中国人均耕地面积比较匮乏, 城镇化发展挤占了大量农业用地, 加剧了人地矛盾, 严重危及国家粮食安全[1-2]。在耕地资源有限的背景下保障国家的粮食安全, 还需要不断提高耕地集约化程度, 耕地复种是在时间和空间上加强耕地集约化利用最简单有效的措施之一[3-4]。据统计, 我国农业增收的1/3由耕地复种所贡献[5-6], 耕地复种可以通过提高粮食产量进而保障国家粮食安全, 同时还能一定程度上缓解粮食作物与经济作物之间的争地矛盾[7-8]。目前一些研究表明, 中国部分粮食主产区的单产增速逐步放缓, 甚至出现下降趋势[9-10]。其原因是随着耕地资源利用程度和农业技术采用程度的提高, 粮食单产水平出现了“天花板效应”[11]。因此, 在中国当前耕地难以外延扩展, 粮食单产增长困难的情况下[12], 研究耕地复种对国家粮食安全战略具有重要的现实意义。
复种指数作为衡量复种效率的重要指标, 反映了农业生产在时间尺度上利用农业生产资源的程度[13]。复种指数不仅受到光、水、热资源等自然因素的影响, 还受到经济、政策、人力、技术条件等社会因素的影响。目前, 世界上关于耕地复种指数的研究主要集中在人均耕地较少的地区, 采用复种模式最为普遍的是亚非地区[14], 尤其是亚洲地区[15]。国内众多学者围绕复种指数及其影响因素进行了大量研究, 复种指数的影响因素可以总结为以下4类:第一, 农业生产要素层面。有学者[16]认为肥料、水利、劳动力和技术条件是提高复种指数的重要因素。第二, 自然因素层面。康清林等[17]发现积温波动是造成江苏省复种指数偏低的主要原因。李阔等[18]发现气候异常变化会影响耕地的复种指数。农作物间的选择搭配以及农作物生产的季节性是影响耕地复种指数的重要因素[19]。也有部分学者发现耕地复种指数变化的空间格局与地形密切相关[20-21]。第三, 国家政策层面。国家政策一般会通过和劳动集约度或者资本集约度的交互效应来影响耕地的复种指数[22]。农业补贴政策会提高农户务农积极性, 从而提高耕地的利用程度[23]。而耕地轮作休耕政策会降低耕地的复种程度[24]。城镇化的扩张导致大量耕地被占用[25], 为保证农作物的播种面积, 城镇化反向促进耕地复种指数的提高[26-27]。第四, 农业市场层面。种粮比较利益偏低会降低农户的种粮积极性, 导致农户对耕地的利用程度下降[5]。也有学者从市场交易的角度发现土地市场发育的程度会直接影响耕地的复种指数[28-29]。
综上所述, 目前关于复种指数的研究较为丰富, 但大部分研究都是基于国家统计数据, 鲜有从农户层面研究耕地的复种指数。耕地复种是单个农户自身的生产行为, 使用宏观统计数据分析会掩盖地区内农户的异质性, 且只能从宏观层面探究影响复种指数的因素, 难以精准找出影响农户耕地复种指数的微观因素。随着农业机械的普及和农业基础设施的完善, 传统农业的作业方式得到较大改善, 农业生产效率得到较大提升, 那么, 农业机械化水平的提高会影响农户耕地的复种指数吗?
