环境约束下的洞庭湖平原耕地利用效率动态演变特征分析*

刘蒙罢，胡贤辉，文高辉

（1.华中农业大学公共管理学院，湖北武汉 430070；2.湖南师范大学地理科学学院，长沙 410081）

0 引言

耕地作为农业生产过程中主要的生产投入要素之一，其不仅为人类提供粮食安全保障，同时也是重要的湿地资源，在区域湿地生态平衡中发挥着重要的作用[1]。然而随着工业化与城镇化的快速发展，农业现代化水平的逐步提升，农业产值增值的背后却伴随着一系列的耕地污染化、贫瘠化等问题[2]，其中一方面来自耕地利用过程中化肥农药等生产资料的过度使用导致的残余对耕地土壤及其水源产生污染，造成耕地土壤的点位超标，据2014年我国公布的《全国土壤污染调查公报》数据显示，我国耕地土壤点位超标率达19.4%，严重损害了耕地的生态功能；另一方面来自耕地利用过程中化肥农药、机械及耕地翻耕等过度投入引起的碳排放与碳流失，向大气系统释放出大量的CO2，影响了整个系统的碳循环过程，对区域生态环境系统产生了负面效应。因此，如何在改善提高耕地利用效率的基础上，降低生产要素的投入冗余率，有效控制耕地污染，是实现耕地利用过程中生态文明建设的焦点问题。因此，文章基于环境约束下研究耕地利用效率问题，对于明确耕地利用过程中的问题，平衡耕地投入、耕地产出及环境影响三者之间的关系、推动耕地利用的可持续发展具有重大意义。

目前，有关耕地利用效率的研究已取得不少研究成果，学者们主要围绕以下三个方面开展相关研究。

（1）耕地利用效率度量体系的构建。如刘玉海和张丽在比较耕地生产率与全要素耕地利用效率的基础上，从投入与产出角度构建了省际耕地利用效率评价的指标体系，将土地、劳动力、农药化肥及农业机械等作为耕地投入指标，将农业总产值作为产出指标[3]；而张立新及税丽等[4-5]在耕地投入产出框架的基础上，将耕地产出指标扩展为农业产值与粮食总产量两项指标，同时反映耕地利用的经济社会效应。然而随着研究的不断扩展与深化，有学者则逐步将耕地利用的负面效应也纳入耕地利用效率的评价指标体系中。如梁流涛[6]将耕地利用过程中的“非意欲”产出中的面源污染纳入农业土地生产效率的评价指标体系中；而匡兵等[7]则将耕地利用过程中的碳排放纳入了中国粮食主产区耕地利用效率的评价指标体系中；彭永刚等[8]则同时将面源污染与碳排放两类非期望产出纳入中国耕地利用效率的评价指标体系中。

（2）耕地利用效率的测度与评价。有关这方面的研究主要集中在测度与评价方法的选取上，当前有关测度及评价方法的选取主要集中在随机前沿分析法[9]、DEA模型[10]、随机森林模型[11]等。

（3）耕地利用效率的时空差异及影响因素研究。如徐秋等[12]基于非期望产出的SBM模型及Tobit模型对黑龙江省的耕地利用效率时空差异及影响因素进行探究，发现黑龙江省在研究时段内耕地利用效率总体呈现下降的趋势且区域差异较大，主要受到劳动力、农机化肥等因素影响；姜晗[13]则基于超效率SBM模型及地理加权回归模型对东部沿海地区25个市耕地利用效率的时空格局分异及影响因素进行探究，发现研究区耕地利用效率整体呈现波动上升的趋势，耕地资源禀赋及政府重视程度是影响耕地利用效率时空分异的重要因素；谢花林[14]则基于DEA模型及Tobit回归模型对鄱阳湖生态经济区耕地利用效率时空差异及影响因素进行分析，发现鄱阳湖生态经济区存在较大的时空差异性，耕地复种指数是影响耕地利用效率最重要的影响因素。

