長江中游城市群土地利用效率測算：現實機理與時空分異

李長健+苗苗

摘要 為揭示長江中游城市群土地利用效率的現實機理與時空分異特征，探索區域協調、綠色發展、適度開放、資源共享意義下的城市土地利用思路，以四元作用異樣度即經濟增長度、社會發展度、資源持續度、環境友好度為效率評價法則，引入考慮非期望產出的雙目標DEA-SBM模型，對2001—2014年土地利用數據進行測算。結果表明：城市群土地利用效率整體上升、局部回落，“一主兩副”土地利用格局分化顯著，城市群內部土地利用效率離散水平較高；土地利用呈現較不穩定的空間正相關性，以低低型和低高型聚集為主，受局部不穩定因素影響的城市逐漸增多；土地利用非綜合有效表現為純技術效率有效而規模效率無效。由此，城市土地利用與社會經濟效益、資源環境效益在不斷的調和與適應，但區域土地利用效率發展水平并不同步，低效城市阻抑區域土地利用效率的整體發展進程，且土地要素投入規模與最優投入規模之間仍存在差距。為推動流域土地利用效率的提升，建設開放競爭、統一有序的建設用地市場，以城市群為單位進行土地功能分區，外力促進要素流動與區位互補、內力協調經濟社會發展與資源環境可持續，形成以“中心+核心”城市為主體、“流域治理+部門協同”為手段的土地利用軸帶。

關鍵詞 土地利用效率；時空分異；雙目標DEA-SBM模型；四元作用異樣度；流域土地利用軸帶

中圖分類號 F291.1文獻標識碼 A文章編號 1002-2104（2017）12-0157-08DOI：10.12062/cpre.20170411

傳統城鎮化以經濟總量和承載投資來衡量土地利用效率，“十三五”規劃提出的“創新、協調、綠色、開放、共享”理念對土地資源利用提供了新思路：“創新”著眼于土地利用模式的革新，“協調”強調土地利用的區域、城鄉統籌，“綠色”著眼于土地利用的生態協調與環境友好，“開放”要求土地利用市場的有序完善，“共享”則關注土地資源的合理配置和利益普惠。當前，我國“土地城鎮化”進程遠超“人口城鎮化”，作為承載城市經濟、社會、生態、環境發展的核心資源要素，土地資源的利用結構、強度、效益與城鎮化對土地資源利用的內涵要求仍存在差距。

在2016年中央全面推行“河長制”的政策形勢下，城市土地利用效率的評價范圍需從局域向流域不斷拓寬，發揮最大的經濟、社會、生態效益。

土地利用效率評價起源于19世紀70年代新古典經濟學的市場配置效率理論，后經Farrell理論革新，將要素效率分為反映最大產出能力的技術效率和代表最佳投入使用能力的配置效率，兩者合并組成經濟效率。學術界關于土地要素利用效率的實證研究方法主要分為參數法（隨機前沿生產函數）和非參數法，分別由Aigner，Lovell，Sehmidt和Farrell首次提出，學者通過構建土地面積的C-D函數[1]、采用傳統數據包絡分析（Data Envelopment Analysis，DEA）或借助全要素生產率（Total Factor Productivity，TFP）[2]測算城市土地利用的結構效率、土地利用評價指標的有效性等。傳統DEA模型（如CRS、CCR）僅關注變量的期望產出，而實際上城市發展進程存在人口體量激增、環境質量惡化等負效應，不能滿足傳統DEA模型產出導向（Output-oriented）的假設，因此加入非期望產出變量的DEA模型應運而生[3]。從Fare等[4]首次提出非期望產出DEA模型開始，國內外相關實證分析聚焦于對改良后的DEA模型的使用。張軍濤等[5]采用DEA-Tobit 兩階段模型對城市土地利用效率進行動態測度及影響因素分析，Tone[6]構建SBM-DEA模型將松弛變量引入目標函數，成功規避了投入產出變量的松弛問題，同時也避免了徑向選擇所造成的偏誤，后被學者廣泛引用到規模報酬不變且考慮非期望產出的土地利用效率測度中[7]。

