浅析东北地区农业地域结构类型划分指标

　　摘要：进行类型划分首先需要确定研究的基本地域单元，地域单元的确定区在很大程度上受区域范围的大小决定和影响，并且要求单元内自然条件和经济社会状况相似性尽量大，差异性尽量小，这样就可以把每个农业地域单元作为一个整体对象进行分类研究。

 

　　关键词：农业地域,结构类型,指标体系

 

　　农业类型研究是农业地理学关注的重点问题之一，国外学者对农业类型划分的理论方法、指标体系，以及影响因素等进行了深入的探讨，并依据各国或各地区的农业发展特征进行类型划分[卜4|。

 

　　世纪60年代以来，我国学者对农业地域分类进行了较为深入的研究，如程鸿等选择可反映部门结构和集约化程度的指标对四川甘孜阿坝地区进行了农业类型研究∞J，张步艰等对常山县农业类型的划分[6]6，王建国采用主成分分析和聚类分析法，按照地貌一主要作物一主导部门将四川米易县安宁河流域划分为5个类型17J，毕于远根据地貌类型、岩溶地貌景观类型与农民人均纯收入将滇、黔、贵熔岩地区划分为3大类和9个农业地域类型区I引，以及郭焕成等对全国农业类型的划分【9]等。这些研究大多是以乡镇或公社等较小尺度的地域为研究单元，对县域或者小区域的分类，就全国或大区域尺度的农业类型研究成果相对较少，针对东北地区的农业类型研究成果未见报道。

 

　　东北地区包括吉林、辽宁、黑龙江3省，土地面积约78．9万km2，属温带大陆性季风气候，主要农作区>100C积温为22000C～3600℃，平均年降水量400ram～l000ram，光热资源丰富，适合多种作物生产。该区平原广阔，土地肥沃，后备土地资源丰富，农业开发潜力大，是我国自然资源最为丰富和水土资源配置最好的地区之一，也是我国重要的粮食主产区和农业商品基地。东北地区类型多样地貌和分异明显的气候、水文条件，以及区位条件、经济发展水平、农业技术以及社会文化等，在不同发展条件和驱动机制下形成各具特色的农业地域结构类型。因此，如何合理划分农业地域结构类型，不仅关系到区域农业资源优化配置和农林牧渔等产业的协调发展，而且也是制定区域农业发展战略、宏观决策和农业政策需要关注的重要问题。

 

　　1研究单元与数据获取

 

　　东北地区农业地域结构类型划分拟以县级行政单元为基本的地域单元，结合大的地貌单元或其他自然条件，对评价结果进行聚类分析和类型归并。据统计，2005年，东北3省共有36个地级行政单元(地级市、地区)，151个县级行政单元(县、县级市、自治县)。考虑到行政区域的完整性，在进行类型划分时对研究区域的基础单元有如下两类：①以县级行政区域为基本地域单元的类型，共包括151个县、县级市、自治县；②以市郊区为基本地域单元的类型，共34个。因此，参与分类研究的共有185个基本地域单元。数据主要来源于中国统计年鉴(2001—2006)，吉林统计年鉴(200l，2006)，辽宁统计年鉴(2001—2006)，黑龙江统计年鉴(2001．2006)，中国县(市)社会经济统计年鉴(200l一2006)，黑龙江省县(市)农村社会经济统计概要(2001—2006)，部分数据通过实地调研获取。

 

　　2指标体系构建与指标遴选

 

　　2．1初始指标体系构建

 

　　农业地域结构类型划分主要是对选取的地理数据或者指标进行聚类分析，并以数据或指标的统计量作为划分类型的依据，指标选择质量的高低直接影响聚类的结果。制约农业地域结构类型的因素和印证农业本身特征的参数指标很多，论文发表需要从中选出最能反映类型本质特征的指标。主要应考虑如下准则：①指有代表性的、能客观反映农业类型特征与区域差异的指标。②选择的指标既要现时性，也要符合计量要求，指标选取要有科学性，指标的目的明确、含义清晰、全面系统且简洁。③选择能够运用计量方法计算。④考虑农业地域结构的多层次和复杂性，必须区分不同层次和不同属性因素的差别。⑤指标的地域差异要显着，指标之间基本上相互独立，并在一定的历史时期内相对稳定。依据上述原则，初步确定了由2大类40个指标构成的指标体系(表1)，包括：①水平类指标。采用发展水平、效益水平、投入水平、生产水平和资源利用水平等5个亚类指标共26个具体指标；②结构类指标。主要包括农业经济结构、农业生产结构等2个亚类共14个具体指标。表1初步建立的指标体系