基于上述综述可知，当前学术界对耕地利用效率的研究已取得丰富成果，为该研究奠定了坚实的理论基础，但在研究层面及研究内容上仍存在可进一步拓展之处。当前对于耕地利用效率的研究主要集中于全国或者省级层面，而对于流域层面上的耕地利用效率动态变化研究则尚处于起步阶段；此外，在研究内容上，较少学者基于Malmquist-Luenberger分解指数探究耕地利用效率的动态演化特征。基于此，该文以我国重要的粮食生产基地—洞庭湖平原为研究层面，将面源污染及碳排放作为非期望产出均纳入洞庭湖平原耕地利用效率评价指标体系中，以2007—2017年洞庭湖平原耕地利用的相关数据为样本，利用超效率SBM模型对其耕地利用效率进行测度，并基于Malmquist-Luenberger指数模型及非参数Kernel密度估计法考察其耕地利用效率动态演化特征。以此为治理洞庭湖平原耕地面源污染问题，提高耕地利用效率，缩小地区间的效率不平衡提供参考依据。

1 研究区域及数据来源

洞庭湖平原是以洞庭湖为中心的河湖冲击平原区，地跨湘、鄂两省，主要位于湖南省的东北部，居湖北江汉平原的南部，面积约1.88万km2，其中位于湖南省的面积占总面积的81%，覆盖了岳阳、常德、益阳、湘阴等21个县（市、区），位于湖北省的面积占总面积的19%，覆盖了荆州市的松滋、公安、石首3县（市），是我国重要的粮食、棉花及水产等农产品生产基地，同时也是长江中下游重要的生态功能区，在保护耕地资源、保障国家粮食安全及维护长江中游生态平衡等过程中承担着重要的作用。然而，洞庭湖平原农户在农业生产过程中对耕地重用轻养，大量施用化肥农药，造成严重的面源污染问题，是湖南省面源污染治理的重点区域。因此，该文以洞庭湖平原为研究区域，探究其在环境约束下的耕地利用效率动态演化特征，可为进一步提高长江中下游流域耕地利用效率水平及耕地健康可持续利用提供参考依据。

数据主要来源于《湖南统计年鉴2008—2018》《湖北统计年鉴2008—2018》《湖南农村统计年鉴2008—2018》《湖北农村统计年鉴2008—2018》以及岳阳、益阳、常德及荆州2008—2018年的统计年鉴。对于个别相关缺失数据采用线性趋势值法补齐。

2 研究方法与变量选择

2.1 非期望产出的超效率SBM模型

DEA-SBM方法是由Tone在传统DEA模型的基础上，将投入或产出的松弛变量纳入函数模型中，更准确地评价了存在松弛变量下的效率问题，但该模型还无法进一步的对效率值为1的评价单元进行进一步分析，而超效率SBM模型则克服了传统模型的缺陷，能对评价单元效率值为1的决策单元进行比较、排序，其模型表达式为[16]：

式（1）（2）中，ρ*代表研究区域内各县（市、区）的耕地利用效率值；x、yg、yb则分别代表研究区域内各县（市、区）耕地利用过程中生产要素的投入矩阵、粮食生产的期望产出矩阵以及污染排放等非期望产出矩阵；n为县域数量，m、s1、s2依次代表耕地利用过程中生产要素的投入、期望产出及非期望产出的指标数量；分别代表投入、期望产出及非期望产出的松弛变量；λ表示权重向量。

2.2 Malmquist-Luenberger指数模型

Malmquist指数模型可利用距离函数反映出每个评价单元的变化率，是测算效率动态增长非参数前沿面的有效方法。将非期望产出的方向距离函数应用于Malmquist指数模型所得的Malmquist指数就称之为Malmquist-Luenberger指数（ML指数）。基于全局参比的ML指数模型所计算出的各期效率值可直接进行对比，因此，该研究采用该形式指数模型进行分析。其具体表达式为[17]：

