中国省际耕地利用生态效率时空格局演变及影响因素分析——基于2000—2019年面板数据

马林燕，张仁慧，潘子纯，魏 凤

（西北农林科技大学经济管理学院，陕西 杨凌 712100）

1 引言

耕地在保障国家粮食安全和支撑生态建设中起着关键作用[1]。中国创造了以不到世界10%的耕地养活20%以上人口的奇迹[2]，但伴随着快速的城镇化和工业化进程，大量的耕地被占用[3]，且撂荒、荒漠化等问题凸显，导致耕地质量不断下降，国家粮食安全受到威胁[4]。此外，高投入、高消耗的生产模式也带来了环境恶化等生态问题[5]，长此以往将影响我国农业健康发展和国家粮食安全。2021年中央一号文件聚焦生态保护与粮食安全，提出推广保护性耕作模式，健全耕地休耕轮作制度，持续推进化肥农药减量增效，推广农作物病虫害绿色防控产品和技术。在此背景下，以往高投入、高产出、高能耗的生产方式将不再适用[6-7]，要求各地在促进耕地高效利用的同时还应兼顾生态效益，把耕地利用效率与生态融合[8]。但由于各省资源禀赋、生产条件存在差异，省际耕地利用生态效率随时间的推移呈现不同的态势，所以研究如何提高各区域耕地利用生态效率[9]，实现以最小投入达到最大期望产出和最小非期望产出，以及探索各省耕地利用生态效率的特征和关联性，对促进全国耕地利用与生态环境协调发展、保障我国粮食安全、确保农业可持续发展具有重要指导意义。

我国耕地利用研究起步较晚，相关研究主要探讨了耕地利用效率的测算方法、区域差异、时空演变和影响因素。其中，耕地利用效率测算的主流方法包括随机前沿函数[10]、数据包络分析（DEA）[11]、超效率SBM模型和Malmquist-Luenberger生产指数[2]等。研究区域集中在西南地区[12]、黑龙江垦区[13]等，分析不同区域耕地利用效率的差异及空间演变后发现，各区域效率呈现不同特点，表现为西南地区效率高值区不断增多且呈正向空间自相关性，黑龙江各垦区效率在空间分布上波动较小。不同层面的因素均会对耕地利用效率产生影响，微观因素包括农户耕地转入行为[10]、经营规模[14]、家庭特征等[15]，宏观因素包括自然条件、生产条件[16]、技术投入[13]、农业转移人口[17]等。但多数学者仅关注到农业产量或产值等期望产出，忽略了碳排放等非期望产出，导致测算的效率不够精确[18]。

耕地利用与生态的关系在近些年逐渐受到关注，部分研究者尝试将耕地生产过程中产生的碳等污染物作为非期望产出纳入评估系统测算耕地利用生态效率。例如刘蒙罢等[9]利用SBM-Undesirable模型测算了长江中下游粮食主产区耕地利用生态效率，发现测算值显著低于不考虑非期望产出的效率值。时空演变方面，研究区域和时间跨度不同使结果产生差异，1994—2014年粮食主产区耕地利用生态效率呈波动下降趋势且由“南北高、中部低”转为点状分布[2]；2007—2018年长江中下游粮食主产区耕地利用生态效率值在中低效率区间波动，整体呈小幅波动下降趋势且空间分布不均衡[9]；从全国范围看，1993—2013年耕地利用高生态效率地区大幅减少，且出现“两极分化”的特征[19]。进一步地，卢新海等[4]利用Tobit模型对耕地利用生态效率进行分解，发现耕地资源禀赋、经济发展水平、科学技术发展和政府重视程度等是影响耕地利用效率区域差异的主要因素[4]。

综上，现有研究对耕地利用生态效率的研究较少，研究区域主要集中在粮食主产区、长江中下游等局部地区，探究影响因素时多采用Tobit等普通模型，鲜有研究将范围扩大到全国省市探讨各省耕地利用生态效率间的关联性及各省影响因素的差异。鉴于此，本文使用2000—2019年中国31省（不含港、澳、台地区）的面板数据，采用超效率SBM模型测算耕地利用生态效率，通过探索性空间数据分析方法（ESDA）、核密度法和趋势面分析31省耕地利用生态效率在时空上的分布规律和发展趋势；最后通过地理加权回归模型（GWR）探究各省耕地利用生态效率影响因素的差异。

