EN中文

经济地理 >

2025 , Vol. 45 >Issue 7: 178 - 187

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.07.018

三农、土地与生态

粮食主产区的粮食安全贡献度与农技创新耦合协调特征及其影响因素

  • 王凤娟 , 1, 2 ,
  • 肖琼琪 , 3, ※ ,
  • 肖国安 1
展开
  • 1.湖南科技大学 商学院，中国湖南 湘潭 411201
  • 2.湖南财政经济学院 湖南省经济地理研究所，中国湖南 长沙 410205
  • 3.中国财政科学研究院，中国 北京 100142
※肖琼琪（1987—），女，博士，助理研究员，研究方向为公司治理、风险管理、金融监管。E-mail：

王凤娟（1988—），女，博士研究生，高级工程师，研究方向为粮食安全、农业经济、经济地理。E-mail：

收稿日期: 2025-01-14

  修回日期: 2025-05-29

  网络出版日期: 2025-08-28

基金资助

国家社会科学基金项目(20BJY148)

湖南省自然科学基金面上项目(2025JJ50740)

2024年度湖南省教育厅科学研究项目(24A0708)

收起

Influencing Factors of the Coupling and Coordination between the Contribution to Food Security and Agricultural Technology Innovation in Major Grain Producing Areas

  • WANG Fengjuan , 1, 2 ,
  • XIAO Qiongqi , 3, ※ ,
  • XIAO Guo'an 1
Expand
  • 1. School of Business，Hunan University of Science and Technology，Xiangtan 411201，Hunan，China
  • 2. Hunan Institute of Economic Geography，Hunan University of Finance and Economics，Changsha 410205，Hunan，China
  • 3. Chinese Academy of Fiscal Sciences，Beijing 100142，China

Received date: 2025-01-14

  Revised date: 2025-05-29

  Online published: 2025-08-28

Fold

摘要

文章在测算2008—2022年中国13个粮食主产区粮食安全贡献度与农业技术创新水平基础上，运用耦合协调度模型和地理探测器模型探析了其粮食安全贡献度与农业技术创新的耦合协调关系及影响因素。 结果表明：①中国粮食主产区粮食安全贡献度呈现先增后减的时序变化特征，省域粮食安全贡献度差异较大，其中黑龙江的贡献度位居榜首，河南紧随其后，江西与辽宁在粮食安全贡献方面相对较弱，处于较低水平。②中国粮食主产区农业技术创新呈现先增后减并逐渐趋于稳定的趋势，其中黑龙江农业技术创新水平最高，山东农业技术创新水平最低。③中国粮食主产区粮食安全贡献度与农业技术创新之间的耦合协调度基本维持在0.28~0.65之间，呈现较为明显的非同步特征，其中黑龙江耦合协调度最高，辽宁耦合协调度最低。④不同驱动因子对粮食安全贡献度与农业技术创新耦合协调度的解释力不同，其中粮食播种面积、农用化肥施用量和地方财政教育支出是两者耦合协调的关键驱动因素。

关键词： 粮食安全贡献度; 农业技术创新; 耦合协调; 化肥; 地理探测器; 粮食主产区

本文引用格式

王凤娟 , 肖琼琪 , 肖国安 . 粮食主产区的粮食安全贡献度与农技创新耦合协调特征及其影响因素[J]. 经济地理, 2025 , 45(7) : 178 -187 . DOI: 10.15957/j.cnki.jjdl.2025.07.018

Abstract

The article calculates the contribution of China's 13 major grain producing areas to food security and the level of agricultural technological innovation from 2008 to 2022, the coupling coordination model and geographic detector model are used to analyse the coupling coordination relationship and influencing factors between the contribution of food security and agricultural technological innovation. The results showed that: 1) The contribution of China's major grain producing areas to food security shows a temporal change pattern of first increasing and then decreasing, with significant differences in provincial contributions. Among them, Heilongjiang had the highest contribution to food security, followed closely by Henan Province. Jiangxi and Liaoning, on the other hand, are relatively weaker in terms of their contribution to food security, and are at a lower level. 2) The agricultural technology innovation in China's major grain producing areas shows a trend of increasing first, then decreasing, and gradually stabilizing. Among them, Heilongjiang has the highest level of agricultural technology innovation, while Shandong has the lowest level. 3) The coupling coordination degree between the contribution of food security and agricultural technology innovation in China's major grain-producing regions is basically maintained between 0.28~0.65, showing a relatively obvious asynchronous feature. Among them,Heilongjiang has the highest coupling coordination degree, while Liaoning has the lowest coupling coordination degree. 4) The explanatory power of the coupling coordination between the contribution of different driving factors to food security and agricultural technological innovation varies. The key driving factors for the coupling coordination between the two are the grain sowing area, the amount of agricultural fertilizer applied, and local fiscal education expenditure.

Key words： contribution to food security; agricultural technology innovation; coupling coordination; chemical fertilizer; geographic detector; major grain producing areas