式（3）中，为全要素生产率变化指数，MLTECt，t+1、MLTPt，t+1分别表示技术效率变动指数和技术进步变动指数，技术效率变动指数（MLTEC）又可进一步分解为纯技术效率变化指数（MLPTEC）及规模效率变化指数（MLSEC），其具体表达式为：

式（3）（4）中，(xt，yt)和(xt+1，yt+1)依次代表评价单元在时期t和t+1内的投入与产出量；bt为评价单元在t时期的非期望产出；和分别表示以t时期技术水平为参考技术，评价单元在t期和t+1期之间的混合距离函数；和则分别表示以t+1时期的技术水平为参考技术，评价单元在t期和t+1期之间的混合距离函数；ML即为t期到t+1期效率变化的Malmquist-Luenberger指数，ML＞1，表示从t期到t+1期，该区域耕地利用效率水平的提高，反之则表示下降。此外，MLTEC＞1反映了评价区域该时期内技术效率相对提高，MLTP＞1则反映了评价区域该时期技术进步相对提高；MLPTEC＞1表示评价区域管理水平在该时期内改善导致的效率提升，MLSEC＞1则表示规模经济对生产率的影响。

2.3 非参数Kernel密度估计

为反映洞庭湖平原各县（市、区）耕地利用效率绝对差异的分布动态及演变规律，采用Kernel密度估计法对其差异动态演变规律进行分析。作为非参数估计方法，Kernel密度估计法已被广泛用于分析空间的非均衡性。其基本思想是运用连续的密度曲线表征事物的分布形态与变化，主要可通过密度曲线的延展性、峰值及变动位置来表述[18]。假定随机变量X的密度函数为f（x），则其表达式为：

式（5）中，xi、x分别表示各区域耕地利用效率值的观测值及其均值；N、h、K(·)分别表示研究区域个数、带宽以及核函数。常用的核函数有Gaussian Kernel、Epanechnikov Kernel、Quartic Kernel等类型，该文采用当前应用较为广泛的Gaussian Kernel进行估计。

2.4 指标选取及数据来源

基于环境约束下的耕地利用效率测度，须兼顾投入、期望产出与非期望产出三个方面，其本质是尽可能以少的耕地生产要素投入和最小化生态环境损失为代价来获取最大化的期望产出，其核心是在耕地利用系统中追求经济发展与环境保护的协调统一。基于耕地利用的本质内涵，参照以往的相关研究成果[19-20]，结合柯布道格拉斯生产函数，考虑耕地利用生产实际特质及综合需求，即须满足资源节约、环境保护和经济增长的综合需求，选取耕地、劳动力、农业机械等9项指标反映耕地利用过程的投入情况；采用粮食产量反映耕地利用的期望产出；非期望产出主要包括耕地利用过程中的面源污染排放及碳排放两大类（表1）。其中，耕地面源污染主要来源于化肥、农药及农膜在使用过程中的不彻底或者过度使用所造成，因此该文采用其在耕地利用过程中的残留量表征。具体的计算方式参照陈敏鹏[21]等采用的清单分析方法计算，具体计算公式为：

表1 基于环境约束的耕地利用效率评价指标体系

式（6）中，TN、TP分别表示含N量总和含P量总和（包括氮肥、磷肥及复合肥中的N、P含量），南方水稻种植，一般农户施用的复合肥为水稻专用肥，其中氮、磷、钾养分含量比例为1∶1∶1，因此取复合肥中的含N量比例为0.33；P肥的量指P2O5的量，需乘以系数43.66%，因此取磷肥中含P量比例为0.15。TC、TF分别表示农药使用总量及农膜使用总量；ρi、ηi、μi、εi分别表示氮、磷流失系数及农药、农膜使用残留系数。氮、磷流失系数、农膜及农药残留系数参照赖斯芸等[22]的研究并借鉴《第一次全国污染普查农业源系数手册》获得。

