江苏省粮食消费影响因素分析与中长期粮食生产—消费平衡预测——以近10年为例

来源 :南京农业大学 | 被引量 : 0次 | 上传用户:sincerity01
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
论文在2009年统计资料基础上,以县(市、区)为基本行政单元,运用GIS系统及空间分析方法,研究分析江苏省粮食生产空间布局的特点、动态和规律性、粮食生产资源环境条件的空间差异性分析。从家庭日常食物消费和居民家庭外餐馆进行的市场消费两个方面分析研究了近10年来江苏城乡居民食物消费的结构、数量的演变特点和规律表现。从影响粮食消费的基本要素,人口与人口结构、人均GDP、人均粮食生产、饮食习惯、科技水平、粮食价格等,通过通径分析研究分析影响粮食消费的主要因素。运用logistic模型等分析研究了与粮食生产和消费密切相关的主要因子的动态变化特点,在此基础上对2020年和2030年两个时间节点的粮食生产消费及平衡进行了预估和分析。最后,根据研究结果对如何正确引导江苏省粮食消费,确保江苏省粮食安全提出具体的对策建议。论文研究的主要结论有:  (1)江苏粮食生产气候资源条件优势突出,经济发展水平高、人口密度大、耕地资源少,粮食生产和消费水平在全国具有重要的特殊地位。江苏省居民随着经济收入的增加膳食质量总体得到提高,但膳食结构并不合理,农村居民谷类摄入量不高,蔬菜水果、奶类及豆类摄入量普遍偏低;城镇居民畜禽肉类、水产品以及食用油摄入量偏高。  (2)全省居民人均粮食消费量的总量波动幅度不大,但由于经济发展、生活水平的提高、劳动强度的降低,以及人口老龄化等因素的综合作用,1999-2009年间江苏省居民的食物结构发生了重大变化。总体看,全省居民口粮消费、种子用粮消费量减少;饲料用粮消费量和加工用粮增加;粮食耗损略有减少但变化不大。这一变化趋势与中国诸多学者的研究结果一致,也与国际学者对其它国家经济发展过程中的结论相一致。随着经济的发展,全省城乡粮食消费也具有明显的差异。1999-2009年江苏省农村居民人均口粮消费水平明显高于城镇居民,并且10年间农村居民口粮消费量下降幅度明显大于城镇居民;与口粮消费趋势不同的是,1999-2009年间农村居民人均动物性食品消费水平明显低于城镇居民,10年间城乡居民动物性食品消费量均呈上升趋势,且上升幅度差异不大。受人口变动影响,江苏省城乡居民口粮消费总量与人均量的变化不同步。1999-2009年农村居民人均口粮消费量与口粮消费总量均呈快速下降的趋势,但人均口粮的下降趋势明显弱于口粮消费总量;同期趋势差异更明显的是1999-2009年城镇居民人均口粮消费呈平稳下降趋势,而城镇居民口粮消费总量呈平稳上升的趋势,且口粮消费总量上升的幅度高于人均口粮消费的下降幅度。1999-2009近10年来全省城乡人均粮食消费总量呈下降趋势,但是户外餐饮人均粮食消费总量则呈明显上升趋势。  (3)影响江苏省人均口粮、饲料粮消费的因素有全省城乡人口比、人均GDP、人均粮食生产以及全省居民饮食习惯、粮食价格等等。全省城乡人口比与人均口粮消费呈负相关关系,与人均饲料粮呈正相关关系;人均GDP与人均口粮消费呈负相关,与人均饲料粮呈正相关关系;人均粮食生产与人均口粮、饲料消费呈现出一定的供求关系。另外,全省居民饮食习惯、养殖水平、科技发展水平以及粮食价格也会间接影响全省居民人均口粮、饲料粮消费量。通过对全省居民人均口粮、饲料粮消费以及各影响因素进行通径分析可知,全省城乡人口比、人均GDP、人均粮食生产三因素对全省人均口粮、饲料粮消费量的影响贡献率达70%,其中各因素的影响程度排比为全省城乡人口比>人均GDP>人均粮食生产;而江苏省居民饮食习惯、养殖水平、科技水平、粮食价格等等对全省居民人均口粮、饲料粮消费的影响贡献率为30%。随着全省城乡人口比、人均GDP的增加和人均粮食生产的变化,人均粮食消费由于人均口粮消费的负作用和人均饲料粮消费正作用以及人均加工用粮和种子用粮、粮食耗损的变化,在近10年呈现出一定的稳定趋势。所以人均口粮、饲料粮消费的通径分析结果同样适合于人均粮食消费。  (4)从总体上看,2020年和2030年,江苏省粮食生产资源、技术、条件可以基本满足届时常住人口的粮食综合消费需要,江苏省粮食生产与消费可以实现基本平衡、略有盈余、争取输出的战略目标。到2020年全省粮食生产基本大于粮食消费,可盈余粮食345万吨,但其置性区间为[-164,701],不排除粮食供不应消的可能。到2030年全省粮食生产基本大于粮食消费,粮食盈余为95万吨,仅为2020年盈余量的1/3,其置性区间[-314,376],粮食供不应消的可能性大于2020年。
其他文献
In this paper the master equation method is used to calculate the relaxation and decoherence times of a qubit. The results are beyond Markovian approximation, w