考虑碳排放的粮食主产区耕地利用效率区域差异与变化

匡 兵，卢新海，韩 璟，张 祚

（1. 华中科技大学公共管理学院，武汉 430074；2. 华中师范大学公共管理学院，武汉 430079）

0 引 言

低碳发展理念是建设资源节约型、环境友好型社会的必然选择和重要突破口，也是新发展常态下实现中国社会经济有序转型和城镇化加速推进的关键内涵[1]，它强调特定地理事物或现象在发展过程中合理的物质、能源和劳动消耗以及较少的碳排放，目前已经广泛应用在不同产业的发展过程中[2-3]。

作为中国农业生产活动的主要投入要素之一，耕地除了具有生产农产品、增加农业总产值等正面效应外，在利用过程中还会向大气中释放出大量CO2[4]，给区域生态环境系统造成一定的负面影响。一方面，作为一个半自然人工生态系统[5]，耕地规模和结构变化会改变耕地利用系统内部的碳循环过程，影响整个系统碳吸收、碳释放的强度与格局。李颖等[6]曾以江苏省数据为基础，发现耕地面积每增加1 km2，会相应增加0.042 2 t的碳排放，王渊刚等[7]利用Bookkeeping模型对1975—2005年间新疆耕地变化对区域碳平衡的影响进行了分析，发现耕地规模变化和结构转移导致整个新疆在研究期内共向大气排放了3120万t碳。另一方面，农药、化肥、化石能源等农业生产资料的粗放使用和高强度、不合理的耕地开发利用，容易加速土壤深层惰性碳库损失[8]，减弱土壤表层储存碳与植被固碳能力[9]。如何依靠现代化经营管理和科技进步，改变目前高强度、粗放型的耕地利用方式，在提升耕地利用产出品质的同时控制碳排放规模，实现耕地利用、粮食生产和生态保护的和谐共进已成为中国不同空间尺度耕地利用管控中的一个焦点问题，而解决这一问题的关键在于要综合把握耕地利用系统内部各种正、负信息流的交互程度及效率格局。

从已有研究来看，目前学者们围绕耕地利用效率的基本内涵界定[10-11]、度量体系构建[11]、研究方法选取[12]、时空格局变化[11-13]及影响因素分析[13-15]等进行了系统思考，对于扩展该主题的研究广度与深度具有重要意义。在度量方法上，学者们普遍认为耕地利用效率是各类要素配置合理程度与耕地资源产出价值实现程度的综合反映，因而主要利用投入与产出或消耗与成果的比值进行衡量，常用的投入要素包括土地、劳动力、技术等[11-12,15]，产出指标包括粮食总产量、农业总产值、经济作物产值等[11,15]。然而，随着研究的不断扩展与深化，有学者提出应该将一些耕地利用的负面影响也纳入到耕地利用效率的分析过程中。梁流涛[16]将“非意欲”产出（环境污染）纳入到耕地利用效率的测度框架之中，从静态和动态 2个层面考察了中国大陆31个省（市）1997—2009年耕地利用效率的时空分异特征，封永刚等[17]在利用单元调查评估方法及碳排放系数公式对中国大陆31个省（市、区）1993—2013年耕地面源污染、碳排放总量进行估算后，将面源污染与碳排放指标放入到耕地利用效率的测度中，发现中国耕地利用效率呈显著下降趋势，且面源污染、碳排放的过量产出与耕地利用效率提升的矛盾日益加剧。岳立等[18]也同时考虑面源污染和碳排放2个方面，利用 Global Malmquist-Luenberger指数对环境约束下中国2009—2015年的耕地利用效率格局进行了分析，并利用面板数据回归模型探讨了耕地利用效率差异的影响因素。徐秋等[19]则将化肥污染排放量作为耕地利用的负产出，实证探讨了黑龙江省13个地级市1994—2014年耕地利用效率的时空差异。

