苟杰松，李宗南，吴柏清，蒋 怡，董秀春

(1.成都理工大学旅游与城乡规划学院，成都 610059；2.四川省农业科学院遥感应用研究所，成都 610066)

【研究意义】1985年全国确定“以养为主”的渔业发展方针之后，我国水产养殖业发展得到重点关注，成为世界第一水产养殖大国[1]。截至2019年底，中国水产品总产量6480万t，其中养殖产量达到5079万t。然而35年以来，我国水产养殖业发展总体上大而不强、多而不优，且在全国范围内的水产品质量、水资源利用率和水环境生态功能呈整体下降趋势[2-4]。四川省同样面临制约其它地区水产养殖业发展过程中存在的此类问题[5-6]。该省位于中国水资源丰富的长江流域上游地区，流经四川省的长江及其众多支流带来了各种营养物质，境内水质优良的坑塘、湖泊和水库星罗棋布，为鱼类提供了丰富的饵料和适宜的生长、养殖环境[7]。但该省水产品年均总产量150多万t，年均需求量为200万t，供给能力明显不足。此外，水产养殖分散粗放、发展质量不高、发展不充分不平衡的问题也依然突出，提质增量是四川水产当前面临的重要任务[8]。为深入贯彻生态文明建设和渔业供给侧结构性改革，四川省省委省政府将“川鱼振兴”纳入现代农业“10+3”产业体系，2019年《四川省现代水产产业发展暨农村人居环境整治现场推进会》明确以保护资源环境为前提，重点调整优化水产养殖业布局，推进规模化水产园区格局，进而基本实现全省水产品自给自足、进出平衡。【前人研究进展】随着地理信息技术的快速发展，部分学者开始将空间分析方法运用到水产养殖业的研究中[9-11]，通过空间分析手段探究水产养殖业空间格局能从宏观管理层面优化地区水产养殖业空间布局，有利于提升水产养殖活动与资源环境间的生态性、水产养殖业活动的外部经济性，进而促进水产养殖业健康可持续发展[11-12]。【本研究切入点】总体上，有关水产养殖业空间格局的文献相对较少，更鲜有进一步对其影响因素及四川区域展开相关研究报道。四川省作为西部水产大省，在加快构建现代水产产业体系实现经济增长的同时，通过科学量化分析该省水产养殖业发展现状及驱动原因、合理规划促进养殖产量提质增量的任务也不容忽视。【拟解决的关键问题】本文以四川省各县域(市辖区)水产养殖业为研究对象，结合渔业统计年鉴及地方统计年鉴，采用空间自相关分析方法初步探究该省水产养殖业典型要素(养殖面积、养殖产量)的空间分布格局；其次利用地理探测器筛选出养殖产量影响因素的主导因子；最后运用地理加权回归模型对养殖产量主导因子的空间异质性程度进行计算。以期丰富水产养殖业空间格局及影响因素的相关内容，也为合理优化四川省水产养殖业布局，促进产业提质增量提供科学依据。

1 材料与方法

1.1 研究区概况

四川省位于中国西南地区，界于97°21′～108°12′E，26°03′～34°19′N，辖区面积48.6万km2。该省地处中国第一阶梯和第三阶梯过渡带，地势悬殊，西高东低，西部多高原、山地，东部多平原、丘陵。全省气候条件复杂多样，川东为亚热带湿润性气候，川西南为亚热带半湿润性气候，川西北为高山高原高寒气候。境内河流众多，以长江水系为主，较大长江支流包括金沙江、雅砻江、岷江及其最大支流大渡河、沱江、嘉陵江及其主要支流涪江和渠江等[13](图1)。

图1 研究区Fig.1 Study area

四川省分18个地级市和3个自治州共183个县域级空间单元，为便于分析和管理，该文将区级空间单元合并为相应市辖区，由于2020年新津县撤县设区，将此单元合并到成都市市辖区。另外，由于川西地区特殊的气候条件和地理位置以及当地少数民族禁食鱼的传统，该区域有21个县域无水产养殖数据，不作为该文研究范围，故2018年研究区分107个县域和18个市辖区，共计125个空间单元。

