新疆棉花種植業(yè)地理集聚特征及影響因素研究

馬春玥 買買提·沙吾提,3,* 依爾夏提·阿不來提 姚 杰

新疆棉花種植業(yè)地理集聚特征及影響因素研究

馬春玥1,2買買提·沙吾提1,2,3,*依爾夏提·阿不來提1,2姚 杰4

1新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院, 新疆烏魯木齊 830046;2新疆綠洲生態(tài)教育部重點實驗室, 新疆烏魯木齊 830046;3新疆智慧城市與環(huán)境建模普通高校重點實驗室, 新疆烏魯木齊 830046;4重慶盈熙橫縱信息技術(shù)有限公司, 重慶 400014

新疆是我國最大的產(chǎn)棉基地, 研究新疆棉花種植業(yè)地理集聚特征對調(diào)整和優(yōu)化農(nóng)業(yè)結(jié)構(gòu)布局、農(nóng)民增收、促進(jìn)棉花生產(chǎn)的可持續(xù)發(fā)展具有重要意義。本文基于1988—2016年的新疆棉花生產(chǎn)數(shù)據(jù), 使用區(qū)位商、區(qū)位基尼系數(shù)和空間自相關(guān)分析探究新疆棉花種植業(yè)發(fā)展的時空變化特征, 并運用空間面板數(shù)據(jù)模型定性、定量地分析了各影響因素對新疆棉花種植業(yè)地理集聚的影響程度, 揭示了新疆棉花種植業(yè)發(fā)展的主要驅(qū)動因素。結(jié)果表明, 新疆棉花種植面積經(jīng)歷了持續(xù)增長(1988—1999年)、緩慢減少(2000—2004年)以及波動增長(2005—2016年) 3個階段, 2016年已占全國種植面積的3/5, 其專業(yè)化集聚水平自1992年起均高于全國其他地區(qū), 主導(dǎo)地位日益增強(qiáng); 新疆棉花種植業(yè)的區(qū)域特征明顯, 南疆棉區(qū)的變化主導(dǎo)新疆棉花種植業(yè)的變化; 新疆棉花種植業(yè)的集聚水平自1988年起呈現(xiàn)出波動中下降后緩慢回升的趨勢, 其高值集聚區(qū)由喀什地區(qū)轉(zhuǎn)移至阿克蘇地區(qū)的庫車縣、新和縣等地, 高-低集聚、低-高集聚及低低集聚變化不大; 推動新疆棉花種植業(yè)地理集聚發(fā)展的主要因素有生產(chǎn)性土地面積比重、棉花比較收益、機(jī)械化水平以及政策因素。

棉花種植業(yè); 地理集聚; 時空特征; 空間面板數(shù)據(jù)模型

棉花是我國極為重要的一種大田經(jīng)濟(jì)作物, 其生產(chǎn)覆蓋全國24個省、市、自治區(qū), 商品率高達(dá)95%以上, 在國民經(jīng)濟(jì)中占有十分重要的地位。新疆自1993年起, 棉花產(chǎn)量、種植面積、單產(chǎn)都居全國首位, 現(xiàn)已是我國最大的產(chǎn)棉基地。新疆棉花生產(chǎn)對中國棉花戰(zhàn)略、確保國家糧棉安全以及促進(jìn)新疆農(nóng)村經(jīng)濟(jì)和農(nóng)民增收都具有重要的戰(zhàn)略意義。

基于新疆棉花生產(chǎn)的重要戰(zhàn)略地位, 許多學(xué)者針對新疆棉花種植的時空格局、機(jī)械化發(fā)展、生產(chǎn)布局、病蟲害、棉花生理生化參數(shù)等一系列問題展開研究[1-5]。早在1958年, 竺可楨曾提出“新疆宜于種植小麥和棉花, 應(yīng)成為小麥和棉花的倉廩”。徐培秀等[6]評價新疆棉花發(fā)展條件, 劃分棉花生產(chǎn)的適宜區(qū)。楊莉等[7]認(rèn)為南疆棉花的生產(chǎn)變化主導(dǎo)著新疆棉區(qū)的變化。賀林均等[8]基于CR4識別新疆棉花的主產(chǎn)區(qū)域, 并分析自然資源、氣候環(huán)境等對新疆棉花產(chǎn)業(yè)的影響程度。毛樹春等[9]對新疆棉花工廠育苗和機(jī)械移栽技術(shù)進(jìn)行了深入研究, 其成果是現(xiàn)代節(jié)約型植棉新技術(shù)的體現(xiàn)。武建設(shè)等[10]對新疆生產(chǎn)建設(shè)兵團(tuán)棉花生產(chǎn)的機(jī)械化問題進(jìn)行深入研究, 認(rèn)為機(jī)械化生產(chǎn)推動了新疆棉花生產(chǎn)。

