长江经济带耕地利用效率时空演变特征及提升路径研究

吴郁玲，张佩，李佳

（华中师范大学公共管理学院，湖北 武汉 430079）

耕地是人类生存和发展的基础，其在农业和国民经济中的重要性不可替代[1]，如何利用有限的耕地资源提高耕地产出是实现经济社会可持续发展的必然要求。2009—2016年我国耕地面积下降约4.6×105hm2[2]，与此同时，优质耕地非农化、土壤酸化、盐渍化、农业面源污染等现象愈演愈烈[3-4]，耕地面积与质量的不断下降制约了耕地利用效率的提升，长此以往会威胁中国粮食安全。因此，深入分析耕地利用效率现状，揭示耕地利用效率作用规律，探究提升耕地利用效率的多重路径对于保障我国粮食安全、实现经济社会可持续发展具有重要的现实意义。

目前学术界围绕耕地利用效率进行了一些有益的探索，现有的研究主要侧重于耕地利用效率的测算[5-6]、时空特征[7-8]以及影响因素[9-10]等方面。其中耕地利用效率的测算与影响因素的分析是其研究的核心，在效率测算方面，学者们主要从耕地利用效率的内涵着手，认为耕地利用效率是包含以耕地要素投入为核心的资本、劳动力等多要素投入与所产出的经济效益之间的关系[11-12]，因而学者们在测算耕地利用效率时，大多倾向于选择能够解决多投入多产出问题的数据包络相关模型来进行研究，如有学者运用CCR模型[13]、SBM模型[14]测算了部分 省份耕地利用效率，也有学者运用超效率模型测算了粮食主产区耕地利用效率并分析了其时空特征[15]， 这些研究为本研究的顺利开展提供了坚实的理论基础与技术支持。而在影响因素研究方面，学者们发现气候条件[16]、耕地资源禀赋[17]、经济发展水平[18]等对耕地利用效率有显著影响，然而现有的研究主要关注耕地利用效率的外部影响因素，较少的从耕地投入要素本身深入剖析其对耕地利用效率的影响，而科学评价并剖析耕地利用效率本身，能够从源头着手把握耕地利用效率的本质特征，从而为提高耕地利用效率做出更具针对性的改进措施。最后，在研究尺度上，现有研究大多从全国[19]、省域[20]、市域[21]等宏观视角进行评价分析，而缺乏基于国家发展战略视角下特定经济带耕地利用效率的研究，导致区域经济带与国家粮食安全的相关政策研究供给不足。

长江经济带横跨中国东、中、西部地区，覆盖四川、贵州、云南、重庆、湖南、湖北、江西、安徽、浙江、江苏、上海11个省（市），占全国国土面积的21.4%，人口和国内生产总值均占全国的40%以上，是中国最具活力和发展潜力的经济带之一。区域内分布有江汉平原、洞庭湖平原、鄱阳湖平原等三大平原，耕地资源十分丰富，且是我国重要的粮食主产区，其耕地规模、播种面积和粮食产量分别占全国的33.34%、40.61%和37.77%[22]。已有研究表明，自2000年以来长江流域的粮食生产主体地位不断下降，人均粮食产量也在不断降低[23]。十四五规划提出要提高资源利用效率，推动长江经济带上中下游、东中西部地区协同可持续发展，在“共抓大保护，不搞大开发”的发展理念下，以最低土地资源代价支撑社会经济发展显得尤为重要，其中提升耕地利用效率乃是重中之重[24]。因此，研究长江经济带耕地利用效率的动态变化规律，深入剖析其耕地要素投入的冗余状况，对于兼顾我国经济快速发展、切实保护耕地、确保粮食安全具有重要的现实意义。

鉴于此，本研究选取长江经济带126个地级市作为研究单元，借助超效率SBM模型对2008—2017年研究区耕地利用效率进行测度，其次利用探索性空间数据分析方法来刻画其时空演变特征，最后根据各评价单元投入冗余情况，提出未来耕地利用效率提升方向与政策建议，以期为长江经济带不同地区优化耕地资源要素投入组合，进一步提升耕地利用效率提供参考借鉴。

