EN中文

地理科学进展 >

2025 , Vol. 44 >Issue 1: 103 - 116

DOI: https://doi.org/10.18306/dlkxjz.2025.01.008

研究论文

全球粮食供应链韧性测度及其演化研究

  • 丁存振 ,
  • 纪祥宇
展开
  • 山东农业大学经济管理学院，山东 泰安 271010

丁存振(1988— )，男，山东聊城人，博士，副教授，主要从事粮食安全研究。E-mail:

收稿日期: 2024-04-15

  修回日期: 2024-10-31

  网络出版日期: 2025-01-15

基金资助

国家社会科学基金项目(24BGL174)

山东省自然科学基金项目(ZR2024MG030)

山东省社会科学基金项目(22DJJJ19)

收起

Resilience of the global grain supply chain and change

  • DING Cunzhen ,
  • JI Xiangyu
Expand
  • College of Economics and Management, Shandong Agricultural University, Tai'an 271010, Shandong, China

Received date: 2024-04-15

  Revised date: 2024-10-31

  Online published: 2025-01-15

Supported by

National Social Science Foundation of China(24BGL174)

Natural Science Foundation of Shandong Province, China(ZR2024MG030)

Social Science Foundation of Shandong Province, China(22DJJJ19)

Fold

摘要

当今世界正在经历百年未有之大变局，地缘政治冲突、重大公共卫生事件、极端自然灾害等突发事件频发，全球粮食供应链风险愈发凸显，提升全球粮食供应链韧性成为保障全球粮食供应链安全稳定的根本途径。论文基于复杂网络视角，通过构建多维度供应链网络韧性测度指标，对全球粮食供应链韧性进行了测度，并对其韧性演化特征及节点抗干扰性进行了分析。结果表明：① 水稻和玉米全球供应链韧性水平较高，其次是小麦全球供应链，大豆全球供应链韧性水平最低；② 4种粮食产品的全球供应链网络类型均为韧性网络，具有快速恢复和适应能力，且韧性水平均有所提高，但其提升水平存在差异，从高到低依次为大豆、水稻、小麦、玉米；③ 在4种粮食产品全球供应链网络中，中国的抗干扰水平均高于世界平均水平，但低于美国，且小麦和玉米抗干扰水平有待提升。研究结果对于明晰全球粮食供应链韧性水平及韧性演化特征、提升中国在全球粮食供应链网络中地位及抗干扰性具有重要现实和理论意义。

关键词： 复杂网络; 全球粮食供应链; 韧性; 演化

本文引用格式

丁存振 , 纪祥宇 . 全球粮食供应链韧性测度及其演化研究[J]. 地理科学进展, 2025 , 44(1) : 103 -116 . DOI: 10.18306/dlkxjz.2025.01.008

Abstract

The world is currently experiencing unprecedented changes, with frequent geopolitical conflicts, major public health incidents, extreme natural hazards and disasters, and other emergencies. The risks of the global grain supply chain are becoming increasingly prominent, and enhancing the resilience of the global grain supply chain has become a fundamental way to ensure the security and stability of the global grain supply chain. This study measured the resilience of international grain supply chains by identifying multidimensional supply chain network resilience measurement indicators based on the perspective of complex network. The characteristics of change of resilience and node anti-interference ability were analyzed. The results show that: 1) The global supply chains of rice and corn have a higher level of resilience, followed by the global supply chain of wheat, and the global supply chain of soybean has the lowest level of resilience. 2) The global supply chain networks of the four types of grain products are all resilient networks with fast recovery capacity and adaptability and their resilience levels have all improved. However, there are differences in their improvement levels, with soybeans, rice, wheat, and corn in descending order. 3) In the global supply chain network of the four types of grain products, China's anti-interference level is higher than the world average, but lower than the United States, and the anti-interference level of wheat and corn needs to be improved. The results of this study have important practical and theoretical significance for clarifying the resilience level and characteristics of change of the global grain supply chain, which may help enhance China's position and anti-interference ability in the global grain supply chain network.

Key words： complex networks; global grain supply chain; resilience; evolution

国际粮食贸易在保障全球粮食安全方面发挥着重要作用。通过国际粮食贸易，各国可以调剂余缺，优化资源配置，满足不同国家和地区的粮食需求，因此，全球粮食供应链成为联系全球粮食充裕地区和稀缺地区的纽带[1]。中国是粮食进口大国，2023年中国进口粮食总量为16196万t，而中国粮食产量为69541万t，粮食依存度约为18.9%，国际粮食市场不仅缓解国内粮食生产压力，且满足国内粮食市场需求[2]。然而，在世界范围内，即使粮食的生产技术有着重大突破，但粮食生产仍旧依赖于传统生产要素，当发生重大事件或国际形势出现重大波动时，国际粮价会出现剧烈的起伏，从而使得粮食供应链的风险徒增[3]。如今，世界正面临百年未有之新变局，贸易冲突、新冠疫情、俄乌战争、巴以冲突等“黑天鹅”“灰犀牛”事件频发，使得全球粮食供应链不稳定性增加，也给中国粮食安全带来巨大的挑战[4]。提升粮食供应链韧性是粮食供应链现代化发展的重要标志，不仅有利于全球粮食供应链的发展[5]，也为解决全球粮食安全问题提供可靠保障。
Christopher等[6]首次提出供应链韧性概念，Tendall等[7]将供应链韧性的概念纳入粮食产业问题中并提出粮食韧性概念。目前，国内学者关于全球粮食供应链韧性的研究，集中于强调世界变局中中国粮食供应链韧性提升的价值和意义[5,8]以及部分风险因素对粮食供应链产生的影响[3,9-10]，然而关于全球粮食供应链韧性测度的相关研究较少。复杂网络理论广泛应用于社会学与社会心理学、经济学、信息学等领域。由于某些商品的贸易网络往往表现为多相性的特征[11-12]，因此，该理论较多应用于能源[13-14]、矿产[15-16]、交通[17-18]等领域的贸易研究。使用这一理论研究农产品贸易网络，不仅能够揭示贸易网络的相关特性和演化过程，而且可以反映各经济体在贸易网络中所处的地位[19]，以此分析贸易网络在破坏中维持原有功能的能力[20-21]，各国在国际农产品贸易网络中的重要性可通过网络特征的指标来衡量[22]。应用复杂网络理论，王泽宇等[23]分析了全球水产品贸易格局演化规律，冯颖等[24]全面考察了粮食生产空间关联网络的整体特征及个体在网络中的角色和地位。然而，当前研究多关注应用复杂网络对农产品供应链网络整体特征进行分析，基于复杂网络视角对全球粮食供应链网络韧性的相关研究较少。
基于此，本文基于复杂网络视角，通过构建供应链韧性相关评估指标，对全球粮食供应链韧性进行评估，并对其演化特征及节点抗干扰性进行分析，为明晰全球粮食供应链韧性特征及中国在全球粮食供应链地位、提升中国粮食供应链全球竞争地位提供理论参考。

