黄河流域粮食生产生态效率时空演进与收敛性

张德硕　李敬锁

摘要：提高糧食生产生态效率对于推动黄河流域生态保护和高质量发展具有重要意义。基于黄河流域72地级市数据，运用SBM-Undesirable模型测算粮食生产生态效率，运用Kernel密度估计、Markov链及收敛模型等考察其时空演进及敛散特征。结果表明：时序角度，黄河流域粮食生产生态效率在2006—2009年间逐年下降，由0.735 8降至0.661 2，在2010—2020年间波动上升，由0.664 2升至0.723 3，呈现出“先降后增”的时序特征，三大流域的效率均值分别为0.761 9、0.623 1和0.781 1，呈现出“下游＞上游＞中游”的长期稳定关系，且存在两极分化和空间非均衡特征；空间视角，黄河流域各地区粮食生产生态效率之间存在空间集聚现象，且效率的演进表现出维持原状态的稳定性，短期内较难实现跨越式转移；收敛特征方面，黄河流域全样本及上中下游各地区的粮食生产生态效率均不存在σ收敛，但存在显著的绝对β收敛和条件β收敛。

关键词：黄河流域；粮食生产生态效率；时空演进；收敛性

中图分类号：F326.11

文献标识码：A

文章编号：20955553 （2023） 11027209

Spatial-temporal evolution and convergence of ecological efficiency of

grain production in the Yellow River Basin

Zhang Deshuo， Li Jingsuo

（School of Economics and Management （School of Cooperatives）， Qingdao Agricultural University， Qingdao， 266109， China）

Abstract：Improving the eco-efficiency of food production is of great significance for promoting ecological protection and high-quality development in the Yellow River Basin. Based on the data of 72 prefecture-level cities in the Yellow River Basin， the eco-efficiency of food production was measured using the SBM-Undesirable model， and its spatial and temporal evolution and convergence characteristics were examined using Kernel density estimation， Markov chain and convergence model. The results showed that， from the perspective of time series， the eco-efficiency of grain production in the Yellow River Basin decreased from 0.735 8 to 0.661 2 during 2006—2009， and increased from 0.664 2 to 0.723 3 during 2010—2020， showing a sequential feature of “first decreasing and then increasing”. The average efficiency values of the three basins were 0.761 9， 0.623 1 and 0.781 1， respectively， showing a long-term stable relationship of “downstream>upstream>midstream”， with the characteristics of polarization and spatial non-equilibrium. From a spatial perspective， there was a spatial clustering of grain production eco-efficiency among the Yellow River Basin regions， and the evolution of efficiency showed the stability of the original state， and it was also difficult to realize leapfrog transfer in the short term. In terms of convergence characteristics， there was no σ-convergence in the ecological efficiency of grain production in the whole sample of Yellow River Basin， and other regions in the upper， middle and lower reaches， but there was significant absolute β-convergence and conditional β-convergence.

Keywords：Yellow River basin; food production eco-efficiency; spatial and temporal evolution; convergence

0引言

黄河流域作为中国重要的农牧业生产基地和“一带一路”战略性经济地带，在保障中国社会经济发展和生态安全方面意义重大［1］。黄河流域涵盖了黄淮海平原、汾渭平原、河套灌区等多个粮食主产区，2021年黄河流域9省区的粮食产量为238679kt，占全国粮食总产量的35%，对保障国家粮食安全发挥了重要作用。随着黄河流域生态保护和高质量发展上升为国家战略，客观测度黄河流域各地市的粮食生产生态效率，探究其时空演进特征和收敛性规律，对于加快黄河流域粮食生产绿色转型、保障国家粮食安全具有重要的现实意义。

