馬林燕，張仁慧，潘子純，魏 鳳

（西北農(nóng)林科技大學(xué)經(jīng)濟(jì)管理學(xué)院，陜西 楊凌 712100）

1 引言

耕地在保障國家糧食安全和支撐生態(tài)建設(shè)中起著關(guān)鍵作用[1]。中國創(chuàng)造了以不到世界10%的耕地養(yǎng)活20%以上人口的奇跡[2]，但伴隨著快速的城鎮(zhèn)化和工業(yè)化進(jìn)程，大量的耕地被占用[3]，且撂荒、荒漠化等問題凸顯，導(dǎo)致耕地質(zhì)量不斷下降，國家糧食安全受到威脅[4]。此外，高投入、高消耗的生產(chǎn)模式也帶來了環(huán)境惡化等生態(tài)問題[5]，長此以往將影響我國農(nóng)業(yè)健康發(fā)展和國家糧食安全。2021年中央一號(hào)文件聚焦生態(tài)保護(hù)與糧食安全，提出推廣保護(hù)性耕作模式，健全耕地休耕輪作制度，持續(xù)推進(jìn)化肥農(nóng)藥減量增效，推廣農(nóng)作物病蟲害綠色防控產(chǎn)品和技術(shù)。在此背景下，以往高投入、高產(chǎn)出、高能耗的生產(chǎn)方式將不再適用[6-7]，要求各地在促進(jìn)耕地高效利用的同時(shí)還應(yīng)兼顧生態(tài)效益，把耕地利用效率與生態(tài)融合[8]。但由于各省資源稟賦、生產(chǎn)條件存在差異，省際耕地利用生態(tài)效率隨時(shí)間的推移呈現(xiàn)不同的態(tài)勢(shì)，所以研究如何提高各區(qū)域耕地利用生態(tài)效率[9]，實(shí)現(xiàn)以最小投入達(dá)到最大期望產(chǎn)出和最小非期望產(chǎn)出，以及探索各省耕地利用生態(tài)效率的特征和關(guān)聯(lián)性，對(duì)促進(jìn)全國耕地利用與生態(tài)環(huán)境協(xié)調(diào)發(fā)展、保障我國糧食安全、確保農(nóng)業(yè)可持續(xù)發(fā)展具有重要指導(dǎo)意義。

我國耕地利用研究起步較晚，相關(guān)研究主要探討了耕地利用效率的測(cè)算方法、區(qū)域差異、時(shí)空演變和影響因素。其中，耕地利用效率測(cè)算的主流方法包括隨機(jī)前沿函數(shù)[10]、數(shù)據(jù)包絡(luò)分析（DEA）[11]、超效率SBM模型和Malmquist-Luenberger生產(chǎn)指數(shù)[2]等。研究區(qū)域集中在西南地區(qū)[12]、黑龍江墾區(qū)[13]等，分析不同區(qū)域耕地利用效率的差異及空間演變后發(fā)現(xiàn)，各區(qū)域效率呈現(xiàn)不同特點(diǎn)，表現(xiàn)為西南地區(qū)效率高值區(qū)不斷增多且呈正向空間自相關(guān)性，黑龍江各墾區(qū)效率在空間分布上波動(dòng)較小。不同層面的因素均會(huì)對(duì)耕地利用效率產(chǎn)生影響，微觀因素包括農(nóng)戶耕地轉(zhuǎn)入行為[10]、經(jīng)營規(guī)模[14]、家庭特征等[15]，宏觀因素包括自然條件、生產(chǎn)條件[16]、技術(shù)投入[13]、農(nóng)業(yè)轉(zhuǎn)移人口[17]等。但多數(shù)學(xué)者僅關(guān)注到農(nóng)業(yè)產(chǎn)量或產(chǎn)值等期望產(chǎn)出，忽略了碳排放等非期望產(chǎn)出，導(dǎo)致測(cè)算的效率不夠精確[18]。

耕地利用與生態(tài)的關(guān)系在近些年逐漸受到關(guān)注，部分研究者嘗試將耕地生產(chǎn)過程中產(chǎn)生的碳等污染物作為非期望產(chǎn)出納入評(píng)估系統(tǒng)測(cè)算耕地利用生態(tài)效率。例如劉蒙罷等[9]利用SBM-Undesirable模型測(cè)算了長江中下游糧食主產(chǎn)區(qū)耕地利用生態(tài)效率，發(fā)現(xiàn)測(cè)算值顯著低于不考慮非期望產(chǎn)出的效率值。時(shí)空演變方面，研究區(qū)域和時(shí)間跨度不同使結(jié)果產(chǎn)生差異，1994—2014年糧食主產(chǎn)區(qū)耕地利用生態(tài)效率呈波動(dòng)下降趨勢(shì)且由“南北高、中部低”轉(zhuǎn)為點(diǎn)狀分布[2]；2007—2018年長江中下游糧食主產(chǎn)區(qū)耕地利用生態(tài)效率值在中低效率區(qū)間波動(dòng)，整體呈小幅波動(dòng)下降趨勢(shì)且空間分布不均衡[9]；從全國范圍看，1993—2013年耕地利用高生態(tài)效率地區(qū)大幅減少，且出現(xiàn)“兩極分化”的特征[19]。進(jìn)一步地，盧新海等[4]利用Tobit模型對(duì)耕地利用生態(tài)效率進(jìn)行分解，發(fā)現(xiàn)耕地資源稟賦、經(jīng)濟(jì)發(fā)展水平、科學(xué)技術(shù)發(fā)展和政府重視程度等是影響耕地利用效率區(qū)域差異的主要因素[4]。

