基于DEA-ESDA模型的江蘇縣域耕地利用效率時空格局分析

張榮天　陸建飛

摘要：以我國發達地區江蘇省為研究案例地，構建縣域耕地利用效率評價指標體系，運用改進DEA模型來測度2000—2015年江蘇縣域耕地資源利用效率水平;結合ESDA分析模型，從全局和局部空間自相關視角上分析江蘇縣域耕地利用效率時空分異格局。結果表明：（1）2000年以來江蘇縣域耕地利用效率呈現提升態勢，且技術效率變動是主導驅動。（2）全局上江蘇縣域耕地利用效率呈現出正的空間相關性特征，表現高（低）-高（低）空間集聚模式;局部上效率H-H形成“蘇州-無錫”核心區縣（市）空間集聚，L-L區主要分布在蘇北地區縣（市）。（3）人均GDP、有效灌溉面積、財政支農及受災面積等是影響江蘇縣域耕地利用效率時空演化的主要因素。（4）從完善基礎設施、加強科技投入及強化耕地整治等方面提出江蘇縣域耕地利用效率優化提升的政策建議。

關鍵詞：耕地利用效率;DEA;ESDA;時空格局;江蘇省

中圖分類號： F323.211? 文獻標志碼： A? 文章編號：1002-1302（2019）03-0269-04

隨著我國工業化、城鎮化進程持續推進，以及耕地資源不斷退化，導致我國后備耕地資源不足，耕地資源狀況十分嚴峻，人均耕地面積未達到世界平均水平;同時，耕地資源投入的增長速度大于產出的增長速度，整體利用效率相對不高[1]。在這種時代大背景之下，提高耕地利用效率是保證農產品有效供給、提高農民收入的關鍵環節，具有重要的戰略意義和現實價值。因此，探討耕地資源利用效率已經成為國內外眾多學者、政府關注的熱點話題。效率（efficiency）最初是一個物理學的基本概念，是衡量能量損耗程度的重要指標，一般能量損耗越小，其效率就會越高，后來效率這一概念逐漸運用到經濟學、社會學及地理學等學科領域，而耕地利用效率是衡量區域既定農業產出下所能實現最少耕地投入程度，是科學反映投入在耕地利用上各資源配置的相對合理性狀況。目前國內外學者運用不同方法、針對不同區域展開耕地利用效率多視角探討：（1）研究內容上，主要集中在效率指標構建[2]、區域差異[3]、影響因素[4]及對策建議[5]等領域;（2）研究方法上，主要采用SBM（slack based model）模型[6]、BP（back propagation）神經網絡模型[7]及DEA（data envelopment analysis）模型[8]等計量方法分析區域耕地利用效率水平;（3）研究尺度上，主要呈現出從省域[9]、市域[10]宏觀大尺度不斷向縣域[11]微觀小尺度深入，但縣域尺度上實證研究則相對薄弱。另外，目前研究以傳統定量數理模型分析為主，缺少運用空間自相關視角來探討區域耕地利用效率空間分異特征及其影響機制。

本研究以江蘇省為例，基于縣域單元空間尺度，首先從投入和產出2個方面構建出效率評價指標體系，運用改進DEA模型測度2000—2015年的江蘇縣域耕地利用效率及其分解值;其次，基于ESDA分析模型，從全局和局部兩大空間自相關的視角揭示江蘇縣域耕地利用效率時空分異格局，并揭示影響耕地利用效率的主要因素;最后，有針對性地提出未來江蘇縣域耕地利用效率提升的對策建議，以期為轉型期江蘇縣域耕地資源可持續利用提供有益的理論及實踐參考。

1 研究方法及數據來源

1.1 研究方法

1.2 數據來源

分析數據涉及兩大部分，其中統計數據主要來源于《江蘇省統計年鑒（2001—2016年）》，空間數據主要來源于《江蘇省地圖（2015年）》，經掃描進行高精度配準后在GIS軟件中跟蹤矢量化獲取，并對行政區劃調整的區域進行合并處理，確保整個研究時段分析結果具有相對可比性。

2 縣域耕地利用效率測度及評價

2.1 指標體系構建

理論上，縣域耕地利用效率既是反映農業生產中投入在耕地利用上各種資源配置是否合理的指標，也是反映農業生產中耕地資源價值實現程度的指標。因此，縣域耕地利用效率是指對縣域耕地利用數量與實際產出中所投入耕地數量的比例。參考國內外耕地利用效率測度指標相關文獻，結合指標代表性、可獲得性等原則，從耕地投入和產出2個方面構建江蘇縣域耕地利用效率測度的指標體系（表1）。