耕地利用过程中的碳排放主要来源于四个方面[23]：其一为耕地利用过程中农药、化肥及农膜使用引起的碳排放；其二为耕地利用过程中机械运作所消耗的柴油引起的排放；其三为耕地利用过程中的灌溉所消耗的电能（主要为火力发电）间接引起的碳排放；其四为耕地利用过程中的翻耕所引起的碳流失。各种碳源对应的碳排放系数基于前人的相关研究成果[24]，采用化肥0.895 6（kg/kg）、农药4.934 1（kg/kg）、农膜5.18（kg/kg）、柴油0.592 7（kg/kg）、翻耕312.6（kg/km2）、机械灌溉20.476（kg/hm2）。

3 结果分析

为考察面源污染及碳排放对耕地利用效率的影响，基于MAX-DEA Ultra 8.0软件计算平台，分别选取超效率SBM模型、基于非期望产出的超效率SBM模型对不考虑环境约束和考虑环境约束的耕地利用效率进行测度，并分别绘制出2007年和2017年考虑与不考虑环境约束下的耕地利用效率雷达图（图1）。

对比超效率SBM模型、基于非期望产出的超效率SBM模型的测度结果，在考虑环境约束的耕地利用效率明显降低：由图1可知，2007年和2017年，大都县（市、区）均表现出超效率SBM模型结果大于基于非期望产出的超效率SBM模型结果的分布格局，且2007年和2017年，洞庭湖平原考虑环境约束的耕地利用效率的均值分别为0.754和0.899，而不考虑环境约束的耕地利用效率均值分别为1.037和1.166。因此，为准确评价洞庭湖平原耕地利用效率真实水平，该文分析主要采用基于非期望产出的超效率SBM模型结果进行分析。

图1 2007年和2017年超效率SBM模型与基于非期望产出的超效率SBM模型的耕地利用效率值

3.1 耕地利用效率的静态对比分析

基于非期望产出的超效率SBM模型，设定期望产出权重与非期望产出权重均为1，对2007—2017年洞庭湖平原24个县（市、区）耕地利用效率进行测度，由表2可知，洞庭湖平原耕地利用效率具有以下特征。

表2 2007—2017年基于环境约束的洞庭湖平原地区耕地利用效率

（1）从整体上看，2007—2017年洞庭湖平原耕地利用效率平均值在0.8水平线上下波动，整个研究区域内耕地利用效率均值为0.861，表明洞庭湖平原地区耕地利用效率总体处于中等效率发展水平，未实现DEA的相对有效，整体上还未达到最有效的生产前沿。各种生产资源的利用不充分及环境约束是导致耕地利用效率不高的主要原因。从各地区的耕地利用效率值上看，24个县（市、区）中，有11个县（市、区）的效率值大于1，实现了DEA的相对有效，占研究区域总体的45.83%，并且在实现DEA相对有效的11个县（市、区）中有45.45%的县（市、区）是属于常德市辖区，表明常德市地区农户在进行耕地的利用过程中更加注重了资源的节约与环境保护，耕地利用的可持续发展较为持续；而其余的13个县（市、区）未能实现DEA的相对有效，属于耕地利用效率非有效地区。虽然耕地利用过程中逐步实现了由机械化等物质生产要素对劳动力生产要素的替代的转化，带来了期望产出的增加①2007—2017年洞庭湖平原农业从业人员由2007年的344.70万减少至2017年的300.85万；农业机械总动力由2007年的940.56万kW增加至1 369.16万kW；粮食产量由2007年的800.29万t增加至2017年的1 041.52万t，但也不可避免的产生了大量的碳排放及面源污染，严重损害了生态环境，降低了耕地利用效率。

（2）从洞庭湖平原耕地利用效率的变化趋势来看，2007—2017年洞庭湖平原耕地利用效率值总体呈现平缓的“升—降—升”演变格局。2007—2010年洞庭湖平原地区耕地利用效率值呈现稳步上升的态势；2011—2013年出现了平缓下降的趋势，而2014—2017年又出现了稳步上升的态势。从整体宏观层面看，洞庭湖平原耕地利用效率值呈上升趋势，其主要一方面是因为经济水平的高速发展，提高了耕地利用过程中的科技化水平，促进了耕地利用过程中各生产要素的充分利用，降低了各生产要素的冗余率，耕地的期望产出得到了大幅度提高，非期望产出进一步减少；另一方面原因可能源于《洞庭湖生态经济区规划》的实施落地，加强地区生态文明建，农户绿色种植意识得到加强，有效地遏制了耕地利用过程中的非期望产出。

