基于Super-SBM 模型的云南省耕地利用效率及其影響因素研究

趙 昊，李昊勛，鄭宏剛，劉淑霞*

（1.云南農業大學 資源與環境學院，云南 昆明 650201；2.云南農業大學 水利學院，云南 昆明 650201）

0 引言

耕地是世界上最寶貴的資源之一，是社會可持續發展的重要基礎。在2022年中央一號文件當中明確提出我國的耕地要保數量、提質量、管用途、挖潛力。但目前耕地的“非農化”“非糧化”耕地質量退化以及生態退耕等問題愈演愈烈，嚴重影響了耕地的利用效率［1］。因此，在科學評價耕地利用效率的基礎上，進一步探究其空間分布以及影響因素，這是促成農業高質量發展必須完善的關鍵點。

目前耕地利用效率的研究基本形成了一套完整的研究體系。一是在關于耕地利用效率的評價指標體系方面，一些學者從投入—產出維度進行了指標的選取［2］。也有學者在研究當中引入了耕地產出的負效應，基于碳排放和面源污染等［3-5］方面構建了評價指標體系。二是測算效率的方法上，學者們善于采用生產函數法［6］、Malmquist函數法［7-8］、數據包絡分析法（DEA）［9-10］、SBM模型［11］等。三是在研究尺度方面，學者們在全國［3］、城市群［12］、省域［13］等方面均有研究。四是在研究耕地利用效率影響因素方面，學者們運用了地理加權回歸模型［14］、計量經濟模型［9］、Tobit回歸模型［15-16］等方法，重點研究了自然［1］、經濟發展水平［17］、農業發展水平［18］等因素對利用效率的影響。五是在探究耕地利用效率的空間集聚性方面，部分學者運用了空間自相關模型［19］進行了分析。

在此之前，學者們鮮有對云南省耕地利用效率的研究。基于此，本文以云南省16個地州市為研究對象，對云南省進行耕地利用效率探究。建立包含非期望產出的耕地利用效率評價指標體系，運用Super-SBM模型計算云南省2011～2020年耕地利用效率，并探究其時空演變及空間分布規律；利用熱點分析法對云南省耕地利用效率的空間集聚性進行分析；最后運用地理探測器對云南省耕地利用效率的影響因素進行分析，以期找出其主要影響因素。

1 研究設計

1.1 項目區概況

云南位于我國西南邊陲，屬于低緯度內陸地區。主要地形類型為高原、山地和丘陵。其中，高原特色農業逐漸成為云南省特色農業的主流。云南省的氣候變化多樣，北部屬高原高山氣候，中部屬亞熱帶季風氣候，南部屬于熱帶季風氣候，立體性氣候顯著。全省年降水量達1000 mm以上。云南省具有非常豐富的耕地資源，其耕地資源主要分布在盆地與丘陵山區。截至2020年，云南省國土面積為39.4萬km2，耕地面積占云南省土地總面積的15.97%，其中，高質量耕地占總耕地的19.41%、中等質量耕地占44.02%、低等質量耕地占36.57%［20］。

1.2 指標體系

在結合以往的耕地利用效率研究的基礎上［1，3，10，15］，基于全面性、科學性、數據可收集性與可操作性的原則，建立了耕地利用效率評價指標體系（表1）。在耕地投入方面，筆者從生產函數的生產要素進行選取，即從勞動、土地、技術、資本這4個方面選取相應的指標，分別是：第一產業從業人員、農業播種總面積、化肥施用程度、農機使用強度、農藥、農膜使用情況以及有效灌溉面積。在耕地產出方面，結合模型特點，本文從期望產出以及非期望產出進行選取。耕地的產出會帶來經濟與社會效益，即實現經濟的增長以及穩定國家的糧食安全。因此經濟效益用農作物總產量（包括經濟作物）來表征，社會效益用農業總產值來表征。非期望產出則用碳排放總量來表征，具體包括農業機械化操作、施用農用肥、農膜、農藥和灌溉農田當中所直接或間接產生的碳排放。結合前人研究，化肥的碳排放系數為0.8956（kg/kg）、農膜為5.18（kg/kg）、農藥為4.9341（kg/kg）、農業機械所用柴油0.5921（kg/kg）、農業灌溉20.476（kg/hm2）、農業播種312.6（kg/km2）。通過公式E=∑Ei=∑YTi·δi進行計算。其中Ti為各個碳排放源，δi為碳排放系數。

