安徽省縣域耕地利用效率時空分異格局分析

趙子青，朱道才，馮成楠

(安徽財經大學 經濟學院，安徽 蚌埠 233030)

一、引言

耕地是糧食生產和社會穩定的重要保障和前提。隨著人口增長和城鎮化進程推進，我國人均耕地面積已遠低于世界平均水平，并且耕地資源整體不斷退化，耕地資源投入增速往往大于產出的增速，集約高效利用耕地勢在必行。黨和國家始終高度重視耕地與糧食安全問題，2018年中央一號文件強調：夯實農業生產能力基礎，嚴守耕地紅線，穩步提高耕地質量。實現糧食安全和發展現代高效農業，對耕地利用提出更高要求。在推進城鎮化、工業化進程，實施鄉村振興戰略，發展縣域經濟的大環境下，提高耕地利用效率，有利于保證國家糧食安全和農產品高效率供給。科學分析特定區域耕地利用效率的高低、變動情況及其時空分異特征，能夠為區域耕地利用效率的提升提供較為合理的理論依據。

耕地利用效率是衡量特定地區在一定的農業生產產出條件下所需的最小耕地投入程度，科學反映耕地利用中各類資源配置的相對合理性，是農產品生產和農業產業體系的重要基礎。諸多學者基于效率這一概念，運用不同方法，跨越不同時間年限，針對不同區域對多尺度的耕地利用效率進行了探討：(1)研究內容集中在效率測度、模型構建、影響因素分析；(2)研究方法上數據包絡分析的使用最為普遍，并傾向于將DEA與其他方法相結合，如DEA-Malmquist模型、SBM模型、基尼系數分解模型、ESDA分析模型等；(3)研究區域包括中國糧食主產區、省域尺度、村域尺度。由此可見，耕地利用效率分析是當前學術界關注的熱點問題。然而在研究區域上，相對缺少對一省內部各縣域耕地利用效率時空分異特征的研究，對耕地利用中觀和微觀區域的差異關注不夠，相關研究亟需開展。

安徽省是我國13個糧食主產區之一，地貌主要為山地、丘陵和平原，分別占土地總面積的29.37%、28.86%、24.70%，南北地形差異大，耕地資源主要集中在平原和江淮丘陵地區，水田旱田約各占耕地總面積的1/2。2017年農作物總播種面積達8 853.64千公頃,較上一年減少39.97千公頃;糧食作物播種面積為6 642.50千公頃，較2016減少兩千公頃；糧食產量高達3 476萬噸，較上一年增加58.6萬噸。安徽省正積極融入長三角，處于工業化、城鎮化進程中的關鍵階段，且作為中部地區的糧食主產區，糧食生產與耕地利用矛盾具有典型性，并且農業發展和耕地利用的基點在縣域，安徽省縣域耕地利用效率的高低，與該區域經濟發展和農業基礎緊密相關。當前有關安徽省耕地利用的研究集中在市域尺度耕地利用效率測度。因此本文從縣域層面探究安徽省耕地利用效率的變化，基于ESDA模型分析其時空分異格局，探索耕地利用效率的影響因素，以期為安徽耕地效率提高和耕地資源可持續利用提供有益的理論和實踐參照。

二、研究方法與數據來源

(一)主要研究方法

1. DEA-BBC模型和Malmquist指數

BBC模型由Banker、Charnes和Cooper在CCR模型上改進而來，相較于CCR模型，BBC模型假設規模報酬可變，有效避免了規模報酬遞增影響，得到純技術效率值，具體計算公式如下：

生產是連續過程，利用Malmquist指數能進一步分析效率的動態變化狀況， Fare將Malmquist指數與DEA理論相結合，構建距離函數測度全要素生產率(TFP)，具體公式如下：

M(x，y,x,y)

2.探索性空間數據方法(ESDA)

ESDA模型可將研究對象空間分布格局可視化，發現集聚和分異特征，本文使用全局莫蘭指數(Global Moran’s I)和G指數(熱點分析指數)。全局莫蘭指數能檢驗變量空間依賴強度的大小，以衡量縣域農業生產效率整體空間關聯與差異程度，計算公式如下：

上式中x、x分別為i、j觀測值，w為空間權重矩陣，Moran’s I指數方差歸一化后的取值范圍為[-1,1]；Moran’s I大于0時，表示解釋變量呈現空間正相關，區域中存在集聚現象；Moran’s I小于0時，表示數據呈現空間負相關，其值越小空間差異越大，即隨著空間分布位置的離散，相關性反而顯著；Moran’s I為0時，空間呈隨機性。

