姜晗，楊皓然，吳群

（南京農(nóng)業(yè)大學公共管理學院，江蘇 南京 210095）

耕地資源作為人類賴以生存和發(fā)展的生命線，是保持經(jīng)濟增長、推進城鎮(zhèn)化、保障國家糧食安全、促進社會和諧的關鍵要素，為我國社會經(jīng)濟發(fā)展提供了重要的支撐[1]。改革開放以來，我國工業(yè)化和城鎮(zhèn)化飛速發(fā)展，經(jīng)濟建設取得了舉世矚目的成就。但城鎮(zhèn)空間外延式的無序擴張及耕地資源的稀缺性和不可再生性使得土地供需矛盾凸顯，并進一步導致了耕地資源的退化、粗放利用、質(zhì)量下降等問題[2]。一方面，城鄉(xiāng)接合部質(zhì)量較高的耕地因工業(yè)和城鎮(zhèn)擴張而被大量占用，導致優(yōu)質(zhì)耕地大幅減少；另一方面，工業(yè)和農(nóng)業(yè)污染使得耕地質(zhì)量急劇下降且污染呈加劇態(tài)勢[2]。2012年伊始，中共十八大、中共十八屆三中全會等重要會議都對我國新型城鎮(zhèn)化發(fā)展進行了頂層設計和總體部署，提出“要節(jié)約集約利用資源，大幅降低土地消耗強度，提高利用效率和效益”[3]；2019年發(fā)布的中央一號文件提出了堅持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展的總方針，明確提出穩(wěn)定糧食產(chǎn)量，鞏固和提高糧食生產(chǎn)能力等一系列目標，實現(xiàn)藏糧于地、藏糧于技。因此，揭示耕地資源利用效率的現(xiàn)狀及其空間分異規(guī)律，探索耕地資源利用效率提升的優(yōu)化路徑，對保證農(nóng)產(chǎn)品供給、提高農(nóng)民收入具有重要的現(xiàn)實價值，對保障糧食安全、促進新型城鎮(zhèn)化與土地集約利用協(xié)調(diào)發(fā)展具有重要的戰(zhàn)略和指導意義。

相較于國外對耕地資源利用效率較為成熟的研究，國內(nèi)的相關研究起步較晚，但進展迅速，已取得了一定的成果。在研究內(nèi)容上，從最初僅僅對耕地利用效率的測度與評價，逐步過渡到對不同尺度耕地利用效率的時空分異特征及其影響因素的系統(tǒng)分析與研究。楊朔等[4]、雷國平和劉子寧[5]運用DEA-Tobit兩步法，評價所研究區(qū)域的耕地利用效率，并對其影響因素進行分析；李僑等[6]、呂雷和王玉貴[7]運用Malmquist生產(chǎn)率指數(shù)對所研究區(qū)域的耕地全要素生產(chǎn)率進行測度，以進一步分析跨時期的效率變化；張立新等[8]、張榮天和焦華富[9]運用Moran’s I指數(shù)模型對所研究區(qū)域的耕地利用效率在整體和局部的空間分異規(guī)律進行描述；盧新海等[10]、封永剛等[11]、蓋兆雪等[12]基于不同視角，將碳排放量、面源污染等非期望產(chǎn)出指標添加到“投入—產(chǎn)出”指標體系中，并運用非期望產(chǎn)出的SBM模型測度所研究區(qū)域的耕地利用效率，使測度結(jié)果更加客觀準確。在指標選取上，國內(nèi)學者普遍將耕地利用過程看成一個“投入+產(chǎn)出”系統(tǒng)，隨著研究的深入，從最初的單指標投入產(chǎn)出逐漸向多指標投入產(chǎn)出發(fā)展，大多從耕地資源所承載的勞動力、資本投入等維度選取投入指標，從耕地資源所產(chǎn)出的社會效益、經(jīng)濟效益等維度選取產(chǎn)出指標，但還未建立起統(tǒng)一的耕地利用效率評價指標體系。在研究方法上，采用DEA模型[13]、SBM模型[14]、SFA模型[15]、C—D生產(chǎn)函數(shù)[16]等定量測度耕地利用效率，并采用Tobit模型[17]、GWR模型[8]對其影響因素進行分析。

綜上所述，國內(nèi)相關研究尚存在一定不足之處：在研究尺度上，多側(cè)重對全國、省、市尺度耕地利用效率的定量測度及其影響因素研究，缺乏基于特定區(qū)域的各省際內(nèi)部耕地利用效率時空分異研究；在效率測度模型的選取上，大多無法對有效評價單元進行排序比較，導致耕地利用效率整體分析結(jié)果較為粗糙，不夠準確。