2.2 時序變化特征

基于2000—2015年江蘇縣域單元原始的投入及產出指標，運用DEAP 2.1分析軟件計算出2000—2015年江蘇省縣域耕地利用效率值及其分解值，其中綜合效率=純技術效率×規模效率（圖1），以下著重就從綜合效率、純技術效率、規模效率3個維度來進行具體分析：（1）綜合效率上，2000—2015年江蘇縣域耕地利用綜合效率呈現出持續上升的態勢，數值上從2000年0.522一直提升到2015年的 0.671，近15年間綜合效率提升28.5%，總體上來看效率上升的幅度相對較小。（2）純技術效率上，2000—2015年間江蘇縣域耕地資源利用技術效率變化也以上升為主要趨勢，但是整體上要高于區域綜合效率及規模效率水平，純技術效率數值上從2000年的0.777持續上升到2015年的0.892，隨著區域農業科技水平不斷提高，縣域耕地利用技術效率也表現出上升趨勢，技術效率持續提升導致縣域耕地利用效率不斷提升，可以看出技術效率變化是江蘇縣域耕地利用效率提升的主要驅動因子。（3）規模效率上，2000—2015年江蘇縣域耕地利用規模效率呈現“上升—下降—上升”的曲線演變特征，規模效率數值上從2000年的0.672上升到2007年 0.713，再下降到2008年的0.705，繼而從2009年的0.717上升到2015年的0.752。因此，未來江蘇各縣（市）須要關注科技、人才等軟要素投入，走耕地科學內涵式道路。

2.3 未來演化趨勢

通過對江蘇縣域耕地利用效率評價結果來看，2000—2015年江蘇縣域耕地資源利用綜合效率水平基本表現出上升的趨勢，這就意味著伴隨時間不斷推移，縣域耕地利用效率水平穩步提升，為了研究未來一段時間內江蘇縣域耕地利用效率是否能繼續表現出上升的態勢，運用計量經濟學中的回歸分析模型，基于Eviwes 5.0軟件分析平臺，對2000—2015年江蘇縣域耕地利用綜合效率S和各年份Y進行回歸分析，得到如下的回歸方程：S=-35.542 7+0.017 97Y（r2=0.92）。根據回歸方程，當Y=2 025時，則S=0.846，表明按照當前縣域耕地利用效率變化速度，到2025年江蘇縣域耕地利用效率水平將會達到0.842（圖2），這就在某種意義上說，未來一段時間內江蘇縣域耕地利用效率仍會以較快的速度提升;另外，由于考慮到江蘇縣域耕地利用效率也具有空間差異的因素，其中蘇南地區縣域耕地利用效率相對較高，而蘇北地區縣域耕地利用效率相對較低。因此，還須要進一步增加對耕地利用效率較低地區的投入，才能更有效地促進江蘇縣域耕地資源利用效率不斷優化。

3 縣域耕地利用效率時空格局分異

3.1 全局空間分異格局

通過Global Morans I指數來分析江蘇縣域耕地利用效率總體分布格局，基于GeaDA095軟件，測算出2000—2015年江蘇縣域耕地利用效率Global Morans I值（表2）。通過表2可以看出：研究期間江蘇縣域耕地利用效率Global Morans I指數均大于0，表明江蘇縣域耕地利用效率呈現空間集聚分布模式;具體數值上，Global Moran s I值從2000年0.387 5提高到2008年的0.402 2，到2015年達到最大值 0.472 9，整個研究期間Global Morans I指數增幅達到了 20.39%，2000—2015年間江蘇縣域耕地利用效率空間自相關性不斷增強;另外，研究期間江蘇縣域耕地利用效率Global Morans I觀測值與期望值差異變化相對較小，進一步印證了2000年以來江蘇縣域耕地利用效率全局空間格局分異態勢相對較穩定。

3.2 局部空間分異格局

Global Morans I指數僅從全局視角上研究了2000年以來江蘇縣域耕地利用效率總體空間格局，還需要運用Getis-OrdGi*指數進一步分析局部空間集聚態勢及演化規律。基于ArcGIS 10.2軟件，測算出2000—2015年江蘇縣域耕地利用效率Getis-OrdGi*指數值，并以縣域耕地利用效率作為橫坐標，縣域耕地利用效率空間滯后值作為縱坐標，在GeaDA095軟件中繪制出2000—2015年江蘇縣域耕地利用效率局部空間集聚圖（圖3所示），分為效率H-H區（縣域自身耕地利用效率高，鄰近縣域也高）、效率H-L區（縣域自身耕地利用效率高，鄰近縣域較低）、效率L-H區（縣域自身耕地利用效率低，而鄰近縣域高）、效率L-L區（縣域自身耕地利用效率低，鄰近縣域也低）4種基本類型，基于4種類型區演變揭示研究期間江蘇縣域耕地利用效率局部空間格局分異規律。

