南京都市圈耕地利用效率的时空格局及动态演进

吴九兴，章玙茜

（安徽师范大学地理与旅游学院，安徽 芜湖 241002）

党的十九大报告明确提出：“确保国家粮食安全，把中国人的饭碗牢牢端在自己手中。”耕地作为人类赖以生存和发展的基础性资源，在确保国家粮食安全、促进经济社会发展的过程中有着不可替代的作用。近年来，随着我国城镇化、工业化进程的快速推进，耕地面积急剧减少，耕地撂荒、抛荒、粗放低效利用等现象愈演愈烈[1]，严重影响国家粮食安全。同时，由于大量农药、化肥、塑料薄膜等的不合理使用，土壤酸化、盐碱化等耕地污染问题日益突出，制约着耕地生产力的发展。作为耕作、灌溉、农资施用、机械运作、秸秆处理等环节的载体[2]，耕地利用过程中排放的温室气体，已成为农业生产活动最主要的碳排放源。由此可见，耕地利用不仅关系着国家粮食安全，还关系着生态环境的改善以及“双碳”目标的实现。在中国经济转型发展阶段，资源环境约束作用不断加强，对耕地资源高效利用提出更高要求。如何利用有限耕地资源、提高耕地产出[3]对实现社会经济生态可持续发展至关重要。

国内关于耕地利用效率的研究主要从不同尺度、选用不同方法对耕地利用效率进行了测算，并对耕地利用效率的空间分异、时间演化特征、影响因素等进行了分析。现有研究多从投入与产出2 个维度进行指标选取，随着研究的深入，有学者提出了将面源污染和碳排放[4～6]纳入耕地利用非期望产出，探究耕地利用的生态效率[7，8]。叶浩等[9]、王良健等[10]采用随机前沿生产函数[9，10]进行测度；梁流涛等[11]、杨朔等[12]、刘玉海等[13]采用数据包络分析法[11～13]测算耕地利用效率，还有学者根据研究内容采用了DEA-Malmquist 模型[14]、超效率SBM 模型[3]等传统DEA 的改进模型；结合空间自相关分析[15]、泰尔指数[16]、变异系数[17]、趋势面分析[18]等方法进行时空格局探究；土地碎化[1，19]、农民分化[20]、农业机械总动力[12]、灌溉指数[21]、地区经济发展水平[22，23]等是影响效率的驱动因素；研究区域主要涉及全国[9]、省域[15]、市域[24]、粮食主产区[25]和长江经济带[3]等。现有研究对耕地利用效率作了较好的理论与实践探讨，但没有将耕地利用与经济社会转型结合起来，从社会经济发展长时期转型的角度来考察耕地利用的投入产出的动态变化过程；缺少基于国家发展战略视角下特定都市圈耕地利用效率的研究；基于非期望产出的土地利用效率测算方面，多利用以损失效率前沿投影值的原始信息为代价的超效率SBM 模型[26]，导致测量结果有偏差。

南京都市圈作为我国第一个规划建设的跨省都市圈，是长三角带动中西部地区发展的重要传导区域，在国家长江经济带发展战略中具有重要地位，在地理上跨越我国重要的粮食产区，探讨其耕地利用转型的过程、特征和格局等具有必要性。基于此，探索南京都市圈耕地利用投入产出的效率，分析各地区的耕地利用投入产出效率的时空分异特征和动态演进，对区域土地利用转型的调控政策或措施具有重要启示作用。

1 材料与方法

1.1 数据来源

采用2000～2020 年《江苏统计年鉴》 《安徽统计年鉴》 《江苏农村统计年鉴》南京都市圈8 个地区的面源数据。

1.2 研究方法

1.2.1 投入产出指标体系构建 根据已有研究成果[4，7，11]，遵循数据的可获取性研究，构建南京都市圈耕地利用投入产出指标体系（表1），投入指标包括土地、劳动力、技术和资本投入4 个方面，以农作物总播种面积、第一产业从业人员、有效灌溉面积、农业机械总动力、农用化肥施用量、农药使用量和农用塑料薄膜使用量表征；产出指标包括期望产出和非期望产出2 个方面，期望产出以粮食总产量、农作物总产量和农业总产值表征；非期望产出以耕地利用过程中所产生的碳排放总量表征，包括机械化操作，施用化肥、农药、使用农膜和进行灌溉过程中直接或间接产生的碳排放。碳排放量的计算公式[27，28]如下：

表1 南京都市圈耕地利用投入产出指标体系Table 1 Input-output index system of cultivated land utilization in Nanjing metropolitan area