東部沿海經(jīng)濟區(qū)包括江蘇、浙江、上海三省市，是全國最具影響力的多功能制造中心及高新技術研發(fā)中心，亦是全國經(jīng)濟最發(fā)達的區(qū)域之一。其中江蘇省為我國重要的糧食主產(chǎn)區(qū)，2016年全省糧食產(chǎn)量居全國第六位[18]，糧食產(chǎn)量直接影響我國糧食市場供求關系；浙江省是我國第二大糧食主銷區(qū)，近20年其糧食總產(chǎn)量呈快速下降趨勢，糧食自給連年不足[19]，如何提高糧食生產(chǎn)能力，保障糧食產(chǎn)量的穩(wěn)步向前對浙江而言是一次考驗；上海市雖然第一產(chǎn)業(yè)比重較小，但其糧食單位面積產(chǎn)量、農(nóng)民人均純收入等方面均名列前茅[20]，其典型特征對許多城市在快速城市化中的農(nóng)業(yè)發(fā)展具有一定的參考價值。鑒于此，本文以東部沿海經(jīng)濟區(qū)的24個地級市及上海市為研究單元，首先運用含非期望產(chǎn)出的超效率SBM模型對2002—2016年研究區(qū)各市級單位耕地利用效率進行測度，并描述其時空變化特征，其次運用空間地統(tǒng)計學分析方法—全局和局部Moran’I指數(shù)，揭示研究區(qū)耕地利用效率的空間格局分異規(guī)律，然后運用Malmquist—Luenberger生產(chǎn)率指數(shù)，分析研究區(qū)耕地利用全要素生產(chǎn)率的動態(tài)變化特征及其區(qū)域差異，最后通過構(gòu)建地理加權(quán)回歸模型探究研究區(qū)耕地利用效率的影響因素，以期為縮小東部沿海經(jīng)濟區(qū)耕地利用效率差異，促進耕地資源高效、集約利用提供決策依據(jù)。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 非期望的超效率SBM模型 本研究采用優(yōu)于傳統(tǒng)CCR/BCC模型的非期望超效率SBM模型，既能解決忽略非期望產(chǎn)出導致耕地利用效率評價結(jié)果的偏差問題，又能彌補傳統(tǒng)DEA模型不能對有效DMU進行排序比較的缺陷[2]，對耕地利用效率評價具有重要意義。其計算公式如下：

式中：n表示決策單元（DMU）數(shù)量；m、s1和s2分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的個數(shù)；w-、wg和wb分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的松弛量；λ為權(quán)重向量；x、yg、yb分別為代表投入、期望產(chǎn)出和非期望產(chǎn)出的向量，其中矩陣

1.1.2 空間自相關分析模型 1）全局Moran’s I指數(shù)。為進一步對東部沿海經(jīng)濟區(qū)耕地利用效率水平的不平衡性和全局空間自相關進行研究，引入全局Moran’s I指數(shù)。全局Moran’s I指數(shù)用于反映空間相鄰或空間相近的區(qū)域單元觀測值在整個研究區(qū)域內(nèi)的相關性和差異程度[21]。其計算公式如下：

式中：Xk為區(qū)域k的觀測值；Xl為區(qū)域l的觀測值；為觀測均值；Wkl為空間權(quán)重，空間相鄰為1，不相鄰為0。全局Moran’s I指數(shù)的取值范圍是[-1,1]。

2）局部Moran’s I指數(shù)。局部Moran’s I指數(shù)是度量某一區(qū)域單元與相鄰區(qū)域單元空間自相關程度的常用指標[9]，可進一步體現(xiàn)耕地利用效率在局部空間的分布特征。其計算公式如下：

1.1.3 Malmquist—Luenberger生產(chǎn)率指數(shù) Malmquist—Luenberger生產(chǎn)率指數(shù)[12]不僅可以分析東部沿海經(jīng)濟區(qū)各市級單位的耕地利用效率動態(tài)變化特征，還可以分解得到各市級單位耕地利用效率的技術效率和技術進步的變化情況。其計算公式如下：

1.1.4 地理加權(quán)回歸模型 地理加權(quán)回歸（GWR）模型相較于普通線性回歸模型，在數(shù)據(jù)處理時考慮局部特征作為權(quán)重，采用局部加權(quán)最小二乘法（WLS）進行逐點參數(shù)估計，可直觀地探究各點空間位置上的參數(shù)估計值隨空間位置的變化情況，使分析結(jié)果更切合客觀實際[22]。其計算公式如下：

式中：(ui,vi)是第i個樣本點的空間坐標；βk(ui,vi)是連續(xù)函數(shù)βk(u,v)在i的值。

1.2 指標選取

現(xiàn)代意義上的效率包括技術效率和配置效率兩個部分[23]。但在實際研究中，由于配置效率很難量化，因此國內(nèi)外學者對效率的測度與研究多側(cè)重技術效率?；诖?，本文所指的耕地利用效率將采用技術效率這一概念，即定量測度產(chǎn)出既定下的投入要素最優(yōu)化利用（最優(yōu)投入與實際投入之比），或投入成本既定下的耕地資源產(chǎn)出效益的最大化程度（實際產(chǎn)出與最優(yōu)產(chǎn)出之比），從而揭示耕地利用過程中各種資源配置的合理程度及耕地資源價值的實現(xiàn)程度。

