黃河流域糧食生產生態效率時空演進與收斂性

張德碩　李敬鎖

摘要：提高糧食生產生態效率對于推動黃河流域生態保護和高質量發展具有重要意義。基于黃河流域72地級市數據，運用SBM-Undesirable模型測算糧食生產生態效率，運用Kernel密度估計、Markov鏈及收斂模型等考察其時空演進及斂散特征。結果表明：時序角度，黃河流域糧食生產生態效率在2006—2009年間逐年下降，由0.735 8降至0.661 2，在2010—2020年間波動上升，由0.664 2升至0.723 3，呈現出“先降后增”的時序特征，三大流域的效率均值分別為0.761 9、0.623 1和0.781 1，呈現出“下游＞上游＞中游”的長期穩定關系，且存在兩極分化和空間非均衡特征；空間視角，黃河流域各地區糧食生產生態效率之間存在空間集聚現象，且效率的演進表現出維持原狀態的穩定性，短期內較難實現跨越式轉移；收斂特征方面，黃河流域全樣本及上中下游各地區的糧食生產生態效率均不存在σ收斂，但存在顯著的絕對β收斂和條件β收斂。

關鍵詞：黃河流域；糧食生產生態效率；時空演進；收斂性

中圖分類號：F326.11

文獻標識碼：A

文章編號：20955553 （2023） 11027209

Spatial-temporal evolution and convergence of ecological efficiency of

grain production in the Yellow River Basin

Zhang Deshuo， Li Jingsuo

（School of Economics and Management （School of Cooperatives）， Qingdao Agricultural University， Qingdao， 266109， China）

Abstract：Improving the eco-efficiency of food production is of great significance for promoting ecological protection and high-quality development in the Yellow River Basin. Based on the data of 72 prefecture-level cities in the Yellow River Basin， the eco-efficiency of food production was measured using the SBM-Undesirable model， and its spatial and temporal evolution and convergence characteristics were examined using Kernel density estimation， Markov chain and convergence model. The results showed that， from the perspective of time series， the eco-efficiency of grain production in the Yellow River Basin decreased from 0.735 8 to 0.661 2 during 2006—2009， and increased from 0.664 2 to 0.723 3 during 2010—2020， showing a sequential feature of “first decreasing and then increasing”. The average efficiency values of the three basins were 0.761 9， 0.623 1 and 0.781 1， respectively， showing a long-term stable relationship of “downstream>upstream>midstream”， with the characteristics of polarization and spatial non-equilibrium. From a spatial perspective， there was a spatial clustering of grain production eco-efficiency among the Yellow River Basin regions， and the evolution of efficiency showed the stability of the original state， and it was also difficult to realize leapfrog transfer in the short term. In terms of convergence characteristics， there was no σ-convergence in the ecological efficiency of grain production in the whole sample of Yellow River Basin， and other regions in the upper， middle and lower reaches， but there was significant absolute β-convergence and conditional β-convergence.

Keywords：Yellow River basin; food production eco-efficiency; spatial and temporal evolution; convergence

0引言

黃河流域作為中國重要的農牧業生產基地和“一帶一路”戰略性經濟地帶，在保障中國社會經濟發展和生態安全方面意義重大［1］。黃河流域涵蓋了黃淮海平原、汾渭平原、河套灌區等多個糧食主產區，2021年黃河流域9省區的糧食產量為238679kt，占全國糧食總產量的35%，對保障國家糧食安全發揮了重要作用。隨著黃河流域生態保護和高質量發展上升為國家戰略，客觀測度黃河流域各地市的糧食生產生態效率，探究其時空演進特征和收斂性規律，對于加快黃河流域糧食生產綠色轉型、保障國家糧食安全具有重要的現實意義。