当前学术界关于粮食生产生态效率的研究成果较为丰富，主要集中在水平测度、影响因素以及特定区域研究等方面。水平测度方面，各学者采用多样的测度方法对粮食生产生态效率做出评价。陈宝珍等［2］采用DEA方法测算了2006—2015年中国各省粮食生产生态效率，其认为全国粮食生产生态效率总体呈缓慢上升趋势，粮食主产区生态效率增长幅度明显。鲁庆尧等［3］采用SBM模型对2000—2018年各省粮食生产生态效率进行测算分析，认为粮食生产生态效率的省际平均值较低，三大区域的粮食生产生态效率从西部、中部到东部，呈现显著的递减趋势。匡远配等［4］采用SFA模型并结合水足迹理论对2005—2018年26个省份的粮食生产生态效率进行测度，认为中国粮食生产生态效率整体上呈波动性上升趋势。影响因素研究方面，已有研究表明农地流转［4］、规模化水平、机械化水平［5］、有效灌溉面积占比［6］、人均GDP［6］、和技术创新［7］等因素对粮食生产生态效率有着重要影响。在特定区域研究方面，李雪［8］对吉林省各市的粮食生产生态效率进行测度，并对其进行整体分析、地区差异性分析和效率损失分析。任志安等［9］对淮河生态经济带展开研究，认为淮河生态经济带粮食绿色生产效率呈现波动中缓慢增长的趋势，各地绿色发展水平区域差距明显。张利国等［10］将研究视角聚焦到县域角度，测算了鄱阳湖生态经济区的传统技术效率及考虑非期望产出的环境技术效率，研究表明传统技术效率呈现“W型”的趋势，而环境技术效率则呈现“U型”趋势。崔杨［5］对江西省粮食生产生态效率进行了测度，并运用空间探索性分析方法对江西粮食生产生态效率的收敛性及空间关联特征做出分析。

当前基于“黄河流域生态保护和高质量发展”的国家战略下，涉及黄河流域粮食生产生态效率的研究供给略显不足。本文采用SBM-Undesirable模型对2006—2020年黄河流域72地市的粮食生产生态效率进行测算，并运用Kernel密度估计、Markov链及收敛模型等方法探究其时空演进规律和收敛性特征。

1研究设计

1.1粮食生产生态效率指标体系

粮食生产生态效率是对粮食生产效率和生态保护综合要求的表达，兼顾了粮食产量与生态环境的双重要求［3］。本文在综合相关研究的基础上［2， 5， 11］，遵循代表性、科学性和数据可得性原则，从要素投入、粮食产出和环境污染三个维度构建粮食生产生态效率指标体系。其中，投入要素选取土地投入X₁、机械投入X₂、化肥投入X₃、农药投入X₄、劳动力投入X₅和灌溉投入X₆。期望产出变量选取粮食总产量Y₁。非期望产出为粮食生产所带来的各类碳排放U₁，由化肥、农药、翻耕、灌溉和农机等碳源乘以相应的碳排放系数加总得到。囿于篇幅，具体碳排放系数参见已有研究［5］，指标说明详见表1。

1.2模型构建

1.2.1SBM-Undesirable模型

传统DEA模型无法将生产所造成的环境负外部效应纳入测度范围，因此本文采用Tone［12］提出的包含非期望产出的非径向、非角度SBM-Undesirable模型，以期准确测算黄河流域各地市的粮食生产生态效率，该模型表达式如式（1）所示。

1.2.2Markov链分析

Markov链为一种时间和状态均为离散的Markov过程，通过构建Markov概率转移矩阵，可以分析黄河流域某一地市粮食生产生态效率向更高水平或者向更低水平类型转移的可能性，从而反映出粮食生产生态效率变化过程中的变迁规律，具体计算公式参见已有研究［13］。

1.2.3收敛模型

收敛模型在经济学中的主要应用于考察落后区域是否能对较发达区域实现追赶，近年来收敛模型逐渐用于分析地区差异和演进趋势的研究中［14］。收敛模型包括σ收敛和β收敛两种传统收敛类型，β收敛又分为绝对β收敛和条件β收敛，本文采用上述三种收敛模型探究黄河流域粮食生产生态效率的敛散特征。

1）  σ收敛模型。σ收敛是指黄河流域各地市粮食生产生态效率的离差呈现出随时序不断缩小的态势，本文采用变异系数法考察黄河流域全样本及三大流域粮食生产生态效率的σ收敛特征，建立如式（2）所示的σ收敛检验公式，其中n为第t年的地区样本数，eff_it为i地区t年的效率值。

