基于夜間燈光數(shù)據(jù)的長江經(jīng)濟(jì)帶城市土地綠色利用效率及影響因素研究

關(guān)鍵詞：土地利用效率；夜間燈光數(shù)據(jù)；綠色低碳；SBM 模型；影響因素；長江經(jīng)濟(jì)帶

中圖分類號：F293.2 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-1329（2024）04-0043-10

改革開放以來，中國城市化進(jìn)程不斷加快，截至2020 年，城鎮(zhèn)化率已達(dá)到63.9％，建設(shè)用地面積58 355.3km²[1]。然而，在城市化快速發(fā)展的地區(qū)，由于社會經(jīng)濟(jì)的發(fā)展需要消耗大量資源并排放大量污染物，城市土地的利用成為二氧化碳排放的主要來源[2]。作為世界上最大的碳排放國[3]，中國二氧化碳排放力爭于2030 年前達(dá)到峰值，努力爭取2060 年前實(shí)現(xiàn)碳中和[4]。中國要實(shí)現(xiàn)“雙碳”目標(biāo)，如何加快推動城市土地利用綠色轉(zhuǎn)型、全面提高城市土地資源利用效率是關(guān)鍵所在。因此，研究如何在低碳發(fā)展背景下提高城市土地綠色利用效率具有重要的現(xiàn)實(shí)意義[5]。

參考王德起等[6] 對土地綠色利用的定義，本文將城市土地綠色利用效率（ULGUE） 定義為以可持續(xù)發(fā)展為目標(biāo)，在保證城市生態(tài)得以穩(wěn)定及改善的前提下，對城市土地進(jìn)行一定投入的開發(fā)利用時所產(chǎn)生的價(jià)值和效益。學(xué)者們對城市土地綠色利用效率的研究按內(nèi)容主要可分為三類：第一類是關(guān)于考慮環(huán)境限制、不同發(fā)展理念和背景下[6] 城市土地綠色利用效率的測度，研究方法主要選擇數(shù)據(jù)包絡(luò)分析（DEA）和熵值法，研究范圍包括全國[7]、各大城市群[8-9]、部分省份[10]。第二類是對城市土地綠色利用效率的時空演變規(guī)律進(jìn)行刻畫和分析。例如：盧新海[11]。等使用非參數(shù)核密度估計(jì)模型研究發(fā)現(xiàn)城市土地綠色利用效率在時序上存在分化現(xiàn)象；丁一[12]。通過空間自相關(guān)模型發(fā)現(xiàn)黃河流域資源型城市之間城市土地綠色利用效率空間關(guān)聯(lián)性不強(qiáng)，集聚特征不明顯；趙丹丹[13] 則認(rèn)為中部六省在整體上表現(xiàn)出顯著的空間正相關(guān)關(guān)系。第三類是城市土地綠色利用效率的影響因素分析，包括經(jīng)濟(jì)發(fā)展水平[12]、科技創(chuàng)新[14]、城鎮(zhèn)化率[13]、產(chǎn)業(yè)結(jié)構(gòu)高級化[15] 等，研究方法以GTWR模型[16]、Tobit 模型[17]、地理探測器模型[13] 為主。上述成果豐富了城市土地綠色利用效率的內(nèi)涵，并對不同研究尺度下城市土地綠色利用效率的提升提供了建議和指導(dǎo)，但仍存在有待補(bǔ)充的空間：學(xué)者們通常將城市土地利用所產(chǎn)生的三廢污染物排放等作為非期望產(chǎn)出[7]，然而低碳發(fā)展背景下的城市土地利用強(qiáng)調(diào)低污染、低碳排，在效率測算中還需考慮城市土地利用過程中的碳排放才能夠更加準(zhǔn)確地表達(dá)城市土地綠色利用的真實(shí)水平；在影響因素的選取上，大多以GDP 總值或者人均GDP 表征一個地方的經(jīng)濟(jì)發(fā)展水平，但傳統(tǒng)的地區(qū)GDP 或人均GDP 等統(tǒng)計(jì)數(shù)據(jù)被許多學(xué)者證實(shí)難以客觀地表達(dá)一個地方的經(jīng)濟(jì)水平[18]。

