東北三省新型城鎮化與耕地集約利用協調性評價與預測

李子瑞,姜 博，張 余，趙 毅

(東北農業大學 公共管理與法學院,哈爾濱 150030)

2019年我國城鎮常住人口占總人口比重的60.60%，已基本完成《國家新型城鎮化規劃(2014—2020年)》中的指標，但與發達國家80%以上的城鎮化率相比，我國城鎮化率仍有很大增長空間，并且在十八大報告提出了構建新型城鎮化的要求。城鎮化進程中，土地以其承載、資源等功能發揮著不可替代的作用，2019年我國城市建成區面積已達58 455.6 km2，同樣，中國需要以世界上10%的耕地來保障世界1/5人口的吃飯問題，在城鎮化高質量發展、耕地面積增長空間有限的情況下，能否實現中國人自己的飯碗端在自己手中，耕地集約利用水平的提升是實現這一目標的重要途徑。因此，探索出城鎮化與耕地集約利用的協調發展路徑，是關系區域經濟發展與國家糧食安全的重大任務。

已有研究多通過構建評價體系來測度城鎮化與耕地集約利用水平[1-3]。針對兩者協調發展的研究，葉青清等[2]對江漢平原城鎮化及耕地集約利用水平協整分析結果表明，耕地集約利用度單向響應城鎮化變化，響應效力隨時間增長而擴大。居爾艾提·吾布力等[3]、曹春艷[4]、盧陽祿等[5]借用耦合協調模型探究兩系統的動態協調水平。關于城鎮化與耕地集約利用水平的驅動因素研究除權值法外[4]，徐鵬雲[6]借用灰色關聯模型對兩系統間驅動因素進行探究，祝宇成[7]利用相關性分析證明了人口城鎮化、經濟城鎮化均與耕地集約利用水平呈負向弱相關。最后，關于協調路徑的探索，學者多從戶籍制度改革、產業結構轉型、土地流轉制度完善等方面提出城鎮化與耕地集約利用協調發展舉措[8]?？傮w來看，城鎮化對耕地集約利用的影響研究總量較為豐富，研究區主要集中在廣東[5]、江蘇等[4]東部沿海及安徽[8-9]、河南[10]、川渝[11]等中部地區，對東北三省的協調發展探討較少，且城鎮化對耕地集約利用驅動研究深度欠佳，缺乏系統性的路徑分析探索，此外在構建新型城鎮化的目標導向下，傳統城鎮化評價體系已不能精確測度新型城鎮化發展質量，并且現有研究鮮有對兩者協調發展的預測。

基于此，本文以東北三省為研究區，從人口遷移、基礎設施、經濟發展、人居環境、城鄉統籌5個維度構建新型城鎮化質量評價體系，從投入強度、產出效益、利用程度、可持續利用水平4個維度構建耕地集約利用評價體系，利用耦合協調模型分析2008—2018年系統間協調水平的時空特征及演變規律，并利用情景分析法及RBF神經網絡模型預測2019—2030年系統間協調發展水平，為明晰東北三省城鎮化與耕地利用協調發展路徑提供理論支撐。

1 研究區概況及數據來源

東北三省地處溫帶季風氣候區，地理坐標為38.43°—53.33°N，118.53°—135.05°E，夏季溫熱多雨，冬季寒冷干燥，地形以平原、山地為主。2018年人口城鎮化率為63.09%，高于我國平均水平，三省城區面積共計22 145.8 km2，其中遼寧土地城鎮化率遠高于黑吉兩省。2018年吉林省城鄉居民可支配收入比在三省中最大，為2.195，其城鎮居民與農村居民可支配收入分別為30 172，13 748元。全區耕地面積23萬km2，黑龍江耕地面積超過吉遼兩省總和，2018年糧食生產總量為1.33億t，占全國的28.3%，黑龍江、吉林為農業大省，黑龍江糧食總產量多年均位列全國第一，產量達7 507萬t，黑吉遼3省平均耕地農業機械總動力投入分別為383，493，447 (kW·h)/km2。

本文各地市耕地面積數據來源于土地調查成果共享應用服務平臺，城鎮化系統指標及除耕地面積外的其他耕地指標數據來源于2009—2014年《中國區域經濟統計年鑒》及2009—2019年《黑龍江統計年鑒》、《吉林統計年鑒》、《遼寧統計年鑒》及各地級市的國民經濟和社會發展統計公報。各省市區位及行政邊界柵格圖來源于中國科學院資源環境科學與數據中心。