前人從不同角度對新疆棉花種植業(yè)的發(fā)展展開了相關(guān)研究, 比較準(zhǔn)確地分析了新疆棉花種植業(yè)的時空分布特征, 但對新疆棉花生產(chǎn)戰(zhàn)略地位的分析使用的指標(biāo)較為單一; 進(jìn)行驅(qū)動力分析時往往忽視各因素之間的交互性及空間異質(zhì)性。本文在前人研究的基礎(chǔ)上, 運用區(qū)位商和區(qū)位基尼系數(shù)2個測度指標(biāo), 綜合分析新疆棉花種植業(yè)在全國的地位以及新疆各地區(qū)棉花種植面積的變化情況, 通過空間自相關(guān)分析表達(dá)新疆棉花種植業(yè)集聚程度, 并運用空間面板數(shù)據(jù)模型定量分析自然資源、經(jīng)濟(jì)因素和市場條件、技術(shù)因素、交通條件以及政策導(dǎo)向?qū)π陆藁ǚN植業(yè)地理集聚的影響程度。

1 材料與方法

1.1 研究區(qū)概況及數(shù)據(jù)

新疆(73°40′~96°18′E, 34°25′~48°10′N)地處我國西北邊陲, 占國土總面積的六分之一(約166萬平方千米), 是“一帶一路”的核心區(qū), 具有十分重要的戰(zhàn)略地位。新疆氣候條件得天獨厚, 適合種植棉花, 有近80%的地區(qū)植棉, 現(xiàn)為我國最大的產(chǎn)棉基地, 同時是國家唯一的長絨棉產(chǎn)地, 全疆近40%的地區(qū)適宜種植長絨棉, 近80%的地區(qū)適宜種植中長絨棉[1]。

本文所用數(shù)據(jù)主要來源于1989—2017年《新疆統(tǒng)計年鑒》、《新疆五十年1955—2005》、《新疆輝煌60年1955—2015》、國家統(tǒng)計局(http://www.stats.gov. cn/)、《棉花統(tǒng)計資料匯編》、《中國棉花年鑒》。

1.2 研究方法

本文先采用區(qū)位商分析新疆棉花生產(chǎn)與全國各省市區(qū)間的差距及變化趨勢, 進(jìn)而使用區(qū)位基尼系數(shù)反映新疆棉花種植業(yè)在地理空間上的分布差異程度, 然后通過空間自相關(guān)分析新疆棉花的空間分布和集聚位置及狀態(tài), 最后基于新疆棉花種植業(yè)集聚特征, 運用空間面板模型量化各影響因素的影響程度。

1.2.1 區(qū)位商 區(qū)位商(location quotient)可用來衡量要素在某一區(qū)域中的空間分布情況, 能夠反映新疆棉花生產(chǎn)在全國的地位和作用[11]。

Q= (e/e)/(E/) (1)

式中,Q表示區(qū)域的棉花的區(qū)位商,e表示區(qū)域棉花的種植面積,e表示區(qū)域農(nóng)業(yè)總種植面積,E表示全國棉花種植面積,表示全國農(nóng)業(yè)總種植面積。Q是某區(qū)域棉花種植業(yè)與全國平均水平的比值, 考慮到區(qū)域內(nèi)棉花種植的絕對規(guī)模, 可能會出現(xiàn)Q很大但種植規(guī)模很小的情況, 此時并不能認(rèn)為棉花在該區(qū)域具有優(yōu)勢。為克服這一問題, 本研究將按照種植面積大小排出前5位的省市區(qū), 與Q排名前5的省市區(qū)結(jié)合比較, 綜合說明棉花的專業(yè)化集聚[12]。

1.2.2 區(qū)位基尼系數(shù) 區(qū)位基尼系數(shù)常用來測度收入分配或資源配置在地理空間上分布的差異程度, 取值范圍為[0, 1], 越趨近于0, 收入分配或資源配置越均衡, 集聚度越低, 趨近于1則相反, 計算公式如下[13]。

1.2.3 空間自相關(guān)分析 為進(jìn)一步探討新疆棉花空間分布, 本研究基于新疆各縣(市)棉花種植面積, 利用ArcGIS10.5建立新疆各縣(市)基于Queen鄰接的空間權(quán)重矩陣, 進(jìn)行探索性分析得到Moran’s和LISA統(tǒng)計量, 進(jìn)而分析新疆棉花的空間分布和集聚位置及狀態(tài), 具體公式及參數(shù)含義詳見參考文獻(xiàn)[14]。

