遠程耦合下中國市域耕地綠色利用效率：空間關聯網絡特征與管控策略

中圖分類號：F301.2 文獻標志碼：A文章編號：1001-8158（2025）06-0113-14

耕地是保障糧食安全、維護地球生態平衡的關鍵資源[1]。當前中國耕地利用面臨面源污染、投入產出要素冗余和非糧化等問題[2-3]，難以適應新時代耕地可持續利用的戰略要求。中共二十大報告和2024年中央一號文件中提出構建“數量一質量一生態”三位一體的耕地保護新格局，推動耕地綠色轉型與提升耕地綠色利用效率[4。然而，耕地要素投入與產出的空間異質性導致區域間耕地綠色利用效率存在明顯的非均衡性。一是“地理界限”導致區際資源錯配，耕地利用投入要素存在空間異質性，地形與氣候要素構成耕地綠色生產的物理邊界，種植類型則通過作物生理特性進一步調控耕地綠色利用效率。二是“行政區經濟”導致區內資源滯留，表現為“財政分權一政治集權”體制下，地方政府以行政單元進行耕地資源管理，形成行政邊界剛性約束與耕地綠色利用資源要素（技術、政策等）流動性之間的根本沖突。三是環境外部性的“遠程責任”問題。耕地非生產地區通過跨區域農產品貿易將耕地綠色壓力轉移到耕地生產地區，導致后者為維持糧食產量，長期承受過度土地開發、農藥化肥過量使用等問題，出現“環境外部性轉嫁”。

針對以上問題，不僅要構建“數量一質量一生態”三位一體的耕地保護新格局，還要從空間關聯角度研究區域間耕地綠色利用效率的協同發展機制，通過跨區域要素重組與制度創新提升效率?！丁笆奈濉比珖r業綠色發展規劃》《長三角生態綠色一體化發展示范區生態環境專項規劃（2021—2025年）》《東北黑土地保護性耕作行動計劃（2020—2025年）》等政策文件多次提及“協同治理”，表明中國耕地綠色利用治理區域協同意識逐步增強。因此，本文構建耕地綠色利用效率空間關聯網絡，旨在回答“中國耕地綠色利用效率的空間關聯在整體和個體層面的網絡結構及演變特征如何？區域在耕地綠色利用效率空間關聯網絡中的功能與地位是什么？耕地綠色利用效率空間關聯網絡的主要影響因子有哪些？”等問題，對全面認識中國耕地綠色利用網絡格局的變化規律、區域間耕地利用要素傳遞機制、跨區域協同發展方向及制定差異化管控策略，具有重要的理論意義與實踐價值。

目前關于耕地綠色利用效率的研究主要圍繞其內涵與測度、時空演變、影響因素與對策建議展開。（1）對于內涵與測度，學者們引入碳排放、面源污染等環境擾動指標[5-7，從單一的經濟效率評價向考慮經濟、環境和社會三個維度轉變。測算方法從綜合評價法[9-10]投入—產出法[1]向SBM模型等混合模型[12-13]演變。（2）關于時空演變，主要涉及空間相關性[1、空間溢出效應[4等，研究尺度涵蓋全國、省域等[6.15-id]。（3）關于影響因素及對策，涉及耕地條件[6，17-18]、農業技術[1，3]、政策導向[19]等，并運用空間計量模型、地理探測器[15]、地理加權回歸等模型，從全局與局域兩個尺度解析影響因素并提出差異化策略。然而，上述空間分析多使用“屬性數據\"[20]，分析地理上相近或相鄰地區簡單的“空間鄰接關系\"[21]，難以有效解析跨區域復雜的“空間關聯機制\"[19]。相比之下，社會網絡分析以“關系數據”為出發點，能刻畫跨區域的整體聯動結構和個體微觀聯系[20]。相關研究主要集中于碳排放網絡[2、經濟網絡[20]、貿易網絡[22]等方面，而關于耕地綠色利用效率及空間關聯網絡研究較少，難以揭示地區間互動關系與復雜空間關聯機制，凸顯傳統空間分析框架在解釋遠程交互作用上的局限性。

上述方法論困境與“人類世”時代人地系統演變特征之間存在系統認知鴻溝，即隨著技術革新持續消解要素流動的時空約束（表現為人類活動遠程互動的指數級增長）22，傳統空間分析范式已無法適配新型區域交互需求，這種理論與現實的脫節推動了遠程耦合理論的系統化發展[23]。2008年“遠程耦合”概念首次被提出，而后遠程耦合研究框架[23-24]不斷得到豐富完善，相關研究涉及資源貿易[22.25]、生態系統服務[26]、土地利用[2等領域，以及多區域投人產出模型[25]、遠程耦合工具箱[2等工具方法。

本文首先從遠程耦合視角出發，解析耕地綠色利用空間關聯機制，并測算2000一2020年中國267個地級市耕地綠色利用效率；其次，基于“流量一流向一點特征一社群結構”的分析框架，探究耕地綠色利用效率空間關聯關系和網絡結構特征；再次，采用QAP回歸法解析其驅動因素；最后，根據“耕地利用特征 + 空間關聯網絡 + 系統屬性”的分區邏輯，劃分耕地綠色利用管理分區，以期系統性提升中國耕地綠色利用效率，為制定跨區域協同政策提供理論與實踐支撐。

