中國省際耕地利用生態效率時空格局演變及影響因素分析
——基于2000—2019年面板數據

馬林燕，張仁慧，潘子純，魏 鳳

（西北農林科技大學經濟管理學院，陜西 楊凌 712100）

1 引言

耕地在保障國家糧食安全和支撐生態建設中起著關鍵作用[1]。中國創造了以不到世界10%的耕地養活20%以上人口的奇跡[2]，但伴隨著快速的城鎮化和工業化進程，大量的耕地被占用[3]，且撂荒、荒漠化等問題凸顯，導致耕地質量不斷下降，國家糧食安全受到威脅[4]。此外，高投入、高消耗的生產模式也帶來了環境惡化等生態問題[5]，長此以往將影響我國農業健康發展和國家糧食安全。2021年中央一號文件聚焦生態保護與糧食安全，提出推廣保護性耕作模式，健全耕地休耕輪作制度，持續推進化肥農藥減量增效，推廣農作物病蟲害綠色防控產品和技術。在此背景下，以往高投入、高產出、高能耗的生產方式將不再適用[6-7]，要求各地在促進耕地高效利用的同時還應兼顧生態效益，把耕地利用效率與生態融合[8]。但由于各省資源稟賦、生產條件存在差異，省際耕地利用生態效率隨時間的推移呈現不同的態勢，所以研究如何提高各區域耕地利用生態效率[9]，實現以最小投入達到最大期望產出和最小非期望產出，以及探索各省耕地利用生態效率的特征和關聯性，對促進全國耕地利用與生態環境協調發展、保障我國糧食安全、確保農業可持續發展具有重要指導意義。

我國耕地利用研究起步較晚，相關研究主要探討了耕地利用效率的測算方法、區域差異、時空演變和影響因素。其中，耕地利用效率測算的主流方法包括隨機前沿函數[10]、數據包絡分析（DEA）[11]、超效率SBM模型和Malmquist-Luenberger生產指數[2]等。研究區域集中在西南地區[12]、黑龍江墾區[13]等，分析不同區域耕地利用效率的差異及空間演變后發現，各區域效率呈現不同特點，表現為西南地區效率高值區不斷增多且呈正向空間自相關性，黑龍江各墾區效率在空間分布上波動較小。不同層面的因素均會對耕地利用效率產生影響，微觀因素包括農戶耕地轉入行為[10]、經營規模[14]、家庭特征等[15]，宏觀因素包括自然條件、生產條件[16]、技術投入[13]、農業轉移人口[17]等。但多數學者僅關注到農業產量或產值等期望產出，忽略了碳排放等非期望產出，導致測算的效率不夠精確[18]。

耕地利用與生態的關系在近些年逐漸受到關注，部分研究者嘗試將耕地生產過程中產生的碳等污染物作為非期望產出納入評估系統測算耕地利用生態效率。例如劉蒙罷等[9]利用SBM-Undesirable模型測算了長江中下游糧食主產區耕地利用生態效率，發現測算值顯著低于不考慮非期望產出的效率值。時空演變方面，研究區域和時間跨度不同使結果產生差異，1994—2014年糧食主產區耕地利用生態效率呈波動下降趨勢且由“南北高、中部低”轉為點狀分布[2]；2007—2018年長江中下游糧食主產區耕地利用生態效率值在中低效率區間波動，整體呈小幅波動下降趨勢且空間分布不均衡[9]；從全國范圍看，1993—2013年耕地利用高生態效率地區大幅減少，且出現“兩極分化”的特征[19]。進一步地，盧新海等[4]利用Tobit模型對耕地利用生態效率進行分解，發現耕地資源稟賦、經濟發展水平、科學技術發展和政府重視程度等是影響耕地利用效率區域差異的主要因素[4]。

綜上，現有研究對耕地利用生態效率的研究較少，研究區域主要集中在糧食主產區、長江中下游等局部地區，探究影響因素時多采用Tobit等普通模型，鮮有研究將范圍擴大到全國省市探討各省耕地利用生態效率間的關聯性及各省影響因素的差異。鑒于此，本文使用2000—2019年中國31省（不含港、澳、臺地區）的面板數據，采用超效率SBM模型測算耕地利用生態效率，通過探索性空間數據分析方法（ESDA）、核密度法和趨勢面分析31省耕地利用生態效率在時空上的分布規律和發展趨勢；最后通過地理加權回歸模型（GWR）探究各省耕地利用生態效率影響因素的差異。

