0 引言

農業機械總動力指主要用于農、林、牧、漁業的各種動力機械的動力總和，是反映農業機械化發展狀況的一個重要指標，也是政府部門制定農機化發展規劃重要參考數據[1].在發展現代農業、建設社會主義新農村的背景下，全國農業機械化作業水平呈現穩步提升的態勢，農業機械總動力也不斷增長。因此，從總體上把握和認識農業機械總動力的分布和變化規律，對科學制定農業機械動力發展規劃十分必要。當前，在農業機械動力方面的相關研究主要包括農機總動力需求預測、農機總動力影響因素及農機動力對糧食產量的影響等[2 -7].這些研究從國家或省級的尺度出發，揭示了農機總動力的時間變化趨勢及其影響因素的作用規律； 但忽略了農機總動力在區域內部表現出的空間自相關及異質性。探索性空間數據分析（ Ex-ploratory Spatial Data Analysis） 是空間數據分析技術的一種，常用來描述研究對象的空間分布規律并用可視化方式進行表達[8].其內容包括探測聚合數據的空間特征和空間模式、識別空間數據的異常值、擬合對應于數據地理方面的假說，以及揭示現象之間的空間相互作用機制等[9].ESDA 強調發現數據的空間分布模式，注重數據的空間依賴性和空間異質性，可以用來探索農機動力的空間關聯格局問題。目前，將其用于農機動力這一主要農業生產投入要素的空間格局變化的研究還鮮見報道。而我國農業機械化空間區域差異顯著[10],東部地區耕地占全國耕地總面積的32. 1% ,而農機動力擁有量占全國農機總動力的50. 2% ; 西部地區耕地占 23. 7% ,農機動力卻只有15. 3% .因此，利用探索性空間數據分析技術可以更加深入地分析我國省域農機動力投入的空間格局特征及其演變規律?；诖?，本文以中國 31 個省級行政區為基本研究單元，利用基尼系數與 ESDA 空間分析技術，對近 10 年全國省域農機總動力的區域差異時空特征以及空間演變格局進行分析，以期從新的視角為我國農業機械宏觀布局與規劃決策提供科學依據。

1 材料和方法

1. 1 數據來源

研究所需的全國農機總動力及農作物播種面積數據來源于《中國統計年鑒 2004 - 2013》。研究區不包含港澳臺地區。中國行政邊界數據來源于中國國家基礎地理信息中心發布的 1∶ 400 萬比例尺基礎地理矢量數據集。

1. 2 研究方法

1. 2. 1 基尼系數

基尼系數是由意大利經濟學家 Corrado Gini 提出的一種用于刻畫收入分配不均的指標[11].由于該指數能非常方便地反映出總體收入差距狀況而成為國際上非常流行的指標。其值介于 0 ~1 之間： 當值為 0時，表明分配完全平均； 當值為 1 時，表明分配極其不平衡[12].本文利用基尼系數來測度全國省域單位農作物面積農機動力投入的差異情況，并在開源的科學統計分析及繪圖 R 語言環境中，利用 Achim Zeileis 等開發的 ineq 軟件包計算得到全國省域農機動力基尼系數。

1. 2. 2 ESDA 方法

ESDA 是基于數據驅動的，注重發現空間數據的分布模式，揭示數據的空間自相關性與空間異質性的可視現象[13].空間自相關是指位于不同空間位置的地理事物屬性值之間具有統計相關性，即空間距離臨近的地理單元屬性值趨于相似[14].空間自相關系數是度量地理單元空間相關性的指標，一般分為全局自相關系數和局域自相關系數兩大類。

全局型自相關系數反映了觀測變量在整個研究區域內空間相關性的總體趨勢，從而判斷此現象是否存在聚集特征。在眾多全局統計量中，Moran's I 是最常用的評測指標，其取值范圍為 - 1 ~ 1 之間，正值表示該地理事物屬性值呈現聚集分布（ 高 - 高聚集，低 -低聚集） ,負值表示該地理事物屬性值為離散分布； 指數絕對值越大表示聚集或離散的程度越深，值為 0 則表示不存在空間相關，即呈現空間隨機分布。

