中国农业现代化发展水平的空间格局与分布动态演进

冀玄玄，姜军松

（湘潭大学 商学院，湖南 湘潭 411105）

0 引言

农业现代化是中国式现代化的基础支撑与重要构成，加快农业现代化建设步伐成为现阶段优先发展农业、全面推进乡村振兴的核心内容[1]，有利于推动农业高质量发展和农业强国建设。改革开放以来，农业现代化发展成效显著，但也面临着科技创新能力不强、生态环境破坏严重、竞争力偏弱等问题。因此，构建科学合理的评价指标体系，准确把握中国农业现代化发展状况，对于协调推进农业现代化建设、实现农业高质高效发展具有重要意义。

当前关于农业现代化的研究主要集中在三个方面：一是阐明农业现代化的概念内涵。现有文献大多从内容论和过程论两个角度阐释农业现代化概念。就内容论而言，农业现代化多指农业的机械化、集约化、社会化等，并且“多化”内容愈发丰富[2]。就过程论而言，农业现代化是一个动态过程，表现为生产经营方式、农村土地制度、基础设施建设等方面的不断创新变革[3]。二是测度不同尺度下农业现代化的发展水平。现有文献主要从全国[4]、区域[5]、省域[6]等不同尺度测算农业现代化发展水平。此外，部分文献还探讨了农业现代化的时空分异特征[7]及农业现代化与城镇化的耦合协调度[8]。三是探索农业现代化的实现路径。为加快实现农业现代化，现有文献提出强化农业科技创新驱动、优化农业生产结构与空间布局、健全现代农业产业与经营体系等多种路径[9,10]。

上述文献为农业现代化研究提供了有益参考，但仍存在拓展空间。一是现有评价指标体系涵盖度不足。虽然“双碳”目标明确了农业碳减排的必要性，但是当前评价指标体系大多并未考虑农业碳排放指标。二是某些评价指标测算准确性不高。例如，农业污染排放指标仅用化肥或农药的施用量来表示，忽略了畜禽养殖、秸秆焚烧等导致的污染物排放。三是现有研究主要集中于描述时空分析结果，并未探讨农业现代化的内在演化规律。鉴于此，本文从农业生产投入、农业经营管理、农业产出效益和农业绿色发展4个维度构建评价指标体系，采用多指标综合评价法测算2005—2020年中国31个省份的农业现代化发展水平，并利用Kernel密度估计、Moran’s I和Markov链分析方法深入考察其空间分布格局及动态演进特征。

1 研究设计

1.1 研究方法

1.1.1 多指标综合评价法

多指标综合评价法是指依据研究目的构建相应的统计指标体系，并在此基础上归结各个指标所提供的信息以得出一个综合数值，进而整体评价研究对象。本文选择该方法来测算农业现代化发展水平，计算公式为：

式（1）中，AMik为省份i农业现代化第k维度的发展水平指数，q为各维度所包含的指标数量，Sij为省份i指标j经标准化处理后的数值，wj为指标j的权重。式（2）中，AMi为省份i农业现代化发展水平综合指数，n为指标总数量。指标权重的确定方法主要包括主观赋权法和客观赋权法，各自有其相应的优缺点。为了确保赋权的可靠性，本文在主观赋权法中选择等值赋权法，在客观赋权法中选择熵值法和CRITIC 法，并采用简单线性加权方法确定指标的最终权重。此外，本文将三种赋权方法的权重分别设为1/2、1/4、1/4，鉴于这三种方法使用较为频繁，不再详述其计算步骤。

1.1.2 Kernel密度估计

Kernel密度估计作为一种非参数估计方法，通常在于利用随机变量的密度函数曲线描述其分布形态，具体计算公式为：

其中，f(x)为随机变量X的密度函数，Xi为各省份农业现代化发展水平，x为农业现代化发展水平均值，N为总样本量，h为带宽，K(·)为核函数。本文选用高斯核函数进行估计，并据此刻画农业现代化发展水平的分布动态演进。

