EN中文

Arid Land Geography >

2025 , Vol. 48 >Issue 6: 995 - 1005

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.412

Dynamic Changes of Vegetation

Spatio-temporal pattern evolution characteristics of crop planting structure on Fenwei Plain

  • Yingfeng MIAO ,
  • Ye YUAN ,
  • Zhengwei ZHOU ,
  • Jiayu ZHAO ,
  • Yuxi GUO
Expand
  • School of Public Administration, Shanxi University of Finance and Economics, Taiyuan 030006, Shanxi, China

Received date: 2024-07-10

  Revised date: 2024-12-10

  Online published: 2026-03-11

Fold

Abstract

Food security is fundamental to national development and social stability. The analysis of the spatiotemporal evolution of crop planting structures provides a theoretical basis for ensuring regional food security and promoting the sustainable development of agriculture. This study examines the crop planting structure across 117 counties (cities/districts) in the Fenwei Plain, Shanxi Province and Shaanxi Province, China based on agricultural statistical data for the period of 2000—2022. Employing methods such as the standard deviation ellipse model and spatial autocorrelation analysis, the spatial and temporal dynamics of major crop planting structures over this period are explored. The results indicate the following. (1) Over the study period, 88 distinct crop planting structure types were identified, with wheat, corn, and their combinations (wheat type, corn type, wheat-corn type, and corn-wheat type) being the dominant types. Moreover, spatially and temporally, the number of wheat-type counties gradually declined, while the number of corn-type counties steadily increased. Wheat-corn-type counties expanded from the southwest to the northeast of the Fenwei Plain, while corn and wheat varieties were dispersed throughout the region. Crop planting structure diversity peaked in 2005, whereas the richness index was lowest in 2015. (2) For the period of 2000—2022, the planting patterns of wheat, corn, and vegetables exhibited a distribution trend along the northeast-southwest axis. The center of gravity for wheat remained stable, whereas that of corn shifted progressively northeastward. Meanwhile, the center of gravity for vegetables moved from Heyang County to Chengcheng County in a southwestward direction. Thus, the spatial distribution of major crops in the Fenwei Plain demonstrates a differentiated development trend, with a decline in wheat cultivation and expansion in corn and vegetable cultivation. To ensure food security, future adjustments to the crop planting structure of the Fenwei Plain should be made based on an analysis of these spatiotemporal trends and supported by macroeconomic regulatory measures.

Key words： crop planting structure; temporal and spatial evolution; spatial autocorrelation; Fenwei Plain

Cite this article

Yingfeng MIAO , Ye YUAN , Zhengwei ZHOU , Jiayu ZHAO , Yuxi GUO . Spatio-temporal pattern evolution characteristics of crop planting structure on Fenwei Plain[J]. Arid Land Geography, 2025 , 48(6) : 995 -1005 . DOI: 10.12118/j.issn.1000-6060.2024.412

农作物种植结构指区域农业生产中不同农作物的种植比例及其空间布局状况，其对农户家庭经济状况、区域农业可持续发展及粮食安全具有重要影响[1-2]。近年来，随着我国城镇化和工业化快速发展及居民生活水平不断提高，我国居民膳食结构发生明显变化，对农产品的需求不再局限于传统的粮食作物，而是趋于多元化和复杂化[3]。此外，由于气候变化、水资源约束等因素，我国部分区域特定粮食作物生产持续承压，而粮食作物和经济作物的经济效益差异则进一步驱动区域农作物种植结构发生变化[4]。因此，准确识别区域农作物种植结构时空演变规律，是指导区域农作物种植结构调整等工作的重要依据。
整理中国知网、Web of Science等数据库相关文献，可知近年来农作物种植结构相关研究呈现逐年递增的趋势，并逐渐成为学术研究的热点。学者们基于卫星遥感[5-8]和农业统计等数据[9-11]，利用空间分析[12-14]、时间序列分析[15-17]等方法，探究了国家层面[18-20]、省级层面[21-23]以及市县层面[24-26]农作物种植结构问题。比如，王利民等[20]基于全国31个省（市、自治区）小麦种植面积统计数据，对小麦种植面积空间分布特征及动态变化进行系统分析，并探讨产量与种植面积空间分布格局的关系，结果表明中东部地区小麦种植面积保持稳定是确保全国小麦种植面积持续稳定的关键，而北部和南部地区小麦种植面积比例相对较低，需遏制其面积降低趋势；刘冬等[27]利用重心模型和区位商指数分析陕西省10个地级市14种农作物重心格局的时空演变规律，研究发现陕西省种植业重心总体逐渐向东北方向迁移；王泓淯等[28]运用数理统计和ESDA-GIS空间分析技术，研究黑龙江省各县（市）主要农作物种植结构的时空变化，发现在研究期内黑龙江省农作物总播种面积逐年增加，以水稻和玉米更为典型。总体来看，学者们利用多种方法，多层面、多视角地探究了农作物种植结构问题，这为本研究提供了借鉴。平原地区是区域粮食的主产区，在区域粮食安全中承担重要角色，但目前从大平原视角研究区域农作物种植结构时空演变的研究尚不多见，而针对我国中部传统农业区域的农作物种植结构的研究则尚未见诸报道。
2019年习近平总书记在黄河流域生态保护和高质量发展座谈会上指出，汾渭平原等粮食主产区要发展现代农业，把农产品质量提上去，为保障国家粮食安全作出贡献。汾渭平原是我国七大农产品主产区之一，该区气候适宜，作物熟制以一年两熟或两年三熟为主，此外该区土壤肥沃、地势平坦，是黄河中游地区光温水土条件匹配最好的区域，也是我国小麦、玉米的重要产区[29]。探究汾渭平原农作物种植结构的演变规律，可为该区农业产业结构调整促进区域农业可持续发展及保障区域粮食安全提供理论依据，并为中国北方其他地区相关农业政策的制定提供借鉴。鉴于此，本文采用空间自相关、标准差椭圆等方法，揭示该地区2000—2022年主要作物种植结构的时空演变规律，以期为该区优化农业产业结构进而维护区域粮食安全提供理论依据。

