安徽省县域耕地利用效率时空分异格局分析

赵子青，朱道才，冯成楠

(安徽财经大学 经济学院，安徽 蚌埠 233030)

一、引言

耕地是粮食生产和社会稳定的重要保障和前提。随着人口增长和城镇化进程推进，我国人均耕地面积已远低于世界平均水平，并且耕地资源整体不断退化，耕地资源投入增速往往大于产出的增速，集约高效利用耕地势在必行。党和国家始终高度重视耕地与粮食安全问题，2018年中央一号文件强调：夯实农业生产能力基础，严守耕地红线，稳步提高耕地质量。实现粮食安全和发展现代高效农业，对耕地利用提出更高要求。在推进城镇化、工业化进程，实施乡村振兴战略，发展县域经济的大环境下，提高耕地利用效率，有利于保证国家粮食安全和农产品高效率供给。科学分析特定区域耕地利用效率的高低、变动情况及其时空分异特征，能够为区域耕地利用效率的提升提供较为合理的理论依据。

耕地利用效率是衡量特定地区在一定的农业生产产出条件下所需的最小耕地投入程度，科学反映耕地利用中各类资源配置的相对合理性，是农产品生产和农业产业体系的重要基础。诸多学者基于效率这一概念，运用不同方法，跨越不同时间年限，针对不同区域对多尺度的耕地利用效率进行了探讨：(1)研究内容集中在效率测度、模型构建、影响因素分析；(2)研究方法上数据包络分析的使用最为普遍，并倾向于将DEA与其他方法相结合，如DEA-Malmquist模型、SBM模型、基尼系数分解模型、ESDA分析模型等；(3)研究区域包括中国粮食主产区、省域尺度、村域尺度。由此可见，耕地利用效率分析是当前学术界关注的热点问题。然而在研究区域上，相对缺少对一省内部各县域耕地利用效率时空分异特征的研究，对耕地利用中观和微观区域的差异关注不够，相关研究亟需开展。

安徽省是我国13个粮食主产区之一，地貌主要为山地、丘陵和平原，分别占土地总面积的29.37%、28.86%、24.70%，南北地形差异大，耕地资源主要集中在平原和江淮丘陵地区，水田旱田约各占耕地总面积的1/2。2017年农作物总播种面积达8 853.64千公顷,较上一年减少39.97千公顷;粮食作物播种面积为6 642.50千公顷，较2016减少两千公顷；粮食产量高达3 476万吨，较上一年增加58.6万吨。安徽省正积极融入长三角，处于工业化、城镇化进程中的关键阶段，且作为中部地区的粮食主产区，粮食生产与耕地利用矛盾具有典型性，并且农业发展和耕地利用的基点在县域，安徽省县域耕地利用效率的高低，与该区域经济发展和农业基础紧密相关。当前有关安徽省耕地利用的研究集中在市域尺度耕地利用效率测度。因此本文从县域层面探究安徽省耕地利用效率的变化，基于ESDA模型分析其时空分异格局，探索耕地利用效率的影响因素，以期为安徽耕地效率提高和耕地资源可持续利用提供有益的理论和实践参照。

二、研究方法与数据来源

(一)主要研究方法

1. DEA-BBC模型和Malmquist指数

BBC模型由Banker、Charnes和Cooper在CCR模型上改进而来，相较于CCR模型，BBC模型假设规模报酬可变，有效避免了规模报酬递增影响，得到纯技术效率值，具体计算公式如下：

生产是连续过程，利用Malmquist指数能进一步分析效率的动态变化状况， Fare将Malmquist指数与DEA理论相结合，构建距离函数测度全要素生产率(TFP)，具体公式如下：

M(x，y,x,y)

2.探索性空间数据方法(ESDA)

ESDA模型可将研究对象空间分布格局可视化，发现集聚和分异特征，本文使用全局莫兰指数(Global Moran’s I)和G指数(热点分析指数)。全局莫兰指数能检验变量空间依赖强度的大小，以衡量县域农业生产效率整体空间关联与差异程度，计算公式如下：

上式中x、x分别为i、j观测值，w为空间权重矩阵，Moran’s I指数方差归一化后的取值范围为[-1,1]；Moran’s I大于0时，表示解释变量呈现空间正相关，区域中存在集聚现象；Moran’s I小于0时，表示数据呈现空间负相关，其值越小空间差异越大，即随着空间分布位置的离散，相关性反而显著；Moran’s I为0时，空间呈随机性。

