中国粮食主产区农业韧性的空间分异、演化特征与驱动力*

王瑞雪，陈建成，方宜亮，李民桓

（北京林业大学经济管理学院，北京 100091）

一、引言

“洪范八政，食为政首”，农业在国民经济中占据基础性地位，在粮食安全方面尤为突出。随着新冠疫情的暴发，农业生产的风险也日益复杂和多元。一方面，全球粮食安全系统的弱点逐渐显露，冲突、极端天气、经济减速及衰退因素给粮食安全带来严重威胁，粮食生产的稳定性面临严峻挑战；另一方面，基于过去长期城乡二元经济结构的特殊性，我国农业农村发展基础薄弱，仍处于对现代化农业的探索时期，农业生产具有一定程度的脆弱性。面对风险时，各地区均结合地缘特点制定了相应的应对策略与应急预案，以最大程度地降低风险后果并快速恢复农业正常生产活动，而不同地区的承受能力与恢复周期不同，取得的效果也不同。新时期如何提高粮食主产区农业韧性，在生产端保障粮食安全，始终是关系国计民生、社会安全与独立自主的重要战略性问题。

韧性（resilience）源自于物理学概念，指物体柔软不易折断的性能。加拿大生态学家Holling（1973）最早将其概念跨学科应用到生态学领域，后广泛应用于其他自然科学与社会科学中，主要表示研究主体抗干扰与自我恢复能力。不同学科的学者根据各学科特点对韧性的概念作了相应的阐述（苏杭，2015），如在土壤学中，韧性指在受到环境污染、恶劣天气等因素的影响时，土壤抵抗或恢复健康质量的能力；在气候学中，韧性指气候系统在面对气候变化、极端天气时恢复正常的能力；在城市学中，韧性指城市自身面对内部城市弊端和外部自然灾害时所体现的防范与恢复能力（郑艳等，2018）；在经济学中，韧性指一个经济体（包括个人、家庭、地区和国家等）在应对外部冲击和风险时调整自身发展路径的能力（裴长洪等，2020；唐任伍等，2022）。随着韧性理念的深入研究，其内涵不断丰富。近年来，少数学者将韧性概念引入到农业发展中，农业本身的脆弱性使其韧性的内涵更为复杂，往往与农业现代化水平存在耦合协调的关系，主要反映农业的生产、生态、经济在面对破坏性事件和环境灾害时，妥善应对冲击并从中复原的能力（何亚莉等，2021）。

目前学界主要通过定性与定量两种方法对主体韧性进行评价，其中定性方法通常作为辅助性工具结合实际情况对主体特征与发展条件进行描述性评价（Magar D 等，2021）。定量方法是韧性评价的主要方法，通过量化指标与数理叠加，能更科学精确地反映主体韧性程度，定量评价方法主要包括两种。一是指标体系法，即通过文献梳理与多维度考量，构建系统性指标对研究主体的发展状态进行测算评估（李正兆等，2022；方叶林等，2022）。如于伟等（2019）基于我国农业发展韧性有赖于农业系统自身的抵抗力，构建了包括农业生产、农业生态和农业经济三个方面指标的农业发展韧性指标体系，并对各地区农业发展韧性进行分解与排序，研究表明，中国农业发展韧性存在显著的空间差异，其中东部沿海地区的农业发展韧性度较高，农村教育水平、产业结构升级、农均播种面积等因素对农业韧性时空分异格局具有较大影响。张明斗等（2022）、蒋辉等（2022）则从抵抗力、调节力、重构力角度出发，根据经济基础、社会要素、生产条件、金融支持、经济增长、技术进步、社会治理等维度对农业经济韧性进行定量评价，认为中国西部地区的农业经济韧性显著低于其他地区，且政府支持、农业基础设施建设、市场规模及环境规制等显著影响中国农业经济韧性。有学者则以河北省为例，通过构建抗旱性评估模型对农业旱灾系统韧性进行评价，中部平原地区的抗旱韧性较高，而西部山区和丘陵地区的抗旱韧性相对较低，地区经济能力对农业系统抗旱韧性具有重大影响（Shang 等，2011）。郝爱民等则从抵抗力、恢复力、变革力的角度突破性地构建了粮食体系韧性，验证了数字乡村建设的重要性（郝爱民等，2022）。二是核心变量法，即集中选取反映主体受冲击的程度的核心变量，直接表现主体遭受影响的程度与恢复能力，如失业率、产量及贸易额等（Han等，2018）。

