甘肃农业产值影响因素研究＊

张晶晶，丁永军

（1.兰州城市学院电子与信息工程学院，甘肃 兰州 730070；2.西北师范大学计算机科学与工程学院，甘肃 兰州 730070）

甘肃省地处我国西北内陆，自然环境脆弱，脱贫攻坚难度大、任务重，截至2019 年7 月，全省尚有38 个贫困县，111 万农村贫困人口[1]。因此，探究甘肃省农业产值主要影响因素是非常必要的。

近年来，研究学者对农业生产及其影响因素进行了深入研究。何博汶等[2]研究表明自然禀赋、经济发展、社会民生、人力资源和交通区位是影响甘肃农村空间贫困地域分异的主要因素。熊鹰等[3]研究表明化肥、农药、农膜使用量，粮食播种占比，人口密度等因素对四川省环境友好型农业生产效率具有显著的影响效应。连旭[4]研究表明新疆农业发展呈北高南低，两极分化的空间特征，发展水平相似的县域呈集聚分布态势。石忆邵等[5]应用General G指数对农业生产率空间格局进行分析，分析指出农业科技化、合作化、老龄化是影响上海郊区农业生产率的主要因素。陈江涛[6]分析了产业结构、基础建设、农业投入等因素对我国农业现代化分布格局的影响。但对甘肃省农业产值时空格局的研究仍不系统，主要表现为：①在县域尺度下对全省范围的研究较为少见，例如刘洋、王娅等[7，8]仅将研究区域局限于河西走廊或甘肃东部。②多以农业统计年鉴作为数据来源，而兼顾气象数据、地形数据的研究较为少见[9，10]。因此，本研究综合气象信息、地形数据、统计年鉴数据，构建农业产值评价指标体系，借助主成分分析、GWR 回归模型，分析了甘肃省农业产值主要影响因素的空间分布规律。

1 研究区概况

甘肃省介于32°11’～42°57’N 和92°13’～108°46’E之间，东西最大横距1655 km，南北最大横距约530 km，分布有山地、高原、平川、河谷、沙漠、戈壁等多种地形地貌。2017 年农业生产总值1068 亿元，耕地总面积537.22 万hm2，农村从业人员1131.37 万人，农业机械投入2018.59 万kW，年平均气温9.0°C，年均降水量450.3mm，平均坡度8.26°。

2 数据来源与研究方法

2.1 数据来源

农业统计数据源于甘肃年鉴数据（http://tjj.gansu.gov.cn/）。历史气象数据源于后知气象（http://hz.zc12369.com/home/）。DEM 高程数据源于地理空间数据云平台（http://www.gscloud.cn/）。

2.2 研究方法

2.2.1 评价指标

文章从人力资源、投入要素、土地资源、自然禀赋等4 个方面构建甘肃农业产值评价指标体系，其中共包含14 个评价指标，见表1。

表1 农业产值评价指标体系

2.2.2 数据预处理

应用极差法进行数据标准化处理，以消除不同量纲和数量级对模型构建的不利影响。

2.2.3 空间插值

历史气象数据源于后知气象，包括年最低温度、年最高温度、年平均温度、年平均湿度、年平均风速、年平均总降水量等6 个气象特征，又考虑到在甘肃范围该网站只提供14 个地级市的气象数据，因此又从甘肃周边查询到海西、哈密、汉中、宝鸡、榆林、中卫、石嘴山、阿拉善、广元、海北等18 个地区的气象数据，借助上述32 组数据进行空间插值，从而得到研究所需的甘肃87 个区县的历史气象数据。

2.2.4 地理加权回归

地理加权回归模型引入空间位置属性，能很好的解决空间平稳性、依赖性问题，其表达式[11]：

式中：（ui,vi）是第i 个样点的坐标，βj（ui,vi）(j=0,1,…，p)是第个i 样点的第j 个回归参数，εi是随机误差，假定服从N（0,σ2）分布。

3 结果与分析

3.1 主成分分析

首先对农业产值14 个评价指标进行共线性诊断，发现方差膨胀系数VIF=38.38，条件指数CI=19.005，说明评价指标间存在一定的共线性。为了消除自变量共线性对回归模型的影响，对评价指标进行主成分分析，并根据因子系数选取有效灌溉率、地均劳动力人数、地均机械总动力和平均温度等4个主要影响因素。见表2。

表2 因子得分矩阵

3.2 GWR 模型

GWR 模型对带宽的选取极为敏感，本文使用gaussian 核函数，以交叉验证法确定宽带为86，而模型残差的Moran 指数为0.08，P 值为0.082，Z 值为1.45，说明残差在空间上呈现随机分布。建模结果见表3。

表3 GWR 模型参数及检验结果

3.3 影响因素分析

对GWR 模型4 个解释变量回归系数进行空间可视化表达，结果如图1 所示。

地均劳动力人数。甘肃农业产值与地均劳动力人数呈正相关关系，如图1（a）所示。就回归系数数值分布而言，呈现出由西北向东南方向逐步递增的趋势，数值范围为0.256～0.264 之间，陇南及庆阳地区回归系数最大，该地区人口稠密，劳动力因素对农业产值影响较大，当地政府可以从提升劳动力数量和质量两方面制度一系列惠农政策。而西北地区地广人稀，劳动力因素对农业产值影响较小，有必要提升农业机械化水平，弥补农业人口的不足。

图1 GWR 模型回归系数空间分布图

地均机械总动力。甘肃农业产值与地均机械总动力呈正相关关系，如图1（b）所示。就回归系数数值分布而言，呈现出由西北向东南方向逐步递增的趋势，数值范围为0.260～0.313 之间，甘南、陇南及庆阳地区回归系数最大，说明农业总动力对上述地区的农业产值影响较大。其主要原因在于上述地区沟谷纵横、地貌复杂，农业机械化投入水平较低。因此有必要增大山地机械的投入和土地整治力度。

有效灌溉率。甘肃农业产值与有效灌溉率呈正相关关系，如图1（c）所示。就回归系数数值分布而言，呈现两头高，中间低的趋势。数值范围为0.455～0.475 之间，酒泉地区回归系数最大，武威地区回归系数最小。酒泉属大陆性气候，雨量小，蒸发量大，灌溉水资源匮乏。武威南部属祁连山区，降水丰富，而中部属平原绿洲区，自产水资源丰富。

平均温度。甘肃农业产值与平均温度呈正相关关系，如图1（d）所示。就回归系数数值分布而言，呈现出由西北向东南方向逐步递减的趋势，数值范围为0.221～0.231 之间。酒泉、张掖、金昌、武威等地回归系数较大，说明平均温度对上述地区的农业产值影响较大。有必要推广大棚、拱棚、地膜等设施农业技术，以达到调节地温、保水保肥、延长农作物栽培期的目的。

4 结论

本研究综合气象信息、地形数据、统计年鉴数据，通过主成分分析提取对农业产值产生主要影响的4 个评价指标，构建GWR 回归模型，发现在甘肃东南部有必要制定一系列惠农政策以提升劳动力数量和质量。庆阳、陇南地区可以通过投入山地特种机械及土地整治，加强农业机械化程度。酒泉、庆阳地区应该大力推广节水农业。酒泉、张掖、金昌、武威等地应该加强现代设施农业建设。