山东半岛耕地绿色利用效率的区域差异与影响因素分析

Regional differences and influencing factors of green use efficiency of arable land in Shandong Peninsula

摘要

目的 对山东半岛城市群耕地绿色利用效率的区域差异与影响因素进行分析，为实现区域耕地资源的合理配置及可持续利用提供科学依据。 方法 应用Super-SBM模型、莫兰指数（Moran's I）、核密度估计以及Tobit回归模型进行分析。 结果 2000~2020年，山东半岛城市群耕地绿色利用效率整体呈上升趋势，区域层面，省会、鲁南经济圈总体呈上升趋势，而胶东经济圈呈波动下降趋势；城市群耕地绿色利用效率总体呈现出西北高、东南低的区域差异格局；城市群耕地绿色利用效率存在两极分化现象，城市群整体以及3大经济圈的区域差异均呈先扩大后缩小态势；农业生产条件、自然环境条件、耕地资源禀赋、科学技术水平以及经济发展水平对城市群耕地绿色利用效率均有显著影响。 结论 山东半岛城市群耕地绿色利用效率的区域差异正在逐渐缩小，受农业生产条件影响较大，未来应从优化农业投入结构入手，逐步缩小区域差异，并加强耕地绿色低碳利用，进而提高耕地绿色利用效率。

Abstract

Objective The regional differences and factors influencing the ecological efficiency of arable land in the urban agglomeration of the Shandong Peninsula are analyzed in order to provide a scientific basis for the rational allocation and sustainable use of regional arable land resources. Method Super-SBM model，Moran's I index，kernel density estimation，and Tobit regression model. Result From 2000 to 2020，the overall green use efficiency of arable land in the Shandong Peninsula urban agglomeration shows an upward trend，and at the regional level，the provincial capital and the Lunan economic circle show an overall upward trend，while the Jiaodong economic circle shows a fluctuating downward trend.The overall pattern of regional differences in the green use efficiency of arable land in urban agglomerations，which is high in the northwest and low in the southeast.There is a polarization in the efficiency of green use of arable land in urban agglomerations，with regional differences in urban agglomerations as a whole and in the three economic areas showing a widening and then narrowing trend.Agricultural production conditions，natural environmental conditions，arable land resource endowment，science and technology level，and economic development level have significant effects on the green use efficiency of arable land in urban agglomerations. Conclusion Regional differences in the green use efficiency of arable land in urban agglomerations are gradually decreasing and are strongly influenced by agricultural production conditions.In the future，we should start by improving the structure of agricultural inputs to gradually reduce regional differences and strengthen the green and low-carbon use of arable land，thereby improving the green use efficiency of arable land.

Graphical abstract

关键词

山东半岛城市群 / 耕地绿色利用效率 / 区域差异 / 影响因素

Key words

Shandong Peninsula urban agglomeration / green utilization efficiency of cultivated land / regional differences / influence factor

Author summay

韩琭，博士，副教授，研究方向为城市管理与环境规制。E-mail：[e-mail]

以保障粮食安全为目的的耕地安全，已成为国家资源安全保障体系建设的关键，能否实现耕地资源的合理高效利用，关系到经济健康发展与社会和谐稳定^［1-2］。随着城镇化、工业化和农业现代化的不断推进，耕地资源的非农化、低效粗放利用等现象越发明显^［3］，不合理的耕地利用会造成大气污染与耕地面源污染^［4］。因此，在生态文明建设与绿色发展理念的引导下，保护现有耕地资源的数量，并提高耕地资源的绿色利用效率，是促进耕地资源可持续利用和农业绿色发展的重要途径。山东省作为农业大省，耕地资源较为丰富，在全国粮食生产中占有重要地位，其耕地资源的可持续利用直接关系到国家粮食安全与农业高质量发展。伴随快速的城镇化，山东半岛城市群已成为全国重要的经济增长极、黄河流域生态文明建设先行区，但同时耕地资源和生态环境面临着严峻挑战。因此，如何测度山东半岛耕地绿色利用效率？城市群耕地绿色利用效率是否存在差异？影响因素是什么？厘清上述问题对保证国家粮食安全，促进农业绿色可持续发展具有重要的现实意义。

耕地绿色利用效率是由传统耕地利用效率延伸发展而来的，目前学术界关于耕地利用效率的研究较多，自俞勇军等^［5］研究江阴市的耕地利用效率开始，后续大量学者逐渐关注并展开对耕地利用效率的研究，在耕地利用效率评价^［6-7］、耕地利用效率区域差异格局^［8-9］、耕地利用效率时空演变特征^［10-11］、耕地利用效率影响因素^［12-13］、耕地利用效率与城镇化的耦合机制^［14］以及耕地利用效率与经济发展的相互作用^［15］等多领域取得了较多成果。近年来，我国经济进入高质量发展阶段，随着绿色低碳理念的不断深化，有学者在原有耕地利用效率研究的基础上，展开对耕地绿色利用效率的研究。研究内容可分为以下几方面：一是在绿色低碳视角下探究不同层面的耕地利用状况，如封永刚等^［4］在面源污染、碳排放双重视角下运用SBM模型分析中国耕地利用效率的时空特征；柯善淦等^［16］运用时空地理加权回归模型探讨湖北省耕地利用绿色转型的时空格局及其驱动因素；匡兵等^［17］在考虑碳排放的情况下运用 SBM-Undesirable模型分析粮食主产区耕地利用效率的区域差异与变化趋势。二是研究耕地利用活动对生态环境造成的双向影响，主要包括耕地利用产生的碳吸收，即耕地固碳能力，使农作物充分发挥碳汇功能，降低碳排放强度^［18］；不合理的耕地利用造成的耕地质量下降、土壤污染^［19］、耕地面源污染^［20］等。三是探究耕地绿色利用效率的驱动因素及优化策略，包括加强农业技术的研发与应用，提供科技支撑^［21］、调整农业要素投入比例与种植结构^［22］、因地制宜实施差别化耕地利用政策^［23］等。