1 研究方法与数据来源

1.1 研究方法

1.1.1 超效率SBM模型 数据包络分析法（Data Envelopment Analysis, DEA）是利用多投入多产出指标来分析相对效率的一种数量分析方法，传统的DEA模型包括分别适用于规模报酬可变和规模报酬不变的BCC（Banker, Charnes and Cooper, BCC）和CCR（Charnes, Cooper and Rhodes, CCR）两种基本模型，这两种模型从径向和角度对效率进行度量，误差相对较大。2001年Tone[25]提出了基于投入和产出的松弛变量测度的非径向非角度的SBM（Slack Based Model, SBM）模型，该模型的优点在于投入和产出为无量纲，计算结果会随松弛度变化而单调递减。然而根据单纯的SBM模型测算结果会出现多个决策单元效率值为1的情况，无法对决策单元进行有效评价与排序，因此Tone基于修正松弛变量提出了超效率SBM模型，即可分析效率值大于等于1的情况。因此本研究选取超效率SBM模型对长江经济带耕地利用效率进行测度，会使计算结果更加科学准确。其计算公式如下[26]：

式中：δ为耕地利用效率，m为耕地投入要素，n为决策单元数量，X0和Y0分别表示投入变量和产出变量，Xi为第i个决策单元的投入量，Yj为第j个决策单元的产出量，(Xik，Yrk)表示第k个决策单元的第i项投入和第r项产出。λ为权重向量，λj为单位组合系数，S为耕地产出要素，Si-为投入松弛变量，Si+为产出松弛变量，S-为投入冗余量，S+为产出不足量，即实际与理想（最优）产出之间的相对差值。

1.1.2 探索性空间数据分析 探索性空间数据分析法（Exploring Space Date Analysis, ESDA）是通过技术操作对空间数据进行可视化分析，发现空间集聚现象与空间异质性的相互作用关系，来解释研究区域内研究对象的空间作用机制[27]。本研究通过全局Moran’sI指数和局部Moran’sI指数分别用以解释长江经济带耕地利用效率的全域和局域的空间关联度，Moran’sI＞0表明存在空间正相关性，其值越大正相关性越强，Moran’sI＜0表明存在空间负相关性，其值越小负相关性越强。其中，全局Moran’sI指数计算公式为[28]：

式中：I为Moran’sI指数，n为研究对象个数，Yi和Yj分别为i区域和j区域观测值，Wij为空间权重矩阵（空间相邻为1，不相邻为0）；S2为观测值的方差，为观测值的平均值。

局域Moran’sI指数计算公式为：

式中：Ii为局部空间自相关性指标，Xi、Xj分别表示空间单元i、j的属性值，为X的平均值，n为样本数，Wij为空间权重矩阵。

1.2 指标选取

耕地利用效率是单位耕地的投入与产出之比，借鉴相关研究[29-30]，本研究主要基于耕地利用的经济效益和社会效益来考察耕地的利用效率。基于此，本文按照投入-产出的逻辑和遵循评价指标的科学性、合理性以及可获得性等原则构建耕地利用指标体系，其中投入方面主要包含土地投入、劳动力投入以及资本投入三个维度，选取耕地面积（耕地面积乘以复种指数）来表征土地要素的投入，农业从业人数（种植业从业人数）表征劳动要素的投入，农业机械总动力和化肥施用量（折纯计算）来表征资本要素的投入；产出方面主要选取农业总产值（种植业产值）和粮食总产量来分别表征耕地的社会与经济产出（表1）。

表1 耕地利用效率测度指标体系Table 1 Index system of the farmland utilization efficiency

1.3 数据来源与处理

本研究选取了长江经济带126个地级市作为研究单元，数据来源于长江经济带11个省、市的统计年鉴及国民经济和社会发展统计公报（2008—2017年），其中部分年份数据缺失，本研究采用线性估值法、平均估值法等进行填充。为便于在研究中作区域差异分析，将长江经济带划分为上中下游三大区域，其中上游地区包括四川、云南、重庆、贵州四个省市的47个地级市，中游地区包括湖北、湖南、江西三个省的38个地级市，下游地区包括上海、江苏、浙江、安徽四个省市的41个地级市。

2 结果与分析

2.1 耕地利用效率时序特征分析

借助超效率SBM模型测算得到2008—2017年长江经济带126个地级市耕地利用效率值（图1），分析得出以下特征：1）长江经济带耕地利用效率总体不高。整体效率平均值为0.536，其最大值也仅为0.584，远小于DEA较优（效率值大于等于1），其中2008、2011、2014和2017年长江经济带126个地级市中分别有15、18、17和18个城市耕地利用效率值达到DEA较优，分别占总数的11.9%、14.3%、13.5%和14.3%。这表明近些年长江经济带总体上耕地利用效率不高，利用效率较优城市数量占比较低，在长江经济带10年的城镇化进程中，虽然以机械化为代表的耕地生产投入在不断完善进步，期望产出在年年提高，但多数地区耕地生产投入要素仍未实现最优配置，存在要素错配现象，从而阻碍了区域整体耕地利用效率的提高。

