近10年长江中下游典型水稻主产区种粮大户的耕地承包规模变化研究

吴富有 李资华 廖富强 齐述华 徐进军

摘要：研究目的：以长江中下游典型的水稻主产区江西省北部的南昌、九江、上饶等市辖区为研究区，研究近10年种粮大户耕地承包规模的时空变化及其影响因素。研究方法：Theil指数、空间自相关模型、地理探测器。研究结果：（1）与2011年相比，2021年耕地承包规模显著增加，种粮大户数量由6 298户增加到26 781户，耕地承包面积由138.2万亩增加为462.91万亩，耕地的大户承包率由10.94%提升至28.85%，但种粮大户的户均耕地承包面积由219.43亩减少为172.85亩。（2）Theil指数由2011年0.831 2下降至2021年0.610 7，表明研究区耕地承包规模的空间异质性显著，但空间异质性显著下降。（3）种粮大户的耕地承包规模呈现以鄱阳湖平原的高高集聚和两翼山地丘陵农业区低低集聚为主的空间集聚特征。（4）农业机械总动力、农业总产值、乡村人口和农村劳动力等是种粮大户耕地承包规模空间分异的主要原因，双因子交互作用能够更好地解释承包规模的空间分异。研究结论：在政府鼓励农村土地流转和发展农业适度规模经营的政策背景下，种粮大户的耕地承包规模受自然环境、农业发展水平及社会经济等要素的共同影响；因地制宜地加大山地丘陵农业区机耕道路建设、推进农业机械小型化、健全土地流转机制，推进农村规模化经营体制的创新，发展粮食生产、加工和销售一体化的农村专业化合作组织，有序引导种粮大户在合作组织中发挥专业化作用，推动农业规模化发展。

关键词：种粮大户；承包耕地；Theil指数；空间自相关；地理探测器

中图分类号：F301.21 文献标志码：A 文章编号：1001-8158（2023）02-0082-10

基金项目：国家自然科学基金项目（41867012）。

粮食是人类生存的基本保障[1]，粮食安全关乎国家安全和社会稳定的大局[2-3]。近年来随着我国城市化的进程加快，城市建设用地扩张侵占了众多优质耕地[4-5]，导致耕地面积减少[6-7]等问题；同时城市化吸引大量的农村青壮劳动力涌入城市，导致粮食生产主体老龄化[8-9]。劳动力析出和种粮主体老龄化使耕地出现耕地复种下降甚至撂荒[10]；此外，在比较利益的驱动下，耕地“非粮化”现象变得愈发普遍[11]，对我国粮食安全带来挑战[12-13]。为了应对农村劳动力减少和耕地利用效率下降，中央政府先后出台一系列旨在鼓励农村土地流转发展农业规模经营的政策，包括： 2014年出台《关于引导农村土地经营权有序流转发展适度规模经营的意见》，2016年“中央一号”文件强调积极鼓励培养家庭农场和种粮大户等新型粮食生产主体，2017年出台《关于推进农业供给侧结构性改革的实施意见》等，这些政策催生了农村种粮大户群体、促进了农业生产规模经营，有效稳定粮食生产和保障粮食安全。

种粮大户在推动规模化、集约化和机械化的新型农业生产方式[14]，在提高粮食生产率、提高农民的收入水平、推动农村现代化建设以及保障地区的粮食安全中发挥着重要的作用[15-17]，适度扩大种粮大户经营规模对推动耕地资源合理配置和提高粮食生产贡献显著[14，18-20]，扩大农业生产规模已成为我国农业发展的新趋势[21]。目前，针对我国南方水稻主产区种粮大户耕地承包规模及其影响因素的研究，主要采用农户调查的方法，了解种粮大户的性别、年龄、文化程度、家庭人数、粮食播种面积和粮食生产效益等种粮大户的自然属性、社会属性和经济特征，从微观上分析农户尺度的耕地承包规模影响因素，难以从行政单元尺度宏观把握自然地理条件对耕地承包规模空间分异的影响[16-17]。