基于此, 本文尝试运用1 682个农户实地调查数据, 探究农业机械化水平对农户耕地复种指数的影响, 厘清农业机械化水平对农户耕地复种指数影响的程度和方式, 并分析其影响机制。特别强调的是, 直接把农业机械化水平对农户耕地复种指数进行回归, 模型可能会存在内生性(endogeneity)和样本选择偏误(sample selection bias)问题, 本文将选取合适的工具变量和计量模型, 准确地估计出农业机械化水平对农户耕地复种指数的净效应, 为促进我国耕地复种指数的提升和国家粮食安全战略的发展提供政策依据。
1 研究方法与数据来源 1.1 模型设定本文运用湖北省的1 682个农户实地调查数据作为研究样本, 为考察农业机械化水平对农户耕地复种指数的影响, 构建如式(1)所示的计量回归模型。
$ {Y_i} = {\alpha _0} + {\beta _0}{m_i} + \sum {{\gamma _i}{x_i}} + {\mu _i} $ | (1) |
式中:下标i表示单个农户; Y为农户耕种的复种指数; m为农业机械化水平, 以农作物耕、种、收综合机械化率为主要指标, 另外选取农业机械数量、农业机械投资和灌溉面积占比作为模型稳健性检验指标; x为其他控制变量, 包括户主受教育水平、户主年龄、家庭规模、家庭非农收入占比、家庭土地流转面积、农作物种植品种数量、气温变化和地形特征; μ是随机扰动项; α0、β0和γ为待估参数, 其中β0是本文感兴趣的参数。由于本文的主要因变量“复种指数”为连续变量, 式(1)为多元线性模型, 所以本文采用的基准回归方法为普通最小二乘法(OLS)。在运用OLS方法进行回归时, 回归模型必须满足最优线性无偏性(BULE)假定。但一般样本基本不可能完全满足, 为了获得β0的无偏估计量, 必须解决式(1)中的两个计量难题——内生性问题和样本选择问题。为解决内生性影响模型估计结果的有效性问题, 本文采用工具变量法(2SLS)和工具变量GMM模型(即IVGMM)来解决模型估计上的内生性问题; 为解决样本选择偏误问题, 本文使用Tobit模型进行估计, 同时解决以上两个问题则采用工具变量Tobit模型(即IVTobit)方法。IVTobit的计量模型为式(2)-式(4):
$ Y_i^ * = {\alpha _0} + {\beta _0}{m_i} + \sum {{\gamma _i}{x_i}} + {\mu _i} $ | (2) |
$ {m_i} = {\alpha _0} + {\delta _0}{Z_i} + \sum {{\varphi _i}{x_i}} + {v_i} $ | (3) |
$ {Y_i} = \max \left( {0, Y_i^ * } \right) $ | (4) |
$ {Y_i} = \left\{ {\begin{array}{*{20}{c}} {1\;\;\;\;\;\;\;\left( {Y_i^ * \ge 1} \right)}\\ {0\;\;\;\;\;\;\;\left( {Y_i^ * < 1} \right)} \end{array}} \right. $ | (5) |
式中:变量Yi*为潜变量, Yi为可以观测到的变量(耕地复种指数), Zi为本文所用的工具变量, mi为内生变量, 上述问题的内生性源于mi和Zi、vi的相关性。另外, 本文也想进一步考察农业机械化水平对农户复种意愿的影响, 考虑到意愿的取值为0或1, 故选取工具变量Probit模型(IVProbit)进行估计, IVProbit和IVTobit的区别在于Yi的取值不同, IVProbit的计量模型见式(2)、式(3)和式(5)。
1.2 数据来源、变量选取和描述统计分析 1.2.1 数据来源本文研究数据来自于课题组2016年在湖北省的农户实地调查数据, 此次调查的内容涵盖家庭人口基本信息、家庭资本信息、家庭生产经营情况和农业机械使用情况等。为保证样本选取具有代表性, 调研地点选取了湖北省英山县、蕲春县、沙市区、阳新县和老河口市等5个县市区, 在一定程度上可以代表湖北省的东、中、西部。采用随机抽样的方法, 在每个县市区抽取5个乡镇, 每个乡镇抽取2个村, 每个村抽取35户农户, 共调查1 750户农户, 剔除无效样本68份, 共获得有效样本1 682份。
1.2.2 变量选取表 1为本文变量的描述性统计结果, 主要包括各变量定义、均值和标准差。
1) 农业机械化水平。主要采用农业农村部对农业机械化水平的衡量指标, 即农作物耕、种、收综合机械化率。其测算方法是机耕率、机播率和机收率的加权平均值(根据农业农村部的赋值方法权重分别为0.4、0.3、0.3)。机耕率等于机耕面积除以应耕作面积, 机播率等于机播面积除以农作物播种面积, 机收率等于机收面积除以实际收获面积。选用农业作物耕、种、收综合机械化率能够直接反映农户的实际机械化作业水平, 相比农机总动力更容易观测。
2) 农户耕地复种指数。复种是指一年内, 在同一田块连续种植(收获)2季或者2季以上作物的种植方式。连作、套作、移栽、再生等都是实现复种的具体技术措施。复种有两个本质特征:一是通过多种一季或若干季作物提高对耕地资源的利用程度, 即在时间维度增加对耕地的利用强度; 二是通过多收一季或若干季作物提高对耕地资源的利用效果, 即增加耕地产出。复种指数是耕作制度研究中衡量耕地资源集约化利用程度的基础性指标, 也是国家宏观评价资源利用基本状况的重要技术指标。复种指数的计算方法为:耕地复种指数=(全年农作物总收获面积/耕地面积)×100%, 这种计算方法能够准确简单地表达出连作复种方式对耕地资源的利用程度[13]。