1 研究方法和数据来源

1.1 研究方法

世界范围内的粮食贸易网络由于市场状况、政治环境、贸易政策等因素的影响，粮食贸易网络状况日益复杂，形成了复杂的贸易网络。复杂网络是一种解释现实世界复杂系统的个体之间相互联系的抽象模型，可以理解复杂系统的性质及其功能[25]，贸易网络结构的性质可以衡量贸易网络的功能和韧性[26]。因此，本文根据复杂网络理论，从供应链韧性、韧性演化及抗干扰性三个方面，对全球粮食供应链的韧性及其演化进行测度。

1.1.1 网络构建

本文以全球范围内参与粮食贸易的国家(地区)作为网络中的节点，将这些国家(或地区)之间的粮食贸易关系定义为网络中的边。以国家(或地区)间粮食贸易的交易量作为衡量网络节点之间联系紧密度的指标，以此构建了一个粮食贸易网络模型G。
G = V ,   E ,   W ,   W '
式中：V代表参与粮食贸易所有节点(国家或地区)的集合；E为所有边(两国间粮食贸易联系)的集合；W和W′分别为表征所有节点属性(拥有的贸易联系数)和所有边属性(贸易总量)的函数的集合。

1.1.2 韧性评估指标

根据相关学者对于网络韧性的研究[17,25]，本文选用鲁棒性、聚集性、传输性、层级性和匹配性作为全球粮食供应链韧性评估指标(表1)。
表1 网络韧性评估指标

Tab.1 Network resilience evaluation indicators

指标 公式 含义
平均度 K h ¯ = 1 N ∑ h = 1 N K h K h ¯表示平均度；Kh表示节点h的度；N表示节点数
平均聚类系数 A C i = t i N · q i q i - 1 ACi表示平均聚类系数；qi表示节点i的邻居节点个数；ti表示节点i与邻居节点的实际连接边数；N表示节点数
平均路径长度 L = 1 2 N N + 1 ∑ i ≥ j d i j L表示平均路径长度；N表示节点数；dij表示节点i与节点j之间的加权最短路径
度分布 K h = C K h * a
l n   K h = l n   C + a   l n   K h *		 Kh为节点h的度； K h *为节点h的度在节点度中的排序；C为常数；a为度分布的斜率
度关联 A K h = 1 V ∑ h ∈ V K h
A K h = C + b K h		 AKh表示和节点h相连的所有度的平均值；V为节点h的集合；C为常数；b为关联系数，若b>0，表示具有同配性，即为度正关联，若b<0，表示具有异配性，即为度负关联
(1) 鲁棒性——平均度
鲁棒性，也称健壮性和强壮性，一般是指在系统内部结构和外部条件的变化下保持系统原有功能的特性[27]。鲁棒性越高，系统在外界破坏中维持原有功能的能力越强[28]，系统的脆弱性越弱、韧性越强[17]。度是指网络中的某个特定的节点直接关联的节点的数目，度值越大则表明该节点有直接联系的节点越多，有利于节点之间的协调与合作。本文利用鲁棒性分析全球粮食供应链网络的稳定性和可靠性，并采取平均度的方法来计算网络的鲁棒性，即一个节点的平均连接的数目。
(2) 聚集性——平均聚类系数
聚集性用平均聚类系数表示，以测试网络的集团化程度[18]，反映网络中相互联系的节点之间的紧密程度。平均聚类系数越大，表明节点之间紧密程度越高，有利于网络抱团抵御风险，韧性越强，反之越低。本文以此来反映全球粮食供应链网络中贸易伙伴之间的集中程度和关联性。
(3) 传输性——平均路径长度
网络的传输性用其平均路径长度来反映[29]。网络的平均路径长度反映节点之间传递资源和信息的快慢，平均路径长度越大，则节点之间的传输效率越低，反之传输效率越高，网络成员对于外界干扰所作出的响应速度和结构改变会更为迅速，网络韧性越强。本文以此来反映全球粮食供应链网络中节点国家(地区)之间的传输效率。
(4) 层级性——度分布
网络的层级结构反映了网络中节点对外连接强度的分布情况，这种分布呈现出不同的等级。在层级结构中，等级较高的节点表现出显著的等级差异，通常这些节点会作为网络的核心，与其他节点有着频繁的贸易互动，从而形成一种中心化的网络架构。这种中心化的网络结构在面对外部冲击时，虽然具有一定的稳定性，但如果核心节点受到损害，可能会导致网络连接的显著减少，进而影响网络的流动性，增加网络的脆弱性。相反，层级结构较低的网络表现出较小的节点等级差异，路径多样化，节点聚集程度相对均衡，整体网络结构趋于扁平化，这降低了单一节点受外部风险影响而波及整个网络的可能性。然而，这种低层级网络可能在凝聚力、组织力和竞争力方面存在不足，这不利于网络的长期发展和壮大[30]。层级性由网络度分布体现，具体表现为：度分布的斜率越大，节点度的层级性越显著，本文以此来反映全球粮食供应链的层次性以及用于韧性演化的判定[31]。
(5) 匹配性——度关联
匹配性是反映节点之间的连接关系是否合适和优化，一般将匹配性分为同配性和异配性[25]。同配性指节点连接倾向于相近的节点，网络结构层次较为立体且具备较强的凝聚力，但核心节点与边缘节点之间的联系会大大降低，从而导致联系较为松散，核心网络控制力不足，网络韧性受关键节点影响显著，当外界发生干扰时网络结构的适应性调整能力不强。异配性指节点连接倾向于不相近的节点，当外界干扰发生时有利于网络结构作出适应性调整，表现出较好的一致性交流与互补性合作能力，从而提高网络韧性[26]。本文以此反映全球粮食供应链网络中不同节点国家(地区)之间的连接状况。

1.1.3 韧性类型及演化方法

(1) 网络结构韧性类型判定
关于韧性类型的判断，通常需要将层级性与匹配性指标的静态特征相结合来进行分类，根据相关学者关于网络结构韧性理论的研究[32]，将网络结构韧性分为随机网络、同配性核心—边缘网络、韧性网络三类(表2)：
表2 网络结构韧性类型

Tab.2 Types of network structure resilience

指标 随机网络 同配性核心—边缘网络 韧性网络
度分布 a =0 a>0 a>0
度关联 b=0 b>0 b<0
随机网络：随机网络的层次性较为平坦，在网络层次结构中无显著的节点，任何节点的移除都不会对整个网络的覆盖产生重要的影响，网络结构对外界的攻击具有较强的抵抗能力。随机网络中，节点之间的连接是随机的，因此节点之间的聚集程度较低，特征路径长度较大，难以形成集聚效应和整合效应，从而导致网络集体行为的主导性与控制力较弱。
同配性核心—边缘网络：同配性核心—边缘网络表现为度分布斜率的绝对值较大( a>0)，网络韧性结构中节点度的层级性显著，从而形成较强的凝聚力。但同配性核心—边缘网络由于外围节点与核心节点的连接相对不紧密，导致核心与外围之间的桥接能力较弱。这一现象表现为明显的同质抱团(b>0)，进而可能引发过度的同配性与协调性，从而锁定特定区域并降低整个网络结构的韧性。为了增强网络的稳健性，需要采取措施优化节点间的连接关系，减少同质抱团现象，提高网络的整体适应性和抗冲击能力。
韧性网络：韧性网络依然表现为度分布斜率的绝对值较大( a>0)，但度关联系数为负(b<0)，因此这类网络呈现出一定的异配性，在网络核心与外围之间，节点间度的负相关为它们提供了紧密的联系，使得各种要素能够轻易地在核心与边缘之间的众多桥梁之间循环流动。因此，在这类网络中，即使核心成员随机缺失，对网络整体结构的冲击也相对较小，显示出较强的网络结构韧性。与此同时，这类网络中的寡头组织能够有效地结合封闭与桥接模式，在其关系模式的重叠探索和利用中，创新或探索行为更容易从外围成员扩散到核心成员。
(2) 网络结构韧性演化判定
通过层级性和匹配性两个指标的变化，量化网络结构韧性的提升(或下降)水平与发展质量(或衰减态势)，从而构建综合韧性发展评估模型[26](图1)。
图1 网络结构韧性演化综合水平评价模型