2 研究方法與數據說明

2.1 研究方法

2.1.1 超效率SBM模型

超效率SBM模型能測算含非期望產出的耕地利用效率[20]。模型中加入松弛變量，能有效解決傳統DEA模型中的測量誤差問題；且以往DEA模型測算效率時會出現多個決策單元效率值為1無法進一步對比分析的情況，超效率SBM模型克服了該問題，能通過前沿面得出大于1的超效率值對決策單元做進一步比較[21]。因此，本文選取該模型測算各省耕地利用生態效率，表達式如下：

式（1）中：每個省代表一個決策單元；m表示每個決策單元的投入；p1表示期望產出；p2表示非期望產出；s-、s+、sb-分別表示投入、期望產出和非期望產出的松弛變量；xk、yk、bk分別表示決策單元的投入、期望產出和非期望產業向量；X、Y、B分別表示投入、期望產出和非期望產出矩陣；λ表示權重向量。

2.1.2 探索性空間數據分析方法（ESDA）

探索性空間數據分析方法主要用來描述地理事物的空間集聚性和關聯性，包括全局空間自相關和局部空間自相關[22]。全局空間自相關用來判斷變量取值與相鄰空間是否有關，研究變量在區域內空間相關性的整體趨勢，通常用莫蘭指數表示，范圍為[-1，1]。公式如下：

式（2）中：n表示研究省份的數量；xi和xj分別表示i省；和j省的耕地利用生態效率；wij是空間權重矩陣，為全面探索各省耕地利用生態效率在地理和經濟距離上的空間聯系，本文建立地理距離矩陣和經濟距離矩陣，其中地理距離矩陣用兩個省份間地表距離（dij）的倒數表示，結合該矩陣和各省經濟狀況建立經濟距離矩陣：

式（3）中：Wij為地理距離矩陣；為考察期內第i省人均GDP平均值；為考察期內31個省人均GDP平均值。

局部空間自相關用來度量各區域與周圍區域的局部空間關聯性，公式如下：

2.1.3 核密度估計

用核密度法探究各省耕地利用生態效率的動態分布特征。假設隨機變量X的密度函數為（fx），點x的概率密度估計公式為：

式（5）中：N表示觀測值的個數；h為帶寬；Xi為觀測值；x為均值；K（·）為核函數。

2.1.4 趨勢面分析

趨勢面能準確模擬地理要素在空間上的分布規律[23]。運用趨勢面探究31省耕地利用生態效率空間格局的分異趨勢。假設Z（ixi，yi）為某省的耕地利用生態效率（，xi，yi）為空間平面坐標，公式為：

式（6）中：T（ixi，yi）為趨勢函數，表示各省耕地利用生態效率的變化趨勢；ξi為隨機誤差。

2.1.5 地理加權回歸模型（GWR）

地理加權回歸模型（GWR）是一種空間分析技術，將位置引入參數回歸分析中，考慮了變量的空間異質性，能反映參數在不同空間的平穩性，實現回歸系數隨空間位置變化而變化[16]，同時還考慮了空間對象的局部效應，更能準確反映實際情況[24]。因此，本文構建GWR模型對各省耕地利用生態效率影響因素進行分析，公式如下：

式（7）中：β（0ui，vj）為常數項；β（kui，vj）為各省的回歸參數；t為省的個數；xik為影響各省耕地利用生態效率的變量；ξi為隨機誤差項。

2.2 指標選取與數據說明

2.2.1 耕地利用生態效率的測度指標

耕地利用生態效率本質上是指盡可能少的資源投入獲得盡可能大的期望產出和盡可能小的非期望產出，綜合反映了耕地利用與生態保護的協調關系。結合已有研究[4,24]，本文選取土地、勞動力和物質資料為耕地生產投入指標，其中土地用糧食播種面積（萬hm2）衡量，勞動力用第一產業從業人員（萬人）表示，物質資料用化肥折純量（萬t）、農業機械總動力（萬kW）、農藥使用量（t）和農用塑料薄膜使用量（t）衡量；期望產出用糧食產量（萬t）和農業產值（億元）表示，非期望產出用耕地生產過程中的碳排放量表示，包括翻耕、使用機械、施肥、噴灑農藥、使用農膜和灌溉等產生的碳排放[25]，計算公式如下：

式（8）中：Ti和δi分別表示各個碳源的原始量和碳排放系數，借鑒相關研究[26-27]確定系數（表1）。

表1 耕地利用各碳源的碳排放系數Tab.1 Carbon emission coefficients of various carbon sources of cultivated land use