3) 其他变量。户主教育水平:户主是家庭的主要决策者, 户主教育水平将直接影响农户对土地配置的决策[30]; 户主年龄:户主年龄能够在一定程度上反映家庭结构, 家庭结构会影响家庭生计策略的选择; 家庭规模:家庭规模的大小会影响到家庭的生产和消费行为; 家庭非农收入占比:家庭非农收入占比可以来衡量家庭的非农化程度, 农户的非农化程度越高, 农户对土地的耕种意愿和资本投入就会越低; 家庭土地流转面积:农户的土地流转面积越大, 表明农户的土地经营意愿越低, 对于土地复种的意愿就会越低; 农作物品种数量:农作物生长周期和季节性的差异会影响土地的复种程度; 气温变化:适宜的温度是农作物生长的必要条件, 土地复种也需要考虑到自然气候的变化; 地区类型:土地类型必然是影响农业机械使用的决定因素。
2 结果与分析 2.1 模型变量间多重共线性检验结果如果回归模型中变量之间存在严重的多重共线性问题, 那么回归结果可能存在问题。本研究选取多重共线性的诊断方法对各变量之间的多重共线性问题进行检验。判断模型变量间是否存在严重多重共线性主要是根据容差和方差膨胀因子, 当变量容差的值为0.1~1.0, 方差膨胀因子小于10, 则认为该变量的多重共线性不严重。表 2是以农业机械化水平为因变量的多重共线性检验结果, 各变量的容差均为0.1~1.0, 且方差膨胀因子都小于10, 检验结果表明各变量间的多重共线性不严重, 基本满足回归模型的要求。
表 3主要是考量农业机械化水平对农户耕地复种指数的影响, 方程1中的关键解释变量为农作物耕、种、收综合机械化水平, 为本文最关注的变量; 方程2中关键解释变量为家庭农业机械数量; 方程3中的关键解释变量为家庭农业机械投资; 方程4中的关键解释变量为灌溉面积占比。方程2-方程4都是为了检验方程1的稳健性。在方程1中, 回归结果显示, 农业机械化水平通过了1%置信水平的显著性检验, 除户主教育水平外, 其他控制变量都通过了显著性检验。方程2-方程4, 回归结果依次显示, 农业机械数量对农户耕地复种指数存在显著的正向影响, 农业机械投资对农户耕地复种指数存在显著的正向影响, 灌溉面积占比对农户耕地复种指数存在显著的正向影响。这表明, 不论选用何种农业机械化水平指标, 农业机械化水平依然对农户耕地复种指数存在稳健的正向影响, 从而进一步验证了农业机械化水平确实会影响农户的耕地复种指数。
农业机械化水平的OLS回归系数是0.114 0, 且该变量在1%置信水平上显著。这表明农业机械化水平每提升1%, 则农户的耕地复种指数会提高0.11%。可能原因是农业生产具有明显的地域性、季节性与周期性。一般而言, 农业的地域性和季节性虽然无法通过农业机械来克服和改变, 但农业机械可以缩短农业生产作业周期。农业生产作业主要包括土地翻整、播种和收割等关键环节, 农业机械使用正好可以有效缩短这些生产环节的时间, 特别是在轮作作物区, 只有顺利完成上一轮农作物的“抢收”工作, 才有可能及时播种下一轮农作物。因此, 农业机械能够通过缩短农业生产作业时间, 进而保证复种农作物种植的季节性, 提高土地利用率, 增加耕地复种程度。
2.2.2 农户个体特征的影响户主年龄对农户耕地复种指数的回归系数是-0.009 4, 且该变量在1%置信水平上显著。这表明, 户主年龄每增加1岁, 农户耕地复种指数就会降低0.94%。可能原因是耕地复种是对土地集约化利用的表现, 只有在符合农作物生长的季节内快速完成两次或两次以上相同的农业生产操作才有可能实现耕地复种。因此, 耕地复种需要较大的劳动力投入量, 户主的年龄越大, 户主的体力难以维持高强度的农业生产活动, 对耕地复种的意愿就会降低。户主教育水平对农户耕地复种指数有正向影响, 但结果并不显著。
2.2.3 农户家庭特征的影响农户家庭规模与耕地复种指数存在显著的正向影响, 可能原因是家庭规模越大, 从事农业生产活动的人数就越多, 农户耕地复种的可能性就越大。家庭非农收入占比对农户耕地复种指数存在显著的负向影响, 可能原因是农户的非农收入占比越大, 农户对土地的依赖就会越小, 对土地的投入也就会越小。转出土地面积对农户耕地复种指数存在显著的负向影响, 可能原因是土地转出的规模越大, 农户从事农业生产活动的意愿就越小, 对耕地复种的意愿也会越小。种植农作物品种数量对农户耕地复种指数有显著的正向影响, 可能原因是农户种植农作物的品种越多, 农户对土地的利用程度可能就越大, 耕地的复种程度也就越高。
2.2.4 自然特征的影响气温变化对耕地复种指数存在显著的负向影响, 回归系数为-0.097 3, 表明气温变化异常地区耕地的复种指数要比气温变化不异常地区低9.73%。可能原因是, 气温是农作物生长的重要因素, 特别是对于耕地复种尤其重要, 气温变化异常的地区缺乏良好的复种条件, 因此耕地复种指数低。地区类型对农户耕地复种指数存在显著的正向影响, 回归系数为0.505 0, 表明平原地区的复种指数要比非平原地区的高50.5%, 可能原因是, 平原地区的地理环境更具优势, 在农作物生产方面可以节省大量的时间和劳动, 所以平原地区耕地的复种程度会更高。
2.3 基于IVTobit估计的农业机械化水平对耕地复种指数的影响分析前文采用了OLS回归方法估计了农业机械化水平对耕地复种指数的影响, 但估计结果可能会因样本选择偏误和内生性问题而产生偏误, 因此, 还需要进一步验证以上问题是否存在。表 4中的方程1为Tobit模型估计结果, 方程2和方程3为2SLS模型估计结果, 方程4为IVGMM模型估计结果, 方程5和方程6为IVTobit模型估计结果。表 4的方程1中农业机械化水平的Tobit回归系数比OLS回归系数更大, 表明OLS回归模型中确实存在样本选择偏误问题。从方程2-方程4可知, 不管是2SLS估计结果还是IVGMM结果, 农业机械化水平的估计系数会因内生性问题而被严重低估, 说明OLS回归模型中确实存在内生性问题。根据Stock和Yogo[31]所提出的工具变量弱识别(weak identifacation)检验方法, 检验结果表明本文所采用的工具变量并非弱工具变量。另外, 工具变量也通过了冗余检验。以上一系列有关工具变量的检验结果表明, 本文所采用的工具变量较为科学可行。
