陳丹玲　盧新?！】锉?/p>

摘要：探尋碳排放和工業(yè)污染物排放雙重視域下城市土地利用效率（ULUE）的區(qū)域差異及協(xié)同提升路徑是實現(xiàn)區(qū)域可持續(xù)發(fā)展的根本要求和必然選擇。本文以長江中游城市群2003—2015年數(shù)據(jù)為研究樣本，在考慮城市土地利用碳排放和工業(yè)污染物排放對ULUE的雙重影響下，構(gòu)建“規(guī)模+結(jié)構(gòu)+效益”的ULUE測度指標(biāo)體系，并運用隨機(jī)森林算法、核密度估計及空間收斂模型從時間和空間兩個維度對ULUE時序差異的動態(tài)演進(jìn)及空間差異的收斂性進(jìn)行研究。結(jié)果顯示：在考慮碳排放和工業(yè)污染物排放后，長江中游城市群及其各子城市群ULUE的增長相對緩慢，說明在土地利用過程中ULUE存在雙重生態(tài)損耗，但ULUE總體上仍不斷上升，且基本呈現(xiàn)“南高北低”、“西高東低”的空間非均衡格局。從時間維度上來看，根據(jù)核密度估計結(jié)果，長江中游城市群及其各子城市群內(nèi)的ULUE都出現(xiàn)過不同程度的極化現(xiàn)象，但整體上ULUE的地區(qū)差距逐漸縮小。其中，長江中游城市群總體、武漢城市群、環(huán)鄱陽湖城市群的ULUE經(jīng)歷了一個先擴(kuò)大、后縮小的起伏波動過程，地區(qū)差異先增加后降低，而環(huán)長株潭城市群、江淮城市群ULUE的區(qū)域差異呈現(xiàn)先擴(kuò)大、后趨于穩(wěn)定的狀態(tài)。從空間維度上來看，在考慮空間效應(yīng)的情況下，長江中游城市群內(nèi)既存在武漢城市群和環(huán)長株潭城市群ULUE的絕對β收斂，也存在包括長江中游城市群總體及其子城市群在內(nèi)的全域范圍內(nèi)ULUE的條件β收斂。為實現(xiàn)環(huán)境與ULUE的協(xié)調(diào)耦合，增強(qiáng)區(qū)域綠色化發(fā)展能力，提出優(yōu)化要素空間交流環(huán)境、加快實施創(chuàng)新驅(qū)動戰(zhàn)略、嚴(yán)格執(zhí)行污染排放限制標(biāo)準(zhǔn)等建議。

關(guān)鍵詞 ：城市土地利用效率；動態(tài)演進(jìn)；空間收斂；碳排放；工業(yè)污染物；雙重約束

中圖分類號 F293.2 文獻(xiàn)標(biāo)識碼 A 文章編號 1002-2104（2018）12-0106-09 DOI：10.12062/cpre.20180524

城市土地利用效率（Urban Land Use Efficiency，ULUE）是城市系統(tǒng)與土地利用系統(tǒng)間耦合水平的直接體現(xiàn)，也是衡量土地產(chǎn)出能力及區(qū)域發(fā)展質(zhì)量的關(guān)鍵指標(biāo)[1]。工業(yè)現(xiàn)代化以來，城市土地利用程度不斷提高，但以高能耗、高碳排、高污染為主要特征的傳統(tǒng)土地利用模式越發(fā)難以為繼，土地利用粗放、生態(tài)狀況惡化的空間格局初現(xiàn)端倪[2]。在資源和環(huán)境約束日益趨緊的現(xiàn)實背景下，碳排放和工業(yè)污染物排放造成的土地利用生態(tài)效率損失已不容忽視，實行土地低碳利用和綠色利用勢在必行。然而，伴隨新型城鎮(zhèn)化的加速推進(jìn)，經(jīng)濟(jì)增長對工業(yè)和能源的過度依賴仍使得土地利用過程中的碳排放和工業(yè)污染物排放總量急劇增加[3]，暴露出的地區(qū)差距、資源浪費、環(huán)境污染等問題仍未得以根本解決。充分考慮土地利用中的資源與環(huán)境代價，科學(xué)測度碳排放和工業(yè)污染物雙重約束下ULUE水平并深入揭示其地區(qū)差異，對于破除資源環(huán)境約束難題，探尋ULUE協(xié)同提升路徑，增強(qiáng)區(qū)域可持續(xù)發(fā)展能力具有重要理論價值和現(xiàn)實意義。