1 数据与方法

1.1 研究区概况

汾渭平原位于我国华北地区，由汾河平原、渭河平原及其周边台塬阶地构成。该区包括山西省晋中市、吕梁市、临汾市、运城市和陕西省西安市、宝鸡市、咸阳市、渭南市、铜川市和河南省洛阳市、三门峡市11市[30]，总面积为7×104 km2（图1）。其不仅是黄河中游地区最大的冲积平原，也是我国第四大平原。该区地势平坦，耕地集中连片，土质肥沃，是我国重要的小麦、玉米产区。
图1 汾渭平原地理位置示意图

注：基于自然资源部标准地图服务网站审图号为GS(2023)2767号的标准地图制作，底图边界无修改。下同。

Fig. 1 Geographical location of Fenwei Plain

1.2 数据来源

根据最新全国行政区划，汾渭平原包括122个县（市/区），考虑西安市的新城区、碑林区、莲湖区、未央区和雁塔区农用地面积较少，本文选取除西安市五区之外的117个县域为研究对象。本文中农业统计数据如2000、2005、2010、2015年和2022年汾渭平原各县（市/区）农作物总播种面积以及小麦、玉米、谷子、大豆、薯类、棉花、油料、蔬菜各类农作物播种面积及产量来源于《山西省统计年鉴》《陕西省统计年鉴》《河南省统计年鉴》《河南农村统计年鉴》《中国县域统计年鉴》以及山西省、陕西省和河南省各地市级统计年鉴。地理矢量数据来源于自然资源部地图技术审查中心标准地图服务提供的底图（http://bzdt.ch.mnr.gov.cn）。

1.3 研究方法

1.3.1 农作物种植结构类型的划分与命名方法

种植结构类型的划分依据不同作物在农作物总播种面积中所占的比重来界定，具体划分方法为[31]：占农作物总播种面积比例≥30%的作物作为主要作物，占农作物总播种面积比例≥15%、<30%的作物作为辅助作物，<15%的不计入作物种植类型。主要作物和辅助作物间用“~”连接，在种植结构类型命名时，用最多3种作物命名，当某地区域有主要作物没有辅助作物时，则以主要作物名称单独命名，比如某地只有小麦种植比例超过30%，且无辅助作物，则命名为“小麦型”；某地区既有主要作物也有辅助作物时，则以主要作物和辅助作物命名，比如某地小麦种植比例39%，棉花占29%，蔬菜占20%，则命名为“小麦~棉花蔬菜型”；当某地没有主要作物时，则按辅助作物种植比例前三位确定种植结构类型，例如某地区玉米种植比例28%，大豆占25%，其他作物占16%，则命名为“~玉米大豆其他型”。为探究2000—2022年汾渭平原主要农作物种植结构空间演变格局，本文通过提取种植比例≥30%的作物类型，并运用ArcGIS 10.8软件对其进行可视化处理。

1.3.2 农作物种植结构类型丰富度指数

种植结构类型丰富度指数用于衡量区内农作物种植结构的多样性。通常通过计算某一年内出现的农作物种植结构类型数量与研究时段内所有年份出现的农作物种植结构类型总数量之比表示[32]，其计算公式为：
R i = n i N
式中： R i为第 i年种植结构类型的丰富度指数，取值范围为0~1，该数值越接近1，表明该年农作物种植结构类型越丰富； n i为第 i年出现的农作物种植结构类型数量； N为研究时段内所有年份出现的农作物种植结构类型总数量。

1.3.3 标准差椭圆

标准差椭圆最早是一种描述地理要素空间分布特性的方法，能够提供关于地理要素的集中趋势、分布范围、离散程度以及主要分布方向的信息。标准差椭圆主要是由旋转角度、长半轴的标准差和短半轴的标准差3个参数来衡量地理要素的空间分布特征[33]。本文运用标准差椭圆分析方法研究汾渭平原地区农作物的集中种植区域、分布方向及分布范围的变化，揭示其农作物种植结构的时空演变规律。

