JCP | 中国粮食安全风险的多尺度时空格局变化

粮食安全不仅是中华民族伟大复兴的重要基石，也是实现联合国可持续发展目标的重要问题。中国粮食安全风险格局的空间显式和多尺度比较研究不足。因此，本研究通过构建适用于不同尺度的粮食安全风险评估模型和粮食安全指数（FSI），探索中国粮食安全风险格局在微观（像元：1km × 1km）、中观（县）和宏观（省）尺度上的时空演变和尺度差异，为国家和各级政府制定粮食安全保障战略提供理论依据和数据支持。结果表明，2018年额济纳-陇海线不同沿线的食品安全风险在微观尺度上存在较大差异。额济纳-龙海线以东地区粮食安全形势总体较好，额济纳-龙海线以西地区粮食安全风险较高。1990 - 2018年，中国粮食安全风险空间正相关，具有显著的全球空间集聚特征。1990年、2000年和2018年，地方粮食安全风险在微观和中观水平上的空间自相关性相似。20世纪最后十年，由于粮食总产量和总人口增长率的差异，中国的粮食安全形势呈现出恶化的趋势。进入21世纪以来，粮食产量的快速增长显著降低了中国的粮食安全风险。粮食安全指数在微观尺度和中尺度的变化具有较高的相似性，但中尺度的评价结果会低估国家粮食安全风险。此外，评价单位的范围（尺度）越大，粮食安全指数的时间变化越剧烈，即稳定性越低。尺度差异和较低的稳定性导致宏观尺度上的评价结果在丰收年低估粮食安全风险，在歉收年高估粮食安全风险。

现有研究大多基于行政单位（省、县等）对中国的粮食安全进行评估，得出的结论是近几十年来中国的粮食安全得到了改善(Song and Ouyang, 2012；Yao et al., 2019b)。由于粮食供给与需求的空间失配，中国粮食安全在省级和市级尺度上呈现出规律性的空间集聚特征（Hu et al., 2016）。然而，由于忽略了评价单元内部的空间异质性，导致评价结果缺乏空间定位能力(Wu et al., 2010；李等人，2017)。特别是在粮食安全系统脆弱性评价中，受数据可利用性的限制，难以进行进一步的降尺度分析，且评价指标选择的主观性使评价结果缺乏横向可比性。单一尺度下的评价结果只能反映该尺度下粮食安全的时空格局，但随着空间尺度的变化，粮食安全可能呈现出不同的数量特征和时空结构(Hu et al., 2016；Delaney et al., 2018；mller et al., 2020)。Lv等（2022）利用Getis-Ord Gi*分析了中宏观（地、省、乡）尺度上粮食安全的动态时空变化，缺乏微观尺度上的探索。中观和宏观尺度的粮食安全研究往往忽视了区域内粮食供需的差异。因此，为了更准确地反映区域内粮食安全风险的差异，有必要在传统的基于行政单位的研究基础上进行一定程度的缩减（m勒等，2020）。综上所述，粮食安全风险评估需要进一步探讨以下两个问题。

（一）如何评价行政单位内粮食安全风险的空间异质性？（二）在微观、中观和宏观尺度上，粮食安全风险有何不同？

中国是世界上人口最多的国家。保障中国的粮食安全是实现联合国零饥饿可持续发展目标的关键。近30年来，中国粮食产量大幅增长；然而，随着人口增长和经济发展，作为粮食生产空间基础的耕地面积持续减少（表1）。2018年数据显示，本研究涉及的三种作物（玉米、小麦和水稻）的进口总额和出口总额分别仅占总产出的1.6%和0.3%。因此，本文不讨论进出口对中国粮食安全的影响。