由于土地資源的有限性，學者們密切關注城市土地資源的持續化水平，并在土地利用分類的空間聚合性、土地利用強度變化、城市空間的合理規模等方面做出大量研究。同時，由于土地要素兼備稀缺資源的屬性，因而其具有天然的經濟價值。例如，城市土地價格梯度會影響房價梯度，并由此伴隨著城市土地的價值增值[8]。此外，現階段生態價值已逐漸成為判別土地資源利用合理化程度的核心因子，在城市綠化覆蓋對游客訪問流分布的影響[9]、土地利用對河流污染的作用度[10]、土地利用模式與生態健康的關聯[11]等領域的研究大量涌現。

由此，本研究將密切關注城市土地利用的經濟、社會、生態、環境內涵，以流域城市群為研究對象，在把握土地效率測度現實機理的基礎上構建多維評價體系，同時利用雙目標DEA-SBM模型和GEODA空間計量模型探究城市土地利用效率的時空分異特征，并從化解現實土地利用矛盾的角度出發，為區域土地資源優化配置做出進一步的思考。

1 研究思路與方法

1.1 城市土地利用效率測度的現實機理分析

城市土地利用效率測度應涵蓋要素投入的資本密度、土地體量、人口數量，以及要素產出的經濟、社會、資源、環境效益[12]，即將土地利用效率與城市“經濟增長度、社會發展度、環境友好度、資源持續度”相關聯，即形成以“四元作用異樣度”為依托的土地利用效率發展動力回路（見圖1）。

在要素投入方面，資本密度、建設用地投入、勞動力數量構成城市土地利用的要素投入單元，三類要素配置的結構、強度、密度、持續度關系到土地資源配置的合理化程度與產出效益。在要素產出方面，土地資源具有天然的社會經濟屬性，城市的經濟活動、消費水平、交通狀況決定了土地的利用方式與生產價值。經濟產出是從產業體量、消費水平等角度直觀反映資源消耗與有效產品（或服務）之間的對比關系[13]；社會產出是通過評價地均人口體量、居民生活水平及公共設施享有程度來反映城市土地利用的社會價值；要素投入的環境產出是評價土地利用環境友好度的重要單元，城市綠化水平、固體廢棄物污染治理水平等是城市土地利用的正向產出，在良好的城市土地規劃利用機制中，環境評價單元與影響因子之間應存在協同發展的耦合關系。

城市土地利用未必盡然是正效率產出，可能存在非期望產出。城市人口體量的增長、人口密度的增大加重了城市土地資源配置、公共福利供給的負擔，二者均屬于城市發展中的負效率產出。此外，城鎮化為工業化發展帶來了動力與資本積累，工業反哺城市發展的同時也對環境帶來負荷。工業廢氣、固液體污染物的排放是制約城市生態發展的阻力，也是城市土地利用的非期望產出。因此，根據城市土地利用效率測度的“四元作用異樣度”評價法則，城市土地利用效率不僅是指經濟效率，而是經濟、社會、環境、資源的協同發展效率，且應遵循“要素決策單元→期望產出”和“要素決策單元→非期望產出”的雙向路徑進行測算。

1.2 基于非徑向-雙目標SBM模型的城市土地利用效率測算方法

傳統DEA模型是利用徑向距離函數并從單一投入或產出方向出發，通過保持決策單元（Decision Making Units，DMU）的輸入或輸出不變，確定有效的生產前沿面，將各個決策單元投影到生產前沿面上，通過判斷DMU偏離模型前沿面的程度來決定其有效性。這里選用考慮環境變量的非徑向DEA-SBM模型，同時兼顧期望產出與非期望產出的異質性，構建非徑向-雙目標SBM模型[14]。

雙目標決策下的SBM模型傾向于決策在投入一定的情況下，同時實現期望產出最大化和非期望產出的最小化。假設每個城市土地利用系統有n個決策單元（DUM），有m種投入、s1種期望產出和s2種非期望產出，并分別定義為：

（2）式中ρ*為目標函數且嚴格遞減，s-i、sgr、sbr分別為投入、期望產出、非期望產出的松弛變量，具體而言為投入冗余量、期望產出不足量、非期望產出超過量。當ρ*=1時為決策單元最優解，此時s-、sg、sb均為0，所表征的經濟含義為期望產出不能再提高，非期望產出也不能再降低，此時決策單元有效；當ρ*<1時，s-、sg 、sb不全為0，則存在另一決策單元，其可以利用不高于原決策單元的投入量，獲取比原投入單元更高的期望產出和更少的非期望產出，從而表征原決策單元無效。