表1 云南省耕地利用效率評價指標體系

1.3 數據來源

本文絕大部分數據來源于《云南統計年鑒》《中國縣域統計年鑒》《中國農村統計年鑒》；耕地面積、農業機械總動力等重要數據來自各地州經濟社會發展統計公報。時間序列為2011～2020年。云南省地州市行政區劃數據來源于資源環境科學數據中心（https://www.resdc.cn/）。部分的缺失數據采用內插法與外推法進行補充與處理。

1.4 研究方法

1.4.1 Super-SBM模型 該模型由于傳統的BBC/BCC模型，充分考慮了要素的“松弛”影響，能夠有效地解決研究當中因忽略非期望產出而導致耕地利用效率評價結果出現偏差等問題。同時該模型也能彌補傳統的DEA模型無法對決策單元進行排序與區分的缺陷。具體計算公式如下：

式中：n為決策單元的數量；m、S1、S2分別為投入、期望產出、非期望產出的個數；w-、wg、wb分別為投入、期望產出、非期望產出的松弛量；x、yg、yb分別為投入、產出、非期望產出的向量；λ為權重向量；其中，x∈Rm，矩陣X=［x1，x2，…，xn］∈Rmn。

1.4.2 熱點分析 熱點分析是一種探索局部空間聚類分布特征的方法，表示具有顯著性統計學檢驗的高（低）值的集群區域，可以用來確定高、低值的空間集聚狀態，即用來衡量空間上的冷、熱分布狀況。具體計算方法如下：

式中，i≠j。其中，xi、xj分別代表要素i與j的值；wij為要素i與j的空間權重矩陣；n為樣本的個數。G值可以為正值也可以為負值。當G值為正值且值越大時，表示熱點聚類分布越集中，反之則G值為負值且值越小時，表示冷點聚類分布越集中。1.4.3 地理探測器 地理探測器主要從空間分異的角度分析地理對象之間的關系，因子探測的影響作用力用q值表示［21］。q值越大表示該影響因子對耕地利用效率影響作用力越大，該模型的計算公式如下：

式中qdu為影響因子d對耕地利用效率的用力值；σ2為耕地利用效率方差；n為區域的數量；ndi為次級區域的數量；m為次級區域的個數；為次級區域的方差，其取值為［0，1］。

2 結果與分析

2.1 耕地利用效率的時空演變分析

根據上文所介紹的模型，再利用MaxDEA 8 Ultra軟件通過處理計算得到了云南省2011～2020年各地（州、市）耕地利用效率。由表2我們可以得知，2011～2020年云南省耕地利用效率呈現出波動上升趨勢，研究期內均值為0.60。從各個地州市的總體變化趨勢來看，除了臨滄、西雙版納、德宏之外，研究期內其他地州市的耕地利用效率穩步上升。上升最為明顯的城市有昭通市、怒江市與楚雄州，其余城市呈現出微弱的上升趨勢。這表明云南省絕大部分地區的耕地利用效率在穩步提高。

依據Super-SBM模型原理，耕地利用效率大于1為有效決策單元，小于1則為無效決策單元。由表2可知，云南省地州市耕地利用效率大于1的城市從2011年只有3個，到2020年增長到了8個。但是云南省各地州市的耕地利用效率仍然很低下，因此，進一步改善耕地利用結構變得尤為重要。為了進一步探究區域演變趨勢，本文將云南16地州市分為了滇中（昆明、曲靖、玉溪、楚雄）、滇西（保山、麗江、臨滄、大理、德宏、怒江）、滇南（普洱、紅河、文山、西雙版納）、滇北（昭通、迪慶）。從區域演變趨勢來看（圖1），總體的耕地利用效率呈現出穩步提升的趨勢。滇西與滇南地區高于平均水平，其中滇西地區的耕地利用效率持續提高，并且于2020年成為效率值最高的區域。而滇中地區與滇北地區的耕地利用效率低于平均水平。究其原因，滇南與滇西地區作為云南省主要的農產品供應地，從事第一產業的人員數較多，耕地面積與農作物播種面積持續增多，高原特色農業帶來的社會效益顯著，且文山的三七、普洱的茶葉等經濟作物所帶來的經濟效益與社會效益很大，附加值較高，因此效率值高于平均值。而滇中地區作為云南省經濟增長的重要增長極，城鎮化率比較高，耕地資源不斷地減少，且從事第一產業的人員也不斷減少，農作物的播種面積也不斷地減少，這就導致了滇中地區主要以二三產業的發展為主。同時大量耕地用來發展都市農業，耕地“非糧化”問題十分嚴重。滇中地區的耕地主要種植花卉等經濟作物，并銷往全國各地，因此滇中地區的耕地產出以社會效益為主，故效率值低于平均水平。但是從2017年之后，滇中地區的耕地效率值逐漸達到了平均水平。滇北地區可能受到了地勢的影響，海拔落差大，且耕地破碎化較為嚴重，難以進行機耕，無法形成規模效應，且當地的農業勞動力發生轉移，勞動力投入進一步下降，耕地利用效率在一定程度上呈現出低水平的趨勢。