粮食主产区是中国商品粮生产的核心区域，历年粮食产量占中国粮食总产量的比例均在 75%左右[20]，在保护耕地资源、保障粮食安全和“以粮食换生态”等国家战略实施过程中承担着重要作用[20-21]。根据财政部 2003年12月印发的《关于改革和完善农业综合开发政策措施的意见》，河北、内蒙古、辽宁、吉林、黑龙江、江苏、河南、山东、湖北、湖南、江西、安徽、四川13个省份为中国的粮食主产区。这些省份大多处于平原或浅丘区，光、热、水资源条件较好，易于耕作和水土保持，适合农作物生长。然而，有研究指出，中国粮食主产区粮食生产长期依赖于过度地力开发与超量化肥农药使用，CO2排放量较大，耕地生态供给服务价值偏低[22]。为系统考察碳排放约束下中国粮食主产区耕地利用效率的分布特征，本文在综合现有文献的基础上，将耕地利用碳排放作为非期望产出纳入到耕地利用效率的度量体系中，以中国粮食主产区2000—2016年相关数据为研究样本，利用 SBM-Undesirable模型和核密度估计方法分析粮食主产区耕地利用效率的差异格局及演进特征，提出耕地资源高效、低碳利用的基本策略，对于创新耕地利用方式，保障耕地生产能力和国家粮食安全等具有重要意义。

1 研究方法、指标选取与数据来源

该文首先利用 SBM-Undesirable模型测算了中国13个粮食主产区2000—2016年的耕地利用效率指数，并根据各个粮食主产区平均耕地利用效率将其划分为不同的类型，进而利用核密度估计方法考察粮食主产区整体和不同类型区耕地利用效率在研究期内的演进特征。

1.1 SBM-Undesirable模型

数据包络分析（data envelopment analysis，DEA）是目前理论界进行耕地利用效率测度时较具代表性的方法[11-15]，但是传统DEA模型（如CCR模型、BCC模型）多是“径向的”或“角度的”，没有系统考虑投入或产出的松弛性问题，无法准确度量非期望（undesirable）产出约束下特定地理现象或事物的效率值[23]。2001年，Tone提出了基于松弛测度（slacks-based measure）的DEA模型，将松弛变量直接纳入到目标函数中，有效弥补了传统DEA模型的弊端[24]，随后，Tone又提出了考虑非期望产出的SBM-Undesirable模型[25]。目前SBM-Undesirable模型已经广泛应用在能源利用效率[26]、农业环境效率[27]、城市土地利用效率等[28]的测算与评价中。SBM-Undesirable模型在耕地利用效率测度中的基本原理可参照文献[19]，具体计算过程主要借助DEA Solver Pro 5.0软件完成。

1.2 核密度估计

SBM-Undesirable模型的测度结果能够反映耕地利用效率相对差异的变化格局，但是无法揭示出耕地利用效率绝对差异的分布动态及演进规律。核密度估计（kernel density estimation，KDE）是目前分析特定地理事物或现象差异时较具代表性的方法[29-31]，其基本思想是将考察对象的分布格局视为某种概率分布，利用连续的密度曲线描述对象的分布形态，具体原理可参照文献[31]。根据表达形式的不同，核函数分为高斯核、三角核、四次核等类型，本文主要选用目前应用较为广泛的高斯核函数，借助Eviews 8.0软件进行分析。具体而言，随着时间的推移，如果耕地利用效率的分布曲线整体向右（左）移动，说明耕地利用效率水平总体在提升（降低），核密度估计图中波峰的形状、位置、延展性等则可以反映出耕地利用效率区域差异的动态演变趋势，波峰数量则反映极化情况，也能够在一定程度上反映区域间耕地利用效率的差异程度（表1）。

表1 核密度函数分布形式与耕地利用效率差距的对应关系Table 1 Relationship between distribution curve of kernel density function and degree of differences in cultivated land use efficiency

1.3 指标选取与数据来源

根据王良健等[13]、杨朔等[15]、梁流涛[16]、封永刚等[17]的研究成果，耕地的投入要素主要包括土地、劳动力和农业机械、化肥等各种物质生产资料；期望产出指耕地利用所产生的经济、社会效益；非期望产出特指耕地利用碳排放总量，主要包括以下4类[27]：1）农业翻耕引起的有机碳流失；2）农业机械消耗化石燃料引起的碳排放；3）化肥、农药和农膜三大农业化学制品使用过程中引起的碳排放；4）农业灌溉消耗电能等间接引起的碳排放。具体指标选取如表2所示。

研究基础数据主要来源于《中国农村统计年鉴》（2001—2017）。由于自2012年起，《中国农村统计年鉴》中不再公布“第一产业从业人员”的数据，为保证数据的统一性和完整性，“第一产业从业人员”的数据主要来源于各粮食主产区2017年的统计年鉴（表2）。