2 研究方法与数据说明

2.1 研究方法

2.1.1 超效率SBM模型

超效率SBM模型能测算含非期望产出的耕地利用效率[20]。模型中加入松弛变量，能有效解决传统DEA模型中的测量误差问题；且以往DEA模型测算效率时会出现多个决策单元效率值为1无法进一步对比分析的情况，超效率SBM模型克服了该问题，能通过前沿面得出大于1的超效率值对决策单元做进一步比较[21]。因此，本文选取该模型测算各省耕地利用生态效率，表达式如下：

式（1）中：每个省代表一个决策单元；m表示每个决策单元的投入；p1表示期望产出；p2表示非期望产出；s-、s+、sb-分别表示投入、期望产出和非期望产出的松弛变量；xk、yk、bk分别表示决策单元的投入、期望产出和非期望产业向量；X、Y、B分别表示投入、期望产出和非期望产出矩阵；λ表示权重向量。

2.1.2 探索性空间数据分析方法（ESDA）

探索性空间数据分析方法主要用来描述地理事物的空间集聚性和关联性，包括全局空间自相关和局部空间自相关[22]。全局空间自相关用来判断变量取值与相邻空间是否有关，研究变量在区域内空间相关性的整体趋势，通常用莫兰指数表示，范围为[-1，1]。公式如下：

式（2）中：n表示研究省份的数量；xi和xj分别表示i省；和j省的耕地利用生态效率；wij是空间权重矩阵，为全面探索各省耕地利用生态效率在地理和经济距离上的空间联系，本文建立地理距离矩阵和经济距离矩阵，其中地理距离矩阵用两个省份间地表距离（dij）的倒数表示，结合该矩阵和各省经济状况建立经济距离矩阵：

式（3）中：Wij为地理距离矩阵；为考察期内第i省人均GDP平均值；为考察期内31个省人均GDP平均值。

局部空间自相关用来度量各区域与周围区域的局部空间关联性，公式如下：

2.1.3 核密度估计

用核密度法探究各省耕地利用生态效率的动态分布特征。假设随机变量X的密度函数为（fx），点x的概率密度估计公式为：

式（5）中：N表示观测值的个数；h为带宽；Xi为观测值；x为均值；K（·）为核函数。

2.1.4 趋势面分析

趋势面能准确模拟地理要素在空间上的分布规律[23]。运用趋势面探究31省耕地利用生态效率空间格局的分异趋势。假设Z（ixi，yi）为某省的耕地利用生态效率（，xi，yi）为空间平面坐标，公式为：

式（6）中：T（ixi，yi）为趋势函数，表示各省耕地利用生态效率的变化趋势；ξi为随机误差。

2.1.5 地理加权回归模型（GWR）

地理加权回归模型（GWR）是一种空间分析技术，将位置引入参数回归分析中，考虑了变量的空间异质性，能反映参数在不同空间的平稳性，实现回归系数随空间位置变化而变化[16]，同时还考虑了空间对象的局部效应，更能准确反映实际情况[24]。因此，本文构建GWR模型对各省耕地利用生态效率影响因素进行分析，公式如下：

式（7）中：β（0ui，vj）为常数项；β（kui，vj）为各省的回归参数；t为省的个数；xik为影响各省耕地利用生态效率的变量；ξi为随机误差项。

2.2 指标选取与数据说明

2.2.1 耕地利用生态效率的测度指标

耕地利用生态效率本质上是指尽可能少的资源投入获得尽可能大的期望产出和尽可能小的非期望产出，综合反映了耕地利用与生态保护的协调关系。结合已有研究[4,24]，本文选取土地、劳动力和物质资料为耕地生产投入指标，其中土地用粮食播种面积（万hm2）衡量，劳动力用第一产业从业人员（万人）表示，物质资料用化肥折纯量（万t）、农业机械总动力（万kW）、农药使用量（t）和农用塑料薄膜使用量（t）衡量；期望产出用粮食产量（万t）和农业产值（亿元）表示，非期望产出用耕地生产过程中的碳排放量表示，包括翻耕、使用机械、施肥、喷洒农药、使用农膜和灌溉等产生的碳排放[25]，计算公式如下：

式（8）中：Ti和δi分别表示各个碳源的原始量和碳排放系数，借鉴相关研究[26-27]确定系数（表1）。

表1 耕地利用各碳源的碳排放系数Tab.1 Carbon emission coefficients of various carbon sources of cultivated land use

