1952年0.0013 kW·hm的4538倍,但其影響程度僅為6.1%。年均溫(AVT)因子緊隨其后,影響程度為6.0%。其他因子影響程度較低,依次為研發(fā)支出所占地區(qū)生產(chǎn)總值的百分比(RDIG,4.2%)、年均日照時(shí)間(AST,3.8%)、人口城鎮(zhèn)化率(PUR,2.8%)、第一產(chǎn)業(yè)占地區(qū)生產(chǎn)總值的百分比(PIG,2.0%)、受災(zāi)害面積占農(nóng)作物總播種面積的百分比(DAP,1.3%)。

圖2 1952—2017年（A）、改革開放前（1952—1978年,B）和改革開放后（1985—2017年,C）大豆單產(chǎn)各驅(qū)動(dòng)因子的相對(duì)重要性（因子簡(jiǎn)寫見表1,圖中誤差線表示模型運(yùn)行50次計(jì)算求得的各因子重要性的標(biāo)準(zhǔn)差）Fig.2 Relative influence of each driving factor on soybean yield during the periods from 1952 to 2017(A),before the reform and opening up (B,1952—1978),and after the reform and opening up(C,1985—2017) (See Table 1 for factors abbreviations,error bars represent standard deviations of the variable importance averaged over 50 model runs)

大豆單產(chǎn)主要貢獻(xiàn)因子,改革開放前為大豆播種面積占農(nóng)作物總播種面積的百分比(SAP,23.1%)、文盲率(ILR,16.2%)和每公頃化肥(折純)施用量(FCP,9.4%),改革開放后為大豆播種面積占農(nóng)作物總播種面積的百分比(SAP,20.9%)、每公頃農(nóng)業(yè)機(jī)械總動(dòng)力(AMP,14.5%)和年均溫(AVT,12.4%)?？梢钥闯?無(wú)論改革前、改革后,還是全時(shí)期,SAP都是各個(gè)時(shí)期對(duì)大豆單產(chǎn)影響最大的因子,其重要性均超過(guò)20%。

2.4 各驅(qū)動(dòng)因子與大豆單產(chǎn)之間的非線性交互關(guān)系

各驅(qū)動(dòng)因子與大豆單產(chǎn)之間的關(guān)系均呈非線性,大豆單產(chǎn)與各驅(qū)動(dòng)因子之間的定量關(guān)系如局部依賴圖(圖3)所示。1952—2017年,全國(guó)大豆播種面積占農(nóng)作物總種植面積的百分比(SAP)由8.3%下降至6.0%,大豆單產(chǎn)隨大豆SAP的升高而下降直至趨于平穩(wěn)。文盲率(ILR)高于20%時(shí)對(duì)大豆單產(chǎn)影響微弱,但在0～20%范圍內(nèi)對(duì)隨著ILR升高,大豆單產(chǎn)顯著降低。隨著每公頃化肥(折純)施用量(FCP)提升,大豆單產(chǎn)明顯提升,當(dāng)施用量超0.5 t·hm后,大豆單產(chǎn)基本保持不變; 每公頃農(nóng)藥(折純)施用量(PCP)因子、每公頃農(nóng)業(yè)機(jī)械總動(dòng)力(AMP)因子影響機(jī)制與其類似。

圖3 各驅(qū)動(dòng)因子與大豆單產(chǎn)之間的非線性交互關(guān)系（指標(biāo)全稱見表1,因子名后括號(hào)內(nèi)分別為因子的單位及相對(duì)重要性）Fig.3 Interactive nonlinear relationships between soybean yield and its impact driving factors (See Table 1 for factors abbreviations,the unit and relative importance of each factor were showed in the bracket after factor’s names).

大豆單產(chǎn)隨著年均降水量(AVP)的增加波動(dòng)變化,年均降水量在500～1000 mm區(qū)間時(shí),年均降水量與單產(chǎn)呈正相關(guān); 大豆單產(chǎn)與有效灌溉面積占農(nóng)作物總播種面積的百分比(EIAP)因子整體呈正相關(guān);年均溫(AVT)在0～5 ℃時(shí),大豆單產(chǎn)最高,隨著溫度上升大豆單產(chǎn)總體呈下降趨勢(shì); 日照時(shí)間(AST)的增加亦不能直接提高大豆單產(chǎn)。研發(fā)支出占地區(qū)生產(chǎn)總值(RDIG)的增加對(duì)大豆單產(chǎn)提升具有積極影響,對(duì)大豆單產(chǎn)的貢獻(xiàn)率為4.2%。城鎮(zhèn)化(PUR)的提升對(duì)大豆單產(chǎn)總體呈負(fù)面影響。第一產(chǎn)業(yè)占地區(qū)總產(chǎn)值的百分比(PIG)對(duì)大豆單產(chǎn)不僅貢獻(xiàn)率較低,對(duì)大豆單產(chǎn)提升也較為微弱。