2 評價體系與研究方法

2.1 評價體系構建

指標體系的科學性是精準定量城鎮化與耕地集約利用水平的關鍵，本文基于新型城鎮建設理念，在已有文獻基礎上[2-8]，遵從指標可量化、全面綜合、代表性強、科學性原則，對傳統城鎮化構建框架進行修正，結合東北三省經濟發展及耕地利用現狀，從人口遷移、基礎設施、經濟發展、人居環境、城鄉統籌5個維度選取13項指標構建新型城鎮化質量評價體系(表1)，從投入強度、產出效益、利用程度、可持續利用水平4個維度選取12項指標構建耕地集約利用評價體系，并對所選指標進行釋義，此外指標引入適度屬性，在具體運算中以正向指標處理。

表1 新型城鎮化與耕地集約利用評價體系

2.2 研究方法

2.2.1 新型城鎮化與耕地集約利用水平測度 本文采用極差法消除原始數據量綱與量級，可保證標準化后的數值為正，熵值法是通過指標傳遞給決策者信息量的大小確定權重，能夠較為深刻地反映指標信息熵的效用，本文采用此法為指標賦權。新型城鎮化與耕地集約利用綜合評分模型為：

(1)

式中:U為綜合評分；n為兩系統各自指標數目；Xij為i城市第j個指標的標準化值；ωij為第j項指標的權重。

2.2.2 耦合協調度模型 耦合協調度模型用以分析兩個及兩個以上系統的相互影響、作用。劉春林[12]針對已有文獻中出現的各類耦合模型、模擬耦合度、協調度數值分布判定其科學性，本文依據其所給建議，運用以下模型:

(2)

式中:C為耦合度,取值范圍[0,1]；U1為城鎮化水平；U2為耕地集約利用水平。耦合度模型僅能表明系統間依賴程度,不能衡量系統間運行狀態,故引入協調度模型,更好地評價其協調發展狀況。

T=αU1+βU2

(3)

(4)

式中:T為綜合協調指數,反映城鎮化與耕地利用整體協同效應或貢獻；D為協調度,取值范圍[0,1],D值越大說明系統間耦合協調發展程度越好；α，β為待定系數,α+β=1,本文在測算新型城鎮化與耕地集約利用耦合協調度中,認為兩者同等重要,因此α,β各取0.5,將協調度水平按以下等級劃分(表2)。

表2 協調度等級劃分

2.2.3 RBF神經網絡模型 RBF神經網絡是一種三層前饋神經網絡，其包括輸入層、隱層、輸出層。從輸入空間到隱層空間的變換是非線性的，而從隱層空間到輸出層空間變換是線性的，RBF神經網絡對非線性連續函數具有一致逼近性，學習速度快，可以進行大范圍數據融合，高速處理數據。劉志華[13]利用RBF模型對城鎮化與土地利用系統健康協調發展水平進行預測。徐美等[14]借助此模型對土地生態安全進行預測。據此，本文基于RBF神經網絡模型預測新型城鎮化與耕地集約利用協調發展水平。

3 新型城鎮化與耕地集約利用協調度分析

3.1 時間測度分析

2008—2018年黑龍江新型城鎮化與耕地集約利用水平協調度處于0.35～0.65，協調程度處于輕度失調與初級協調之間。2009—2012年，多數城市呈穩步增長態勢，2012年之后各城市協調度波動緩慢增長，整體波幅較小。2008—2014年大慶協調度水平均保持首位，2015年首次被鶴崗超越；佳木斯、大興安嶺在2012年后新型城鎮化與耕地集約利用水平呈緩慢平穩增長，之后基本處于勉強協調水平。齊齊哈爾除2015年外基本處于瀕臨失調狀態；七臺河11 a間協調度在0.48～0.54，協調度水平從瀕臨失調上升為勉強協調；綏化在黑龍江省內，協調度處于末尾，且與其他城市協調水平相差較大；2018年除綏化、大興安嶺地區、齊齊哈爾，其他地市協調水平均已達到協調。大慶與鶴崗協調度水平雖均處前列，但因素影響不盡相同。

2008—2018年吉林新型城鎮化與耕地集約利用水平協調度處于0.4～0.7，協調程度處于瀕臨失調到初級協調之間，整體協調度高于黑龍江省，且2018年所有城市均已達到協調水平。長春、延邊朝鮮自治州、通化、遼源、白城、四平11 a間城鎮化與耕地集約利用呈穩定增長，其中，長春協調度增幅大于其他城市，在2018年達到初級協調；延邊朝鮮自治州、通化、遼源、白城協調度環比增幅均在0.03之內。白山、松原協調度先增后減，且波幅較大，吉林協調水平11 a間均處于勉強協調，在2018年降幅明顯，與省內協調度最低城市(四平)均為0.51。