表2 2011～2020年云南省耕地利用效率比較

圖1 2011～2020年云南省區域耕地利用效率的變化

2.2 耕地利用效率空間效率分析

參考之前耕地利用效率分類的研究［22］，取2011年、2014年、2017年與2020年的截面數據，借助ArcGIS 10.0軟件中的相等間隔法，將云南省分為了低效率區、次低效率區、中等效率區、次高效率區與高效率區5類，具體如圖2所示。

圖2 2011～2020 年云南省耕地利用效率的分布格局

2011年，云南省耕地利用效率的均值為0.50。空間分異明顯，且呈現出“西部高東部低”的分異特征。其中，次高效率區以上的地區有3個（18.75%），主要分布在滇西與滇南地帶。次低效率區分布在高效率區的外圍，主要是大理市、保山市等。低效率區主要分布在滇中與滇北，占比為56.25%。2014年云南省耕地利用效率平均值為0.56。效率值有所上升，次高及以上的效率區仍然是3個，但次低效率區增長到了11個，占比為68.75%。低效率區主要集中在迪慶與麗江。2017年耕地利用效率平均值為0.56，與2014年相比呈現出持平趨勢。這一年全省的耕地利用效率差異性變小，低效率區與次低效率區的空間分布范圍擴大，滇中、滇西、滇南、滇北均有分布。之前高效率區域和次高效率區域也有所回落。在2020年，全省的耕地利用效率平均值達到0.89，與以往相比提升幅度較大。在這一時期，滇西與滇南的許多地區成為次高效率區與高效率區，其占比為62.5%。整體呈現出西雙版納、昭通“雙核心”分布的趨勢。從整體維度來看，云南省耕地利率用效率差異顯著，由西到東、由南到北呈現出高-低效率區分布的格局。

2.3 耕地利用效率熱點分析

為了更加全面地分析云南省耕地利用效率的空間聚集性，對云南省耕地利用效率冷熱點情況采用前文G值計算公式分析。耕地利用效率冷熱點區采用自然階段點分級法，依據Getis-Ord 指數、數據顯著性，共分為冷點高顯著區、冷點中顯著區、冷點低顯著區、隨機分布區、熱點低顯著區、熱點中顯著區、熱點高顯著區7類（圖3）。

圖3 2011～2020年云南省耕地利用效率熱點分析

由圖3可知，除隨機分布區主要分布在云南省的中部與東部外，熱點顯著區主要分布在云南西部與西南地帶，冷點顯著區主要分布在云南西北部。具體來看，熱點顯著區主要在德宏、保山、臨滄、普洱等地。冷點顯著區主要在迪慶、怒江與德宏麗江3個區域。其余地方為隨機分布區。總體來看，熱點顯著區主要分布在耕地面積大，農業投入與產出較低的地區，而冷點顯著區主要分布在耕地面積小，農業投入與產出較低的地區。從時間跨度來看，2011年云南省有4個熱點顯著區與1個冷點顯著區，此后的2014年與2017年，熱點顯著區沒有發生改變，而冷點顯著區由1個變成3個，再由3個變成了2個。2020年，熱點顯著區只剩下了保山與臨滄，冷點顯著區只剩下了迪慶。

由此可知，云南省的耕地利用效率有明顯的空間集聚現象，熱點顯著區主要分布在云南省農業相對較為發達且耕地利用效率高的地區，而冷點顯著區主要分布在云南省農業相對落后且耕地利用效率低的地區。在未來，冷點顯著區域應優化調整耕地利用布局，推進高原山區的農業機械化道路，充分挖掘高原特色農業的發展潛力，把地域劣勢變為優勢。熱點顯著區域應更進一步的發揮優勢區域的帶動作用，實現一、二、三產業的融合發展。同時應該推廣低碳耕作技術，推進新肥料新技術的應用與有機肥資源的利用，實現耕地高質量發展，促進資源高效利用。對于隨機分布區應該優化耕地利用布局，避免因城市化而占用耕地的現象。減少耕地“非糧化”與“非農化”現象，優化農業產業結構。

