中国市域生猪生产时空演变特征及影响因素

王如如，房艳刚,2,3*，刘建志

（1. 东北师范大学地理科学学院，吉林 长春 130024；2. 东北师范大学长白山地理过程与生态安全教育部重点实验室，

吉林 长春 130024；3. 东北师范大学中国东北研究院，吉林 长春 130024）

二战以来，在快速人口城镇化背景下，众多新兴发展中国家城乡居民对于动物源性食品（ADF）的需求不断增加，从而推动了牲畜产量的增长，这一过程被称为“畜牧革命”[1]。“畜牧革命”在中国表现最为显著[2]。中国人均肉类消费量从1978年的8.90 kg增长到2017年的62.26 kg，总增长率高达599.55%。肉类消费的上升倒逼农业结构转型，构成了中国隐形农业革命的一部分[3]。从肉类消费结构上看，猪肉在中国肉类消费中居主导地位（猪肉占比60%以上）[4-5]，生猪市场潜力巨大。然而，现阶段中国生猪生产正面临着规模化与环保和疫病防治的矛盾、贸易政策变动与供给波动的复杂关联。一方面，随着生猪规模化生产的快速发展，环境污染问题日益突出[6]，疫病风险引发的产业脆弱性持续加大，土地利用规划背景下的土地资源胁迫问题愈加严重[7]；另一方面，我国生猪综合竞争力明显低于发达国家[8]，国外生猪产品的大量涌入给国内生猪生产带来了巨大冲击。新形势下，中美贸易摩擦对大豆等蛋白饲料进口量的限制进一步提高了生猪生产成本。2019年以来，受“猪周期”下行、非洲猪瘟疫情冲击、地方环保限养等多因素叠加影响，我国生猪产能明显下降，生猪价格大幅度上涨[9]。因此，在消费需求变化、可持续发展及中美贸易摩擦等背景下，基于生猪生产的时空格局演变特征探索我国生猪产业的空间布局优化策略，对稳定生猪市场供给、促进生猪产业可持续发展、提升农业综合竞争力具有重要意义。

国内外关于生猪生产的相关研究主要涉及生猪生产模式[10]、环境规制[11]、生猪质量安全[12-13]、市场波动[14-15]、空间布局[16-17]及其影响因素[18]等。对于生猪生产空间布局的研究，学者多采用基尼系数、地域集中度指数、区域重心分析法、空间自相关等来揭示生猪生产的区域差异[19-20]，研究尺度涉及国家、区域、省域单元。在空间布局方面，赵俊伟等[21]认为生猪生产的空间集聚具有一定的阶段性特征，时空分布呈现“集-散-集”的变化特征；刘勍等[19]认为生猪生产区域布局呈现向北向西移动的趋势；但王欢和乔娟[17]认为东南地区仍是生猪生产优势区，生猪生产区域布局呈现向东向北移动的趋势。同时，还有学者指出随着规模化的发展，生猪生产区域将向黄淮海平原和东北地区等粮食主产区以及其他边远地区转移[22]。在影响因素方面，大部分学者提出生猪生产受相邻地区和本地区因素的共同影响[17,21]。此外，还有学者通过对生猪产地移动的分析发现生猪生产的自然性布局条件减弱，经济性布局条件不断增强[16,23]。总的来看，目前我国生猪生产时空演变特征及影响因素的研究成果丰硕。但是，此类研究大多基于省域尺度，对市域尺度生猪生产的研究鲜见。由于各省域内部自然和社会经济条件差异明显，省域尺度研究对于生猪生产时空演变规律和驱动机制的刻画相对不够细致精准。在研究内容上，多数研究集中在对生猪平均生产水平影响因素的探究，忽略了不同生猪生产水平影响因素的差异。此外，此类研究对于生猪生产空间布局优化的探讨相对较少。

鉴于此，本文以市域为基本研究单元，首先运用有序样品聚类法探寻中国生猪生产发展演化的关键节点，确定研究截面；其次，基于标准差椭圆和探索性空间数据分析等空间分析方法探索其时空演变特征；最后利用分位数回归模型对时空格局演化机制进行定量剖析，以期为我国生猪养殖业的空间布局优化及制定生猪养殖业可持续发展政策提供科学参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 有序样品聚类法 有序样品聚类法又称最优分割法，是针对有序样本的聚类分析方法。该方法在分类时不打破样本顺序[24]，基于类内离差平方和(W)最小且类间离差平方和(B)最大的原则，选取最优分割点，对连续样本数据划分阶段，从而达到分类的目的。

