EN中文

经济地理 >

2019 , Vol. 39 >Issue 11: 159 - 164

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.11.019

三农、土地与生态

我国农业可持续发展空间探索性分析

  • 张利国 ,
  • 鲍丙飞 ,
  • 杨胜苏
展开
  • 江西财经大学 经济学院，中国江西 南昌 330013

张利国（1977—），男，湖南南县人，博士，教授，博士生导师。主要研究方向为粮食经济、农产品安全。E-mail：。

收稿日期: 2019-03-14

  修回日期: 2019-09-26

  网络出版日期: 2025-04-17

基金资助

国家自然科学基金项目(71663025)

江西省高校人文社科项目(JD17030)

江西省教育厅科技项目(GJJ160442)

江西省经济社会发展智库项目(17ZK22)

中国博士后科学基金资助项目(2019M652271)

研究生创新专项资金项目(YC2018-B070)

2019年度湖南省社会科学成果评审委员会一般课题(XSP19YBZ141)

收起

Spatial Exploratory Analysis of Agricultural Sustainable Development in China

  • ZHANG Liguo ,
  • BAO Bingfei ,
  • YANG Shengsu
Expand
  • School of Economics，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi，China

Received date: 2019-03-14

  Revised date: 2019-09-26

  Online published: 2025-04-17

Fold

摘要

农业可持续发展一直是国内外学者探讨的热点。文章采用2004—2015年我国农业生产面板数据，运用熵值法、探索性空间数据分析等方法分析我国农业可持续发展情况。结果表明：年际间我国农业可持续发展指数总体呈先波动下降再持续上升后持续下降的变化态势，其中农业可持续发展指数年均值为0.3515，且年均增长率为0.0609%；我国农业可持续发展指数整体较低，农业可持续发展指数由东部向西部地区呈递减分布态势；农业可持续发展指数主要处于高—高和低—低地区，处于高—高地区的省（市、区）主要分布在我国东部地区，处于低—低地区的省（市、区）均分布在我国西部地区。

关键词： 绿色发展; 农业; 可持续发展; 空间自相关; 时空演变; ESDA

本文引用格式

张利国 , 鲍丙飞 , 杨胜苏 . 我国农业可持续发展空间探索性分析[J]. 经济地理, 2019 , 39(11) : 159 -164 . DOI: 10.15957/j.cnki.jjdl.2019.11.019

Abstract

The sustainable development of agriculture has always been a hot topic for scholars at home and abroad. In this paper, the panel data of agricultural production in China from 2004 to 2015 are used to analyze the sustainable development of agriculture in China by using the methods of entropy method and exploratory spatial data analysis. The results show that the annual agricultural sustainable development index in China has a tendency to fluctuate first, then continue to rise and continue to decline at last. Among them, the annual average of agricultural sustainable development index is 0.3515, and the average annual growth rate is 0.0609%. The index of agricultural sustainable development in China is low as a whole, and the index of agricultural sustainable development is decreasing from east to west. The index of sustainable development is mainly in high-high and low-low regions. The provinces (cities and autonomous regions) in high-high areas are mainly distributed in the eastern part of China, and the provinces (cities and autonomous regions) in low-low areas are all distributed in the western part of China.

Key words： green development; agricultural; sustainable development; spatial autocorrelation; spatio-temporal evolution; ESDA