1.3.4 空间自相关分析

空间自相关是分析空间格局最常用的统计方法，其原理是基于Tobler提出的地理学第一定律：任何事物与别的事物都存在相关关系，而距离较近的事物比距离较远的事物相关性更强[34]。空间自相关可以分为全局空间自相关和局部空间自相关。
全局空间自相关能够从整体上反映研究对象在空间上是否存在集聚效应以及空间自相关性，其通常用Moran’s I指数测算，取值范围为-1~1。本文运用ArcGIS 10.8软件对小麦、玉米和蔬菜的种植面积和产量进行全局空间自相关分析，得到2000—2022年3种农作物面积和产量的Moran’s I指数。若Moran’s I=0，则说明空间呈随机分布；若数值越接近-1，表明空间负相关性越强；若数值越接近1，表明空间正相关性越强[35]。其计算公式为：
I = n ∑ i = 1 n ∑ j = 1 n φ i j × ∑ i = 1 n ∑ j = 1 n φ i j x i - x 0 x j - x 0 ∑ i = 1 n x i - x 0 2
式中： I为全局空间自相关Moran’s I指数； n为县域总个数； i为某个空间单元； j为某另一个空间单元； x 0为所有县域种植面积或总产量的均值； x i和 x j分别为第 i、 j个空间单元的种植面积或总产量； φ i j为空间权重值。
局部空间自相关可以体现研究对象的空间分布规律及模式，可以分为高-高聚集、高-低聚集、低-低聚集和低-高聚集4种空间聚集类型。其中，高-高聚集和低-低聚集呈现空间正相关性，高-低聚集和低-高聚集呈现空间负相关性。其计算公式为：
I i = n x i - x 0 ∑ j = 1 n φ i j x j - x 0 ∑ i = 1 n x i - x 0 2
式中： I i为局部空间自相关Moran’s I指数。
为探究具体农作物种植面积和总产量在空间上分布格局的相关关系，本文运用ArcGIS 10.8对小麦、玉米和蔬菜的种植面积和总产量进行局部空间自相关分析，并在P<0.05的显著性检验水平下，得到2022年3种农作物种植面积和总产量的空间自相关类型分布图。

2 结果与分析

2.1 汾渭平原农作物种植结构类型的年际变化

2000—2022年汾渭平原农作物种植结构类型丰富度指数呈现先增后减、再上升的趋势（图2），具体来看，2000—2005年汾渭平原农作物种植结构丰富度指数由0.36增加到0.43，而2005—2015年农作物种植结构丰富度指数则从0.43下降到0.34，2015年之后丰富度指数则增加至0.40。整体来看，汾渭平原农作物种植种类丰富，而汾渭平原农作物种植结构丰富度指数的演变受降水、积温等自然条件约束，同时农作物经济效益等社会经济及相关政策因素也驱动了该区种植结构丰富度的变化。
图2 2000—2022年汾渭平原农作物种植结构丰富度指数

Fig. 2 Richness index of crop planting structure on Fenwei Plain from 2000 to 2022

2000—2022年汾渭平原共出现了88种农作物种植结构类型，主要包括小麦玉米型、小麦~玉米型、玉米型、小麦~玉米其他型、小麦玉米~蔬菜型、玉米~小麦型、玉米小麦型、小麦型等。尽管22 a间农作物种植结构类型排名前2位的始终为小麦和玉米的组合类型，然而，玉米种植比例≥15%和≥30%的县域数目占比在逐年增加，而小麦种植比例≥15%和≥30%的县域数目占比在逐年减少（图3），小麦的种植比例下降，可能是由于较低的经济效益、水资源限制、市场需求变化及其他农业因素的综合作用，而玉米则因其较高的经济效益使得其种植比例不断增加。值得注意的是，2010年及以后，汾渭平原排名第3及以后的农作物种植结构类型开始包括蔬菜等其他农作物，小麦玉米~蔬菜型的县域数目占比由4.27%上升至7.69%（表1），这一变化反映了汾渭平原农作物从单一的粮食作物种植向多样化、增值型作物种植转变。
图3 汾渭平原小麦和玉米种植比例≥15%和≥30%的县域数目占比

Fig. 3 Proportion of counties with wheat and corn planting ratios ≥15% and ≥30% on Fenwei Plain

表1 2000—2022年汾渭平原主要农作物种植结构类型的数量及比例

Tab. 1 Quantity and proportion of main crop planting structure types on Fenwei Plain from 2000 to 2022

排序 2000年 2005年 2010年
类型 县数/个 比例/% 类型 县数/个 比例/% 类型 县数/个 比例/%
1 小麦~玉米型 33 28.21 小麦~玉米型 27 23.08 小麦玉米型 33 28.21
2 小麦玉米型 19 16.24 小麦玉米型 23 19.66 小麦~玉米型 21 17.95
3 小麦~玉米其他型 10 8.55 小麦~玉米其他型 10 8.55 玉米型 15 12.82
4 小麦型 9 7.69 玉米型 6 5.13 小麦~玉米其他型 8 6.84
5 玉米~小麦型 5 4.27 玉米小麦型 5 4.27 小麦玉米~蔬菜型 5 4.27
排序 2015年 2022年
类型 县数/个 比例/% 类型 县数/个 比例/%
1 小麦玉米型 34 29.06 小麦玉米型 29 24.79
2 小麦~玉米型 18 15.38 玉米型 15 12.82
3 玉米型 17 14.53 小麦~玉米型 15 12.82
4 小麦玉米~蔬菜型 7 5.98 小麦玉米~蔬菜型 9 7.69
5 玉米小麦型 7 5.98 玉米~小麦型 5 4.27