3）  条件β收敛模型。条件β收敛是指在控制各影响因素后，黄河流域各地市的粮食生产生态效率将最终收敛至各自的稳态水平。本文将影响粮食生产生态效率的本体因素及利用特征纳入模型中，选取了如下控制变量：（1）粮食产业集聚，粮食生产在该地区的集聚有利于形成生产协同和规模优势，从而促进粮食生产生态效率的提升，采用区位熵方法进行测算。（2）农作物受灾率，用受灾面积与农作物总播种面积的比值表示［15］。（3）农地经营规模。农地的规模化经营能够在农业生产中起到降低成本、提高效益、实现规模经济的作用，选取人均农作物播种面积来表示农地经营规模。（4）财政支农水平。财政资金在完善农村基础设施、提升粮食生产能力等方面发挥着重要作用，本文采用地方农林水务财政支出占GDP的比重来衡量。建立的檢验公式如式（4）所示。

1.3研究区域界定与数据来源

黄河流域是指黄河水系从源头到入海所影响的地理生态区域，本文的研究区域以自然黄河流域为基础，考虑到研究地域单元的完整性、区域发展与黄河直接关联性为原则［16］，借鉴相关学者的成果［1719］，将研究区域界定为黄河流经的九省（区），包括山东、河南、陕西、山西、内蒙古、宁夏、甘肃、四川、青海在内，且距黄河直线距离较近的共计72个地级市。黄河上中下游地区参照水利部黄河水利委员会的划分，自河源至内蒙古呼和浩特托克托县为上游地区，托克托县至河南郑州桃花峪为中游地区，河南郑州桃花峪至入海口为下游地区，具体研究区域示意图如图1所示。

本文研究对象的数据来源于2006—2020年期间各省、各地市的统计年鉴（如《山西省统计年鉴》《太原市统计年鉴》）、《中国城市统计年鉴》以及国民经济统计公报等，囿于部分地级市的统计年鉴尚未更新至最新年度，故本文数据的样本区间为2006—2020年，缺失数据采用线性插值法补全。

2黄河流域粮食生产生态效率测算与时空演进

2.1黄河流域粮食生产生态效率测算与时序特征

根据前文构建的粮食生产生态效率指标体系，采用SBM-Undesirable模型测算了黄河流域各地市2006—2020年的粮食生产生态效率，测算结果如图2所示。从图2的均值折线图可知，样本期内黄河流域全样本的效率均值在2006—2009年间逐年下降，由0.735 8下降至0.661 2，在2010—2020年间波动上升，由0.664 2上升至0.723 3，整体上黄河流域粮食生产生态效率呈现出了“先降后增”的时序特征。具体来看，黄河上游和下游地区的粮食生产生态效率值始终高于平均水平，黄河中游地区的效率值始终低于平均水平，三大流域的效率值均值分别为0.761 9、0.623 1和0.781 1，呈现出下游＞上游＞中游的长期稳定关系。黄河中游地区粮食生产生态效率较低，可能是由于黄河中游地区位于黄土高原，是水力侵蚀最为严重的区域，强烈的水土流失严重影响了耕地质量和粮食生产。其次，该地区生态问题突出［20］，化工污染和农业面源污染严重，加之治理水平相对落后，严重阻碍了该地区的粮食生产。因此，亟需加强黄河中游水土保持和环境治理，以保障其粮食生产生态效率的稳步提升。

2.2黄河流域粮食生产生态效率时序演进分析

本节使用Matlab2021a软件绘制了黄河流域全样本及各流域的粮食生产生态效率 Kernel密度估计图（图3），以刻画其时序演进特征。

在样本考察期间，黄河流域全样本的粮食生产生态效率呈现出明显的双峰分布，且峰值较高，表明其存在显著的两极分化和空间非均衡特征。其次，左峰和右峰的波峰高度均有增高趋势，波峰的宽度在逐渐收窄，说明黄河流域粮食生产生态效率低水平地区和高水平地区均朝向“俱乐部收敛”的态势演进。此外，整个密度图靠左分布，表明当前黄河流域各地市的粮食生产生态效率还处于较低水平，未来提升潜力较大。

分流域来看，黄河流域上游地区呈“一低一高”双峰分布，右峰在各年份均高于左峰，表明黄河上游地区粮食生产生态效率高值区域数量多于低值地区，且右峰的波峰高度明显上升，表明黄河流域上游地区粮食生产生态效率的高值区域分布逐渐密集。黄河流域中游地区呈“一高一低”双峰分布，说明低值区域数量多于高值区域，右峰的波峰高度呈现出升高的趋势，说明中游地区两极分化特征在逐步形成。黄河流域下游地区的核密度估计表现为单峰形态，即呈现出单极化的趋势，且波峰高度明显上升，波峰宽度持续变窄，说明下游地区粮食生产生态效率的内部绝对差异在不断缩小。

