2009—2019年云南省耕地利用效率的时空变化及其影响因素

童绍玉，周欣雨

(云南财经大学 城市与环境学院，云南 昆明 650221)

0 引 言

耕地是保障粮食安全，促进农业发展，推进乡村振兴的重要物质基础和最基本的生产资料，因此，对于人均耕地少的人口大国中国来说，耕地的保护与高效利用十分重要[1].近40年来由于中国高速城市化及社会经济发展的需要，大量耕地被各种建设用地占用，优质耕地资源数量持续减少[1].此外，由于过渡追求经济效益，人们对耕地持续利用、耕地保护不足，忽略了耕地利用过程中出现的土壤盐碱化、水土流失等耕地退化的现象[2]，导致耕地资源的数量和质量下降，致使较多耕地利用效率低下.在人均耕地少和粮食安全压力大的背景下，持续、高效利用耕地资源，保护耕地势在必行.

目前，许多学者已从不同角度对耕地利用效率的评价方法、影响耕地利用效率的因素做了大量的研究，取得了较多成果.不同学者分别从全球、洲际、省级或地市级乃至县域的尺度[3]，对不同区域不同时间跨度的耕地利用效率进行了评价，并对其时空差异及其影响机制进行了不同广度和深度的研究和探讨[4-6]，形成了大量不同尺度的评价案例.在耕地利用效率评价指标方面，许多学者从不同角度选取不同的指标，形成了众多的指标体系[7-9].耕地利用效率评价的方法，目前运用较多的主要有基于多指标的模糊综合评价法、数据包络分析法(Data Envelopment Analysis，DEA)、SBM模型和TOPSIS法等；许多学者还将数据包络分析法与其他模型相结合来综合评价和研究耕地利用状况，如将DEA和Tobit模型结合[10-12]，在了解耕地利用状况的基础上，进一步探究耕地利用效率的影响因素.除了上述评估方法，还有学者针对不同地域的耕地利用现状，通过构建随机前沿生产函数模型(SFA)来测算耕地的利用效率[13-15].目前常用的耕地利用效率影响因素研究的方法与模型，主要有Tobit模型[6,10-12,14]、地理探测器模型[4]、地理加权回归模型(GWR模型)[5]、线性回归模型[15]等.耕地利用效率的影响因素因地区而异，如西南地区耕地利用效率时空演变受农民人均纯收入的影响最大[16]，广西省各市2000—2014年耕地利用效率与人均GDP、有效灌溉面积和农业机械总动力呈正相关，而农业劳动人数则与广西省耕地利用效率呈负相关[17].我国粮食主产区耕地利用效率的重要影响因素是自然条件，耕地资源禀赋、地区经济发展水平和农业生产条件是重要影响因素，地区科技水平对耕地利用效率的影响在不断增强[18].耕地利用效率评价及其影响因素研究中，评价指标的选择、评价等级的划分及影响因素的确定，目前还没有被普遍认同且便于区域之间相互比较的研究方法与结果，故仍然需要进一步研究.

云南省96%的面积为高原和山地，适宜耕作的土地资源十分有限，后备耕地资源十分紧缺[19].云南现有耕地资源中，总体质量不高.据《云南省第三次全国国土调查主要数据公报》，云南耕地面积中，旱地占78.31%，位于15°以上坡度的耕地占云南总耕地资源的45.86%(其中，位于25°以上坡度的耕地占18.64%),位于年降水量400～800mm(含400mm)地区的耕地占23.43%[20].此外，生态环境敏感脆弱、自然灾害频发，也影响云南耕地质量与数量的提升.在后备耕地资源稀缺背景下，提升耕地质量和提高耕地利用效率成为云南农业可持续发展和粮食安全保障的主要途径.故本文拟分析云南省及其16州市的耕地利用效率及其影响因素，为提高云南耕地利用效率提供依据，为云南省耕地资源利用优化和结构调整提供参考.