G指數則分析研究對象在局部空間集聚趨勢及演化規律，得出效率在空間中的異質性特征，運用該指數探討安徽省縣域耕地利用效率的高值區和低值區的分布情況，計算公式為：

(二)評價指標與數據

參考廖武泉等的研究，鑒于數據的可得性和完整性，考慮從土地、勞動力、資本、技術投入維度選取耕地面積，鄉村從業人員數、農業機械總動力、農用化肥施用量、農用塑料薄膜使用量等5個投入指標，產出指標選取農業總產值，總體上指標能夠在一定程度上反映縣域農業生產的發展情況(表1)。本文嘗試使用農用塑料薄膜使用量為投入變量，作為現代化農業發展中重要的生產資料,農用薄膜的廣泛應用，帶動農業生產力和耕地利用效率的顯著提高和生產方式的改變，且安徽省各縣農用薄膜數量呈逐年遞增趨勢。本文選取2011—2017年安徽省61個縣域(56個縣和5個縣級市)作為決策單元和研究對象，統計數據來源于歷年《安徽統計年鑒》和中經網。

表1 耕地利用效率評價體系

三、安徽省縣域耕地利用效率時空分異格局

(一)靜態測度與分析

根據2011—2017年各縣域范圍耕地投入和產出數據，借助DEAP2.1軟件，測算各時期安徽省縣域耕地利用的綜合效率、純技術效率和規模效率，整理得到表2。由表可以看出安徽省縣域耕地利用效率變化幅度較小，綜合效率、純技術效率和規模效率均呈現先下降后上升的趨勢。2013年耕地利用效率值相對較低，查閱資料發現氣象災害發生率高，夏季高溫，干旱頻發，整體氣候形勢不穩定，農業生產極其易受自然環境影響。2011年和2017年耕地利用效率相對較高，該年份屬于正常氣候年景。

表2 2011—2017年安徽省縣域耕地利用效率均值

對2011—2017年安徽省縣域耕地利用綜合效率情況(表3)分析可知，DEA有效即綜合效率值為1的縣域個數在14～20個間波動，存在先下降后上升的趨勢，說明總體上安徽省縣域耕地利用效率在提高，其中碭山縣、臨泉縣、太和縣、舒城縣、繁昌縣、桐城市、懷寧縣、岳西縣、歙縣和祁門縣十個縣在研究年限內綜合效率值均為1，耕地利用效率高。而綜合效率最低的縣域集中在來安縣、全椒縣和定遠縣，均位于安徽省東部的滁州市，滁州市耕地資源總量較多，但農田基礎設施較薄弱，且氣候年際變化明顯，對縣域耕地利用影響較大。

表3 2011—2017年安徽省縣域耕地利用綜合效率情況

再將2011、2014、2017三年效率值導入ArcGIS10.2軟件中，根據自然間斷點分級法，分為效率高值區、次高值區、次低值區和低值區(圖1)，得到耕地利用效率值分布特征。總體上三個時期耕地利用綜合效率、純技術效率、規模效率變化不明顯，效率值有增加趨勢，直觀上，安徽省南部的耕地利用效率高于北部，西部則高于東部縣域。結合安徽省縣域地形地貌，可分析南北部耕地利用效率差異的潛在原因，盡管南部大別山區和皖南山區的土地自然資源稟賦低于北部淮北平原，且耕地碎片化，難以應用現代化農業技術和設施，但精耕細作的“小農模式”，充分利用生產資料，提高單位面積產量，反而具有較高的耕地利用效率。

圖1 耕地利用效率值分布特征

將2011、2014、2017三年規模報酬賦值導入ArcGIS10.2軟件中，規模報酬遞增(irs)為1，規模報酬不變為0，規模報酬遞減(drs)，得到耕地利用效率規模報酬變化情況分布特征(圖2)。規模報酬遞增的縣域由16個增加到17個，2017年劇減至8個；規模報酬不變的縣域個數在20個左右浮動；規模報酬遞減的縣域從2011年23個增加至2014年26個，2017年則達到30個。耕地利用效率的規模報酬遞減，說明增加生產投入，不結合實際情況擴大耕地規模，反而利用效率降低。具體各年各縣域規模報酬變化情況較復雜，空間上規律不明顯，與當年農業生產和耕地利用的實際情況有關。