式中：n表示样本数量；L表示包含n个样本的序列被划分的类别数目；nk表示第k类含有的样品数量；Xkj表示第k类第j个样本对应的指标；表示第k类指标的均值；为所有样本的均值。

1.1.2 标准差椭圆 标准差椭圆是通过以中心、长轴、短轴、方位角为基本参数定量描述地理要素的中心性、展布性、方向性、空间形态等，从而揭示地理要素空间分布特征的方法[25]。本文基于ArcGIS 10.2软件构建生猪出栏密度标准差椭圆，分析其空间分布特征。

1.1.3 分位数回归 分位数回归用于研究自变量与因变量条件分位数之间的关系，使用残差绝对值的加权平均作为最小化目标函数，在消除极端值影响的同时还能提供因变量条件分布的完整特性[26]。相比OLS，分位数回归具有两大优势：一是对离群值与偏态分布的不敏感性；二是对于因变量条件分布完整特征的反映[27]。本研究中，采用分位数回归方法对生猪出栏密度进行回归估计以反映不同生猪出栏水平影响因素的差异。具体的计量模型如下：

式中：Y表示生猪出栏密度；X表示自变量；i表示市域；m表示自变量的个数；μ表示随机误差项；β0表示常数项，βi为待估计的解释变量的系数。

分位数回归系数的估计通过使残差绝对值的加权平均最小化得出，即：

式中：yi代表因变量的第i个观测值；xi代表自变量的第i个观测值；θ是估计时人为设定的分位数值，本研究设定为10，25，50，75，90；β是对应x的偏回归系数。将(3)式设定的模型代入(4)式的模型可估算出y相应分位数上的回归系数。根据模型需要保证数据的稳定性，本文对数值大于1的因子进行对数变换[28]。

1.2 数据来源与指标选择

首先运用有序样品聚类法选取研究截面。本文借助Matlab 9.1软件平台，采用有序样品聚类法对1978—2017年中国生猪出栏密度进行分析，首先得到1988、1994、2000、2008年四个最优分割点。囿于数据的可获取性，本文不考虑1988、1994年。此外，相关研究表明，2000年是我国生猪出栏量增长率由下降到稳步提升的重要节点，2008年是增长率由稳步提升到波动下降的重要节点[21]。因此，本文选取2000、2008和2017年作为研究截面。

本文所用统计数据主要来源于相应年份的《中国统计年鉴》与各省统计年鉴。以上两个年鉴缺失的数据获取于各地级市统计年鉴与统计公报。生猪生产空间格局的研究范围为中国大陆315个市域行政单元，按2016年最新市域单元划分情况对部分市域数据进行归并处理。数据分析过程中，对出入较大的数据做了剔除处理，对异常值或缺失数据的市域单元，用插值或趋势外推法进行估计。对于影响因素研究，由于2000年自变量数据的可获取性较差，本文仅选取2008、2017年两个时间截面，并将前述范围缺失数据的市域剔除，最终选取了297个市域行政单元。气温、高程与耕地数据来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/）；限制开发区名录来源于各省主体功能区规划。

本文使用的生猪出栏密度是地区生猪出栏总量除以其行政区面积。生猪生产时空格局演变是区域本底因素和内外部驱动因素交互作用、相互影响的结果。依据指标选择的科学性和可得性原则，本文构建如表1的影响因素测度指标体系。

表1 生猪生产时空格局影响因素测度指标体系Table 1 Measurement index system of factors influencing the spatio-temporal pattern of hog production

具体指标的解释如下：1）区域本底因素。①自然资源禀赋是农业区域形成发展的自然基础，对于生猪养殖而言主要包括饲料资源、本底资源、自然条件[29]。饲料资源包括地均玉米产量（Core）、地均大豆产量（Soy），对生猪这种耗粮型产业的影响较大[17]；本底资源包括生猪养殖业所需的水土资源，以人均耕地面积（Land）、人均水资源量（Water）进行表征，人均耕地面积越大，既能够满足生猪生产规模化对土地资源的需求[21]，也有利于负荷更多的畜禽污染物[20]，人均水资源量越多对生猪这一耗水型产业的支撑作用越强；自然条件选取年平均气温（Temp）、高程（Elev），一般来讲，过冷和过热都会提高生猪养殖成本，高程表征的地形地势条件将会影响生猪的规模化生产。②区位条件能够影响生猪运输、交易成本以及资金、技术、信息等现代生产要素的传递[29]，采用单位面积公路里程（Road）进行表征。③环境条件主要体现在区域主体功能对生猪生产的约束。本文选取区域内限制开发区面积占比（Rest）来衡量区域环境容纳能力。

