王睿,員學(xué)鋒,楊悅,趙雨

(1.長(zhǎng)安大學(xué)地球科學(xué)與資源學(xué)院,西安 710054;2.長(zhǎng)安大學(xué)土地工程學(xué)院,西安 710064;3.陜西省土地整治重點(diǎn)實(shí)驗(yàn)室,西安 710064)

生態(tài)環(huán)境是人類社會(huì)發(fā)展重要的自然基礎(chǔ)和主要的物質(zhì)來(lái)源,在人類的生產(chǎn)生活中發(fā)揮著重要作用,同時(shí),它也是人類生產(chǎn)生活廢棄物和人類活動(dòng)作用的承擔(dān)者。21世紀(jì)以來(lái),中國(guó)經(jīng)濟(jì)快速發(fā)展,同時(shí)也出現(xiàn)了一系列環(huán)境問(wèn)題,大氣污染、自然災(zāi)害頻發(fā)等[1]。長(zhǎng)此以往,生態(tài)環(huán)境問(wèn)題會(huì)給人類的生產(chǎn)、生活帶來(lái)負(fù)向影響,尤其是強(qiáng)烈依賴生態(tài)環(huán)境的農(nóng)業(yè)生產(chǎn)[2]。耕地作為農(nóng)業(yè)生產(chǎn)活動(dòng)中重要的生產(chǎn)要素之一,具有生產(chǎn)、生活和生態(tài)功能[3]。據(jù)第七次全國(guó)人口普查數(shù)據(jù)顯示,2020年底,我國(guó)有14億人口,龐大的人口基數(shù)疊加,消費(fèi)不斷升級(jí),糧食需求仍在不斷增長(zhǎng)。面對(duì)全球農(nóng)產(chǎn)品貿(mào)易的不確定性,二十大報(bào)告強(qiáng)調(diào)要“確保中國(guó)人的飯碗牢牢端在自己手中”。因此,在“人與自然和諧共生”發(fā)展目標(biāo)下,探究生態(tài)環(huán)境對(duì)耕地利用生態(tài)效率的響應(yīng)方式與程度,對(duì)促進(jìn)生態(tài)環(huán)境和耕地利用協(xié)同發(fā)展、保障糧食安全、實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化發(fā)展具有重要意義[4]。

國(guó)外較少提及耕地利用生態(tài)效率,研究多集中于農(nóng)業(yè)和農(nóng)作物生產(chǎn)效率等方面[5-6]。近年來(lái),國(guó)內(nèi)對(duì)糧食安全和耕地利用的關(guān)注度提高,學(xué)者在耕地利用生態(tài)效率度量體系的構(gòu)建[7]、耕地利用生態(tài)效率時(shí)空差異分析及影響因素等[8]方面進(jìn)行了深入研究。在研究方法上,數(shù)據(jù)包絡(luò)分析(DEA)可以有效避免函數(shù)形式錯(cuò)誤,逐漸成為耕地利用生態(tài)效率測(cè)算研究的主流模型。在評(píng)價(jià)指標(biāo)體系上,目前主要由資源投入和農(nóng)業(yè)產(chǎn)出兩部分組成,在“雙碳目標(biāo)”背景下,學(xué)者開(kāi)始將農(nóng)業(yè)面源污染[9]、碳排放[10]作為非期望產(chǎn)出引入到指標(biāo)體系中,但目前的研究很少考慮耕地利用過(guò)程中的碳匯。在對(duì)生態(tài)環(huán)境質(zhì)量的研究中,徐涵秋[11]基于遙感數(shù)據(jù)構(gòu)建遙感生態(tài)指數(shù)模型來(lái)評(píng)價(jià)生態(tài)環(huán)境質(zhì)量,因其數(shù)據(jù)易獲取、主觀因素影響小而應(yīng)用廣泛。在對(duì)不同地區(qū)進(jìn)行研究時(shí),學(xué)者對(duì)遙感生態(tài)指數(shù)有所改進(jìn)[12]?，F(xiàn)有研究[13-14]主要集中在土地利用對(duì)生態(tài)環(huán)境的影響,在研究區(qū)內(nèi)部生態(tài)環(huán)境對(duì)耕地利用生態(tài)效率的響應(yīng)方式和程度方面研究分析較少?；诖?本文以陜西省為研究區(qū)域,以縣域?yàn)檠芯繂卧?將碳排放量作為非期望產(chǎn)出,農(nóng)業(yè)生產(chǎn)過(guò)程中的碳匯作為生態(tài)期望產(chǎn)出引入耕地利用生態(tài)效率評(píng)價(jià)指標(biāo)體系中,運(yùn)用非期望產(chǎn)出的超效率SBM 模型等方法,探究生態(tài)環(huán)境對(duì)耕地利用生態(tài)效率的響應(yīng)方式和程度,以期為陜西省耕地利用轉(zhuǎn)型升級(jí)和農(nóng)業(yè)高質(zhì)量發(fā)展提供方向指引和科學(xué)依據(jù)。