2008—2018年遼寧新型城鎮化與耕地集約利用水平協調度處于0.4～0.7，協調程度處于瀕臨失調到初級協調之間，整體協調水平與吉林持平，高于黑龍江省，2018年均處于協調水平。除盤錦、撫順、葫蘆島、營口、錦州外，其他城市協調度在2014—2015年達到峰值后下降到5 a內最低值，之后在2017—2018年各城市呈不同的增長幅度，其中鐵嶺、朝陽增幅最大分別為0.11，0.07。11 a間錦州、葫蘆島呈小幅波動增加，均處勉強協調，其中葫蘆島協調度均處于0.5～0.55，增幅最小。2008—2018年營口、盤錦、撫順協調度呈先增長后降低。

整體來看，吉林、遼寧地勢相對開闊，便于農業機械作業，且經濟作物指數、地均產值均高于黑龍江，城鎮化整體發展優于黑龍江，因此，吉、遼兩省整體協調水平高于黑龍江。從時序特征來看，三省多數城市2014年后協調度波幅大于2014年前，考慮到受政策及對社會各部門的改革舉措影響，城鎮化及耕地集約利用協調水平呈暫時性無序波動，但整體仍呈上升趨勢。大慶作為早期工業發達城市，城鎮化發展進程優于其他城市，擁有較強的城鎮建設基礎，其新型城鎮化水平始終高于哈爾濱，鶴崗新型城鎮化水平雖為省內中等，但其灌溉條件與農業機械化水平均優于其他城市，而綏化經濟發展后勁不足，城鎮化建設始終處于低水平狀態，協調發展水平較低。長春、白山人口城鎮化率及基礎設施水平均顯著高于其他城市，新型城鎮化綜合得分較高，因此兩市協調發展水平位居省內前列。遼寧多數城市2015—2017年協調度呈下降態勢，其源于產業結構轉型、地方債務置換、數據統計等多種原因導致的社會固定資產投資的大幅下降。

3.2 空間特征分析

利用ArcGIS反距離插值法對黑吉遼3省2008年、2012年、2015年、2018年新型城鎮化與耕地集約利用水平耦合協調度進行空間分析。黑龍江省新型城鎮化與耕地集約利用效益協調度水平空間差異明顯，4年間整體協調度水平呈上升態勢，大慶、鶴崗為協調度高值城市，綏化始終為協調度低值區，協調度整體態勢為東部協調度高水平地區連片面狀布局，西部低水平地區切割分布。2008年，黑龍江東部以伊春為核心向外擴展逐漸降低，高值城市大慶位于齊齊哈爾及綏化兩大低協調度城市之間，與2008年相比，2012年黑龍江省東南部協調度水平明顯提升，東部區域協調度差異逐漸降低，東高西低態勢更為明顯，從2015年及2018年協調度水平空間特征可以看出，雙鴨山、佳木斯、伊春由中等協調水平逐步形成高值面狀區，黑河協調度有較明顯提升，綏化11 a間協調度增速緩慢，大慶、哈爾濱、伊春等周邊高值城市對其無明顯帶動作用(圖1)。

圖1 黑龍江省新型城鎮化與耕地集約利用協調水平空間特征

吉林省新型城鎮化與耕地集約利用水平協調度區域差異明顯，4年間空間特征變化波幅較大，由東高西低逐漸演變為雙核心格局，長春、白山始終為協調度高值城市，白城、四平、遼源、通化等西部城市均為低水平協調城市。2008年協調水平空間格局為以白山為核心，向外擴散逐漸降低。2012年長春、延邊朝鮮族自治州增幅明顯，形成東高西低的空間分布形態，與2012年相比，2015年協調度值增長區域由東部轉為北部，松原協調度有明顯提升，中部耦合協調水平明顯高于東西地區，2018年松原協調度優勢弱化，整體呈現由白山、長春引導的雙核心高值區，向外擴散協調水平逐漸降低的空間態勢(圖2)。

