展粮食应急储备的规模与选址

一、概 二、粮食应急储备需求点和供给点的确 影响因 生产环节安全指 分配环节安全指 交换环节安全指 消费环节安全指 粮食应急的安全脆弱性评价模 因子分 粮食应急需求点和供给点的确 聚类分 三、粮食应急储备的选址与规模的确 现有文献应急选址考虑的目 现有文献应急选址考虑的约 现有的选址模型 四、后续研 参考文 一、概述粮食应急储备保障体系是关系国计民生与国家安全的重大事项，特别是遇到突发事件时，及时保障粮食供应是抵御、稳定社会的基本保障。在突发发生时，粮食应急储备保障体系将利于部门对受灾地区做出快速的响应，及时的满足受灾地区对于粮食的应急需求。但是，在近期国内外各类突发中，由于缺乏科学高效的粮食应急储于应的应急保障效果，造成了巨大的粮食浪费和经济损失。为应对发、障突发发生时，食供应的全，始建设应储省份的评价结果，应用聚类分析法将其划分为四个类别。在分析各类别省份粮食供需特点的基础上，提出了粮食应急储备的覆盖范围。然后，为了满足这些范围内的粮食需求，:1：研究框架二、粮食应急储备需求点和供给点的确定影响因素生产、分配、交换和消费等方方面面。在《<政治经济学>导言》中，对社会生产的四个环节，即生产、分配、交换、消费之间的关系做了精辟的辩证分析，的内在动机与目的。产品的分配则处产和消费之间，受生产决定，对生产具有反作用。是作为以生产和分配为一方，以消费为另一方的中介要素，它受生产决定，并反作用产。在社会再生产过程中，生产、分配、消费、交换是构成一个总循环的各个环节，一定的生产决定一定的消费、分配、交换和这些不同要素相互间的一定关系。当然，生产就其单方面形式来说也决定于其他要素，不同要间存在着相互作用。粮食产业也粮食风险存在于粮食系统的各个方面和环节，且各环节的风险程度有所差别，这就是时，随着时间的推移，各个环节的安全程度有可能发生变化。粮食系统不同环节上安全个我们引入粮食安全数这个综指标，并其分为三层次。第层是综合指标，代表粮食安全综合水平，以粮食安全综合指数表示。第二层是主体指标，代表粮食15项。根据以上三个层次设置的粮食安全评价指标体系框架如下：图2：粮食安全评价指标体系框架图现粮食安全的根本途径和治本之策。𝑋!=𝑄𝑆。其中，𝑋!为人均粮食占有率，S为粮食安全保障要求，Q为人均粮食占有量。不同历史阶段和条件下，粮食安全保障要求S的数量会有所差别。FAO，如果一个国家人均粮食年占有量低于400公斤则可能会危及粮食安全。而则进一步综合考虑了我国的人口比例、劳动人口的体力消耗程度、膳食营养标370公斤。借鉴以上标准，我们采用人均占有粮食400公斤为370350公斤为温饱线。人均粮食占有率越大，说明该地区人均拥有的粮食越多，突发应对能力就越强。粮食自给率=1­ 粮食净进口 粮食生产总 是：一国粮食自给率不小于90%为可以接受的粮食安全水平；若一国粮食自给率不小于95%，则基本上实现了自给。1996年颁布的《中国的粮食问题》白皮书，将我国的粮食自给率确定为95%及以上。粮食自给率越大，说明该地区的粮食自给能力越强，突发事现波动。粮食生产波动常用粮食生产波动系数（或变异率进算，其波动幅度的大映了粮食生产的安全程度。计算为：具体可以采用回归法或五年平均法对趋势产量进行预测。一般来说，粮食生产波动系数越大，说明粮食总产偏离趋势产量越远，稳定性就越差，粮食安全水平也就越低；粮发性④农业人口占比农业人口是指居住在农村或集镇，从事农业生产，以农业收入为主要生活来源的人的农业业的。农业人口的占比反映了一个地区在粮食生产上的人力资源投入情况。农业人口占比越大，说明该地区粮食生产越有保障，突发应对能力越强。粮食播种面积反映了一个地区在粮食生产上的土地资源投入情况。