2.2.2 耕地利用生态效率的影响因素指标

耕地利用生态效率除受耕地、人力、物质影响外，还受到资源禀赋、经济水平、自然条件、生产条件等外生变量的影响[28]。资源禀赋方面，选取第一产业人员占比和人均播种面积为表征指标[17]，第一产业人员占比越高，则越有足够劳动力投入农业生产进行精耕细作，替代部分机械使用，减少非期望产出，提高效率；人均播种面积增加能促进耕地规模化集约经营，提高效率。经济水平方面，选取人均可支配收入和人均GDP为表征指标[4]，农民经济水平的提高会增强其对生活生产环境的保护意识，提高合理利用耕地和低碳、高效生产的认知并将其运用到实践中，并且收入增多能创造更好的生产条件，提高耕地利用生态效率。自然条件方面，选取受灾面积和复种指数为表征指标[13]，由于农业生产对天气的依赖性较强，自然灾害的发生会显著降低产出；复种指数提高意味着耕地利用强度增强，可能会增加产出，但也会造成化肥、农药、机械等过度使用，增加碳排放。生产条件方面，选取灌溉指数为表征指标[16]，灌溉条件好的区域能满足农业需求，提高生产率，但同时伴随着机械的大量使用，增加碳排放，也可能降低耕地利用生态效率。变量说明见表2。

表2 耕地利用生态效率影响因素指标选取及说明Tab.2 Selection and description of factors affecting eco-efficiency of cultivated land use

2.2.3 数据来源和说明

本文研究期为2000—2019年，相关数据来源于《中国统计年鉴》（2001—2020年）、《中国农村统计年鉴》（2001—2020年）和各省统计年鉴，部分缺失数据采用插值法或就近法进行估计。此外，为消除价格波动引起的测算偏差，本文以2000年为基期，对31个省各年的农业产值进行平减。

3 结果与分析

3.1 中国省际耕地利用生态效率测算结果

通过MaxDEA软件测算出2000—2019年各省耕地利用生态效率，用自然断点法将效率值划分为5个阶段，限于篇幅，本文仅展示2000年和2019年的分布图（图1）。此外，为有效观察区域间效率分布特征，结合自然资源特点，将中国划分为东部、中部、东北、西南和西北5个区域分析全国及各区域耕地利用生态效率的变化趋势。

图1 各省耕地利用生态效率分布图Fig.1 Distribution of eco-efficiency of cultivated land use in various provinces

2000—2019年各省耕地利用生态效率范围缩小，均值降低。范围由0.408～3.976缩小到 0.353～2.046，均值由1.043减小到0.873，原因是过去20年耕地面积不断减少，有限的耕地被过度利用，且各类化肥农药滥用，造成全国耕地利用生态效率普遍降低。分布上，各省耕地利用生态效率不均衡且均有所变动。2000年效率高值区仅为西藏和海南，到2019年海南变为低值区，高值区扩大到包括黑龙江、内蒙古等13个省，原因可能是海南近40年耕地面积减少较多，人类活动强度增强[29]，导致耕地利用生态效率下降。青海省始终处于效率低值区，可能是由耕地资源质量差、气候恶劣、经济欠发达[30]等原因所致。四川、陕西和江西3省效率始终处于中间水平，仍有较大提升空间。

2000—2019年全国及各区域耕地利用生态效率变动趋势存在差异（图2）。全国效率平缓下降，这与部分研究结论[31]相反，如张立新等[16]学者认为近20年我国粮食主产区耕地利用效率呈上升趋势，原因是本文以全国为研究对象，且测算效率时加入碳排放，说明考虑非期望产出对耕地利用效率的变动趋势有显著影响，以往忽略非期望产出可能无法反映我国耕地利用的真实情况；另外由于区域差异，各地耕地利用效率也不一致。中部和西南地区耕地利用生态效率波动下降且始终低于全国平均水平。东部地区效率值及变动趋势与全国相近，除2000年和2007年外其余年份均略高于全国水平。除2000年外，东北地区其余年份的耕地利用生态效率均高于全国平均水平且整体呈上升趋势。西北地区耕地利用生态效率呈降低趋势，至2014年降至全国平均水平以下。

图2 2000—2019年全国各区域耕地利用生态效率变动趋势Fig.2 Changes in eco-efficiency of cultivated land use in various regions of China from 2000 to 2019

