EN中文

经济地理 >

2021 , Vol. 41 >Issue 4: 137 - 147

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.04.017

三农、土地与生态

中国特色种植村镇的空间分布及其成因——以国家级示范性专业村镇为例

  • 周爽 , 1, 2, 3 ,
  • 吴娜琳 , 4, ※
展开
  • 1.河南大学 黄河中下游游数字地理技术教育部重点实验室/黄河文明省部共建协同创新中心/区域发展与规划研究中心，中国河南 开封 475001
  • 2.中国科学院水利部成都山地灾害与环境研究所，中国四川 成都 610041
  • 3.中国科学院大学，中国 北京 100049
  • 4.城乡协调发展河南省协同创新中心，中国河南 郑州 450046
※吴娜琳（1985—），女，新疆呼图壁人，博士，副教授，研究方向为村域经济及其可持续发展。E-mail：

周爽（1998—），女，河南邓州人，硕士研究生，研究方向为人文地理学。E-mail：

收稿日期: 2020-03-16

  网络出版日期: 2025-04-25

基金资助

中国博士后科学基金面上项目(2017M622334)

国家自然科学基金项目(41971222)

河南大学一流学科培育项目创新团队支持计划(2019YLZDYJ12)

收起

Spatial Distribution of Villages and Towns With Specialized Planting and Its Influencing Factors：A Case of National Demonstration Specialized Villages and Towns in China

  • ZHOU Shuang , 1, 2, 3 ,
  • WU Nalin , 4, ※
Expand
  • 1. Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions (Henan University)，Ministry of Education/Collaborative Innovation Center of Yellow River Civilization Provincial Co-construction/Institute for Regional Development and Planning，Henan University，Kaifeng 475001，Henan，China
  • 2. Institute of Mountain Hazards and Environment，Chinese Academy of Sciences，Chengdu 610041，Sichuan，China
  • 3. University of Chinese Academy of Sciences，Beijing 100049，China
  • 4. Collaborative Innovation Center of Urbanrural Coordinated Development，Zhengzhou 450046，Henan，China

Received date: 2020-03-16

  Online published: 2025-04-25

Fold

摘要

特色种植是特色农业产业的重要组成部分，其空间分布及规模直接影响着特色农业的区域化布局。文章以农业农村部公布的8批2 164个特色种植村镇为研究对象，采用ArcGIS空间分析法，从不同尺度就其空间分布特征进行探究发现：①省级特色种植村镇数量在东北—西南方向呈“多—少”相间的条带状分布格局；②特色种植村镇倾向集聚于低海拔、近河流、近地级市的区域；③特色种植村镇的空间分布同人口分布相似，以胡焕庸线为界，东南密西北疏，且空间相关性较强。选取OLS、SLM与SEM模型，甄别和量化不同尺度的环境因素对特色种植专业村镇空间集聚的影响，得出如下结论：①地区的特色种植村镇集聚度不仅受到本区域各因子的作用，也受到邻近区域各因子的作用，且相邻地区各因子对集聚度的影响具有一致性；②海拔低、坡度缓、人均GDP低、人均土地资源多、人力资源丰富、城镇化率高、区位优势明显的地区有利于特色种植村镇集聚。此外，水资源已不是特色种植村镇集聚的决定性因素。

关键词： 一村一品; 特色种植; 乡村振兴; 空间分布; 专业村镇; 地势; 河流; 集聚

本文引用格式

周爽 , 吴娜琳 . 中国特色种植村镇的空间分布及其成因——以国家级示范性专业村镇为例[J]. 经济地理, 2021 , 41(4) : 137 -147 . DOI: 10.15957/j.cnki.jjdl.2021.04.017

Abstract

Specialized planting is an important part of the special agricultural industry,its spatial distribution and scale directly affect the regionalization of special agriculture. Based on 2 164 villages and towns with specialized planting which are announced by the Ministry of Agriculture and Rural Affairs of the People's Republic of China,this paper explores the spatial distribution characteristics from different scales by the means of spatial analysis methods. The results show that: 1) At provincial level,the number of villages and towns with specialized planting presents a strip-type distribution pattern which declines from the northeast to southwest. 2) Villages and towns with specialized planting tend to concentrate in areas which are at low altitudes,near rivers,and near prefecture-level cities. 3) Spatial distribution of villages and towns with specialized planting is similar to population bounded by the "Hu Line",presents unbalanced characteristic which is denser in the southeast than the northwest,and has a strong spatial correlation. According to the OLS,SLM and SEM,this paper identifies and quantifies the impact of environmental factors at different scales on the spatial agglomeration characteristics of villages and towns. The conclusions are drawn as follows: 1) The agglomeration degree of villages and towns with specialized planting is affected not only by the factors in the region,but also by the factors in the neighboring regions,and the impact of factors in the neighboring regions on the agglomeration is consistent. 2) The areas with low altitude,slow slope,low per capital GDP,large per capital land resources,rich human resources,high urbanization rate,and obvious location advantages are conducive to the agglomeration of villages and towns with specialized planting. In addition,water resources are no longer a decisive factor for the agglomeration of villages and towns with specialized planting.