2.3黄河流域粮食生产生态效率空间特征分析

前文基于时序角度对黄河流域各地区粮食生产生态效率的演进状况进行了考察，但随着黄河流域区域分工协作机制的不断完善，区域间资源流动性的不断加强，地区间的联系愈发紧密。因此，本节从空间视角采用全局Morans I指數对黄河流域粮食生产生态效率的空间相关性进行检验，其全局Morans I指数见表2。

由表2可知，无论是在空间邻接矩阵还是地理距离矩阵下，考察期间内Morans I指数均大于0，说明黄河流域粮食生产生态效率存在显著的正向空间相关性，即粮食生产生态效率较高的地区相互集聚，效率值较低的地区相互集聚。其次，通过Morans I指数和Z值，表明黄河流域粮食生产生态效率的空间集聚程度存在“先增强后减弱”的态势。

为进一步反映黄河流域粮食生产生态效率的空间分布和演进特征，使用ArcGIS10.7软件对2006年和2020年的黄河流域粮食生产生态效率进行空间可视化展示（图4）。

由图4可知，整体来看，黄河流域粮食生产生态效率的空间分异特征明显，高水平集聚区主要分布在以河套灌区为中心的内蒙古各盟（市），以及甘肃南部、青海南部、河南东部和山东西部；而低水平集聚区则主要集中在黄河中游地区的汾渭平原附近。其次，黄河流域粮食生产生态效率的空间分布格局相对稳定，考察期间内的空间分布变化较小。

分流域来看，考察期内黄河上游高水平集聚区的连片集聚程度显著提升，由“点状分布”向“带状分布”演进；中游低水平区域的连片集聚程度有所减弱，靠近下游地区的部分地市效率值受空间溢出影响，因而得到一定程度的改善。但中游地区总体水平依然较低，未来仍是粮食生产生态效率提升的重点区域。

2.4黄河流域粮食生产生态效率的空间流动性分析

为探究黄河流域粮食生产生态效率空间演进的规律性特征，本文通过四分法将黄河流域各地市的粮食生产生态效率划分为不同水平，即低水平、中低水平、中高水平和高水平，利用Matlab2021a软件的传统Markov链和空间Markov链考察黄河流域粮食生产生态效率分布的动态转移特征。

由传统Markov转移概率矩阵（表3）可知，处于对角线上的转移概率均高于非对角线的转移概率，表明受前期粮食生产方式的路径依赖影响，黄河流域各地市的粮食生产生态效率水平类型保持相对稳定。其中，低水平类型和高水平类型保持其初始状态的概率最高，分别为80.31%和67.91%，说明黄河流域粮食生产生态效率的类型转移存在“俱乐部趋同特征”与“马太效应”。

此外，各类型发生跨越式转移的概率均低于10%，即效率的提升是一个循序渐进的过程，短时间内具有较强的稳定性。

运用空间邻接矩阵将邻域水平类型考虑到黄河流域粮食生产生态效率转移概率测算中，进一步构建空间Markov转移矩阵，结果如表4所示。

空间Markov概率转移矩阵除了具有与传统Markov概率转移矩阵的共性特征外，其所反映出的规律性特征还表现在：与水平类型高于自身的单位为邻，其向上转移的概率将增大，而与水平类型低于自身的单位为邻，其向下转移的概率也将增大，即粮食生产生态效率较低的地区对周围具有负向溢出作用，而粮食生产生态效率较高的地区对周围具有正向溢出效应。

因此，在政策制定时，应立足于黄河全流域的整体性，加强流域内粮食生产的系统性谋划，完善黄河流域粮食生产的合理布局和区域协作机制。

3黄河流域粮食生产生态效率的收敛性分析

上文对黄河流域粮食生产生态效率的时空演进作出了分析，表明各流域间和流域内部呈现出一定的差异性，那么这种差异随时间推移是否能够自发缩小？低水平区域的增长速度是否存在追赶趋势？为揭示黄河流域粮食生产生态效率的敛散特征，运用σ收敛、绝对β收敛和条件β收敛对黄河流域全样本及上游、中游、下游地区粮食生产生态效率的收敛性进行检验。