人均播种面积越大，说明该地区粮食生产越有保障，突发应对能力越强。、然响，给群众造成不同程度的损失，为了及时、准确地掌握自然造成的损失，因此，在灾1成以上的农作物播种面积。如果同一地块的当季农作物多次受灾，只计算其中受灾最重的一次。受灾面积体现了气候变化对粮食产量的影响。受灾面积占土地总量越大，粮食产量农业生产资料价格指数反映了一定时期内农业生产资料价格变动趋势和程度的相具、化学肥料、及械、农用机油、其他农业生产资料、农业生产服务十个大类。农业生产资料价格指数越高，农民在粮食生产上的成本投入越大，种粮的积极性越差，突发应对能力就越弱本之比，即种粮成本利润率 出的代价越小，成本费用控制得越好，能力越强。粮食安全问题直接表现为粮食过少根源在于粮食过多时农民种粮收益没有得到很好保障。在1996年粮食丰收后，尽管国家启动保护价收购政策，但是农民的种粮收益仍从1996年开始逐年下滑，1996年亩2000年下跌为负值，种粮亏本。粮食总产因此连续五年下滑，至2003年跌至43070万吨，较1998年减少8160万吨，降幅达15.93%，粮食安全受到严重影响。因此，确保农民能获得种粮基本收益，是解决我国粮食生产问题的关键。根据专家预测并参照历史数据，种粮成本收益率保持在30%城乡收入差距=城镇居民可支配收入/安全的实现程度。随着市场经济的发展及我国城镇化进程的加快，未来粮食市场建设与管理的重要性更加凸显。粮食管理体制健全、流通通畅、供应量充足、物价稳定确保粮食安全的重要方面。粮食储备率是指粮食储备量占粮食消费量的，反映的是一个地区抵御粮食安全风险的能力。粮食储备率太低势必粮食安全，而过高又会背负较高的储备成本，因此粮食储备率应保持恰当的比例。20世纪70年代粮农组织曾提出，界全谷物储备至少要占世界谷物需求量的17-­­18%5-­­6%12%为周转库存。联合国粮农组织以此作为确保全球粮食安全的最低储备标准号召世界各国采纳。粮食储备率越高，突发应对能力越强。粮食周转量可以反映对粮食的能力，周转量越大，表明该地区能力越强，突发应对能力就越强。突发发生可能会导致粮价相应上涨。粮食脆弱性评估的内涵包括了确保所有人在突发发生后能够买得起所需的基本粮食，是否买得起粮食则主要受居民收入的影响。鉴于贫困与饥饿的伴生性，我们主要使用贫困人口占总人口的这一指标为依据判断一个地区在多大程度上确保了居民买得起所需的基本粮食。由此可见，贫困人口比重越大，对突发敏感性越高。粮食应急的安全脆弱性评价模型为了对我国各地区粮食水平有一个较直观，较明了的了解，我们需要对与各地区粮食相关的数据（如：人均粮食生产量、人均粮食耕地面积等进行分析。采用的方法有复、交叉性大，实质上数据包含信息量少。聚类分析的目的是让我们基于各地区粮食相关的数据，对各地区进行分类（如分成粮食产销平衡区、主产区、主销区。聚类分析是建立在因子分析的基础之上的，只有明确了能反映各地区粮食水平的数据指标，聚类才是更合理、更有意义的。基本原理因子分析试图使用少数几个变量来描述许多变量所体现的一种基本结构。因子分析的思想就是降维，即把具有复杂关系的变量总结为少量的几个因子，然后再用解释因少的解释因子来评价所研究的问题，将线性函数和特殊因子相加来描述样本的量。其具体步骤如图3所述。具体到食问题，在求因子及载矩阵一步，采用主分分析法因主成分法适用于处理离散的数据，与各地区粮食数据是离散化的这一事实相符。另外，我选取𝑋1𝑋2𝑋3…𝑋𝑝𝑋1𝑋2𝑋3…𝑋𝑝分别对应人均耕地面积、人均粮食产量、农业人口比例等我们直接收集到的原始粮食数据指标。将𝑋!𝑋!𝑋!…!中每列按照𝑍=𝑋− 𝜎为样本标准差。然后对𝑋!𝑋! …!计算相关系数矩阵3：因子分析流程图

𝑟!

𝑟!

p!。其中，𝑟!