农业是国民经济发展的基础，在社会发展中占有重要地位，农业能否长期稳定、协调发展直接影响整个国民经济发展和社会稳定。其可持续发展不仅是当今我国关注的焦点，也是人类可持续发展的前提和根本保障。随着科学技术不断发展，农业现代化进程加快推进，使得农业经济快速发展，但同时也带来大量社会资源消耗、环境污染日益突出等需解决的问题。近年来，政府意识到农业可持续发展的重要性，2017年中央“一号文件”提出“推行绿色生产方式，增强农业可持续发展能力”。在此背景下，分析我国农业可持续发展时空演变，摸清我国各省（市、区）农业可持续发展空间自相关，对提高我国农业可持续发展水平具有重要意义。
目前，国内学者已从不同视角对农业可持续发展进行了研究。在农业可持续发展研究方法方面，一些学者采用客观赋权的主要研究方法有变异系数法[1]、主成分分析法[2⇓-4]、复相关系数法[5]、熵值法[6⇓-8]、坎蒂雷赋权法[9]等，采用主观赋权的主要研究方法有德尔菲法[10-11]、层次分析法[12-13]等；在农业可持续发展指标体系构建方面，大多学者在遵从科学性、系统性、可持续性以及可操作性等原则下，对农业可持续发展进行广泛探索，其构建指标体系涵盖人口、社会、经济、资源、环境等主要领域。罗其友等提出包括经济、社会、生态以及环境等4个基准层指标，17个评价指标的评价体系[14]，孙炜琳等提出包括农业生产、农业资源、农业环境、农业生态和农民生活等五个方面，26个评价指标在内的评价指标体系[15]，段妍磊提出包括农村人口发展水平、农业经济生产发展水平、农业社会可持续发展水平、农业科技发展水平、农业资源利用水平及农业生态环境质量等六个方面基准层，20个评价指标系统[16]。
基于上述背景，现有对农业可持续发展的研究主要从多方法、多视角出发，为本文奠定了坚实的基础。但现有研究鲜有从空间异质性出发，分析地区之间的关联性。基于此，本文首先采用熵权法测算2004—2015年我国农业可持续发展指数；其次选取2004、2008、2012、2015等4个典型年份，分析我国各省（市、区）农业可持续发展指数空间分异；最后采用ESDA模型探索我国农业可持续发展全局空间相关、局部空间相关性。这对提高我国农业可持续发展水平具有重要意义。

1 研究方法、指标选取与数据来源

1.1 研究方法

1.1.1 熵值法

熵值法是衡量某一指标的离散程度的一种方法。其离散程度越大，表明某一指标对综合评价影响越大；反之，则越小。本文采用熵值法测算我国农业可持续发展指数，具体计算步骤[17]如下：
①标准化处理。其计算公式为：
x i j = a i j - m i n a i j m a x a i j - m i n a i j
（ a i j为正向指标，其值越大越好）
x i j = m a x a i j - a i j m a x a i j - m i n a i j
（ a i j为负向指标，其值越小越好）
式中： a i j为未经过标准化的第 j项第 i地区指标值； x i j为经过标准化后的第 j项第 i地区指标值。
②分别计算第 i地区第 j项指标值占各地区总值的比重：
P i j = x i j / ∑ i = 1 m x i j
③计算第 j项指标的熵值：
E j = - ∑ i = 1 m P i j l n P i j l n m   j = 1,2 , 3 , … , n
式中： m为研究单元的个数，当 P i j = 0时， P i j l n P i j = 0。
④计算各项指标的动态权重：
W j = 1 - E j / n - ∑ j = 1 n E j
式中： j为指标个数，指标权重越高，对农业可持续发展指数的影响就越大。
⑤计算各子系统的可持续发展能力。首先将各子系统中的指标权重进行标准化处理：
W k j * = W j / ∑ j = 1 r W j
然后计算各子系统可持续发展能力：
S k i = ∑ j = 1 r W k j * x i j
式中： k的取值代表不同的子系统，当 k = 1,2 , 3,4 , 5时，分别表示人口系统、社会系统、经济系统、资源系统及环境系统； S k i表示第 i地区第 k个子系统的可持续发展能力；r为各子系统所包含指标个数。
⑥计算农业可持续发展指数。首先计算各子系统可持续能力的权重：
W k = ∑ j = 1 r W j
然后计算农业可持续发展指数：
S i = ∑ j = 1 5 W k S k i
式中： S i为第 i地区农业可持续发展指数。 S i取值范围为[0，1]， S i越大，我国农业可持续发展综合能力越强。

