近30年中国水稻种植区域与产量时空变化分析

第68卷第5期2013年5月

地理学报

ACTAGEOGRAPHICASINICA

Vol.68,No.5May,2013

近30年中国水稻种植区域与产量时空变化分析

刘珍环1,李正国1,唐鹏钦1,李志鹏1,吴文斌1,杨鹏1,游良志2,唐华俊1

(1.中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081;

2.EnvironmentandProductionTechnologyDivision,InternationalFoodPolicyResearchInstitute,2033KStreet,NW,

Washington,DC20006,USA)

摘要：通过综合80年代初以来的农作物面积与产量统计、耕地分布、农业灌溉分布以及作物生长适宜性分布等多源数据，利用基于交叉信息熵原理的作物空间分配模型(SpatialProductionAllocationModel,SPAM)，获得了我国10km像元尺度的水稻分布信息。在此基础上，重点分析了80年代初以来水稻种植面积与产量的时空变化特征。总体来看，在全国水稻种植区域内发生变化的地区中有超过50%的地区水稻种植面积出现缩减态势，但仍有近70%的地区水稻产量在增加。空间变化来看，种植面积缩减主要发生在东南沿海的广东、福建和浙江等省，而增加主要出现在东北地区的吉林和黑龙江等省，我国水稻种植重心因此向东北方向迁移约230km，产量重心向东北迁移约320km。同时，研究还发现我国水稻种植面积变化对产量增减具有重要影响，其中产量增加表现为面积与非面积因素的共同作用，数据显示种植面积扩展对水稻增产的平均贡献率约54.5%，而在产量减少的区域，面积缩减对减产的贡献率高达80%以上。

关键词：水稻；作物空间分配模型；时空变化；中国

1引言

农业土地利用/土地覆被变化是当前农业领域研究前沿，农作物时空动态变化信息研究是农业土地变化科学的研究基础[1]。农作物时空分布信息反映了人类在空间上利用农业生产资源状况，也是农业生态系统格局与功能、陆地生态系统循环、全球变化对农业影响等研究的重要基础，对保障国家粮食安全和农业资源环境研究具有十分重要的意义[2-3]。

迄今为止，全球和国家尺度上包含农作物空间分布信息的数据集主要有三种，一是土地利用/土地覆被数据集，该类数据在全球尺度上有4种数据GLC-2000、UMD、IGBP-DISCover、MODIS，而中国区域内则有NLCD系列[4]，该类数据集中包含耕地变化时空信息；二是雨养或灌溉种植面积数据，全球尺度上有GMRCA[5]、GIAM[6]、Rammankutty等的全球农业用地分布[7]等，该类数据集则主要从农业水资源和管理等角度提出的农作物分布信息，目前尚缺少时序变化信息；三是综合多源信息技术的农作物空间分布数据，在全球尺度上有MICRA-2000[3]、Monfreda等人的全球作物分布[8]等，也缺少时序变化信息。因此，综合多源数据获取农作物的时空变化信息尚待深入。

农业土地利用变化研究主要关注耕地面积变化及其影响，耕地功能属性的农作物面积

收稿日期：2012-11-01;修订日期：2013-01-19

基金项目：国家自然科学基金项目(41171328);国家重点基础研究发展计划项目(973项目)(2010CB951502)

[Foundation:NationalNaturalScienceFoundationofChina,No.41171382;NationalBasicProgramofChina(973Program),No.2010CB951502]作者简介：刘珍环(1982-),男,江西泰和人,博士,主要从事景观生态与土地利用、全球变化与农业遥感方面的研究。

E-mail:zhenhuanliu@通讯作者：杨鹏(1975-),男,湖南冷水江人,博士,研究员,主要从事全球变化与农业遥感方面的研究。

E-mail:yangpeng@

680-693页

5期刘珍环等：近30年中国水稻种植区域与产量时空变化分析681

变化及其影响研究尚少，是因作物种植面积和产量以行政单元统计数据为基础，缺乏准确

的时空变化信息，而遥感监测技术还难以在大尺度特别是全国尺度上准确获取作物面积及产量信息。统计方法是通过行政单元上报获取区域内农作物动态信息，优势在有长时序的作物数量和速率变化等信息[9-10]，但该数据失去了区域内的空间异质性，难以用于分析农业资源环境问题[11]。随着遥感技术的进步，不同时空尺度下的农作物空间变化监测[2]，多时相和高分辨率的遥感数据在农作物空间分布变化研究中备受关注，但大尺度上遥感获取农作物获取受限于影像分辨率难以获得多时相高分辨率的作物时空分布信息[12-13]。近年来，基于多源数据融合方法可综合遥感和统计等数据，获取农作物的空间详细信息，受到农作物空间分布研究关注[5,8,14-15]。基于交叉信息熵原理的作物空间分配模型(SpatialProductionAllocationModel,SPAM)就是该类模型之一，该模型集成耕地分布、作物统计面积与产量、农业灌溉分布、农作物适宜性分布等多源空间信息数据，利用交叉信息熵原理将农作物的种植面积与总产精确分配至像元，可用作模拟全球或区域尺度作物时空分布，已在南美、非洲及全球尺度上有研究[16-17]，但基于该模型的农作物时空变化分析尚未开展[18]。