种粮大户登记表是由各县农业局统计并核实的每个种粮大户的耕地承包规模、耕地利用方式等信息的表格，是种粮直补等惠农政策实施的依据，记录的数据准确、信息完整，是分析乡镇、县（区）、地市等行政单元种粮大户耕地承包规模的重要资料，目前也有少量研究利用种粮大户登记表分析耕地承包面积的统计特征及影响因素，这些研究主要是利用单个年度或时间间隔较短的种粮大户登记表，对耕地承包规模影响因素的分析更多停留在定性描述[19，22]，缺乏对耕地承包规模空间分异特征的统计分析，没有揭示耕地承包规模的空间集聚特征。

为了研究种粮大户耕地承包规模的空间分异特征及其影响机理，本文针对近10年的国家和地方出台的鼓励农村土地流转和发展农业适度规模经营的政策背景，以长江中下游典型水稻主产区的江西省北部的南昌、九江、上饶等市辖范围为研究区，分析2011—2021年耕地承包面积大于50亩种粮大户的耕地承包规模时空变化特征，探讨耕地承包规模的影响因素，揭示种粮大户的耕地承包规模空间分异规律，为种粮大户承包耕地集约利用和规模化经营发展提供决策参考。

1 研究区概况

长江中下游是我国水稻培育和种植的核心地带，在全国的水稻生产中具有极其重要的地位，江西省是长江中下游地区的水稻主产区之一[23]，是中华人民共和国成立以来从未间断向国家输出商品粮的两个省份之一[24]。为了鼓励适度规模经营，2008年江西省发布《关于2008年对种粮大户实行直接补贴暂行办法》，对粮食种植面积50亩以上的种粮大户予以每亩16元现金直接补贴；2013年改为以项目申报方式遴选规模较大的种粮大户重点扶持。

本文以江西省北部的南昌、九江、上饶等市辖范围为研究区，包括素有“江南粮仓”“鱼米之乡”美誉的鄱阳湖平原，以及鄱陽湖平原两翼的赣东北和赣西北山地农业区。研究区地处亚热带季风气候区，年降水量丰富、日照充足且无霜期长，适合一年两熟的种植制度，农业生产以水稻为主，水稻播种面积约占粮食作物播种面积的80%。鄱阳湖平原地势低平，是江西省最大的粮食生产基地[25]，赣东北和赣西北山地农业区以丘陵、山地为主，夹杂分布着沿河、沿江的小型冲积平原，受地形多变的影响，耕地呈现细碎化和梯地化特点[26]。研究区包括平原区和山地丘陵区，有利于考察自然地理环境对种粮大户耕地承包规模的影响。

2 数据与方法

2.1 数据来源

种粮大户情况登记表分别由各市农业局提供，其中：南昌市提供了2011—2013年、2015年、2017年和2021年6年的种粮大户情况登记表；九江市提供了2011年、2014年和2021年3年种粮大户情况登记表；上饶市提供了2011年、2012年、2016—2021年8年种粮大户情况登记表。登记表记录了每个耕地承包规模超过50亩的种粮大户的耕地承包面积、利用方式及所处的县、乡（镇）、村等信息。

2021年行政区划边界矢量数据来源于中国科学院资源环境科学数据中心（http：//www.resdc.cn），以该行政边界为基准，根据区划调整情况，根据乡镇和县域单元，分别统计种粮大户数量、耕地承包规模和户均耕地承包规模等，并赋值各乡（镇）、县（区）和市三级行政单元，构建种粮大户矢量数据集；30 m空间分辨率的SRTM-DEM来源于地理空间数据云平台（http：//www.gscloud.cn/），基于DEM数据衍生计算坡度和地形起伏度；土壤类型数据来源于中科院南京土壤研究所科学数据中心（http：//soildata.issas.ac.cn）；农业总产值、农业机械总动力等农业发展水平和社会经济数据来自于《江西省统计年鉴》以及各地级市的统计年鉴和统计公报。

2.2 耕地承包规模的区域差异度量方法

交互探测用于分析影响因素之间的相互作用，即评估两个自变量之间的相互作用对种粮大户耕地承包规模的解释力是增加还是减弱，或是两个自变量之间对其的作用力是相互独立的。两个自变量之间的交互作用类型如表1所示。

