南京都市圈耕地利用效率的時空格局及動態演進

吳九興，章玙茜

（安徽師范大學地理與旅游學院，安徽 蕪湖 241002）

黨的十九大報告明確提出：“確保國家糧食安全，把中國人的飯碗牢牢端在自己手中。”耕地作為人類賴以生存和發展的基礎性資源，在確保國家糧食安全、促進經濟社會發展的過程中有著不可替代的作用。近年來，隨著我國城鎮化、工業化進程的快速推進，耕地面積急劇減少，耕地撂荒、拋荒、粗放低效利用等現象愈演愈烈[1]，嚴重影響國家糧食安全。同時，由于大量農藥、化肥、塑料薄膜等的不合理使用，土壤酸化、鹽堿化等耕地污染問題日益突出，制約著耕地生產力的發展。作為耕作、灌溉、農資施用、機械運作、秸稈處理等環節的載體[2]，耕地利用過程中排放的溫室氣體，已成為農業生產活動最主要的碳排放源。由此可見，耕地利用不僅關系著國家糧食安全，還關系著生態環境的改善以及“雙碳”目標的實現。在中國經濟轉型發展階段，資源環境約束作用不斷加強，對耕地資源高效利用提出更高要求。如何利用有限耕地資源、提高耕地產出[3]對實現社會經濟生態可持續發展至關重要。

國內關于耕地利用效率的研究主要從不同尺度、選用不同方法對耕地利用效率進行了測算，并對耕地利用效率的空間分異、時間演化特征、影響因素等進行了分析。現有研究多從投入與產出2 個維度進行指標選取，隨著研究的深入，有學者提出了將面源污染和碳排放[4～6]納入耕地利用非期望產出，探究耕地利用的生態效率[7，8]。葉浩等[9]、王良健等[10]采用隨機前沿生產函數[9，10]進行測度；梁流濤等[11]、楊朔等[12]、劉玉海等[13]采用數據包絡分析法[11～13]測算耕地利用效率，還有學者根據研究內容采用了DEA-Malmquist 模型[14]、超效率SBM 模型[3]等傳統DEA 的改進模型；結合空間自相關分析[15]、泰爾指數[16]、變異系數[17]、趨勢面分析[18]等方法進行時空格局探究；土地碎化[1，19]、農民分化[20]、農業機械總動力[12]、灌溉指數[21]、地區經濟發展水平[22，23]等是影響效率的驅動因素；研究區域主要涉及全國[9]、省域[15]、市域[24]、糧食主產區[25]和長江經濟帶[3]等。現有研究對耕地利用效率作了較好的理論與實踐探討，但沒有將耕地利用與經濟社會轉型結合起來，從社會經濟發展長時期轉型的角度來考察耕地利用的投入產出的動態變化過程；缺少基于國家發展戰略視角下特定都市圈耕地利用效率的研究；基于非期望產出的土地利用效率測算方面，多利用以損失效率前沿投影值的原始信息為代價的超效率SBM 模型[26]，導致測量結果有偏差。

南京都市圈作為我國第一個規劃建設的跨省都市圈，是長三角帶動中西部地區發展的重要傳導區域，在國家長江經濟帶發展戰略中具有重要地位，在地理上跨越我國重要的糧食產區，探討其耕地利用轉型的過程、特征和格局等具有必要性。基于此，探索南京都市圈耕地利用投入產出的效率，分析各地區的耕地利用投入產出效率的時空分異特征和動態演進，對區域土地利用轉型的調控政策或措施具有重要啟示作用。

1 材料與方法

1.1 數據來源

采用2000～2020 年《江蘇統計年鑒》 《安徽統計年鑒》 《江蘇農村統計年鑒》南京都市圈8 個地區的面源數據。

1.2 研究方法

1.2.1 投入產出指標體系構建 根據已有研究成果[4，7，11]，遵循數據的可獲取性研究，構建南京都市圈耕地利用投入產出指標體系（表1），投入指標包括土地、勞動力、技術和資本投入4 個方面，以農作物總播種面積、第一產業從業人員、有效灌溉面積、農業機械總動力、農用化肥施用量、農藥使用量和農用塑料薄膜使用量表征；產出指標包括期望產出和非期望產出2 個方面，期望產出以糧食總產量、農作物總產量和農業總產值表征；非期望產出以耕地利用過程中所產生的碳排放總量表征，包括機械化操作，施用化肥、農藥、使用農膜和進行灌溉過程中直接或間接產生的碳排放。碳排放量的計算公式[27，28]如下：

表1 南京都市圈耕地利用投入產出指標體系Table 1 Input-output index system of cultivated land utilization in Nanjing metropolitan area