水稻是我国三大粮食作物之一，受自然条件和农业发展状况影响，其空间分布不断变化，研究水稻时空分布及其变化有助于分析我国口粮供需状况及其受限因素等科学问题[9]。我国水稻种植面积约占全球的19%，在我国的粮食安全保障体系和农业生产中占有重要地位[19]。水稻时空变化研究包括水稻种植界线[20]、水稻种植重心迁移[21]、水稻种植面积变化等方面[22-23]。然而迄今为止，大多数研究都是基于统计数据，难以获得精确的时空变化信息，融合多源数据的农作物时空分布获取可以将空间尺度更精细至像元尺度。本研究拟构建中国区域的作物分配模型(SPAM-China)，获取近30年来全国水稻种植面积与总产的时空格局并分析其时空变化特征，为国家粮食安全和全球变化对农业影响等研究提供研究基础。

2数据与方法

2.1数据源

研究采用的数据包括以下两类研究和验证数据：

(1)研究数据来源主要有农业部发布的农业统计数据，综合1980-2010年县级和省级农业统计数据整理获得一套全国2434个县级、31个省市的农作物统计数据，包含水稻、小麦和玉米的总产、单产和面积数据；将总产和面积数据截取3个时期4个时点的数据，采用前后3年的数据进行平均，获得1980、1990、2000、2010年数据集[24]。模型所需其它数据包括灌溉系数源于FAO开发的全球灌溉图，以像元内的灌溉百分比数据表示；耕地空间分布数据主要来自遥感分类的GLC-2000全球土地利用/覆被图，将数据进行像元百分比；农业气候适宜性数据采用了FAO的农业生态区划(GlobalAgro-ecologicalZones,GAEZ)进行划分，该方法提供了最大潜在和农艺性状可达的作物单产和适宜种植区；人口密度数据源自于世界人口栅格分布图(GPWVersion2)，该数据集表示全球尺度上每平方公里内的人口数，人口密度数据用于表示作物分配过程中市场可达性。所有数据统一至WGS-84坐标系，所有数据将尺度重栅格化至分辨率5min×5min[18]。

(2)验证数据包含两类数据集，1980年的验证数据来自中国资源环境数据库的中国土地覆被数据集(NLCD-1980，1km)中水田空间分布，该数据集由LandsatTM数据为基础的人工目视解译得到[23]，本研究中为使数据间具有可比性，采用百分比将像元尺度上升为5min，为减少复种等因的影响，只对中国北方单季水稻种植区采样；2000年则采用MIRCA-2000全球农作物空间分布数据集[3]，该数据集像元分辨率为5min，包含26种作物

682

地理学报

68卷

Fig.1TheflowchartofSPAM-China(modifiedfromReference[18])

的灌溉和雨养作物分布，本研究综合中国区域的灌溉和雨养的水稻进行采样。

2.2SPAM-China模型

本研究结合中国农作物的分布，构建SPAM-China模型[25-26]，尝试将该模型应用于我国长时序大尺度的作物空间分布研究中(图1)。SPAM-China模型核心方法由两部分组成：信息熵分布概率模型和作物分配优化模型，具体公式如下[18]：

(1)信息熵分布概率模型：

对于给定的分布概率(p1,p2,…,pk)，可定义Shannon信息熵为：

H(p1,p2,...,pk)=-∑pilnpi

i=1k

(1)

式中：当ln0=0约定为0概率，单产则无信息。通过引入交叉信息熵(CE)用于度量两个概率分布pi和qi不一致的情况，获得最小交叉信息熵方式确定概率的限制。

kkk

æpiö

CE(p1,p2,…,pk;q1,q2,…,qk)=-∑pilnç÷=∑piln(pi)-∑pilnqi

i=1i=1èiøi=1

(2)k

=-H(p1,p2,…,pk)-∑pilnqi

i=1

以上是普遍的信息熵和交叉信息熵方程，式中，pi和qi分别表示X县中第j种作物分布的两个概率作物面积可分配概率sijl和潜在适宜种植面积可分配概率πijl：

Aijl

sijl=(3)

j

式中：CA表示像元的面积，Aijl表示X县第i个像元上可分配的j作物种植面积；模型初始时，假设j作物在X县内所有像元上平均分配。

5期刘珍环等：近30年中国水稻种植区域与产量时空变化分析683

πijl=

Suijl×PDi

i

Suijl×PDi

i j l

(4)

式中：πijl表示i像元上作物j的潜在分布概率；Suijl为适宜作物种植面积，本研究中采用

GAEZ数据集；PDi表示人口密度，采用GPWVersion2数据集。

(2)作物分配优化过程：

MINCE(sijl,πijl)=∑∑∑sijllnsijl-∑∑∑πijllnπijl(5)

{s}

ijl

ijlijl

其中分配概率应满足如下优化条件：

∑sijl=1

j l

i

∑∑CA×s

j

j

ljl

ijl

i∈k

l

i

(6)(7)(8)(9)(10)

ijl

≤Availi

∑∑CA×s=SCA∑CA×s≤IRA

jk

jl

ijl

CAjl×sijl≤Suijl

i j l j l∈J

i

i

1≥sijl≥0 i,j,l(11)

式中：i:i=1，2，3…表示行政统计单元内的像元；j:j=1，2，3…表示作物种类；l:l=灌溉种植区、雨养高产区、雨养低产区，3种具体生产种植区。

SCAjk表示上一级统计单元的种植面积，例如本研究中县级的统计数据参与分配的数据要与省级统计数据一致；IRAi表示灌溉数据，采用FAO全球灌溉分布数据；Availi表示像元中的总耕地面积，采用GLC-2000中的耕地分布数据；通过建立交叉信息熵获得各像元内各种作物的分布概率，进行空间优化配置，获得作物最大可能的最终分布概率sijl，最后模型输出结果包括了水稻种植面积、总产及单产在i像元上的分布信息。2.3水稻面积和总产变化分析