2.4 耕地承包规模的影响因素评价指标

种粮大户耕地承包规模空间变化差异显著、成因复杂，根据相关的研究结果[35-36]，并结合研究区农业生产实际，影响因素不仅涉及区域的农业发展水平，同时与自然环境和社会经济因素也息息相关。鉴于此，利用地理探测器探测空间分异特征与规律的优势，从农业发展水平、社会经济和自然环境3个方面选取影响因子（表2），利用Geo Detector软件的因子探测器计算各因子的贡献q值，对耕地承包规模（Y）贡献程度进行评价。

3 结果与讨论

3.1 种粮大户的耕地承包规模

按照乡镇、县（区）和地市3级行政单元统计种粮大户数量（图1），结果表明：3个地市种粮大户由2011年6 298户增至2021年26 781户，新增20 483户，其中上饶市种粮大户由3 742户增至12 523户、南昌市由1 874户增至8 936户、九江市由682户增至5 322户；种粮大户主要集中于鄱阳县、余干县、万年县、南昌县等鄱阳湖平原周围的县，两翼山地农业区的种粮大户数量也显著增加。

统计乡镇、县（区）和地市三级行政单元的种粮大户耕地承包面积和耕地承包率（图2）：种粮大户的耕地承包面积由2011年的138.2万亩提升至2021年的462.91万亩，耕地承包规模超过1 000亩的乡镇由41个增加至154个，其中15个乡镇的种粮大户承包耕地超过4.0万亩；种粮大户承包耕地占研究区耕地面积的比例（耕地承包率）由2011年的10.94%提升至2021年的28.85%，其中南昌市由11.03%提升至31.77%、上饶市由18.62%提升至30.16%、九江市由3.24%提升至24.78%。耕地承包率高值区域主要分布于鄱阳湖平原区，山地农业区的耕地承包率和耕地承包面积在近10年也明显提升。

分别统计乡镇、县域和市域三级行政单元的种粮大户的户均耕地承包面积（图3），户均耕地承包面积由2011年的219.43亩降至2021年的172.85亩，户均耕地承包面积在空间上分布更均匀，主要原因是种粮大户数量增加速度大于耕地承包面积增加速度，而耕地承包面积的增加受适宜规模经营的耕地数量限制。

分别考察耕地承包规模的变化（图4），根据图4可以看出，南昌、九江和上饶市的耕地承包面积和耕地承包率均呈增加趋势，粮食生产规模化扩大。从种粮大户耕地承包规模来看，研究区种粮大户的数量、耕地承包规模、耕地承包率等均有显著的提高，户均承包耕地面积出现不升反降的现象，主要原因是种粮大户数量增加速率大于耕地承包增加速率，研究区种粮规模化水平得到显著提升。过去也有利用单个年度或时间间隔较短的种粮大户登记表统计耕地承包规模，总体统计结果与本文一致[14，19]。本文将种粮大户落到乡镇单元，可以考察乡镇、县（区）、地市等不同等级行政单元的种粮大户耕地承包规模，更加有效表征种粮大户规模化经营水平的空间差异，有利于进一步探索耕地承包规模空间分异的机理。

利用Theil指数分析种粮大户耕地承包面积的总体差异及区域內、区域间差异（表3），2011年Theil指数为0.831 2表明2011年研究区耕地承包规模的区域差异较大，Theil指数从0.831 2降至2021年0.610 7，表明耕地承包规模的区域差异呈缩小态势；Theil指数的组内与组间差异结果表明：各地市之间和各地市内各乡镇的耕地承包规模差异也是呈现缩小的趋势，与研究区的总体变化规律一致，其中南昌市和上饶市的Theil指数减少最多，说明南昌市和上饶市各乡镇承包耕地规模的差异下降更显著，区域内差异缩小；区内差异大于区间差异。

3.2 种粮大户耕地承包规模的空间关联特征

种粮大户耕地承包规模的空间分布特征分析，结果表明：Morans I均通过1%显著性检验，相应的P值极小，研究区耕地承包规模随机产生的概率极小，耕地承包规模具有明显的空间正相关性，呈现出“高高”或“低低”的集聚特征。