在研究尺度上，目前关于耕地绿色利用效率的研究多从全国、省域、粮食主产区等层面进行分析，而对城市群、市域层面的研究则相对较少，从城市群层面分析耕地绿色利用效率，可以更具体、更有针对性的了解地区差异及影响因素，有利于加强耕地的利用与保护，进而促进农业高质量发展；在研究内容上，现有研究大多只考虑耕地利用的碳排放，或单独研究其耕地固碳功能，未能将两者同时考虑在内，综合研究耕地利用过程中的碳吸收与碳排放，对促进农业绿色发展、实现“双碳”目标具有重要意义。因此，本文以山东半岛城市群为研究区域，将耕地利用过程中的碳吸收与碳排放纳入指标体系中，以期为山东半岛城市群的经济高质量发展与农业绿色发展提供数据支撑。

1 材料与方法

1.1 研究区概况

山东半岛城市群位于我国东部沿海地区，是我国10个国家级城市群之一，它包括省会、胶东、鲁南三大经济圈，覆盖全省共计16个地级市。2021年，山东省发布《省会、胶东、鲁南三大经济圈“十四五”发展规划》，明确提出了三大经济圈各自的空间布局和功能地位，通过推动三大经济圈的区域一体化发展，来促进山东半岛城市群整体的高质量发展。山东省作为农业大省，农业发展良好，粮食产量较高，耕地面积达757万hm²，山东耕地率属全国最高省份，耕地资源丰富。近年来，随着经济的高速发展，耕地资源浪费以及非农化利用等现象频繁出现，为改变这一现状，山东省政府在《山东半岛城市群发展规划（2021~2035年）》上，明确表示未来要加强耕地资源的保护与利用，推进全省农业绿色可持续发展。

1.2 研究方法

1.2.1 Super-SBM模型

本文运用包含非期望产出的Super-SBM模型来测度山东半岛城市群的耕地绿色利用效率，该模型由Tone和Cooper等^［24-25］提出，将非期望产出纳入模型中，即考虑了变量松弛的影响，也解决了有效决策单元无法进行排序和比较的问题。计算公式如下：

\begin{array}{l}min\mathrm{\beta }=\frac{\frac{\mathrm{1}}{m}{\displaystyle \sum _{i=\mathrm{1}}^m}\left(\frac{\overline{x}}{x_{ik}}\right)}{\mathrm{1}+\frac{\mathrm{1}}{e_{\mathrm{1}}+e_{\mathrm{2}}}\left({\displaystyle \sum _{s=\mathrm{1}}^{r_{\mathrm{1}}}}\frac{\overline{y^d}}{y_{sk}^d}+{\displaystyle \sum _{q=\mathrm{1}}^{r_{\mathrm{2}}}}\frac{\overline{y^u}}{y_{qk}^u}\right)}\\ s.t.\overline{x}\ge {\displaystyle \sum _{j=\mathrm{1},\ne k}^n}{X}_{ij}{\mathrm{\lambda }}_j,i=\mathrm{1,2},...,m\\ \overline{y^d}\le y_{sj}^d{\mathrm{\lambda }}_j,s=\mathrm{1,2},...e_{\mathrm{1}}\\ \overline{y^d}\le y_{qj}^u{\mathrm{\lambda }}_j,q=\mathrm{1,2},...e_{\mathrm{2}}\\ {\mathrm{\lambda }}_j\ge \mathrm{0},j=\mathrm{1,2},...,n,j\ne \mathrm{0}\\ \overline{x}\ge x_k,i=\mathrm{1,2},...,m\\ \overline{y^d}\le y_k^d,s=\mathrm{1,2},...,e_{\mathrm{1}}\\ \overline{y^u}\le y_k^u,q=\mathrm{1,2},...,e_{\mathrm{2}}\end{array}（1）

式中：β为山东半岛城市群耕地绿色利用效率值，m、e₁和e₂分别代表投入、期望产出与非期望产出的个数，\overline{x}、\overline{y^d}和\overline{y^u}分别代表投入、期望产出和非期望产出的松弛变量，λ为权重向量。

1.2.2 莫兰指数（Moran's I）

运用莫兰指数来分析城市群耕地绿色利用效率的区域差异及其空间相关性。莫兰指数分为全局与局部两种，全局莫兰指数I介于［-1，1］之间，指数I>0，为空间正相关，指数I<0，为空间负相关。局部莫兰指数主要用于反映各区域之间存在的空间集聚特征，指数I>0，存在空间集聚，指数I<0，则存在空间离散。

计算公式如下：

I_{\mathrm{全局}}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{n}}}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}(x_i-\overline{x})(x_j-\overline{x})}{s^{\mathrm{2}}{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}}（2）