耕地利用技術效率（TE）還可分解為耕地利用純技術效率（PTE）和耕地利用規(guī)模效率（SE）。耕地利用純技術效率（PTE）反映了農(nóng)業(yè)生產(chǎn)過程中所需的各種投入要素，在一定的技術條件下是否充分發(fā)揮了其作用；耕地利用規(guī)模效率（SE）反映了農(nóng)業(yè)生產(chǎn)過程中耕地的投入規(guī)模與農(nóng)業(yè)產(chǎn)出最大化所要求的規(guī)模是否一致[23]。

本研究擬從耕地利用的投入和產(chǎn)出兩大方面，選取相應的指標構(gòu)建區(qū)域耕地利用效率評價體系。根據(jù)張立新等[8]、張榮天和焦華富[9]、盧新海等[10]、王良健和李輝[15]的研究成果，結(jié)合研究區(qū)的實際情況和數(shù)據(jù)獲取的難易度，投入要素包含耕地利用的土地投入、勞動力投入及資本投入三個維度，其中土地投入選取農(nóng)作物播種面積I1衡量，勞動力投入選取農(nóng)業(yè)從業(yè)人數(shù)I2衡量，資本投入包含農(nóng)機、灌溉、化肥、農(nóng)藥、農(nóng)膜五個方面，分別選取農(nóng)業(yè)機械總動力I3、有效灌溉面積I4、農(nóng)用化肥施用折純量I5、農(nóng)藥使用量I6、農(nóng)用塑料薄膜施用量I7衡量；產(chǎn)出要素包括期望產(chǎn)出和非期望產(chǎn)出兩類，期望產(chǎn)出選取農(nóng)業(yè)總產(chǎn)值O1、糧食總產(chǎn)量O2衡量，分別代表耕地利用所產(chǎn)生的社會、經(jīng)濟效應，非期望產(chǎn)出選取耕地利用碳排放總量O3衡量，包括農(nóng)業(yè)翻耕、農(nóng)機操作、農(nóng)業(yè)灌溉、化肥、農(nóng)藥和農(nóng)膜使用過程中直接或間接產(chǎn)生的碳排放量，參考李波等[24]對碳排放系數(shù)的相關研究成果，利用農(nóng)業(yè)碳排放系數(shù)測度公式對耕地的碳排放總量進行測算，公式如下：

式中：E為耕地的碳排放總量，Ei為各種碳源的碳排放量，Gi為各種碳源的量，δi為各種碳源的碳排放系數(shù)（表1）。

1.3 數(shù)據(jù)來源

本研究所需基礎數(shù)據(jù)系耕地利用投入與產(chǎn)出指標的相關數(shù)據(jù)，主要來源于《江蘇統(tǒng)計年鑒》（2003—2017）、《江蘇農(nóng)村統(tǒng)計年鑒》（2003—2017）、《浙江統(tǒng)計年鑒》（2003—2017）、《上海統(tǒng)計年鑒》（2003—2017）以及江浙下轄共24個地級市的市級統(tǒng)計年鑒（2003—2017）。

表1 耕地利用過程中不同碳源的碳排放系數(shù)Table 1 Carbon emission coeff cient of different carbon sources during the utilization of farmland

2 結(jié)果與分析

2.1 耕地利用效率時空變化特征

2.1.1 耕地利用效率時間變化特征 基于2002—2016年25個市級單位的耕地利用投入產(chǎn)出指標數(shù)據(jù)，運用MaxDEA7.0軟件計算得到東部沿海經(jīng)濟區(qū)耕地利用綜合效率、純技術效率和規(guī)模效率（圖1）。

圖1 2002—2016年耕地利用效率均值Fig. 1 Mean value of the farmland utilization eff ciency from 2002 to 2016

東部沿海經(jīng)濟區(qū)耕地利用綜合效率總體上呈波動上升的趨勢，從2002年的0.5946上升到2016年的0.8009，且表現(xiàn)出較明顯的階段性變化特征。其中，2002—2005年，耕地利用綜合效率均值呈波動下降的態(tài)勢，歷年綜合效率均值均在0.6以下，2003年達到15年間最低值0.5091，這一時期的農(nóng)業(yè)生產(chǎn)要素投入不足，且合理利用率較低，導致耕地利用綜合效率處于較低水平；2005—2016年，耕地利用綜合效率均值呈持續(xù)上升的態(tài)勢，上升幅度適中，2016年達到15年間最高值0.8009，這一時期國家逐步減免并取消了農(nóng)業(yè)稅，農(nóng)民的生產(chǎn)積極性有所提高，促進了農(nóng)業(yè)生產(chǎn)要素投入的增加，從而推動耕地利用綜合效率的持續(xù)提升。