圖2 耕地利用效率規模報酬變化情況分布

(二)動態測度與分析

前文利用DEA-BBC模型測算2011—2017年安徽省縣域耕地利用效率，并使用ArcGIS軟件對2011、2014、2017年的效率值進行可視化，主要是基于截面數據的靜態比較。繼續使用DEAP2.1軟件，對2011-2017年安徽省61個縣域的面板數據進行Malmquist指數分析。Malmquist指數是基于縱向對比的動態分析，可以綜合考慮所有投入要素，得到各年份耕地利用效率全要素生產率變化及其構成，結果如表4所示。主要呈現以下特點：一是技術效率、純技術效率、規模效率圍繞數值1波動，且幅度較小，總體呈現上升趨勢；二是技術進步和全要素生產率波動較大，全要素生產率由2011年的0.904增加到2017年的1.058，兩個指數表現出一致的變化趨勢，技術進步始終是耕地利用效率全要素生產率增長的主要動力，農業技術的推廣和應用提高耕地利用效率及全要素生產率。2016—2017全要素生產率的增長率為5.8%，主要由于縣域農業基礎設施和農田水利設施建設逐步完工并使用，地區能夠合理配置耕地和其他資源，利用較先進的農業生產技術，使耕地利用全要素生產率增長水平明顯提高。

表4 2011-2017年安徽省縣域耕地利用效率分年Malmquist指數及分解

對2011-2017年安徽省61個縣域的面板數據進行Malmquist指數分析，可以得到各縣域具體的耕地利用效率全要素生產率(表5)。排序后分析可知：僅有天長市、績溪縣、來安縣、壽縣、郎溪縣、當涂縣、南陵縣七個縣域的全要素生產率大于1，即耕地利用效率總體呈現增長趨勢，全要素生產率值在空間上分布無明顯特征。其中天長市的全要素生產率增幅最大，達到2.9%，天長市是重要的農業生產縣域，土地生態環境良好，耕地利用效率一直維持較高水平。全要素生產率均值為0.950，其增長率為-5.0%，說明總體上資源配置效率持續下降，僅有29個縣域高于均值，不到縣域總數的一半。全要素生產率最低值是安慶市太湖縣，僅為0.822，太湖縣山多地陡，縣域經濟較薄弱，全要素生產率過低。

表5 2011-2017年安徽省縣域耕地利用效率分地區全要素生產率指數

(三)全局空間分異格局

通過全局莫蘭指數來分析安徽省縣域耕地利用效率總體分布格局，基于ArcGIS10.2軟件，測算出2011—2017年安徽省縣域耕地利用效率的Global Moran’s I值(表6)，由表可看出研究期間安徽省縣域耕地利用效率Global Moran’s I指數均大于0，且除2017年均大于0.4，表明該效率呈現空間聚集分布，存在較強的空間正相關性。2011—2017年的指數值可分為兩個階段：第一階段是Global Moran’s I指數從2011的0.489 4增加到2014年的最大值0.583 2，增幅達19.16%，這期間安徽省縣域耕地利用效率的空間自相關逐漸增強；第二階段是2014—2017年，Global Moran’s I指數下降了0.351 6，2017年僅為0.231 6，指數值驟降說明空間自相關變弱。總體來看，2011年以來安徽省縣域耕地利用效率全局空間分異格局并不穩定。

表6 安徽省農業生產效率Global Moran’s I指數(2011—2017年)

(四)局部空間分異格局

采用熱點分析從局部探索安徽省縣域耕地利用效率空間分異格局的變化特征，使用ArcGIS10.2軟件中的熱點分析工具，分別測算2011年、2014年、2017年三個時期耕地利用效率局部指數，根據自然間斷點分類法，從低值到高值將軟件計算得到的指數，分為冷點、次冷點、次熱點、熱點4個區域，結果如圖3所示。可以看出安徽省縣域大部分地區既不屬于低值聚集，也不屬于高值聚集，在空間上表現出不顯著。總體上安徽省縣域耕地利用效率呈現出較顯著的空間分異格局，即具有相對高(低)值耕地利用效率在空間上呈現較強的組團式集聚分布態勢，具體表現為冷熱點存在空間極化現象，集中性較強。2011年和2014年，耕地利用效率熱點和次熱點區域集中在安徽省西南部的安慶市、六安市，熱點區域對其他相鄰區域有較強的帶動作用，但2017年僅有石臺縣和涇縣為次熱點區域，因為部分區域綜合技術效率在當年降低，使正向的溢出效應減少甚至消失。耕地利用效率冷點和次冷點集中在安徽省東北部的滁州市和宿州市、蚌埠市部分縣域；且2017年冷點區域有縮小趨勢，省域范圍內耕地利用效率的極化現象較為明顯。

