陈红，周思姝，韩哲英
（1. 东北林业大学 经济管理学院，黑龙江 哈尔滨 150040；
2. 徐州工程学院 商学院，江苏 徐州 221018）
温室气体大量排放导致的全球气候变暖趋势仍在持续，已经严重威胁到自然生态系统平衡和人类健康与生存。我国承诺在2030 年实现“碳达峰”，在2060 年实现“碳中和”，目前全球每年的温室气体近20%来自农业和土地的使用，且农业的生产过程具有碳源和碳汇双重作用，因此，将“水—土—能—粮—碳”适配概念引入粮食生产投入产出分析框架，构建量化评价模型，探究我国省域下“水—土—能—粮—碳”适配的空间异质性及其影响因素，有利于制定差异化的政策，促进低碳农业发展。
水资源、能源、粮食是人类赖以生存和发展的基础。自2011 年首次将水资源安全、能源安全和粮食安全三者视为纽带关系[1]提出后，联合国粮农组织、国际可再生能源机构等机构相继出版水资源、能资源和粮资源（WEF）系统纽带关系的报告。三者的关系及影响成为学界研究的热点问题。一方面，将三大要素作为一个整体，考察系统间的相互关系，并进一步分析三者关系对粮食生产的影响。Mabhaudhi 等[2]、Mpandeli 等[3]、Nhamo 等[4]针对南非的粮食、水源和能源安全问题，基于层次分析法建立综合WEF 分析模型，评价了南非灌溉农业的现状，并评估了改善灌溉农业的可能性。另一方面，从农业生产角度出发，探究农业生产过程中水、能、土等基本投入要素和产量产出及效率的关系。鲁仕宝等[5]量化分析了我国华东地区伴随粮食及能源流动的虚拟水流动情况，通过WEF 协同分析，为华东地区水资源的可持续性发展提出综合政策建议；
江文渊等[6]的研究考虑“水—土—能—碳”关联，构建了我国工农业碳排放效率投入产出测度指标，得出影响农业碳排放效率最重要的因素是土地资源投入过剩的结论；
张静静等[7]采用时空双固定效应空间误差模型（SEM）研究证明水—能源—粮食绿色全要素生产率影响因素的作用程度由大到小分别是社会因素、经济因素、饮食结构因素、教育因素、技术因素；
秦腾和佟金萍[8]选择空间滞后模型（SLM）分析发现技术进步、人力资本水平、对外开放程度和产业结构是推动长江经济带水—能源—粮食耦合效率提升的重要因素。
粮食生产依赖于水、土和能源等基本生产要素，并且化肥、农药、地膜、农机设备的运用与灌溉设备的使用在农业生产中直接和间接地产生碳排放或造成土壤有机碳的遗失。本文将以粮食生产为研究对象，采用协调适配综合评价模型，构建“水—土—能—粮—碳”适配指标体系，并运用空间自分析方法和地理探测器模型探究31 个省域尺度下“水—土—能—粮—碳”适配水平的空间异质性及其影响因素，为制定差异化的低碳农业政策提供依据。
2.1 协调适配综合评价模型
著名物理学家哈肯在1976 年系统地论述了协同理论，此后协同学在社会科学界方兴未艾。李汉卿[9]对协同治理理论的基本内涵做了初步分析；
孟庆松和韩文秀[10]以协同学的序参量原理和役使原理为基础，主要考虑遵循科学性与实用性原则，提出建立整体协调度模型来研究社会科学问题。近年来，有学者[11-12]构建多元耦合协调度模型测算经济与环境的耦合协调度，也有学者[1,13]构建多元协调适配综合评价模型，评估资源、产业结构间的协调适配类型。“水—土—能”投入子系统和“粮—碳”产出子系统通过内部要素彼此产生作用，具有一定的耦合性。对粮食投入产出协调适配程度的测评，便可转变为对复合系统的有序度进行测评。因此，本文构建“水—土—能—粮—碳”协调适配综合评价模型，对各省“水—土—能—粮—碳”协调适配度进行评价分析。
2.1.1 适配度指标体系