長江經(jīng)濟(jì)帶作為國家經(jīng)濟(jì)的重要發(fā)展軸，在流域生態(tài)文明建設(shè)與綠色低碳發(fā)展中發(fā)揮著示范引領(lǐng)作用[19]。然而，在城市化快速發(fā)展的同時，城市的盲目擴(kuò)張和土地粗放利用加劇了人類社會和生態(tài)環(huán)境之間的矛盾。已有研究表明，長江經(jīng)濟(jì)帶各城市土地利用效率近些年呈上升趨勢，但整體水平依然低下，存在明顯的地域差異性[20]，城市GDP總值增速加快，土地綠色利用水平上升動力卻不足。鑒于此，本文以長江經(jīng)濟(jì)帶108個地級市為研究區(qū)，基于2006—2021年統(tǒng)計(jì)面板數(shù)據(jù)和各市碳排信息測算城市土地綠色利用效率，并分析其時空演變規(guī)律。結(jié)合2006—2012年DMSP-OLS數(shù)據(jù)和2013—2021年NPP/VIIRS 夜間燈光數(shù)據(jù)構(gòu)建城市土地綠色利用效率影響因素指標(biāo)體系，科學(xué)地表達(dá)低碳背景下城市經(jīng)濟(jì)發(fā)展水平在城市土地綠色利用中的作用，并運(yùn)用空間杜賓模型識別各影響因素，以期為城市土地資源高效利用及流域綠色低碳發(fā)展提供科學(xué)支撐。

1研究區(qū)及數(shù)據(jù)來源

1.1研究區(qū)概況

橫亙中國東中西部的長江經(jīng)濟(jì)帶涵蓋了包括上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、貴州、云南在內(nèi)的十一個省級行政區(qū)域（含自治區(qū)與直轄市），形成了一個緊密協(xié)作的經(jīng)濟(jì)共同體。至2021年底，該經(jīng)濟(jì)區(qū)域所創(chuàng)造的地區(qū)生產(chǎn)總值高達(dá)487012.83億元人民幣，占據(jù)了全國經(jīng)濟(jì)總量的大約42.6%[21]。然而，在經(jīng)濟(jì)快速發(fā)展的背后，高消耗、高污染、高碳排、偏重?cái)?shù)量擴(kuò)張的土地利用模式難以為繼，城市土地綠色利用效率增長動力不足，城市生態(tài)面臨著巨大的壓力。長江經(jīng)濟(jì)帶不僅是中國經(jīng)濟(jì)發(fā)展的重要支撐，還是生態(tài)文明建設(shè)的核心戰(zhàn)略要地[22]，在推動中國社會經(jīng)濟(jì)發(fā)展綠色轉(zhuǎn)型中具有重要作用。在這一現(xiàn)實(shí)背景下，實(shí)現(xiàn)長江經(jīng)濟(jì)帶的綠色低碳發(fā)展是中國完成“雙碳”目標(biāo)，建設(shè)生態(tài)強(qiáng)國的重要突破口。由于自治州與省直轄縣統(tǒng)計(jì)口徑不一，為保證數(shù)據(jù)的連續(xù)性，剔除長江經(jīng)濟(jì)帶自治州與省直轄縣，空值區(qū)域?yàn)樘蕹淖灾沃莺褪≈陛牽h，保留長江經(jīng)濟(jì)帶108個地級市作為研究區(qū)（圖1）。

1.2數(shù)據(jù)來源及預(yù)處理

社會經(jīng)濟(jì)數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒》、《中國城鄉(xiāng)建設(shè)統(tǒng)計(jì)年鑒》以及2007—2022年各省市統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào)，計(jì)算城市碳排放的能源數(shù)據(jù)來源于《中國能源統(tǒng)計(jì)年鑒》，并通過IPCC碳排放系數(shù)測算碳排放，地理空間數(shù)據(jù)來源于國家基礎(chǔ)地理數(shù)據(jù)庫，主要數(shù)據(jù)來源如表1 所示。夜間燈光數(shù)據(jù)選取2006—2012年DMSP-OLS數(shù)據(jù)和2013—2021年NPP/VIIRS數(shù)據(jù)， 采用中國國家基礎(chǔ)地理信息中心提供的1：400萬省級行政區(qū)劃矢量圖進(jìn)行邊界裁剪，并將兩種夜間燈光數(shù)據(jù)均進(jìn)行投影轉(zhuǎn)換和像元重采樣，同時將影像數(shù)據(jù)空間重采樣為1km像元，對DMSP/OLS夜間燈光數(shù)據(jù)進(jìn)行相互校正、連續(xù)校正、飽和校正，對NPP/VIIRS影像數(shù)據(jù)進(jìn)行年度數(shù)據(jù)合成、重采樣、去負(fù)值，最終得到與DMSP/OLS基本可比的2013—2021年穩(wěn)定NPP/VIIRS年度數(shù)據(jù)。圖2 給出了經(jīng)預(yù)處理后的2006年和2021年長江經(jīng)濟(jì)帶整體燈光亮度分布。