3.2.1 效率H-H區 2000—2008年江蘇縣域耕地利用效率熱點區主要集聚在吳江、昆山、太倉、常熟、張家港、江陰等縣（市、區），即“蘇錫”地區;且2008年后效率H-H區開始向靖江等縣（市、區）演化，總體上縣域耕地利用效率H-H區主要分布在江蘇的“蘇州-無錫”地區。

3.2.2 效率H-L區 2000—2015年江蘇縣域耕地利用效率H-L區主要分布在高淳、溧水、句容、金壇、溧陽、丹陽、宜興等縣（市、區），僅儀征個別縣（市、區）單元發生空間變化，H-L區總體分布在蘇南的“南京-常州”地區。

3.2.3 效率L-H區 2000—2015年江蘇縣域耕地利用效率L-H區主要集聚在高郵、江都、泰興、姜堰、海安、如皋、通州、如東、海門等縣（市、區），即蘇中地區，空間格局分布相對穩定，置換不顯著。

3.2.4 效率L-L區 2000—2015年江蘇縣域耕地利用效率L-L區主要分布在贛榆、東海、灌云、灌南、響水、濱海、阜寧、漣水等縣（市、區），即江蘇的蘇北地區，這一地區農業科技水平相對較低，各縣（市、區）經濟社會發展水平也較低，加上交通可達性程度差等制約因素，形成研究期江蘇縣域耕地利用效率低值“塌陷區”。

總體上，2000—2015年江蘇縣域耕地利用效率局部集聚分布格局演變相對穩定，4種類型效率區僅發生微小的數量變動及調整。

3.3 影響因素分析

耕地利用效率時空分異是多種影響因素綜合作用結果，本研究重點選取了受災面積X1、人均GDP X2、有效灌溉面積X3、財政支農X4等自然、經濟及政策影響因素，采用Eviews 6.0計量統計軟件中Tobit回歸模型對2000—2015年江蘇縣域耕地利用效率影響因素進行回歸實證分析（表3）。

根據表3可知，人均GDP、有效灌溉面積、財政支農及受災面積等均對研究期間江蘇縣域耕地利用效率差異產生影響，并且人均GDP X2>有效灌溉面積X3>財政支農X4>受災面積X1。具體影響表現為：（1）人均GDP對耕地利用效率正向影響最顯著，這就表明區域經濟發展水平越高，能夠為農業發展提供更多的資金保障及技術、人才等方面軟實力投入，積極改善農業生產條件，有助于持續地提升區域耕地利用效率水平，因此人均GDP水平是影響縣域耕地利用效率的關鍵因素。（2）有效灌溉面積與縣域耕地利用效率呈正向相關關系，一般而言，區域水資源越豐富，其耕地有效灌溉面積也就越高，總體上沿江、沿淮河城市，降水量充沛，水資源相對較豐富，對區域耕地資源利用效率提升起到了積極促進效應，因此有效灌溉面積是影響縣域耕地利用效率的重要因素。（3）財政支農對耕地資源利用效率也具有正向影響，目前中央及地方各級政府關注“三農”問題，實施了農業補貼、科技下鄉等相關政策，有助于農民增加農業生產投入，促進農業生產科技水平提高，對于推動縣域耕地利用規模、技術效率有十分積極影響，財政支農是影響縣域耕地利用效率的保障因素。（4）受災面積與耕地利用效率之間存在反向關聯關系，若縣域遭受旱災、洪災、風雹災、霜凍、病蟲害及其他自然災害，就會直接導致耕地利用效率呈現出下降態勢，可見受災面積大小是影響縣域耕地利用效率的制約性因素之一。在四大因素作用下，江蘇縣域耕地利用效率時空格局將會持續發生演變。

