環境約束下的陜西省城市建設用地利用效率及驅動因素

關鍵詞： 城市建設用地利用效率 環境約束 超效率SBM 模型 驅動因素

隨著全球范圍內城鎮化和工業化進程加快[1]，城市正面臨著巨大的挑戰。當前，全球超過50% 的人口居住在城市，預計2050 年全球人口將達到97 億人[2]，其中大約55%～78% 人口將居住在城市。伴隨而來的是，城市土地資源低效利用、建設用地向外蔓延式擴張以及耕地資源流失問題并存。自1978 年以來，我國城鎮化率由17.92% 上升至2020 年的63.89%，年均提高超過1.09%（數據來源于國家統計局官網，城鎮化率用人口城鎮化率表征）。建設用地作為重要的投入要素支撐了我國快速的城鎮化進程，其利用效率是反映地區建設用地資源配置合理程度、投入產出狀況、城鎮化質量的關鍵指標[3-4]。在此現實背景下，定量測度城市建設用地利用效率（Urban Construction Land Use Efficiency，UCLUE）及其驅動因素，進而尋求差異化的提升路徑將成為區域綠色可持續發展、實現新型城鎮化的關鍵舉措。

UCLUE 是指在現有的技術條件下，各種生產性要素的投入通過城市建設用地利用過程實現的經濟活動價值量，與其對生態環境產生的負面效應的比值[5]。UCLUE 是涉及土地科學、地理學、經濟學、管理學等學科的交叉性課題。現階段，研究內容主要涉及UCLUE基本理論、評價指標體系、測算方法、驅動機理和提升路徑等內容。在評價指標體系方面，現有研究已由反映建設用地利用經濟效益過程的單一性指標轉變至包含經濟、社會和生態效益的綜合性指標；測算方法主要包含數據包絡分析[6]、隨機前沿函數[7]、TOPSIS 模型[5]等。事實上，建設用地利用過程不僅會產生經濟效益還會衍生出工業污染物、二氧化碳等負向產出。因此，在定量評估UCLUE 時只有將建設用地利用過程中產生的非期望產出考慮在內，才能科學準確評估。超效率SBM 模型兼具超效率DEA 模型和SBM 模型優勢，能將環境約束等非期望產出納入模型，可以有效解決投入產出變量的松弛性問題。現有研究已涉及全國[8]、城市[9]等行政單元。目前，諸多學者選取Tobit 模型檢驗UCLUE 驅動機理時往往會忽視效率值應為截斷數據這一客觀要求，導致檢驗結果產生偏差[10-11]，灰色關聯度模型具有操作簡單、適用性廣的優勢，已被廣泛應用于探究UCLUE 驅動因素。

作為我國“一帶一路”建設的西部核心區域，隨著城市化進程的加快和經濟的快速發展，陜西省城市建設用地急劇擴張，由2004 年的541 km2增長至2018 年的1 285 km2；年均增長率超過6.37%；顯著高于全國同期城鎮人口增加速度4.19%（數據來源于國家統計局官網）。城市建設用地迅速擴張威脅著區域生態環境，陜西省城鎮廢水排放總量由2004 年的75 810 萬t 增長至2016 年的166 565.04 萬t；同期二氧化硫排放量由81.80 萬t 增長至25.02 萬t。在此資源環境約束趨緊的背景下，文章以陜西省10 個區市為研究對象，2000—2020 年為研究時點，將環境約束納入UCLUE 測度框架，采用超效率SBM 模型、核密度估計法和灰色關聯度模型系統分析其時空演化特征和驅動因素，以期為陜西省加快城市建設用地綠色利用，提升其利用效率進而實現綠色可持續發展提供參考依據。

1 研究方法與數據來源

1.1 研究方法

1.1.1 UCLUE 測算

Tone 在超效率SBM（Slack Based Measure）模型將非期望產出考慮在內，既解決了傳統DEA 模型未考慮松弛變量的問題又解決了決策單元間的排序問題[12]。因此，文章采用超效率SBM 模型測算環境約束下的UCLUE，其公式如下：

式（1）中，UCLUE 為各地級市城市建設用地利用效率，介于0～1 之間，n 為決策單元（Decision MakingUnit，DMU）數量，m、q1、q2分別為各地級市投入指標、期望產出指標和非期望產出指標的數量。xhk、yrk、yhkb分別為第k 個地級市中第i 個投入要素，第b 個期望產出和第t 個非期望產出；s- h、s+r 、sb -t 分別為投入要素、期望產出和非期望產出的松弛變量；λ l 為約束條件；h =12m; r = 12q1 ; t = 12q2 ; l = 12n（ j 1 k）。