Key words： one village and one product(OVOP); specialized planting; rural revitalization; spatial distribution; specialized villages and towns; topography; rivers; agglomeration

在快速城镇化的进程中，实现农村经济的快速发展还面临许多挑战，而专业村镇的发展则有利于解决这个问题[1]。种植业作为农村农业经济的主要产业，其高效发展可有效助力乡村振兴。特色种植专业村镇（以下称“特色种植村镇”）因大部分农户商品性地从事一种或多种相互关联的生产或服务活动，且该活动的经济总量构成村镇经济总量的主体[2]，因而其可通过优化配置和有效管理影响乡村发展的物质和非物质要素，从而达到重构乡村社会经济形态和优化地域空间格局的目的[3]。特色种植村镇集聚是基于分工和专业化形成功能上有机整合的动态系统[4]，在此系统中各特色村镇可实现经济效益的最大化。因此，探索特色种植村镇的空间分布及影响因素对调好、调顺、调优农业种植结构，引导村域发挥资源优势，提高农业综合效益和竞争力，促进农村经济发展及农民增收，实现乡村振兴具有重要意义。
有关特色村镇的研究，国内外学者主要从以下四个方面展开：①概念的界定，如陈建胜以专业村发展路径为出发点[5]，李小建从产业和产品标准、收入标准及组织形式三个方面，分别对专业村镇的概念进行定义[2]。②特色村镇的形成与发展过程，主要关注各尺度上特色村镇的空间分布[6⇓-8]、集聚与扩散[9⇓⇓⇓⇓⇓-15]、时空演化[16⇓-18]等。如村域、区域尺度的研究中，乔家君[14]发现特色种植的演变遵循兴起、壮大、稳定的趋势，这与高更和发现的“S”型发展轨迹相一致[18]。此外，特色种植的空间扩散方式为跳跃式和渐进式相结合，最终在空间分布上呈点轴模式[9]。而关于全国尺度的特色村镇研究，发现特色村镇的空间分布具有东多西少、南多北少的显著空间差异性，整体呈空间集聚分布，且空间格局与全国主体功能区农业战略格局高度吻合[7]。③特色村镇形成的影响因素，特色种植村镇的形成及发展受到内外源因子的综合作用[19⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓-38]。如梁书民提出种植结构的分布和变化可从自然因素和经济因素两方面进行指标选取[6]。在此基础上，李裕瑞等认为经济基础、人力资本和社会资本等内源因素以及制度、市场和技术等外源因素影响着村域发展转型[38]。吴娜琳等提出特色种植的发展受农户、村域环境和区域环境等内外因素的影响[17]。④特色村镇的社会经济效应，如Chidumu、Fujita等发现专业村是基于当地资源的农村发展战略，是解决“三农”问题的重要途径之一[39-40]；乔家君、张哲晰等发现专业村集聚形成的马歇尔外部效应能显著提高农民收入水平，促进村域经济发展[13⇓-15]；刘玉振等发现专业村镇之间通过产业分工和协作来进行专业化生产，从而使专业村镇的专业化程度和集约度也随之提高[9]。
以往研究的共同特征是，多以村域和县域为研究尺度，而大尺度区域范围，如地级市、国家尺度的研究不多。“解剖麻雀”固然可以得出细致深刻的发现，但可能难以捕捉专业村镇的群体性特征[41]，对特色种植村镇的宏观布局与发展规划指导意义不大。此外，以往研究[8]鲜少就特色村镇分布的空间关联性和分布区域的地理特征进行探讨，对区域间的关联性缺乏认识，且以往研究较少就领域因子与本区域的关系进行探讨。因此，本研究将从国家尺度入手，探究特色种植村镇的空间分布是怎样的，其在不同空间尺度下的分布特征有什么不同，各区域之间存在怎样的关联，影响因素有哪些。为此，以全国为研究范围，以农业农村部公布的八批国家示范性特色种植村镇为研究主体，采用空间计量模型，从不同空间尺度入手，探寻特色种植村镇的时空分布规律及影响因素，以助力乡村振兴。

1 数据与方法

1.1 研究区概况

中国是典型的农业大国之一。2016年我国第一产业的总产值为62 099.5亿元，以农业收入为主，形成“农业为主其他产业为辅”的协同发展模式。此外，2017年我国农业总播种面积为16 633.2万hm2，粮食播种面积位列第一（播种面积为11 798.9万hm2）。据农业农村部统计，截至2017年，全国各类专业村镇达到6.1万个，专业村镇农民人均可支配收入15 108元，高出2017年全国农民人均可支配收入12.5%，832个国家贫困县发展有一村一品专业村镇1.5万个，约占全国专业村镇总数的25%，这些专业村镇农民人均可支配收入达到10 674元。其中，经济总收入超亿元的专业村镇2 398个，超10亿元的151个；专业村镇从业农户达到1 746万户，占专业村镇农户总数的80.4%。截至2018年，农业农村部公布国家级示范性特色种植村镇2 164个（占国家级示范性专业村镇总数的86.39%）（图1）。当前农村特色种植业的选择是以具有地域特色和比较优势为标准，通过规模化生产，来带动农民增收，提高当地经济水平。但是目前我国还处于特色种植村镇发展的过渡时期，面临着资源紧缺、自然灾害频发、劳动力素质低等问题。
图1 2011—2018年每年新增特色种植村镇

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2019）1833号的标准地图制作，底图无修改。图2~图5同。

Fig.1 Spatial distribution of newly added villages and towns with specialized planting from 2011 to 2018

1.2 数据来源及初步处理

①地图数据：全国省级行政区划图（1∶400万）、五级及以上水系分布图、县城分布图和地级市分布图均来自中国科学院资源环境数据云平台（http://www.resdc.cn/）；各省份特色种植村镇的数量采用ArcGIS的Spatial join工具进行计算，特色种植村镇到河流的距离、特色种植村镇到县城及地市级的距离均采用ArcGIS的near工具进行计算。各村镇的坡度及高程，获取方法如下，将地理空间数据云（http://www.gscloud.cn/）中的全国SRTM.DEM 90 m数据运用reclassify工具进行分级，采用raster to polygon和dissolve工具获取对应的分级矢量图；使用Slope工具计算坡度，使用Extration工具获取对应村镇的坡度及高程。各村镇年均降水量数据来自中国科学院资源环境数据云平台（http://www.resdc.cn/），利用Extration工具获取。国家级示范性专业村镇分布图，使用百度地图API的地址解析方法获取，并由ArcGIS软件根据其经纬度进行可视化。
②官方数据。地级市总人口、城镇化率来源于全国第六次人口普查数据；地级市人均耕地面积及人均地区生产总值来源于2011年《中国区域经济统计年鉴》《中国县市经济统计年鉴》与各省统计年鉴；特色种植村镇数据来自于2011—2018年农业农村部评定公布的前八批全国“一村一品”示范村镇（http://www.moa.gov.cn/），参考《商务部 财务部 国家税务总局关于开展农产品连锁经营试点的通知》农产品分类及前研究中农产品分类知识，将特色种植专业村镇划分为10类（表1）。对于数据缺失的地级市，标记为无数据，最终得到有效特色种植村镇2 098个，并建立2 098*15的数据库。
表1 特色种植村镇分类及统计表

