湛江市土地利用效率及其分异特征

2020-10-20陈士银马智宇

江苏农业科学 2020年18期

陈士银马智宇

摘要：土地利用效率是反映土地资源配置和实现程度的一个重要指标。通过构建评价指标体系，应用因子分析法与柯布-道格拉斯（Cobb-Douglas）生产函数从结构效率和边际效率2个方面对广东省湛江市2007—2017年的土地利用效率进行评价。结果表明，湛江市土地利用效率综合指数值呈两段式分布，2007—2013年期间效率较低且相对稳定，保持在0.415 1左右;2014—2017年期间的土地利用效率综合指数值较高且呈总体增长态势，效率值从0.628 4增长到1.000，而在区域分布上除市辖区外其他县（区）的土地利用效率都很低。根据评价结果提出了相应的建议。

关键词：土地利用效率结构效率边际效率湛江市

中图分类号： F299.23文献标志码： A

文章编号：1002-1302（2020）18-0250-06

收稿日期：2019-11-05

基金项目：广东省教育科学规划课题（编号：2019GXJK080）;广东省哲学社会科学规划项目（编号：GD19YYJ03）。

作者简介：陈士银（1967—），男，湖北仙桃人，博士，教授，主要从事土地利用规划与评价研究。E-mail：13828247596@139.com。

通信作者：马智宇，硕士，主要从事土地利用规划与评价。E-mail：mzy0305@163.com。

土地作为一个国家经济、社会和文化的重要空间载体[1]，其利用效率直接影响到国家社会经济的可持续发展。因此，如何提高区域土地利用效率成为解决区域发展瓶颈的关键。近年来，国内外许多学者对土地利用效率进行了大量的理论与实证研究。在测算方法的选择上，主成分分析法、层次分析法、数据包络模型、空间面板计量模型等被采用的频率较高[2-6];在评价指标的选取上，从单位面积第二、第三产业增加值[7]，经济和社会的综合效益[8]到社会、经济、环境综合效益 [1，9-10]，指标选择越来越多、范围也越来越广;在研究尺度和对象上，既有对单一地区和多个地区[11-12]的研究，也有对都市圈、城市群或者全国范围[13]的不同视角、尺度的研究;在时空格局和影响机制上，空间统计与计量分析工具被越来越多的学者使用[1-2]。本研究以广东省湛江市为研究对象，采用土地利用边际效率和结构效率综合的方法，研究土地利用效率及其分异规律，拟为湛江市的社会经济发展提供科学依据。

1 研究区概况

广东省湛江市位于我国大陆最南端、广东省西南部，东、南、西三面环海，是全国首批14个沿海开放城市之一，国家“一带一路”海上合作战略支点城市、北部湾城市群中心城市、粤桂琼海洋经济圈的经济发展和科教创新中心、全国性综合交通枢纽和广东省域副中心城市，是粤西地区的经济文化中心。地理坐标为109°41′～110°58′E，20°07′N～21°57′N 之间，土地总面积为13 262.83 km2，海岸线为1 243.70 km。行政区包括徐闻、遂溪2个县，雷州、廉江、吴川3个县级市，赤坎、霞山、坡头、麻章4个县级区及一个国家级开发区（湛江市经济技术开发区）。2017年底，湛江市户籍总人口为838.94万人，国内生产总值为2 806.88亿元。改革开放以来，湛江市的社会经济发生了巨大的变化，土地利用结构和利用效率也随之而变，对土地的可持续利用影响较大，具有一定的代表性。因此，本研究以湛江市2007—2017 年的土地利用变更调查数据和湛江统计年鉴为基础数据，通过土地利用效率评价来分析湛江市及其各县（市、区）土地利用效率及分异规律。

2 研究方法

2.1 标准化处理

通常统计评价指标按其作用趋向不同，可以分为正向指标、逆向指标和适度指标3类。正向指标是指那些数值越大越好的统计评价指标（也称利润型指标）;逆向指标是指数值越小越好的评价指标（也称成本型指标）;而适度指标是指数值既不能太大也不能太小的指標。本研究选取的反映土地利用效率的指标主要是适度指标。因此，本研究采用比较法进行处理，公式如下：