G指数则分析研究对象在局部空间集聚趋势及演化规律，得出效率在空间中的异质性特征，运用该指数探讨安徽省县域耕地利用效率的高值区和低值区的分布情况，计算公式为：

(二)评价指标与数据

参考廖武泉等的研究，鉴于数据的可得性和完整性，考虑从土地、劳动力、资本、技术投入维度选取耕地面积，乡村从业人员数、农业机械总动力、农用化肥施用量、农用塑料薄膜使用量等5个投入指标，产出指标选取农业总产值，总体上指标能够在一定程度上反映县域农业生产的发展情况(表1)。本文尝试使用农用塑料薄膜使用量为投入变量，作为现代化农业发展中重要的生产资料,农用薄膜的广泛应用，带动农业生产力和耕地利用效率的显著提高和生产方式的改变，且安徽省各县农用薄膜数量呈逐年递增趋势。本文选取2011—2017年安徽省61个县域(56个县和5个县级市)作为决策单元和研究对象，统计数据来源于历年《安徽统计年鉴》和中经网。

表1 耕地利用效率评价体系

三、安徽省县域耕地利用效率时空分异格局

(一)静态测度与分析

根据2011—2017年各县域范围耕地投入和产出数据，借助DEAP2.1软件，测算各时期安徽省县域耕地利用的综合效率、纯技术效率和规模效率，整理得到表2。由表可以看出安徽省县域耕地利用效率变化幅度较小，综合效率、纯技术效率和规模效率均呈现先下降后上升的趋势。2013年耕地利用效率值相对较低，查阅资料发现气象灾害发生率高，夏季高温，干旱频发，整体气候形势不稳定，农业生产极其易受自然环境影响。2011年和2017年耕地利用效率相对较高，该年份属于正常气候年景。

表2 2011—2017年安徽省县域耕地利用效率均值

对2011—2017年安徽省县域耕地利用综合效率情况(表3)分析可知，DEA有效即综合效率值为1的县域个数在14～20个间波动，存在先下降后上升的趋势，说明总体上安徽省县域耕地利用效率在提高，其中砀山县、临泉县、太和县、舒城县、繁昌县、桐城市、怀宁县、岳西县、歙县和祁门县十个县在研究年限内综合效率值均为1，耕地利用效率高。而综合效率最低的县域集中在来安县、全椒县和定远县，均位于安徽省东部的滁州市，滁州市耕地资源总量较多，但农田基础设施较薄弱，且气候年际变化明显，对县域耕地利用影响较大。

表3 2011—2017年安徽省县域耕地利用综合效率情况

再将2011、2014、2017三年效率值导入ArcGIS10.2软件中，根据自然间断点分级法，分为效率高值区、次高值区、次低值区和低值区(图1)，得到耕地利用效率值分布特征。总体上三个时期耕地利用综合效率、纯技术效率、规模效率变化不明显，效率值有增加趋势，直观上，安徽省南部的耕地利用效率高于北部，西部则高于东部县域。结合安徽省县域地形地貌，可分析南北部耕地利用效率差异的潜在原因，尽管南部大别山区和皖南山区的土地自然资源禀赋低于北部淮北平原，且耕地碎片化，难以应用现代化农业技术和设施，但精耕细作的“小农模式”，充分利用生产资料，提高单位面积产量，反而具有较高的耕地利用效率。

图1 耕地利用效率值分布特征

将2011、2014、2017三年规模报酬赋值导入ArcGIS10.2软件中，规模报酬递增(irs)为1，规模报酬不变为0，规模报酬递减(drs)，得到耕地利用效率规模报酬变化情况分布特征(图2)。规模报酬递增的县域由16个增加到17个，2017年剧减至8个；规模报酬不变的县域个数在20个左右浮动；规模报酬递减的县域从2011年23个增加至2014年26个，2017年则达到30个。耕地利用效率的规模报酬递减，说明增加生产投入，不结合实际情况扩大耕地规模，反而利用效率降低。具体各年各县域规模报酬变化情况较复杂，空间上规律不明显，与当年农业生产和耕地利用的实际情况有关。

