内蒙古大豆生产格局时空演变及驱动机制研究：基于县域尺度的实证分析

本文系统分析了内蒙古大豆生产格局的时空演变规律及其驱动机制，综合运用LMDI（对数平均迪氏指数法）、空间基尼系数、产业集中率和重心迁移模型等方法，揭示了2002-2022年间县域尺度大豆生产的时空分异特征，并通过构建空间杜宾模型（SDM）深入探讨了其多维驱动机制。研究发现：内蒙古大豆产能总体呈上升趋势，经历了波动调整、单产突破、规模扩张和转型优化四个阶段；空间上呈现“东部集聚、中西部扩散”格局，且空间集聚度持续高位运行；驱动因素方面，播种面积扩张是增产的主要内源动力，而降水、耕地资源、区域经济发展、农业（大豆）比较效益、劳动力规模、机械化水平、化肥投入及财政支出等外部因素共同塑造了生产格局。研究为优化半干旱地区大豆生产布局、保障区域粮食安全提供了科学依据。

　　

2 材料与方法

2.1 研究区概况

素有“北方粮仓”之称的内蒙古自治区，地处北纬37°24′–53°23′，东经97°12′–126°04′，横跨东北、华北、西北三大地理区域。地形以大兴安岭、阴山山脉、贺兰山三大山系和内蒙古高原为主体，塑造了东北黑土带、河套灌区、阴山北麓旱作农业区三个特色农区。

作为重要的粮食生产基地和“北粮南运”核心区，内蒙古粮食产量连续五年稳定在3500万吨以上（2024年历史性突破4000万吨），年粮食外调量近2500万吨。优质大豆种植带集中于东部的呼伦贝尔市、兴安盟、通辽市、赤峰市等四个盟市，贡献了全区90%以上的播种面积和产量。其中，呼伦贝尔和兴安盟的非转基因高蛋白大豆蛋白质含量超42%，成为高端大豆原料的战略储备基地。莫力达瓦达斡尔族自治旗作为县级“大豆之王”，大豆产量常年位居全国县域第一，2019年“莫力达瓦大豆”获评国家地理标志产品，树立了中国优质非转基因大豆生产的标杆。

2.2 数据来源与处理

本研究采用的数据为2002–2022年期间覆盖内蒙古103个县级行政单元的空间面板数据集。县级研究体系涵盖了市辖区、县级市、旗、县、自治旗的全部领土范围。核心生产数据（大豆产量、种植面积）来源于《内蒙古调查年鉴》和《内蒙古经济社会调查年鉴》。属性指标（社会经济条件、农业生产条件、财政支出等）整理自《中国区域经济统计年鉴》、《中国县域统计年鉴》及内蒙古各盟市统计年鉴。气象指标（月降水量、气温）提取自国家青藏高原科学数据中心发布的标准化网格数据集。县级行政区划空间矢量数据来源于国家基础地理信息系统数据库。此外，研究采用系统线性插值法处理数据集中的部分缺失值，并对所有连续变量进行自然对数变换以有效缓解潜在的异方差性。

2.3 研究方法

2.3.1 对数平均迪氏指数法（LMDI）

对数平均迪氏指数（LMDI）法是因子分解分析领域的经典方法，其采用无残差的数学模型将总量指标的变化分解为多个驱动因素的贡献，广泛应用于能源消费、碳排放和经济增长等领域。借鉴文献中建立的方法论框架，本研究采用LMDI定量分析大豆产量变化的主要影响因素及其差异影响。该模型的核心价值在于能够将总产量的变化分解为单产变异（单产效应）和播种面积变异（面积效应）两个独立因素的贡献，从而清晰判定其各自影响。核心公式如式(1)所示：

ΔY = ΔY_A + ΔY_S = [(Y_t1 - Y_t0)/(ln Y_t1 - ln Y_t0)] ln(A_t1/A_t0) + [(Y_t1 - Y_t0)/(ln Y_t1 - ln Y_t0)] ln(S_t1/S_t0) (1)

式中，ΔY表示研究期内大豆总产量的变化量（吨）；ΔY_A和ΔY_S分别表示单产效应和面积效应对总产量变化的贡献量（吨）；Y_t0和Y_t1分别指研究期初和期末的大豆产量（吨）；A_t0和A_t1分别指研究期初和期末的单产（千克/公顷）；S_t0和S_t1分别指研究期初和期末的播种面积（公顷）。