3.1σ收敛检验

依据式（2）可计算出2006—2020年黄河流域全样本及上中下游地区粮食生产生态效率的σ收敛值，结果如表5所示。

整体来看，2006—2020年间黄河流域粮食生产生态效率的σ值在0.3左右浮动，最大值为0.349 8，最小值为0.294 5，但σ收敛值并未随着时间推移而递减，因此黄河流域全样本不存在σ收敛，即黄河流域各地市间粮食生产生态效率的差异并未显著缩小。分流域来看，黄河上、中、下游各地区的σ收敛系数也均未随时间呈缩小态势，故黄河各流域亦不存在σ收敛。从黄河上、中、下游地区横向对比来看，各区域的内部差距各有其特殊性，样本期间内中游地区粮食生产生态效率的σ均值最大，为0.351 2，说明黄河中游各地市之间粮食生产生态效率的内部差异较大。样本期间内下游地区的σ均值最小，为0.201 1，说明黄河下游各地市之间粮食生产生态效率的内部差异较小。

3.2绝对β收敛检验

为了更准确地把握黄河流域粮食生产生态效率的敛散状况，并检验各地区粮食生产生态效率的增速之间是否存在追赶趋势，本文通过Hausman检验选用固定效应模型，进一步对黄河流域全样本及上中下游地区进行绝对β收敛检验，结果见表6所示。

黄河流域全样本及上、中、下游地区粮食生产生态效率的收敛系数β值均在1%统计水平上显著为负，均存在显著的绝对β收敛。从各流域的收敛速度来看，黄河上游地区粮食生产生态效率的收敛速度最快，为0.805，黄河下游地区粮食生产生态效率的收敛速度最慢，为0.683。检验表明黄河流域各地市粮食生产生态效率的增长速度与其初始水平呈现出负相关，基本符合新古典经济学的收敛理论，即低效率地区相较于高效率地区具有更快的增长速度，即低效率地区对高效率地区存在一定“追赶效应”。

3.3条件β收敛检验

与绝对β收敛相比，条件β收敛检验的是黄河流域不同地区在各自特定的生产条件和自然禀赋下，能否趋向于各自不同的稳态水平。鉴于此，本文依据式（4）检验了黄河流域全样本及上中下游地区的粮食生产生态效率是否存在条件β收敛。表4显示，在模型中引入粮食产业集聚、农作物受灾率、农地经营规模和财政支农水平等控制变量后，黄河流域全样本及上中下游地区粮食生产生态效率的收敛系数β均在１%统计水平上显著负向，通过检验，这表明在黄河流域全样本及上中下游地区范围内均显著存在条件β收敛，即各地区由于自身粮食生產条件与资源禀赋等方面存在的差异，呈现出了各自不同的稳态水平，随着时间推移各地区将收敛于各自的稳态水平上。在考虑了诸控制变量的影响后，各地区的收敛速度也均有不同程度的变化，最为明显的是黄河下游地区的收敛速度提高了16.8%，说明若忽略各地区的资源禀赋与生产条件的绝对β收敛模型会低估黄河下游地区粮食生产生态效率的收敛性。

4结论与建议

基于黄河流域72个地级市的面板数据，运用SBM-Undesirable模型测算了黄河流域粮食生产生态效率，并对其时空演进特征和收敛性作出分析。结果表明：从时序角度来看，考察期内黄河流域粮食生产生态效率在2006—2009年间逐渐下降，由0.735 8降至0.661 2，在2010—2020年间波动上升，由0.664 2升至0.723 3，呈现出了“先降后增”的时序特征，上、中、下游各地区的效率均值分别为0.761 9、0.623 1和0.781 1，呈现出“下游＞上游＞中游”的长期稳定关系，黄河中游地区粮食生产生态效率长期处于较低水平，未来仍存在较大的提升空间。Kernel密度估计表明，黄河流域粮食生产生态效率呈现出明显的双峰分布，存在两极分化和空间非均衡特征。从空间视角看，黄河流域各地市粮食生产生态效率之间存在显著的正向空间相关性，呈现出连片分布的特征，且效率值的演进呈现出维持原有状态的稳定性，较难实现跨越式转移，两端类型保持稳定的概率最大，存在“俱乐部收敛”现象。收敛性方面，黄河流域全样本及上中下游各地区均不存在σ收敛，但存在显著的绝对β收敛和条件β收敛。基于研究结论，提出如下政策建议。