1.1.2 变异系数法

变异系数是衡量年际间整个研究区某一属性值相对差异的常用指标，其值越大，说明研究区某一属性值相对差异大；反之，则越小。本文运用其测算农业可持续发展指数的相对差异，旨在摸清我国农业可持续发展整体的差异演变情况。其计算公式如下[18]：
S t = ∑ i = 1 n Y i t - Y t ¯ 2 / n
V t = S t / Y t ¯
式中： S t为标准差； Y t ¯为 t年份我国农业可持续发展指数； n为省（市、区）个数； Y i t为第 t年我国第 i省（市、区）农业可持续发展指数； V t为变异系数。

1.1.3 ESDA方法

探索性空间数据分析（Exploratory Spatial Data Analysis，ESDA）。探索性空间数据分析核心内容包括全局空间自相关和局部空间自相关[19⇓⇓-22]。

1.2 指标选取

为了探索2004—2015年我国农业可持续发展时空演变及空间异质性，根据数据可获得性和农业可持续发展评价指标体系的构建原则，从而建立我国可持续发展评价层次结构模型。具体见表1，部分指标①是通过计算获得的[23]。
表1 我国农业可持续发展评价指标体系构建

Tab.1 Construction of China’s agricultural sustainable development evaluation index system

一级指标 二级指标 单位 属性
人口系统可持续能力 乡村受教育程度人口比重 % 正向
人口自然增长率 % 逆向
区域人口密度 % 逆向
社会系统可持续能力 农村人均用电量 kW·h/人 正向
村民人均住房面积 m2/人 正向
农村居民恩格尔系数 % 逆向
经济系统可持续能力 人均农业生产总值 元/人 正向
农村居民人均纯收入 元/人 正向
农业固定资产投资 亿元 正向
单位播种面积农业产值 元/hm2 正向
资源系统可持续能力 人均耕地面积 hm2/人 正向
农业土地生产率 kg/hm2 正向
单位耕地面积机械总动力 kW/hm2 正向
农业用水量 亿m3 正向
有效灌溉率 % 正向
环境系统可持续能力 化肥使用强度 kg/hm2 逆向
农药使用强度 kg/hm2 逆向
地膜使用强度 kg/hm2 逆向
水土流失治理面积 1 000 hm2 正向
森林覆盖率 % 正向
农业成灾率 % 逆向

1.3 数据来源

本文所使用数据主要来源于2005—2016年《中国统计年鉴》、各省（市、区）统计年鉴。其中部分数据是基于上述统计年鉴中的原始数据计算获得的，采用的空间数据主要来源于国家地理信息数据中心提供的矢量数据，部分空间数据采用ArcGIS 10.1对上述统计年鉴数据以及原有空间数据结合计算获得。

2 我国农业可持续发展指数演变

本文运用熵值法对我国各省（市、区）农业可持续发展指数进行测算，并分析其时空演变情况。

2.1 基于时间维度的农业可持续发展指数演变

总的来说，2004—2015年期间我国农业可持续发展指数年均值为0.3515。其中2013年我国农业可持续发展指数最高，为0.3652，其次是2014年，为0.3633，而2006年最低，为0.3292，其次是2008年，为0.3428。从我国农业可持续发展指数的变异系数来看，2004—2015年农业可持续发展指数的变异系数年均为0.2543。其中2009年我国农业可持续发展指数的变异系数最高，为0.2795，其次是2006年，为0.2759，而2014年最低，为0.2298，其次是2013年，为0.2366。
表2 2004—2015年我国农业可持续发展指数演变

Tab.2 Evolution of China’s agricultural sustainable development index from 2004 to 2015