圖2 吉林省新型城鎮化與耕地集約利用協調水平空間特征

遼寧省城鎮化與耕地集約利用空間特征4年間無顯著變動，整體空間結構相似，呈東高西低分布。大連始終為協調度水平最高城市，朝陽、錦州、阜新、葫蘆島、鐵嶺始終為協調度低值區。2008年遼寧中部為優勢協調度連片區，低值城市為西部4市、北部鐵嶺及東部丹東，與2008年相比，2012—2015年丹東協調水平有所提升，接近初級協調，遼寧東部協調度空間差異性降低，到2018年盤錦、鞍山、本溪、撫順協調度優勢弱化，形成以沈陽、營口、大連為核心的南北走向帶狀高值區。綜合來看，協調度變化活躍區集中在遼寧東部，西部區域協調度空間位序無明顯變化，東西部城鎮化與耕地集約利用協同發展水平差異始終存在(圖3)。

圖3 遼寧省新型城鎮化與耕地集約利用協調水平空間特征

4 東北三省新型城鎮化與耕地集約利用協調發展模式探究

4.1 情景預設

從區域綜合評分看，東北三省多數城市城鎮化水平超前于耕地集約利用水平，從全國來看，東北三省作為重要的糧食生產基地，從1995年起，糧食產量占全國總產量的比例就持續上升，2018年達到全國總產量的20.3%，但東北三省城鎮化發展質量與京津冀、江浙滬、粵港澳等地區相差甚遠，基于東北三省所需實現的多目標處境，本文運用情景分析法預測2019—2030年新型城鎮化與耕地集約利用協調發展水平，旨在明晰東北三省城鎮化與耕地利用發展方向。

情景分析法也叫前景描述法，是通過對環境的研究，識別影響研究主體或主體發展的外部因素，模擬外部因素可能發生的多種交叉情景和各種可能前景的預測。情景分析法首先根據主要目的及任務，確定分析預測主題，其次分析主題所處環境，判定其主要影響因素，選取合適方法對多情景下主要因素進行描述組合，最后根據關鍵因素的演變，對發展情景進行模擬及預測。

從要求東北三省做好耕地保護，不斷提高耕地利用集約效益，確保糧食安全的國家層面來看，協調好城鎮化與耕地利用的要素配置矛盾，促進城鎮化與耕地利用的協調發展是可持續發展的重要途徑，也是協調中央宏觀調控與地方經濟發展矛盾的重要抓手，基于此，本文結合國家糧食戰略、區域經濟發展需求設置了基準情景、糧食安全與均衡發展3種情景，在不同情景下，預測新型城鎮化與耕地集約利用綜合得分，進而利用耦合協調度模型預測兩系統協調度水平，對相關情景釋義如下：(1)基準情景。按照城鎮化與耕地集約利用現勢，以影響要素的平均增速為參數值，在現有政策與環境下，城鎮化與耕地集約利用所發展的情景。(2)糧食安全。該模式下糧食安全地位明顯優于經濟發展，以增加耕地利用面積，提高耕地投入產出效益，持續增加土地人口承載力水平為主要目的，城鎮化進程保持低水平緩慢發展。(3)均衡發展。在保障糧食安全的前提下，保持城鎮化的高質量發展，加快產業結構升級、優化城市布局結構，構建以人為本、和諧宜居的居住環境，實現東北三省城鎮化建設與耕地利用目標要求。以第2節所得指標權重大小為遴選原則，從新型城鎮化與耕地集約利用各準則層分別選取如下指標，2019—2030年參數變化率在2008—2018年數據基礎上做出的設置見表3。

表3 指標組合及不同情景下的變化率取值

4.2 預測結果與分析

本文分別構建新型城鎮化與耕地集約利用兩個神經網絡，根據所設情景主題的主要影響因素，將新型城鎮化網絡輸入層設為城鎮常住人口占比、人均城市道路面積、人均社會固定資產投資、人均城市建成區面積、城鄉人均可支配收入比，輸出層為新型城鎮化系統綜合評分，耕地集約利用網絡輸入層設為勞動力投入指數、勞動產值、經濟作物指數、人均耕地面積，輸出層為耕地集約利用綜合評分。借助Matlab軟件，調用newrb函數對東北三省2008—2015年的相關數據作網絡訓練，2016—2018年數據作仿真預測，所得結果如圖4所示(R2=99.9312%)，訓練集與測試集決定系數R2為99.931 2%，97.873 3%，表明擬合程度較優。

