基于碳排放視角的建設用地利用效率分析
——以江蘇省為例

張志飛，史敏琦，沈秀峰

（1.南京大學 地理與海洋科學學院，江蘇 南京 210023；2.江蘇省土地勘測規劃院，江蘇 南京 210000）

建設用地是城市社會、經濟的主要活動場所，因此成為了城市功能的重要載體［1］。在中國城市化進程加速的背景下，建設用地的快速擴張已成為土地利用的一大重要特征［2］。建設用地規模的擴大會導致工業及服務業的碳排放量猛增［3］，城市的可持續發展直接受到用地利用效率狀況的影響［4］，因此城鎮建設用地利用的碳排放效應逐漸成為土地研究領域的新興熱點［5-7］。自2003年低碳經濟理念提出以來，建設用地利用的環境硬約束和剛性壓力日益加劇，2021年國務院政府工作報告提出“力爭2030年前達到碳峰值、2060年前實現碳中和”，因此解決如何在節能減排的前提下持續提升建設用地利用效率的問題迫在眉睫。

國內外關于建設用地利用效率已有大量的文獻研究基礎，主要圍繞3個方面的內容：一是歸納建設用地利用效率的理論內涵［8-9］；二是展開各地區建設用地利用效率的實證測算［10-11］；三是探討有效提高建設用地利用效率的政策途徑［12-13］。研究方法主要以數據包絡分析［14-15］和隨機前沿分析［16-17］對用地效率進行測度，以定性分析［18-19］、面板數據回歸模型［20-21］、Tobit模型［22］對用地效率影響因素進行探討。研究尺度從全國［23］、省區［24］、城市群［25］等宏觀層面向市域［26］、縣域［27］中微觀層面逐步深入。綜合以上研究進展，國內外已在建設用地利用效率的領域取得了一系列的理論與實證研究成果，但是較少研究關注碳排放和建設用地利用效率的關系，有以下2點原因：一是碳排放計算基礎數據獲取局限于省際層面，大多在省域及以上尺度開展，市域及以下研究較為棘手；二是由于服務業及居民生活碳排放難以測算，量化城市碳排放時僅從單一工業能源消耗角度切入［24］。因此，本研究以江蘇省13個地級市為研究對象，碳排放作為非期望產出納入建設用地利用效率測度框架，運用Super-SBM模型、空間自相關分析和地理加權回歸模型（GWR），揭示2009~2017年江蘇省建設用地利用效率的時空演變特征及驅動因素，旨在實現土地資源優化配置、城市系統可持續發展。

1 研究區概況和方法

1.1 研究區概況

江蘇省地處中國大陸東部沿海地區中部，是支撐長三角城市群發展不可或缺的中堅力量，下轄南京、蘇州、無錫、常州、鎮江、南通、揚州、泰州、連云港、鹽城、淮安、宿遷、徐州共13個地級行政區。江蘇省作為我國“人多地少”的省份，在為國家做出巨大經濟發展貢獻的同時，也難以避免地占用了大量土地資源。2017年江蘇省國土開發強度為21.68%，是除北京、上海和天津3個直轄市之外排名第一的省份，建設用地的剛性需求和資源緊缺之間矛盾突出。

2009~2017年江蘇省單位土地面積碳排放呈明顯的上升趨勢（圖1），單位土地面積碳排放由2009年 的33.68 t/hm2上 升 到2017年 的41.29 t/hm2，增幅為22.6%，這主要是由于江蘇能源消費及建設用地碳排放量大幅增加。地均建設用地碳排放呈增加趨勢，2009~2010年受金融危機的影響，地均建設用地碳排放有所下降；2011~2014年地均建設用地碳排放緩慢增加；2014~2017年在節能減排的大背景下，地均建設用地碳排放呈下降態勢。在低碳發展的倡導下，碳排放對土地利用的約束將不斷加強。為此，本研究將碳排放作為非期望產出納入江蘇省各地級市建設用地利用效率的測算中，探究用地效率提升與碳排放優化的平衡機制，以期為建設低碳、高效的用地開發模式提供參考和借鑒。

圖1 2009~2017年江蘇省單位土地面積碳排放強度變化

1.2 研究方法

1.2.1 建設用地利用效率評價指標體系的構建 建設用地利用效率是指在一定經濟、技術條件下，包括土地在內的各項資源要素投入產出效果，即要素投入和實際產出的比率［28］。依據相關研究成果［29-31］，從土地、資本、勞動力三類要素選取投入指標，土地要素投入以建設用地面積表征；資本要素投入以固定資產投資表征；勞動力要素投入以二三產業從業人員數表征。實際產出需要從期望產出和非期望產出2個方面考量，期望產出以地區生產總值表征；非期望產出以建設用地利用產生的碳排放表征，作為環境負外部性損失的體現（表1）。