2.2.2 耕地利用生態效率的影響因素指標

耕地利用生態效率除受耕地、人力、物質影響外，還受到資源稟賦、經濟水平、自然條件、生產條件等外生變量的影響[28]。資源稟賦方面，選取第一產業人員占比和人均播種面積為表征指標[17]，第一產業人員占比越高，則越有足夠勞動力投入農業生產進行精耕細作，替代部分機械使用，減少非期望產出，提高效率；人均播種面積增加能促進耕地規模化集約經營，提高效率。經濟水平方面，選取人均可支配收入和人均GDP為表征指標[4]，農民經濟水平的提高會增強其對生活生產環境的保護意識，提高合理利用耕地和低碳、高效生產的認知并將其運用到實踐中，并且收入增多能創造更好的生產條件，提高耕地利用生態效率。自然條件方面，選取受災面積和復種指數為表征指標[13]，由于農業生產對天氣的依賴性較強，自然災害的發生會顯著降低產出；復種指數提高意味著耕地利用強度增強，可能會增加產出，但也會造成化肥、農藥、機械等過度使用，增加碳排放。生產條件方面，選取灌溉指數為表征指標[16]，灌溉條件好的區域能滿足農業需求，提高生產率，但同時伴隨著機械的大量使用，增加碳排放，也可能降低耕地利用生態效率。變量說明見表2。

表2 耕地利用生態效率影響因素指標選取及說明Tab.2 Selection and description of factors affecting eco-efficiency of cultivated land use

2.2.3 數據來源和說明

本文研究期為2000—2019年，相關數據來源于《中國統計年鑒》（2001—2020年）、《中國農村統計年鑒》（2001—2020年）和各省統計年鑒，部分缺失數據采用插值法或就近法進行估計。此外，為消除價格波動引起的測算偏差，本文以2000年為基期，對31個省各年的農業產值進行平減。

3 結果與分析

3.1 中國省際耕地利用生態效率測算結果

通過MaxDEA軟件測算出2000—2019年各省耕地利用生態效率，用自然斷點法將效率值劃分為5個階段，限于篇幅，本文僅展示2000年和2019年的分布圖（圖1）。此外，為有效觀察區域間效率分布特征，結合自然資源特點，將中國劃分為東部、中部、東北、西南和西北5個區域分析全國及各區域耕地利用生態效率的變化趨勢。

圖1 各省耕地利用生態效率分布圖Fig.1 Distribution of eco-efficiency of cultivated land use in various provinces

2000—2019年各省耕地利用生態效率范圍縮小，均值降低。范圍由0.408～3.976縮小到 0.353～2.046，均值由1.043減小到0.873，原因是過去20年耕地面積不斷減少，有限的耕地被過度利用，且各類化肥農藥濫用，造成全國耕地利用生態效率普遍降低。分布上，各省耕地利用生態效率不均衡且均有所變動。2000年效率高值區僅為西藏和海南，到2019年海南變為低值區，高值區擴大到包括黑龍江、內蒙古等13個省，原因可能是海南近40年耕地面積減少較多，人類活動強度增強[29]，導致耕地利用生態效率下降。青海省始終處于效率低值區，可能是由耕地資源質量差、氣候惡劣、經濟欠發達[30]等原因所致。四川、陜西和江西3省效率始終處于中間水平，仍有較大提升空間。

2000—2019年全國及各區域耕地利用生態效率變動趨勢存在差異（圖2）。全國效率平緩下降，這與部分研究結論[31]相反，如張立新等[16]學者認為近20年我國糧食主產區耕地利用效率呈上升趨勢，原因是本文以全國為研究對象，且測算效率時加入碳排放，說明考慮非期望產出對耕地利用效率的變動趨勢有顯著影響，以往忽略非期望產出可能無法反映我國耕地利用的真實情況；另外由于區域差異，各地耕地利用效率也不一致。中部和西南地區耕地利用生態效率波動下降且始終低于全國平均水平。東部地區效率值及變動趨勢與全國相近，除2000年和2007年外其余年份均略高于全國水平。除2000年外，東北地區其余年份的耕地利用生態效率均高于全國平均水平且整體呈上升趨勢。西北地區耕地利用生態效率呈降低趨勢，至2014年降至全國平均水平以下。

圖2 2000—2019年全國各區域耕地利用生態效率變動趨勢Fig.2 Changes in eco-efficiency of cultivated land use in various regions of China from 2000 to 2019