水稻面积和产量的时空变化分析包含两个方面，空间位置变化和时序动态特征。

(1)水稻种植面积时空变化分析。为便于比较，将种植面积量进行百分比例化，再将1980及2010年两期水稻面积的空间分布进行比较，获得近30年水稻面积变化的空间特征。将面积增减幅度小于5%认为是无变化区，5%~20%则是低度变化区，大于20%则是高度变化区，共五种变化类型。时序动态特征是将1980-2010年的3个时段的面积变化进行组合分析，重分类为四种变化类型：面积持续减少区、波动不稳定区、恢复区及持续增加区，持续减少区指在三个时段内都在减少的区域，波动不稳定区指变化过程中时增时减的区域，恢复区指早期减少而后期增加的区域，持续增加区指三个时段内都保持增长的态势，在此基础上分析变化类型的空间分布特征。

(2)水稻总产量时空变化分析。同样，本研究也对1980及2010年两期水稻总产量的空间分布进行比较，获得近30年水稻总产变化的空间特征，将像元总产量增减幅度小于2000t则认为是无变化区，介于2000~8000t则是低度变化区，大于8000t则认为是高度变化区。将1980-2010年的3个时段的总产量变化进行组合分析，重分类为四种变化类型：产量持续减少区、波动不稳定区、恢复区及持续增加区，含义与面积变化类型类似，可分析产量变化类型的空间分布特征。

(3)水稻面积变化对产量的影响。本分析中，种植面积和总产量只考虑变化幅度大于5%的低度和高度变化区，组合成增加区和减少区。运用空间叠加方法，分析了水稻种植面积变化对产量变化的影响程度，形成四种变化地区类型：面积增加而增产地区、面积增加而减产地区、面积萎缩而增产地区、面积萎缩而减产地区。

684地理学报68卷

(4)水稻种植重心迁移规律。水稻种植重心迁移规律包含了水稻种植面积和总产量的重心迁移变化及对应关系，以像元的面积百分比和总产量为权重系数乘以像元的经纬度坐标，获得四个时期的中国水稻种植重心和产量重心，重心迁移公式如下：

Xt=

∑(C

i=1

n

n

ti

×Xi)

;Yt=

ti

∑(C

i=1

n

n

ti

×Yi)

∑C

i=1

∑C

i=1

(12)

ti

式中：Cti表示的是像元i内水稻种植面积或者总产量；Xi、Yi表示的是像元i的重心坐标。

3结果分析

3.1模型结果输出及精度检验

图2和图3为模型输出的水稻种植面积和总产量的空间分布图。为检验SPAM-China的水稻种植面积空间分配精度，研究采用两组数据源进行验证。为保证数据可比性，在全国范围内随机采样(图4a,b)，NLCD-1980为土地利用/覆被数据集，中国北方水田主要种植水稻，且不包含复种，因此1980年的数据只在中国北方水稻种植区采样验证，样本量为1700个，MIRCA-2000是作物分布数据，因此在全国范围的水稻种植区采用验证，样本量为3280个。1980年的验证结果表明，SPAM-China

水稻种植面积的空间分配结果稍小于

图21980-2010年中国水稻种植面积空间分布

Fig.2ThespatialdistributionofricesownareainChinaduring1980-2010

5期刘珍环等：近30年中国水稻种植区域与产量时空变化分析685

图31980-2010年中国水稻总产量空间分布

Fig.3ThespatialdistributionofriceproductioninChinaduring

1980-2010

NLCD-1980的空间分布，两者的R2为0.426，该数据集是从30m分辨率的分类数据聚集至

10km的百分比数据，所以比SPAM-China模型输出结果略大。2000年的SPAM-China水稻种植面积的空间分配结果稍大于MIRCA-2000的空间分布，两者的R2为0.419。SPAM-China的水稻数据中，未区分一季稻和双季稻，但考虑了复种指数的影响；也未区分灌溉和雨养面积，但考虑了种植面积中灌溉系数的影响，与MIRCA-2000和NLCD-1980的数据在总量上不一致。此外，1990及2010年的水稻面积和四期水稻总产空间分布因缺乏可对照空间数据，未进行空间精度检验。总体上，SPAM-China的作物空间分布图能够反映中国历史的作物空间分布。

3.2水稻种植面积分布的时空变化特征

近30年我国水稻种植面积的总体趋势表现为减少，自1980年的5.08亿亩降至当前的4.48亿亩，最低谷期为2003年的3.98亿亩(图5)。在不考虑不变区的基础上，空间变化分析表明全国趋势表现为水稻种植面积减少，面积增加占变化量的44.5%，而面积减少占变化量的55.5%(图6a；表1)。水稻面积分布的时空变化表明，高度减少区域主要位于甘肃、广东、浙江和福建，分别占高度减少量的16.3%、12.4%、9.8%及17.0%；低度减少区域则主要分布于广东和广西，分别占低度减少量的14.3%和13.4%；低度增加区主要分布于黑龙江、吉林、江苏和山东，分别占低度增加量的32.8%、12.5%、8.0%和9.5%；高度增加区主要分布于江苏、黑龙江、山东和安徽，分别占高度增加量的16.1%、12.4%、12.4%和15.0%。持续增加区占变化区的比例为23.5%，主要分布于黑龙江、吉林和山东；波动不稳定区为29.5%，分布较多省份有四川、湖北、安徽和江苏，属于传统的轮作区，