參考經典的柯布—道格拉斯生產函數，將土地、勞動力和資本作為UCLUE 測度的投入要素，分別選取建設用地面積，以及第二產業、第三產業從業人員數和固定資產投資額度來表征；宋家鵬等人[13]的做法是選取城市用電量近似表征能源要素投入水平，以及選取年末城市道路面積表征交通要素投入狀況。選取綜合反映城市經濟發展水平的第二產業、第三產業增加值和城鎮居民人均可支配收入表征期望產出，陳明華等人[14]的研究將城市工業廢水作為重要非期望產出納入分析框架，同時引入工業煙塵排放量、工業二氧化硫排放量和一般工業固體廢棄物排放量以反映大氣污染狀況和固體廢棄物污染狀況。各項指標具體如表1 所示。

1.1.2 核密度估計法

核密度估計法已被廣泛用于分析某項地理事物的空間非均衡性，其基本思路是通過密度曲線的延展性、峰值及變動位置等特征來表示地理事物的分布形態和變化狀況[15]。假設隨機變量X 的密度函數為f （x），計算公式如下[16]：

1.2 數據來源

數據來源于EPS 數據庫中2001—2021 年的《中國城市統計年鑒》《中國城市建設統計年鑒》《陜西統計年鑒》。陜西省市級行政單元矢量數據來源于中國科學院資源環境數據中心。為消除價格影響，以2000 年為基期采用GDP 平減指數法對所有與經濟相關數據進行修正處理。

2 結果與分析

2.1 陜西省UCLUE 時空演化特征

2.1.1 時間演變分析

從全省來看，2000 年、2005 年、2010 年、2015 年、2020 年陜西省UCLUE 均值分別為1.128、1.063、1.197、1.200、1.199，呈現出波動上升的趨勢，其累計上升6.3%（見圖1），表明隨著城鎮化建設和社會經濟發展，陜西城市建設用地利用結構得以優化，建設用地利用效應得到相應提升。通過觀察圖1 的走勢可以發現，2000—2020 年陜西省UCLUE 均值均介于1.063～1.255之間，最大振幅為0.192，研究期內UCLUE 均值為1.156，其大體可劃分為2000—2006 年、2006—2008 年、2008—2016 年、2016—2020 年這4 個階段。2000—2006 年陜西UCLUE 緩慢上升，2008 年由于美國次貸危機引起的金融危機席卷全球，陜西經濟增速放緩，建設用地利用過程中能源、資金等要素投入不足，UCLUE緩慢下降；2008—2016 年陜西著力推進供給側結構性改革，深挖內需潛力，加快產業結構調整，建設用地投入產出狀態向好；2016—2020 年陜西加快推進生態文明建設，扎實落實“三去一降一補”任務，淘汰落后產業，UCLUE 呈緩慢下降趨勢。

從各設區市來看，研究期內商洛、西安、寶雞、咸陽、延安UCLUE 呈現出波動下降的趨勢，其中下降幅度最大的城市為寶雞，UCLUE 累計降低0.602；相反，銅川、渭南、漢中、安康、榆林UCLUE 呈現波動上升的趨勢，其中上升幅度最大的城市為安康，UCLUE 累計上漲0.793。 值得注意的是，榆林屬于典型的資源型城市，煤炭、石油、天然氣是其支柱產業，2012 年后，榆林響應國家“三去一降一補”政策要求加快能源產業轉型，大力發展煤炭資源清潔利用，延長煤炭產業鏈，做大做強工業園，UCLUE 得以提高[17]，這表明區域能源經濟轉型能促進UCLUE 提升。

2.1.2 空間格局演變

選取2000年、2005年、2010年、2015年以及2020年這5 個時間截面，采用自然斷點法將陜西各年份的UCLUE 分為高、中、低3 個等級，為增強結果的可對比性，取5 個年份中斷點的平均值作為統一的分級標準。由圖2 可知，研究期內陜西省UCLUE 呈現出地域不均衡性，2000 年處于UCLUE 高值區（gt;1.243）的市域有3個，分別為商洛、渭南和西安；2010 年處于UCLUE 高值區的市域有4 個，分別為榆林、延安、西安和商洛；2020年處于UCLUE 高值區的市域共有4 個，分別為榆林、西安、商洛和渭南（如表2 所示）。據此可見，西安、商洛、渭南和榆林始終處于UCLUE 高值區，前3 個城市形成原因關鍵在于關中平原城市群便捷的交通網絡、發達的現代科技、密集的勞動力資源；后者形成原因在于榆林礦產資源豐富、采礦業、煤炭加工業等第二產業發展水平較高。

2000—2005 年處于UCLUE 低值區（0～0.481）的市域有2 個，分別為銅川市和安康市；2010—2020 年處于UCLUE 低值區的市域縮減至1 個，為銅川市（見表2）。由此可見，銅川UCLUE 始終較低，研究期內其UCLUE介于0.148～0.327，均值為0.239，始終低于同時期陜西其他設區市。主要原因在于銅川大規模的建設用地開發利用活動帶動的第二產業、第三產業增加值較低，研究期內銅川年均第二產業、第三產業增加值為182.293億元，始終處于陜西末位，高投入、低產出的建設用地利用模式致使其UCLUE 偏低。