綜上，現(xiàn)有研究對(duì)耕地利用生態(tài)效率的研究較少，研究區(qū)域主要集中在糧食主產(chǎn)區(qū)、長江中下游等局部地區(qū)，探究影響因素時(shí)多采用Tobit等普通模型，鮮有研究將范圍擴(kuò)大到全國省市探討各省耕地利用生態(tài)效率間的關(guān)聯(lián)性及各省影響因素的差異。鑒于此，本文使用2000—2019年中國31?。ú缓?、澳、臺(tái)地區(qū)）的面板數(shù)據(jù)，采用超效率SBM模型測(cè)算耕地利用生態(tài)效率，通過探索性空間數(shù)據(jù)分析方法（ESDA）、核密度法和趨勢(shì)面分析31省耕地利用生態(tài)效率在時(shí)空上的分布規(guī)律和發(fā)展趨勢(shì)；最后通過地理加權(quán)回歸模型（GWR）探究各省耕地利用生態(tài)效率影響因素的差異。

2 研究方法與數(shù)據(jù)說明

2.1 研究方法

2.1.1 超效率SBM模型

超效率SBM模型能測(cè)算含非期望產(chǎn)出的耕地利用效率[20]。模型中加入松弛變量，能有效解決傳統(tǒng)DEA模型中的測(cè)量誤差問題；且以往DEA模型測(cè)算效率時(shí)會(huì)出現(xiàn)多個(gè)決策單元效率值為1無法進(jìn)一步對(duì)比分析的情況，超效率SBM模型克服了該問題，能通過前沿面得出大于1的超效率值對(duì)決策單元做進(jìn)一步比較[21]。因此，本文選取該模型測(cè)算各省耕地利用生態(tài)效率，表達(dá)式如下：

式（1）中：每個(gè)省代表一個(gè)決策單元；m表示每個(gè)決策單元的投入；p1表示期望產(chǎn)出；p2表示非期望產(chǎn)出；s-、s+、sb-分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量；xk、yk、bk分別表示決策單元的投入、期望產(chǎn)出和非期望產(chǎn)業(yè)向量；X、Y、B分別表示投入、期望產(chǎn)出和非期望產(chǎn)出矩陣；λ表示權(quán)重向量。

2.1.2 探索性空間數(shù)據(jù)分析方法（ESDA）

探索性空間數(shù)據(jù)分析方法主要用來描述地理事物的空間集聚性和關(guān)聯(lián)性，包括全局空間自相關(guān)和局部空間自相關(guān)[22]。全局空間自相關(guān)用來判斷變量取值與相鄰空間是否有關(guān)，研究變量在區(qū)域內(nèi)空間相關(guān)性的整體趨勢(shì)，通常用莫蘭指數(shù)表示，范圍為[-1，1]。公式如下：

式（2）中：n表示研究省份的數(shù)量；xi和xj分別表示i??；和j省的耕地利用生態(tài)效率；wij是空間權(quán)重矩陣，為全面探索各省耕地利用生態(tài)效率在地理和經(jīng)濟(jì)距離上的空間聯(lián)系，本文建立地理距離矩陣和經(jīng)濟(jì)距離矩陣，其中地理距離矩陣用兩個(gè)省份間地表距離（dij）的倒數(shù)表示，結(jié)合該矩陣和各省經(jīng)濟(jì)狀況建立經(jīng)濟(jì)距離矩陣：

式（3）中：Wij為地理距離矩陣；為考察期內(nèi)第i省人均GDP平均值；為考察期內(nèi)31個(gè)省人均GDP平均值。

局部空間自相關(guān)用來度量各區(qū)域與周圍區(qū)域的局部空間關(guān)聯(lián)性，公式如下：

2.1.3 核密度估計(jì)

用核密度法探究各省耕地利用生態(tài)效率的動(dòng)態(tài)分布特征。假設(shè)隨機(jī)變量X的密度函數(shù)為（fx），點(diǎn)x的概率密度估計(jì)公式為：