686地理学报68卷

图41980及2000水稻种植面积空间分布精度验证结果

Fig.4Theaccuracyvalidationresultofspatialdistributionofriceareain1980and

2000

容易更换作物[26]；恢复区占18.67%，主要分布于双季稻区的江西和湖南；持续减少区占28.36%，主要分布于城市化较快的浙江、福建和广东(图6b)。3个时期内水稻面积减少区的空间分布，1980-1990年间面积减少分布于西北地区的甘肃和新疆；1990-2000年间南方双季稻主产区的湖南、江西

图51980-2010年中国水稻种植面积与总产量总体趋势和四川等地；2000-2010

Fig.5TrendsofricesownareaandproductionofChinaduring

1980-2010年在中国沿海省份广

东、福建、浙江、上海和江苏南部水稻种植面积都大规模减少，京津冀和辽宁的辽河下游地区小规模减少。3个时期内面积增加区的空间分布，1980-1990年间的增加零星分布于湖北南部、安徽中部及东三省部分地区；1990-2000年间的增加量主要分布在黑龙江松嫩平原和三江平原、江苏北部、四川盆地、海南北部；2000-2010年间的增加主要分布在黑龙江和吉林的松嫩平原、江苏北部、宁夏北部。3.3水稻总产分布的时空变化特征

近30年我国水稻总产量表现为增加趋势，自1980年的1.40亿吨增至当前的1.96亿吨，最高峰期为1997年的2.0亿吨(图5)。水稻总产分布的时空变化表明，水稻总产增加区占总体变化量的69.4%，而减少区占30.6%，全国趋势表现为水稻总产增加(图7a，表1)。高度减少区域主要位于广东、浙江、福建和江苏，分别占高度减少量的38.1%、18.8%、13.3%及8.0%；低度减少区域则主要分布于广东、福建、浙江和四川，分别占低度减少量的20.6%、19.2%、11.3%和9.6%；低度增加区主要分布于黑龙江、吉林、江西和湖南，分别占低度增加量的21.6%、8.9%、8.8%和7.1%；高度增加区主要分布于湖南、江苏、黑龙