粮食安全是关系国民经济发展、社会稳定和国家自立的全局性重大战略问题[1]。中国作为世界最大的发展中国家和人口大国之一，面对气候变化、自然灾害以及国际局势的不断变化，确保粮食安全显得尤为重要。党的二十大报告强调，要全方位夯实粮食安全根基，牢牢守住18亿亩耕地红线，确保中国人的饭碗牢牢端在自己手中。粮食作为一种具有公共物品属性的战略资源，在国家发展的宏观架构中占据着极为关键的地位，其安全保障不仅是维护社会和谐稳定的压舱石，更是推动经济持续健康发展的强劲引擎，同时也是保障人民基本生活需求和提升民众福祉水平的生命线。从政策落实层面来看，依据粮食安全省长责任制的要求，各省（自治区、直辖市）人民政府须切实承担起保障本地区粮食安全的主体责任，以此为基础构建起全面且系统的粮食安全保障体系。长期以来，粮食主产区作为粮食有效供给的核心地区，承担了全国粮食生产的重任，为国家粮食安全做出突出贡献[2-3]。2022年，中国粮食总产量68653万t，其中粮食主产区总产量53718万t，占总产量的78.25%，占比连续6年超过78%。近年来，随着大数据、物联网、人工智能等科技的不断发展，农业技术创新不断为粮食安全筑牢根基，不仅有效提升了粮食的产量与质量，而且显著提高了粮食资源的利用效率与供应链的整体效能，成为粮食安全的关键支撑力量。然而，粮食主产区在粮食生产过程中仍面临劳动力质量逐年下降、新技术与新品种推广难度较大、经营管理相对粗放等问题，这在一定程度上制约了粮食安全贡献度的稳定增长。因此，深入探讨粮食主产区粮食安全贡献度与农业技术创新之间的内在联系，对于促进粮食生产可持续发展、巩固国家粮食安全基础具有重大的理论与实践意义。
目前，学者们从多个学科和视角出发，对粮食安全贡献度与农业技术创新进行广泛研究，并取得丰硕成果。从粮食安全贡献度看，侧重评价体系构建与实证测算。其中，罗海平等从粮食生产安全、粮食供给安全和粮食获取安全3个方面构建粮食安全贡献度评价指标体系[4]；夏四友等运用Theil指数分解法对江苏省粮食安全贡献度区域差异进行分析[5]；陈璐等通过对粮食产量及其增长速度、粮食生产地位、粮食增产贡献率等进行量化，分析比较主产区粮食安全贡献度[6]。从农业技术创新看，侧重综合评价、驱动因素与影响效应分析。其中，王丹等从农业技术创新支撑要素、投入要素和产出要素3个方面对2001—2017年31个省份农业技术创新进行评价和分析[7]；鹿永华等在测算农业科技创新能力基础上，分析农业绿色发展水平与农业科技创新能力的耦合协调关系[8]；刘赛特等实证分析30个省份农业科技创新能力与农村经济发展水平的相互关系[9]。综上发现，已有成果多是独立分析粮食安全贡献度或农业技术创新问题，针对两者关系的研究比较少。
基于此，本文以中国粮食主产区的13个省份为研究区域 ① ，以2008—2022年为研究时段，首先厘清粮食安全贡献度与农业技术创新的耦合机理，进而在分析粮食安全贡献度与农业技术创新时序特征基础上，运用耦合协调度模型测度粮食安全贡献度与农业技术创新的耦合协调关系，运用地理探测器模型识别两者耦合协调的主要影响因素，最后提出促进粮食安全贡献度与农业技术创新协调发展的对策建议，旨在为科学制定农业农村发展战略、推动农业现代化建设和显著提高粮食安全保障能力提供参考借鉴。

1 耦合机理与研究方法

1.1 粮食安全贡献度与农业技术创新的耦合机理

粮食安全贡献度是区域粮食总产量在满足自身需求基础上，有效满足国内其他地区粮食需求的能力，是衡量一个国家、地区或相关主体对保障粮食安全所发挥作用程度的指标，包含粮食产量的提升、粮食品质的改善、抗风险能力的增强、粮食生产的可持续、供需关系的调节以及市场秩序的稳定等。农业技术创新是运用现代科学技术，对农业生产要素进行革新，以提高农业生产效率、降低成本、改善产品质量的过程，是提高粮食安全贡献度的关键动力，主要体现在种植技术创新和农业机械化创新两个方面，具体包括生物技术、信息技术、机械化与自动化、资源高效利用技术、生态农业技术等创新内容，研发周期长、受环境影响大、成果应用具有分散性、公益性强等是农业技术创新的显著特征。
粮食安全贡献度与农业技术创新之间呈现相辅相成、共同发展的良性耦合关系。一方面，农业技术创新对粮食安全贡献度产生显著提升作用。通过机械化与自动化技术的应用，可以提高农业生产效率，降低生产成本，直接促进粮食产量提升；通过改良作物品种、优化施肥方案、精准灌溉等，能够改善粮食生产品质；通过增强作物的抗逆性、提高生产的灵活性，可以增强粮食生产的抗风险能力；通过生态农业技术的应用，可以减少化肥、农药的使用，降低环境污染，同时提高土壤肥力，增强粮食生产的自然抵抗力；通过资源高效利用技术和生态农业技术，可以减少资源的浪费，维护生态平衡，保持粮食生产的可持续性；通过信息技术在农业市场预测、物流管理等方面的应用，可以更加精准地把握粮食生产的市场需求。另一方面，粮食安全贡献度对农业技术创新具有反向推动作用。稳定的粮食安全状况为农业技术的进一步创新提供资金、政策、市场等方面的条件，为农业技术创新提供更加广阔的应用场景和动力。具体而言，政府在推动农业科研与创新投入的同时，还需要建立完善的政策支持体系，为技术转化提供便利，鼓励农民和企业积极采用先进技术。政府的激励政策可以推动科研投入与技术推广，而市场需求的变化则导向不同技术发展的侧重方向。当区域粮食生产在满足自身需求的同时，还能有效满足其他地区的粮食需求，该区域将更有可能获得政府和社会各界的关注和支持，从而吸引更多的资源和资金投入农业技术创新领域。
图1 粮食安全贡献度与农业技术创新的耦合机理

Fig.1 Coupling mechanism of contribution to food security and agricultural technology innovation

1.2 指标构建与测度

1.2.1 粮食安全贡献度

粮食安全贡献度（Food Safety Percent，FSP）作为粮食安全保障程度的重要测度指标，用以表征在满足自身粮食需求后满足其他地区粮食安全的程度，已广泛用于粮食安全贡献度测算[10-12]。考虑到数据获取难度以及各省份人均粮食消费量差距不大等原因，本文通过折算加总全国粮食需求量来计算各省份粮食需求量，忽略省际人均粮食需求标准的差异，同时假设13个粮食主产区年末除掉本省份粮食需求之后的粮食均能顺利调度。
①全国粮食需求量和区域粮食需求量。计算公式如下：
F C t j = C t j F o o d G + C t j F e e d G + C t j I n d G + C t j S e e d G + C t j W a s t e
F C i j = F C t j / P t j · P i j
式中： F C t j为 j年度全国粮食需求量； F C i j为 i省份 j年度粮食需求量； j为年份； t为总和； C t j F o o d G为 j年度全国口粮需求量； C t j F e e d G为 j年度全国饲料用粮需求量； C t j I n d G为 j年度全国工业用粮需求量； C t j S e e d G为 j年度全国种子粮需求量； C t j W a s t e为 j年度全国粮食损耗量； P t j为 j年度全国人口总数； P i j为 i省份 j年度人口数。
②全国粮食调出量和区域粮食调出量。计算公式如下：
F O t j = ∑ i = 1 n F Y i j - F C i j
F O i j = F Y i j - F C i j
式中： F O t j为 j年度全国粮食调出量； F O i j为 i省份 j年度的粮食调出量； F Y i j为 i省份 j年度粮食产量； i为全国粮食调出省份 （ i = 1,2 , 3 , … , n ）； j为年份； t为总和。
③区域粮食安全贡献度。计算公式如下：
F S P i j = F Y i j - F C i j / F O i j · 100 %
式中： F S P i j为 i省份 j年度粮食安全贡献度。