表2 耕地利用效率的投入与产出指标及数据来源Table 2 Input and output indicators of cultivated land use efficiency and data source

2 结果与分析

2.1 耕地利用碳排放及其对耕地利用效率的影响

表 3反映的是研究期内粮食主产区耕地利用碳排放的基本情况：1）整体来看，2000—2016年间，粮食主产区耕地利用碳排放呈上升态势，并以2014年为界，表现出明显的阶段性特征：2000—2014年，粮食主产区平均碳排放总量呈逐年上升趋势，在 2014年达到极大值396.15万t；2014年后，耕地利用碳排放的上升势头有小幅缓解；2）从各省的平均碳排放总量来看，山东在研究期内的平均碳排放总量最大，为670.14万t，其次是河南和江苏，平均碳排放总量分别为669.83和402.61万t，内蒙古的平均排放总量最低，为184.17万t；3）从各省份耕地利用碳排放的变化趋势来看，除江苏外，其余 12个省份的耕地利用碳排放总量在考察期内均呈波动上升态势，其中，河南的绝对增长量最大，由2000年的487.40万t变化至2016年的806.99万t，净增长319.59万t，其次是内蒙古和黑龙江，净增长量分别为189.18万t和170.48万t，江西的绝对增长量最低，16年间仅增长59.64万t；4）从各省份耕地利用碳排放的年均增长率来看，排在前3位的分别是内蒙古、黑龙江和吉林，年均增长率分别为6.98%、4.66%和 4.62%，山东的年均增长率最低，仅为0.74%。

为考察碳排放对耕地利用效率的影响，借助 DEA Solver Pro 5.0软件，分别选取 CCR模型[28]、SBMUndesirable模型对不考虑和考虑耕地利用碳排放时的耕地利用效率进行测度，并分别绘制出研究初期和末期不考虑、考虑碳排放下耕地利用效率的雷达图（图1）。

对比SBM-Undesirable模型和CCR模型测度结果，在考虑碳排放指标后，耕地利用效率明显降低：2000年和2016年，粮食主产区考虑碳排放指标后的平均耕地利用效率分别为0.6394和0.8438，而不考虑碳排放指标的平均值分别为0.7744和0.9179。且从图1可以清楚地看出，2001年和2016年，大部分省份都表现出CCR模型结果大于SBM-Undesirable模型结果的分布格局。为准确反映耕地利用效率的真实水平，避免评价结果的失真[28]，下文主要选取SBM-Undesirable模型测度结果进行分析。

2.2 耕地利用效率的区域差异

以 SBM-Undesirable模型测算出的耕地利用效率值为基础，分别计算出各省份在研究期内的平均耕地利用效率值，并据此将13个粮食主产区分为耕地利用效率优势区、平缓区和劣势区3种类型（表4）。

图1 2000和2016年SBM-Undesirable模型与CCR模型的耕地利用效率值Fig.1 Cultivated land use efficiency by SBM-Undesirable model and CCR model in 2000 and 2016

表4 基于SBM-Undesirable模型的粮食主产区耕地利用效率值Table 4 Cultivated land use efficiency in major grain producing areas based on SBM-Undesirable model

1）耕地利用效率优势区。是指平均耕地利用效率指数介于0.8000和1.0000的地区，包括吉林、黑龙江和内蒙古3个省份，属于耕地利用效率的高值区。具体来看，除内蒙古外，黑龙江和吉林的耕地利用效率在研究期内都呈上升趋势，其中，吉林的效率变化曲线波动性最大，由2000年的0.7780增加至2016年的1.0000，黑龙江则由2000年的0.8730增加至2016年的0.9523。同时，研究期内，3个省份的耕地利用效率值在很多年份都保持DEA有效，位于生产前沿面上的次数分别为9（吉林）、7（内蒙古）和6（黑龙江）。

2）耕地利用效率平缓区。是指平均耕地利用效率指数介于0.600 0和0.800 0的地区，包括四川、辽宁、江苏和湖南 4个省份，属于耕地利用效率的中值区。除四川在研究初期和末期都保持DEA有效外，辽宁、江苏和湖南的耕地利用效率都表现出增长趋势，年均增长率分别为 5.15%、3.81%和 1.48%。同时，除四川外，其他3个省份在研究期内的耕地利用效率整体水平较为接近，平均效率指数分别为0.681 7（辽宁）、0.678 1（江苏）和0.640 6（湖南）。但是研究期内，4个省份效率值位于生产前沿面的总次数仅为6次，远低于优势区。