3.2 耕地利用生态效率时空格局演变特征

3.2.1 全局空间格局演变特征

为考察各省耕地利用生态效率的空间关联性与差异性，对其进行全局自相关分析。通过ArcGIS、Matlab、Stata软件计算各年地理和经济距离矩阵下中国省际耕地利用生态效率的全局Moran’sI值（表3）。

表3 中国省际耕地利用生态效率全局空间格局演变特征Tab.3 The evolution characteristics of the general spatial pattern of eco-efficiency of cultivated land use across provinces in China

结果显示，两种矩阵下，Moran’sI值均为负，即中国省际耕地利用生态效率差异性和离散性大于集聚性，存在空间负相关性，地理和经济上相近的省份尚未表现出溢出效应，没有形成联动发展机制。此外，两种情况下Moran’sI值的大小及变动趋势存在差异，说明各省耕地利用生态效率在地理距离和经济距离间的联系不相同。多个年份中地理距离矩阵下的Moran’sI值更小，说明省际耕地利用生态效率在地理距离下的离散程度更高，且研究期内Moran’sI值小幅度波动变化，即近20年中国省际耕地利用生态效率在地理距离上的全局空间相关关系较稳定。在经济距离矩阵下，Moran’sI绝对值小幅度增大，且多个年份通过显著性检验，说明经济水平相似的省份耕地利用生态效率存在异质性，且负相关性略有增强。该结论与刘蒙罢等[9]学者通过构建空间邻接矩阵研究发现长江中下游粮食主产区耕地利用生态效率呈空间正自相关的结论有差异，原因是本文构建的是地理距离矩阵和经济距离矩阵，说明矩阵和区域选择不一致，耕地利用生态效率的空间相关性也可能不一致。

3.2.2 局部空间格局演变特征

全局空间自相关仅揭示了31省耕地利用生态效率整体上的空间规律，为全面考察各省效率的局部相关关系，明晰效率值在空间的集聚状态和演变特征，进一步对各省效率进行局部空间格局分析。

以耕地利用生态效率为横坐标、效率空间滞后数据为纵坐标绘制2000年和2019年散点图①限于篇幅，本文未给出散点图，感兴趣者可向笔者索要。并进行统计（表4），以H表示高效率值，L表示低效率值，则第一和第三象限表示HH集聚和LL集聚类型，即高（低）效率省份周边省份的效率也高（低）；第二和第四象限表示LH和HL集聚类型，即低（高）效率省份周边围绕着高（低）效率省份。2000年多个省份效率值落在三、四象限，至2019年，位于第三象限的点往二、四象限移动，属于（LH）低值塌陷型和（HL）高值凸起型的省份增多，呈现为“中心低（高），四周高（低）”的空间非均衡关联集聚状态，即地理位置和经济水平相近的省份耕地利用生态效率空间差异性增强。

表4 耕地利用生态效率的省域空间相关模式Tab.4 The provincial spatial correlation model of eco-efficiency of cultivated land use

具体来看，2000年两个矩阵下31个省效率分布完全一致，陕西、内蒙古和吉林分布在第一象限HH集聚区；云南、辽宁和甘肃分布在第二象限LH集聚区；浙江、山西等15个省分布在第三象限LL集聚区；新疆、西藏等10个省分布在第四象限HL集聚区。至2019年，两种矩阵下各省分布发生变化，贵州和江苏由原来的HL集聚区变为HH集聚区，对邻近省份带动效应增强，而原来位于HH集聚区的陕西、内蒙古、吉林3省分别移至LH、HL、HL集聚区，与邻近省份差异性增强，带动效应减弱，其他多数省份均有所变动，导致LH和HL集聚区省份增多，效率分布异质性增强。