1.1.3 Markov链分析

Markov 链分析是通过构建状态转移概率矩阵来考察某一事件或变量的演进趋势。若将农业现代化发展水平划分为k种类型，则可以得到一个k×k的转移概率矩阵，由此能够揭示出农业现代化发展水平的动态演进特征。转移概率计算公式为：

其中，Pij为某省份农业现代化发展水平从t年的i类型转移到t+1年的j类型的概率，nij为从t年的i类型转移到t+1年的j类型发生的次数，ni为样本期内i类型出现的总次数。

由于任何事物都不是孤立存在的，因此为考察空间因素的影响，在传统Markov 链分析的基础上引入“空间滞后”的概念，用以分析邻近省份农业现代化发展水平的相互影响。具体而言，空间Markov 链分析是通过构建空间权重矩阵，把k×k的转移概率矩阵分解为k个k×k矩阵，此时Pij|k表示某省份在t年空间滞后类型为k的条件下，从t年的i类型转移到t+1年的j类型的概率。

1.1.4 全局空间相关性分析

全局空间自相关分析主要用于描述某一要素属性值在整个区域的空间自相关性，通常采用全局Moran’s I作为衡量指标。本文采用全局Moran’s I检验农业现代化发展水平的空间自相关性。考虑到该指数较为常用，不再详述其计算公式。

1.2 指标体系构建

农业现代化是一个包含资源投入、生产经营、高效产出、环境防治等方面内容的综合性概念，也是由传统农业转向现代农业的动态演变过程。本文在科学把握农业现代化内涵特征和充分考虑数据可获得性的基础上，参考现有相关文献，聚焦农业生产投入、农业经营管理、农业产出效益和农业绿色发展4个维度，选取35项具体指标来构建农业现代化发展水平评价指标体系，具体如表1所示。

表1 农业现代化发展水平评价指标体系

1.3 指标数据测算

评价指标的测算方法见表1。为剔除价格因素的影响，本文将相关价值型变量以2005 年为基期进行了调整。此外，考虑到农业污染排放量、农业碳排放量以及农业耗能量的涉及面广、计算复杂等情况，本文对其测算过程进行详细阐述。

1.3.1 农业污染排放量测算

农业污染通常是指面源污染，主要包括三类污染源。一是化肥流失产生的氨氮、总氮和总磷，具体测算方法及排放系数参考2021 年生态环境部发布的《排放源统计调查产排污核算方法和系数手册》。二是畜禽养殖产生的化学需氧量、总氮和总磷，涉及猪、牛、羊以及家禽4种动物，具体测算方法及相关系数参考《全国规模化畜禽养殖业污染情况调查及防治对策》。三是农作物秸秆弃置产生的化学需氧量、总氮和总磷，具体测算方法及相关系数参考李新和尚杰（2022）[11]的研究。

1.3.2 农业碳排放量测算

农业碳排放是指农业生产中的温室气体排放，主要包括4类排放源，测算方法及相关系数均参考现有研究。一是农用物资投入导致的碳排放，具体包括化肥、农药、农膜、农用柴油、灌溉等导致的碳排放[12]。二是土地翻耕及作物种植导致的碳排放，具体涉及翻耕导致的碳排放、水稻种植引起的甲烷排放以及水稻、小麦、玉米、豆类、薯类、花生、油菜籽、蔬菜等种植产生的氧化亚氮排放[13,14]。三是秸秆燃烧导致的碳排放，具体涉及水稻、小麦和玉米3 种主要农作物[15]。四是畜禽养殖导致的碳排放，具体包括生猪、牛、羊、马、驴、骡、骆驼、家禽、兔等畜禽肠道发酵导致的甲烷排放和畜禽排泄引发的甲烷与氧化亚氮排放[14]。

1.3.3 农业耗能量测算

农业能源消耗是指农业生产过程中各种能源的消费和耗用，通常以消耗的能源实物量进行表征。为了统一分析，需将其折算成标准煤后再进行核算，即求解各类农业能源实物消耗量与其折算标准煤系数的乘积和。本文选取原煤、洗精煤、其他洗煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气及电力这11 类能源，折算系数来源于《中国能源统计年鉴》。