Fig.1 Comprehensive level evaluation model for resilience evolution of network structure

图1中，P代表点(Δ|a|,Δb)到直线Δb=Δ|a|的垂直距离，Q代表点(Δ|a|,Δb)到直线Δb=-Δ|a|的垂直距离，L代表点(Δ|a|,Δb)到原点的距离。点(Δ|a|,Δb)的位置若在直线Δb=Δ|a|的上方，则代表着这类网络结构的韧性随着发育和演化过程受到削弱；若点(Δ|a|,Δb)的位置在直线Δb=Δ|a|的下方，则代表着网络结构韧性随着网络在发育和演化过程中得到了提升。距离L代表着网络结构韧性变化幅度，L越大，网络结构韧性变化的幅度越大，反之则代表网络结构韧性变化幅度越小；同时，用距离P和Q之间的比值P/Q反映网络结构韧性发展的质量，P/Q的比值越大代表着网络结构韧性发展的质量越好，比值越小代表着网络结构韧性发展的质量越差。为此构建网络结构韧性演化综合水平R。
R = ± P QL

1.1.4 关键节点抗干扰性测度

抗干扰性测度目的是对关键节点对干扰或攻击的抵抗能力进行衡量。关键节点是指系统中对整体性能和功能有重要作用的节点，在部分节点受到干扰或攻击而造成节点中断失效时，会对其他节点的功能产生影响，其影响程度的大小由于中断失效的节点的重要程度不同而不同[33]。失效的节点重要程度越高，功能受到影响的节点数量越多；反之，重要程度越低，受到影响的节点数量越少。本文从中转能力和扩散能力两个方面来进行测度(表3)。中转能力通过介数中心度衡量[34]，反映了节点对于资源传递的控制能力。介数中心度的值越大，表明该节点在网络中越重要，对于资源传递的影响力也越大。扩散能力用特征向量中心度衡量[25]，该指标考虑了节点在网络中的连接情况以及与该节点相连的其他节点的重要性。如果一个节点与网络中重要的节点相连接，则该节点的重要性较高。
表3 关键节点抗干扰性测度指标  

Tab.3 Key node anti-interference measurement indicators

指标 公式 含义
介数
中心度		 B i = ∑ j , k ∈ N n j k i n j k Bi表示介数中心度；njk表示节点j和节点k之间的最短路径个数；njk(i)表示节点j和节点k之间最短路径经过节点i的数量
特征向量中心度 x c = 1 λ A x c - 1 xc为N维中心向量；A为贸易网络邻接矩阵；λ为邻接矩阵对应的特征值

1.2 数据来源

本文选取小麦、水稻、玉米、大豆4种粮食产品为研究对象，其原因为这4种作物中小麦、水稻和玉米是全球产量最高的粮食作物，而大豆在豆类作物中的产量也占据显著地位，4种粮食作物的广泛种植和高产量，为全球粮食供应提供了坚实的基础(图2)。为反映全球粮食供应链韧性演化情况，本文选取2017年和2022年世界各国粮食产品进出口贸易量，其中2018年中美贸易摩擦、2020年全球新冠疫情、2022年俄乌冲突等事件发生，通过测度2017年和2022年全球粮食供应链韧性，可以更好地反映近几年几类重大突发事件冲击下全球粮食供应链韧性演化情况。国际粮食贸易数据来源于联合国商品贸易数据库(UN Comtrade Database)。
图2 全球粮食产量占比

Fig.2 Proportion of global grain production

2 结果分析

2.1 全球粮食供应链网络基本特征

2.1.1 全球粮食供应链网络整体结构特征

依据联合国商品贸易数据库中粮食的进出口贸易量，计算全球粮食供应链网络的整体结构特征(表4)。从节点数量来看，无论是2017年还是2022年，水稻的节点数量最多，其次是玉米，小麦和大豆的节点数量最少，表明全球参与水稻贸易的国家(地区)较多，其次是参与玉米贸易的国家(地区)，参与小麦和大豆贸易的国家(地区)较少。水稻作为全球主要口粮作物之一，各国居民将其作为主要食物，全球参与水稻贸易国家(地区)较多，而玉米作为全球产量最大的粮食作物，在全球范围内有着广泛的种植，因此参与玉米贸易的国家(地区)也较多，而小麦和大豆生产和消费相对较为集中，因此参与贸易的国家(地区)数量相对较少。从2017年和2022年节点数比较来看，各粮食产品贸易节点数变化情况较小，小麦和玉米贸易节点数量略有下降，水稻和大豆贸易节点数量小幅增加，表明参与四大粮食品种贸易的国家(地区)数量并未发生明显变化。
表4 全球粮食供应链网络整体结构特征

Tab.4 Overall structural characteristics of the global grain supply chain network