式中，E為碳排放總量（t），Et為各種碳源排放量，Tt表示各碳排放源的原始量，εi為碳排放系數，農業機械總動力碳排放系數=0.18 kg/kW，翻耕碳排放系數=312.6 kg/km2，化肥碳排放系數=895.6 kg/t，農藥碳排放系數=4 934 kg/t，農膜碳排放系數=5 180 kg/t，灌溉碳排放系數=266.48 kg/hm2。

1.2.2 超效率EBM 模型構建 DEA 模型分為徑向（CCR、BCC）和非徑向（SBM）2 種，但均存在缺陷[29]。基于此，Kaour 等[30]提出了徑向與非徑向相結合的EBM模型，該模型兼容投入前沿值與實際值的徑向比例，以及投入差異化的非徑向松弛，能夠更準確地測算出考慮非期望產出的決策單元的效率[31]。為進一步區分有效決策單元的效率大小，將EBM 模型與超效率模型綜合為超效率EBM 模型。目前，該模型已被廣泛運用于生產效率、經濟效率、生態效率等測算中，但鮮有學者利用該模型研究耕地利用效率問題。因此，選用非導向型、規模報酬可變的超效率EBM 模型，測度南京都市圈各地級市的耕地利用效率，計算公式如下：

式中，γ*為綜合效率值；n為決策單元數；x和y分別表示投入和期望產出，為投入指標松弛量，為產出指標松弛量，λ 為決策單元的組合系數，為投入指標的權重，為產出指標權重。

1.2.3 標準差橢圓 標準差橢圓是以地理要素空間分布的重心為中心，以主軸、輔軸、方位角為基本參數，定量分析地理要素空間分布整體特征的空間統計方法[32]。計算公式如下：

其中，（xi，yi）為點坐標；wi為權重；（xw，yw）為加權中心，即重心；xi′、yi′為不同點要素平均中心的坐標偏差；?x、?y分別為沿著x、y軸的標準差；θ為正北方向旋轉到橢圓長軸的夾角。

1.2.4 核密度估計 核密度估計是當前分析地理事物特征差異變化較具代表性的統計方法。選用高斯核密度估計揭示南京都市圈耕地利用效率的動態分布，計算公式如下：

式中：F（x） 是核密度估計值；K（x） 是核函數，N是觀測值的個數，h為帶寬，Yi為觀測值，y為均值。

1.2.5 馬爾科夫鏈 馬爾科夫鏈通過構造狀態轉移矩陣，刻畫研究對象在樣本考察期內的動態演進過程。計算公式如下：

式中，Pij為t時刻i類型的區域在t+1 時刻轉移到j類型的概率，Zi為發生轉移的i類型區域的數量總和，Zij為i類型區域在t時刻轉移到j類形區域的數量總和。

依據四分位數規則，將8 個地區的耕地利用效率分為四類（表2）。

表2 馬爾可夫鏈分類Table 2 Markov chain classification

2 結果與分析

2.1 南京都市圈耕地利用效率測度分析

采用非導向性EBM 模型處理投入產出數據，得到南京都市圈耕地利用效率（圖1）、8 個地區耕地利用效率（圖2）。

圖1 2000～2020 年南京都市圈耕地利用綜合效率、純技術效率、規模效率Fig.1 Comprehensive efficiency，pure technical efficiency and scale efficiency of cultivated land utilization in Nanjing metropolitan area from 2000 to 2020

圖2 各地區耕地利用綜合效率、純技術效率、規模效率Fig.2 Comprehensive efficiency，pure technical efficiency and scale efficiency of cultivated land utilization in each region

2.1.1 綜合技術效率分析 2000～2020 年南京都市圈的耕地利用綜合效率均值波動變化，整體偏高，2000年達到峰值，且僅2000 年和2004 年的耕地利用綜合效率值＞1，說明南京都市圈耕地利用效率并未達到有效前沿面，距離效率前沿仍存在著一定的提升空間。

南京、鎮江、揚州、淮安和滁州的耕地利用綜合效率均值均＞1，其中南京的耕地利用綜合效率穩步提升且數值最高（1.066 7），說明南京在資源分配、管理方式等方面已經形成了有效提升耕地利用效率的發展方式；淮安和揚州的耕地利用綜合效率＞1，說明投入要素在利用的過程中是充分有效的，技術、規模以及資源配置等實現了最優。蕪湖、馬鞍山和宣城的耕地利用綜合效率均值未達到有效前沿面，且低于南京都市圈均值，其中宣城的耕地利用綜合技術效率為0.778，說明22.2%的投入是無效或低效的，需要提高耕地投入資源要素的配置能力。