當前學術界關于糧食生產生態效率的研究成果較為豐富，主要集中在水平測度、影響因素以及特定區域研究等方面。水平測度方面，各學者采用多樣的測度方法對糧食生產生態效率做出評價。陳寶珍等［2］采用DEA方法測算了2006—2015年中國各省糧食生產生態效率，其認為全國糧食生產生態效率總體呈緩慢上升趨勢，糧食主產區生態效率增長幅度明顯。魯慶堯等［3］采用SBM模型對2000—2018年各省糧食生產生態效率進行測算分析，認為糧食生產生態效率的省際平均值較低，三大區域的糧食生產生態效率從西部、中部到東部，呈現顯著的遞減趨勢。匡遠配等［4］采用SFA模型并結合水足跡理論對2005—2018年26個省份的糧食生產生態效率進行測度，認為中國糧食生產生態效率整體上呈波動性上升趨勢。影響因素研究方面，已有研究表明農地流轉［4］、規模化水平、機械化水平［5］、有效灌溉面積占比［6］、人均GDP［6］、和技術創新［7］等因素對糧食生產生態效率有著重要影響。在特定區域研究方面，李雪［8］對吉林省各市的糧食生產生態效率進行測度，并對其進行整體分析、地區差異性分析和效率損失分析。任志安等［9］對淮河生態經濟帶展開研究，認為淮河生態經濟帶糧食綠色生產效率呈現波動中緩慢增長的趨勢，各地綠色發展水平區域差距明顯。張利國等［10］將研究視角聚焦到縣域角度，測算了鄱陽湖生態經濟區的傳統技術效率及考慮非期望產出的環境技術效率，研究表明傳統技術效率呈現“W型”的趨勢，而環境技術效率則呈現“U型”趨勢。崔楊［5］對江西省糧食生產生態效率進行了測度，并運用空間探索性分析方法對江西糧食生產生態效率的收斂性及空間關聯特征做出分析。

當前基于“黃河流域生態保護和高質量發展”的國家戰略下，涉及黃河流域糧食生產生態效率的研究供給略顯不足。本文采用SBM-Undesirable模型對2006—2020年黃河流域72地市的糧食生產生態效率進行測算，并運用Kernel密度估計、Markov鏈及收斂模型等方法探究其時空演進規律和收斂性特征。

1研究設計

1.1糧食生產生態效率指標體系

糧食生產生態效率是對糧食生產效率和生態保護綜合要求的表達，兼顧了糧食產量與生態環境的雙重要求［3］。本文在綜合相關研究的基礎上［2， 5， 11］，遵循代表性、科學性和數據可得性原則，從要素投入、糧食產出和環境污染三個維度構建糧食生產生態效率指標體系。其中，投入要素選取土地投入X₁、機械投入X₂、化肥投入X₃、農藥投入X₄、勞動力投入X₅和灌溉投入X₆。期望產出變量選取糧食總產量Y₁。非期望產出為糧食生產所帶來的各類碳排放U₁，由化肥、農藥、翻耕、灌溉和農機等碳源乘以相應的碳排放系數加總得到。囿于篇幅，具體碳排放系數參見已有研究［5］，指標說明詳見表1。

1.2模型構建

1.2.1SBM-Undesirable模型

傳統DEA模型無法將生產所造成的環境負外部效應納入測度范圍，因此本文采用Tone［12］提出的包含非期望產出的非徑向、非角度SBM-Undesirable模型，以期準確測算黃河流域各地市的糧食生產生態效率，該模型表達式如式（1）所示。

1.2.2Markov鏈分析

Markov鏈為一種時間和狀態均為離散的Markov過程，通過構建Markov概率轉移矩陣，可以分析黃河流域某一地市糧食生產生態效率向更高水平或者向更低水平類型轉移的可能性，從而反映出糧食生產生態效率變化過程中的變遷規律，具體計算公式參見已有研究［13］。

1.2.3收斂模型

收斂模型在經濟學中的主要應用于考察落后區域是否能對較發達區域實現追趕，近年來收斂模型逐漸用于分析地區差異和演進趨勢的研究中［14］。收斂模型包括σ收斂和β收斂兩種傳統收斂類型，β收斂又分為絕對β收斂和條件β收斂，本文采用上述三種收斂模型探究黃河流域糧食生產生態效率的斂散特征。

1）? σ收斂模型。σ收斂是指黃河流域各地市糧食生產生態效率的離差呈現出隨時序不斷縮小的態勢，本文采用變異系數法考察黃河流域全樣本及三大流域糧食生產生態效率的σ收斂特征，建立如式（2）所示的σ收斂檢驗公式，其中n為第t年的地區樣本數，eff_it為i地區t年的效率值。