年份 品种 节点数 边数 网络密度 等级度 平均加权度
2017 小麦 191 1624 0.0448 0.6923 1003908288
玉米 211 2202 0.0497 0.6232 743010752
水稻 219 3358 0.0703 0.5371 213225296
大豆 186 1186 0.0345 0.6612 792219072
2022 小麦 189 1538 0.0433 0.7257 869492160
玉米 210 2255 0.0514 0.6692 951220352
水稻 220 3232 0.0671 0.6357 260790128
大豆 191 1266 0.0349 0.6944 794654400
从网络边数来看，水稻的供应链网络边数最多，表明各国参与水稻的贸易往来最为频繁，在全球粮食贸易中的活跃度最高，玉米的边数次之，表明玉米贸易往来也相对较多，小麦和大豆的边数较少，表明各国参与小麦和大豆贸易的往来相对较少。从2017年和2022年网络边数比较来看，小麦和水稻供应链网络边数有所下降，而玉米和大豆供应链网络边数有所增加，表明全球小麦和水稻贸易关系数量有所下降，而玉米和大豆贸易关系数量有所上升。
从网络密度来看，水稻的网络密度最高，小麦和玉米的网络密度次之，大豆的网络密度最小，表明大豆贸易参与国之间的贸易量相对较少，究其原因，大豆的主要生产地在北美洲、南美洲和亚洲部分地区，而大豆的主要消费国集中于中国、墨西哥、欧盟地区，加之价格、政策和物流等原因，导致大豆的网络密度较低。从2017—2022年网络密度比较来看，玉米和大豆的网络密度有了进一步的提升，小麦和水稻的网络密度出现了明显的下降，这表明玉米和大豆的贸易参与国家(地区)之间的贸易量有所增加，小麦和水稻贸易参与国家(地区)之间的贸易量有所减少。
从网络等级度来看，小麦的网络等级度最高，表明小麦全球供应链网络具有明显的层级性，具有较强的马太效应，核心国家组团具有较强的网络控制力，核心国家(地区)在网络中的地位较为突出，低等级附属型国家(地区)数量众多，其次是大豆和玉米，水稻的网络等级度最低，表明水稻全球供应链网络层级性较低，各国之间地位层级性不是很强，贸易联系多的国家(地区)较多，削弱了马太效应。从2017—2022年网络等级度比较来看，小麦、玉米、水稻和大豆的网络等级度均有所上升，表明4种粮食产品全球供应链网络层级性均有所提高，核心国家(地区)的网络控制力有所上升，网络的马太效应增强。
从平均加权度来看，水稻的平均加权度远低于大豆、玉米和小麦，而大豆、玉米和小麦中，玉米的平均加权度较大，表明玉米全球供应链的连接比较紧密，供应链网络比较稳定，而水稻全球供应链连接较为稀疏，网络并不稳定，容易受到外部的影响。从2017—2022年的平均加权度比较来看，小麦的平均加权度明显下降，玉米、水稻、大豆的平均加权度均有着明显的上升，主要是由于小麦贸易受到新冠疫情和俄乌冲突的影响相对较大，从而导致小麦全球供应链的连接紧密性有所下降。

2.1.2 全球粮食供应链网络个体结构特征

在复杂网络分析领域，节点度是一个基础指标，用于描述网络中个体的结构特性。节点度指的是与特定节点直接相连的其他节点的数量，表示一个国家(或地区)所建立的贸易关系的数量。一个国家(或地区)的节点度值越高，意味着其贸易联系越广泛，贸易活动越频繁，且其贸易网络的覆盖范围也更广。节点度的计算包括两个部分：点出度和点入度。点出度反映了一个国家(或地区)的出口贸易关系，而点入度则代表了其进口贸易关系。因此，节点度是点出度与点入度的总和，以此分析国家(或地区)在国际贸易网络中的地位和作用。同时，可以计算各节点的中心度，反映一个节点在网络中的影响力，中心度值越大，影响力越大。
表5列出了中国及节点度排名前5位的国家(地区)，从节点度上来看，水稻节点度排名前5位国家(地区)的节点度均超过了100，且中心度也较高，尤其是泰国、印度和美国，与150个左右的国家(地区)存在水稻贸易往来，表明这些国家的水稻贸易覆盖范围非常广，市场影响力也较大。其次是玉米，节点度排名前5位国家节点度也较高，小麦和大豆节点度排名前5位国家节点度相对较低。从点出度和点入度比较来看，节点度排名前5位国家(地区)点出度均高于点入度，这些国家主要为粮食出口大国，贸易覆盖范围广，市场影响力也较大，在网络中处于中心地位。从具体国别比较来看，美国小麦、玉米和大豆的节点度和中心度均居世界第一，水稻中心度也居世界前列，反映出美国在全球粮食供应链网络中的核心地位。从年度比较来看，受俄乌冲突影响，俄罗斯小麦节点度和乌克兰玉米节点度均跌出了前5位。就中国而言，除大豆外，中国小麦、玉米和水稻的节点度均相对较小，与前5位国家相比差距较大，表明中国小麦、玉米和水稻贸易范围相对较小、市场影响力不足。进一步从年度比较来看，2022年中国4种粮食节点度及中心度与2017年相比均有所下降，反映出近几年受多因素影响，中国粮食贸易范围的缩小及多元化程度的下降，未来仍有待进一步扩大中国粮食贸易范围，提高国际市场影响力。
表5 全球粮食供应链网络个体结构特征

Tab.5 Individual structural characteristics of the global grain supply chain network

类别 2017年 2022年
国家 节点度 点出度 点入度 中心度 国家 节点度 点出度 点入度 中心度
小麦 中国 20 4 18 10.526 中国 15 6 9 7.979
美国 92 80 23 48.421 美国 87 75 29 46.277
俄罗斯联邦 92 84 17 48.421 法国 86 84 29 45.745
法国 86 81 35 45.263 加拿大 77 65 21 40.957
德国 79 72 40 41.579 德国 76 68 35 40.426
加拿大 73 65 18 38.421 波兰 66 64 21 35.106
水稻 中国 95 88 25 43.578 中国 83 74 20 37.900
泰国 153 153 19 70.183 印度 159 159 28 72.603
印度 152 151 26 69.725 美国 148 135 66 67.580
美国 140 135 59 64.220 泰国 145 145 18 66.210
意大利 122 117 49 55.963 土耳其 127 122 31 57.991
土耳其 114 105 36 52.294 意大利 122 117 41 55.708
玉米 中国 40 20 25 19.048 中国 36 16 25 17.225
美国 131 125 45 62.381 美国 118 111 46 56.459
阿根廷 115 115 14 54.762 南非 96 94 22 45.933
法国 98 88 48 46.667 法国 91 86 45 43.541
乌克兰 72 67 20 34.286 土耳其 91 85 23 43.541
西班牙 72 65 32 34.286 巴西 88 88 14 42.105
大豆 中国 61 53 22 32.973 中国 50 41 19 26.316
美国 79 72 30 42.703 美国 90 81 45 47.368
印度 57 51 11 30.811 加拿大 65 53 24 34.211
加拿大 57 52 14 30.811 法国 60 49 33 31.579
德国 51 40 32 27.568 奥地利 56 55 23 29.474
法国 49 39 34 26.486 荷兰 56 42 32 29.474

2.2 全球粮食供应链网络韧性分析

依据供应链网络韧性分析方法，测算小麦、玉米、水稻和大豆全球供应链的鲁棒性、聚集性、传输性、层级性和匹配性(表6)。
表6 全球粮食供应链网络静态韧性指标

Tab.6 Static resilience indicators of the global grain supply chain network

年份 品种 鲁棒性 集聚性 传输性 层级性 匹配性
(平均度 K h ¯) (平均聚类系数AC) (平均路径长度L) (度分布斜率a) (度关联系数b)
2017 小麦 14.188 0.405 2.546 -1.176 -0.386
玉米 17.156 0.474 2.494 -1.136 -0.311
水稻 25.753 0.521 2.364 -1.019 -0.377
大豆 10.667 0.403 2.815 -1.156 -0.247
2022 小麦 13.577 0.429 2.511 -1.160 -0.446
玉米 17.819 0.470 2.385 -1.126 -0.326
水稻 24.791 0.546 2.231 -1.055 -0.450
大豆 10.974 0.454 2.623 -1.186 -0.393