全局空間自相關統計量反應了整體上地理單元之間空間相關的平均程度，但卻忽略了可能存在的局部不平穩； 而局域指標可反映一個區域單元上的某種屬性值與鄰近區域單元上同一屬性值的相關程度[15].本文采用 Local Moran's I 統計量并結合 LISA 聚集圖，來研究全國省域農機動力的局部空間分布規律。

2 結果與分析

2. 1 農機動力區域差異時空特征

2. 1. 1 農機動力區域差異空間特征

統計全國各省級行政區 2003 - 2012 年單位面積農業機械總動力數據，并利用 ARCGIS 軟件繪制新疆近 10 年省級尺度的平均單位農業總動力空間分布情況。由圖 1 可知： 全國各省域單位農業機械動力差異明顯，上海市的單位農業動力最低為 2. 5kW/hm2; 而位于東部地區的天津市單位農業動力高達 13kW/hm2,區域差異明顯。從空間分布來看： 地處華北平原的天津、北京、山東等地的農機動力投入較高，位于9. 5kW / hm2以上； 西南地區的四川、重慶、貴州、云南等農機動力投入最低，小于 2. 7kW/hm2; 其他地區農機動力投入則處于中間水平。由圖 1 還可看到： 農業機械化水平較高的黑龍江及新疆等地單位農機動力投入排名并不靠前； 而農業經濟發展水平相對落后的西藏、青海等地單位農機動力投入卻較高。這主要是由于農業機械化水平的高低與農機作業水平、農業機械化效益等因素核心相關，而單位農機動力僅是參考指標，并不是決定性因素。如黑龍江、新疆地區擁有大量的農墾及團場區域，耕地更加規整，更加便于大型農業機械作業，使其使用較少的單位農機動力投入就能達到較高的農業機械化水平。而西藏、青海等地卻呈現相反的特點。從整體上看，全國各省域農機動力投入空間分布整體呈現東部大于西部、北方大于南方、由東南沿海向西部遞減的趨勢。

2. 1. 2 農機動力區域差異時間演變

為研究全國省域單位播種面積的農機動力投入區域差異的時間演變特征，計算了其 2003 - 2012 年全國、東部、中部及西部的逐年基尼系數值，結果如圖 2所示。由圖 2 可知： 全國省域單位農機動力投入基尼系數基本位于 0. 3 以下，表明各省域差異總體處于相對均衡水平； 從時間變化趨勢來看，2003 - 2012 年全國省域單位農機動力投入基尼系數除 2007 年有小幅升高外，總體呈現明顯下降趨勢，由2003 年的0. 31 下降到 2012 年的 0. 25,表明近 10 年來全國省域單位農機動力投入的區域差異不斷縮小。但全國不同地區的農機動力投入差異及演變特征并不一致。從基尼系數大小上看： 東部和西部地區基尼系數較高、中部地區基尼系數值較小，表明東部和西部各省域農機動力投入差異較大； 而中部地區各省域農機動力投入差異較小、投入較為均衡。從基尼系數時間變化來看：東部和中部地區省域單位農機動力投入的基尼系數總體下降趨勢比較明顯，區域差異縮小趨勢也最為顯著，這與東、中部地區快速發展的經濟水平以及工業對農業發展的反哺、促進作用密不可分； 西部地區則表現出與東、中部完全不同的變化特征，2003 - 2012年西部各省域單位農機投入差異則呈現相反的上升趨勢，表明其西部地區各省域的單位農機動力投入差異呈擴大趨勢。因此，近 10 年全國省域單位農機動力投入區域差異總體呈明顯縮小趨勢，但不同地區之間又存在差異性。

2. 2 全局空間自相關分析

利用 ARCGIS 空間統計工具計算 2003 - 2012 年逐年省域農機動力投入的全局 Moran's I 指數，結果如表 1 所示。

由表 1 可知，全國近 10 年省域單位農機動力 Mo-ran's I 指數均為正值，且通過 99% 的置信水平檢驗（ Z得分 >2. 58） ,說明各省域單位農機動力投入高的地區和低的地區出現相對集中，即全國省域單位農機動力存在顯著的空間正相關性。此外，近 10 年來，Moran's I指數整體上呈現縮小的趨勢，表明隨著時間的推移全國省域單位農機動力空間聚集在不斷減弱。因此，全國省域單位農機動力空間分布并非完全的隨機分布，而是表現出明顯的空間聚集，并且隨著時間的推移其空間聚集在不斷減弱，各省農機動力投入趨向均衡發展。