2研究方法

2.1SBM-Undesirable模型

傳統(tǒng)的徑向DEA模型在效率評估中傾向于同步調(diào)整輸入指標(biāo)的縮減或輸出指標(biāo)的擴(kuò)張，缺乏針對具體無效率指標(biāo)的精細(xì)化調(diào)控，這往往造成評估結(jié)果的偏差[6]。為克服此局限，Tone引入了基于松弛變量的非徑向、非參數(shù)SBM（Slacks-Based Measure）模型[23]，此模型創(chuàng)新性地允許投入與產(chǎn)出變量按各自不同的比例變動，并通過計(jì)算這些變動的平均改進(jìn)率來衡量效率，從而更有效地反映資源節(jié)約、污染減排與經(jīng)濟(jì)增長等多重目標(biāo)并進(jìn)的實(shí)現(xiàn)程度，深刻契合綠色生產(chǎn)的核心理念。本研究依托Matlab 2021a 軟件平臺，對2006年至2021年間長江經(jīng)濟(jì)帶內(nèi)各地級市的城市土地綠色利用效率進(jìn)行了量化評估。公式如下：

2.3空間杜賓模型

相較于空間誤差模型（ Spatial Lag Model，SLM） 和空間滯后模型（ Spatial Error Model，SEM） ，空間杜賓模型（Spatial Durbin Model，SDM） 同時包含自變量和因變量的空間依賴效應(yīng)[26]，考察評價(jià)結(jié)果的關(guān)聯(lián)特征，并考慮了自變量和因變量的空間滯后之間的相關(guān)性[27]。因此，本文借助空間杜賓模型，利用Stata18軟件對長江經(jīng)濟(jì)帶各城市的社會經(jīng)濟(jì)要素對ULGUE 產(chǎn)生的影響及空間溢出效應(yīng)進(jìn)行測度。模型方程如下：

2.4指標(biāo)體系構(gòu)建

2.4.1 ULGUE測度指標(biāo)

基于梁流濤[28] 等學(xué)者對土地綠色利用內(nèi)涵的闡釋，本文構(gòu)建了以土地、資本及勞動力為核心的投入指標(biāo)體系，期望產(chǎn)出聚焦于經(jīng)濟(jì)效益、社會效益與生態(tài)效益，非期望產(chǎn)出則聚焦于工業(yè)污染排放與城市土地利用過程中產(chǎn)生的碳排放。從投入維度審視，城市建成區(qū)作為城市內(nèi)部生產(chǎn)建設(shè)與功能實(shí)現(xiàn)的基礎(chǔ)載體，其規(guī)模變化直接關(guān)聯(lián)著城市系統(tǒng)整體效能的演變，進(jìn)而對土地綠色利用的效率產(chǎn)生深遠(yuǎn)影響。因此，本文采用建成區(qū)面積作為土地投入的具體量化指標(biāo)。鑒于勞動力與資本等生產(chǎn)要素的高效配置對于提升地區(qū)經(jīng)濟(jì)效能與競爭力的重要性已被廣泛認(rèn)可[7]，且考慮到城市經(jīng)濟(jì)活動主要集中于第二產(chǎn)業(yè)、第三產(chǎn)業(yè)，本文選取第二產(chǎn)業(yè)、第三產(chǎn)業(yè)從業(yè)人員數(shù)量作為衡量勞動力投入的指標(biāo)。同時，為全面反映資本投入對經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化、生產(chǎn)力布局調(diào)整及生態(tài)環(huán)境改善的綜合作用，本文將全社會固定資產(chǎn)投資總額作為衡量資本投入的指標(biāo)。第二產(chǎn)業(yè)、第三產(chǎn)業(yè)產(chǎn)值可以很好的反映一個城市經(jīng)濟(jì)的發(fā)展水平，因此以城市第二產(chǎn)業(yè)、第三產(chǎn)業(yè)產(chǎn)值衡量經(jīng)濟(jì)效益。城鎮(zhèn)職工平均工資直接反映一個城市居民的生活水平，因此以城鎮(zhèn)職工平均工資作為衡量社會效益的重要標(biāo)準(zhǔn)。一個城市的公園和綠地覆蓋面積可以展現(xiàn)其綠色發(fā)展水平和環(huán)境效益高低，因此以建成區(qū)綠化覆蓋率作為衡量生態(tài)效益的指標(biāo)。非期望產(chǎn)出由工業(yè)污染物和城市土地利用碳排放構(gòu)成。以往的研究一般將工業(yè)廢水、煙塵、二氧化硫排放作為非期望產(chǎn)出，但在dmu 數(shù)量一定的情況下，DEA 模型輸出指標(biāo)過多會影響結(jié)果的準(zhǔn)確性[29]，因此本文采用熵值法將“三廢”綜合成一個污染指數(shù)指標(biāo)。此外，本文的城市土地利用碳排放數(shù)據(jù)參考吳建新[30] 等人的研究，根據(jù)《2006 年 IPCC 國家溫室氣體清單指南》和《省級溫室氣體清單編制指南（試行）》計(jì)算得來。各項(xiàng)指標(biāo)及詳細(xì)解釋見表2。