2.2.1 鲁棒性——平均度

从表6可以看出，2022年4种粮食产品的平均度在10.974~24.791之间，其中，水稻的全球供应链网络的鲁棒性最高，表明水稻全球供应链网络最为稳定和可靠，能够更好地抵御各种贸易风险和干扰；玉米和小麦的全球供应链网络鲁棒性次之，表明玉米和小麦的全球供应链网络具有一定的稳定性和耐受性，受到贸易风险和干扰的影响相对较小；大豆的全球供应链网络的鲁棒性最低，这体现了大豆全球供应链网络相对较为脆弱，容易受到外部因素的影响。究其原因：一方面，各粮食产品全球供应链网络中所含有的节点国家(地区)数量不同，水稻作为全球主要粮食作物，其全球供应链网络中节点国家(地区)数量最多，所以其鲁棒性最高，大豆与水稻、玉米、小麦相比，其全球供应链网络中节点国家(地区)数量相比较少，所以其鲁棒性最低；另一方面，一些粮食产品更容易受到某些政治因素的影响，如大豆的生产主要集中于北美洲、南美洲、亚洲部分地区，而这些地区的政策和政治稳定性可能会影响大豆供应的稳定性，而玉米的生产分布更加广泛，因此受到地区政治和政策的影响较小。从2017—2022年的鲁棒性变化来看，小麦、水稻的鲁棒性出现了下降，玉米、大豆的鲁棒性出现了上升，这表明小麦和水稻的全球供应链网络的稳定性和耐受性有所下降，玉米和大豆的全球供应链网络的稳定性和耐受性有所提高。

2.2.2 聚集性——平均聚类系数

从全球粮食供应链网络的平均聚类系数来看，2022年水稻的平均聚类系数高，表明水稻全球供应链网络中节点国家(地区)之间的聚集程度相对较高，贸易伙伴之间相对较为集中，抱团抵御风险的能力较强；大豆和玉米的全球供应链网络的平均聚类系数次之，表明大豆和玉米的全球供应链网络中节点国家(地区)之间的聚集程度相对较高；而小麦的全球供应链网络的平均聚类系数最低，表明小麦全球供应链网络中节点国家(地区)之间的聚集程度相对较低，贸易伙伴之间相对分散和独立，抱团抵御风险的能力较弱。粮食全球供应链网络的聚集性可能会受到不同贸易政策和合作协议的影响，部分国家(地区)倾向于与特定的国家(地区)进行水稻贸易，影响贸易伙伴之间的聚集程度。从2017—2022年平均聚类系数看，小麦、水稻和大豆的平均聚类系数有明显的提高，而玉米的平均聚类系数略微下降，表明小麦、水稻和大豆的全球供应链网络中各节点国家(地区)之间贸易联系和交流更为集中，节点国家(地区)之间的聚集程度上升，有利于风险抵御能力和韧性的提升，而玉米的全球供应链网络中各节点国家(地区)之间贸易交流和联系相对稀疏，节点国家(地区)之间的聚集程度略微下降，不利于风险抵御能力和韧性的提升，这与以往研究结论一致[35-36]。

2.2.3 传输性——平均路径长度

传输性反映了节点之间传递资源和信息的快慢，根据计算结果，2022年水稻的平均路径长度最短，表明在水稻全球供应链网络中，节点国家(地区)之间的平均距离相对较小，水稻全球供应链网络的传输速度较快；玉米全球供应链网络的平均路径长度次之，表明玉米全球供应链网络中的节点国家(地区)之间的平均距离也相对较小；小麦和大豆的平均路径长度相对较长，节点国家(地区)之间的平均距离较大，表明小麦和大豆全球供应链网络的传输效率较低，应对外部干扰的响应速度较慢。各粮食产品的全球供应链网络的平均路径长度不同，可能与不同的农作物生产、运输和需求特点有关，较短的平均路径长度代表着节点国家(地区)之间的连接更为紧密和高效，传输效率更高、韧性更强。从2017—2022年平均路径长度比较来看，小麦、玉米、水稻和大豆供应链网络的平均路径长度均有所下降，表明这4种粮食产品的全球供应链网络中的节点国家(地区)之间的传输效率均有所上升。

2.2.4 层级性——度分布

从图3可以看出，全球粮食供应链网络的度分布在双对数坐标下均服从幂律分布，2017年4种粮食全球供应链网络度分布斜率|a|在1.019~1.176之间，2022年|a|在1.055~1.186之间，度分布较为集中。其中大豆的度分布最高，表明大豆的层级性相对较高，全球供应链网络相对而言较为集中，层级性较高的中心式网络结构使得网络在抵御外部风险时具有一定的“鲁棒性”，但核心节点国家(地区)遭受冲击后节点国家(地区)间联系会出现大幅度降低，使得网络的流动性下降，最终导致网络的“脆弱性”程度上升。这可能是由于大豆的生产国较为集中，这些生产大国在全球大豆市场中占据着重要的地位，形成了鲜明的生产集中度，且部分国家(地区)高度依赖特定的大豆出口国，导致全球供应链网络相对集中；水稻的度分布最低，表明水稻具有更广泛的连接和更多的贸易伙伴。可能是因为水稻作为全球主要的粮食作物，全球需求量较大，因此有着较为分散的贸易网络；玉米和小麦的度分布较为接近，表明玉米和小麦全球供应链网络具有相似的连接程度和贸易伙伴数量。从2017—2022年度分布比较来看，小麦和玉米的度分布斜率|a|有所下降，水稻和大豆的度分布斜率|a|有所上升，这表明小麦和玉米的全球供应链网络的层级性有所下降，全球供应链网络较之前相对分散，水稻和大豆的全球供应链网络的层级性上升，全球供应链网络更为集中。
图3 全球粮食供应链网络度分布

Fig.3 Distribution of global grain supply chain network degree

2.2.5 匹配性——度关联

从度关联计算的结果来看(图4)，4种粮食产品的全球供应链网络均为异配性，对于节点国家(地区)而言，与其相邻的节点国家(地区)表现负关联性，联系路径往往表现出异质化和多样化，表现出较好的一致性交流与互补性合作能力，2022年4种粮食产品供应链网络的异配性强弱表现为：水稻>小麦>大豆>玉米。其中，水稻全球供应链网络中不同的节点国家(地区)之间连接状况最为复杂，多样性也最高，当外界干扰发生时有利于网络结构作出适应性调整；玉米的全球供应链网络结构相对较为简单，多样性也较低。从2017—2022年度关联比较来看，4种粮食产品全球供应链网络的度关联 b均有所增加，这表明4种粮食产品的全球供应链网络中节点国家(地区)之间的连接状况愈发复杂，多样性有所增加，异配性特征增强，路径连接形式更为多元，网络结构更为开放，网络结构韧性有所提升。
图4 全球粮食供应链网络度关联系数

Fig.4 Correlation coefficients of global grain supply chain network degree

2.3 全球粮食供应链网络韧性类型及演化分析

2.3.1 供应链网络韧性类型

供应链网络韧性是指供应链在面对突发事件或压力时，能够快速恢复和适应的能力，供应链网络韧性类型分为三类：随机网络、同配性核心—边缘网络、韧性网络。4种粮食产品的全球供应链网络度分布斜率|a|在1.055~1.186之间，且度关联的相关系数b在-0.450~-0.247，表明4种产品的供应链网络类型均为韧性网络。韧性网络展现出差异性特质，这种节点间的负相关在网络核心与外围间建立了紧密的链接。由于存在众多沟通渠道在核心—边缘之间流动的各类资源，核心成员的随机消失对整个网络结构的冲击相对较小，这使得网络结构展现出强大的韧性。由此表明，4种粮食全球供应链网络均为具有快速恢复和适应能力的供应网络，在遇到外部冲击时，能够通过快速调整和优化资源分配，迅速恢复正常运作，以确保供应链的稳定性和可靠性。