X′=Xi/Xmax。（1）

式中：X′ 为标准化后的值;Xi为指标;Xmax为指标的最大值。

2.2 柯布-道格拉斯（Cobb-Douglas）生产函数

边际效率主要是描述边际资源投入量的产出能力，如土地资源在经济增长中的贡献率或平均边际产出等。本研究采用土地经济贡献率来衡量区域土地利用的边际效率。Cobb-Douglas生产函数测算土地投入量对经济增长的贡献率公式如下：

Q=AKαLβLγr。（2）

式中：Q为区域全年GDP;A值为常数1;K表示资本投入额，本研究用全社会固定资产投资来表示;L为劳动力投入量，本研究用年从业人员总人数表示（从业人员指在劳动年龄内，有劳动能力、参加社会劳动并取得劳动报酬或经常性收入的人口）;Lr 表示土地资源的投入量，用可利用土地面积（农用地+建设用地）来表示;α、β、γ分别是K、L、Lr三要素的产出弹性。

对式（2）取自然对数，代入数据进行多元回归分析，采用直接估计的方法，设截距为0，得出3 种要素的弹性，再将γ值代入下面的方程，得出不同年份的土地利用效率。

M=（ΔGDP/ΔLr）·γi。（3）

式中：M 是土地利用边际效率;ΔGDP 为GDP 增量;ΔLr 为土地资源的投入量;γi为土地资源的弹性。

2.3 因子分析法

因子分析法是指把反映样本某项特征的多个指标变量转化为少数几个综合变量的多元统计方法。由于选择的土地利用效率各级评价因子之间可能存在着相关性，信息之间彼此重叠或相互影响，而且各因子对土地利用效率的影响程度也各不相同，如果忽略各因子之间可能的相关性和不同权重问题，势必影响到分析结果的可信度。因而，借鉴相关研究方法，本研究选择因子分析法构建土地利用效率评价指标体系。分析步骤如下：

首先，确定待分析的原有变量是否适合作因子分析。先计算变量之间的相关系数矩阵，如果大部分相关系数都小于0.3并且未通过统计检验，那么这些变量就不适合作因子分析。

其次，构造因子变量。主成分分析法是使用最多的因子分析法之一，本研究采用主成分分析法构造因子变量，基本思想如下：

设有n个区域，选择p个指标反映某个区域特征，主成分分析通过坐标变换手段将原有的p个相关变量xi作线性变化，转换成另外一组不相关的变量Yi，而在数学变换中总体方差保持不变，即：

y1=u11x1+u12x2+…+u1pxp

y2=u21x1+u22x2+…+u2pxp

yp=up1x1+up2x2+…+uppxp。（4）

其中：u21k+u22k+…+u2pk=1（k=1，2，3，…，p）。

y1被称为第1主成分，在总方差中占的比例最大，综合原有变量的能力也最强;y2被称为第2主成分，是方差第二大的新的组合变量;以此类推，其他主成分在总方差中所占的比例逐渐较少，即综合原变量的能力依次减弱。主成分分析就是选取前几个方差最大的主成分，这样就可以达到用较少的因子反映原有变量绝大部分信息的目的。在区域差异分析中，通过对这几个方差最大的主成分的进一步分析，就能够达到对区域发展差异进行综合分析与评价的目的。

因子（主成分）分析使得笔者从错综复杂的经济关系中找出一些主要成分，能有效利用大量统计数据进行经济分析，在研究经济问题中可能得到经济发展过程中深层次地一些启发，把经济研究引向深入。本研究用DPS软件进行主成分分析，由于数据本身的相互关系自动生成它们在这一体系中的权重，避免了一些主观因素干扰权数的确定，并且可以较好地剔除由于各指标重要程度不同和部分相互重合所造成的总体指标失真。