3）? 條件β收斂模型。條件β收斂是指在控制各影響因素后，黃河流域各地市的糧食生產生態效率將最終收斂至各自的穩態水平。本文將影響糧食生產生態效率的本體因素及利用特征納入模型中，選取了如下控制變量：（1）糧食產業集聚，糧食生產在該地區的集聚有利于形成生產協同和規模優勢，從而促進糧食生產生態效率的提升，采用區位熵方法進行測算。（2）農作物受災率，用受災面積與農作物總播種面積的比值表示［15］。（3）農地經營規模。農地的規模化經營能夠在農業生產中起到降低成本、提高效益、實現規模經濟的作用，選取人均農作物播種面積來表示農地經營規模。（4）財政支農水平。財政資金在完善農村基礎設施、提升糧食生產能力等方面發揮著重要作用，本文采用地方農林水務財政支出占GDP的比重來衡量。建立的檢驗公式如式（4）所示。

1.3研究區域界定與數據來源

黃河流域是指黃河水系從源頭到入海所影響的地理生態區域，本文的研究區域以自然黃河流域為基礎，考慮到研究地域單元的完整性、區域發展與黃河直接關聯性為原則［16］，借鑒相關學者的成果［1719］，將研究區域界定為黃河流經的九省（區），包括山東、河南、陜西、山西、內蒙古、寧夏、甘肅、四川、青海在內，且距黃河直線距離較近的共計72個地級市。黃河上中下游地區參照水利部黃河水利委員會的劃分，自河源至內蒙古呼和浩特托克托縣為上游地區，托克托縣至河南鄭州桃花峪為中游地區，河南鄭州桃花峪至入海口為下游地區，具體研究區域示意圖如圖1所示。

本文研究對象的數據來源于2006—2020年期間各省、各地市的統計年鑒（如《山西省統計年鑒》《太原市統計年鑒》）、《中國城市統計年鑒》以及國民經濟統計公報等，囿于部分地級市的統計年鑒尚未更新至最新年度，故本文數據的樣本區間為2006—2020年，缺失數據采用線性插值法補全。

2黃河流域糧食生產生態效率測算與時空演進

2.1黃河流域糧食生產生態效率測算與時序特征

根據前文構建的糧食生產生態效率指標體系，采用SBM-Undesirable模型測算了黃河流域各地市2006—2020年的糧食生產生態效率，測算結果如圖2所示。從圖2的均值折線圖可知，樣本期內黃河流域全樣本的效率均值在2006—2009年間逐年下降，由0.735 8下降至0.661 2，在2010—2020年間波動上升，由0.664 2上升至0.723 3，整體上黃河流域糧食生產生態效率呈現出了“先降后增”的時序特征。具體來看，黃河上游和下游地區的糧食生產生態效率值始終高于平均水平，黃河中游地區的效率值始終低于平均水平，三大流域的效率值均值分別為0.761 9、0.623 1和0.781 1，呈現出下游＞上游＞中游的長期穩定關系。黃河中游地區糧食生產生態效率較低，可能是由于黃河中游地區位于黃土高原，是水力侵蝕最為嚴重的區域，強烈的水土流失嚴重影響了耕地質量和糧食生產。其次，該地區生態問題突出［20］，化工污染和農業面源污染嚴重，加之治理水平相對落后，嚴重阻礙了該地區的糧食生產。因此，亟需加強黃河中游水土保持和環境治理，以保障其糧食生產生態效率的穩步提升。

2.2黃河流域糧食生產生態效率時序演進分析

本節使用Matlab2021a軟件繪制了黃河流域全樣本及各流域的糧食生產生態效率 Kernel密度估計圖（圖3），以刻畫其時序演進特征。

在樣本考察期間，黃河流域全樣本的糧食生產生態效率呈現出明顯的雙峰分布，且峰值較高，表明其存在顯著的兩極分化和空間非均衡特征。其次，左峰和右峰的波峰高度均有增高趨勢，波峰的寬度在逐漸收窄，說明黃河流域糧食生產生態效率低水平地區和高水平地區均朝向“俱樂部收斂”的態勢演進。此外，整個密度圖靠左分布，表明當前黃河流域各地市的糧食生產生態效率還處于較低水平，未來提升潛力較大。

分流域來看，黃河流域上游地區呈“一低一高”雙峰分布，右峰在各年份均高于左峰，表明黃河上游地區糧食生產生態效率高值區域數量多于低值地區，且右峰的波峰高度明顯上升，表明黃河流域上游地區糧食生產生態效率的高值區域分布逐漸密集。黃河流域中游地區呈“一高一低”雙峰分布，說明低值區域數量多于高值區域，右峰的波峰高度呈現出升高的趨勢，說明中游地區兩極分化特征在逐步形成。黃河流域下游地區的核密度估計表現為單峰形態，即呈現出單極化的趨勢，且波峰高度明顯上升，波峰寬度持續變窄，說明下游地區糧食生產生態效率的內部絕對差異在不斷縮小。