1遠程耦合下耕地綠色利用空間關聯機制分析

遠程耦合框架包含“系統（發送、接收和外溢系統）、流、代理、原因和影響\"5個部分，全面闡釋人類與自然耦合系統的多時空尺度互動。當前，跨時空交互和遠端響應已常態化，人地系統遠程耦合的復雜性成為地理學、經濟學和管理學的新特征。耕地綠色利用與自然生態系統、社會經濟系統密切關聯，是遠程耦合研究的典型領域和重要實踐。

從遠程耦合來看，耕地綠色利用空間關聯網絡的形成源于“流體要素（資本、勞動力、技術等）\"在地理空間內的流通與交互。如圖1所示，遠程耦合框架下耕地綠色利用空間關聯機制包括5個方面[23]：（1）原因。資源條件、地理區位、經濟基礎等因素存在空間異質性。如地形與氣候要素差異構成耕地綠色生產的物理邊界（光照資源分布差異顯著影響光伏農業等綠色技術應用潛力），種植結構差異使東北黑土區玉米一大豆輪作系統較西北干旱區棉花連作模式具有更高的氮素利用效率及碳匯能力，勞動力成本差異導致東北糧食主產區單產能源消耗量較東部發達地區高，形成高碳鎖定效應[28]。這些差異使耕地綠色利用展現出顯著的空間非均衡性，即“勢能梯度\"[29，是驅使各類流體要素跨區域流動、影響要素遠程耦合動態變化的“源動力”。 （2）系統。耕地綠色利用空間關聯網絡涵蓋了一系列相互關聯的遠距離人類與自然耦合系統，包括發送系統（輸出流的系統）接收系統（接收流的系統）與外溢系統（影響并受影響于發送系統與接收系統相互作用的系統）[24|。（3）流。在要素集散機制調控下，影響耕地綠色利用的各類要素通過物質流、能量流、人口流、資金流和技術流等載體，在地理空間上進行流動并重新配置，連接不同耦合系統。（4）代理。作為空間關聯網絡中的利益相關者，市場和政府通過調控促使或阻礙耦合系統間的流。市場憑借價格信號的資源配置效應（如綠色農產品的溢價促使耕地資本向綠色認證產出地集中）、供應鏈的空間鎖定機制（如技術壟斷與電商發展將耕地資源與活動限制在特定空間范圍內）、競爭策略的負外部性轉嫁（如企業通過“漂綠”虛構綠色效益，扭曲耕地要素流動方向）等經濟理性調節手段，引導耕地綠色利用要素向邊際效益更高的地區集中，形成耕地綠色利用“核心一邊緣”梯度格局；政府則借助區域協同規劃的空間重構（如跨行政區國土空間規劃）、生態補償的權責對等設計（如中央財政轉移支付補償糧食主產區生態機會成本）、政績考核的激勵相容機制（將耕地綠色利用納入地方政府KPI）等制度性調控中介，引導耕地綠色利用要素實現“逆向梯度”流動，促進區域間的資源互補與合作，縮小核心與邊緣區域的差距。（5）影響。影響是通過“流”產生的，使一個或多個耦合系統發生變化。耕地綠色利用要素通過極化效應和擴散效應，促使區域間構建起復雜的耕地綠色利用空間關聯網絡。該網絡的形成，又通過循環反饋機制，對各區域的耕地綠色利用及區域間的“勢能梯度”產生反饋影響，推動耕地綠色利用空間關聯網絡從低層次向高層次不斷演進。

圖1遠程耦合下耕地綠色利用空間關聯機制

Fig.1 Correlation mechanism of green use of cultivated land from the perspective of remote coupling

2研究方法與數據來源

2.1測度模型與方法

本文采用基于非期望產出的超效率SBM模型測算耕地綠色利用效率[1；采用修正的引力模型構建耕地綠色利用效率的空間關聯矩陣[20-21]；通過整體網絡特征（網絡密度、網絡關聯度、網絡等級度、網絡效率）、個體網絡特征（度數中心度、接近中心度、中介中心度）

等刻畫耕地綠色利用效率空間關聯網絡特征[20-21]

驅動因素識別與因果關系評估是遠程耦合的關鍵環節。遠程耦合理論強調系統之間空間上的互補性、可達性及中介作用等相互作用構建起空間網絡[30]。本文從系統間的互補性與可達性兩方面選取影響因素，并利用二次指派程序（QAP）分析，揭示耕地綠色利用效率空間關聯網絡演變驅動因素的影響效果[22]

（1）互補性?；パa性指系統間在資源、能力、功能等方面相互補充、依賴，是地區間合作與交流的關鍵因素。其中，耕地資源稟賦以耕地面積與第一產業從業人員比值表示[5；農村居民素質以農村居民平均受教育年限表示；城鄉發展差距以城鎮與農村居民可支配收入比值表示[31；經濟發展水平用人均GDP表示；農業機械化水平以農業機械總動力與農作物總播種面積比值表示；工業發展水平用第二產業增加值占GDP比值表示。