1.2.2 农业技术创新水平评价指标体系

根据粮食安全贡献度与农业技术创新耦合机理，参考彭长生、乔翠霞等的研究[13-14]，本文从创新基础、创新投入、创新产出3个维度构建农业技术创新指标评价体系。其中，农业R&D人员全时当量和农业R&D经费支出数据无法直接获取，借鉴钟晓华、张德元等的研究[15-16]进行换算；第一产业专利申请授权数参考王梦雪等的研究[17]进行折算。
在确定各评价指标后，本文为降低单一赋权方法可能导致的偏差，先通过熵值法[18-19]和专家评分法分别计算各参数的客观和主观权重，再采用综合赋权方法确定权重，最终得出农业技术创新综合得分（表1）。
表1 区域农业技术创新水平评价指标体系及说明

Tab.1 Evaluation index system and explanation of regional agricultural technology innovation level

一级指标 二级指标 三级指标 指标
属性		 指标
权重
创新基础 经济环境 农林牧渔业投资额/全社会固定资产投资额 + 0.0688
劳动力基础 第一产业从业人数/从业人员总数 + 0.0303
生产基础 农作物播种面积/耕地面积 + 0.0839
机械化水平 农业机械总动力/农业从业人员数 + 0.0542
创新投入 科研人才投入 农业R&D人员全时当量/农业从业人员数 + 0.1130
科研资金投入 农业R&D经费支出/第一产业增加值 + 0.0324
创新产出 经济效益 第一产业增加值/GDP + 0.1822
农村居民可支配收入/农村居民总人数 + 0.1158
科技效益 第一产业专利申请授权数/国内专利申请授权项 + 0.1822
技术市场交易成交额/地区生产总值 + 0.1372

1.3 研究方法

1.3.1 耦合协调度模型

耦合协调度是描述两个或两个以上系统之间相互作用关系和协调发展水平的重要指标，其中耦合度用以反映多个系统之间的相互依赖和相互制约程度，协调度用以衡量多个系统之间的良性耦合程度，体现协调质量。模型结构如下[20-22]：
C = 2 U 1 · U 2 U 1 + U 2
T = α U 1 + β U 2
D = C · T
式中： C为粮食安全贡献度与农业技术创新的耦合度，取值范围为[0,1]， C值越接近于1，说明两者耦合度越高，彼此之间联系和配合程度越高； T为综合协调指数，反映粮食安全贡献度与农业技术创新对耦合协调的贡献； α和 β为待估权重系数，本文认为粮食安全贡献度与农业技术创新两大系统重要程度相同，即 α = β = 0.5； D为粮食安全贡献度与农业技术创新的耦合协调度，取值范围为[0,1]， D值越大，协调度越高，将其划分为10个等级（表2）； U 1为粮食安全贡献度； U 2为农业技术创新。
表2 耦合协调度等级划分及标准

Tab.2 Classification and criteria for coupling coordination degree

等级 极度失调 严重失调 中度失调 轻度失调 濒临失调
取值范围 [0.00，0.10） [0.10，0.20） [0.20，0.30） [0.30，0.40） [0.40，0.50）
等级 勉强协调 初级协调 中级协调 良好协调 优质协调
取值范围 [0.50，0.60） [0.60，0.70） [0.70，0.80） [0.80，0.90） [0.90，1.00]

1.3.2 地理探测器模型

地理探测器是一种探测空间分异驱动因子的统计学方法，用以分析解释因子与分析变量之间的交互关系，常被用于检测地理特征的空间分异及空间分异的原因[23]。本文采用地理探测模型探寻粮食安全贡献度与农业技术创新协调发展的影响因素。

1.4 数据来源与处理

粮食主产区农作物播种数据与社会经济数据主要源于2009—2023年《中国统计年鉴》《中国农村统计年鉴》《中国科技统计年鉴》以及13个主产区的统计年鉴、国民经济和社会发展统计公报；白酒、啤酒、酒精、味精产量源于2009—2023年《中国食品工业年鉴》《中国轻工业年鉴》；其他数据通过国家统计局和各省份统计局官网整理计算获取。对个别缺失值，采用线性插值法调整补充。行政区划矢量数据源于全国地理信息资源目录服务系统（https://www.webmap.cn/）。
中国粮食需求主要由城乡居民口粮消费、工业用粮、饲料用粮、种子用粮、粮食损耗、粮食储备和净出口等构成。由于统计年鉴等相关资料只有粮食总产量的统计数据，没有粮食消费量，如口粮、工业用粮、种子用粮等统计数据，因此在不考虑粮食储备和出口的情况下，采用相应的折算方法测算全国粮食需求总量，其中口粮用粮、饲料用粮、工业用粮、种子用粮、粮食耗损量主要参考肖国安、李鹏、王芳等的成果[24-26]。