純技術效率同樣呈明顯的階段性變化特征，且其均值遠高于綜合效率均值，2002—2006年，純技術效率均值呈大幅波動下降的態(tài)勢，這一時期純技術效率均值上下波動較劇烈，既出現(xiàn)了高于1的年份（2002年達到1.0135），也在2003年出現(xiàn)了15年間最低值0.7846；2006—2013年，純技術效率均值雖呈波動上升的態(tài)勢，但波動幅度很小，歷年均值相差不大，處于一個較平穩(wěn)時期；2013—2016年，純技術效率均值呈持續(xù)上升的態(tài)勢，2016年達到15年間最高值1.0314。

2002—2005年，規(guī)模效率均值呈波動上升的態(tài)勢，2002年達到15年間最低值0.5867；2005—2014年，規(guī)模效率呈持續(xù)上升的態(tài)勢，變化幅度與對應年份的綜合效率變化幅度大體保持一致，且其均值略高于綜合效率均值，2014年達到15年間最高值0.8103；2014—2016年，規(guī)模效率均值呈持續(xù)下降的態(tài)勢，2016年的規(guī)模效率均值相較于2014年略有下降，為0.7765。對比純技術效率和規(guī)模效率，可知純技術效率在綜合效率中所占比重較大，具有至關重要的作用，說明東部沿海經(jīng)濟區(qū)常年重視耕地利用的科技投入，科技推廣力度較大，技術更新速度較快，并注重對耕地利用科學的規(guī)劃與管理；相比較而言，耕地利用的現(xiàn)有生產(chǎn)規(guī)模結(jié)構(gòu)與最優(yōu)生產(chǎn)規(guī)模結(jié)構(gòu)存在差距，導致規(guī)模效率整體不高，未來需提高一定的規(guī)模投入水平，從而實現(xiàn)耕地資源利用的最優(yōu)化配置，促進耕地利用綜合效率水平的提升。

2.1.2 耕地利用效率空間分布特征 本文選取2002、2007、2012和2016年東部沿海經(jīng)濟區(qū)各地級市（直轄市）的耕地利用綜合效率數(shù)據(jù)，考察其空間分布特征（圖2）。參考涂正革[25]對環(huán)境技術效率的分類研究，結(jié)合研究區(qū)實際情況，將不同耕地利用綜合效率的各地級市（直轄市）分為五類：高效率區(qū)[1，2）、較高效率區(qū)[0.9，1）、中等效率區(qū)[0.8，0.9）、較低效率區(qū)[0.7，0.8）、低效率區(qū)[0，0.7）。

圖2 2002—2016年耕地利用綜合效率空間分布格局Fig. 2 Spatial distribution pattern of the farmland utilization eff ciency from 2002 to 2016

2002年東部沿海經(jīng)濟區(qū)整體耕地利用綜合效率為0.5946，處于低等水平，只有蘇州市為高效率區(qū)，耕地利用綜合效率為1.0377，宿遷市、淮安市、揚州市和泰州市為較高效率區(qū)，而較低效率區(qū)和低效率區(qū)則多集中于南部，分別多達5個和12個，各占研究區(qū)地級市（直轄市）單元總數(shù)的20%和48%，總體上呈現(xiàn)“北高南低”兩極分化的分布特征，這是因為江蘇省是我國的糧食主產(chǎn)省份，耕地資源較豐富，農(nóng)業(yè)基礎設施相對較完善，農(nóng)業(yè)科技水平相對較高，從而提高了區(qū)域耕地利用效率；2007年研究區(qū)耕地利用綜合效率相較于2002年略有上升，為0.6247，但并無高效率區(qū)，較高效率區(qū)依然是4個，分別為宿遷市、淮安市、揚州市和上海市，較低效率區(qū)和低效率區(qū)則開始由南部向中部地區(qū)擴散，分別為8個和11個，各占單元總數(shù)的32%和44%，“北高南低”的兩極分化格局并未改觀；2012年研究區(qū)耕地利用綜合效率達到0.7357，相較于2007年顯著增長，其中高效率區(qū)和較高效率區(qū)發(fā)展迅速，多集中于北部，分別為4個和6個，各占單元總數(shù)的16%和24%，南部依然是較低效率區(qū)和低效率區(qū)的集中地，但耕地利用綜合效率相較于2007年有所提升，低效率區(qū)大幅下降到2個（麗水市和溫州市）；2016年研究區(qū)耕地利用綜合效率提升到0.8009，高效率區(qū)和較高效率區(qū)進一步增加到6個和7個，分別占單元總數(shù)的24%和28%，其分布也逐漸由北部向南部擴散，這與近年來浙江省大力推進耕地占補平衡、基本農(nóng)田保護、完善耕地質(zhì)量建設管理機制等耕地保護工作是分不開的，努力形成以科學規(guī)劃為引領的耕地保護格局，切實提升了耕地利用效率，從而形成了高低效率區(qū)“多元分布格局”的新局面。