Tab.1 Classification and statistics of villages and towns with specialized planting

代码 类别 数量（占比） 具体内容
11 蔬菜 743（88.64%） 丝瓜，蘑菇，苦瓜，笋，芥蓝，圣菇，辣椒，生菜，西红柿，韭菜，冬瓜，韭黄，甘蓝，蕨菜等
12 调味品 17（0.79%） 花椒，食用椒，青花椒，大红袍花椒等
13 水果 792（36.60%） 甜瓜，狮头柑，刺梨，无花果，百香果，砂糖桔，蟠桃，杨梅，酥梨，葡萄，西瓜，苹果，甜瓜，樱桃，水蜜桃等
14 苗木花卉 76（3.51%） 翠兰，菊花，棉花，山茶花，卫红花，梅，竹，樱花，百合，茱萸，花槐，灰树花，桂花，兰花，海棠，苎麻等
15 饮品材料 213（9.84%） 塔禾罗布麻茶，油茶，多善多牛蒡，秦园香茶，梁河回龙茶，临贺淮山，茉莉花，鳌福茶叶，墅香茶叶等
16 休闲养生 83（3.84%） 核桃，榛子，板栗，干杏，冬枣，焦枣，红枣，板栗等
17 粮油 133（6.15%） 大米，杂粮，荷仁豆，红薯，豆类，青稞，小米，有机小米，有机水稻，红香米，薏仁，荞麦，糜子等
18 药材 86（3.97%） 卫红花，金桂，山药，石斛，枸杞，苁蓉，猴魁，参，红花，黄芪，凤丹，芡实，丹参，黄芩，乌天麻，黄连等
19 烟叶 3（0.14%） 黄烟，烤烟等
20 混合类 18（0.83%） 玉泉洼有机果蔬，盛世绿博水果黄瓜，果蔬，虾稻连作，花卉苗木、乡村旅游，蔬菜、花卉，蔬菜瓜果等

1.3 研究方法

1.3.1 空间分析法

1.3.1.1 平均最近邻分析

平均最近邻分析用于比较观测区域内特色种植村镇的分布与随机分布的异同。该方法通过计算所有特色种植村镇与其邻近特色种植村镇的最近邻距离的平均值，并将该平均值与假设特色种植村镇随机分布的平均距离比较，以判断区域中特色种植村镇的分布状态。计算公式如下：
A N N = D o ¯ / D E ¯
式中： D o ¯为实测特色种植村镇与邻近特色种植村镇距离的平均值； D E ¯为特色种植村镇随机分布的平均距离。当 A N N > 1时，为随机分布；当 A N N < 1，则为集聚分布。

1.3.1.2 热点分析

热点分析用于识别各省份特色种植村镇数量分布的冷点区和热点区，并反映各省份之间的集聚程度的变化，计算公式如下：
G i * d ∑ j = 1 n W i j d X j ∑ j = 1 n X j
对 G i * d检验的标准化统计量为：
Z G i * = G i * - E G i * / V A R G i *
式中： X j表示j省份特色种植村镇数量； W i j为权重； G i * d热点统计值； E G i *、 V A R G i *分别为 G i * d的数学期望和变异系数。若 Z G i *为正且显著，表明i区域为高值集聚区，为特色种植村镇的“热点”区；反之，则为“冷点”区。

1.3.1.3 核密度分析

用样本点单位面积内的密度值来估计周边区域的密度值，并将各点拟合成平滑锥形曲面。具体公式如下：
f h ^ x = 1 n ∑ i = 1 n K h x - x i = 1 n h ∑ i = 1 n K x - x i h
式中： f h ^ x为空间位置x处的核密度估计；h为带宽；n表示与点x的距离小于等于h的要素点数；K函数为空间权重函数，本文不采用加权函数，将借助ArcGIS软件，根据样本点特征计算。

1.3.2 回归分析

几乎所有的空间数据都具有空间依赖性或空间自相关性[42-43]。这种空间相关性违反了经典统计学中观测值相互独立的基本假设，无法直接用经典统计分析解释与地理位置相关的空间数据关联和依赖性。为客观真实反映分析结果，同时选取普通最小二乘法（OLS）、空间滞后模型（SLM）与空间误差模型（SEM）进行回归估计，结合空间分布特征后选择最优回归模型。
OLS模型基本表达式：
Y = α 0 + α 1 X 1 + Λ + α n X n + ε
SLM模型基本表达式：
Y = ρ W k + X β + ε , ε ∼ N 0 , δ 2 I
W = w 11 w 12 ⋯ w 1 n w 21 w 22 ⋯ w 12 ⋯ ⋯ ⋯ ⋯ w n 1 w n 2 ⋯ w n n
SEM模型基本表达式：
Y = X β + ε
ε = λ W ε + μ
式中：Y为被解释变量；X为解释变量； α n为回归系数；n为观测单元个数；k为自变量个数； ρ为空间自回归系数；W为空间权重矩阵； w i j表示区域i与j的空间邻近关系，通常根据邻接标准与距离标准来度量；ε为随机误差项向量，均值为0，方差为 δ 2； λ为空间误差系数；W为空间权重矩阵； μ为正态分布的随机误差向量。