2 结果与分析

2.1 粮食安全贡献度分析

从时间上看，中国粮食主产区粮食安全贡献度呈现先增后减的动态变化特征，其中2008—2011年呈现增长态势，原因在于自2004年起，中央出台系列强农惠农政策，连续8年发布指导“三农”工作的一号文件，明确提出巩固和加强农业基础地位，尤其重视粮食生产，并将粮食生产放在现代农业建设首位。2011年粮食安全贡献度最高，这与《关于开展2011年全国粮食稳定增产行动的意见》出台有关，该文件首次以国务院名义组织开展全国粮食稳定增产行动，以此形成中央统筹、部门联动、上下协同的粮食生产合力。2012年以后，粮食安全贡献度呈现出下滑趋势，这一现象背后有两方面的原因：一是虽然主产区粮食产量持续增加，但非主产区粮食产量同样也稳步增长，弱化了主产区粮食产量优势；二是2011年由于生猪产能恢复后，全国范围内突发了大规模疫情，这场疫情直接导致了生猪出栏量锐减，其饲料用粮需求大幅度萎缩，整体粮食需求因此遭受冲击，这一变动使得各主产区的粮食安全贡献度出现了不同程度的回落，尽管如此，所有主产区的贡献度依旧维持在高水平，这有力地证明了全国粮食安全在很大程度上依然高度依赖于主产区的稳定供给。从空间上看，各省份粮食安全贡献度差异明显，不同地区的农业生产条件与经济发展水平影响其在粮食安全中的贡献，其中黑龙江、河南粮食安全贡献度较高，特别是2011—2022年两省蝉联全国粮食总产量的第一和第二，除2016年因自然灾害以及优化农业生产结构和区域布局导致产量小幅下降外，其余年份粮食产量基本逐年增加，可见其在粮食生产与安全中的优势；江西、湖北贡献度较低，其中江西耕地面积相对较少，影响播种面积和粮食产量，湖北因复种指数低导致粮食产量较低；河北贡献度有一定波动，但整体趋势较为平稳；内蒙古贡献度在2013年之后有所上升，粮食生产能力逐渐增强。

2.2 农业技术创新水平结果分析

从时间上看，中国粮食主产区农业技术创新呈现先增后减并逐渐趋于稳定的动态变化特征，农业技术创新综合得分平均值4.90。其中，2008—2010年，农业技术创新能力呈现较快增长，农业技术创新综合得分从2008年的6.05增至2010年的6.54，这与中国开始重视农业科技创新，并逐步加大政策支持、资金投入和科研成果转化应用有关；2011和2015年农业技术创新出现明显得分低谷，农业技术政策与生产结构调整以及严重自然灾害等对其产生制约；2016—2022年，中国农业技术创新综合得分较为平稳，维持在0.3~0.4，说明农业技术创新能力进入一个相对稳定的发展阶段，已形成较为成熟的创新体系和发展模式。从空间上看，不同地区农业技术创新能力存在明显差异，农业技术创新综合得分标准差1.09，其中黑龙江农业技术创新水平最高，农业技术创新综合得分8.91，这得益于其丰富的农业资源、有力的政策支持、雄厚的科研实力和完善的产业基础等多方面的协同优势，通过发达的农业机械化与信息化水平让农业生产实现精细化管理，促进农业技术创新与应用；山东农业技术创新水平最低，农业技术创新综合得分4.21，原因在于山东人均耕地面积有限，耕地碎片化现象突出，使得大规模与标准化的农业技术推广面临障碍，一定程度上增加农业技术创新成果应用的成本和难度。此外，山东传统农业占比较大，以家庭为单位的小规模农业生产经营模式较为普遍，对新技术接受速度慢，难以形成规模效应，且农业企业对技术创新的需求和投入动力不足，制约农业技术创新的整体发展。

2.3 粮食安全贡献度与农业技术创新的耦合协调分析

2008—2022年，中国粮食主产区粮食安全贡献度与农业技术创新的耦合协调度维持在0.28~0.65，呈现较大波动，可见两者的作用关系尚有较大提升空间。其中，2008—2015年，粮食安全贡献度与农业技术创新能力耦合协调度以濒临失调类型为主，且整体呈现下降态势，虽然在此期间，国家高度重视粮食安全和农业发展，出台了一系列强农惠农政策，稳定了粮食种植面积和产量，提升了粮食安全贡献度，同时也间接推动了农业技术创新，但随着中国经济进入转型调整期，大量资金、人才、技术等资源进入二、三产业，使得农业领域投入（包括对农业技术创新的投入）减少，从而影响农业技术创新的发展速度，导致其与粮食安全贡献度的耦合协调度相对较低且逐渐降低。2016—2022年，粮食安全贡献度与农业技术创新能力耦合协调度基本保持在0.4左右，整体较为稳定但依然不高，说明粮食安全贡献度与农业技术创新之间存在一定关联，但这种关联不够紧密，需要进一步优化和提升（图2）。
图2 中国粮食主产区粮食安全贡献度与农业技术创新的耦合协调度演化趋势

Fig.2 Evolution trend of coupling coordination between contribution to food security and agricultural technology innovation in China's major grain-producing regions

进一步选取2008、2013、2018和2022年为代表性年份，绘制主产区各省份粮食安全贡献度与农业技术创新耦合协调度的空间分布演变图。由图3可知：2008—2022年，中国粮食主产区粮食安全贡献度与农业技术创新耦合协调度空间分异明显，且均呈现不同程度的变化。具体而言，黑龙江粮食安全贡献度与农业技术创新耦合协调度（平均值0.6108）最高，除2008年呈现勉强协调外，其余年份均呈现初级协调，原因在于黑龙江作为中国重要粮食生产基地，拥有全国最完整的农业科研体系，且耕种收综合机械化率领跑全国，农业科技创新取得明显进展，粮食安全与技术创新呈现高度耦合，这为其他粮食主产区提供了可借鉴的经验；吉林耦合协调度（平均值0.4698）次之，多处于濒临失调状态，说明其粮食安全贡献度与农业技术创新虽存在相互促进作用，但这种作用需进一步加强；河南耦合协调度（平均值0.4673）紧随其后，在勉强协调和濒临失调之间徘徊；河北、江苏、四川、湖南、湖北、江西、辽宁长期处于轻度失调状态，其中辽宁耦合协调度最低（平均值0.3306），其自然禀赋与生产基础相对薄弱，政策资源倾斜不足，科技投入滞后，亟需更多农业政策支持和技术创新来改善现状。
图3 中国粮食主产区粮食安全贡献度与农业技术创新耦合协调度的空间分布演变

注：基于自然资源部标准地图服务网站下载的审图号为GS（2019）1815号的标准地图制作，底图边界无修改。

Fig.3 Spatial distribution of coupling coordination between contribution to food security and agricultural technology innovation in China's major grain-producing regions