（2）可達性?？蛇_性指網絡中節點間相互作用的概率大小，是地區間發生耦合作業的關鍵因素。其中，地理距離是影響網絡交流便利程度的重要指標，鄰近區域間耕地綠色利用效率的“距離衰減”和“路徑依賴”使耕地綠色利用的空間關聯效應更加顯著，用地級市之間的地理距離表示[20]。財政支農力度，影響農業基礎設施、技術與人力資本等，通過產業結構調整與區域協同發展政策等方式聯通耕地綠色利用效率空間關聯網絡中的節點，用地方政府農林水務支出與總播種面積比值表示[]

表1耕地綠色利用效率評價指標體系

Tab.1 Evaluationindex system of greenuse efficiencyof cultivated land

注： ① 碳匯量計算參考田云等[33的農作物生長全生命周期中的碳吸收量； ② 面源污染排放強度計算參考2021年國家生態環境部發布的《排放源統計調查產排污核算方法和系數手冊》； ③ 碳排放量計算參考孫赫等[34]的直接碳排放系數法。

2.2數據來源與指標體系

2.2.1 數據來源

本文數據源于《中國區域經濟統計年鑒》《中國城鄉建設統計年鑒》《中國農村統計年鑒》EPS數據庫以及各省市統計年鑒與公報等。其中，耕地面積數據源于CLCD數據集，全年降水量、日照時數和年平均氣溫數據源于中國地面氣候資料日值數據集，地級市之間的球面距離利用ArcGIS10.8測算得到。

2.2.2 指標體系

參考已有研究[1，15.32]，構建“投人—產出\"評價指標體系計算耕地綠色利用效率，其中投人層包括環境要素投人與生產要素投入，產出層包括期望產出與非期望產出（表1）。

3結果分析

3.1耕地綠色利用效率時空演變特征

2000一2020年耕地綠色利用效率呈先降后升的態勢，空間異質性明顯（圖2）。圖2（a）顯示，高效率區主要位于黑龍江及重慶附近，空間范圍明顯縮小；較高效率集中在東北以及中西部交界處；低效率多在西部和東部沿海，呈條帶狀格局。2000—2020年大部分地區效率下降，最大為 68.2% ，僅中部和東北少數區域上升。圖2（b）中，東西方向上（ X 軸），高效率的區域凝聚于曲線右側，東部效率高于西部，受耕地資源條件與區域經濟影響，具明顯地理指向性。南北方向上（Y軸），地級市分布相對均勻，擬合曲線呈“U”型，南北效率差距小于東西方向。效率組成上，純技術效率 gt; 規模效率 gt; 綜合技術效率，東北地區綜合技術效率最高（圖2（c））。

3.2耕地綠色利用效率網絡空間結構特征

3.2.1 整體網絡特征

由圖3可知，網絡密度在2000—2020年整體偏低，呈“上升一下降一波動上升”態勢，表明區域間聯結較弱、耕地綠色利用聯系分散，耦合系統間可達性弱，影響流體要素（信息、技術、政策等）的協同傳播效率，“整體聯動”效應不顯著。因此，未來需增強農業人才、技術等創新要素的關聯與依賴，加強跨區域聯動。網絡等級則呈“下降一上升一下降”的趨勢，表明區域間等級結構逐漸被打破，要素流通與交互作用更加順暢，網絡的轉移惰性與路徑依賴減弱，遠程連接更廣泛多元，網絡的多維空間屬性凸顯，更利于協同發展。

圖32000一2020年耕地綠色利用效率整體網絡特征演變趨勢 Fig.3Theoverall networkcharacteristicsof greenuse efficiencyofcultivatedlandfrom2oooto2020

3.2.2 流量：空間聯系格局

空間關聯強度如圖4所示，區域間耕地綠色利用交互影響渠道相互交織，表明耕地綠色利用效率具有明顯空間聯系與溢出性；2000—2020年空間網絡結構愈發復雜多線程，遠程耦合程度加大。空間聯系“東密西疏”，東北、珠三角地區與其他地級市空間聯系多，是網絡核心節點；西部地區空間聯系勢能較弱，位于網絡邊緣。表明東部地區內部區域耕地利用要素雙向互饋強度高于西部地區，與耕地綠色利用效率的空間分布趨勢一致，映射出影響耕地綠色利用要素空間流動具有較強的距離依賴性。因此，政府應優先支持西部地區綠色轉型，借助區域協同規劃等手段，引導耕地綠色利用要素“逆向梯度”流動，促進區域間資源互補與合作，加強東西部協同交流。如圖4所示，耕地綠色利用效率空間關聯強度值前30的地級市空間關聯網絡持續兼容、重組與優化，地級市間多向聯系更明顯。

圖42000—2020年耕地綠色利用效率空間關聯強度

Fig.4Spatialcorrelation intensityof green useefficiency ofcultivated land from 2ooo to 2020