式中，E为碳排放总量（t），Et为各种碳源排放量，Tt表示各碳排放源的原始量，εi为碳排放系数，农业机械总动力碳排放系数=0.18 kg/kW，翻耕碳排放系数=312.6 kg/km2，化肥碳排放系数=895.6 kg/t，农药碳排放系数=4 934 kg/t，农膜碳排放系数=5 180 kg/t，灌溉碳排放系数=266.48 kg/hm2。

1.2.2 超效率EBM 模型构建 DEA 模型分为径向（CCR、BCC）和非径向（SBM）2 种，但均存在缺陷[29]。基于此，Kaour 等[30]提出了径向与非径向相结合的EBM模型，该模型兼容投入前沿值与实际值的径向比例，以及投入差异化的非径向松弛，能够更准确地测算出考虑非期望产出的决策单元的效率[31]。为进一步区分有效决策单元的效率大小，将EBM 模型与超效率模型综合为超效率EBM 模型。目前，该模型已被广泛运用于生产效率、经济效率、生态效率等测算中，但鲜有学者利用该模型研究耕地利用效率问题。因此，选用非导向型、规模报酬可变的超效率EBM 模型，测度南京都市圈各地级市的耕地利用效率，计算公式如下：

式中，γ*为综合效率值；n为决策单元数；x和y分别表示投入和期望产出，为投入指标松弛量，为产出指标松弛量，λ 为决策单元的组合系数，为投入指标的权重，为产出指标权重。

1.2.3 标准差椭圆 标准差椭圆是以地理要素空间分布的重心为中心，以主轴、辅轴、方位角为基本参数，定量分析地理要素空间分布整体特征的空间统计方法[32]。计算公式如下：

其中，（xi，yi）为点坐标；wi为权重；（xw，yw）为加权中心，即重心；xi′、yi′为不同点要素平均中心的坐标偏差；∂x、∂y分别为沿着x、y轴的标准差；θ为正北方向旋转到椭圆长轴的夹角。

1.2.4 核密度估计 核密度估计是当前分析地理事物特征差异变化较具代表性的统计方法。选用高斯核密度估计揭示南京都市圈耕地利用效率的动态分布，计算公式如下：

式中：F（x） 是核密度估计值；K（x） 是核函数，N是观测值的个数，h为带宽，Yi为观测值，y为均值。

1.2.5 马尔科夫链 马尔科夫链通过构造状态转移矩阵，刻画研究对象在样本考察期内的动态演进过程。计算公式如下：

式中，Pij为t时刻i类型的区域在t+1 时刻转移到j类型的概率，Zi为发生转移的i类型区域的数量总和，Zij为i类型区域在t时刻转移到j类形区域的数量总和。

依据四分位数规则，将8 个地区的耕地利用效率分为四类（表2）。

表2 马尔可夫链分类Table 2 Markov chain classification

2 结果与分析

2.1 南京都市圈耕地利用效率测度分析

采用非导向性EBM 模型处理投入产出数据，得到南京都市圈耕地利用效率（图1）、8 个地区耕地利用效率（图2）。

图1 2000～2020 年南京都市圈耕地利用综合效率、纯技术效率、规模效率Fig.1 Comprehensive efficiency，pure technical efficiency and scale efficiency of cultivated land utilization in Nanjing metropolitan area from 2000 to 2020

图2 各地区耕地利用综合效率、纯技术效率、规模效率Fig.2 Comprehensive efficiency，pure technical efficiency and scale efficiency of cultivated land utilization in each region

2.1.1 综合技术效率分析 2000～2020 年南京都市圈的耕地利用综合效率均值波动变化，整体偏高，2000年达到峰值，且仅2000 年和2004 年的耕地利用综合效率值＞1，说明南京都市圈耕地利用效率并未达到有效前沿面，距离效率前沿仍存在着一定的提升空间。

南京、镇江、扬州、淮安和滁州的耕地利用综合效率均值均＞1，其中南京的耕地利用综合效率稳步提升且数值最高（1.066 7），说明南京在资源分配、管理方式等方面已经形成了有效提升耕地利用效率的发展方式；淮安和扬州的耕地利用综合效率＞1，说明投入要素在利用的过程中是充分有效的，技术、规模以及资源配置等实现了最优。芜湖、马鞍山和宣城的耕地利用综合效率均值未达到有效前沿面，且低于南京都市圈均值，其中宣城的耕地利用综合技术效率为0.778，说明22.2%的投入是无效或低效的，需要提高耕地投入资源要素的配置能力。