2 特色种植村镇的空间特征

2.1 特色种植村镇数量及结构的空间分布特征

截至2018年底，全国示范性专业村镇共2 505个，其中，特色种植类为2 164个，占总数的86.39%，且各年新增专业村镇中，特色种植类专业村镇均大于80%。就空间分布数量而言，特色种植专业村镇在新疆、四川—陕西—湖北和河北—山东—江苏分布较多，其中，新疆、河北特色种植类专业村镇分别占总数的4.71%、4.30%；而西藏—青海—内蒙以及南方地区省份的分布数量较少，其中，广东、湖南特色种植类专业村镇分别占总数的2.73%、2.68%。从而整体上呈现东北—西南方向“多—少”相间的条带状分布格局。
就空间分布类型而言，蔬菜和水果类种植村镇最多，占特色种植村镇数量的70.93%，且各省份水果、蔬菜种植占比均不低于50%；饮品材料和粮油类特色种植村镇数量次之（占总数的15.94%），其中饮品材料类主要分布于湖南、浙江、云南、贵州等南部省份，而粮油类54.55%位于我国秦岭—淮河以北；苗木花卉种植专业村镇为76个，占总数的3.51%，其中，46.05%在江苏、浙江、广州、海南等南部省份；休闲养生类和药材类专业村镇为169个，占总数的7.81%，其中，31.36%分布于新疆及东北部省份。在空间上呈现蔬菜与水果类广泛分布，而南方以饮品材料与苗木花卉类为主，北方以粮油、休闲养生与药材类为主的分布格局（图2）。
图2 各省特色种植村镇数量及产业构成

Fig.2 Number and composition of villages and towns with specialized planting at the provincial level in China

2.2 特色种植村镇密度的空间分布特征

2011—2018年，平均最近邻指数整体上逐渐减小，Z值的绝对值逐渐增大，且均通过了显著性检验。说明我国特色种植村镇的空间分布均呈现集聚状态，且集聚程度随特色种植村镇数量的增加不断增强。
表2 各年份特色种植村镇最近邻指数分析结果

Tab.2 Analysis results of villages and towns with specialized planting based on the nearest-neighbor index

年份 平均观
测距离		 预期平
均距离		 平均最近
邻指数		 Z值 P值
2011 92 191.337 145 612.635 0.633 -11.597 0.00
2012 56 398.610 103 524.993 0.545 -20.498 0.00
2013 45 191.085 84 858.376 0.533 -25.888 0.00
2014 39 237.938 74 912.631 0.524 -30.119 0.00
2015 33 551.690 67 157.679 0.500 -35.304 0.00
2016 30 063.866 61 398.285 0.490 -39.490 0.00
2017 26 984.077 53 188.795 0.507 -44.258 0.00
2018 25 850.660 53 471.555 0.483 -45.896 0.00
选取2011、2014、2016及2018年特色种植村镇进行核密度分析发现，特色种植村镇的集聚度在全国范围内存在较大差异，高集聚区以胡焕庸线为界，主要位于中东部地区，其中，北京、天津、陕西、山东、安徽等省市的集聚度最高，形成“多核心”分布格局。从时间演变来看，集聚核心在2011年已初步形成，随着特色种植村镇数量的增多，核心数量和集聚程度随之增加和提高，至2018年，多核心空间结构已非常明显。总之，特色种植专业村镇的空间分布同人口分布相似，均以胡焕庸线为界，呈东南密西北疏的分布格局（图3）。
图3 2011、2014、2016、2018年特色种植村镇数量核密度分析

Fig.3 Kernel density analysis of villages and towns with specialized planting in 2011, 2014, 2016 and 2018

2.3 特色种植村镇空间关联性的特征

以地级市为空间尺度，对特色种植村镇数量进行全局空间自相关分析发现，通过了Z检验（P≤0.05）的Moran's I指数均为正且逐年增加，在2011年仅为0.036，而2014、2016、2018年分别为0.047、0.068、0.070。此结果表明，特色种植村镇在地级市尺度存在空间相关性，且在空间上集聚分布。
通过热点分析进一步探究特色种植村镇分布的空间异质性，发现2011、2014、2016和2018年“热点”区随时间变化，数量逐渐增多，尤其是显著“热点”区（Z值大于2.58）的数量，分布区域也由东北部向中南部扩展，并逐渐形成以京津和川渝为核心的两大集中分布区。“冷点”区随时间变化，数量有所减少，且逐渐由西南部向东南部转移，其中一般“冷点”区（Z值在-2.58~-1.96）数量占比较大，主要分布于广东和云南地区。此外，过渡区（Z值在-1.64~1.64）数量在时间轴上则呈减少趋势。总之，“热点”区范围越来越大，“冷点”区范围越来越小，且两者分布范围均趋于集中，说明地级市之间特色种植村镇存在同向促进作用（图4）。
图4 2011、2014、2016、2018年地级市特色种植村镇数量热点分析

Fig.4 Hot spot analysis of villages and towns with specialized planting in prefecture-level cities in 2011, 2014, 2016 and 2018

2.4 特色种植村镇分布区域的地理特征

2.4.1 海拔越低的区域特色种植村镇越多且集聚度越高

结合特色种植专业村镇分布及全国高程情况，对全国DEM 90 m数据进行重分类，依据全国地形地貌特征，将全国高程划分为9级，并计算2011、2014、2016、2018年等不同年份每一等级高程内的特色种植村镇数量及密度。结果发现，特色种植村镇集中分布在低海拔区域，而在高海拔区域分布稀疏且数量较少（图5）。在海拔-264~400 m范围内，特色种植村镇数量最多，2011、2014、2016和2018年分别占特色种植村镇数量的60.07%、59.31%、58.04%、58.04%，且随着海拔的升高特色种植村镇数量逐渐减少。从特色种植村镇密度来看，各年份的特色种植村镇密度最高值均位于-264~400 m海拔高程范围内，2011、2014、2016和2018年分别达到0.000073个/km2、0.000288个/km2、0.000422个/km2、0.000557个/km2，其余等级特色种植村镇密度则随高程增加均减小。
图5 2011、2014、2016、2018年不同等级高程特色种植村镇空间分布