1 研究數(shù)據(jù)、指標(biāo)選取與研究方法

1.1 研究區(qū)域與研究數(shù)據(jù)

陜西省位于31°42′—39°35′N,105°29′—111°15′E,年均溫為13.7℃,年均降水量680 mm,地勢(shì)南北高,中間低,秦嶺和黃土高原將陜西劃分為陜北黃土高原、關(guān)中平原和陜南秦巴山地三大自然區(qū),造成省內(nèi)自然地理環(huán)境的空間差異性明顯,耕地利用條件各不相同。在國(guó)家推進(jìn)質(zhì)量興農(nóng)、黃河流域高質(zhì)量發(fā)展大背景下,陜西省位于黃河中游,地處黃土高原區(qū),是典型的氣候變化敏感區(qū)和生態(tài)環(huán)境脆弱區(qū),農(nóng)業(yè)發(fā)展的質(zhì)量效益不高,有較大提升空間[15]。

研究選取2005年、2010年、2015年和2019年陜西省103個(gè)(區(qū))縣作為研究對(duì)象(因西安市新城區(qū)、蓮湖區(qū)、碑林區(qū)和雁塔區(qū)內(nèi)無(wú)耕地,未將其作為研究對(duì)象),耕地投入和產(chǎn)出數(shù)據(jù)主要來(lái)源于《中國(guó)縣域統(tǒng)計(jì)年鑒2005—2019 年》《陜西統(tǒng)計(jì)年鑒2005—2019年》以及陜西省各市的統(tǒng)計(jì)年鑒(2005 年、2010 年、2015年、2019年)。對(duì)于個(gè)別年份缺失數(shù)據(jù)采用線性趨勢(shì)值法、平均估值法等方法補(bǔ)齊。生態(tài)環(huán)境質(zhì)量分析所需的遙感數(shù)據(jù)來(lái)源于Google Earth Engine(GEE),遙感生態(tài)指數(shù)具有季節(jié)性波動(dòng)特點(diǎn),因此選取2005 年、2010 年、2015 年和2019 年5—8 月的MODIS數(shù)據(jù)來(lái)計(jì)算遙感生態(tài)指數(shù)。

1.2 耕地利用生態(tài)效率指標(biāo)選取

基于耕地利用生態(tài)效率的內(nèi)涵[16],將耕地利用生態(tài)效率評(píng)價(jià)指標(biāo)體系分為投入、期望產(chǎn)出和非期望產(chǎn)出3部分。參照已有研究成果[16],結(jié)合柯布道格拉斯生產(chǎn)函數(shù),選取10項(xiàng)指標(biāo)構(gòu)建陜西省耕地利用生態(tài)效率評(píng)價(jià)指標(biāo)體系(表1)。

表1 耕地利用生態(tài)效率指標(biāo)Table 1 Ecological efficiency index of cultivated land use

1.3 研究方法

1.3.1 耕地利用碳匯量測(cè)算方法 耕地利用的碳匯主要來(lái)自農(nóng)作物生長(zhǎng)周期中光合作用形成的凈初級(jí)生產(chǎn)量。公式如下:

式中:C為農(nóng)作物碳吸收總量;Ci為某種農(nóng)作物的碳吸收總量;k為農(nóng)作物種類數(shù);ci為作物碳吸收率;Yi為作物的經(jīng)濟(jì)產(chǎn)量(統(tǒng)計(jì)值);ri為作物經(jīng)濟(jì)產(chǎn)品部分的含水量;HIi為作物經(jīng)濟(jì)系數(shù)。農(nóng)作物的相關(guān)參數(shù)主要參考王修蘭[17]和韓召迎等[18]相關(guān)研究成果(表2)。

表2 中國(guó)主要農(nóng)作物經(jīng)濟(jì)系數(shù)與碳吸收率Table 2 Economic coefficients and carbon absorption rates of major crops in China

1.3.2 耕地利用碳排放量測(cè)算方法 參考田云等[19]的相關(guān)研究,耕地利用碳排放源主要有農(nóng)用物資碳排放、土壤N2O 排放、稻田CH4排放3個(gè)方面,計(jì)算公式如下:

式中:E為耕地利用碳排放總量;Ei為各類碳源碳排放量;Ti為各碳排放的量;δi為各碳排放的碳排放系數(shù)(表3)。

表3 主要碳源碳排放系數(shù)Table 3 Carbon emission coefficients of main carbon sources

為了方便分析,將N2O 和CH4置換成標(biāo)準(zhǔn)C,依據(jù)IPCC第4次評(píng)估報(bào)告(2007年),1 t N2O 相當(dāng)于298 t CO2(81.272 7 t C),1 t CH4相當(dāng)于25 t CO2(6.818 2 t C)。

1.3.3 非期望產(chǎn)出超效率SBM 模型 非期望產(chǎn)出超效率SBM 模型在考慮非期望產(chǎn)出的情況下,解決了SBM模型計(jì)算的效率值只能保持在(0,1]區(qū)間內(nèi)的問(wèn)題,可以進(jìn)一步對(duì)評(píng)價(jià)單元進(jìn)行分析,計(jì)算公式如下:

式中:ρ為每個(gè)單元的效率值;s1和s2分別為期望產(chǎn)出和非期望產(chǎn)出;sxi,syk和szl分別為投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量;x0,y0和z0分別為研究單元的投入、期望產(chǎn)出和非期望產(chǎn)出向量;xj,yj和zj則分別為投入、期望產(chǎn)出和非期望產(chǎn)出矩陣;λ為權(quán)重向量。

1.3.4 遙感生態(tài)指數(shù)構(gòu)建 遙感生態(tài)指數(shù)(RSEI)是由綠度(NDVI)、濕度(WET)、干度(NDBSI)、熱度(LST)4個(gè)指標(biāo)通過(guò)主成分分析提取第一主成分后得到[11],計(jì)算方法如下。

NDVI計(jì)算公式為:

式中:ρi為L(zhǎng)andsat TM/OLI對(duì)應(yīng)i波段的反射率。

WET 計(jì)算公式為:

式中:ρi為L(zhǎng)andsat TM/OLI對(duì)應(yīng)i波段的反射率。

NDBSI計(jì)算公式為:

式中:ρi為L(zhǎng)andsat TM/OLI對(duì)應(yīng)i波段的反射率。

LST 計(jì)算公式為:

式中:T為傳感器探測(cè)到的亮度溫度;λ為熱紅外波段的波長(zhǎng);ε為地表比輻射率,通過(guò)NDVI計(jì)算得到。

由于4個(gè)指標(biāo)量綱不統(tǒng)一,所以對(duì)指標(biāo)進(jìn)行歸一化處理,公式如下:

式中:I為某指標(biāo)的歸一化值;Ii為某指標(biāo)值;Imin和Imax為某指標(biāo)最小值和最大值。

經(jīng)過(guò)歸一化處理后的4個(gè)指標(biāo)通過(guò)主成分分析確定權(quán)重,得到初始的遙感生態(tài)指數(shù)RSEI0,計(jì)算公式如下:

式中:RSEI0為初始的遙感生態(tài)指數(shù);PC1為第一主成分;f為對(duì)各指標(biāo)進(jìn)行歸一化處理。最后將RSEI0進(jìn)行歸一化處理得到最終遙感生態(tài)指數(shù)RSEI。