年份 发展指数 变异系数
2004 0.3454 0.2637
2005 0.3477 0.2496
2006 0.3292 0.2759
2007 0.3513 0.2412
2008 0.3428 0.2524
2009 0.3478 0.2795
2010 0.3538 0.2692
2011 0.3582 0.2644
2012 0.3614 0.2489
2013 0.3652 0.2366
2014 0.3633 0.2298
2015 0.3521 0.2399
均值 0.3515 0.2543
从我国农业可持续发展指数的变化范围来看，除2006年之外，我国省（市、区）农业可持续发展指数主要集中在0.3500，说明年际间各省（市、区）农业可持续发展指数差异不明显。从我国农业可持续发展指数的变异系数变化范围来看，属于低等变异（变异系数值处于0~0.40之间），这与我国各省（市、区）农业可持续发展指数差异小相吻合，但农业可持续发展指数低，说明我国农业可持续发展整体水平具有很大提升空间，表明各省（市、区）在统筹各子系统可持续能力协调发展的同时，还应注重各子系统可持续能力的提高。
图1直观反映2004—2015年我国农业可持续发展指数演变情况。从农业可持续发展指数变化趋势来看，农业可持续发展指数呈先波动下降再持续上升后持续下降的变化态势，且变化幅度较小，其中农业可持续发展指数年均增长率为0.0609%。从农业可持续发展指数的变异系数来看，其变异系数先呈波动上升再持续下降后上升的变化态势，其中变异系数年均增长率为-0.2164%，从农业可持续发展指数的变异系数的变化趋势可以看出，2004—2015年我国各省（市、区）农业可持续发展指数呈先波动再稳定后波动的变化态势，与农业可持续发展指数演变趋势相吻合（图1）。
图1 2004—2015年我国农业可持续发展指数演变趋势

Fig.1 Evolution of China’s agricultural sustainable development index from 2004 to 2015

总的来说，农业可持续发展指数是由人口、社会、经济、资源以及环境等各子系统可持续能力共同决定的，我国各省（市、区）农业可持续发展水平较低，各子系统可持续能力发展潜力较大。因此，统筹并提高各子系统可持续能力是提高我国农业可持续发展水平的关键。

2.2 基于空间维度的农业可持续发展指数演变

为了摸清我国各省（市、区）农业可持续发展指数演变过程，采用自然断点法将2004—2015年我国各省（市、区）农业可持续发展指数平均值分为5种类型，即[0.1864，0.2446）类型、[0.2446，0.3016）类型、[0.3016，0.3647）类型、[0.3647，0.4399）类型、[0.4399，0.5077）类型。在此基础上，得出我国各省（市、区）农业可持续发展指数空间分布图（图2），更加直观地显示我国各省（市、区）农业可持续发展指数空间动态演变情况。
图2 2004—2015年我国农业可持续发展指数平均值等级分异示意图

Fig.2 Sketch map of the average level differentiation of China's agricultural sustainable development index from 2004 to 2015

我国各省（市、区）农业可持续发展指数均值处于[0.1864，0.2446）类型有青海、西藏、贵州、宁夏、甘肃、海南等6个省（市、区），处于[0.2446，0.3016）类型有重庆、云南、山西、广西等4个省（市、区），处于[0.3016，0.3647）类型有新疆、安徽、陕西、吉林、四川、湖北、天津等7个省（市、区），处于[0.3647，0.4399）类型有江西、广东、湖南、河南、内蒙古、福建、辽宁、黑龙江、北京、山东等10个省（市、区），处于[0.4399，0.5077）类型有河北、江苏、浙江、上海等4个省（市、区）。我国各省（市、区）农业可持续发展指数总体由东部地区向西部地区呈递减分布。