3.2 耕地利用生態效率時空格局演變特征

3.2.1 全局空間格局演變特征

為考察各省耕地利用生態效率的空間關聯性與差異性，對其進行全局自相關分析。通過ArcGIS、Matlab、Stata軟件計算各年地理和經濟距離矩陣下中國省際耕地利用生態效率的全局Moran’sI值（表3）。

表3 中國省際耕地利用生態效率全局空間格局演變特征Tab.3 The evolution characteristics of the general spatial pattern of eco-efficiency of cultivated land use across provinces in China

結果顯示，兩種矩陣下，Moran’sI值均為負，即中國省際耕地利用生態效率差異性和離散性大于集聚性，存在空間負相關性，地理和經濟上相近的省份尚未表現出溢出效應，沒有形成聯動發展機制。此外，兩種情況下Moran’sI值的大小及變動趨勢存在差異，說明各省耕地利用生態效率在地理距離和經濟距離間的聯系不相同。多個年份中地理距離矩陣下的Moran’sI值更小，說明省際耕地利用生態效率在地理距離下的離散程度更高，且研究期內Moran’sI值小幅度波動變化，即近20年中國省際耕地利用生態效率在地理距離上的全局空間相關關系較穩定。在經濟距離矩陣下，Moran’sI絕對值小幅度增大，且多個年份通過顯著性檢驗，說明經濟水平相似的省份耕地利用生態效率存在異質性，且負相關性略有增強。該結論與劉蒙罷等[9]學者通過構建空間鄰接矩陣研究發現長江中下游糧食主產區耕地利用生態效率呈空間正自相關的結論有差異，原因是本文構建的是地理距離矩陣和經濟距離矩陣，說明矩陣和區域選擇不一致，耕地利用生態效率的空間相關性也可能不一致。

3.2.2 局部空間格局演變特征

全局空間自相關僅揭示了31省耕地利用生態效率整體上的空間規律，為全面考察各省效率的局部相關關系，明晰效率值在空間的集聚狀態和演變特征，進一步對各省效率進行局部空間格局分析。

以耕地利用生態效率為橫坐標、效率空間滯后數據為縱坐標繪制2000年和2019年散點圖①限于篇幅，本文未給出散點圖，感興趣者可向筆者索要。并進行統計（表4），以H表示高效率值，L表示低效率值，則第一和第三象限表示HH集聚和LL集聚類型，即高（低）效率省份周邊省份的效率也高（低）；第二和第四象限表示LH和HL集聚類型，即低（高）效率省份周邊圍繞著高（低）效率省份。2000年多個省份效率值落在三、四象限，至2019年，位于第三象限的點往二、四象限移動，屬于（LH）低值塌陷型和（HL）高值凸起型的省份增多，呈現為“中心低（高），四周高（低）”的空間非均衡關聯集聚狀態，即地理位置和經濟水平相近的省份耕地利用生態效率空間差異性增強。

表4 耕地利用生態效率的省域空間相關模式Tab.4 The provincial spatial correlation model of eco-efficiency of cultivated land use

具體來看，2000年兩個矩陣下31個省效率分布完全一致，陜西、內蒙古和吉林分布在第一象限HH集聚區；云南、遼寧和甘肅分布在第二象限LH集聚區；浙江、山西等15個省分布在第三象限LL集聚區；新疆、西藏等10個省分布在第四象限HL集聚區。至2019年，兩種矩陣下各省分布發生變化，貴州和江蘇由原來的HL集聚區變為HH集聚區，對鄰近省份帶動效應增強，而原來位于HH集聚區的陜西、內蒙古、吉林3省分別移至LH、HL、HL集聚區，與鄰近省份差異性增強，帶動效應減弱，其他多數省份均有所變動，導致LH和HL集聚區省份增多，效率分布異質性增強。