由此可知, 样本选择偏误和内生性都会对模型估计产生干扰, 且内生性问题导致模型估计的偏误会更大。如果仅采用OLS回归方法可能得不出农业机械化水平对耕地复种指数的真实估计值, 为此, 本文采用工具变量Tobit模型(即IVTobit)方法同时处理样本选择问题和内生性问题, IVTobit回归结果见方程6。就关键解释变量“农业机械化水平”而言, IVTobit估计系数比2SLS和IVGMM估计系数更大。农业机械化水平每提高1%, 农户耕地的复种指数就提高1.393%, 且在1%置信水平上显著。从控制变量的IVTobit估计系数可知, 各控制变量的IVTobit估计系数与OLS、2SLS、IVGMM的估计系数相差不大, 说明IVTobit模型具有较强的稳健性, 估计结果较为可信。至此, 我们可以确定农业机械化水平确实能够显著影响农户耕地复种指数, 且农业机械化水平带动耕地复种指数提升的幅度要高于自身提升幅度, 这一真实影响效应必须要在解决了回归模型中样本选择偏误和内生性问题之后才能得出。
2.4 农业机械化水平对耕地复种指数的作用机制分析前文证实了农业机械化水平确实会对耕地复种指数产生影响, 但农业机械化水平是如何影响耕地复种指数的呢?或者说, 农业机械化水平对不同类型耕地复种指数的影响是一样的吗?这一问题的解答对厘清耕地复种指数的影响机制具有重要意义。农户种植农作物的类型主要可以分为粮食作物和经济作物, 不同类型农作物的复种程度可能会存在差异。本文根据农作物种植类型把耕地分为粮食作物耕地和经济作物耕地, 进而分别考量农业机械化水平对粮食作物耕地和经济作物耕地复种指数的影响, 然后分别考察农业机械化水平对农户粮食作物耕地复种和经济作物耕地复种意愿的影响。
考虑到内生性和样本选择偏误问题, 采用IVTobit模型进行估计。表 5的方程1和方程2是农业机械化水平对粮食作物耕地复种指数的IVTobit的第1阶段和第2阶段回归结果。回归结果表明, 农业机械化水平每提高1%, 粮食作物耕地复种指数就提高0.988%, 低于农业机械化水平对全部耕地复种指数的影响。表 5的方程3和方程4是农业机械化水平对经济作物耕地复种指数的IVTobit的第1阶段和第2阶段回归结果。回归结果表明, 农业机械化水平每提高1%, 经济作物耕地复种指数就提高2.160%, 高于农业机械化水平对全部耕地复种指数的影响。由此可知, 农业机械化水平对不同类型农作物耕地复种指数的影响存在显著差异, 农业机械化水平对经济作物耕地复种指数的影响远高于对粮食作物耕地复种指数的影响。从其他控制变量来看, 户主教育水平每提高1%, 粮食作物和经济作物耕地复种指数分别显著降低0.015%和0.047%。户主年龄每增加1%, 粮食作物耕地复种指数显著降低0.005%, 经济作物耕地复种指数没有显著变化。家庭规模每增加1%, 粮食作物耕地复种指数显著增加0.030%, 经济作物耕地复种指数没有显著变化。家庭非农收入占比每增加1%, 经济作物耕地复种指数显著降低0.145%, 粮食作物耕地复种指数没有显著变化。家庭土地流转面积每增加1%, 粮食作物和经济作物耕地的复种指数分别显著增加0.030%和0.040%。农作物种植种类每增加1%, 粮食作物和经济作物耕地的复种指数分别显著增加0.151%和0.230%。气温变化对粮食作物和经济作物耕地的复种指数没有显著影响。平原地区相较于非平原地区而言, 其粮食作物耕地复种指数的提升更大。
方程5和方程6是农业机械化水平对农户粮食作物耕地复种意愿和经济作物耕地复种意愿的IVProbit估计结果。回归结果表明, 农业机械化水平每增加1%, 农户对粮食作物和经济作物耕地复种意愿的概率分别提高3.100%和5.361%, 这也进一步说明农业机械化水平更能促进经济作物耕地的复种程度, 佐证了以上的观点。从其他控制变量来看, IVProbit估计结果的系数和IVTobit估计结果的系数基本一致, 表明模型具有良好的稳健性。从其他控制变量来看, 户主教育水平、家庭非农收入占比、家庭土地流转面积对农户粮食作物耕地复种指数的提升有显著的负向影响, 农作物种植种类和地区类型对农户粮食作物耕地复种指数的提升有显著的正向影响。农作物种植种类对农户经济作物耕地复种指数的提升有显著的正向影响。
3 讨论和结论 3.1 讨论粮食安全关系到社会稳定、国民经济建设等一系列问题。在当前, 我国粮食产量虽然已经实现了连续“十四年增”, 但随着城镇化和工业化的进程, 我国的耕地资源日趋紧张, 农村劳动力外流严重, “谷贱伤农”又进一步挫伤农民的种粮积极性, 我国的粮食安全问题仍不可掉以轻心。以往研究表明, 农业增产很大一部分是由耕地资源集约化利用所贡献的[26]。农业机械使用是耕地集约化的重要途径之一, 耕地复种指数又是耕地集约化的表现形式之一。所以, 探究农业机械化水平对耕地复种指数的影响, 也就是在梳理农业增产的内在逻辑, 这对于我国粮食安全战略有重要的现实意义。
