东部沿海经济区耕地利用效率的时空格局分异及影响因素研究

姜晗，杨皓然，吴群

（南京农业大学公共管理学院，江苏 南京 210095）

耕地资源作为人类赖以生存和发展的生命线，是保持经济增长、推进城镇化、保障国家粮食安全、促进社会和谐的关键要素，为我国社会经济发展提供了重要的支撑[1]。改革开放以来，我国工业化和城镇化飞速发展，经济建设取得了举世瞩目的成就。但城镇空间外延式的无序扩张及耕地资源的稀缺性和不可再生性使得土地供需矛盾凸显，并进一步导致了耕地资源的退化、粗放利用、质量下降等问题[2]。一方面，城乡接合部质量较高的耕地因工业和城镇扩张而被大量占用，导致优质耕地大幅减少；另一方面，工业和农业污染使得耕地质量急剧下降且污染呈加剧态势[2]。2012年伊始，中共十八大、中共十八届三中全会等重要会议都对我国新型城镇化发展进行了顶层设计和总体部署，提出“要节约集约利用资源，大幅降低土地消耗强度，提高利用效率和效益”[3]；2019年发布的中央一号文件提出了坚持农业农村优先发展的总方针，明确提出稳定粮食产量，巩固和提高粮食生产能力等一系列目标，实现藏粮于地、藏粮于技。因此，揭示耕地资源利用效率的现状及其空间分异规律，探索耕地资源利用效率提升的优化路径，对保证农产品供给、提高农民收入具有重要的现实价值，对保障粮食安全、促进新型城镇化与土地集约利用协调发展具有重要的战略和指导意义。

相较于国外对耕地资源利用效率较为成熟的研究，国内的相关研究起步较晚，但进展迅速，已取得了一定的成果。在研究内容上，从最初仅仅对耕地利用效率的测度与评价，逐步过渡到对不同尺度耕地利用效率的时空分异特征及其影响因素的系统分析与研究。杨朔等[4]、雷国平和刘子宁[5]运用DEA-Tobit两步法，评价所研究区域的耕地利用效率，并对其影响因素进行分析；李侨等[6]、吕雷和王玉贵[7]运用Malmquist生产率指数对所研究区域的耕地全要素生产率进行测度，以进一步分析跨时期的效率变化；张立新等[8]、张荣天和焦华富[9]运用Moran’s I指数模型对所研究区域的耕地利用效率在整体和局部的空间分异规律进行描述；卢新海等[10]、封永刚等[11]、盖兆雪等[12]基于不同视角，将碳排放量、面源污染等非期望产出指标添加到“投入—产出”指标体系中，并运用非期望产出的SBM模型测度所研究区域的耕地利用效率，使测度结果更加客观准确。在指标选取上，国内学者普遍将耕地利用过程看成一个“投入+产出”系统，随着研究的深入，从最初的单指标投入产出逐渐向多指标投入产出发展，大多从耕地资源所承载的劳动力、资本投入等维度选取投入指标，从耕地资源所产出的社会效益、经济效益等维度选取产出指标，但还未建立起统一的耕地利用效率评价指标体系。在研究方法上，采用DEA模型[13]、SBM模型[14]、SFA模型[15]、C—D生产函数[16]等定量测度耕地利用效率，并采用Tobit模型[17]、GWR模型[8]对其影响因素进行分析。

综上所述，国内相关研究尚存在一定不足之处：在研究尺度上，多侧重对全国、省、市尺度耕地利用效率的定量测度及其影响因素研究，缺乏基于特定区域的各省际内部耕地利用效率时空分异研究；在效率测度模型的选取上，大多无法对有效评价单元进行排序比较，导致耕地利用效率整体分析结果较为粗糙，不够准确。