3）耕地利用效率劣势区。包括江西、湖北、河南、河北、山东和安徽 6个省份，平均耕地利用效率指数低于0.600 0，属于耕地利用效率的低值区。具体来看，2000—2016年，本区域6个省份的耕地利用效率都表现出波动上升态势。其中，河北的绝对增长量最大，效率值由2000年的0.418 1增长至2016年的0.779 7，其次是山东，效率值在研究期内净增长0.342 1，江西的变化幅度最小，由研究初期的0.676 1变化至末期的0.748 4，同时，与平缓区类似，本区域 6个省份之间的平均效率值差距也不大，分别为0.590 0（江西）、0.585 8（湖北）、0.579 2（河南）、0.567 3（河北）、0.521 0（山东）和0.498 6（安徽），标准差为 0.0347。对于本区域的省份而言，耕地利用效率还有很大的提升空间。

2.3 耕地利用效率差异的动态演进

借助Eviews8.0软件，对低碳视角下粮食主产区整体和不同类型区耕地利用效率进行核密度估计，并选取2000年、2005年、2010年和2016年绘制出核密度曲线图（图2），据此总结出耕地利用效率差异的演进特征：

图2 不同地区耕地利用效率核密度估计Fig.2 Kernel density estimation of cultivated land use efficiency in different areas

1）耕地利用效率的整体水平不断提高。从位置来看，2000—2016年，粮食主产区整体、优势区、平缓区和劣势区的密度分布曲线都表现出向右平移态势，说明不同尺度耕地利用效率在考察期内不断提高，这与上文的测度结果保持一致。

2）耕地利用效率表现出明显的偏态分布和不同程度的极化特征。从形状来看，粮食主产区耕地利用效率的核密度曲线在2000年表现出轻微的两极分化格局，2005年，表现出多极分化现象，2005年至2010年，极化现象有所缓解，曲线由多峰态势变化成很明显的双峰，2016年则又表现出多极分化趋势。优势区耕地利用效率核密度曲线在研究期内总体上经历了“多峰——双峰——多峰——多峰”的发展态势，多极分化现象较为明显。平缓区、劣势区耕地利用效率核密度曲线在2000年、2005年和2010年都呈轻微多峰分布，表现出多极分化特征，但是随着时间的推移，双峰分布迹象越来越明显（2016年），且第一个波峰对应的核密度明显低于第二个波峰，意味着较高效率值省份的比重高于较低效率值省份的比重。3）耕地利用效率的地区差距缩小。从峰度来看，2000—2016年间，粮食主产区整体和不同类型区耕地利用效率核密度曲线都由“宽峰”形向“尖峰”形转变，波峰更为陡峭，且与2000年相比，粮食主产区整体、平缓区和劣势区2016年密度曲线的变化区间明显变小，表明耕地利用效率的地区差距有所缓解，但优势区的区间变化幅度并不明显。

3 结 论

1）耕地利用碳排放结果表明，2000—2016年，粮食主产区整体和各省份耕地利用碳排放规模都呈增长趋势。研究期内，中国粮食主产区平均耕地利用碳排放量由277.68万t增加至391.18万t，增幅高达40.87%。各省份耕地利用碳排放也表现出不同幅度的增长态势，其中，河南的绝对增长量最大，由初期的487.40万t变化至末期的806.99万t，净增长319.59万t，其次是内蒙古和黑龙江，江西的绝对增长量最低，16 a间仅增长59.64万 t。

2）SBM-Undesirable模型测算结果表明，耕地利用过程中直接或间接形成的碳排放会对耕地利用效率产生一定程度的负面影响。2000年和2016年，不考虑耕地利用碳排放时，粮食主产区平均耕地利用效率分别为0.774 4和0.917 9，而考虑碳排放后，平均效率指数分别为0.639 4和0.843 8，均有不同幅度降低，而且在各个省份也表现出这样的特征。

3）粮食主产区耕地利用效率表现出明显的区域差异。根据研究期内各省份的平均耕地利用效率值将粮食主产区划分为耕地利用效率优势区、平缓区和劣势区 3种类型，其中，优势区包括吉林、黑龙江和内蒙古 3个省份，平均耕地利用效率值超过 0.800 0，平缓区包括四川、辽宁、江苏和湖南 4个省份，平均耕地利用效率值介于0.600 0和0.800 0之间，劣势区包括江西、湖北、河南、河北、山东和安徽 6个省份，平均耕地利用效率值低于0.600 0。