1.2 数据来源

该文数据来源主要包括两个部分：一是四川省各县域(市辖区)的渔业统计指标，从《2018四川省渔业统计年鉴》获得，二是四川省各县域(市辖区)的社会经济统计指标，从同年四川省地方统计年鉴及统计网站获得。

1.3 空间自相关分析

全局空间自相关分析用于检验某种现象在空间上是否存在集聚[14]，该文利用全局空间自相关(Moran’sI)和局部空间自相关(LISA聚类图)对四川省各县域水产养殖业两个典型指标(养殖面积、养殖产量)进行分析。Moran’sI计算公式为：

(1)

当全局空间自相关分析结果整体呈显著空间自相关格局时，为进一步识别水产养殖面积和产量的局部空间关联特征，可采用局部空间自相关方法。所得的局部Moran散点图中四个象限分别代表四类局部空间关联类型：第一象限为H-H型，第二象限为L-H型，第三象限为L-L型，第四象限为H-L型，结合局部Moran散点图和显著性统计指标可得到LISA聚类图[15]。

1.4 地理探测器

地理探测器是探测空间分异性，以及揭示其背后驱动力的一种统计学方法[16]。运用其中的分异及因子探测器分析四川省水产养殖业产出指标(养殖产量)影响因素，进而识别无效因子与主导因子。其计算公式如下：

(2)

1.5 地理加权回归模型

地理加权回归(GWR)是一种有效处理空间非平稳性估计参数影响的建模技术，可以量化参数的空间异质性[17]。相对于经典全局回归模型，GWR模型考虑了变参回归和局部回归，在回归的时候使用空间关系作为权重加入运算矩阵，采用局部加权最小二乘法对目标参数进行逐点估计，识别变量间的局部特征，有助于揭示局域空间单元水产养殖产量影响因素的差异对整体的影响。其计算公式如下：

(3)

式中，yi为模型的因变量，该文指养殖产量；xik为第k个预测变量在第i个空间单元的观测值；ui，vi为第i个样本空间单元的地理坐标位置；β(ui，vi)是i点的回归常数；βk(ui，vi)是第i个样本点的第k个回归参数，是地理位置的函数；εi为第i个样本点的随机误差。

常用的权重函数包括高斯函数和双重平方函数，这里选取高斯函数作为权重衰减函数。衰减函数的理论基础是由Tobler提出的：位置越接近的数据，比远处的数据对结果的影响更大[18]。这个影响在数学上就化为了权重。高斯权重衰减函数计算公式如下：

Wij=exp[-(dij/b)2]

(4)

式中，dij是样本点i和j的距离，b是带宽，用来描述权重与距离之间函数关系的非负衰减参数。

带宽b的选择，直接影响权函数的结果，由于研究区样本数据分布均匀，该文选择固定型高斯函数。与此同时，带宽b选择后还需要遵循一定的准则才能作为最终的最优带宽，常见的优化准则包括交叉验证法(CV)和赤池信息量准则(AIC)，该文通过多次模拟对比分析后，选择CV法作为权重函数带宽的优化准则。

2 结果与分析

2.1 四川省水产养殖业空间格局

2.1.1 各县域水产养殖规模空间差异显著 养殖面积和养殖产量是代表地区水产养殖业发展规模的典型基本指标，通过养殖面积和产量的空间分布特征可以直观了解区域水产养殖业的空间分布概况，对后续研究做铺垫。

在水产养殖面积方面(图2-a)，川东和川西南部分地区所占比例较大，主要依托长江流域内所有河流、湖泊等各种水体组成的水网系统，丰富的水资源为盆地地区和西南高山河谷地区水产养殖业发展创造了先决条件。其中，养殖面积超过4500 hm2的县域有5个，仁寿县最高，达到7641 hm2，其余依次为绵阳市市辖区、宜宾市市辖区、广元市市辖区、盐源县；500～4500 hm2的有88个，所占比例最大，占全省县域的60.27%；低于500 hm2的有22个。