5期刘珍环等：近30年中国水稻种植区域与产量时空变化分析687

图61980-2010年中国水稻种植面积变化图

Fig.6ThespatialchangesofriceareainChinaduring

1980-2010

表11980-2010年中国水稻种植面积与总产量的变化特征

水稻总产量　变化　

（像元数）　

Tab.1ChangesofriceareaandproductioninChinaduring1980-2010

２０　

６２　

　９　

０　　０．２　　７　　　０．１　７　

８３　　

１００　０．９　　６６　４４　６０　１．２　０．６　　　　５６　１．１　６７．５　

３５９　１５　

９６　３．８　０．４　２８９　５６　５．３　０．８　１５　

７４９　１２　

９８．４　８　０．３　５９４　３２　１０．９　０．５　１２　

１６５９　　

１００　１７．７　　１５０１　１　９９．９　２７．５　０　　　　１４６８　２８．７　８８．５　

３０　１５　６１　

１００　５７．１　５０．４　　０．７　　３０　　　０．４　３０　

０．２　

０．４　２　４１　４．７　　０．６　１５　

０．７　

１．５　４１　７１　３６．６　０．８　１　５８　

增加　

减少　

增加占变化的比例　（％）　增加占比　（％）　减少占比　（％）　

水稻种植　

面积变化　像元数）　（

增加　

减少　

增加占变化比例　（％）　增加占比　（％）　减少占比　（％）　

８３．８　９４．９　

水稻种植　面积减少减产　

面积变化与　面积减产分省比例　（％）　０．９　０．４　１．７　０．２　

总产量变化的　面积减产占减产的比重　（％）　１００　３６．６　８１．７　１００　空间对应　（像元数）　水稻总产量　变化　（像元数）　

面积增加增产　

面积增产分省比例　（％）　面积增产占增产的比重　（％）　增加　

减少　

增加占变化的比例　（％）　增加占比　（％）　减少占比　（％）　

水稻种植　面积变化　

像元数）　（

增加　

减少　

增加占变化比例　（％）　增加占比　（％）　减少占比　（％）　

水稻种植　

面积减少减产　

２　　１０　

４１　

０．８　６６．１　

０．４　０．３　２６．８　３７．５　２８７　５９３　５．６　１１．６　７９．９　７９．２　

１１　

８００　

１００　

６２０　

１６　

８７４　

３６９　

４３８　

５２　２０６　５３９　２２４　６５３　１０６　７　５２　

１７．５　７９．５　１５．６　７３．５　２．４　８９．２　９８．１　８９．４　０．１　１．３　　６６　　　１　５２　

８．５　

５　５５２　

１．１　

１３　８　

６．６０　０．２　

５．４　１５．８　４１３　４１３　５０　７．６　６．１　２１７　

３５　

９．３　

２．６　１００　

３．９　

０．２　５６０　

４．７　

１．３　２８６　

３２５　６５３　

６２．９　１．２　１０．１　４．８　２０６　

０．１　

９．６　５３５　

５９５　２２４　１９　８８　

５．６　３０．９　９６．７　７６．５　０．６　８．７　５５４　

１．８　

３．３　１０６　

１０．２　

０．３　７　

５．２　

１．３　５２　

面积变化与　面积减产分省比例　（％）　１．５　６　１５．５　６．３　１６．１　３．１　０．２　１．５　

总产量变化的　面积减产占减产的比重　（％）　７８．８　６３．４　８１．９　５２．５　９３．１　４７．３　３６．８　５９．１　空间对应　（像元数）　面积增加增产　

面积增产分省比例　（％）　面积增产占增产的比重　（％）　

５５２　１０．８　６９　

８　

０．２　８　

４０３　

７．９　６５　

１１　

０．２　

９８　

１．９　

３６２　

７．１　

２８６　

５．６　

６８．８　１１．２　９８．１　６５．３　

688

水稻总产量　变化　（像元数）　

增加　减少　

增加占变化的比例　（％）　增加占比　（％）　减少占比　（％）　

水稻种植　增加　面积变化　减少　（像元数）　增加占变化比例　（％）　

增加占比　（％）　减少占比　（％）　

水稻种植　面积减少减产　面积变化与　面积减产分省比例　（％）　总产量变化的　面积减产占减产的比重　（％）　空间对应　面积增加增产　（像元数）　面积增产分省比例　（％）　

面积增产占增产的比重　（％）　

水稻总产量　变化　（像元数）　

增加　

减少　

增加占变化的比例　（％）　增加占比　（％）　减少占比　（％）　

水稻种植　增加　面积变化　减少　像元数）　增加占变化比例　（％）　（

增加占比　（％）　减少占比　（％）　

水稻种植　面积减少减产　面积变化与　面积减产分省比例　（％）　总产量变化的　面积减产占减产的比重　（％）　空间对应　面积增加增产　（像元数）　面积增产分省比例　（％）　

面积增产占增产的比重　（％）　

地理学报68卷

２７５　１１４　７０．７　２．９　２．８　６２　７４１　７．７　１．１　１０．９　１０７　３　１４．４　５８　１．１　２１．１　

７０　２６　７２．９　０．７　０．６　　８３　　　１．２　２６　０．８　３１．３　　　　

２７６　４６９　１７９　４７７　６０．７　４９．６　２．９　５　４．３　１１．５　３２　２１８　１７９　４７７　１５．２　３１．４　０．６　４　２．６　７　５６　２８１　１．６　８．２　３１．３　５８．９　３２　２１８　０．６　４．３　１１．６　４６．５　

３２１　２２　９３．６　３．４　０．５　６２　１３５　３１．５　１．１　２　２２　０．６　１６．３　６２　１．２　１９．３　

续表１　

６０９　７８　８８．６　６．５　１．９　２３２　３６０　３９．２　４．２　５．３　７５　２．２　２０．８　２３２　４．５　３８．１　８８４　１２４　８７．７　９．４　３　２４６　２９２　４５．７　４．５　４．３　１１７　３．４　４０．１　２４５　４．８　２７．７　２４　１０３６　２．３　０．３　２５　２３　８９２　２．５　０．４　１３．１　８０２　２３．３　８９．９　１　　４．２　

１９７　１　

７７　　７１．９　１００　２．１　　１．９　　２９　　２１９　　１１．７　　０．５　　３．２　　６５　　１．９　　２９．７　　２９　　０．６　　１４．７　　

２７　３　　６１　

２８　　　３　４９．１　１００　　９５．３　０．３　　　０．６　０．７　　　０．１　１１　　４４　５４　５４　６２５　２２　４　１６．９　　６６．７　９３．１　０．２　　０．８　１　０．８　９．２　０．３　０．１　２７　　　３　０．８　　　０．１　５０　　　７５　１０　　　５４　０．２　　　１．１　３７　　　８８．５　

１１　

　１００　０．１　　４　６８　５．６　０．１　１　　　　４　０．１　３６．４　

江、江西和安徽，分别占高度增加量的13.7%、13.3%、10.4%、10.2%和10.1%。近30年水稻总产增加量主要集中于黑龙江、吉林、江苏、江西和湖南，5省增加量占总产增加量的52.9%；减少量主要集中于广东、福建、浙江和四川，5省减少量占总产减少量的65.3%。

持续增加区占变化比例的31.5%，主要分布较多省份为黑龙江和吉林；波动不稳定区为32.9%，分布较多省份有四川、广东和江苏；恢复区占22.2%，主要分布于江西、湖南和湖北；持续减少区占13.4%，主要分布于浙江、福建、广东(图7b)。三个时段的产量减少区分布，1980-1990年产量减少区零星分布于江西、湖南、湖北、安徽等地；1990-2000年的产量减少区大量分布于江西、湖南、湖北、安徽、江苏和四川等地；2000-2010年则主要分布于东南沿海、京津地区及四川盆地。三个时段的产量增加区分布，1980-1990产量增加区主要分布于安徽、浙江、福建、广东和辽宁等省；1990-2000年则主要分布于江苏中部、安徽南部、黑龙江及四川盆地；2000至今主要分布于东北地区、长江中下游平原区和四川盆地。

5期刘珍环等：近30年中国水稻种植区域与产量时空变化分析689

图71980-2010年中国水稻总产变化的空间分布

Fig.7ThespatialchangesofriceproductioninChinaduring1980-2010

图81980-2010年中国水稻面积变化对总产影响的空间分布(a)及重心迁移轨迹(b)