本文所构建的适配度指标体系如表1 所示。由于播种面积与用水量成正比，传统上将农业用水量作为水资源的衡量指标就无法体现出水资源与土地资源间的差别。本文提出用节水灌溉机械数量与灌溉面积之比作为水资源指标参与适配度计算。每千公顷土地上的节水灌溉机械台数即节水灌溉机械密度，反映了该区域在水资源利用方面的技术成效，更符合本文提出的“适配”。土地资源指标用粮食播种面积来表征，直接反映地区土地禀赋条件。能源指标的量化采取农用化肥、农药、农膜和柴油的使用量总和与比例系数α的乘积，比例系数=粮食播种面积/总播种面积。由于本文是想考察各地区农业投入产出的适配情况，所以粮食指标用产量来代表。对于粮食碳排放的测算，根据联合国政府间气候变化专门委员会推荐的思路，本文借鉴胡婉玲等[14]的排放因子法。粮食生产过程中的碳源主要包括化肥、农膜、柴油、农药、灌溉和播种等六个方面，各个碳源排放量乘以其对应的碳排放系数（表2），再相加求和即为粮食碳排放量，具体公式为：
表1 “水—土—能—粮—碳”适配指标体系
表2 农业碳排放系数
式中：PLj表示j地区粮食碳排放量，PAji表示j地区农业第i类碳源量，θi表示第i类碳源的碳排放系数。
2.1.2 功效函数
采用功效函数对数据进行无量纲化处理，公式如下：
式中：αi、βi为系统稳定时指标变量Xi临界点的上、下限，本文以指标的最大值、最小值作为上、下限。水、土、能、粮都采用正功效函数，“碳达峰”目标下，农业碳足迹越少越好，所以碳指标采用负功效函数。投入子系统功效函数为：为第j个区域各指标对投入子系统的总贡献，λi为指标变量的权重，采用熵值法[16]确定，同理可得产出子系统功效函数为：
2.1.3 耦合度函数
本文依据物理容量耦合概念建立耦合系统，定义C为两个子系统的耦合度，其二维耦合度计算公式为：
式中：0 ≤C≤1，C值越接近1，耦合程度越高，子系统间或子系统内部要素间离散程度越低，其要素是协调有序发展的，趋向于达到共振耦合。
2.1.4 协调适配度函数
耦合度用于衡量各子系统间或者系统内部要素间有序程度的大小，但其结果只能从数理角度反映系统的同步状态，无法良好表征系统的实际适配质量。因此，构造一个“纳含定性的定量”函数来反映U和V的时空动态协调和发展水平，即U和V耦合的协调适配度函数：
为使评价结果直观清晰，此处借鉴杨丽霞等[17]的研究成果，按协调适配度的高低以及投入产出的相对关系划分为二级评价，形成多层次的评价体系，如表3 所示。
表3 多层次的协调适配度评价与对应等级
2.2 空间自相关分析
空间自相关分析以地理学第一定律作为理论基础，即任何东西与别的东西之间都是相关的，但近处的东西比远处的东西相关性更强。空间自相关主要描述相邻阈值的空间自相关性与相似程度，揭示不同空间或相邻区域的相关性，主要包括全局、局域两个层面。前者用来描述指标综合空间分布特征，以及指标在空间上的差异与关联性，进而判别区域化变量在研究区内是否存在空间聚集区和空间孤立区；
后者则揭示指标在某区域的空间分布特征以及各区域的分布差异性，指出空间聚集区和空间孤立区在研究区内的位置。全局空间自相关常用全局莫兰指数（Moran’s I）测度，取值范围为[-1, 1]，计算后一般还需采用Z检验[18]对其结果进行统计检验。局域空间自相关的衡量采用局部莫兰指数（Local Moran’s I），从本质上看，Local Moran’s I 是将Moran’s I 分解到各个区域单元[19]。Anselin[20]将局部莫兰指数称为LISA，即空间联系局域指标（Local Indicators of Spatial Association, LISA）。相关计算公式为：
式中：A为空间中所含的单元数量；
x为属性数据，xi、xj分别为属性值x在区域i和j的观测值，wij为空间权重矩阵，表示各空间单元邻近关系。
本研究还将利用局部空间自相关指标结合Moran 散点图和LISA 聚集图将“水—土—能—粮—碳”协调适配度空间分布划分为四种类型：“高—高”“低—低”为空间聚集，表示研究区域自身与其周围研究区域的适配度都较高或较低，二者的空间差异程度显著较小，空间自相关程度较高；
“低—高”“高—低”为空间孤立，表示某研究区域自身其周围研究区域处于适配度高低相邻的状态，二者的空间差异程度显著较大，空间自相关程度较低。