2.1.2 純技術效率分析 2000～2020 年南京都市圈耕地利用純技術效率均值為1.092，處于較高的水平，除2013 年，其他年份的耕地利用純技術效率值均已達到有效前沿面，說明南京都市圈耕地利用重視農業生產技術的投入，生產管理水平較為先進。

南京、滁州、馬鞍山、淮安、揚州和鎮江的耕地利用純技術效率均值位于有效區間，且較為穩定，其中馬鞍山的耕地利用的純技術效率最高，均值為1.46；宣城的耕地利用純技術效率下降明顯，2020 年僅為0.786，說明21.4%的投入是低效或無效的，其資源投入存在冗余。

2.1.3 規模效率分析 2000～2020 年南京都市圈耕地利用的規模效率均值為0.89，未達到有效前沿面。

8 個地區的土地利用規模效率均未達到有效區間，其中揚州的均值最高，馬鞍山最低。蕪湖、揚州、馬鞍山和滁州的土地利用規模效率穩步提升，說明耕地利用規模與資源投入實現了良好的匹配，促進了耕地利用規模效率的提高；鎮江、淮安和宣城的土地利用規模效率不同程度的降低，鎮江的規模效率下降最為顯著，說明其經營管理模式逐漸落后，規模化集約經營程度較低，需要注重規模要素的投入。

2.1.4 規模報酬分析 淮安和滁州處于規模報酬遞減階段，說明這兩個地區需要通過技術進步、調整投入要素的數量和質量以提高耕地利用效率；其他地區處于規模報酬遞增階段，說明這些地區可以繼續發展規模化生產以提高耕地利用效率。

2.2 南京都市圈耕地利用效率時空格局

2000～2020 年南京都市圈耕地利用效率重心均在南京市的中部偏北，說明南京市的耕地利用效率高于周邊地區，移動軌跡整體呈現“西南—東北—西南”的階段性特征，南移趨勢較為明顯（圖3）；方位角θ從2000 年的10.55°擴大到2020 年14.69°（表3），說明耕地利用效率的空間分布呈現不斷向東北—西南方向加強的趨勢，分布于橢圓軸線東北部的地區耕地利用效率提升快于橢圓軸線西南部的地區；主半軸數值標準差從157.52 km 降低至146.57 km，說明南京都市圈耕地利用效率在“東北—西南”方向上極化現象加劇；輔半軸標準差從73.60 km 增加至2015 年的76.03 km，說明耕地利用效率該時間段在“西北—東南”方向上出現聚集，2020 年又降低至73.744 km，說明耕地利用效率在“西北—東南”方向分散。

圖3 2000～2020 年南京都市圈耕地利用效率標準差橢圓及重心轉移軌跡Fig.3 Standard deviation ellipse and center of gravity transfer trajectory of cultivated land use efficiency in Nanjing metropolitan area

表3 2000～2020 年南京都市圈耕地利用效率標準差橢圓相關參數Table 3 Parameters related to the ellipse of standard deviation of cultivated land use efficiency in Nanjing metropolitan area

2.3 南京都市圈耕地利用效率動態演進規律

2.3.1 核密度分布位置 曲線整體向左移動，說明南京都市圈的耕地利用效率總體呈下降趨勢；曲線先右移再左移，接著在小幅度右移后再次左移，可以看出耕地利用效率水平波動變化（圖4），這與測度結果也相符。

圖4 2000～2020 年南京都市圈耕地利用效率核密度估計Fig.4 Kernel density estimation of cultivated land utilization efficiency in Nanjing metropolitan area from 2000 to 2020

2.3.2 核密度分布形態 始終呈“兩峰”狀分布，說明南京都市圈耕地利用效率存在明顯的兩極分化（圖4）。主峰峰值波動明顯，呈現下降上升的交替趨勢，并且寬度逐漸變大；次峰高度較為平穩，寬度無明顯變化，說明南京都市圈耕地利用效率總體離散程度呈擴大趨勢，即絕對差異隨著時間的推移擴大。兩峰的差值與距離增加，說明各地區的耕地利用效率高值區域較多且分布集中，低值區域少且零散，未來應重點提高低值區域的耕地利用效率。

2.3.3 核密度分布延展 不同時期分布曲線均不存在明顯的拖尾現象，說明耕地利用效率水平較為集中。

2.4 南京都市圈耕地利用效率演進趨勢

（1）在轉移矩陣中，對角線上的轉移概率遠高于非對角線上的概率，表明耕地利用效率各狀態間的內部流動性比較小，各地區保持原有狀態的可能性大，尤其是低水平和高水平類型保持穩定的概率最強，分別為78%和82.9%。

（2）南京都市圈耕地利用效率水平整體呈下降趨勢。各地區的水平向上轉移的概率為55.28%，向下轉移的概率為55.53%。中水平、低水平向上轉移的概率為15.38%，而向下轉移的概率為20.51%，向下減少趨勢明顯。