表1 建設用地利用效率評價指標體系

1.2.2 碳排放的測算 工業、建筑業、交通運輸、倉儲和郵政業、批發零售業和住宿餐飲業以及居民生活消費是建設用地碳排放的主要來源行業，通過將用地類型對應匹配能源消費項目來間接測算13個地級市建設用地利用產生的碳排放總量（表2）。由于地級市尺度上能源消費數據難以獲取，因此，按城鎮常住人口比例將城鎮居民生活消費的碳排放分配到各市，按農村人口比例將農村居民生活消費的碳排放分配到各市，工業、建筑業、交通運輸、倉儲和郵政業、批發零售業和住宿餐飲業的碳排放按該行業占總GDP比例分配到各市［24］。

表2 建設用地利用類型與碳排放項目的對應關系

1.2.3 Super-SBM模型 DEA通常是測度效率的首要選擇，但傳統模型大多針對基于徑向和角度，存在無法解決要素松弛問題的弊端。因此，Tone［32］在2001年提出非徑向、非角度的SBM模型，不僅有效改進了投入、產出松弛性問題，而且在產出變量中增加了非期望產出指標，進一步完善了效率評價過程。在此基礎上，Tone［33］進一步將超效率模型與SBM模型相結合，提出全新的超效率SBM模型，彌補SBM模型不能對多個效率值為1 的有效決策單元進行再排序比較的缺陷。Super-SBM模型構建如下：

式中，ρ為建設用地利用效率值，n為評價單元數量，評價指標由投入（m）和產出（期望產出r1和非期望產出r2）構成；x、yd、yu分別為投入矩陣、期望產出矩陣和非期望產出矩陣中的元素；向量分別為投入松弛量、期望產出松弛量和非期望產出松弛量；λ是權重向量［34］。超效率模型規定，當P＜1，DMU無效；當P≥1，DMU有效，且P值越大則效率越高。

1.2.4 空間數據分析 （1）全局空間自相關。全局空間自相關是對區域單元某種現象的整體空間分布情況進行描述，以判斷該現象是否存在空間集聚性，Moran’s I統計量是常用的度量指標之一。本研究運用Moran’s I指數檢驗江蘇省13個地級市的建設用地利用效率指數是否在空間上集聚。計算公式如下：

式中：Xi為單元i的屬性值，Xj為j的屬性值，且i≠j；n為 單 元 的 個 數；Wij為 空 間 權 矩 陣；Moran’s I統計量的取值一般在-1~1之間，其中Moran’s I值大于0表示存在空間正相關；Moran’s I值小于0表示存在空間負相關；Moran’s I值為0表示不存在空間自相關。

標準化統計量為：

式中：E(I)和var(I)分別為Z(I)的期望值和方差值。

（2）局部空間自相關。Getis-Ord G*統計量是一種基于距離權重矩陣的局部空間自相關指標，能探測出建設用地利用效率指數的高值集聚與低值集聚，即判別熱點區與冷點區，計算公式如下：

式中：d為距離；Wij(d)為單元i和j之間的空間權重；n為空間單元數量。

標準化統計量為：

1.2.5 地理加權回歸 地理加權回歸（ GWR） 不同于全局回歸OLS模型，運用局部參數估計來考慮空間對象的局部效應，容許直接模擬不平穩的數據，能有效提高地理要素空間變異特征研究的準確性［35］。因此，本研究運用GWR 分析，其模型結構如下：

式中，yi為第i個單元建設用地效率，β0為回歸常數；（ui，vi）為第i個單元空間位置，用各單元行政中心經緯度坐標表示；βk（ui，vi）為第i個單元建設用地效率影響因素的回歸參數；xik為第i個單元建設用地效率的影響因素；εi為第i個單元獨立分布的隨機誤差項；n為研究單元數。