2）长江经济带耕地利用效率总体上呈现波动下降的趋势。由图1可知，耕地利用效率从2008年的0.584下降到2017年的0.496，下降幅度约为12.1%，期间最低值为2013年的0.447。这表明长江经济带耕地保护面临着严峻的形势，长江经济带作为我国社会经济发达地区之一，在吸引大量农村劳动力涌入城市，不断推进城市化进程的同时，上、中游地区农业劳动力持续流失，尤其是重庆、四川、湖南等地，农业人口流出严重，致使农村大量耕地无人耕种，耕地抛荒闲置现象严重，耕地资源无法得到有效利用[31]。而下游地区非农人口膨胀，城市扩张大量占用耕地，同时在比较优势下耕地非农化、非粮化趋势明显，近年来下游地区农业总产值增加值与粮食总产量增加值呈平稳态势，而耕地生产投入要素却在年年增长，进而使得耕地利用效率相对呈现波动下降趋势。

3）长江经济带耕地利用效率区域差异较为显著。2008—2017年长江经济带上、中、下游地区耕地利用的效率均值分别为0.504、0.555和0.553，其中上游和下游地区的效率均值分别由2008年的0.620、0.655降至2017年的0.496、0.477，而中游地区的效率均值则由2008年的0.462升至2017年的0.553。这表明长江经济带耕地利用效率区域差异较为显著，不同地区受资源禀赋和社会经济等因素影响作用也不同，其中，上游地区主要以生态保护为主，多山地丘陵的地形特征使得大型机械难以操作，农业机械总动力投入相对不足；中游地区分布有多个平原，水热条件较好，耕地资源禀赋较优；下游地区社会经济发达，资本技术劳动力等要素组合相对较优。说明应当采取差别化对策，优化不同地区耕地要素投入组合。

2.2 耕地利用效率空间特征分析

2.2.1 耕地利用效率全局特征分析 限于篇幅，仅以2008年、2011年、2014年和2017年进行分析，利用式（2）计算四个年份耕地利用效率值的全局Moran’sI值，以分析其总体空间分异特征（表2）。从静态截面来看，2008年、2011年、2014年和2017年耕地利用效率Moran’sI指数分别为0.095、0.040、 0.079和0.085，4个时期全局Moran’sI指数均在10%水平上通过显著性检验且均大于0，说明长江经济带耕地利用效率呈现正的空间自相关，即相邻地级市耕地利用效率呈现空间集聚态势；从动态变化幅度来看，Moran’sI指数从2008年的0.095陡降至2011年的0.040，下降幅度约58%，随后激增至2014年的0.079，之后一直保持上升态势，直至2017年的0.085，四年的Moran’sI指数平均值为0.075，这一变化趋势表明近年来长江经济带耕地利用效率的空间相关性处于波动增强态势，集聚态势有所凸显；2014年的陡增现象反映出长江经济带耕地利用效率总体空间格局发生了较大的变动，集聚性更强。通过对比可知，2008年和2017年效率全局Moran’sI观测值与期望值之间差距不大，整个研究期内减幅仅为10%左右，也充分说明2008—2017年间长江经济带耕地利用效率空间集聚性骤 降后逐步增强，但总体空间分异格局保持相对稳定态势。

表2 耕地利用效率全局Moran’s I值Table 2 Global Moran’s Ivalue of farmland utilization efficiency

2.2.2 耕地利用效率局部特征分析 由于全局Moran’sI指数仅从全域视角上展现了长江经济带耕地利用效率空间自相关特征，难以反映局部异常值或集聚出现的范围和位置，因此利用式（3）计算出2008、2011、2014和2017年长江经济带耕地利用效率的局部Moran’sI指数值，将Moran’sI值分为4类：高高区、高低区、低高区、低低区，借助ArcGIS软件绘制长江经济带耕地利用效率局部集聚演变图（图2），用以反映长江经济带耕地利用效率局部空间分异格局。从图2可以看出，研究期内长江经济带耕地利用效率空间集聚特征较为显著，其效率值在空间上主要呈现高高集聚或低低集聚的分布态势，并且空间集聚格局随时间推移而演变。