2.3 地理探测器模型
本文考虑到影响适配度的诸多因素存在自相关性，且想探究多因素共同作用的结果，所以选择地理探测器模型。地理探测器是由王劲峰和徐成东[19]提出的探测空间分异性、解释事件背后驱动因子的一种新的统计学方法。地理探测器分为四部分：风险探测器、因子探测器、生态探测器与交互探测器。其中因子探测器公式如下：
式中：h=1, 2, …,L为变量的分层，即分类或分区；
Nh和N分别为层h和全区的单元数；
和σ2分别是层h和全区的Y值方差；
SSW和SST分别为层内方差之和及全区总方差；
q的值域为[0, 1]，值越大表示自变量X对属性Y的解释力越强，反之越弱。其他探测器通过数据的组合与变化并利用该公式计算而得到结果。
2.4 数据来源
以中国31 个省份（不包括港澳台地区）为基本空间单元，全国省级行政区划矢量数据来源于国家测绘地理信息局提供的数据，省域原始数据来源于2020 年、2016 年、2012 年和2008 年的《中国统计年鉴》《中国农村统计年鉴》《中国基本单位统计年鉴》《中国第三产业统计年鉴》《中国城市建设统计年鉴》《中国财政年鉴》，为使数据具有可比性和可操作性，对部分数据进行标准化处理或离散化分层处理。
3.1 协调适配度评价及结果分析
利用2019 年、2015 年、2011 年、2007 年的数据，对全国31 个省份“水—土—能”投入子系统与“粮—碳”产出子系统所组成的耦合系统的协调适配性进行测度，评价结果见表4。
表4 “水—土—能—粮—碳”协调适配结果
从近12 年的时空演化角度来看，大部分省份2007—2019 年“水—土—能—粮—碳”协调适配水平的变化幅度不大，基本稳定在各自的一级、二级评价范围内。但是也有例外的情况，比如，上海的“水—土—能—粮—碳”适配度在2011 年达到0.406 4 后，一路下跌到2019 年的0.166 9，由临界适配省份直接变为耦合失谐省份；
与此相反，西藏从2011 年的0.000 0 上升到2019 年的0.160 0，虽然仍处于耦合失谐区，但已经取得了不小的进步。
由图1 可知，我国“水—土—能—粮—碳”协调适配度中等，处在临界适配区的省份共18 个，处在协调适配区的省份共10 个，处在耦合失谐区的省份有3 个，即临界区间的地区所占比重最大，表明我国粮食投入产出适配水平还有很大的提升空间。2022 年中央一号文件指出，要不断提高主产区粮食综合生产能力，切实稳定和提高主销区粮食自给率，确保产销平衡区粮食基本自给。由表5 可知，适配度排名前13 的省份恰好都是我国粮食主产区省份，其中，河南、黑龙江、山东3 个农业大省的适配度位于前列。2019 年粮食主产区的粮产合计52 371 万吨，占全国总产量的78.90%。北京、天津、上海、浙江、福建、广东、海南这7 个主销区省份的适配度均值为0.375 3，基本处于协调适配区间的较低水平，这些省份的发展重心本就不在农业，想要稳定提高粮食自给率，可以利用区域协调发展优势，在粮食生产战略上做出相应调整。例如，上海、浙江地处长江三角洲，可以与安徽、江苏优势互补形成粮食产销一体化格局。产销平衡区的省份分布在西南、西北地区，适配度均值为0.413 1，西南地区的情况优于西北地区，这也符合地形、气候条件差异。此外，“水—土—能—粮—碳”的协调适配度呈现出极其显著的区域差异，最大值是最小值的5.27 倍，差距达到0.683 5，说明全国各省的粮食投入要素利用效率存在明显差异，发展不平衡。
图1 “水—土—能—粮—碳”适配度（2019年）
表5 “水—土—能—粮—碳”协调适配分区（2019年）
3.2 空间异质性分析
基于Geo Da 和ArcGIS 10.0 软件平台，可以得到全局空间自相关分析全局Moran’s I 值为0.261 ＞0，P值为0.01，这说明各省“水—土—能—粮—碳”适配度分布具有显著的空间赖特征，呈聚集性分布。由图2 可知，“水—土—能—粮—碳”适配度主要按东北、中原、东南、西南、西北依次递减，黑龙江、河南、山东等粮食大省的“水—土—能—粮—碳”适配度最高，青海、西藏、上海等畜牧区和经济中心区的“水—土—能—粮—碳”适配度最低。