!

! 𝑋!𝑋!𝑋!…!的相关系数矩阵中对应的元素；𝑝!"为𝑋!𝑋!𝑋!…!相关系数矩阵的逆KMO>0.9则该组数据非常适合做因子分析；若KMO>0.8则该组数据比较适合做因子分析；若KMO>0.7则该组数据还可以做因子分析；若KMO<0.6则该组数据不太适合做因子分析；若KMO<0.5则该组数据极不适合做因子分析。另外，若相关系数矩阵除了对角元素外，大部分元素都小于0.3，则该组公因子求法：求相关系数矩阵的特征值,并由大到小排列。若前m个特征值之和大于或等于全部特征值X1X2X3…Xp80%，则原来𝑋1𝑋2𝑋3…𝑋𝑝p个变量所表示的信息,m个新变量𝐹1𝐹2𝐹3…𝐹𝑚（p>m）表出。在粮食应急储备问题中，𝐹1𝐹2𝐹3𝐹𝑚分别对应我们提炼出的，将作为分类依据的新指标。但此时，我们并不清楚𝐹1𝐹2𝐹3…𝐹𝑚每个变量的实际意义，以及𝐹𝑖的具体值是多少。载荷矩阵求法：我们需要知道𝑋𝑖与𝐹1𝐹2𝐹3…𝐹𝑚间的关系，即𝑋𝑖=𝑎𝑖1𝐹1𝑎𝑖2𝐹2+𝑎𝑖3𝐹3+⋯+𝑎𝑖𝑚𝐹𝑚中每个𝑎𝑖𝑗的值，也就是要求出因子载荷矩阵A（所有𝑎𝑖𝑗𝐴 𝑢!𝑢!𝑢!

其中,𝑋1𝑋2𝑋3…𝑋𝑝现在我们需要明确!!!…!每个变量的实际意义，所以要进行因子旋转，也就是让因子载荷矩阵中的每个𝑎!"的绝对值向0或1𝑎!"的正负表示!与!的正负相关性。𝑎!"的绝对值大小表示!与!的相关程度，当𝑎!"的绝对值等于1表示!与!完全相关，即!所包含的信息可以完全被!替代；当𝑎!"的绝对值等于0时，表示!与!完全无关，即!所包含的信息与!包含的信息完全没有交叉重复；因子旋转可由相关软件进行计算，其思想是让因子载荷矩阵中每行、每列的𝑎!"值方差达到最大。根据，𝑎!"我们可以明确!与!的相关程度，进而了解!可代替哪些!，进而明确!!!…!每个变量的实际意义。我们通过（4）知道𝐹𝐹𝐹!可代替𝑋𝑋𝑋!反映样本信息，通过（5）!们知道了𝐹!𝑏!!𝑋!𝑏!!𝑋!!"!中的各𝑏!"值，就可求出每个样本的𝐹!值。𝑏!"所组成的矩阵B可由相关软件算出，其思想是回归法。对衡量样本的变量进行降维后，我们可以对样本进行深入分析。模型构建根据2.17233项，总计共15项。显然用15据也必然有交叉重复。所以我们要用因子分析对15人均粮食播种面积、受灾面积比例数共4目前汇总到的各地区的人均粮食占有率、农业人口占比、人均粮食播种面积、受灾面积比例的数据如表1所示。表1内1Z2表2SPSS软件对样本数据进行KMOKMO值为0.632，介于0.6与0.7之间，说明该组数据可以进行因子分析。表3：相关系数矩阵特征值12342.5810.969所占所有特征值总和的比例为88.755%，超过了80%，说明人均粮食占有率、农业人口占比、人均粮食播种面积、受灾面积比例数这四个指标可以压缩为2个指标。12--­--­12--­--­灾面积比例数这四个指标可以压缩为2子载荷矩阵说明。元素的绝对值越接近于1，表明该元素横纵坐标对应的指标越相关。比如：新指标1和人均粮食占有率所对应的元素值为0.956，说明我们新指标1可以替代人均粮食占有率约95%的信息。在第（4）步中，我们已经初步得到两个新指标与原来四个指标之间的关系，但为了防止原来的旧指标同时被多个新指标完全表示，导致新指标间有较强的内在面。进行因子旋转后的因子载荷矩阵如下：表5：因子旋转后的因子载荷矩阵12--­4.14.201也更加明确。容易看出，新指标1与人均粮食占有率、农业人口、人均粮食播种面积的相关性较高，相关性分别为95.7%、84.7%、93.5%，所以新指标1的意义可以定义为人均粮食水平；新指标2与受灾面积／播种面积相关性较高，相关性为99.2%，所以新指标几乎完全反应了受灾面积／播种面积。