目前, 学者大多从区域或者全国层面来测度耕地的复种指数[6, 17, 20], 所用的数据主要来源于国家统计局公布的省级面板数据, 采用这一层级数据测度出来的结果能够准确把握区域层面耕地复种指数的变动趋势, 但无法掌握农户层面耕地复种指数的变化趋势, 较易忽视农户个体的异质性[24, 29], 这主要是由于农户层级数据缺失所致。事实上, 农业生产活动最后需要落实到具体的单个农户, 农户选择何种生计决策是由家庭禀赋和外部社会环境共同作用的结果[32], 仅仅从宏观层面考察区域复种指数的影响因素显得略有不足, 难以得出直接适用于微观农户生产的指导意见。与以往研究有所不同的是, 本文是从农户层面来衡量耕地复种指数, 从农户微观层面研究得出, 农业机械化水平确实可以提高耕地的复种指数。再则, 以往农业机械化水平的研究更多的是立足于宏观层面, 本文从农户层面度量单个家庭的农业机械化水平, 这一衡量方法不仅是为了确保与农户耕地复种指数微观层面的数据维度相匹配, 也是为了更好地探讨农户微观层面农业机械使用对农户生产的影响。为了消除农业机械化水平与耕地复种指数可能存在互为因果的问题, 本文采用了工具变量法处理了潜在的内生性问题, 这也是本文与以往研究的不同之处, 本文在计量的运用和模型选取上更为规范准确。
以往学者在探究复种指数差异时, 一般会从地形特征[26-27]、政策补贴[23]、土地市场发展[28-29]来展开研究, 最为普遍的则是从区域类型的角度来探究[6, 17, 20], 从区域层面探讨更多的是观察不同区域之间耕地复种指数的差异变化, 区域差异是影响耕地复种指数的外在自然条件, 这一点毋庸置疑。但以上这些研究视角基本上都可以归纳为影响复种指数的外部冲击因素, 对复种指数差异的内部致因分析不够。实际上, 耕地复种的农业生产经营方式最根本是源于农户自身的生产经营决策, 农户的农业生产决策主要体现为农户种植品种的差异, 从农户内生性视角探究不同农作物类型耕地复种指数更具合理性。因此, 本文把农户耕地类型划分为粮食作物耕地和经济作物耕地, 以期从农户角度探究农业机械化水平对耕地复种指数的影响机制。当然, 本文也存在进一步提升深化的空间, 由于本文所采用的是农户微观调查的截面数据, 不能考量农户农业机械化水平和耕地复种指数跨年度的变化情况。农业生产活动具有连续性的特征, 如果使用动态面板数据来分析, 结论可能会更有说服力。本文并不是研究农户耕地复种指数的变动趋势, 而是旨在从农业机械化水平的角度分析农户耕地复种的影响因素, 因此农户层级的截面数据也足以支撑本研究。
3.2 结论本文以1 682份微观农户调查数据为基础, 实证研究了农户农业机械化水平对耕地复种指数的影响, 结果表明: 1)在没有处理样本选择偏误和内生性的情况下进行回归, OLS估计结果和处理后的估计结果相差较大, 说明直接用OLS回归会严重干扰农业机械化水平对耕地复种指数的真实影响。处理后的回归系数表明, 农业机械化水平对农户耕地复种指数存在显著的正向影响, 农业机械化水平每增加1%, 农户的耕地复种指数就增加1.393%。提高农业机械化水平能够有效降低农业生产作业时间, 保障复种农作物种植的季节性, 最大化提高土地利用率, 增加耕地复种程度。除了农业机械化水平会对耕地复种指数有影响外, 户主教育、户主年龄、家庭非农收入占比、家庭转出土地、气温变化对农户耕地复种指数存在负向影响, 家庭规模、农作物品种数量、地区类型对农户耕地复种指数存在正向影响。2)对耕地复种指数的作用机制分析得出, 农业机械化水平对不同类型农作物耕地复种指数和意愿的影响存在显著差异, 农业机械化水平对经济作物复种指数的影响要高于对粮食作物复种指数的影响, 农业机械化水平提高农户经济作物耕地复种意愿的程度要高于提高农户粮食作物耕地复种意愿的程度。这主要因为经济作物的经济效应更高, 其复种可能性较粮食作物更大, 粮食作物不仅具有较强的季节性还不能反季节种植, 而经济作物生长周期较短且生产过程可操作。
综上所述, 本文认为农户农业机械化水平的提升对耕地复种发挥着积极作用, 特别对经济作物耕地复种指数的提升尤为明显。为进一步提高农户耕地复种程度, 保障国内粮食安全, 政府可以大力推广农业机械使用, 加强对平原地区种粮农户的政策帮扶, 改革粮食收储制度。
[1] |
吴大放, 刘艳艳, 董玉祥, 等. 我国耕地数量、质量与空间变化研究综述[J]. 热带地理, 2010, 30(2): 108-113. WU D F, LIU Y Y, DONG Y X, et al. Review on the research of quantity, quality and spatial change of cultivated land in China[J]. Tropical Geography, 2010, 30(2): 108-113. DOI:10.3969/j.issn.1001-5221.2010.02.002 |
[2] |
DENG X Z, HUANG J K, ROZELLE S, et al. Impact of urbanization on cultivated land changes in China[J]. Land Use Policy, 2015, 45: 1-7. DOI:10.1016/j.landusepol.2015.01.007 |
[3] |
刘保花, 陈新平, 崔振岭, 等. 三大粮食作物产量潜力与产量差研究进展[J]. 中国生态农业学报, 2015, 23(5): 525-534. LIU B H, CHEN X P, CUI Z L, et al. Research advance in yield potential and yield gap of three major cereal crops[J]. Chinese Journal of Eco-Agriculture, 2015, 23(5): 525-534. |
[4] |