2. 3 局部空間自相關分析

全局 Moran's I 指數作為測度總體自相關特性的統計量，往往掩蓋了區域內部具體地區的空間集聚特征，而局域 Moran's I 指數可進一步揭示區域內部的局域自相關性[16].因此，本文利用 Moran 散點圖和顯著性水平 LISA 圖來對 2003 年和 2012 年兩個橫截面數據進行分析，以探索全國省域農機動力投入的局部空間集聚特性。

2. 3. 1 Moran 散點圖分析

Moran 散點圖不僅可以探索地理單元間的全局空間關聯特征，還可以用來識別局部空間關聯模式。

Moran 散點圖將全國省域農機動力投入數據點劃分為4 個象限，分別表征 4 種不同的局部空間關聯形式[17]: 第 1 象限是高高聚集，該象限內的省域及其周圍省域的農機動力均較高，形成高高聚集； 第 2 象限是高低聚集，該象限內的省域單位農機動力投入較高，但其周圍的省域單位農機動力投入較低； 第 3 象限是低低聚集，該象限內的省域及其周圍省域的單位農機動力投入均較低； 第 4 象限是低高聚集，該象限內的省域單位農機動力投入較低，但其周圍的省域單位農機動力投入卻較高。其中，落入第 1、第 3 象限的省域單元屬性值與相鄰單元屬性值趨同，即存在較高的空間正相關，具有同質性； 而落入第 2、第 4 象限的空間單元屬性值與相鄰單元差異顯著，存在空間負相關，具有較高的空間異質性。

利用 Geoda 軟件繪制全國農機動力 2003 和 2012年的 Moran 散點圖，并對各象限省域單元數量其進行統計，如表 2 所示。

由表 2 可知，2003 和 2012 年全國省域單元分布在第 1、第 3 象限的比例分別為 32%、19%,第 2、第 4 象限比例分別為 68%、81%.第 2、第 4 象限省域個數明顯多于第 1、第 3 象限，說明省域單位農機動力投入更多呈現空間異質性，即高低聚集和低高聚集的趨勢明顯。從時間變化上看，相對研究初期的 2003 年來說，2012 年位于第 1、第 3 象限的省域數量均有所下降，表明空間自相關聚集趨勢趨于減弱，而呈現較多的空間異質性。

2. 3. 2 顯著性水平 LISA 聚類圖分析

由于利用 Moran 散點圖表示的區域分異并沒有經過統計假設檢驗，因此只是用來作為參考。為了更直觀地反映全國省域單位農機動力投入的局域空間格局演變過程，本文利用 Geoda 軟件并結合 ARCGIS 繪制出在 0. 05 顯著性水平下的 LISA 聚類圖，如圖 3 所示。

由圖3 可知： 在兩個典型年份，全國省域農機動力空間聚集類型中的高高、低低聚類均有省域通過 0. 05的顯著性檢驗； 而高低和低高聚集兩種類型未有省域通過顯著性檢驗。由圖 3（ a） 可知： 2003 年全國省域農機動力的高高聚集區主要分布在華北平原的北京、天津及河北地區； 而低低聚集區主要分布在西南部的重慶、四川及湖南地區。隨著時間的推移，2012 年的高高聚集省域單元有較大減少，只有北京市，表明全國省域農機動力高高聚集有明顯的下降趨勢，省域間實現了較為均衡的發展。同樣，2012 年的低低聚集區空間分布位置變化并不大，還是位于西南部，省域域單元數量也有明顯的下降，僅有湖南省?？傮w來看，由 LISA 聚類圖分析得到的各聚類類型省域單元數量變化的結果，與表 2 基本一致。因此，近 10 年全國省域農機動力投入存在顯著的空間自相關特征（ 高高聚類、低低聚類） .其中，高高聚集區主要分布于華北平原北部的京津冀地區，低低聚集則分布于西南地區，且隨著時間的推移空間聚集程度有所緩解，各省域農機動力投入呈現較為均衡化的發展。