1 研究区概况

云南省地处中国西南，位于北纬 21°8′～29°15′，东经 97°31′～106°11′之间，总面积39.41万km2，占全国国土总面积的4.1%，全省下辖16个州市.云南省属于云贵高原西部，地貌以高原山地为主，南北高差巨大，可划分出热带、南亚热带、中亚热带、北亚热带、暖温带、温带、寒温带(高寒气候区)七个气候带，其中，以亚热带高原季风气候区面积最大；同时，自然条件的垂直变化显著，呈现“一山有四季”的现象[19].与这种复杂的地貌、气候条件相对应，云南省各地区的土地利用状况，尤其是耕地的利用情况，差距巨大.

至2020年，云南省总人口4 722万人，城镇化率达50.05%，人均GDP为51 975元.2019年末全省有耕地539.55万hm2，其中，水田占18.38%，水浇地占3.31%，旱地占78.31%[20].2020年，全省总播种面积达701.01万hm2，种植业总产值达2 902.24亿元，农业增加值为3 598.91亿元[21]，排全国第9位.

2 研究方法与数据来源

2.1 数据包络分析法

数据包络分析法(DEA)是一种可用于评价多个生产决策单元之间多个投入与产出要素配置相对有效性的非参数方法，通过在线性条件约束情况下求线性目标函数的最值来构建投入要素和产出效益的生产前沿面，即从给定的生产要素和产出效益中选择由投入成本最小但产出收益最大的组合构成最优资源配置.然后将各决策单元的效率值进行排序，即求相对效率值，将没有达到有效性的生产决策单元映射到生产前沿面上，通过各生产决策单元与生产前沿面的偏离程度确定其投入产出的相对有效性.数据包络分析法在效率测算过程中不存在参数估计，能够直观地反映评价单元的投入产出配置特点，故该方法被广泛应用于运筹学、地理学和经济管理等多个领域的效率研究中.

DEA模型根据不同的情况，主要分为CCR模型(规模报酬不变)和BCC模型(规模报酬可变)两种模型，这两种模型的不同之处在于规模报酬是否可变.CCR模型是基于耕地投入规模的变化不会对耕地利用效率产生影响的假设前提在现有技术水平下对投人要素实现最大产出所需要的最小要素投入.BCC模型则考虑到耕地规模的变化对耕地利用效率的影响，将综合效率(TE)分解为纯技术效率(PTE)和规模效率(SE)，即TE=PTE*SE，拓宽了CCR模型的适用范围.

考虑到云南省耕地生产的实际情况，本文采用数据包络分析中的规模报酬可变假设前提下的BCC模型，对云南省16个州市2009—2019年耕地利用综合效率进行测算.BCC模型公式如下[5]：

(1)

(2)

(3)

其中，Xi，Yi分别代表第i种指标的投入量、产出量；β代表评价单元的相对效率值，范围在0～1之间；λi表示各市的权重变量;i表示评价单元数量(个)，即研究区中有i个评价单元；Xk，Yk代表第k个评价单元的投入、产出变量;S+、S-分别为输入、输出冗余变量.生产决策单元效率值的范围在0～1之间，越接近1说明其有效性越高；若某一决策单元的效率值为1，则表明该地区耕地利用效率有效.

2.2 Tobit回归模型

Tobit模型是一种用于被解释变量受限制时的回归模型，当被解释变量被限定在某一取值范围或被限制在某一点上时，运用极大似然的概念对解释变量进行随机效应回归分析，能更加精确地估计解释变量的影响情况[22].

标准Tobit模型如下[6]：

Yj*=Xjδ+εj

(4)

Yj=Yj*ifYj*> 0

(5)

Yj= 0 ifYj*≤ 0

(6)

式中Yj*为潜在因变量，Yj为观察到的因变量，Xj为自变量向量，δ为相关系数向量，εj为独立且服从正态分布的误差项.

2.3 数据来源

本文所用数据均来源于2010—2020年《云南统计年鉴》.