4 結論與建議

本研究以江蘇省作為研究區，基于縣域空間尺度，從投入和產出上構建耕地利用效率指標體系，結合DEA-ESDA模型初步地分析了2000—2015年江蘇縣域耕地利用效率時空格局及演變特征。得到3點基本結論：（1）2000年以來江蘇縣域耕地資源利用效率表現出持續上升趨勢，且縣域耕地利用受技術效率驅動。（2）全局上，2000—2015年江蘇縣域耕地利用效率呈現出正的空間相關性特征，以空間集聚為主要模式;局部上，江蘇縣域耕地利用效率H-H區主要集聚在蘇州、無錫等地縣（市、區），而L-L效率區主要分布在蘇北地區縣（市、區）。（3）人均GDP、財政支農、有效灌溉面積及耕地受災面積等是影響研究期江蘇縣域耕地利用效率時空格局分異的主要因素。

結合江蘇縣域耕地利用時空格局分析，提出未來江蘇縣域耕地利用效率優化的政策建議及啟示：（1）完善農業基礎設施建設。強化江蘇各縣（市）農田水利、減災等設施建設，提高縣域農業抗御自然災害的能力;不斷優化縣域耕地利用結構，改造傳統粗放型耕作模式。加強對中低產田改造和糧食安全示范區、優勢農產品項目的田間灌排設施建設，逐步建成一批標準化基本農田工程。（2）加強農業科技投入。積極構建多元化、結構化縣域農業投入保障體系，特別是加強與農業科研機構、院所的大力合作，引進、推廣新品種及新種植方法，不斷提升縣域農業生產的機械化水平;不斷加快構建縣域農業發展的科技支撐體系，用先進技術和裝備改造縣域傳統農業，構建縣域農業技術創新、應用及服務綜合性平臺。（3）強化土地綜合整治。加大縣域耕地整理力度，尤其是耕作條件差、分散零星的耕地資源;完善以土地為核心的股份制，在明確產權關系的基礎上，建立科學、規范的土地使用權流轉制度，加大土地資源流轉力度，將農民閑置的耕地向種植大戶、農業合作社等流轉，推動縣域農業規模化經營，改善縣域耕地綜合產出能力，持續提升江蘇縣域耕地利用效率。

參考文獻：

[1]俞奉慶，蔡運龍. 耕地資源價值探討[J]. 中國土地科學，2003，17（3）：3-9.

[2]周俊霞，劉淑英. 甘肅省耕地利用效益時空分異特征[J]. 湖北農業科學，2012，51（2）：258-260.

[3]劉春臘，王 鵬. 湘西多民族山區耕地利用效率空間差異分析[J]. 冰川凍土，2013，35（5）：1308-1318.

[4]潘倩紅，任大廷. 四川省耕地生產效率及影響因素分析[J]. 國土資源科技管理，2010，27（4）：95-100.

[5]姚成勝，黃 琳. 基于能值理論的中國耕地利用集約度時空變化分析[J]. 農業工程學報，2014，30（8）：1-12.

[6]劉玉海，武 鵬. 轉型時期中國農業全要素耕地利用效率及其影響因素分析[J]. 金融研究，2011（7）：114-127.

[7]馮曉利. 基于BP人工神經網絡的耕地綜合效益研究[D]. 成都：四川師范大學，2013.

[8]梁流濤，曲福田，王春華. 基于DEA方法的耕地利用效率分析[J]. 長江流域資源與環境，2008，17（2）：242-246.

[9]馮 達，段亞鋒，李婷婷. 基于DEA的湖南省耕地利用效率研究[J]. 國土資源科技管理，2009，26（3）：57-60.

[10]張文雅，宋 戈. 哈爾濱市耕地利用效益特征分析[J]. 水土保持研究，2009，16（6）：79-83.

[11]劉彥隨，李裕瑞. 中國縣域耕地與農業勞動力變化的時空耦合關系[J]. 地理學報，2010，65（12）：1602-1612.

[12]楊青山，張 郁. 基于DEA的東北地區城市群環境效率評價[J]. 經濟地理，2012，32（9）：51-55.

[13]張榮天，焦華富. 泛長三角城市發展效率時空格局演化與驅動機制[J]. 經濟地理，2014，34（5）：48-54.

[14]Cem E，Wilfried K.Regional disparities in the European Union and the enlargement process：an exploratory spatial data analysis，1995—2000[J]. Ann Reg Sci，2006，40（4）：723-765.

[15]劉家君，魏 偉，張建清. 基于ESDA的湖北省區域經濟發展空間格局分析[J]. 統計與決策，2014（13）：134-137.朱沖沖，李秋華，陳文生，等. 貴州普定水庫后生浮游動物群落結構特征及其水質指示作用[J]. 江蘇農業科學，2019，47（3）：273-277.