Fig.5 Spatial distribution of villages and towns with specialized planting at different elevation in 2011, 2014, 2016 and 2018

2.4.2 距离河流越近的区域特色种植村镇数量越多且密度越大

整体而言，特色种植村镇集中分布于5级及以上河流两侧25 km范围内，如2011、2014、2016及2018年在该范围内的特色种植村镇数分别占当年特色种植村镇总数的89.74%、93.16%、93.97%、93.81%。以2.5 km为缓冲距离，对5级及以上河流进行10次缓冲区分析，结果显示，距离河流越近，特色种植村镇数越多，分布密度越大，且随着时间的变化，二者均呈显著增加态势。如2011、2014年，特色种植村镇的数量和密度最大值均在河流5 km缓冲区内，而2018年，特色种植村镇数量和密度的最大值均出现在2.5 km缓冲区内，

2.4.3 与地级市距离越近的区域特色种植村镇数量越多且密度越大

分析发现，特色种植村镇集中分布于距离地级市180 km范围内，2011、2014、2016和2018年特色种植村镇数量分别为262、1 046、1 565、2 068个，分别占当年特色种植村镇总数的95.97%、95.53%、95.31%、95.56%。以10 km为缓冲距离，对地级市进行9次缓冲区分析发现，就数量而言，同一缓冲区内的特色种植村镇数逐年增加，但40~60km缓冲区内出现的特色种植村镇数一直最多；就密度而言，特色种植高密度区逐渐向市中心靠近，2011、2016、2018年的高密度分布区分别位于40~60 km、20~40km、0~20 km的缓冲区内。总体来看，与地级市距离越近，特色种植村镇的数量和密度越大。

3 特色种植村镇空间分布的成因分析

3.1 指标选取

特色种植村镇的空间分布是多种因素共同作用的结果。相关研究表明，在控制其他影响变量的条件下，地形条件、水资源、土地资源、人力资源、地理区位、经济基础等对特色种植村镇空间分布有显著影响[19⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓-38]。结合前人研究和数据的可获取性，本研究选取地形、水资源、土地资源、人力资源、地理区位和区域经济基础等5类内外因素，共11个指标进行特色种植空间分布的影响因素分析。地形与土地开发强度和利用方式密切相关，影响种植种类、规模和种植行为的空间扩散[33]。以往研究发现，高程和坡度对特色种植分布具有重要影响[44]，故本文选取高程和坡度作为反映地形条件的指标。水资源是特色种植的重要生产条件，降雨量和与河流距离是衡量水资源的重要指标，制约特色种植业的形成和发展[33]。土地是特色种植的载体，是规模化生产的基础[32]，本文选取耕地面积和人均耕地面积来反映土地资源。人力资源反映了特色种植的劳动力状况，人口多寡直接反映了当地的劳动力数量，种植业作为劳动密集型产业，人口数量越多，对特色种植村镇的形成越有利[34]。区位条件影响了经济活动的空间扩散、产品运输的成本、信息和技术获取等，与县城距离和地级市距离较近的村镇其经济活动的空间扩散、信息和技术获取较容易，且产品运输的成本也较低，有利于特色种植村镇的形成[32]。经济基础决定“上层建筑”，经济基础好的村镇，对特色种植发展有正向促进作用[13]，本文选取城镇化率和地级市人均GDP作为反映地区的经济实力的指标[45]。
表3 基于不同等级高程、与河流及地级市距离的特色种植村镇数量及密度

Tab.3 Number and density of villages and towns with specialized planting based on different elevation，buffer distance of rivers and distance to prefecture-level cities

类别\指标 划分区间 面积（km2） 特色种植村镇数量（个） 特色种植村镇密度（个/km2）
2011 2014 2016 2018 2011 2014 2016 2018
高程等级（m） -264~400 2 258 657 164 650 951 1 256 0.000073 0.000288 0.000416 0.000556
401~900 1 482 292 56 210 321 417 0.000025 0.000093 0.000215 0.000185
901~1 400 1 814 170 26 122 228 264 0.000012 0.000054 0.000126 0.000117
1 401~2 000 872 686 14 61 80 120 0.000006 0.000027 0.000092 0.000053
2 001~3 000 575 799 10 39 42 79 0.000004 0.000017 0.000073 0.000035
3 001~3 800 438 356 1 7 10 14 0.000000 0.000003 0.000023 0.000006
3 801~4 500 576 658 2 4 5 7 0.000001 0.000002 0.000009 0.000003
4 501~5 000 821 273 0 2 4 6 0.000000 0.000001 0.000005 0.000003
>5 000 621 452 0 1 1 1 0.000000 0.000000 0.000002 0.000000
河流缓冲距离（km） 0~2.5 1 143 583 44 201 317 438 0.000038 0.000176 0.000277 0.000383
2.5~5 1 102 313 51 203 316 396 0.000046 0.000184 0.000287 0.000359
5~7.5 1 027 459 30 163 233 303 0.000029 0.000159 0.000227 0.000295
7.5~10 919 230 32 120 182 251 0.000035 0.000131 0.000198 0.000273
10~12.5 794 001 24 94 157 202 0.000030 0.000118 0.000198 0.000254
12.5~15 662 300 21 76 110 146 0.000032 0.000115 0.000166 0.000220
15~17.5 542 563 12 58 84 109 0.000022 0.000107 0.000155 0.000201
17.5~20 439 954 14 46 64 81 0.000032 0.000105 0.000145 0.000184
20~22.5 356 962 11 40 55 67 0.000031 0.000112 0.000154 0.000188
22.5~25 293 870 6 20 25 37 0.000020 0.000068 0.000085 0.000126
地级市缓冲距离（km） 0~20 417 596 18 79 117 162 0.000043 0.000189 0.000280 0.000388
20~40 1 120 948 49 214 323 416 0.000044 0.000191 0.000288 0.000371
40~60 1 427 080 70 266 391 515 0.000049 0.000186 0.000274 0.000361
60~80 1 361 989 53 201 318 422 0.000039 0.000148 0.000233 0.000310
80~100 1 105 342 26 143 197 267 0.000024 0.000129 0.000178 0.000242
200~120 889 194 23 64 94 125 0.000026 0.000072 0.000106 0.000141
120~140 744 234 13 43 64 83 0.000017 0.000058 0.000086 0.000112
140~160 671 793 4 15 31 41 0.000006 0.000022 0.000046 0.000061
160~180 626 217 6 22 30 37 0.000010 0.000035 0.000048 0.000059