1.2.4 空間面板模型 空間面板數(shù)據(jù)模型優(yōu)于傳統(tǒng)計量模型的地方在于考慮觀測單元的個體效應(yīng), 可在一定程度上優(yōu)化結(jié)果[15-16]?？臻g杜賓面板數(shù)據(jù)模型(Spatial Durbin panel data model, SDPDM)比空間滯后面板數(shù)據(jù)模型(Spatial lag panel data model, SLPDM)和空間誤差面板數(shù)據(jù)模型(Spatial error panel data model, SEPDM)更能反映自變量與應(yīng)變量間的交互效應(yīng), 且對空間異質(zhì)性與不確定性的處理更加有效[17-18][16], 故本文選用SDPDM對新疆棉花種植業(yè)地理集聚問題進(jìn)行實證分析, 其一般形式如下。

式中,Y、Y分別表示、地區(qū)在時間年的棉花產(chǎn)量,X、X分別表示、地區(qū)在時間年的影響因素變量,W是空間權(quán)重矩陣,和分別為因變量和自變量的空間滯后系數(shù),是自變量的待估?；貧w系數(shù),u為個體空間固定效應(yīng),v為時間固定效應(yīng),ε表示空間自相關(guān)誤差項, 滿足~(0,2I)。

2 結(jié)果與分析

2.1 新疆棉花種植業(yè)地理集聚特征分析

2.1.1 新疆棉花種植業(yè)在全國的地位 由圖1可知, 就棉花種植面積而言, 新疆棉區(qū)在全國的比重明顯增大, 由1988年6%左右增加到2016年近60%, 其中, 1988—1999年為持續(xù)增長階段, 2000—2004年緩慢減少, 2005—2016年總體呈上升趨勢, 2008、2009年略有下降; 黃河流域棉區(qū)在全國的占比由1988年近63%縮減為2016年24%左右; 長江流域棉區(qū)則由1988年30%左右減少到2016年近17%。從各棉區(qū)種植面積的波動情況來看, 黃河流域棉區(qū)和長江流域棉區(qū)總體都呈下降趨勢, 其中長江流域棉區(qū)研究期間波動較大; 而新疆棉區(qū)棉花種植面積期間雖有減少, 但總體增勢不變, 現(xiàn)已是中國最大的棉區(qū), 2016年幾乎占到全國棉花種植面積的五分之三。

圖1 全國各棉區(qū)占比情況(1988?2016年)

由表1、表2可知, 區(qū)位商和棉花種植面積排名的前5位主要集中在新疆、山東、河南、河北、湖北、安徽及江蘇幾個省、區(qū), 其中, 表1中天津市的區(qū)位商3次排第二, 1次排第一, 屬于區(qū)位商很大但種植規(guī)模很小的情況, 因此不能認(rèn)為天津市棉花專業(yè)化集聚水平高。表2中各省市區(qū)的區(qū)位商都大于1, 說明棉花種植業(yè)的集聚程度都比較高。新疆區(qū)位商1988年雖為全國第二, 但與排名第一的山東省差距不大, 只有0.014, 1992—2016年新疆區(qū)位商均居全國首位, 說明新疆棉花種植業(yè)集聚程度高于全國其他省市區(qū), 期間除2004年有所下降外, 其余年份都呈增加趨勢且與全國其他省市區(qū)間的差距逐漸增大, 因此, 綜合區(qū)位商和棉花種植面積來看, 新疆棉花種植業(yè)在全國的主導(dǎo)地位日益增強(qiáng)。

表1 1988?2016年區(qū)位商排名前5的省、區(qū)

表2 1988?2016年全國棉花種植面積排名前5的省市區(qū)

2.1.2 疆內(nèi)棉花種植面積時序變化特征 由圖2可知, 新疆棉花種植面積總體呈上升趨勢, 但具有較強(qiáng)的階段性特征, 1988—2006上升較為平穩(wěn), 期間稍有波動, 2002、2007和2014年有不同程度的波動, 南疆、北疆及兵團(tuán)都在2014年達(dá)到研究時段內(nèi)棉花種植面積的最大值。北疆、南疆及生產(chǎn)建設(shè)兵團(tuán)棉花種植面積的變化與全疆的變化趨勢相似, 其中, 南疆棉花種植面積在全疆的比重不斷增加, 2016年為52%左右, 是新疆的主產(chǎn)棉區(qū)。東疆棉花種植面積變化趨勢呈一條平緩的曲線, 基本保持不變。