式（5）中：N表示觀測(cè)值的個(gè)數(shù)；h為帶寬；Xi為觀測(cè)值；x為均值；K（·）為核函數(shù)。

2.1.4 趨勢(shì)面分析

趨勢(shì)面能準(zhǔn)確模擬地理要素在空間上的分布規(guī)律[23]。運(yùn)用趨勢(shì)面探究31省耕地利用生態(tài)效率空間格局的分異趨勢(shì)。假設(shè)Z（ixi，yi）為某省的耕地利用生態(tài)效率（，xi，yi）為空間平面坐標(biāo)，公式為：

式（6）中：T（ixi，yi）為趨勢(shì)函數(shù)，表示各省耕地利用生態(tài)效率的變化趨勢(shì)；ξi為隨機(jī)誤差。

2.1.5 地理加權(quán)回歸模型（GWR）

地理加權(quán)回歸模型（GWR）是一種空間分析技術(shù)，將位置引入?yún)?shù)回歸分析中，考慮了變量的空間異質(zhì)性，能反映參數(shù)在不同空間的平穩(wěn)性，實(shí)現(xiàn)回歸系數(shù)隨空間位置變化而變化[16]，同時(shí)還考慮了空間對(duì)象的局部效應(yīng)，更能準(zhǔn)確反映實(shí)際情況[24]。因此，本文構(gòu)建GWR模型對(duì)各省耕地利用生態(tài)效率影響因素進(jìn)行分析，公式如下：

式（7）中：β（0ui，vj）為常數(shù)項(xiàng)；β（kui，vj）為各省的回歸參數(shù)；t為省的個(gè)數(shù)；xik為影響各省耕地利用生態(tài)效率的變量；ξi為隨機(jī)誤差項(xiàng)。

2.2 指標(biāo)選取與數(shù)據(jù)說明

2.2.1 耕地利用生態(tài)效率的測(cè)度指標(biāo)

耕地利用生態(tài)效率本質(zhì)上是指盡可能少的資源投入獲得盡可能大的期望產(chǎn)出和盡可能小的非期望產(chǎn)出，綜合反映了耕地利用與生態(tài)保護(hù)的協(xié)調(diào)關(guān)系。結(jié)合已有研究[4,24]，本文選取土地、勞動(dòng)力和物質(zhì)資料為耕地生產(chǎn)投入指標(biāo)，其中土地用糧食播種面積（萬hm2）衡量，勞動(dòng)力用第一產(chǎn)業(yè)從業(yè)人員（萬人）表示，物質(zhì)資料用化肥折純量（萬t）、農(nóng)業(yè)機(jī)械總動(dòng)力（萬kW）、農(nóng)藥使用量（t）和農(nóng)用塑料薄膜使用量（t）衡量；期望產(chǎn)出用糧食產(chǎn)量（萬t）和農(nóng)業(yè)產(chǎn)值（億元）表示，非期望產(chǎn)出用耕地生產(chǎn)過程中的碳排放量表示，包括翻耕、使用機(jī)械、施肥、噴灑農(nóng)藥、使用農(nóng)膜和灌溉等產(chǎn)生的碳排放[25]，計(jì)算公式如下：

式（8）中：Ti和δi分別表示各個(gè)碳源的原始量和碳排放系數(shù)，借鑒相關(guān)研究[26-27]確定系數(shù)（表1）。

表1 耕地利用各碳源的碳排放系數(shù)Tab.1 Carbon emission coefficients of various carbon sources of cultivated land use

2.2.2 耕地利用生態(tài)效率的影響因素指標(biāo)

耕地利用生態(tài)效率除受耕地、人力、物質(zhì)影響外，還受到資源稟賦、經(jīng)濟(jì)水平、自然條件、生產(chǎn)條件等外生變量的影響[28]。資源稟賦方面，選取第一產(chǎn)業(yè)人員占比和人均播種面積為表征指標(biāo)[17]，第一產(chǎn)業(yè)人員占比越高，則越有足夠勞動(dòng)力投入農(nóng)業(yè)生產(chǎn)進(jìn)行精耕細(xì)作，替代部分機(jī)械使用，減少非期望產(chǎn)出，提高效率；人均播種面積增加能促進(jìn)耕地規(guī)?；s經(jīng)營，提高效率。經(jīng)濟(jì)水平方面，選取人均可支配收入和人均GDP為表征指標(biāo)[4]，農(nóng)民經(jīng)濟(jì)水平的提高會(huì)增強(qiáng)其對(duì)生活生產(chǎn)環(huán)境的保護(hù)意識(shí)，提高合理利用耕地和低碳、高效生產(chǎn)的認(rèn)知并將其運(yùn)用到實(shí)踐中，并且收入增多能創(chuàng)造更好的生產(chǎn)條件，提高耕地利用生態(tài)效率。自然條件方面，選取受災(zāi)面積和復(fù)種指數(shù)為表征指標(biāo)[13]，由于農(nóng)業(yè)生產(chǎn)對(duì)天氣的依賴性較強(qiáng)，自然災(zāi)害的發(fā)生會(huì)顯著降低產(chǎn)出；復(fù)種指數(shù)提高意味著耕地利用強(qiáng)度增強(qiáng)，可能會(huì)增加產(chǎn)出，但也會(huì)造成化肥、農(nóng)藥、機(jī)械等過度使用，增加碳排放。生產(chǎn)條件方面，選取灌溉指數(shù)為表征指標(biāo)[16]，灌溉條件好的區(qū)域能滿足農(nóng)業(yè)需求，提高生產(chǎn)率，但同時(shí)伴隨著機(jī)械的大量使用，增加碳排放，也可能降低耕地利用生態(tài)效率。變量說明見表2。

