河北省粮食产量变化贡献因素分解与测算——基于粮食内部结构调整的视角

利用河北省1980~2015年粮食生产数据,采用RLI模型对1980~2015年河北省粮食生产变化的贡献因素进行了分解测算,并对比分析了粮食播种面积变动、各作物单产水平变化和粮食种植结构调整对河北省粮食生产变动的贡献。测算结果显示,粮食作物单产水平的提高是粮食增产的首要贡献因素,其中,小麦和玉米单产水平的提高是影响作物生产力效应的主体,贡献率为101.84%;作物种植结构调整中,玉米的贡献率最大;播种面积变化的产量效应为负,对粮食增产的贡献率为-21.69%。粮食产量变化的3个贡献因子,在研究期不同时段的作用差异显著。

贫困山区粮食单产变化贡献因素分解与测算——以云南为例

明确粮食单产变化的贡献因素,为保障贫困山区粮食安全提供应对策略。以云南为例,根据1989—2018年的粮食生产数据,利用RLI模型,构建粮食单产变化的因素分解模型,从作物和区域2个角度对云南粮食单产变化的贡献因素进行分解测算。结果显示,云南粮食单产呈明显上升趋势,且单产变化的稳定性有所增强。云南粮食增产的首要贡献因素是粮食作物单产水平的提升,平均贡献率达82.21%,但结构效应的作用也不容小觑。从作物角度看,玉米和薯类的综合效应最大,贡献率达134.89%。从区域角度看,保山市、昭通市、西双版纳州、文山州、临沧市和德宏州发挥主导作用。贫困山区省份的各级政府在巩固脱贫攻坚成果时,要妥善处理产业扶贫经济作物与粮食作物的关系,优化贫困山区粮食生产优势区域的产业结构,加大贫困山区粮食新品种和新技术的研发投入,加快完善贫困山区粮食技术推广体系,增强贫困山区粮食储备与应急机制。

江西省水稻生产结构的年际波动特征与趋势分析--基于水稻内部结构调整的视角

基于1980~2018年江西省水稻生产数据,采用H-P滤波模型以及改进的拉氏因素分解(RLI)模型,对江西省水稻生产波动与内部结构贡献因素进行了分解分析。结果表明:1980~2018年,江西省水稻生产具有较为明显的年季波动特征,呈现波动增长态势,且波幅属于弱幅型。从内部结构贡献因素分解角度,生产力效应是周期内江西省水稻增减变动的主要因素,其次是播种面积效应、种植结构效应;细分到早、中、晚稻,从生产力效应来看,晚稻单产变化是影响水稻增产变动的主要因素,其次是早稻、中稻;从种植结构效应来看,早、晚稻种植比例缩减变化具有明显的减产效果,而中稻种植比例增长起到了较为有利的支撑作用,在一定程度上弥补了早、晚稻种植比例缩减所带来的减产,但也表明江西省存在显著的“双改单”现象。