本研究的数据主要来源于社会经济统计数据（包括人口、食品生产、GDP等）、土地利用、气象、土壤和地形数据以及行政边界（县级和省级）。社会经济统计数据主要从中国统计年鉴和各省的统计年鉴中获取，其中粮食产量数据包括三种粮食作物：玉米、小麦和水稻（这三种作物的产量之和占2018年中国总食品产量的90%以上）。人口和GDP的空间分布数据、土地利用数据（包括耕地、林地、草地、水域、建设用地和未利用地）、土壤数据（包括土壤类型、土壤组成、土壤深度、土壤持水能力等）从中国科学院资源与环境数据中心获取。人口和GDP的空间分布数据集是通过将县级统计数据分配到每个像素点，使用多因素权重分配方法获得的。气象数据为中国756个气象站的月降水量、平均最高温度、最低温度、风速、相对湿度、降水频率和总太阳辐射数据，从中国气象数据网络下载，并使用ANUSPLIN插值模型插值为栅格数据。地形数据来自美国航天飞机雷达地形任务（SRTM）提供的数字高程模型（DEM）数据。空间数据如人口、GDP、土地利用、气候、土壤和地形被统一为1000m×1000m分辨率的栅格数据。行政边界数据来自国家地理信息目录服务的矢量数据。

2.1 粮食产量空间格局模拟

为了模拟中国粮食生产的空间格局，根据国家粮食产量（玉米、小麦和水稻）将统计数据空间分配，并根据各省实际粮食产量进行修订。

2.2 粮食安全风险分类

粮食安全风险主要由粮食供应和需求决定。本研究计算了每个评价单元（像素、县、省）的粮食供应，并根据粮食供应和需求对粮食安全风险进行分级。

2.3 国家粮食安全指数

为了反映国家整体的粮食安全状况，特别构建了国家粮食安全指数（FSI），分析粮食安全的时间演变和规模差异。

2.4 探索性空间数据分析

本研究使用探索性空间数据分析方法对中国粮食安全风险水平的空间相关性进行分析。Moran's Index用于全局空间自相关分析和局部空间自相关分析。

3.1.  微尺度粮食安全风险格局时空变化

1990 - 2000年，中国粮食安全风险逐渐增大；进入21世纪以来，中国粮食安全格局呈现正向发展趋势（图2、图3）。1990年，无风险区面积约占全国陆地面积的23.5%，主要集中在松嫩平原、黄淮海平原、黄土高原和西北地区的绿洲。高风险区约占中国陆地总面积的65%，分布在东北平原的西北、西南、华南和西北部。与1990年相比，2000年中国粮食安全形势明显恶化。无风险区的面积占中国陆地总面积的比例不到20%，而高风险区域的面积已扩大到74%左右。有98.1 × 104 km2的区域风险等级增加，这是由于粮食产量和人口增长率的差异造成的。20世纪最后10年，中国的粮食总产量仅增长了3.6%，而总人口增长了近11%，即粮食产量的增长难以满足人口增长所带来的粮食需求的增长。尽管中国在2000年的经济和购买力都有所增长，但可耕地的减少限制了粮食供应，威胁了粮食安全。特别是在风险等级增加的地区，粮食产量与人口变化的差异较大，其粮食产量下降了40%，但总人口增加了10.7%。

3.2.  中尺度粮食安全风险格局的时空变化

在中尺度上，28年来粮食安全指数呈先下降后上升的趋势，2000年达到最小值（图2）。1990年，全国共有805个县处于无风险区，占全国国土面积的26.3%，主要集中在东北和华北地区。这些地区粮食总产量占全国的63.7%，而人口仅占全国的30%左右，粮食安全风险较低。1321个县属于高风区，占国土面积的62.9%，人口占全国的38.7%，粮食产量仅占全国的15.9%。巨大的粮食供需缺口是这些地区粮食安全风险高的主要原因（图4）。然而，到2000年，高风险县增加到1769个，面积扩大到全国的71.8%，无风险区县减少到676个，仅占全国土地总面积的23%（图4）。1990 - 2000年间，只有高风险地区的面积明显增加。其他地区的面积均有不同程度的减少，导致粮食安全指数下降5.7。华北平原和黄土高原是粮食安全风险增加的主要地区。特别是在黄河中下游部分地区，由于粮食产量的急剧下降和人口的显著增加，粮食安全风险等级由安全向高风险恶化。