利用局部空间自相关分析（LISA）识别局部集聚或离散特征（图5），结果表明：2011年和2021年种粮大户耕地承包规模以高高和“低低”的空间集聚类型为主，高高集聚区主要位于粮食生产规模化程度较高的鄱阳湖平原，低低集聚区主要集中于粮食生产规模化程度较低的山地丘陵农业区。

3.3 种粮大户耕地承包规模的影响因素

根据地理探测器对耕地承包规模的影响单因子探测结果（表4），影响2011年耕地承包规模的因子贡献率排序为：X4>X2>X5>X6>X1>X3>X8>X11>X10>X7>X13>X12>X9；而2021年的因子贡献率排序为：X4>X7>X2>X5>X6>X9>X8>X3>X10>X1>X11>X12>X13，各因子的贡献率均通过显著性水平检验（P<0.05），影响不同年份耕地承包规模的影响因子既有一定的相似性，也有一些差异，其中农业机械总动力（X4）、农业总产值（X2）、乡村人口（X5）和农村劳动力（X6）4个因子是耕地承包规模空间分异的主导因子；人口城镇化率（X7）和产业非农化（X9）对2011年耕地承包规模的影响贡献率较低，但对2021年耕地承包规模影响提升；自然环境因素中的地形、土壤等因子X10、X11、X12和X13的q值仅介于0～0.2之间，因子贡献率低，自然环境因素对耕地承包规模空间分异的贡献较小。

利用交互探测器对13个因子进行两两交互探测的结果表明（图6）：影响因子的交互解释力大于单因子解释力，并呈现为非线性增强和双因子增强，说明影响因子的交互作用能够强化耕地承包规模的空间分异；在排序前5位的主导交互因子中，2011年分别为X3∩X5、X3∩X6、X4∩X9、X1∩X3和X4∩X7，2021年分别为X3∩X4、X4∩X7、X4∩X5、X1∩X4和X4∩X6。根据交互因子出现次数，农业机械总动力（X4）和农民人均耕地面积（X3）是耕地承包规模空间分异的主要影响因素；交互因子出现次数较多的因子还包括社会经济因素中的农民人均纯收入（X1）、农村劳动力（X6）、产业非农化（X9）和人均GDP（X8），其交互作用后结果的解释力依然很强，也是耕地承包规模空间分异的重要影响因素。单因子探测器分析认为自然环境因素的单因子解释力偏弱，但交互探测器分析认为，自然环境因素与其他因子交互作用后，q值得到了显著提升，影响力明显增强，因此交互探测器揭示了种粮大户耕地承包规模空间分异是农业发展水平、自然环境和社会经济等因素交互作用的结果。

过去的研究主要从种粮大户调查数据，从农户尺度上微观分析承包规模[14，24]的影响因素，认为农户和区域的资源禀赋、稻作经营特征对种粮大户经营规模有显著影响，这与本文从行政单元尺度宏观分析种粮大户耕地经营规模的影响因素有很大的差异；已有研究[8，10，13，24]认为城镇化和工业化发展引起的农村劳动力析出是影响种粮大户耕地承包规模变化的重要因素，根據本文的结果，在行政单元尺度上人口城镇化率（X7）和产业非农化率（X9）对耕地承包规模的影响贡献率排序上相对比较靠后，表明耕地承包规模的影响因素具有空间尺度特征。

4 结论与启示

本文以长江中下游典型水稻主产区的江西省北部的南昌、九江和上饶市辖范围为研究区，运用Theil指数、空间自相关和地理探测器等方法，对2011年和2021年种粮大户耕地承包规模及其影响因素进行分析，得到以下主要结论。

近10年国家鼓励农村土地流转和发展农业适度规模化经营的政策显著推动了粮食规模化生产的积极性，种粮大户数量显著增加，耕地承包规模显著扩大，耕地承包率显著提高，受区域耕地资源禀赋限制和种粮大户显著增加的影响，户均耕地承包规模下降明显。