3.2.3 流向：空間指向性

首位聯系指網絡中某節點的最大強度連接對象，可用于識別網絡中的核心一邊緣結構。若某區域的“首位聯系”指向另一區域，表明二者在耕地綠色利用上協同性最強，可能形成效率溢出或依賴關系。如圖5所示，空間上，首位聯系數呈多中心分布，東部地級市集聚縮減，往西部擴散，形成“小集聚大分散”的格局，至2020年僅伊春、鶴崗、深圳、東莞保持首位聯系優勢流，是主要遠程耦合系統，西部新增金昌、武威等首位地級市；強度上，首位聯系強度逐年提升，且不斷向西部拓展。各地級市對首位地級市依賴度增加，伊春、上海、黃石、廈門、深圳、北海等地首位聯系強度明顯加強，具有強吸引力。

3.2.4節點：網絡中心性

鑒于空間關聯網絡較為穩定，本文以2000年、2020年為例，分析耕地綠色利用效率空間關聯網絡的個體網絡特征。

（1）網絡中心性等級結構。計算各節點的加權中心度，繪制位序一規模圖（圖6。加權度中心性與位序對數的擬合優度分別為0.945和0.891，表明耕地綠色利用效率網絡節點等級結構符合位序一規模分布特征。2000年、2020年Zipf指數值均大于1，表明基于加權度中心性的網絡節點等級規模結構呈帕累托分布，城市規模分散，分布差異較大，首位城市壟斷地

圖5各地級市首位聯系流

Fig.5 Thefirstcontactflowof prefecture-levelcities

圖6耕地綠色利用效率網絡的加權中心性位序一規模分布曲線

Fig.6Weighted centrality rank-scale curve of the network for green use efficiency of cultivated land位較強，多數地級市聯系依賴高點度的核心節點。首位城市主導耕地資源流動，易形成“極化效應”，需警惕邊緣區域被“虹吸”。邊緣城市依賴核心區的技術、政策或資源輸入，自身主動輻射能力較弱，需通過政策傾斜提升其綠色利用效率，避免長期被動。

圖72000一2020年耕地綠色利用效率空間關聯網絡度數中心性特征

Fig.7Degree centrality characteristics of spatial correlation network from2ooo to 2020

（2）中心度空間分布。從加權中心度看（圖7），2000一2020年加權中心度明顯增加，區域間空間關聯網絡結構凝聚，節點集聚加強。東部加權中心度高于西部，東北與南方更加突出，表明東部因自然資源、技術、交通等優勢產生虹吸效應，耕地綠色利用效率高，空間聯系較強，直接影響周邊區域的耕地綠色利用。應持續支持東部地區綠色轉型示范區建設（如高標準農田建設），輻射帶動西部。從出度看（圖7（b）），中原、長三角地區出度高，如榆林、舟山、銀川、隴南等，這些地區的耕地綠色利用效率具有明顯的空間溢出效應，是主要發送系統，區域耕地資源要素向外擴散，對外連接度高。從入度看（圖7（c）），華北、華東北部入度較高，伊春、上海、廈門、北海居前，這些地區集聚作用強，是主要接收系統，磁吸力大，是耕地綠色利用效率空間網絡的核心節點和集散中樞。

（3）接近中心度。接近中心度表示某節點不受其他節點控制的程度，值越高，該地級市越能快速與其他地級市產生關系，其聯系和合作越緊密。如表2所示，接近中心度排名前20的地級市主要穩定在玉溪、臨滄、昌都等地區，表明國家和地方政府對地區給予的政策傾斜和區域合作機制，如農業補貼、農業科技創新項目等，吸引了周邊地區的農業資源和要素向這些地區流動，增強了其在空間關聯網絡中的吸引力和合作度。因此，可發展此類地級市成為耕地綠色技術傳播的“中轉站”，設計如耕地保護聯合監測系統等跨區域合作平臺。

（4）中介中心度。中介中心度反映個體在社會網絡中的橋梁作用，是識別遠程耦合外溢系統的有效方式。據表2顯示，中介中心度較高的有榆林、上海、廈門、深圳等，這些地區在網絡中扮演著跨區域協作的“中介”“樞紐”角色，是主要的外溢系統，能顯著控制其他地級市的關聯關系。若此類地級市功能失效易導致網絡割裂，需重點保障其耕地利用穩定性。

3.2.5社群：社群結構

（1）耕地綠色利用效率網絡社區劃分。社區發現是通過聚類將節點劃分為不同社區，識別網絡中局部集聚特征的方法。社區內節點的聯系較為緊密，社區間節點的聯系則較為稀疏[35]。本文采用FastUnfolding算法對網絡中的節點進行社區劃分，并使用模塊度來評估劃分結果的質量。

表22000一2020年各地級市空間關聯網絡中心性特征

.2 Centralitycharacteristics of spatialcorrelationnetworks of prefecture-levelcities from2000 to 2

圖8耕地綠色利用效率網絡社區分布

Fig.8Distribution of greenuseefficiencyofcultivated land innetworkcommunities

2000年和2020年耕地綠色利用效率網絡模塊度分別為0.439和0.570，表明具有明顯的社區結構；2000一2020年社區分布由集聚向分散變化（圖8）。2000年社區跨度較小，受地理空間約束較大，同類社區的地級市在地理上鄰近。2020年逐漸呈現出“跨區域”現象，社區間相互分割，尤其是中部，突破了地理空間限制，出現了遠距離“飛地”聯系。意味著影響耕地綠色利用的流體要素在地理空間范疇內的流通與