综上所述，探索我国粮食主产区农业韧性有助于优化粮食生产格局，激发农业发展的内生动力，对我国乃至全球粮食安全具有重要的政策与现实意义（高鸣等，2021）。我国近几年关于韧性的研究发展迅速，广泛涉及多个学科领域，但对农业韧性的研究尚处于起步阶段，对粮食主产区农业韧性的研究更是薄弱，无论是理论内涵辨析还是指标体系测算方面均需进一步探索。基于此，本文首先采用相对成熟的熵值法，在构建嵌套矩阵的基础上把握推演中国粮食主产区农业韧性的测度指标与权重；其次，运用泰尔指数对农业韧性进行差异化分解；最后，构建空间面板数据模型，进行农业韧性驱动因子识别。本文主要拓展与创新点在于：第一，拓展研究视角，以我国粮食主产区为研究样本，从新的角度探索粮食安全问题。第二，优化模型测度方法。在构建空间计量模型时采用空间经济距离嵌套矩阵，综合考虑地区空间地理距离特征与经济条件属性，增强指标权重赋值的科学性；第三，丰富指标体系，在鲜少有学者研究农业韧性的背景下，从农业生产、经济、社会、生态的维度构建指标体系，增强参考价值。本文从农业整体韧性的角度出发，把研究时间延伸至10年范围，并对粮食主产区农业韧性的驱动因子进行识别，以期为农业维稳与粮食安全提供理论参考。

二、研究方法与数据来源

（一）熵值法

为更客观地解释粮食主产区农业韧性体系的指标，本文采用熵值法对各指标的权重进行修正完善。

1.数据的标准化

由于农业韧性体系中各指标的量纲不同，正、负指标的意义也不同，首先对各指标进行标准化处理（刘云菲等，2021）。本文将原始指标数据归一化到映射区间[0，1]内，基于选取的m个研究省份，n个评价指标（本文m=13，n=16），xij表示第i个省份主体的第j个指标值（其中i=1，2，…，m；j=1，2，…，n），ymax、ymin分别表示所需映射区间的最大值与最小值，x'ij表示原始数据无量纲化处理后的标准化取值。

正向指标表示数值越大越优：

负向指标表示数值越小越优：

2.指标权重的构建

为减少对指标主观赋权带来的误差，在数据标准化的基础上，计算第i个研究样本第j项评价指标的权重Pij：

第j项指标的信息熵Ei j为：

第j项指标的权重Wi j为：

第i个样本的综合韧性度评价值Ri为：

（二）泰尔指数及其分解

泰尔指数常用来衡量个人或地区等研究主体之间收入差距（或不平等程度）的重要指标，本文采用泰尔指数分析粮食主产区农业韧性的空间分异程度，泰尔指数的取值通常介于0 到1 之间，数值越小，表示区域间差异越小；数值越大，表示区域间差异越大。农业韧性泰尔指数可表示为：

式中，T为衡量农业韧性测度值的泰尔指数，ν i表示第i个区域的农业总体韧性值，ν表示全部区域的总体农业韧性值。μ i表示第i个区域的乡村人口数，μ表示全部区域的总体乡村人口数。

区域间的组间数据Tb和区域内的组内数据Tw可分解为：

（三）空间杜宾模型

在粮食主产区农业韧性时空演变的动态驱动机制中，其驱动因子及影响因素可能涉及多个方面，采用空间杜宾模型（SDM）能相对科学合理地探测其影响机理与驱动要素。鉴于农业韧性研究中兼具距离因素与经济因素，本文将空间邻接距离矩阵与经济矩阵有机结合，使用地区间距离作为距离要素、地区人均GDP作为经济要素进行计算，构建基于嵌套模型的空间杜宾模型（王守坤，2013）。因此，农业韧性的空间杜宾模型如下：

