前面。环绕。科学。 雷竞技rebat环境科学前沿 前面。环绕。科学。 2296 - 665 x 雷竞技rebat前沿媒体S.A. 1001274 10.3389 / fenvs.2022.1001274 环境科学 原始研究 家庭农场的时空动态演变及影响因素在长江中游城市群 李等人。 10.3389 / fenvs.2022.1001274 李 挂 1 2 马 勇 1 3 4 任 杰 5 * 通 云 1 2 1 学校旅游,<我n年代t我tut我on>海南大学, 海口,中国 2 海南省旅游研究基础, 海口,中国 3 旅游开发与管理研究中心,<我n年代t我tut我on>主要研究人文和社会科学学院湖北省级教育部门, 武汉,中国 4 旅游发展研究所,<我n年代t我tut我on>湖北大学, 武汉,中国 5 工商管理学院,<我n年代t我tut我on>中南财经政法大学经济学和法律, 武汉,中国

编辑: Xiaocui吴美国伊利诺伊大学香槟分校

审核: 丰台区张重庆理工大学,中国

凌杜农业研究服务(美国农业部),美国

 *通信:杰任, oliviarenj@zuel.edu.cn

本文提交土地利用动态,一段《环境科学前沿》杂志上雷竞技rebat

 13 12 2022年 2022年 10 1001274 23 07年 2022年 29日 11 2022年 版权©2022,马,任正非和通。 2022年 李妈妈,任和通

这是一个开放分布式根据条知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。

家庭农场,被认为是中国农业的最理想的形式,发挥关键作用在促进农村振兴和农业现代化。本研究的目的是总结家庭农场的时空演化特征及影响因素,以更好地促进现代农业的发展。使用省级示范家庭农场在长江中游城市群(MYR-UA)为研究对象,本研究应用最近邻指数,核密度分析、多尺度空间聚类分析(Ripley K-function),和地理加权回归(吉尼斯世界纪录)模型,揭示了家庭农场的时空动态演变及影响因素。结果表明:1)从2013年到2021年,家庭农场展出每年增加,及其发展阶段可分为快速、稳定,缓慢增长时期。2)家庭农场的空间集聚模式是重要的,和拦截点在不同时间段显示整个分散的分布特征和局部浓度。不同类型的家庭农场的空间演化特征与整个家庭农场几乎是一致的。3)整个家庭农场和各种类型的家庭农场规模效应,加强和削弱了地理距离的变化。4)家庭农场的空间格局MYR-UA是受自然和社会因素的影响,其中社会因素影响最大。最后,基于这个研究的发现,促进家庭农场的高质量发展的政策建议。

 家庭农场 农业现代化 时空异质性 GIS可视化 地理加权回归 高质量的发展 1介绍

作为一种新型的农业生产和管理的实体,家庭农场进行提高农业生产效率的重要任务,实现农业现代化,促进可持续农业发展 王et al ., 2021)。家庭农场可以有效规避传统的小规模的农业方法的弱点和发展几百年来在西方发达国家( Lowder et al ., 2016)。家庭农场出现在中国20世纪结束的时候。在此之前,没有在中国传统农业管理模式(( 陈et al ., 2022 a),( 梁et al ., 2016)]。中国政府重点培养和发展家庭农场的农业管理模式( 龚et al ., 2019)。

根据农业部的统计数据和农村事务部的中华人民共和国,2014年在中国有139000个家庭农场。在2020年,这个数字达到了853000,表现出持续增长的趋势。家庭农场已经成为现代农业的发展至关重要的力量 高et al ., 2017)。尽管家庭农场在不同地区的迅速发展,出现了一些实际问题,如营销能力薄弱、缺乏劳动力,一个管理模式,管理不善(( 威尔逊et al ., 2010; Graeub et al ., 2016; 霁et al ., 2016; 高et al ., 2019)]。要解决这些问题,中国政府发布了“高质量发展规划对新农业业务实体和服务实体,“强调需要加快发展家庭农场,积极创建示范家庭农场,并最终开发高质量的家庭农场( 钱和李,2020)。因此,在这种背景下,探索家庭农场的时空演化特征和影响因素具有十分重要的价值和现实意义,合理计划家庭农场的布局,促进家庭农场的优质发展。

家庭农场首次出现在欧洲和北美国家。美国政府将家庭农场定义为一个家庭拥有的产权农场,和家庭成员是主要的劳动力和承担主要责任的运作和管理农场( 莱因哈特和巴特莱特2008)。根据俄罗斯家庭农场定律,家庭农场是独立的生产经营实体法律的个人权利( 舒宾2011)。的快速发展家庭农场在世界范围内,测量和提高他们的效率已经成为流行的许多学者的研究课题。Madau SFA和DEA模型用来衡量意大利柑橘农场的效率。发现技术效率估计使用两个模型在本质上是相同的,但规模效率变化显著( Madau 2015)。陈和孟采用DEA模型来衡量效率的武汉和Langxi家庭农场和托比特书模型应用于探索影响效率的因素 陈et al ., 2022 b)。钱和李测量效率的不同类型的家庭农场在松江,上海,中国。他们发现显著差异在不同类型的家庭农场的效率。近年来,学者们逐渐意识到重要地理要素之间的关系和家庭农场,开始探索家庭农场的空间布局从地理的角度[( 邢et al ., 2021),( Ilbery多,2010)]。例如,熊和张使用重庆江津区为例,全面分析了家庭农场的空间分布模式使用最近邻指数,核密度分析和标准差椭圆( 邢et al ., 2021)。Ilbery和利用ArcGIS多工具的空间集聚特征和分布规律来分析家庭农场在英格兰和威尔士( Ilbery多,2010)。这些研究已经成功地理研究方法引入家庭农场的研究。

许多研究也考虑因素影响家庭农场的形成。基于现有的研究中,学者们主要应用定性描述、空间叠加分析,与传统回归模型来探索家庭农场的形成的原因( Huber et al ., 2015; 小仲马et al ., 2016; 茱莉亚和埃琳娜,2016年; Zhang et al ., 2022)。结果表明,家庭农场的形成是受自然和社会因素的影响。自然因素包括降水、温度、海拔、土壤和环境,而社会因素包括农村劳动力、交通可达性、经济发展水平、政府有关政策、市场化程度和农业基础设施。复杂网络的变量之间的关系,及其交互促进地区形成和发展家庭农场。

上述分析表明,该领域的研究成果逐渐丰富,但许多问题仍然需要解决和改进。这些研究主要调查了家庭农场的效率管理和经济学的视角[( 波顿和Walford, 2005年),( 福克斯et al ., 2021)]。很少有研究关注家庭农场的动态演化模式和影响因素从时空异质性的角度。其次,从影响因素的角度来看,以往的研究大多采用定性描述和传统的线性回归方法分析家庭农场的形成的原因(( 菲利普et al ., 2018),( Baležentis et al ., 2014)]。通过这些方法获得的结果不能反映空间异质性的影响因素,因此无法提供具体建议促进家庭农场的发展。第三,从案例的角度创新,现有的研究更关注一个城市或地区(( Marchant圣地亚哥et al ., 2021),( 署名et al ., 2010)),但较少关注城市群的规模。还有一个缺乏不同地区之间的比较研究。

长江中游城市群的河(MYR-UA)农业发展有着悠久的历史,是一个关键的创新我国现代农业产业基地( Lv et al ., 2010)。在2015年的发展规划MYR-UA表示,有必要扩大现代农业基地,积极培育新的农业业务实体,开发高效的现代农业。实施这个计划的发展提供了巨大的机遇MYR-UA家庭农场。因此,家庭农场的合理规划和布局是促进农业现代化和农村派拉蒙MYR-UA振兴。本研究的目的是探索家庭农场的时空演化特征和影响因素提供科学依据的高质量发展家庭农场。具体来说,我们1)的时空演化特征和不同类型的家庭农场整体,2)识别影响因素和空间异质性的家庭农场,和3)提供具体建议的布局合理和高质量发展家庭农场。

本研究的主要创新可以描述如下。首先,本研究结合了传统和空间统计方法系统地探索时间进化,空间集聚、空间密度分布和多尺度空间特征MYR-UA的家庭农场。第二,我们分类的家庭农场MYR-UA的空间分布模式和显示不同类型的家庭农场。第三,我们应用地理加权回归(吉尼斯世界纪录)模型来确定影响因素的空间异质性和分布模式的家庭农场电网规模和优化这些因素。