表3板塊分類標準

Tab.3 Classification standardsof segments

注：期望內部關系比例 R_e= （板塊內成員總數-1）/整體網絡成員總數-1），實際內部關系比例 板塊內部關系總數/板塊發出關系總數；該板塊發出關系總數為Ie，該板塊接關系總數為 I_i°

交互活動愈發活躍，遠距離耦合系統聯系增加，耕地綠色利用效率空間關聯網絡更加復雜。

（2）耕地綠色利用效率網絡塊模型分析。本文主要采用塊模型分析對耕地綠色利用效率空間關聯網絡的板塊進行劃分，分類標準如表3所示。以2020年為例，將地級市劃分為4個板塊（表4）。耕地綠色利用效率空間關聯網絡共有5853個關聯關系，其中板塊內部有1249個，占比 21.34% ，表明內部關聯較弱，存在明顯的溢出效應。板塊一和板塊二期望內部關系比例均高于實際比例，且板塊內地級市向外流出強度遠大于外部地級市的流人強度，均屬于“凈溢出板塊”。板塊三期望內部關系比例遠低于實際內部比例，但內部流出強度遠小于外部流入強度，為“凈收益板塊”。板塊四期望內部關系比例高于實際內部關系比例，且內外關聯關系均較弱，屬于“經紀人板塊”。

為探究板塊間溢出關系，通過計算網絡密度矩陣和像矩陣識別板塊間的傳導機制（表5），并繪制板塊交流圖（圖9），明晰板塊間的溢出關系流向（箭頭指示流向）。表5顯示，板塊內部關聯較稀疏，溢出關系顯著。其中，板塊一、板塊二均有外部溢出，是網絡中的主要帶動者，擁有一定的輻射能力，以物質流、人口流、資金流和技術流等為載體對其他地區產生影響，扮演著“引擎”的作用。板塊三接受來自其他板塊的溢出，主要為接收系統，憑借集中的政策、技術，通過跨區貿易等手段獲得耕地綠色資源供給，但不分攤耕地利用帶來的治理成本。板塊四主要發揮樞紐作用，同時存在外部溢出與接收，是跨區域協作的“關鍵中介”，是區域間技術擴散、資源流動、協同發展的重要渠道。總的來看，耕地綠色利用效率空間關聯網絡板塊間的關聯欠密切，未來需增加板塊間的交流，強化區域間耕地綠色利用效率的互動效能。

表4耕地綠色利用效率空間關聯網絡板塊間的溢出效應

Tab.4Spillover effct of green use efciency of cultivated land in spatial correlation network between plates

表5耕地綠色利用效率空間關聯網絡板塊的密度矩陣和像矩陣

Tab.5Density matrix and image matrix of spatial correlation network

圖9耕地綠色利用效率空間關聯網絡四大板塊成員構成及互動關系

Fig.9Composition and interaction of the four plates of spatial correlation network

3.3耕地綠色利用效率空間關聯網絡的影響因素分析

QAP回歸結果表明（表6）：（1）耕地資源稟賦的回歸系數顯著為正，表明耕地資源是基本條件，耕地稟賦高的地區可通過如提高糧食產量增加正期望產出，對其他地區產生溢出效應，促進區域間耕地利用聯系。 （2）農村居民素質的影響由顯著負向轉為顯著正向。在耕地綠色利用空間關聯網絡形成初期，小農經濟占主導，農村居民素質較低導致排他性耕地利用觀念，不利于空間關聯網絡形成；隨著素質提升，勞動力等流體要素在部分地級市集聚并逐漸發揮溢出效應，推動空間關聯網絡發展。 （3）城鄉發展差距的回歸系數顯著為負，意味著城鄉差距縮小有利于形成空間關聯網絡。城鄉間增強交流、減少差距有利于地區間產生互補性的要素流通，從而推進空間關聯關系形成。（4）經濟發展水平具有顯著正向作用。區域經濟發展水平的提高利于勞動力、資本、技術等要素的跨區域集散，增強區域間的空間聯系以及網絡的集聚態勢。 （5）農業機械化水平的回歸系數顯著為正。表明區域間的科技互動使技術溢出逐漸增加，促進空間關聯網絡的形成。 （6）工業發展水平的回歸系數顯著性較差。（7）地理距離的回歸系數顯著為負。表明地理距離加大會阻礙耕地綠色利用效率空間關聯網絡的發展。地理距離越近的地級市“流體要素”的空間傳導和擴散更頻繁，容易建立空間網絡關聯關系。（8）財政支農力度經歷了顯著負影響一不顯著一顯著正影響的變化。早期財政干預的增強引導要素“逆梯度”流動，限制了要素的自由流動。但隨著手段多元化，推動了區域間優勢互補。

表6耕地綠色利用效率空間關聯網絡QAP回歸結果

Tab.6 QAPregression results of green use efficiency of cultivated land spatial correlation network