3.2 模型的计算

选取与特色种植村镇集聚度相关的变量 ① 进行多重共线性检验，在确定自变量间不存在共线性（满足VIF≤10）的情况下，利用ArcGIS与GeoDa分别进行OLS、SLM、SEM回归分析，结果显示，SLM、SEM模型拟合优度高于OLS模型，表明存在空间效应。SLM模型中W-Y系数为正，表明邻近地区的特色种植村镇集聚度对当地特色种植村镇集聚度有正向促进作用，相邻地区各因素对当地特色种植村镇集聚度的影响具有一致性。SEM模型中Lambad系数也为正，表明地区的特色种植村镇集聚度不仅受到本区域各因素的作用，也受到邻近区域各因素的作用。根据一系列检测指标，结合拟合优度最大原则，最终确定SEM为最优模型。
表4 回归分析结果

Tab.4 The results of OLS, SLM, SEM regression analysis

模型变量 OLS SLM SEM
C 0.000 -0.042*** -0.724***
高程 -0.324*** -0.092*** -0.300***
坡度 0.012 -0.039** -0.010
与河流距离 -0.074*** -0.043** -0.023
降水量 -0.296*** -0.054*** -0.070
地级市总人口 0.100*** 0.042** 0.099***
地级市耕地面积 -0.461*** -0.165*** -0.096***
地级市人均耕地面积 0.297*** 0.109*** 0.065**
与地级市距离 -0.331*** -0.091*** -0.157***
与县城距离 -0.062*** -0.018 -0.007
城镇化率 0.090*** 0.144*** 0.231***
地级市人均gdp -0.042 -0.070*** -0.088***
W-Y 0.870***
Lambad 0.951***
R2 0.260 0.644 0.669
F-statistic 83.232***
Likelihood RatioTest 1 238.564*** 1 370.411***

注：***、**、*分别表示在1%、5%、10%水平下通过显著性检验。

3.3 分析结果

①地形条件制约了特色种植的发展。海拔对特色种植村镇集聚度的影响系数为-0.300，且通过了1%显著性水平检验，表明在不考虑其他影响因素的条件下，海拔每增加1%，特色种植村镇的集聚度将会减少0.300%。坡度对特色种植村镇集聚度的影响系数为-0.010，说明坡度对特色种植村镇集聚度存在负向效应，但其未通过5%显著性检验，影响并不显著。与以往研究结论[10]相似，高程越高、坡度越陡的地区，越不利于专业村镇的形成和集聚。
②人均土地资源越多的地区特色种植村镇发展越好。区域耕地总面积的弹性系数为-0.096，通过了1%水平显著检验，表明特色种植村镇集聚程度与耕地总面积存在负相关性。而人均耕地面积的弹性系数为0.065，且通过显著性检验，说明在耕地面积一定的条件下，人口少的地区有利于特色种植发展。耕地资源条件较好的地区，农户往往会从事传统种植，导致特色种植发展受到阻碍，但当人均耕地面积较多时，农户为了追求规模效益，将会扩大特色种植的规模，从而促进特色种植发展。
③人力资源越丰富的地区特色种植村镇集聚度越高。区域人口系数为0.099，且通过显著性检验，说明人力资源对特色种植村镇集聚度有显著正向影响，如果不考虑其他因素影响，人口每增加1%，当地特色种植村镇集聚度就会增加0.099%。从核密度分析图中也可以看出，特色种植村镇集聚度图与人口分布图相似，均以胡焕庸线为分割线，呈东南密西北疏。
④区位优势越明显的地区特色种植集聚度越高。特色种植村镇集聚度与距地级市、县城距离的回归系数分别为-0.157、-0.007，表明距地级市和县城越远的地区，特色种植村镇集聚度越低，尤其是区域与地级市的距离对特色种植村镇空间分布影响显著且效应大。这是因为特色种植需要接近技术、信息扩散地，接近市场以节约运输成本的优势区位。
⑤水资源已不是特色种植村镇的决定性因素。特色种植村镇集聚度与河流距离、降水量的回归系数分别为-0.023、-0.070，说明距河流越近、降水量相对适宜的地区特色种植村镇的集聚度越高，但两者均未通过显著性检验。这是因为自然条件和作物生产条件的匹配程度决定了空间集聚格局[46]，种植专业村镇虽受水资源的影响，但是随着水利设施的完善，水资源已经不是特色种植村镇发展的决定性因素。
⑥经济基础的作用明显。城镇化率和人均GDP的系数分别为0.231、-0.088，均影响显著。城镇化率影响消费规模和市场发育，引起消费水平和消费结构的变化[45]。特色种植村镇在发展过程中需要具有一定消费能力的市场和能够从事特色种植的劳动力资源。同等人口规模情况下，城镇化率越高的地区消费能力一般越高，从而为特色种植村镇的发展提供了消费市场，促进了特色种植的集聚。而地级市人均GDP每增加1单位，特色种植村镇集聚度就降低0.088，表明人均经济实力的提升可能会影响人们从事农业生产活动的积极性，从而转向从事其他经济效益更高的产业，进而阻碍了专业村镇的发展。