注：此表为排名前5的种植结构类型（种植比例≥15%的作物及其组合）。

2.2 汾渭平原农作物种植结构的空间演变

2.2.1 汾渭平原农作物种植结构类型的空间分布变化

2000—2022年汾渭平原主要农作物种植结构类型（种植比例≥30%的作物及其组合）的时空演变格局如图4所示。2000年一半以上县域（63个）的农作物种植结构为小麦型，主要分布在山西省临汾市和运城市、河南省三门峡市和洛阳市以及陕西省渭南市和咸阳市的大部分地区；2010年小麦型的县域数目减少至36个，占比为31%，主要分布在河南省三门峡和洛阳市等大部分地区；2022年小麦型的县域数目仅为23个，占比为20%，在渭南市和宝鸡市等少部分地区分布。随着小麦型县域数目的减少，玉米型县域数目逐年增加，由2000年的16%（19个）增加到2010年的22%（26个），再增加到2022年的30%（35个）。玉米型县域由2000年主要集中在晋中全市以及吕梁市文水县、交城县等少部分县域，逐步发展为2022年在晋中市、临汾市、吕梁市集中分布，在其他地方零散分布的格局。此外，2000年小麦玉米型县域主要集中在陕西宝鸡市和西安市等地区，随着小麦型县域的减少以及玉米型的增加，小麦玉米型县域逐渐由汾渭平原西南地区向东北地区扩散。22 a玉米小麦型县域则在汾渭平原各地均呈零散分布的格局。尽管蔬菜型和蔬菜小麦型县域数目不多，但也在稳定增加，其中宝鸡市凤县、太白县和西安市阎良区是主要的蔬菜型区域，咸阳市三原县、泾阳县和渭南市华州区是主要的蔬菜小麦型区。谷子、大豆、油料和棉花种植比例≥30%的县域较少，且空间分布存在较大的年际变异性。总体来看，2000—2020年小麦型、玉米型、小麦玉米型和玉米小麦型4种类型覆盖的县域均值达到89%（105个），因此，小麦和玉米及其组合是汾渭平原主要的农作物种植结构类型。
图4 2000—2022年汾渭平原主要农作物种植结构类型时空变化

注：括号内数值为主要农作物种植结构类型（种植比例≥30%的作物及其组合）的县域数目。

Fig. 4 Temporal and spatial changes of main crop planting structure types on Fenwei Plain from 2000 to 2022

2.2.2 汾渭平原主要作物种植面积与产量的空间分布变化

2000—2022年汾渭平原74%县域的小麦种植面积减少，其中35%的县域显著减少（P<0.05），年均种植面积减少量较高（800~1260 hm2·a-1）的地区主要位于陕西省西安市、渭南市和运城市西部，年均种植面积减少量较低（0~400 hm2·a-1）的县域在汾渭平原各地区广泛分布（图5）。小麦总产量在空间上大致呈现由东南向西北逐渐减少的趋势，约45%的县域小麦总产量减少，其中10%的县域总产量显著减少、20%的县域显著增加。西安市大多县域总产量年均减少达1200 t·a-1以上，运城市、渭南市和洛阳市小麦总产量则显著增加，年均增长量多在2000 t·a-1以上，年均增长量4000 t·a-1以上的地区在汾渭平原零散分布。
图5 汾渭平原县域尺度小麦、玉米和蔬菜种植面积和总产量的变化趋势

注：*表示变化趋势显著（P<0.05）。

Fig. 5 Variation trends of planting area and total yield of wheat, corn and vegetables at county scale on Fenwei Plain

汾渭平原玉米种植面积空间上呈现西部减少、东部增加的格局，其中玉米种植面积增长的县域数量占比71%，显著增长的县域占32%，主要分布在汾渭平原东部地带，年均增长量大多都在100 hm2·a-1以上，而玉米种植面积显著减少的地区主要分布在汾渭平原西部的西安市（年均减少量>600 hm2·a-1）、宝鸡市和咸阳市的多数县域（年均减少量在0~600 hm2·a-1）。玉米总产量的空间分布与其面积的空间分布有类似规律，汾渭平原78%的县域玉米总产量增加，25%县域显著增加，大部分地区玉米总产量年均增长量在0~3000 t·a-1，且玉米增加的县域主要位于山西省、河南省和陕西省渭南市，而西安市及其附近的宝鸡市和咸阳市则是玉米总产量减少分布区。
汾渭平原蔬菜面积空间上呈现南部增加北部减少的格局，69%的县域蔬菜种植面积增加，其中26%的县域显著增加、6%的县域显著减少。汾渭平原南部大部分地区蔬菜面积年均增长量在0~400 hm2·a-1，而洛阳市和渭南市部分县域蔬菜种植面积年均增长量达到400 hm2·a-1以上。蔬菜种植面积减少的区域主要在山西省集中连片分布和陕西省零散分布。汾渭平原蔬菜总产量空间分布与其面积的空间分布类似，75%县域的蔬菜总产量增加，其中41%的县域显著增加，显著增加区主要集中于陕西省和河南省，该区县域蔬菜总产量年均增长量在0~1×104 t·a-1。蔬菜总产量减少的区域在山西省连片分布和陕西省零散分布。

