Study on the resilience of world soybean trade network from the perspective of China's food security

doi:10.3969/j.issn.1004-9479.2026.02.20240518

Abstract

Abstract:

China's soybean import has the characteristics of large overall scale and concentrated import countries. Under the background of greater uncertainty in the current economic and trade environment, China's soybean import supply chain is facing greater pressure. In order to ensure the security of soybean supply in China and deal with the possible external crisis in time, this paper measures the node resilience and structure resilience of global soybean trade network and China's soybean import trade network from 1996 to 2022. The results show that the resilience of China's soybean imports is highly dependent on countries with high-outdegree (e.g., the United States, Brazil) and key intermediate countries (e.g., the United States, Canada, Turkey). When countries in the Northern Hemisphere reduce their soybean exports, Brazil plays a central role in balancing supply and restoring network operations. The role of other countries in the Southern Hemisphere needs to be further developed. Based on this, China should sign long-term purchase and sale agreements with Brazil, establish a joint agricultural fund, and strengthen the mechanism for binding interests with the United States, etc., in order to ensure the stability of China's soybean import supply. China should sign trade agreements with Paraguay, Argentina and other countries, optimize the transportation network, cultivate high-yield soybean varieties, and promote regional cooperation alliances, etc., in order to diversify the supply system in South America. China should sign bilateral agreements with intermediate countries, establish regional supply buffers, and invest in modern logistics facilities, etc., in order to enhance the resilience and risk response capabilities of the soybean supply chain.

Key words: soybean trade, network resilience, capability of destruction-resistance, capacity of recovery, food security

摘要：

中国大豆进口具有总体规模大、进口来源国集中等特点。在当前经贸环境具有较大不确定性的背景下，中国大豆进口供应链面临较大压力。为及时应对可能发生的外部危机，保证中国大豆的供应安全，本研究测度了1996—2022年全球大豆贸易网络和中国大豆进口贸易网络的韧性。结果表明：①中国大豆进口的韧性高度依赖出度较高的国家（如美国、巴西）和关键中间国家（如美国、加拿大、土耳其）；②当北半球国家减少大豆出口时，巴西在平衡供应和恢复网络运行中发挥核心作用，而其他南半球国家的作用有待进一步挖掘。基于此，中国可以通过与巴西签署长期购销协议、建立联合农业基金、与美国加强利益绑定机制等方式，确保中国大豆进口供应的稳定性；通过与巴拉圭、阿根廷等国签署贸易协议、优化运输网络、培育高产大豆品种以及推动区域性合作联盟等方式，多元化南美洲的供应体系；通过与中间国家签署双边协议、建立区域供应缓冲区以及投资现代化物流设施等方式，增强大豆供应链的韧性和风险应对能力。

关键词: 大豆贸易, 网络韧性, 抵抗能力, 恢复能力, 粮食安全

Jun WU, Fafa YAN, Zengfu LI. Study on the resilience of world soybean trade network from the perspective of China's food security[J]. World Regional Studies, 2026, 35(2): 80-95.

吴骏, 晏发发, 李增福. 中国粮食安全视角下世界大豆贸易网络的韧性研究[J]. 世界地理研究, 2026, 35(2): 80-95.

Figures/Tables 9

Tab.1 Calculation methods and meanings for weighted out-degree and closeness centrality

指标

公式

含义

加权

出度

$w o u t (v) = ∑ (v, u) ϵ E w (v, u)$

其中： $w o u t (v)$ 表示节点 $v$ 的加权出度； $E$ 表示节点 $v$ 的所有出边的集合； $w (v, u)$ 表示从节点 $v$ 指向节点 $u$ 的边权重。

在国际贸易中，一个国家既出口又进口，根据图论，可以用有向图表示。在有向图中，用带箭头的线表示边，从这个顶点指出去的箭头个数，就是它的出度。而加权出度是指从某个节点出发的所有边的权重之和。它不仅仅是出边的数量，还考虑了每条出边的权重

接近中心性

$C (v) = 1 ∑ u ϵ V d (v, u)$

其中： $C (v)$ 表示节点 $v$ 的接近中心性； $d (v, u)$ 表示节点 $v$ 与节点 $u$ 之间的最短路径距离； $V$ 表示网络中所有节点的集合。

接近中心性反映一个节点与网络中其他所有节点的平均距离的倒数。它用于衡量一个节点能够多快地接触到网络中所有其他节点。接近中心性高的节点通常位于网络的中心位置，与其他节点的路径较短