2.1.2 纯技术效率分析 2000～2020 年南京都市圈耕地利用纯技术效率均值为1.092，处于较高的水平，除2013 年，其他年份的耕地利用纯技术效率值均已达到有效前沿面，说明南京都市圈耕地利用重视农业生产技术的投入，生产管理水平较为先进。

南京、滁州、马鞍山、淮安、扬州和镇江的耕地利用纯技术效率均值位于有效区间，且较为稳定，其中马鞍山的耕地利用的纯技术效率最高，均值为1.46；宣城的耕地利用纯技术效率下降明显，2020 年仅为0.786，说明21.4%的投入是低效或无效的，其资源投入存在冗余。

2.1.3 规模效率分析 2000～2020 年南京都市圈耕地利用的规模效率均值为0.89，未达到有效前沿面。

8 个地区的土地利用规模效率均未达到有效区间，其中扬州的均值最高，马鞍山最低。芜湖、扬州、马鞍山和滁州的土地利用规模效率稳步提升，说明耕地利用规模与资源投入实现了良好的匹配，促进了耕地利用规模效率的提高；镇江、淮安和宣城的土地利用规模效率不同程度的降低，镇江的规模效率下降最为显著，说明其经营管理模式逐渐落后，规模化集约经营程度较低，需要注重规模要素的投入。

2.1.4 规模报酬分析 淮安和滁州处于规模报酬递减阶段，说明这两个地区需要通过技术进步、调整投入要素的数量和质量以提高耕地利用效率；其他地区处于规模报酬递增阶段，说明这些地区可以继续发展规模化生产以提高耕地利用效率。

2.2 南京都市圈耕地利用效率时空格局

2000～2020 年南京都市圈耕地利用效率重心均在南京市的中部偏北，说明南京市的耕地利用效率高于周边地区，移动轨迹整体呈现“西南—东北—西南”的阶段性特征，南移趋势较为明显（图3）；方位角θ从2000 年的10.55°扩大到2020 年14.69°（表3），说明耕地利用效率的空间分布呈现不断向东北—西南方向加强的趋势，分布于椭圆轴线东北部的地区耕地利用效率提升快于椭圆轴线西南部的地区；主半轴数值标准差从157.52 km 降低至146.57 km，说明南京都市圈耕地利用效率在“东北—西南”方向上极化现象加剧；辅半轴标准差从73.60 km 增加至2015 年的76.03 km，说明耕地利用效率该时间段在“西北—东南”方向上出现聚集，2020 年又降低至73.744 km，说明耕地利用效率在“西北—东南”方向分散。

图3 2000～2020 年南京都市圈耕地利用效率标准差椭圆及重心转移轨迹Fig.3 Standard deviation ellipse and center of gravity transfer trajectory of cultivated land use efficiency in Nanjing metropolitan area

表3 2000～2020 年南京都市圈耕地利用效率标准差椭圆相关参数Table 3 Parameters related to the ellipse of standard deviation of cultivated land use efficiency in Nanjing metropolitan area

2.3 南京都市圈耕地利用效率动态演进规律

2.3.1 核密度分布位置 曲线整体向左移动，说明南京都市圈的耕地利用效率总体呈下降趋势；曲线先右移再左移，接着在小幅度右移后再次左移，可以看出耕地利用效率水平波动变化（图4），这与测度结果也相符。

图4 2000～2020 年南京都市圈耕地利用效率核密度估计Fig.4 Kernel density estimation of cultivated land utilization efficiency in Nanjing metropolitan area from 2000 to 2020

2.3.2 核密度分布形态 始终呈“两峰”状分布，说明南京都市圈耕地利用效率存在明显的两极分化（图4）。主峰峰值波动明显，呈现下降上升的交替趋势，并且宽度逐渐变大；次峰高度较为平稳，宽度无明显变化，说明南京都市圈耕地利用效率总体离散程度呈扩大趋势，即绝对差异随着时间的推移扩大。两峰的差值与距离增加，说明各地区的耕地利用效率高值区域较多且分布集中，低值区域少且零散，未来应重点提高低值区域的耕地利用效率。

2.3.3 核密度分布延展 不同时期分布曲线均不存在明显的拖尾现象，说明耕地利用效率水平较为集中。

2.4 南京都市圈耕地利用效率演进趋势

（1）在转移矩阵中，对角线上的转移概率远高于非对角线上的概率，表明耕地利用效率各状态间的内部流动性比较小，各地区保持原有状态的可能性大，尤其是低水平和高水平类型保持稳定的概率最强，分别为78%和82.9%。

（2）南京都市圈耕地利用效率水平整体呈下降趋势。各地区的水平向上转移的概率为55.28%，向下转移的概率为55.53%。中水平、低水平向上转移的概率为15.38%，而向下转移的概率为20.51%，向下减少趋势明显。