2.2 耕地利用效率空間集聚特征

2.2.1 整體空間格局集聚特征 基于2002、2007、2012和2016年東部沿海經(jīng)濟區(qū)各地級市（直轄市）的耕地利用綜合效率數(shù)據(jù)，結(jié)合公式（2），運用ArcGIS10.2軟件計算得到研究區(qū)的全局Moran’I指數(shù)（表2），用以分析研究區(qū)耕地利用綜合效率的整體空間集聚特征。

表2 2002—2016年耕地利用效率全局Moran’ I指數(shù)Table 2 Global Moran’ I index of the farmland utilization eff ciency from 2002 to 2016

由表2可知，2002、2007、2012和2016年東部沿海經(jīng)濟區(qū)耕地利用綜合效率的全局Moran’ I指數(shù)均在1%的水平上通過顯著性檢驗，且歷年全局Moran’ I指數(shù)均大于0，表明研究區(qū)耕地利用綜合效率呈顯著的正向空間自相關性，相鄰地級市（直轄市）單元表現(xiàn)出空間集聚的分布態(tài)勢。2002—2012年，全局Moran’ I指數(shù)呈持續(xù)上升的態(tài)勢，從2002年的0.3901上升到2007年的0.4358，繼而上升到2012年的0.6103，表明這一時期研究區(qū)耕地利用綜合效率的空間自相關性逐漸增強，效率空間集聚分布態(tài)勢不斷顯著；2012—2016年，全局Moran’ I指數(shù)有所下降，從2012年的0.6103下降到2016年的0.2814，表明這一時期研究區(qū)耕地利用綜合效率的空間自相關性逐漸減弱，效率空間集聚分布態(tài)勢有所緩和。

2.2.2 局部空間格局集聚特征 全局Moran’ I指數(shù)僅能反映整體空間是否存在集聚或異常值，但無法告知集聚或異常值的具體位置，難以反映效率的局部空間集聚模式及特征。鑒于此，在東部沿海經(jīng)濟區(qū)各市級單元耕地利用綜合效率數(shù)據(jù)和研究區(qū)全局Moran’ I指數(shù)的基礎上，結(jié)合公式（3），運用ArcGIS 10.2軟件計算得到研究區(qū)的局部Moran’ I指數(shù)，并繪制研究區(qū)耕地利用綜合效率局部空間集聚特征圖（圖3），以揭示效率局部空間集聚的演變規(guī)律。

圖3 2002—2016年耕地利用效率局部集聚格局演化Fig. 3 Local cluster pattern evolution of the utilization eff ciency from 2002 to 2016

1）H—H聚集區(qū)：2002—2012年，效率熱點區(qū)主要集中分布在江蘇省中北部的淮安市、泰州市、鹽城市、揚州市、鎮(zhèn)江市一帶，即研究區(qū)的北部地區(qū)。這一時期效率熱點區(qū)集聚分布格局演變過程相對穩(wěn)定，僅在數(shù)量上發(fā)生了微小調(diào)整，空間格局置換基本維持平穩(wěn)態(tài)勢。2012—2016年，效率熱點區(qū)開始向江蘇省西南部演化，主要集中在南京市及其周邊地區(qū)。

2）L—L聚集區(qū)：2002—2007年，效率冷點區(qū)主要集中分布在浙江省東部的紹興市、寧波市一帶，即研究區(qū)的南部地區(qū)，這一時期效率冷點區(qū)集聚分布格局演變過程相對穩(wěn)定。2007—2012年，效率冷點區(qū)開始向浙江省南部的衢州市、麗水市和溫州市演化，直到2016年，效率冷點區(qū)依然集中分布在浙江省南部地區(qū)，空間格局置換過程保持穩(wěn)定態(tài)勢。

2.3 耕地利用全要素生產(chǎn)率指數(shù)及其分解

為了進一步分析不同時期東部沿海經(jīng)濟區(qū)耕地利用全要素生產(chǎn)率的動態(tài)變化情況及其各省域（直轄市）的區(qū)域差異，本文運用MaxDEA7.0軟件求得研究區(qū)及其各省域（直轄市）的全要素生產(chǎn)率指數(shù)（Malmquist—Luenberger生產(chǎn)率指數(shù)，簡稱ML指數(shù)）及其分解項（表3）。