3 討論與結論

隨著社會主義現代化建設的日新月異，我國農業機械化水平節節攀升，農業機械總動力也隨之逐年增長，有力地促進了農業經濟的發展，但同時也存在著地區間發展不平衡的現象。本文利用 ESDA 及變異系數分析了近 10 年全國省域的單位農機動力投入時空區域差異情況。結果發現： 全國各省域農業機械動力空間分布差異明顯，同時具有明顯的空間自相關特征?？臻g分布總體呈現東部大于西部、北部大于南部、由東南沿海向西遞減的趨勢，并在京津冀地區呈現顯著的高高聚集，在西南地區呈低低聚集的空間聚類格局。京津冀地區地處華北平原，農業生產自然條件優越，適合大規模的農機化作業； 再加上該地區是北方的區域經濟中心，對農產業的需求也較旺盛，有效促進該地區農業機械的投入，并形成空間溢出效應吸引周邊省份也增加農機動力投入，形成高高聚集區。與此相反，西南地區的四川、重慶等地由于地形及其他因素形成低低聚集區。此外，考察全國省域總體的單位農機動力投入的時間演變特征，發現其空間聚集性和區域差異性均呈現下降趨勢。但西部地區卻表現出較為獨特的變化特征，該區域內各省域單元的單位農機動力投入差異呈擴大趨勢。最后，需要指出的是農業機械化是一個伴隨技術、經濟、社會發展的復雜過程，必然同時受到自然、社會規律等多種因素的影響，其評價指標體系也同樣呈現復雜多樣化；而本文選取的單位播種面積農機動力僅僅是評價農業機械化水平的一個參考指標，是從單位農機動力投入的角度來揭示各省域農機動力的時空演變及聚集特征。

本文以全國省級行政區為基本研究單元，利用基尼系數和 ESDA 方法，很好地揭示了全國省域單位農機動力投入的區域差異及空間演變格局特征，得到以下結論：

1） 2003 - 2012 年全國各省域平均單位農機動力投入存在明顯的空間差異。隨著時間推移這種區域差異總體呈現明顯縮小趨勢，同時內部地區之間又存在差異性。其中，東部和中部地區省域間差異縮小趨勢較為顯著，而西部地區省域間差異卻呈擴大趨勢。

2） 2003 - 2012 年全國省域農機動力投入整體表現出顯著的空間正相關性，但隨著時間的推移其空間聚集在不斷減弱，農機動力投入趨向均衡發展。

3） 2003 - 2012 年全國省域農機動力投入存在顯著的局域空間自相關特征（ 高高聚類、低低聚類） ,其中高高聚集區主要分布于京津地區，而低低聚集則分布于西南地區，且隨著時間的推移空間聚集程度有所緩解，各省域呈現較為均衡化的發展。

參考文獻：
[1] 葛慧玲。 基于灰色模型的農業機械總動力預測[J]. 農機化研究，2010,32（ 12） : 49 -51.
[2] 李建偉，周洪，趙漢雨，等。 基于支持向量機的中國農業機械總動力預測[J]. 河南農業大學學報，2013,47（ 3） :296 - 300.
[3] 朱登勝，陸江鋒。 基于灰色 - 馬爾柯夫模型的中國農業機械總動力預測[J]. 農機化研究，2007 （ 11） : 32 -34.
[4] 楊敏麗，白人樸。 農業機械總動力與影響因素關系分析[J]. 農機化研究，2005 （ 6） : 45 -47.
[5] 黃永寶，紀延光。 基于因子分析的我國農業機械發展分析研究[J]. 中國農業科技導報，2014,16（ 4） : 95 -101.
[6] 曹志宏，郝晉珉，梁流濤。 黃淮海平原糧食產量與主要投入要素的灰色關聯分析[J]. 農業現代化研究，2008,29（ 3） : 310 -313.
[7] 劉蕓蕓，李紅。 基于主成分回歸模型的新疆農業機械化發展影響因素評價[J]. 貴州農業科學，2013,41（ 9） : 197- 201.