2.2.3 汾渭平原主要作物种植面积与产量的空间集聚变化规律

2000—2022年小麦、玉米和蔬菜种植面积和产量的空间自相关Moran’s I指数均为正值，且通过了P<0.05的显著性检验（表2），表明汾渭平原主要农作物的种植面积和总产量在空间上存在显著的正相关关系，即呈现明显的空间集聚特征。具体来看，2000—2022年小麦种植面积的Moran’s I指数在0.40~0.44之间浮动，总产量则由0.43逐渐减少到0.37，总体上Moran’s I指数下降，表明小麦种植的空间相关性减弱，空间集聚性降低。玉米种植面积的Moran’s I指数在0.21~0.27范围内变化，总产量在0.29~0.36范围内变化，总体上Moran’s I指数下降，说明玉米种植的空间相关性减弱，空间集聚性降低。蔬菜种植面积和总产量的Moran’s I指数变化较大，总体上不断上升，表明蔬菜的空间相关性增强，空间集聚性更加明显。
表2 2000—2022年汾渭平原小麦、玉米和蔬菜种植面积和总产量的全局Moran’s I指数

Tab. 2 Global Moran’s I index of wheat, corn, and vegetable planting area and total yield on Fenwei Plain from 2000 to 2022

作物 要素 2000年 2005年 2010年 2015年 2022年
小麦 种植面积 0.42 0.42 0.44 0.44 0.40
总产量 0.43 0.41 0.39 0.39 0.37
玉米 种植面积 0.27 0.27 0.25 0.21 0.24
总产量 0.35 0.35 0.32 0.36 0.29
蔬菜 种植面积 0.21 0.22 0.26 0.30 0.36
总产量 0.28 0.26 0.20 0.26 0.36
2022年小麦、玉米和蔬菜种植面积及总产量空间自相关类型的分布格局如图6所示。总体来看，小麦种植面积和总产量的自相关类型分布大致一致，小麦种植面积和总产量的低-低集聚区都集中于汾渭平原北部的吕梁市、晋中市、临汾市部分县域和西安市市区，高-高集聚区主要集中在汾渭平原中南部以及东南部的洛阳市。玉米总产量和种植面积的自相关类型分布相似，但空间集聚性较低，玉米总产量的低-低集聚区主要位于宝鸡市凤县、金台区和西安市市区附近以及吕梁晋中临汾3市的交界处，高-高集聚区以渭南市为主，晋中市昔阳县、平遥县、祁县等少数县域也呈现高-高聚类，大多数县域呈现不显著的空间自相关类型。蔬菜种植面积和产量自相关类型的空间分布也较为一致，蔬菜总产量和种植面积的低-低集聚区均集中于吕梁市和临汾市大部分县域，高-高集聚区主要分布在渭南市、咸阳市和西安市交界处。
图6 2022年汾渭平原小麦、玉米和蔬菜种植面积和总产量的局部空间自相关类型

Fig. 6 Local spatial autocorrelation types of wheat, corn, and vegetable planting area and total yield on Fenwei Plain in 2022

2.2.4 汾渭平原主要作物的生产重心演变规律

2000—2022年汾渭平原小麦、玉米、蔬菜的生产重心如图7所示。汾渭平原小麦种植重心大致呈现沿东北—西南方向分布，22 a间其重心均在大荔县且基本保持稳定，这表明汾渭平原小麦种植格局已趋于稳定。玉米种植呈现沿东北—西南方向分布的格局，其重心不断向东北方向偏移，2000、2005年主要位于陕西省渭南市合阳县，2010年其重心介于陕西省渭南市韩城市和山西省运城市万荣县之间，2015年及以后主要位于运城市河津市。蔬菜种植呈现沿东北—西南方向分布的格局，2000、2005年其重心一直在渭南市合阳县，2010年重心向西南方向偏移到澄城县，2015年以后重心又向东南方向偏移到大荔县。
图7 2000—2022年汾渭平原小麦、玉米和蔬菜种植面积的标准差椭圆分布

Fig. 7 Standard deviation ellipse distributions of wheat, corn, and vegetable planting areas on Fenwei Plain from 2000 to 2022

3 讨论

现有研究从全国[18-20]和省级[21-23]层面着手，而平原地区是区域粮食的主产区，在区域粮食安全中承担重要角色，但目前从大平原视角研究区域农作物种植结构时空变化的研究尚不多见，特别是针对我国中部传统农业区域的农作物种植结构的研究尚未见诸报道。本文以汾渭平原117个县（市/区）为研究对象，基于农作物种植面积和产量数据，探讨了2000—2022年该地区农作物种植结构的时空格局演变，并重点分析小麦、玉米和蔬菜3种主要农作物的空间分布。研究表明，尽管小麦、玉米仍是汾渭平原主粮作物，但22 a来汾渭平原农业种植结构已发生显著变化，玉米种植比例上升而小麦种植比例下降，这与刘冬等[27]研究结果较为一致，与此同时，蔬菜等经济作物在农业种植结构中开始占据重要地位，与张荣天等[16]学者研究结果一致。
此外，已有研究表明[3,13-14]，农作物种植结构的变化受降水、积温等自然因素和经济、科学技术等多种因素制约，而农业生产是农民的主要收入来源之一，农作物种植结构亦是农民在收益差异驱动下的自发调整与政府宏观调控（如种粮补贴、粮食收购价格等）之间相互权衡的结果。为此，农民作为理性经济人，在选择种植何种粮食时，必然会考量不同作物的经济效益、政府补贴额度等因素。近年来汾渭平原玉米和蔬菜经济效益明显高于小麦，此外农业科技创新、补贴政策等综合因素也导致汾渭平原种植结构的变化。现阶段，主粮食作物（如小麦、玉米、水稻）的产量稳定仍是保障我国粮食安全的压舱石，在市场调节的基础上，运用政策手段抵御市场需求、价格波动等因素对农业种植结构的不利影响，保证主粮结构稳定，防止主粮结构单一化可能是区域粮食结构调整需要关注的重要问题。