在水产养殖产量方面(图2-b)，全省各县域养殖产量的空间分布特征与养殖面积比较相似，而部分地区如川西南地区盐源县、西昌市水产养殖水域以湖泊和水库为主，受湖泊水库清退限养等政策影响，造成养殖产量与面积不成正比。研究区125个县域中，养殖产量超过3万t的县域有6个，眉山市市辖区最高，达到5.88万t，其余依次为仁寿县，绵阳市市辖区、成都市市辖区、乐山市市辖区和宜宾市市辖区；0.5万～3万t的有83个，占全省县域最大比例(56.85%)；低于0.5万t的有36个。

图2 四川省各县域水产养殖面积和产量空间分布Fig.2 Spatial distribution of aquaculture area and production in each county in Sichuan province

2.1.2 全局空间自相关 利用全局空间自相关指数Moran’sI可以揭示四川省各县域水产养殖业的整体空间关联格局。根据各县域之间的邻近关系建立二进制邻近矩阵，基于该矩阵通过Moran’sI对2018年四川省各县域养殖面积和养殖产量数据进行计算，结果如表1所示。Moran’sI指数计算结果均大于0，且通过置信水平为0.001的显著性检验，说明数据呈显著的空间正相关表征，即水产养殖面积和产量为高值的空间单元与高值空间单元相邻，水产养殖面积和产量为低值的空间单元与低值空间单元相邻，空间上整体呈正相关模式，在地理上倾向于发生空间聚集类现象。

表1 四川省水产养殖面积和产量全局Moran’s I统计

2.1.3 局部空间自相关 利用局部空间自相关LISA聚类图可以揭示四川省各县域之间水产养殖业的局部空间关联格局。LISA聚类图中H-H、L-L、H-L、L-H 4个聚类类型分显著型和不显著型，H-H/(L-L)显著型为自身与邻近水产养殖面积和产量均为高值(或低值)，空间差异较小的县域空间单元；H-L/(L-H)显著型为自身养殖面积和产量为高值(或低值)但周边为低值(或高值)，空间差异较大的县域空间单元。

由水产养殖面积局部自相关分析结果得知(图3-a)，从分布数量上看，大部分显著型空间单元属于H-H型(15个)和L-L型(22个)，所占显著型比重为90.24%，而L-H显著型仅4个，无H-L显著型；从分布空间上看，H-H显著型主要集中在川东岷江、沱江沿岸平原丘陵地区和嘉陵江、涪江中上游沿岸丘陵地区，这些地区为四川省水产养殖面积聚集区。L-L显著型主要分布在川西高山高原地区和川东盆周山区，L-H显著型紧邻H-H显著型呈离散分布。

由水产养殖产量局部自相关分析结果得知(图3-b)，从分布数量上看，与水产养殖面积类似，大部分显著型县域空间单元属于H-H型(12个)和L-L型(22个)，所占显著型比重为82.93%，而L-H显著型有6个，H-L显著型仅1个；从分布空间上看，除涪江流域梓潼县，H-H显著型主要集中在川东岷江、沱江沿岸平原丘陵地区，该地区为四川省水产养殖产量聚集区。L-L显著型与养殖面积L-L显著型类似，均分布于川西高山高原地区和川东盆周山区，而L-H显著型离散分布于H-H显著型周围，H-L显著型位于川西南地区西昌市。

图3 四川省水产养殖面积和产量的LISA聚类图Fig.3 LISA cluster map of aquaculture area and production in Sichuan province

基于上述结果，川东岷江、沱江沿岸平原丘陵地区(包括荣县、威远县、资中县、井研县、仁寿县、雁江区、简阳市)均为四川省水产养殖面积集聚区和养殖产量集聚区，该“热点”地区呈组团式集聚，与周边县域联系紧密，辐射带动作用强，池塘面积占比大，受湖泊水库清退政策影响较小。虽然嘉陵江、涪江中上游沿岸丘陵地区(包括阆中市、三台县、梓潼县、苍溪县、剑阁县)也拥有类似的水资源禀赋和地形条件(主要为浅、中丘)，其人口约403.33万人、GDP约889.67亿元，但比起以上岷江、沱江沿岸平原丘陵地区(714.64万人和2228.06亿元)，后者人口众多、市场广泛，受成都大都市圈辐射，经济支撑方面优势也明显，所以川东岷江、沱江沿岸平原丘陵地区为四川省的主要水产养殖业集聚区。