2.3.1 耕地利用全要素生產(chǎn)率動態(tài)變化情況及其分解 2002—2016年東部沿海經(jīng)濟區(qū)耕地利用ML指數(shù)整體呈波動上升的趨勢，除了2002—2003年和2015—2016年小于1，其余時期均大于1，說明東部沿海經(jīng)濟區(qū)在大部分年份的耕地利用全要素生產(chǎn)率呈不斷上升的趨勢。整個研究期內(nèi)ML指數(shù)平均值為1.0586，年均增長率達5.86%，整體提高很快。從ML指數(shù)分解項來看，技術進步指數(shù)（TC）的變化趨勢與ML指數(shù)大體一致，技術效率指數(shù)（EC）的變化趨勢則較為平緩，二者均呈波動上升的趨勢。整個研究期內(nèi)TC指數(shù)的平均值為1.0608，即技術進步年均增長率為6.08%，表現(xiàn)出正向增長，對東部沿海經(jīng)濟區(qū)耕地利用全要素生產(chǎn)率的提升產(chǎn)生了促進作用，而EC指數(shù)的平均值為0.9987，即技術效率年均減少0.13%，阻礙了研究區(qū)耕地利用全要素生產(chǎn)率的提升，但減少幅度并不大。

2.3.2 耕地利用全要素生產(chǎn)率及其分解的區(qū)域?qū)Ρ染脱芯繀^(qū)不同省份（直轄市）而言，江蘇省、浙江省和上海市ML指數(shù)平均值分別為1.0578、1.0591、1.0387，即相應的耕地利用全要素生產(chǎn)率年均增長率分別為5.78%、5.91%和3.87%，整體上均呈持續(xù)增長的態(tài)勢，其中浙江省的年均增長率最高，上海市的年均增長率最低。對于不同時期的ML指數(shù)，江蘇省除了2002—2003年和2015—2016年兩個時期外，其余時期ML指數(shù)均大于1；浙江省僅有2002—2003年一個時期ML指數(shù)小于1；而上海市則在2011—2016年連續(xù)五個時期ML指數(shù)小于1，說明浙江省耕地利用全要素生產(chǎn)率的持續(xù)增長態(tài)勢最為穩(wěn)定，江蘇省其次，而上海市則在2011年后連續(xù)五年出現(xiàn)了耕地利用全要素生產(chǎn)率的下滑。

從ML指數(shù)分解項來看，江蘇省、浙江省和上海市TC指數(shù)平均值分別為1.0592、1.0700、1.0578，即技術進步均呈現(xiàn)出正向增長，而三省市的EC指數(shù)平均值分別為0.9990、0.9906、0.9872，即整體上技術效率均呈現(xiàn)降低的態(tài)勢，說明江蘇省、浙江省和上海市耕地利用全要素生產(chǎn)率的提高主要得益于技術進步的促進作用。

表3 2002—2016年耕地利用全要素生產(chǎn)率指數(shù)及其分解項Table 3 Total factor productivity index and its decomposition items of farmland utilization from 2002 to 2016

2.4 耕地利用效率時空分異影響因素

2.4.1 影響因素的選取 東部沿海經(jīng)濟區(qū)耕地利用效率時序動態(tài)演變特征及空間集聚特征是自然條件、經(jīng)濟條件和社會條件等多重因素共同作用的結(jié)果。本文通過參考相關學者[6,8-10]的研究，結(jié)合研究區(qū)實際情況，從耕地資源稟賦、自然環(huán)境條件、經(jīng)濟發(fā)展水平和政府重視程度四個方面綜合考慮各因素對研究區(qū)耕地利用效率時空演變的影響，并考慮數(shù)據(jù)的可獲取性，分別選取人均耕地面積（X1）、耕地復種指數(shù)（X2）、人均GDP（X3）和政府涉農(nóng)支出比例（X4）四個具體指標來表征相應的影響因素。

2.4.2 影響因素的分析 首先，基于2002、2007、2012和2016年東部沿海經(jīng)濟區(qū)各市級單位的耕地利用效率數(shù)據(jù)及其影響因素數(shù)據(jù)，運用Stata14.0軟件中的OLS回歸模型，對四種影響因素的顯著性進行分析。回歸結(jié)果見表4。

由表4可知，人均耕地面積（X1）、人均GDP（X3）和政府涉農(nóng)支出比例（X4）三個指標整體上均在1%水平上通過了顯著性檢驗，且系數(shù)值均為正，說明耕地資源稟賦、經(jīng)濟發(fā)展水平、政府重視程度對研究區(qū)耕地利用效率的提升及其時空分異具有顯著的正向作用。但耕地復種指數(shù)（X2）沒有通過顯著性檢驗，究其原因，是因為東部沿海經(jīng)濟區(qū)所有市級單位均位于長江中下游地區(qū)，地形地貌、土壤肥沃程度、光溫水條件等并無明顯差異，導致自然環(huán)境條件對研究區(qū)耕地利用效率的提升及其時空分異并無顯著作用。因此，通過OLS模型回歸結(jié)果剔除自然環(huán)境條件，保留其他三項影響因素。