 2研究区和数据源 2.1研究区

MYR-UA是长江经济带的重要组成部分,它主要由武汉市区(WMA) Chang-Zhu-Tan城市群(CZT-UA)和鄱阳湖城市集团(PLCG)。MYR-UA一直是丰富的生产区域粮食作物自古以来,农业生产条件优越。该地区拥有最丰富的农业资源和农业贸易最活跃在中国( 王et al ., 2020)。此外,MYR-UA平坦区域主要由冲积平原。这个地区有一个亚热带季风性气候,这表明它是温暖和多雨的。许多河流,提供丰富的水资源。因此,建立家庭农场固有的自然条件。MYR-UA此外,西部地区是连接成渝经济区、东部地区与Wanjiang经济带和长江三角洲和珠江三角洲附近的南部地区是经济特区,这意味着该地区有着广泛的农产品市场。最后,MYR-UA位于纵轴的交点的北京Harbin-Beijing广州走廊和水平轴沿长江走廊,提供极其便利的交通条件。因此,MYR-UA是一个合适的代表区域作为一个案例研究的现实意义。研究区所示 图1。

研究区域的位置。

 2.2分类的家庭农场

指的是以前的研究结合实际开发的家庭农场MYR-UA,我们把家庭农场分成三种类型根据其业务范围:育种、种植、全面的家庭农场(( 钱和李,2020),( 邢et al ., 2021)]。种植家庭农场主要种植粮食作物、蔬菜和水果。为每个农场种植类型是不同的,维持一个相对简单的种植结构,而其他人有各种各样的植物。家庭农场繁殖主要是从事家禽养殖和水产养殖。MYR-UA最有教养的家庭农场养猪、鸡、鸭子、小龙虾、鱼、和鸽子。综合家庭农场是那些结合种植和养殖,业务范围包括住宿、餐饮、采摘,钓鱼,和娱乐。

 2.3数据来源

1998年省级示范家庭农场的列表MYR-UA获得江西省人民政府的官方网站( https://jiangxi.gov.cn/2022年2月26日通过),湖北省农村农业部门( http://nyt.hubei.gov.cn/,2022年2月26日通过),湖南省农村农业部门( https://agri.hunan.gov.cn/,2022年2月26日通过)。2013年,第一中央文件明确提出鼓励和发展家庭农场的第一次。因此,2013年被选为起始。因为2022年省级模型家庭农场的列表还没有可用的这项研究中,2021年作为最后期限一年。中列出的家庭农场,有713种植农场,饲养农场,337和948综合农场。每个家庭农场的经度和纬度坐标查询使用百度地图,通过实地调查和数据被证实是可靠的和随机的电话采访。DEM30m数据研究区域的数据中心的资源和环境科学、中国科学院( https://www.resdc.cn/,2022年3月10日访问),用来提取斜率值周边地区的家庭农场。获得的土地利用数据的数据中心的资源与环境科学、中国科学院( https://www.resdc.cn/,2022年3月10日访问),应用于提取家庭农场周围的耕地面积。中国1公里网格的人口分布数据和GDP数据来源于国家地球系统科学数据中心( http://www.geodata.cn/,2022年3月10日访问)(( 傅et al ., 2014; 黄et al ., 2014)]。这些数据被用来提取区域的人口密度和GDP数据在家庭农场。中国年平均气温和降水量数据来自《中国气象背景数据中心的资源和环境科学和数据,中国科学院( https://www.resdc.cn/,2022年3月10日访问)( 徐、张,2017年)。利用遥感影像数据,本研究数字化收购的主要交通道路网和水域MYR-UA。这些数据被用来提取道路和水网络密度附近的地区,家庭农场。

 3方法和材料 3.1平均最近邻指数

平均最近邻指数(安)表示点元素的相互接近的地理空间。其优点是,它可以准确地反映的程度的空间聚类点数据( 陈et al ., 2022 c)。在这项研究中,一个安被用来确定在MYR-UA分布类型的家庭农场。索引值的计算如下: R = D o ¯ D e ¯ D o ¯ = ∑ 我 = 1 n d 我 n , D e ¯ = 1 2 一个 n 在哪里<我nl我ne-formula id="inf1"> R 最近的邻居家庭农场的指数,<我nl我ne-formula id="inf2"> D o ¯ 代表之间的平均距离邻近的家庭农场,<我nl我ne-formula id="inf3"> D e ¯ 代表的理论平均距离的家庭农场,<我nl我ne-formula id="inf4"> d 我 实际的距离吗<我talic> 我家庭农场和其最近的邻居,<我nl我ne-formula id="inf5"> n 是家庭农场的数量,和<我nl我ne-formula id="inf6"> 一个 是研究区。<我nl我ne-formula id="inf7"> R = 1 表明,分一般显示随机分布,而<我nl我ne-formula id="inf8"> R < 1 表明一个凝聚分布,<我nl我ne-formula id="inf9"> R > 1 表明均匀分布。

计算z分数如下: Z = D o ¯ − D e ¯ 年代 E , 年代 E = 0.26136 n 2 一个 其中z值是标准分数来确定分散度家庭农场的空间。

 3.2内核密度分析

内核密度分析是用来计算单元密度测量值的点和线元素在指定的社区。广泛应用于空间点数据的聚类分析,和它的优势是,它可以直观地反映离散测量值连续的分布区域( 马et al ., 2022)。本研究用核密度分析探讨的空间和时间分布特征MYR-UA家庭农场。计算如下( 杨et al ., 2021): f x = 1 n h ∑ 我 = 1 n k x − x 我 n 在哪里<我nl我ne-formula id="inf10"> n 是家庭农场的数量内的带宽,<我nl我ne-formula id="inf11"> k · 是内核函数,<我nl我ne-formula id="inf12"> x − x 我 估计点的距离吗<我nl我ne-formula id="inf13"> x 样本点<我nl我ne-formula id="inf14"> x 我 ,<我nl我ne-formula id="inf15"> h 是带宽。越大<我nl我ne-formula id="inf16"> f x 家庭农场的密度分布。

 3.3多尺度空间聚类分析

关键特性的空间分布特征可能不同的观察范围。点功能聚集在小尺度上可能出现在大尺度离散分布。里普利的K-function的优点是,它可以分析特征点的分布模式在不同的空间尺度上( Zhang et al ., 2021)。本研究使用Ripley K-function确定分布模式在不同的空间尺度上的家庭农场。计算如下: K d = 一个 ∑ 我 n ∑ j n w 我 j d n 2 在哪里<我nl我ne-formula id="inf17"> 一个 代表了研究区域,<我nl我ne-formula id="inf18"> n 点元素的总数,<我nl我ne-formula id="inf19"> d 是观察量表,<我nl我ne-formula id="inf20"> w 我 j d 代表点元素之间的距离<我nl我ne-formula id="inf21"> 我 和<我nl我ne-formula id="inf22"> j 范围内的观察范围<我nl我ne-formula id="inf23"> d 。

基于情商。 5,Besag提出了<我nl我ne-formula id="inf24"> l d 函数保持一个稳定的方差如下( Besag 1977): l d = K d π − d

我们比较了<我nl我ne-formula id="inf25"> l d 值与期望值,上层数据包跟踪,并降低数据包跟踪。<我nl我ne-formula id="inf26"> l c 年代 r 预期的价值,<我nl我ne-formula id="inf27"> l d 马克斯 是上层数据包跟踪,<我nl我ne-formula id="inf28"> l d 最小值 是降低数据包跟踪。如果该值的<我nl我ne-formula id="inf29"> l d 比预期大,家庭农场将显示一个聚集分布,而一个<我nl我ne-formula id="inf30"> l d 小于预期表示离散分布。如果该值的<我nl我ne-formula id="inf31"> l d 大于上层数据包的痕迹,那么空间集群分布是统计学意义。空间离散分布是统计学意义的价值<我nl我ne-formula id="inf32"> l d 小于降低数据包的痕迹。

 3.4网格分析

网格分析方法是有效确定和分析研究区域的地理现象基于空间坐标系统。它有前景广阔空间的分析模式( 布里格斯,2018)。由于研究区范围大,准确地识别出影响因素的空间分布模式的家庭农场,我们使用了网格分析方法把MYR-UA分成992网格单元。内部网格的面积是20公里×20公里,而不同的边界地区。最后,基于网格划分,通过提取出每个网格的家庭农场数量作为因变量和相应的地理元素值作为独立变量,我们构建了一个回归模型分析影响因素的空间分布的农场。