1.3.5 地理加權(quán)回歸模型 地理加權(quán)回歸模型(GWR)的實(shí)質(zhì)是在研究區(qū)域內(nèi)每個(gè)點(diǎn)處建立局部回歸方程,GWR 既可以探索研究對(duì)象之間的相關(guān)關(guān)系,也可以反映研究對(duì)象的在研究區(qū)域內(nèi)的空間變化[13]。模型公式為:

式中:yi為采樣點(diǎn)i的因變量值;β0為截距;(ui,vi)為采樣點(diǎn)的常數(shù)項(xiàng);xik為采樣點(diǎn)i的第k個(gè)自變量;βk(ui,vi)為采樣點(diǎn)的第k個(gè)自變量的系數(shù);εi為隨機(jī)誤差項(xiàng)。

2 結(jié)果與分析

2.1 耕地利用生態(tài)效率時(shí)空格局分析

借助非期望產(chǎn)出超效率SBM 模型,設(shè)定期望產(chǎn)出與非期望產(chǎn)出權(quán)重比為1∶1,測(cè)算得出2005年、2010年、2015年和2019 年陜西省耕地利用生態(tài)效率,以2005年自然斷點(diǎn)法的分類結(jié)果為依據(jù),分為5個(gè)等級(jí),即低效率區(qū)(0～0.50),較低效率區(qū)(0.50～0.86),中等效率區(qū)(0.86～1.22),較高效率區(qū)(1.22～1.53),高效率區(qū)(1.53～2.94)。

時(shí)間維度上,2005 年、2010 年、2015 年和2019年陜西省的耕地利用生態(tài)效率均值分別為0.92,0.89,0.91,0.86,效率值在0.9上下波動(dòng)。在4個(gè)年份中,面積占比最高的等級(jí)均為中等效率,占比最低均為高效率,低效率、較低效率與中等效率的面積占比均在88%以上(表4)。在2005—2019年,較高效率與高效率的面積占比從8.9%增長(zhǎng)到10.9%,占比雖然略有提高但仍較低,陜西省耕地利用尚處于中等效率發(fā)展水平,還有較大提升發(fā)展空間。

表4 陜西省2005-2019年耕地利用生態(tài)效率面積比重Table 4 Area proportion of cultivated land use eco-efficiency from 2005 to 2019 in Shaanxi Province

空間維度上,陜西省的耕地利用生態(tài)效率區(qū)域差異顯著,空間分布不均衡(圖1)。2005年高效率區(qū)集聚分布在陜南的寧陜縣和佛坪縣,低效率區(qū)較為集中分布在陜北東部的子洲縣、米脂縣和延川縣等地,呈現(xiàn)“南高北低”的分布特征。此后14年,陜北地區(qū)黃土丘陵溝壑區(qū)和毛烏素沙地的生態(tài)治理工程成效顯現(xiàn),有效遏制水土流失,耕地利用的自然條件改善[29]。陜南地區(qū)由于耕地破碎,農(nóng)業(yè)機(jī)械化發(fā)展受阻[15],導(dǎo)致效率低值區(qū)逐漸南移。2019年高效率區(qū)為鳳翔區(qū)、灞橋區(qū)和吳堡縣,分散分布在關(guān)中地區(qū)和陜北地區(qū),低效率區(qū)有三大集中分布區(qū),分別在陜北南部的延川縣和延長(zhǎng)縣等地、關(guān)中北部的白水縣和澄城縣等地以及陜南南部漢濱區(qū)和白河縣等地。

圖1 2005-2019年陜西省耕地利用生態(tài)效率分布Fig.1 Distribution map of cultivated land use eco-efficiency in Shaanxi Province from 2005 to 2019

2.2 生態(tài)環(huán)境質(zhì)量時(shí)空變化分析

陜西省遙感生態(tài)指數(shù)(RSEI)主成分分析結(jié)果表示第一主成分(PC1)中特征值貢獻(xiàn)率均較高(表5),因此以PC1構(gòu)建陜西省遙感生態(tài)指數(shù)。根據(jù)已有研究[30],將RSEI按照相等間隔劃分為5個(gè)等級(jí):低(0～0.2)、較低(0.2～0.4)、中等(0.4～0.6)、較高(0.6～0.8)、高(0.8～1)。