由圖3可知, 1988—2001年新疆棉花種植業(yè)的集聚程度不斷降低, 表明期間棉花種植業(yè)在空間分配上趨于均衡; 2002—2016年區(qū)位基尼系數(shù)的變化波動較大, 但變化周期短, 在1~3年之間; 基尼系數(shù)整體呈“W型”變化趨勢, 波動比較明顯, 說明在1988—2016年間, 新疆棉花的集聚程度整體表現(xiàn)出先波動下降后波動上升的趨勢。

2.1.3 全局空間自相關(guān)分析 由圖4可知, 從1988—2016年Moran’s的波動情況看, Moran’s和圖3中基尼系數(shù)的變化趨勢極為相似, 進(jìn)一步驗證了新疆棉花種植業(yè)地理集聚程度自1988年以來先波動下降后波動上升; 1988—2016年的Moran’s和-Score都為正且近70%通過了10%的顯著性檢驗, 說明新疆棉花種植存在較為顯著的空間正相關(guān)性, 上述分析表明, 新疆棉花種植在縣域尺度上存在較為顯著的空間正相關(guān)性, 即棉花種植具有明顯的空間依賴性。

圖2 新疆各棉區(qū)棉花種植面積變化(1988?2016年)

圖3 新疆棉花地理集聚變化趨勢(1988?2016年)

圖4 新疆棉花種植面積的全局相關(guān)性分析(1988?2016年)

2.1.4 局域空間自相關(guān)分析 由圖5可知, 1988—2016年間, 新疆棉花種植業(yè)高-高(H-H)集聚區(qū)變化顯著, 1988—2000年主要分布在喀什地區(qū), 其中從1996年起, 新和縣也為高-高(H-H)集聚, 2004年開始高-高(H-H)集聚的地區(qū)范圍減少, 且有向東北方向移動的趨勢; 而低-低(L-L)集聚區(qū)變化不大, 主要分布在哈密市、昌吉州的昌吉市、呼圖壁縣、阜康市等地, 這些地區(qū)的棉花種植業(yè)在空間上呈分散狀態(tài); 高-低(H-L)集聚區(qū)域不多, 主要為2008年后的哈密市; 低-高(L-H)集聚主要分布在阿克陶縣、和田的皮山縣。通過上述分析, 可發(fā)現(xiàn)新疆棉花種植業(yè)在空間分布上進(jìn)行了適當(dāng)?shù)恼{(diào)整, 離散分布的地區(qū)范圍有所擴(kuò)張, 棉花種植業(yè)的重心由喀什地區(qū)逐漸轉(zhuǎn)為阿克蘇地區(qū)的庫車縣、新和縣。

2.2 新疆棉花地理集聚的影響因素分析

2.2.1 因素的假設(shè)與變量說明 在農(nóng)業(yè)產(chǎn)業(yè)地理集聚相關(guān)研究的基礎(chǔ)上, 結(jié)合新疆棉花生產(chǎn)發(fā)展現(xiàn)狀, 綜合考慮資源、經(jīng)濟(jì)和市場、技術(shù)、交通和政策等因素及數(shù)據(jù)的可獲取性等方面[19-27], 從中選取10個相關(guān)變量重點分析(表3)。

2.2.2 空間面板模型檢驗與回歸分析 首先通過單位根檢驗判斷面板數(shù)據(jù)的平穩(wěn)性, 結(jié)果為平穩(wěn); 然后進(jìn)行拉格朗日乘子(LM)檢驗, 結(jié)果拒絕無空間相關(guān)性的原假設(shè), 因此相對于傳統(tǒng)的面板數(shù)據(jù)模型, 空間面板數(shù)據(jù)模型更準(zhǔn)確; 再進(jìn)行Wald和似然比檢驗(LR)檢驗,01:= 0和02:+= 0的原假設(shè)被拒絕, 且在5%的顯著水平下檢驗表明, 就棉花種植面積變化而言, SDPDM的效果更好一些; 最后, Hausman檢驗結(jié)果為17.9229且伴隨概率為0.0000, 表明拒絕個體(固定)效應(yīng)與解釋變量無關(guān)的原假設(shè), 說明應(yīng)采用固定效應(yīng)模型, 此外, 在固定效應(yīng)模型中, 時間效應(yīng)模型的多數(shù)自變量檢驗結(jié)果= 0.18, 在1%的顯著性水平下通過檢驗, lg-likelihood = 114.41848, Adj2= 0.9315, 因此, 最終選擇時間固定效應(yīng)的杜賓面板數(shù)據(jù)模型[28-30]。具體的回歸結(jié)果見表4。