1.4 数据来源

本文基于2005—2020 年中国31 个省份（不含港澳台）的面板数据进行分析，基础数据来源于历年《中国统计年鉴》《中国农业年鉴》《中国农村经营管理统计年报》《中国农村统计年鉴》《中国金融年鉴》《中国科技统计年鉴》《中国保险年鉴》《中国农业机械工业年鉴》《中国第三产业统计年鉴》《中国畜牧兽医年鉴》《绿色食品统计年报》《中国能源统计年鉴》，以及各省份统计年鉴、商务部对外贸易司网站、国家统计局网站，部分缺失数据由插值法测算补齐。

2 农业现代化发展水平的空间格局分析

2.1 农业现代化发展水平的时间演变趋势

根据上文公式测算2005—2020年中国31个省份农业现代化发展水平指数，并计算全国及四大地区各年份的平均值。由图1可知，样本期内中国农业现代化发展水平整体呈上升态势，指数均值由2005年的0.250上升至2020年的0.393，年均增长率达到3.06%。自2004年以来，国家出台了众多支农惠农政策，使得农民生产积极性大幅提高，农业综合产出明显增加。近年来，农业生产、经营和产业体系不断健全，农机装备研发持续推进，农村土地制度愈发完善，这均在一定程度上促进了中国农业现代化的稳步发展。

图1 农业现代化发展水平的变化趋势

通过对比分析可知，东、中、西部地区农业现代化发展水平均表现出平稳上升态势，东北地区则呈波动上升态势。其中，东部和西部地区分别是农业现代化发展水平最高和最低的地区，2020 年指数均值分别为0.492 和0.330，样本期内年均增长率分别达到3.13%和3.36%。中部和东北地区则处于中间水平，样本期内年均增长率分别为2.99%和1.98%。整体而言，东部地区经济发达，科技创新能力强，农业现代化发展水平较高。西部地区与之相反，但受益于国家政策的有力扶持，农业现代化发展步伐加快。而位于中部和东北地区的省份多为粮食主产区，承担着保障粮食安全的重要任务，在农业生产投入、经营管理模式、环境污染防治等方面可能滞后于东部地区，因而其农业现代化发展水平低于东部地区。

2.2 农业现代化发展水平的空间分布格局

为分析农业现代化发展水平的分布格局变动，本文选取2005 年、2010 年、2015 年、2020 年绘制空间分布图（图略）。可以发现，中国农业现代化发展水平不断提升，“东高西低”的空间分布格局愈发明显。具体而言，2005年仅北京、天津、上海等5个东部地区省份的农业现代化发展水平处于0.301～0.400，贵州、云南、西藏等6个西部地区省份的发展水平则处于0.100～0.200，“东高西低”的分布格局初现。到2020年，北京、上海的农业现代化发展水平已超过0.600，山东、江苏、湖北、湖南等省份的发展水平处于0.401～0.500，甘肃与青海的发展最为缓慢，发展水平仍处于0.201～0.300。总的来说，中国农业现代化发展水平表现出“东高西低”的分布格局，并且该格局在样本期内日趋定型。

2.3 农业现代化不同维度发展水平的空间分布状况

本文分别刻画了农业现代化不同维度发展水平的变化趋势（见图2）和空间分布（图略）。就时间变化趋势而言，农业生产投入、农业经营管理、农业产出效益和农业绿色发展4 个维度的发展水平均呈现平稳上升的变化态势，并且样本期内各维度的年均增长率分别达到5.60%、3.20%、5.20%、1.20%。就空间分布格局而言，仅北京、上海的农业生产投入发展水平处于0.101～0.150，新疆、西藏以及其他位于东中部地区的省份处于0.051～0.100，西部地区的多数省份和东北地区则处于0～0.050；除西藏、广西、贵州和云南外，其余省份的农业经营管理发展水平均处于0.051～0.150；农业产出效益发展水平的空间分布格局与农业生产投入较为相似，区别在于西藏和安徽的农业产出效益发展水平处于0～0.050，而吉林和辽宁则处于0.051～0.100；福建、浙江、广西、海南和陕西的农业绿色发展水平处于0.151～0.200，西藏处于0.051～0.100，其余省份则全部处于0.101～0.150。由此可知，农业生产投入与农业产出效益具有较强的关联性，产出效益的提高有赖于资源投入的增加，并且农业经营管理的空间相关性较为明显，溢出效应使得各省份的经营管理水平差异相对较小。