表3 2008—2022年各省份粮食安全贡献度得分

Tab.3 Contribution to food security scores of each province from 2008 to 2022

年份 河北 内蒙古 辽宁 吉林 黑龙江 江苏 安徽 江西 山东 河南 湖北 湖南 四川
2008 0.0595 0.0954 0.0412 0.1372 0.2088 0.0626 0.0838 0.0461 0.1033 0.1769 0.0388 0.0645 0.0530
2009 0.0591 0.0840 0.0230 0.1102 0.2142 0.0655 0.0865 0.0483 0.1057 0.1759 0.0443 0.0704 0.0562
2010 0.0557 0.0902 0.0311 0.1280 0.2441 0.0597 0.0847 0.0414 0.0974 0.1696 0.0410 0.0590 0.0557
2011 0.0626 0.1319 0.0476 0.1911 0.3644 0.0515 0.0954 0.0464 0.0995 0.2000 0.0382 0.0614 0.0490
2012 0.0580 0.0894 0.0405 0.1260 0.2301 0.0522 0.0779 0.0398 0.0859 0.1434 0.0392 0.0556 0.0499
2013 0.0606 0.0981 0.0448 0.1321 0.2348 0.0510 0.0742 0.0395 0.0823 0.1409 0.0398 0.0491 0.0505
2014 0.0593 0.0985 0.0234 0.1335 0.2507 0.0522 0.0807 0.0405 0.0841 0.1432 0.0430 0.0520 0.0486
2015 0.0559 0.0972 0.0337 0.1325 0.2433 0.0519 0.0818 0.0385 0.0840 0.1485 0.0456 0.0491 0.0481
2016 0.0620 0.0970 0.0397 0.1390 0.2364 0.0486 0.0781 0.0391 0.0848 0.1457 0.0398 0.0484 0.0512
2017 0.0647 0.0936 0.0413 0.1252 0.2345 0.0466 0.0851 0.0354 0.0944 0.1381 0.0441 0.0451 0.0436
2018 0.0603 0.0989 0.0367 0.1011 0.2246 0.0501 0.0824 0.0347 0.0919 0.1387 0.0444 0.0443 0.0455
2019 0.0604 0.0998 0.0440 0.1069 0.2193 0.0507 0.0821 0.0330 0.0912 0.1370 0.0398 0.0420 0.0449
2020 0.0617 0.1050 0.0413 0.1099 0.2330 0.0498 0.0824 0.0327 0.0937 0.1440 0.0407 0.0422 0.0438
2021 0.0605 0.1109 0.0472 0.1182 0.2450 0.0473 0.0829 0.0322 0.0924 0.1318 0.0393 0.0423 0.0428
2022 0.0611 0.1091 0.0446 0.1157 0.2328 0.0477 0.0811 0.0303 0.0921 0.1368 0.0379 0.0402 0.0403
表4 2008—2022年各省份农业技术创新得分

Tab.4 Agricultural technology innovation scores of each province from 2008 to 2022

年份 河北 内蒙古 辽宁 吉林 黑龙江 江苏 安徽 江西 山东 河南 湖北 湖南 四川
2008 0.3998 0.5490 0.4576 0.5213 0.5050 0.2809 0.4669 0.5163 0.2961 0.4255 0.5326 0.5265 0.5732
2009 0.4462 0.5032 0.4269 0.5219 0.6152 0.3127 0.5548 0.5401 0.3271 0.4787 0.5551 0.5098 0.5775
2010 0.5339 0.4791 0.4325 0.4796 0.6126 0.3865 0.5153 0.5074 0.3435 0.5459 0.6302 0.5272 0.5433
2011 0.1959 0.2581 0.3391 0.5766 0.3147 0.3314 0.1898 0.2261 0.2183 0.2088 0.2372 0.2150 0.1626
2012 0.3807 0.4544 0.3784 0.3759 0.6445 0.3526 0.4076 0.4129 0.2832 0.4059 0.4849 0.4063 0.4280
2013 0.3252 0.4540 0.3298 0.3214 0.6566 0.4118 0.3817 0.3822 0.2806 0.3560 0.4644 0.3438 0.4492
2014 0.3528 0.4261 0.2950 0.3193 0.6766 0.3975 0.3684 0.3116 0.3068 0.3458 0.4739 0.3249 0.3865
2015 0.2103 0.3200 0.2108 0.2167 0.3356 0.3986 0.2281 0.5414 0.2213 0.1993 0.3278 0.2138 0.2053
2016 0.2948 0.3721 0.2913 0.2851 0.6798 0.3585 0.3424 0.3361 0.2529 0.3141 0.4549 0.2968 0.3621
2017 0.3052 0.4247 0.3123 0.3426 0.6390 0.3489 0.3282 0.3356 0.2639 0.2995 0.4455 0.3012 0.3935
2018 0.3317 0.4222 0.2790 0.4223 0.6341 0.3508 0.3140 0.3353 0.2648 0.3315 0.3925 0.3118 0.3835
2019 0.3065 0.3543 0.2755 0.4607 0.6294 0.3317 0.2504 0.2918 0.2614 0.2663 0.3091 0.3189 0.3350
2020 0.3013 0.3594 0.2809 0.4786 0.6567 0.3252 0.2824 0.2912 0.2996 0.2653 0.3579 0.3417 0.3370
2021 0.2390 0.2599 0.2139 0.2488 0.6485 0.3244 0.4740 0.2386 0.2734 0.1915 0.2872 0.2826 0.2489
2022 0.3279 0.3995 0.2909 0.3887 0.6603 0.3597 0.3964 0.2977 0.3196 0.2679 0.3734 0.3986 0.3377

3 影响因素分析

参照郭婧煜、李萍、邬德林等的研究[27-29]，基于数据可得性原则，本文选取地方农业固定资产投资（X1）、农作物受灾面积（X2）、农村人均受教育年限（X3）、农用化肥施用量（X4）、地方财政农林水事务支出（X5）、地方财政教育支出（X6）、地方财政环境保护支出（X7）、粮食播种面积（X8）等指标识别粮食安全贡献度与农业技术创新耦合协调的影响因素，进而运用地理探测器中的因子探测与交互作用探测分析进行深入探究。在此之前，利用ArcGIS软件的自然断点法，将各相关变量依据其数值大小由高到低划分为5个等级，并据此转换为类型变量，之后进一步开展探测分析。