东部沿海经济区包括江苏、浙江、上海三省市，是全国最具影响力的多功能制造中心及高新技术研发中心，亦是全国经济最发达的区域之一。其中江苏省为我国重要的粮食主产区，2016年全省粮食产量居全国第六位[18]，粮食产量直接影响我国粮食市场供求关系；浙江省是我国第二大粮食主销区，近20年其粮食总产量呈快速下降趋势，粮食自给连年不足[19]，如何提高粮食生产能力，保障粮食产量的稳步向前对浙江而言是一次考验；上海市虽然第一产业比重较小，但其粮食单位面积产量、农民人均纯收入等方面均名列前茅[20]，其典型特征对许多城市在快速城市化中的农业发展具有一定的参考价值。鉴于此，本文以东部沿海经济区的24个地级市及上海市为研究单元，首先运用含非期望产出的超效率SBM模型对2002—2016年研究区各市级单位耕地利用效率进行测度，并描述其时空变化特征，其次运用空间地统计学分析方法—全局和局部Moran’I指数，揭示研究区耕地利用效率的空间格局分异规律，然后运用Malmquist—Luenberger生产率指数，分析研究区耕地利用全要素生产率的动态变化特征及其区域差异，最后通过构建地理加权回归模型探究研究区耕地利用效率的影响因素，以期为缩小东部沿海经济区耕地利用效率差异，促进耕地资源高效、集约利用提供决策依据。

1 研究方法与数据来源

1.1 研究方法

1.1.1 非期望的超效率SBM模型 本研究采用优于传统CCR/BCC模型的非期望超效率SBM模型，既能解决忽略非期望产出导致耕地利用效率评价结果的偏差问题，又能弥补传统DEA模型不能对有效DMU进行排序比较的缺陷[2]，对耕地利用效率评价具有重要意义。其计算公式如下：

式中：n表示决策单元（DMU）数量；m、s1和s2分别表示投入、期望产出和非期望产出的个数；w-、wg和wb分别表示投入、期望产出和非期望产出的松弛量；λ为权重向量；x、yg、yb分别为代表投入、期望产出和非期望产出的向量，其中矩阵

1.1.2 空间自相关分析模型 1）全局Moran’s I指数。为进一步对东部沿海经济区耕地利用效率水平的不平衡性和全局空间自相关进行研究，引入全局Moran’s I指数。全局Moran’s I指数用于反映空间相邻或空间相近的区域单元观测值在整个研究区域内的相关性和差异程度[21]。其计算公式如下：

式中：Xk为区域k的观测值；Xl为区域l的观测值；为观测均值；Wkl为空间权重，空间相邻为1，不相邻为0。全局Moran’s I指数的取值范围是[-1,1]。

2）局部Moran’s I指数。局部Moran’s I指数是度量某一区域单元与相邻区域单元空间自相关程度的常用指标[9]，可进一步体现耕地利用效率在局部空间的分布特征。其计算公式如下：

1.1.3 Malmquist—Luenberger生产率指数 Malmquist—Luenberger生产率指数[12]不仅可以分析东部沿海经济区各市级单位的耕地利用效率动态变化特征，还可以分解得到各市级单位耕地利用效率的技术效率和技术进步的变化情况。其计算公式如下：

1.1.4 地理加权回归模型 地理加权回归（GWR）模型相较于普通线性回归模型，在数据处理时考虑局部特征作为权重，采用局部加权最小二乘法（WLS）进行逐点参数估计，可直观地探究各点空间位置上的参数估计值随空间位置的变化情况，使分析结果更切合客观实际[22]。其计算公式如下：

式中：(ui,vi)是第i个样本点的空间坐标；βk(ui,vi)是连续函数βk(u,v)在i的值。

1.2 指标选取

现代意义上的效率包括技术效率和配置效率两个部分[23]。但在实际研究中，由于配置效率很难量化，因此国内外学者对效率的测度与研究多侧重技术效率。基于此，本文所指的耕地利用效率将采用技术效率这一概念，即定量测度产出既定下的投入要素最优化利用（最优投入与实际投入之比），或投入成本既定下的耕地资源产出效益的最大化程度（实际产出与最优产出之比），从而揭示耕地利用过程中各种资源配置的合理程度及耕地资源价值的实现程度。

耕地利用技术效率（TE）还可分解为耕地利用纯技术效率（PTE）和耕地利用规模效率（SE）。耕地利用纯技术效率（PTE）反映了农业生产过程中所需的各种投入要素，在一定的技术条件下是否充分发挥了其作用；耕地利用规模效率（SE）反映了农业生产过程中耕地的投入规模与农业产出最大化所要求的规模是否一致[23]。