 3.5普通最小二乘回归(OLS)

OLS模型是一个全球性的回归模型应用于评估两个或两个以上的元素之间的关系。OLS模型的优势在于它最小化残差平方和的观察( 杨et al ., 2022)。本研究初步探索了空间布局的影响因素家庭农场使用OLS模型。计算如下: y 我 = β 0 + ∑ j n β j x 我 j + ε 我 在哪里<我nl我ne-formula id="inf33"> y 我 研究区域的观测值吗<我talic> 我,<我nl我ne-formula id="inf34"> x 我 j 是<我talic> j地区变量值<我talic> 我,ε表示的向量随机误差项。

 3.6地理加权回归(吉尼斯世界纪录)

全球OLS模型只能估计参数。因此,有必要使用的吉尼斯世界纪录模型来反映non-stationarity参数空间。与传统的回归模型相比,吉尼斯世界纪录让依赖和独立变量之间的关系变化空间( 马et al ., 2022)。本研究使用了吉尼斯世界纪录模型来探索影响家庭农场的因素,这些因素的空间异质性。计算如下: y 我 = β 0 u 我 , v 我 + ∑ 我 n β k u 我 , v 我 x 我 k + ε 我 在哪里<我nl我ne-formula id="inf35"> u 我 和<我nl我ne-formula id="inf36"> v 我 空间位置的位置吗<我nl我ne-formula id="inf37"> 我 ;<我nl我ne-formula id="inf38"> β 0 u 我 , v 我 作为一个拦截<我nl我ne-formula id="inf39"> β k u 我 , v 我 是当地的独立变量的估计系数。

使用高斯函数权重矩阵可以描述如下: w 我 j = 经验值 − d 我 j 2 h 2 在哪里<我nl我ne-formula id="inf40"> w 我 j 观察的重量吗<我nl我ne-formula id="inf41"> j 社区内的观察<我nl我ne-formula id="inf42"> 我 ;<我nl我ne-formula id="inf43"> d 我 j 代表观测之间的距离<我nl我ne-formula id="inf44"> 我 和<我nl我ne-formula id="inf45"> j ;和<我nl我ne-formula id="inf46"> h 表示内核带宽。

确定最佳带宽值,我们采用了修正Akaike信息准则(AICc)寻找最佳值( 杨et al ., 2022)。 一个 我 C c = 2 n l n σ + n l n 2 π + n n + t r 年代 n − 2 − t r 年代 在哪里<我nl我ne-formula id="inf47"> σ 最大似然估计的随机误差项的方差,<我nl我ne-formula id="inf48"> t r 年代 的跟踪矩阵,然后呢<我nl我ne-formula id="inf49"> n 城市是样本的数量。

 3.7选择的影响因素

家庭农场的空间分布模式是受几个因素的影响。现有研究利用实地调查和问卷调查方法探讨影响因素的空间分布模式的家庭农场,发现自然资源、经济发展水平、市场需求,耕地资源和交通条件是影响因素( 格雷格,2009; Marks-Bielska 2013; Lowder et al ., 2016; 肯尼,2017; 周et al ., 2020; Pellegrina 2022; 压力和Danesh-Yazdi, 2022; 王et al ., 2022),( 格雷格,2009; Marks-Bielska 2013; Lowder et al ., 2016; 肯尼,2017; 周et al ., 2020; Pellegrina 2022; 压力和Danesh-Yazdi, 2022; 王et al ., 2022)。基于当前的研究成果,结合数据可用性和创新的原则,我们选择地形特征、温度、降水、水系统特征、耕地资源、交通条件、经济发展水平、人口规模作为本研究的潜在影响因素两个方面的自然和社会因素( 表1)。

相关变量的描述。

变量类型 变量名 计算方法 象征 引用
因变量 家庭农场的数量 在每个网格数量的家庭农场 Y - - -
地形特征 在每个网格平均斜率的价值 X1 格雷格 格雷格,(2009)
温度 在每个网格年度温度的平均值 X2 王、元 王et al ., 2022
降水 平均年降水量在每个网格的价值 X3 肯尼和丹尼尔 肯尼,(2017)
独立变量 水系统特点 在每个网格比例的水域 X4 压力和Dabesh-Yazdi 压力和Danesh-Yazdi (2022)
耕地资源 在每个网格的耕地面积比例 X5 Lowder和Skoet Lowder et al ., 2016
交通状况 在每个网格密度的交通网络 X6 周和黄 周et al ., 2020
经济发展水平 在每个网格密度的GDP X7 Pellegrina Pellegrina, (2022)
人口规模 人口密度在每一个网格 的混合体 Marks-Bielska Marks-Bielska, (2013)

自然因素包括地形特征、温度、降水、水系统特点,和耕地资源。地形特征直接影响的类型和规模的家庭农场( 格雷格,2009),因此产生实质性影响的分布。在这项研究中,地形特征表示为斜率。气候因素和水系统特点是家庭农场的基本生产条件。先前的研究已经证实,温度、降水、和水域的形成和发展产生影响的家庭农场(( 肯尼,2017; 压力和Danesh-Yazdi, 2022; 王et al ., 2022)]。耕地资源的形成和发展不仅是不可或缺的家庭农场但也大规模开发的基础( Lowder et al ., 2016)。在这项研究中,耕地资源由耕地面积的比例的研究单位。

社会因素包括交通状况、经济发展和人口规模。交通是一个主要因素决定一个地区与其他地区之间的联系( 周et al ., 2020)。因此,家庭农场的地理位置很可能受到交通状况的影响。在这项研究中,交通因素是由道路网的密度的研究单位。经济发展水平是工业发展的一个基本条件( Pellegrina 2022)。良好的区域经济基础起着积极的促进作用的形成和发展家庭农场。本研究选择了GDP水平代表的经济基础。人口规模可以反映一个地区的市场消费潜力,尤其是在农产品市场( Marks-Bielska 2013)。本研究选择研究单位的平均人口密度来表示人口规模。

 4的结果 4.1时空动态演化的家庭农场 以下4.4.1家庭农场发展的时空演化特征

图2显示了在家庭农场的数量变化MYR-UA从2013年到2021年。我们家庭农场的发展分为三个阶段根据增长趋势。

1)快速发展阶段(2013 - 2017)。后,中国政府鼓励和支持家庭农场的发展2013年,家庭农场的数量迅速增长。在短短5年,家庭农场的数量增长从273年到1575年,平均每年增加325人。不同类型的家庭农场,综合家庭农场从113年到725年增长最快的。其次是种植农场,从107年到590年。最慢的增长速度是观察饲养农场,从53岁增长到260。

2)稳定增长阶段(2017 - 2019)。在这个阶段,家庭农场显示稳定增长趋势,每年新增约150。2017年,“指导意见促进农业的发展工业园区”发行的六个部门,包括农业部,进一步强调了家庭农场农业产业化的基本立场。这一政策的引入促进了家庭农场的可持续发展。然而,在早期阶段,由于快速增长的扩张家庭农场在一些地区面临土地不足和市场饱和,导致经济增长率下降。在不同的家庭农场类型方面,综合农场的增长率保持最快的在这个阶段,从725年到882年增加。其次是种植农场,从590年到667年,和最慢的增长在饲养农场,增长从260年到309年。

3)缓慢增长阶段(2019 - 2021)。2020年,中国政府颁布了“高质量发展规划对新农业业务实体和服务实体,“强调家庭农场的高质量发展的必要性。这个阶段侧重于追求家庭农场发展的质量,而不是数量。因此,增长率放缓至平均每年70。不同类型的农场种植的增长速度是最快的在这个阶段,从667年到714年增长。其次是全面的农场,它从882年到947年,增长和繁殖的农场,从309增加到337。

这里MYR-UA的家庭农场数量的变化。

 4.1.2演化的空间分布类型的家庭农场

安透露MYR-UA中的空间分布类型的家庭农场。z分数和<我talic> p值结果的统计学意义用来决定是否拒绝零假设。 表2显示整个家庭农场从2013年到2021年的安是小于1,和z分数小于−2.58。还通过了显著性水平测试结果,表明的家庭农场MYR-UA总是表现出一种独特的集群分布在研究期间。表示趋势的变化值,安和z分数显示显著下降的趋势,这意味着家庭农场集群的程度不断增加。