表2 耕地利用生態(tài)效率影響因素指標(biāo)選取及說明Tab.2 Selection and description of factors affecting eco-efficiency of cultivated land use

2.2.3 數(shù)據(jù)來源和說明

本文研究期為2000—2019年，相關(guān)數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》（2001—2020年）、《中國農(nóng)村統(tǒng)計(jì)年鑒》（2001—2020年）和各省統(tǒng)計(jì)年鑒，部分缺失數(shù)據(jù)采用插值法或就近法進(jìn)行估計(jì)。此外，為消除價(jià)格波動(dòng)引起的測(cè)算偏差，本文以2000年為基期，對(duì)31個(gè)省各年的農(nóng)業(yè)產(chǎn)值進(jìn)行平減。

3 結(jié)果與分析

3.1 中國省際耕地利用生態(tài)效率測(cè)算結(jié)果

通過MaxDEA軟件測(cè)算出2000—2019年各省耕地利用生態(tài)效率，用自然斷點(diǎn)法將效率值劃分為5個(gè)階段，限于篇幅，本文僅展示2000年和2019年的分布圖（圖1）。此外，為有效觀察區(qū)域間效率分布特征，結(jié)合自然資源特點(diǎn)，將中國劃分為東部、中部、東北、西南和西北5個(gè)區(qū)域分析全國及各區(qū)域耕地利用生態(tài)效率的變化趨勢(shì)。

圖1 各省耕地利用生態(tài)效率分布圖Fig.1 Distribution of eco-efficiency of cultivated land use in various provinces

2000—2019年各省耕地利用生態(tài)效率范圍縮小，均值降低。范圍由0.408～3.976縮小到 0.353～2.046，均值由1.043減小到0.873，原因是過去20年耕地面積不斷減少，有限的耕地被過度利用，且各類化肥農(nóng)藥濫用，造成全國耕地利用生態(tài)效率普遍降低。分布上，各省耕地利用生態(tài)效率不均衡且均有所變動(dòng)。2000年效率高值區(qū)僅為西藏和海南，到2019年海南變?yōu)榈椭祬^(qū)，高值區(qū)擴(kuò)大到包括黑龍江、內(nèi)蒙古等13個(gè)省，原因可能是海南近40年耕地面積減少較多，人類活動(dòng)強(qiáng)度增強(qiáng)[29]，導(dǎo)致耕地利用生態(tài)效率下降。青海省始終處于效率低值區(qū)，可能是由耕地資源質(zhì)量差、氣候惡劣、經(jīng)濟(jì)欠發(fā)達(dá)[30]等原因所致。四川、陜西和江西3省效率始終處于中間水平，仍有較大提升空間。

2000—2019年全國及各區(qū)域耕地利用生態(tài)效率變動(dòng)趨勢(shì)存在差異（圖2）。全國效率平緩下降，這與部分研究結(jié)論[31]相反，如張立新等[16]學(xué)者認(rèn)為近20年我國糧食主產(chǎn)區(qū)耕地利用效率呈上升趨勢(shì)，原因是本文以全國為研究對(duì)象，且測(cè)算效率時(shí)加入碳排放，說明考慮非期望產(chǎn)出對(duì)耕地利用效率的變動(dòng)趨勢(shì)有顯著影響，以往忽略非期望產(chǎn)出可能無法反映我國耕地利用的真實(shí)情況；另外由于區(qū)域差異，各地耕地利用效率也不一致。中部和西南地區(qū)耕地利用生態(tài)效率波動(dòng)下降且始終低于全國平均水平。東部地區(qū)效率值及變動(dòng)趨勢(shì)與全國相近，除2000年和2007年外其余年份均略高于全國水平。除2000年外，東北地區(qū)其余年份的耕地利用生態(tài)效率均高于全國平均水平且整體呈上升趨勢(shì)。西北地區(qū)耕地利用生態(tài)效率呈降低趨勢(shì)，至2014年降至全國平均水平以下。

圖2 2000—2019年全國各區(qū)域耕地利用生態(tài)效率變動(dòng)趨勢(shì)Fig.2 Changes in eco-efficiency of cultivated land use in various regions of China from 2000 to 2019