4）从核密度估计结果来看，粮食主产区整体和不同类型区耕地利用效率都表现出明显的偏态分布和不同程度的极化特征。而且，与2000年相比，粮食主产区整体、平缓区和劣势区2016年密度曲线的变化区间明显变小，表明耕地利用效率的地区差距有所缓解，但优势区的区间变化幅度并不明显。

4 政策建议

粮食主产区耕地资源利用状况对确保国家主要农产品有效供给具有决定性作用[21]。然而，耕地资源开发、利用过程中的化肥、机械、农膜使用和灌溉等会产生不同程度的碳排放，如何充分发挥耕地资源的“碳汇”优势，实现耕地利用系统的最优要素组合和合力最大化，是中国不同空间尺度土地宏观调控过程中急需解决的重要问题之一，也是粮食主产区建设资源节约型、环境友好型社会的必然选择与关键突破口。

在当前“低碳经济”、“绿色发展”的现实背景下，粮食主产区耕地利用效率还有较大的提升空间，应该结合区域发展实际，采取差异化的调控策略，实现耕地资源的低碳、高效开发与利用：1）优势区坚持“技术升级、综合发展”，继续积极引进、学习先进国家或地区较具代表性的绿色创新技术，因地制宜地探索低碳耕地利用技术、模式创新，同时要在政策和制度层面进行相应的调整与完善，保证耕地利用社会经济效应与碳排放效应向着更高水平的耦合状态发展；2）平缓区坚持“合理投入、产出提效”，在现有耕地生产特征和技术条件下，发展节约型、低碳型耕地利用方式，减少耕地利用过程中的能值消耗和中间消耗水平，如科学减量使用化肥、农药，提高农业机械及灌溉设施的有效利用率，通过清洁能源使用降低污染物排放等；3）劣势区坚持“生态持续、自主保护”，建立区域耕地利用碳排放的动态监测机制，探索不同约束条件下区域用地最佳规模与结构组合，同时结合国家战略发展，在满足区域和国家粮食安全、生态保护、经济社会发展等多重目标下，在耕地利用效率较低且潜力挖掘有限的地区进行自主型休耕，培育耕地的自然生产力和利用潜力，并构建出补偿、管护等具体的配套措施。

[1] 徐妍.低碳转型中新疆工业行业全要素生产率增长研究[J].资源科学，2017，39(2)：356－366.Xu Yan. Study on the total factor productivity growth of industries in low-carbon transition in Xinjiang[J]. Resources Science, 2017, 39(2): 356－366. (in Chinese with English abstract)

[2] 陈文婕，颜克高.新兴低碳产业发展策略研究[J].经济地理，2010，30(2)：200－203.Chen Wenjie, Yan Kegao. The development strategy of emerging low-carbon industry[J]. Economic Geography,2010, 30(2): 200－203. (in Chinese with English abstract)

[3] 肖展欣，胡坤鹏.珠江口湾区公共交通低碳发展路径研究[J].经济地理，2015，35(9)：112－119.Xiao Zhanxin, Hu Kunpeng. Study on low-carbon development path of public transportation in Pearl River Bay Area[J]. Economic Geography, 2015, 35(9): 112－119. (in Chinese with English abstract)

[4] Guo L P, Erda L. Carbon sink in cropland soils and the emission of greenhouse gases from paddy soils: A review of work in China[J]. Chemosphere-Global Change Science,2001, 3(4): 413－418.

[5] 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.Chen Li, Hao Jinmin, Wang Feng, et al. Carbon sequestration function of cultivated land use system based on the carbon cycle for the Huang-Huai-Hai Plain[J]. Resources Science,2016, 38(6): 1039－1053. (in Chinese with English abstract)

[6] 李颖，黄贤金，甄峰.江苏省区域不同土地利用方式的碳排放效应分析[J].农业工程学报，2008，24(增刊 2)：102－107.Li Ying, Huang Xianjin, Zhen Feng. Effects of land use patterns on carbon emission in Jiangsu Province[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(Supp.2):102－107. (in Chinese with English abstract)

[7] 王渊刚，罗格平，赵树斌.新疆耕地变化对区域碳平衡的影响[J].地理学报，2014，69(1)：110－120.Wang Yuangang, Luo Geping, Zhao Shubin. Effects of arable land change on regional carbon balance in Xinjiang[J]. Acta Geographica Sinica, 2014, 69(1): 110－120. (in Chinese with English abstract)