I_{\mathrm{局部}}=\frac{(x_i-\overline{x})}{s^{\mathrm{2}}}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}(x_j-\overline{x})（3）

式（2）、（3）中：n为空间区域单元个数，x_i和x_j分别为空间区域i和j的效率值，s^{\mathrm{2}}为效率值的方差，w_{ij}为空间权重矩阵。

1.2.3 核密度估计

核密度估计方法由Rosenblatt M^［26］和Parzen E^［27］提出，在参数估计中，它能够有效提高估计结果的真实性，并且能够描绘出数据的动态分布状况和演进规律，本文用这一方法来分析耕地绿色利用效率区域差异的动态演变特征。计算公式如下：

f(y)=\frac{\mathrm{1}}{nh}{\displaystyle \sum _{i=\mathrm{1}}^n}k(\frac{y_i-\overline{y}}{h})（4）

式中：n为样本数量，K为核函数，h为带宽，y_i为各城市耕地绿色利用效率，\overline{y}为耕地绿色利用效率均值。

1.2.4 Tobit回归模型

因为本文采用Super-SBM模型测度的耕地绿色利用效率值均大于0，属于受限因变量，如果运用普通最小二乘法进行回归分析，可能会使结果出现偏差，因此选择Tobit回归模型对耕地绿色利用效率的影响因素进行分析。其模型具体形式如下：

y_{it}=\left\{\begin{array}{c}{y}_{it}^{\mathrm{*}}=\alpha +{\displaystyle \sum _{t=\mathrm{1}}^n}{\beta }_k{x}_{it}+e_{it}{y}_{it}^{\mathrm{*}}>\mathrm{0}\\ \mathrm{0}{y}_{it}^{\mathrm{*}}\le \mathrm{0}\end{array}\right.（5）

式中：y_{it}为因变量；x_{it}为自变量；{\beta }_k为回归系数；α为常数项；e_{it}为随机误差项。

1.3 指标体系

1.3.1 耕地绿色利用效率内涵

根据张荣天等^［28］的研究，耕地利用效率是指在既定农业产出下所能实现最少耕地资源的投入程度，它通常被用来衡量各种资源投入是否得到合理配置以及是否能够获得最大产出；而绿色效率主要是突出“绿色”，它在传统效率的基础上将环境因素纳入评价指标的考虑范围内，具体指当投入或产出一定时，在实现最大效益或最低成本的基础上将环境成本考虑在内，将环境与效率充分联系起来。

当前，许多学者正逐渐开始研究耕地利用对环境产生的影响，其中，Xie H等^［29］提出耕地绿色利用效率，他们认为耕地绿色利用效率是对社会经济与生态环境的双重强调，是指在耕地利用过程中以成本最小化追求社会、经济和生态的效益最大化；邢晓男^［34］将耕地绿色利用效率定义为在耕地利用过程中，以最小的资源投入所得到的最大社会经济期望产出和最小环境污染非期望产出的程度。

在测度耕地绿色利用效率时，不仅要考虑社会、经济方面的产出，还要考虑环境方面的产出，因此，本文在原有效率测算的基础上，将环境因素纳入指标体系，从社会经济和生态环境相结合的角度出发，更全面地对耕地绿色利用效率进行分析。

1.3.2 指标选取与处理

根据耕地绿色利用效率的内涵，以山东半岛城市群耕地资源的实际情况为出发点，参考谢阳光^［30］、柯楠等^［21］的研究成果，综合构建了耕地绿色利用效率指标体系（表1），主要包括投入与产出两类指标。在投入方面，主要选取土地、劳动力、灌溉、化肥、农药、农膜以及农机作为二级指标，其中，粮食播种面积能反映土地的实际利用情况，农业从业人员能反映农业的实际劳动力，分别用来衡量土地投入、劳动力投入；有效灌溉面积能反映地区水利化程度，用来衡量灌溉投入；农用化肥施用量（折纯）、农药使用量以及农村塑料薄膜使用量能反映耕地利用过程中的资本投入，同时也是农业生产过程中必不可少的要素，分别用来衡量化肥、农药以及农膜投入；农业机械总动力能反映农业生产的机械化程度，用来衡量农机投入。

产出方面可分为期望产出和非期望产出，期望产出主要包括社会产出、经济产出与环境产出，其中，粮食总产量能反映耕地的种植状况与实际产出，农业总产值能反映区域农业生产的规模与发展水平，以此分别用来衡量社会产出与经济产出；环境产出则用耕地利用产生的碳汇总量来衡量，耕地利用中的碳汇是指农作物通过光合作用吸收二氧化碳并将其固定在植被和土壤中的过程，根据已有研究^{［18，21］}，耕地碳汇总量的计算公式为：

C={\displaystyle \sum _{i=\mathrm{1}}^n}{C}_i={\displaystyle \sum _{i=\mathrm{1}}^n}\left[c_i{Y}_i\left(\mathrm{1}-W_i\right)\right]/H_i（6）

式中：C为农作物碳吸收总量；C_i为农作物i的碳吸收量；n为农作物种类（本文选取稻谷、小麦、玉米、豆类、薯类、棉花以及蔬菜等7类）；c_i为农作物i的含碳率；Y_i为农作物i的经济产量；W_i为农作物i的水分系数；H_i为农作物i的经济系数。各类农作物的含碳率、水分系数和经济系数主要参考陈丽等^［18］、田云等^［31］的研究。非期望产出也是环境方面的产出，主要指耕地利用过程中产生的碳排放总量，主要包括农业机械化，灌溉、翻耕以及化肥、农药、农膜使用过程中产生的碳排放。其计算公式为：