1） 统筹规划黄河流域粮食生产。完善黄河流域粮食生产的顶层设计，各地区积极突破行政边界外在约束，协同推进粮食生产合理布局和配套基础设施建设。开展黄河中游地区水土保持工作和中低产田改造，提高中游地区粮食生产能力。

2） 加强黄河流域粮食生产区域协作。各地政府应着力破除粮食生产资源要素跨地区流动障碍，促进地区间土地、资金及机械等要素高效流动和合理集聚。推动形成黄河流域粮食生产增长极，通过粮食生产、流通、消费环节的统筹协作以充分带动邻近地区粮食生产生态效率的提升。

3） 推进黄河流域粮食生产绿色转型。大力支持农业面源污染综合治理示范县、农业绿色发展先行区和规模化粮食绿色生产基地的建设，加快粮食绿色生产技术、深度节水控水技术的推广应用，实现肥药减量、产后减损，促进黄河流域粮食生产生态效率提升并形成区域示范效应。

参考文献

［1］徐瑞璠， 刘文新. 黄河流域农业灰水足迹与经济增长的关系研究——基于脱钩及回弹效应［J/OL］. 中国农业资源与区划： 1-13［2023-11-06］. https：//kns.cnki.net/kcms/detail//11.3513.S.20221207.1631.009.html.

［2］陈宝珍， 任金政. 粮食生产生态效率测算与改善路径［J］.江苏农业学报， 2019， 35（1）： 211-218.Chen Baozhen， Ren Jinzheng. Measurement and improvement of ecological efficiency in grain production ［J］. Jiangsu Journal of Agricultural Sciences， 2019， 35（1）： 211-218.

［3］鲁庆尧， 王树进， 孟祥海. 基于SBM模型的我国粮食生产生态效率测度与PS收敛检验［J］. 农村经济， 2020（12）： 24-32.

［4］匡远配， 张容. 农地流转对粮食生产生态效率的影响［J］.中国人口·资源与环境， 2021， 31（4）： 172-180.Kuang Yuanpei， Zhang Rong. Effect of farmland transfer on the ecological efficiency of food production ［J］. China Population， Resources and Environment， 2021， 31（4）： 172-180.

［5］崔杨. 江西省粮食生产生态效率测算及影响因素分析［D］. 南昌： 江西财经大学， 2021.Cui Yang. Measurement of ecological efficiency of grain production on Jiangxi province and analysis of influencing factors ［D］. Nanchang： Jiangxi University of Finance and Economics， 2021.

［6］管美佳. 基于水足迹的中国粮食生产生态效率评价［D］. 咸阳： 西北农林科技大学， 2017.Guan Meijia. Evaluation of eco-efficiency of grain production in China based on water footprint ［D］. Xianyang： Northweat A & F University， 2017.

［7］侯孟阳. 城镇化对粮食生产的影响效应及作用路径研究［D］. 咸阳： 西北农林科技大学， 2021.Hou Mengyang. The impact of urbanization on grain production and its action path ［D］. Xianyang： Northweat A & F University， 2021.

［8］李雪. 吉林省粮食生产生态效率评价及影响因素研究［D］. 长春： 吉林农业大学， 2022.Li Xue. The evaluation of ecological efficiency of food production and the study of influencing factors in Jilin Province ［D］. Changchun： Jilin Agricultural University， 2022.

［9］任志安， 夏宇航. 基于SBM-DEA的淮河生态经济带粮食绿色生产效率评价及对策研究［J］. 价值工程， 2022， 41（29）： 36-40.Reng Zhian， Xia Yuhang. Evaluation of green production efficiency of grain in Huaihe erco-economic zone and countermeasures based on SBM-DEA ［J］. Value Engineering， 2022， 41（29）： 36-40.