3 结果与分析

3.1 云南省及16个州市的耕地利用效率评价结果

云南省生态脆弱、环境敏感性强的内在属性，严重制约着耕地可持续利用[23].因此，在选取衡量耕地利用效率的指标时既要体现可持续发展的指导思想，又要结合山区耕地利用特点，还要能直观反映耕地的投入产出效益.本文参考王海力等人[16]研究西南地区耕地利用效率的指标选取方法，结合云南省耕地资源利用现状，并考虑数据的易获取性，建立了评价耕地利用效率的投入产出指标体系，如表1所示.

表1 云南省耕地利用效率评价指标体系

由于DEA模型无需对数据进行标准化处理[24]，可直接运用DEAP2.1软件，采用DEA模型中规模报酬可变的BCC模型，以投入指标为导向，从地理区域角度分别计算云南省及各州市2009—2019年的耕地利用综合效率(TE)、纯技术效率(PTE)和规模效率(SE)，如表2，表3，表4所示.其中，综合效率反映耕地单位面积投入要素与产出效益的相对有效性；纯技术效率反映一个地区生产要素投入配置是否合理，与生产技术、劳动力管理水平、决策能力等因素有关，耕地利用纯技术要素的提高说明当地重视将先进的管理理念和生产技术运用到耕地生产中，并取得了成效；规模效率是衡量在农业生产过程中耕地利用的投入规模是否达到农业产出最大化的要求，在一定技术水平下耕地资源有没有被充分利用，耕地利用投入要素有没有达到最佳规模.

表2 云南省及16个州市2009—2019年耕地利用综合效率(TE)

表3 云南省及16个州市2009—2019年耕地利用纯技术效率(PTE)

表4 云南省及16个州市2009—2019年耕地利用规模效率(SE)

3.2 云南省及16州市耕地利用效率的时间变化分析

3.2.1 综合利用效率的变化特征

耕地利用综合效率反映耕地单位面积投入要素与产出效益的相对有效性.由表2可见，在2009—2019年间，云南省耕地利用综合效率值在0.85～0.89之间，表现为综合效率无效，且总体呈下降趋势，从0.89降为0.85，表明全省耕地资源的集约利用程度还有较大改善空间.

从云南省16州市2009—2019年的耕地利用的综合效率变化来看，各地区差别较大(表2).其中，曲靖市、保山市、昭通市、西双版纳州、大理州、德宏州、怒江州这7个州市的耕地利用综合效率均保持有效，数值为1，达到DEA最优，表明这7个州市在2009—2019年期间一直处于耕地利用效率高效状态.玉溪市的综合效率总体上呈上升趋势，从2013年开始，TE值保持为1，即2013年开始达到DEA最优，耕地利用为效率高效状态.普洱市的综合效率总体上呈下降趋势，其中2010—2017年，TE值保持为1，之后逐年下降.楚雄州的综合效率波动较大，2013—2015年达到DEA最优，之后逐年下降.红河州的综合利用效率波动较大，先降后增，2014年降至最低，综合效率值为0.79，但自2015年开始，综合效率持续增长.在耕地利用综合效率无效的地区中，丽江市、临沧市的综合效率持续下降，至2019年分别降为0.79，0.78.迪庆州2009—2015年的综合效率为1，之后下降；而文山州的综合效率在2009—2012年为1，之后逐年下降.

3.2.2 纯技术效率的变化特征

纯技术效率是在一定技术水平下耕地利用实际产出与假设同样投入情况下最大产出的比值，用于刻画一个地区生产要素投入配置是否合理，与管理经验是否丰富、决策水平和技术水平是否先进有关[18].从表3可见，云南省2009—2019年的耕地利用纯技术效率均保持有效，数值为1，达到DEA最优，即达技术效率最优，说明云南省对耕地资源利用管理、技术投入和技术推广方面足够重视，科技资源配置达到最优.