4 结论

（1） 2000—2022年汾渭平原农作物种植结构类型丰富度指数呈现先增后减再增的趋势，小麦和玉米及其组合是汾渭平原主要的农作物种植结构类型，小麦型、玉米型、小麦玉米型和玉米小麦型4种类型覆盖的县域均值达到89%。22 a间，该区小麦型的县域数目逐渐减少，玉米型县域数目逐年增加，小麦玉米型县域逐渐由汾渭平原西南地区向东北地区扩散；而玉米小麦型在汾渭平原各地均呈零散分布的格局。
（2） 22 a间汾渭平原小麦、玉米和蔬菜种植格局均呈现沿东北—西南方向分布的格局，小麦重心基本保持稳定，玉米重心不断向东北方向偏移，蔬菜重心由合阳县向西南方向偏移到澄城县。
（3） 22 a间汾渭平原小麦、玉米及蔬菜种植呈现明显空间分异规律，宜在研判农作物种植结构时空发展态势的基础上，从保障粮食安全的视角加强对汾渭平原农作物种植结构的宏观调控。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张旭辉, 玉素甫江·如素力, 仇忠丽, 等. 基于Sentinel-2时序数据的新疆焉耆盆地农作物遥感识别与评估[J]. 干旱区地理, 2024, 47(4): 672-683.

DOI

[Zhang Xuhui, Rusuli Yusufujiang, Qiu Zhongli, et al. Remote sensing identification and evaluation of crops in Yanqi Basin, Xinjiang, China based on Sentinel-2 time series data[J]. Arid Land Geography, 2024, 47(4): 672-683. ]

[2]
Ren D, Yang Y, Hu Y, et al. Evaluating the potentials of cropping adjustment for groundwater conservation and food production in the piedmont region of the North China Plain[J]. Stochastic Environmental Research and Risk Assessment, 2019, 35(1): 1-12.

[3]
安悦, 谭雪兰, 谭杰扬, 等. 湖南省农作物种植结构演变及影响因素[J]. 经济地理, 2021, 41(2): 156-166.

DOI

[An Yue, Tan Xuelan, Tan Jieyang, et al. Evolution of crop planting structure in traditional agricultural areas and its influence factors: A case study in Hunan Province[J]. Economic Geography, 2021, 41(2): 156-166. ]

DOI

[4]
管仁华. 粮食安全视角下的农业产业结构调整与优化策略[J]. 农村科学实验, 2024(17): 89-91.

[Guan Renhua. Agricultural industry structure adjustment and optimization strategies from the perspective of food security[J]. Rural Science Experiment, 2024(17): 89-91. ]

[5]
朱磊, 王科, 丁一民, 等. 基于Sentinel-2的青铜峡灌区水稻和玉米种植分布早期识别[J]. 干旱区地理, 2024, 47(5): 850-860.

DOI

[Zhu Lei, Wang Ke, Ding Yimin, et al. Early identification of rice and corn planting distribution in Qingtongxia irrigation area based on Sentinel-2[J]. Arid Land Geography, 2024, 47(5): 850-860. ]

DOI

[6]
Guo W, Huang Y M, Huang Y D, et al. Develop agricultural planting structure prediction model based on machine learning: The aging of the population has prompted a shift in the planting structure toward food crops[J]. Computers and Electronics in Agriculture, 2024, 221: 108941, doi: 10.1016/j.compag.2024.108941.

[7]
Chen X G, Huang Q Z, Xiong Y W, et al. Tracking the spatio-temporal change of the main food crop planting structure in the Yellow River Basin over 2001—2020[J]. Computers and Electronics in Agriculture, 2023, 212: 108102, doi: 10.1016/j.compag.2023.108102.

[8]
孙斌, 毕春宁, 薛建春, 等. 基于时序Sentinel-2影像的引黄灌区作物结构提取和供需水分析[J]. 人民黄河, 2024, 46(7): 131-137.

[Sun Bin, Bi Chunning, Xue Jianchun, et al. Extraction of crop structure and analysis of water supply and demand in irrigation area of Yellow River diversion based on Sentinel-2 image[J]. Yellow River, 2024, 46(7): 131-137. ]

[9]
黄玛兰, 李晓云. 农业劳动力价格上涨对农作物种植结构变化的省际差异性影响[J]. 经济地理, 2019, 39(6): 172-182.