式中，yit代表i省t期农业韧性水平；c不受个体特征影响的截距项；ρ为相应的系数向量；xit为自变量；Wijyit和Wijxjt分别为农业韧性和各影响因素滞后项；α和β为空间滞后系数；γi、δt、εit分别为空间固定效应、时间固定效应与随机误差项。

（四）指标体系的构建

农业韧性是一个综合性概念，目前没有统一的评价标准。基于相关的理论基础与系统性分析，遵从农业韧性内涵及应具备的核心能力，结合数据的科学性与可得性，构建具有可操作性、系统性的评价指标体系。将农业农村的生产、经济、社会和生态子系统作为准则层，对每个子系统在农业农村发展中面对外部风险与内部灾害冲击时所具备的韧性程度进行评判。

综合参考相关学者对韧性的定义（孙久文等，2017；唐任伍等，2022）、对农业系统体系韧性的评估（于伟等，2019）、韧性理论下农业系统抵抗风险与恢复能力的研究等（Shang 等，2011；蒋辉等，2022），结合粮食主产区的实际情况与数据的科学性与可得性，本文聚焦粮食生产端，从生产韧性、经济韧性、社会韧性与生态韧性四个维度，基于供需能力与投入产出视角，选取16个指标对农业韧性进行测度。一是农业生产韧性，主要表现为农业生产面对破坏性事件与灾害时抵抗与恢复的能力，是社会生产力与自然生产力结合背景下维持正常生产的能力，其发展水平通常从农机资料投入、农业产出能力等维度测度，围绕粮食主产区农业韧性的研究主体，本文选取耕地有效灌溉率、农业机械动力水平、农均粮食拥有率、土地生产率指标衡量（牛文浩等，2022）；二是农业经济韧性，主要表现为农业农村主体面对冲击带来的经济风险时的应对能力，涉及到政治政策环境、社会治理环境、经济环境等多因素复合系统，可通过地方政府对农业财政支持情况、农业经济产出效益水平等指标考量，细分为国家和地方制度政策与管理韧性、基础设施韧性、产业韧性、财政韧性等，本文分别选取农均农林牧渔业固定资产投资、农村基础设施建设、农均第一产业总产值、农村居民收入水平指标来衡量（李晋等，2021）；三是农业社会韧性，主要表现为农业生存环境在受到外界冲击与干扰后保持或恢复原本结构、特征及运行模式的能力，结合区域主体研究背景来看，农村产业经济与福利保障是影响农民生存优质化与生活现代化的重要因素，反映对农业产业与生活发展利好的一面，而社会资源支撑、乡风文明建设分别代表了农业社会抵抗冲击能力与恢复能力，因此，本文选取城镇化率、乡村人口占总人口比重、乡村文化站覆盖率、乡村医疗水平指标衡量农村社会韧性（唐皇凤等，2019）；四是农业生态韧性，主要表现为农业产业系统面对资源环境变化时的应对与化解能力，集中于人类行为、植被情况及气候变化等维度，且由于现代农业生态系统受自然规律和人类活动的双重影响，需在人为干扰背景下解构影响农业生态系统韧性的主要因素，因此，本文从化学品投入、资源禀赋与成灾情况等角度出发，分别选择农业绿色投入、自然资源条件作为衡量人为干扰和自然环境的指标，选取化肥施用强度、农药施用强度、森林覆盖率、农作物成灾率指标进行衡量（朱媛媛等，2021）。具体如表1所示。

表1 粮食主产区农业韧性评价指标体系及指标权重

（五）数据来源

研究粮食主产区农业韧性有助于确保农业稳定持续增长，优化农业生产布局，提升农业发展内生动力。结合其自身特点，根据科学性、全面性和可得性的数据选取原则，本文全部数据均取自于《中国统计年鉴2012—2021》《中国农村统计年鉴2012—2021》《中国环境统计年鉴2016—2019》及《中国城乡建设统计年鉴2020》和各省（区、市）年度统计年鉴、统计公报；个别缺失数据通过插值法补齐；相关经济指标均作了消胀处理。