2.4.2影響因素選取

結(jié)合長江經(jīng)濟(jì)帶中城市特點(diǎn)，選取六個相關(guān)因素分析其對城市土地綠色利用效率的影響。首先，人口密度更高的城市勞動力社會經(jīng)濟(jì)會更加繁榮，但過高的人口密度可能會導(dǎo)致城市環(huán)境被破壞，同時也會給城市運(yùn)轉(zhuǎn)帶來負(fù)擔(dān)[31]，本文使用市轄區(qū)年末人口除以行政區(qū)面積測量人口密度。當(dāng)?shù)卣墓藏?cái)政支出越高，政府調(diào)動資源進(jìn)行利用的能力就越強(qiáng)，但同時也可能導(dǎo)致市場資源缺乏流動，因此將公共財(cái)政支出除以國內(nèi)生產(chǎn)總值來衡量政府的支出強(qiáng)度[32]。便利的交通是一個城市實(shí)現(xiàn)資源高效流動的必要條件，人均道路面積可以反映一個城市的基礎(chǔ)設(shè)施發(fā)展水平和交通條件[33]。工業(yè)固體廢物綜合利用能夠限制工業(yè)生產(chǎn)對環(huán)境的破壞，推動城市工業(yè)進(jìn)行生態(tài)友好轉(zhuǎn)型。傳統(tǒng)的地區(qū)GDP或人均GDP等統(tǒng)計(jì)數(shù)據(jù)存在一定的采集和計(jì)算誤差[34]，且難以傳遞人口分布和經(jīng)濟(jì)活動的空間信息，甚至?xí)驗(yàn)椴糠终非蠼?jīng)濟(jì)增長成績而被人為高估[35]。相較于傳統(tǒng)GDP數(shù)據(jù)這些缺點(diǎn)，夜間燈光真實(shí)客觀地記錄了日常經(jīng)濟(jì)活動和能源消耗，能反映傳統(tǒng)的GDP數(shù)據(jù)難以傳遞的一些信息，譬如未得到準(zhǔn)確記錄的非正規(guī)經(jīng)濟(jì)， 或者經(jīng)濟(jì)活動和城市化區(qū)域的空間分布，諸多研究均證明了燈光數(shù)據(jù)是經(jīng)濟(jì)活動與經(jīng)濟(jì)增長的客觀記錄[36]。因此，本文選取夜間燈光均值表征地區(qū)經(jīng)濟(jì)發(fā)展水平。此外，房地產(chǎn)開發(fā)可以促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展，為政府提供資金，也可能造成城市低效擴(kuò)張。因此，選取房地產(chǎn)開發(fā)投資完成額代表開發(fā)強(qiáng)度。具體影響因素指標(biāo)如表3所示。

3結(jié)果分析

3.1ULGUE時空演變特征分析

本文利用Matlab2021a軟件使用考慮非期望產(chǎn)出的SBM模型測算2006—2021年長江經(jīng)濟(jì)帶108 個地級市的城市土地綠色利用效率，并采用自然斷點(diǎn)法將其中五年數(shù)據(jù)從高到低為4 類，進(jìn)而分析長江經(jīng)濟(jì)帶城市土地綠色利用效率的時空格局特征。