3.3.  宏观尺度上粮食安全风险格局的时空变化

与中尺度和微观尺度相同，2000年以前宏观尺度的粮食安全指数呈逐年下降趋势；进入新世纪以来，中国的粮食安全形势迅速改善（图2）。黑龙江、吉林、内蒙古在过去的28年里，由于粮食生产能力相对较高，人口压力较小，一直处于粮食安全状态。除2000年外，辽宁省各时期粮食安全能力均较好，粮食安全风险较高；然而，西藏的粮食安全一直处于高风险状态（图5）。1990年，西藏有11个省份没有粮食安全风险，占全国土地总面积的32.6%，到2000年，这一比例下降到25.2%（共9个省份）。相反，粮食安全高风险省份数量从1990年的14个增加到2000年的24个，面积比例从60.4%增加到75%左右。1990 - 2000年，华北平原、黄土高原、辽宁和上海的粮食安全风险均不同程度恶化。特别是甘肃、宁夏、陕西、山西、河南和辽宁，粮食安全风险等级由“安全”向“高风险”转变，是粮食安全风险上升幅度最大的地区。

4.1 粮食产量提升与粮食安全风险

（总体而言，从1990年到2018年，中国的粮食安全风险模式显著改善。粮食总产量的增加是降低粮食安全风险水平的主要驱动力。科技进步、品种改良、资本投入增加、土地制度改革和气候变化等因素综合提升了中国单位耕地面积的粮食产量。）

4.2 土地利用变化与粮食安全风险

（土地作为粮食生产的基本物质和空间，既是生产手段也是劳动对象。土地利用变化深刻改变了粮食安全风险，尤其是在微尺度上。中国严格的耕地保护制度有助于保持耕地面积，但建设用地扩张、退耕还林还草等生态项目改变了耕地的空间格局，从而影响了粮食安全风险。）

4.3 城镇化与粮食安全风险

（在快速城镇化地区，人口增长导致粮食需求激增，建设土地扩张挤压了粮食生产空间，减少了粮食生产能力。城镇化通过影响人口迁移、经济发展、土地利用变化以及对农业生产的有益效应，在不同尺度上改变了粮食安全风险模式。）

4.4 未来需要密切关注的区域

（2018年，额济纳（或赵苏）-陇海线将中国划分为两个具有不同粮食安全风险的区域。如果不能控制这一趋势，中国南方的粮食安全风险将进一步加剧。需要关注人口增长超过粮食生产增长的区域、经济发展与建设用地扩张不协调的区域以及生态工程建设区域。）

4.5 含义、应用和局限性

（本研究构建的粮食安全风险评估模型在宏观、中观和微观尺度上都适用，可以为制定区域粮食安全政策提供决策依据。尤其是微观尺度的分析，为精确政策实施奠定了基础。然而，本研究忽略了国际粮食贸易对粮食安全的影响，并且粮食安全指数的权重确定具有主观性，可能影响粮食安全指数的绝对值，但不改变粮食安全风险的时间趋势和规模差异。）

构建了适用于宏观、中观和微观尺度的粮食安全风险评估模型，探讨了粮食安全格局的尺度差异。从1990年到2018年，中国粮食安全风险先上升后下降，到2018年国家粮食安全指数达到最大值。2018年中国粮食安全状况较好的地区主要分布在额济隆海线以东。鄂隆线以西粮食产量相对较低，粮食安全风险水平普遍高于其他地区。1990 - 2018年粮食安全风险之间存在显著的空间正相关关系，且具有显著的全球空间集聚特征。无论是在微观尺度、中尺度还是宏观尺度上，中国粮食安全的时间演变都呈现出相似的变化，国家粮食安全指数在微观尺度和中尺度上的变化趋势最为相似。但是，中尺度的国家粮食安全指数大于微观尺度的评价结果，普遍低估了中国的粮食安全风险。中国粮食安全风险格局时空演变的另一个重要尺度差异是，评价单元规模越大，国家粮食安全指数的时间变化越剧烈。无风险区和低风险区的面积随着规模的增大而增大，中风险区和高风险区的面积随着规模的增大而减小。因此，由于规模差异和稳定性随规模的增大而减小，宏观尺度上的评价结果低估了丰收年的粮食安全风险，高估了丰收年的粮食安全风险。多尺度粮食安全评价可为区域粮食安全政策的制定提供决策依据，特别是微观尺度的分析可为政策的精准实施奠定基础。