平均最近邻距离分析MYR-UA的家庭农场。

类别 2013年 2015年 2017年 2019年 2021年
整体家庭农场 z分数 −8.807 −18.327 −22.737 −24.763 −25.382
p 0.000 0.000 0.000 0.000 0.000
安 0.721摄氏度 0.701摄氏度 0.601摄氏度 0.599摄氏度 0.501摄氏度
家庭农场种植 z分数 −5.477 −11.282 −12.500 −13.062 −14.246
p 0.000 0.000 0.000 0.000 0.000
安 0.723摄氏度 0.713摄氏度 0.631摄氏度 0.621摄氏度 0.579摄氏度
培育家庭农场 z分数 −0.813 −7.211 −8.424 −8.545 −8.635
p 0.416 0.000 0.000 0.000 0.000
安 0.942 r 0.719摄氏度 0.727摄氏度 0.746摄氏度 0.754摄氏度
综合家庭农场 z分数 −5.322 −10.766 −14.351 −15.974 −16.831
p 0.000 0.000 0.000 0.000 0.000
安 0.738摄氏度 0.727摄氏度 0.621摄氏度 0.601摄氏度 0.562摄氏度

z分数小于-2.58意味着聚合;<我talic> p< 0.01显示显著的结果;C和R,分别聚集和随机分布。

种植和综合家庭农场都集中在研究区,每年和集群程度增加。的空间分布和程度的变化这两种类型的家庭农场符合整个家庭农场。的空间分布类型和集群程度繁殖家庭农场在研究期间发生了重大的变化。从空间分布的角度来看,培育家庭农场被随机分布在研究区仅在2013年,而另一年集群分布。繁殖的空间聚集度家庭农场经历了两个阶段的变化。首先,从2013年到2015年,安从0.942下降至0.719,表明空间集群程度增加。第二,从2015年到2021年,安从0.719增加到0.754,表明饲养家庭农场的空间集群程度被削弱。

 4.1.3家庭农场的空间分布密度的进化

内核密度分析方法用于进一步分析家庭农场的空间分布模式。我们使用核密度分析10.8 ArcGIS空间分析工具,设置搜索半径20公里,保持其他变量的默认值。然后我们选择2013、2017和2021年的时间点分析。

1)家庭农场。所示 图3一,整体空间分布模式的家庭农场MYR-UA发生了极大的改变。家庭农场的应用和认证在中国开始在2013年底。这时,家庭农场的数量研究区很小,表现出单核分布格局。这些农场主要分布在南昌和清晰的圆形结构。作为江西省的省会城市,南昌的发展家庭农场在国家政策的指导下。从2013年到2017年,政府推出了几项措施支持家庭农场的发展,如减税、补贴、免费培训。因此,分布迅速扩大,从单核集聚到多核集聚发展。中期和高密度聚集地区蔓延到东部和西部国band-like形状。高密度聚集地区从南昌扩大到周边城市,如鹰潭,伊春,鑫。从2017年到2021年,家庭农场的规模进一步扩大,有明显的多中心分布特征。 At this time, some small-scale high-density agglomeration areas appeared in Jingdezhen, north of Changde, the central part of Hengyang, and at the junction of Yueyang and Changsha. Notably, WMA did not form a high-density or medium-high-density agglomeration area. This is because the urbanization and industrialization of WMA have developed rapidly in recent years, which has resulted in a large reduction in agricultural land. In addition, frequent flood disasters in the Jianghan Plain have seriously damaged the agricultural ecological environment and restricted the development of family farms.

2)种植家庭农场。 图3 b说明了家庭农场种植的空间演化模式。2013年,家庭农场种植在南昌高度集中,形成polar-core空间结构。南昌有一个广阔的耕地面积和一个高水平的农业现代化,为发展家庭农场种植提供优势。然而,整个研究区主要是低收入和短城市群。几个高密度聚集鹰潭市以西地区分散,南昌、上饶北部,东北九江、景德镇以北。从2013年到2017年,家庭农场种植的主要空间扩张模式是跳扩散。在这个阶段,影响和带动南昌,家庭农场种植在首都城市(包括伊春,霁,福州、鑫、和鹰潭)发展迅速,形成几个高密度聚集区域,也扩展到研究区西部,CZT-UA覆盖大部分的城市。从2017年到2021年,接触扩散是主要的家庭农场种植的空间扩张模式。高和高密度聚集区域的变化没有实质性和向外扩展从原始区域。在这个阶段,政府更侧重于发展家庭农场种植的质量。

3)繁殖家庭农场。 图3 c显示了家庭农场繁殖的空间演化模式。2013年,声明繁殖家庭农场的数量是相对较小的,表现出“一杆的空间格局和多个点。“主要的收集点分布在南昌的中心部分,而密度在其他地方更分散。这是因为南昌专注于培训的农民科学育种,建立了专业培训机构。因此,育种的发展家庭农场在南昌的禁食是农业类型。从2013年到2017年,家庭农场繁殖迅速扩大到西北。在这个阶段越高,高密度聚集地区相对分散,和高,高密度聚集地区出现在所有三个城市群。然而,较高的区域主要分布在PLCG密度值。从2017年到2021年,科学养殖技术的推广和经验,育种进一步发展家庭农场,展示一个密集的空间分布模式在东南部和西北部稀疏空间分布模式。高密度聚集区域的变化不太大,而人口密度较高的集聚区域的扩张更大。多数新出现在CZT-UA高密度聚集区域。

4)全面的家庭农场。 图3 d显示的空间演化模式全面的家庭农场。2013年,全面的空间分布模式和种植农场是相同的。这时,综合家庭农场主要集中在种植,并辅以繁殖。从2013年到2017年,政府鼓励米饭和虾养殖。这一举动导致全面的家庭农场的快速扩张,形成多个增长机会。越高,高密度聚集地区以点状的方式迅速扩大。高密度聚集地区主要分布在CZT-UA PLCG西北部和东南部,包括南昌、鹰潭市以西,九江以东的心语,景德镇的南部,东部的上饶,萍乡,衡阳、长沙,北部和东北部益阳。从2017年到2021年,全面的家庭农场展出蔓延扩张趋势,和多中心分布模式变得更加明显。追求更大的经济效益,最独栋农场已经开始转变成全面的农场。在这个时候,越高,高密度聚集,西南地区显著扩大,形成许多新的更高——在CZT-UA和高密度区域。

家庭农场这里核密度分析: (模拟)表明整体家庭农场,种植的家庭农场,饲养家庭农场,分别和全面的家庭农场。

 4.1.4家庭农场的多尺度空间聚类特征

里普利的函数是用于分析空间分布模式的家庭农场整体和不同类型的家庭农场MYR-UA多尺度。并给出了计算结果 图4。一般来说,整个家庭农场和不同类型的家庭农场MYR-UA表现出显著的空间集聚分布特征,先增加然后削弱随着地理距离。2013年,2017年和2021年( 图4 a - c)的趋势<我nl我ne-formula id="inf50"> l d 家庭农场的曲线相似,显示一个倒“U”型特征的先增加然后减少从2到150公里。然而,有不同的山峰<我nl我ne-formula id="inf51"> l d 曲线和空间距离他们出现了。具体而言,家庭农场的集聚度达到最大值为101.01,98.57,和98.55公里,2013年,2017年和2021年,分别对应的<我nl我ne-formula id="inf52"> l d 峰值分别为46.72、24.87和21.25,分别。这表明家庭农场的位置的空间范围在MYR-UA 101.01公里,98.57公里,并在三个时间点,98.55公里。

里普利的家庭农场K-function分析: (两者)显示家庭农场整体; (D-F)表示家庭农场种植; (胃肠道)表明饲养家庭农场;和 (J-L)显示综合家庭农场。