本研究拟从耕地利用的投入和产出两大方面，选取相应的指标构建区域耕地利用效率评价体系。根据张立新等[8]、张荣天和焦华富[9]、卢新海等[10]、王良健和李辉[15]的研究成果，结合研究区的实际情况和数据获取的难易度，投入要素包含耕地利用的土地投入、劳动力投入及资本投入三个维度，其中土地投入选取农作物播种面积I1衡量，劳动力投入选取农业从业人数I2衡量，资本投入包含农机、灌溉、化肥、农药、农膜五个方面，分别选取农业机械总动力I3、有效灌溉面积I4、农用化肥施用折纯量I5、农药使用量I6、农用塑料薄膜施用量I7衡量；产出要素包括期望产出和非期望产出两类，期望产出选取农业总产值O1、粮食总产量O2衡量，分别代表耕地利用所产生的社会、经济效应，非期望产出选取耕地利用碳排放总量O3衡量，包括农业翻耕、农机操作、农业灌溉、化肥、农药和农膜使用过程中直接或间接产生的碳排放量，参考李波等[24]对碳排放系数的相关研究成果，利用农业碳排放系数测度公式对耕地的碳排放总量进行测算，公式如下：

式中：E为耕地的碳排放总量，Ei为各种碳源的碳排放量，Gi为各种碳源的量，δi为各种碳源的碳排放系数（表1）。

1.3 数据来源

本研究所需基础数据系耕地利用投入与产出指标的相关数据，主要来源于《江苏统计年鉴》（2003—2017）、《江苏农村统计年鉴》（2003—2017）、《浙江统计年鉴》（2003—2017）、《上海统计年鉴》（2003—2017）以及江浙下辖共24个地级市的市级统计年鉴（2003—2017）。

表1 耕地利用过程中不同碳源的碳排放系数Table 1 Carbon emission coeff cient of different carbon sources during the utilization of farmland

2 结果与分析

2.1 耕地利用效率时空变化特征

2.1.1 耕地利用效率时间变化特征 基于2002—2016年25个市级单位的耕地利用投入产出指标数据，运用MaxDEA7.0软件计算得到东部沿海经济区耕地利用综合效率、纯技术效率和规模效率（图1）。

图1 2002—2016年耕地利用效率均值Fig. 1 Mean value of the farmland utilization eff ciency from 2002 to 2016

东部沿海经济区耕地利用综合效率总体上呈波动上升的趋势，从2002年的0.5946上升到2016年的0.8009，且表现出较明显的阶段性变化特征。其中，2002—2005年，耕地利用综合效率均值呈波动下降的态势，历年综合效率均值均在0.6以下，2003年达到15年间最低值0.5091，这一时期的农业生产要素投入不足，且合理利用率较低，导致耕地利用综合效率处于较低水平；2005—2016年，耕地利用综合效率均值呈持续上升的态势，上升幅度适中，2016年达到15年间最高值0.8009，这一时期国家逐步减免并取消了农业税，农民的生产积极性有所提高，促进了农业生产要素投入的增加，从而推动耕地利用综合效率的持续提升。

纯技术效率同样呈明显的阶段性变化特征，且其均值远高于综合效率均值，2002—2006年，纯技术效率均值呈大幅波动下降的态势，这一时期纯技术效率均值上下波动较剧烈，既出现了高于1的年份（2002年达到1.0135），也在2003年出现了15年间最低值0.7846；2006—2013年，纯技术效率均值虽呈波动上升的态势，但波动幅度很小，历年均值相差不大，处于一个较平稳时期；2013—2016年，纯技术效率均值呈持续上升的态势，2016年达到15年间最高值1.0314。

2002—2005年，规模效率均值呈波动上升的态势，2002年达到15年间最低值0.5867；2005—2014年，规模效率呈持续上升的态势，变化幅度与对应年份的综合效率变化幅度大体保持一致，且其均值略高于综合效率均值，2014年达到15年间最高值0.8103；2014—2016年，规模效率均值呈持续下降的态势，2016年的规模效率均值相较于2014年略有下降，为0.7765。对比纯技术效率和规模效率，可知纯技术效率在综合效率中所占比重较大，具有至关重要的作用，说明东部沿海经济区常年重视耕地利用的科技投入，科技推广力度较大，技术更新速度较快，并注重对耕地利用科学的规划与管理；相比较而言，耕地利用的现有生产规模结构与最优生产规模结构存在差距，导致规模效率整体不高，未来需提高一定的规模投入水平，从而实现耕地资源利用的最优化配置，促进耕地利用综合效率水平的提升。