綜合來看，長江經(jīng)濟(jì)帶整體ULGUE 均值從2006年的0.8951降低至2021年的0.8602，雖然有小幅度的下降，整體均值基本保持在同一水平線。就局部地區(qū)而言，長江經(jīng)濟(jì)帶下游地區(qū)ULGUE普遍偏高，2011年后部分城市ULGUE由高值向低值退化；中游地區(qū)ULGUE在2011年以后低值出現(xiàn)頻率增加，且ULGUE低值城市效率增速緩慢，上升動力不足；上游地區(qū)ULGUE高值城市較為穩(wěn)定，且呈現(xiàn)增長趨勢，不同地區(qū)效率差異明顯，呈現(xiàn)兩極化趨勢。其原因主要有兩方面：第一，自我們國家強(qiáng)調(diào)以經(jīng)濟(jì)建設(shè)為中心以來，長江經(jīng)濟(jì)帶城市在經(jīng)濟(jì)高速增長的同時，城市土地利用模式依然較為粗放，環(huán)境污染、生態(tài)退化等問題依然沒有得到解決，許多城市通過低效開發(fā)土地資源的模式獲得了短期的經(jīng)濟(jì)增長，當(dāng)被粗放利用的土地難以維持經(jīng)濟(jì)的進(jìn)一步增長時，城市土地綠色利用效率就會面臨降低的風(fēng)險(xiǎn)。第二，土地綠色利用效率與土地資源的經(jīng)濟(jì)產(chǎn)出有較大關(guān)聯(lián)[12]，效率低值的城市大多經(jīng)濟(jì)水平較差，開發(fā)的土地難以節(jié)約集約利用，政府也會更加傾向于在經(jīng)濟(jì)發(fā)展上取得成績而忽略環(huán)境的治理；效率高值的城市主要包括省會和經(jīng)濟(jì)發(fā)達(dá)地區(qū)，這些城市大都完成了產(chǎn)業(yè)轉(zhuǎn)型，并且政府更加注重生態(tài)環(huán)境保護(hù)。

3.2ULGUE 空間關(guān)聯(lián)特征分析

運(yùn)用全局自相關(guān)模型探究長江經(jīng)濟(jì)帶城市土地綠色利用效率空間分布特征，測算2006—2021年長江經(jīng)濟(jì)帶城市土地綠色利用效率的全局莫蘭指數(shù)（表4）。表中Moran’sI 代表莫蘭指數(shù)，表征數(shù)據(jù)的空間相關(guān)性程度；Z-Score 代表標(biāo)準(zhǔn)差倍數(shù)，呈現(xiàn)了數(shù)據(jù)的聚類特征情況；p-Value 代表概率，代表數(shù)據(jù)來源的可靠性。結(jié)果顯示，長江經(jīng)濟(jì)帶城市土地綠色利用效率在2006-2021年均通過了全局莫蘭檢驗(yàn)，且都呈現(xiàn)正相關(guān)關(guān)系，整體集聚程度較強(qiáng)，說明一個城市的土地綠色利用效率會對鄰近城市產(chǎn)生正面影響。Moran’s I 值從2006到2021年呈現(xiàn)先增長再下降的趨勢，說明這一時期內(nèi)長江經(jīng)濟(jì)帶城市土地綠色利用效率的集聚效應(yīng)在短期增強(qiáng)以后出現(xiàn)減弱的趨勢。

為了更深入地分析長江經(jīng)濟(jì)帶各城市土地綠色利用效率在空間上的相互關(guān)聯(lián)及其特征變化，本文采用了局部空間自相關(guān)分析方法，以精確捕捉并描繪出該區(qū)域內(nèi)土地綠色利用效率的局部空間分布模式與特性。具體局部空間格局特征如圖3所示，大致分為四種類型：（1）高高聚集型（H-H），長江經(jīng)濟(jì)帶ULGUE 的高高聚集主要分布在下游江浙一帶，但范圍波動較大，存在縮小的趨勢。（2）低低聚集型（L-L），長江經(jīng)濟(jì)帶ULGUE 低低聚集范圍主要集中在長江中游城市群，集聚范圍較為穩(wěn)定，效率低值城市之間相關(guān)性較為顯著，這和王文麗等[37] 人的研究結(jié)果相似。（3）低高聚集型（L-H），滁州、宣城和蕪湖等安徽與江浙一帶交界處是低高聚集的主要出現(xiàn)范圍，主要是城市自身產(chǎn)業(yè)結(jié)構(gòu)合理化和土地利用效率相比于周邊城市均較低，和朱慶瑩等[38] 學(xué)者的研究結(jié)果相似。（4）高低聚集型（H-L），2006 年，高低聚集主要出現(xiàn)在遵義、內(nèi)江、十堰、安順和南昌；2011年和2016年，長沙、武漢和九江作為長江中游城市群的重要樞紐，產(chǎn)業(yè)結(jié)構(gòu)和基礎(chǔ)設(shè)施的發(fā)展與升級都先于周邊城市，是高低聚集出現(xiàn)的主要地區(qū)。

