西南巖溶地區耕地利用效率及其影響因素

唐梅蓉，楊奇勇

(1.中國地質科學院巖溶地質研究所，廣西 桂林541004； 2.中國地質大學(北京)，北京100083)

0 引言

耕地資源作為土地特有的一種利用形式，具有獨特的稀缺性與不可再生性，是人類賴以生存的自然資源基礎[1]。它關系到我國當前經濟社會的穩定，關乎國家的長遠利益和可持續發展。在我國西南巖溶區，由于其地質背景特殊，巖溶作用強烈，景觀異質性強，導致耕地數量少且質量差。加上該區域人口相對較多，尖銳的人地矛盾導致植被破壞和水土流失日益嚴重，產生十分嚴重的石漠化現象，而且呈不斷擴張的態勢，嚴重制約了該區域耕地的可持續發展，直接影響當地居民的經濟收入水平[2]。研究巖溶地區耕地利用效率及其時空演變特征不但能夠提高耕地利用效率、增加農民收入，而且對該區土地資源可持續利用提供重要的參考。

目前，國內外在耕地資源利用研究方面取得了一定的進展。從研究內容上看，主要側重于耕地利用效率的時空分異特征及其影響因素的系統分析與研究。羅沖等[3]運用DEA-Tobit兩步法，對其研究區域的耕地利用效率及影響因素進行了評價和分析。盧新海等[4]基于不同視角，將碳排放量、化肥排放量和面源污染等非期望產出指標添加到“投入-產出”指標體系中，并運用非期望產出的SBM模型測度所研究區域的耕地利用效率。姜晗等[5]運用Malmquist生產率指數對所研究區域的耕地全要素生產率進行測度。在研究范圍上，主要呈現出從全國、糧食主產區、西南地區部分省(市)域，不斷向單個省域、市域及縣域的微小尺度深入[6-11]。在研究方法上，采用DEA模型、SBM模型和SFA模型等定量測度耕地利用效率，并采用Tobit模型、GWR模型對其影響因素進行分析[3-4，6，8，12]。

國內研究尚存在一定不足：在研究尺度上，多側重對全國、東部沿海地區及糧食主產區耕地利用效率的定量測度及其影響因素研究，缺乏西南巖溶區的耕地利用效率時空分異研究；在影響因素測度模型的選取上，Tobit模型無法解決自變量與因變量之間存在空間自相關，在進行全局或平均估計中引起的估算偏差問題。GWR模型無法測度兩個自變量X1和X2共同作用時是否會增加或減弱對因變量Y的解釋力，或這些因子對Y的影響是相互獨立的。由于西南地區特殊的地形及地貌條件，耕地利用效率通常受到兩個或者多個因素的共同影響。

本文以西南巖溶地區112個市為研究單元，從耕地投入產出的角度，利用DEA模型對2011—2017年各市耕地利用效率進行測算，揭示其時空變化特征，并借助地理探測器對影響耕地利用效率的因素進行相關探討，以期為提高西南巖溶地區耕地利用效率提供科學參考。

1 數據與方法

1.1 研究區概況

我國南方巖溶分布主要集中在西南地區，其巖溶面積比達到1/3以上(圖1)，涉及湖北、湖南、廣東、廣西、重慶、四川、貴州和云南8個省(區、市)[13]。西南巖溶地區是我國主要的糧食生產地，包括我國4大商品糧基地，其中有成都平原和洞庭湖平原。2017年，西南巖溶地區耕地總面積約3.62×107hm2，占全國耕地面積的26.81%。在西南巖溶地區，由于受自然條件和人類活動的影響，生態易碎度強，以石漠化土地退化為主要表現的生態問題尤為突出[14]。截止到2016年底，巖溶地區石漠化土地總面積為1.01×107hm2，占巖溶面積的22.3%，占區域國土面積的9.4%。

圖1 研究區位置及巖溶分布Fig.1 Location of study area and karst distribution

1.2 研究方法

1.2.1DEA模型

研究采用數據包絡分析中的規模報酬可變(Variable Return to Scale，VRS模型)假設前提下的BCC模型，對西南巖溶地區8省(區、市)2011—2017年耕地利用綜合效率進行測算。構建出西南8省(區、市)各市域耕地利用效率規模報酬可變模型

(1)