2.3黃河流域糧食生產生態效率空間特征分析

前文基于時序角度對黃河流域各地區糧食生產生態效率的演進狀況進行了考察，但隨著黃河流域區域分工協作機制的不斷完善，區域間資源流動性的不斷加強，地區間的聯系愈發緊密。因此，本節從空間視角采用全局Morans I指數對黃河流域糧食生產生態效率的空間相關性進行檢驗，其全局Morans I指數見表2。

由表2可知，無論是在空間鄰接矩陣還是地理距離矩陣下，考察期間內Morans I指數均大于0，說明黃河流域糧食生產生態效率存在顯著的正向空間相關性，即糧食生產生態效率較高的地區相互集聚，效率值較低的地區相互集聚。其次，通過Morans I指數和Z值，表明黃河流域糧食生產生態效率的空間集聚程度存在“先增強后減弱”的態勢。

為進一步反映黃河流域糧食生產生態效率的空間分布和演進特征，使用ArcGIS10.7軟件對2006年和2020年的黃河流域糧食生產生態效率進行空間可視化展示（圖4）。

由圖4可知，整體來看，黃河流域糧食生產生態效率的空間分異特征明顯，高水平集聚區主要分布在以河套灌區為中心的內蒙古各盟（市），以及甘肅南部、青海南部、河南東部和山東西部；而低水平集聚區則主要集中在黃河中游地區的汾渭平原附近。其次，黃河流域糧食生產生態效率的空間分布格局相對穩定，考察期間內的空間分布變化較小。

分流域來看，考察期內黃河上游高水平集聚區的連片集聚程度顯著提升，由“點狀分布”向“帶狀分布”演進；中游低水平區域的連片集聚程度有所減弱，靠近下游地區的部分地市效率值受空間溢出影響，因而得到一定程度的改善。但中游地區總體水平依然較低，未來仍是糧食生產生態效率提升的重點區域。

2.4黃河流域糧食生產生態效率的空間流動性分析

為探究黃河流域糧食生產生態效率空間演進的規律性特征，本文通過四分法將黃河流域各地市的糧食生產生態效率劃分為不同水平，即低水平、中低水平、中高水平和高水平，利用Matlab2021a軟件的傳統Markov鏈和空間Markov鏈考察黃河流域糧食生產生態效率分布的動態轉移特征。

由傳統Markov轉移概率矩陣（表3）可知，處于對角線上的轉移概率均高于非對角線的轉移概率，表明受前期糧食生產方式的路徑依賴影響，黃河流域各地市的糧食生產生態效率水平類型保持相對穩定。其中，低水平類型和高水平類型保持其初始狀態的概率最高，分別為80.31%和67.91%，說明黃河流域糧食生產生態效率的類型轉移存在“俱樂部趨同特征”與“馬太效應”。

此外，各類型發生跨越式轉移的概率均低于10%，即效率的提升是一個循序漸進的過程，短時間內具有較強的穩定性。

運用空間鄰接矩陣將鄰域水平類型考慮到黃河流域糧食生產生態效率轉移概率測算中，進一步構建空間Markov轉移矩陣，結果如表4所示。

空間Markov概率轉移矩陣除了具有與傳統Markov概率轉移矩陣的共性特征外，其所反映出的規律性特征還表現在：與水平類型高于自身的單位為鄰，其向上轉移的概率將增大，而與水平類型低于自身的單位為鄰，其向下轉移的概率也將增大，即糧食生產生態效率較低的地區對周圍具有負向溢出作用，而糧食生產生態效率較高的地區對周圍具有正向溢出效應。

因此，在政策制定時，應立足于黃河全流域的整體性，加強流域內糧食生產的系統性謀劃，完善黃河流域糧食生產的合理布局和區域協作機制。

3黃河流域糧食生產生態效率的收斂性分析

上文對黃河流域糧食生產生態效率的時空演進作出了分析，表明各流域間和流域內部呈現出一定的差異性，那么這種差異隨時間推移是否能夠自發縮小？低水平區域的增長速度是否存在追趕趨勢？為揭示黃河流域糧食生產生態效率的斂散特征，運用σ收斂、絕對β收斂和條件β收斂對黃河流域全樣本及上游、中游、下游地區糧食生產生態效率的收斂性進行檢驗。