3.2 耕地利用生態(tài)效率時(shí)空格局演變特征

3.2.1 全局空間格局演變特征

為考察各省耕地利用生態(tài)效率的空間關(guān)聯(lián)性與差異性，對(duì)其進(jìn)行全局自相關(guān)分析。通過ArcGIS、Matlab、Stata軟件計(jì)算各年地理和經(jīng)濟(jì)距離矩陣下中國省際耕地利用生態(tài)效率的全局Moran’sI值（表3）。

表3 中國省際耕地利用生態(tài)效率全局空間格局演變特征Tab.3 The evolution characteristics of the general spatial pattern of eco-efficiency of cultivated land use across provinces in China

結(jié)果顯示，兩種矩陣下，Moran’sI值均為負(fù)，即中國省際耕地利用生態(tài)效率差異性和離散性大于集聚性，存在空間負(fù)相關(guān)性，地理和經(jīng)濟(jì)上相近的省份尚未表現(xiàn)出溢出效應(yīng)，沒有形成聯(lián)動(dòng)發(fā)展機(jī)制。此外，兩種情況下Moran’sI值的大小及變動(dòng)趨勢(shì)存在差異，說明各省耕地利用生態(tài)效率在地理距離和經(jīng)濟(jì)距離間的聯(lián)系不相同。多個(gè)年份中地理距離矩陣下的Moran’sI值更小，說明省際耕地利用生態(tài)效率在地理距離下的離散程度更高，且研究期內(nèi)Moran’sI值小幅度波動(dòng)變化，即近20年中國省際耕地利用生態(tài)效率在地理距離上的全局空間相關(guān)關(guān)系較穩(wěn)定。在經(jīng)濟(jì)距離矩陣下，Moran’sI絕對(duì)值小幅度增大，且多個(gè)年份通過顯著性檢驗(yàn)，說明經(jīng)濟(jì)水平相似的省份耕地利用生態(tài)效率存在異質(zhì)性，且負(fù)相關(guān)性略有增強(qiáng)。該結(jié)論與劉蒙罷等[9]學(xué)者通過構(gòu)建空間鄰接矩陣研究發(fā)現(xiàn)長江中下游糧食主產(chǎn)區(qū)耕地利用生態(tài)效率呈空間正自相關(guān)的結(jié)論有差異，原因是本文構(gòu)建的是地理距離矩陣和經(jīng)濟(jì)距離矩陣，說明矩陣和區(qū)域選擇不一致，耕地利用生態(tài)效率的空間相關(guān)性也可能不一致。

3.2.2 局部空間格局演變特征

全局空間自相關(guān)僅揭示了31省耕地利用生態(tài)效率整體上的空間規(guī)律，為全面考察各省效率的局部相關(guān)關(guān)系，明晰效率值在空間的集聚狀態(tài)和演變特征，進(jìn)一步對(duì)各省效率進(jìn)行局部空間格局分析。

以耕地利用生態(tài)效率為橫坐標(biāo)、效率空間滯后數(shù)據(jù)為縱坐標(biāo)繪制2000年和2019年散點(diǎn)圖①限于篇幅，本文未給出散點(diǎn)圖，感興趣者可向筆者索要。并進(jìn)行統(tǒng)計(jì)（表4），以H表示高效率值，L表示低效率值，則第一和第三象限表示HH集聚和LL集聚類型，即高（低）效率省份周邊省份的效率也高（低）；第二和第四象限表示LH和HL集聚類型，即低（高）效率省份周邊圍繞著高（低）效率省份。2000年多個(gè)省份效率值落在三、四象限，至2019年，位于第三象限的點(diǎn)往二、四象限移動(dòng)，屬于（LH）低值塌陷型和（HL）高值凸起型的省份增多，呈現(xiàn)為“中心低（高），四周高（低）”的空間非均衡關(guān)聯(lián)集聚狀態(tài)，即地理位置和經(jīng)濟(jì)水平相近的省份耕地利用生態(tài)效率空間差異性增強(qiáng)。

表4 耕地利用生態(tài)效率的省域空間相關(guān)模式Tab.4 The provincial spatial correlation model of eco-efficiency of cultivated land use

具體來看，2000年兩個(gè)矩陣下31個(gè)省效率分布完全一致，陜西、內(nèi)蒙古和吉林分布在第一象限HH集聚區(qū)；云南、遼寧和甘肅分布在第二象限LH集聚區(qū)；浙江、山西等15個(gè)省分布在第三象限LL集聚區(qū)；新疆、西藏等10個(gè)省分布在第四象限HL集聚區(qū)。至2019年，兩種矩陣下各省分布發(fā)生變化，貴州和江蘇由原來的HL集聚區(qū)變?yōu)镠H集聚區(qū)，對(duì)鄰近省份帶動(dòng)效應(yīng)增強(qiáng)，而原來位于HH集聚區(qū)的陜西、內(nèi)蒙古、吉林3省分別移至LH、HL、HL集聚區(qū)，與鄰近省份差異性增強(qiáng)，帶動(dòng)效應(yīng)減弱，其他多數(shù)省份均有所變動(dòng)，導(dǎo)致LH和HL集聚區(qū)省份增多，效率分布異質(zhì)性增強(qiáng)。