2.2 四川省水产养殖业影响因素

2.2.1 因变量选取 衡量地区水产养殖业发展的指标主要有养殖产量、养殖技术效率和养殖渔民收入等。由于养殖产量能最直接、最客观地反映水产养殖业发展规模和水平，故该文选取养殖产量作为衡量水产养殖业发展的指标，即因变量。

2.2.2 自变量选取 水产养殖产量受多重因素影响，参考已有相关文献对水产养殖产量影响因素的研究[9，19-21]，整体可概括为养殖产出因素和社会经济因素两大类，养殖产出因素是指水产养殖活动产出数量的直接影响因素，而社会经济因素是指限制水产养殖活动的间接影响因素，具体影响因子构建情况见表2。

2.2.3 基于地理探测器的主要影响因子识别 养殖产量影响因素中有可能包含相互重复的的信息，并且对养殖产量的影响程度不一样，利用地理探测器可以识别无效因子和主导因子，避免信息冗余和多重共线性问题。基于探测结果，结合因子探测q值及显著性检验，由表3可知，各因子对水产养殖产量影响强弱依次为：x1>x6>x4>x2>x8>x9>x7>x5>x3。其中，x3、x5、x7、x9的q值相对较小，对因变量影响程度较弱，故排除这4个影响因子。x1、x2、x4、x6、x8的q值明显高于其余因子，且均通过0.001显著型检验。由于x6与x8均表示人口因素，降维合并为一个因子可以避免研究的重复性。故该文筛选后的4个主导因子分别x1(养殖面积)、x2(平均单产水平)、x4(淡水鱼苗数量)及x6(养殖劳动力)。

表3 地理探测器探测结果

2.2.4 基于GWR的影响因素空间异质性分析 通过对水产养殖产量及其主导因子的地理加权回归运算，各系数描述性统计见表4，结果表明除养殖劳动力外，其余自变量的回归系数符号均为正，说明四川省各县域的养殖面积、淡水鱼苗数量和平均单产水平对养殖产量都为正向效应，而养殖劳动力的正负值回归系数在空间上波动较大，说明其对养殖产量的影响不稳定。为进一步探究水产养殖产量影响因素的空间变异特征，通过GIS平台对各自变量的系数值进行空间可视化，可以更直观地表达和分析各变量对养殖产量影响的空间变异，结果如图4所示。

表4 GWR模型回归系数描述性统计分析

水产养殖水体是水产养殖活动的自然基本载体，养殖面积是衡量水产养殖业发展的基本和重要指标。从回归系数的空间分布(图4-a)上看，由中部向南北两边逐渐减小，最大间隔值分布于川东成都、资阳、雅安、乐山、自贡等市所辖部分县域，最小间隔值出现在川西南攀枝花市和凉山州地区。这说明岷江、沱江沿岸平原丘陵地区水产养殖产量受养殖面积影响较大，其原因主要与水资源和养殖方式有关。岷江、沱江沿岸平原丘陵地区地势平坦开阔，水系辐射面积广，除了不同大小面积的湖泊水库，坑塘遍布，养殖方式多为池塘养殖，平均单产最高(8255.76 t/hm2)，以成都市为例，池塘养殖面积占养殖规模的68.27%，养殖产量占比则高达78.55%；而川西南高山地区位于雅砻江中下游，养殖方式多为湖泊、水库等大水面，平均单产较低，例如凉山州湖泊水库养殖面积占比高达86.47%，但产量仅占24.99%。

图4 四川省各县域GWR模型回归系数空间分布Fig.4 The spatial distribution of the regression coefficients of the GWR model in each county in Sichuan province