2.5大豆各主產(chǎn)區(qū)的核心驅(qū)動(dòng)因子

大豆各主產(chǎn)區(qū)主要驅(qū)動(dòng)因子不同,但文盲率在各主產(chǎn)區(qū)均為主要驅(qū)動(dòng)因子之一,主要驅(qū)動(dòng)因子空間分異如圖4所示。影響北方春大豆區(qū)大豆單產(chǎn)的最重要因素為每公頃農(nóng)業(yè)機(jī)械總動(dòng)力(AMP,13.1%)、文盲率(ILR,11.8%)、大豆播種面積占農(nóng)作物總種植面積的百分比(SAP,11.7%),影響黃淮海流域夏大豆區(qū)大豆單產(chǎn)的最重要因素為每公頃化肥施用量(FCP,25.6%)、每公頃農(nóng)藥(折純)施用量(PCP,18.4%)、文盲率(ILR,15.1%),影響長(zhǎng)江流域春夏大豆區(qū)大豆單產(chǎn)的最重要因素依次為研發(fā)支出占地區(qū)生產(chǎn)總值的百分比(RDIG,21.5%)、有效灌溉面積占農(nóng)作物播種面積的百分比(EIAP,14.3%)、文盲率(ILR,11.8%),影響南方多熟大豆區(qū)大豆單產(chǎn)的最重要因素依次為文盲率(ILR,35.4 %)、每公頃化肥(折純)施用量(FCP,22.9%)、每公頃農(nóng)藥(折純)施用量(PCP,7.8%)。

圖4 1952—2017年中國(guó)大豆主產(chǎn)區(qū)的大豆單產(chǎn)主要驅(qū)動(dòng)因子（指標(biāo)全稱見表1）Fig.4 Top three determinants of soybean yield in the four major soybean producing areas of China during the period from 1952 to 2017 (See Table 1 for factor abbreviations)

3 討論

3.1 全國(guó)尺度下大豆單產(chǎn)的影響因子

研究結(jié)果表明,全時(shí)期、改革開放前、改革開放后3個(gè)時(shí)期大豆單產(chǎn)的最主要影響因子均為大豆播種面積占農(nóng)作物總播種面積的百分比。改革開放前大豆單產(chǎn)的其他重要影響因子還包括文盲率與每公頃化肥(折純)施用量,改革開放后還包括每公頃農(nóng)業(yè)機(jī)械總動(dòng)力與年均溫。文盲率降低,農(nóng)民知識(shí)水平提高,有助于提高單產(chǎn)。1949年我國(guó)文盲率高達(dá)80%,改革開放以后,國(guó)家出臺(tái)一系列政策來(lái)支持農(nóng)村義務(wù)教育事業(yè)發(fā)展,2000年我國(guó)已經(jīng)實(shí)現(xiàn)了“基本普及九年義務(wù)教育、基本掃除青壯年文盲”的歷史性任務(wù),2017年我國(guó)文盲率僅3%。義務(wù)教育的普及提高了農(nóng)村勞動(dòng)力的知識(shí)水平,職業(yè)教育培養(yǎng)了一批農(nóng)村實(shí)用型人才,顯著降低了文盲率,使得農(nóng)民在優(yōu)質(zhì)品種選擇、作物生長(zhǎng)管理以及農(nóng)業(yè)科技成果應(yīng)用等方面的知識(shí)水平大幅提升,并進(jìn)一步提升農(nóng)業(yè)生產(chǎn)效率和農(nóng)業(yè)技術(shù)水平,從而提高大豆單產(chǎn)。