三、中国粮食主产区农业韧性空间分异及演化特征

（一）空间分异分析

1.整体性分析

中国粮食主产区农业韧性空间差异的整体性分析主要用于揭示各地区韧性度空间分布规律以及描述不同现象之间的空间联系特征等，结果如表2所示。

表2 2011～2020年中国粮食主产区农业韧性的综合测算结果

根据对中国粮食主产区农业韧性的指标体系构建与测算，可得粮食主产区2011年至2020年的农业韧性值，并绘制出其总体变动趋势图，如图1所示。整体而言，中国粮食主产区的农业韧性呈逐年优化趋势，与2011年相比，其间所有地区的农业韧性明显得到提升，说明中国粮食主产区的农业韧性呈良性发展状态，抵抗风险能力显著增强。近年来，乡村振兴战略稳步推进，有效普及了一系列惠农补贴政策，一方面，极大地推动了农业生产的机械化和现代化水平的提升，为农业发展提供了强大的动力支撑；另一方面，农业经济建设稳步提升，各地区不断探索农业产业结构的优化升级，切实激发了农业农村内生发展活力。此外，技术投入、人力资本提升及互联网运用也增强了粮食主产区农业抵御风险的能力，农业韧性得到显著提高。

图1 2011～2020年中国粮食主产区农业韧性均值变动趋势

为了更鲜明地呈现我国粮食主产区农业韧性空间分异特征，本文通过参考相关文献（张明斗等，2022；谭俊涛等，2020），采用ArcGIS10.7 自然间断点分级法，并结合各地区的实际情况，将其农业韧性水平划分为四种类型，即缺乏韧性（韧性值≤0.200）、低度韧性（0.200 ＜韧性值≤0.350）、中度韧性（0.350 ＜韧性值≤0.500）、高度韧性（韧性值＞0.500），据此标准，对我国粮食主产区2011年和2020年的农业韧性水平类型加以划分（见表3）。

表3 粮食主产区农业韧性水平类型划分

从不同省份农业韧性均值的具体演变来看，黑龙江、内蒙古和江苏的农业韧性均值较高，分别为0.460、0.399和0.393。黑龙江作为全国最大的农业标准化生产基地，主要粮食作物的规模化栽培面积高达1.7亿亩，是国家粮食安全的压舱石；内蒙古的畜牧业较为发达，随着电商产业的发展，内蒙古的特色农副产品拓宽了销路，边际效益稳步提升；而江苏作为经济实力较强的粮食主产区，农业现代化水平和生产力水平较高，农业韧性相对较强。然而，同样作为粮食大省的河南和安徽，农业韧性均值却最低，分别为0.286 和0.294。在致力于推动农业现代化的背景下，很多粮食大省发展非常不平衡，甚至长期处于“产粮大省”与“农业财政穷省”的两难境地，严重挫伤了地区农业生产积极性，如在中部六省中，河南省的GDP总值虽高，但人口基数较大，农村居民可支配收入、农均粮食拥有率、农均农林牧渔固定资产投资、农村基础设施建设水平、城镇化水平等相对较低，均影响了农业整体韧性。此外，地区城乡经济发展水平差距加大，劳动力流失与老龄化严重等现象，也阻碍了各地区农业韧性的发展。

2.区域性分析

基于各粮食主产区的资源禀赋、区位条件，参照中国经济区域划分标准，将我国13个粮食主产区划分为东部、中部、西部和东北四个区域。其中，东部地区一般包括河北、江苏和山东，中部地区一般包括安徽、江西、河南、湖北和湖南，西部地区一般包括四川和内蒙古，东北地区一般包括辽宁、吉林和黑龙江。2011～2020年各地区农业韧性均值的动态变动趋势如图2所示。