3.2.3 核密度與趨勢(shì)面分析

（1）核密度分析。為探究各省耕地利用生態(tài)效率的動(dòng)態(tài)分布特征，運(yùn)用高斯核密度估計(jì)法得到31省各年效率的核密度圖（圖3）。總體看，耕地利用生態(tài)效率的核密度曲線中心左移，并呈現(xiàn)“尖峰型”向“寬峰型”的轉(zhuǎn)變趨勢(shì)，具體如下：①2000—2019年核密度曲線向左偏移，說明近20年耕地利用生態(tài)效率呈下降趨勢(shì)，這主要與長時(shí)期以來“高投入、高產(chǎn)出”的耕地利用模式有關(guān)，該模式帶來的非期望產(chǎn)出嚴(yán)重制約了耕地利用生態(tài)效率的提高。②2000年耕地利用生態(tài)效率分布存在右拖尾現(xiàn)象，可能受早些年化學(xué)用品研發(fā)和推廣尚未普及、機(jī)械化水平有待提升影響，導(dǎo)致碳排放增速放緩，加之農(nóng)戶二三產(chǎn)業(yè)就業(yè)機(jī)會(huì)較少，對(duì)耕地經(jīng)營多屬于“精耕細(xì)作”型投入模式，因此部分省份耕地利用生態(tài)效率處于較高水平。③2008年前均只有一個(gè)波峰且較為陡峭，2012年開始出現(xiàn)兩個(gè)波峰，并且2012年和2016年波峰差距較大，說明該時(shí)間段耕地利用生態(tài)效率出現(xiàn)兩極分化，2019年波峰差距減小且較平緩，即各省耕地利用效率差距縮小、兩極分化程度降低。原因是當(dāng)前耕地生產(chǎn)要素配置合理性得到提升、相關(guān)耕地可持續(xù)利用政策落實(shí)到位和農(nóng)業(yè)生態(tài)技術(shù)的投入相對(duì)均衡。

圖3 中國耕地利用生態(tài)效率的核密度估計(jì)Fig.3 Kernel density estimation of eco-efficiency of cultivated land use in China

（2）趨勢(shì)面分析。通過ArcGIS 10.6軟件對(duì)各省耕地利用生態(tài)效率進(jìn)行趨勢(shì)漸變特征分析，以確定其分布規(guī)律及發(fā)展趨向。如圖4所示，Z軸表示各省耕地利用生態(tài)效率，X軸和Y軸分別表示正東和正北方向，兩條趨勢(shì)線表示空間中的點(diǎn)向X—Z和Y—Z平面投影點(diǎn)的擬合線。整體來看，中國省際耕地利用生態(tài)效率呈現(xiàn)出明顯的區(qū)域分異規(guī)律，東西方向上，從西到東先直線遞減，然后呈倒“U”型變化，最后呈遞增的趨勢(shì)；南北方向上，從北到南先直線遞增，再呈倒“U”型變化，最后呈遞減的趨勢(shì)。即中國省際耕地利用生態(tài)效率的高值區(qū)由西南方向逐漸轉(zhuǎn)變?yōu)闁|北方向。

圖4 中國耕地利用生態(tài)效率趨勢(shì)面Fig.4 Trend surface of eco-efficiency of cultivated land use in China

耕地利用生態(tài)效率在全國東西、南北方向上非均衡分布，可能原因是各省資源、生產(chǎn)條件、經(jīng)濟(jì)水平及發(fā)展速度不一致，東北方向是我國糧食主產(chǎn)區(qū)，耕地資源較豐富，農(nóng)業(yè)基礎(chǔ)設(shè)施相對(duì)完善，技術(shù)水平相對(duì)更高，因此，至2019年該方向省份耕地利用生態(tài)效率較高。

3.3 耕地利用生態(tài)效率影響因素分析

為進(jìn)一步分析各省耕地利用生態(tài)效率的影響因素及時(shí)空差異，利用ArcGIS 10.6軟件中的地理加權(quán)回歸分析工具估算各因素對(duì)各省效率的影響。在分析前將各因素歸一化以消除量綱。因2018年和2019年部分?jǐn)?shù)據(jù)缺失，最終以2017年代替2019年做回歸（表5）。