圖4 測試集與訓練集神經網絡擬合曲線

利用上述模型預測基準情景、糧食安全、均衡發展3種情景下城鎮化與耕地集約利用協調發展水平。2008—2018年東北三省新型城鎮化與耕地集約利用協調水平從0.241上升至0.528，實現了從中度失調到勉強協調的提升，在基準情景及均衡發展情景下系統協調水平在2023年達到初級協調，分別為0.611 8，0.610 0，糧食安全情景下，協調水平持續下降，2030年降至輕度失調。

基準情景下，新型城鎮化與耕地集約利用水平前期呈緩慢上升狀態，在2025年之后呈平穩發展趨勢，說明短期內東北三省現有城鎮化發展及耕地利用模式能夠取得預期效果，協同步態良好，但是后期協調度水平無明顯提升，后續發展潛力不足，長期來看，不利于東北三省新型城鎮化建設與耕地集約利用水平的進一步協同發展。糧食安全情景下，系統協調水平呈持續下降，降幅趨于平緩，這表明單方面強調糧食安全重要性而忽視地區經濟建設及城鎮化發展對東北三省發展是不利的，基于糧食安全角度，增大對耕地的投入短期內確實會提升耕地集約利用水平，但以經濟低速發展為代價，難以支撐耕地投入的質量與數量需求，同時，城鎮化質量出現下降，由此導致城鎮化與耕地集約利用協調水平的崩潰式下跌。均衡發展情景下，協調度整體呈小幅增長，前期略低于基準情景，但其增幅高于基準情景，并在2023年超過基準情景，整體發展狀態良好，協調度穩定提升，是最優發展模式。這表明東北三省仍需以經濟建設為中心，穩步推進人口城鎮化，促進城鎮化質量提升，構建城鄉協調的集約型經濟體系，以經濟建設反哺農業生產，提高耕地集約利用水平(圖5)。

圖5 2019-2030年不同情景協調度預測曲線

5 結論與討論

(1)研究期內東北三省各市協調水平波動上升，吉林、遼寧新型城鎮化與耕地集約利用協調度整體水平高于黑龍江省，副省級城市均位于各省前列，2018年除齊齊哈爾、綏化、大興安嶺地區外，其他城市耦合協調水平均已達到勉強協調。

(2)黑龍江省新型城鎮化與耕地集約利用協調度空間格局為東部協調度高值區連片面狀布局，西部低水平地區切割分布，且綏化始終為低水平區，吉林省區域差異明顯，空間特征變化波幅較大，由東高西低逐漸演變為以長春、白山為雙核心的空間格局。遼寧省空間格局無顯著變動，呈東高西低分布。

(3)東北三省現有發展模式短期內協同狀態良好，但后期發展潛力不足，糧食安全情境下，以經濟發展為代價的協調水平出現崩潰式下跌，只有穩步提升城鎮質量、統籌城鄉一體發展，以經濟建設反哺農業生產才能實現新型城鎮化與耕地集約利用協調發展。

從新型城鎮化所建體系來看，城鎮人口、城鎮各類建設用地、經濟投資的各項指標依舊是決定城鎮化質量的高權值因素，耕地集約利用體系中的高權值因素是勞動力數量、產值、耕地面積。就兩者驅動關系來看，城鄉人口結構、收入差異、農業科技水平均會影響耕地集約利用投入水平；產業結構變化對土地需求有影響，農地和非農用地置換等因素引致耕地面積變化；耕地占補平衡下的“以次充好”及其他生產活動行為影響耕地質量及產出。

基于以上影響要素，促進城鎮化與耕地集約利用協調發展關鍵在于人口、土地、經濟要素的合理配置，但現有發展模式下協調水平提升有限，在今后發展中東北三省仍需以轉變產業發展結構為核心，加快經濟發展，此外也應統籌城鄉發展，加強基礎設施建設，優化人居環境，以提升東北三省人口城鎮化潛力，促進土地科學利用及資本在社會各部門的合理流轉。東北三省尤其是黑吉兩省是我國主要糧食產區，且人口城鎮化水平低于遼寧省，因此在加強新型城鎮化建設同時，做好農村人口退出工作，注重培育新型農業主體，加快耕地承包經營流轉、土地復墾及整治，增加有效耕地面積，從政策制度及市場運行實現城市與農村的雙向聯動。

探究新型城鎮化與耕地集約利用的協調發展是集系統性、關聯性的復雜融合課題，本文僅對東北三省的協調發展水平做出分析及預測，今后研究中，需進一步明晰城鎮化對耕地集約利用的驅動機制，對其影響過程及作用機理進行系統性梳理挖掘，為促進新型城鎮化及耕地集約利用協調發展提供實證研究及可操作性強的方法路徑。