图2 2011～2020年中国粮食主产区分地区农业韧性均值变动趋势

总体而言，东北地区的农业韧性均值明显高于粮食主产区整体平均水平，作为目前国内人均耕地面积最大的地区，东北地区地势相对平坦、土壤肥力优渥，适合规模化运作，整体机械化水平高；东部地区经济发达，交通便利，且水利十分发达，有利于农业发展；西部地区农业资源、优势特色农业丰富，在“互联网+”、乡村旅游快速发展的背景下，农业韧性得到有效提升；然而，与传统认知相左的是，中部地区的农业韧性均值最低。中部地区是我国重要的粮食生产基地，对国家粮食与农产品安全有着举足轻重的意义，但中部地区经济结构中农业比重较高，财政收入的提升空间很大，基础设施建设不足，招商引资较为困难，反而制约了其现代化农业发展进程。

具体而言，西部地区的生产韧性较高，社会韧性偏低，主要是由于西部地区地域十分辽阔，具有丰富的特色农业资源与生物资源，人均农业耕地占有量较高，但西部自然与生态环境条件较差，城镇化率低，导致生产韧性与社会韧性差异较大；而东部地区的社会韧性显著高于其他地区，但生态韧性偏低，主要是由于东部地区地理位置优越，经济发展迅速，农业社会现代化水平较高，但二三产业的高速发展也带来一系列的生态问题；东北和中部地区的农业韧性均值与粮食主产区均值相差不大，但生产韧性还有一定发展空间，这可能与近年来东北地区耕地撂荒现象有关。

3.差异化分解

为进一步分析粮食主产区农业韧性的空间差异，并对该差异来源进行分解识别，本文通过计算粮食主产区的东部、中部、西部及东北部区域的泰尔指数，分析全国差异、组内差异及组间差异，并对组内、组间及各地区的贡献率进行深入解释。

表4为2011～2020年我国粮食主产区农业韧性发展差距的泰尔指数评测结果。从总体发展差距趋势看，中国粮食主产区的总体、组内与组间泰尔指数降幅明显，这意味着虽然各地区的农业韧性差距仍然存在，但区域间的差距明显缩小。与此同时，与组间差距相比，组内差距对总体差异的贡献率更大，且波动更为明显，这意味着中国粮食主产区的农业韧性差距主要源于区域内差距。因此，需要进一步对各地区内部的农业发展状况进行研究。

表4 2011～2020年粮食主产区农业韧性的泰尔指数及其分解

在四大区域内部，农业韧性发展差距泰尔指数的差异明显。具体而言，东部、中部和西部地区的泰尔指数变化相对稳定，在2011～2020 年间基本呈持续下降趋势，其中中部地区的泰尔指数相对较高，发展相对平缓，西部地区的泰尔指数最低，而东北地区的泰尔指数波动频繁，尤其是2015 至2016年振幅较大，这可能与东北地区整体的经济低迷有关，而2017年，随着东北振兴“十三五”规划的有序进行，经济增长逐渐平稳，区域间差距明显缩小。这意味着各地区需自觉对标找差，加快补齐短板，为此，应增强合作意识，注重资源跨区调配，提高资源的优化配置，缩小区域发展差距。