再次，因子变量的命名解释。经过主成分分析得到Y1、Y2 、……、Ym是对原变量的综合，那么对原变量进行线性变换后，得到的新综合变量物理含义主要是通过对载荷矩阵进行分析，得到因子变量和原变量的关系，从而对新的因子变量进行命名。载荷矩阵某一行中可能有多个值比较大，说明某个因子变量可能解释多个原变量的信息，但它只能解释某个变量的一小部分信息，这会使某个因子变量的含义模糊不清，从而需要因子矩阵的旋转。

为了减少分析变量的个数，计算主成分的权重需要计算方差贡献率。如果用α表示主成分的方差贡献率，则：αk=λk（∑pi=1λi）-1，αk表示第k个主成分方差贡献率;λk表示相应的特征根;前m个主成分的累积方差贡献率为∑mi=1λi（∑pi=1λi）-1，主成分的选取个数一般要求其>80%。相应地，主成分的权重为Wi=λi（∑mi=1λi）-1。

最后，计算因子得分和综合评价值。因子变量确定后，对每一个样本数据，希望得到它们在不同因子上的具体数值，这些数值就是因子得分，它和原变量的得分相对应，计算公式如下：

yj=uj1x1+uj2x2+…+ujpxp（j=1，2，3，…，m）。（5）

综合得分或指数值（F）为

F=W1y1+W2y2+…+Wmym。（6）

3 评价指标体系构建

土地利用效率是反映土地资源配置和实现程度的一个指标，一般用既定生产力水平下土地投入量和产出量的对比关系来衡量。土地投入越小，产出越大，表明土地利用效率越高。本研究从结构效率与边际效率2个方面构建土地利用效率评价指标体系（图1）。

3.1 土地利用边际效率指标

土地利用边际效率的衡量指标采用土地经济贡献率的计算方法：

K代表资本投入额，用全社会固定资产投资来表示;

L为劳动力投入量，用年从业人员总人数表示（從业人员指在劳动年龄内，有劳动能力参加社会劳动并取得劳动报酬或经常性收入的人口）;

Lr表示土地资源的投入量，用可利用土地面积（农用地+建设用地）来表示。

3.2 结构效率指标

本研究选取经济密度、人口密度、农地利用效率、耕地利用效率、工业用地效率、建设用地效率、交通用地效率等7项指标为结构效率指标。

（1）经济密度是区域生产总值与区域土地面积的比值，体现区域土地利用的总体效率水平;

（2）人口密度等于区域总人口除以区域土地面积，也是对区域土地利用的总体效率水平的体现;

（3）农地利用效率是农业总产值与农业用地面积之比，反映区域农业用地利用的总体效率水平;

（4）耕地利用效率可用耕地单位面积产值来衡量，等于农业产值（主要是种植业部分）除以区域耕地面积;

（5）工业用地效率用工业用地边际产出率进行评价，等于工业增加值增量除以区域工业用地增量，能反映工业用地效率的动态发展潜力;

（6）建设用地效率用建设用地边际产出率来衡量，等于区域第二、第三产业增加值增量除以区域建设用地增量;

（7）交通用地效率用公路货运效能（公路货运周转量除以公路里程数）和公路客运效能（公路旅客周转量除以公路里程数）计算。在公路里程数既定条件下，公路货（客）运周转量越大，说明公路的利用率就越高，从而表明交通用地的效率较高。

4 结果与分析

4.1 土地利用边际效率

将湛江市2007—2017年及2017年各县（市）的GDP、全社会固定资产投资额、全年从业人员总人数及可利用土地面积等要素代入柯布-道格拉斯（Cobb-Douglas）生产函数，即公式（2）进行计算。计算软件直接采用Excel 2010中的回归分析功能，采用直接估计的方法，设截距为0，得回归方程为