2.1.3 核密度估計

陜西UCLUE 存在顯著時序差異，為進一步準確分析其內部差異隨時間的變化特征，本文采用高斯正態分布函數對陜西各設區市2000 年、2005 年、2010 年、2015 年以及2020 年UCLUE 進行核密度估計，其結果具體如圖3 所示。

從核密度曲線的總體位置可見，2000—2020 年陜西UCLUE 核密度曲線整體上呈現出先向左再向右偏移的態勢且向右偏移態勢強于向左，表明研究期內陜西UCLUE 先減小后提升，總體上呈現出波動上升的趨勢。這一特征與上文的研究結果相一致。

從核密度曲線的形狀上看，2000—2020 年陜西UCLUE 核密度曲線大體上呈現出單波峰的狀態，僅在2010 年出現“高-低”兩個波峰且主峰值達到最高，區域差異開始加劇，且波峰高度呈現出先降低后增高再降低的整體態勢。這就表明陜西UCLUE 呈現出高值集聚的現象。從核密度曲線的延展性來看，2000—2020 年陜西UCLUE 核密度曲線延展狀態先收縮再擴大，表明陜西UCLUE 差異先縮小再擴大。

2.2 陜西省UCLUE 驅動因素分析

2.2.1 分析模型

灰色關聯分析是一種建立在灰色系統理論上，根據評價要素間的幾何接近程度來確定其關聯程度的方法[8]，其具有對樣本數量要求低、計算簡便等特點。因此，該文采用灰色關聯度模型判定UCLUE 的驅動因素，計算步驟如下[18]。

2.2.2 驅動因素選取

結合陜西省社會經濟發展特點和數據的可獲取性，參考相關研究成果[19-20]，文章重點考察經濟發展水平、城市環境治理水平、產業結構狀況、經濟外向度、科技教育投入和人口密度6 項因素對UCLUE 的驅動機理、各要素對UCLUE 作用的機制分析如下：（1）經濟發展一方面會利于發揮規模集聚效應，影響著城市建設用地利用過程中生產要素的投入強度，另一方面經濟發展水平提升將會倒逼城市建設用地利用集約化和綠色化；（2）城市環境治理水平與城市建設用地利用過程中的非期望產出排放狀況緊密相聯，林江彪等人[12]的研究，選取工業固體廢棄物綜合利用率予以表征；（3）產業結構調整與優化升級可顯著促進清潔化產業發展，降低城市建設用地利用過程的負外部性產出，提升UCLUE[21]；（4）經濟外向度反映區域經濟與外界的緊密程度，一方面，外來企業會帶來先進的生產工藝，降低區域資源消耗與環境污染；另一方面，部分外資企業會因當地寬松的環境政策將投資地作為污染避難所，從而加劇了區域建設用地利用過程中的污染排放，不利于提升UCLUE；（5）科技教育投入顯著反映著區域科技教育發展水平，新的生產工藝、技術流程和高素質勞動力有利于提升UCLUE；（6）人口密度一方面表征著城市建設用地利用過程中人口要素的投入水平，另一方面人口規模過大會加劇人地關系矛盾，增加環境污染排放，不利于提升UCLUE。各項驅動因素的描述及說明具體如表3 所示。

2.2.3 驅動因素分析

分別以2000 年、2010 年和2020 年陜西各設區市UCLUE 作為參照數列；選取上述6 項驅動因素為比較數列。根據式（3）、式（4）計算各驅動因素與UCLUE 的關聯度。參考以往研究[8]，將灰色關聯度按照強弱劃分為3 類：強關聯度（0.75，1）、中關聯度（0.35，0.75）、弱關聯度（0，0.35）。

計算結果顯示：2000 年、2010 年和2020 年陜西各設區市UCLUE 與各驅動因素間的灰色關聯度均在0.75 以上，這進一步證明了上文初步預判的合理性。然而，在不同時期，各驅動因素對UCLUE 的影響處于不斷變化之中。2000 年，這6 個因素對UCLUE 作用大小：產業結構狀況gt;人口密度gt;經濟發展水平gt;科技教育投入gt;城市環境治理水平gt;經濟外向度。2010 年，6個因素對UCLUE 的作用大小：經濟發展水平gt;產業結構狀況gt;城市環境治理水平gt;人口密度gt;科技教育投入gt;經濟外向度。2020 年，6 個因素對UCLUE 的作用大小：產業結構狀況gt;城市環境治理水平gt;經濟發展水平gt;人口密度gt;科技教育投入gt;經濟外向度。可以發現，各因子在不同時期對UCLUE 的作用程度差異較大。經濟發展水平和產業結構狀況對陜西UCLUE 的影響始終處于前3 名；然而，經濟外向度對陜西UCLUE 的影響始終處于末位。下文將進一步單獨分析各因素對UCLUE 的驅動機制。