3.1σ收斂檢驗

依據式（2）可計算出2006—2020年黃河流域全樣本及上中下游地區糧食生產生態效率的σ收斂值，結果如表5所示。

整體來看，2006—2020年間黃河流域糧食生產生態效率的σ值在0.3左右浮動，最大值為0.349 8，最小值為0.294 5，但σ收斂值并未隨著時間推移而遞減，因此黃河流域全樣本不存在σ收斂，即黃河流域各地市間糧食生產生態效率的差異并未顯著縮小。分流域來看，黃河上、中、下游各地區的σ收斂系數也均未隨時間呈縮小態勢，故黃河各流域亦不存在σ收斂。從黃河上、中、下游地區橫向對比來看，各區域的內部差距各有其特殊性，樣本期間內中游地區糧食生產生態效率的σ均值最大，為0.351 2，說明黃河中游各地市之間糧食生產生態效率的內部差異較大。樣本期間內下游地區的σ均值最小，為0.201 1，說明黃河下游各地市之間糧食生產生態效率的內部差異較小。

3.2絕對β收斂檢驗

為了更準確地把握黃河流域糧食生產生態效率的斂散狀況，并檢驗各地區糧食生產生態效率的增速之間是否存在追趕趨勢，本文通過Hausman檢驗選用固定效應模型，進一步對黃河流域全樣本及上中下游地區進行絕對β收斂檢驗，結果見表6所示。

黃河流域全樣本及上、中、下游地區糧食生產生態效率的收斂系數β值均在1%統計水平上顯著為負，均存在顯著的絕對β收斂。從各流域的收斂速度來看，黃河上游地區糧食生產生態效率的收斂速度最快，為0.805，黃河下游地區糧食生產生態效率的收斂速度最慢，為0.683。檢驗表明黃河流域各地市糧食生產生態效率的增長速度與其初始水平呈現出負相關，基本符合新古典經濟學的收斂理論，即低效率地區相較于高效率地區具有更快的增長速度，即低效率地區對高效率地區存在一定“追趕效應”。

3.3條件β收斂檢驗

與絕對β收斂相比，條件β收斂檢驗的是黃河流域不同地區在各自特定的生產條件和自然稟賦下，能否趨向于各自不同的穩態水平。鑒于此，本文依據式（4）檢驗了黃河流域全樣本及上中下游地區的糧食生產生態效率是否存在條件β收斂。表4顯示，在模型中引入糧食產業集聚、農作物受災率、農地經營規模和財政支農水平等控制變量后，黃河流域全樣本及上中下游地區糧食生產生態效率的收斂系數β均在１%統計水平上顯著負向，通過檢驗，這表明在黃河流域全樣本及上中下游地區范圍內均顯著存在條件β收斂，即各地區由于自身糧食生產條件與資源稟賦等方面存在的差異，呈現出了各自不同的穩態水平，隨著時間推移各地區將收斂于各自的穩態水平上。在考慮了諸控制變量的影響后，各地區的收斂速度也均有不同程度的變化，最為明顯的是黃河下游地區的收斂速度提高了16.8%，說明若忽略各地區的資源稟賦與生產條件的絕對β收斂模型會低估黃河下游地區糧食生產生態效率的收斂性。

4結論與建議

基于黃河流域72個地級市的面板數據，運用SBM-Undesirable模型測算了黃河流域糧食生產生態效率，并對其時空演進特征和收斂性作出分析。結果表明：從時序角度來看，考察期內黃河流域糧食生產生態效率在2006—2009年間逐漸下降，由0.735 8降至0.661 2，在2010—2020年間波動上升，由0.664 2升至0.723 3，呈現出了“先降后增”的時序特征，上、中、下游各地區的效率均值分別為0.761 9、0.623 1和0.781 1，呈現出“下游＞上游＞中游”的長期穩定關系，黃河中游地區糧食生產生態效率長期處于較低水平，未來仍存在較大的提升空間。Kernel密度估計表明，黃河流域糧食生產生態效率呈現出明顯的雙峰分布，存在兩極分化和空間非均衡特征。從空間視角看，黃河流域各地市糧食生產生態效率之間存在顯著的正向空間相關性，呈現出連片分布的特征，且效率值的演進呈現出維持原有狀態的穩定性，較難實現跨越式轉移，兩端類型保持穩定的概率最大，存在“俱樂部收斂”現象。收斂性方面，黃河流域全樣本及上中下游各地區均不存在σ收斂，但存在顯著的絕對β收斂和條件β收斂。基于研究結論，提出如下政策建議。