Fig.8Thespatialdistributionofriceareachangeimpactonproduction(a)andgravitycentrechange(b)inChina

during

1980-2010

4讨论

4.1水稻面积变化对总产影响的空间特征

近30年中国水稻种植面积与总产量空间变化表明，水稻种植面积变化对总产增减具有决定性影响，面积扩展而增产占全部增产量的54.5%，面积萎缩而减产则占全部减产量的83.2%，水稻总产量增加受面积变化与单产提升、气候变化、农资投入水平等非面积因素的双重影响，而水稻总产量减少则大部分应归因于面积减少(表1)。在省级水平上，种植面积减少而减产有显著差异。种植面积萎缩而总产减少占总产量减少超过50%的地区有13省份，减产地区有两种面积减少类型，即城市化占用耕地包含上海、江苏、浙江、福建、广东、北京，或是更换作物导致种植面积减少包含四川、河北、山西、安徽、河南、陕西、宁夏等。种植面积扩展而总产增加占增产像元数超过50%有11

个地区，包括河

690地理学报68卷

北、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、福建、山东、河南和宁夏，增加量最大是中国最北端的黑龙江，其次是吉林和江苏。面积萎缩而减产与面积扩张而增产的空间分布具有显著差异性，面积萎缩减产主要分布于珠三角地区、福建、浙江、上海和江苏南部地区，整体位于东南沿海地区，这5个地区的占全国面积萎缩减产变化量的62.3%；面积扩展增产主要分布在东三省的松嫩平原和三江平原地区、山东境内黄河下游部分地区、江苏北部和安徽中南部，整体位于中国北部地区，这6个地区占全国面积扩展增产变化量的71.7%(图8a)。

4.2水稻重心的迁移趋势

水稻种植重心整体向东北移动，30年间移动直线距离达到229.33km，累积距离为255.34km；水稻总产的迁移直线距离为323.38km，而累积距离为324.7km，水稻总产重心的迁移距离和幅度显著高于种植重心(图8b)。1980年水稻种植重心在湖南汨罗境内。1980-1990年水稻种植重心向东北移动83.15km，1990-2000年种植重心继续移动84.84km，2000以来则移动87.35km，到达湖北武汉市武昌境内，3个时期移动距离和幅度大致相近。与之对应的水稻生产重心，1980-1990年向东北迁移75.36km，1990-2000年继续迁移100.76km，2000年以来迁移148.58km，重心从湖南平江县迁移至湖北红安县北部。水稻种植与产量重心同向，这一趋势与我国粮食产量和耕地重心的迁移规律不一致，刘彦随等人[28]研究表明粮食产量重耕地重心表现为“北进中移”，而水稻的迁移规律则表现为“北进东移”态势。我国水稻的分布主要集中于两个端，一是南方秦岭淮河以南的广大南方地区，一是我国东北的三省粮食主产区。总体重心在南部，但随着近30年来东北地区的水稻扩展和产量提升，总产与种植重心在距离上显著拉大，1980年种植重心与产量重心距离为56.83km，而2010年这一距离扩大到112.04km，这与水稻种植面积变化对总产影响的空间分布特征一致。此外我国北方水稻除面积扩展之外，其它生产要素投入，特别是进入21世纪以来单产也大幅提升也极大促进了总产提升，导致种植重心与总产重心的距离扩大。

5结论

本研究运用交叉信息熵原理，建立SPAM-China的作物空间分配模型，获取了1980-2010年间四个时期水稻种植面积与总产的空间分布，并分析了其变化特征：

(1)水稻种植面积和总产的时空变化特征。在全国水稻种植区域内发生变化的地区中有超过50%的地区水稻种植面积出现缩减态势，但仍有近70%的地区水稻产量在增加。种植面积保持持续增长的区域分布于黑龙江、吉林和山东等我国北方地区；持续减少种植区分布于城市化较快的浙江、福建和广东。水稻总产量持续增长和减少受种植区面积变化的影响在空间上较一致，但产量增加表现为面积与非面积因素的共同作用，数据显示种植面积扩展对水稻增产的平均贡献率约54.5%，而在产量减少的区域，面积缩减对减产的贡献率高达80%以上。

(2)空间变化来看，种植面积缩减主要发生在东南沿海的广东、福建和浙江等省，而增加主要出现在东北地区的吉林和黑龙江等省，我国水稻种植重心因此向东北方向迁移约230km，产量重心向东北迁移约320km。水稻种植与产量重心具有同向性，迁移规律表现为“北进东移”态势，但水稻总产重心的迁移距离和幅度显著大于种植面积重心。

此外，研究采用的作物分配模型还有很大改进空间，未来将在这一类问题上继续深化：

(1)SPAM-China模型模拟结果的时空分辨率。SPAM-China模型基于多源数据，为历史农作物数据的空间分布提供了一个有效的平台，但也存在一些问题有待进一步推进其精

5期刘珍环等：近30年中国水稻种植区域与产量时空变化分析691

度。本研究中水稻种植面积及总产空间分布的分辨率约为10km，结果略显粗糙，受限于

多源数据的空间分辨率集成，包括耕地数据、作物适宜性空间分布等数据。未来通过提高多源数据的空间分辨率提升模拟结果的空间分辨率。

(2)SPAM-China模型结果的验证与比较。数据精度验证一直是空间数据，特别是历史空间数据验证的难题[29]，目前尚未有较好的我国大尺度农作物空间分布数据，更多是耕地空间分布数据[30]，因此研究结果验证较为困难，本研究中只验证了部分数据的精度，采用与其它数据集进行空间对比方法。未来数据精度验证拟从地面样点布设开始，形成样点空间数据集，长期监测样点变化，以期为数据精度验证提供可靠的基础。参考文献(References)

[1]TurnerBL,LambinEF,ReenbergA.Theemergenceoflandchangescienceforglobalenvironmentalchangeand

sustainability.ProceedingsoftheNationalAcademyofScience,2007,104(52):20666-20671.