表4 OLS模型整體回歸結(jié)果Table 4 Overall regression results of the OLS model

然后，結(jié)合公式（5），運用ArcGIS10.2軟件中的地理加權(quán)回歸分析模塊，測算了相應年份GWR模型的整體分析結(jié)果及自變量回歸系數(shù)（表5，表6）。

由表5可知，2012、2016年GWR模型的擬合系數(shù)R2分別為0.665、0.724，調(diào)整后的擬合系數(shù)R2分別為0.601、0.618，表明模型的擬合優(yōu)度較好，各自變量因子與被解釋變量之間存在顯著的相關性。2002、2007年GWR模型的擬合系數(shù)R2分別為0.453、0.543，調(diào)整后的擬合系數(shù)R2分別為0.374、0.472，雖然模型擬合程度一般，但對于解釋型回歸模型來說，更應注重自變量系數(shù)的經(jīng)濟涵義，R2的大小并不重要。

表5 GWR模型整體分析結(jié)果Table 5 Overall analysis results of the GWR model

表6 GWR模型自變量回歸系數(shù)Table 6 Independent variable regression coeff cient of the GWR model

1）耕地資源稟賦對耕地利用效率的影響。從回歸系數(shù)來看，2002、2007、2012和2016年人均耕地面積的系數(shù)均值分別為3.881、3.664、2.940和1.908，在四種影響因素的系數(shù)均值中最高，且均在1%水平上通過了顯著性檢驗，說明耕地資源稟賦相較于其他影響因素，對耕地利用效率的影響作用最大，是影響研究區(qū)耕地利用效率提升及其時空分異的重要因素。這主要是因為人均耕地面積的增加，緩解了區(qū)域耕地壓力，農(nóng)業(yè)規(guī)?；?jīng)營得以實現(xiàn)，從而提高耕地利用效率，實現(xiàn)農(nóng)業(yè)的可持續(xù)發(fā)展。但歷年系數(shù)均值不斷下降，說明耕地資源稟賦對耕地利用效率的影響程度呈不斷降低的態(tài)勢。

2）經(jīng)濟發(fā)展水平對耕地利用效率的影響。從回歸系數(shù)來看，2002年人均GDP的系數(shù)均值不顯著，即經(jīng)濟發(fā)展水平對耕地利用效率并沒有顯著影響，但后三年的系數(shù)均值均在1%水平上呈正向顯著，說明經(jīng)濟發(fā)展水平越高的地區(qū)，耕地利用效率也越高。綜合來看，經(jīng)濟發(fā)展水平同樣也是影響研究區(qū)耕地利用效率提升及其時空分異的較重要因素。這主要源于兩點：一方面，經(jīng)濟越發(fā)達的地區(qū)，對農(nóng)業(yè)的投入力度就越大，可將更多資金投入到提高農(nóng)業(yè)科技水平、改善農(nóng)業(yè)生產(chǎn)條件中，從而促進耕地生產(chǎn)要素配置效率的提高；另一方面，經(jīng)濟越發(fā)達的地區(qū)，對耕地保護政策的扶持力度就越大，從而加強耕地利用主體的耕地保護意愿，提高耕地利用效率，促進耕地利用向低碳化、集約化方向發(fā)展。

3）政府重視程度對耕地利用效率的影響。從回歸系數(shù)來看，2002、2007、2012和2016年涉農(nóng)支出比例的系數(shù)均值均在1%、5%水平上呈正向顯著，說明政府重視程度對耕地利用效率有顯著的正向影響，是影響研究區(qū)耕地利用效率提升及其時空分異的重要因素。新世紀以來，中國出臺了一系列財政農(nóng)業(yè)支出政策以促進農(nóng)業(yè)發(fā)展，地方政府的農(nóng)業(yè)支出行為也在不斷地調(diào)整和完善，支出力度不斷加大，有利于農(nóng)業(yè)基礎設施的建設和農(nóng)業(yè)科技成果的研發(fā)，從而提高農(nóng)業(yè)綜合生產(chǎn)能力，促進農(nóng)業(yè)健康發(fā)展。

3 結(jié)論

1）2002—2016年，東部沿海經(jīng)濟區(qū)耕地利用綜合效率呈波動上升的趨勢，但整體效率值并不高，純技術效率均值遠高于綜合效率均值，且在綜合效率中所占比重較大，具有至關重要的作用，規(guī)模效率則有待增強，二者整體上均呈波動上升的趨勢。2002、2007和2012年研究區(qū)耕地利用綜合效率的空間分布呈“北高南低”的兩極分化分布態(tài)勢，到2016年形成了高低效率區(qū)“多元分布格局”。