Tab.1 Calculation methods and meanings for weighted out-degree and closeness centrality

指标

公式

含义

加权

出度

$w o u t (v) = ∑ (v, u) ϵ E w (v, u)$

其中： $w o u t (v)$ 表示节点 $v$ 的加权出度； $E$ 表示节点 $v$ 的所有出边的集合； $w (v, u)$ 表示从节点 $v$ 指向节点 $u$ 的边权重。

接近中心性

$C (v) = 1 ∑ u ϵ V d (v, u)$

其中： $C (v)$ 表示节点 $v$ 的接近中心性； $d (v, u)$ 表示节点 $v$ 与节点 $u$ 之间的最短路径距离； $V$ 表示网络中所有节点的集合。

Fig. 1 Diagram of the cascading effect

Fig. 2 Evolution of the global soybean trade network

Fig. 3 Frequency distribution of the top ten countries with the highest weighted out-degree from 1996 to 2022

Fig. 4 Frequency distribution of the top ten countries with the highest closeness centrality from 1996 to 2022

Tab.2 The impact of reduced exports from the top ten countries ranked by weighted out-degree in certain years

排名	1996年		2005年		2015年		2022年
排名	国家	影响	国家	影响	国家	影响	国家	影响
1	美国	6.802 7	美国	4.052 8	巴西	4.071 0	巴西	5.195 8
2	巴西	1.456 6	巴西	3.339 8	美国	3.775 6	美国	3.475 8
3	阿根廷	0.665 2	阿根廷	1.494 2	阿根廷	0.908 7	阿根廷	0.385 1
4	巴拉圭	1.360 1	巴拉圭	1.442 1	加拿大	0.809 4	加拿大	0.371 4
5	加拿大	1.162 0	荷兰	0.294 9	巴拉圭	0.661 5	乌拉圭	0.342 2
6	荷兰	0.156 3	加拿大	0.501 5	乌拉圭	0.285 8	巴拉圭	1.276 6
7	玻利维亚	0.544 1	乌拉圭	0.127 9	乌克兰	0.354 2	乌克兰	0.234 9
8	乌拉圭	0.044 2	瑞士	0.043 4	荷兰	0.114 7	荷兰	0.082 0
9	德国	0.036 5	英国	0.062 3	俄罗斯	0.071 5	俄罗斯	0.177 0
10	俄罗斯	0.025 8	比利时	0.184 1	印度	2.145 5	玻利维亚	0.265 1

Tab.3 The impact of reduced exports from the top ten countries ranked by closeness centrality and weighted out-degree in certain years on China (ton)

类型	时间	风险来源国	直接影响	间接影响	时间	风险来源国	直接影响	间接影响
接近中心性	2015	奥地利	0	418.6	2022	比利时	0	3 914.6
		比利时	0	37.2		加拿大	71 909.4	107 550.6
		法国	0	482.3		法国	0	17 096.0
		德国	0	355.6		德国	0	3 989.0
		匈牙利	0	9 756.9		印度	0	596 179.7
		意大利	0	9 445.2		意大利	0	7 791.5
		荷兰	0	2 964.4		荷兰	0	1 456.6
		西班牙	0	1 262.8		葡萄牙	0	6 467.2
		土耳其	0	1 989 601.9		罗马尼亚	0	262 003.2
		美国	2 841 308.4	899.3		西班牙	0	6 467.2
						土耳其	0	2 566 852.1
						美国	2 953 299.0	606.0
加权出度	1996	阿根廷	11 798.7	36.9	2005	阿根廷	739 625.5	2 600.0
		玻利维亚	0.0	1 683.1		巴西	795 171.2	1 617.7
		巴西	5 274.7	68.6		加拿大	1 258.3	66 048.3
		加拿大	1 018.5	11 182.2		巴拉圭	0	374 634.5
		巴拉圭	0.0	3 225.0		美国	1 104 787.0	38.5
		俄罗斯	6 627.5	0		乌拉圭	18 117.6	1 229.0
		美国	8 5967.8	33.4
	2015	阿根廷	943 659.3	8 749.0	2022	阿根廷	364 954.9	91 086.4
		巴西	4 007 674.0	441.7		玻利维亚	0	283 837.7
		加拿大	107 107.4	388 016.0		巴西	5 439 354.0	3 163.4
		印度	0	1 572 759.7		加拿大	71 909.4	107 550.7
		荷兰	0	2 964.3		荷兰	0	1 456.6
		巴拉圭	0	372 122.5		巴拉圭	0	1 240 372.2
		俄罗斯	37 346.5	30 611.1		俄罗斯	69 375.3	106 464.5
		乌克兰	106.1	145 483.1		乌克兰	6 712.8	92 252.4
		美国	2 841 308.4	899.3		美国	2 953 299.0	606.0
		乌拉圭	231 770.9	4 201.9		乌拉圭	178 814.8	156 627.2