3.2.3 核密度與趨勢面分析

（1）核密度分析。為探究各省耕地利用生態效率的動態分布特征，運用高斯核密度估計法得到31省各年效率的核密度圖（圖3）。總體看，耕地利用生態效率的核密度曲線中心左移，并呈現“尖峰型”向“寬峰型”的轉變趨勢，具體如下：①2000—2019年核密度曲線向左偏移，說明近20年耕地利用生態效率呈下降趨勢，這主要與長時期以來“高投入、高產出”的耕地利用模式有關，該模式帶來的非期望產出嚴重制約了耕地利用生態效率的提高。②2000年耕地利用生態效率分布存在右拖尾現象，可能受早些年化學用品研發和推廣尚未普及、機械化水平有待提升影響，導致碳排放增速放緩，加之農戶二三產業就業機會較少，對耕地經營多屬于“精耕細作”型投入模式，因此部分省份耕地利用生態效率處于較高水平。③2008年前均只有一個波峰且較為陡峭，2012年開始出現兩個波峰，并且2012年和2016年波峰差距較大，說明該時間段耕地利用生態效率出現兩極分化，2019年波峰差距減小且較平緩，即各省耕地利用效率差距縮小、兩極分化程度降低。原因是當前耕地生產要素配置合理性得到提升、相關耕地可持續利用政策落實到位和農業生態技術的投入相對均衡。

圖3 中國耕地利用生態效率的核密度估計Fig.3 Kernel density estimation of eco-efficiency of cultivated land use in China

（2）趨勢面分析。通過ArcGIS 10.6軟件對各省耕地利用生態效率進行趨勢漸變特征分析，以確定其分布規律及發展趨向。如圖4所示，Z軸表示各省耕地利用生態效率，X軸和Y軸分別表示正東和正北方向，兩條趨勢線表示空間中的點向X—Z和Y—Z平面投影點的擬合線。整體來看，中國省際耕地利用生態效率呈現出明顯的區域分異規律，東西方向上，從西到東先直線遞減，然后呈倒“U”型變化，最后呈遞增的趨勢；南北方向上，從北到南先直線遞增，再呈倒“U”型變化，最后呈遞減的趨勢。即中國省際耕地利用生態效率的高值區由西南方向逐漸轉變為東北方向。

圖4 中國耕地利用生態效率趨勢面Fig.4 Trend surface of eco-efficiency of cultivated land use in China

耕地利用生態效率在全國東西、南北方向上非均衡分布，可能原因是各省資源、生產條件、經濟水平及發展速度不一致，東北方向是我國糧食主產區，耕地資源較豐富，農業基礎設施相對完善，技術水平相對更高，因此，至2019年該方向省份耕地利用生態效率較高。

3.3 耕地利用生態效率影響因素分析

為進一步分析各省耕地利用生態效率的影響因素及時空差異，利用ArcGIS 10.6軟件中的地理加權回歸分析工具估算各因素對各省效率的影響。在分析前將各因素歸一化以消除量綱。因2018年和2019年部分數據缺失，最終以2017年代替2019年做回歸（表5）。

表5 GWR模型估計結果Tab.5 GWR model estimation results

（1）資源稟賦對耕地利用生態效率的影響。用第一產業人員占比和人均播種面積表示資源稟賦。第一產業人員占比的回歸系數均值均為正且波動減小，說明第一產業人員占比增大能帶動耕地利用生態效率的提高，但其影響程度不穩定，隨時間推移而減弱。原因是第一產業人員占比增多，更能以精耕細作的方式生產，效率更高，但由于近年務農人員年紀偏大，導致影響程度減弱。人均播種面積的影響系數均為正，且由0.328增至0.760，說明隨時間推移其影響逐漸增強。原因是人均面積增大能促進耕地規模化集約經營，有利于推動經營主體探索低碳、高效的經營模式，進而促進效率的提高。

（2）經濟發展水平對耕地利用生態效率的影響。用農村居民人均可支配收入和人均GDP表示經濟發展水平。農村居民人均可支配收入對耕地利用生態效率的影響始終為正，但影響程度大幅降低。隨著可支配收入增多，農戶提高保護耕地、低碳高效生產的意識，且能增加農業生產的投入以改善生產條件，提高耕地利用生態效率；但隨著經濟發展，農民收入來源多元化，對農業依賴程度降低，可能會減少農業投入，降低對耕地利用生態效率的影響。人均GDP對各省耕地利用生態效率的影響在方向和程度上均有差異，2000年系數為負，其余年份均為正。原因是中國工業化、城鎮化的快速推進使人均GDP增長，但占用、污染和破壞耕地也對耕地利用生態效率帶來負面影響，隨著人均GDP持續增長到一定水平能反哺農業，增加農業投入與支持，又能促進耕地利用生態效率提高[23]。