E={\displaystyle \sum _{i=\mathrm{1}}^n}{E}_i={\displaystyle \sum _{i=\mathrm{1}}^n}\left(T_i{\delta }_i\right)（7）

式中：E为耕地利用碳排放总量，E_i为各类碳源的碳排放量，T_i为各碳排放源的原始量，{\delta }_i为各碳排放源的碳排放系数。各类碳源的碳排放系数主要参考卢新海等、李波等的研究成果^{［13，32-33］}。

1.4 数据来源与处理

数据为2000~2020年山东半岛城市群中16个地级市的面板数据，主要来源于2001~2021年《山东统计年鉴》以及各市级的统计年鉴和社会统计公报，由于农业从业人员部分年份的数据难以在年鉴中直接获取，所以通过第一产业从业人员数×（农业总产值/农林牧渔业总产值）换算得到，其余部分缺失数值采用内插法和外推法进行处理。

2 结果与分析

2.1 耕地绿色利用效率的测度

基于2000~2020年的面板数据，运用MATLAB软件计算得到山东半岛城市群耕地绿色利用效率值（表2），并根据城市群整体以及三大经济圈的效率均值，运用Origin软件绘制出城市群耕地绿色利用效率变化趋势图（图2）。

首先，从整体来看，2000~2020年山东半岛城市群耕地绿色利用效率呈上升趋势，效率均值由2000年的0.924上升为2020年的0.945，城市群整体均值为0.889，处于较高效率水平；由图2可知，2000~2013年耕地绿色利用效率值呈波动下降趋势，并在2013年达到最低，效率值为0.788，2013~2020年呈波动上升趋势，在2014年效率值达到最高，为0.985。其次，从各区域来看，研究期内省会、鲁南经济圈的耕地绿色利用效率值总体上呈上升趋势，省会经济圈由2000年的0.887上升为2020年的1.064，鲁南经济圈由2000年的0.930上升为2020年的0.972，省会经济圈的上升幅度较大，胶东经济圈呈波动下降趋势，由2000年的0.971下降为2020年的0.756，且下降幅度较大；省会、胶东以及鲁南经济圈的耕地绿色利用效率均值分别为0.978、0.776、0.874，可以看出省会经济圈的耕地绿色利用效率最高，鲁南经济圈次之，胶东经济圈最低。最后，从各城市来看，泰安、滨州、青岛、威海、潍坊、日照以及临沂市的耕地绿色利用效率总体处于下降状态，威海市和临沂市的下降幅度较大；其余城市的耕地绿色利用效率均处于上升状态，东营市与菏泽市的上升幅度较大；研究期内，耕地绿色利用效率最高的是济南市，效率均值为1.135，最低的是日照市，效率均值为0.531。

2.2 耕地绿色利用效率的区域差异格局

为进一步探究山东半岛城市群耕地绿色利用效率的区域差异格局，首先运用全局莫兰指数（Global Moran's I）对城市群整体的空间关联性进行分析，然后运用局部莫兰指数（（local Moran's I））分析城市群各区域以及各城市之间的差异及空间集聚特征。

2.2.1 全局自相关分析

基于2000~2020年山东半岛城市群耕地绿色利用效率值，本文运用GeoDa软件，选取2000、2005、2010、2015以及2020年5个节点年份，计算出全局莫兰指数。2000年，全局莫兰指数为负值且未通过显著性检验，说明早期各城市耕地绿色利用效率在空间上的关联性较低，离散程度较强；2005、2010、2015以及2020年的全局莫兰指数均为正值，且均通过了显著性检验，说明在此期间各城市耕地绿色利用效率呈显著空间正相关，且具有明显的空间集聚特征。整体上看，研究期内耕地绿色利用效率的全局莫兰指数由2000年的-0.161上升为2020年的0.150，总体呈上升趋势，这说明山东半岛城市群耕地绿色利用效率的空间集聚程度在不断增强。

2.2.2 局部自相关分析

为更加直观地展示城市群耕地绿色利用效率的局部集聚特征及区域差异格局，基于GeoDa和ArcGis 10.2软件，计算出局部莫兰指数，并绘制出5个节点年份的LISA聚集图（图3），可分为高-高、高-低、低-高、低-低4类集聚区：

2.2.2.1 高-高集聚区

高-高集聚区是指所在区域及其周边区域的耕地绿色利用效率均较高，2000~2020年，该集聚区在空间分布上总体呈扩大趋势，主要分布在西北部地区，2005年，高-高集聚区位于济南市，2010年有所增加，位于德州市与济南市，2015年有所减少，到2020年大幅度增加，主要包括济南市、滨州市、德州市以及聊城市。

2.2.2.2 高-低集聚区

高-低集聚区是指所在区域的耕地绿色利用效率较高，而周边区域较低，研究期内该集聚区变化相对不明显，主要分布在低-低集聚区与低-高集聚区的过渡区域，2005年，高-低集聚区位于青岛市，2010~2020年，一直位于烟台市。

2.2.3.3 低-高集聚区

低-高集聚区是指所在区域的耕地绿色利用效率较低，而周边区域较高，研究期内该集聚区在空间分布上呈先扩大后缩小趋势，2005年，低-高集聚区位于聊城市，2010年保持不变，2015年有所增加，主要位于聊城市与威海市，2020年无低-高集聚区。