3.2 影響因子的相對(duì)重要性及非線性關(guān)系

擴(kuò)大大豆種植面積、提高大豆在農(nóng)作物播種總面積中的占比能夠有效提高大豆單產(chǎn),其機(jī)理在于提高大豆在當(dāng)?shù)剞r(nóng)作物生產(chǎn)中的地位能夠促使農(nóng)民提高耕作管理水平(如減少重迎茬比例、增加輪作),增加農(nóng)業(yè)生產(chǎn)資料的投入(如優(yōu)良品種、化肥和農(nóng)藥施用量、機(jī)械化作業(yè)等),以及吸引政府加大耕作補(bǔ)貼、農(nóng)業(yè)保險(xiǎn)、貸款等方面的扶持力度,從而降低生產(chǎn)成本和提高自然災(zāi)害風(fēng)險(xiǎn)的應(yīng)對(duì)水平,進(jìn)一步提高大豆單產(chǎn)。因此,在提高大豆種植面積的同時(shí),需增加其他生產(chǎn)要素的投入力度,以進(jìn)一步形成規(guī)模化效益。本研究結(jié)果中大豆單產(chǎn)與大豆播種面積占農(nóng)作物總種植面積的百分比之間的交互作用關(guān)系反映的主要是大豆播種面積占比在時(shí)間尺度上的變化,與1952—2017年期間大豆播種面積由1.1679萬(wàn)hm下降至0.8245萬(wàn)hm,但大豆單產(chǎn)從0.816 t·hm公頃增長(zhǎng)至1.853 t·hm的趨勢(shì)一致。為進(jìn)一步揭示同一年份不同地區(qū)之間大豆單產(chǎn)存在差異性的關(guān)鍵影響因子,在今后研究中可考慮搜集縣級(jí)統(tǒng)計(jì)資料以顯著擴(kuò)大樣本數(shù)量,從而構(gòu)建單個(gè)年份的大豆單產(chǎn)與各指標(biāo)之間的相互作用關(guān)系來(lái)進(jìn)行分析。

從大豆生長(zhǎng)情況看,多年使用有機(jī)肥料土壤中鉀、磷、氮等物質(zhì)的含量已經(jīng)接近飽和,僅增加氮肥、鉀肥等有機(jī)型的肥料施用量而不提高其他微量元素如鋅、錳等的投入,則很難對(duì)大豆生長(zhǎng)起促進(jìn)作用。農(nóng)藥對(duì)防病治蟲、促進(jìn)糧食和農(nóng)業(yè)穩(wěn)產(chǎn)高產(chǎn)至關(guān)重要,但區(qū)域中也存在濫用現(xiàn)象。因此,化肥與農(nóng)藥須合理施用,否則容易造成土壤養(yǎng)分失調(diào)、地力下降,導(dǎo)致大豆抗逆性差、產(chǎn)量降低。大豆單產(chǎn)與生育期的水分、光照、熱量等條件關(guān)系密切,大豆單產(chǎn)可能受積溫和種植制度等的影響較大,因此,有必要進(jìn)一步分區(qū)進(jìn)行統(tǒng)計(jì)分析。

3.3 大豆主產(chǎn)區(qū)驅(qū)動(dòng)因子空間分異特征

由于大豆四大主產(chǎn)區(qū)所處地理環(huán)境、種植規(guī)模、經(jīng)濟(jì)發(fā)展水平等條件不同,大豆單產(chǎn)的核心驅(qū)動(dòng)力存在空間差異。北方春大豆區(qū),大豆種植規(guī)模大,地形遼闊平整,區(qū)域內(nèi)各省份大豆全程機(jī)械化水平略有不同。其中,東北春大豆區(qū)中集中分布的松花江和遼河流域平原地帶基本實(shí)現(xiàn)了大豆全程機(jī)械化生產(chǎn),在耕整地、播種、收獲等各個(gè)環(huán)節(jié)均有適合該地區(qū)生產(chǎn)的成熟機(jī)具,大豆生產(chǎn)綜合機(jī)械化水平高。黃土高原春大豆種植區(qū)域氣候寒涼,土質(zhì)瘠薄,品種中耐瘠薄、耐旱的黑豆較多。西北春大豆種植區(qū)域年均降水量少,土壤蒸發(fā)量大,種植大豆須人工灌溉。

黃淮海流域夏大豆區(qū)是我國(guó)大豆的第二大主產(chǎn)區(qū),是高蛋白大豆產(chǎn)區(qū)。每公頃化肥施用量是該地區(qū)的最重要驅(qū)動(dòng)因子,土壤養(yǎng)分供應(yīng)、氮磷鉀養(yǎng)分吸收規(guī)律、田間施肥技術(shù)、肥料損失等的區(qū)域異質(zhì)性高,不同區(qū)域應(yīng)根據(jù)當(dāng)?shù)氐臍夂驙顩r、土壤特征、種植制度和大豆肥效等因素,制定專用復(fù)合(混)肥料配方。黃淮海流域夏大豆產(chǎn)區(qū)在耕種環(huán)節(jié)仍然存在上茬作物秸稈處理難的問(wèn)題,大豆收獲主要依靠稻麥聯(lián)合收獲機(jī),機(jī)具適應(yīng)性差、收獲損失大、破碎程度高。

四大產(chǎn)區(qū)中長(zhǎng)江流域最注重科技投入,1952—2017年期間研發(fā)支出占地區(qū)生產(chǎn)總值的百分比平均為0.8%,大豆單產(chǎn)的提高需要加大科技投入,實(shí)施大豆重大科研聯(lián)合攻關(guān),培育出適合地區(qū)種植的優(yōu)質(zhì)大豆種苗,并加快大豆產(chǎn)業(yè)領(lǐng)域新技術(shù)、新成果的應(yīng)用與轉(zhuǎn)化。