2.3.2 韧性演化——度分布和度关联比较

根据上述韧性演化的分析，构建全球粮食供应链韧性演化坐标系(图5)。从图5可知，小麦、玉米、水稻、大豆的供应链网络结构韧性向提升的方式演化。其中，玉米和小麦的供应链网络的Δ|a|为负，Δb为负；大豆和水稻的供应链网络的Δ|a|为正，Δb为负。根据综合韧性发展评估模型，分析4个供应链网络结构综合韧性演化水平(表7)。
图5 全球粮食供应链韧性演化坐标系

Fig.5 Global grain supply chain resilience evolution coordinate system

表7 全球粮食供应链韧性演化坐标系

Tab.7 Global grain supply chain resilience evolution coordinate system

品种 演化方向 R L P Q P/Q
小麦 + 0.0367 0.0623 0.0316 0.0537 0.5893
玉米 + 0.0030 0.0179 0.0030 0.0176 0.1689
水稻 + 0.2027 0.1678 0.1293 0.1070 1.2081
大豆 + 0.2253 0.1487 0.1241 0.0819 1.5149
由表7可知，大豆和水稻的供应链网络结构综合韧性演化水平处于较高水平，R值0.2253和0.2027，网络结构韧性提升显著；小麦的全球供应链网络韧性演化水平较低，R值为0.0367，网络结构韧性的提升较缓；玉米的全球供应链网络结构综合韧性演化水平最低，R值为0.0030，结构韧性提升最慢。同时，与其他粮食相比，大豆供应链网络的L值较高且P/Q的比值最大，表明大豆全球供应链网络结构韧性提升的质量最高，玉米全球供应链网络的L值低且P/Q的比值最小，表明玉米全球供应链网络结构韧性演变的幅度较小，网络结构韧性提升的质量较低。从整体上来看，全球粮食供应链网络韧性演化水平存在着显著分异，大豆全球供应链网络韧性演化水平最高，水稻、小麦全球供应链网络次之，玉米全球供应链网络最低。

2.4 全球粮食供应链关键节点抗干扰分析

通过对全球各国节点在4种粮食产品全球供应链网络中的抗扰性水平测度(表8)，分析各国节点抗干扰能力。首先，中国在4类网络的节点能力的中转能力和扩散能力的平均值均大于或接近平均，其中水稻、大豆的介数中心度和特征向量中心度远大于平均值，这表明中国在全球粮食供应链网络中处于重要地位，与其余节点国家有着密切的联系，主要由于中国作为世界上人口最多的国家之一，对粮食的需求量巨大，需要大量进口粮食以满足需求；而美国在4类网络的中转能力和扩散能力大多处于第一的位置，这表明美国在全球粮食供应链网络中的链接作用和影响力突出，主要是因为美国作为全球最大的农业生产国之一，拥有先进的农业技术和最庞大的农业资源，其农业生产对全球粮食供应具有重要影响且美国是全球最大的粮食出口国之一，其出口的粮食占全球粮食出口比例较高，对全球粮食市场具有重要影响，因此与其他节点之间形成众多的贸易流联系，使其处于网络中的核心地位。从2017—2022年的供应链节点抗干扰指数比较来看，中国介数中心度和特征向量的中心度远超全球平均值，且中国的水稻和大豆的介数中心度排到了前5位国家，与美国相比，经过5年的发展，美国的全球粮食供应链节点抗干扰指数大都排在世界前列，中国的全球粮食供应链网络地位与美国相比还仍有一定差距，这与方国柱等[37]、张琳琛等[38]的研究结论一致。
表8 全球粮食供应链节点抗干扰指数

Tab.8 Global grain supply chain node anti-interference index

年份 地区 介数中心度 特征向量中心度
小麦 玉米 水稻 大豆 小麦 玉米 水稻 大豆
2017 平均值 0.691 0.600 0.474 0.808 7.115 6.841 7.248 6.832
最大值 22.523 11.565 11.565 22.559 31.724 28.635 28.635 34.375
最小值 0 0 0 0 0.016 0.041 0.029 0
方差 5.085 4.144 2.195 5.788 54.090 47.991 38.795 60.848
中国 0.438 1.610 5.262 13.259 11.113 14.912 18.738 28.649
前5位国家 美国 美国 美国 美国 法国 美国 印度 美国
俄罗斯 阿根廷 泰国 印度 德国 法国 泰国 德国
法国 法国 印度 中国 俄罗斯 阿根廷 美国 法国
德国 新西兰 中国 加拿大 乌克兰 西班牙 意大利 荷兰
澳大利亚 南非 土耳其 法国 意大利 荷兰 巴基斯坦 加拿大
2022 平均值 0.698 0.593 0.471 0.779 7.090 6.932 7.144 6.714
最大值 20.583 3.898 12.283 25.502 33.243 30.625 28.726 33.965
最小值 0 0 0 0 0.135 0.050 0.066 0.056
方差 4.865 20.455 2.501 5.975 55.550 47.182 39.876 59.632
中国 1.409 1.035 4.991 8.005 7.080 13.010 16.422 24.771
前5位国家 美国 美国 美国 美国 法国 美国 印度 美国
法国 南非 印度 印度 德国 法国 泰国 法国
印度 土耳其 泰国 南非 波兰 土耳其 美国 加拿大
加拿大 巴西 土耳其 中国 乌克兰 意大利 意大利 荷兰
德国 阿联酋 中国 加拿大 土耳其 南非 土耳其 奥地利