（3）自然條件對耕地利用生態效率的影響。用受災面積和復種指數表示自然條件。受災面積對耕地利用生態效率的影響均為負，且影響程度波動變化。自然災害有偶發性和不可控性，對耕地利用的影響不穩定，會減少災區農業產量和產值，還會對生態環境造成破壞，降低耕地利用生態效率。除2000年和2004年外，其余年份復種指數均對耕地利用生態效率產生正向影響，原因是同年對同一塊耕地重復耕作能增加農業產量和產值，提高耕地利用效率，但翻耕次數和農藥化肥用量增多會進一步增加非期望產出，導致正向影響程度降低甚至變為負。

（4）生產條件對耕地利用生態效率的影響。用灌溉指數表示農業生產條件[24]。2000年灌溉指數對耕地利用生態效率有正向影響，但影響程度較小，其余年份影響為負。原因是灌溉條件優越的區域能滿足農業需求，及時澆灌，提高產量產值，但這也導致非期望產出增多，到一定水平時可能降低正向影響。

（5）各影響因素的區域差異。結合2017年各因素回歸系數及可視化結果（圖5），分析各因素對各省耕地利用生態效率的空間異質性影響。

各因素對不同省耕地利用生態效率的影響方向、程度均存在差異，其中2017年人均GDP和受災面積對各省耕地利用生態效率影響方向一致，僅在程度上有差異；第一產業人員占比、人均播種面積、農村居民可支配收入、復種指數和灌溉指數對各省影響方向不一致。第一產業人員占比和人均播種面積回歸系數負值主要分布在西北地區，可能原因是西北地區氣候干旱、人均耕地面積遠高于全國平均水平、耕地退化嚴重，在該環境下第一產業人員和人均面積增多會導致耕地利用生態效率的進一步降低，而對其他人均面積小、氣候相對適宜區域的影響方向則相反。農村居民人均可支配收入和復種指數回歸系數負值主要分布在西部地區，可能原因是西部地區農業生產條件相對差，農村人口向二三產業轉移較多，可支配收入增多大部分來自務工，對耕地利用生態效率無法起到推動作用；且西部地區耕地質量較差，復種可能進一步導致耕地過度利用，降低其生態效率。灌溉指數回歸系數的正值主要分布在西部地區，可能原因是我國水資源東多西少，使西部地區耕地利用對灌溉條件更加敏感，而東部地區灌溉條件較好，反而可能帶來更多碳排放，對耕地利用生態效率產生負向影響。

圖5 2017年中國耕地利用生態效率影響因素的回歸系數空間分布Fig.5 The spatial distribution of regression coefficients of factors affecting eco-efficiency of cultivated land use in China in 2017

4 結論與政策啟示

本文主要結論為：（1）2000—2019年全國耕地利用生態效率呈平緩下降趨勢；從地區來看，東部地區效率值和變動趨勢與全國相近，中部和西南地區效率始終低于全國平均水平且平緩降低，西北地區在2014年前效率均高于全國平均水平，2014年降至全國平均水平以下；東北地區效率均高于全國平均水平且持續提高；從各省來看，耕地利用生態效率范圍由0.408～3.976縮小到 0.353～2.046，高值區省份增多。（2）31省耕地利用生態效率存在空間負相關關系，地理距離矩陣下效率離散程度比經濟距離矩陣下更高，研究期內效率空間異質性增強；2000—2008年各省耕地利用效率分布呈現單峰態勢，2008—2019年效率分布出現兩極分化，但分化程度逐漸降低；效率高值區由西南方向逐漸變為東北方向。（3）資源稟賦、經濟發展水平、自然條件和生產條件對不同年份各省耕地利用生態效率的影響方向和程度均存在差異。

基于以上研究，提出政策啟示：（1）強化相關政策工具應用。加大耕地可持續利用的宣傳力度，完善生態型耕地利用模式的激勵機制，嚴格控制化肥農藥薄膜使用，鼓勵循環農業與生物肥料研發，控制碳排放，提高耕地利用生態效率。（2）探索耕地利用生態效率提升的區域差異化路徑。充分發揮江蘇、貴州等HH集聚區的引領作用和溢出效應，帶動周邊省域的耕地利用生態效率提高；積極探索湖南、安徽等LL集聚區低投入、低排放、高產出的農業可持續發展模式；加大對西藏、寧夏等HL集聚區的關注度，使中心省份的高效率正向溢出到鄰近省域；提高對云南、四川等LH集聚區中心省域的監管力度，制定相應對策，提高耕地利用生態效率。（3）推動農戶流轉耕地，促進規模經營。加大耕地流轉支持力度，培育新型農業經營主體，給予大戶技術扶持、財政補貼，以期通過適度規模經營提升農業生產技術水平，促進耕地利用生態效率提高。