目前學(xué)者們主要圍繞ULUE指標(biāo)體系構(gòu)建[4]、測算方法[5]、區(qū)域差異及其收斂[6]等方面展開思考與探究。在指標(biāo)選取方面，較具代表性的主要分為以下兩類：第一類是經(jīng)濟(jì)學(xué)層面下以土地經(jīng)濟(jì)密度[6]、土地開發(fā)強(qiáng)度[7]為主的ULUE單一測度指標(biāo)，第二類是復(fù)合系統(tǒng)視角下ULUE綜合測度框架，以只包含期望產(chǎn)出變量的“經(jīng)濟(jì)+社會+生態(tài)”[8]、“規(guī)模+結(jié)構(gòu)+集聚”[9]、“投入+期望產(chǎn)出”[10]等測度體系居多。事實上，城市土地在利用并體現(xiàn)其生產(chǎn)、生活及生態(tài)功能的同時，也成為了一個重要的碳源和污染物排放源[2-3]。楊清可[5]、岳立[11]將工業(yè)“三廢”排放納入ULUE測算的“投入+期望產(chǎn)出+非期望產(chǎn)出”模型中，黎孔清[12]將能源碳排放量納入土地低碳利用效率評價體系。在認(rèn)識這一客觀事實的基礎(chǔ)上，部分學(xué)者還從環(huán)境友好[3]、可持續(xù)發(fā)展[13]等角度對土地利用方式和評價體系進(jìn)行了研究。在測度方法上，人工神經(jīng)網(wǎng)絡(luò)模型是目前ULUE測度時較為先進(jìn)的方法之一，基于ULUE測算結(jié)果，學(xué)者們多運用“GIS可視化分析+傳統(tǒng)收斂模型”[6]的研究框架對不同尺度下ULUE的區(qū)域差異及其收斂情況進(jìn)行定量刻畫。但應(yīng)該看到，在土地利用系統(tǒng)自發(fā)過程與人類活動（主要是工業(yè)生產(chǎn)）擾動的共同主導(dǎo)下，城市土地會同時以“碳排放”和“污染物排放”的方式做出響應(yīng)[2-3]，而現(xiàn)有測度體系對環(huán)境負(fù)響應(yīng)的考察主要集中于污染類指標(biāo)或碳排放因素對ULUE的單一約束，缺少對碳排放和工業(yè)污染物排放雙重約束下ULUE區(qū)域差異時空演進(jìn)特征的探索。研究方法上，基于人工神經(jīng)網(wǎng)絡(luò)的ULUE測度模型，其網(wǎng)絡(luò)結(jié)構(gòu)過于復(fù)雜，運算參數(shù)難以準(zhǔn)確設(shè)定，易出現(xiàn)過擬合從而導(dǎo)致測算結(jié)果有偏[14]，此外，傳統(tǒng)收斂模型將各研究區(qū)域當(dāng)作完全獨立的、不存在相互聯(lián)系的截面?zhèn)€體，沒有考慮到地理空間效應(yīng)在ULUE區(qū)域差異收斂變化過程中的作用?；诖耍疚囊蚤L江中游城市群2003—2015年數(shù)據(jù)為研究樣本，首先將城市土地利用過程中產(chǎn)生的碳排放和工業(yè)污染物排放同時作為非期望產(chǎn)出，設(shè)計雙重約束下“規(guī)模+空間+效益”的ULUE測度框架，并引入隨機(jī)森林算法對ULUE指數(shù)進(jìn)行測度；其次，在考慮空間效應(yīng)的前提下，綜合運用核密度估計和空間收斂模型深入探討ULUE時序差異的動態(tài)演進(jìn)和空間差異的斂散特征；最后，基于前文的研究結(jié)果，得出結(jié)論與啟示。

1 理論假說：ULUE空間收斂

從經(jīng)濟(jì)理論上，短期內(nèi)隨著城市規(guī)模不斷擴(kuò)張，ULUE高值區(qū)具有更強(qiáng)的經(jīng)濟(jì)基礎(chǔ)、技術(shù)水平和學(xué)習(xí)能力，能夠創(chuàng)造并吸收更多有利于ULUE增長的發(fā)展資源從而進(jìn)一步擴(kuò)大各區(qū)域因初始效率水平和要素結(jié)構(gòu)不同而產(chǎn)生的ULUE空間差異，導(dǎo)致ULUE“發(fā)散增長” [3，15-16]，但微觀、中觀和宏觀層面的收斂機(jī)制會使得ULUE出現(xiàn)區(qū)域差異收斂。

微觀收斂機(jī)制包括要素收斂機(jī)制和技術(shù)收斂機(jī)制。特定地理空間內(nèi)資本、勞動力等生產(chǎn)要素的過度集聚會產(chǎn)生“擁擠效應(yīng)”并對生態(tài)環(huán)境產(chǎn)生下行壓力，導(dǎo)致土地利用的綠色產(chǎn)出效率下降，從而推動部分要素向比較利益更優(yōu)的相鄰區(qū)域轉(zhuǎn)移，減小ULUE的區(qū)域差異[10，16]。此后，隨著區(qū)域經(jīng)濟(jì)增長依賴性的增強(qiáng)，技術(shù)溢出對土地利用的碳排放和污染物排放具有更強(qiáng)的控制作用，毗鄰空間單元間的ULUE趨于共同提升[17]。

中觀收斂機(jī)制為結(jié)構(gòu)收斂機(jī)制。在經(jīng)濟(jì)發(fā)展對技術(shù)進(jìn)步依賴性不斷增強(qiáng)的現(xiàn)實背景下，各產(chǎn)業(yè)主體（主要發(fā)生在第二產(chǎn)業(yè)之間，第三產(chǎn)業(yè)之間）在規(guī)模、結(jié)構(gòu)和空間布局上進(jìn)行廣泛聯(lián)動，并結(jié)合為一個“整體”。這一過程中，高碳產(chǎn)業(yè)低碳化、低碳產(chǎn)業(yè)低污染化，加之產(chǎn)業(yè)結(jié)構(gòu)升級、產(chǎn)業(yè)集聚、技術(shù)擴(kuò)散等與區(qū)域經(jīng)濟(jì)增長收斂性的相互作用， ULUE趨于空間趨同[18]。