2.2.3.4 低-低集聚区

低-低集聚区是指所在区域及其周边区域的耕地绿色利用效率均较低，研究期内该集聚区在空间分布上总体呈扩大趋势，主要分布在东南部地区，2005年，低-低集聚区位于日照市与潍坊市，2010年，位于青岛市与日照市，2015年有所减少，位于日照市，到2020年则有所增加，主要包括日照市、潍坊市以及青岛市。

总体上看，2000~2020年，山东半岛城市群耕地绿色利用效率有明显的局部自相关性，各城市之间的空间集聚程度不断增强，空间差异性越发明显。高-高集聚区主要集中于济南、德州等省会经济圈所属城市，低-低集聚区则主要集中于日照、青岛等胶东经济圈所属城市，表明省会经济圈的耕地绿色利用效率处于较高水平，胶东经济圈处于较低水平。山东半岛城市群耕地绿色利用效率总体呈现出省会经济圈高、胶东经济圈低，即西北高、东南低的区域差异格局。

2.3 耕地绿色利用效率区域差异的动态演变特征

运用STATA16.0软件绘制2000、2005、2010、2015以及2020年山东半岛城市群以及3大经济圈耕地绿色利用效率的核密度曲线图（图4）。

从城市群整体来看，在分布位置上，2000~2020年，核密度曲线整体向右移动，说明山东半岛城市群耕地绿色利用效率总体呈上升趋势；在波峰数量上，2000~2020年，核密度曲线一直为双峰，右峰峰值较高，左峰峰值较低，且峰值呈上下波动态势，说明存在两极分化现象，分化程度虽然不强，但一直未得到有效控制。在分布形态上，2000~2015年，右峰峰值逐渐降低，左峰峰值先降低后上升，峰宽均增大，说明在此期间区域差异呈扩大态势；2015~2020年，右峰峰值上升，左峰峰值下降，宽度均有所缩小，说明区域差异得到有效控制，在不断缩小。

从各区域来看，在分布位置上，2000~2020年，省会、鲁南经济圈的核密度曲线整体向右移动，胶东经济圈则向左移动，说明省会、鲁南经济圈耕地绿色利用效率在不断提高，而胶东经济圈则有所降低。在波峰数量上，省会经济圈在2000年、2010年、2020年为单峰，在2005年、2015年为双峰，说明两极分化现象不稳定，在增强与减弱之间来回反复；胶东经济圈在2000~2010年为双峰，逐渐过渡为2015年和2020年的单峰，说明两极分化现象呈减弱趋势；鲁南经济圈在2000~2020年一直为单峰，说明未出现两极分化现象。在分布形态上，省会经济圈在2000~2010年峰值上升且宽度缩小，2010~2015年，峰值下降，宽度增大，到2020年峰值又有所上升且宽度缩小，说明区域差异呈先缩小后扩大又缩小趋势；胶东经济圈在2000~2005年峰值逐渐下降且宽度增大，说明区域差异正逐步扩大，2010~2020年，峰值不断上升且宽度缩小，说明区域差异得到控制，正不断缩小；鲁南经济圈在2000~2015年峰值逐渐下降且宽度增大，到2020年峰值又有所上升且宽度不断缩小，说明区域差异呈先扩大后缩小趋势。

通过全局莫兰指数分析表明，城市群具有明显的空间集聚特征，且集聚程度在不断增强；局部莫兰指数分析表明城市群耕地绿色利用效率呈现出省会经济圈高、胶东经济圈低，即西北高、东南低的区域差异格局，而核密度估计结果表明城市群整体以及3大经济圈的区域差异呈先扩大后缩小趋势，综上所述，山东半岛城市群耕地绿色利用效率虽然目前仍存在区域差异，但正在逐渐缩小，这对3大经济圈的区域一体化发展以及城市群整体的高质量发展具有重要意义。

2.4 耕地绿色利用效率区域差异的影响因素分析

2.4.1 影响因素的选取

山东半岛城市群耕地绿色利用效率的区域差异格局及其动态演变特征是自然条件、社会与经济发展、技术进步以及农业生产条件等多重因素共同作用的结果。因此，本文根据已有的研究成果^{［11，13，34-36］}，结合山东半岛城市群的耕地利用现状以及相关数据的可获得性，确定影响耕地绿色利用效率的主要因素包括自然环境条件、耕地资源禀赋、经济发展水平、科学技术水平、农业生产条件以及政府重视程度等6个方面。其中，自然环境条件方面用耕地复种指数来衡量，它能反映耕地的实际利用程度；耕地资源禀赋方面用人均耕地面积来衡量，它能反映出各区域耕地资源的差异；经济发展水平方面用人均GDP来衡量，它能反映地区的经济发展状况；科学技术水平方面用单位耕地面积农业机械总动力来衡量，它能反映区域单位耕地的农业机械化程度；农业生产条件方面用有效灌溉率来衡量，它能反映地区的农业水利化程度；政府重视程度方面用农林水事务支出来衡量，它能反映政府对农业的投入水平。

2.4.2 面板单位根检验

在进行Tobit回归分析之前，先运用针对同质面板数据的LLC检验和针对异质面板数据的IPS检验两种检验方法对各变量进行单位根检验。两种检验结果均通过了1%的显著性水平，说明各变量的一阶差分序列均显著拒绝了原假设，即所有差分变量均为平稳序列，可以进行下一步的Tobit回归分析。