2）内外部驱动因素。①经济发展水平对生猪生产的影响复杂。一方面，经济发展水平的提升能够为生猪养殖业提供更多的资金与技术支持，另一方面，当经济发展水平达到一定高度后，产业结构升级对生猪生产具有排斥和置换作用。因此，两者可能呈倒“U”关系。本文选取人均GDP（Agdp）表征经济发展水平。②区域劳动力、土地等生产要素快速非农化会压缩生猪生产的要素投入。本文选择乡村非农就业率（Nona）表征乡村非农化水平。③市场需求一定程度上取决于消费者数量与城乡居民收入水平，对生猪生产发展具有推动作用。本文选取区域年末总人口（Popu）及城乡居民人均可支配收入（Inco）进行表征。

2 中国市域生猪出栏密度的时空格局及演化

2.1 中国市域生猪出栏密度的时序演变特征

2000—2017 年中国生猪出栏密度总体呈现快速增长的趋势，总增长率达到32.46%。2000—2008年，生猪出栏密度由0.65头/hm2增加到0.81头/hm2，增幅达24.48%；2008—2017年，生猪出栏密度由0.81头/hm2增加到0.86头/hm2，增幅为6.41%。这表明中国生猪出栏密度在2000—2008年增长速度较快，2008—2017年增长速度趋缓。从核密度曲线来看（图1），2000—2017年生猪出栏低密度区所占比重明显下降，整体缩小了中国生猪生产的地区差距。这一现象通过泰尔指数的对比更加明显，2000—2017年中国市域生猪出栏密度的泰尔指数由0.417下降到0.409，再到0.407，表明中国生猪生产的地区差异不断缩小，“追赶效应”显现。

图1 2000—2017年全国生猪出栏密度的核密度曲线Fig. 1 Kernel density curve of the density of hog slaughterhouses of China from 2000 to 2017

2.2 中国市域生猪出栏密度的时空演变特征

2000—2017 年中国市域生猪出栏密度区域差异显著，以“胡焕庸线”为界呈现出西低东高的空间格局。四川盆地、湘江流域、黄淮海平原等粮食主产区和哈大沿线、珠江流域下游等经济较发达区为生猪生产高值区（>2.21头/hm2，图2）。

2000—2008 年中国各地区生猪出栏密度普遍增长（图3），增长区域占比达75.56%。增长幅度较大的区域主要分布在东北地区、秦巴山区、川西高原、云南高原和横断山区等，此类地区基期生猪出栏密度普遍较小，对整体的生猪出栏分布格局未造成较大影响；负增长区域散布在河北、宁夏、广西中东部、豫皖苏交界和苏南等地区。该时段生猪生产分布重心由湖北省孝感市向西北方向移动36.21 km到达湖北省随州市南部，生猪生产“北进西移”现象显现（图4）。2008—2017年，全国生猪出栏密度变化率区域差异显著，增长区域占比达56.83%，主要分布在黄淮海平原，黄土高原，珠江流域中上游以及西藏、青海与甘肃等地，而减少区域主要分布在东北地区，长江流域的四川、重庆、湖南、长江三角洲，东南沿海以及部分大城市（如北京、天津、郑州等地，图3）。该时段生猪生产分布重心由随州市南部向东北方向偏移了13.54 km。2000—2017年，生猪生产分布重心总体上向北偏西方向移动39.10 km，且“北进”速度快于“西移”，呈现出“南猪北移”的演变格局（图4）。

图2 2000—2017年中国市域生猪出栏密度时空格局图Fig. 2 Spatio-temporal pattern of the density of hog slaughterhouses in China’s cities during 2000—2017

图3 2000—2017年中国市域生猪出栏密度变化率图Fig. 3 The change rate of the density of hog slaughterhouses in China’s cities during 2000—2017