宏觀收斂機(jī)制為政府行為收斂機(jī)制。一方面，國家傾斜性的低碳減排政策和技術(shù)扶持政策會進(jìn)一步鼓勵知識、技術(shù)、創(chuàng)新要素向相對滯后的區(qū)域集聚，從而強(qiáng)化落后區(qū)域土地的綠色發(fā)展能力，縮小區(qū)域差距[10，15]。另一方面，區(qū)域間政府行政權(quán)的協(xié)調(diào)與融合，使得市場機(jī)制得以有效發(fā)揮，在提高能耗與工業(yè)排污準(zhǔn)入門檻的同時，實現(xiàn)ULUE收斂[2，9]。

從長期來看，伴隨經(jīng)濟(jì)發(fā)展、先進(jìn)技術(shù)的應(yīng)用、產(chǎn)業(yè)結(jié)構(gòu)升級和政府傾斜性政策的實施，土地利用的碳排放與工業(yè)污染物排放對ULUE的雙重約束減弱，ULUE區(qū)域差異先擴(kuò)大后縮小，理論上存在較高水平下的空間收斂現(xiàn)象。

2 研究區(qū)概況

長江中游城市群是以武漢城市群、環(huán)長株潭城市群、環(huán)鄱陽湖城市群和江淮城市群為主體形成的特大城市群，是我國重化工產(chǎn)業(yè)布局集中區(qū)，也是長江經(jīng)濟(jì)帶生態(tài)文明建設(shè)和流域生態(tài)安全格局維護(hù)的核心區(qū)域。憑借雄厚的工業(yè)基礎(chǔ)和巨大的城鎮(zhèn)化發(fā)展?jié)摿Γ?015年長江中游城市群的國民經(jīng)濟(jì)生產(chǎn)總值超過7.4萬億元，僅次于長三角地區(qū)、京津冀地區(qū)和珠三角地區(qū)。然而，隨著社會經(jīng)濟(jì)的快速發(fā)展，資源環(huán)境的脅迫效應(yīng)對該區(qū)域城市土地利用的約束日益凸顯，高投入、高消耗、偏重數(shù)量擴(kuò)張的工業(yè)發(fā)展土地利用模式越發(fā)難以為繼[19]。同時，長江中游城市群區(qū)域間生態(tài)環(huán)境、資源稟賦和產(chǎn)業(yè)結(jié)構(gòu)等存在的顯著差異，也為土地利用效益的協(xié)同提升帶來了嚴(yán)峻挑戰(zhàn)。在這一現(xiàn)實背景下，實現(xiàn)生態(tài)環(huán)境與土地利用的協(xié)調(diào)融合并增強(qiáng)區(qū)域發(fā)展的統(tǒng)籌度已成為本區(qū)域經(jīng)濟(jì)可持續(xù)增長的必然選擇。

3 方法設(shè)計

3.1 ULUE的隨機(jī)森林算法

隨機(jī)森林 （Random Forest，RF）算法是利用高斯維普法求解有約束非線性規(guī)劃問題，進(jìn)而進(jìn)行運算和屬性評價的集成結(jié)構(gòu)算法。相比于人工神經(jīng)網(wǎng)絡(luò)， 隨機(jī)森林算法在多變量非線性關(guān)系及權(quán)重客觀性、動態(tài)性的處理上具有更為優(yōu)越的性能，運行所需參數(shù)少，可以防止由于訓(xùn)練樣本存在噪聲和數(shù)據(jù)缺失引起的精度降低，是ULUE測度的理想工具[14]。本文嘗試采用隨機(jī)森林算法對ULUE進(jìn)行測算，Matlab2015 a的操作過程如圖1所示。

3.2 核密度估計

核密度估計（Kernel Density Estimation，KDE）是經(jīng)濟(jì)學(xué)中的一種數(shù)據(jù)分布探測模型，已經(jīng)成為量化要素差異的成熟研究方法[20]。與傳統(tǒng)的區(qū)域差異測度方法相比，核密度估計具有函數(shù)預(yù)設(shè)的客觀性和要素狀態(tài)捕捉的準(zhǔn)確性等優(yōu)勢，可以很直觀地揭示出差異的演變趨勢，其基本原理可參照文獻(xiàn)[20]。本文借助Eviews7.2軟件，以長江中游城市群及各子城市群內(nèi)部空間單元的ULUE值為基礎(chǔ)，選擇應(yīng)用最廣泛的Gauss核函數(shù)并通過考察曲線的位置、形狀及延展性等來揭示ULUE時序差異的演進(jìn)。

3.3 動態(tài)空間收斂模型

在Eviews7.2軟件和Matlab2015 a空間計量工具箱的支持下，本文構(gòu)建納入空間權(quán)重矩陣并適用于截面數(shù)據(jù)的空間β收斂模型[21]，主要包括β收斂的空間誤差模型（SEM）和空間滯后模型（SLM），公式分別如下：

