刘 婕，王 静，张 玲，陈 蕊*

（1.云南农业大学经济管理学院，云南昆明 650201；2.云南财经大学经济学院，云南昆明 650221）

党的二十大报告中强调加快建设农业强国[1]。农业要强，首先是粮食和重要农产品供给保障能力必须强。尽管我国粮食产量已连续8年保持在6.5亿t以上，但稳产保供的基础还不牢固，现代化发展水平较低，粮食供求仍呈紧平衡，绿色优质农产品供给不足，粮食安全形势依然严峻，越往前走难度越大。要把提高农业综合生产能力放在更突出的位置，用市场化方式把产能释放出来，构建多元化食物供给体系，更好满足人民群众丰富多样的食物消费需求[2-3]。

只有通过大力发展农业，才能够更好地推动中华民族的伟大复兴，为实现社会主义现代化国家的目标提供有力的支撑。然而，与新型工业化、信息化、城镇化相比，农业现代化仍然存在着许多不足之处[2]。因此，必须大力提升农业生产能力，提高粮食生产的质量和效率，这不仅是实现农业强国的必要条件，也是实现社会主义现代化国家的重要基础。农业强国背景下对粮食生产有哪些新的要求，如何评价粮食生产能力，如何精准预测粮食产量，如何提升粮食综合生产能力对全面建设社会主义现代化国家具有重大意义。

1 农业强国背景下提高粮食安全生产能力的重要意义

1.1 确保粮食供给安全可靠的重要基础

保障粮食和重要农产品稳定安全供给是建设农业强国的重要基础和头等大事。在建设农业强国的背景下，提升粮食生产的能力，构建粮经饲统筹、多元化食物供求平衡体系，健全粮食流通体系，增强储备调控能力也是确保粮食供给安全的重要基础[1-2]。

1.2 满足人民美好生活需要的必然要求

当前，我国粮食等重要农产品供给总体有保障，但稳产保供的基础还不牢固，绿色优质农产品供给不足。保数量很重要，但人们的需求和品质在提高，粮食不仅要量够，还要多样化和提高品质安全，即粮食的高质量发展。只有构建多元化食物供给体系，才能更好满足人民群众多样性、高质量的食物需求。

1.3 提高农业综合效益和竞争力的客观需要

虽然我国农业综合生产能力显著增强，但农业生产基础不牢、大而不强、多而不优问题仍然突出。加强农田水利建设，推进农业机械化、设施化、智能化，加快建设仓储冷链物流设施，打造具有创新性和竞争力、高附加值的粮食产业链、供应链，努力提高粮食生产综合效益，为农业强国建设打下坚实基础[2]。

2 研究设计

2.1 农业强国背景下粮食安全生产能力衡量指标

粮食综合生产能力指在一定技术条件和生产要素投入下国内可以稳定达到的粮食产出能力，是反映国家粮食安全保障能力的重要指标[4]。结合中国国家统计局农村社会经济调查司设计的粮食安全评价指标体系，本文以衡量粮食安全生产能力为目的，从粮食基础保障能力、生产供给能力、市场调控能力3 个维度构建粮食安全生产能力评价指标体系（见表1）。保障粮食生产安全不仅要保障粮食生产可持续的供给能力，还要促进农业的可持续发展，保障生态安全，提升市场调控能力和促进绿色高质农业发展。

表1 粮食安全生产能力评价指标体系

表2 灰色模型的精度等级标准

2.2 粮食产量预测模型

2.2.1 GM(1,1)模型建模思路

灰色系统理论主要是通过提取“部分”有价值的信息，实现对系统行为和演化规律的正确描述和有效监控[5]。GM(1,1)模型是灰色预测的核心模型，在时间序列数据的基础上，通过分析数据变化规律和内在联系，寻找潜在规律和有价值的信息，从而生产响应的数据系列并建立微分方程模型，对未来发展趋势进行预测[6]。一方面，用灰色系统理论处理原始观测数据，将改善模型的统计特性；另一方面，将GM(1,1)模型与其他模型进行组合，将提高对原始数据规律的认识和预测准确度。

2.2.2 GM(1,1)模型运算步骤

设有一原始时间数据序列：

对原始数据序列进行一次累加，生产数据系列

X(1)(k)的紧临均值生成序列为：

灰微分方程：

其中，a 为发展系数，b 为灰色作用量。白化方程为：

记参数A=(a，b)T，其估计值为Â，利用最小二乘法可得：

方程的时间响应序列为：

2.2.3 模型精度检验

2.2.4 灰色马尔科夫模型

马尔科夫分析旨在通过分析当前情况来推测未来的发展趋势，从而帮助做出更精准的决定[7]，其基本模型为:

X(k)，X(k+1)分别表示趋势分析与预测对象在t=k 和t=k+1 时刻的状态向量，P 为一步转移概率矩阵。

1）区间划分

根据马尔科夫理论，将实际与预测的相对值分成多个状态:

Ei=［Qi1，Qi2］，i=1，2，…，m，其中相对值Q=，Qi1，Qi2为相对值所处状态区间的左、右端点值。

2）状态转移概率矩阵

设数据序列有m 个可能的状态，fij表示数据序列中从状态i 经过一步转移到达状态j 的频数，计算公式为:

Pij构成的一步马尔科夫状态转移概率矩阵p1用下面的形式描述：

通过求一步状态转移概率矩阵即可判断预测对象下一步状态转移的情况。

3）确定对象转移状态

通过计算P1可以预测一步，相对于初始状态Ek，考察P1中第k 行，若maxp(1)kj=p(1)kj(j=1，2，…，n)，可认为系统下一步由Ek转移到El具有最大可能性。由公式Pn=计算n 步状态转移概率矩阵pn则可预测多步。

4）马尔科夫性检验

将“边际概率”中p.j 的值计算出来，即Pj=，统计量χ2 满足极限分布要求，其公式为：，检验水准α=0.05，若χ2＞χα2(m-1)2，则P＜0.05，认为该数据序列符合马尔科夫性。

5）修正灰色预测值

通过状态转移概率矩阵，预测灰色值得到相对误差状态区间［Qi1,Qi2］，取区间的中值作为修正值。其中，为灰色模型的拟合预测值，Qi1、Qi2分别为利用马尔科夫链预测到的相对值所处状态区间的左、右端点值。

3 农业强国背景下云南省粮食安全生产能力分析

3.1 云南省粮食安全生产能力

云南是粮食生产产销平衡区，地处西南边陲和越南、老挝和缅甸三个国家接壤，云南的粮食安全在国家粮食保障战略中占有重要地位，保持粮食自给率的同时还要共同承担起维护国家粮食安全的责任[8]。云南省的耕地资源利用与开发潜力指数全国排名14，耕地利用与开发潜力很大[9]。

3.1.1 基础保障能力

云南省农作物播种面积较2010 年有了大幅增加，粮食产量和有效灌溉面积稳中有升（见图1），农业化肥使用折纯量自2016年起大幅缩减（见图2），耕地面积和有效灌溉面积的稳步提升和粮食生产对土地资源、环境的保护是粮食基础保障能力中的重中之重。农业机械总动力数据反映了云南省农业机械化水平不断提升，农业机械在农业生产中的投入不断加大（见图2），由于统计指标变化，2018年以后农业机械总动力与历史数据不可比较。例如，云南大理州通过“田油菜+鲜食玉米（烤烟）+春季马铃薯”和“水稻+春季马铃薯”两种先进的种植技术，大力开展洱海流域的产业转型升级，以田油菜为主要作物，获得可观的经济效益和生态效益。

图1 2010—2020年云南省农作物总播种面积和粮食产量变化情况

3.1.2 生产供给能力

从统计数据来看，虽然云南省粮食产量稳步增加，但由于社会消费品零售总额逐年大幅增加，因而云南省粮食自给率呈下降趋势（见图3）。只要保证粮食产量，就有可能提升粮食安全生产供给能力。云南省是全国粮食产销平衡区，积极响应国家的粮食安全战略，虽然全省各地均未出现粮油供应紧张或短缺的状态，但粮食生产标准化程度不高，产业化水平和科技转化率偏低，严重制约了云南粮食产业现代化进程。

图3 2010—2020年云南省粮食自给率等变化情况

3.1.3 市场调控能力

云南省粮食零售及消费价格指数自2012年后较稳定，云南省不断加强粮油市场监测预警，合理引导市场预期。近两年来，云南共下达63 万t 省级储备粮轮换计划，实现粮食生产增产提质、降本增收互相促进，在耕地“非粮化”背景下调动农民种粮和地方政府抓粮的积极性。八宝贡米、梯田红米、墨江紫米、勐海香米等云南省特色稻米和企业品牌知名度不断提高，国有粮食企业销粮量自2018 年大幅回落后，2019—2020 年大幅上升（见图4）。此外，2020 年与2010 年相比较，城市人口增长增加了口粮的刚性需求，而农村劳动力显著下降（见图5）间接影响粮食生产。