1）2008年耕地利用效率高值区域呈现出“双核集聚”的空间格局。该年度长江经济带耕地利用综合效率形成了两个高值集聚区域，第一个“极核”主要涵盖了江苏省大部以及浙江省北部城市，第二个“极核”主要位于被誉为“天府之国”的四川盆地，该地区水热条件较好，地形平坦，因此耕地利用效率相对较高；低值地区主要集中在湖北省西部、贵州省的大部分地区以及湖南省的西北部地区，这些区域多山地丘陵地形，土地坡度较大导致耕作难度较大，因此该区域耕地利用效率较低。

2）2011年耕地利用效率高值区域呈现出“多核集聚”的空间格局。该年度长江经济带耕地利用综合效率形成了三个高值集聚区域，第一个“极核”区域集聚在江苏省东部城市，第二个“极核”区域集聚在湖北省随州市，第三个“极核”区域分布在四川盆地附近，该集聚类型呈现高高趋势，说明此区域耕地利用效率较高；低值区域集聚在贵州省以及安徽省西部城市，如六安市、亳州市等，受自然禀赋条件影响该集聚类型呈现低低趋势，因此该区域耕地利用效率较低。

3）2014年耕地利用效率高值区域呈现出“多核集聚”的空间格局，但体现出显著的层次性。该年度长江经济带耕地利用综合效率形成了多个高值集聚的“极核”，第一个“极核”分布在江西省东北部鄱阳湖平原附近，第二个“极核”主要分布在江苏省东部、南部的平原地区，第三个“极核”分布在湖北省中东部地区，且主要集聚在江汉平原附近，该区域同样因较好的自然资源禀赋而使得耕地利用效率较高；同时也形成了多个低值集聚的“极核”，其中第一个“极核”分布于贵州省，第二个“极核”位于安徽省的西部且呈带状分布，两地均为山区地带，耕地破碎难以成片规模化生产，严重影响耕地利用效率。

4）2017年耕地利用效率高值区域仍呈现出“多核集聚”的空间格局。与2008年相比，高值“极核”仍包括江苏省东部和四川盆地等区域、低值“极核”仍包括贵州省，但高值“极核”所在区域增加了一个“极核”，其涵盖了江西省的抚州市、南昌市、宜春市和九江市以及湖北省黄石市，说明该区域通过调整耕地投入要素后利用效率有了显著提升；同时湖北省大部分地区退出低值集聚的区域，说明近些年湖北省努力挖掘自身的资源禀赋优势，产生显著的积极效益，但低值集聚区域出现一个新的“极核”，其位于安徽省的中西部城市，说明近些年该区域的耕地利用效率急剧下降，该区域多分布在大别山区，且由于安徽省是一个劳务人口输出大省，其人口的外迁会导致农业人口的流失，从而引发耕地抛荒，致使耕地利用效率的降低。

2.3 耕地利用效率冗余改善分析

为进一步探究长江经济带耕地利用效率低下的原因，本研究引入要素冗余率。要素冗余率反映的是投入产出与最优配置目标值之间的差距情况[32]， 冗余率＞0即表示存在投入冗余，冗余率＜0即表示存在投入不足。本研究中耕地利用要素冗余指在现有要素投入的基础上，部分要素未高效利用从而存在相对冗余，例如2017年耕地面积全域冗余率为24.5%，即表示在产出不变的情况下耕地面积多投入了24.5%，即出现了相对冗余情况，若将这24.5%的耕地面积充分利用将会产生更多的产出。

本研究基于2008、2011、2014和2017年的耕地投入指标冗余数据（剔除效率值大于等于1的城市），绘制出2008—2017年长江经济带耕地投入要素冗余表（表3），用以分析全域冗余情况。同时基于2008和2017年耕地投入指标冗余数据（剔除效率值大于等于1的城市），绘制长江经济带耕地投入 要素冗余率分布图（图3），用以分析局域冗余情况。

表3 2008—2017年长江经济带耕地投入要素冗余率Table 3 Redundancy rate of farmland input factors in the Yangtze River economic belt from 2008 to 2017