變化速率的自然對數(shù)值，lnyi，t為區(qū)域i在t年ULUE的自然對數(shù)值；εi，t為隨機(jī)誤差。若β大于0，則ULUE間存在β收斂，否則發(fā)散。

3.4 數(shù)據(jù)來源

基礎(chǔ)數(shù)據(jù)主要來源于相應(yīng)研究年份的《中國城市統(tǒng)計年鑒》《中國城市建設(shè)統(tǒng)計年鑒》及各省、各地市統(tǒng)計年鑒，個別缺失數(shù)據(jù)通過相鄰年份數(shù)據(jù)線性插值補(bǔ)齊。城市土地利用碳排放計算中，能源折標(biāo)準(zhǔn)煤系數(shù)來源于《綜合能耗計算通則》（GB/T2589-2008）[22]，能源碳排放系數(shù)采用IPCC（2006）系數(shù)[23]，純堿、合成氨、水泥、生鐵、粗鋼、鋼材和水泥等工業(yè)生產(chǎn)過程的碳排放系數(shù)依據(jù)《全球氣候變化和溫室氣體排放清單編制方法》[24]確定。

4 實證分析

4.1 雙重約束下ULUE測度體系

ULUE的本質(zhì)是要素規(guī)模變化及空間集聚后所產(chǎn)生的各種內(nèi)在、外在表現(xiàn)和綜合效益的總和[9]，而現(xiàn)有的測度體系，實際上都是基于城市土地利用的外在表現(xiàn)將其綜合效率分解為經(jīng)濟(jì)、社會及生態(tài)等方面進(jìn)行測算[8]，它們對ULUE內(nèi)在屬性和功能的反映并不全面，且外在表現(xiàn)上忽略了城市土地利用過程中碳排放和工業(yè)污染物排放的雙重影響。因此本文從ULUE的內(nèi)在屬性和外在表現(xiàn)出發(fā)，同時將城市土地利用碳排放和工業(yè)污染物排放納入測度框架中，構(gòu)建“規(guī)模+空間+效益”的ULUE測度體系，具體指標(biāo)選取詳見表1。

規(guī)模維度上，生產(chǎn)要素投入規(guī)模是城市土地實現(xiàn)其資

本屬性及資源吸納功能的重要體現(xiàn)[9-10]。一方面，建成區(qū)面積變化為城市內(nèi)部各功能性用地的數(shù)量配置和結(jié)構(gòu)調(diào)整提供了空間與潛力，是城市土地利用的基礎(chǔ)支撐，參考張雅杰[8]等人的研究，選擇建成區(qū)面積衡量土地投入規(guī)模。另一方面，非土地要素投入規(guī)模指標(biāo)選取與單位土地產(chǎn)出相關(guān)性較強(qiáng)的地均二、三產(chǎn)業(yè)從業(yè)人員及地均固定資產(chǎn)投資分別表征人力投入規(guī)模和資本投入規(guī)模。

空間維度上，要素的空間流動與轉(zhuǎn)移是城市土地實現(xiàn)其資源屬性和空間承載功能的直接反映[9]。要素流動方向、范圍和規(guī)模的不同往往導(dǎo)致區(qū)域經(jīng)濟(jì)形態(tài)和土地利用模式的差異，其中信息、交通和技術(shù)是區(qū)域流動性和影響性最大的要素“流”，這類依據(jù)社會經(jīng)濟(jì)發(fā)展要求而相互聯(lián)系所形成的空間要素“流”是提高ULUE的重要驅(qū)動。通過對相關(guān)研究[8，10]的整理和歸納，分別選取人均郵電業(yè)務(wù)量、路網(wǎng)密度、地均科技支出作為衡量指標(biāo)。

效益維度上，主要包括正效益和負(fù)效益兩方面的內(nèi)容。參照李苗苗[4]等人的研究，從經(jīng)濟(jì)增長、社會發(fā)展及環(huán)境友好三方面選取ULUE正效益指標(biāo)。負(fù)效益重點考慮城市土地利用過程中碳排放和工業(yè)污染物排放的雙重影響。參照IPCC[23]核算框架，城市土地利用碳排放主要來源于能源消費和工業(yè)生產(chǎn)。其中能源消費碳排放量核算公式為CEenergy=∑（CO2）i=∑Ei·CEFi，i為能源類別，包括原煤、焦炭、汽油、煤油、柴油、燃料油、液化石油氣、天然氣、洗精煤、其他洗煤和焦?fàn)t煤氣，Ei表示能源i的終端消費量，按標(biāo)準(zhǔn)煤計，單位萬t，CEFi為能源i的碳排放系數(shù)；工業(yè)過程碳排放量核算公式為CEindustry=∑（CO2）j=∑Pj·IEFj， j為主要工業(yè)產(chǎn)品類別，包括純堿、合成氨、水泥、生鐵、粗鋼和鋼材，Pj為各工業(yè)產(chǎn)品產(chǎn)量，單位萬t，IEFj為生產(chǎn)每萬t工業(yè)產(chǎn)品的碳排放量。同時，依據(jù)《中國環(huán)境統(tǒng)計公報》中劃定的主要排放物，參照董小林[25]提出的測算方法，從工業(yè)廢水排放量、工業(yè)SO2排放量、工業(yè)煙塵排放量和固體廢棄物產(chǎn)生量四類污染指標(biāo)測度工業(yè)污染物排放強(qiáng)度。