3 结论

本文基于复杂网络视角，采用2017年及2022年世界各国水稻、玉米、小麦、大豆贸易量数据，通过构建供应链韧性指标对全球粮食供应链韧性进行测度，并对其演化类型及抗干扰水平进行分析。主要结论如下：
(1) 从全球粮食供应链网络基本特征来看：2017—2022年，参与四大粮食产品贸易的国家数量并未发生明显变化。玉米和大豆的贸易量和关联度有着提升，而水稻和小麦略微下降，其中小麦受到新冠疫情和俄乌冲突的影响相对较大，导致小麦全球供应链的连接紧密性下降严重。
(2) 从全球粮食供应链网络韧性来看：2017—2022年，玉米和大豆的全球供应链网络的稳定性和耐受性有所提高，而水稻和小麦的全球供应链网络的稳定性和耐受性有所下降，4种粮食产品的平均路径长度均有所下降，传输效率均有所提升，全球供应链网络节点的复杂程度均有所上升。
(3) 从全球粮食供应链网络韧性类型及演化来看：4种粮食产品的供应链网络类型均为韧性网络，具有快速恢复和适应能力，但4种粮食产品供应链韧性演化水平存在显著分异，大豆供应链网络韧性演化水平最高，水稻、小麦供应链网络次之，玉米供应链网络最低。
(4) 从各国节点抗干扰性来看：美国在全球粮食供应链网络中的链接作用和影响力突出，中国的介数中心度和特征向量中心度远超全球平均值，但中国在全球粮食供应链网络中的地位与美国相比仍有一定差距。
基于上述研究结论，为确保中国粮食供应链稳定，保障全球粮食安全，本文提出以下建议：第一，拓展粮食进口来源，确保粮食供应链的稳定。根据上述结论，主要粮食作物水稻和小麦全球供应链的稳定性和耐受性有所下降，而水稻和小麦是中国主要消费的粮食作物，因此需要与周边国家如俄罗斯、泰国等国家建立良好合作关系，保障水稻和小麦的供应链稳定，且由于中美摩擦，中国大豆进口受到了很大的限制，大豆出口国家较为集中，应进一步加深与巴西、阿根廷等国贸易合作关系，通过签订长期合作协议确保中国大豆供应链的稳定。此外，充分把握“一带一路”带来的机遇，与沿线国家增加贸易往来和农业合作，从而保障中国粮食安全。第二，鼓励农业科技创新，保障粮食自给自足。由全球粮食供应链关键节点抗干扰分析可知，中国在全球粮食供应链网络的地位与美国相比仍有较大的差距。因此，一方面，通过深化“藏粮于技”“藏粮于地”，增加对于农业领域的资金支持，同时鼓励科研院所与高校研究成果充分转化到现实应用，促进农业科技水平的发展；另一方面，推动农业技术与信息技术融合，利用现代信息技术，如物联网、大数据、人工智能等，推动农业技术与信息技术的深度融合，通过智能农业装备、精准农业管理、智能决策支持等手段，提高农业生产的智能化和精准化水平。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Huang H, von Lampe M, van Tongeren F. Climate change and trade in agriculture[J]. Food Policy, 2011, 36: S9-S13.

[2]
丁存振, 徐宣国. 国际粮食供应链安全风险与应对研究[J]. 经济学家, 2022(6): 109-118.

[Ding Cunzhen, Xu Xuanguo. Research on security risks of international food supply chain and countermeasures. Economist, 2022(6): 109-118.]

[3]
王娟娟, 曲健. 数字经济赋能粮食供应链韧性的效应及区域分异研究[J]. 西北民族大学学报(哲学社会科学版), 2024(1): 138-154.

[Wang Juanjuan, Qu Jian. Study on the effect and regional differentiation of food supply chain resilience empowered by digital economy. Journal of Northwest Minzu University (Philosophy and Social Sciences), 2024(1): 138-154.]

[4]
朱满德, 赵琴, 程国强. 新时代中国粮食安全风险识别与治理策略[J]. 中国经济报告, 2022(5): 5-13.

[Zhu Mande, Zhao Qin, Cheng Guoqiang. Risk identification and governance strategies for food security in China in the new era. China Policy Review, 2022(5): 5-13.]

[5]
王宣珂, 高海伟. 新时代中国式现代粮食供应链构建[J]. 中国流通经济, 2023, 37(7): 40-47.

[Wang Xuanke, Gao Haiwei. Construction of Chinese-style modern food supply chain in the new era. China Business and Market, 2023, 37(7): 40-47.]

[6]
Christopher M, Peck H. Building the resilient supply chain[J]. The International Journal of Logistics Management, 2004, 15(2): 1-14.

[7]
Tendall D M, Joerin J, Kopainsky B, et al. Food system resilience: Defining the concept[J]. Global Food Security, 2015, 6: 17-23.

[8]
陶亚萍. 新时期强化中国粮食供应链韧性的创新路径[J]. 宁夏社会科学, 2023(1): 118-124.

[Tao Yaping. Innovative path to strengthen the resilience of China's grain supply chain in the new era. Ningxia Social Sciences, 2023(1): 118-124.]

[9]
蔡林军, 文春晖. 劳动力转移对粮食生产韧性的影响研究: 基于中国粮食主产区的实证[J]. 中国农机化学报, 2024, 45(3): 313-321.

[Cai Linjun, Wen Chunhui. Study on the influence of labor transfer on the resilience of food production: Based on the evidence of major grain producing areas in China. Journal of Chinese Agricultural Mechanization, 2024, 45(3): 313-321.]

DOI

[10]
董亚妮, 祁春节, 谭明交, 等. 粮食主产区农业韧性的空间差异及影响因素[J]. 中国农业资源与区划, 2024, 45(3): 14-25.

[Dong Yani, Qi Chunjie, Tan Mingjiao, et al. Spatial differences and influencing factors of agricultural resilience in major grain-producing areas. Chinese Journal of Agricultural Resources and Regional Planning, 2024, 45(3): 14-25.]

[11]
Barigozzi M, Fagiolo G, Garlaschelli D. Multinetwork of international trade: A commodity-specific analysis[J]. Physical Review E, 2010, 81(4): 046104. doi: 10.1103/PhysRevE.81.046104.

[12]
Barigozzi M, Fagiolo G, Mangioni G. Identifying the community structure of the international-trade multi-network[J]. Physica A: Statistical Mechanics and Its Applications, 2011, 390(11): 2051-2066.

[13]
Zhong W Q, An H Z, Shen L, et al. Global pattern of the interna-tional fossil fuel trade: The evolution of communities[J]. Energy, 2017, 123(6): 260-270.

[14]
洪思扬, 程涛, 王红瑞. 长江经济带水资源—能源网络特征[J]. 资源科学, 2021, 43(9): 1794-1807.

DOI

[Hong Siyang, Cheng Tao, Wang Hongrui. Characteristics of the water-energy network in the Yangtze River economic belt. Resources Science, 2021, 43(9): 1794-1807.]

DOI

[15]
Wang X B, Ge J P, Wei W D, et al. Spatial dynamics of the communities and the role of major countries in the international rare earths trade: A complex network analysis[J]. PLoS One, 2016, 11(5): e0154575. doi: 10.1371/journal.pone.0154575.

[16]
张宏伟, 黄希宇, 张杨, 等. 全球钨产业链贸易多层网络需求短缺风险传播机制[J]. 资源科学, 2024, 46(5): 948-959.

DOI

[Zhang Hongwei, Huang Xiyu, Zhang Yang, et al. Mechanisms of demand shortage risk propagation in the multi-layer trade network of global tungsten industry chain. Resources Science, 2024, 46(5): 948-959.]

DOI

[17]
郭卫东, 钟业喜, 冯兴华. 基于脆弱性视角的中国高铁城市网络韧性研究[J]. 地理研究, 2022, 41(5): 1371-1387.

DOI

[Guo Weidong, Zhong Yexi, Feng Xinghua. Research on the resilience of China's high-speed rail urban network from the perspective of vulnerability. Geographical Research, 2022, 41(5): 1371-1387.]

[18]
纪颖超, 殷杰. “一带一路” 沿线国家旅游合作联系网络结构韧性: 综合评估与动因甄别[J]. 人文地理, 2023, 38(4): 176-185.

[Ji Yingchao, Yin Jie. Structure resilience of tourism cooperation linkage network of countries along the Belt and Road initiative: Comprehensive evaluation and motivation identification. Human Geography, 2023, 38(4): 176-185.]