云南省16州市2009—2019年的耕地利用纯技术效率及其变化特点也各不相同(表3).其中，曲靖市、保山市、昭通市、西双版纳州、大理州、德宏州、怒江州和迪庆州8个市州的技术效率一直保持为1，为技术有效；昆明市的技术效率除2017年为0.99外，其余年份均为1，达技术有效；玉溪市除2009年和2011年外，其余9年均达技术有效；普洱市在2009—2017年为技术有效，之后技术效率逐年下降；临沧市、楚雄州和文山州的技术效率波动大，分别有4年、6年、4年为技术有效；丽江市和红河州一直为技术无效状态，丽江市的技术效率总体在下降，红河州自2015起呈持续上升状态.总体来看，云南省耕地利用的生产要素投入配置基本上是合理的.

3.2.3 规模效率的变化特征

规模效率用于测度在一定技术水平下耕地资源没有被充分利用，农业生产过程中耕地利用的投入规模是否达到农业产出最大化的要求.从表4可知，云南省规模效率在0.85～0.89之间，为规模效率无效，且规模效率值还持续降低，从0.89降为0.85，说明云南省的耕地生产要素投入尚不能满足耕地产出所需的最大投入量.

云南16州市2009—2019年的耕地利用规模效率，有7个州市(曲靖市、保山市、昭通市、西双版纳州、大理州、德宏州和怒江州)保持规模效率有效，耕地投入规模达到了产出效益最大化的需求；临沧市所有年份的规模效率无效，且逐年下降；其余州市有1～9年不等的规模效率有效(表4).其中，普洱市2010—2018年的规模效率有效，2009年与2019年为无效；玉溪市和红河州自2013年起的7年中，其规模效率有效，且规模效率总体上在提升；迪庆州在2009—2015年的7年中为规模效率有效，2015年之后规模效率呈下降趋势；文山州和楚雄州的规模效率波动大，总体上呈下降趋势，楚雄州2013—2015年的3年为规模效率有效，文山州的规模效率在2009—2012年，2015年和2017年的6年中为有效；昆明市的规模效率总体上呈下降趋势，仅2009年为规模效率有效；丽江市2009年和2011年为规模效率有效，规模效率总体上呈下降趋势.

比较表2与表4，发现云南省2009—2019年的耕地利用规模效率与综合效率表现出很强的一致性，说明云南省耕地利用综合效率与规模效率密切相关，要提高耕地利用效率需考虑加大生产要素投入规模.

3.2.4 云南省16州市的耕地利用效率变化的类型分析

2009—2019年中，云南省的16州市的耕地利用效率及其变化趋势各不相同，差异较大.其中，曲靖市、保山市、昭通市、西双版纳州、大理州、德宏州、怒江州和玉溪市8个州市(50%的州市)的耕地利用效率已达有效，而另外8个州市的利用效率则未达有效，利用效率有待提升.据耕地利用效率及其变化趋势，可把16州市的耕地利用效率状态划分为稳定有效状态型、持续增长达有效状态型、持续下降至无效型、波动型四个类型，如表5所示.

表5 云南省16州市的耕地利用效率变化类型

从表5可见，耕地利用效率变化类型以稳定有效状态型的州市最多，有7个州市，主要分布在滇东、滇西和滇南地区，且7个州市的耕地利用技术效率均为有效，除怒江州外皆是云南传统农业主产区，也是受国家各项优惠政策影响较大的地区.持续增长达有效状态类型仅有玉溪市1个地区，玉溪市的耕地利用综合效率、技术效率与规模效率都在2012—2013年达到有效，是云南省农业生产条件较好、传统农业主产区和受卷烟企业扶持的地区.持续下降至无效类型包括丽江市、昆明市、迪庆州3州市，丽江市与迪庆州属于农业生产条件不利地区，昆明市则是农业生产条件较好但耕地利用受城镇化影响大的地区.波动型包括普洱市、临沧市、楚雄州、红河州、文山州5个州市，这5个州市是云南传统农业主产区，但农业生产受气候影响大，故波动大.

3.3 云南省耕地利用效率的空间差异及其变化分析

在ArcGIS中对TE、PTE、SE进行分级，把效率分成高值、次高值、次低值和低值4个级别，分级标准如表6所示，分级结果如图1所示.