4.2 ULUE測度

基于上述指標(biāo)體系，借助Matlab2015 a軟件得到2003—2015年長江中游城市群38個地市的ULUE指數(shù)（RF1）。同時為驗證碳排放和工業(yè)污染物排放對ULUE的實際影響，也采用RF算法對不含環(huán)境負(fù)效益變量的ULUE進(jìn)行測度（RF2）。表 2 反映的是主要年份ULUE的兩次測度結(jié)果。從中可以看出，考慮碳排放和工業(yè)污染物排放雙重影響的情況下，大部分地市ULUE值明顯低于RF2的ULUE測算結(jié)果，而且，RF1和 RF2中ULUE最高值與最低值的絕對差距均在3倍以上，整體表現(xiàn)出“南高北低”、“西高東低”的空間分異特征?？傮w來看，考察期間長江中游城市群ULUE從2003年的0.440 3增加到2015年的0.654 7，年均增長1.79%。低于RF2中ULUE年均增速2.06%，在考慮雙重約束后ULUE增速放緩說明在土地利用過程中存在雙重生態(tài)損耗。

分區(qū)域來看，同時加入碳排放和工業(yè)污染物排放指標(biāo)后，相比于RF2的測算結(jié)果，武漢城市群、環(huán)長株潭城市群、環(huán)鄱陽湖城市群及江淮城市群ULUE的增速在考察期內(nèi)也呈現(xiàn)不同幅度的下降態(tài)勢，分別下降了0.93%、0.45%、0.08%、0.65%。為反映ULUE的真實水平，下文分析均圍繞RF1的測算結(jié)果展開。

4.3 時序差異的動態(tài)演進(jìn)

以2003、2007、2011、2015為考察時點，從整體和局部兩個層面揭示ULUE區(qū)域差異的時序演變特征（見圖2）。①不同城市群ULUE的區(qū)域差異及所表現(xiàn)出的發(fā)散特征是初始環(huán)境稟賦、效率差異和要素結(jié)構(gòu)差異綜合作用的結(jié)果，而隨著長江中游城市群內(nèi)合作協(xié)調(diào)機(jī)制完善，這種差異將趨于收斂?？疾炱趦?nèi)，長江中游城市群總體、武漢城市群、環(huán)鄱陽湖城市群ULUE分布曲線的主峰寬度先增大后縮小，表明ULUE的絕對差距先增加后降低。而環(huán)長株潭城市群、江淮城市群密度曲線的主峰峰值持續(xù)下降，主峰寬度逐年增加，其ULUE絕對差距處于先大幅擴(kuò)大，后趨于穩(wěn)定。②在城市群內(nèi)各空間單元的合作交流日益密切的現(xiàn)實背景下，資本、技術(shù)、人力等要素流動受行政區(qū)劃和資源稟賦的影響逐漸減弱，最終降低ULUE變化的波動性及分布狀態(tài)的異質(zhì)性。長江中游城市群總體及各子城市群密度曲線的向右拖尾現(xiàn)象并不顯著，其分布延展性并未呈現(xiàn)拓寬趨勢，表明上述城市群內(nèi)各城市的ULUE均呈上升態(tài)勢，且ULUE差異趨于減小。③各城市群的社會經(jīng)濟(jì)發(fā)展特征會主導(dǎo)城市土地利用系統(tǒng)對區(qū)域經(jīng)濟(jì)系統(tǒng)的響應(yīng)過程及作用強(qiáng)度， 使不同城市群ULUE的極化程度及路徑呈現(xiàn)差異性?？疾炱趦?nèi)，長江中游城市群總體ULUE的單極化分布持續(xù)存在但有所緩和。武漢城市群的分布曲線始終維持“一主一小”的雙峰格局，ULUE呈現(xiàn)分散化的區(qū)域集聚特征。環(huán)長株潭城市群ULUE的分布特征則從兩級分化逐步向單極化過渡。環(huán)鄱陽湖城市群ULUE的分布則由呈現(xiàn)出“多極化——單極化——多極化”的演變趨勢，但多極分化現(xiàn)象較為微弱。而江淮城市群ULUE的地區(qū)差距則由單極分化進(jìn)一步演變?yōu)閮蓸O分化。

4.4 空間差異的計量分析

4.4.1 空間自相關(guān)檢驗

檢驗雙重約束下ULUE分布模式是正確設(shè)定空間收斂模型的前提，為了判斷ULUE指數(shù)分布是否具有統(tǒng)計上顯著的集聚或分散現(xiàn)象，本文借助GeoDa軟件計算出ULUE全局Morans I指數(shù)。從表3中可以看出，考察期間長江中游城市群ULUE全局Morans I指數(shù)呈波動上升趨勢，從2003年的0.111 6增加至2015年的0.264 4，且具有顯著的統(tǒng)計意義。說明ULUE間存在逐漸增強(qiáng)的空間相互作用。這種空間相關(guān)性對ULUE趨于收斂的作用機(jī)理是什么？