受灾面积／播种面积实际上反映的是对当地粮食的影响情况，所以新指标2可以定义为粮食对的敏感性（简称：粮食敏感性。应用回归法计算各因子的得分系数，结果如表6表6--­--­--­人均粮食水平=0.384×人均粮食占有率+0.357×农业人口+0.361×人均粮食播种面积-­­0.097×受灾面积／播种面积粮食敏感性=-­­0.26×人均粮食占有率-­­0.155×农业人口-­­0.084×人均粮食播种面积+0.986×受灾面积／播种面积结果分析在明确了人均粮食水平、受灾程度两个新指标后，我们需要得出各地区人均粮食7：各地区的评价结果性性内根据步骤（6）中的计算，我们得到各地区的评价结果。需要说明的是，表7中每列的数据是经过标准处理的。标准处理不改变数据相关性等方面的性质，同时会让数据满足平均值等于01明一个地区的自给水平越高，应对能力越强，安全性越高。一个地区的粮食受图4给出了各地区在这两个评价指标下的分布的散点图。4：评价结果散点图在上述分析中，我们最终提取出了人均粮食水平、粮食敏感性两个新指标。但目前由于数据收集工作仍在进行，导致目前提取出的新指标还不够精确。随着项目的指标也会更加完善。粮食应急需求点和供给点的确定为了确定我国粮食应急储备的需求点，下面应用K­­均值聚类分析法，从人均粮食水平、粮食敏感性两个维度对我国份进行分类。从而找到粮食应急储备应该重点保障的区域，并以此为需求点。而找到应对能力比较强的地区则可以作为供给点。基本原理聚类分析就是对样品或变量进行分类的一种多元统计方法，目的在于将研究对象集朴素，就是将距离相近的两个样本聚为一类。因此聚类分析的在于如何定义距离。目前，常用的聚类方法有：系统聚类法、K均值聚类法。这里应用K值聚类的方法对各地区进行聚类。模型构建及结果分析通过因子分析，我们已找到2个新指标用以描述各地区的粮食水平，定义距离后，方可将其聚类，将粮食水平具有相似性的地区归为一组。需要注明的是由于的特点比K­­means54个区域。5：聚类结果应对能力强且敏感性弱区域：黑龙江河北陕处于此区域的地区，人均粮食水平较高，基本上都分布在粮食主产区，应对的能力较强；粮食敏感性也较低，对粮食产量的影响相对较弱。无论是否有应急情况，都可以基本满足自给。 应对能力弱且敏感性弱区域：福建江苏山东重庆处于此区域的地区，人均粮食水平较低；粮食敏感性较低，对粮食产量的影响相对较弱。此区域的地区以发达地区为主，由于它们耕地面积非常少，人均粮食水平低，对粮食产量影响也少。这些地区不论是否发生应急情况，都依赖外应对能力强且敏感性强区域：云南内处于此区域的地区，人均粮食水平较高，应对能力较强；但粮食敏感性较高，对粮食产量的影响相对较强。平时可以满足自给，但发生应急情况时，无自给。应对能力弱且敏感性强区域：广西山西辽宁浙江海南吉林江西青海湖南处于此区域的地区，人均粮食水平较低应对能力较弱，而且粮食敏感性较高，对粮食产量的影响相对较强。不论是平时情况还是应急情况，该地区的粮水平都主要依赖于外界的粮食救助。经过上述分析，我们认为区域4（即应对能力弱且敏感性强区域）是需要重点覆盖的区域。如果投资允许，区域2（即应对能力弱且敏感性弱区域）也应该被覆盖。而其他区域可以不被覆盖。而区域1（即应对能力强且敏感性弱区域）则可作为建设粮食应急储备的区域。三、粮食应急储备的选址与规模的确定现有文献应急选址考虑的目标距离相关平均距离最短（未考虑人口、需求因素最大距离最小在设施数目确定并且所有需求点均被满足的前提下，任意一需求点到与它最近设施应设施能覆盖的最大范围、应急设施的容量限制。