表6 云南省耕地利用效率分级标准

由图1(a)可知，2009年云南省各地区的耕地利用综合效率以高值(效率值为1)为主，主要分布在云南省的东部地区、滇西地区和滇南的西双版纳州，共有10个州市；次高值区主要分布在云南中部，有4个州市，次低值区有2个，没低值区.至2014年综合效率高值区扩展到西部、中部和滇东北的大部分地区，共有11个州市，低值区扩展为3个地州市，无次高值区.到2019年高值区显著缩小，退缩到滇西南、滇东北和滇南的西双版纳州，滇中地区仅有玉溪为高值区，仅8个州市；次低值区显著增加.

从图1(b)可见，云南省耕地利用纯技术效率总体上处于较高水平.其中，2009年的高值区有12个州市，主要分布在云南的东部与西部地区，次高值区和次低值区各有2个州市，分布在云南中间条带上，无低值区.至2014年，云南省耕地利用纯技术效率为高值的州市仍为12个，但分布形态有变化——两个次高值区变成了高值区，边缘处的另外两个高值区变成了次低值区，出现了2个低值区，缺次高值区.到2019年，纯技术效率高值区仍有12个州市，但其中一个州市(普洱市)降为次高值区，而临沧市从次低值区变成了高值区，两个低值区上升为次低值区，没有低值区.

由图1(c)可知，2009年云南省耕地利用规模效率总体水平较高，没有次低值区和低值区；有11个州市为高值区，主要分布在滇西、滇东和滇南的西双版纳州三个区域；次高值区由5个州市组成，连片分布在云南的中南部.至2014年，规模效率高值区扩展为12个州市，在空间上，2009年时的次高值 区大部分转化为高值区，有3个次高值区，出现了一个次低值区(昆明市由高值区转为次低值区).2019年时，规模效率高值区缩减为9个州市，主要分布在滇西、滇东北和滇南3个区域，出现了1个低值区.

总体来看，云南省的耕地利用效率2009年以高值区为主，高值区连片分布，且主要分布在云南的东西两侧，云南中部经济发展水平相对高的地区，高值区少；到2019年，全省的高值区减少，且分布区向云南边缘地区收缩.

3.4 云南省耕地利用效率的影响因素分析

3.4.1 建立耕地利用效率影响因子评价指标体系

本文运用Tobit模型对耕地利用效率的影响因素进行分析.对于耕地利用效率影响因子指标的选取，许多学者立足不同视角对此进行了研究，发现自然条件、经济发展、技术进步等因素均对耕地利用效率有不同程度的影响.因为自然条件因素在短时间内难以改变，所以针对生产要素如劳动力、投入规模、农业发展水平等因素对耕地利用效率的影响程度进行探究更实际[18].因此，本文结合现有研究成果[12,18,25]和云南省耕地利用情况以及指标数据的可获得性，选取人均GDP、农业发展水平、化肥投入量、主要农产品产量、农村常住居民人均可支配收入等指标建立云南省耕地利用效率影响因素评价指标体系(表7)，并作为解释变量，同时期各州市耕地利用综合效率值为被解释变量.

图1 云南省16州市的耕地利用效率等级的空间分布示意图

表7 云南省耕地利用效率影响因素指标体系

3.4.2 基于Tobit回归模型的耕地利用效率影响因子分析

基于Stata15，以2009—2019年云南省及16个州市的耕地利用综合效率为被解释变量，通过Tobit回归模型分析云南省各州市耕地利用综合效率的影响因素，结果如表8所示.

表8 云南省耕地利用效率影响因素的回归分析

从表8可知，5个解释变量的显著性均通过显著性检验.从系数绝对值的大小分析得出它们对耕地利用效率的影响程度排序为：化肥投入量>农业发展水平>主要农产品产量>农村人均可支配收入>人均GDP.

在5个解释变量中，人均GDP对耕地利用效率的影响最小，但其系数为正.人均GDP是衡量地区经济发展水平的重要指标[12]，人均GDP越高表明地区经济水平发展越好.对耕地生产而言，只有地区的经济水平达到一定程度，地方财政才能有更多的资金倾向于农业部门，农业部门才能得到充足的资源投入，引入先进技术和管理经验，耕地的利用效率才有提高的动力，因此人均GDP的影响不容忽视.