2.3.2 空间基尼系数

基尼系数最初用于衡量收入分配的公平性，后被延伸用作反映特定产业空间集聚程度的关键指标。借鉴张（2007）提出的计算方法，研究将空间基尼（GINI）系数应用于表征内蒙古县级大豆生产空间分布的不平衡性。该系数取值范围为[0, 1]，值越大表明大豆生产空间集聚程度越明显。具体公式如式(2)所示：

GINI = 1 - (1/n)(2∑_i=1^n-1 W_i + 1) (2)

式中，GINI表示内蒙古县级大豆生产的空间基尼系数；n表示按大豆产量排序的分组组数，即将所有县级单元按大豆产量升序排列后，采用分组方法分为34组（n=34）；W_i是第1组至第i组累计大豆产量占所有县域大豆总产量的比重（%）。

2.3.3 产业集中率

基尼系数在地理单元设置和产业分类方面存在一定局限性，需结合地理集中（产业集中）指数综合考察指定产业的空间特征。产业集中指数（CR_n）衡量了某个产业相关市场中前n位地区或企业的累计市场份额（如产量、产值、销售量等）。其指数范围为[0, 1]，数值越大表明空间集聚性越强。研究引入产业集中指数分析内蒙古县级大豆生产的集聚特征，具体计算公式如式(3)所示：

CR_n = (∑_i=1ⁿ Y_i/Y) × 100% (3)

式中，CR_n表示大豆生产的空间集中度；Y表示全省（区）大豆总产量（吨）；Y_i表示第i个县的大豆产量（吨）；(∑_i=1ⁿ Y_i)/Y反映了前n个县对全省大豆总产量的贡献比例；n为选取的前n位产豆县数量（本研究选取前3、5、10位县，n=3, 5或10）。

2.3.4 重心迁移模型

重心迁移模型用于定量表征区域发展过程中生产要素的空间集聚与动态偏移。研究利用重心迁移模型模拟了内蒙古不同年份大豆生产的重心坐标及空间迁移轨迹。生产重心代表特定时期内区域大豆生产要素的空间质心，迁移方向指示区域生产集中趋势，迁移距离反映生产均衡性变化幅度。具体计算公式如式(4)–式(6)所示：

X_t = ∑_i=1ⁿ(p_it·x_i) / ∑_i=1ⁿp_it, Y_t = ∑_i=1ⁿ(p_it·y_i) / ∑_i=1ⁿp_it (4)

G_t = (X_t, Y_t) = ( ∑_i=1ⁿ(p_it·x_i) / ∑_i=1ⁿp_it, ∑_i=1ⁿ(p_it·y_i) / ∑_i=1ⁿp_it ) (5)

D_t-k = c × √[(X_t - X_k)² + (Y_t - Y_k)²] (6)

式中，(X_t, Y_t)表示第t年大豆生产空间分布重心G_t的坐标；x_i和y_i分别表示第i个县地理中心的经度和纬度（°）；p_it是第i个县第t年的实际大豆产量观测值；n是县级单元总数；D_t-k是第t年到第k年重心的实际迁移距离（千米）；c是球面距离转换系数，取值为111.111千米。

2.3.5 空间自相关检验

空间自相关分析用于检验某种空间现象是否与邻近单元的属性值在地理空间上显著关联。全局空间自相关揭示整个区域的空间关联与分异程度，局部空间自相关描述地理现象在局部区域内的异质性特征。本研究选取莫兰指数（Moran’s I）检验内蒙古县域大豆生产的空间自相关性。莫兰指数取值范围为-1到1：正值表示正空间自相关，负值表示负自相关，|I|的大小反映了空间关联的强弱。公式如式(7)–式(9)所示：

Global Moran’s I = [∑_i=1ⁿ∑_j=1ⁿw_ij(x_i - x?)(x_j - x?)] / [S²∑_i=1ⁿ∑_j=1ⁿw_ij] (7)

Local Moran’s I = (x_i - x?)/S² ∑_j=1ⁿw_ij(x_j - x?) (8)

S² = (1/n)∑_i=1ⁿ(x_i - x?)² (9)

式中，Global Moran’s I表示全局莫兰指数，Local Moran’s I表示局部莫兰指数；n为县域单元数量，x_i和x_j分别表示i县和j县的大豆产量观测值；x?是观测值的均值（吨），S²表示样本方差（吨²）；w_ij是研究区县级单元空间权重矩阵的(i,j)元素。