4 结论与讨论

特色种植业是乡村振兴的重要产业之一，探讨特色种植村镇的空间分布特征及影响因素，利于合理规划农业产业布局。以农业农村部公布的八批特色种植村镇为研究对象，运用官方统计数据，采用ArcGIS空间分析法，就全国特色种植村镇的空间分布特征进行探究发现：①数量上，全国各省特色种植村镇在东北—西南方向呈“多—少”相间的条带状分布格局；类型上，蔬菜与水果类广泛分布，饮品材料与苗木花卉类以南方为主，粮油、休闲养生与药材类以北方为主。②特色种植村镇的空间分布同人口分布相似，以胡焕庸线为界，呈东南密西北疏的分布格局，且分布具有显著的空间相关性。③特色种植村镇倾向集聚于海拔低、距离河流近、与地级市距离近的地区。分析以上现象形成的影响因素发现：①地区的特色种植村镇集聚度不仅受到本区域各因素的作用，也受到邻近区域各因素的作用，且相邻地区各因素对当地特色种植村镇集聚度的影响具有一致性；②海拔低、坡度缓、人均GDP低、人均土地资源多、人力资源丰富、城镇化率高、区位优势明显的地区有利于特色种植村镇集聚。此外，水资源已不是特色种植村镇集聚的决定性因素。
特色种植村镇发展受制于地形条件、水资源、土地资源、人力资源、地理区位和区域经济基础等因素，但不同因素对特色种植村镇发展的影响存在显著差异。在人才流失、资源匮乏的农区，破解乡村发展难题，振兴乡村经济，把地方土特产和小品种做成带动农民持续增收的大产业，特色农业及其专业村镇将首当其冲。但并不是所有的农业生产地区都适合建设特色村镇，还要考虑当地资源条件、地理环境和区位优势等，因地制宜地进行。对于资源条件不足、地理环境一般、区位优势不明显的地区，不强求走特色农业发展道路；而对于地理条件优越、区位优势及地方特色显著的农区，在特色专业村镇发展的基础上，可以向特色农产品优势区、特色农业产业区或产业集群方向进一步发展。
和以往研究[8]相比，本文聚焦特色种植类专业村镇，且以时间为轴线，对不同时期特色种植专业村镇空间分布格局的分析更加细致，如发现“在海拔-264~400m的高程范围内，就集中了2018年58.04%的专业村”；发现从全局出发，坡度、河流密度、降水量对特色种植村镇空间分布的影响均未通过检验；发现特色种植村镇的分布具有空间关联性，特色种植村镇集聚度不仅受到本区域各因子的作用，也受到邻近区域各因子的作用，且效应相同。此发现可以识别领域因子与本区域的关系，相较于以往研究，更能反映因子驱动力的作用。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
乔家君, 赵德华, 李小建. 工业发展对村域经济影响的时空演化——基于巩义市回郭镇21个村的调查分析[J]. 经济地理, 2008, 28(4):617-622.

[2]
李小建, 罗庆, 樊新生. 农区专业村的形成与演化机理研究[J]. 中国软科学, 2009(2):71-80.

[3]
龙花楼, 屠爽爽. 论乡村重构[J]. 地理学报, 2017, 72(4):563-576.

DOI

[4]
马玉玲, 乔家君, 刘晨光, 等. 专业村集聚时空演化特征——以河南太行山麓为例[J]. 地理研究, 2018, 37(11):2259-2272.

DOI

[5]
陈建胜. 分工·市场·合作——基于浙江专业村发展路径研究[J]. 中外企业家, 2007(12):89-91.

[6]
梁书民. 中国农业种植结构及演化的空间分布和原因分析[J]. 中国农业资源与区划, 2006, 27(2):29-34.

[7]
陈国磊, 罗静, 曾菊新, 等. 中国“一村一品”示范村镇的空间分异格局[J]. 经济地理, 2019, 39(6):163-171.

[8]
曹智, 刘彦随, 李裕瑞, 等. 中国专业村镇空间格局及其影响因素[J]. 地理学报, 2020, 75(8):1647-1666.

DOI

[9]
刘玉振, 周灿, 乔家君. 欠发达农区特色种植空间扩散研究——以河南省大营村为例[J]. 经济地理, 2012, 32(2):116-120.

[10]
乔家君, 李亚静. 专业村集聚的空间表达——以河南省专业村为例[J]. 经济地理, 2014, 34(6):142-148.

[11]
张超, 乔家君. 种植专业村空间集聚的定量分析——以河南省信阳市浉河区为例[J]. 河南大学学报:自然科学版, 2015, 45(3):291-298,307.

[12]
乔家君, 李亚静. 专业村集聚的空间测度——以河南省专业村为例[J]. 地域研究与开发, 2014, 33(5):140-143,154.

[13]
许家伟, 李培蕾, 乔家君, 等. 欠发达农区村域经济对产业集聚区的响应机制研究——以河南省王胖庄为例[J]. 经济地理, 2012, 32(1):114-118.

[14]
乔家君, 汪海飞. 欠发达区特色种植型村域经济发展时空变化——以河南省十里铺村为例[J]. 人文地理, 2012, 27(2):82-86.

[15]
张哲晰, 穆月英. 空间视角下农业产业集聚的增收效应研究——基于蔬菜专业村的实证[J]. 农业技术经济, 2018(7):19-32.

[16]
王刻铭, 刘仲华. 全产业链视角下我国茶叶产业发展路径分析[J]. 湖南师范大学自然科学学报, 2019, 42(4):83-88.