2.4.3 影响因素的分析

在运用Tobit回归模型时，通过检验数据是否存在个体效应来判断应使用固定效应还是随机效应估计^［21］。如表6所示，LR检验结果均显著通过了1%的显著性水平，表明山东半岛城市群以及3大经济圈均存在个体效应，因而使用随机效应Tobit回归模型。城市群整体以及3大经济圈的拟合系数R²分别为0.782、0.706、0.687、0.693，表明Tobit 回归模型拟合性较好。因此，基于2000~2020年的面板数据，运用STATA16.0软件，对山东半岛城市群耕地绿色利用效率进行Tobit回归分析，获得耕地绿色利用效率的影响因素回归结果（表6）。

从城市群整体的回归结果来看，除农林水事务支出外，其他变量均通过了5%或1%的显著性检验，表明自然环境条件、耕地资源禀赋、经济发展水平、科学技术水平以及农业生产条件对山东半岛城市群耕地绿色利用效率具有显著影响；按其影响程度排序，从大到小依次为农业生产条件、自然环境条件、耕地资源禀赋、科学技术水平、经济发展水平；其中自然环境条件、经济发展水平以及农业生产条件对耕地绿色利用效率的影响呈正相关，而耕地资源禀赋与科学技术水平的影响呈负相关。

由于我国社会经济发展的高度复杂性和多维性，不同的影响因素对各区域耕地绿色利用效率的影响方向与程度存在显著差异^［13］。因此本文分别从以下6个方面对3大经济圈的影响因素进行分析：

1） 在自然环境条件方面，省会与鲁南经济圈通过了显著性检验，回归系数分别为0.395、0.230，说明自然环境条件对两大经济圈的耕地绿色利用效率具有显著正向影响，这是因为两大经济圈基本处于平原地区，地形平坦，气候适宜，雨量适中，光热条件好，良好的自然条件使该地区的农作物生产力较高，从而提高了耕地绿色利用效率。

2） 在耕地资源禀赋方面，仅有胶东经济圈通过了显著性检验，回归系数为-0.718，这表明耕地资源禀赋对胶东经济圈耕地绿色利用效率具有显著负向作用，即人均耕地面积越小，耕地绿色利用效率越高，这是因为胶东经济圈城市化水平较高，正在逐步推进都市型现代农业建设，促使农业发展方式向规模化、集约化经营转变，耕地的经济产出不断上升，从而提高耕地绿色利用效率。

3） 在经济发展水平方面，胶东经济圈通过了5%的显著性检验，回归系数为负，说明经济发展水平对胶东经济圈耕地绿色利用效率具有显著负向影响，这是因为胶东经济圈本身经济发展水平较高，城镇建设逐渐向城市边缘扩张，使耕地遭受大面积的破坏，使耕地绿色利用效率有所降低；鲁南经济圈通过了1%的显著性检验，回归系数为正，说明经济发展水平对鲁南经济圈耕地绿色利用效率具有显著正向影响，这是因为随着经济的迅速发展，给农业带来大量的资本以及先进的技术，使农业产业结构得到不断优化，进而提高了耕地绿色利用效率。

4） 在科学技术水平方面，省会与鲁南经济圈均通过了1%的显著性检验，回归系数分别为-0.012、-0.030，说明科学技术水平对两大经济圈的耕地绿色利用效率具有显著负向影响，单位耕地面积农业机械总动力能反映地区的农业机械化程度，虽然农业机械化程度的适度增强会提高耕地利用效率，但连续高强度的农业机械化会产生反作用，容易造成农业面源污染与大气污染，进而影响耕地绿色利用效率。

5） 在农业生产条件方面，省会经济圈通过了1%的显著性检验，回归系数为-1.405，说明农业生产条件对省会经济圈耕地绿色利用效率的影响为负向显著；鲁南经济圈也通过了显著性检验，回归系数为0.877，说明农业生产条件对鲁南经济圈耕地绿色利用效率的影响为正向显著；原因在于有效灌溉率能反映地区的水利化程度，适度进行水利化建设，合理提升水资源的利用效率，能够促进耕地绿色利用效率的提高，但不合理的水利化建设也会对生态环境造成破坏，从而产生负面影响。

6） 在政府重视程度方面，省会、胶东经济圈分别通过了1%、5%的显著性检验，说明政府重视程度对省会、胶东经济圈耕地绿色利用效率具有显著正向作用，这是由于政府对农业的资本投入逐渐增加，积极支持并推动农业进行绿色转型，推行绿色发展方式，从而有助于提高耕地绿色利用效率。

3 讨论

从研究内容来看，多数学者在分析耕地绿色利用效率时主要关注耕地利用产生的碳排放，而忽略了耕地的碳吸收^［12-13］，未能将两者同时纳入指标体系中进行测算。山东省是农业大省，耕地资源十分丰富，这表明山东省具有高碳排放强度与显著碳汇能力，如果单纯考虑碳排放，则会使非期望产出偏高，进而导致耕地绿色利用效率的测算结果低于实际效率水平，因此将耕地利用过程中的碳排放与碳吸收纳入同一框架，能使耕地绿色利用效率测算结果更贴近实际。