3.3 ULGUE影響因素分析

3.3.1 SDM模型的回歸結(jié)果

LM 檢驗(yàn)即拉格朗日乘數(shù)檢驗(yàn)，可判斷變量之間是否存在空間關(guān)系以及空間關(guān)系的類型，LM 檢驗(yàn)以LM-Lag和LM-Error 為判斷標(biāo)準(zhǔn)，若LM-Lag 和LM-Error均不顯著，則采用普通面板回歸模型；若LM-Lag 顯著而LMError不顯著，則采用SLM 模型；若LM-Error顯著而LM-Lag 不顯著，則采用SEM 模型；若兩者均顯著時則進(jìn)一步進(jìn)行穩(wěn)健性拉格朗日檢驗(yàn)，即Robust-LM 檢驗(yàn)。若通過Robust-LM-Lag 檢驗(yàn)而未通過Robust-LM-Error檢驗(yàn)，則退化為SLM模型；若通過Robust-LM-Error 檢驗(yàn)而未通過Robust-LM-Lag檢驗(yàn)，則退化為SEM 模型；若兩種檢驗(yàn)均通過，則初步表示可以選取空間杜賓模型（SDM）。此時進(jìn)一步利用沃爾德檢驗(yàn)（Wald）和似然比檢驗(yàn)（LR）通過兩兩比較以判斷SDM 模型是否會退化為SLM 模型或SEM 模型，只有當(dāng)二者檢驗(yàn)統(tǒng)計(jì)量均通過顯著性水平檢驗(yàn)時，才能最終確定使用SDM 模型做空間計(jì)量分析。為判斷合適效應(yīng)類型，運(yùn)用Hausman 檢驗(yàn)用來判斷是運(yùn)用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，若統(tǒng)計(jì)結(jié)果顯著，則說明應(yīng)選擇固定效應(yīng)模型[27]。LR 檢驗(yàn)是在確定使用固定效應(yīng)SDM 模型的基礎(chǔ)上，進(jìn)一步比較時間固定、空間固定和時空固定效應(yīng)3 種情形下SDM 模型空間計(jì)量分析的擬合效果。如表5 所示，在LM檢驗(yàn)和Robust-LM 檢驗(yàn)中Moran’s指數(shù)均在1％水平上顯著，因此可以選擇空間杜賓模型（SDM）進(jìn)行實(shí)證分析。在后續(xù)的Wald檢驗(yàn)、LR 檢驗(yàn)和Hausman 檢驗(yàn)中統(tǒng)計(jì)量均在1％水平上顯著，這意味著可選擇時空固定效應(yīng)的SDM模型進(jìn)行回歸分析，且在回歸分析中不會退化為SAR 模型和SEM 模型。

SDM模型的回歸結(jié)果如表6 所示。政府支出強(qiáng)度的回歸系數(shù)為-0.028，并通過1％顯著性檢驗(yàn)，說明政府支出強(qiáng)度的增加會阻礙ULGUE的提高。從政府的角度看，為追求經(jīng)濟(jì)發(fā)展，可能會將資源配置到短期盈利能力高但污染高的行業(yè)，導(dǎo)致要素配置不合理[39-40]，從而降低了城市土地綠色利用效率。基礎(chǔ)設(shè)施建設(shè)水平的時間固定效應(yīng)回歸系數(shù)為0.015，通過5％顯著性檢驗(yàn)，說明基礎(chǔ)設(shè)施建設(shè)水平的增加可以促進(jìn)ULGUE 的提高。良好的基礎(chǔ)設(shè)施有利于吸引高效益的企業(yè)和外商進(jìn)行投資，從而帶動地方經(jīng)濟(jì)的發(fā)展[41]。經(jīng)濟(jì)發(fā)展水平的時間固定效應(yīng)回歸系數(shù)為0.013，通過5％顯著性檢驗(yàn)，說明經(jīng)濟(jì)發(fā)展水平的提升可以對ULGUE 起促進(jìn)作用。城市經(jīng)濟(jì)發(fā)展水平越高，資源配置更加合理，土地利用集約水平更高，政府會更加注重生態(tài)環(huán)境的保護(hù)[42]。