2.4 耕地利用效率影響因子探測

由于有些2020年相關影響因子數據尚未公布，所以本文利用2019年的相關數據進行分析。采用地理探測器方法研究各個影響因素對耕地利用效率的解釋力及各個影響因子之間的交互作用大小。現有的研究結果顯示［23-24］，影響耕地利用效率的因素有自然、社會經濟以及農業技術條件等因素。因此，根據云南省具體情況、數據可獲得性以及現有的研究結果，本文在分析云南省的耕地利用效率時，選取的指標包括以下幾個方面：（1）自然條件：人均耕地面積（X1)、復種指數（X2）；（2）社會經濟條件：人均GDP（X3）、城鎮化率（X4）、農村居民可支配收入（X5）；（3）農業生產技術條件：農業機械總動力（X6）、有效灌溉面積占比（X7）、地均農業化學程度（X8）。

地理探測器的算法對類別數據的處理要強于連續數據，具體處理過程為先采用ArcGIS 10.0軟件的自然間斷點法將選取的影響因子分為1、2、3、4、5類，再將上述影響因子與耕地利用效率導入地理探測器軟件，得出因子探測結果。除人均GDP與城鎮化率影響因子之外，其他影響因子的q值在5%的水平上顯著。

由表3可知，云南省耕地利用效率的主導影響因子解釋力差異較大。影響因子從大到小依次為：有效灌溉面積占比（0.45）＞農業機械總動力（0.40）＞人均GDP（0.29）＞糧食產量（0.27）＞人均耕地面積（0.23）＞城鎮化率（0.22）＞農村居民可支配收入（0.20）＞地均農業化學程度（0.16）。其中有效灌溉面積與農業機械總動力解釋力較高，明顯高于其他因子。由此結果可得，主要影響因子為有效灌溉面積、農業機械總動力。發揮重要作用的因子為人均GDP、復種指數、人均耕地面積、城鎮化率。發揮作用比較小的因子為地均農業化學程度、農村居民可支配收入。

表3 云南省耕地利用效率影響因素因子及其探測結果

由表4的交互性探測結果可得，所選取的8個影響因子與耕地利用效率之間有明顯的交互作用。任意2個影響因子之間的交互作用解釋力都大于單個影響因子解釋力，呈現雙因子或非線性增強的特點。這說明自然、社會經濟、農業生產技術條件各項因子的交互影響力優于單個因子的影響力。其中農村居民人均可支配收入與有效灌溉面積占比影響最大，為0.95；其次為復種指數與人均GDP，其交互性影響值為0.94。

表4 云南省耕地利用效率影響因子交互性探測分析

綜上所述，所選因素對影響云南省耕地利用效率均有一定的影響，但是影響力差異較大，在未來仍需守好耕地紅線，提高耕地的生產能力。

3 結論與討論

3.1 結論

本文運用了Super-SBM模型、熱點分析、地理探測器等研究方法，對云南省2011年～2020年的耕地利用效率進行分析，并探究了其空間集聚性與影響因素。經過分析得出以下結論：

（1）云南省耕地利用效率在2011年～2020年間呈上升趨勢，其均值為0.60。耕地利用效率高的地區主要集中在云南省西部與西南部，耕地利用效率低的地區主要集中在云南省中部與西北地區。云南省耕地利用效率總體呈現出西部高東部低、南部高北部低的趨勢。

云南省耕地利用效率呈現出明顯的空間集聚性。冷點顯著區與熱點顯著區分異明顯。從空間分布來看，冷點顯著區主要集中在滇西北地區，熱點顯著區主要分布在滇西與滇西南地區。在未來，云南省政府部門應該根據不同的地區制定不同的耕地保護與提升耕地利用效率的戰略。

云南省耕地利用效率主要受有效灌溉面積以及農業機械總動力2個因素影響，而地均農業化學程度與農村居民可支配收入發揮的作用較小。同時，任意兩種影響因子的交互解釋力優于單個因子的解釋力。

3.2 討論

提高農業生產技術，興修水渠與機耕道是提升耕地利用效率的必經之路。同時各地州市針對其自身的農業發展特征，結合具體農業條件提升耕地質量，并提高耕地利用效率。各城市、各區域要充分發揮自己當地的自身資源優勢以及特色產業優勢，挖掘新的契機、新的動能，努力擺脫傳統耕地利用方式的依賴。各地區應該加強資源以及農業生產技術的共享，強化耕地利用效率強的地區帶動耕地利用效率低的地區力度，要讓更多的人力、技術向耕地利用效率低下的地區流動，減少區域差異。同時各地區也應該重視耕地利用的非產出效應，加強技術革新，有效減少非產出效應導致耕地利用效率的降低。

本文對2011年～2020年云南省各地州市耕地利用效率及其影響因素進行了分析，能較為直觀地反映出云南省各地州市耕地利用效率情況，同時對進一步研究如何提高區域耕地利用效率有一定的參考價值。