3.2 非有效地区的投入产出松弛率分析

由上述分析可知，共有13个县（市、区）耕地利用效率值未达到生产效率前沿，为进一步揭示这些地区耕地利用效率较低的原因，该文基于超效率SBM模型，利用投入产出冗余率进行剖析（表3）。

表3 2007—2017年洞庭湖平原各县（市、区）均投入产出冗余率 %

（1）从生产过程看，耕地利用效率较低的13个县（市、区）的粮食产量冗余率均为0，而各项投入要素及非期望产出均存在着一定的冗余，表明耕地利用产出不足并不是耕地利用效率损失的原因，导致13个县（市、区）耕地利用效率损失的主要原因为生产要素投入及非期望产出两方面的冗余。

（2）从各项投入角度及产出角度来看，造成13个县（市、区）耕地利用效率损失的主要影响因素分别为各项资本投入（化肥、农药、农膜、机械、役畜等）、土地投入及劳动力投入冗余。这也进一步表明2007—2017年13个县（市、区）在耕地利用过程中投入了过多的化肥、农药及农膜等资本要素，导致地区整体碳排放量及耕地面源污染排放冗余率较高，这是造成这些地区耕地利用效率较低的最主要原因；土地投入在这13个县（市、区）出现冗余，表明地区耕地经营方式及管理水平低效，整体要素投入规模不佳，导致耕地未能得到高效利用，耕地利用率较低；劳动力在这13个县（市、区）产生冗余，表明地区劳动力投入过多，农村劳动力剩余情况较为严重。因此，在今后耕地利用过程中，应减少化肥、农药及农膜等有害物质的投入，减少环境污染，同时兼顾扩大耕地经营规模及改善耕作制度，以提高劳动力及耕地利用效率。

3.3 洞庭湖平原耕地利用效率动态演化特征分析

基于Malmquist-Luenberger指数分析法对2007—2017年洞庭湖平原24个县（市、区）耕地利用效率进行动态分析。

3.3.1 整体耕地利用效率的动态演化特征

由表4可知，从洞庭湖平原整体来看，洞庭湖平原耕地利用全要素生产率平均提高了4.7%，其变化主要来源于技术效率中纯技术效率、规模效率的变化及技术进步变化的共同作用，其中技术进步在该研究时限内的年均变化率为3.5%，表明技术进步在推动耕地利用全要素生产率提升变化中起到主导作用。2007—2017年，除2007—2008年全要素生产效率变化率下降了1.6%，其余年份耕地利用全要素生产效率变化率均为正值，即表示后一年相对于前一年的耕地利用全要素生产效率持续的增加，且在2015—2016年、2016—2017年耕地利用全要素生产效率变化率超过10%。技术进步指数自2010年后，始终为正值，表明洞庭湖平原在耕地利用过程中农业生产的科技化水平在不断提升，并且对耕地利用全要素生产效率的增长起主要作用，同时也表明当前洞庭平原耕地利用效率的提升主要依赖于农业生产科技化水平的提高，而技术效率与规模效率还存在着较大的提升空间。

表4 2007—2017年洞庭湖平原耕地利用效率ML指数及分解

从纯技术效率与规模效率看，两者在2007—2017年的年均变化率分别为0.8%和0.3%，表明纯技术效率变化是驱动技术效率变化的主要因素。从总体变化趋势上看，纯技术效率变化与技术效率变化趋势基本一致，表明技术效率的变化是由纯技术效率变化引起的，规模效率变化对其影响不大。因此，今后洞庭湖平原提高耕地利用效率不仅仅要进一步注重农业技术要素的投入，提高农业种植的科技水平，同时也要注重各投入资源的整体规模，确定各投入要素的最佳规模，实行规模化的集约经营。