图2 耕地利用效率规模报酬变化情况分布

(二)动态测度与分析

前文利用DEA-BBC模型测算2011—2017年安徽省县域耕地利用效率，并使用ArcGIS软件对2011、2014、2017年的效率值进行可视化，主要是基于截面数据的静态比较。继续使用DEAP2.1软件，对2011-2017年安徽省61个县域的面板数据进行Malmquist指数分析。Malmquist指数是基于纵向对比的动态分析，可以综合考虑所有投入要素，得到各年份耕地利用效率全要素生产率变化及其构成，结果如表4所示。主要呈现以下特点：一是技术效率、纯技术效率、规模效率围绕数值1波动，且幅度较小，总体呈现上升趋势；二是技术进步和全要素生产率波动较大，全要素生产率由2011年的0.904增加到2017年的1.058，两个指数表现出一致的变化趋势，技术进步始终是耕地利用效率全要素生产率增长的主要动力，农业技术的推广和应用提高耕地利用效率及全要素生产率。2016—2017全要素生产率的增长率为5.8%，主要由于县域农业基础设施和农田水利设施建设逐步完工并使用，地区能够合理配置耕地和其他资源，利用较先进的农业生产技术，使耕地利用全要素生产率增长水平明显提高。

表4 2011-2017年安徽省县域耕地利用效率分年Malmquist指数及分解

对2011-2017年安徽省61个县域的面板数据进行Malmquist指数分析，可以得到各县域具体的耕地利用效率全要素生产率(表5)。排序后分析可知：仅有天长市、绩溪县、来安县、寿县、郎溪县、当涂县、南陵县七个县域的全要素生产率大于1，即耕地利用效率总体呈现增长趋势，全要素生产率值在空间上分布无明显特征。其中天长市的全要素生产率增幅最大，达到2.9%，天长市是重要的农业生产县域，土地生态环境良好，耕地利用效率一直维持较高水平。全要素生产率均值为0.950，其增长率为-5.0%，说明总体上资源配置效率持续下降，仅有29个县域高于均值，不到县域总数的一半。全要素生产率最低值是安庆市太湖县，仅为0.822，太湖县山多地陡，县域经济较薄弱，全要素生产率过低。

表5 2011-2017年安徽省县域耕地利用效率分地区全要素生产率指数

(三)全局空间分异格局

通过全局莫兰指数来分析安徽省县域耕地利用效率总体分布格局，基于ArcGIS10.2软件，测算出2011—2017年安徽省县域耕地利用效率的Global Moran’s I值(表6)，由表可看出研究期间安徽省县域耕地利用效率Global Moran’s I指数均大于0，且除2017年均大于0.4，表明该效率呈现空间聚集分布，存在较强的空间正相关性。2011—2017年的指数值可分为两个阶段：第一阶段是Global Moran’s I指数从2011的0.489 4增加到2014年的最大值0.583 2，增幅达19.16%，这期间安徽省县域耕地利用效率的空间自相关逐渐增强；第二阶段是2014—2017年，Global Moran’s I指数下降了0.351 6，2017年仅为0.231 6，指数值骤降说明空间自相关变弱。总体来看，2011年以来安徽省县域耕地利用效率全局空间分异格局并不稳定。

表6 安徽省农业生产效率Global Moran’s I指数(2011—2017年)

(四)局部空间分异格局

采用热点分析从局部探索安徽省县域耕地利用效率空间分异格局的变化特征，使用ArcGIS10.2软件中的热点分析工具，分别测算2011年、2014年、2017年三个时期耕地利用效率局部指数，根据自然间断点分类法，从低值到高值将软件计算得到的指数，分为冷点、次冷点、次热点、热点4个区域，结果如图3所示。可以看出安徽省县域大部分地区既不属于低值聚集，也不属于高值聚集，在空间上表现出不显著。总体上安徽省县域耕地利用效率呈现出较显著的空间分异格局，即具有相对高(低)值耕地利用效率在空间上呈现较强的组团式集聚分布态势，具体表现为冷热点存在空间极化现象，集中性较强。2011年和2014年，耕地利用效率热点和次热点区域集中在安徽省西南部的安庆市、六安市，热点区域对其他相邻区域有较强的带动作用，但2017年仅有石台县和泾县为次热点区域，因为部分区域综合技术效率在当年降低，使正向的溢出效应减少甚至消失。耕地利用效率冷点和次冷点集中在安徽省东北部的滁州市和宿州市、蚌埠市部分县域；且2017年冷点区域有缩小趋势，省域范围内耕地利用效率的极化现象较为明显。