分地区来看，2000—2017年东北地区生猪出栏密度偏低（2017年仅达到0.78头/hm2），呈现总体增长但先升后降的态势，2000—2017年总体增幅为56.78%，其中2000—2008年上升89.61%，2008—2017年下降17.32%；黄淮海平原生猪出栏密度较高（2017年达到3.43头/hm2），2000—2017年增幅达37.55%，除一些特大城市（如北京、天津）外，其余地区生猪出栏密度呈持续增长态势；长江流域生猪出栏密度较高，2000—2017年整体呈现先升后降的演化趋势，其中上游地区表现出较大幅度的先升后降趋势，中游地区平稳增加（[15%，35%）），下游地区的皖南山区增长率持续增大，而长江三角洲地区基本呈持续下降趋势；湘江流域平均生猪出栏密度极高（2017年达到了3.46头/hm2），但在2008—2017年明显下降，降幅达20.64%；珠江流域上游地区生猪出栏密度处于中等水平（2017年为1.58头/hm2），但始终保持较强的增长态势，2000—2017年增长率高达81.10%；东南沿海地区生猪出栏密度处于中等水平（2017年达到1.59头/hm2），但2008—2017年出现下降趋势，降幅达9.12%。

图4 2000—2017年中国市域生猪出栏密度标准差椭圆曲线图Fig. 4 The standard deviation ellipse of the density of hog slaughterhouses in China’s cities during 2000—2017

2.3 中国市域生猪出栏密度空间关联特征

2000—2017 年，中国生猪出栏密度全局空间自相关Moran's I值都通过了1%水平下的显著性检验，且全为正值，表明中国市域生猪出栏密度在空间分布上呈现显著的空间集聚现象。2000—2017年，Moran’s I值下降态势明显，由2000年的0.56下降到2008年的0.52和2017年的0.37，一定程度上反映出自然本底、距离等地理因素对生猪生产分布的作用弱化。

进一步对中国市域生猪出栏密度局部空间自相关进行测度，结果显示（图5）：2000—2017年高高集聚区的市域主要分布在四川盆地、湘江流域和黄淮海平原。2000—2008年三大高高集聚区的数量没有发生明显变化。2008—2017年，四川盆地、湘江流域的生猪出栏密度高高集聚区收缩，两者的数量分别由11个减少到8个，7个减少到5个，而黄淮海平原高高集聚区的数量由9个大幅度扩大到24个。2000—2017年，低低集聚区的市域主要分布在西藏、青海、宁夏、甘肃、黑龙江、内蒙古大部以及吉林东部山区；高—低和低—高类型区数量较少，“高地现象”和“洼地现象”都不明显。

3 中国市域生猪出栏密度时空格局演化的影响因素

本文对影响因子进行方差膨胀因子检验（VIF）以消除多重共线性的影响，选取VIF值小于5的最佳影响因素组合进行基于bootstrap方法的分位数回归（QR）。纵向来看，2008与2017年两个时间截面通过显著性检验的影响因子及其影响强度存在差异；横向来看，不同出栏水平影响因子的影响强度也存在差异，具体如下（表2）。

1）饲料资源。①地均玉米产量对生猪出栏密度起显著正向影响。随着分位数的提高，回归系数不断减小，地均玉米产量对生猪出栏密度的正向促进作用减弱。这主要是由于生猪出栏密度高值区大部分位于粮食主产区，地均玉米产量较大（如黄淮海平原）；部分生猪出栏密度高值区也可以通过域外玉米的调入弥补本地玉米等饲料资源的不足。②2008、2017年地均大豆产量对生猪出栏密度起显著正向影响，回归系数随条件分位数的增大而减小（如2017年由第10分位数的0.223减小到第90分位数的0.141），因此，地均大豆产量同样对生猪出栏密度较低地区的促进作用较强。2017年地均大豆产量的正向影响程度有所减弱，主要由于近年来国外进口大豆对国内的补充（2017年大豆进口量是2008年的2.55倍），生猪生产对国内大豆的依赖程度减弱。当前，中美贸易摩擦使大豆等蛋白饲料的进口量短期内大量减少，对生猪养殖业饲料供给产生较大影响。

图5 2000—2017年中国市域生猪出栏密度LISA图Fig. 5 LISA cluster diagrams of the density of hog slaughterhouses in China’s cities during 2000—2017

表2 QR模型结果汇总表Table 2 Result summary table of QR model

2）水土资源。①人均耕地面积与生猪出栏密度呈负相关关系，与预期不符。这主要因为在人均耕地面积较小的地区，农户在种植业中获得的收入较低，倾向于选择种植和养殖相结合的方式提高收入，从而促进生猪养殖业的发展。横向上看，随着分位数的提高，回归系数的绝对值不断变大。纵向上看，2017年各分位数上回归系数的绝对值明显大于2008年，负相关程度增强，主要是因为在2017年，随着种植业比较收益的进一步下降，部分人均耕地面积较小的地区发展生猪养殖业的意愿更大，生猪养殖大幅度上升（如黄淮海平原）。②2008年人均水资源量的回归系数显著为正，符合预期方向，但2017年回归系数不显著。2008—2017年由于环境规制、农业政策等因素影响，长江流域、东北地区等人均水资源量丰富区生猪养殖大幅减少，同时受南水北调、集约化生产等因素影响，黄淮海平原等缺水区生猪产业供水压力有所缓解，养殖量也不断增加。