2.3.1 耕地面积冗余分析 从全域来看，2008—2017年长江经济带耕地面积冗余率呈现波动上升的态势，其中2008—2014年总体冗余率处于较低水平，而2017年总体冗余率要远高于以往年份。从局域来看，阿坝藏族羌族自治州、黔西南布依族苗族自治州等地区耕地面积投入长期处于高度冗余状态，相比2008年，2017年在25%～50%、50%～75%的冗余范围内分别新增城市33个和10个，新增城市上中下游均有分布，如上游的川渝地区、云贵高原，中游的湘西、鄂东地区，下游的丽水、金华以及台州等市。这表明长江经济带耕地资源投入浪费的现象较为严重，这很可能与城市化的快速推进有关。2015年长江经济带城镇化率已达56.7%，按照诺瑟姆城镇化发展曲线，长江经济带已属于快速城镇化时期[33]，快速城镇化推动第一产业从业人员向二、三产业不断转移，一方面使得农村人均耕地面积增加，另一方面造成劳动力结构改变，农业生产由过去的青壮劳动力为主转向老年劳动力为主。在相对人均耕地生产面积投入增加的同时，由于老年劳动力在先进的生产技术、知识等方面存在相对较弱的情况，致使耕地面积冗余急剧扩张。

2.3.2 农业从业人数冗余分析 从全域来看，2008—

2017年长江经济带农业从业人数冗余率始终处于高水平阶段，且为四项投入指标中冗余程度最大，其中上游地区的冗余率要远高于中游和下游地区。从局域来看，相比2008年，2017年在25%～50%、50%～75%的冗余范围内分别新增城市1个和2个，研究期内冗余变动情况较小，其中滇南、黔南地区冗余情况相对较为严重。这表明长江经济带整体上还存在农业人口和传统农业经营方式比重较大等现象，其中上游地区更加典型，这很可能与自然环境和社会经济发展水平有关。据中国统计年鉴长江经济带各省市的农业从业人员数整理发现，2014年长江经济带农业人口比重较高的省份主要为贵州省和云南省，高达83.6%和70.86%，主要原因在于上游地区多山地丘陵，地形坡度较大不利于大型机械规模化经营，主要以家庭为单位的传统小农经营方式为主，且上游地区交通不便社会经济相对落后，以致农业从业人数比重较高，因此产生的冗余率相对较大。

2.3.3 农业机械总动力冗余分析 从全域来看，2008—2017年长江经济带农业机械总动力冗余率总体上处于较低水平且呈波动下降态势，其中上游和中游地区的冗余率要远低于下游地区，2014—2017年下游地区的冗余率更是从11.36%激增至47.89%。从局域来看，相比2008年，2017年在75%～100%的冗余范围内新增城市数15个，冗余情况严重，主要由江淮地区以及鄱阳湖平原等粮食主产区向四周辐射分布，滇南、鄂北、浙南等地区逐步退出高冗余阶段。这表明长江经济带农业机械化整体冗余量不大但区域差异化显著，上游地区本身地形条件制约了农业机械的投入，多为传统家庭经营模式，梯田式耕作模式可能弥补了农业机械投入上的相对不足，中游地区分布有多个水热条件较好的平原，适合大型机械的推进，因此农业机械与资源禀赋之间组合较优，导致冗余较低，说明近些年中游地区农业机械化的推进政策落实较好，而下游地区虽然是社会经济发达或粮食主产地区，机械化水平可能较高，但在实际利用中农业机械总动力的投入可能已经达到帕累托最优，随着投入要素的追加会产生规模报酬递减的可能性，因此2014年以来农业机械总动力冗余率不断激增。

2.3.4 化肥施用量冗余分析 从全域来看，2008—2017年长江经济带化肥施用量冗余率呈现不断上升的态势且增速不断加强，其中2014—2017年增幅高达57%，冗余率的最大值主要分布在2017年的上游地区。从局域来看，相比2008年，2017年在25%～50%、50%～75%的冗余范围内新增城市数分别为50个和16个，全域内各省均有新增情况，其中云南、贵州等地冗余情况较为严重。表明长江经济带化肥要素投入普遍过多，这可能与粮食增产的政策需求以及农村劳动力短缺有关，一方面在保障我国粮食安全的政策背景下，各级地方政府积极探索粮食增产的路径，而相关农户及承包经营者限于短期利益可能出现盲目施用化肥、农药来达到增产增收的行为，另一方面城镇化吸引大量农村劳动力进入城市，农村人口急剧减少，农户及承包经营者会寻求提高化肥施用量来弥补劳动力短缺的困境。上游地区多贫困山区，农业从业人员专业知识水平较低，更易出现盲目施肥的行为。