表5 遙感生態(tài)指數(shù)主成分分析結(jié)果Table 5 Principal component analysis results of remote sensing ecological index

時(shí)間尺度上看,陜西省2005—2019年生態(tài)環(huán)境質(zhì)量總體上呈現(xiàn)不斷提高的趨勢(shì)。2005年、2010年、2015年和2019年陜西省RSEI均值分別為0.58,0.62,0.64,0.65,逐漸由中等水平提高至較高水平。在2005—2019年,低等級(jí)與較低等級(jí)的面積占比由28.9%降低至13.1%(表6),這說(shuō)明陜西省實(shí)施的三北防護(hù)林等生態(tài)環(huán)境治理工程行之有效,低等級(jí)與較低等級(jí)區(qū)域主要分布在陜北黃土丘陵溝壑區(qū)和毛烏素沙地,東部黃土丘陵溝壑區(qū)主要實(shí)行“坡面退耕還林還草,溝道攔蓄整地,梁峁固土保水”的治理措施,西北部毛烏素沙地則以“沙地固沙還灌草,農(nóng)區(qū)防風(fēng)還林網(wǎng)”為主。

表6 陜西省2005-2019年遙感生態(tài)指數(shù)Table 6 Remote sensing ecological index of Shaanxi Province from 2005 to 2019

空間尺度上看,陜西省2005—2019 年RSEI總體上保持“南高北低”的分布格局(圖2)。陜西省內(nèi)RSEI高等級(jí)區(qū)域主要分布在陜南地區(qū)以及陜北南部的黃陵縣等地,這些地區(qū)地處秦嶺山區(qū)、黃龍山景區(qū)和子午嶺森林公園,以森林覆蓋為主,綠度指數(shù)較高。低和較低等級(jí)區(qū)域主要分布陜北西北部的定邊縣等地,地處毛烏素沙地,濕度指數(shù)較低。將2005 年、2010年、2015年和2019年陜西省生態(tài)環(huán)境質(zhì)量分布圖進(jìn)行對(duì)比,得到RSEI變化情況(圖3)?？偟膩?lái)看,陜西省RSEI變化分布格局在3個(gè)時(shí)段內(nèi)有較大的變化,RSEI提高0.1～0.5主要分布在陜北地區(qū)的吳起縣等地,降低0.1～0.5主要分布在關(guān)中地區(qū)的三原縣等地。在2005—2010 年,RSEI變化以提高為主,少部分RSEI降低主要在關(guān)中地區(qū)的太白縣等地,以及陜南地區(qū)的平利縣等地;2010—2015年與上一個(gè)時(shí)段相比,RSEI降低地區(qū)面積有所增加,主要分布在關(guān)中地區(qū)的武功縣等地,以及陜北地區(qū)的米脂縣等地。2015—2019年RSEI變化分布較為集中,質(zhì)量降低地區(qū)面積繼續(xù)擴(kuò)大,集中分布在關(guān)中地區(qū),陜南地區(qū)以及陜北南部的延長(zhǎng)縣和宜川縣等地,質(zhì)量提高地區(qū)集中分布在陜北地區(qū)的定邊縣等地。

圖2 陜西省2005-2019年RSEI等級(jí)Fig.2 RSEI level of Shaanxi Province from 2005 to 2019

圖3 陜西省2005-2019年RSEI變化Fig.3 Changes of RSEI in Shaanxi Province from 2005 to 2019

2.3 生態(tài)環(huán)境對(duì)耕地利用生態(tài)效率的響應(yīng)

基于GeoDa 軟件測(cè)度2005—2010 年、2010—2015年和2015—2019年陜西省耕地利用生態(tài)效率和RSEI指數(shù)雙變量全局空間自相關(guān)Moran′sI指數(shù),均通過(guò)了5%的顯著性檢驗(yàn),且Moran′sI均為正,表明兩者存在顯著的空間正相關(guān)(表7)。

表7 雙變量全局空間自相關(guān)Moran's I 指數(shù)Table 7 Bivariate global space autocorrelation Moran's I index