3.2.3 核密度与趋势面分析

（1）核密度分析。为探究各省耕地利用生态效率的动态分布特征，运用高斯核密度估计法得到31省各年效率的核密度图（图3）。总体看，耕地利用生态效率的核密度曲线中心左移，并呈现“尖峰型”向“宽峰型”的转变趋势，具体如下：①2000—2019年核密度曲线向左偏移，说明近20年耕地利用生态效率呈下降趋势，这主要与长时期以来“高投入、高产出”的耕地利用模式有关，该模式带来的非期望产出严重制约了耕地利用生态效率的提高。②2000年耕地利用生态效率分布存在右拖尾现象，可能受早些年化学用品研发和推广尚未普及、机械化水平有待提升影响，导致碳排放增速放缓，加之农户二三产业就业机会较少，对耕地经营多属于“精耕细作”型投入模式，因此部分省份耕地利用生态效率处于较高水平。③2008年前均只有一个波峰且较为陡峭，2012年开始出现两个波峰，并且2012年和2016年波峰差距较大，说明该时间段耕地利用生态效率出现两极分化，2019年波峰差距减小且较平缓，即各省耕地利用效率差距缩小、两极分化程度降低。原因是当前耕地生产要素配置合理性得到提升、相关耕地可持续利用政策落实到位和农业生态技术的投入相对均衡。

图3 中国耕地利用生态效率的核密度估计Fig.3 Kernel density estimation of eco-efficiency of cultivated land use in China

（2）趋势面分析。通过ArcGIS 10.6软件对各省耕地利用生态效率进行趋势渐变特征分析，以确定其分布规律及发展趋向。如图4所示，Z轴表示各省耕地利用生态效率，X轴和Y轴分别表示正东和正北方向，两条趋势线表示空间中的点向X—Z和Y—Z平面投影点的拟合线。整体来看，中国省际耕地利用生态效率呈现出明显的区域分异规律，东西方向上，从西到东先直线递减，然后呈倒“U”型变化，最后呈递增的趋势；南北方向上，从北到南先直线递增，再呈倒“U”型变化，最后呈递减的趋势。即中国省际耕地利用生态效率的高值区由西南方向逐渐转变为东北方向。

图4 中国耕地利用生态效率趋势面Fig.4 Trend surface of eco-efficiency of cultivated land use in China

耕地利用生态效率在全国东西、南北方向上非均衡分布，可能原因是各省资源、生产条件、经济水平及发展速度不一致，东北方向是我国粮食主产区，耕地资源较丰富，农业基础设施相对完善，技术水平相对更高，因此，至2019年该方向省份耕地利用生态效率较高。

3.3 耕地利用生态效率影响因素分析

为进一步分析各省耕地利用生态效率的影响因素及时空差异，利用ArcGIS 10.6软件中的地理加权回归分析工具估算各因素对各省效率的影响。在分析前将各因素归一化以消除量纲。因2018年和2019年部分数据缺失，最终以2017年代替2019年做回归（表5）。

表5 GWR模型估计结果Tab.5 GWR model estimation results

（1）资源禀赋对耕地利用生态效率的影响。用第一产业人员占比和人均播种面积表示资源禀赋。第一产业人员占比的回归系数均值均为正且波动减小，说明第一产业人员占比增大能带动耕地利用生态效率的提高，但其影响程度不稳定，随时间推移而减弱。原因是第一产业人员占比增多，更能以精耕细作的方式生产，效率更高，但由于近年务农人员年纪偏大，导致影响程度减弱。人均播种面积的影响系数均为正，且由0.328增至0.760，说明随时间推移其影响逐渐增强。原因是人均面积增大能促进耕地规模化集约经营，有利于推动经营主体探索低碳、高效的经营模式，进而促进效率的提高。

（2）经济发展水平对耕地利用生态效率的影响。用农村居民人均可支配收入和人均GDP表示经济发展水平。农村居民人均可支配收入对耕地利用生态效率的影响始终为正，但影响程度大幅降低。随着可支配收入增多，农户提高保护耕地、低碳高效生产的意识，且能增加农业生产的投入以改善生产条件，提高耕地利用生态效率；但随着经济发展，农民收入来源多元化，对农业依赖程度降低，可能会减少农业投入，降低对耕地利用生态效率的影响。人均GDP对各省耕地利用生态效率的影响在方向和程度上均有差异，2000年系数为负，其余年份均为正。原因是中国工业化、城镇化的快速推进使人均GDP增长，但占用、污染和破坏耕地也对耕地利用生态效率带来负面影响，随着人均GDP持续增长到一定水平能反哺农业，增加农业投入与支持，又能促进耕地利用生态效率提高[23]。