农业发展水平的回归系数为正，表明其对耕地利用效率有积极影响，耕地利用的效率会随着农业发展水平的提高而提高.农业发展水平表示当地第一产业总产值与地区生产总值之比，第一产业的总产值越高，农业生产活动吸引生产要素的程度就越大，生产要素如化肥、机械等就会较多地流向农业部门从而促进耕地利用效率的提升[18].

化肥投入量对耕地利用效率的影响最为明显，但与耕地利用效率的关系为负相关.虽然合理施肥可以提高农作物单位面积产量，但也会增加农作物种植成本，不一定能提高耕地利用效率.相反，如果化肥投入过多还可能引起土壤污染、水体富营养化、生态恶化等环境问题，这不仅不利于耕地利用效率的提高，还会破坏优质耕地，降低农作物单位面积产量，导致耕地利用效率降低.

主要农产品产量与耕地利用效率呈显著正相关，在耕地投入比例不变的情况下，农产品产量提高，则表明耕地利用效率提高.此外，农产品产量提高还能增加农民的收益，提高农民的劳动积极性，形成良性循环.

农村人均可支配收入的系数为负，表明在云南省农村人均可支配收入的增加会降低耕地利用效率.在可耕地面积与耕地利用效率一定的前提下，云南农民可支配收入的增长更多来源于非农收入的增长，故农村人均可支配收入持续增加可能使农民对耕地利用获得的收益的依赖下降，不利于耕地集约化、规模化经营，从而导致产出效益不足的情况.

4 结 论

本文运用数据包络分析法对2009—2019年云南省及其16州市的耕地利用效率进行测算，据此分析其时空变化特征；通过Tobit模型对耕地利用效率的影响因素进行回归分析.主要结论如下：

(1)2009—2019年云南省耕地利用综合效率未达有效，且总体上呈下降趋势，表明云南省耕地利用的投入要素与产出综合效益不高，且不稳定.其中，耕地利用纯技术效率所有年份已达技术效率最优，表明云南省对耕地资源利用管理、技术投入和技术推广、科技资源配置达到最优；但所有年份的规模效率均为无效，且规模效率值还持续降低，即云南省的耕地生产要素投入尚不能满足耕地产出所需的最大投入量.综合效率变化和规模效率的变化趋势相近，都呈下降趋势，纯技术效率的变化相对较小且大部分时段保持有效，表明综合效率的下降主要源自规模效率.

(2)2009—2019年云南省16个州市的耕地利用效率及其变化趋势各不相同，有50%的州市的利用效率已达有效，而另外50%的州市的耕地利用效率未达有效，利用效率有待提升.其中，耕地利用效率已达有效的州市，皆是云南农业生产条件较好的传统农业主产区(怒江州除外)，也是受国家各项优惠政策影响较大的地区，除玉溪市外主要分布在云南的边缘地区.16个州市的耕地利用效率及变化状态可分四个变化类型，即稳定有效状态类型、持续增长达有效状态类型、持续下降至无效型和波动型.其中，稳定有效状态类型和持续增长达有效状态类型共有8个州市，占云南省州市总数的50%，主要分布于滇东北、滇西、滇南地区.

(3)从耕地利用效率的空间格局变化来看，云南省耕地利用效率在2009年以高值区和次高值区为主，无低值区，次低值区极少.其中，高值区数量最多，多连片分布于云南省的东西两侧，高值区多为云南省的传统农业生产区；次高值区分布于云南中南部地区.2009年之后，高值区范围缩小，分布区向云南西部、南部和东北部边缘传统农业生产地区收缩，低值区与次低值区扩展.

(4)从耕地利用的影响因素来看，人均 GDP、农业发展水平、主要农产品产量等因素对耕地利用效率有积极的作用，化肥投入和农村人均可支配收入对耕地利用效率有消极的影响.