1） 統籌規劃黃河流域糧食生產。完善黃河流域糧食生產的頂層設計，各地區積極突破行政邊界外在約束，協同推進糧食生產合理布局和配套基礎設施建設。開展黃河中游地區水土保持工作和中低產田改造，提高中游地區糧食生產能力。

2） 加強黃河流域糧食生產區域協作。各地政府應著力破除糧食生產資源要素跨地區流動障礙，促進地區間土地、資金及機械等要素高效流動和合理集聚。推動形成黃河流域糧食生產增長極，通過糧食生產、流通、消費環節的統籌協作以充分帶動鄰近地區糧食生產生態效率的提升。

3） 推進黃河流域糧食生產綠色轉型。大力支持農業面源污染綜合治理示范縣、農業綠色發展先行區和規模化糧食綠色生產基地的建設，加快糧食綠色生產技術、深度節水控水技術的推廣應用，實現肥藥減量、產后減損，促進黃河流域糧食生產生態效率提升并形成區域示范效應。

參考文獻

［1］徐瑞璠， 劉文新. 黃河流域農業灰水足跡與經濟增長的關系研究——基于脫鉤及回彈效應［J/OL］. 中國農業資源與區劃： 1-13［2023-11-06］. https：//kns.cnki.net/kcms/detail//11.3513.S.20221207.1631.009.html.

［2］陳寶珍， 任金政. 糧食生產生態效率測算與改善路徑［J］.江蘇農業學報， 2019， 35（1）： 211-218.Chen Baozhen， Ren Jinzheng. Measurement and improvement of ecological efficiency in grain production ［J］. Jiangsu Journal of Agricultural Sciences， 2019， 35（1）： 211-218.

［3］魯慶堯， 王樹進， 孟祥海. 基于SBM模型的我國糧食生產生態效率測度與PS收斂檢驗［J］. 農村經濟， 2020（12）： 24-32.

［4］匡遠配， 張容. 農地流轉對糧食生產生態效率的影響［J］.中國人口·資源與環境， 2021， 31（4）： 172-180.Kuang Yuanpei， Zhang Rong. Effect of farmland transfer on the ecological efficiency of food production ［J］. China Population， Resources and Environment， 2021， 31（4）： 172-180.

［5］崔楊. 江西省糧食生產生態效率測算及影響因素分析［D］. 南昌： 江西財經大學， 2021.Cui Yang. Measurement of ecological efficiency of grain production on Jiangxi province and analysis of influencing factors ［D］. Nanchang： Jiangxi University of Finance and Economics， 2021.

［6］管美佳. 基于水足跡的中國糧食生產生態效率評價［D］. 咸陽： 西北農林科技大學， 2017.Guan Meijia. Evaluation of eco-efficiency of grain production in China based on water footprint ［D］. Xianyang： Northweat A & F University， 2017.

［7］侯孟陽. 城鎮化對糧食生產的影響效應及作用路徑研究［D］. 咸陽： 西北農林科技大學， 2021.Hou Mengyang. The impact of urbanization on grain production and its action path ［D］. Xianyang： Northweat A & F University， 2021.

［8］李雪. 吉林省糧食生產生態效率評價及影響因素研究［D］. 長春： 吉林農業大學， 2022.Li Xue. The evaluation of ecological efficiency of food production and the study of influencing factors in Jilin Province ［D］. Changchun： Jilin Agricultural University， 2022.

［9］任志安， 夏宇航. 基于SBM-DEA的淮河生態經濟帶糧食綠色生產效率評價及對策研究［J］. 價值工程， 2022， 41（29）： 36-40.Reng Zhian， Xia Yuhang. Evaluation of green production efficiency of grain in Huaihe erco-economic zone and countermeasures based on SBM-DEA ［J］. Value Engineering， 2022， 41（29）： 36-40.