3.1 因子探测分析

表5结果显示，2008—2022年不同影响因子对粮食安全贡献度与农业技术创新耦合协调度的解释力呈现显著差异。具体来看：①2008—2011年，共有4个因子显著影响两者耦合协调度，按照解释力由强到弱依次为：粮食播种面积>农用化肥施用量>农村人均受教育年限>地方财政教育支出，且这4个因子均呈现正相关关系。其中，粮食播种面积在所有影响因子中解释力最强，且呈现显著正相关关系，可见粮食播种面积的合理规划与稳定增长是保障粮食产量的基础，同时也为农业技术创新提供明确的方向和动力。②2011—2014年，显著影响因子数量仍保持在4个，解释力由强到弱依次为：粮食播种面积>农用化肥施用量>地方财政教育支出>农作物受灾面积。这一变化反映出各影响因子在不同时段内对耦合协调度的影响存在差异，且粮食播种面积仍保持最强解释力，而农用化肥施用量和地方财政教育支出的影响力也逐渐增强。③2014—2018年，显著影响因子数量增至5个，解释力由强到弱排序调整为：粮食播种面积>农用化肥施用量>地方财政教育支出>农村人均受教育年限>地方财政农林水事务支出。可见，地方财政农林水事务支出这一新因子开始显现其影响力，这与农业农村发展的现实需求以及国家政策导向与战略重视有关。④2018—2022年，影响因子数量再度上升，增至7个，解释力由强到弱排序为：粮食播种面积>农用化肥施用量>地方财政教育支出>农村人均受教育年限>农作物受灾面积>地方财政农林水事务支出>地方财政环境保护支出。可见，除农业固定资产投资外，其他影响因子均呈现显著影响。另外，农作物受灾面积、地方财政环境保护支出的影响力相对前一阶段明显增加，而农村人均受教育年限、农用化肥施用量等的影响程度逐渐减弱。从各影响因子解释力来看，粮食播种面积、农用化肥施用量和地方财政教育支出是粮食安全贡献度与农业技术创新耦合协调度的关键影响因子，各时段因子探测结果均超过0.2，它们对两者的协调发展起到有力保障作用，而地方财政农林水事务支出和地方财政环境保护支出对粮食安全贡献度与农业技术创新耦合协调度的影响作用较弱，各时段因子探测结果均低于0.2，未来应进一步优化财政支出结构，重点支持农田水利基础设施建设、农业科技创新与推广、农村人居环境整治等，并加大对农村大气污染防治、水污染治理、土壤污染修复等的投入。
表5 粮食安全贡献度与农业技术创新耦合协调度影响因子探测结果

Tab.5 Detection results of influencing factors for the coupling and coordination of contribution to food security and agricultural technology innovation

序号 影响因素 2011年 2014年 2018年 2022年
q值 p值 q值 p值 q值 p值 q值 p值
X1 农业固定资产投资 0.105 0.308 0.221 0.248 0.129 0.284 0.065 0.636
X2 农作物受灾面积 0.077 0.471 0.294 0.066 0.149 0.172 0.172 0.007
X3 农村人均受教育年限 0.219 0.050 0.197 0.373 0.238 0.008 0.202 0.000
X4 农用化肥施用量 0.382 0.000 0.607 0.000 0.433 0.000 0.351 0.000
X5 地方财政农林水事务支出 0.067 0.548 0.118 0.816 0.171 0.087 0.147 0.027
X6 地方财政教育支出 0.210 0.052 0.321 0.032 0.340 0.000 0.314 0.000
X7 地方财政环境保护支出 0.039 0.777 0.156 0.614 0.089 0.649 0.130 0.061
X8 粮食播种面积 0.411 0.000 0.629 0.000 0.579 0.000 0.523 0.000

注：q表示驱动因子的解释力；p表示显著程度。

3.2 交互探测分析

表6结果显示，各影响因子的交互关系仅存在双因子增强和非线性增强两种形式，进一步验证了粮食播种面积、农用化肥施用量和地方财政教育支出在两者耦合协调中的核心地位。具体而言：①粮食播种面积与地方财政教育支出交互影响，强度从2011年的0.851增至2022年的0.941，均表现为非线性增强，反映出地方财政教育支出对粮食生产的支撑作用在逐渐增强，即教育能够提高农业劳动者素质、促进农业科技推广与应用等，进而增强粮食生产的可持续发展能力。粮食播种面积与农用化肥施用量的交互强度从2011年的0.673增至2022年的0.836，且保持双因子增强关系，说明播种面积与化肥施用高度协同，原因在于化肥提高单产效率，增强农民扩种信心，尤其在耕地资源有限的情况下，需依赖化肥维持高产。粮食播种面积与农作物受灾面积交互影响，强度由2011年的0.693增至2022年的0.881，表明灾害反而促使播种面积扩大，主要因为灾害倒逼政府通过政策补贴或保险机制鼓励农民复耕，以稳定粮食供应。②农用化肥施用量与农业固定资产投资交互强度从2011年的0.689增至2022年的0.786，原因在于固定资产投资改善灌溉设施和机械化水平，为化肥高效利用提供硬件支持，间接推动化肥需求。农用化肥施用量与地方财政环境保护支出交互影响，强度由2011年的0.595增至2022年的0.766，环保投入与化肥使用呈现矛盾协同，表明环保政策通过推广缓释肥、有机肥等绿色技术，短期内增加新型化肥投入，但长期需平衡生态与产量目标。农用化肥施用量与农村人均受教育年限交互影响，强度由2011年的0.654增至2022年的0.808，教育水平提升显著影响化肥使用，表明高教育水平的农民更易掌握科学施肥技术，减少浪费并提高化肥使用效率。③地方财政教育支出与地方财政农林水事务支出交互影响，强度由2011年的0.401增至2022年的0.673，表明农业财政投入与教育支出高度联动，农业现代化需要复合型人才，政府通过统筹资金分配，强化教育在农业技术推广中的作用。地方财政教育支出与粮食播种面积交互影响，强度由2011年的0.851增至2022年的0.941，表明播种面积扩大反向推动教育投入，原因在于农业规模化生产催生对专业人才的需求，倒逼政府增加教育预算。地方财政教育支出与农作物受灾面积交互影响，强度由2011年的0.461增至2022年的0.702，可见灾害频发促使教育投入增加，原因在于灾害暴露农业脆弱性，政府通过教育提升农民抗灾能力、灾害预警知识、适应性种植技术等。综上可见，各影响因子之间的交互关系对粮食安全贡献度与农业技术创新耦合协调度的发展具有重要影响。
表6 2011和2022年粮食安全贡献度与农业技术创新耦合协调度影响因子交互探测结果

Tab.6 Interactive detection results of factors affecting the coupling and coordination of contribution to food security and agricultural technology innovation in 2011 and 2022