图2 全国“水—土—能—粮—碳”适配度分布图
适配度空间聚类状况通过LISA 聚集图呈现。具体而言，吉林、河北、山东、河南、安徽属于高—高型省份，表示自身和周边省份的“水—土—能—粮—碳”适配度均较高，呈现出正向相关性；
新疆地处西北地区，属于低—低型省份，表示自身和周边省份的“水—土—能—粮—碳”适配度均较低，呈现出正相关性；
山西是低—高型省份，表示自身较周边省份的“水—土—能—粮—碳”适配度低，空间差异大，表现为负相关，异质性突出；
四川地处西南是高—低型省份，由于优越的地势条件和气候条件，自身较周边省份的“水—土—能—粮—碳”适配度高，空间差异大，表现为负相关，异质性突出。其他省份的适配度空间关联性不强。
3.3 影响因素
3.3.1 指标选取及其机理分析
由上述“水—土—能—粮—碳”适配度空间分异特征可知，各省粮食生产要素适配水平具有显著空间差异，深入探讨影响各地区粮食投入产出要素适配的因子十分必要。根据适配度衡量指标和现有研究，结合全国农业发展的现实及数据的可获得性，本文主要从五类影响因素进行考察，如表6 所示。
表6 影响因素指标体系
（1）生产性服务业水平。农业生产性服务业主要是指对农业生产全过程提供金融、科技、信息、流通等多方面服务的产业，是农业供给侧的重要组成部分。有学者[21]研究发现农业生产性服务业发展对农业全要素生产率具有正向的空间溢出效应，能够指导粮食主产区加强农业生产信息平台建设、推进各产区间的沟通合作。因此，农业生产性服务业对农业生产效率有正向影响，其对农业生产要素适配以及与技术、财政资金的交互作用效应强度值得进一步检验。参照张恒和郭翔宇[22]的研究，选取农林牧渔服务业产值作为农业生产性服务业的衡量指标。
（2）技术水平。本文测算适配度所采用的水资源指标考虑了技术进步的因素，科技下乡也一直是国家政策导向，因此，选取谷物种植企业法人单位数作为指标来探讨技术支持对适配度的影响大小是很有必要的，这也是考察市场经济提供的技术保障对农业生产所带来的影响。
农村地区落后的教育水平一直是农村经济发展的“绊脚石”，所以乡村振兴要先振兴乡村教育，在国家的大力支持下，农村义务教育普及率连年升高，《中国农村教育发展报告2017》公布农村在校生占全国在校生总数的2/3。一方面，农村人口受教育范围扩大在一定程度上影响了农户兼业化选择，形成“忙时务农、闲时务工”的工作结构，兼业使农户家庭农业劳动时间被非农劳动时间替代，减少了农户的田间管理劳动时间[23]，甚至会造成无人种粮局面；
另一方面，劳动力接受教育能够提高农业生产技术水平，科学合理地进行粮食生产。本文用各地区乡村未上过学人口数与6 岁及以上人口数之比作为衡量指标。
（3）财政支农。财政拨款体现国家政策导向，被扶持产业得到财政资金支持后在客观与主观上都能够得到一定的保护和发展。粮食安全是基础性的战略产业，是乡村振兴的题中应有之义，稳步抓好国内粮食生产与供给是确保国家粮食安全的核心工作[24]。有学者研究发现东部地区的财政支农效率和财政支农规模效率都要优于西部地区[25]，故认为有必要检验财政支农对粮食生产要素适配度空间特征的影响。结合所选取的其他几类影响因素，本文选取1988—2017 年全国农业综合开发分项目投资情况中的财政资金数额作为财政支农指标，投资项目包括土地治理项目、产业化经营项目和科技示范项目。
（4）城镇化。农村劳动力外流是城镇化的必然结果，王跃梅等[26]对1978—2008 年的相关数据进行分析，在研究中发现劳动力外流反而提高了粮食产量，主要得益于税费减免、惠农政策等的激励作用和农业技术进步，但局部地区农村劳动力外流已导致粮食生产播种面积减少，甚至出现撂荒现象，基于此，本文选取各地区乡村人口数作为衡量指标，检验劳动力城镇化程度对“水—土—能—粮—碳”适配度的影响。