［10］张利国， 鲍丙飞， 潘丹. 鄱阳湖生态经济区粮食生产技术效率时空演变及环境协调性探究［J］. 经济地理， 2016， 36（11）： 116-123.Zhang Liguo， Bao Bingfei， Pan Dan. Spatial-temporal evolution and environmental coordination of technical efficiency of grain production in Poyang Lake eco-economic zone ［J］. Economic Geography， 2016， 36（11）： 116-123.

［11］李思勉， 何蒲明. 我國粮食绿色生产效率及影响因素研究——基于粮食功能区的比较分析［J］. 生态经济， 2020， 36（9）： 116-120.Li Simian， He Puming. Study on green production efficiency of grain and its influencing factors in China： A comparative analysis based on the grain functional area ［J］. Ecological Economy， 2020， 36（9）： 116-120.

［12］Tone K. Dealing with undesirable outputs in DEA： A Slacks-based Measure （SBM） approach ［J］. GRIPS Research Report Series， 2003.

［13］刘华军， 郭立祥， 乔列成， 等. 中国物流业效率的时空格局及动态演进［J］. 数量经济技术经济研究， 2021， 38（5）： 57-74.Liu Huajun， Guo Lixiang， Qiao Liecheng， et al. Spatial-temporal pattern and dynamic evolution of logistics efficiency in China ［J］. The Journal of Quantitative & Technical Economics， 2021， 38（5）： 57-74.

［14］吴昊玥， 何宇， 黄瀚蛟， 等. 中国种植业碳补偿率测算及空间收敛性［J］. 中国人口·资源与环境， 2021， 31（6）： 113-123.Wu Haoyue， He Yu， Huang Hanjiao， et al. Estimation and spatial convergence of carbon compensating rate of planting industry in China ［J］. China Population， Resources and Environment， 2021， 31（6）： 113-123.

［15］常新锋， 张雨祥. 农旅融合对中国农业生态效率的作用机制与影响效应［J］. 农林经济管理学报， 2022， 21（3）： 310-319.Chang Xinfeng， Zhang Yuxiang.Mechanism and effect of agriculture-tourism integration on agricultural eco-efficiency in China ［J］. Journal of Agro-Forestry Economics and Management， 2022， 21（3）： 310-319.

［16］李敏纳， 蔡舒， 张慧蓉， 等. 要素禀赋与黄河流域经济空间分异研究［J］. 经济地理， 2011， 31（1）： 14-20.Li Minna， Cai Shu， Zhang Huirong， et al. Factor endowments and the eco spatial dissimilarity in the Yellow River valley ［J］. Economic Geography， 2011， 31（1）： 14-20.

［17］杨玉珍， 闫佳笑， 杨洋， 等. 黄河流域旅游生态效率时空演变及空间溢出效应——基于73个城市数据的分析［J］. 生态学报， 2022， 42（20）： 8202-8212.Yang Yuzhen， Yan Jiaxiao， Yang Yang， et al. The spatio-temporal evolution and spatial spillover effect of tourism eco-efficiency in the Yellow River Basin： Based on data from the 73 cities ［J］. Acta Ecologica Sinica， 2022， 42（20）： 8202-8212.

［18］穆学青， 郭向阳， 明庆忠， 等. 黄河流域旅游生态安全的动态演变特征及驱动因素［J］. 地理学报， 2022， 77（3）： 714-735.Mu Xueqing， Guo Xiangyang， Ming Qingzhong， et al. Dynamic evolution characteristics and driving factors of tourism ecological security in the Yellow River Basin ［J］. Acta Ecologica Sinica， 2022， 77（3）： 714-735.

［19］曾冰， 谢琦. 基于夜间灯光数据的黄河流域经济发展空间特征与影响机制分析［J］. 中国沙漠， 2022， 42（3）： 41-50.Zeng Bing， Xie Qi. Spatial characteristics and impact mechanism of economic development indicated by night lighting data in the Yellow River Basin ［J］. Journal of Desert Research， 2022， 42（3）： 41-50.

［20］沙德春， 王茂林. 黃河流域高质量发展效率的演变及耦合协调水平［J］. 科技管理研究， 2022， 42（20）： 80-88.Sha Dechun， Wang Maolin. Evolution and coupling coordination level of high-quality development efficiency in the Yellow River Basin ［J］. Science and Technology Management Research， 2022， 42（20）： 80-88.