4.4.2 空間收斂性結(jié)果及分析

根據(jù)收斂模型的基本原理，運用LM與RLM檢驗法對空間誤差模型和空間滯后模型進(jìn)行選擇。從表4中可以看出：在絕對收斂中，LM（lag）、LM（error）、 Robust LM（lag）通過5%的顯著水平檢驗，且LM（lag）的I統(tǒng)計量大于LM（error），因此在進(jìn)行ULUE絕對收斂分析時采用空間滯后模型更優(yōu)。同理，在條件收斂分析時采用空間滯后模型也更為合適，同時根據(jù)F和Hausman統(tǒng)計量的檢驗結(jié)果，本研究的絕對、條件β收斂分析均應(yīng)建立以個體固定效應(yīng)模型為基礎(chǔ)。模型估計結(jié)果如表5、表6。

①由絕對收斂的估計結(jié)果（見表5）可知，武漢城市群、環(huán)長株潭城市群的β系數(shù)均小于0且顯著，表明ULUE在這兩個區(qū)域存在絕對收斂，即區(qū)域ULUE增長率不僅受初始ULUE水平影響，還與其他相鄰地區(qū)ULUE增長率的隨機(jī)誤差沖擊的空間溢出相關(guān)。而長江中游城市群總體的β系數(shù)雖小于0但不顯著，可能存在假性收斂。同時，從θ值來看，ULUE在長江中游城市群總體武漢城市群、環(huán)長株潭城市群達(dá)到1/2收斂程度的時間分別為36.5 a、 14.9 a、21.4 a。而環(huán)鄱陽湖城市群、江淮城市群ULUE的區(qū)域差異不存在絕對收斂，那么絕對收斂趨勢不顯著是否意味著ULUE發(fā)散？接下來綜合本文的理論假設(shè)及有關(guān)ULUE影響因素的研究，引入——經(jīng)濟(jì)發(fā)展水平G（人均GDP）、資本流動CF（進(jìn)口總額與出口總額的比值）、技術(shù)投入TI（科學(xué)技術(shù)服務(wù)人員）、產(chǎn)業(yè)結(jié)構(gòu)IS（第二產(chǎn)業(yè)產(chǎn)值占GDP比重）、政府財政支持FP（地區(qū)一般預(yù)算支出）、能源消耗結(jié)構(gòu)ES（總能源消耗中煤炭所占比重）六個變量，探討ULUE的條件收斂趨勢。

②由條件收斂的估計結(jié)果（見表6）可知，從整體來看，長江中游城市群總體的ULUE每增加1%，ULUE就會在經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)以及空間誤差效應(yīng)的共同影響下以1.18%的速度條件收斂，空間因素對ULUE增長的影響通過相鄰區(qū)域間的空間滯后表現(xiàn)出來。分區(qū)域來看，雖然各子城市群存在顯著的條件β收斂，但達(dá)到1/2收斂程度的周期存在明顯差異，分別為58.6 a、54.6 a、49.0 a、33.9 a、29.8 a。從各指標(biāo)變量來看，經(jīng)濟(jì)發(fā)展水平的提高有利于減小ULUE的區(qū)域差異。技術(shù)投入在各地區(qū)均未通過顯著性檢驗，說明技術(shù)水平在區(qū)域間的空間溢出作用尚未展現(xiàn)。就資本流動和產(chǎn)業(yè)結(jié)構(gòu)而言，僅長江中游城市群總體、武漢城市群、環(huán)長株潭城市群的系數(shù)通過了5%的顯著性檢驗，表明在全局尺度上，資本流動性的增加和產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化對ULUE提高具有正向的促進(jìn)作用，進(jìn)而加快區(qū)域間的收斂過程。其余地區(qū)資本流動、產(chǎn)業(yè)結(jié)構(gòu)與ULUE間的作用關(guān)系并不顯著。此外，財政支持和能源消費結(jié)構(gòu)的調(diào)整對ULUE差異性的減小起到一定作用，然而在較長一段時期內(nèi)，長江中游城市群的能源需求總量仍然保持較高的水平，ULUE提高與減排之間的矛盾仍舊是未來區(qū)域可持續(xù)發(fā)展的巨大阻力。

5 結(jié)論與啟示

與已有的研究相比，本文的研究創(chuàng)新在于：充分考慮到城市土地利用過程中碳排放和工業(yè)污染物排放的雙重約束和空間溢出效應(yīng)對ULUE的影響，綜合利用隨機(jī)森林算法、核密度估計及空間收斂模型對長江中游城市群ULUE的區(qū)域差異的時空斂散性進(jìn)行研究，其研究視角的切入、研究方法的組合運用均是對當(dāng)前ULUE研究體系的一個有效補(bǔ)充。研究結(jié)論表明：考察期間長江中游城市群及其各子城市群ULUE存在碳排放和工業(yè)污染物排放的雙重生態(tài)損耗，ULUE水平雖不斷提高但存在顯著的空間非均衡。同時隨著時間的推移，ULUE的區(qū)域分異現(xiàn)象逐步弱化，而納入空間效應(yīng)和模型控制變量后，長江中游城市群及其各子城市群的ULUE均存在顯著的條件β收斂，收斂時間明顯縮短。