（二）时空演变分析

为了更直观地研究农业韧性的时空演变特征，本文利用ArcGIS10.7对我国13个粮食主产区的农业韧性进行绘图。结果如图3所示。

图3 中国粮食主产区农业韧性时空演变趋势

由图3可知，2011～2020年粮食主产区的农业韧性总体呈上升趋势，由2011年2个缺乏韧性区、9个低度韧性区、2个中度韧性区上升至2020年的10个中度韧性区、3个高度韧性区。具体而言，2011～2020年河南、湖北由缺乏韧性区转为中度韧性区；吉林、辽宁、河北、山东、江苏、安徽、江西、湖南由低度韧性区转为中度韧性区；四川由低度韧性区转为高度韧性区；黑龙江、内蒙古由中度韧性区转为高度韧性区。值得注意的是，河南、湖北等中部地区、内蒙古、四川等西部地区及黑龙江等东北地区的农业韧性上升趋势明显。首先，随着中部地区崛起战略的兴起与发展，河南、湖北等中部农业大省加快了农业农村现代化发展的脚步，在农业生产结构和区域布局方面作了重要改进，大力推进农业产业化，延长农业产业链，强化农业产业实力，实现向农业强省的转变；其次，内蒙古、四川等西部地区曾面临生态环境不断恶化、草场不断退化、农业生产结构不合理等主要问题，近年来，基础设施建设的完善和“互联网+”技术的发展，极大地促进了西部地区农业的现代化、市场化，充分挖掘了西部地区农业资源丰裕的优势，提高了农业健康度；此外，黑龙江等东北地区具有降水量足、平原面积广、土壤肥沃、水源丰富等自然资源条件，以及机械化程度高、标准农田建设先进、基础设施完善且交通便利等社会经济条件，为东北农业韧性的稳定发展提供了夯实基础。

四、中国粮食主产区农业韧性的驱动力分析

为更合理地分配资源以达到更好的发展效果，本文对粮食主产区农业韧性的驱动力进行识别，针对性分析农业韧性的影响机理与传导路径，以期为各地区农业韧性提升提供经验及政策依据。

（一）指标体系选取

我国粮食主产区农业韧性的空间分异及演化是一个较为复杂的过程，受到政策、经济、环境等多方面的综合影响。借鉴相关研究（陈雨生等，2021；谢璐等，2022），选取政府支农力度（GOV）、科技投入水平（SCI）、环境规制强度（ERS）、地区市场规模（MAR）及互联网普及率（INTER）作为驱动因子，分别通过地区农林水支出、科技支出、节能环保支出、社会消费品零售总额与地区总人口之比、农村宽带接入用户率等指标表示。具体如表5所示。

表5 农业韧性驱动因子的指标体系

（二）驱动因子识别

首先采用Stata16.0 对面板数据进行LM 检验，通过空间误差分析判断是否适合混合OLS 回归模型；其次，运用Hausman检验进一步对随机效应和固定效应模型进行筛选；最后，基于SDM模型假设进行LR检验，判断是否需要将模型演化为SER或SEM模型。根据检验结果，本文选择SDM模型进行空间计量分析。具体如表6所示。