从研究结果来看，整体上，山东半岛城市群耕地绿色利用效率呈上升趋势，这与部分学者的研究结果相一致^{［21，37-38］}。通过影响因素分析，发现自然环境条件、经济发展水平以及农业生产条件对城市群耕地绿色利用效率具有显著正向影响，而耕地资源禀赋与科学技术水平具有显著负向影响，且受农业生产条件影响最大，因此，应充分利用优越的自然条件，在经济发展的同时逐步优化农业投入结构，改善农业生产条件，合理进行农业水利化与机械化建设，稳步提高有效灌溉率与农业机械化水平，并合理利用科学技术，加快智能化农业机械的研发与应用，打造优质高效农业中心，稳步提高耕地绿色利用效率。区域上，省会、鲁南经济圈总体呈上升趋势，而胶东经济圈呈波动下降趋势；通过影响因素分析可知，不同影响因素对不同区域耕地绿色利用效率的影响方向与程度存在显著差异^［9，13］，因此，3大经济圈应在明确自身定位与任务的基础上，逐步缩小区域差异，有效提高耕地绿色利用效率，省会经济圈应推进“全面全程、高质高效”的农业机械化与农田水利化建设，并加大对农业的资金投入与技术支持，充分利用自然环境条件带来的优势；鲁南经济圈应在大力发展经济的同时加强农业技术的研发与投入，不断改善农业生产条件，完善农业基础设施，实施高标准农田建设；胶东经济圈应合理利用耕地资源，大力发展绿色农业与都市型现代农业，优化农业产业结构，以经济进步带动农业发展。

本文仍存在一些不足之处：首先，考虑到样本时序较长以及各项指标数据的可获取性，本文仅以年鉴统计数据进行分析，未能结合遥感监测、实地调研等多源数据进行详细研究；其次，在研究尺度上，仅对市级行政单元进行了耕地绿色利用效率的测算与分析，后续研究将以县（区）为基本单元，并采用多源数据进行更详细、更准确的分析，为耕地利用与农业发展提高更具针对性的参考。

4 结论

1） 2000~2020年，山东半岛城市群耕地绿色利用效率呈整体上升趋势，研究期内城市群整体均值为0.889，处于较高效率水平；从各区域来看，省会与鲁南经济圈的耕地绿色利用效率总体呈上升趋势，而胶东经济圈呈波动下降趋势，省会经济圈效率均值最高，鲁南经济圈次之，胶东经济圈最低；从各城市来看，大部分城市的耕地绿色利用效率均处于上升状态，耕地绿色利用效率最高的是济南市，最低的是日照市。

2） 山东半岛城市群耕地绿色利用效率的全局莫兰指数总体呈上升趋势，说明城市群整体的空间集聚程度在不断增强，空间格局相对稳定；LISA聚集图显示，2000~2020年，城市群耕地绿色利用效率有明显的局部自相关性，各城市之间的空间差异性越发明显，高-高集聚区主要集中于济南、德州等城市，低-低集聚区则主要集中于日照、青岛等城市，说明城市群耕地绿色利用效率呈现出省会经济圈高、胶东经济圈低，即西北高、东南低的区域差异格局。

3） 核密度估计显示，2000~2020年，山东半岛城市群耕地绿色利用效率虽然总体呈上升趋势，但一直存在两极分化现象，整体区域差异呈先扩大后缩小态势；从各区域来看，省会经济圈耕地绿色利用效率在不断提高，存在两极分化现象且不稳定，在增强与减弱之间来回反复，胶东经济圈耕地绿色利用效率有所降低，两极分化现象呈减弱趋势，鲁南经济圈耕地绿色利用效率在不断提高，未出现两极分化现象，3大经济圈的区域差异均呈先扩大后缩小趋势。

4） Tobit回归结果表明，城市群整体上，自然环境条件、经济发展水平以及农业生产条件对耕地绿色利用效率具有显著正向影响，耕地资源禀赋与科学技术水平对耕地绿色利用效率具有显著负向影响；从各区域来看，各个变量的显著性程度有所不同，其回归系数的数值大小也相差较大，表明不同影响因素对3大经济圈耕地绿色利用效率的影响方向与程度存在显著差异。

参考文献

[1] 梁鑫源，金晓斌，孙瑞，等.多情景粮食安全底线约束下的中国耕地保护弹性空间［J］.地理学报，2022，77（3）：697-713.

[2] 卢新海，黄善林.我国耕地保护面临的困境及其对策［J］.华中科技大学学报（社会科学版），2010，24（3）：79-84.

[3] 袁晓妮，鲁春阳，吕开云，等.我国耕地非农化研究进展及展望［J］.中国农业资源与区划，2019，40（1）：128-133.

[4] 秦岩，於冉，於忠祥.2000~2018年长三角中心区土地利用碳排放强度的时空特征［J］.河南农业大学学报，2021，55（1）：132-140.

[5] 俞勇军，陆玉麒.江阴市耕地变化驱动因素及耕地利用效率定量研究［J］.经济地理，2002（4）：440-443.

[6] 何登，杨如军，詹长根.基于DEA模型的耕地利用效率评价［J］.江苏农业科学，2018，46（4）：327-330.

[7] Bonfiglio A， Arzeni A， Bodini A.Assessing eco-efficiency of arable farms in rural areas ［J］.Agricultural Systems，2017，151：114-125.