基于上述結(jié)論，未來長江中游城市群ULUE的提升可以重點考慮以下幾個方面：第一，利用空間溢出效應(yīng)推動ULUE的共同提高。立足于長江中游城市群“極核+走廊”的點軸式空間結(jié)構(gòu)，優(yōu)化ULUE的空間聯(lián)動環(huán)境，暢通生產(chǎn)要素在各區(qū)域間的流動渠道，發(fā)揮ULUE高階區(qū)對鄰近區(qū)域的正向溢出作用，同時沿江帶動輻射兩側(cè)城市發(fā)展，實現(xiàn)ULUE的協(xié)同共進(jìn)。第二，發(fā)揮經(jīng)濟(jì)發(fā)展和技術(shù)進(jìn)步對ULUE收斂的正向驅(qū)動，經(jīng)濟(jì)較發(fā)達(dá)地區(qū)在深入轉(zhuǎn)變經(jīng)濟(jì)增長方式的基礎(chǔ)上加快實施創(chuàng)新驅(qū)動戰(zhàn)略，打造武漢、長沙、南昌、合肥為核心的科技創(chuàng)新中心，通過科技成果就地轉(zhuǎn)化進(jìn)一步減少土地利用的資源環(huán)境成本。經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)則應(yīng)加大政府財政扶持力度、加快轉(zhuǎn)變土地利用方式，在穩(wěn)步提高ULUE的同時實現(xiàn)區(qū)域跨越式發(fā)展。

第三，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級以提高ULUE的收斂速度。武漢城市群、環(huán)長株潭城市群在繼續(xù)擴(kuò)大ULUE高增長優(yōu)勢下，要結(jié)合未來產(chǎn)業(yè)發(fā)展趨勢， 以創(chuàng)新驅(qū)動代替要素驅(qū)動進(jìn)一步發(fā)展高級制造業(yè)，強(qiáng)化其工業(yè)污染環(huán)境防治和治理投資力度，同時出臺更為嚴(yán)格的資源環(huán)境政策來鞏固現(xiàn)有減排成果。環(huán)鄱陽湖城市群、江淮城市群則需重點整合傳統(tǒng)重工業(yè)， 關(guān)停高污染、高耗能產(chǎn)業(yè)的同時對傳統(tǒng)行業(yè)進(jìn)行綠色化改造以降低土地利用的資源環(huán)境約束。除此之外，提高區(qū)域環(huán)境規(guī)制水平，同時為土地綠色利用產(chǎn)業(yè)提供優(yōu)惠和獎勵政策予以支持，也是促進(jìn)ULUE提升的有效路徑。

（編輯：于 杰）

參考文獻(xiàn)

[1]WU C， WEI Y D， HUANG X， et al. Economic transition， spatial development and urban land utilization efficiency in the Yangtze River Delta， China[J]. Habitat international， 2017， 63（5）：67-78.

[2]張友國.經(jīng)濟(jì)發(fā)展方式變化對中國碳排放強(qiáng)度的影響[J].經(jīng)濟(jì)研究，2010， 45（4）：120-133.

[3]LIANG Q M， DENG H M， LIU M. Cocontrol of CO2， emissions and local pollutants in China： the perspective of adjusting final use behaviors[J]. Journal of cleaner production， 2016， 131：198-208.

[4]李長健， 苗苗. 長江中游城市群土地利用效率測算：現(xiàn)實機(jī)理與時空分異[J]. 中國人口·資源與環(huán)境， 2017， 27（12）：157-164.

[5]楊清可， 段學(xué)軍， 葉磊， 等. 基于SBMUndesirable模型的城市土地利用效率評價——以長三角地區(qū)16城市為例[J]. 資源科學(xué)， 2014， 36（4）：712-721.

[6]趙可， 徐唐奇， 李平， 等. 不同規(guī)模城市土地利用效率的差異及收斂性研究[J]. 干旱區(qū)資源與環(huán)境， 2015， 29（12）：1-6.

[7]趙亞莉， 劉友兆. 城市土地開發(fā)強(qiáng)度差異及影響因素研究——基于222個地級及以上城市面板數(shù)據(jù)[J]. 資源科學(xué)， 2013， 35（2）： 380-387.

[8]張雅杰， 金海. 長江中游地區(qū)城市建設(shè)用地利用效率及驅(qū)動機(jī)理研究[J]. 資源科學(xué)， 2015， 37（7）： 1384-1393.

[9]盧新海， 陳丹玲， 匡兵. 區(qū)域一體化背景下城市土地利用效率指標(biāo)體系設(shè)計及區(qū)域差異——以長江中游城市群為例[J]. 中國人口·資源與環(huán)境， 2018， 28（7）：102-110.

[10]CHEN Y， CHEN Z， XU G， et al. Builtup land efficiency in urban China： insights from the general land use plan （2006-2020）[J]. Habitat international， 2016， 51（2）：31-38.

[11]岳立， 李文波. 環(huán)境約束下的中國典型城市土地利用效率——基于DDFGlobal MalmquistLuenberger指數(shù)方法的分析[J]. 資源科學(xué)， 2017， 39（4）：597-607.