耕地承包规模存在显著的空间异质性，平原区的耕地承包规模明显大于山地丘陵区的，随着山地丘陵区耕地承包规模的扩大，耕地承包规模的空间异质性呈现降低趋势。

种粮大户耕地承包规模的空间分布呈现出“高高”或“低低”空间正相关集聚特征。高高集聚区主要分布于鄱阳湖平原，低低集聚区主要分布于研究区两翼的山地丘陵农业区。

农业机械总动力、农业总产值和乡村人口、农村劳动力等是影响耕地承包规模空间分异的主导因子；双因子的交互作用后的影响力明显大于单因子，其结果均呈现为非线性增强和双因子增强，农业机械总动力和农民人均耕地面积与其他因子的交互作用起主导作用；农业发展水平、自然环境和社会经济等因素的交互作用影响耕地承包规模的空间分异。

根据以上研究结论，得到以下启示。

2011—2021年国家推动农村土地流转和发展农业适度规模化经营的一系列政策举措，显著提高种粮大户粮食生产积极性，促进了粮食规模化生产，同时耕地承包规模受农业区的自然地理条件和农业发展水平的影响明显，平原区地形平坦，农业耕地连片，耕作历史悠久，农机水平较高，具有发展规模化农业的天然和历史等优越条件，而山地丘陵区地形起伏、耕地破碎化程度高、农业机械投入生产困难、再加上众多农村劳动力外迁等原因，一定程度上制约了耕地的规模化经营，但在政策的驱动下，仍表现出农业规模化生产的潜力；根据耕地承包规模的影响因素分析认为，针对山地丘陵区耕地细碎化的特点，可采用工程技术措施，对零散、异形、坡度较大的农田进行“小并大、短变长、弯变直、陡变缓”农田宜机化改造，有序推进农业机械小型化，提高农业生产机械化水平，另因地制宜地加大农村机耕道路建设，完善田间道路设施及配套灌溉水系，提高农业生产综合能力，以促进山地丘陵区农业规模化进一步发展。

近10年来国家农业部门针对种粮大户的扶持政策表明，在优惠补贴政策的激励下，种粮大户的耕地承包规模得到显著扩大，粮食生产规模化水平得到提高，然而由于种粮效益偏低，种粮大户依然面临着诸多的经营风险，需要相关部门持续加大农业支持保护政策倾向的扶持力度，加大财政支持，落实“谁种粮谁得补贴”的政策，设立种粮大户专项保险，降低种粮大户的经营风险，同时，积极引导种粮大户在符合自身实际情况下选择最优的耕地承包规模，避免盲目扩大经营规模和资金投入而增加经营风险。

种粮大户作为现代新型农业生产的主体，在市场和政策驱动下，种粮大户数量显著增加，然而具备规模化生产的土地资源有限，导致户均耕地承包规模不升反降的现实，反而制约了农业的规模化生产，这就要求进一步健全土地流转机制，推进农村规模化经营体制的创新，发展粮食生产、加工和销售一体化的农村专业化合作组织，有序引导种粮大户在合作组织中发挥专业化作用。

参考文献（References）：

[1] 吴文斌，唐华俊，杨鹏，等.基于空间模型的全球粮食安全评价[J] .地理学报，2010，65（8）：907 - 918.

[2] 吳郁玲，张佩，于亿亿，等.粮食安全视角下中国耕地“非粮化”研究进展与展望[J] .中国土地科学，2021，35（9）：116 - 124.

[3] 宋小青，欧阳竹.1999-2007年中国粮食安全的关键影响因素[J] .地理学报，2012，67（6）：793 - 803.

[4] 程旭，杨海娟.城市扩张对大城市周边基本农田的影响——以西安市长安区为11例[J] .中国农业资源与区划，2017，38（8）：25 - 34.

[5] 闫梅，黄金川，彭实铖.中部地区建设用地扩张对耕地及粮食生产的影响[J] .经济地理，2011，31（7）：1157 -1164.

[6] 匡文慧，张树文，杜国明，等.2015—2020年中国土地利用变化遥感制图及时空特征分析[J] .地理学报，2022，77（5）：1056 - 1071.