2.3.6 空间杜宾模型（SDM）

当地区间观测的属性值表现出显著的空间相关性特征时，传统的面板OLS回归方法无法考虑地理单元间的空间相关性。相比之下，空间面板模型的核心在于通过空间滞后项或误差项结构来表征区域间的关联机制，主要包括空间杜宾模型（SDM）、空间滞后模型（SLM）和空间误差模型（SEM）。SLM包含因变量的空间滞后，SEM包含误差项的空间滞后，而SDM则同时纳入了因变量和自变量的空间滞后以及空间自回归误差项。SDM为捕捉空间单元间的交互效应和未观察到的空间异质性提供了更全面的框架，并且是能够同时估计局部直接效应和空间溢出效应的特定模型。本研究首先构建大豆产量影响因素的空间杜宾模型，随后通过统计检验判断SDM能否退化为SEM或SLM。模型的一般形式如式(10)所示：

Y_it = ρ∑_j=1^NW_ijY_it + βX_it + γ∑_j=1^NW_ijX_it + μ_i + v_t + ε_it (10)

式中，Y_it代表i区域t时期的大豆产量（吨）；X_it代表影响大豆产量的各类因素；W_ij代表邻接空间权重矩阵；ρ表示因变量的空间自回归系数，捕捉邻近县大豆生产对本地大豆生产的溢出效应；β表示自变量的回归系数，反映本地因素对本地大豆生产的直接影响；γ表示自变量的空间滞后系数，衡量邻近县自变量对本地大豆生产的间接影响。μ_i和v_t代表个体效应和时间效应；ε_it为随机误差项。式(10)刻画了本地大豆生产（Y_it）与邻近县大豆生产（∑W_ijY_it）、本地影响因素（X_it，如耕地面积、机械化水平）以及邻近县影响因素（∑W_ijX_it）之间的关系。

3 结果与分析

3.1 大豆生产的时间演变特征

3.1.1 生产趋势分析

总体来看，2002–2022年内蒙古大豆的播种面积、总产量和单产均呈现波动上升的态势。如图1所示，大豆总产量从2002年的96.4万吨增至2022年的245.4万吨，总增长155%，年均增长率4.73%。值得注意的是，产量在2003年、2007年和2014年出现周期性低谷，2017年后进入快速增长期，2020年突破234.7万吨，2022年达到峰值。播种面积从2002年的59.6万公顷扩大至2022年的122.2万公顷，总增长105%，年均增长率3.65%。值得注意的是，面积在2002–2014年早期波动频繁，2014年触底后快速反弹，2017–2022年间增长23.6%。单产从2002年的1616千克/公顷上升至2022年的2008千克/公顷，总增长24%，年均增长率仅为1.09%。值得注意的是，单产于2013年达到峰值2121千克/公顷，随后因农业技术进步，2014年后稳定在1600–2000千克/公顷区间。

具体而言，2002–2022年内蒙古大豆产量演变呈现明显的阶段性特征，可概括为“波动调整–单产突破–规模扩张–转型优化”。①波动调整期（2002–2007年）：播种面积波动中总体增加（59.6–74.7万公顷），单产剧烈波动（1616–1147千克/公顷）。2003年因内蒙古遭遇严重干旱，大豆成灾率达30%，单产骤降至769千克/公顷。②单产提升期（2008–2013年）：播种面积先升后降（66.8–56.4万公顷），但单产显著提高（1362–2121千克/公顷）。2011–2013年单产持续超过1900千克/公顷，2013年达到历史高点2121千克/公顷，技术进步成效明显。③规模扩张期（2014–2020年）：播种面积急剧扩大（50.4–120.2万公顷），单产稳中有升（1600–1953千克/公顷）。最快扩张发生在2016–2018年，受国家玉米临储政策取消驱动，“镰刀弯”地区玉米改种大豆。④转型优化期（2021–2022年）：播种面积先降后大幅反弹，呈现明显“V”型走势，单产实现新的阶段性突破。面积在2021年短暂收缩至89.3万公顷，2022年反弹至122.2万公顷，单产突破2000千克/公顷。凸显了当前规模扩张与品质提升双导向的大豆产业发展路径。

3.1.2 产量增长效应分解

内蒙古大豆生产“波动调整–单产突破–规模扩张–转型优化”的演变特征表明，其生产模式正在经历从单产驱动向面积驱动的时间演化。这促使我们思考是否能用其他定量分析方法深入验证大豆生产的这些阶段性特征。基于此，本研究采用LMDI模型，遵循前述时间段划分，旨在精准分析播种面积和单产对内蒙古大豆产量增长贡献的差异，验证各阶段主导驱动类型（单产主导型或面积主导型），最终厘清大豆产量变化的内源驱动力。