［10］張利國， 鮑丙飛， 潘丹. 鄱陽湖生態經濟區糧食生產技術效率時空演變及環境協調性探究［J］. 經濟地理， 2016， 36（11）： 116-123.Zhang Liguo， Bao Bingfei， Pan Dan. Spatial-temporal evolution and environmental coordination of technical efficiency of grain production in Poyang Lake eco-economic zone ［J］. Economic Geography， 2016， 36（11）： 116-123.

［11］李思勉， 何蒲明. 我國糧食綠色生產效率及影響因素研究——基于糧食功能區的比較分析［J］. 生態經濟， 2020， 36（9）： 116-120.Li Simian， He Puming. Study on green production efficiency of grain and its influencing factors in China： A comparative analysis based on the grain functional area ［J］. Ecological Economy， 2020， 36（9）： 116-120.

［12］Tone K. Dealing with undesirable outputs in DEA： A Slacks-based Measure （SBM） approach ［J］. GRIPS Research Report Series， 2003.

［13］劉華軍， 郭立祥， 喬列成， 等. 中國物流業效率的時空格局及動態演進［J］. 數量經濟技術經濟研究， 2021， 38（5）： 57-74.Liu Huajun， Guo Lixiang， Qiao Liecheng， et al. Spatial-temporal pattern and dynamic evolution of logistics efficiency in China ［J］. The Journal of Quantitative & Technical Economics， 2021， 38（5）： 57-74.

［14］吳昊玥， 何宇， 黃瀚蛟， 等. 中國種植業碳補償率測算及空間收斂性［J］. 中國人口·資源與環境， 2021， 31（6）： 113-123.Wu Haoyue， He Yu， Huang Hanjiao， et al. Estimation and spatial convergence of carbon compensating rate of planting industry in China ［J］. China Population， Resources and Environment， 2021， 31（6）： 113-123.

［15］常新鋒， 張雨祥. 農旅融合對中國農業生態效率的作用機制與影響效應［J］. 農林經濟管理學報， 2022， 21（3）： 310-319.Chang Xinfeng， Zhang Yuxiang.Mechanism and effect of agriculture-tourism integration on agricultural eco-efficiency in China ［J］. Journal of Agro-Forestry Economics and Management， 2022， 21（3）： 310-319.

［16］李敏納， 蔡舒， 張慧蓉， 等. 要素稟賦與黃河流域經濟空間分異研究［J］. 經濟地理， 2011， 31（1）： 14-20.Li Minna， Cai Shu， Zhang Huirong， et al. Factor endowments and the eco spatial dissimilarity in the Yellow River valley ［J］. Economic Geography， 2011， 31（1）： 14-20.

［17］楊玉珍， 閆佳笑， 楊洋， 等. 黃河流域旅游生態效率時空演變及空間溢出效應——基于73個城市數據的分析［J］. 生態學報， 2022， 42（20）： 8202-8212.Yang Yuzhen， Yan Jiaxiao， Yang Yang， et al. The spatio-temporal evolution and spatial spillover effect of tourism eco-efficiency in the Yellow River Basin： Based on data from the 73 cities ［J］. Acta Ecologica Sinica， 2022， 42（20）： 8202-8212.

［18］穆學青， 郭向陽， 明慶忠， 等. 黃河流域旅游生態安全的動態演變特征及驅動因素［J］. 地理學報， 2022， 77（3）： 714-735.Mu Xueqing， Guo Xiangyang， Ming Qingzhong， et al. Dynamic evolution characteristics and driving factors of tourism ecological security in the Yellow River Basin ［J］. Acta Ecologica Sinica， 2022， 77（3）： 714-735.

［19］曾冰， 謝琦. 基于夜間燈光數據的黃河流域經濟發展空間特征與影響機制分析［J］. 中國沙漠， 2022， 42（3）： 41-50.Zeng Bing， Xie Qi. Spatial characteristics and impact mechanism of economic development indicated by night lighting data in the Yellow River Basin ［J］. Journal of Desert Research， 2022， 42（3）： 41-50.

［20］沙德春， 王茂林. 黃河流域高質量發展效率的演變及耦合協調水平［J］. 科技管理研究， 2022， 42（20）： 80-88.Sha Dechun， Wang Maolin. Evolution and coupling coordination level of high-quality development efficiency in the Yellow River Basin ［J］. Science and Technology Management Research， 2022， 42（20）： 80-88.