3 农业可持续发展指数空间探索性分析

3.1 农业可持续发展指数全局空间相关性分析

根据我国各省（市、区）农业生产数据，利用GeoDa 1.6软件分别对2004—2015年我国各省（市、区）农业可持续发展指数进行全局空间自相关测算，结果发现全局空间自相关系数全部为正，且Moran’s I散点图中农业可持续发展指数主要集中在第一或第三象限内，说明这一期间内我国农业可持续发展指数均为空间正自相关，且相对稳定。结果见表3。由表3可知，2004、2008、2012和2015年的Moran’s I指数分别为0.4883、0.4693、0.4716、0.4809，表明我国农业可持续发展指数具有空间正相关性，即指数高的省（市、区）趋于相邻，较低的省（市、区）趋于相邻，农业可持续发展指数属于高—高集聚和低—低集聚类型。
表3 2004—2015年我国农业可持续发展指数的LISA聚集结果

Tab.3 Results of LISA aggregation of China’s agricultural sustainable development index from 2004 to 2015

年份 H-H H-L L-H L-L
2004 天津、江苏、上海、浙江 安徽 新疆、西藏、四川、云南
2008 江苏、上海、浙江 安徽 新疆、西藏、四川、青海
2012 山东、江苏、上海、浙江、福建 安徽 新疆、西藏、四川、云南、青海、甘肃
2015 江苏、上海、浙江、江西 四川 安徽 新疆、西藏、云南、青海、甘肃

3.2 农业可持续发展指数局部空间相关性分析

农业可持续发展指数处于高—高地区和低—低地区的省（市、区）较多，处于高—低地区和低—高地区的省（市、区）较少。从区域分布来看，农业可持续发展指数处于高—高地区的省（市、区）主要分布在我国东部地区，而处于低—低地区的省（市、区）均分布在我国西部地区，我国其他地区局部相关性不显著，大部分省（市、区）农业可持续发展指数“空间极化不明显，处于较低水平均衡状态”[24]，具体分析如下。
由表3可知，2004年农业可持续发展指数处于高—高地区的省（市、区）主要分布在天津、江苏、上海、浙江，说明这些地区农业可持续发展水平高、集聚性强，与周边地区农业可持续发展联系紧密，辐射带动作用强；农业可持续发展指数处于低—高地区的省（市、区）主要分布在安徽省，说明其农业可持续发展与周边地区农业可持续发展联系紧密，但安徽省农业可持续发展相比周边地区，发展较为缓慢；农业可持续发展指数处于低—低地区的省（市、区）主要分布在新疆、西藏、四川、云南，说明这些地区的农业可持续发展水平较低，与周边地区农业可持续发展联系较少，农业可持续发展集聚性弱；没有省（市、区）农业可持续发展指数处于高—低地区。
2008年农业可持续发展指数处于高—高地区的省（市、区）主要分布在江苏、上海、浙江，农业可持续发展指数处于低—高地区的省（市、区）主要分布在安徽；农业可持续发展指数处于低—低地区的省（市、区）主要分布在新疆、西藏、四川、青海；没有省（市、区）农业可持续发展指数处于高—低地区。与2004年相比，天津农业可持续发展指数退出高—高地区，青海进入低—低地区，说明这些地区农业可持续发展水平趋于减缓，与周边地区农业可持续发展联系减少，集聚性在减弱。而云南农业可持续发展指数则退出低—低地区，说明在此期间，云南农业可持续发展水平有所提高，与周边地区农业可持续发展联系增强。
2012年农业可持续发展指数处于高—高地区的省（市、区）主要分布在山东、江苏、上海、浙江、福建，农业可持续发展指数处于低—高地区的省（市、区）主要分布在安徽；农业可持续发展指数处于低—低地区的省（市、区）主要分布在新疆、西藏、四川、云南、青海、甘肃；没有省（市、区）农业可持续发展指数处于高—低地区。与2004、2008年相比，2012年山东、福建进入高—高地区，说明这些地区农业可持续发展水平在增强，与周边地区联系紧密，集聚性强，而青海、甘肃相继进入低—低地区，说明这些地区与周边地区农业可持续发展紧密性在减弱，农业可持续发展不稳定。
2015年农业可持续发展指数处于高—高地区的省（市、区）主要分布在江苏、上海、浙江、江西，农业可持续发展指数处于高—低地区的省（市、区）主要分布在四川。农业可持续发展指数处于低—高地区的省（市、区）主要分布在安徽；农业可持续发展指数处于低—低地区的省（市、区）主要分布在新疆、西藏、云南、青海、甘肃；与2004、2008、2012年相比，2015年江西省进入高—高地区，四川从低—低地区进入高—低地区，说明近年来，这些地区农业可持续发展水平快速提升，加强与周边地区农业可持续发展紧密联系，而天津、山东、福建相继退出高—高地区，以及青海、云南相继进入低—低地区，说明这些地区农业可持续发展水平在降低、发展不稳定，与周边地区农业可持续发展紧密性在减弱。