[2]TangHuajun,WuWenbin,YangPengetal.Recentprogressesinmonitoringcropspatialpatternsbyusingremote

sensingtechnologies.ScientiaAgriculturaSinica,2010,43(14):2879-2888.[唐华俊,吴文斌,杨鹏等.农作物空间格局遥感监测研究进展.中国农业科学,2010,43(14):2879-2888.]

[3]PortmannFT,SiebertS,DöllP.MIRCA2000-Globalmonthlyirrigatedandrainfedcropareasaroundtheyear2000:A

newhigh-resolutiondatasetforagriculturalandhydrologicalmodeling.GlobalBiogeochemicalCycles,2010,24(1):GB1011.

[4]WuWenbin,YangPeng,ZhangLietal.AccuracyassessmentoffourgloballandcoverdatasetsinChina.Transactions

oftheCSAE,2009,25(12):167-173.[吴文斌,杨鹏,张莉等.四类全球土地覆盖数据在中国区域的精度评价.农业工程学报,2009,25(12):167-173.]

[5]BiradarCM,ThenkabailPS,NoojipadyPetal.Aglobalmapofrainfedcroplandareas(GMRCA)attheendoflast

millenniumusingremotesensing.InternationalJournalofAppliedEarthObservationandGeoinformation,2009,11(2):114-129.

[6]ThenkabailPS,BiradarCM,NoojipadyPetal.Globalirrigatedareamap(GIAM)derivedfromremotesensing,for

theendofthelastmillennium.InternationalJournalofRemoteSensing,2009,30(14):3679-3733.

[7]RamankuttyN,EvanAT,MonfredaCetal.Farmingtheplanet:1.Geographicdistributionofglobalagriculturallands

intheyear2000.GlobalBiogeochemicalCycles,2008,22(1):GB1003.

[8]MonfredaC,RamankuttyN,FoleyJA.Farmingtheplanet:2.Thegeographicdistributionofcropareasandyieldsin

theyear2000.GlobalBiogeochemicalCycles,2008,22(1):GB1022.

[9]YanHuimin,LiuJiyuan,CaoMingkui.RemotelysensedmultiplecroppingindexvariationsinChinaduring1981-2000.

ActaGeographicaSinica,2005,60(4):559-566.[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.地理学报,2005,60(4):559-566.]

[10]LinGCS,HoSPS.China'slandresourcesandland-usechange:ndUse

Policy,2003,20(2):87-107.

[11]LiuChengwu,LiXiubin.RegionaldifferencesinthechangesoftheagriculturallanduseinChinaduring1980-2002.

ActaGeographicaSinica,2006,61(2):139-145.[刘成武,李秀彬.1980年以来中国农地利用变化的区域差异.地理学报,2006,61(2):139-145.]

[12]VerburgPH,NeumannK,NolL.Challengesinusinglanduseandlandcoverdataforglobalchangestudies.Global

ChangeBiology,2011,17(2):974-989.

[13]XiaoX,BolesS,LiuJetal.MappingpaddyriceagricultureinsouthernChinausingmulti-temporalMODISimages.

RemoteSensingofEnvironment,2005,95(4):480-492.

[14]FrolkingS,QiuJ,biningremotesensingandgroundcensusdatatodevelopnewmapsofthe

distributionofriceagricultureinChina.GlobalBiogeochemicalCycles,2002,16(4):1091.

[15]LeffB,RamankuttyN,FoleyJA.Geographicdistributionofmajorcropsacrosstheworld.GlobalBiogeochemical

Cycles,2004,18(1):GB1009.

[16]YouL,WoodS.Anentropyapproachtospatialdisaggregationofagriculturalproduction.AgriculturalSystems,2006,

90(1):329-347.

[17]LiuJ,FritzS.vanWesenbeeckCFAetal.Aspatiallyexplicitassessmentofcurrentandfuturehotspotsofhungerin

Sub-SaharanAfricainthecontextofglobalchange.GlobalandPlanetaryChange,2008,64(3):222-235.

[18]YouL,WoodS,Wood-SichraU.GeneratingplausiblecropdistributionmapsforSub-SaharanAfricausingaspatially

692地理学报68卷

disaggregateddatafusionandoptimizationapproach.AgriculturalSystems,2009,99(2):126-140.

[19]ZhangX,WangD,FangFetal.FoodsafetyandriceproductioninChina.ResourceAgriculturalModernization,

2005,26(1):85-88.

[20]FangXiuqi,ShengJingfen.Humanadaptationtoclimatechange:Acasestudyofchangesinpaddyplantingareain

HeilongjiangProvince,JournalofNaturalResources,2000,15(3):213-217.[方修琦,盛静芬.从黑龙江省水稻种植面积的时空变化看人类对气候变化影响的适应.自然资源学报,2000,15(3):213-217.][21]HijmansR.RelocatingriceproductioninChina.RiceToday,2007,6(4):26.

[22]LiPeng,FengZhiming,JiangLuguangetal.ChangesinricecroppingsystemsinthePoyangLakeRegion,China

during2004-2010.JournalofGeographicalSciences,2012,22(4):653-668.