[7] 赵晓丽，张增祥，汪潇，等.中国近30a耕地变化时空特征及其主要原因分析[J] .农业工程学报，2014，30（3）：1 - 11.

[8] 魏君英，夏旺.农村人口老龄化对我国粮食产量变化的影响——基于粮食主产区面板数据的实证分析[J] .农业技术经济，2018（12）：41 - 52.

[9] LIU Y S. Introduction to land use and rural sustainability in China[J] . Land Use Policy， 2018， 74. doi： 10.1016/ j.landusepol.2018.01.032.

[10] 田玉军，李秀彬，马国霞，等.劳动力析出对生态脆弱区耕地撂荒的影响[J] .中国土地科学，2010，24（7）：4 - 9.

[11] 孟菲，谭永忠，陈航，等.中国耕地“非粮化”的时空格局演变及其影响因素[J] .中国土地科学，2022，36（1）：97 - 106.

[12] LI T T， LONG H L， ZHANG Y N， et al. Analysis of the spatial mismatch of grain production and farmland resources in China based on the potential crop rotation system[J] . Land Use Policy， 2017， 60： 26 - 36.

[13] 梁鑫源，金晓斌，孙瑞，等.多情景粮食安全底线约束下的中国耕地保护弹性空间[J] .地理学报，2022，77（3）：697 - 713.

[14] 房瑞景，杨鲜翠，陈雨生.我国种粮大户发展现状、问题与对策[J] .农业经济，2016（11）：12 - 14.

[15] 朱丽娟，王志伟.黑龙江省种粮大户的技术效率及其影响因素[J] .资源科学，2018，40（8）：1583 - 1594.

[16] 周波.种粮大户水稻播种面积优化问题实证分析——基于江西省619户样本数据[J] .农业技术经济，2010（4）：120 - 127

[17] 樊玲慧，王梅曦，韩敦彬，等.种粮大户土地规模经营影响因素研究——基于德州市平原县种粮大户的调查数据[J] .湖北农业科学，2021，60（19）：168 - 173

[18] 李晓明，尹梦丽.现阶段主产区种粮大户经营状况与发展对策——基于安徽省种粮大户的调查分析[J] .农业经济问题，2008（10）：21 - 26，110.

[19] 麻福芳，徐光耀，戴天放.江西省种粮大户发展现状及对策研究[J] .湖南农业科学，2015（1）：131 - 134.

[20] GRAS C， HERNáNDEZ V. Agribusiness and large-scale farming：capitalist globalisation in Argentine agriculture [J] . Canadian Journal of Development Studies/Revue canadienne détudes du développement， 2014， 35（3）： 339 - 57.

[21] ZHU Y C， WAQAS M A， LI Y E， et al. Large-scale farming operations are win-win for grain production， soil carbon storage and mitigation of greenhouse gases[J] . Journal of Cleaner Production， 2018， 172： 2143 - 2152.

[22] 陈聪，曹光乔.江西省种粮大户经营规模扩张制约因素研究[J] .中国农机化学报，2016，37（11）： 185 - 187，211.

[23] 周泉，黄国勤.江西省水稻绿色生产的问题与对策研究[J] .中国农业资源与区划，2020，41（2）：9 - 15.

[24] 邹金浪，杨子生.不同城市化水平下中国粮食主产区耕地集约利用差异及其政策启示——以江西省和江苏省为例[J] .资源科学，2013，35（2）：370 - 379.

[25] 申格，王聪，余强毅，等.2001—2020年鄱阳湖平原耕地复种时空变化研究[J] .中国农业资源与区划，2021，42（12）：132 - 143.

[26] 谢花林，欧阳振益，陈倩茹.耕地细碎化促进了耕地“非粮化”吗——基于福建丘陵山区农户的微观调查[J] .中国土地科学，2022，36（1）：47 - 56.

[27] 康晓娟，杨冬民.基于泰尔指数法的中国能源消费区域差异分析[J] .资源科学，2010，32（3）：485 - 490.

[28] 谢花林，刘桂英.1998 - 2012年中国耕地复种指数时空差异及动因[J] .地理学报，2015，70（4）：604 - 614.