应急仓库覆盖效果规定时间内覆盖人口最多库设施在规定的时间内覆盖的人口最多。需要的数据：需求点的地理位置和人口信息、应急设施能覆盖的最大范围。风险高区域防备由于一小规模紧急经常生，一般急服务设把各个需区域的需视确定的常值。而重大突发在每个需求区域的风险程度（发生的可能性和影响程度）是不同的需求区域的风险可由其价值（和突发发生概率的乘积域发（。成本最优建设费用最低在保证所有需求点都被覆盖的情况下，需要建造的设施数目最小或建设费用最低。总成本最低整个系统涉及到的所有成本之和最低，主要包括选址成本、建设成本和交通成本。需要的数据：需求点的地理位置、各个地区建设应急设施所需的费用、成本与离的函数。现有文献应急选址考虑的约束假设：需求点集合I和候选应急仓库集合J，决策变量 时间相关粮食是国民经济基础之基础，是人类赖以生存的必需品，是关系国计民生的物质。生后，救灾物资到达所需的时间）都应该小于某个值（𝑡!。需要的数据：响应时间临界值（𝑡!）和估计的速度（v。计算：!"#(𝑑!"𝑋!−𝑣𝑡!𝑋!)<时间满意度限制物流设施选址问题研究在何处设立服务设施，以便在满足顾客需求和其它有关约束的各需求地区的时间满意度不低于其要求的最小满意度。需要的数据：时间满意度函数F(𝑑!"（函数选取可以参考[8][0,1]𝑎!（0~1之间的数应急仓库相关

#𝐹𝑑"!)≥应急仓库的数量以及容量限制些选址模型中没有考虑容量限制问题，无论需求点的需求多大都可以被设施点满足，这避免仓库失效限制自然、事故、公共安全等突发往往具有较强的破坏力，因此粮食应（视仓库规模以及状况而定。仓库需要覆盖所有需求点作为应急储备的粮食是一种公共产品，具有公平性的本质属性。而公共产品的供给是出于弥补市场失效、社会公共利益的需要。粮食应急储备系统必须实现对所有需点的覆盖，无论该地区的经济是否发达、人口是否众多、交通是否便利等等。现有的选址模型重心法模型也称为需求量—中心法，它用占物流成本绝大部分的费用来代替物成本，认为物流费用和工厂到储运企业的距离成正比，求最省的物流成本，从而将选址问题转化为物流配送中心与物流网络平面空间的若干物流据点之间的距离最小时，求最优解的问题。重心法是单个物流配送中心选址最常用的方法,它的计算方法较为简单,容易理解,但是由于它对于地点的选择是不加限制的,因此得到的结果往往无法利用,如其计算的最佳地点可能在湖泊、河道或已有建筑物的地方。CELP(CapacitatedFacilitiesLocationProblem)CELP配送系统。—法（aumo-­Wolfe）模—法属于逐次求解问题的非线性规划启发式解法,因其只考虑租用的仓库或配送中心,所以其模型中不包含仓库或配送中心的固定投资成本。—沃尔夫法能够较好地解决成本非线性问题,而且每次迭代都是沿着使成本不断下降的方向进行,但是求得的最终解不一定最优,而且该方法没有涉及新建配送中心的固定成本。覆盖模型可以根据已知的需求点来确定物流配送中心的个数和位置,适用于商业物流系统,如城市中的生鲜农产品配送中心、等选址问题。根据解决问题的策略不同,可以分为集合覆盖模型和最大覆盖模型两种。集合覆盖模型的目标是用尽可能少的尽可能多的需求点。P­­P-­­中心模型的目标是在设施数目确定并且所有需求点均被满足的前提下，任意一需求点到与它最近设施点的最大距离最小。P­­P-­­中值模型的目标是在设施数目确定并且所有需求点均被满足的前提下，使得所有需求点到设施点的平均距离最短。混合整数规划模型中包含连续变量和离散变量,可用于同时考虑有可变费用(如经营费用)和固定费用(如新建物流配送中心的固定费用)的选址问题。7：选址模型的对比模型