由表4可知, 所有變量的直接效應(yīng)都為正值且其中7個變量的結(jié)果顯著, 說明各變量對新疆棉花種植業(yè)地理集聚有較為顯著的正向影響;269的間接效應(yīng)為負(fù), 其中,6的間接效應(yīng)很小且僅在10%的置信水平下顯著,9的間接效應(yīng)不顯著, 表明區(qū)域糧食產(chǎn)量的增長會對相鄰地區(qū)棉花種植業(yè)地理集聚產(chǎn)生一定程度的反作用, 而機(jī)械化水平和交通運輸對相鄰地區(qū)的影響不顯著; 總效應(yīng)結(jié)果最顯著的是15和10, 說明資源條件和市場及政策導(dǎo)向是當(dāng)前影響新疆棉花種植業(yè)地理集聚的三大正向主因。

由圖6和表4可知, 一定規(guī)模的種植面積是新疆棉花種植業(yè)地理集聚和發(fā)展的基礎(chǔ); 區(qū)域市場需求和價格因素直接影響到棉花發(fā)展, 其溢出效應(yīng)會影響相鄰地區(qū)棉花種植業(yè)的發(fā)展, 是促進(jìn)新疆棉花種植業(yè)地理集聚的重要因素; 機(jī)械化水平的直接效應(yīng)和總效應(yīng)達(dá)到了5%的顯著水平, 表明機(jī)械化水平對新疆棉花種植業(yè)地理集聚有著促進(jìn)作用; 政策的直接效應(yīng)、間接效應(yīng)和總效應(yīng)顯著性分別達(dá)到了1%、5%和1%, 說明政策對于新疆棉花種植業(yè)的發(fā)展具有正向促進(jìn)作用, 且區(qū)域政策推廣會對鄰接地區(qū)棉花種植業(yè)地理集聚產(chǎn)生正向效應(yīng)。

3 討論

本文選用多個指標(biāo)分析新疆棉花種植業(yè)地理集聚特征, 其中, 區(qū)位商方法計算簡單, 不僅能反映出地區(qū)層面的棉花種植業(yè)集聚水平, 還能量化新疆與其他省市區(qū)之間的差距。王力等[31]也對新疆棉花種植業(yè)在全國的比重做了分析, 其研究確定了新疆棉花生產(chǎn)在全國的領(lǐng)先地位, 與本研究一致, 但沒有反映出新疆棉花種植業(yè)地理集聚情況以及與全國其他省市區(qū)間的差距。

圖5 新疆棉花種植地理集聚的局域空間自相關(guān)變化(1988?2016年)

H-H: 表示一個高值被與其相鄰的高值包圍, 屬于高-高集聚; H-L: 表示一個高值被與其相鄰的低值包圍, 屬于高-低集聚; L-H: 表示一個低值被與其相鄰的高值包圍, 屬于低-高集聚; L-L: 表示一個低值被與其相鄰的低值包圍, 屬于低-低集聚。

H-H indicates that a high value is surrounded by its adjacent high value, which belongs to high-high aggregation; H-L indicates that a high value is surrounded by its adjacent low value, which belongs to high-low aggregation; L-H indicates that a low value is surrounded by its adjacent high value, which belongs to low-high aggregation; L-L indicates that a low value is surrounded by its adjacent low value, which belongs to low-low aggregation.