图2 农业现代化不同维度发展水平的变化趋势

3 农业现代化发展水平的分布动态演进

3.1 农业现代化发展水平的Kernel密度估计

为继续探索各省份农业现代化发展水平的集聚差异变化，本文利用Kernel 密度函数进行估计，并据此分析整体演进趋势。由图3可知，中国农业现代化发展水平总体上呈“左高右低”的“偏左”分布特征。2005—2020年Kernel 密度曲线的中心呈右移态势，主峰对应的水平指数大致由0.250向右偏移至0.350，表明各省份的农业现代化发展水平有所提升，低水平集聚态势逐渐改善。样本期内密度曲线表现为“一个主峰、若干侧峰”的分布形态，左侧主峰包含了大多数农业现代化发展水平相对较低的省份，右侧小波峰则集聚了其他处于较高发展水平的省份，并且主侧峰的高度差距较大，即空间不平衡状况较为明显。此外，考察期内，尤其是2016—2020 年，波峰的高度不断下降、宽度持续增加，这意味着省份间农业现代化发展水平的差距有所扩大。

图3 农业现代化发展水平的Kernel密度估计

不同地区农业现代化发展水平的集聚趋势可能存在差异，因此本文选择2005年、2010年、2015年和2020年作为观测时点，得到东部、中部、西部及东北地区的分布形态图（见图4）。由图4（a）可知，东部地区农业现代化发展水平的分布形态表现为“单峰”向“双峰”的演变趋势，主峰对应的水平指数大致由2005年的0.300向右移动至2020年的0.470，表明东部地区高水平集聚特征逐渐显现。由图4（b）可知，中部地区农业现代化发展水平的分布同样由“单峰”向“双峰”演变。与2005—2015年的“单峰”分布不同，2020年Kernel密度曲线呈“左侧右主”的“双峰”分布形态，意味着中部地区多数省份的农业现代化发展水平有所提升。由图4（c）可知，西部地区农业现代化发展水平呈“双峰”分布格局，左侧波峰在期初和期末对应的水平指数分别为0.180、0.300，右侧波峰对应的水平指数则分别为0.230、0.350。样本期内波峰间的高度差先增大后减小，且由“左低右高”转变为“左高右低”，表明农业现代化发展水平的增长势头逐渐放缓。由图4（d）可知，东北地区农业现代化发展水平呈“单峰”分布形态，Kernel密度曲线的中心不断向右移动。但相比于之前年份，2020年Kernel密度曲线仅发生微小幅度的移动，说明2005—2015年东北地区各省份农业现代化发展水平稳步增长，2015年后增长速度大幅减缓。

图4 不同地区农业现代化发展水平的Kernel密度估计

3.2 农业现代化发展水平的传统Markov链分析

本文按照分位数法将农业现代化发展水平划分为4种类型：低、中低、中高以及高发展水平，并计算传统Markov 转移概率（见表2）。整体而言，短期内对角线上的概率值远大于非对角线上的概率值，即各省份农业现代化发展水平的变化趋势较为稳定，倾向于维持现有类型。随着时间跨度的增加（T=5），相应对角线上的概率值明显小于非对角线上的概率值，如P11=33.88%＜P12=58.68%，此时农业现代化发展水平更容易发生类型转移，且基本为向上转移。无论时间跨度是否延长，处于中低水平的省份向更高水平方向转移的概率都更大。例如，当T=1 时，P23=18.64%＞P34=14.53%；当T=5 时，P23=81.05%＞P34=73.24%。此外，农业现代化发展水平向上转移的概率均大于向下转移的概率，例如，当T=1时，P23=18.64%＞P21=1.70%；当T=5时，P23=81.05%＞P21=0，且转移多发生在相邻类型之间，即各省份农业现代化发展水平难以在短期内实现跨越式提升。