其中，j是待評價單元數量，即研究區中有j(j=1， 2， …，n)個市級行政單元(DMU)，且每個市級行政單元都有m種與耕地利用效率有關的投入變量和r種產出變量；Xjm表征j市中第m種投入總量；Yjr表征j市的第r種產出變量。j是將各市連接起來形成有效前沿面，用于判斷區域空間耕地利用狀況的權重變量。θ表征耕地投入產出的綜合效率，值域為[0，1]，值越大，則綜合利用效率越大。綜合技術效率包含了規模效率的成分。

1.2.2地理探測器

地理探測器中包括多種分析方法，本文選擇因子分析和交互式分析[15]。因子分析是探測因變量的空間分異性，以及探測某因子多大程度上解釋了因變量的空間分異；交互式分析是評估各影響因子共同作用時是否會增加或減弱對因變量的解釋力，或這些因子對因變量的影響是相互獨立。公式如式(2)所示。

(2)

式中h=1，…

L——變量Y或因子X的分層，即分類或分區

Nh、N——層h和全區的單元數

SSW、SST——層內方差之和和全區總方差

q的值域為[0，1]，q值越大說明自變量對因變量的解釋力越強，反之越弱。

1.3 數據來源

研究數據主要為2大類：一類是屬性數據，包括農業和社會經濟指標，主要來源于2012—2018年西南8省(區、市)的統計年鑒及廣東農村統計年鑒(2012—2018年)；另一類是空間數據，包括中國省級、市級行政界線，數據來源于中國科學院資源環境科學數據中心；DEM數據(30 m分辨率)，來源于地理空間數據云平臺。

1.4 投入-產出指標選擇

在計算2011—2017年各個市的耕地利用效率時，將重慶市作為決策單元，而廣東省的深圳市已經完全城市化，不作評價，西南巖溶地區共112個決策單元。考慮到數據的可獲得性，選取的投入和產出指標主要有兩類。

(1)投入指標。選取農作物播種面積(10 m3hm2)、人口總數(萬人)、固定資產總投資(108元)和化肥使用量(萬t)，代表西南巖溶地區各市農業生產中的土地、勞動力和資金投入3大基本要素的投入量。

(2)產出指標。選取糧食總產量(萬t)、農村居民人均可支配收入(元)、農業總產值(108元)等指標。

耕地利用效率受自然和經濟等多種因素的影響。參考前人研究結果，并結合西南地區實際情況，選擇海拔高程、坡度、巖溶比例、公共財政支出和人均GDP作為研究指標。

2 結果分析

采用DEA中的BCC模型，運用DEAP2.1軟件計算得到2011—2017年西南巖溶地區各市各年份的耕地利用綜合效率、技術效率和規模效率值，再計算出效率均值。

2.1 西南巖溶地區耕地利用效率時間變化

2011—2017年，西南巖溶區耕地利用效率均值呈“先上升后下降”的變化趨勢(圖2)。就綜合效率均值而言，其最低值為0.86，最高值為0.89，總體均值為0.88，均<0.9，說明綜合利用效率亟待提高。其時序變化可分為2個不同階段：第1階段為2011—2015年，耕地利用效率總體上趨于緩慢上升狀態，在2015年達到了5年間的最高值0.89；第2階段為2016—2017年，呈下降趨勢，使得2017年成為這7年中綜合效率均值最低的年份，其值為0.86。一般來說，綜合效率可以分解為技術效率和規模效率。

圖2 2011—2017年西南巖溶地區耕地利用效率值變化趨勢Fig.2 Change trend of cultivated land use efficiency in karst areas of Southwest China from 2011 to 2017

從圖2可以看出，技術效率均值與綜合效率均值的變化趨勢比較接近，說明技術效率在綜合效率中所占比例較大，起到決定性作用，規模效率均值走勢相對平穩，其總體均值為0.98。

2.2 西南巖溶地區耕地利用效率空間分布

在Arcmap10.2中運用自然間斷點分類法分別對綜合效率、技術效率及規模效率平均值進行空間化顯示(圖3)，分析其空間格局。

圖3 2011—2017年西南巖溶地區各市域耕地利用效率平均值分布特征Fig.3 Distribution characteristics of average value of cultivated land use efficiency in each city in Southwest Karst area from 2011 to 2017

2011—2017年，平均綜合效率高值區主要分布在以重慶-資陽-甘孜一線為中心的市、州，以及云南省的大理、保山、普洱和西雙版納，東南部廣東省的梅州、河源和惠州，北部湖北省的隨州、荊門、荊州和湖南省的常德、湘潭、株洲等市、區；低值區主要分布在四川省的阿壩州，貴州省的貴陽，廣西壯族自治區的南寧、防城港和柳州，以及湖北省的鄂州、黃石等市、區。