注： ***，**，* 分別表示在 1% 5% 和 10% 水平上顯著。

3.4耕地綠色利用管理分區與策略

3.4.1 耕地綠色利用管理分區的劃分

遵循“耕地利用特征 + 空間關聯網絡 + 系統屬性”的分區邏輯，明確地級市的耕地綠色利用效率狀態及其在空間關聯網絡中聯系強度與系統特征。根據上文效率分區，將地級市劃分為6類（高值區、較高值區、中等值區、中下值區、較低值區、低值區），反映耕地綠色利用的總體水平；根據上文節點屬性，劃分為6類（強聯系、較強聯系、中等強度、中下強度、較弱強度、弱強度），表示各地級市在空間關聯網絡的聯系強度與集聚程度。結合出入度與塊模型分析結果，進一步區分地級市的系統屬性為溢出系統、接收系統和發送系統，表征地級市與其他地級市聯系時的輸入及輸出屬性。分區結果如圖10所示。

3.4.2耕地綠色利用綜合分區特征與管控策略

（1）高效率值一強聯系強度區。該區零星分布在黑龍江、長三角經濟帶、珠三角經濟帶等，以接收系統為主。在空間關聯網絡中，該地區對其他地區的勞動力、資金、技術等要素具有虹吸效應，成為空間關聯網絡中的受益方且居主導位置，與其他地區關聯關系較多。因此，東北地區應持續深人實施國家黑土地保護工程和東北黑土地保護性耕作行動計劃，分區分類開展農田基礎設施建設、培育耕作層等，保持耕地綠色利用高效率值；長三角等地區要發揮“火車頭”作用，借助區域間流體要素的互聯共享，發揮核心節點的輻射力，加強耕地綠色利用轉型的先進示范作用，推進耕地利用投入品減量化，鼓勵率先應用成熟的耕地綠色利用技術，增強溢出效應，帶動邊緣區耕地利用綠色轉型，實現區域有效協同發展。

（2）高效率值—弱聯系強度區。該區主要分布在中南地區、吉林、甘肅等，以發送系統為主。該地區耕地綠色利用效率高但空間聯系強度弱，在空間關聯網絡中相對孤立。因此，弱聯系強度區應優先發展交通和信息技術基礎設施，促進人員、物資和信息交流，為要素空間聚合與擴散提供通道。同時，鼓勵該地區發展多元化產業，推動綠色加工物流、廢棄物回收利用等業態集聚發展，加快產業聯結互促與完善合作機制，實現資源共享和優勢互補，提高其在空間關聯網絡中的影響力。

（3）低效率值一較強聯系強度區。該區零星分布在中部地區，主要是溢出系統，承擔中間站和通道角色。該地區自然資源豐富，但囿于技術水平和管理能力不足，潛力未充分發揮，耕地綠色利用效率較低。不過，憑借資源稟賦和制度政策優勢，該區吸引周邊地區關注和合作，空間關聯網絡中聯系較強。未來，應加強低效率值區耕地利用技術投入，優化耕地資源配置，合理規劃耕地利用；同時，較強聯系強度區要利用地區比較優勢，加快優勢地區農業技術人員、綠色耕作技術、農業專項資金等的輸出，強化劣勢地區能源的高質量輸送，構建區域合作交流渠道。

（4）低效率值—弱聯系強度區。該區主要分布于西部與東部丘陵、山地地區，與其他地區互動較少，溢出效應較弱，在空間關聯網絡中處于邊緣位置。因此，東部低效率值區應針對地形分區分類開展農田基礎設施建設、土壤侵蝕防治、耕作層培育，因地制宜發展日光溫室、植物工廠等高效種養模式，盤活荒地，推進“以種適地”與“以地適種”相結合。針對西部低效率值與弱聯系強度區，各級政府需提供財政、技術支持，加大耕地綠色利用知識培訓力度，引導農戶、農民合作社、家庭農場、農業企業等多元經營主體樹立綠色發展理念，引進如節水灌溉、科學施肥用藥等先進的綠色耕作技術，使用綠色生產資料，清潔產地環境，提升耕地綠色利用效率，增強溢出效應。同時給予適當的優惠支持政策，強化金融社會投資和對接服務，引導金融機構創設專屬綠色信貸產品和耕地質量相關保險產品，支持耕地利用全面綠色轉型；針對弱聯系強度地區，重點建立地區間技術、能源、產業合作渠道，激發區域合作潛力，加強空間關聯。

圖10耕地綠色利用效率空間關聯網絡綜合分區

Fig.10 Integrated spatial correlationnetworkpartitionof greenuse efciency ofcultivated land

4結論與討論

本文基于2000一2020年中國市域數據，運用非期望產出超效率SBM模型測算了耕地綠色利用效率，并采用社會網絡分析探討了其空間關聯網絡特征與管控策略。主要結論如下：

（1）從時空演變上看，2000—2020年中國耕地綠色利用效率呈先降后升的波動態勢，且空間異質性明顯，呈條帶狀分布。（2）從網絡結構特征來看，2000—2020年網絡密度整體水平較低，呈“上升一下降一波動上升”態勢；耕地綠色利用效率存在明顯的空間聯系與空間溢出性，空間網絡結構日益復雜、多線程；區域受遠距離系統的影響加深，遠程耦合程度加大；核心節點主導作用逐漸清晰，集聚特征明顯。（3）從影響因素上看，經濟發展水平、農業機械化水平、耕地資源稟賦對空間關聯網絡有顯著正影響，農村居民素質、財政支農力度由負轉正，地理距離呈負影響。（4）根據“耕地利用特征 + 空間關聯網絡 + 系統屬性”的思路，將管理分區劃分為4類，并提出差異化策略。高效率一強聯系區應發揮核心節點的輻射力與影響力，加強耕地綠色利用轉型的先進示范作用；高效率—弱聯系區應優先發展交通和信息技術基礎設施，為耕地綠色利用要素空間聚合與擴散提供聯系通道；低效率一較強聯系區需加強耕地利用技術投入、優化耕地資源配置，拓寬區域交流合作的渠道；低效率一弱聯系區需給予財政、技術等優惠支持政策，重點建立地區間技術、能源、產業合作渠道，激發區域合作潛力。