Tab.4 Risk propagation paths from source countries to China

节点类型	时间	Ⅰ	Ⅱ	Ⅲ	Ⅳ	时间	Ⅰ	Ⅱ	Ⅲ	Ⅳ
接近中心性	2015	奥地利	4	4.00	荷兰	2022	比利时	5	6.00	瑞士、印度
		比利时	4	5.00	德国、荷兰		加拿大	6	4.17	美国
		法国	4	5.25	意大利		法国	5	6.00	瑞士、印度
		德国	4	4.25	荷兰		德国	5	6.00	瑞士、印度
		匈牙利	4	4.75	意大利、土耳其、加拿大		印度	6	4.33	美国
		意大利	4	4.25	土耳其、加拿大		意大利	5	6.00	罗马尼亚、土耳其
		荷兰	4	3.50	美国、加拿大		荷兰	5	6.00	罗马尼亚、土耳其
		西班牙	4	4.50	荷兰		葡萄牙	5	8.00	西班牙、法国、瑞士、印度
		土耳其	4	3.50	美国、加拿大		罗马尼亚	6	5.33	土耳其
		美国	4	3.00	加拿大		西班牙	5	7.00	法国、瑞士、印度
							土耳其	7	4.71	美国
							美国	7	3.86	阿根廷
加权出度	1996	阿根廷	4	3.25	美国	2005	阿根廷	5	3.20	美国
		玻利维亚	3	4.67	巴西		巴西	5	3.60	阿根廷、智利、美国
		巴西	3	3.67	智利、美国		加拿大	5	4.00	美国
		加拿大	3	3.00	美国		巴拉圭	5	3.80	阿根廷、智利、美国
		巴拉圭	3	4.00	智利、美国		美国	5	3.40	阿根廷
		俄罗斯	1	2.00	—		乌拉圭	4	3.25	美国
		美国	3	2.67	加拿大、巴西
	2015	阿根廷	7	3.43	巴西、荷兰、加拿大	2022	阿根廷	7	3.29	巴拉圭、俄罗斯
		巴西	5	3.40	荷兰、加拿大		玻利维亚	7	3.86	乌拉圭
		加拿大	4	2.75	俄罗斯、乌克兰、美国		巴西	7	3.43	阿根廷
		印度	4	3.50	美国、加拿大		加拿大	6	4.17	美国
		荷兰	4	3.50	加拿大		荷兰	5	6.00	罗马尼亚、土耳其
		巴拉圭	5	3.60	美国		巴拉圭	7	3.57	俄罗斯、阿根廷
		俄罗斯	4	3.50	土耳其、加拿大		俄罗斯	7	3.71	美国
		乌克兰	4	3.00	加拿大		乌克兰	7	4.00	美国
		美国	4	3.00	加拿大		美国	7	3.86	阿根廷
		乌拉圭	6	3.67	智利、加拿大、巴拉圭		乌拉圭	7	3.43	巴西

Tab.5 Impact of export reductions from northern hemisphere countries and increases from southern hemisphere countries on the total flow of the global network (%)