1.3 數據來源

建設用地面積數據來自于國土資源統計資料，社會經濟統計數據來源于江蘇省13個地級市2009~2017年統計年鑒及《中國城市統計年鑒（2009~2017）》，能源消費數據選取歷年《中國能源統計年鑒》中關于江蘇的煤炭、石油和天然氣三大品種數據。根據國家標準《土地利用現狀分類》（GB/T 21010—2017），建設用地劃分為城鄉建設用地、交通水利用地以及其他建設用地等，而其他建設用地以風景名勝設施用地、特殊用地和鹽田為主，通常作旅游、軍事和墓地等用途，碳排放量可忽略不計，因此，本研究中的建設用地面積僅包括城鄉建設用地和交通水利用地。

2 結果與分析

2.1 江蘇省建設用地利用效率的時空演變格局

2.1.1 時序變化特征 基于上文指標體系，借助MyDEA 1.0.5軟 件 測 算 出2009~2017年 江 蘇 省13個地級市建設用地利用效率（圖2）。從全省來看，2009~2017年江蘇建設用地利用效率介于0.568~0.689之間，總體呈波動上升的趨勢，先后經歷短暫上升階段（2009~2010年）、短暫下降階段（2010~2011年）、持續上升階段（2011~2016年）和再次下降階段（2016~2017年），但一直處于DMU無效狀態。從各個地級市來看，2009~2017年間蘇州和鹽城2個城市建設用地效率有所下降，其余城市用地效率整體呈波動提高趨勢。南京和無錫建設用地利用效率值始終大于1，處于有效狀態，表明這2個城市當前的建設用地利用模式能兼顧經濟和生態多方面效益，達到高值投入產出效率；蘇州在2009~2011年和2014~2016年均處于有效狀態，但2012、2013和2017年略有下降，轉變成無效狀態，說明蘇州市用地開發模式逐漸打破資源利用和環境保護之間的平衡狀態，側面體現建設用地利用效率與經濟發展水平之間并非呈絕對正相關關系［36-37］。而徐州、常州、南通、連云港、淮安、鹽城、揚州、鎮江、泰州和宿遷10個市作為發展低值地帶，用地效率一直處于無效狀態，這些城市應當有效發揮當前全部生產要素的潛力，提升總產出水平。

圖2 2009~2017年江蘇省13個地級市建設用地利用效率時序變化特征

2.1.2 空間演變格局空間演變特征劃分 2009~2011年、2012~2014年和2015~2017年這3個研究時段，分別取各年份效率指數的均值代表該時間段內建設用地利用效率水平。據結果顯示，2009~ 2011年、2012~2014年和2015~2017年這3個時間段的全局Moran’s I值均為正，檢驗結果顯著，表明江蘇省建設用地利用效率呈現較強的空間自相關性，Moran’s I值逐年上升，即相關性逐漸增強（表3）。

表3 江蘇省建設用地利用效率的全局 Moran’s I估計值

2009~2017年江蘇省建設用地利用效率總體保持“南高北低”的空間格局（圖3）。在總體格局保持相對穩定的背景下，建設用地利用效率高值集聚區逐漸擴大，且熱點中心有向北轉移的趨勢。2009~2011年熱點區處于常州、無錫和蘇州，2012~2017年熱點區轉移到鎮江、常州和無錫，蘇州降至次熱點區，南京也演變為次熱點區。在熱點區集聚強化的同時，冷點區范圍相對固定，2009~2017年已大致形成以宿遷市為核心，徐州、連云港和淮安為外圍的低值集聚格局。可見，碳排放約束下的江蘇省建設用地利用效率呈現地域不均衡性。用地效率位于有效前沿面的南京、無錫和蘇州均集中在蘇南地區，鎮江和常州雖處于無效狀態，但效率指數排名靠前，這5個城市的地理位置相互接壤，在經濟建設中能夠最大限度地保證資源集約利用，形成集群效應；揚州、南通、泰州和鹽城受蘇南地區的輻射影響，用地效率指數波動上升，但發展局面未有根本性轉變，距離達到有效狀態仍有較大的空間；而徐州、連云港、宿遷和淮安等地一方面未能享受到有效地區快速發展帶來的便利和好處，另一方面地區發展仍肩負艱巨的生態環境負擔。