3）自然条件。①年平均气温在各分位数上对生猪出栏密度呈显著正向影响。随着分位数的提高，年平均气温的回归系数基本下降（如2017年由第25分位数的0.110下降到第90分位数的0.053），表明其正向促进作用随着生猪出栏密度的增加而变小。这主要因为生猪出栏密度较高的区域大部分位于气温较适宜的地区（基于生猪出栏密度的空间格局可知）。②高程对生猪出栏密度呈负向影响。纵向上看，2008年各分位数上的回归系数不显著，而2017年回归系数基本显著，负向影响开始显现；横向上看，2017年回归系数的绝对值随分位数的提高呈增长趋势（如由第25分位数的-0.067减少到第90分位数的-0.161）。2017年生猪生产规模化水平高于2008年（2017年出栏量为500头以上的生猪养殖场占出栏量为50头以上的比重是2008年的1.56倍），中、高分位数规模化水平高于低分位数（2017年生猪生产高值区年出栏500头以上的规模养殖场占全国的60%以上），因此，随着规模化程度的加深，高程的负向影响凸显。

4）环境条件。限制开发区面积占比与生猪出栏密度呈负相关关系，与预期相符。横向上看，回归系数随条件分位数的增大而减小。纵向上看，2017年各分位数上回归系数的绝对值小于2008年，负向影响程度有所减弱，这主要是因为2008—2017年长江流域、东北平原等限制开发区面积占比较小地区的生猪出栏密度不断减小。2008年之后相继颁布的《水污染防治行动计划》、《农业部关于促进南方水网地区生猪养殖布局调整优化的指导意见》等使长江流域环境规制压力加大，成为其生猪出栏密度下降的重要原因。

5）区位条件。单位面积公路里程与生猪出栏密度呈显著正相关关系。纵向上看，2017年各分位数上的回归系数小于2008年，正向影响程度有所减弱，主要是由于2017年我国交通基础设施明显提升，对生猪生产的促进作用弱化。横向上看，2017年回归系数随条件分位数的提高而增加，主要是因为生猪出栏密度高值区生猪商品率较高，对交通运输条件的要求较高。

6）经济规模。整体来看，人均GDP与生猪出栏密度之间呈倒“U”关系，符合预期。具体而言，2008年随着分位数水平的提升，人均GDP的正向促进作用逐渐减弱（回归系数由第10分位数的0.373下降到第90分位数的0.040），而2017年人均GDP的回归系数不显著且基本为负。2017年人均GDP普遍高于2008年，高分位数的人均GDP普遍高于低分位数。因此，在经济发展水平相对较低的时期和地区，人均GDP的提高可以促进当地生猪生产，当人均GDP达到一定水平后，其正向作用不断减小，而负向作用开始显现，如在东南沿海地区，经济发展引发的产业转型升级使生猪养殖业不断被置换出去。

7）乡村非农化水平。如表2所示，随着分位数的提高，2008年乡村非农化水平的回归系数显著为正（第10～75分位数），且不断降低，而2017年回归系数显著为负（第25～90分位数），且绝对值不断变大，因此乡村非农化水平对生猪生产的影响也具有倒“U”趋势。在非农化水平较低时，当地非农产业的发展具有反哺功能，可为生猪生产提供资金、技术等多方面支持，促进其生产经营；随着城镇化和工业化进程加快，非农产业的发展会压缩生猪养殖业劳动力、土地等要素投入，抑制生猪养殖业的发展，如四川、湖南等地农业劳动力大量转移[31]，生猪养殖量也呈明显下降趋势。

8）市场需求。区域年末总人口对生猪出栏密度呈正向显著影响，且这种正向影响在中、低生猪出栏水平体现的较为明显（如2008年的第10～50分位数），这主要是因为生猪出栏密度高的地区生猪商品率较高，更多面向域外市场。结果显示，城乡居民人均可支配收入在各分位数上基本未通过显著性检验，可能是因为城乡居民人均可支配收入增加对猪肉的需求作用具有阶段性、本地生猪市场的扩大也可以通过其他区域得到满足、收入增加对当地农户生猪生产意愿的作用复杂等。