表5 GWR模型估計(jì)結(jié)果Tab.5 GWR model estimation results

（1）資源稟賦對(duì)耕地利用生態(tài)效率的影響。用第一產(chǎn)業(yè)人員占比和人均播種面積表示資源稟賦。第一產(chǎn)業(yè)人員占比的回歸系數(shù)均值均為正且波動(dòng)減小，說明第一產(chǎn)業(yè)人員占比增大能帶動(dòng)耕地利用生態(tài)效率的提高，但其影響程度不穩(wěn)定，隨時(shí)間推移而減弱。原因是第一產(chǎn)業(yè)人員占比增多，更能以精耕細(xì)作的方式生產(chǎn)，效率更高，但由于近年務(wù)農(nóng)人員年紀(jì)偏大，導(dǎo)致影響程度減弱。人均播種面積的影響系數(shù)均為正，且由0.328增至0.760，說明隨時(shí)間推移其影響逐漸增強(qiáng)。原因是人均面積增大能促進(jìn)耕地規(guī)?；s經(jīng)營，有利于推動(dòng)經(jīng)營主體探索低碳、高效的經(jīng)營模式，進(jìn)而促進(jìn)效率的提高。

（2）經(jīng)濟(jì)發(fā)展水平對(duì)耕地利用生態(tài)效率的影響。用農(nóng)村居民人均可支配收入和人均GDP表示經(jīng)濟(jì)發(fā)展水平。農(nóng)村居民人均可支配收入對(duì)耕地利用生態(tài)效率的影響始終為正，但影響程度大幅降低。隨著可支配收入增多，農(nóng)戶提高保護(hù)耕地、低碳高效生產(chǎn)的意識(shí)，且能增加農(nóng)業(yè)生產(chǎn)的投入以改善生產(chǎn)條件，提高耕地利用生態(tài)效率；但隨著經(jīng)濟(jì)發(fā)展，農(nóng)民收入來源多元化，對(duì)農(nóng)業(yè)依賴程度降低，可能會(huì)減少農(nóng)業(yè)投入，降低對(duì)耕地利用生態(tài)效率的影響。人均GDP對(duì)各省耕地利用生態(tài)效率的影響在方向和程度上均有差異，2000年系數(shù)為負(fù)，其余年份均為正。原因是中國工業(yè)化、城鎮(zhèn)化的快速推進(jìn)使人均GDP增長，但占用、污染和破壞耕地也對(duì)耕地利用生態(tài)效率帶來負(fù)面影響，隨著人均GDP持續(xù)增長到一定水平能反哺農(nóng)業(yè)，增加農(nóng)業(yè)投入與支持，又能促進(jìn)耕地利用生態(tài)效率提高[23]。

（3）自然條件對(duì)耕地利用生態(tài)效率的影響。用受災(zāi)面積和復(fù)種指數(shù)表示自然條件。受災(zāi)面積對(duì)耕地利用生態(tài)效率的影響均為負(fù)，且影響程度波動(dòng)變化。自然災(zāi)害有偶發(fā)性和不可控性，對(duì)耕地利用的影響不穩(wěn)定，會(huì)減少災(zāi)區(qū)農(nóng)業(yè)產(chǎn)量和產(chǎn)值，還會(huì)對(duì)生態(tài)環(huán)境造成破壞，降低耕地利用生態(tài)效率。除2000年和2004年外，其余年份復(fù)種指數(shù)均對(duì)耕地利用生態(tài)效率產(chǎn)生正向影響，原因是同年對(duì)同一塊耕地重復(fù)耕作能增加農(nóng)業(yè)產(chǎn)量和產(chǎn)值，提高耕地利用效率，但翻耕次數(shù)和農(nóng)藥化肥用量增多會(huì)進(jìn)一步增加非期望產(chǎn)出，導(dǎo)致正向影響程度降低甚至變?yōu)樨?fù)。

（4）生產(chǎn)條件對(duì)耕地利用生態(tài)效率的影響。用灌溉指數(shù)表示農(nóng)業(yè)生產(chǎn)條件[24]。2000年灌溉指數(shù)對(duì)耕地利用生態(tài)效率有正向影響，但影響程度較小，其余年份影響為負(fù)。原因是灌溉條件優(yōu)越的區(qū)域能滿足農(nóng)業(yè)需求，及時(shí)澆灌，提高產(chǎn)量產(chǎn)值，但這也導(dǎo)致非期望產(chǎn)出增多，到一定水平時(shí)可能降低正向影響。

（5）各影響因素的區(qū)域差異。結(jié)合2017年各因素回歸系數(shù)及可視化結(jié)果（圖5），分析各因素對(duì)各省耕地利用生態(tài)效率的空間異質(zhì)性影響。