2.1.2 耕地利用效率空间分布特征 本文选取2002、2007、2012和2016年东部沿海经济区各地级市（直辖市）的耕地利用综合效率数据，考察其空间分布特征（图2）。参考涂正革[25]对环境技术效率的分类研究，结合研究区实际情况，将不同耕地利用综合效率的各地级市（直辖市）分为五类：高效率区[1，2）、较高效率区[0.9，1）、中等效率区[0.8，0.9）、较低效率区[0.7，0.8）、低效率区[0，0.7）。

图2 2002—2016年耕地利用综合效率空间分布格局Fig. 2 Spatial distribution pattern of the farmland utilization eff ciency from 2002 to 2016

2002年东部沿海经济区整体耕地利用综合效率为0.5946，处于低等水平，只有苏州市为高效率区，耕地利用综合效率为1.0377，宿迁市、淮安市、扬州市和泰州市为较高效率区，而较低效率区和低效率区则多集中于南部，分别多达5个和12个，各占研究区地级市（直辖市）单元总数的20%和48%，总体上呈现“北高南低”两极分化的分布特征，这是因为江苏省是我国的粮食主产省份，耕地资源较丰富，农业基础设施相对较完善，农业科技水平相对较高，从而提高了区域耕地利用效率；2007年研究区耕地利用综合效率相较于2002年略有上升，为0.6247，但并无高效率区，较高效率区依然是4个，分别为宿迁市、淮安市、扬州市和上海市，较低效率区和低效率区则开始由南部向中部地区扩散，分别为8个和11个，各占单元总数的32%和44%，“北高南低”的两极分化格局并未改观；2012年研究区耕地利用综合效率达到0.7357，相较于2007年显著增长，其中高效率区和较高效率区发展迅速，多集中于北部，分别为4个和6个，各占单元总数的16%和24%，南部依然是较低效率区和低效率区的集中地，但耕地利用综合效率相较于2007年有所提升，低效率区大幅下降到2个（丽水市和温州市）；2016年研究区耕地利用综合效率提升到0.8009，高效率区和较高效率区进一步增加到6个和7个，分别占单元总数的24%和28%，其分布也逐渐由北部向南部扩散，这与近年来浙江省大力推进耕地占补平衡、基本农田保护、完善耕地质量建设管理机制等耕地保护工作是分不开的，努力形成以科学规划为引领的耕地保护格局，切实提升了耕地利用效率，从而形成了高低效率区“多元分布格局”的新局面。

2.2 耕地利用效率空间集聚特征

2.2.1 整体空间格局集聚特征 基于2002、2007、2012和2016年东部沿海经济区各地级市（直辖市）的耕地利用综合效率数据，结合公式（2），运用ArcGIS10.2软件计算得到研究区的全局Moran’I指数（表2），用以分析研究区耕地利用综合效率的整体空间集聚特征。

表2 2002—2016年耕地利用效率全局Moran’ I指数Table 2 Global Moran’ I index of the farmland utilization eff ciency from 2002 to 2016

由表2可知，2002、2007、2012和2016年东部沿海经济区耕地利用综合效率的全局Moran’ I指数均在1%的水平上通过显著性检验，且历年全局Moran’ I指数均大于0，表明研究区耕地利用综合效率呈显著的正向空间自相关性，相邻地级市（直辖市）单元表现出空间集聚的分布态势。2002—2012年，全局Moran’ I指数呈持续上升的态势，从2002年的0.3901上升到2007年的0.4358，继而上升到2012年的0.6103，表明这一时期研究区耕地利用综合效率的空间自相关性逐渐增强，效率空间集聚分布态势不断显著；2012—2016年，全局Moran’ I指数有所下降，从2012年的0.6103下降到2016年的0.2814，表明这一时期研究区耕地利用综合效率的空间自相关性逐渐减弱，效率空间集聚分布态势有所缓和。

2.2.2 局部空间格局集聚特征 全局Moran’ I指数仅能反映整体空间是否存在集聚或异常值，但无法告知集聚或异常值的具体位置，难以反映效率的局部空间集聚模式及特征。鉴于此，在东部沿海经济区各市级单元耕地利用综合效率数据和研究区全局Moran’ I指数的基础上，结合公式（3），运用ArcGIS 10.2软件计算得到研究区的局部Moran’ I指数，并绘制研究区耕地利用综合效率局部空间集聚特征图（图3），以揭示效率局部空间集聚的演变规律。