本文揭示中國市域耕地綠色利用效率空間關聯網絡的整體聯系、聚類特征及傳導機制，厘清不同區域在網絡中的功能定位并制定分區管控策略，有助于區域耕地綠色利用資源共享、區際分工合作，為制定跨區域協同政策提供實踐支撐。本文的研究尚存在一定局限：（1）受限于西北部分地區市域數據的可獲性，研究未能覆蓋全國所有行政單元，使中國耕地綠色利用效率空間關聯網絡的全域性特征刻畫存在局限；（2）影響機制層面，未來可從數字化、新質生產力發展等視角，深人剖析關鍵變量對耕地綠色利用效率及其網絡的影響機制，系統揭示網絡誘發的作用機理與動態演變規律，為構建更具針對性和差異化的耕地可持續利用管控策略提供更堅實的科學支撐。

參考文獻（References）：

[1]柯楠，盧新海，匡兵，等.碳中和目標下中國耕地綠色低碳利用的區域差異與影響因素［J].中國土地科學，

2021，35（8）： 67 - 76.

［2］孔祥斌.中國耕地保護生態治理內涵及實現路徑[J].中國土地科學，2020，34（12）：1-10.

[3］呂添貴，付舒斐，胡晗，等.農業綠色轉型約束下耕地綠色利用效率動態演進及其收斂特征研究一一以長江中游糧食主產區為例[J].中國土地科學，2023，37（4）：107- 118.

[4］牛善棟，方斌.中國耕地保護制度70年：歷史嬉變、現實探源及路徑優化[J].中國土地科學，2019，33（10）：1-12.

[5]ZHANG JY， ZHANG P，LIU Y Y， et al. An analysis of thespatiotemporal evolution and driving force of cultivatedland green utilization in karst region of southwest China[J].Journal of Cleaner Production，2024， 434. doi： 10.1016/j.jclepro.2023.140002.

[6］劉蒙罷，張安錄，文高輝.長江中下游糧食主產區耕地利用生態效率區域差異與空間收斂[J].自然資源學報，2022，37（2）： 477 - 493.

[7]CAO W， ZHOU W，WU T，et al. Spatial-temporalcharacteristics of cultivated land use eco-efficiency undercarbon constraints and its relationship with landscape paterndynamics[J]. Ecological Indicators，2022，141.doi： 10.1016/j.ecolind.2022.109140.

［8］梁流濤，曲福田，王春華.基于DEA方法的耕地利用效率分析[J].長江流域資源與環境，2008，17（2）：242-246.

[9］龐英，王寶海，劉學忠，等.山東省耕地利用綜合效益的時空分異特征[J].資源科學，2007，29（2）：131-136.

[10］陳江龍，曲福田，陳雯.農地非農化效率的空間差異及其對土地利用政策調整的啟示[J].管理世界，2004，20（8）：37-42，155.

［11］柳可，張安錄.耕地利用效率研究進展——基于文獻計量視角[J].資源科學，2023，45（3）：494-511.

[12]PASTOR JT， LOVELL C A. A global Malmquist productivityindex[J]. Economics Letters，2005，88（2）： 266- 271.

［13］陳美景，王慶日，白中科，等.基于雙碳目標的黃河流域資源型城市國土空間利用效率時空特征及影響因素［J].中國土地科學，2024，38（4）：101- 112.

[14］周敏，呂宏宇，柯楠.農業生產要素配置與耕地綠色利用效率的空間相關與溢出效應[J].農林經濟管理學報，2024，23（1）：41-50.

[15」高佳，楊宇.東北糧食主產區耕地利用綠色轉型的時空

格局及驅動因素[J].中國土地科學，2023，37（10）：114- 123，134.

[16］蘇強俊，安健吉，員學鋒.黃河中下游城市土地綠色利用效率時空格局及其影響因素分析[J].貴州師范大學學報（自然科學版），2024，42（3）：58-67.

[17］謝花林，歐陽振益，陳倩茹.耕地細碎化促進了耕地“非糧化\"嗎——基于福建丘陵山區農戶的微觀調查[J].中國土地科學，2022，36（1）：47-56.

[18］解帥，殷冠羿，婁毅，等.1990—2020年中國耕地利用的“水旱分異”格局及機制分析[J].中國土地科學，2022，36（6） ： 113 - 124.

［19］楊斌，楊俊，王占岐，等.長江經濟帶耕地綠色低碳利用的時空格局及其成因分析[J].中國土地科學，2022，36（10）：63-71.