各因素對(duì)不同省耕地利用生態(tài)效率的影響方向、程度均存在差異，其中2017年人均GDP和受災(zāi)面積對(duì)各省耕地利用生態(tài)效率影響方向一致，僅在程度上有差異；第一產(chǎn)業(yè)人員占比、人均播種面積、農(nóng)村居民可支配收入、復(fù)種指數(shù)和灌溉指數(shù)對(duì)各省影響方向不一致。第一產(chǎn)業(yè)人員占比和人均播種面積回歸系數(shù)負(fù)值主要分布在西北地區(qū)，可能原因是西北地區(qū)氣候干旱、人均耕地面積遠(yuǎn)高于全國平均水平、耕地退化嚴(yán)重，在該環(huán)境下第一產(chǎn)業(yè)人員和人均面積增多會(huì)導(dǎo)致耕地利用生態(tài)效率的進(jìn)一步降低，而對(duì)其他人均面積小、氣候相對(duì)適宜區(qū)域的影響方向則相反。農(nóng)村居民人均可支配收入和復(fù)種指數(shù)回歸系數(shù)負(fù)值主要分布在西部地區(qū)，可能原因是西部地區(qū)農(nóng)業(yè)生產(chǎn)條件相對(duì)差，農(nóng)村人口向二三產(chǎn)業(yè)轉(zhuǎn)移較多，可支配收入增多大部分來自務(wù)工，對(duì)耕地利用生態(tài)效率無法起到推動(dòng)作用；且西部地區(qū)耕地質(zhì)量較差，復(fù)種可能進(jìn)一步導(dǎo)致耕地過度利用，降低其生態(tài)效率。灌溉指數(shù)回歸系數(shù)的正值主要分布在西部地區(qū)，可能原因是我國水資源東多西少，使西部地區(qū)耕地利用對(duì)灌溉條件更加敏感，而東部地區(qū)灌溉條件較好，反而可能帶來更多碳排放，對(duì)耕地利用生態(tài)效率產(chǎn)生負(fù)向影響。

圖5 2017年中國耕地利用生態(tài)效率影響因素的回歸系數(shù)空間分布Fig.5 The spatial distribution of regression coefficients of factors affecting eco-efficiency of cultivated land use in China in 2017

4 結(jié)論與政策啟示

本文主要結(jié)論為：（1）2000—2019年全國耕地利用生態(tài)效率呈平緩下降趨勢(shì)；從地區(qū)來看，東部地區(qū)效率值和變動(dòng)趨勢(shì)與全國相近，中部和西南地區(qū)效率始終低于全國平均水平且平緩降低，西北地區(qū)在2014年前效率均高于全國平均水平，2014年降至全國平均水平以下；東北地區(qū)效率均高于全國平均水平且持續(xù)提高；從各省來看，耕地利用生態(tài)效率范圍由0.408～3.976縮小到 0.353～2.046，高值區(qū)省份增多。（2）31省耕地利用生態(tài)效率存在空間負(fù)相關(guān)關(guān)系，地理距離矩陣下效率離散程度比經(jīng)濟(jì)距離矩陣下更高，研究期內(nèi)效率空間異質(zhì)性增強(qiáng)；2000—2008年各省耕地利用效率分布呈現(xiàn)單峰態(tài)勢(shì)，2008—2019年效率分布出現(xiàn)兩極分化，但分化程度逐漸降低；效率高值區(qū)由西南方向逐漸變?yōu)闁|北方向。（3）資源稟賦、經(jīng)濟(jì)發(fā)展水平、自然條件和生產(chǎn)條件對(duì)不同年份各省耕地利用生態(tài)效率的影響方向和程度均存在差異。

基于以上研究，提出政策啟示：（1）強(qiáng)化相關(guān)政策工具應(yīng)用。加大耕地可持續(xù)利用的宣傳力度，完善生態(tài)型耕地利用模式的激勵(lì)機(jī)制，嚴(yán)格控制化肥農(nóng)藥薄膜使用，鼓勵(lì)循環(huán)農(nóng)業(yè)與生物肥料研發(fā)，控制碳排放，提高耕地利用生態(tài)效率。（2）探索耕地利用生態(tài)效率提升的區(qū)域差異化路徑。充分發(fā)揮江蘇、貴州等HH集聚區(qū)的引領(lǐng)作用和溢出效應(yīng)，帶動(dòng)周邊省域的耕地利用生態(tài)效率提高；積極探索湖南、安徽等LL集聚區(qū)低投入、低排放、高產(chǎn)出的農(nóng)業(yè)可持續(xù)發(fā)展模式；加大對(duì)西藏、寧夏等HL集聚區(qū)的關(guān)注度，使中心省份的高效率正向溢出到鄰近省域；提高對(duì)云南、四川等LH集聚區(qū)中心省域的監(jiān)管力度，制定相應(yīng)對(duì)策，提高耕地利用生態(tài)效率。（3）推動(dòng)農(nóng)戶流轉(zhuǎn)耕地，促進(jìn)規(guī)模經(jīng)營。加大耕地流轉(zhuǎn)支持力度，培育新型農(nóng)業(yè)經(jīng)營主體，給予大戶技術(shù)扶持、財(cái)政補(bǔ)貼，以期通過適度規(guī)模經(jīng)營提升農(nóng)業(yè)生產(chǎn)技術(shù)水平，促進(jìn)耕地利用生態(tài)效率提高。