距离峰值对应的三种类型的家庭农场在2013年( 图4 d、4 g 4 j),饲养和种植农场展出集聚特征在一个大空间范围内,与峰值分别为104.45和103.78公里。这表明位置选择育种和种植的规模范围家庭农场很大。峰值对应的距离的综合家庭农场是最小的(83.77公里),表明其空间位置选择的刻度范围很小。距离峰值对应的三种类型的家庭农场2017年没有显著不同于2013年( 图4 e, 4 h, 4 k)。从最大到最小,育种,种植,和全面的家庭农场,和相应的峰值距离是105.79,102.7,和85.29公里,分别。在2021年( 图4 f, 4, 4 l),距离对应于三种类型的峰值显著改变。具体来说,距离对应于繁育和种植农场的峰值降低,与综合农场增加。然而,饲养家庭农场的峰值对应的距离仍然是最大的,这表明空间位置的选择育种家庭农场的规模最大。距离峰值对应的种植和综合家庭农场相似,表明这两种类型的集聚规模的不同家庭农场是缩小的。

 4.1影响因素的家庭农场的空间分布特征 4.2.1普通最小二乘分析准备

申请吉尼斯世界纪录模型之前,全球OLS回归模型被用来测试说明和解释变量之间的关系。根据变量选择的结果,我们使用家庭农场的数量在每个网格作为因变量和八个影响因素作为自变量,进行OLS回归分析初步测试解释变量的影响程度和显著性水平的解释变量。 表3列出了OLS模型的结果。

OLS模型试验的结果。

变量 象征 系数 标准偏差 T值 假定值 VIF
拦截 - - - −0.74463 0.36067 −2.06455 0.03921 * * - - -
地形特征 X1 −0.05982 0.01479 −4.04469 0.00006 * * * 2.04765
温度 X2 0.07557 0.01675 4.51189 0.00001 * * * 1.34228
降水 X3 0.00098 0.00014 6.69663 0.00000 * * * 1.14849
水系统特点 X4 −0.03435 0.03010 −1.14124 0.25404 1.03468
耕地资源 X5 1.09746 0.39850 2.75392 0.00599 * * * 2.00301
交通状况 X6 1.65331 0.52924 3.12392 0.00185 * * * 1.25829
经济发展水平 X7 −0.0256 0.0158 −1.6214 0.1051 2.1546
人口规模 的混合体 0.00005 0.00002 2.49572 0.01272 * * 1.35490
OLS诊断 联合F值 Jarque-Bera测试 R2 调整R2 AICc
43.29122 * * * 3922年.44687 0.26053 0.25451 4251年.14545

* * *和* *指示意义在0.01和0.05的水平,分别。

OLS回归结果如下。1)方差膨胀因子试验表明,每个影响因素的VIF值小于7.5,这表明该模型变量是合理的设置,没有变量冗余或多重共线性。2)模型的拟合优度为0.26,通过了显著性检验,表明该模型是健壮的。3)在解释变量中,只有水系统特征没有通过显著性检验,而其他变量通过了统计显著性检验。温度、降水、耕地资源、交通条件、经济发展水平和人口规模有积极影响的空间分布模式的家庭农场,和地形特征有一个负面影响。水系统特征没有显著影响空间分布模式。4)基于影响因素的价值系数、流量系数最大的影响在家庭农场的数量。当其他条件不变时,单位空间的家庭农场数量增加1.65每增加1单位的交通因素。的其他因素的顺序是耕地资源、温度、地形特征、降水、人口规模、经济发展水平的影响是最低的。总而言之,社会因素的影响更大了比自然因素对家庭农场的数量。 5) The Jarque–Bera test results were significant, which indicated that the residuals did not obey a normal distribution and that the model fitting was one-sided. To improve the degree of fitting, the GWR model must be introduced.

 4.2.2根据吉尼斯世界纪录模型空间异质性的影响因素

的默认空间齐次OLS模型,只考虑全球回归系数的特征,这可能不能反映区域异质性。因此,我们介绍了吉尼斯世界纪录模型的影响来分析各种影响因素对因变量的空间异质性。在运行吉尼斯世界纪录模型之前,我们首先设置参数,纬度和经度的每个网格的重心随着地理坐标,选择固定的高斯函数内核类型,使用黄金分割搜索选择带宽,并认为AICc带宽选择标准。根据吉尼斯世界纪录模型的回归结果,OLS模型的平方值为0.26,AICc值是4251,而使用吉尼斯世界纪录模型获得的平方值为0.41,和AICc 4039 .14点的值。根据Fotheringham et al。( Fortheringham et al ., 1996),如果小于AICc吉尼斯世界纪录的价值模型的OLS模型,然后通过模型是合适的。这意味着吉尼斯世界纪录在这项研究模型更适合比OLS回归拟合模型的解释变量。

表4介绍了统计平均、最小、最大,和上、下四分位值的基础上,通过模型的回归系数。交通状况和耕地资源的回归系数显著不同,最大值是高,表明这两个因素有重大影响的空间分布模式的家庭农场。温度的回归系数、交通条件、经济发展水平和人口规模都是积极的和消极的不同区域,表明这四个因素有积极影响的空间分布模式的家庭农场在一些地区和空间分布模式的负面影响其他地区的家庭农场。在所有的研究领域,地形特征的回归系数为负的降水是积极的。

地理加权回归模型的统计结果。

变量 象征 最低 下四分位数 中位数 上四分位数 最大 的意思是
拦截 - - - −3.25363 −0.91723 −0.39874 −0.10476 0.59745 −0.59905
地形特征 X1 −0.09891 −0.08745 −0.07397 −0.04354 −0.01144 −0.06461
温度 X2 −0.00501 0.03159 0.06472 0.08472 0.10325 0.05709
降水 X3 0.00001 0.00063 0.00088 0.00120 0.00252 0.00091
耕地资源 X5 0.48905 1.08607 1.65042 3.12297 4.47857 2.07289
交通状况 X6 −1.34760 −0.04429 0.84890 2.87944 7.28191 1.58524
经济发展水平 X7 −0.00006 −0.00001 0.00017 0.00034 0.00051 0.00018
人口规模 的混合体 −0.00295 −0.00035 0.00024 0.00135 0.00170 0.00019
吉尼斯世界纪录的诊断 带宽 有效的数量 R2 调整R2 AICc
172198年.81692 71.45234 0.45589 0.41424 4039年.14387

除了上面的模型参数估计中,通过模型模拟空间差异的影响程度不同的因素对家庭农场的空间分布模式。在这项研究中,我们积极的和消极的价值的比例计算回归系数的影响因素在每个网格( 图5)。与此同时,我们还利用ArcGIS 10.8软件可视化空间异质性的影响因素( 图6)。

这里统计正面和负面的回归系数的各种因素:g显示地形特征,温度、降水、耕地资源、交通条件、经济发展水平和人口规模,分别。

这里各种相关变量的回归系数的空间分布在地理加权回归模型(吉尼斯世界纪录): (g)显示地形特征、温度、降水、耕地资源、交通条件、经济发展水平和人口规模,分别。

所示 图5一个,地形特征的回归系数值是-在整个研究区域,表明地形特性有一个完全负相关的家庭农场的数量。的空间分布的回归系数的绝对值显示分布的趋势“北高南低”( 图6)。的高价值区域回归系数的绝对值主要分布在长沙、湘潭、株洲、福州和鹰潭,表明地貌的空间分布的影响更大了在这些领域的家庭农场。这可能是由于这些地区主要是水稻和蔬菜生长的家庭农场和live-stock-raising家庭农场,这更容易受到地形条件。的绝对值的低值区域回归系数分布在襄阳,荆门,孝感,武汉、鄂州、黄冈。这些地区位于低山区和江汉平原,所以家庭农场的发展不受地形条件的影响。

图5 b显示温度因素的回归系数是积极的在大多数研究单位和消极的只有4%的研究单位。这意味着温度有一个积极的影响家庭农场的数量。影响因素的回归系数表现出递减分布趋势从中心到北部和南部( 图6 b)。回归系数较高的区域主要分布在南部岳阳,长沙北部、东北部福州、鹰潭、上饶,表明这个地区的温度系数有显著促进作用在家庭农场的数量。较低的地区系数分布在北部的WMA,如向阳、荆门,天门,宜昌以北,孝感,武汉。这是因为农业科研投资已经加强了在这些领域近年来,和温室技术和温控设备被用来调整所需的温度条件下农业种植和畜牧业。因此,温度因素与家庭农场的数量几乎没有相关性。