（3）自然条件对耕地利用生态效率的影响。用受灾面积和复种指数表示自然条件。受灾面积对耕地利用生态效率的影响均为负，且影响程度波动变化。自然灾害有偶发性和不可控性，对耕地利用的影响不稳定，会减少灾区农业产量和产值，还会对生态环境造成破坏，降低耕地利用生态效率。除2000年和2004年外，其余年份复种指数均对耕地利用生态效率产生正向影响，原因是同年对同一块耕地重复耕作能增加农业产量和产值，提高耕地利用效率，但翻耕次数和农药化肥用量增多会进一步增加非期望产出，导致正向影响程度降低甚至变为负。

（4）生产条件对耕地利用生态效率的影响。用灌溉指数表示农业生产条件[24]。2000年灌溉指数对耕地利用生态效率有正向影响，但影响程度较小，其余年份影响为负。原因是灌溉条件优越的区域能满足农业需求，及时浇灌，提高产量产值，但这也导致非期望产出增多，到一定水平时可能降低正向影响。

（5）各影响因素的区域差异。结合2017年各因素回归系数及可视化结果（图5），分析各因素对各省耕地利用生态效率的空间异质性影响。

各因素对不同省耕地利用生态效率的影响方向、程度均存在差异，其中2017年人均GDP和受灾面积对各省耕地利用生态效率影响方向一致，仅在程度上有差异；第一产业人员占比、人均播种面积、农村居民可支配收入、复种指数和灌溉指数对各省影响方向不一致。第一产业人员占比和人均播种面积回归系数负值主要分布在西北地区，可能原因是西北地区气候干旱、人均耕地面积远高于全国平均水平、耕地退化严重，在该环境下第一产业人员和人均面积增多会导致耕地利用生态效率的进一步降低，而对其他人均面积小、气候相对适宜区域的影响方向则相反。农村居民人均可支配收入和复种指数回归系数负值主要分布在西部地区，可能原因是西部地区农业生产条件相对差，农村人口向二三产业转移较多，可支配收入增多大部分来自务工，对耕地利用生态效率无法起到推动作用；且西部地区耕地质量较差，复种可能进一步导致耕地过度利用，降低其生态效率。灌溉指数回归系数的正值主要分布在西部地区，可能原因是我国水资源东多西少，使西部地区耕地利用对灌溉条件更加敏感，而东部地区灌溉条件较好，反而可能带来更多碳排放，对耕地利用生态效率产生负向影响。

图5 2017年中国耕地利用生态效率影响因素的回归系数空间分布Fig.5 The spatial distribution of regression coefficients of factors affecting eco-efficiency of cultivated land use in China in 2017

4 结论与政策启示

本文主要结论为：（1）2000—2019年全国耕地利用生态效率呈平缓下降趋势；从地区来看，东部地区效率值和变动趋势与全国相近，中部和西南地区效率始终低于全国平均水平且平缓降低，西北地区在2014年前效率均高于全国平均水平，2014年降至全国平均水平以下；东北地区效率均高于全国平均水平且持续提高；从各省来看，耕地利用生态效率范围由0.408～3.976缩小到 0.353～2.046，高值区省份增多。（2）31省耕地利用生态效率存在空间负相关关系，地理距离矩阵下效率离散程度比经济距离矩阵下更高，研究期内效率空间异质性增强；2000—2008年各省耕地利用效率分布呈现单峰态势，2008—2019年效率分布出现两极分化，但分化程度逐渐降低；效率高值区由西南方向逐渐变为东北方向。（3）资源禀赋、经济发展水平、自然条件和生产条件对不同年份各省耕地利用生态效率的影响方向和程度均存在差异。

基于以上研究，提出政策启示：（1）强化相关政策工具应用。加大耕地可持续利用的宣传力度，完善生态型耕地利用模式的激励机制，严格控制化肥农药薄膜使用，鼓励循环农业与生物肥料研发，控制碳排放，提高耕地利用生态效率。（2）探索耕地利用生态效率提升的区域差异化路径。充分发挥江苏、贵州等HH集聚区的引领作用和溢出效应，带动周边省域的耕地利用生态效率提高；积极探索湖南、安徽等LL集聚区低投入、低排放、高产出的农业可持续发展模式；加大对西藏、宁夏等HL集聚区的关注度，使中心省份的高效率正向溢出到邻近省域；提高对云南、四川等LH集聚区中心省域的监管力度，制定相应对策，提高耕地利用生态效率。（3）推动农户流转耕地，促进规模经营。加大耕地流转支持力度，培育新型农业经营主体，给予大户技术扶持、财政补贴，以期通过适度规模经营提升农业生产技术水平，促进耕地利用生态效率提高。