[8] 李波，张俊飚.基于我国农地利用方式变化的碳效应特征与空间差异研究[J].经济地理，2012，32(7)：135－140.Li Bo, Zhang Junbiao. Study on carbon effects and spatial differences based on changes in China's agricultural land use[J]. Economic Geography, 2012, 32(7): 135－140. (in Chinese with English abstract)

[9] Kong X B, Thanh H D, Qin J, et al. Effects of soil texture and land use integration on organic carbon in soils in North China cities’ urban fringe [J]. Geoderma, 2009, 154 (1): 86－92.

[10] 刘玉海，张丽.耕地生产率与全要素耕地利用效率：基于SBM-DEA方法的省际数据比较[J].农业技术经济，2012，(6)：47－56.Liu Yuhai, Zhang Li. Cultivated land productivity and total land use efficiency: Comparison of provincial data based on SBM-DEA Method[J]. Journal of Agrotechnical Economics,2012, (6): 47－56. (in Chinese with English abstract)

[11] 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，2015，31(2)：277－287.Zhang Rongtian, Jiao Huafu. Spatial-temporal pattern differentiation and its mechanism analysis of using efficiency for provincial cultivated land in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 277—287. (in Chinese with English abstract)

[12] 叶浩，濮励杰.我国耕地利用效率的区域差异及其收敛性研究[J].自然资源学报，2011，26(9)：1467－1474.Ye Hao, Pu Lijie. Study on the cultivated land use efficiency between different regions of China and its convergence[J].Journal of Natural Resources, 2011, 26(9): 1467—1474. (in Chinese with English abstract)

[13] 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.Wang Liangjian, Li Hui. Cultivated land use efficiency and the regional characteristics of its influencing factors in China:By using a panel data of 281 prefectural cities and the stochastic frontier production function[J]. Geographical Research, 2014, 33(11): 1995－2004. (in Chinese with English abstract)

[14] 刘玉海，武鹏.转型时期中国农业全要素耕地利用效率及其影响因素分析[J].金融研究，2011，(7)：114－127.Liu Yuhai, Wu Peng. Analysis on the utilization efficiency of cultivated land and its influencing factors in China during the transitional period[J]. Journal of Financial Research, 2011,(7): 114－127. (in Chinese with English abstract)

[15] 杨朔，李世平，罗列.陕西省耕地利用效率及其影响因素研究[J].中国土地科学，2011，25(2)：47－54.Yang Shuo, Li Shiping, Luo Lie. Study on the farmland use efficiency and its influencing factors in Shanxi Province[J].Land Use Policy, 2011, 25(2): 47－54. (in Chinese with English abstract)

[16] 梁流涛.考虑“非意欲”产出的农业土地生产效率评价及其时空特征分析[J].资源科学，2012，34(12)：2249－2255.Liang Liutao. Agricultural land efficiency and temporalspatial characteristics: desired output and undesired pollution emissions[J]. Resources Science, 2012, 34(12): 2249－2255.(in Chinese with English abstract)

[17] 封永刚，彭珏，邓宗兵，等.面源污染、碳排放双重视角下中国耕地利用效率的时空分异[J].中国人口·资源与环境，2015，25(8)：18－25.Feng Yonggang, Peng Jue, Deng Zongbing, et al.Spatial-temporal variation of cultivated land’s utilization efficiency in China based on the dual perspective of non-point source pollution and carbon emission[J]. China Population, Resources and Science, 2015, 25(8): 18－25. (in Chinese with English abstract)

[18] 岳立，李文波.环境约束下的中国耕地利用效率及影响因素：基于 Global Malmquist-Luenberger指数方法[J].农业经济与管理，2007，(6)：25－35.Yue Li, Li Wenbo. Cultivated land's utilization efficiency and influencing factors in China under environmental constraints:Based on Global Malmquist-Luenberger index method[J].Agricultural Economics and Management, 2007,(6): 25－35. (in Chinese with English abstract)

[19] 徐秋，雷国平，杨厚翔.黑龙江省耕地利用效率时空差异及影响因素研究[J].中国农业资源与区划，2017，38(12)：33－40.Xu Qiu, Lei Guoping, Yang Houxiang. Spatial-temporal difference and influencing factors of cultivated land use efficiency in Heilongjiang Province[J]. Chinese Journal of Agricultural Resource and Regional Planning, 2017, 38(12):33－40. (in Chinese with English abstract)