KRAVCHENKO A N, SNAPP S S, ROBERTSON G P. Field-scale experiments reveal persistent yield gaps in low-input and organic cropping systems[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(5): 926-931. DOI:10.1073/pnas.1612311114 |
[5] |
李琳凤, 李孟刚. 提高复种指数是保障我国粮食安全的有效途径[J]. 管理现代化, 2012(3): 26-28. LI L F, LI M G. Improving the multiple cropping index is an effective way to ensure food security in China[J]. Modernization of Management, 2012(3): 26-28. |
[6] |
何文斯, 吴文斌, 余强毅, 等. 1980~2010年中国耕地复种可提升潜力空间格局变化[J]. 中国农业资源与区划, 2016, 37(11): 7-14. HE W S, WU W B, YU Q Y, et al. Changes in spatio-temporal distribution of potential increment multiple cropping in China during 1980~2010[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(11): 7-14. DOI:10.7621/cjarrp.1005-9121.20161102 |
[7] |
WU W B, YU Q Y, VERBURG P H, et al. How could agricultural land systems contribute to raise food production under global change?[J]. Journal of Integrative Agriculture, 2014, 13(7): 1432-1442. DOI:10.1016/S2095-3119(14)60819-4 |
[8] |
唐华俊, 吴文斌, 余强毅, 等. 农业土地系统研究及其关键科学问题[J]. 中国农业科学, 2015, 48(5): 900-910. TANG H J, WU W B, YU Q Y, et al. Key research priorities for agricultural land system studies[J]. Scientia Agricultura Sinica, 2015, 48(5): 900-910. |
[9] |
GRASSINI P, ESKRIDGE K M, CASSMAN K G. Distinguishing between yield advances and yield plateaus in historical crop production trends[J]. Nature Communications, 2013, 4: 2918. DOI:10.1038/ncomms3918 |
[10] |
PUGH T A M, MüLLER C, ELLIOTT J, et al. Climate analogues suggest limited potential for intensification of production on current croplands under climate change[J]. Nature Communications, 2016, 7: 12608. DOI:10.1038/ncomms12608 |
[11] |
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. WU W B, TANG H J, YANG P, et al. Model-based assessment of food security at a global scale[J]. Acta Geographica Sinica, 2010, 65(8): 907-918. |
[12] |
吴文斌, 余强毅, 陆苗, 等. 耕地复种指数研究的关键科学问题[J]. 中国农业科学, 2018, 51(9): 1681-1694. WU W B, YU Q Y, LU M, et al. Key research priorities for multiple cropping systems[J]. Scientia Agricultura Sinica, 2018, 51(9): 1681-1694. |
[13] |
卞新民, 冯金侠. 多元多熟种植制度复种指数计算方法探讨[J]. 南京农业大学学报, 1999, 22(1): 11-15. BIAN X M, FENG J X. Method of calculating cropping system index of diversified multiple cropping system[J]. Journal of Nanjing Agricultural University, 1999, 22(1): 11-15. |
[14] |
左丽君, 张増祥, 董婷婷, 等. 耕地复种指数研究的国内外进展[J]. 自然资源学报, 2009, 24(3): 553-560. ZUO L J, ZHANG Z X, DONG T T, et al. Progress in the research on the multiple cropping index[J]. Journal of Natural Resources, 2009, 24(3): 553-560. DOI:10.3321/j.issn:1000-3037.2009.03.021 |