圖3 2009~2017年江蘇省13個地級市建設用地利用效率空間演變格局

2.2 江蘇省建設用地利用效率驅動因素的研究

2.2.1 驅動因素變量的選取 城鎮建設用地效率空間集聚是諸多地理要素內生更替投影于地理過程的表征［35］，從指標確定的代表性、科學性原則出發，在社會經濟、政策調控等維度甄選影響建設用地效率的動力因子。考慮到影響用地效率的變量可能存在多重共線性，會將重要的解釋變量排除在模型之外，導致計量模型的預測功能失效，因此，首先用普通最小二乘法（OLS）回歸分析診斷影響變量的多重共線性，剔除方差膨脹因子（VIF）≥10的變量［38-39］，最終確定人口密度、政府財政一般預算支出占GDP比重、城市一級市場土地招拍掛地塊數在總出讓地塊中占比、二三產業產值占GDP比重和人均專利申請授權量共5項影響指標，即分別考量人口集聚、政府規制、土地市場化程度、產業結構和科技創新對江蘇省建設用地利用效率的空間影響。

采用極差法對2009~2017年各地級市影響變量原始數據進行標準化處理，以排除數據量綱的影響，從而建立地理加權回歸模型，采用FIXED核函數的AIC帶寬方法進行時空異質性估計。由GWR模型驗證結果可知，3個時間段的模型可決系數和校正可決系數分別為0.858和0.756、0.894和0.818、0.961和0.932，說明 GWR 模型的擬合性良好。

表4 江蘇省建設用地利用效率驅動因素的GWR檢驗結果

2.2.2 變量影響的時空異質性分析 地理加權回歸系數值大小用來反映影響因素對不同城市用地效率的作用程度差異，而系數正負則表示該變量對用地效率的影響存在提升或抑制作用［40］。

2009~2011年各因子對建設用地利用效率影響程度依次為科技創新＞人口集聚＞政府規制＞產業結構＞土地市場化程度（圖4），土地市場化程度對用地效率起抑制作用。從各變量影響的空間范圍來看，人口集聚作用強度最大的區域集中在蘇錫常，而徐州和連云港的回歸系數最小，影響程度最低；產業結構作用區域與人口集聚有高度的反向性，高作用強度區域集中在蘇北，低作用強度區域集中在蘇南；科技創新對用地效率的影響強度呈現“西高東低”的空間特征；政府規制對蘇北地區的建設用地效率調控強度也高于蘇南和蘇中；土地市場化的抑制作用強度較大的地區主要在徐州、連云港、宿遷和淮安，南部地區的影響較小。

2012~2014年各因子對建設用地利用效率影響程度依次為人口集聚＞科技創新＞產業結構＞土地市場化程度＞政府規制（圖4），產業結構、土地市場化程度和政府規制都起抑制作用，人口集聚的提升作用增強，科技創新的促進作用削弱，產業結構和政府規制由促進作用轉為抑制作用，土地市場化的抑制作用加強。人口集聚的促進作用仍舊保持“南高北低”的空間格局；科技創新與之相反，影響強度呈現“北高南低”的格局態勢；產業結構作用的空間分異規律變化不大，但由促進轉變為抑制作用。政府規制的抑制作用高值區域集中在連云港、鹽城和南通等東邊城市，低值區域則位于南京市和常州市，土地市場化抑制作用不僅在增強，且范圍逐漸向鹽城等東南部城市蔓延。

2015~2017年各因子對建設用地利用效率影響程度為科技創新＞人口集聚＞產業結構＞政府規制＞土地市場化程度（圖4），政府規制和土地市場化程度起抑制作用。人口集聚的作用強度和空間特征在之前的基礎上繼續發展，但未發生實質性改變。相較于上一階段，科技創新的促進作用有所增強，但空間分異規律發生轉變，高值區域由蘇北轉向蘇南，低值區域由蘇南轉向蘇北；產業結構由抑制作用又發展為促進作用，高值區同時出現在蘇北（徐州）和蘇南（南京），低值區由蘇南向東部城市轉移；政府規制的抑制作用相對減弱，高值區由東部遷移到南部，低值區集中在徐州周邊；土地市場化的抑制作用進一步增強，低值區范圍收縮，高值區范圍向南擴張。