[20] 张利国.新中国成立以来我国粮食主产区粮食生产演变探析[J].农业经济问题，2013，(1)：20－26.Zhang Liguo. Analysis on the evolvement of grain production in China's major grain-producing areas since the founding of new China[J]. Issues in Agricultural Economy,2013, (1): 20—26. (in Chinese with English abstract)

[21] 顾莉丽，郭庆海.中国粮食主产区的演变与发展研究[J].农业经济问题，2011，(8)：4－9，110.Gu Lili, Guo Qinghai. Evolution and development of China's major grain producing areas[J]. Issues in Agricultural Economy, 2011, (8): 4－9, 110. (in Chinese with English abstract)

[22] 田云，张俊飚，李波.中国粮食主产区农业碳排强度估算及其分析[J].地理科学进展，2012，31(11)：1546－1551.Tian Yun, Zhang Junbiao, Li Bo. Intensities of agricultural carbon emissions and their causes in the major grain producing areas in China[J]. Progress in Geography, 2012,31(11): 1546－1551. (in Chinese with English abstract)

[23] 钱争鸣，刘晓晨.中国绿色经济效率的区域差异与影响因素分析[J].中国人口·资源与环境，2013，23(7)：104－109.Qian Zhengming, Liu Xiaochen. Regional differences in China’s green economic efficiency and their determinants[J].China Population, Resources and Science, 2013, 23(7): 104－109. (in Chinese with English abstract)

[24] Tone K. A slacks-based measure of efficiency in Data Envelopment Analysis[J]. European Journal of Operational Research, 2001, 130(1): 498－509.

[25] Tone K. Dealing with undesirable outputs in DEA: A slacks-based measure approach[C]//. The Operations Research Society of Japan, 2003.

[26] 范丹，王维国.基于低碳经济的中国工业能源绩效及驱动因素分析[J].资源科学，2013，35(9)：1790－1800.Fan Dan, Wang Weiguo. Industrial energy efficiency in China and driving factors based on a low carbon economy[J].Resources Science, 2013, 35(9): 1790－1800. (in Chinese with English abstract)

[27] 王宝义，张卫国.中国农业生态效率测度及时空差异研究[J].中国人口·资源与环境，2016，26(6)：11－19.Wang Baoyi, Zhang Weiguo. A research of agricultural eco-efficiency measure in China and space-time differences[J]. China Population, Resources and Science,2016, 26(6): 11－19. (in Chinese with English abstract)

[28] 杨清可，段学军，叶磊，等.基于SBM-Undesirable模型的城市土地利用效率评价：以长三角地区 16城市为例[J].资源科学，2014，36(4)：712－721.Yang Qingke, Duan Xuejun, Ye Lei, et al. Efficiency evaluation of city land utilization in the Yangtze River Delta using a SBM-Undesirable Model[J]. Resources science, 2014,36(4):712－721. (in Chinese with English abstract)

[29] Silverman B W. Density Estimation for Statistics and Data Analysis [M]. New York: Chapman and Hall, 1986.

[30] Smola A J. Learning with Kernels [D]. Berlin: Technical University of Berlin, 1998.

[31] 匡兵，卢新海，周敏.中国城市土地经济密度的分布动态演进[J].中国土地科学，2016，30(10)：47－54.Kuang Bing, Lu Xinhai, Zhou Min. Dynamic evolution of urban land economic density distribution in China[J]. China Land Science, 2016, 30(10): 47－54. (in Chinese with English abstract)

[32] 伍芬琳，李琳，张海林，等.保护性耕作对农田生态系统净碳释放量的影响[J].生态学杂志，2007，26(12)：2035－2039.Wu Fenlin, Li Lin, Zhang Hailin, et al. Net carbon emissions of farmland ecosystem influenced by conservation tillage[J].Journal of Ecology, 2007, 26(12): 2035－2039. (in Chinese with English abstract)

[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] Post W M, Kwon K C. Soil carbon sequestration and land use change: Processes and potential [J]. Global Change Biology.2000, 6(3): 317－327.

[35] 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.Li Bo, Zhang Junbiao, Li Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China[J].China Population, Resources and Science, 2011, 21(8): 80－86. (in Chinese with English abstract)