[15] |
Devendra C, Thomas D. Smallholder farming systems in Asia[J]. Agricultural Systems, 2002, 71(1/2): 17-25. |
[16] |
中华人民共和国农业部粮食作物生产局. 改变耕作制度、扩大复种面积[M]. 北京: 农业出版社, 1958. Department of Food Crop Production, Ministry of Agriculture of the People's Republic of China. Changing Farming System and Expanding Multiple Cropping Area[M]. Beijing: Agricultural Press, 1958. |
[17] |
康清林, 李春蕾, 张玉虎. 2001-2010年江苏省复种指数变化及其影响因子分析[J]. 首都师范大学学报:自然科学版, 2017, 38(5): 86-94. KANG Q L, LI C L, ZHANG Y H. The cropping index change and impact factor analysis in Jiangsu Province between 2001 and 2010[J]. Journal of Capital Normal University:Natural Science Edition, 2017, 38(5): 86-94. |
[18] |
李阔, 许吟隆. 适应气候变化的中国农业种植结构调整研究[J]. 中国农业科技导报, 2017, 19(1): 8-17. LI K, XU Y L. Study on adjustment of agricultural planting structures in China for adapting to climate change[J]. Journal of Agricultural Science and Technology, 2017, 19(1): 8-17. |
[19] |
刘巽浩. 耕作学[M]. 北京: 中国农业出版社, 1994. LIU X H. Farming Science[M]. Beijing: China Agriculture Press, 1994. |
[20] |
李晶, 任志远. 基于SPOTNDVI的陕西省耕地复种指数时空变化[J]. 干旱区资源与环境, 2011, 25(10): 86-91. LI J, REN Z Y. The monitoring for cropping index of arable land in northwest region using SPOTNDVI-A case of Shaanxi Province[J]. Journal of Arid Land Resources and Environment, 2011, 25(10): 86-91. |
[21] |
田罗, 周文佐, 何万华, 等. 2000-2016年四川省耕地种植指数时空变化及其自然潜力分析[J]. 中国生态农业学报, 2018, 26(8): 1206-1216. TIAN L, ZHOU W Z, HE W H, et al. Spatio-temporal evolution and potential analysis of cropping index in Sichuan Province during 2000-2016[J]. Chinese Journal of Eco-Agriculture, 2018, 26(8): 1206-1216. |
[22] |
徐国鑫, 金晓斌, 宋佳楠, 等. 耕地集约利用对粮食产量变化影响的定量分析——以江苏省为例[J]. 地理研究, 2012, 31(9): 1621-1630. XU G X, JIN X B, SONG J N, et al. The impact of intensive use of agricultural land on grain yields:A case study of Jiangsu Province[J]. Geographical Research, 2012, 31(9): 1621-1630. |
[23] |
张倩, 许泉, 王全忠, 等. 补贴政策与农户稻作制度选择——基于湖南省微观调研的证据[J]. 产业经济研究, 2016(6): 89-99. ZHANG Q, XU Q, WANG Q Z, et al. The effect of subsidy policy on rice planting pattern choices of peasant households:Evidence from micro-investigation in Hunan Province[J]. Industrial Economics Research, 2016(6): 89-99. |
[24] |