表3 影響因素的假設(shè)及變量說明

表4 空間杜賓面板模型回歸結(jié)果

***、**、*分別代表統(tǒng)計量在1%、5%、10%的水平上顯著。

***,**, and*represent statistical significance at the level of 1%, 5%, and 10% probability levels, respectively.

圖6 各變量對新疆棉花種植業(yè)地理集聚的影響程度

楊莉等[7]研究認(rèn)為棉花單產(chǎn)是影響新疆棉花種植面積最大的因素。賀林均等[8]基于CR4僅分析了自然因素對新疆棉花種植業(yè)地理集聚的影響。王力等[31]基于主成分分析新疆棉花種植面積變化的驅(qū)動力, 認(rèn)為產(chǎn)業(yè)投入、市場及棉花替代作物是主因, 其中, 產(chǎn)業(yè)投入和市場為主因的結(jié)論與本研究一致。上述研究使用的方法往往會忽略因子之間的空間異質(zhì)性, 為避免此問題, 本研究選擇空間面板模型進(jìn)行驅(qū)動力分析, 結(jié)果表明, 除了生產(chǎn)投入和市場因素外, 政策也是影響新疆棉花生產(chǎn)的一大主因, 且各影響因子的溢出效應(yīng)對相鄰區(qū)域的影響也不容忽視。進(jìn)行分析時發(fā)現(xiàn)2002、2007、2008及2014年是幾個關(guān)鍵的時間節(jié)點, 2002年中國剛加入世界貿(mào)易組織(WTO), 新疆棉花種植面積減少但棉花價格上漲, 區(qū)位基尼系數(shù)突增; 由于2003年后新疆軋花廠審批權(quán)下放到各地州政府導(dǎo)致棉花加工企業(yè)數(shù)量急劇上升, 供求平衡被打破, 致使棉花種植面積急速上升, 2007年達(dá)到峰值; 2008年, 國家出臺政策增加國家棉花儲備數(shù)量并采取保護(hù)性收儲價格, 保護(hù)了棉農(nóng)利益且穩(wěn)定了農(nóng)業(yè)生產(chǎn), 棉農(nóng)植棉意向開始回暖, 但受金融危機(jī)影響, 棉花價格波動, 棉花種植面積反而下降; 2014年開始, 棉花價格補貼政策試點設(shè)在新疆, 新疆棉花種植業(yè)地理集聚程度開始回升。上述政策是導(dǎo)致新疆棉花種植業(yè)出現(xiàn)短周期大波動的關(guān)鍵因素, 進(jìn)一步證明了政策因素是影響新疆棉花生產(chǎn)發(fā)展的主要因素之一。

4 結(jié)論

新疆棉花種植業(yè)地理集聚水平居全國首位且與其他省市區(qū)的差距逐漸增大; 南疆棉區(qū)主導(dǎo)著全疆棉花種植業(yè)的變化; 新疆棉花種植業(yè)離散分布的地區(qū)范圍有所擴(kuò)張, 集聚區(qū)由喀什地區(qū)轉(zhuǎn)變?yōu)榘⒖颂K地區(qū); 本文所選擇10個影響因子中, 生產(chǎn)性土地面積比重、棉花比較收益、機(jī)械化水平及政策因素是影響新疆棉花種植業(yè)地理集聚主要因素, 除此之外的其他因素對新疆棉花種植業(yè)地理集聚的影響輕微。

[1] 徐培秀, 梅方權(quán), 唐志發(fā). 中國棉花區(qū)劃研究. 地理研究, 1983, 2(1): 12–22. Xu P X, Mei F Q, Tang Z F. A study of regionalization of ctton cultivation in China., 1983, 2(1): 12–22 (in Chinese with English abstract).

[2] 呂昭智, 陳鍵, 吳志勇, 馬桂龍. 新疆棉區(qū)主要有害生物與可持續(xù)發(fā)展. 干旱區(qū)研究, 1999, 16(3): 28–32. Lyu Z Z, Chen J, Wu Z Y, Ma G L. The main pest in Xinjiang cotton region and sustainable development., 1999, 16(3): 28–32 (in Chinese with English abstract).

[3] 依爾夏提·阿不來提, 買買提·沙吾提, 白燈莎·買買提艾力, 安申群, 馬春玥. 基于隨機(jī)森林法的棉花葉片葉綠素含量估算. 作物學(xué)報, 2019, 45: 81–90. Ershat A, Mamat S, Baidengsha M, An S Q, Ma C Y. Estimation of leaf chlorophyll content in cotton based on the random forest approach., 2019, 45: 81–90 (in Chinese with English abstract).

[4] 朱會義. 1980年以來中國棉花生產(chǎn)向新疆集中的主要原因. 地理研究, 2013, 32: 744–754. Zhu H Y. The underlying cause for the concentration of China’s cotton production in Xinjiang., 2013, 32: 744–754 (in Chinese with English abstract).

[5] 潘學(xué)標(biāo), 李克讓. 基于GIS的新疆棉花生產(chǎn)發(fā)展時空變異分析. 干旱區(qū)地理, 2000, 23(3): 199–206. Pan X B, Li K R. Analysis on the temporal and spatial change of cotton production development in Xinjiang based on GIS., 2000, 23(3): 199–206 (in Chinese with English abstract).

[6] 徐培秀. 新疆棉花基地布局研究. 地理學(xué)報, 1990, 45: 31–40. Xu P X. On the allocation of cotton production base in Xinjiang., 1990, 45: 31–40 (in Chinese with English abstract).

[7] 楊莉, 楊德剛, 張豫芳, 王國剛, 唐宏. 新疆棉花種植面積時空格局演變特征及驅(qū)動機(jī)制研究. 中國沙漠, 2011, 31: 476–484. Yang L, Yang D G, Zhang Y F, Wang G G, Tang H. Spatio-temporal pattern dynamic of cotton plantation in Xinjiang and its driving forces., 2011, 31: 476–484 (in Chinese with English abstract).