面积扩张已成为内蒙古大豆产量增长的主要驱动力。进一步采用LMDI模型分解播种面积和单产对内蒙古大豆产量增长的贡献，结果如表1所示。①2002–2007年：单产下降主导产量减少。总产量减少10.68万吨。尽管播种面积扩张贡献了20.52万吨的增量（占总变化的-192.11%，负号表示与总产量变化方向相反），但单产下降导致31.20万吨的损失（占总变化的292.11%）。单产下降的强抑制效应抵消了面积扩张的正向拉动，最终导致总产量下降。②2008–2013年：单产提升扭转产量趋势。总产量增加13.61万吨。尽管播种面积减少导致19.01万吨损失（占总变化的-139.70%），但单产增加贡献了32.62万吨（占总变化的239.70%）。单产增长的正效应不仅抵消了面积减少的负面影响，还驱动总产量由降转增，使“单产提升”成为该阶段产量增长的核心驱动力。③2014–2020年：面积扩张主导产量增长。总产量显著增加152.84万吨。播种面积扩张贡献了126.21万吨（占总变化的82.58%），而单产提升仅贡献26.63万吨（占总变化的17.42%）。面积扩张的贡献远超单产，标志着向“面积主导”增长模式的转变。④2021–2022年：面积主导模式延续。总产量增加76.89万吨。播种面积扩张贡献了64.12万吨（占总变化的83.39%），单产提升贡献12.77万吨（占总变化的16.61%）。面积扩张的主导作用持续强化，仍是稳产增产的关键驱动力。阶段性特征分析表明，早期（2002–2013年）是单产波动主导阶段，产量变化主要依赖农业技术改进和气候适应性提升；相比之下，后期（2014–2022年）转向播种面积扩张主导阶段，政策调控下的种植规模调整成为决定性因素。综上所述，大豆增产因素分解结果验证了内蒙古大豆生产系统已从单产驱动（第二阶段的单产提升）转变为面积驱动（第三阶段的规模扩张），同时反映了当前扩大种植规模已成为促进区域大豆产量增长的核心内源驱动力。

3.2 大豆生产的空间分异特征

3.2.1 区域差异分析

内蒙古大豆生产空间分布呈现明显的“东部集聚、中西部扩散”格局。基于自然资源禀赋和作物种植习惯，内蒙古农区可划分为东、中、西三个特色生产区。图2展示了它们对全区总产量的贡献率，揭示了大豆生产存在显著的地域差异。①东部地区始终保持大豆生产的绝对主导地位，历年产量贡献率均超过90%。通辽、赤峰南部，兴安盟、呼伦贝尔北部以及大兴安岭东南麓农区构成松嫩平原的地理延伸，这些地区得益于肥沃的黑钙土和400–500毫米的年降水量，为大豆种植创造了天然有利条件。此外，系统引入黑龙江农垦系统的现代化“大农场”模式，促进了连片规模化大豆种植，巩固了东部地区作为内蒙古大豆生产“压舱石”的地位。②中西部地区生产基地规模相对较小，但近年来增长显著。西部地区呈现“点状突破”的产能扩张，中部地区显示“梯度渗透”，共同形成“中西部协同扩散”格局。尽管存在扩散趋势，它们对全区总产量的合计贡献率仍低于5%，凸显了自然条件的刚性约束：西部干旱少雨气候和中部土地细碎化限制了大规模连片大豆种植。因此，内蒙古大豆生产形成了以东部平原规模化种植为主体、中西部特色生产为补充的“东部集聚、中西部扩散”的多元化空间格局。

3.2.2 空间集聚分析

内蒙古大豆生产呈现出“长期高度集聚”的核心特征。内蒙古大豆生产空间整体集聚程度的变化趋势如图3所示。空间基尼系数（GINI）总体呈现波动微降趋势（从0.932降至0.906），但始终维持在（0.889, 0.949）区间内——显著高于产业空间集聚的常规阈值。同时，产业集中指数（CR5）波动更为明显，2003年降至0.661，2015年达到峰值0.928，但多数年份普遍稳定在0.8左右或以上。GINI和CR5的变化趋势反映了大豆生产空间集聚程度的周期性强弱调整，表明不同年份生产要素集中与分散的动态过程，凸显了产业空间组织的灵活特征。重要的是，持续的高水平阈值证实区域生产保持显著集中态势——即使存在显著变异性，高度集聚的基本格局保持不变。GINI和CR5测量结果相互印证，共同证明内蒙古大豆生产具有“长期高度集聚伴随周期性波动”的特征。这种模式反映了生产要素和产出在特定区域的集中，形成了稳定的集聚配置，体现了生产空间中的空间集中化和规模化特性。