3.3.2 各县（市、区）耕地利用效率动态演化特征

表5反映的是2007—2017年洞庭湖平原各县（市、区）耕地利用效率年均ML指数及其分解。

表5 2007—2017年洞庭湖平原各县（市、区）耕地利用效率年均ML指数及其分解

从全要素生产效率变化指数看，2007—2017年除云溪区、君山区、资阳区、澧县4县（市、区）外，其余县（市、区）变化率均大于1，表明这些地区在投入量不变的情况下，促进耕地利用效率增长的技术效率部分高于云溪区等4县（市、区），即在耕地利用过程中运用的农业生产技术、耕地经验管理水平以及组织结构的创新等方面优于云溪区等4县（市、区）地区。

从全要素效率的分解情况来看，存在66.67%的县（市、区）的纯技术效率指数大于1，其中岳阳楼区、岳阳县、湘阴县及南县各年的纯技术效率变化在3%左右，相对较高，即表明这些县（市、区）运用了较为先进的农业生产技术以及高效的农业经营管理水平进行农业生产，投入的各项生产要素得到了较为充分的利用，投入产出冗余率较低。这主要是因为岳阳市在整个洞庭湖平原地区内其经济发展水平相对较高，农业机械化程度相对较高所导致的。另存在54.17%的县（市、区）的规模效率变化指数大于1，其中公安县、桃源县及临湘市规模效率值相对较高，表明这些地区的耕地生产投入及其他资本要素投入的整体规模是相对较合理的，经营的规模效应较好。因此，对于纯技术效率值较低的地区，今后应注重加强农业科技水平的投入以及加大农业种植技术的推广，科学化地经营管理；对于规模效率值较低的地区，今后应注重各投入资源的整体规模，切不可盲目对单一生产要素的规模投入，需合理确定各投入要素的最佳规模，进行规模化的集约经营。

3.3.3 耕地利用效率差异的动态演进特征

洞庭湖平原耕地利用效率存在着显著的差异，为进一步分析其内部差异随时间的演变特征，基于Stata15.0软件，采用高斯正态分布的非参数核密度估计法对洞庭湖平原2007年、2012年和2017年耕地利用效率进行核密度估计（图2）。

图2 洞庭平原耕地利用效率的Kernel密度估计

由图2可知，从核密度曲线的总体位置上看，2007—2017年洞庭湖平原核密度曲线表现出向右平移的态势，表明总体上洞庭湖平原耕地利用效率在考察期内不断提高，这与上文的测度结果保持一致。

从形状上看，2007—2017年洞庭湖平原整体耕地利用效率核密度曲线均为显著的“双峰”态势，极化现象显著，且随着时间推移第一个波峰对应的核密度显著的低于第二个波峰，表明洞庭湖平原耕地利用效率存在着集聚态势且随着时间推移较高效率值的县域比重明显逐渐升高，但总体双峰间高度差距呈现先变大再变小的特征，表明洞庭湖平原耕地利用效率内部差距呈现先变大再缩小的态势。随着时段的推移，农业现代化程度进程逐渐加快，各县（市、区）耕地利用效率呈现不同程度的提升，但囿于各县（市、区）耕地禀赋及经济实力的差距，各地区耕地利用效率差距逐渐扩大，双峰高度差距在扩大，但低水平集聚的波峰呈现逐渐下降的趋势，至2017年，双峰高度差距在逐步缩小，逐步形成“高高—低低”集聚的态势。

4 结论与讨论

4.1 结论

该文基于耕地面源污染及碳排放的双重环境约束下构建了耕地利用效率评价指标体系，采用超效率DEA-SBM模型测度2007—2017年洞庭湖平原耕地利用效率，并运用Malmquist-Luenberger指数模型对其动态演化特征进行刻画，进而采用核密度估计法探究了其差异演变特征，得到以下主要结论。