图3 2002—2016年耕地利用效率局部集聚格局演化Fig. 3 Local cluster pattern evolution of the utilization eff ciency from 2002 to 2016

1）H—H聚集区：2002—2012年，效率热点区主要集中分布在江苏省中北部的淮安市、泰州市、盐城市、扬州市、镇江市一带，即研究区的北部地区。这一时期效率热点区集聚分布格局演变过程相对稳定，仅在数量上发生了微小调整，空间格局置换基本维持平稳态势。2012—2016年，效率热点区开始向江苏省西南部演化，主要集中在南京市及其周边地区。

2）L—L聚集区：2002—2007年，效率冷点区主要集中分布在浙江省东部的绍兴市、宁波市一带，即研究区的南部地区，这一时期效率冷点区集聚分布格局演变过程相对稳定。2007—2012年，效率冷点区开始向浙江省南部的衢州市、丽水市和温州市演化，直到2016年，效率冷点区依然集中分布在浙江省南部地区，空间格局置换过程保持稳定态势。

2.3 耕地利用全要素生产率指数及其分解

为了进一步分析不同时期东部沿海经济区耕地利用全要素生产率的动态变化情况及其各省域（直辖市）的区域差异，本文运用MaxDEA7.0软件求得研究区及其各省域（直辖市）的全要素生产率指数（Malmquist—Luenberger生产率指数，简称ML指数）及其分解项（表3）。

2.3.1 耕地利用全要素生产率动态变化情况及其分解 2002—2016年东部沿海经济区耕地利用ML指数整体呈波动上升的趋势，除了2002—2003年和2015—2016年小于1，其余时期均大于1，说明东部沿海经济区在大部分年份的耕地利用全要素生产率呈不断上升的趋势。整个研究期内ML指数平均值为1.0586，年均增长率达5.86%，整体提高很快。从ML指数分解项来看，技术进步指数（TC）的变化趋势与ML指数大体一致，技术效率指数（EC）的变化趋势则较为平缓，二者均呈波动上升的趋势。整个研究期内TC指数的平均值为1.0608，即技术进步年均增长率为6.08%，表现出正向增长，对东部沿海经济区耕地利用全要素生产率的提升产生了促进作用，而EC指数的平均值为0.9987，即技术效率年均减少0.13%，阻碍了研究区耕地利用全要素生产率的提升，但减少幅度并不大。

2.3.2 耕地利用全要素生产率及其分解的区域对比就研究区不同省份（直辖市）而言，江苏省、浙江省和上海市ML指数平均值分别为1.0578、1.0591、1.0387，即相应的耕地利用全要素生产率年均增长率分别为5.78%、5.91%和3.87%，整体上均呈持续增长的态势，其中浙江省的年均增长率最高，上海市的年均增长率最低。对于不同时期的ML指数，江苏省除了2002—2003年和2015—2016年两个时期外，其余时期ML指数均大于1；浙江省仅有2002—2003年一个时期ML指数小于1；而上海市则在2011—2016年连续五个时期ML指数小于1，说明浙江省耕地利用全要素生产率的持续增长态势最为稳定，江苏省其次，而上海市则在2011年后连续五年出现了耕地利用全要素生产率的下滑。

从ML指数分解项来看，江苏省、浙江省和上海市TC指数平均值分别为1.0592、1.0700、1.0578，即技术进步均呈现出正向增长，而三省市的EC指数平均值分别为0.9990、0.9906、0.9872，即整体上技术效率均呈现降低的态势，说明江苏省、浙江省和上海市耕地利用全要素生产率的提高主要得益于技术进步的促进作用。

表3 2002—2016年耕地利用全要素生产率指数及其分解项Table 3 Total factor productivity index and its decomposition items of farmland utilization from 2002 to 2016