所示 图5 c的回归系数值为整个研究区降水因素是积极的,表明地形特征有一个完整的家庭农场的数量正相关。系数的高价值区域主要分布在西北伊春九江西南部和东部咸宁( 图6 c)。这些地区有丰富的粮食和经济作物在中国,和降水的水平有利于家庭农场的发展。低价值的地区系数,比如福州、鹰潭、上饶、分布PLCG的东部。在这些领域有几个水系统。的三条河流系统注入、新疆和赣江穿过这个地区有丰富的灌溉水源。因此,沉淀并不是一个家庭农场发展的关键因素。

图5 d表明,耕地资源的回归系数是积极的研究单位,这就意味着耕地资源之间有显著的正相关关系,家庭农场的数量。 图6 d表明,耕地资源变化的回归系数从0.48905到4.47857的影响在空间之间存在着显著的差异。回归系数的空间分布表现出从东南向西北递减的趋势。最大值出现在PLCG,特别是在鑫,伊春,南昌、景德镇、上饶、鹰潭。近年来,受工业化、城市化,和自然灾害在这些地区,耕地的面积逐渐减少。因此,耕地资源产生重大影响的家庭农场数量在一个地区。最小值被观察到在宜昌、襄阳黄冈,常德。这可能是因为该地区有足够的土地用于农业、畜牧业和水产养殖,发展家庭农场由耕地资源的影响较小。

所示 图5 e,在74%的研究单位,家庭农场的数量呈正相关,交通状况,而只有26%是负相关的。此外,交通状况变化的回归系数从1.34760−7.28191,和空间(影响之间存在着显著的差异 图6 e)。影响因素的回归系数显示,东部分布特征的高和低。交通状况有积极影响的家庭农场数量在整个PLCG CZT-UA的中部和南部地区。交通状况发挥关键作用的发展家庭农场。CZT-UA WMA和北部地区,交通状况对家庭农场的数量有一个负面影响。为这些地区,交通便利条件可能会导致大量的外界,从而破坏当地的生态和生活环境中,这是不利于家庭农场的发展。

图5 f研究表明,在72%的单位,家庭农场的数量与经济发展水平呈正相关,和28%是负相关的。所示 图6 f回归系数的,积极的区域主要分布在WMA和PLCG的中部和东部地区。这意味着,经济发展水平越高,该地区的家庭农场数量就越大。回归系数的负值区分布在CZT-UA,主要包括衡阳、娄底、湘潭、长沙、株洲、益阳,常德,东南部和南部岳阳。这表明,经济发展水平限制了该地区发展家庭农场。其原因可能是与经济发展水平的改善,人们的热情从事农业生产活动会减少,他们会更愿意从事其他行业具有较高的经济效益。

所示 图5克,在59%的研究单位,家庭农场的数量呈正相关,人口规模,而只有41%是负相关的。 图6克回归系数的表明积极的区域主要分布在CZH-UA和WMA西南部。在这些地区,人口规模的增加将带来广阔的市场前景,这有利于家庭农场的发展。回归系数的负值区主要分布在中间PLCG,如南昌、鹰潭、福州、景德镇、九江和上饶以东和伊春以西。近年来,随着经济的快速发展和增长的人口在这些地区,人口密度大造成人与土地之间的紧张关系,这将产生负面影响的发展家庭农场。

 5讨论

家庭农场发展迅速在各个地区( 杜et al ., 2020)。然而,家庭农场的过度扩张导致了一系列的实际问题,这不仅损害了农民的利益,也阻碍了农业现代化的过程( 商et al ., 2021)。因此,合理安排家庭农场和促进家庭农场的优质发展迫切需要解决的问题。从时间和空间角度,本研究综合使用最近邻指数,核密度分析,里普利的K-function网格分析,并通过模型来深入探究的时空分布模式和影响因素MYR-UA家庭农场,可以为解决上述问题提供科学参考。本研究的具体的理论和实践意义如下:

首先,本研究采用多种地理方法,深入探索的空间和时间分布模式和影响因素MYR-UA家庭农场。此外,本研究将家庭农场,并讨论不同类型的家庭农场的空间分布模式。这项研究的结果具有重要意义,揭示了现代农业发展的趋势和丰富农业地理学的相关理论。先前的研究主要集中在操作效率、操作模式和形成机制的某些类型的家庭农场( Bertolozzi-Caredio et al ., 2020)。然而,很少有研究分析了不同类型的空间分布特征和趋势的家庭农场。为了填补这一空白,本研究应用的平均最近邻指数,核密度分析,里普利的K-function全面探索空间分布模式的整体家庭农场和不同类型的家庭农场。根据这项研究的结果显示,整个家庭农场和不同类型的家庭农场的展览空间分布模式色散和当地的浓度。此外,整体家庭农场和各种类型的家庭农场示范规模效应,加强和削弱了地理距离的变化。

此外,本研究应用OLS模型,通过模型和网格分析,系统地探索影响因素和空间异质性的空间分布模式的家庭农场,这可以提供一种方法论的参考相同类型的研究。通过比较两个模型的参数结果,我们发现,通过测定模型比OLS模型更适合本研究。不仅通过模型分析了影响因素的积极和消极影响也解释了空间异质性的影响因素( Pravitasari et al ., 2021)。然而,由于区域差异大的城市MYR-UA,分析规模,空间异质性的影响因素不能准确分析。因此,我们引入了一个网格分析在这项研究中,将更大的研究区域划分为网格的大小。最后,使用网格单元为研究规模来分析空间异质性的影响因素。这种方法具有较强的适用性和科学效益和应用逐渐由研究机构(( 朱et al ., 2020),( Bi et al ., 2022)]。

最后,本研究可以为政府部门合理计划提供科学指导家庭农田。通过上面的分析,我们知道家庭农场的空间格局是受到许多自然和社会因素的影响。传统观点认为,自然因素是家庭农场的内部分布的决定因素,而社会因素是外部驱动因素( 邢et al ., 2021)。然而,这项研究的结果表明,社会因素的回归系数的绝对值,如交通状况、人口规模和经济发展水平,高于自然因素,如地形、温度、降水、和耕地资源。这表明社会因素产生更大影响的家庭农场的空间布局。这是因为自然因素影响空间分布逐渐变得可控随着科学和技术的发展。例如,温室种植技术和温控设备可以合理调整家庭农场生产所需的温度条件。自动喷灌设备和人工降水可以提高家庭农场生产所需的水资源。作物嫁接种子改良技术可以提高农产品的产量,使耕地资源不再是决定性因素的发展家庭农场(( Washizu Nakano, 2022),( Ruzzante et al ., 2021)]。它可以初步预测,未来的家庭农场的空间分布会影响比受自然因素,社会因素。

本研究的局限性主要体现在研究影响因素。首先,由于有限的可用性的数据,影响因素,如农村劳动力、政府的政策,和土地租金,没有考虑在这个研究。在未来的研究中,我们将结合管理、人类学等跨学科研究方法改进研究影响因素的空间分布模式的家庭农场。此外,本研究没有考虑影响因素的空间分布模式不同类型的家庭农场。在未来,我们将补充这些数据来探索这些因素并进行比较分析。

 6结论和建议

通过分析时空动态演化和影响因素MYR-UA家庭农场,我们得到以下结果:

1)时态变化,整个家庭农场和不同类型的家庭农场的MYR-UA表现出越来越年度趋势和underwnt三个阶段:快速、稳定,经济增长缓慢。

2)关于空间分布模式,家庭农场在MYR-UA显著的集聚特征,和集聚的程度继续增加,显示密度的分布格局东南和分散在西北。的空间演化特征不同类型的家庭农场是整个家庭农场基本一致。

3)多尺度空间特征,整个家庭农场和各种类型的家庭农场示范规模效应,加强和削弱了地理距离的变化;然而,有显著差异的范围位置选择空间。

4)家庭农场的空间格局MYR-UA是受自然和社会因素的影响。社会因素的影响大于自然因素。降水和耕地资源积极的影响家庭农场的空间分布,地形特征有一个负面影响,和温度,交通条件、经济发展水平、人口规模都积极和消极的影响。

基于这项研究的结果,提出了以下政策影响的建设与发展家庭农场MYR-UA。首先,家庭农场用地应该合理计划根据适应措施因地制宜的原则。具体来说,政府应该把土地类型的家庭农场根据地形特点和水资源条件。例如,南昌,常德,天门,鹰潭,伊春有相对平坦地形和丰富的降水适合种植作物和小面积的家庭农场。因此,这些区域是有利于种植的发展和全面的家庭农场。仙桃、鑫、岳阳、萍乡有复杂的地形条件,以低山和丘陵为主,适合饲养家禽。此外,许多湖泊渔业养殖在这些领域提供良好的条件。