（1）基于非期望产出的超效率SBM模型结果表明，耕地利用过程中产生的面构源污染及碳排放会对耕地利用效率产生负影响效应。2007年和2017年洞庭湖平原考虑环境约束的耕地利用效率的均值分别为0.754和0.899，而不考虑环境约束的耕地利用效率均值分别为1.037和1.166，均出现不同程度的降低，且各县（市、区）也表现出该特征。

（2）2007—2017年洞庭湖平原耕地利用效率平均值在0.8水平线上下波动，呈现平缓“升—降—升”的演变趋势，整体耕地利用效率均值为0.861，未达到最有效的生产前沿。耕地利用效率损失的原因主要在于生产要素投入及非期望产出两方面的冗余，其中各项资本投入、劳动力投入及土地投入为生产要素投入冗余率最高；非期望产出冗余率最高为碳排放。

（3）从洞庭湖平原整体看，2007—2017年耕地利用全要素生产率平均提高了4.7%，技术进步是耕地利用效率总体提高的主要因素。从各县（市、区）看，云溪区、君山区、资阳区、澧县4县（市、区）全要素生产效率变化指数均小于1，反映了该4县（市、区）在耕地利用过程中运用的农业生产技术、耕地经验管理水平以及组织结构创新等方面相较于其他地区较低；从全要素生产效率指数分解情况看，岳阳楼区、岳阳县、湘阴县及南县各年的纯技术效率变化相对较高，而公安县、桃源县及临湘市规模效率值相对较高，即反映了这些地区在耕地利用过程中运用了较为先进的农业生产技术或者在耕地生产投入及其他资本要素投入之间投入较为合理的规模，经营的规模效应较好。

（4）从核密度估计结果看，2007—2017年洞庭湖平原耕地利用效率存在着显著的“双峰”态势，且该极化现象越来越显著，耕地利用效率内部差距呈现先变大再缩小的动态演变特征。

4.2 讨论

该文客观地测度了洞庭湖平原地区耕地利用效率并分析其动态演变规律，对提高洞庭湖平原耕地利用效率，改善农业发展方式，推动洞庭湖生态经济区建设，探索大湖流域及生态文明建设引领经济社会全面发展等方面具有重要的指导意义。但该文还存在着一些不足之处，有待今后进一步深入研究。

（1）洞庭湖平原各县（市、区）的耕地利用效率存在着区域差异性，但该区域差异随着时间的推移是趋于收敛还是发散？即未来是否会长期存在，是呈现逐步扩大的态势还是逐步缩小的态势？有待今后进一步探讨研究。

（2）该研究基于县域尺度，从中宏观视角构建了环境约束下的耕地利用效率指标评价体系，并基于其评价结果研究了其动态演变规律，具有一定的片面性，今后须进一步地从农户微观层面来研究耕地利用效率的评价及其影响因素。

（3）该研究基于耕地面源污染及碳排放双重视角构建耕地利用效率评价指标体系以测度耕地利用效率，与张红梅[25]等学者基于耕地利用生态效率内涵构建的耕地利用生态效率指标体系以测度耕地利用生态效率近似相同，那么基于环境约束下的耕地利用效率与耕地利用生态效率两者在内涵意义上有何不同？在指标体系的建构过程中有何区别？这也是未来在探究耕地利用效率的过程中需要明确的问题。

（4）该研究基于耕地面源污染及碳排放作为环境约束条件测度耕地利用效率，在计算耕地利用过程中非期望产出基于化肥、农药及机械等资本投入而产生的碳排放量加总，而耕地利用系统过程中除碳释放，还有碳吸收，该研究未能将耕地利用过程中碳排放和碳吸收双重效应纳入考虑范围，同时由于各区域耕地生态系统净化能力及农户化肥施用行为的差异性导致各区域面源污染排放系数具有差异性，而该研究对耕地利用过程中的面源污染的量化未考虑区域差异性。因此，进一步研究可量化碳吸收值和区域特征的面源污染量。