1.3 城市土地利用效率的空間特征檢驗

為明確城市土地利用效率的空間差異與特征，本文采用空間自相關分析法中的MoranI指數對其進行測度和檢驗。全局性MoranI的計算公式為[15]：

其中，xi、xj分別為i地區、j地區土地利用效率的觀測值，是土地利用效率的平均值，wij為空間權重矩陣，當i與j地緣相鄰時權重為1，反之權重為0。對于全局Morans I指數，可以利用標準化統計量Z進行自相關顯著性水平檢驗。當I∈（0，1） 時，反應城市土地利用效率存在正的空間自相關性，即有空間集聚特征；當I∈（-1，0） 時，反映城市土地利用效率存在負的空間自相關，即有空間分散特征。

全局性自相關分析只能用來判定城市群土地利用效率觀測值的整體關聯度和空間特征，若需判定單一城市內部空間集聚的具體位置，可根據局部Morans I指數及對應的Morans I散點圖，以及LISA（Local Indictators of Spatial Association ）集聚圖等空間計量工具進行測度，并將局部性Morans I指數定義為：

其中，s2xx為方差，當Ii>0時，表征“高-高”聚集區；當Ii<0時，表征“低-高”或“高-低”聚集區。

2 研究區域、指標選取與數據來源

2.1 研究區域

長江中游城市群地處“中三角”，是以武漢城市圈、長株潭城市群、環鄱陽湖生態經濟區為主形成的特大型城市群，2015年出臺的《長江中游城市群發展規劃》中對其戰略引擎地位和經濟增長功能作出了肯定。區域經濟發展激發了城市用地需求，且不同城市的土地資源稟賦、用地模式、發展理念各異。以長江中游城市群為例，探索城市土地利用效率的時空分異特征，為我國流域城市群土地利用提供必要的理論與實踐指導。

2.2 指標選取

城市土地利用效率評價指標的選取，將遵循前述“四元作用異樣度”效率評價法則的內涵，以經濟增長度、社會發展度、環境友好度、資源持續度為衡量標尺。具體而言，城市土地利用效率指標評價體系分為三層：

（1）投入指標層：以資本、土地、勞動力作為城市土地利用的基本要素投入，其中地均固定資產投資（X1）、地均房地產開發投資（X2）分別表示城市土地綜合資本投入與城市建設用地資本投入；城市建設用地是城市建設的重要物質載體，因此選取城市建設用地面積（X3）表征土地資源投入；二三產業從業人口數量（X4）表征城市土地利用的勞動力資源投入。

（2）期望產出指標層：期望產出指標是經濟、社會、資源、環境協調發展的綜合體現，因而選取地均二三產業增加值（X5）作為經濟產出指標，以地均城鎮社會消費品零售總額（X6）、城鎮居民家庭人均可支配收入（X7）、城鎮人均擁有道路面積（X8）作為衡量土地利用社會效益的指標，以建成區綠化覆蓋率（X9）、城市生活垃圾無害化處理率（X10）、城市二氧化硫去除率（X11）來衡量城市土地利用的資源環境友好度。

（3）非期望產出指標層：以單位土地面積的城市人口（X12）衡量城市土地利用進程中的人口膨脹程度，以工業二氧化硫排放量（X13）表征伴隨工業用地和工業發展而來的城市污染狀況。

2.3 數據來源與處理

本文共搜集整理了2001—2014年涉及三個省份、26個城市、13項指標的面板數據，相關經濟、社會、資源、環境數據來自于2001—2014年《湖北統計年鑒》《湖南統計年鑒》《江西統計年鑒》。在研究周期內缺失的環境數據，分別從湖北省統計局統計數據庫、湖南省統計局統計數據庫、江西省統計局統計數據庫、各城市《國民經濟和社會發展統計公報》獲取。空間分析涉及26個市域單元，城市邊界圖集主要取自于《湖北省地圖集》《湖南省地圖集》《江西省地圖集》的行政區劃圖，掃描配準并進行跟蹤矢量化。