图4 2010—2020年云南省国有粮食企业购销量变化情况

图5 2010—2020年云南省人口结构变化情况

3.2 灰色马尔科夫模型在云南省粮食产量预测中的应用

3.2.1 云南省粮食产量灰色GM(1,1)模型

从统计年鉴查出云南省2000—2020年粮食产量数据，粮食产量从长期看有增加的趋势，但其复杂性、波动性较大。根据GM(1,1)模型，得出2000—2020 年粮食产量预测值（见表3）。

表3 2010—2020年粮食产量预测值

从GM(1,1)模型精度来看，相关系数R=0.563，后验差比值C=0.033，小误差概率P=1。相关系数基本合格，其他指标达标。2010—2020 年云南省粮食产量灰色模型预测值的平均相对误差为2.727%，而灰色马尔科夫模型预测值的平均相对误差为2.534%（见表3），灰色马尔科夫模型比灰色预测模型的预测结果更加精准。

3.2.2 建立云南省粮食产量灰色马尔科夫预测模型

根据GM(1,1)模型预测的结果，把原始数据与模拟数据的比值划分为4 个等距区间，划分为4 种状态（见表4）。

表4 云南省粮食产量状态划分

3.2.3 计算状态转移概率矩阵并修正预测值

通过表3 中各年份的状态情况可确定状态转移概率矩阵：

通过第一步状态矩阵计算第二步状态矩阵：

由于2020年的粮食产量处于第二种状态，考虑矩阵P(1)中第二行中的最大值，取第二种状态区间的相对误差的中值对灰色预测值进行修正，得到2021年粮食产量马尔科夫修正值为1 889.416。由以上转移矩阵P(2)确定2022 年云南省粮食产量的状态，考虑矩阵的第二行中的最大值，确定2022 年状态为第二种状态，经计算修正值应为1 895.094。同理，可以预测2023—2025年的云南省粮食产量（见表5）。

表5 2021—2030年云南省粮食产量预测结果 单位：万t

粮食生产过程受自然条件、生产管理、政策调控等众多因素影响，具有动态性、波动性、非线性等特点，而单一的预测方法和模型难免都有缺陷[7]。由于粮食生产具有灰度特征，可以使用灰色模型进行预测；而马尔可夫模型较适用于随机性和波动性较大的预测问题，能对随机波动数据序列进行长期预测，两者结合可形成优势互补，灰色马尔可夫模型可以适用于粮食产量的中长期预测。从粮食产量预测结果可以看出，在“非粮化”背景下，2021—2030 年云南省粮食产量总体呈稳步增加趋势（见表5），可有效保障云南省粮食生产供给。

3.3 农业强国背景下云南省粮食生产和消费新趋势

根据云南省粮食产量预测模型的预测结果，云南省粮食产量稳步增加，能够保障粮食生产的供给。由图3 看出，2010—2020 年云南省粮食作物播种面积总体保持在410 万hm2左右，粮食总产量呈上升趋势，平均年增长约2.38%。其中，云南省主要口粮作物稻谷的播种面积有一定程度的波动，但产量呈上升趋势，2021年稻谷的种植面积和产量较2017—2020年有所下降。玉米的播种面积和产量均稳步上升，而小麦的种植面积和产量均呈下降趋势。大豆的播种面积呈稳步上升趋势，但2021 年大豆产量下降了4.68%。薯类种植面积和产量在2010—2015 年保持稳定，而自2016 年薯类种植面积虽大幅下降，但产量不降反增，这得益于品种改良和单产的提高（见图6、图7）。近10年来，玉米和稻谷播种面积和产量平均分别占粮食作物播种面积和产量的近40%和20%，是云南省粮食作物播种面积和产量的重要组成部分。云南省人均粮食占有量围绕400 kg上下波动。

图6 2010—2020年云南省主要粮食作物播种面积变化情况

图7 2010—2020年云南省主要粮食作物产量变化情况

4 结论与讨论

由于粮食产量受影响的因素多、波动性大等特点，建立灰色马尔科夫预测模型，并用于2021—2030年云南省粮食产量的预测。研究结果表明，云南省未来的粮食产量将在小幅波动中稳步上升，这一预测结果和国家防止耕地“非粮化”政策和粮食安全战略十分吻合。灰色预测模型与马尔科夫预测模型相结合，发挥两种模型各自的优势，克服两者的缺陷，提高了预测精度，对粮食产量这类波动性较大的长期预测具有较强优势。

粮食产量预测对保障国家粮食安全生产有重要意义，精准的预测能够为相关部门提供科学农业生产决策的依据。因此，要厘清农业强国背景下粮食生产和消费结构的变化，保障粮食安全生产过程中的困难和阻力，提出以下提升粮食安全生产能力的对策和路径，确保粮食产供销绿色高质量发展。