2）2002—2016年，東部沿海經(jīng)濟區(qū)耕地利用效率整體呈顯著的正向空間自相關性，并表現(xiàn)為在局部空間上的集聚，呈現(xiàn)高高集聚或低低集聚的分布格局。其中高效率聚集區(qū)在2002—2012年主要分布在江蘇省中北部地區(qū)，空間格局基本維持平穩(wěn)態(tài)勢，2012—2016年開始向江蘇省西南部的南京市演化；低效率聚集區(qū)在2002—2007年主要分布在浙江省東部地區(qū)，2007—2012年逐漸向浙江省南部地區(qū)演化，直到2016年空間集聚格局保持穩(wěn)定態(tài)勢。

3）2002—2016年，東部沿海經(jīng)濟區(qū)耕地利用全要素生產(chǎn)率年均增長率為5.9%，整體提高較快，其中技術進步呈正向增長，對研究區(qū)耕地利用全要素生產(chǎn)率的提升起促進作用。就不同區(qū)域而言，江蘇省、浙江省和上海市耕地利用全要素生產(chǎn)率年均增長率分別為5.8%、5.9%和3.9%，其中浙江省的持續(xù)增長態(tài)勢最為穩(wěn)定，三省市在耕地利用全要素生產(chǎn)率上的提高均主要得益于技術進步的促進作用。

4）本文主要從耕地資源稟賦、自然環(huán)境條件、經(jīng)濟發(fā)展水平、政府重視程度四個方面來考察其對東部沿海經(jīng)濟區(qū)耕地利用效率提升及其時空分異的影響作用。結(jié)果表明：耕地資源稟賦和政府重視程度是影響耕地利用效率提升及其時空分異的重要因素，經(jīng)濟發(fā)展水平對其影響也比較重要，但自然環(huán)境條件的影響作用并不顯著。

4 對策建議

促進東部沿海經(jīng)濟區(qū)耕地利用效率提升的相關建議如下：

1）建立完善的耕地低碳利用保障機制。需建立市級耕地利用變化碳排放核算和碳排放效應測算體系，并成立耕地低碳利用的相關監(jiān)管部門，可隨時了解市級耕地利用碳排放變化及碳排放強度，從而促進區(qū)域耕地的低碳利用，提高耕地利用效率。

2）加大政府對農(nóng)業(yè)的投入力度。首先，提高耕地利用的規(guī)模投入水平。研究區(qū)耕地利用的規(guī)模投入水平相較于純技術效率水平略顯不足，規(guī)模效率不高，未來需加強耕地利用的規(guī)模投入水平，提高規(guī)模效率，進而提高耕地利用綜合效率。其次，加強農(nóng)業(yè)基礎設施建設。未來需強化農(nóng)田水利工程，大力改造中低產(chǎn)田，從而切實提升耕地綜合產(chǎn)出能力，保障區(qū)域糧食安全。最后，加大農(nóng)業(yè)科技投入。技術進步已成為研究區(qū)耕地利用全要素生產(chǎn)率提高的重要促進因素，未來需繼續(xù)加強對區(qū)域農(nóng)業(yè)科技的扶持力度，大力培養(yǎng)農(nóng)業(yè)技術人才，推廣先進的農(nóng)業(yè)生產(chǎn)技術，為效率改善提供技術保障。

3）實行高效嚴格的耕地保護補償機制。不僅要考慮耕地資源的數(shù)量，更要考慮耕地利用的效率，應逐步建立健全耕地保護補償多元化融資渠道和資金保障體系，加大耕地補償力度，對耕地利用主體的耕地保護行為進行有效的激勵，從而放緩農(nóng)地非農(nóng)化的態(tài)勢，促進區(qū)域耕地資源高效、集約利用。

本文較全面的反映了東部沿海經(jīng)濟區(qū)耕地利用效率的時空格局演變特征及其影響因素，并對研究區(qū)耕地利用全要素生產(chǎn)率的動態(tài)變化做了較細致的分析，可為未來耕地資源高效集約利用、提高區(qū)域土地管理水平提供決策依據(jù)。本文尚存在一定不足之處：一是研究區(qū)耕地利用效率測度的“投入—產(chǎn)出”指標體系構(gòu)建上還不夠全面，考慮數(shù)據(jù)的可獲取性，并未考慮農(nóng)戶自身現(xiàn)狀、農(nóng)業(yè)科技進步等投入指標的選取，非期望產(chǎn)出指標僅選取了耕地利用碳排放量，忽略了面源污染對耕地利用效率的影響；二是效率影響因素的選擇不夠全面，相關農(nóng)業(yè)政策、農(nóng)戶意愿等因素是否也會對耕地利用效率的時空分異產(chǎn)生影響，值得深入研究，東部沿海經(jīng)濟區(qū)耕地利用效率時空分異的驅(qū)動作用機制及相關優(yōu)化對策在后續(xù)的研究中有待進一步完善。