闫慧敏, 刘纪远, 曹明奎. 近20年中国耕地复种指数的时空变化[J]. 地理学报, 2005, 60(4): 559-566. YAN H M, LIU J Y, CAO M K. Remotely sensed multiple cropping index variations in China during 1981-2000[J]. Acta Geographica Sinica, 2005, 60(4): 559-566. DOI:10.3321/j.issn:0375-5444.2005.04.004 |
[25] |
张乐勤, 陈素平, 陈发奎. 基于边际模型的中国城镇化演进对耕地影响极限研究[J]. 中国生态农业学报, 2014, 22(7): 837-842. ZHANG L Q, CHEN S P, CHEN F K. A marginal model-based study of the ultimate influence of China's urbanization evolution on cropland[J]. Chinese Journal of Eco-Agriculture, 2014, 22(7): 837-842. |
[26] |
梁守真, 马万栋, 施平, 等. 基于MODIS NDVI数据的复种指数监测——以环渤海地区为例[J]. 中国生态农业学报, 2012, 20(12): 1657-1663. LIANG S Z, MA W D, SHI P, et al. Monitoring multiple cropping index using MODIS NDVI data:A case study of Bohai Rim[J]. Chinese Journal of Eco-Agriculture, 2012, 20(12): 1657-1663. |
[27] |
梁书民. 我国各地区复种发展潜力与复种行为研究[J]. 农业经济问题, 2007, 28(5): 85-90. LIANG S M. Probing potentials of multiple cropping in the selected provinces in China[J]. Issues in Agricultural Economy, 2007, 28(5): 85-90. DOI:10.3969/j.issn.1000-6389.2007.05.014 |
[28] |
曲福田, 吴郁玲. 土地市场发育与土地利用集约度的理论与实证研究——以江苏省开发区为例[J]. 自然资源学报, 2007, 22(3): 445-454. QU F T, WU Y L. Theoretical and empirical study on the land market and land use intensity:A case of the development zones in Jiangsu Province[J]. Journal of Natural Resources, 2007, 22(3): 445-454. DOI:10.3321/j.issn:1000-3037.2007.03.014 |
[29] |
杨红梅, 刘卫东, 刘红光. 土地市场发展对土地集约利用的影响[J]. 中国人口·资源与环境, 2011, 21(12): 129-133. YANG H M, LIU W D, LIU H G. Effects of land market development on land use intensity[J]. China Population, Resources and Environment, 2011, 21(12): 129-133. DOI:10.3969/j.issn.1002-2104.2011.12.022 |
[30] |
崔宁波, 张正岩. 临储政策取消下玉米种植结构调整的影响因素与收入效应——基于黑龙江省镰刀弯地区调查数据的分析[J]. 商业研究, 2017, 59(11): 153-163. CUI N B, ZHANG Z Y. Influence factors and income effects of the adjustment of corn planting structure under the abolition of temporary storage policy:An analysis based on the survey data of sickle bend area in Heilongjiang Province[J]. Commercial Research, 2017, 59(11): 153-163. |
[31] |
STOCK J H, YOGO M. Testing for weak instruments in linear Ⅳ regression[M]//ANDREWS D W K, STOCK J H. Identification and Inference for Econometric Models Essays in Honor of Thomas Rothenberg. Cambridge: Cambridge University Press, 2002
|
[32] |
彭继权, 吴海涛, 孟权. 家庭生命周期、社会资本与农户生计策略研究[J]. 中国农业大学学报, 2018, 23(9): 196-217. PENG J Q, WU H T, MENG Q. Study on family life cycle, social capital and rural households' livelihood strategy[J]. Journal of China Agricultural University, 2018, 23(9): 196-217. |