2011—2017年，各年份中耕地利用達到DEA效率最優決策單元數量分別為33、35、33、31、32、35、26，分別占決策單元總數的29.5%、31.3%、25.9%、27.7%、28.6%、31.3%、23.2%。技術效率高值區主要集中在隨州-荊州-岳陽-株洲-永州一線為中心的市、區，其余高值區和低值區與綜合效率空間分布基本一致。但是，2011—2017年西南巖溶地區各市達到DEA效率最優的數量分別為44、43、46、

49、53、52、36，分別占39.3%、38.4%、41.1%、43.4%、47.3%、46.4%、32.1%。規模效率總體上偏高，低值區主要分布在東部湖北省的孝感和鄂州市，以及衡陽、成都、攀枝花和防城港。從規模效率上看，2011—2017年西南巖溶地區各市單元達到DEA效率最優分別占到總單元數的33.0%、36.6%、32.1%、33.0%、34.8%、36.6%、27.7%。

3 耕地利用效率影響因素分析

因子探測器分析結果如表1所示，各因子對石漠化空間分布的影響權重分別為巖溶比例(q=0.24)>高程(q=0.21)>公共財政支出(q=0.11)>人均GDP(q=0.09)>坡度(q=0.06)，表明巖溶比例和高程是影響西南巖溶區耕地利用效率的主要因素，公共財政支出因素其次，而人均GDP和坡度因素影響最低。從影響因素的維度來看，自然因素對耕地利用效率高低的影響程度高于社會經濟因素。

表1 因子探測器結果

結合因子探測器的結果和交互式探測器的結果如表2所示，可以看出巖溶比例、坡度、人均GDP、公共財政支出及高程5個驅動因子無論是單個因子還是相互組合因子，其q值都大于其他單個因子或者組合因子。巖溶比例與公共財政支出組成的交互式驅動因子其值最大為0.73，說明在碳酸鹽巖廣泛分布的地質基礎上，政府公共財政支出不合理是造成耕地利用效率較低的首要原因。巖溶比例的高低及區域經濟的好壞，導致耕地的投入和產出均存在一定的問題。

表2 交互式探測器結果(q值)

根據巖溶區等級分布圖4可以看出，巖溶比例高值與次高值區主要分布在以貴州省為中心向西南、西北及東南和東北4個方向延伸的“十字架”型區域，高值區的巖溶比例平均值為0.92，耕地利用效率均值為0.72，政府公共財政支出均值為242.81×108元，人均GDP均值為2.43×108元；次高值區的巖溶比例、耕地利用效率、公共財政支出和人均GDP均值分別為0.61、0.82、270.65×108元和2.78×108元；次低值區在以貴州省為中心的東、西、南、北及東北方向的部分市域，其巖溶比例、耕地利用效率、公共財政支出和人均GDP均值分別為0.30、0.79、357.06×108元和3.49×108元；低值區的巖溶比例、耕地利用效率、公共財政支出均值和人均GDP為0.04、0.81、271.71×108元和4.9×108元。4類巖溶區的耕地利用效率與巖溶比例呈反比趨勢，與公共財政支出及人均GDP大致上呈現出正比趨勢。

圖4 3種因素等級分布圖Fig.4 Distribution of three factor levels

4 結論

運用DEA模型對西南巖溶地區112個市2011—2017年的耕地利用效率進行測算，研究耕地利用效率的時空變化狀況，結合GIS空間分析工具和地理探測器模型，分析耕地利用效率的影響因素。

(1)2011—2017年，西南巖溶地區耕地利用效率值總體上呈“先上升后下降”趨勢，技術效率均值與綜合效率均值的變化趨勢比較接近，說明技術效率在綜合效率中所占比例較大，起到決定性的作用。

(2)西南巖溶地區耕地利用效率具有中等強度的空間變異性。總體上看，綜合效率和技術效率西部和中東部地區高于東北部、中部和南部地區；高值區主要集中分布在重慶-資陽-甘孜一線為中心的市、區，以及云南省的大理、保山、普洱和西雙版納，北部湖北省的隨州、荊門和荊州，湖南省的常德、湘潭和株洲等市、區；規模效率整體偏高，西部和南部較東部和北部高。

(3)地理探測器的因子探測器揭示了巖溶比例(q=0.24)、高程(q=0.21)2個因子是西南巖溶區耕地利用效率的主要影響因子；交互式探測器進一步揭示了巖溶比例與公共財政支出(q=0.73)、巖溶比例與人均GDP的組合(q=0.6)共同影響西南巖溶區耕地利用效率。