3 結果與分析

3.1 城市土地利用效率測算及時空分異特征

3.1.1 土地利用效率測度結果分析

利用DEA Solver Pro5.0軟件測算并得出2001—2014年長江中游26市土地利用效率值（見表1），即技術效率（Technology Efficiency，TE），這是對決策單元的土地資源配置能力、土地資源使用效率等多方面能力的綜合衡量與評價。

選取2001年、2007年、2013年為時間節點，長江中游城市群土地利用效率變化呈現以下特征：

（1）城市群土地利用效率整體呈現上漲趨勢，其中武漢城市圈土地利用效率水平相對較高，在研究期間內僅黃石市土地利用效率水平從1降至0.813。長株潭城市群和環鄱陽湖生態經濟區土地利用效率水平相對較低，黃石、株洲、益陽、婁底、南昌、新余、宜春7市土地利用效率顯著下降。

（2）以城市群為單位進行考量，三大城市群土地利用效率發展水平并不協調。從外部來看，三大城市群有顯著的高階和低階之分，武漢城市圈土地利用效率普遍處于高階區，環鄱陽湖生態經濟區次之，長株潭城市群土地利用效率水平最低。從內部來看，武漢城市圈9市土地利用效率的離散水平最低，長株潭城市群8市土地利用效率離散度最高。

（3）城市群內部土地利用效率呈現“中間低-外圍高”的特征。2001—2014年僅武漢、長沙、湘潭、南昌、九江5個地區的土地利用平均效率落入區間[0.7，0.9]，其余21市土地利用效率均數都處于區間（0.9，1]。其中，土地利用效率較低的城市是以政治中心及其地緣相鄰城市為主。

3.1.2 土地利用效率生產前沿面分析

在規模報酬可變的條件下，技術效率可分解為純技術效率（Pure Technology Efficiency，PTE）和規模效率（Scale Efficiency，SE）。純技術效率是指決策單元在最優土地要素投入規模時的產出效率，規模效率是實際土地利用投入規模與最優土地利用投入規模的差距。通過測算2001—2014年長江中游26市土地利用純技術效率和規模效率，并以此作為判別決策單元是否處于生產前沿面，或者說是否DEA有效的依據。

處于非生產前沿面的城市土地利用效率通常表現為：純技術效率和規模效率中至少有一項指標值小于1，且此時該DEA決策單元無效。2001年，除武漢市以外，其余武漢城市圈8市均處于土地利用效率生產前沿面；除婁底市以外，長株潭城市群其余7市均處于非生產前沿面；環鄱陽湖生態經濟區中除九江、新余，其余各市均處于生產前沿面（見表1）。至2013年，除黃石市以外，武漢城市圈其余城市均已達到DEA有效；長株潭城市群中除長沙、岳陽、常德外，其余5市土地利用的投入和產出均非最優狀態；環鄱陽湖生態經濟區中除南昌、新余、宜春外，其余土地利用決策單元均達到DEA有效。整體而言，2001—2014年長江中游城市群土地利用效率的非生產前沿面單元，主要表現在純技術效率有效而規模效率無效。

3.2 土地利用效率全域空間自相關分析

借助GEODA空間分析工具，依據公式（4）計算2001—2014年長江中游26市土地利用效率的全域Morans I 指數（見表2）。測量單元的莫蘭指數P值均通過了1%或5%的顯著性檢驗，Z值均為正且普遍高于1.96，表征長江中游城市群土地利用效率具有明顯的空間聚類特征。全域Morans I 指數均為正值且波動區間為[0.1，0.4]，表征2001—2014年長江中游城市群土地利用效率存在空間正相關性，其中2008年土地利用效率的空間聚集度最低，2011年空間聚集度最高。

3.3 土地利用效率的時空特征分析

全域Morans I 指數從宏觀上反映長江中游城市群土地利用效率存在空間自相關性，但無法將空間聚類特征具象化。為揭示城市群土地利用效率的局部空間相關性或空間異質性，這里借助局域Morans I 指數和LISA分布圖加以研究。

3.3.1 莫蘭散點圖

在全域空間自相關分析中，得出長江中游城市群土地利用效率的空間聚集性自2007年后出現較大的波動，因此選取2001年、2007年、2013年作為時間節點，分析城市土地利用效率的空間自相關特征，并由此得出：