平均单产代表了区域水产养殖水平和能力，提高平均单产能提升水资源利用率和水产养殖效益。从回归系数的空间分布(图4-b)上看，由东北部向西南部逐渐减小，最大间隔值位于川东达州市，最小间隔值广布于川西南整个地区和川西北甘孜州。这说明川东东部盆周山区水产养殖产量受平均单产影响较大，而影响平均单产的因素有很多，包括养殖品种结构、养殖方式、科学技术创新等。众所周知，“青草鲢鳙”四大家鱼繁衍快、产量高，达州市四大家鱼产量占比高达70.03%，并且池塘养殖面积占养殖规模的40.52%，养殖产量占比高达72.44%。此外，达州市渔业信息化、自动化水平较高，如达州市开江县率先建立了智慧农业管理中心和农产品溯源信息化系统，园区农业综合机械化率更达到90%以上；而川西南地区如凉山州，四大家鱼产量占比34.46%，养殖方式也多以湖泊水库，渔业技术创新水平也较低。

淡水鱼苗数量代表资本投入力量，能一定程度上反映水产养殖规模。从回归系数的空间分布(图4-c)上看，由北部向南部逐渐减小，最大间隔值分布于川东巴中市、广元市和川西北阿坝州九寨沟县，最小间隔值分布于川西南攀枝花市、凉山州部分县域和川西北甘孜州部分县域。这说明川东北部盆周山区水产养殖产量受淡水鱼苗数量投入影响相对较大，但总的来说淡水鱼苗数量回归系数均值及其极差都较小，表明淡水鱼苗数量对提高水产养殖产量的边际报酬减小，空间异质性也相对较弱。根据边际报酬递减定律，新增越多的淡水鱼苗投入量，其边际养殖产量会越小，而淡水鱼苗投入数量主要集中在川东平原、丘陵地区，表明其新增的淡水鱼苗投入数量并不会对养殖产量带来太大的边际报酬；而川东北部盆周山地区的新增淡水鱼苗投入数量对养殖产量带来的边际报酬则相对较好。

养殖劳动力与养殖产量关系较为复杂，125个县域单元中为负向效应的有47个，占比约37.6%。从回归系数的空间分布(图4-d)上看，由东南部向西部逐渐增加。川西地区为正高值聚集区，最大间隔值出现在甘孜州、阿坝州和凉山州部分县域，川东盆地为负高值聚集区，最大间隔值广布于盆地南部。这说明养殖劳动力为川西高山高原地区水产养殖产量的重要影响因素，而对川东盆地地区影响绝对值较小，且为负向影响，其原因与社会经济背景、养殖方式、养殖水平等有关。川西高山高原地区经济相对较落后，劳动力吸引力较弱，其中甘孜州、阿坝州、凉山州和攀枝花市养殖劳动力数量仅占全省规模的2.38%，并且养殖方式以大水面养殖为主，养殖水平较低，集约化程度不高。当地水产偏劳动力导向型，此地区养殖潜力较大，养殖劳动力需求也较高，养殖劳动力的投入会增加水产养殖产量；而川东盆地地区经济发达，人口基数大，劳动力吸引力也较强，其中仅内江市、资阳市、宜宾市三市养殖劳动力数量就占全省总计的33.76%，此外，该地区养殖方式以池塘养殖为主，养殖水平较高，养殖规模也较大。一方面此地区养殖劳动力数量较多，处于高位饱和容纳状态；另一方面随着水产养殖集约化程度的提高，对劳动力数量的依赖程度降低，在养殖规模不变的前提下，养殖劳动力数量的增加不会对水产养殖产量起增量作用。

3 讨 论

随着我国特色社会主义步入新时代，渔业方面的主要矛盾已经转化为人们对优美生态环境和优质水产品的需求与渔业发展不平衡不充分之间的矛盾，落实生态文明建设和推进渔业供给侧结构性改革是解决这一矛盾的主要方式之一。四川水产在面临资源与环境的约束限制作用下，如何将资源和环境因素变成经济增长的外生变量，以资源节约环境友好的方式获得产业经济高质量发展增长，规模化、集约化的养殖方式是实现这一目标的有效之路[11, 22-23]。