[19]
王祥, 强文丽, 牛叔文, 等. 全球农产品贸易网络及其演化分析[J]. 自然资源学报, 2018, 33(6): 940-953.

DOI

[Wang Xiang, Qiang Wenli, Niu Shuwen, et al. Analysis on global agricultural trade network and its evolution. Journal of Natural Resources, 2018, 33(6): 940-953.]

DOI

[20]
Wu F, Guclu H. Global maize trade and food security: Implications from a social network model[J]. Risk Analysis, 2013, 33(12): 2168-2178.

DOI PMID

[21]
Fair K R, Bauch C T, Anand M. Dynamics of the global wheat trade network and resilience to shocks[J]. Scientific Reports, 2017, 7(1): 7177. doi: 10.1038/s41598-017-07202-y.

PMID

[22]
蔡宏波, 宋媛嫄, 樊瑛, 等. 国际农产品贸易: 基于复杂网络的分析[J]. 北京师范大学学报(自然科学版), 2018, 54(2): 191-197.

[Cai Hongbo, Song Yuanyuan, Fan Ying, et al. International trade of agricultural products as analyzed by complex network method. Journal of Beijing Normal University (Natural Science), 2018, 54(2): 191-197.]

[23]
王泽宇, 郭婷, 王焱熙. 复杂网络视角下全球水产品贸易格局演化及影响因素[J]. 地域研究与开发, 2022, 41(2): 1-6, 13.

[Wang Zeyu, Guo Ting, Wang Yanxi. Evolution of global aquatic products trade pattern and influencing factors from the perspective of complex network. Areal Research and Development, 2022, 41(2): 1-6, 13.]

[24]
冯颖, 侯孟阳, 姚顺波. 中国粮食生产空间关联网络的结构特征及其形成机制[J]. 地理学报, 2020, 75(11): 2380-2395.

DOI

[Feng Ying, Hou Mengyang, Yao Shunbo. Structural characteristics and formation mechanism of spatial correlation network of grain production in China. Acta Geographica Sinica, 2020, 75(11): 2380-2395.]

DOI

[25]
于娱, 马代鹏, 王贤梅. 国际铁矿资源全产业链产品的贸易网络韧性[J]. 资源科学, 2022, 44(10): 2006-2021.

DOI

[Yu Yu, Ma Daipeng, Wang Xianmei. International trade network resilience for products in the whole industrial chain of iron ore resources. Resources Science, 2022, 44(10): 2006-2021.]

DOI

[26]
谢永顺, 王成金, 韩增林, 等. 哈大城市带网络结构韧性演化研究[J]. 地理科学进展, 2020, 39(10): 1619-1631.

DOI

[Xie Yongshun, Wang Chengjin, Han Zenglin, et al. Structural resilience evolution of multiple urban networks in the Harbin-Dalian urban belt. Progress in Geography, 2020, 39(10): 1619-1631.]

DOI

[27]
陈方, 戢晓峰, 梁斐雯, 等. 基于复杂网络的区域旅游交通网络特征研究: 以云南省为例[J]. 地域研究与开发, 2018, 37(6): 93-97, 127.

[Chen Fang, Ji Xiaofeng, Liang Feiwen, et al. Complexity of regional tourism transportation network based on complex networks theory: A case study of Yunnan Province. Areal Research and Development, 2018, 37(6): 93-97, 127.]

[28]
Ahern J. From fail-safe to safe-to-fail: Sustainability and resilience in the new urban world[J]. Landscape and Urban Planning, 2011, 100(4): 341-343.

[29]
郭建科, 郭姝, 秦娅风, 等. 中非集装箱航运网络演化及其对经贸联系的支撑能力[J]. 资源科学, 2020, 42(11): 2145-2157.

DOI

[Guo Jianke, Guo Shu, Qin Yafeng, et al. Change of China-Africa container shipping network and its ability to support economic and trade ties. Resources Science, 2020, 42(11): 2145-2157.]

DOI

[30]
左芝鲤, 成金华, 郭海湘, 等. 锂产业链贸易网络结构韧性的演化与评估[J]. 中国人口·资源与环境, 2024, 34(2): 155-166.

[Zuo Zhili, Cheng Jinhua, Guo Haixiang, et al. Resilience evolution and evaluation of the trade network structure in the lithium industry chain. China Population, Resources and Environment, 2024, 34(2): 155-166.]

[31]
魏石梅, 潘竟虎. 中国地级及以上城市网络结构韧性测度[J]. 地理学报, 2021, 76(6): 1394-1407.

DOI

[Wei Shimei, Pan Jinghu. Network structure resilience of cities at the prefecture level and above in China. Acta Geographica Sinica, 2021, 76(6): 1394-1407.]

DOI

[32]
Crespo J, Suire R, Vicente J. Lock-in or lock-out? How structural properties of knowledge networks affect regional resilience[J]. Journal of Economic Geography, 2014, 14(1): 199-219.

[33]
何瑶, 杨永春, 郭建科. 中断模拟下的中国沿海集装箱港口航运网络脆弱性[J]. 资源科学, 2022, 44(2): 414-424.

DOI

[He Yao, Yang Yongchun, Guo Jianke. Vulnerability of the shipping network of China's coastal container ports under disruption simulation. Resources Science, 2022, 44(2): 414-424.]

DOI

[34]
汪艺晗, 杨谨, 刘其芸, 等. “一带一路”国家粮食贸易下虚拟水和隐含能源流动[J]. 资源科学, 2021, 43(5): 974-986.

DOI

[Wang Yihan, Yang Jin, Liu Qiyun, et al. Virtual water and embodied energy transfer in grain trade across the countries along the "Belt and Road". Resources Science, 2021, 43(5): 974-986.]

DOI

[35]
司文, 郑仪, 梁建武. 俄乌冲突对全球粮食安全的影响[J]. 现代国际关系, 2022(5): 10-19, 59.

[Si Wen, Zheng Yi, Liang Jianwu. Impact of the Russia-Ukraine conflict on global food security. Contemporary International Relations, 2022(5): 10-19, 59.]

[36]
谭丹, 马顺甜. 大豆国际贸易格局演化与中国对策[J]. 经济地理, 2022, 42(9): 110-119.

DOI

[Tan Dan, Ma Shuntian. Evolution of soybean international trade pattern and China's countermeasures. Economic Geography, 2022, 42(9): 110-119.]

[37]
方国柱, 祁春节, 顾雨檬, 等. 全球农产品贸易网络演化与中国对策[J]. 中国农业资源与区划, 2024, 45(1): 73-83.

[Fang Guozhu, Qi Chunchun, Gu Yumeng, et al. The evolution of global agricultural trade network and china's countermeasures. Chinese Journal of Agricultural Resources and Regional Planning, 2024, 45(1): 73-83.]

[38]
张琳琛, 王悦, 董银果. 国际农产品贸易网络的脆弱性研究[J]. 农业经济问题, 2023, 44(12): 130-144.

[Zhang Linchen, Wang Yue, Dong Yinguo. Research on the vulnerability of international agricultural trade network. Issues in Agricultural Economy, 2023, 44(12): 130-144.]

Options
文章导航

/

〈 〉