與北方及黃淮海大豆產(chǎn)區(qū)相比,南方基本以種植水稻(Oryza)為主,旱地則有玉米()、甘薯()、油菜()等作物,耕作制度比較復(fù)雜。大豆種植方式多樣,如與旱地作物實(shí)行間套混作或利用田埂隙地栽培等。南方大豆產(chǎn)區(qū)機(jī)械化生產(chǎn)受品種、地形、種植模式等多方面因素制約,大豆機(jī)械化收獲推進(jìn)緩慢,機(jī)械化生產(chǎn)水平相對(duì)較低,尤其是收獲環(huán)節(jié),缺乏專用的大豆收獲機(jī)具。可加大大豆耕種收獲等環(huán)節(jié)機(jī)具購(gòu)置補(bǔ)貼力度,推廣適用的大豆全程機(jī)械化技術(shù)及裝備,提升大豆生產(chǎn)科技水平。第一產(chǎn)業(yè)占地區(qū)生產(chǎn)總值百分比和年均降水量是該地區(qū)除化肥外的主要影響因子,南方多熟大豆產(chǎn)區(qū)雨量充沛,為大豆生長(zhǎng)提供了豐富的水分,1952—2017年間年均降水量為1599.4 mm,是北方春大豆產(chǎn)區(qū)的3.5倍。

3.4 增強(qiáng)回歸樹模型的特點(diǎn)及結(jié)果不確定性

與前人研究通常使用的線性回歸模型和決策樹模型等相比,本文所構(gòu)建的增強(qiáng)回歸樹模型可量化各驅(qū)動(dòng)因子對(duì)大豆單產(chǎn)的影響(相對(duì)重要性)以及大豆單產(chǎn)與單個(gè)驅(qū)動(dòng)因子之間的非線性關(guān)系(局部依賴圖),其擬合多個(gè)樹的過(guò)程能最大程度地彌補(bǔ)單一樹模型預(yù)測(cè)能力弱的缺點(diǎn),比大多傳統(tǒng)模型方法有更強(qiáng)的預(yù)測(cè)能力,采用的無(wú)放回抽樣技術(shù)可提升模型穩(wěn)定性與模擬精度,并能有效評(píng)估模型結(jié)果的不確定性(由經(jīng)過(guò)多次模型重復(fù)運(yùn)行計(jì)算結(jié)果的標(biāo)準(zhǔn)差表達(dá))。

本文結(jié)果的不確定性主要來(lái)源于數(shù)據(jù)的搜集質(zhì)量,由于統(tǒng)計(jì)數(shù)據(jù)時(shí)間跨度大、覆蓋范圍廣,早期的統(tǒng)計(jì)數(shù)據(jù)與實(shí)際數(shù)據(jù)可能存在一定偏差; 其次,盡管本文對(duì)全部數(shù)據(jù)進(jìn)行了統(tǒng)一基準(zhǔn)等處理,但各時(shí)期統(tǒng)計(jì)口徑及標(biāo)準(zhǔn)等方面存在的差異可能增大模型結(jié)果的不確定性; 再次,由于本文使用的統(tǒng)計(jì)數(shù)據(jù)是以地級(jí)市為單位進(jìn)行的匯總數(shù)據(jù),模型擬合結(jié)果只能細(xì)化表達(dá)至地級(jí)市之間的空間差異特征。

4 結(jié)論

本研究構(gòu)建的增強(qiáng)回歸樹模型不僅量化了各影響因子對(duì)于大豆單產(chǎn)的相對(duì)重要性,并且有效揭示了大豆單產(chǎn)與各影響因子之間的非線性關(guān)系。全國(guó)尺度下,各時(shí)期大豆單產(chǎn)的最重要影響因子均為大豆播種面積占農(nóng)作物總播種面積的百分比,對(duì)大豆單產(chǎn)有重要影響的因子在改革開放前還包括文盲率和每公頃化肥(折純)施用量,在改革開放后還包括每公頃農(nóng)業(yè)機(jī)械總動(dòng)力和年均溫。不同大豆主產(chǎn)區(qū)的大豆單產(chǎn)驅(qū)動(dòng)力存在空間異質(zhì)性,但文盲率在各主產(chǎn)區(qū)均為主要驅(qū)動(dòng)因子之一。研究結(jié)果可為國(guó)家及各省市今后提升大豆單產(chǎn)水平所應(yīng)采取的有效措施以及調(diào)整農(nóng)業(yè)種植結(jié)構(gòu)等提供決策依據(jù),各省市需合理施肥和播撒農(nóng)藥,努力提高機(jī)械化水平和農(nóng)業(yè)生產(chǎn)者的知識(shí)水平。