变量 年份 X1 X2 X3 X4 X5 X6 X7 X8
X1 2011 0.105
2022 0.065
X2 2011 0.323* 0.077
2022 0.768* 0.172
X3 2011 0.522* 0.472* 0.219
2022 0.749* 0.681* 0.202
X4 2011 0.689* 0.583* 0.654* 0.382
2022 0.786* 0.732* 0.808* 0.351
X5 2011 0.366* 0.486* 0.543* 0.623* 0.067
2022 0.633* 0.719* 0.793* 0.883* 0.147
X6 2011 0.555* 0.461* 0.571* 0.677* 0.401* 0.210
2022 0.721* 0.702* 0.887* 0.913* 0.673* 0.314
X7 2011 0.388* 0.274* 0.465* 0.595* 0.422* 0.508* 0.039
2022 0.604* 0.705* 0.784* 0.766* 0.577* 0.788* 0.130
X8 2011 0.758** 0.693* 0.559* 0.673** 0.764* 0.851* 0.658* 0.411
2022 0.901* 0.881* 0.860* 0.836** 0.945* 0.941* 0.916* 0.523

注：**表示双因子增强；*表示非线性增强。

4 结论与政策建议

4.1 主要结论

①中国粮食主产区粮食安全贡献度呈现先增后减的时序变化特征，2011年粮食安全贡献度最高，2012年以后粮食安全贡献度开始下降并趋于稳定，各省份粮食安全贡献度空间差异明显，其中黑龙江粮食安全贡献度最高，江西与辽宁相对较弱；农业技术创新呈现先增后减并趋于稳定的动态变化特征，其综合得分平均值为4.90，农业技术创新空间分异特征明显，标准差为1.09，其中黑龙江农业技术创新综合得分（8.91）最高，山东农业技术创新综合得分（4.21）最低。
②研究期内中国粮食主产区粮食安全贡献度与农业技术创新耦合协调度基本维持在0.28~0.65之间，其中2008—2015年，两者耦合协调度相对较高，但处于下降态势，以濒临失调类型为主；2016—2022年，两者耦合协调度基本保持在0.40左右，整体较为稳定但依然不高。粮食安全贡献度与农业技术创新耦合协调度存在空间差异，其中黑龙江耦合协调度最高，平均值为0.6108，除2008年呈现勉强协调外，整体处于初级协调状态；吉林耦合协调度次之，多处于濒临失调状态；辽宁耦合协调度最低，平均值为0.3306。
③不同因子对粮食安全贡献度与农业技术创新耦合协调的解释力呈现显著差异，其中粮食播种面积、地方财政教育支出和农用化肥施用量是关键影响因子；各影响因子之间的交互关系仅存在双因子增强与非线性增强两种形式，未发现其他类型的交互关系，进一步验证这3种影响因子在粮食安全贡献度与农业技术创新耦合协调中的核心地位，并揭示出它们与其他影响因子之间的交互作用关系。

4.2 政策建议

基于上述结论，本文提出促进农业技术创新与粮食生产深度融合的政策建议如下：
①加大创新投入，提升主产区粮食生产科技水平。加大资金投入，聚焦农业关键技术与核心技术的研发，提高主产区粮食生产的科技含量和效率，通过设立农业科技创新专项基金，支持主产区粮食生产领域的科技创新项目；重点支持关键共性技术、前沿引领技术、现代工程技术的研发与应用，以及农业科技成果转化和产业化，通过专项基金的引导，吸引社会资本投入农业科技创新领域，形成多元化、多层次的科技创新投入体系；加强农业科技创新基础设施建设和投入（包括试验基地、数据中心等），为农业科技创新提供坚实支撑，通过完善创新基础设施，提高农业科技创新的效率和水平，推动粮食生产向智能化、精准化和绿色化方向发展；加大农业科技创新人才的投入和培养力度，提高农民科技素养，通过开展形式多样且结合农业技术创新实践的农业技能培训活动，培养新型职业农民，使其成为农业技术创新的有力推动者与实践者。
②构建激励制度，增强主产区粮食安全贡献能力。将农业技术创新纳入主产区粮食安全考核体系，作为评价地方政府工作绩效的重要指标之一。通过设立农业技术创新奖励基金、表彰先进典型等方式，激励各主体积极推动技术革新，为粮食生产提供强有力的技术支撑。同时，将农业技术创新成果的应用效果与主产区粮食产量、质量以及农民收入等关键指标相结合，形成一套完整的激励机制，以激发主产区在农业技术创新方面的积极性和创造力。
③深化合作交流，促进主产区区域协同发展。促进主产区之间农业技术、资金、信息等的共享和优势互补，建立区域农业技术创新信息共享数据库，实时更新各地技术研发成果、应用案例以及资金需求与供给信息，打造跨区域的农业创新产业集群，发挥产业集群效应，通过技术创新合作提升集群整体的粮食生产与加工能力；共建共享农业科研平台，开展跨区域科研合作，联合开展重大农业技术创新课题研究；建立跨区域农业人才交流项目，共享优质教育资源，设立农业技术创新人才交流奖学金与培训计划，鼓励人才在区域间流动，传播先进技术理念与实践经验，构建区域一体化的农业技术创新与粮食安全保障网络，实现粮食安全和农业技术创新的共赢发展。
④优化教育结构，强化农业技术创新资源配置。建立农村教育与农业生产实践的深度融合机制，增设现代农业技术课程，加强校企合作与农业实践基地建设。同时，优化教育资源配置，提升教师农业技术素养，并引入外部教育资源。此外，构建农业技术创新平台，促进科技成果转化，加强新技术推广，同时政府应制定相关政策与提供资金支持，形成监督评估机制，确保农村教育紧密服务于农业现代化需求，加速农业技术革新，推动农业生产方式转型升级。
⑤加强推广体系，推动农业技术创新与粮食生产融合。构建多层次、广覆盖的农业技术推广网络，依托现有农业技术推广机构，结合现代信息技术手段，搭建农业技术推广云平台，实现技术推广的线上线下相结合，提高技术普及率和应用水平。同时，加强基层农业技术推广队伍建设，提高技术推广人员的专业素养和服务能力。强化农业技术创新示范基地建设，在主产区粮食生产功能区与重要农产品生产保护区，建设一批农业技术创新示范基地，集中展示与推广先进的种植、管理与收获技术。通过示范基地的引领作用，带动周边地区农民积极采用新技术，提高粮食生产的科技含量和效率。
⑥完善补偿机制，激励主产区农业技术创新活力。完善主产区利益补偿机制，建立健全主产区利益补偿政策体系，明确补偿标准、方式和资金来源，重点加强省级横向补偿机制建设，鼓励和支持粮食主产区与销区之间建立横向补偿机制，通过资金、技术、人才等资源的共享和优势互补，实现区域间的协同发展[30]。特别是要加大对采用创新技术的生产者的省级横向补偿力度，激励其积极推广和应用新技术，提高粮食生产的科技含量和竞争力。通过财政转移支付、税收减免等方式，对主产区进行利益补偿，确保其粮食生产的积极性和可持续性。引导补偿资金向采用创新技术的生产者倾斜，助力其承担技术应用风险与成本。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
倪国华, 王赛男, Jin Yanhong. 中国现代化进程中的粮食安全政策选择[J]. 经济研究, 2021, 56(11):173-191.