[17]
吴娜琳, 李立, 李二玲, 等. 特色种植的空间持续性及其影响因素研究——以河南省封丘县树莓产业为例[J]. 地理科学, 2018, 38(3):428-436.

DOI

[18]
高更和, 石磊. 专业村形成历程及影响因素研究——以豫西南3个专业村为例[J]. 经济地理, 2011, 31(7):1165-1170.

[19]
刘宁, 雷玉平, 张圣微, 等. 特色果品种植区土壤重金属空间变异规律研究——以河北省沧州为例[J]. 土壤通报, 2011, 42(3):736-741.

[20]
季学军, 王大州, 沈思灯, 等. 安徽省宣城市特色烟种植潜力定量评价[J]. 土壤, 2010, 42(4):648-651.

[21]
龙冬平, 李同昇, 芮旸, 等. 特色种植农户对不同技术供给模式的行为响应——以陕西省周至县猕猴桃种植示范村为例[J]. 经济地理, 2015, 35(5):135-142.

[22]
郑维全, 邬华松, 杨建峰, 等. 海南特色香蕉种植优势与发展对策[J]. 热带生物学报, 2011, 2(3):260-263.

[23]
田逸飘, 张卫国. 贫困地区农户参与特色农业项目的影响因素研究——对武陵山区特色蔬菜种植村410个样本农户的调研分析[J]. 西部论坛, 2018, 28(1):46-54.

[24]
Kurokawa K, Tembo F, Dirk Willemte Velde. Challenges for the OVOP movement in Sub-Saharan Africa:insights from Ma lawi,Japan and Thailand[R]. JICA Research Institute, 2010,18,1-45.

[25]
Samkol L. The political economy of the one village one product movement and its implications for Cambodia[J]. Journal of OVOP Policy, 2008, 11(9):39-49.

[26]
Steinfield C, Larose R, Chew H. Small and medium-sized enterprises in rural business clusters the relation between ICT adoption and benefits derived from cluster membership[J]. The Information Society, 2012, 28(2):110-120.

[27]
Lee S H, Kim H, Ahn K H. Studies of network level in creation cluster and its factors-focused on the cases of mullae art village and sindang art arcade[J]. Journal of the Urban Design Insitute of Korea, 2013, 14(3):29-44.

[28]
Sanchis A, Serrano C, Koester R. Culture as a factor of socio-economic innovation in rural areas:the case of the artistic craftwork cluster of La Citta Europea dei Mestieri d'Arte[J]. Ager-Revista de Estudios Sobre Despoblacion Desarrollo Rurales, 2016(20):73-103.

[29]
向云, 祁春节, 陆倩. 湖北省柑橘生产的区域比较优势及其影响因素研究[J]. 经济地理, 2014, 34(11):134-139,192.

[30]
朱文哲, 杜萍萍, 吴娜林, 等. 传统农区蔬菜生产区位研究——以河南省开封市为例[J]. 人文地理, 2015, 30(2):89-96.

[31]
李小建, 罗庆, 杨慧敏. 专业村类型形成及影响因素研究[J]. 经济地理, 2013, 33(7):1-8.

[32]
吴娜琳, 李二玲, 李小建. 特色种植专业村空间扩散及影响因素分析——以河南省柘城县辣椒种植为例[J]. 地理研究, 2013, 32(7):1303-1315.

[33]
李小建, 周雄飞, 郑纯辉, 等. 欠发达区地理环境对专业村发展的影响研究[J]. 地理学报, 2012, 67(6):783-792.

DOI

[34]
周灿, 李小建. 河南省农业专业村发展与地理环境关系研究[J]. 地域研究与开发, 2015, 34(4):130-135.

[35]
白丹丹, 乔家君. 服务型专业村的形成及其影响因素研究——以河南省王公庄为例[J]. 经济地理, 2015, 35(3):145-153.

[36]
Xujin P, Li J. The analysis of peasant households’ collective brand maintenance behavior in the “One Village,One Product” Program of China[J]. Procedia Computer Science, 2013,17:770-780.

[37]
Natsuda K, Igusa K, Winboonpongse A, et al. One Village One Product-Rural development strategy in Asia:the case of OTOP in Thailand[J]. Canadian Journal of Development Studies / Revue canadienne d'études du développement, 2012, 33(3):369-385.

[38]
李裕瑞, 刘彦随, 龙花楼. 黄淮海典型地区村域转型发展的特征与机理[J]. 地理学报, 2012, 67(6):771-782.

DOI

[39]
Chidumu J I. The impact of “One Village One Product (OVOP)”on household income-implications on food security:the case of Bvumbwe Operation Area,Thyolo District,Malawi[J/OL]. Research in Agricultural & Applied Economics, 2007, https://ageconsearch.umn.edu/record/93993.

[40]
Masahisa F. Economic development capitalizing on brand agriculture:turning development strategy on its head[J]. Ide Discussion Papers, 2006(11):205-229.

[41]
Rupert Brown. 群体过程[M]. 北京: 中国轻工业出版社, 2007.

[42]
Anselin L. Thirty years of spatial econometrics[J]. Papers in Regional Science, 2010, 89(1):3-25.

[43]
张征宇, 朱平芳. 有测量误差时空间自回归模型的估计与检验[J]. 统计研究, 2010, 27(4):103-109.

[44]
封志明, 刘晓娜, 姜鲁光, 等. 中老缅交界地区橡胶种植的时空格局及其地形因素分析[J]. 地理学报, 2013, 68(10):1432-1446.

[45]
蒋南平, 王向南, 朱琛. 中国城镇化与城乡居民消费的启动——基于地级城市分城乡的数据[J]. 当代经济研究, 2011(3):62-67.

[46]
李二玲, 朱纪广, 李小建. 2008年中国种植业地理集聚与专业化格局[J]. 地理科学进展, 2012, 31(8):1063-1070.

Options
文章导航

/

〈 〉