其次,应加强道路基础设施建设,确保家庭农场产品的运输。大多数家庭农场生产的产品不适合长期存储,必须及时销售。因此,政府应该增加农业支持基础设施建设,尤其是以确保顺利进入农村和偏远地区道路。此外,政府应该关注在家庭农场集群地区道路建设。例如,城市的东部PLCG有大量的家庭农场,和高度的集聚,深受道路设施。政府应该加强交通设施的建设和优化。

第三,加强耕地的保护,严格禁止由建设项目占用耕地,耕地和避免污染和破坏。政府应该关注确保耕地的质量,特别是在成熟的家庭农场的地区,比如PLCG CZT-UA。只有这样,家庭农场的输出可以保证和经济效益最大化。

最后,市场信息服务平台的建设应该加速,这样家庭农场主可以更快地获得全面的市场信息,然后做出更有效的生产经营决策。家庭农民不仅应该注意当地市场也向外国市场,这样他们就可以合理生产和销售他们的产品。此外,政府可以建立区域合作和交流平台,建立产业联盟,鼓励农民分享他们的实践经验,并最终形成一个家庭农场发展模式与健康的区域竞争,协调发展,互利合作。

 数据可用性声明

最初的贡献提出了研究中都包含在本文/辅料,可以针对相应的作者进一步询问。

 作者的贡献

这篇文章写了作者的贡献如下:概念化、HL和YM;小方法,和霍奇金淋巴瘤;数据管理,欧美;调查、HL和小;融资收购,YM和欧美;项目管理,YM和欧美;原创作品草稿,HL和YM;writing-review、小编辑,和欧美。所有作者已阅读及同意发布版本的手稿。

 资金

这项研究受到了中国国家社会科学基金(19 bjl036;21 bjy194),海南省自然科学基金(721 qn219)和海南研究生创新研究项目(Qhys 2021 - 1)。