土地城镇化是农业用地转变为城市建设用地的过程。为了满足人口城镇化带来的城市空间需求，不得不扩大城市范围，而要解决中国十几亿人吃饭的问题，就必须守住十八亿亩耕地红线。探讨土地城镇化对“水—土—能—粮—碳”适配度空间异质性的影响力大小可以明确各地区耕地补偿政策的制定方案，清楚哪些地区“寸土寸粮”，哪些地区还可以进一步规划城市用地，避免利用城镇化政策便利占用耕地、以次偿好等行为。参考姚成胜等[27]的研究，土地城镇化水平用各省份城市建成区面积占城市面积比重来测度。
（5）自然条件。由于本文粮食生产要素适配考虑了碳，所以用“空气质量达到及好于二级的天数”作为自然条件的衡量指标，一方面进一步检验碳排放对适配度的影响程度，另一方面考察空气质量对适配的反作用效应。
地理探测器分析涵盖因子探测、风险探测、生态探测和交互探测等内容层面，其中因子探测可以定量测度自变量对因变量的作用强度，交互探测可用以识别两个自变量联合作用时对因变量的驱动强度变化，两者结合有利于深入了解“水—土—能—粮—碳”适配度的影响因素作用强度。因此，本文重点关注因子探测和交互探测的结果。
首先利用ArcGIS 软件中的自然间断点分级法对所选取的探测因子进行离散化分层处理，将7 个解释变量分别处理为7 类属性数据，然后利用地理探测器模型计算出各探测因子对“水—土—能—粮—碳”适配度的影响力q值，识别出主导因子，并对各因子间的交互作用进行检验。由于地理探测器模型对自变量共线性“免疫”，因而无需进行共线性诊断[19]。
3.3.2 实证结果分析
根据单因子探测结果（表7）可知，除乡村受教育程度（X3）和空气质量（X7）外，其他5 个因子均通过显著性检验。q值大小表示因子影响力大小，农业项目财政拨款（0.828 0）、技术提供（0.649 3）和劳动力水平（0.631 0）是“水—土—能—粮—碳”适配度的主导因素。这表明加大财政资金支持、推进科技下乡以及适当增加劳动力数量，是当前中国推动“水—土—能—粮—碳”适配的主要端口。
表7 单因子探测结果
双因子探测结果成阶梯状排列，对角线左下方的数值是双因子作用的q值，表示各因子两两交互共同产生的影响力大小。由表8 可知，所有因子交互呈现非线性增强或相互增强。特别地，单因子探测结果中未通过显著性检验的因子乡村受教育程度（X3）和空气质量（X7）之间呈非线性增强，表现为q(X3∩X7)＞q(X3)+q(X7)；
其余任何两个因子之间呈相互增强，例如，q(X1∩X2)＞max[q(X1),q(X2)]。任何两个因子对适配度的交互作用值均大于其中某个因子的单独作用值，且单独作用不显著的因子结合后显著增强解释力，说明因子间的交互作用增强了其对“水—土—能—粮—碳”适配度的影响。综合来看，“水—土—能—粮—碳”适配度受多种因素的综合影响，各种影响因素的综合作用对“水—土—能—粮—碳”适配度的影响远大于单一影响因素对其产生的影响，因此，要在全局高度上进行相关政策制定，考虑各项政策之间的配合效应。例如，技术提供（X2）和农业项目财政拨款（X4）的交互作用强度达到0.955 2，说明如果加大在科技示范项目中的财政拨款金额将会取得更好的效果。
表8 双因子探测结果
在协调适配度结果及分析部分，依据“水—土—能—粮—碳”适配度数值，将31 个省份划分为三大区域，分别是协调适配区、临界适配区、耦合失谐区。为了更好地识别三大区域粮食生产要素适配的主导因子，进而服务于差别化的粮食生产补偿政策的制定，本文将利用表7中通过显著性检验的5 个影响因素再次进行因子探测。结果发现，协调适配区的主导因素是技术提供（0.712 0），紧随其后的是农业生产性服务业（0.611 6）。位于协调适配区的省份都是国家粮食主产区，肩负着对内供给、对外调粮的重任，自然资源、人力资本等都处于较为优秀的水平，当务之急是进一步提高技术水平，科学种粮。临界适配区的主导因素是劳动力水平（0.747 3），此外，农业生产性服务业（0.626 1）和农业项目财政拨款（0.571 3）对其也有很大的影响。农业生产性服务业对于协调适配区和临界适配区的适配度影响力都很高，表明激发农业生产性服务业活力，促进各地区优势互补，打造粮食生产产业链一体化，有助于协调粮食生产要素适配，提高粮食产量。耦合失谐区的主导因素是技术提供（0.996 3）和农业项目财政拨款（0.996 3），青海和西藏的地理条件限制了其经济发展，自然在农业方面缺乏技术缺资金，上海则是由于其“国际大都市”的经济任务无需将发展重心放在粮食生产上。