YQ=0.769 1xK+0.404 3xL+0.168 0xLr。

在99%的置信度水平下，R2=0.999 968，F=85 940.85，结果极显著。因此，可得出资金、劳动力和土地的弹性系数分别为0.769 1、0404 3和0168 0，再将γ值（0.168 0）代入方程（3），即可得出湛江市2007—2017年及2017年各县（市）的土地利用边际效率（表1），同时还可得出湛江市的经济弹性系数为E=0.769 1+0.404 3+0168 0=1.341 4，即可代表不同区域比较的区位系数。

从表1结果来看，湛江市土地利用的边际效率不高，年际间变化较大且呈总体上升态势;2017年湛江市辖区的土地利用边际效率最高，达到 0.617 2，其次是吴川，雷州最低，表明区域间土地利用边际效率不均衡。

4.2 土地利用结构效率

本研究应用DPS统计分析软件作为分析工具

研究土地利用结构效率。由于这7个评价指标都是复合性指标，都须要进行相应的计算，按照本研究中提出的各指标计算方法所得出的指标值见表2。

与DPS统计分析方法一样，通过建立评价因子相关系数矩阵，求出矩阵的特征值和特征向量;产生主因子数M=3，这时3个主因子所包含的信息量占总体信息量的94.64%，相应地得到因子载荷矩阵（表3）。这3个因子的特征值分别为4.777 9、1300 9、0.546 1，因此，采用各因子特征值的比重法可求得反映区域土地利用结构效率的各主因子的权重，依次为0.721 2、0.196 4、0.082 4。为进一步简化结构进行方差极大旋转，得到因子载荷矩阵（表4），载荷矩阵方差为0.304 28。其中，第1主因子主要由x1和x7决定，主要代表经济密度;第2主因子主要由x3和x4决定，由农用地代表其特征;第3主因子主要由x2决定，即人口密度。根据因子得分矩阵得出各主因子的得分方程，依次为

S1=0.841 86x1+0.395 70x2+0.258 09x3+0081 56x4+0.784 06x5+0.542 22x6+0.969 05x7;

S2=0.371 78x1+0.060 39x2+0.808 55x3+0961 51x4+0.418 25x5+0.667 68x6+0033 57x7;

S3=0.366 14x1+0.903 90x2+0.482 91x3-0111 39x4+0.419 39x5+0.292 26x6+0195 96x7。

则土地利用结构效率指数值为S=0.721 2S1+0196 4S2+0.082 4S3。

将湛江市2007—2017年各年份和2017年各区域标准化的土地利用结构效率各指标值代入上述方程即可得各年份、各区域的土地利用结构效率指数得分（表5）。仍采用比较法进行评价指标值的标准化处理。

由表5可知，2007—2017年湛江市土地利用结构效率呈明显提高趋势，土地利用结构效率指数由2009年的 1.626 4 逐步提高到 2017年的 3.360 5，而从全区域的分布情况看，以市辖区的土地利用效率最高，效率指数达到3.586 2，其他市（县）的土地利用效率普遍较低，尤其是雷州的土地利用结构效率指数仅有0.794 8。

4.3 土地利用综合效率

土地利用边际效率和土地利用结构效率都只是从不同的侧面对区域土地利用效率进行的评价，为了全面评价区域土地利用效率，本研究将二者结果进行综合。采用比较法对上述2个方面的结果标准化后，通过线性加权法求出区域土地利用效率综合指数。权重的确定仍然采用专家打分法，经过征求20位相关专家的意见，得出土地利用边际效率与土地利用结构效率的权重分别为0.461 8和 0538 2，湛江市2007—2017年及2017年各市（县）的土地利用效率综合指数见表6。

结果表明，湛江市土地利用效率总体呈提高态势，2013年以前湛江市的土地利用效率较低，尤其是2009年的土地利用效率综合指数仅为0.327 1，从2014年开始，土地利用效率有了较明显的提高;其变化大致可以分为2个阶段：2007—2013年，这一阶段是一个相对稳定的阶段，2007年与2013年的土地利用效率综合指數基本相等，土地利用效率综合指数在平均值0.415 1上下波动;2014—2017年属于相对快速增长期，且土地利用效率综合指数整体水平较高，都大于0.6。