DOI

[Huang Malan, Li Xiaoyun. The impacts of rural labor price rising on crop structure among provinces[J]. Economic Geography, 2019, 39(6): 172-182. ]

DOI

[10]
Ding N, Tao F L, Chen Y. Effects of climate change, crop planting structure, and agricultural management on runoff, sediment, nitrogen and phosphorus losses in the Hai-River Basin since the 1980s[J]. Journal of Cleaner Production, 2022, 359: 132066, doi: 10.1016/j.jclepro.2022.132066.

[11]
张莉, 吴文斌, 杨鹏, 等. 黑龙江省宾县农作物格局时空变化特征分析[J]. 中国农业科学, 2013, 46(15): 3227-3237.

DOI

[Zhang Li, Wu Wenbin, Yang Peng, et al. Temporal and spatial changes in crop patterns of Binxian County in Heilongjiang Province[J]. Scientia Agricultura Sinica, 2013, 46(15): 3227-3237. ]

DOI

[12]
胡韵菲, 刘序, 梁俊芬, 等. 粤港澳大湾区1990—2020年农作物种植结构时空演变[J]. 广东农业科学, 2023, 50(1): 13-27.

[Hu Yunfei, Liu Xu, Liang Junfen, et al. Spatial and temporal evolution of crop planting structure in Guangdong-Hong Kong-Macao Greater Bay Area from 1990 to 2020[J]. Guangdong Agricultural Sciences, 2023, 50(1): 13-27. ]

[13]
任频频, 李保国, 黄峰. 农作物种植结构演变下的黄淮海旱作区小麦玉米生产时空格局[J]. 资源科学, 2022, 44(3): 436-449.

DOI

[Ren Pinpin, Li Baoguo, Huang Feng. Spatiotemporal patterns of wheat and maize production under the evolution of crop planting structures in the Huang-Huai-Hai dry farmland, China[J]. Resource Science, 2022, 44(3): 436-449. ]

[14]
杜国明, 张扬, 李全峰. 21世纪以来三江平原农作物种植结构演化研究[J]. 农业现代化研究, 2019, 40(5): 736-744.

[Du Guoming, Zhang Yang, Li Quanfeng. The evolution path of crop structure in the Sanjiang Plain in the 21st century[J]. Research of Agricultural Modernization, 2019, 40(5): 736-744. ]

[15]
杜蓉, 柳思维, 蔡荣. 中国粮食空间生产格局演变特征及其驱动机制[J]. 经济问题, 2023(8): 92-102.

[Du Rong, Liu Siwei, Cai Rong. The characteristics and driving mechanisms of China’s grain spatial production pattern evolution[J]. Economic Issues, 2023(8): 92-102. ]

[16]
张荣天, 张贇. 江苏省农作物种植结构时空格局演变探析[J]. 中国稻米, 2023, 29(2): 48-52.

DOI

[Zhang Rongtian, Zhang Yun. Analysis of the temporal and spatial pattern evolution of crop planting structure in Jiangsu Province[J]. China Rice, 2023, 29(2): 48-52. ]

DOI

[17]
王帅. 辽宁省农作物种植面积的变化特征分析[J]. 农业科技与装备, 2024(5): 89-91.

[Wang Shuai. Analysis on the change characteristics of crop planting area in Liaoning Province[J]. Agricultural Science & Technology and Equipment, 2024(5): 89-91. ]

[18]
刘珍环, 杨鹏, 吴文斌, 等. 近30年中国农作物种植结构时空变化分析[J]. 地理学报, 2016, 71(5): 840-851.

DOI

[Liu Zhenhuan, Yang Peng, Wu Wenbin, et al. Spatio-temporal changes in Chinese crop patterns over the past three decades[J]. Acta Geographica Sinica, 2016, 71(5): 840-851. ]

DOI

[19]
杨宗辉, 李金锴, 韩晨雪, 等. 我国粮食生产重心变迁及其影响因素研究[J]. 农业现代化研究, 2019, 40(1): 36-43.

[Yang Zonghui, Li Jinkai, Han Chenxue, et al. The evolution path of China’s grain production base and the influencing factors[J]. Research of Agricultural Modernization, 2019, 40(1): 36-43. ]

[20]
王利民, 刘佳, 季富华, 等. 中国小麦面积种植结构时空动态变化分析[J]. 中国农学通报, 2019, 35(18): 12-23.

DOI

[Wang Limin, Liu Jia, Ji Fuhua, et al. Analysis of spatial-temporal dynamic change of wheat planting structure of China[J]. Chinese Agricultural Science Bulletin, 2019, 35(18): 12-23. ]

DOI

[21]
邹军, 朱颖璇, 杨雨豪, 等. 1981—2015年华北地区种植结构演变及其驱动机制分析[J]. 中国农业大学学报, 2019, 24(12): 23-32.

[Zou Jun, Zhu Yingxuan, Yang Yuhao, et al. Analysis of planting structure evolution and its driving mechanism in north China from 1981 to 2015[J]. Journal of China Agricultural University, 2019, 24(12): 23-32. ]

[22]
屠爽爽, 简代飞, 龙花楼, 等. 广西主要农作物生产格局演变特征与机制研究[J]. 地理学报, 2022, 77(9): 2322-2337.

DOI

[Tu Shuangshuang, Jian Daifei, Long Hualou, et al. Evolution characteristics and mechanisms of major crops production patterns in Guangxi[J]. Acta Geographica Sinica, 2022, 77(9): 2322-2337. ]

DOI

[23]
闫梦川, 魏东岚, 吴云霞. 东北三省主要粮食作物种植结构时空演变分析[J]. 北方农业学报, 2020, 48(6): 114-118.