[12]黎孔清， 陳銀蓉， 陳家榮. 基于ANP的城市土地低碳集約利用評價模型研究——以南京市為例[J]. 經(jīng)濟(jì)地理， 2013， 33（2）：156-161.

[13]ZHANG X， WU Y， SHEN L. An evaluation framework for the sustainability of urban land use： a study of capital cities and municipalities in China[J]. Habitat international， 2011， 35（1）：141-149.

[14]劉家福， 李林峰， 任春穎， 等.基于特征優(yōu)選的隨機(jī)森林模型的黃河口濱海濕地信息提取研究[J].濕地科學(xué)，2018，16（2）：97-105.

[15]KRUGMAN P. Increasing returns and economic geography[J]. Journal of political economy， 1991， 99（3）：483-499.

[16]FELDMAN M P， AUDRETSCH D B. Innovation in cities： implications for innovation[J]. European economic review， 1999， 43（2）：409-429.

[17]QUAH D. Spatial agglomeration dynamics[J]. American economic review， 2002， 92（2）：247-252.

[18]梁流濤， 翟彬， 樊鵬飛. 經(jīng)濟(jì)聚集與產(chǎn)業(yè)結(jié)構(gòu)對城市土地利用效率的影響[J]. 地域研究與開發(fā)， 2017， 36（3）：113-117.

[19]李小玉， 邱信豐. 長江中游城市群工業(yè)綠色發(fā)展協(xié)作機(jī)制研究[J]. 經(jīng)濟(jì)縱橫， 2017（10）：67-74.

[20]BURKHAUSER R V， ROVBA L. Income inequality in the 1990s： comparing the United States， Great Britain， and Germany[J]. The Japanese journal of social security policy， 2005， 4（1）： 1-16.

[21]林光平， 龍志和， 吳梅. 我國地區(qū)經(jīng)濟(jì)收斂的空間計量實證分析：1978—2002年[J].經(jīng)濟(jì)學(xué)：季刊， 2005， 4（S1）：71-86.

[22]中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局， 中國國家標(biāo)準(zhǔn)化管理委員會. GB/T2589-2008： 綜合能耗計算通則[S]. 北京：中國標(biāo)準(zhǔn)出版社， 2008.

[23]IPCC. 2006 Intergovernmental Panel on Climate Change guidelines for national greenhouse gas inventories[M]. Cambridge： Cambridge University Press， 2006.

[24]林而達(dá)， 李玉娥.全球氣候變化和溫室氣體排放清單編制方法[M]. 北京：氣象出版社， 1998.

[25]董小林， 王歡， 劉豐旋， 等. 基于熵權(quán)法的污染物排放強(qiáng)度區(qū)域分異性評價——以陜西省主要工業(yè)污染物為例[J]. 生態(tài)經(jīng)濟(jì)， 2017， 33（10）：190-194.

Abstract Exploring the regional differences and coordinated promotion path of urban land use efficiency （ULUE） under dual perspectives of carbon emission and industrial pollutant discharge is the fundamental requirement and inevitable choice for regional sustainable development. Based on data of urban agglomeration in the middle reaches of the Yangtze River from 2003 to 2015， this paper constructed the indicator system of ‘scale + structure + benefit of ULUE under considering the dual constraints of carbon emission and industrial pollutant discharge from urban land use， and then Random Forest Algorithm， Kernel Density Estimation and Spatial Convergence Model were applied to reveal the dynamic evolution of temporal differences and the convergence of spatial differences of ULUE. The results showed that： ①Slower growth of ULUE in the middle reaches of the Yangtze River appeared after taking carbon emissions and industrial pollutant discharge into account. The ULUE of urban agglomeration in the middle reaches of the Yangtze River were fluctuating upward with clear spatial imbalanced characteristics， which basically presented the geographical pattern of the southern region > the northern region， the western region > the eastern region. ②From the time dimension， according to the Kernel Density Estimation results， the ULUE in interior and exterior of urban agglomeration in the middle reaches of the Yangtze River had been polarized in varying degrees， but on the whole， the regional difference of ULUE had gradually decreased. In detail， the disparity of ULUE in the middle reaches of the Yangtze River， Wuhan urban agglomeration and Poyang Lake urban agglomeration manifested a distinctive tendency of ‘ExtendingReducing. The absolute difference of ULUE in Ring ChangshaZhuzhouXiangtan urban agglomeration and Jianghuai urban agglomeration were witnessing a process of increasing firstly and then unchanging. ③From the spatial dimension， absolute β convergence only existed in Wuhan and Ring ChangshaZhuzhouXiangtan urban agglomeration， but obvious conditional β convergence existed in interior and exterior of urban agglomeration in the middle reaches of the Yangtze River. ④In order to realize the coordinated coupling of the environment and the ULUE and enhance regional green development ability， some suggestions were put forward， such as optimizing the environment for spatial exchange of elements， speeding up the implementation of innovationdriven strategies， and strictly implementing the standards of pollution.

Key words urban land use efficiency （ULUE）； dynamic evolution； spatial convergence； dual constraints； carbon emission； industrial pollutant discharge