[8] 賀林均, 馬威. 基于CR4分析的新疆棉花產(chǎn)業(yè)集群形成中的自然環(huán)境因素限制和影響分析. 經(jīng)濟(jì)地理, 2013, 33(11): 97–103. He L J, Ma W. Restrictions and impact analysis of natural environmental factors on Xinjiang cotton industry cluster formation based on the analysis of CR4., 2013, 33(11): 97–103 (in Chinese with English abstract).

[9] 毛樹春, 韓迎春, 李亞兵, 王國平, 范正義. 棉花工廠化育苗和機(jī)械化移栽新技術(shù). 中國棉花, 2008, 35(3): 34–36. Mao S C, Han Y C, Li Y B, Wang G P, Fan Z Y. The technique of cotton seedling raising in greenhouse and root-naked transplanting by machine., 2008, 35(3): 34–36 (in Chinese with English abstract).

[10] 武建設(shè), 陳學(xué)庚. 新疆兵團(tuán)棉花生產(chǎn)機(jī)械化發(fā)展現(xiàn)狀問題及對策. 農(nóng)業(yè)工程學(xué)報, 2015, 31(18): 5–10. Wu J S, Chen X G. Present situation, problems and countermeasures of cotton production mechanization development in Xin- jiang Production and Construction Corps., 2015, 31(18): 5–10 (in Chinese with English abstract).

[11] 趙小汎. 區(qū)位商模型在土地利用變化分析中的新運用. 經(jīng)濟(jì)地理, 2013, 33(2): 162–167. Zhao X P. New application of location entropy model in analyzing land use change., 2013, 33(2): 162–167 (in Chinese with English abstract).

[12] 賈興梅, 李平. 農(nóng)業(yè)集聚度變動特征及其與農(nóng)業(yè)經(jīng)濟(jì)增長的關(guān)系——我國12類農(nóng)作物空間布局變化的實證檢驗. 中國農(nóng)業(yè)大學(xué)學(xué)報, 2014, 19(1): 209–217. Jia X M, Li P. Degree of agriculture concentration and agricultural economic growth: empirical test spatial layout changes of 12 types of crops in China., 2014, 19(1): 209–217 (in Chinese with English abstract).

[13] Druckman A, Jackson T. Measuring resource inequalities: the concepts and methodology for an area-based Gini coefficient., 2008, 65: 242–252.

[14] Fischer M M, Getis A. Handbook of applied spatial analysis., 2010, 10: 109–139.

[15] Baltagi B H. Econometric Analysis of Panel Data, 5th edn., 2013, 5: 747–754.

[16] Elhorst J P. Specification and estimation of spatial panel data models., 2003, 26: 244–268.

[17] Elhorst J P. Spatial Panel Data Models. Berlin: Springer, 2010. pp 377–407.

[18] Ugarte M D. Introduction to spatial econometrics., 2011, 174: 513–514.

[19] 王國剛, 王明利, 王濟(jì)民, 楊春, 劉玉鳳. 中國草食家畜養(yǎng)殖的時空動態(tài)及其影響因素. 地理學(xué)報, 2015, 70: 1091–1100. Wang G G, Wang M L, Wang J M, Yang C, Liu Y F. Spatial-temporal dynamics and its influencing factors of herbivorous livestock breeding in China., 2015, 70: 1091–1100 (in Chinese with English abstract).

[20] Zhao H, Xiong Y, Li F M, Wang R Y. Plastic film mulch for half growing-season maximized WUE and yield of potato via moisture-temperature improvement in a semi-arid agroecosystem., 2012, 104: 68–78.

[21] 龍冬平, 李同昇, 苗園園, 于正松. 中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平空間分異及類型. 地理學(xué)報, 2014, 69: 213–226. Long D P, Li T S, Miao Y Y, Yu Z S. The spatial distribution and types of the development level of Chinese agricultural modernization., 2014, 69: 213–226 (in Chinese with English abstract).

[22] 倪印鋒, 王明利. 中國牧草產(chǎn)業(yè)地理集聚特征及影響因素. 經(jīng)濟(jì)地理, 2018, 38(6): 142–150. Ni Y F, Wang M L. The characteristics and influencing factors of geographical agglomeration of forage industry in China., 2018, 38(6): 142–150 (in Chinese with English abstract).

[23] Xie Y, Mei Y, Tian G, Xue R X. Socio-economic driving forces of arable land conversion: a case study of Wuxian City, China., 2005, 15: 238–252.