（1）經濟發展水平。經濟發展水平是影響UCLUE的關鍵因素，陜西人均GDP 由2000 年的4 968 元增長至2020 年的66 292 元，城市經濟發展加快利于人口、信息、資本等生產要素快速集聚，促使城市規模擴大，從而提高了城市建設用地利用水平。研究期內，經濟發展水平的灰色關聯度系數由2000 年的0.844 增至2020 年的0.895，表明經濟發展水平對UCLUE 的影響程度在增強。

（2）城市環境治理水平。城市環境治理水平的灰色關聯度從2000 年的0.815 增加到2020 年的0.911，這表明其對UCLUE 的影響在增強。一般來講，城市環境治理水平越高，在建設用地利用過程中環境污染排放越少，其利用效率將會越高。

（3）產業結構狀況。在研究期內，產業結構對UCLUE 的灰色關聯度始終高于0.87，關聯等級強。2000 年和2020 年陜西三大產業結構比例分別為14.3∶43.4∶42.3 和8.7∶43.4∶47.9，第三產業占比增加了5.6 個百分點，產業結構升級表明城市建設用地利用過程由高污染高能耗產業向資源節約型產業轉變，從而有效提升UCLUE。

（4）經濟外向度。在研究期內，經濟外向度對UCLUE 的灰色關聯度始終處于各驅動因素的末位。2020 年陜西利用外資金額高達884 315 萬美元，比上年增加9.2%，外資可為建設用地利用過程中提供充足的資金投入，在一定程度有利于提升UCLUE。

（5）科技教育投入。研究期內，科技教育投入對UCLUE的灰色關聯度始終高于0.83。2020年陜西科技教育支出為1 055.03 億元，占全年財政支出的17.74%。科技研發投入能有效推動區域產業結構調整，轉變城市建設用地利用開發方式，促進UCLUE提高。

（6）人口密度。研究期內，人口密度對UCLUE 的灰色關聯度始終高于0.86. 人口密度越高能為城市建設用地利用提供充足的勞動力資源，從而促進UCLUE提升。人口密度的灰色關聯度系數由2000 年0.867 增至2020 年的0.893，表明勞動力資源對于UCLUE 提升作用日趨顯著。

3 結論與討論

3.1 結論

文章借助非期望產出的SBM 模型測度了環境約束下2000—2020 年陜西省UCLUE，并利用核密度估計法、灰色關聯度模型研究了其時空演變特征和驅動因素。主要研究結論如下。

（1）2000—2020 年陜西UCLUE 均值介于1.063～1.255 之間，累計上升6.3%，呈現出波動上升的趨勢。

城市建設用地利用效率地區差異顯著，西安、商洛、渭南和榆林始終處于UCLUE 高值區；銅川始終處于UCLUE 低值區，研究期內其均值為0.239，始終低于同時期陜西其他設區市。

（2）2000—2020 年陜西UCLUE 核密度曲線大體上呈現出單波峰的狀態，且波峰高度呈現出先降低后增高再降低的整體態勢。這表明陜西UCLUE 呈現出高值集聚的現象。從核密度曲線的延展性來看，2000—2020 年陜西UCLUE 核密度曲線延展狀態先收縮再擴大，表明陜西UCLUE 差異先縮小再擴大。

（3）陜西UCLUE 受到經濟發展水平、城市環境治理水平、產業結構狀況、經濟外向度、科技教育投入以及人口密度因素的影響，且不同時期各驅動因素的作用大小存在差異，其中經濟發展水平、產業結構狀況是最重要的驅動因素。

3.2 討論

考慮到數據的可獲取性和可操作性，文章仍存在一些不足之處，未來應借助遙感技術、智能感知設備等方式進一步完善UCLUE 評價指標體系，另外，文章雖在宏觀上探討了UCLUE 驅動因素，但各驅動因素間的作用機理有待進一步研究。

在高質量發展背景下，各地級市應充分考慮自身發展定位和資源稟賦現狀著力提升UCLUE。參考陜西省“十四五”規劃，具體可從以下幾方面入手：（1）推動企業加大研發投入，鼓勵和支持發明創新，發揮技術創新因素對于UCLUE 的助推作用；（2）對于榆林、延安能源富集區，要提升能源產業高端化水平，推動煤油氣高效集約綠色開發，減少能源產業建設用地利用中的非期望產出；（3）積極推動關中平原城市群高質量發展，增強城市吸引力，強化其輻射帶動作用，吸納資本、勞動力、技術等要素匯入，進而提升UCLUE。