[2]
崔宁波, 董晋. 主产区粮食生产安全:地位,挑战与保障路径[J]. 农业经济问题, 2021(7):130-144.

[3]
王兆峰, 张先甜. 中国人—地—粮复合系统适配性评价及影响[J]. 地理学报, 2024, 79(3):779-799.

DOI

[4]
罗海平, 王佳铖, 胡学英, 等. 我国粮食功能区粮食安全水平的时空差异及障碍诊断[J]. 农业经济与管理, 2023(2):23-34.

[5]
夏四友, 赵媛, 许昕, 等. 江苏省粮食生产时空格局及其驱动因素[J]. 经济地理, 2018, 38(12):166-175.

DOI

[6]
陈璐, 胡月, 韩学平, 等. 国家粮食安全中主产区粮食生产及其贡献的量化对比分析[J]. 中国土地科学, 2017, 31(9):34-42.

[7]
王丹, 杜旭, 郭翔宇. 中国省域农业科技创新能力评价与分析[J]. 科技管理研究, 2021, 41(1):1-8.

[8]
鹿永华, 王连群, 周泽锟. 中国农业绿色发展水平与农业科技创新能力耦合协调度及时空演变研究[J]. 农业经济与管理, 2024(4):90-104.

[9]
刘赛特, 刘鹏飞, 李菲. 农业科技创新能力与农村经济发展水平的耦合协调研究[J]. 统计与决策, 2024, 40(16):151-155.

[10]
曹瑞芬, 张安录, 苑韶峰. 耕地保护财政转移支付制度体系重构——以浙江省新增建设用地使用费为例[J]. 自然资源学报, 2023, 38(7):1880-1895.

DOI

[11]
罗海平, 王佳铖, 胡学英, 等. 粮食主产区粮食安全与生态安全脆弱性耦合研究[J]. 统计与信息论坛, 2023, 38(7):117-128.

[12]
方国柱, 祁春节, 贺钰. 保障粮食和重要农产品有效供给的理论逻辑与治理机制——基于集体行动理论视角[J]. 农业经济问题, 2022(12):82-94.

[13]
彭长生, 黄兴宇, 王澎, 等. 农业科技创新对粮食生产韧性的影响[J]. 科技导报, 2024, 42(16):47-57.

DOI

[14]
乔翠霞, 刘韵致, 杨晨曦. FDI对农业技术创新的影响——基于财政支农的调节效应分析[J]. 东岳论丛, 2023, 44(5):148-159.

[15]
钟晓华. 乡村产业高质量发展与共同富裕的耦合协调测度与时空特征分析[J]. 统计与决策, 2023, 39(7):67-72.

[16]
张德元, 张杰兮. 安徽省各市农业技术创新能力评析[J]. 华东经济管理, 2013, 27(9):23-27.

[17]
王梦雪, 孟艳春, 谢永超, 等. 农产品贸易对农业产业结构优化升级的影响研究——基于农业技术创新的调节作用[J]. 中国农业资源与区划, 2025, 46(4):212-224.

[18]
蒋辉, 陈瑶, 刘兆阳. 中国粮食生产韧性的时空格局及其影响因素[J]. 经济地理, 2023, 43(6):126-134.

DOI

[19]
陈竞飞, 田刚. 家具产业运营效率与国民经济产业结构耦合协调研究[J]. 经济地理, 2022, 42(7):159-166.

DOI

[20]
韩叙, 柳潇明, 刘文婷, 等. 黄河流域绿色金融与经济高质量发展耦合协调时空特征及驱动因素[J]. 经济地理, 2023, 43(9):121-130.

DOI

[21]
颜平, 周闻宇, 王瑞荣, 等. 长三角城市群数字经济与制造业高质量发展耦合协调时空演化及影响因素[J]. 经济地理, 2024, 44(7):87-95.

DOI

[22]
李欣宇, 方斌, 李怡, 等. 中国粮耕价值比与种植结构时空耦合演化及分区调控[J]. 地理学报, 2022, 77(11):2721-2737.

DOI

[23]
张婕, 刘玉洁, 张二梅, 等. 中国县域耕地动态演变及其驱动机制[J]. 地理学报, 2023, 78(9):2105-2127.

DOI

[24]
肖国安. 未来十年中国粮食供求预测[J]. 中国农村经济, 2002(7):9-14.

[25]
李鹏, 谭向勇, 王玉斌. 从食物保障状况看中国当前粮食安全[J]. 中国农村经济, 2005(6):4-10.

[26]
王芳, 贾晋. 大食物观视角下的食物安全:理论内涵、指数测度与远景模拟[J]. 农业经济问题, 2024(10):68-83.

[27]
郭婧煜, 樊帆. 长江经济带农业科技创新效率及影响因素研究[J]. 科学管理研究, 2020, 38(3):126-131.

[28]
李萍, 何瑞石, 刘畅. 数字乡村建设赋能农业经济韧性的影响机制及效应[J]. 统计与决策, 2024, 40(2):11-17.

[29]
邬德林, 张平. 农业科技投入是形成农民收入“马太效应”的原因吗[J]. 农业技术经济, 2015(4):61-68.

[30]
李珍珍. 乡村振兴战略下农村土地制度改革的实践探索与路径优化[J]. 邵阳学院学报(社会科学版). 2023, 22 (5):53-59.

Options
文章导航

/

〈 〉