2.4 耕地利用效率时空分异影响因素

2.4.1 影响因素的选取 东部沿海经济区耕地利用效率时序动态演变特征及空间集聚特征是自然条件、经济条件和社会条件等多重因素共同作用的结果。本文通过参考相关学者[6,8-10]的研究，结合研究区实际情况，从耕地资源禀赋、自然环境条件、经济发展水平和政府重视程度四个方面综合考虑各因素对研究区耕地利用效率时空演变的影响，并考虑数据的可获取性，分别选取人均耕地面积（X1）、耕地复种指数（X2）、人均GDP（X3）和政府涉农支出比例（X4）四个具体指标来表征相应的影响因素。

2.4.2 影响因素的分析 首先，基于2002、2007、2012和2016年东部沿海经济区各市级单位的耕地利用效率数据及其影响因素数据，运用Stata14.0软件中的OLS回归模型，对四种影响因素的显著性进行分析。回归结果见表4。

由表4可知，人均耕地面积（X1）、人均GDP（X3）和政府涉农支出比例（X4）三个指标整体上均在1%水平上通过了显著性检验，且系数值均为正，说明耕地资源禀赋、经济发展水平、政府重视程度对研究区耕地利用效率的提升及其时空分异具有显著的正向作用。但耕地复种指数（X2）没有通过显著性检验，究其原因，是因为东部沿海经济区所有市级单位均位于长江中下游地区，地形地貌、土壤肥沃程度、光温水条件等并无明显差异，导致自然环境条件对研究区耕地利用效率的提升及其时空分异并无显著作用。因此，通过OLS模型回归结果剔除自然环境条件，保留其他三项影响因素。

表4 OLS模型整体回归结果Table 4 Overall regression results of the OLS model

然后，结合公式（5），运用ArcGIS10.2软件中的地理加权回归分析模块，测算了相应年份GWR模型的整体分析结果及自变量回归系数（表5，表6）。

由表5可知，2012、2016年GWR模型的拟合系数R2分别为0.665、0.724，调整后的拟合系数R2分别为0.601、0.618，表明模型的拟合优度较好，各自变量因子与被解释变量之间存在显著的相关性。2002、2007年GWR模型的拟合系数R2分别为0.453、0.543，调整后的拟合系数R2分别为0.374、0.472，虽然模型拟合程度一般，但对于解释型回归模型来说，更应注重自变量系数的经济涵义，R2的大小并不重要。

表5 GWR模型整体分析结果Table 5 Overall analysis results of the GWR model

表6 GWR模型自变量回归系数Table 6 Independent variable regression coeff cient of the GWR model

1）耕地资源禀赋对耕地利用效率的影响。从回归系数来看，2002、2007、2012和2016年人均耕地面积的系数均值分别为3.881、3.664、2.940和1.908，在四种影响因素的系数均值中最高，且均在1%水平上通过了显著性检验，说明耕地资源禀赋相较于其他影响因素，对耕地利用效率的影响作用最大，是影响研究区耕地利用效率提升及其时空分异的重要因素。这主要是因为人均耕地面积的增加，缓解了区域耕地压力，农业规模化经营得以实现，从而提高耕地利用效率，实现农业的可持续发展。但历年系数均值不断下降，说明耕地资源禀赋对耕地利用效率的影响程度呈不断降低的态势。

2）经济发展水平对耕地利用效率的影响。从回归系数来看，2002年人均GDP的系数均值不显著，即经济发展水平对耕地利用效率并没有显著影响，但后三年的系数均值均在1%水平上呈正向显著，说明经济发展水平越高的地区，耕地利用效率也越高。综合来看，经济发展水平同样也是影响研究区耕地利用效率提升及其时空分异的较重要因素。这主要源于两点：一方面，经济越发达的地区，对农业的投入力度就越大，可将更多资金投入到提高农业科技水平、改善农业生产条件中，从而促进耕地生产要素配置效率的提高；另一方面，经济越发达的地区，对耕地保护政策的扶持力度就越大，从而加强耕地利用主体的耕地保护意愿，提高耕地利用效率，促进耕地利用向低碳化、集约化方向发展。

3）政府重视程度对耕地利用效率的影响。从回归系数来看，2002、2007、2012和2016年涉农支出比例的系数均值均在1%、5%水平上呈正向显著，说明政府重视程度对耕地利用效率有显著的正向影响，是影响研究区耕地利用效率提升及其时空分异的重要因素。新世纪以来，中国出台了一系列财政农业支出政策以促进农业发展，地方政府的农业支出行为也在不断地调整和完善，支出力度不断加大，有利于农业基础设施的建设和农业科技成果的研发，从而提高农业综合生产能力，促进农业健康发展。