[23]ZhangGuoping,LiuJiyuan,ZhangZengxiang.Spatial-temporalchangesofcroplandinChinaforthepast10years

basedonremotesensing.ActaGeographicaSincia,2003,58(3):323-332.[张国平,刘纪远,张增祥.近10年来中国耕地资源的时空变化分析.地理学报,2003,58(3):323-332.]

[24]Availableat/.2012-07.[数据来源/.2012-07.]

[25]YouL,WoodS.Assessingthespatialdistributionofcropproductionusingacross-entropymethod.International

JournalofAppliedEarthObservationandGeoinformation,2005,7(4):310-323.

[26]YouL,WoodS.Assessingthespatialdistributionofcropproductionusingacross-entropymethod.EPTDDiscussion

Paper126,2004.InternationalFoodPolicyResearchInstitute,Washington,DC,USA.

[27]DaweD,FrolkingS,Li.Trendsinrice-wheatareainChina.FieldCropsResearch,2004,87(1):89-95.

[28]LiuYansui,WangJieyong,GuoLiying.Thespatial-temporalchangesofgrainproductionandarablelandinChina.

ScientiaAgriculturaSinica,2009,42(12):4269-4274.[刘彦随,王介勇,郭丽英.中国粮食生产与耕地变化的时空动态.中国农业科学,2009,42(12):4269-4274.]

[29]XiaoX,BolesS,FrolkingSetal.MappingpaddyriceagricultureinSouthandSoutheastAsiausingmulti-temporal

MODISimages.RemoteSensingofEnvironment,2006,100(1):95-113.

[30]LiuJiyuan,ZhangZengxiang,XuXinliangetal.SpatialpatternsanddrivingforcesoflandusechangeinChinain

theearly21stcentury.ActaGeographicaSinica,2009,64(12):1411-1420.[刘纪远,张增祥,徐新良等.21世纪初中国土地利用变化的空间格局与驱动力分析.地理学报,2009,64(12):1411-1420.]

Spatial-temporalchangesofriceareaandproduction

inChinaduring1980-2010

LIUZhenhuan1,LIZhengguo1,TANGPengqin1,LIZhipeng1,WUWenbin1,YANGPeng1,YOULiangzhi2,TANGHuajun1

(1.InstituteofAgriculturalResourcesandRegionalPlanning,ChineseAcademyofAgriculturalSciences/

KeyLaboratoryofAgri-informatics,MinistryofAgriculture,Beijing100081,China;

2.EnvironmentandProductionTechnologyDivision,InternationalFoodPolicyResearchInstitute,

2033KStreet,NW,Washington,DC20006,USA)

Abstract:RiceisoneofthemostimportantstaplesinChina.Rice'sspatial-temporaldistributions,whicharevitaltoagricultural,environmentalandfoodsecurityresearch,areaffectedbynaturalconditionsaswellassocial-economicdevelopments.Inrecentyears,mostofagriculturallandusechangestudiesarefocusedoncultivatedlandchangeanditsimpact,whilefewarefocusedonarablecropareachangebecausecropsownareaestimatesarebasedonstatisticsbyadministrativeunits,andsuchdatalackaccurateinformationonspatialandtemporalvariations.Otherestimatesarebasedonremotesensing,suchdatalimitedbyspatialresolutionwhichisdifficulttocapturethefinerinformationofcrops.Thus,multi-sourcedataintegrationhasbecomeaneffectivewaytodeterminespatialdistributionsofcrops.SpatialProductionAllocationModel(SPAM)isamulti-sourcedataintegrationmodelthatintegratedarablelanddistribution,administrativeunitstatisticsofcropdata,agriculturalirrigationdata,

5期刘珍环等：近30年中国水稻种植区域与产量时空变化分析693

andcropsuitabledata.Itappliedacross-entropymethodtoallocatethestatisticsdataofcrop

areaandproductiondowntosuchafinespatiallocation,suchasapixel.ThisresearchusestheSPAM-Chinamodeltogetaseriesofspatialdistributionsofriceareaandproductionwitha10-kmpixelatnationalscale,basedonlong-termcounty-andprovince-levelagriculturalstatisticssincetheearly1980s,andthen,analyzesthepatternofspatialandtemporalchanges.TheresultsshowthattherearesignificantchangesinriceinChinaduring1980-2010.Overall,morethan50%ofriceareadecreased,whilenearly70%ofriceproductionincreasedinthechangeregionduring1980-2010.Spatially,mostoftheincreasedareaandproductionwereinNortheastChina,especially,inJilinandHeilongjiang,mostofthedecreasedareaandproductionwerelocatedinsoutheasternChina,especially,inrapidlyurbanizedprovincesofGuangdong,FujianandZhejiang.Thus,thecentroidofriceareawasmovedtonortheastapproximately230kmsince1980,andriceproductionaround320km,whichmeansriceproductionmovesnortheastwardfasterthanriceareabecauseofthesignificantriceyieldincreaseinNortheastChina.Theresultsalsoshowthatriceareachangehasadecisiveimpactonriceproductionchange.Approximately54.5%oftheincreaseinriceproductionisduetotheexpansionofsownarea,whilearound83.2%ofthedecreaseinriceproductionisduetoshrinkageofricearea.Thisimpliesthatriceproductionincreasedmaybeduetoareaexpansionandothernon-areafactors,butreducedriceproductioncouldlargelybeattributedtoriceareadecrease.

Keywords:ricedistribution;spatialproductionallocationmodel;spatial-temporalchanges;China

本文来源：https://www.bwwdw.com/article/xtim.html