4.1 加强科技支撑，提高粮食作物的质量和安全性

云南省多地积极推进杂交稻“上山”，根据当地气候环境和种植条件摸索水稻旱种新技术。积极推广水稻集中育秧、精确定量栽培、药肥减量增效、病虫害统防统治等关键技术，努力提高粮食单产。结合“九湖”流域农业面源污染防治，优化种植结构，推动有机稻种植，在品种、农资、技术、仓储和运输等领域加强科技支撑，充分调动和发挥粮食生产的潜能。

4.2 发挥气候资源优势，调优粮食种植结构

根据云南省的地理环境，实施多样化的农作物结构，并结合云南省的气象、土地、水文等各方面的原因，实施有效的农作物结构的协调和分层的发展。红河、西双版纳、迪庆、半山区、山区、平原区，都有着独特的自然气候，使得当地的农业发展更加多样化。把“早”“鲜”这两个特色放到首位，加快适宜的品种改良。充分利用各地特殊的光、热、水、土等资源，加强特色种植技术，提升耕作效率。在大食物观的理念下充分发展特色粮食作物，如优质的藜麦、燕麦、荞麦、水果玉米种植，不仅可以维持当地的粮食产量，而且有助于提升经济效益。

4.3 粮食作物经济效益较低，种粮积极性不高

由于小农户等粮食经营主体耕地规模小、农业生产投入成本上涨及粮食价格低等原因，农民种粮收益持续降低。耕地非农化、非粮化、弃耕化、边际化等问题使耕地保护制度地方实践效果大打折扣[5]。一些地区高标准农田建设标准等级低，土地碎片化也影响机械化、数字化农业生产性服务实施，无形中增加了粮食生产成本，打击农民的种粮积极性[10]。用绿色、高质、可持续、集约化方式，提升粮食品质，打造粮食特色区域品牌，达到提质增效的作用。构建完善的补偿机制，以耕地的生态价值、经济价值、发展权价值等共同确定动态补偿标准，实现耕地保护、经济发展、农民增收与生态安全的多目标协同发展。

4.4 完善对生态保护区的利益补偿机制，促进经济社会协同发展

充分挖掘品种、技术、品牌等绿色高质稳产增产潜力，确保生态保护、粮食生产、农民增收协调发展。开展中央向生态保护区一般性财政转移支付，加大高标准农田建设、节水灌溉、测土配方、精准施肥等绿色生产技术支持和补贴力度[11]。

4.5 防止耕地“非粮化”，设定粮食自给率底线目标

处理好发展粮食生产和发挥比较效益的关系，应充分利用各地光热水土等自然资源，经济、技术等资源优势，创新和发展粮经、粮饲、稻鸭、稻虾、稻鱼等轮作、连作模式，提高复种指数。各州（市）要明确粮食自给率目标并落实稳定粮食生产面积的具体措施，推动绿色低碳循环发展，使粮食生产能力与经济发展水平同步增长。

4.6 依靠科技力量，提高粮食生产质量和效率

加强优良品种开发、防灾减灾技术研究和粮经轮作新型农作制度。根据不同生态区城和生产条件，建设全程机械化智能化优质高产示范区，实施自动插秧、精准施肥、自动收割，开展“无人化种植”和“远程管理”。做到科技人员到户，技术要领到人，良种良法到田。推广农机北斗传感器、耕深监测、机具识别卡等信息监测终端的使用，让数字化、智能化延伸到粮食生产“耕、种、管、收”多个环节，大幅提高粮食生产效率。

4.7 调动粮食生产积极性，打造绿色高质稻米知名品牌

针对部分种粮地区土地细碎化程度高的现实和特殊性，因地制宜制定土地流转合同，适当放宽产销平衡区种产粮大县认定标准。提升粮食种植科技服务水平，加强粮食运输物流体系建设，构建“种植+流通+贸易”全产业链布局模式，打造绿色高质稻米知名品牌并扩大其影响力和知名度。

4.8 推动大数据平台建设，打通粮食生产全产业链

充分利用大数据分析和人工智能技术，推动大数据平台建设与粮食产销相结合，实现大田种植环境监测的数字化、可视化；建立基于粮食大数据的物联网，对粮食生产、销售、运输等过程实现智慧管理和精准调控，准确掌握并及时动态反馈市场信息；应用区块链、移动互联网等技术开展粮食安全可追溯。在信息技术的支撑下，数据信息要素的重组和应用使多元利益主体紧密联系，利用数字技术打通粮食生产全产业链，实现粮食生产高效、绿色、数字化高质量发展[12]。