表6 SDM模型分析驱动因子识别结果

由表7可知，各地区农业韧性的驱动因素具有明显异质性。具体而言，科技投入水平对农业韧性直接效应与间接效应显著为正。劳动生产力往往随着科学技术的不断进步而发展，科技投入水平的发展能够通过促进科技创新、改进生产方式和手段、提升农业产能等方式有助于提高区域内的农业韧性，且科技进步的信息共享效应和知识溢出效应对周边地区农业韧性的提升具有一定的能动性。互联网普及率对农业韧性的直接效应显著为正，对农业韧性的间接效应显著为负。互联网通过与农业的有机结合，构建智慧农业大数据共享平台，提升农产品的竞争力，同时打通信息流，促进线上线下交易，极大地促进了农业韧性的提升。但局部区域特色农产品竞争力的提升会对周边地区的农业韧性形成一定的下行压力。与此同时，农村居民受教育程度有限，互联网虚拟世界存在隐患，利农效应短期内难以达到预期效果，还需结合农村教育程度的提升与职业农民的培养进一步优化。从生产韧性的维度看，政府支农力度对生产韧性的直接效应显著为正，如农林水支出通过提升农民从事农业生产的积极性，有效改善农业生产的资本投入环境，在一定程度上提高生产韧性；科技投入水平对生产韧性的直接效应与间接效应均显著为正，新技术为农业生产者提供了更有效的新工具和新品种，提高了农业生产效率和生产总值，进而促进全域生产韧性的提升；互联网普及率的提高对生产韧性的直接效应显著为正，对生产韧性的间接效应显著为负，互联网技术通过与农业的生产、加工和销售等环节深度融合，拓宽农产品的销售渠道，增加农民的收入来源，提高了农民的生产能动性，但产业的集约化在一定程度上削弱了周边地区的生产积极性。从经济韧性的维度看，地区市场规模对经济韧性的直接效应显著为负，部分原因在于市场规模的扩大使得农业劳动力大规模转移，降低了农业活力；与此同时，互联网普及率也是导致农业劳动力外流的重要因素之一，进而弱化了当地农业劳动力经营动力，致使互联网普及率对经济韧性具有显著为负的间接效应。从社会韧性的维度看，政府支农力度对社会韧性的直接效应显著为正，“三农”问题关系国计民生，而政府财政支出有助于在保障和改善民生的基础上维护社会秩序的稳定；地区市场规模对社会韧性的直接效应显著为正，地区市场规模往往通过基础设施建设的完善、产业结构的升级等提升农业社会韧性；科技投入水平对社会韧性的间接效应显著为正，科技创新在一定程度上能够优化人类的生存、生活和生态环境，降低区域发展的负外部性。环境规制对社会韧性具有显著为正的间接效应，随着环境规制强度的增加，相关规制政策通过约束农村龙头企业、农民专业合作社及专业大户等经营主体的生产行为，提升环境质量，进而对农村社会的生态宜居条件产生积极影响。从生态韧性的维度看，政府支农力度对生态韧性具有显著为负的直接效应，部分地区仍将GDP 作为政绩考核的主要量化指标，从而忽略了农业生产中农药、化肥等投入的安全审查；环境规制强度对生态韧性具有显著为负的间接效应，地方政府通过严格设定污染物排放标准，提升本地投资的生态门槛，在短期内降低了地区对外商投资入驻的吸引力，给当地的经济绩效带来负面影响，同时促使本地部分污染企业厂址搬迁，间接对周边地区的生态韧性造成负向影响。

五、结论、讨论与政策建议

（一）结论及讨论

采用熵值法、泰尔指数法及空间计量分析等方法，构建农业韧性评价体系，综合测算2011～2020年我国粮食主产区农业韧性，基于异质性视角，探究粮食主产区农业韧性的时空演变格局，主要结论如下：

第一，2011～2020年我国粮食主产区的农业韧性整体发展良好，各地区农业抵抗风险的能力显著增强。由2011 年2 个缺乏韧性区、9 个低度韧性区、2 个中度韧性区上升至2020 年的10 个中度韧性区、3个高度韧性区。其中，东北地区的农业韧性表现最好，中部地区的农业韧性有待提升。

第二，中国农业韧性的总体差异、组间差异及组内差异均呈不断缩小趋势。其中组间差距比组内差距更加明显，各地区的变化幅度有所差异，东北地区的差异变化波动频繁，而东部、中部和西部地区的泰尔指数变化相对稳定。

第三，农业韧性驱动因素存在明显的空间异质性。其中，科技投入水平对农业总体韧性、生产韧性的直接效应与间接效应均显著为正，而互联网普及率对农业总体韧性、生产韧性的直接效应显著为正，间接效应却显著为负。政府支农力度对生产韧性、社会韧性的直接效应显著为正，但对生态韧性存在一定程度的不利影响。地区市场规模有助于提升区域内社会韧性，但在一定程度上削弱了区域内的经济韧性。环境规制强度对生态韧性具有显著为负的间接效应，对社会韧性具有显著为正的间接效应，同时对周边地区生态韧性造成负向影响。此外，互联网普及率可能通过集聚效应对周边地区的经济韧性产生负面影响，而科技投入水平通过溢出效应对周边地区的社会韧性产生正向影响。

本文对我国粮食主产区的农业韧性进行了深度分析，探索了其时空演变规律与驱动要素，对各地区农业韧性的空间分异、演化特征与驱动力作了分解。目前还有以下三个方面有待进一步研究：一是研究尺度有待拓展。基于数据的可靠性与可得性，本文主要从省域层面的农业韧性状况分析，对区域内的差异研究不够深入，后续研究可尝试市、区（县）级别的微观探索。二是驱动因子筛选的科学性有待优化。本文主要基于对以往文献的总结归纳与借鉴，从政策、经济、互联网等方面考虑，但农业作为一种相对复杂的产业，其韧性度往往受到多重因素影响，在今后的研究中可进一步关注自然条件和人文特征等因素。三是区域间农业韧性与内外部环境的机理研究有待深入。本文对粮食主产区各省份的农业韧性体系及影响机制作了分析，但对区域间指标体系的分解与探究力度不够，今后期望能够对地区内外部环境与农业韧性的协同发展机制进行深入探索。