表2 农业现代化发展水平的传统Markov转移概率矩阵

3.3 农业现代化发展水平的空间Markov链分析

根据公式计算农业现代化发展水平的全局Moran’s I，结果如表3所示。各年份Moran’s I值均在1%的水平上显著为正，农业现代化发展水平具有显著的空间正相关关系。说明空间因素在农业现代化发展水平转移过程中扮演着重要角色，相邻省份间的农业现代化发展水平存在相互影响。

表3 农业现代化发展水平的全局Moran’s I值

因而，将空间因素纳入Markov链分析中，以此构建空间Markov转移概率矩阵。由表4可知，在不同空间滞后类型下，各省份农业现代化发展水平的转移概率有所差异。例如，当T=1 时，P12|1=6.78%，P12|2=21.15%；当T=5 时，P12|1=45.76%，P12|2=67.31%。某一省份若与处于更高发展水平的省份邻近，则该省份向上转移的概率增大；若与处于更低发展水平的省份邻近，则该省份维持稳定性的概率增大。比如当T=1 时，P12|1=6.78% ＜P12|3=46.15%，P22|1=100.00% ＞P22|2=81.13% ；当T=5 时，P12|1=45.76% ＜P12|3=90.00%，P22|1=28.57%＞P22|2=7.55%。这表明各省份农业现代化的发展是稳定持续的提升过程，即使邻近省份处于较低发展水平，该省份也更倾向于维持现有类型而避免向下转移。随着相邻省份所处发展水平的提高，该省份农业现代化发展水平向上转移与向下转移的概率差值扩大，如当T=1 时，P23|2-P21|2=15.09%＜P23|4-P21|4=23.08%；当T=5 时，P23|2-P21|2=83.02%＜P23|3-P21|3=85.71%。当时间跨度增加时，发展水平在不同类型间转移的概率增大，但无论处于何种空间滞后类型下，各省份农业现代化发展水平实现跨越式提升的概率都仍然较低。

表4 农业现代化发展水平的空间Markov转移概率矩阵

4 结论

本文从农业生产投入、农业经营管理、农业产出效益和农业绿色发展4个维度构建了评价指标体系，在此基础上采用多指标综合评价法测算了2005—2020年中国31个省份的农业现代化发展水平，并利用Kernel 密度估计、Moran’s I和Markov链分析方法全面考察了农业现代化发展水平的空间分布格局及其动态演进特征，得到如下结论：

（1）中国农业现代化发展水平整体呈上升态势，其中，东部、中部及西部地区表现出平稳上升态势，东北地区则呈波动上升态势。区域间农业现代化发展水平存在明显差异，“东高西低”的空间分布格局较为显著。

（2）总体而言，中国农业现代化发展水平呈“左高右低”的“偏左”分布特征，样本期内低水平集聚态势逐渐改善。各地区农业现代化发展水平的分布形态有所不同，东部和中部地区表现为由“单峰”向“双峰”的演变，西部地区主要呈“双峰”分布格局，而东北地区的“单峰”分布形态则贯穿始终，并且2015—2020年其增长速度大幅减缓。

（3）若不考虑空间因素，则中国农业现代化发展水平的变化趋势较为稳定，各省份向上转移的可能性高于向下转移，并且处于中低发展水平的省份更易于向上转移，但难以在短期内实现跨类型转移。若考虑空间因素，则中国农业现代化发展水平具有显著的空间正相关关系，某一省份若与处于更高发展水平的省份邻近，则其向上转移的概率增大，且随着相邻省份所处发展水平的提高，该省份农业现代化发展水平向上转移与向下转移的概率差值将扩大。