4 结论与启示

4.1 结论

本文对2004—2015年我国农业可持续发展时空演变及空间自相关性进行分析，得出如下结论：①从时间维度来看，2004—2015年我国农业可持续发展指数总体呈先波动下降再持续上升后持续下降的变化态势，其中农业可持续发展指数年均值为0.3515，且年均增长率为0.0609%；年际间其变异系数呈先波动上升再持续下降后上升的变化态势，其中变异系数年均值为0.2543，且年均增长率为-0.2164%。②从空间维度来看，2004—2015年我国各省（市、区）农业可持续发展指数总体由东部地区向西部地区呈递减分布。其中农业可持续发展指数最高的省（市、区）主要分布在我国的华东和华北地区，农业可持续发展指数最低的省（市、区）则主要分布在我国的西南和西北地区。③我国农业可持续发展指数处于高—高地区和低—低地区的省（市、区）较多，处于高—低地区和低—高地区的省（市、区）较少，且农业可持续发展指数处于高—高地区的省（市、区）主要分布在我国东部地区，处于低—低地区的省（市、区）均分布在我国西部地区。

4.2 启示

①研究表明我国东部地区各省（市、区）农业可持续发展水平要高于西部地区，揭示我国农业可持续发展的区域不平衡性，而区域农业可持续平衡发展的重要方法就是区域发展政策，因此政府应加强农业人才引进，加大西部地区农业研发力度，加强东西部地区交通枢纽设施建设，拉近东西部地区农业可持续发展密切联系的距离。②近年来，由于部分地区一味追求农业产量，过度使用化肥、农药、地膜等，导致土壤肥力降低、河道富营养化以及对生物链的破坏等，从而抑制了我国农业可持续的发展。因此，首先应大力宣传传统无机化肥、农药等对环境的影响；其次建立健全法律法规，保护资源、环境等；最后政府应加大奖励机制，对于购买有机肥等要素有助农业可持续发展的农户，给予优惠或奖励。③鉴于我国农业可持续发展指数较高的省（市、区）主要分布在我国东部地区，而指数较低的省（市、区）均分布在我国西部地区，说明处于东部地区的省（市、区）农业可持续发展水平高，各省（市、区）之间联系紧密，各省（市、区）在农业可持续发展方面集聚性强，因此要进一步带动和辐射周边其他东部、中部、西部地区，乃至整个国家的农业可持续发展水平的提高，而指数较低的西部地区，其农业基础设施建设、交通、信息等比较落后，阻碍了农业可持续发展速度，因此政府要积极引导，加大农业现代化建设投入，完善农村水利、交通等设施建设，这将有助于该地区农业可持续发展水平的提高，进一步缩小农业可持续发展水平低的省（市、区）与高的省（市、区）之间的差距，从而最终使得我国农业可持续发展水平处于高水平状态。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王幼奇, 白一茹, 展秀丽. 在不同尺度下宁夏引黄灌区农田土壤养分空间变异分析[J]. 干旱区研究, 2014, 31(2):209-215.