时间	减少国家	增加国家	网络总流量变化率	时间	减少国家	增加国家	网络总流量变化率
1996年	美国	阿根廷	-6.138 2	2015年	美国	阿根廷	-2.868 0
	美国	巴西	-5.348 0		美国	巴西	0.295 4
	美国	巴拉圭	-5.444 3		美国	巴拉圭	-3.114 4
	美国	乌拉圭	6.635 2		美国	乌拉圭	-3.490 4
	美国	玻利维亚	-6.259 3		美国	玻利维亚	-3.772 7
	印度	阿根廷	0.663 0		印度	阿根廷	-1.237 1
	印度	巴西	1.454 4		印度	巴西	1.925 8
	印度	巴拉圭	1.357 9		印度	巴拉圭	-1.483 8
	印度	乌拉圭	0.167 5		印度	乌拉圭	-1.859 7
	印度	玻利维亚	0.541 9		印度	玻利维亚	-2.142 3
	加拿大	阿根廷	-0.497 0		加拿大	阿根廷	0.099 1
	加拿大	巴西	0.294 2		加拿大	巴西	3.261 6
	加拿大	巴拉圭	0.197 8		加拿大	巴拉圭	-0.147 8
	加拿大	乌拉圭	-0.993 1		加拿大	乌拉圭	-0.523 8
	加拿大	玻利维亚	-0.618 1		加拿大	玻利维亚	-0.806 5
	俄罗斯	阿根廷	0.639 4		俄罗斯	阿根廷	0.837 2
	俄罗斯	巴西	1.430 8		俄罗斯	巴西	3.999 5
	俄罗斯	巴拉圭	1.334 3		俄罗斯	巴拉圭	0.589 3
	俄罗斯	乌拉圭	0.143 9		俄罗斯	乌拉圭	0.214 3
	俄罗斯	玻利维亚	0.518 3		俄罗斯	玻利维亚	-0.068 6
	土耳其	阿根廷	0.665 2		土耳其	阿根廷	-1.764 1
	土耳其	巴西	1.456 6		土耳其	巴西	1.398 9
	土耳其	巴拉圭	1.360 1		土耳其	巴拉圭	-2.010 7
	土耳其	乌拉圭	0.169 7		土耳其	乌拉圭	-2.386 7
	土耳其	玻利维亚	0.544 1		土耳其	玻利维亚	-2.669 2