DOI

[Yan Mengchuan, Wei Donglan, Wu Yunxia. Analysis on the spatio-temporal evolution of the main food crops planting structure in the three northeastern provinces[J]. Journal of Northern Agriculture, 2020, 48(6): 114-118. ]

DOI

[24]
党文硕, 张玉翠, 成功, 等. 冀北高原农业种植结构的演变[J]. 中国生态农业学报(中英文), 2024, 32(9): 1441-1450.

[Dang Wenshuo, Zhang Yucui, Cheng Gong, et al. Evolution of agricultural planting structure in the northern Hebei Plateau[J]. Chinese Journal of Ecological Agriculture, 2024, 32(9): 1441-1450. ]

[25]
黄丽排, 张建兵, 陆双龙, 等. 广西农作物种植结构时空格局及其驱动因子分析[J]. 西南农业学报, 2021, 34(8): 1682-1689.

[Huang Lipai, Zhang Jianbing, Lu Shuanglong, et al. Spatio-temporal pattern and driving factors of crop planting structure in Guangxi[J]. Southwest China Journal of Agricultural Sciences, 2021, 34(8): 1682-1689. ]

[26]
吴芳, 潘志芬, 李涛, 等. 西藏县域农作物种植结构时空变化及专业化分区[J]. 应用与环境生物学报, 2022, 28(4): 935-944.

[Wu Fang, Pan Zhifen, Li Tao, et al. Spatial evolution and specialization division of crop planting structure in counties of Tibet, China[J]. China Journal of Applied and Environmental Biology, 2022, 28(4): 935-944. ]

[27]
刘冬, 余侃华, 师小燕, 等. 陕西省种植业结构变化及时空演变分析[J]. 中国农业资源与区划, 2021, 42(9): 251-261.

[Liu Dong, Yu Kanhua, Shi Xiaoyan, et al. Analysis of structural changes and spatial-temporal evolution of planting industry in Shaanxi[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(9): 251-261. ]

[28]
王泓淯, 房艳刚, 刘建志. 2005—2015年黑龙江省农作物种植结构时空演变[J]. 地域研究与开发, 2020, 39(1): 168-174.

[Wang Hongyu, Fang Yangang, Liu Jianzhi. Spatio-temporal changes of crop structure in Heilongjiang Province from 2005 to 2015[J]. Areal Research and Development, 2020, 39(1): 168-174. ]

[29]
赵秦怡, 王昱之. 基于GIS的滩区型农村居民点格局演变——以黄河中游汾渭平原为例[J]. 科技和产业, 2024, 24(21): 247-253.

[Zhao Qinyi, Wang Yuzhi. Evolution of rural settlement of Russia patterns based on GIS: A case study of the Fenwei Plain in the middle reaches of the Yellow River[J]. Science Technology and Industry, 2024, 24(21): 247-253. ]

[30]
黄小刚, 邵天杰, 赵景波, 等. 汾渭平原PM2.5浓度的影响因素及空间溢出效应[J]. 中国环境科学, 2019, 39(8): 3539-3548.

[Huang Xiaogang, Shao Tianjie, Zhao Jingbo, et al. Influence factors and spillover effect of PM2.5concentration on Fen-wei Plain[J]. China Environmental Science, 2019, 39(8): 3539-3548. ]

[31]
蒋凌霄, 安悦, 谭雪兰, 等. 近30年来长株潭地区农作物种植结构演变及优化对策[J]. 经济地理, 2020, 40(1): 173-180.

DOI

[Jiang Lingxiao, An Yue, Tan Xuelan, et al. Temporal and spatial evolution and optimized countermeasure of crop planting structure in the Changsha-Zhuzhou-Xiangtan area in recent 30 years[J]. Economic Geography, 2020, 40(1): 173-180. ]

DOI

[32]
罗前程, 王月甜, 迟文峰, 等. 内蒙古黑土区农作物种植结构演化影响因素[J]. 资源科学, 2023, 45(5): 994-1005.

DOI

[Luo Qiancheng, Wang Yuetian, Chi Wenfeng, et al. Influencing factors of crop planting structure change in the black soil region of Inner Mongolia[J]. Resource Science, 2023, 45(5): 994-1005. ]

[33]
颉佳, 王世金, 窦文康, 等. 1989—2019年中国滑雪场时空特征及其演变规律[J]. 地理科学, 2022, 42(6): 1064-1072.

DOI

[Xie Jia, Wang Shijin, Dou Wenkang, et al. The spatio-temporal characteristics and evolution law of Chinese ski resorts from 1989 to 2019[J]. Scientia Geographica Sinica, 2022, 42(6): 1064-1072. ]

DOI

[34]
Tobler W. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46: 234-240.

[35]
Kumari M, Sarma K, Sharma R. Using Moran’s I and GIS to study the spatial pattern of land surface temperature in relation to land use/cover around a thermal power plant in Singrauli district, Madhya Pradesh, India[J]. Remote Sensing Applications: Society and Environment, 2019, 15: 100239, doi: 10.1016/j.rsase.2019.100239.

Options
Outlines

/

〈 〉