[24] Zhang D, Zhang L, Liu J, Han S, Wang Q, Evers J, van der Werf W, Liu J, Li L. Plant density affects light interception and yield in cotton grown as companion crop in young jujube plantations., 2014, 169: 132–139.

[25] He C, Li J, Wang Y, Shi P J. Understanding cultivated land dynamics and its driving forces in northern China during 1983– 2001., 2005, 15: 387–395.

[26] 陳佑啟. 我國耕地利用變化及其對糧食生產(chǎn)的影響. 農(nóng)業(yè)工程學(xué)報, 2000, 16(6): 29–32. Chen Y Q. Arable-land use change and its effects on the grain production in China., 2000, 16(6): 29–32 (in Chinese with English abstract).

[27] Wood E C, Tappan G G, Hadj A. Understanding the drivers of agricultural land use change in south-central Senegal., 2004, 59: 565–582.

[28] Yang T C. Introduction to spatial econometrics., 2013, 1: 143–145.

[29] Baltagi B H, Long L. Random effects, fixed effects and Hausman’s test for the generalized mixed regressive spatial autoregressive panel data model., 2016, 35: 638–658.

[30] Baltagi B H, Seuck-Heun S, Byoung-Cheol J, Won K. Testing for serial correlation, spatial autocorrelation and random effects., 2007, 140: 5–51.

[31] 王力, 韓亞麗. 基于主成分分析的新疆棉花種植面積變動及驅(qū)動力. 江蘇農(nóng)業(yè)科學(xué), 2017, 45(1): 267–270. Wang L, Han Y L. The changes of cotton planting area and its driving force in Xinjiang based on Principal component analysis., 2017, 45(1): 267–270 (in Chinese).

Characteristics and influencing factors of geographical agglomeration of cotton plantation in Xinjiang

MA Chun-Yue1,2, Mamat Sawut1,2,3,*, Ershat Ablet1,2, and YAO Jie4

1College of Resources and Environmental Science, Xinjiang University, Urumqi 830046, Xinjiang, China;2Key Laboratory of Oasis Ecology of Ministry of Education, Urumqi 830046, Xinjiang, China;3Key Laboratory for Wisdom City and Environmental Modeling, Xinjiang University, Urumqi 830046, Xinjiang, China;4Chongqing Yingxi Hengzong Information Technology Co. Ltd, Chongqing 400014, China

Xinjiang is the largest cotton production base in China. The study on the geographical agglomeration characteristics of cotton planting in Xinjiang is of great significance in adjusting and optimizing the agricultural structure distribution of cotton production, increasing farmers’ income, and promoting the sustainable development of cotton. Based on the cotton production data of Xinjiang from 1988 to 2016, we explored the spatial-temporal change characteristics of cotton plantation by Location quotient, Gini coefficient, and spatial autocorrelation analysis, qualitatively and quantitatively analyzed various influence factors on the geographical agglomeration of cotton plantation by spatial panel data model, and revealed the main driving force of cotton planting industry in Xinjiang. The cotton planting area in Xinjiang experienced three stages, including continuous growth (1988–1999), slow decrease (2000–2004) and fluctuating growth (2005–2016). In 2016, the cotton planting area accounted for nearly 3/5 of the total area in China, and its professional agglomeration level was higher than that of other regions in China, with the increasingly strengthened leading position since 1992. The regional characteristics of cotton planting industry in Xinjiang were obvious. The change of cotton area in southern Xinjiang dominated the change of cotton plantation in Xinjiang. The agglomeration level of cotton plantation in Xinjiang showed a trend of slow recovery after a decline in fluctuation since 1988. The high aggregation (H-H) area transferred from Kashgar area to Kuqa and Xinhe in Aksu area, at the same time, the changes of high-low cluster, low-high cluster and low-low cluster were not significant. The main factors promoting the geographical agglomeration of cotton planting in Xinjiang included the proportion of productive land area, cotton comparative income, mechanization level and policy factors.

cotton plantation; geographical agglomeration; spatio-temporal characteristics; spatial panel data model

本研究由國家自然科學(xué)基金項目(41361016, 41461051)資助。

This study was supported by the National Natural Science Foundation of China (41361016, 41461051).

買買提·沙吾提, E-mail: korxat@xju.edu.cn

E-mail: lury_gis@163.com

2019-03-15;

2019-06-20;

2019-07-16.

URL: http://kns.cnki.net/kcms/detail/11.1809.S.20190715.1835.008.html

10.3724/SP.J.1006.2019.94041