内蒙古大豆生产形成了以莫力达瓦达斡尔族自治旗、阿荣旗、鄂伦春自治旗为核心生产区的集群发展特征。表2列出了关键年份的空间集中指数及核心产区变化。①莫力达瓦旗大豆产量连续20年保持领先地位，平均贡献率达26.4%。莫力达瓦达斡尔族自治旗、阿荣旗和鄂伦春自治旗构成了稳定的“铁三角”生产集群，累计贡献率始终保持在50%以上，形成了产业发展的核心增长极，对大豆产业起到“强带动”作用。莫旗拥有38.6万公顷连片黑土带，土壤有机质含量高，保水保肥能力强，这为大豆高产稳产奠定了不可替代的自然基础，形成了“黑土资源–规模化经营–技术进步与政策偏好–持续领先产量”的强化循环。本质上，莫旗是一个资源驱动的稳定增长极，其领先地位由不可移动的要素禀赋决定。②次要产区（排名5–10位）的构成表现出显著的动态性，科右前旗、扎赉特旗、奈曼旗等县域频繁进出。例如，巴林左旗在2002年、2012年和2022年进入前十，但在2007年和2017年退出，而翁牛特旗于2022年首次进入前十。这些变动反映了外围区域生产规模的扩张与收缩，体现了“外围”生产区的动态更替。翁牛特旗近年来的崛起可归因于集中力量提升大豆产能。首先，积极推广全生育期水肥一体化精准调控模式，采用基肥结合1–2次追肥的施肥方式，这种改进的田间管理实践提高了水肥利用效率，显著提升了土地生产率。其次，翁牛特旗农牧局持续大力推广大豆玉米带状复合种植模式，实现了玉米产量基本稳定、大豆增产的双重目标。对CR3、CR5、CR10指数及核心产区变化的综合比较分析表明，核心优势县（莫力达瓦达斡尔族自治旗、阿荣旗、鄂伦春自治旗）已形成大豆生产的稳定增长极，而次要县（如扎兰屯市、巴林左旗、翁牛特旗、开鲁县）则通过动态更替实现了生产缓冲的调节机制。因此，这些模式构成了“核心优势县强带动、次要县稳支撑”的结构特征。

3.2.3 重心迁移分析

内蒙古大豆产量重心呈现“南北振荡显著、东西调整微弱”的迁移特征。本研究对2002–2022年内蒙古县级大豆产量重心进行了空间建模与轨迹可视化，结果详见表3和图4。从重心位移幅度分析，纬度变化范围达1.473°（47.214°N–48.615°N），对应南北跨度约163公里，经度波动仅0.579°（122.635°E–123.214°E），对应东西跨度约55公里，显示出明显的以北南方向为主导的迁移特征。分时段看，2002–2007年，大豆产量重心显著向西南方向移动，从阿荣旗迁至扎赉特旗，迁移距离125.956公里，年均移动25.191公里。此期间较大迁移幅度可能与国际大豆价格上涨驱动边际土地开发有关。2007–2012年，大豆产量重心呈现显著逆向回迁特征，向东北方向回迁至阿荣旗，迁移距离118.231公里，年均移动23.646公里。逆向迁移特征反映了政策调控对产能稳定的引导作用。2012–2017年，重心变化幅度较小，在阿荣旗境内向西北方向微移43.569公里，年均移动8.714公里。此阶段最小迁移幅度可能归因于黑土地保护性耕作制度对扩张的限制。2017–2022年，重心再次显著向西南方向移动，迁移91.016公里至扎兰屯市西南方向，年均移动18.203公里。重心位置达到研究期间最北端，可能与东北积温带北扩有关。就重心变化区域而言，重心所涉区域均位于大兴安岭东麓农区，围绕阿荣旗、扎赉特旗和扎兰屯市形成动态三角区。2002–2012年呈现“阿荣旗–扎赉特旗–阿荣旗”的完整闭合回路，2012–2022年则形成“阿荣旗–扎兰屯市”的新路径。综上所述，2002–2022年间内蒙古大豆生产重心表现出显著的空间异质性，动态轨迹主要局限于大兴安岭东部农区核心地带——阿荣旗、扎赉特旗和扎兰屯市构成的三角区域。重心整体轨迹呈现南北波动显著、东西相对稳定的演化特征。

3.3 大豆生产格局的驱动机制

3.3.1 理论机制

大豆生产是一个受水、土、气、地、资、技、劳、市、策等外部自然和人文因素交互作用而形成的复杂开放系统（Tu等，2022）。其格局演化遵循“自然约束–市场主导–要素赋能–政策调控”的四维协同机制，呈现出从“自然约束主导”向“技术–政策–市场协同驱动”的转变（图5）。

自然资源禀赋