[8] 刘蒙罢，张安录，文高辉.长江中下游粮食主产区耕地利用生态效率区域差异与空间收敛［J］.自然资源学报，2022，37（2）：477-493.

[9] 王良健，李辉.中国耕地利用效率及其影响因素的区域差异：基于 281个市的面板数据与随机前沿生产函数方法［J］.地理研究，2014，33（11）：1995-2004.

[10] 盖兆雪，孙萍，张景奇.环境约束下的粮食主产区耕地利用效率时空演变特征［J］.经济地理，2017，37（12）：163-171.

[11] 张立新，朱道林，谢保鹏，等.中国粮食主产区耕地利用效率时空格局演变及影响因素：基于180个地级市的实证研究［J］.资源科学，2017，39（4）： 608-619.

[12] 臧俊梅，唐春云，王秋香，等.基于Super-SBM模型的广东省耕地利用效率空间非均衡性及影响因素研究［J］.中国土地科学，2021，35（10）：64-74.

[13] 卢新海，匡兵，李菁.碳排放约束下耕地利用效率的区域差异及其影响因素［J］.自然资源学报，2018，33（4）：657-668.

[14] 刘玉洁，张安录，刘蒙罢.长江中下游粮食主产区城镇化与耕地利用生态效率耦合协调度时空格局分析［J］.中国农业资源与区划，2022，43（8）：106-118.

[15] 唐放，蔡广鹏.贵州省耕地利用效率与经济发展的时空耦合关系研究［J］.技术经济，2020，39（5）：99-106.

[16] 柯善淦，崔海莹，卢新海，等.耕地利用绿色转型的时空格局及其驱动机制研究：以湖北省为例［J］.中国土地科学，2021，35（12）：64-74.

[17] 匡兵，卢新海，韩璟，等.考虑碳排放的粮食主产区耕地利用效率区域差异与变化［J］.农业工程学报，2018，34（11）：1-8.

[18] 陈丽，郝晋珉，王峰，等.基于碳循环的黄淮海平原耕地固碳功能研究［J］.资源科学，2016，38（6）：1039-1053.

[19] 董红，王有强.我国耕地土壤污染防治立法探析［J］.西北农林科技大学学报（社会科学版），2022，22（2）：114-119.

[20] 胡彦婷，张富，赵传燕，等.黄土丘陵沟壑区退耕地面源污染物负荷变化研究［J］.甘肃农业大学学报，2018，53（3）：28-36.

[21] 柯楠，卢新海，匡兵，等.碳中和目标下中国耕地绿色低碳利用的区域差异与影响因素［J］.中国土地科学，2021，35（8）：67-76.

[22] 康礼玉.新疆耕地利用绿色效率的动态研究［D］.阿拉尔：塔里木大学，2021.

[23] 吴郁玲，张佩，李佳.长江经济带耕地利用效率时空演变特征及提升路径研究［J］.农业现代化研究，2021，42（4）：579-588.

[24] Tone K.A Slacks-based measure of efficiency in data envelopment analysis［J］.European Journal of Operational Research，2001，130（3）：498-509.

[25] Cooper W W， Seiford L M， Tone K.Data envelopment analysis［M］.Second Edition.Boston：Kluwer Academic Publishers，2007.

[26] Rosenblatt M.Remarks on some nonparametric estimates of a density function［J］.Annals of Mathematical Statistics，1956，27（3）：830-837．

[27] Parzen E.On Estimation of a probability density function and mode［J］．Annals of Mathematical Statistics，1962，33（3）：1065-1076．

[28] 张荣天，焦华富.中国省际耕地利用效率时空格局分异与机制分析［J］.农业工程学报，2015，（2）：277-287.

[29] Xie H， Chen Q， Wang W，et al.Analyzing the green efficiency of arable land use in China［J］.Technological Forecasting and Social Change，2018，（133）：15-28.

[30] 谢阳光.淮海经济区耕地绿色利用效率时空格局及影响因素研究［D］.徐州:中国矿业大学，2019.

[31] 田云，张俊飚.中国农业生产净碳效应分异研究［J］.自然资源学报，2013，28（8）：1298-1309.

[32] 李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解［J］.中国人口·资源与环境，2011，21（8）：80-86.

[33] West T O， Marland G.A synthesis of carbon sequestration，carbon emissions，and net carbon flux in agriculture： comparing tillage practices in the United States［J］.Agriculture，Ecosystems and Environment，2002，91：217-232.

[34] 邢晓男.中国耕地绿色利用效率测度及影响因素研究［D］.长春：吉林大学，2022.

[35] 冀正欣，王秀丽，李玲，等.南阳盆地区耕地利用效率演变及其影响因素［J］.自然资源学报，2021，36（3）：688-701.

[36] 王淑媛，李晓丹，刘学录，等.黄河流域甘肃段主要一级支流水土流失与社会经济发展的关系研究［J］.甘肃农业大学学报，2022，57（5）：202-208.

[37] 吴昊玥，孟越，黄瀚蛟，等.中国耕地低碳利用绩效测算与时空分异［J］.自然资源学报，2022，37（5）：1148-1163.

[38] 于滢，陈伟强，郭宇龙，等.基于InVEST模型的河南省农田氮素面源污染时空模拟［J］.河南农业大学学报，2024，58（4）：644-653.

基金资助

国家社会科学基金项目“雾霾灾害的政府、企业、公众合作治理机制研究”(18BJY087)