圖4 2009~2017年江蘇省建設用地利用效率影響因素的地理加權回歸局域估計

3個時間段的研究分析表明：人口集聚和科技創新始終是推動用地效率提高的重要因素，而土地市場化程度則是一直起著抑制作用，產業結構、政府規制在不同時間段內發揮不同的作用。人口集聚能夠促進集約用地模式的形成，有效提高建設用地利用水平；科技創新有效優化經濟發展模式，轉變建設用地利用開發方式，促進城市建設用地利用效率提高。江蘇省各地級市土地市場化發展成熟，政府基于政績追逐，會加大對市場供地，導致建設用地面積擴張，用地利用效率下降［41］。產業結構升級在增加單位建設用地產出的同時，也會一定程度上抑制非期望產出，但在2012~2014年轉變為負向作用，原因在于相較第三產業而言，為保障生產和運輸順利進行，第二產業的產業性質對土地供應數量要求更高，導致以第二產業為支柱產業地區土地集聚效果較差［38］，2012~2014年13個地級市除南京外第二產業產值均大于第三產業產值，可見該階段發展以第二產業為主，導致建設用地利用效率有所下降。政府往往采取優化職能部門的管理手段來解決用地效率低下的問題，但當通過出售土地使用權嘗到了增加財政收入的“甜頭”后，土地會變成“暢銷品”，2012~2017年各地級市建設用地面積呈現持續擴張態勢，加上大多數財政支出并不是主動、合理的支出，而是一種績效驅動型的被動性支出［42-43］，會降低建設用地效率整體水平，因此，政府規制對用地效率有正負作用之分。

3 結論

本研究將碳排放指標作為非期望產出納入Super-SBM測算模型，借助空間自相關分析和地理加權回歸，剖析了2009~2017年江蘇省13個地級市建設用地利用效率的時空演變趨勢和驅動機理，得出以下結論：

（1）從時序變化特征來看，2009~2017年江蘇建設用地利用效率介于0.568~0.689，呈波動上升的趨勢，但處于無效狀態；從各個地級市來看，2009~2017年蘇州和鹽城2個城市建設用地利用效率整體有所下降，其余城市的建設用地利用效率呈波動提高趨勢。南京和無錫建設用地利用效率值均保持大于1，始終處于有效狀態；蘇州在2009~2011年和2014~2016年處于有效狀態，在2012、2013和2017年轉變成無效狀態；而徐州、常州、南通、連云港、淮安、鹽城、揚州、鎮江、泰州和宿遷一直處于無效狀態。

（2）從空間演變格局來看，2009~2011年、2012~2014年和2015~2017年這3個時間段均通過空間自相關檢驗，表明江蘇省建設用地利用效率存在較強的空間自相關性，且相關性逐年增強。2009~2017年碳排放約束下的江蘇省建設用地利用效率呈現地域不均衡性，總體保持“南高北低”的空間格局，熱點地區集聚范圍擴張，熱點中心向北轉移；冷點區的范圍則保持相對固定，已大致形成以宿遷市為核心，徐州、連云港和淮安為外圍的低值集聚格局。

（3）從驅動因素來看，2009~2017年人口集聚和科技創新是促進江蘇省建設用地利用效率提升的主要因素；相反，土地市場化對建設用地利用效率起抑制作用。而產業結構和政府規制在不同時間段內的影響存在正負差異，產業結構的優化升級會促進建設用地利用效率的提升，但由于第二產業集聚效應不強，必須占用較多土地進行生產和運輸，當第二產業為支柱產業時又會一定程度上阻礙用地效率的提高；政府可以通過管理調控土地資源的優化配置來解決用地效率低下的問題，但一味地依賴出讓土地來增加財政收入，只會適得其反，導致建設用地面積無限擴張，由正向作用轉變為負向作用。

4 討論

研究碳排放視角下的建設用地利用效率的時空異質性及其驅動機制，對探討江蘇省建設用地合理利用與碳減排協同發展具有一定的理論和實踐意義。結合以上結論，提出地區針對性的差異化調控策略：（1）蘇南地區屬于用地效率高值聚集區，該地區應嚴格控制建設用地供給，限制用地擴張的速度和規模，重在挖掘土地潛力，鼓勵低效用地再開發；（2）蘇中地區應加強與蘇南地區聯動發展，強化發達地區的帶動作用，一方面疏散蘇錫常地區人口壓力，降低居民生活消費碳排放量，另一方面加快產業結構調整和資源整合，提升綠色低碳產業集聚能力，實現規模經濟發展；（3）蘇北地區建設用地利用效率呈低值集聚格局，主要受“高投入、高排放、低技術”的傳統土地利用模式影響，該區域應加強土地綜合整治，健全生態環境硬約束機制，實施環境準入負面清單制度，開發清潔技術，打造低碳環保的可持續發展產業鏈。

建設用地利用效率的測算已是一個成熟的研究主題，但基于碳排放約束的視角考慮則較為新穎。目前受限于相關數據的可獲取性，市級尺度以下的碳排放量只能利用分行業占GDP比例進行估算，精度不足，在日后的研究中需要結合3S技術進一步探索中、微觀尺度碳排放量更為科學的衡量方式。