［20］王凱，劉美倫.中國省際共同富裕空間關聯網絡結構及驅動機制[J].經濟地理，2024，44（7）：1-12.

[21］張苗，劉璇，彭山桂，等.中國省域土地利用碳排放效率的空間關聯網絡演變特征與形成機制[J].中國土地科學，2023，37（10）：91- 101.

[22］葉瑋怡，馬恩樸，廖柳文，等.遠程耦合視角下國際大豆貿易網絡的時空演化及影響因素［J].自然資源學報，2023，38（6） ： 1632- 1650.

[23］孫晶，劉建國，楊新軍，等.人類世可持續發展背景下的遠程耦合框架及其應用[J].地理學報，2020，75（11）：2408 - 2416.

[24]LIU JG，HULL V，BATISTELLA M，et al. Framingsustainability in a telecoupled world[J].Ecology andSociety，2013，18（2）. doi： 10.5751/ES-05873-180226.

[25] JIN Y， YANG JL， FENG C Y， et al. The employment impactsof fossil fuel trade across cities in China： a telecouplingperspective[J]. Energy，2024，307.doi： 10.1016/j.energy.2024.132751.

[26]MA S， DENG G Y， WANG JL， et al. Telecoupling betweenurban expansion and forest ecosystem service loss throughcultivated land displacement： a case study of ZhejiangProvince， China[J]. Journal of Environmental Management，2024，357. doi： 10.1016/j.jenvman.2024.120695.

[27] MCCORD P， TONINI F， LIU J G. The telecouplingGeoApp： a Web-GIS application to systematically analyzetelecouplings and sustainable development[J]. AppliedGeography，2018，96： 16 - 28.

[28」金濤.中國糧食作物種植結構調整及其水土資源利用效

應[J].自然資源學報，2019，34（1）：14-25.

[29」趙林，曹乃剛，韓增林，等.中國綠色經濟效率空間關聯網絡演變特征及影響因素[J].資源科學，2021，43（10）：1933-1946.

[30］單玉紅，程秋月，柯新利，等.流空間視角下湖北省縣域土地利用碳排放關聯態勢及其影響因素研究[J」.中國土地科學，2024，38（3）：48-59.

[31］朱文娟，孫華．江蘇省縣域耕地利用生態效率時空動態性及驅動機制[J].長江流域資源與環境，2024，33（4）：784-798.

[32」李紅波，楊和平，王韜，等.長江經濟帶耕地利用生態效率時空分異及組態路徑研究[J].中國土地科學，2024，38（1）：114-124.

[33］田云，張俊飚.中國農業生產凈碳效應分異研究[J].自然資源學報，2013，28（8）：1298-1309.

[34」孫赫，梁紅梅，常學禮，等.中國土地利用碳排放及其空間關聯[J].經濟地理，2015，35（3）：154-162.

[35]沈文成，李培慶，姚雯雯，等.多重流空間視角下的中國城市網絡空間結構特征及組織模式[J].地理研究，2023，42（2）：514-533.

Green Use Efficiency of Cultivated Land in 267 Cities of China under Remote Coupling： Spatial Correlation Network Characteristics and Control Strategies

ZHOU De ^{1，2，3} ， LI Siyuan ^1，2 ， LI Huan ^1，2 ，DING Qingying1，Pa ^1，2 ， WANG Yuansheng12

（1.School ofPublic Affairs，Zhejiang Gongshang University，Hangzhou 310o18， China; 2.Collaborative Innovation

Center of Computational Social Science， Zhejiang Gongshang University，Hangzhou 31Oo18，China; 3.Collborative Inovation Center ofStatistical Data Engineering Technology amp; Application， Zhejiang Gongshang University， Hangzhou ， China）

Abstract： The purpose of this study is to explore the spatial corelation network characteristicsand correlation mechanism of green useeficiencyofcultivatedland inChina under remote coupling，to provide reference forsustainable useand collaborative development of cultivated land.The research methods include super-efcient SBM model and social networkanalysis.Theresultsshowthat：1）from2OoOtoO2o，thegreenuseefficiencyofcultivatedlandinChina firstdecreasedand then increased，withobvious spatial heterogeneity.2）Theoverallevel of network densityis low， showinga“rising-declining-fluctuating rise”trend.The leadershipof thecore nodes inthe spatial network is gradually clear，and the clustering characteristicsare obvious.3）The levelof economic development，the level ofagricultural mechanization and the endowment of cultivated land resources have significant positive effects.The qualityof rural residents and the intensityof financial support foragricultural changefrom significant negativeefects to significant positive effects.The increaseof geographical distance hinders the developmentofspatial corelation network ofgreenuse efficiency of cultivated land.4） According to the zoning idea of“cultivated land use characteristics + spatial association network + system attributes”，it is divided into four green utilization management zones of cultivated land.In conclusion， cultivated land use factors should be promoted to flow across regions with aremote coupling perspectiveand networked thinkingtosynergisticallyimprovethegreeuseficiencyofcultivatedland，anddiferentiated pathsof greenuseand transformationofcultivatedland should beexploredaccording tothefunctionsandrolesof each region intheassociated network.

Key Words： greenuse eficiencyof cultivatedland; spatial association network;socialnetwork analysis;remote coupling

（本文責編：陳美景）