（二）政策建议

为促进粮食主产区农业韧性的提升，增强我国粮食安全保障，结合相关结论，提出如下政策建议。

第一，加大中西部农业科技投入，发挥东部地区的科技溢出效应，发展“互联网+”农业。研究表明，科技投入水平和互联网普及率对粮食主产区农业韧性具有显著促进效应，因此，应结合各地区发展特点进行规划，对于中西部资源要素投入密集型地区，应加大农业科技、资金、人才等要素的投入力度，提高农业技术水平。对于经济发达的东部地区，应强化其科技知识溢出效应，加强组织合作与科技引领，推进技术融合发展。与此同时，应借助现代互联网、大数据等手段，加强农业信息共享平台建设，建立涵盖农业实时数据分享、农作物病虫害预警、农产品质量追踪溯源等大数据统一共享信息服务体系，促进数据共享与组织交流，实时分享涉农信息，实现农业数字化、科学化和智能化，通过技术创新改变传统生产模式，促进粮食产区高质量发展。

第二，促进区域间联动效应，优化资源配置，平衡区域间差异。粮食主产区应紧密结合各自的省情省貌，制定符合自身定位的发展规划，加强与其他地区的优势资源共享、互补，加强区域要素互流互通，注重农业生产、经济、社会和生态的协调发展。如河南、安徽和湖北等中部粮食大省，应加强与东部、东北地区的农业生产先进技术、现代化设施等领域的合作，优化农业产业链结构，促进粮食生产、加工和销售环节的有效衔接，打破“农业财政穷省”的桎梏。东部地区应积极促进农业生产要素在区域间的高效流动，引领推进各地区建立互利互惠、长期稳定的友好合作互动机制，发挥正向溢出效应的同时有效调整区域内粮食余缺。与此同时，西部地区和东北地区在发展农业经济时应注重生态建设，促进农业生产与环境协调发展。

第三，因地制宜加强政府支农力度，发挥区域间政策空间联动效应。研究表明，政府支农力度显著促进粮食主产区的生产水平，对此，地方政府应审时度势，结合顶层设计背景与自身资源禀赋，因地制宜精准实施国家财政支农政策，并发挥其扩散效应。如中部地区应进一步提高财政支农比例，发展多种形式的适度规模经营，提升高标准农田建设水平。东部地区应在农业发展中充分发挥资金与技术优势，逐步将财政支出重点从经济建设转移到保障农业农村公共服务设施的建设。西部地区应着力于提高资金利用效率，发展地区特色优势产业，增加农业产能。此外，粮食主产区应取长补短，在完善农业补贴和支农惠农政策发挥实效的基础上强化命运共同体意识，强化劳动、资本及技术共享机制，推动粮食主产区高质量协同发展。

第四，完善绿色财政支农体系，优化财政补贴制度。研究发现，政府支农力度短期内仍对生态韧性存在一定程度的负面影响，主要原因在于我国的绿色财政支农体系与补贴制度长期以价格补贴为主，如化肥、农药及农用塑料薄膜等农用生产资料，忽略了生态环境的保护，长此以往会导致山水林田湖草的污染问题，不利于农业农村的可持续发展。对此，应结合“生态宜居”“自然资源变资产”“生态产品价值实现”等战略背景，调整农业财政补贴方案，完善农业环境保护制度，通过产权安排、污染征税等措施，抑制人们对自然资源的过度单向索取。同时，在政策实施过程中，应以引导、激励型环境规制手段为主，提高农民环境保护的主动性，促进绿色粮食产业的发展。