从土地利用效率综合指数的区域分布上看（图2），除湛江市辖区外，其他市（县）的土地利用效率综合指数极低，其中，雷州、徐闻的土地利用效率综合指数仅为0.158 9和0.197 0。说明提高土地利用效率将是湛江市提高土地利用绩效的最基本要求。根据2017年湛江市区域土地利用效率综合指数，将全市分为4个等级层次：市辖区的土地利用效率最高，为一等区域;吴川市为二等区域;廉江和遂溪为三等区域;徐闻和雷州为四等区域。各区域之间的土地利用效率综合指数差别较明显，在分布特征上，基本以市辖区为中心向四周辐射降低，东部高于西部、北部高于南部，表明区域土地利用效率与自然经济区位和土地资源自然条件存在一定的关系。

5 讨论

根据土地利用效率评价的指标体系构成及其影响因素和评价结果，可以得出区域土地利用效率主要受以下3个方面的影响：

（1）经济区位与土地自然条件。区域土地资源自然条件决定了土地的利用方式和强度，也就决定了土地的经济贡献率，即土地利用边际效率;而其他自然条件如光照、温湿度、降水、地质地貌等，直接影响土地利用的效果，人们会根据不同自然条件来配置土地利用类型及决定对土地利用的各种投入，包括劳动力投入，从而产生不同的土地利用效率。人们利用土地具有最大的经济驱动性，从而引导企业投资方向和农业结构调整趋势，不同的区位由于具有不同的经济牵引力而产生明显的投资差异。（2）土地利用总体规划和计划体系。土地利用总体规划是区域土地利用的纲领性原则导向，土地利用总体规划的确定及其实施状况决定了土地利用的方向和程度，而土地利用年度计划的实施则是产生土地利用效率差异的决定性因素，因为政府的供地区位和供地类型直接决定了土地利用类型及人们对土地投入的大小。（3）现行土地政策与制度。由于我国土地宏观调控政策和土地征收、土地流转等制度存在限制条件或制约性条件，人们对土地投资产生怀疑或已经购买的土地因市场因素而降低开发力度;尤其是农用地的被征而不用或因不能正常流转而闲置，大大降低了土地利用效率。

参考文献：

[1]张荣天，焦华富. 长江经济带城市土地利用效率格局演变及驱动机制研究[J]. 长江流域资源与环境，2015，24（3）：387-394.

[2]张红梅，宋戈. 黑龙江垦区耕地利用生态效率及其内部协调性[J]. 华中农业大学学报（社会科学版），2019（4）：160-168.

[3]张英浩，陈江龙，高金龙. 经济转型视角下长三角城市土地利用效率影响机制[J]. 自然资源学报，2019，34（6）：1157-1170.

[4]黎一畅，周寅康，吴林，等. 城市土地集约利用的空间差异研究——以江苏省为例[J]. 南京大学学报（自然科学版），2006，42（3）：309-315.

[5]李郇，徐现祥，陈浩辉.20世纪90年代中国城市效率的时空变化[J]. 地理学报，2005，60（4）：615-625.

[6]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.

[7]李永乐，舒帮荣，吴群.中国城市土地利用效率：时空特征、地区差距与影响因素[J]. 经济地理，2014，34（1）：133-139.

[8]吴得文，毛汉英，张小雷，等. 中国城市土地利用效率评价[J]. 地理学报，2011，66（8）：1111-1121.

[9]林坚，马珣.中国城市群土地利用效率测度[J]. 城市問题，2014（5）：9-14.

[10]杨海泉，胡毅，王秋香. 2001—2012年中国三大城市群土地利用效率评价研究[J]. 地理科学，2015，35（9）：1095-1100.

[11]林丽群，李娜，李国煜，等. 基于主体功能区的福建省城镇建设用地利用效率研究[J]. 自然资源学报，2018，33（6）：1018-1028.