 

　　2．2指标遴选

 

　　对初步选取的40个具体指标进一步筛选，使其空间差异达到最大，而相关性达到最小，使分类系统更加准确。分析的原始数据以2000～2005年均值为基准。具体采用两种方法进行计算：

 

　　2．2．1变异度分析。用变异系数G的大小来刻画各指标在空间维上差异程度，S表示标准差，即：(i=1，2，3?40；，l=185)。根据各指标的变异系数计算结果(表2)，农民人均纯收入、复种指数、旱地面积比例、粮食作物播种面积比例、猪肉产量比例等5个指标的变异系数小于0．5，说明这些指标的空间差异度较小，分辨率较弱。

 

　　2．2．2相关分析。利用SPsS可以计算出40个指标之间的相关系数。结果表明：人均农林牧渔总产值与人均农业产值、人均肉类总产量与人均猪肉占有量、水田面积比例与旱地面积比例的相关系数分别高达0．858、0．953和0．869。将相关分析与变差分析结果综合考虑，按照空间差异最大、相关性最小原则，剔除人均农林牧渔总产值、农民人均纯收入、人均猪肉占有量、复种指数、旱地面积比例、粮食作物播种面积比例、猪肉产量比例等7个指标。经过分析筛选，结果保留了33个指标构成聚类分析的指标体系。表2指标的变异系数指标岛指标co指标0

 

　　3因子聚类与结果分析

 

　　3．1公因子提取

 

　　表3因子分析结果运用SPSS软件对Z—st30i'e法无量纲处理过的33个指标进行因子分析，经过最大方差正交旋转后可得公因子载荷矩阵(表3)。表3看出，前10个公因子的累积贡献率为86．144％，即反映了原始数据86．144％的信息量，因此可用这lO个公因子的变化代表整个样本相关变量的变化。其中，公因子l贡献率达21．291％，在人均水稻占有量、水田面积比例、水稻产量比例、水稻播种面积比例等4个指标上有较大载荷，主要反映的是水稻生产水平与结构状况；公因子2贡献率为15．591％，在人均大豆占有量、大豆播种面积比例、大豆产量比例等3个指标上有较大载荷，主要反映的是大豆生产水平与结构状况；公因子3贡献率为12。507％，在耕地生产率、耕地农业机械总动力、耕地化肥使用量、耕地农药使用量、农业人口人均用电量、有效灌溉面积比例等6个指标上有较大载荷，主要反映的是农业集约化水平；公因子4贡献率为9．239％，在人均农业产值、人均粮食占有量、人均耕地面积有较大载荷，反映种植业发展水平；公因子5贡献率为7．178％，在人均渔业产值、人均水产品产量、渔业产值比例3个指标上有较大的载荷，主要反映的是渔业生产水平与结构状况；公因子6贡献率为5．536％，在人均牧业产值、人均肉类总产量和牧业产值比例等指标上有较大的载荷，主要反映畜牧业发展水平与结构状况；公因子7主要反映林业发展水平与结构状况；公因子8主要反映养羊业发展水平与结构状况；公因子9反映养牛业发展水平与结构状况；公因子10反映农业开发水平。

 

　　3．2聚类分析与分类结果

 

　　聚类分析是依据某种方法及准则对一组样本或变量进行分类的多元统计分析方法[13]。在此，采用Q型聚类法对185个样本农业地域进行聚类分析与类型划分。

 

　　运用线性回归法求得185个地域单元的10个公因子得分值，作为样本聚类分析的基础数据。以185个样本为标签变量，以10个公因子得分值为聚类变量，运用sPss统计分析软件，采用最长距离法和夹角余弦相组合的方法对185个地域单元进行层次聚类分析。基于上述层次聚类分析结果，采用农业类型划分的部门——作物(林系、牲畜)两段分类法划分类型，首先，依据农林牧渔等主要部门的构成比例，结合东北地区各农业生产及其结构的具体状况，进行比较分析、归类与综合，可将东北地区185个地域单元划分为农牧类、种植业类、牧农类、农牧渔类、林牧类和渔业类等6种类型(图1)；在此基础上，根据主要农作物结构、牲畜种类构成以及林系特征等进行识别，划分为24个亚类(图2)。图1农业地域结构类型的空间格局图2农业地域结构亚类的空间格局