3 结论

1）2002—2016年，东部沿海经济区耕地利用综合效率呈波动上升的趋势，但整体效率值并不高，纯技术效率均值远高于综合效率均值，且在综合效率中所占比重较大，具有至关重要的作用，规模效率则有待增强，二者整体上均呈波动上升的趋势。2002、2007和2012年研究区耕地利用综合效率的空间分布呈“北高南低”的两极分化分布态势，到2016年形成了高低效率区“多元分布格局”。

2）2002—2016年，东部沿海经济区耕地利用效率整体呈显著的正向空间自相关性，并表现为在局部空间上的集聚，呈现高高集聚或低低集聚的分布格局。其中高效率聚集区在2002—2012年主要分布在江苏省中北部地区，空间格局基本维持平稳态势，2012—2016年开始向江苏省西南部的南京市演化；低效率聚集区在2002—2007年主要分布在浙江省东部地区，2007—2012年逐渐向浙江省南部地区演化，直到2016年空间集聚格局保持稳定态势。

3）2002—2016年，东部沿海经济区耕地利用全要素生产率年均增长率为5.9%，整体提高较快，其中技术进步呈正向增长，对研究区耕地利用全要素生产率的提升起促进作用。就不同区域而言，江苏省、浙江省和上海市耕地利用全要素生产率年均增长率分别为5.8%、5.9%和3.9%，其中浙江省的持续增长态势最为稳定，三省市在耕地利用全要素生产率上的提高均主要得益于技术进步的促进作用。

4）本文主要从耕地资源禀赋、自然环境条件、经济发展水平、政府重视程度四个方面来考察其对东部沿海经济区耕地利用效率提升及其时空分异的影响作用。结果表明：耕地资源禀赋和政府重视程度是影响耕地利用效率提升及其时空分异的重要因素，经济发展水平对其影响也比较重要，但自然环境条件的影响作用并不显著。

4 对策建议

促进东部沿海经济区耕地利用效率提升的相关建议如下：

1）建立完善的耕地低碳利用保障机制。需建立市级耕地利用变化碳排放核算和碳排放效应测算体系，并成立耕地低碳利用的相关监管部门，可随时了解市级耕地利用碳排放变化及碳排放强度，从而促进区域耕地的低碳利用，提高耕地利用效率。

2）加大政府对农业的投入力度。首先，提高耕地利用的规模投入水平。研究区耕地利用的规模投入水平相较于纯技术效率水平略显不足，规模效率不高，未来需加强耕地利用的规模投入水平，提高规模效率，进而提高耕地利用综合效率。其次，加强农业基础设施建设。未来需强化农田水利工程，大力改造中低产田，从而切实提升耕地综合产出能力，保障区域粮食安全。最后，加大农业科技投入。技术进步已成为研究区耕地利用全要素生产率提高的重要促进因素，未来需继续加强对区域农业科技的扶持力度，大力培养农业技术人才，推广先进的农业生产技术，为效率改善提供技术保障。

3）实行高效严格的耕地保护补偿机制。不仅要考虑耕地资源的数量，更要考虑耕地利用的效率，应逐步建立健全耕地保护补偿多元化融资渠道和资金保障体系，加大耕地补偿力度，对耕地利用主体的耕地保护行为进行有效的激励，从而放缓农地非农化的态势，促进区域耕地资源高效、集约利用。

本文较全面的反映了东部沿海经济区耕地利用效率的时空格局演变特征及其影响因素，并对研究区耕地利用全要素生产率的动态变化做了较细致的分析，可为未来耕地资源高效集约利用、提高区域土地管理水平提供决策依据。本文尚存在一定不足之处：一是研究区耕地利用效率测度的“投入—产出”指标体系构建上还不够全面，考虑数据的可获取性，并未考虑农户自身现状、农业科技进步等投入指标的选取，非期望产出指标仅选取了耕地利用碳排放量，忽略了面源污染对耕地利用效率的影响；二是效率影响因素的选择不够全面，相关农业政策、农户意愿等因素是否也会对耕地利用效率的时空分异产生影响，值得深入研究，东部沿海经济区耕地利用效率时空分异的驱动作用机制及相关优化对策在后续的研究中有待进一步完善。