本文主要结论如下：（1）我国“水—土—能—粮—碳”适配度整体水平一般，适配度临界区间的地区所占比重最大，各省份的粮食投入要素利用效率存在明显差异，发展不平衡。（2）中国“水—土—能—粮—碳”适配度存在空间异质性和相关性。空间异质性表现为“水—土—能—粮—碳”适配度主要依东北、中原—东南—西南、西北递减，黑龙江、河南、山东等粮食大省的“水—土—能—粮—碳”适配度最高，青海、西藏、上海等畜牧区和经济中心区的“水—土—能—粮—碳”适配度最低。空间相关性表现为吉林、河北、山东、河南、安徽呈现高—高聚集，新疆地处西北呈低—低聚集，山西表现为低—高聚集，四川则表现为高—低聚集。（3）在地理探测器模型单因子探测下，农业生产性服务业、技术提供、农业项目财政拨款、劳动力水平、土地城镇化等因素均对“水—土—能—粮—碳”适配度有显著解释力，q值分别为0.580 2、0.649 3、0.828 0、0.631 0、0.544 2，农业项目财政拨款的影响力最大。双因子探测结果表明7 个影响因子两两交互均对“水—土—能—粮—碳”适配度有较强解释力。协调适配区的主导因子是技术提供，临界适配区的主导因子是劳动力水平，农业生产性服务业水平对于绝大多数地区的“水—土—能—粮—碳”适配度都有较大影响。
为改善我国各区域“水—土—能—粮—碳”的适配状况，提出以下政策建议：（1）主产区，“水—土—能—粮—碳”的适配度（0.672 2）相对较好，应继续加大财政在农业科技项目的投资，提升生产性服务水平，加强高标准农田建设，推进“藏粮于地，藏粮于技”战略实施，保持并提升适配度，不断提高主产区粮食综合生产能力。（2）主销区，“水—土—能—粮—碳”的适配度（0.375 3）最差，但这些地区经济发展水平较好，人力资源丰富，应加强与主产区的农业合作，实现资金、技术、管理、人才、农机等农业生产要素的流动和共享，建立省际间利益补偿制度，加快高新技术与粮食生产过程融合，使粮食生产能力与经济发展水平同步增长，稳定和提高主销区粮食自给率。（3）产销平衡区，“水—土—能—粮—碳”的适配度（0.413 1）居中，其中，新疆地处西北呈低—低聚集，山西表现为低—高聚集，四川则表现为高—低聚集，各省份的适配度和聚集度及影响因素比较复杂，应根据不同省份的特点，补齐短板，重点突破。对干旱半干旱地区，应依靠技术进步，发展能适应干旱地区的品种，创新节水用水模式，提高水资源有效利用率。
猜你喜欢省份粮食因子珍惜粮食品牌研究(2022年26期)2022-09-19珍惜粮食 从我做起快乐语文(2021年36期)2022-01-18请珍惜每一粒粮食小天使·一年级语数英综合(2021年10期)2021-10-20因子von Neumann代数上的非线性ξ-Jordan*-三重可导映射数学物理学报(2021年4期)2021-08-30一些关于无穷多个素因子的问题中等数学(2020年1期)2020-08-24影响因子文化创新比较研究(2020年8期)2020-01-02谁说小龙虾不赚钱？跨越四省份，暴走万里路，只为寻找最会养虾的您当代水产(2019年11期)2019-12-23我的粮食梦中国粮食经济(2018年11期)2018-12-27我的健康和长寿因子特别健康(2018年3期)2018-07-04因地制宜地稳妥推进留地安置——基于对10余省份留地安置的调研中国土地科学(2014年4期)2014-03-01