（3）南京都市圈耕地利用效率轉移具有明顯的路徑依賴特征，短時期內難以實現跨越式的變動。緊臨近矩陣對角線的數值均不為零，說明大部分耕地利用效率轉變發生在鄰近類型之間，呈現循序漸進的特征。處于較低水平的地區一步轉移后，保持原有水平的概率為78.05%，向中低、中高、高水平轉移的概率分別為17.07%、4.88%和0；處于中低水平的地區一步轉移后，保持原有水平的概率為64.1%，向下、向上轉移的概率分別為20.51%和15.38%；處于中高水平的地區一步轉移后，保持原有水平的概率為64.1%，向下、向上轉移的概率分別為17.94%和17.95%；處于高水平的地區一步轉移后，保持原水平的概率為82.93%，向中低、中高、低水平轉移的概率分別為2.44%、14.63%和0（表4）。

表4 南京都市圈耕地利用效率馬爾可夫鏈Table 4 Markov chain of cultivated land utilization efficiency in Nanjing metropolitan area

3 主要結論與建議

3.1 主要結論

基于2000～2020 年南京都市圈8 個地區的耕地利用投入產出面板數據，采用超效率EBM、標準差橢圓、核密度估計函數和馬爾科夫鏈等方法對耕地利用效率進行了系統研究，得到以下主要結論：

（1）2000～2020 年南京都市圈的耕地利用效率總體偏高，但距離有效前沿面仍存在一定的提升空間。其中，南京的耕地利用綜合效率穩步提升且數值最高，說明南京在資源分配、管理方式等方面已經形成了有效提升耕地利用效率的發展方式；淮安和揚州的耕地利用綜合效率＞1，說明投入要素在利用的過程中是充分有效的，技術、規模以及資源配置等實現了最優；蕪湖、馬鞍山和宣城的耕地利用綜合效率均值未達到有效前沿面，且低于南京都市圈均值，需要提高耕地投入資源要素的配置能力。

（2）南京都市圈的耕地利用純技術效率處于較高水平，已達到效率有效區間。但規模效率較低，從未達到有效前沿面，成為制約南京都市圈耕地利用效率最主要的原因。

（3） 南京都市圈耕地利用效率分布呈現偏“東北—西南”格局，且具有向東北方向偏移趨勢。耕地利用效率重心集中于南京市并呈現“西南—東北—西南”方向的階段性轉移。標準差橢圓主軸方向極化加劇，輔軸方向趨于分散化。

（4）南京都市圈的耕地利用效率一直存在明顯的兩極分化，不同地級市之間耕地利用效率絕對差值隨著時間的推移擴大，應重點提高低值區域耕地利用效率。

（5）從長期看，南京都市圈內耕地利用效率呈現減少趨勢，且各狀態間的內部流動性較小，保持原有狀態的可能性較大。此外，耕地利用效率轉移表現出明顯的路徑依賴，短時期內難以實現跨越式的變動。

3.2 建議

3.2.1 因地制宜，因城施策 由于南京都市圈內各市的耕地資源稟賦、地區經濟發展水平，農業生產條件、科學技術水平等不同，導致耕地利用效率存在差異。因此，在改進耕地利用效率的過程中，應根據各區域耕地利用的實際狀況，制定針對性措施。對于規模效率較低且規模報酬遞增的地區，應該注重集約化規模化經營，優化耕地利用布局，充分發揮規模效益；對于純技術效率較低的地區，需要加大科技投入，科學合理配置各類資源要素的投入量以及分配比例，提高耕地利用水平。

3.2.2 加強地市間相互聯系，促進資源優化配置 南京都市圈耕地利用效率呈現下降趨勢，各地區在耕地利用中資源配置和投入產出存在差異。為促進整體耕地利用效率的提高，各區域之間應該相互合作交流，破除行政壁壘，推動勞動力、資本、農業生產技術等資源要素在各地區間流動，發揮高效率地區的輻射帶動作用，促進耕地利用區域協調發展。

3.2.3 控制碳排放，促進耕地的低碳利用 積極實施耕地利用中的固碳減排措施，提升耕地系統固碳減排能力，降低耕地利用的非期望產出，加快形成綠色低碳生產方式，發揮耕地利用在碳達峰、碳中和進程中的獨特意義。

3.2.4 加強農業科技創新力度 加大科技投入，促進生產要素變革，促進低效粗放的耕地利用方式向集約高效方向轉變，提升耕地利用現代化水平，真正“藏糧于地，藏糧于技”，提高耕地利用效率各狀態間的轉移效率，擺脫效率提升的路徑依賴。