（3）南京都市圈耕地利用效率转移具有明显的路径依赖特征，短时期内难以实现跨越式的变动。紧临近矩阵对角线的数值均不为零，说明大部分耕地利用效率转变发生在邻近类型之间，呈现循序渐进的特征。处于较低水平的地区一步转移后，保持原有水平的概率为78.05%，向中低、中高、高水平转移的概率分别为17.07%、4.88%和0；处于中低水平的地区一步转移后，保持原有水平的概率为64.1%，向下、向上转移的概率分别为20.51%和15.38%；处于中高水平的地区一步转移后，保持原有水平的概率为64.1%，向下、向上转移的概率分别为17.94%和17.95%；处于高水平的地区一步转移后，保持原水平的概率为82.93%，向中低、中高、低水平转移的概率分别为2.44%、14.63%和0（表4）。

表4 南京都市圈耕地利用效率马尔可夫链Table 4 Markov chain of cultivated land utilization efficiency in Nanjing metropolitan area

3 主要结论与建议

3.1 主要结论

基于2000～2020 年南京都市圈8 个地区的耕地利用投入产出面板数据，采用超效率EBM、标准差椭圆、核密度估计函数和马尔科夫链等方法对耕地利用效率进行了系统研究，得到以下主要结论：

（1）2000～2020 年南京都市圈的耕地利用效率总体偏高，但距离有效前沿面仍存在一定的提升空间。其中，南京的耕地利用综合效率稳步提升且数值最高，说明南京在资源分配、管理方式等方面已经形成了有效提升耕地利用效率的发展方式；淮安和扬州的耕地利用综合效率＞1，说明投入要素在利用的过程中是充分有效的，技术、规模以及资源配置等实现了最优；芜湖、马鞍山和宣城的耕地利用综合效率均值未达到有效前沿面，且低于南京都市圈均值，需要提高耕地投入资源要素的配置能力。

（2）南京都市圈的耕地利用纯技术效率处于较高水平，已达到效率有效区间。但规模效率较低，从未达到有效前沿面，成为制约南京都市圈耕地利用效率最主要的原因。

（3） 南京都市圈耕地利用效率分布呈现偏“东北—西南”格局，且具有向东北方向偏移趋势。耕地利用效率重心集中于南京市并呈现“西南—东北—西南”方向的阶段性转移。标准差椭圆主轴方向极化加剧，辅轴方向趋于分散化。

（4）南京都市圈的耕地利用效率一直存在明显的两极分化，不同地级市之间耕地利用效率绝对差值随着时间的推移扩大，应重点提高低值区域耕地利用效率。

（5）从长期看，南京都市圈内耕地利用效率呈现减少趋势，且各状态间的内部流动性较小，保持原有状态的可能性较大。此外，耕地利用效率转移表现出明显的路径依赖，短时期内难以实现跨越式的变动。

3.2 建议

3.2.1 因地制宜，因城施策 由于南京都市圈内各市的耕地资源禀赋、地区经济发展水平，农业生产条件、科学技术水平等不同，导致耕地利用效率存在差异。因此，在改进耕地利用效率的过程中，应根据各区域耕地利用的实际状况，制定针对性措施。对于规模效率较低且规模报酬递增的地区，应该注重集约化规模化经营，优化耕地利用布局，充分发挥规模效益；对于纯技术效率较低的地区，需要加大科技投入，科学合理配置各类资源要素的投入量以及分配比例，提高耕地利用水平。

3.2.2 加强地市间相互联系，促进资源优化配置 南京都市圈耕地利用效率呈现下降趋势，各地区在耕地利用中资源配置和投入产出存在差异。为促进整体耕地利用效率的提高，各区域之间应该相互合作交流，破除行政壁垒，推动劳动力、资本、农业生产技术等资源要素在各地区间流动，发挥高效率地区的辐射带动作用，促进耕地利用区域协调发展。

3.2.3 控制碳排放，促进耕地的低碳利用 积极实施耕地利用中的固碳减排措施，提升耕地系统固碳减排能力，降低耕地利用的非期望产出，加快形成绿色低碳生产方式，发挥耕地利用在碳达峰、碳中和进程中的独特意义。

3.2.4 加强农业科技创新力度 加大科技投入，促进生产要素变革，促进低效粗放的耕地利用方式向集约高效方向转变，提升耕地利用现代化水平，真正“藏粮于地，藏粮于技”，提高耕地利用效率各状态间的转移效率，摆脱效率提升的路径依赖。