圖3 2011—2017年安徽省縣域耕地利用效率空間格局

四、安徽省縣域耕地利用效率影響因素分析

為了進一步驗證安徽省縣域耕地利用效率的影響因素，將耕地利用效率作為被解釋變量，運用Tobit模型進行分析。參照洪開榮、葉長盛等人的研究，Tobit模型指標選取時考慮經濟、社會等原因，對原DEA測算效率模型進行修正，指標比原投入產出綜合分析更加全面，故選取的主要影響因素有：(1)農林水事務支出，反映財政支農、政府干預對耕地利用效率的影響。(2)人均GDP，用縣域GDP 與常住人口的比值衡量，反映縣域經濟發展和居民收入因素對耕地利用效率的影響。(3)有效灌溉面積，反映灌溉工程或配套設施對耕地利用效率的影響。(4)工業化發展水平，用縣域工業GDP占全部GDP的比重衡量，反映工業化對耕地利用效率的影響。

根據表7的回歸結果，選取的四個關鍵影響因素在回歸分析中均有意義，且根據系數絕對值的大小，可得出不同因素對耕地利用效率的影響強度，排序為：工業化水平>人均GDP>農林水支出>有效灌溉面積。工業化水平對耕地利用效率的影響最顯著，且呈正向影響關系，體現工業反哺農業，推動耕地利用效率的提高。人均GDP與耕地利用效率呈負相關關系，一定程度上說明區域經濟水平提高主要依賴二、三產業，忽視農業生產和耕地集約利用。財政支農力度與耕地利用效率呈負相關關系，這表明農林水財政資金運用效率較低，政府過多地干預農業生產反而造成不利影響。有效灌溉面積與耕地利用效率在1% 的顯著性水平呈負相關關系，可能是由于人為的水利設施投入，改變了傳統自然的農業生產，未充分發揮耕地利用潛能，且地區間水利基礎設施水平差異較大。

表7 安徽省縣域耕地利用效率回歸結果

五、結論與建議

本文以安徽省61個縣域為研究區域，基于數據包絡分析法，構建耕地利用效率指標體系，對2011—2017年安徽省縣域耕地利用效率及其時空分異格局進行分析。得到的結論如下：(1)綜合效率、純技術效率和規模效率均呈現先下降后上升的趨勢，耕地利用效率總體上升。(2)耕地利用效率規模報酬遞減的縣域個數大量增加。(3)全局自相關由強減弱，安徽省縣域耕地利用效率全局空間分異格局不穩定。(4)安徽省耕地利用效率區域分化明顯：南部耕地利用效率高于北部，西部則高于東部縣域，耕地利用效率的熱點區域集中在西南部，冷點集中在東北部，極化現象明顯。

根據上述研究結果和安徽省縣域發展的實際情況，我們提出如下對策建議：(1)鑒于農業種植的特性，必須強化耕地基礎設施建設，增強防控自然災害等風險的能力，尤其是抵御農業氣象災害，增強農作物生產效率和經濟競爭力。(2)學習農業發展較好地區的經驗和技術，通過提高技術效率和技術進步，增加耕地利用效率的全要素生產率和綜合效率。(3)在適度增加涉農資金投入的同時，注重資金使用合理化，一方面惠農補貼資金增加農民收入，間接增強耕作投入成本和資料質量，改善耕作條件，提高農民生產積極性；另一方面政府投入資金可以改善灌溉、農機等方面的耕作環境，不斷提高耕地利用效率。(4)安徽省耕地利用效率提升應當分區域采取針對性舉措，對于耕地土壤相對貧瘠的地區，尤其是山地，坡度較陡，耕地面積較小，耕種投入更應注重科學性和生態性原則，避免過度開發利用。而對于安徽省大多數平原、丘陵地區，要發展現代農業，加快農業現代化，短期有較大提升空間，是提高耕地利用效率的主要力量。(5)個別利用效率較低的縣域，應當加強農業科技投入，可通過引進、推廣新品種及新種植方法，提升縣域農業生產的機械化水平，構建縣域農業技術綜合性平臺，真正促進耕地的集約利用。

此外，基于本文研究，有如下值得繼續探討的問題：一是耕地利用效率影響因素之間的內在聯系；二是平原、丘陵、山地等地形，即不同區位自然稟賦差異對耕地效率的影響；三是空間自相關在耕地利用效率空間格局分析中的進一步應用，根據冷熱點區域制定差異化政策，以促進區域耕地利用效率的提高。