為了探究陜西省內(nèi)部生態(tài)環(huán)境對(duì)耕地利用生態(tài)效率的響應(yīng)方式和程度,選取2005—2010年、2010—2015年和2015—2019年耕地利用生態(tài)效率數(shù)據(jù)和RSEI數(shù)據(jù),以RSEI變化值為因變量,以耕地利用生態(tài)效率變化值為解釋變量,利用ArcGIS 10.7 軟件GWR 工具計(jì)算回歸系數(shù),相關(guān)參數(shù)與結(jié)果見(jiàn)表8。

表8 GWR 模型參數(shù)估計(jì)及檢驗(yàn)結(jié)果Table 8 GWR model parameter estimation and test results

從時(shí)間變化來(lái)看,2005—2019年RSEI和耕地利用生態(tài)效率的關(guān)系模式并不穩(wěn)定,在3個(gè)時(shí)段內(nèi)變化較大。2005—2010年,回歸系數(shù)以負(fù)相關(guān)關(guān)系為主。2010—2015年與上一時(shí)段相比,正相關(guān)關(guān)系擴(kuò)大,主要原因在于2012年黨的十八大將生態(tài)文明建設(shè)納入“五位一體”總體布局,陜西省政府大力推進(jìn)農(nóng)業(yè)污染減排工作,加快促進(jìn)綠色農(nóng)業(yè)發(fā)展,實(shí)現(xiàn)耕地利用和生態(tài)環(huán)境和諧發(fā)展,但耕地利用與生態(tài)環(huán)境保護(hù)協(xié)同發(fā)展模式尚不穩(wěn)定還需進(jìn)一步探索與鞏固。2015—2019年,回歸系數(shù)變?yōu)樨?fù)向?yàn)橹鳌?/p>

從空間分布來(lái)看,陜西省耕地利用生態(tài)效率與RSEI的回歸系數(shù)分布空間差異較大(圖4)。2005—2010年,耕地利用生態(tài)效率變化與RSEI變化的回歸系數(shù)總體表現(xiàn)為強(qiáng)負(fù)相關(guān)關(guān)系,強(qiáng)負(fù)相關(guān)關(guān)系主要分布在陜北北部的府谷縣、榆陽(yáng)區(qū)、靖邊縣,關(guān)中南部的太白縣、周至縣和陜南地區(qū)的鎮(zhèn)巴縣等地,強(qiáng)正相關(guān)關(guān)系主要集中分布在關(guān)中地區(qū)的合陽(yáng)縣、富平縣、臨潼區(qū)和金臺(tái)區(qū)。2010—2015年回歸系數(shù)總體表現(xiàn)為正相關(guān)關(guān)系,強(qiáng)正相關(guān)關(guān)系集聚在關(guān)中北部的永壽縣等地,較上一時(shí)段,這一時(shí)段負(fù)相關(guān)關(guān)系地區(qū)大幅減少且分布更為集中,主要分布在陜北地區(qū)的定邊縣和關(guān)中地區(qū)的岐山縣等地。2015—2019年總體為弱負(fù)相關(guān)關(guān)系,與2005—2010年相比負(fù)相關(guān)程度較輕,強(qiáng)負(fù)相關(guān)關(guān)系分散分布在陜北東南部的延長(zhǎng)縣和關(guān)中北部的富平縣等地,強(qiáng)正相關(guān)關(guān)系分布在志丹縣和楊凌區(qū)。

圖4 GWR 模型回歸系數(shù)空間分布Fig.4 Spatial distribution of regression coefficients of GWR model