4 结论与讨论

4.1 结论

1）2000—2017 年，中国市域生猪出栏密度显著增长，总增长率达32.46%。四川盆地、湘江流域、黄淮海平原等粮食主产区和哈大沿线、珠江流域下游等部分经济较发达区为生猪生产高值区。2008—2017年全国生猪出栏密度变化率区域差异显著，增长幅度较大的区域主要分布在黄土高原以及西藏、青海与甘肃等，而减少幅度较大的区域主要分布在东北地区，长江流域中上游、长江三角洲以及部分大城市。2000—2017年，“南猪北移”的生猪生产区域演变格局显现。

2）中国市域生猪出栏密度时空格局演变受区域本底因素与内外部驱动因素综合作用。不同生猪出栏水平的影响因素、各因素的影响强度及作用方向存在差异。纵向来看，随着全球化发展、交通等基础设施完善、规模化进程加快，饲料资源、水资源、区位条件等因素的作用减弱，地形条件等的影响加剧；横向来看，随着生猪出栏水平的增加，年平均气温、饲料资源等对生猪出栏密度的直接作用减弱，区位条件的作用增强。内外部驱动因素对生猪出栏密度的影响较为复杂，其中经济发展水平、乡村非农化水平与生猪出栏密度呈倒“U”关系。

4.2 讨论

综合考虑各地生猪生产水平、发展趋势以及资源禀赋、社会经济发展水平、环境承载力等因素，本研究对我国重要的生猪生产主产区和潜力发展区提出以下差别化的分区优化策略。

1）东北地区水土资源富集，饲料资源丰富且成本较低，是我国生猪生产的潜力增长区。未来应加大生猪产业布局，提升玉米等饲料就地转化率，同时加大大豆蛋白饲料作物的种植，建设一批高标准种养结合生产基地，提升农业综合竞争力；积极推行经济高效的粪污收集处理利用的无害化设施装备，解决冷凉气候对粪便资源化利用不足等问题；此外，努力补齐畜产品加工流通短板，提升生猪市场营销能力。

2）随着“南猪北移”的趋势不断强化，黄淮海平原逐渐成为我国生猪供给的核心区域，但同时也面临着水土资源短缺加剧的挑战，传统要素与经营模式支撑下的生猪生产增长潜力有限。未来应充分发挥传统粮食种植和牲畜养殖比较优势，鼓励种养结合的生猪养殖模式[32]；在稳定现有生产规模的基础上，依靠技术进步实现资源的高效利用，提高集约化水平，促进生猪产业的可持续发展。

3）长江流域作为我国第一大流域，水热条件优越，农业资源禀赋高，人口密集，市场广阔，是我国重要的生猪主产区，但由于劳动力非农化进程加快和环境治理压力加大，生猪生产呈明显下降趋势。未来应精准评估区内生猪生产的环境承载力差异，在长江中上游地区应遵循“共抓大保护、不搞大开发”的策略，调减生猪养殖规模；在长江入海口等环境承载力较高的地区应保持适度规模的生猪生产，加快推动生猪生产向绿色化发展。

4）云贵地区生猪出栏密度整体大幅度增加，但受地形条件影响，目前散养户居多，大规模养殖户发展较慢，同时由于区位条件的限制，远离消费市场。未来应适度提高生猪规模化水平，完善交通等基础设施，加快物流产业发展，扩大生猪市场；同时大力推广滇南小耳猪、撒坝猪等地方优良猪种。

5）东南沿海地区在水热条件、环境承载力、交通区位等方面优势明显，在当前生猪供需矛盾加大的背景下，应稳定生猪生产布局和现有生产规模，重点通过发展适度规模化养殖提高劳动生产率，避免生猪养殖业的过快下滑；同时要瞄准高端市场，强化品牌建设，提升生猪产业竞争力。

本文仅选取典型截面数据开展生猪生产时空格局演化特征及其影响因素的探究，一方面对各地区生猪生产动态规律的揭示不够充分，另一方面对经济要素对于生猪生产分布的复杂影响刻画不足。未来应进行面板数据的深入分析，更加细致地揭示各地区生猪生产发展演化特征及驱动机制。此外，本文对于养殖技术、规模化、全球化等对生猪生产的影响探讨不足，未来应充分利用农业大数据等多源数据进一步开展深入研究。