[29] 王少剑，王洋，赵亚博.广东省区域经济差异的多尺度与多机制研究[J] .地理科学，2014，34（10）：1184 - 1192.

[30] 徐建华.地理建模方法[M] .北京：科学出版社，2010：84 - 104.

[31] 王劲峰，徐成东.地理探测器：原理与展望[J] .地理学报，2017，72（1）：116 - 134.

[32] WANG J F， LI X H， CHRISTAKOS G， et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region， China [J] . International Journal of Geographical Information Science， 2010， 24（1）： 107 - 127.

[33] 劉彦随，杨忍.中国县域城镇化的空间特征与形成机理[J] .地理学报，2012，67（8）：1011 - 1020.

[34] 周亮，周成虎，杨帆，等.2000—2011年中国PM（2.5）时空演化特征及驱动因素解析[J] .地理学报，2017，72（11）：2079 - 2092.

[35] 汪亚琴，姚顺波，侯孟阳，等.基于地理探测器的中国农业生态效率时空分异及其影响因素[J] .应用生态学报，2021，32（11）：4039 - 4049.

[36] GAO J， ZHU Y H， ZHAO R R， et al. The use of cultivated land for multiple functions in major grain-producing areas in northeast China： spatial-temporal pattern and driving forces[J] . Land， 2022， 11（9）. doi： 10.3390/land11091476.

Study on the Change of Farmland Contracting Scale of Large Grain Growing Households in Typical Main Rice Production Areas in the Middle and Lower Reaches of the Yangtze River in the Past 10 Years： A Case Study of Northern Jiangxi Province

WU Fuyou1，2， LI Zihua2， LIAO Fuqiang1， QI Shuhua1， XU Jinjun2

（1. School of Geography and Environment， Jiangxi Normal University/Key Laboratory of Poyang Lake Wetland and Watershed Research， Ministry of Education， Nanchang 330022，China； 2. Institute of Territorial Spatial Survey and Planning of Jiangxi Province， Nanchang 330025， China）

Abstract：The purpose of this study is to analyze the spatial and temporal changes and influencing factors of farmland contracting scale of large grain growing households in the municipal districts of Nanchang， Jiujiang， and Shangrao in northern Jiangxi Province， a typical rice production region in the middle and lower reaches of the Yangtze River. The research methods includ Theil index， spatial autocorrelation model and geographic detector. The results showed that： 1）compared with 2011， the contracting scale of farmland of large grain growing households significantly enlarged in 2021. The number of large grain growing households increased from 6 298 to 26 781， the area of contracted farmland increased from 1.382 million mu to 4.629 million mu， and the rate of contracted farmland increased from 10.94% to 28.85%. However， the average contracted farmland area per household decreased from 219.43 mu to 172.85 mu. 2）The Theil index decreased from 0.831 2 in 2011 to 0.610 7 in 2021， indicating significantly decreased spatial heterogeneity in the contracting scale of farmland in the study area. 3）The spatial distribution characteristic of contracting scale of farmland of large grain growing households demonstrates agglomeration， with high agglomeration in the Poyang Lake Plain and low agglomeration in the mountainous agricultural areas on both wings of the study area. 4）The total power of agricultural machinery， total agricultural output value， rural population and rural labor force are the primary factors for the spatial variation of contracting scale of farmland， and the double-factor interaction explains the spatial variation of contracting scale of farmland better. In conclusion， against the background of the policy of encouraging rural land transfer and developing moderate scale agricultural operations， the contracting scale of farmland of large grain growing households is influenced by the combination of the natural environment， the level of agricultural development and the socio-economic factors. It is suggested to strengthen the construction of machine roads in mountainous agricultural areas， to develop the miniaturization of agricultural machinery， to improve the land transfer mechanism， to promote innovation in the system of large-scale rural operation， to develop specialized rural cooperative organizations that integrate food production， processing and marketing， to orderly guide large grain growing households to play a specialized role in cooperative organizations， and to promote the development of large-scale agriculture.

Key words： large grain growing households； contracted farmland； Theil index； spatial autocorrelation； geographic detector

（本文责编：郎海鸥）