3 討論

陜西省耕地利用生態(tài)效率對(duì)生態(tài)環(huán)境質(zhì)量的影響具有空間不均衡性。研究發(fā)現(xiàn)三大區(qū)域生態(tài)環(huán)境對(duì)耕地利用生態(tài)效率的響應(yīng)程度與演變趨勢(shì)有所差異,主要原因在于三大區(qū)域的自然條件和社會(huì)經(jīng)濟(jì)狀況不同。為實(shí)現(xiàn)不同區(qū)域農(nóng)業(yè)高質(zhì)量發(fā)展,提出以下幾點(diǎn)建議:(1)關(guān)中地區(qū)是陜西省重要的糧食主產(chǎn)區(qū)之一,同時(shí)也是城鎮(zhèn)化水平較高區(qū)域,人口相對(duì)密集,建設(shè)用地明顯增加[31],部分地區(qū)人地矛盾突出,生態(tài)系統(tǒng)超載,耕地利用生態(tài)效率對(duì)生態(tài)環(huán)境質(zhì)量有明顯的負(fù)向影響。由于關(guān)中地區(qū)獨(dú)特的自然環(huán)境和良好的區(qū)位優(yōu)勢(shì),建議適度推進(jìn)“農(nóng)旅融合”模式,大力發(fā)展綠色農(nóng)業(yè)和觀光農(nóng)業(yè)。(2)陜北黃土高原地區(qū)生態(tài)環(huán)境質(zhì)量低,由于實(shí)施三北防護(hù)林等生態(tài)修復(fù)工程,生態(tài)環(huán)境逐漸改善,耕地利用生態(tài)效率提高,發(fā)展?jié)摿Υ?部分縣市實(shí)現(xiàn)耕地利用和生態(tài)環(huán)境協(xié)同發(fā)展。在“產(chǎn)學(xué)研用”模式下,可以推動(dòng)農(nóng)業(yè)產(chǎn)業(yè)科技發(fā)展,實(shí)現(xiàn)農(nóng)業(yè)增產(chǎn)、農(nóng)民增收、農(nóng)業(yè)科技進(jìn)步。在生態(tài)環(huán)境承載力下,可適度激發(fā)耕地利用潛力。(3)陜南地區(qū)地處秦嶺生態(tài)保護(hù)區(qū),耕地面積少且破碎化程度較高,農(nóng)業(yè)現(xiàn)代化發(fā)展進(jìn)程緩慢,生態(tài)環(huán)境對(duì)耕地利用生態(tài)效率的響應(yīng)方式不穩(wěn)定。建議結(jié)合地形特點(diǎn)和良好生態(tài)資源優(yōu)勢(shì),發(fā)展菌類、茶類、中藥材等特色產(chǎn)業(yè),持續(xù)探索“兩山”理論和“兩化”模式在陜南的推廣運(yùn)用。

4 結(jié)論

(1)2005年、2010年、2015年和2019年陜西省耕地利用生態(tài)效率屬于中等效率水平,2019年陜西省低效率、較低效率和中等效率區(qū)域的面積比重為89.07%,較高效率和高效率區(qū)域僅占10.93%,全省耕地利用水平較低,農(nóng)業(yè)現(xiàn)代化發(fā)展水平有較大發(fā)展空間。

(2)2005年、2010年、2015年和2019年陜西省RSEI均值分別為0.58,0.62,0.64,0.65,陜西省生態(tài)環(huán)境質(zhì)量由中等水平提高至較高水平。省內(nèi)RSEI高等級(jí)主要分布在陜南地區(qū)和陜北南部的黃龍山景區(qū)與子午嶺森林公園地區(qū);陜北地區(qū)生態(tài)治理工程效果顯著,生態(tài)環(huán)境質(zhì)量在不斷提高。

(3)全局莫蘭指數(shù)結(jié)果顯示陜西省RSEI和耕地利用生態(tài)效率存在顯著的空間正相關(guān)。地理加權(quán)回歸模型分析結(jié)果顯示,陜西省生態(tài)環(huán)境對(duì)耕地利用生態(tài)效率的響應(yīng)模式并不穩(wěn)定,區(qū)域差異和時(shí)間變化較大。

由于時(shí)間和數(shù)據(jù)所限,本文研究仍存在不足之處,在使用非期望產(chǎn)出超效率SBM 模型測(cè)算耕地利用生態(tài)效率中,默認(rèn)期望產(chǎn)出和非期望產(chǎn)出的權(quán)重比為1∶1,未考慮區(qū)域和時(shí)代的差異性。如何選取期望產(chǎn)出指標(biāo),以及如何設(shè)置期望產(chǎn)出和非期望產(chǎn)出權(quán)重比還需要進(jìn)一步探討。