3 结论与政策建议

3.1 结论

本研究运用超效率SBM模型测度了2008—2017年长江经济带耕地利用效率，借助ESDA分析法刻画了长江经济带耕地利用效率的时空演变特征，并根据耕地生产投入要素的冗余情况，分析未来长江经济带耕地提升潜力与改善方向，得出以下结论：

1）从时序上来看，2008—2017年长江经济带耕地整体利用效率不高，且呈波动下降态势，上、中、下游三大地区效率区域差异较为显著，除中游地区外，同样均呈波动下降趋势，说明目前长江经济带耕地保护的形势依旧严峻，耕地利用效率还存在较大的提升空间，应当因地制宜采取差别化政策来提升耕地利用效率；从空间上来看，长江经济带耕地利用效率主要呈现显著的空间集聚特征，且主要表现为高高、低低两种集聚态势，因此耕地利用效率高地区可以以优带次，扩大优质农业生产的示范效应，耕地利用效率较低地区应当努力突破地域制约，学习发达地区成熟的农业管理经验及先进的耕作 技术。

2）从耕地生产投入要素冗余情况来看，投入要素冗余与耕地利用效率之间呈负相关，即耕地生产投入要素冗余量越大耕地利用效率越低。时序上看，2008—2017年长江经济带耕地投入指标整体上均存在冗余情况，其中耕地面积、农业从业人数与化肥施用量的冗余度相对较高且范围较广。空间上看，长江经济带上、中、下游的耕地投入冗余情况各不相同，具有显著的地域差异，因此应当制定差别化的冗余提升策略。

3.2 政策建议

鉴于此，提出提升长江经济带耕地利用效率的政策建议：

1）对于长江经济带上游地区，如在黔南、滇南、川北尤其在怒江、红河、文山等贫瘠少地山区，改造中、低产田，大力推行耕地整治工作，引导耕地流转，促使零散耕地连片，在不破坏当地生态环境的前提条件下，科学适宜发展特色梯田农业，发展山区立体农业。其次，密切监控耕地抛荒、非农化、非粮化行为。同时，通过政策鼓励将下游的上海、浙江、江苏等发达省份以及中游的湖北、江西等粮食生产大省先进的耕作技术及农业管理经验引入上游地区，改善农机通行和作业条件，探索使用适宜上游山地丘陵地形的小型农用机械，提高粮食生产效率。

2）对于长江经济带中游地区，如在湖北、江西尤其在江汉平原、环鄱阳湖平原等自然禀赋较优的粮食主产区，对达到一定规模的承包大户给予一定的资金奖励，健全粮食生产补偿机制，打造特色的农产品品牌，提高农产品附加值，如“潜江虾乡稻”，提高农民种粮的积极性。同时，针对中游地区，尤其在恩施、宜昌、黄冈、咸宁等化肥投入冗余较多地区，应当大力推广精准施肥、测土配方施肥等施肥方式，鼓励使用有机肥改善土壤微生物结构，运用RS、GPS、GIS等科学技术加强对耕地地力、土地墒情及土壤肥效的监测，推进化肥减量增效，提升土壤肥力。

3）对于长江经济带下游地区，如在江苏南部、浙江南部尤其在丽水市、泰州市、金华市等城镇化推进较快地区积极培育新型农业经营主体，应对快速城镇化带来的耕地资源闲置、农业劳动力人口结构老龄化等问题，充分发挥长三角地区先进的农业生产技术优势，加大优质粮食种子培育力度，改善栽培灌溉技术，鼓励有条件地区将单季稻变双季稻，提高复种指数，以此来弥补耕地资源的稀缺不足；在安徽省等传统农业大省中应当推行适度机械化、规模化经营，同时大力推广先进农机与生产技术，推动农业机械化提档升级，建立农机更新报废制度，加大农机购置补贴力度。

需要指出的是，耕地利用效率在一定的产权制度安排下，受到边际投入与边际产出比较的影响，而近年来耕地生产投入要素在部分地区处于边际报酬递减阶段，那么如何定量分析耕地生产投入要素边际化对耕地利用效率的影响，是未来研究中需要重点关注的问题；其次，囿于数据的可获性，本研究在产出指标选取上未考虑耕地利用的非期望产出，如耕地生产产生的面源污染，这也将是未来本研究需要强化的地方。