References 33

[1]	倪国华,苏丹华.双循环战略布局下的粮食贸易新格局研究.中国农业大学学报(社会科学版),2023(9):1-13.
	NI G, SU D. Study of the new pattern of grain trade under the strategic layout of dual circulation.Journal of China Agricultural University(Social Sciences), 2023(9):1-13.
[2]	曹宝明,唐丽霞,胡冰川,等.全球粮食危机与中国粮食安全.国际经济评论,2021(2):9-21.
	CAO B, TANG L, HU B, et al. Global grain crisis and China's grain security. International Economic Review, 2021(2):9-21.
[3]	蔡建明,郭华,汪德根.国外弹性城市研究述评. 地理科学进展, 2012, 31(10): 1245-1255.
	CAI J, GUO H, WANG D. Review on the resilient city research overseas. Progress in Geography, 2012, 31(10): 1245-1255.
[4]	FOLKE C, BIGGS R, NORSTRÖM A, et al. Social-ecological resilience and biosphere-based sustainability science.Ecology and Society,2016,21(3): 210341.
[5]	ANSAH I, GARDEBOREK C, IHLE R. Resilience and household food security: A review of concepts, methodological approaches and empirical evidence. Food Security, 2019, 11(6): 1187-1203.
[6]	LANKFORD B, PRINGLE C, MCCOSH J, et al. Irrigation area, efficiency and water storage mediate the drought resilience of irrigated agriculture in a semi-arid catchment. Science of the Total Environment, 2023(859): 160263.
[7]	GATTO A, DRAGO C. Measuring and modeling energy resilience. Ecological Economics, 2020(172): 106527.
[8]	SHARIFI A, YAMAGATA Y. Principles and criteria for assessing urban energy resilience: A literature review. Renewable and Sustainable Energy Reviews, 2016(60): 1654-1677.
[9]	ASSAD A, BOUFERGUENE A. Resilience assessment of water distribution networks- bibliometric analysis and systematic review. Journal of Hydrology, 2022(607): 127522.
[10]	VARIS O, KUMMU M. The demanding quest for harmony: China's polarizing freshwater resilience map. Environmental Research Letters, 2019, 14(5): 054015.
[11]	MANCHERI N, SPRECHER B, BAILEY G, et al. Effect of chinese policies on rare earth supply chain resilience. Resources, Conservation and Recycling, 2019(142): 101-112.
[12]	STONE J, RAHIMIFARD S. Resilience in agri-food supply chains: A critical analysis of the literature and synthesis of a novel framework. Supply Chain Management: An International Journal, 2018, 23(3): 207-238.
[13]	TRAORE H, BARRO A, YONLI D, et al. Water conservation methods and cropping systems for increased productivity and economic resilience in burkina faso. Water, 2020,12(4): 976.
[14]	TAN W, ZHANG A, CAI W. A graph-based model to measure structural redundancy for supply chain resilience. International Journal of Production Research,2019(57):6385–6404.
[15]	BAKER J, SCHUBERT M, FABER M. On the assessment of robustness. Structural safety, 2008, 30(3): 253-267.
[16]	OUYANG M, WANG Z. Resilience assessment of interdependent infrastructure systems: With a focus on joint restoration modeling and analysis. Reliability Engineering & System Safety,2015(141):74-82.
[17]	DING Y, ZHANG M, CHEN S, et al. Assessing the resilience of China's natural gas importation under network disruptions. Energy, 2020(211):118459.
[18]	KARAKOC D, KONAR M. A complex network framework for the efficiency and resilience trade-off in global food trade. Environmental Research Letters, 2021(16):105003.
[19]	YU Y, MA D, ZHU W. Resilience assessment of international cobalt trade network. Resources Policy, 2023(83):103636.
[20]	YI L, JIAN L. Risk analysis and resilience assessment of China's oil imports after the Ukraine Crisis: A network-based dynamics model. Energy, 2024(299):1-20
[21]	叶玮怡,马恩朴,廖柳文,等.远程耦合视角下国际大豆贸易网络的时空演化及影响因素.自然资源学报,2023,38(6):1632-1650.
	YE W, MA E, LIAO L, et al. Spatio-temporal evolution and influencing factors of international soybean trade network from a telecoupling perspective.Journal of Natural Resources,2023, 38(6): 1632-1650.
[22]	NEWMAN M. The structure and function of complex networks. SIAM Review, 2003, 45(2): 167-256.
[23]	SUN J, MOONEY H, WU W, et al. Importing food damages domestic environment: Evidence from global soybean trade.Proceedings of the National Academy of Sciences, 2018, 115(21): 5415-5419.
[24]	SILVA R, BATISTELLA M, DOU Y, et al. The Sino-Brazilian telecoupled soybean system and cascading effects for the exporting country. Land, 2017, 6(3): 53.
[25]	卢昱嘉,陈秧分,韩一军.全球大豆贸易网络演化特征与政策启示.农业现代化研究,2019,40(4):674-682.
	LU Y, CHEN Y, HAN Y.Evolution characteristics and policy implications of the global soybean trade network.Research of Agricultural Modernization,2019,40(4):674-682.
[26]	CHEN Z, WANG H, LIU X, et al. Risk diffusion of international oil trade cuts: A network-based dynamics model. Energy Rep, 2022, 8:11320.
[27]	AN F, WU S, GAO X, et al. A quantification method of non-failure cascading spreading in a network of networks. Chaos: An Interdisciplinary Journal of Nonlinear Science, 2021,31(12):1-16.
[28]	ZHOU X, LU G, XU Z, et al. Influence of Russia-Ukraine war on the global energy and food security. Resources, Conservation and Recycling, 2023,188: 106657.
[29]	NIU X, MOUSSAWI A, KORNISS G,et al. Evolution of threats in the global risk network. Applied Network Science, 2018, 3(1): 1-24.
[30]	张琳琛,王悦,董银果.国际农产品贸易网络的脆弱性研究.农业经济问题,2023(12):130-144.
	ZHANG L, WANG Y, DONG Y. Research on the vulnerability of international agricultural trade network.Agricultural economic problems, 2023(12):130-144.
[31]	管靖,宋周莺,刘卫东.全球粮食贸易网络演变及其驱动因素解析.地理科学进展,2022,41(5):755-769.
	GUAN J, SONG Z, LIU W. Change of the global grain trade network and its driving factors. Progress in Geography, 2022, 41(5): 755-769.
[32]	杨文龙,杜德斌,马亚华,等."一带一路"沿线国家贸易网络空间结构与邻近性.地理研究, 2018, 37(11): 2218-2235.
	YANG W, DU D, MA Y, et al. Network structure and proximity of the trade network in the Belt and Road region. Geographical Research, 2018,37(11): 2218-2235.
[33]	计启迪,刘卫东,陈伟,等.基于产业链的全球铜贸易网络结构研究.地理科学,2021,41(1):44-54.
	JI Q, LIU W, CHEN W, et al. Structure of global copper- containing products trade network based on industrial chain perspective. Scientia Geographica Sinica,2021,41(1):44-54.