 的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

 出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

 引用 Baležentis T。 Kriščiukaitienė 我。 Baležentis 一个。 ( 2014年)。 家庭农场效率的决定因素的非参数分析动力学在立陶宛。<年代ource>阿格利司。经济学。 45, 589年- - - - - - 599年。 10.1111 / agec.12108 Bertolozzi-Caredio D。 Bardaji 我。 Coopmans 我。 索利亚诺 B。 加里多 一个。 ( 2020年)。 家庭农场的关键步骤和动态连续边缘广泛的畜牧业。<年代ource>j。农村。钉。 76年, 131年- - - - - - 141年。 10.1016 / j.jrurstud.2020.04.030 Besag J。 ( 1977年)。 里普利的论文博士讨论。<年代ource>j。r。年代tat。Soc。B 39, 192年- - - - - - 212年。 10.1111 / j.2517-6161.1977.tb01616.x Bi 年代。 戴 F。 陈 M。 徐 年代。 ( 2022年)。 一个新的分析框架的城市绿色空间的形态空间模式减少PM2.5污染:一个案例研究在中国武汉。<年代ource>维持。城市Soc。 82年, 103900年。 10.1016 / j.scs.2022.103900 布里格斯 r . C。 ( 2018年)。 可怜的目标:一个网格空间分析的援助到达非洲的穷人。<年代ource>世界开发。 103年, 133年- - - - - - 148年。 10.1016 / j.worlddev.2017.10.020 伯顿 r . j . F。 Walford N。 ( 2005年)。 多重继承和土地部门在家庭农场在英格兰东南部的:农业浓度的平衡吗? j .农村。钉。 21, 335年- - - - - - 347年。 10.1016 / j.jrurstud.2005.04.004 菜单 l Schmook B。 Radel C。 约翰逊 R。 ( 2010年)。 位移缓慢的小农家庭:土地、饥饿,在尼加拉瓜和劳动力迁移和危地马拉。<年代ource>土地 8, 89年。 10.3390 / land8060089 陈 J。 江 l 罗 J。 田 l 田 Y。 陈 G。 ( 2022年)。 空间分异的特点和影响因素的市场服务行业在农村地区武汉市metropolises-a案例研究的新的城区。<年代ource>我年代PRS Int。j . Geoinf。 11, 170年。 10.3390 / ijgi11030170 陈 Z。 孟 Q。 杨ydF4y2Ba K。 徐 R。 ( 2022年)。 家庭农场效率及其影响因素的分析:证据来自中国农村地区。<年代ource>土地 11, 487年。 10.3390 / land11040487 陈 Z。 孟 Q。 杨ydF4y2Ba K。 徐 R。 ( 2022年)。 家庭农场效率及其影响因素的分析:证据来自中国农村地区。<年代ource>土地 11, 487年。 10.3390 / land11040487 杜 Z。 赖 X。 长 W。 高 l ( 2020年)。 的短期和长期影响COVID-19流行在中国家庭农场——来自2324个农场的调查的证据。<年代ource>j。中国。阿格利司。 19, 2877年- - - - - - 2890年。 10.1016 / s2095 - 3119 (20) 63390 - 1 小仲马 C。 Dupuis J。 更丰富的 F。 露易丝 年代。 ( 2016年)。 影响下一代的决定因素在家庭农场。<年代ource>Fam公司。公共汽车。牧师。 8, 99年- - - - - - 120年。 10.1111 / j.1741-6248.1995.00099.x Fortheringham 一个。 Chanrlton M。 Brunsdon C。 ( 1996年)。 参数空间的地理位置:空间异质性的调查。<年代ource>我nt。j . Geogr。正,系统。 10, 605年- - - - - - 627年。 10.1080 / 026937996137909 福克斯 G。 穆尼 J。 Rosati P。 林恩 T。 ( 2021年)。 艾瑞泰克创新者:一项研究首次采用和继续使用的移动数字平台family-operated农业企业。<年代ource>农业 11, 1283年。 10.3390 / agriculture11121283 傅 J。 江 D。 黄 Y。 ( 2014年)。<年代ource>PopulationGrid_China。 中国,北京: 全球变化研究数据发布和存储库。 高 Y。 刘 B。 余 l 杨 H。 阴 年代。 ( 2019年)。 社会资本、土地所有权和家庭农场采用绿色控制技术:证据来自中国山东和河南两省的。<年代ource>土地使用政策 89年, 104250年。 10.1016 / j.landusepol.2019.104250 高 Y。 张 X。 陆 J。 吴 l 阴 年代。 ( 2017年)。 采用绿色的行为控制技术在中国家庭农场:证据来自676个家庭农场在黄淮海平原。<年代ource>作物保护。 99年, 76年- - - - - - 84年。 10.1016 / j.cropro.2017.05.012 龚 T。 Battese g . E。 Villano r。 ( 2019年)。 在中国家庭农场+合作社:在作物生产技术效率。<年代ource>j。亚洲经济。 64年, 101129年。 10.1016 / j.asieco.2019.07.002 Graeub b E。 Chappell m·J。 惠特曼 H。 Ledermann 年代。 克尔 r B。 Gemmill-Herren B。 ( 2016年)。 世界上的家庭农场。<年代ource>世界开发。 87年, 1- - - - - - 15。 10.1016 / j.worlddev.2015.05.012 格雷格 l ( 2009年)。 分析影响农民对农作物的选择的关键因素,Kibamba病房,坦桑尼亚。<年代ource>j·阿格利司。经济学。 60, 699年- - - - - - 715年。 10.1111 / j.1477-9552.2009.00215.x 黄 Y。 江 D。 傅 J。 ( 2014年)。<年代ource>GDPGrid_China。 中国,北京: 全球变化研究数据发布和存储库。 休伯 R。 Flury C。 手指 R。 ( 2015年)。 农业增长影响因素在山区家庭农场的意图:瑞士中部的经验证据。<年代ource>土地使用政策 47, 188年- - - - - - 197年。 10.1016 / j.landusepol.2015.04.006 Ilbery B。 也许 D。 ( 2010年)。 聚类和有机农业的空间分布在英格兰和威尔士。<年代ource>区域 43, 31日- - - - - - 41。 10.1111 / j.1475-4762.2010.00953.x 霁 X。 罗思高 年代。 黄 J。 张 l 张 T。 ( 2016年)。 中国日益增长的农场吗? 中国与世界经济。 24, 41- - - - - - 62年。 10.1111 / cwe.12143 茱莉亚 年代。 埃琳娜 F。 ( 2016年)。 家庭农业的未来:一个文献综述在创新、可持续和succession-oriented策略。<年代ource>j。农村。钉。 10, 117年- - - - - - 140年。 10.1016 / j.jrurstud.2016.07.008 肯尼 d . C。 ( 2017年)。 建模的自然和社会资本在农场:对可用的集成。<年代ource>生态。上一次。 356年, 1- - - - - - 13。 10.1016 / j.ecolmodel.2017.04.010 梁 l 林 年代。 张 Z。 ( 2016年)。 家庭生活周期的影响在家庭农场规模在中国南部。<年代ource>阿格利司。经济学。 61年, 429年- - - - - - 440年。 10.17221 / 68/2014-agricecon Lowder 美国K。 Skoet J。 兰尼 T。 ( 2016年)。 数量、大小和分布的农场,小农场,和全世界的家庭农场。<年代ource>世界开发。 87年, 16- - - - - - 29日。 10.1016 / j.worlddev.2015.10.041 Lv Y。 顾 年代。 郭 D。 ( 2010年)。 评估环境外部性稻麦农业在长江下游。<年代ource>生态。经济学。 69年, 1436年- - - - - - 1442年。 10.1016 / j.ecolecon.2008.12.014 马 Y。 李 H。 通 Y。 ( 2022年)。 分布差异和影响因素的高质量发展的酒店业从客户满意度的角度:三亚的案例研究。<年代ource>可持续性 14, 6476年。 10.3390 / su14116476 Madau F。 ( 2015年)。 意大利柑橘种植技术和规模效率:对比SFA和DEA方法。<年代ource>阿格利司。经济学。牧师。 16, 15- - - - - - 27。 10.22004 / ag.econ.253696 Marchant圣地亚哥 C。 罗德里格斯·迪亚兹 P。 Morales-Salinas l 巴斯贝当古 l 奥尔特加费尔南德斯 l ( 2021年)。 实践和家庭农业适应气候变化的策略。病例的分析农村社区在哥伦比亚和智利的安第斯山脉。<年代ource>农业 11, 1096年。 10.3390 / agriculture11111096 Marks-Bielska R。 ( 2013年)。 在波兰因素塑造农业土地市场。<年代ource>土地使用政策 30., 791年- - - - - - 799年。 10.1016 / j.landusepol.2012.06.003 Pellegrina h·S。 ( 2022年)。 贸易、生产率和农业的空间组织:证据来自巴西。<年代ource>j。Dev。Econ.102816 156年。 10.1016 / j.jdeveco.2021.102816 菲利普 K。 索菲娅 D。 阿利斯泰尔 B。 ( 2018年)。 家庭农场的劳动对产出的影响选择欧盟成员国:非参数分位数回归方法。<年代ource>欧元。启阿格利司。经济学。 3, 367年- - - - - - 395年。 10.1093 / erae / jbx036 Pravitasari 答:E。 Rustiadi E。 Priatama r。 Murtadho 一个。 Kurnia 答:一个。 Mulya s P。 ( 2021年)。 时空分布模式和地方区域发展在java驱动因素。<年代ource>我年代PRS Int。j . Geoinf。 10, 812年。 10.3390 / ijgi10120812 钱 Z。 李 Y。 ( 2020年)。 家庭农场的效率和决策:一个基于2017年数据的实证研究的943家庭农场在松江,上海。<年代ource>等内容。世界 36, 168年- - - - - - 181年。 10.19744 / j.cnki.11 - 1235 / f.2020.0060 压力 J。 Danesh-Yazdi M。 ( 2022年)。 量化的影响农业变化和气候变化对水循环Urmia湖上游源头流域盆地动力学。<年代ource>阿格利司。水等内容。 270年, 107749年。 10.1016 / j.agwat.2022.107749 莱因哈特 N。 巴特莱特 P。 ( 2008年)。 家庭农场在美国农业的持久性。<年代ource>年代oc我ol。农村。 29日, 203年- - - - - - 225年。 10.1111 / j.1467-9523.1989.tb00367.x Ruzzante 年代。 Labarta R。 比尔顿 一个。 ( 2021年)。 发展中国家的农业技术的采用:荟萃分析的实证文献。<年代ource>世界开发。 146年, 105599年。 10.1016 / j.worlddev.2021.105599 商 H。 易 X。 阴 C。 陈 Y。 张 Z。 ( 2021年)。 土地管理的稳定性如何正确(SLMR)影响家庭农场的耕地保护和质量改进行为(CLPQIB)在中国? 土地 10, 1052年。 10.3390 / land10101052 舒宾 年代。 ( 2011年)。 俄罗斯的未知的农业。<年代ource>j。农村。钉。 27, 107年- - - - - - 108年。 10.1016 / j.jrurstud.2010.10.003 王 H。 钟 年代。 郭 J。 傅 Y。 ( 2021年)。 在黑龙江省绿色农业生产融资行为影响因素家庭农场:结构方程建模的方法。<年代ource>前面。Psychol。 12, 692140年。 10.3389 / fpsyg.2021.692140 王 l 气 Z。 庞 Q。 香 Y。 太阳 Y。 ( 2020年)。 分析城市群农业绿色生产效率和驱动因素在长江的中游。<年代ource>可持续性 13, 97年。 10.3390 / su13010097 王 M。 元 M。 挂ydF4y2Ba P。 王 D。 ( 2022年)。 评估可持续城市发展基于都市农业的功能空间分化在武汉,中国。<年代ource>土地使用政策 115年, 105999年。 10.1016 / j.landusepol.2022.105999 Washizu 一个。 Nakano 年代。 ( 2022年)。 探索智能农业发展的特点在日本:分析使用智能农业改善水平技术地图。<年代ource>第一版。电子。阿格利司。 198年, 107001年。 10.1016 / j.compag.2022.107001 威尔逊 J。 辛普森 i . H。 Landerman R。 ( 2010年)。 在家庭农场状态变化:作物的影响,机械,和非农工作。<年代ource>农村。Sociol。 59, 136年- - - - - - 153年。 10.1111 / j.1549-0831.1994.tb00526.x 兴 X。 张 年代。 梁 J。 刘 J。 ( 2021年)。 时空扩张特征和驱动力的家庭农场在丘陵和山区:一个案例研究重庆江津区,中国。<年代ource>Re年代。 39, 71年- - - - - - 87年。 徐 X。 张 Y。 ( 2017年)。<年代ource>中国气象背景数据集。 中国,北京: 资源和环境科学数据注册和发布系统。 杨 l 余 K。 人工智能 J。 刘 Y。 杨 W。 刘 J。 ( 2022年)。 主导因素和地表温度的空间异质性在城市地区:一个案例研究在中国福州。<年代ource>远程参议员(巴塞尔)。 14, 1266年。 10.3390 / rs14051266 杨 Q。 张 F。 一个 Y。 太阳 C。 吴 J。 张 Y。 ( 2021年)。 研究中国的空间分布模式和影响因素对GIS的扶贫(扶贫旅游)。<年代ource>离散动力学。Nat, Soc。 2021年, 1- - - - - - 11。 10.1155 / 2021/6682498 张 年代。 王 J。 魏 C。 熊 X。 刘 J。 ( 2022年)。 时空演化和工业响应多样化的新农业管理实体在丘陵和山区。<年代ource>j。西南大学。 44, 118年- - - - - - 137年。 张 Z。 烹调的菜肴 W。 田 C。 苏 M。 李 Z。 ( 2021年)。 空间分布平衡,建设用地扩张和之间的关系基于POI数据在上海基础教育学校。<年代ource>土地 10, 1059年。 10.3390 / land10101059 周 Y。 黄 H。 刘 Y。 ( 2020年)。 中国乡村的空间分布规律和影响因素。<年代ource>一个cta Geogr。罪。 75年, 2206年- - - - - - 2223年。 10.11821 / dlxb202010012 朱 C。 张 X。 周 M。 他 年代。 氮化镓 M。 杨 l ( 2020年)。 城市化和景观格局的影响栖息地质量使用OLS和吉尼斯世界纪录模型在杭州,中国。<年代ource>生态。印度的。 117年, 106654年。 10.1016 / j.ecolind.2020.106654