[2]
张丽, 刘越. 基于主成分分析的农业可持续发展实证分析——以河南省为例[J]. 经济问题探索, 2007(4):31-36.

[3]
韩俊龙, 韩珂, 梁保松. 基于主成分分析的河南省农业循环经济发展评价研究[J]. 河南农业大学学报, 2013, 47(6):757-761.

[4]
王爽英, 李立辉, 戴向洋. 基于主成分分析方法的湖南省农业区域经济评价及发展方向[J]. 农业现代化研究, 2010, 31(2):241-244.

[5]
宋彦蓉, 张宝元. 基于地区现代化评价的客观赋权法比较[J]. 统计与决策, 2015(11):82-86.

[6]
汤建尧, 曾福生, 刘辉. 基于熵值法的湖南两型农业发展水平评价[J]. 湖南农业大学学报:社会科学版, 2013, 14(4):24-29.

[7]
肖庆业, 陈建成. 江西农业可持续发展能力研究——基于熵权灰色关联分析[J]. 江西社会科学, 2013, 33(4):69-73.

[8]
袁久和, 祁春节. 基于熵值法的湖南省农业可持续发展能力动态评价[J]. 长江流域资源与环境, 2013, 22(2):152-157.

[9]
柯健, 汪燕敏. 安徽省资源、环境、经济系统协调发展评价[J]. 资源开发与市场, 2007(8):688-691.

[10]
邱立新. 青岛市现代农业优先发展领域评价与选择[J]. 青岛农业大学学报:社会科学版, 2011, 23(3):32-36,79.

[11]
王晓红, 郭翔宇, 申玉军, 等. 黑龙江垦区农业可持续发展评价指标体系[J]. 黑龙江八一农垦大学学报, 2003(1):119-122.

[12]
程智强. 上海农业可持续发展指标体系及其评价[J]. 农业技术经济, 1999(1):40-44.

[13]
刘慧. 区域农业可持续发展指标体系及评估方法[J]. 地理科学进展, 1997(2):23-27.

[14]
罗其友, 唐曲, 刘洋, 等. 中国农业可持续发展评价指标体系构建及研究[J]. 中国农学通报, 2017, 33(27):158-164.

DOI

[15]
孙炜琳, 王瑞波, 黄圣男, 等. 供给侧结构性改革视角下的农业可持续发展评价研究[J]. 中国农业资源与区划, 2017, 38(8):1-7.

[16]
段妍磊. 河北省农业可持续发展指标体系分析[J]. 中国农业资源与区划, 2016, 37(6):169-173,183.

[17]
郭显光. 熵值法及其在综合评价中的应用[J]. 财贸研究, 1994(6):56-60.

[18]
魏后凯. 现代区域经济学[M]. 北京: 经济管理出版社, 2006.

[19]
Anselin L, Syabri I, Kho Y. GeoDa:An Introduction to SpatialData Analysis[J]. Geographical Analysis, 2006, 38(1):5-22.

[20]
Sanjeev S, Helena T, Richard L, et al. An exploratory spatialdata analysis approach to understanding the relationship between deprivation and mortality in Scotland[J]. Social Science & Medicine, 2007, 65:1 942-1 952.

[21]
曾庆泳, 陈忠暖. 基于GIS分析法的广东省经济发展区域差异[J]. 经济地理, 2007, 27(4):558-561,574.

[22]
张利国, 鲍丙飞, 董亮. 鄱阳湖生态经济区粮食单产时空格局演变及驱动因素探究[J]. 经济地理, 2018, 38(2):154-161.

DOI

[23]
袁久和. 我国中部地区农业可持续发展的动态评价与发展对策[J]. 南京审计学院学报, 2013, 10(1):14-21.

[24]
关伟, 朱海飞. 基于ESDA的辽宁省县际经济差异时空分析[J]. 地理研究, 2011, 30(11):2 008-2 016.

Options
文章导航

/

〈 〉