（1）長江中游城市群土地利用效率呈現顯著的空間正相關性，空間聚集類型在不斷演變。武漢城市圈始終是高-高集聚（High-High）的熱點區，長株潭城市群則經歷了從低-低集聚（Low-Low）的盲點區向熱點區的遷移（見圖2）。除黃石、仙桃、天門、潛江、湘潭、衡陽、南昌、景德鎮、鷹潭、撫州、上饒之外，其余城市土地利用效率的空間聚集模式均發生了變化。如株洲、婁底、新余、宜春土地利用效率經歷了從高低（High-Low）或高高聚集向低低聚集的轉變。

（2）受局部土地利用不穩定因素影響的城市逐漸增多，高土地利用效率被低土地利用效率城市包圍的現象不斷增加，而低土地利用效率城市被高土地利用效率城市帶動的現象逐漸降至零。具體表現為第四象限城市由2001年的五個增長為2013年的八個，第二象限城市由2001年的三個降至為零。武漢、黃岡、咸寧、九江、吉安由高高或低高型聚集的促進式空間集聚模式，轉變為高低聚集的阻抑型空間聚集模式。

3.3.2 LISA分布圖

莫蘭散點圖無法判定局部相關類型或聚集區是否顯著，因此需利用GEODA軟件繪制LISA分布圖（見圖3）。HH、LL表征城市自身和周圍地區土地利用效率均處于較高或較低水平；HL、LH表征城市自身土地利用效率水平和周圍地區存在高低差異。整體而言，2001—2014年長江中游城市群土地利用效率以LL或LH空間聚集為主，均未出現HH型熱點集聚，顯著區間不斷由西南到東北方向轉移。具體而言，城市土地利用效率由低低向高低、低高聚集轉變，覆蓋區轉向九江、黃石及其周圍城市。

4 結論與討論

以“四元作用異樣度”為土地利用效率評價準則，選取長江中游城市群為研究對象，基于雙目標DEA-SBM模型探析2001-2014年城市土地利用效率的時空分異特征，并得出以下結論：①長江中游城市群土地利用效率整體上升、局部回落，城市土地集約化利用已表現出階段性成果，土地利用與經濟增長、社會發展、資源持續、生態環境的協調度在不斷優化；②城市群之間土地利用效率發展并不同步，形成“一主兩副”的土地利用格局，武漢城市圈土地利用效率整體位于高階區，且城市圈內部9市效率發展水平趨于同步，環鄱陽湖生態經濟區、長株潭城市群土地利用效率整體位于低階區，且內部離散程度較高；③城市土地利用未能達到綜合有效的根源在于土地要素投入的規模報酬遞減，當前投入規模與最優土地利用投入規模之間存在差距；④城市群土地利用效率呈現較不穩定的空間正相關性，低效城市阻抑整體發展進程；⑤城市群土地利用效率的評價已經進入了區域自然系統與社會系統可持續協調發展的綠色化評價新階段。

總體而言，長江中游城市土地集約化利用仍處于發軔階段，土地利用效率多以低水平空間集聚為主，城市圈層內外發展步伐不一。未來在區域協調、綠色發展、適度開放、資源共享的理念指導下，充分借鑒“河長制”管制下的流域資源開發利用模式，不斷建設開放競爭、城鄉統一而有序的建設用地市場，以城市群為單位進行土地功能分區，外力促進要素流動與區位互補、內力協調經濟社會發展與資源環境可持續，形成以“中心+核心”城市為主體、以“流域治理+部門協同”為手段的土地利用軸帶，

以“社區發展+產業布局”為機制協同，以“市場化+法治化”為制度保障，發揮利益導向作用[16]，提升土地利用效率，促進長效發展。

最終實現城鄉資源一體化、流域資源利用綠色化、區域自然系統與社會系統可持續協調發展化的土地利用格局。

參考文獻（References）

[1]柯新利，楊柏寒，劉適，等. 基于土地利用效率區域差異的建設用地區際優化配置——以武漢城市圈為例[J].長江流域資源與環境，2014（11）：1502-1509.[KE Xinli， YANG Bohan， LIU Shi， et al. Optimization of interregional built-up land allocation based on differences of land use efficiency： a case study of Wuhan metropolitan[J].Resources and environment in the Yangtze Basin， 2014（11）：1502-1509.]