空間杜賓模型（SDM）中考慮了各個變量的滯后項(xiàng)，并不能客觀反映回歸系數(shù)值的解釋作用，為進(jìn)一步分析解釋變量與被解釋變量之間的關(guān)系，還需要對影響因素變量進(jìn)行進(jìn)一步的效應(yīng)分解。本文參考Lesage等學(xué)者的做法[43] 將解釋變量的總效應(yīng)分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng)，直接效應(yīng)表示本地區(qū)控制變量對本地區(qū)被解釋變量的直接影響，間接效應(yīng)表示其他地區(qū)控制變量對本地區(qū)被解釋變量的間接影響。如表7 所示，直接效應(yīng)回歸系數(shù)的正負(fù)特征和顯著性與主要回歸結(jié)果保持一致。間接效應(yīng)中政府支出強(qiáng)度和開發(fā)強(qiáng)度系數(shù)為負(fù)，并分別通過了1％和10％顯著性水平檢驗(yàn)，說明地方政府支出和開發(fā)強(qiáng)度對周圍城市的土地綠色利用效率存在負(fù)外溢效應(yīng)。在以往以GDP為核心的單位激勵方式下，地方政府為了促進(jìn)地方經(jīng)濟(jì)增長，傾向于將有限的財(cái)政資源投入到能夠快速產(chǎn)生經(jīng)濟(jì)效益的生產(chǎn)性基礎(chǔ)設(shè)施建設(shè)中，從而忽視了城市土地綠色利用和可持續(xù)發(fā)展，導(dǎo)致城市土地綠色利用效率下降。基礎(chǔ)設(shè)施水平系數(shù)為正，并通過了5％顯著性水平檢驗(yàn)，說明城市的基礎(chǔ)設(shè)施水平越高，對周圍城市的效率提升有促進(jìn)作用，其中交通基礎(chǔ)設(shè)施的完善對周邊城市也能起到輻射帶動作用，進(jìn)而推動要素流動和產(chǎn)業(yè)集聚，形成區(qū)域產(chǎn)業(yè)鏈，實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)[45]。

3.3.2穩(wěn)健性檢驗(yàn)

為保證結(jié)果的穩(wěn)健性，本文采用更換自變量的方法來進(jìn)行穩(wěn)健性檢驗(yàn)，具體結(jié)果如表8 所示。以往經(jīng)濟(jì)學(xué)研究中通常使用地區(qū)GDP總值或者人均GDP來表示經(jīng)濟(jì)發(fā)展水平，因此，本文將地區(qū)GDP總值替代夜間燈光均值進(jìn)行回歸分析。根據(jù)回歸結(jié)果，經(jīng)濟(jì)發(fā)展水平直接效應(yīng)系數(shù)和間接效應(yīng)系數(shù)皆為負(fù)數(shù)，且不顯著，其中直接效應(yīng)系數(shù)的結(jié)果與夜間燈光均值回歸結(jié)果方向相反，間接效應(yīng)系數(shù)的結(jié)果與夜間燈光均值回歸結(jié)果顯著性與方向基本保持一致，其余變量的系數(shù)方向和顯著性水平基本保持一致，表明本文的研究結(jié)果具有一定穩(wěn)定性。

為了從多角度考慮模型穩(wěn)健性，本文將空間經(jīng)濟(jì)矩陣替換經(jīng)濟(jì)距離權(quán)重矩陣進(jìn)行回歸分析，以進(jìn)一步檢驗(yàn)結(jié)果的穩(wěn)健性。如表9所示，在替換空間權(quán)重矩陣后，除環(huán)境管控強(qiáng)度的間接效應(yīng)和經(jīng)濟(jì)發(fā)展水平的總效應(yīng)回歸結(jié)果出現(xiàn)變動以外，其余變量的系數(shù)方向和顯著性水平基本保持一致，進(jìn)一步表明研究結(jié)果具有一定穩(wěn)定性。

4討論

本次研究結(jié)果表明低碳發(fā)展背景下長江經(jīng)濟(jì)帶整體ULGUE水平下降，與其他學(xué)者得到的結(jié)果相反[20]。造成這種現(xiàn)象的原因可能是城市土地利用碳排放會對城市土地利用效率造成一定的負(fù)面影響，傳統(tǒng)城市土地利用效率值處于增加趨勢可能存在“虛高”狀態(tài)[15]。借鑒前人對夜間燈光數(shù)據(jù)的研究[34]，本文采用城市夜間燈光數(shù)據(jù)代替GDP表征地方經(jīng)濟(jì)發(fā)展水平，并利用GDP數(shù)據(jù)進(jìn)行穩(wěn)健性檢驗(yàn)，進(jìn)一步證明了利用夜間燈光數(shù)據(jù)進(jìn)行經(jīng)濟(jì)研究的可行性。然而，本次研究仍存需要討論與改進(jìn)之處：（1）文中僅通過夜間燈光數(shù)據(jù)進(jìn)行城市土地綠色利用效率的影響因素分析，并非認(rèn)為夜間燈光數(shù)據(jù)可以完全取代傳統(tǒng)經(jīng)濟(jì)數(shù)據(jù)，如需用于城市土地利用效率的測度或其他城市經(jīng)濟(jì)的研究，未來有待進(jìn)一步實(shí)證和檢驗(yàn)。（2）文中利用IPCC 碳排放系數(shù)估算法對城市土地利用過程中不同能源消耗產(chǎn)生的碳排放進(jìn)行匯總，并未考慮城市綠地及其他土地利用類型的碳匯作用[46]，后續(xù)研究應(yīng)進(jìn)一步深化城市土地利用凈碳排放的計(jì)算，以保證城市土地綠色利用效率測度指標(biāo)的客觀性。