图3 2011—2017年安徽省县域耕地利用效率空间格局

四、安徽省县域耕地利用效率影响因素分析

为了进一步验证安徽省县域耕地利用效率的影响因素，将耕地利用效率作为被解释变量，运用Tobit模型进行分析。参照洪开荣、叶长盛等人的研究，Tobit模型指标选取时考虑经济、社会等原因，对原DEA测算效率模型进行修正，指标比原投入产出综合分析更加全面，故选取的主要影响因素有：(1)农林水事务支出，反映财政支农、政府干预对耕地利用效率的影响。(2)人均GDP，用县域GDP 与常住人口的比值衡量，反映县域经济发展和居民收入因素对耕地利用效率的影响。(3)有效灌溉面积，反映灌溉工程或配套设施对耕地利用效率的影响。(4)工业化发展水平，用县域工业GDP占全部GDP的比重衡量，反映工业化对耕地利用效率的影响。

根据表7的回归结果，选取的四个关键影响因素在回归分析中均有意义，且根据系数绝对值的大小，可得出不同因素对耕地利用效率的影响强度，排序为：工业化水平>人均GDP>农林水支出>有效灌溉面积。工业化水平对耕地利用效率的影响最显著，且呈正向影响关系，体现工业反哺农业，推动耕地利用效率的提高。人均GDP与耕地利用效率呈负相关关系，一定程度上说明区域经济水平提高主要依赖二、三产业，忽视农业生产和耕地集约利用。财政支农力度与耕地利用效率呈负相关关系，这表明农林水财政资金运用效率较低，政府过多地干预农业生产反而造成不利影响。有效灌溉面积与耕地利用效率在1% 的显著性水平呈负相关关系，可能是由于人为的水利设施投入，改变了传统自然的农业生产，未充分发挥耕地利用潜能，且地区间水利基础设施水平差异较大。

表7 安徽省县域耕地利用效率回归结果

五、结论与建议

本文以安徽省61个县域为研究区域，基于数据包络分析法，构建耕地利用效率指标体系，对2011—2017年安徽省县域耕地利用效率及其时空分异格局进行分析。得到的结论如下：(1)综合效率、纯技术效率和规模效率均呈现先下降后上升的趋势，耕地利用效率总体上升。(2)耕地利用效率规模报酬递减的县域个数大量增加。(3)全局自相关由强减弱，安徽省县域耕地利用效率全局空间分异格局不稳定。(4)安徽省耕地利用效率区域分化明显：南部耕地利用效率高于北部，西部则高于东部县域，耕地利用效率的热点区域集中在西南部，冷点集中在东北部，极化现象明显。

根据上述研究结果和安徽省县域发展的实际情况，我们提出如下对策建议：(1)鉴于农业种植的特性，必须强化耕地基础设施建设，增强防控自然灾害等风险的能力，尤其是抵御农业气象灾害，增强农作物生产效率和经济竞争力。(2)学习农业发展较好地区的经验和技术，通过提高技术效率和技术进步，增加耕地利用效率的全要素生产率和综合效率。(3)在适度增加涉农资金投入的同时，注重资金使用合理化，一方面惠农补贴资金增加农民收入，间接增强耕作投入成本和资料质量，改善耕作条件，提高农民生产积极性；另一方面政府投入资金可以改善灌溉、农机等方面的耕作环境，不断提高耕地利用效率。(4)安徽省耕地利用效率提升应当分区域采取针对性举措，对于耕地土壤相对贫瘠的地区，尤其是山地，坡度较陡，耕地面积较小，耕种投入更应注重科学性和生态性原则，避免过度开发利用。而对于安徽省大多数平原、丘陵地区，要发展现代农业，加快农业现代化，短期有较大提升空间，是提高耕地利用效率的主要力量。(5)个别利用效率较低的县域，应当加强农业科技投入，可通过引进、推广新品种及新种植方法，提升县域农业生产的机械化水平，构建县域农业技术综合性平台，真正促进耕地的集约利用。

此外，基于本文研究，有如下值得继续探讨的问题：一是耕地利用效率影响因素之间的内在联系；二是平原、丘陵、山地等地形，即不同区位自然禀赋差异对耕地效率的影响；三是空间自相关在耕地利用效率空间格局分析中的进一步应用，根据冷热点区域制定差异化政策，以促进区域耕地利用效率的提高。