由于四川省各县域水产养殖业空间关联格局及关联程度不同，影响四川省各县域水产养殖业因素程度不同，所以不同区域应该立足各自的资源禀赋、气候条件、产业基础、功能定位和社会经济背景，因地制宜地优化调整水产养殖业空间布局。

(1)在川东平原丘陵地区，尤其是岷江、沱江沿岸水产养殖业地理集聚区，水产受养殖面积影响较大。应继续以池塘养殖为基础，利用现有基础放大水产养殖业集聚效应，充分发挥专业大户、家庭渔场、养殖合作社和龙头企业等新型养殖经营主体的示范带动作用；与此同时，对水产养殖业产业集聚区也要科学明确其养殖容量。合理结合指标管控池塘养殖规模和密度，减排二氧化碳，有效防止水产养殖环境污染，并鼓励间养、轮养、混养等多种不同的生态养殖模式；为强化该组团式规模集聚区对全省水产养殖业发展的支撑与带动作用，在保持其产量优势的同时，应推动水产养殖与农业、加工、物流、休闲等一二三产业融合发展，延伸产业链，促进水产养殖综合效益，如稻鱼综合养殖和休闲渔业等；最后，由于该区域水产受淡水鱼苗数量和养殖劳动力影响较小。应加强产学研紧密结合和增强农渔民技能水平，推动水产产业发展由主要依靠淡水鱼苗数量和养殖劳动力等生产要素投入逐步向依靠科技进步和提高劳动者素质转变。

(2)在川西高山高原地区和川东盆周山地区，水产养殖产业集聚程度低，水产受养殖面积影响较小，湖泊和水库所占比例较大，应清退湖泊、大中型水库人工养殖，充分利用天然水面和人工库湖发展水产增殖，逐步减少投饵网箱养殖，适当投入不投饵滤食性生物如鲢鳙、鲴、罗非鱼和贝类等以改善水生态环境；该区域旱期较长，尤其是川西南攀西地区，养殖面积有限。应充分利用沼泽地、低洼地和盐碱地养殖，鼓励有条件的地区发展工厂、大棚和网箱等集约化设施养殖，提高水资源利用率，促进土地资源节约集约利用；该区域盆周山区高山流水，水温偏低，水质清澈，有利于各种冷水性名特优鱼类的生长繁殖、移养、驯化。应充分发挥该区域冷水资源优势，构建独具特色的冷水鱼产业园区，重点围绕土著品种如雅鱼和引进品种如鲟鱼、鲑鳟鱼等打造高端特色冷水水产品品牌，发挥区位产业的比较优势；该区域水产受养殖劳动力影响大，但养殖劳动力吸引力又较弱。应加大财政投入扶持力度，吸引一批专业养殖劳动力，推动区域水产养殖业健康可持续发展；此外，也要把渔业科技创新作为贯彻水产养殖发展的第一动力，加强科技研发投入，提高该区域水产养殖平均单产水平。

4 结 论

(1)基于全局和局部的空间自相关结果，四川省各县域水产养殖业的整体空间关联格局呈显著正相关，岷江和沱江沿岸平原丘陵地区(包括荣县、威远县、资中县、井研县、仁寿县、雁江区、简阳市)为该省的主要水产养殖业集聚区。

(2)基于地理探测器结果，养殖面积、养殖劳动力、平均单产水平、淡水鱼苗数量和人口5个指标q值较大并均通过显著性检验。由于养殖劳动力和人口均表示人口因素，为降低研究的重复性，两者选取其中q值较高的养殖劳动力，再加上其余主导指标共4个指标作为四川省水产养殖产量的主导因子。

(3)基于地理加权回归模型结果，各主导因子回归系数中，养殖面积为正向效应，影响程度由中部向南北两边逐渐减小；平均单产为正向效应，由东北部向西南部逐渐减小；淡水鱼苗数量为正向效应，由北部向南部逐渐减小，但回归系数均值及其极差较小；养殖劳动力由东南部向西部从负值向正值过渡且逐渐增加。