低碳發(fā)展背景下長江經(jīng)濟(jì)帶城市ULGUE下降，若要進(jìn)一步提升城市土地綠色利用效率，未來應(yīng)在城市土地利用過程中控制碳的排放。在控制工業(yè)“三廢”排放的同時制定嚴(yán)格的碳排放標(biāo)準(zhǔn)，逐步淘汰高污染、高碳排產(chǎn)業(yè)，提高新能源產(chǎn)業(yè)占市場的比重，轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，大力發(fā)展低碳經(jīng)濟(jì)，推進(jìn)城市產(chǎn)業(yè)綠色轉(zhuǎn)型，以提升城市綠色經(jīng)濟(jì)發(fā)展水平。長江經(jīng)濟(jì)帶各城市ULGUE 和政府行為息息相關(guān)，其中基礎(chǔ)設(shè)施水平、政府支出強(qiáng)度和開發(fā)強(qiáng)度三個指標(biāo)對ULGUE 產(chǎn)生了顯著影響[39-41]。長江經(jīng)濟(jì)帶作為區(qū)域一體化共同體，各級政府之間應(yīng)主動打破地方隔閡，凝聚共識，加強(qiáng)城市之間關(guān)于土地低碳利用的合作與交流，構(gòu)建城市綠色低碳發(fā)展共同體，充分利用好鄰近城市之間空間溢出效應(yīng)，完善交通信息網(wǎng)絡(luò)，以促進(jìn)城市之間的要素流動，優(yōu)化資源配置，實(shí)現(xiàn)資源產(chǎn)出效益最大化。此外，黨的二十大不斷強(qiáng)化和凸顯了“以綠色發(fā)展為統(tǒng)領(lǐng)”的表訴，生態(tài)環(huán)境保護(hù)和綠色低碳發(fā)展應(yīng)成為政府支出和開發(fā)投資的重點(diǎn)，應(yīng)進(jìn)一步推動綠色政績考核，以激勵地方政府在生態(tài)保護(hù)領(lǐng)域做出更大努力。

5結(jié)論

（1）從時空演變特征看，2006—2021年， 長江經(jīng)濟(jì)帶ULGUE 均值出現(xiàn)下降，從2006年的0.8951降低至2021年的0.8602；長江上游ULGUE高值城市數(shù)量從2006年的6個發(fā)展為2021年的10個，ULGUE 均值呈上升態(tài)勢；長江中游城市ULGUE各年份普遍處于低中值，2016年ULGUE低值城市數(shù)量達(dá)到14 個，上升空間較大；長江下游ULGUE高值城市較為穩(wěn)定，2016年江蘇北部少數(shù)城市從中高值掉入低值城市行列。

（2）在空間關(guān)聯(lián)上，長江經(jīng)濟(jì)帶ULGUE的聚集特征呈“先增強(qiáng)再減弱”趨勢和“小集聚大分散”特征，城市間整體集聚性不高。高高聚集主要分布在江浙一帶，低低聚集主要分布在長江中游城市群，低高聚集主要分布在滁州、宣城等安徽和江浙一帶交界處，高低聚集在2011年和2016年出現(xiàn)在長沙、武漢和九江，新興城市群尚未形成明顯的集聚效應(yīng)。

（3）長江經(jīng)濟(jì)帶城市土地綠色利用效率影響因素的回歸結(jié)果顯示，長江經(jīng)濟(jì)帶的基礎(chǔ)設(shè)施水平具有正向效應(yīng)和正外溢效應(yīng)，以夜間燈光數(shù)據(jù)表征的經(jīng)濟(jì)發(fā)展水平具有正向效應(yīng)，政府支出強(qiáng)度具有負(fù)面效應(yīng)和負(fù)外溢效應(yīng)，開發(fā)強(qiáng)度具有負(fù)外溢效應(yīng)，其余指標(biāo)對ULGUE的影響并不顯著。以上結(jié)果均通過了穩(wěn)健性檢驗(yàn)。

（責(zé)任編輯：趙寶成）