[2]王成新，王波濤，王翔宇. 基于結構視角的中國人口城市化與土地城市化異速增長研究[J].中國人口·資源與環境，2016（8）：135-141.[WANG Chengxin， WANG Botao， WANG Xiangyu. Study on population urbanization and land urbanization allometric growth in China based on the structure[J].China population， resources and environment， 2016（8）：135-141.]

[3]黃大全，洪麗璇，梁進社.福建省工業用地效率分析與集約利用評價[J].地理學報，2009（4）： 479 -486.[HANG Daquan， HONG Lixuan， LIANG Jinshe. Analysis and evaluation of industrial land efficiency and intensive use in Fujian Province[J].Acta geographica sinica， 2009（4）： 479 -486.]

[4]FAERE R， GROSSKOPF S， LOVELL C A K， et al. Multilateral productivity comparisons when some outputs are undesirable： a nonparametric approach[J]. The review of economics and statistics， 1989， 71（1）：90-98.

[5]張軍濤，孫振華，張明斗. 中國城市土地利用效率的動態測度及影響因——基于DEA-Tobit兩步法的分析[J]. 數學的實踐與認識，2014（11）：54-63.[ZHANG Juntao， SUN Zhenhua， ZHANG Mingdou. The dynamic measurement of urban land use efficiency in China and influencing factors： based on DEA-Tobit two-stage methods[J]. Mathematics in practice and theory， 2014 （11）：54-63.]

[6]TONE K. A slacks based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001，130：498 -509.

[7]楊清可，段學軍，葉磊，等. 基于SBM-Undesirable模型的城市土地利用效率評價——以長三角地區16城市為例[J].資源科學，2014（4）：712-721.[YANG Qingke， DUAN Xuejun， YE Lei， et al. Efficiency evaluation of city land utilization in the Yangtze River Delta using a SBM-Undesirable model[J].Resources science， 2014（4）：712-72.]

[8]SHU B， ZHANG H， LI Y， et al. Spatiotemporal variation analysis of driving forces of urban land spatial expansion using logistic regression： a case study of port towns in Taicang City， China[J]. Habitat international， 2014，43： 181-190.

[9]MYINT S W， ZHENG B， TALEN E， et al. Does the spatial arrangement of urban landscape matter？ examples of urban warming and cooling in Phoenix and Las Vegas[J].Ecosystem health and sustainability， 2015（1）： 1-15.

[10]LI S， COLSON V， LEJEUNE P， et al. Agent-based modelling of the spatial pattern of leisure visitation in forests： a case study in Wallonia， south Belgium[J]. Environmental modelling & software， 2015， 71（C）： 111-125.

[11]HUANG J， HUANG Y， JR R G P， et al. Geographically weighted regression to measure spatial variations in correlations between water pollution versus land use in a coastal watershed[J]. Ocean & coastal management， 2015， 103： 14-24.

[12]張偉，李長健.耦合動力、外部作用與農地流轉的優化路徑[J].改革，2015（6）：91-99.[ZHANG Wei， LI Changjian. Coupling power， external effect and optimization route of rural land transfer[J]. Reform， 2015 （6）：91-99.]

[13]CHOI J W， HAN J H， PARK C S， et al. Nutrients and sestonic chlorophyll dynamics in Asian lotic ecosystems and ecological stream health in relation to land-use patterns and water chemistry[J]. Ecological engineering， 2015， 79： 15-31.

[14]張金鎖. 技術經濟學原理與方法[M].北京：機械工業出版社，2001：33-37.[ZHANG Jinsuo.The technical economics principle and method[M].Beijing： Mechanical Industry Press， 2001：33-37.]

[15]宋文，陳英. 土地利用空間自相關分析中觀測變量和衡量指標的選擇研究[J]. 干旱區資源與環境，2015（10）：37-42.[SONG Wen， CHEN Ying， Selection of observed variables and measuring indicators for the land use spatial autocorrelation analysis[J]. Journal of arid land resources and environment， 2015（10）：37-42.]

[16]李長健.論農民權益的經濟法保護——以利益與利益機制為視角[J].中國法學，2005（3）：120-134.[LI Changjian. Peasants right and interest based on economic law：from the perspective of interests and interest mechanism[J].China legal science，2005（3）：120-134.]