基于碳排放视角的建设用地利用效率分析——以江苏省为例

张志飞，史敏琦，沈秀峰

（1.南京大学 地理与海洋科学学院，江苏 南京 210023；2.江苏省土地勘测规划院，江苏 南京 210000）

建设用地是城市社会、经济的主要活动场所，因此成为了城市功能的重要载体［1］。在中国城市化进程加速的背景下，建设用地的快速扩张已成为土地利用的一大重要特征［2］。建设用地规模的扩大会导致工业及服务业的碳排放量猛增［3］，城市的可持续发展直接受到用地利用效率状况的影响［4］，因此城镇建设用地利用的碳排放效应逐渐成为土地研究领域的新兴热点［5-7］。自2003年低碳经济理念提出以来，建设用地利用的环境硬约束和刚性压力日益加剧，2021年国务院政府工作报告提出“力争2030年前达到碳峰值、2060年前实现碳中和”，因此解决如何在节能减排的前提下持续提升建设用地利用效率的问题迫在眉睫。

国内外关于建设用地利用效率已有大量的文献研究基础，主要围绕3个方面的内容：一是归纳建设用地利用效率的理论内涵［8-9］；二是展开各地区建设用地利用效率的实证测算［10-11］；三是探讨有效提高建设用地利用效率的政策途径［12-13］。研究方法主要以数据包络分析［14-15］和随机前沿分析［16-17］对用地效率进行测度，以定性分析［18-19］、面板数据回归模型［20-21］、Tobit模型［22］对用地效率影响因素进行探讨。研究尺度从全国［23］、省区［24］、城市群［25］等宏观层面向市域［26］、县域［27］中微观层面逐步深入。综合以上研究进展，国内外已在建设用地利用效率的领域取得了一系列的理论与实证研究成果，但是较少研究关注碳排放和建设用地利用效率的关系，有以下2点原因：一是碳排放计算基础数据获取局限于省际层面，大多在省域及以上尺度开展，市域及以下研究较为棘手；二是由于服务业及居民生活碳排放难以测算，量化城市碳排放时仅从单一工业能源消耗角度切入［24］。因此，本研究以江苏省13个地级市为研究对象，碳排放作为非期望产出纳入建设用地利用效率测度框架，运用Super-SBM模型、空间自相关分析和地理加权回归模型（GWR），揭示2009~2017年江苏省建设用地利用效率的时空演变特征及驱动因素，旨在实现土地资源优化配置、城市系统可持续发展。

1 研究区概况和方法

1.1 研究区概况

江苏省地处中国大陆东部沿海地区中部，是支撑长三角城市群发展不可或缺的中坚力量，下辖南京、苏州、无锡、常州、镇江、南通、扬州、泰州、连云港、盐城、淮安、宿迁、徐州共13个地级行政区。江苏省作为我国“人多地少”的省份，在为国家做出巨大经济发展贡献的同时，也难以避免地占用了大量土地资源。2017年江苏省国土开发强度为21.68%，是除北京、上海和天津3个直辖市之外排名第一的省份，建设用地的刚性需求和资源紧缺之间矛盾突出。

2009~2017年江苏省单位土地面积碳排放呈明显的上升趋势（图1），单位土地面积碳排放由2009年 的33.68 t/hm2上 升 到2017年 的41.29 t/hm2，增幅为22.6%，这主要是由于江苏能源消费及建设用地碳排放量大幅增加。地均建设用地碳排放呈增加趋势，2009~2010年受金融危机的影响，地均建设用地碳排放有所下降；2011~2014年地均建设用地碳排放缓慢增加；2014~2017年在节能减排的大背景下，地均建设用地碳排放呈下降态势。在低碳发展的倡导下，碳排放对土地利用的约束将不断加强。为此，本研究将碳排放作为非期望产出纳入江苏省各地级市建设用地利用效率的测算中，探究用地效率提升与碳排放优化的平衡机制，以期为建设低碳、高效的用地开发模式提供参考和借鉴。

图1 2009~2017年江苏省单位土地面积碳排放强度变化

1.2 研究方法

1.2.1 建设用地利用效率评价指标体系的构建 建设用地利用效率是指在一定经济、技术条件下，包括土地在内的各项资源要素投入产出效果，即要素投入和实际产出的比率［28］。依据相关研究成果［29-31］，从土地、资本、劳动力三类要素选取投入指标，土地要素投入以建设用地面积表征；资本要素投入以固定资产投资表征；劳动力要素投入以二三产业从业人员数表征。实际产出需要从期望产出和非期望产出2个方面考量，期望产出以地区生产总值表征；非期望产出以建设用地利用产生的碳排放表征，作为环境负外部性损失的体现（表1）。

表1 建设用地利用效率评价指标体系

1.2.2 碳排放的测算 工业、建筑业、交通运输、仓储和邮政业、批发零售业和住宿餐饮业以及居民生活消费是建设用地碳排放的主要来源行业，通过将用地类型对应匹配能源消费项目来间接测算13个地级市建设用地利用产生的碳排放总量（表2）。由于地级市尺度上能源消费数据难以获取，因此，按城镇常住人口比例将城镇居民生活消费的碳排放分配到各市，按农村人口比例将农村居民生活消费的碳排放分配到各市，工业、建筑业、交通运输、仓储和邮政业、批发零售业和住宿餐饮业的碳排放按该行业占总GDP比例分配到各市［24］。

表2 建设用地利用类型与碳排放项目的对应关系

1.2.3 Super-SBM模型 DEA通常是测度效率的首要选择，但传统模型大多针对基于径向和角度，存在无法解决要素松弛问题的弊端。因此，Tone［32］在2001年提出非径向、非角度的SBM模型，不仅有效改进了投入、产出松弛性问题，而且在产出变量中增加了非期望产出指标，进一步完善了效率评价过程。在此基础上，Tone［33］进一步将超效率模型与SBM模型相结合，提出全新的超效率SBM模型，弥补SBM模型不能对多个效率值为1 的有效决策单元进行再排序比较的缺陷。Super-SBM模型构建如下：

式中，ρ为建设用地利用效率值，n为评价单元数量，评价指标由投入（m）和产出（期望产出r1和非期望产出r2）构成；x、yd、yu分别为投入矩阵、期望产出矩阵和非期望产出矩阵中的元素；向量分别为投入松弛量、期望产出松弛量和非期望产出松弛量；λ是权重向量［34］。超效率模型规定，当P＜1，DMU无效；当P≥1，DMU有效，且P值越大则效率越高。

1.2.4 空间数据分析 （1）全局空间自相关。全局空间自相关是对区域单元某种现象的整体空间分布情况进行描述，以判断该现象是否存在空间集聚性，Moran’s I统计量是常用的度量指标之一。本研究运用Moran’s I指数检验江苏省13个地级市的建设用地利用效率指数是否在空间上集聚。计算公式如下：

式中：Xi为单元i的属性值，Xj为j的属性值，且i≠j；n为 单 元 的 个 数；Wij为 空 间 权 矩 阵；Moran’s I统计量的取值一般在-1~1之间，其中Moran’s I值大于0表示存在空间正相关；Moran’s I值小于0表示存在空间负相关；Moran’s I值为0表示不存在空间自相关。

标准化统计量为：

式中：E(I)和var(I)分别为Z(I)的期望值和方差值。

（2）局部空间自相关。Getis-Ord G*统计量是一种基于距离权重矩阵的局部空间自相关指标，能探测出建设用地利用效率指数的高值集聚与低值集聚，即判别热点区与冷点区，计算公式如下：

式中：d为距离；Wij(d)为单元i和j之间的空间权重；n为空间单元数量。

标准化统计量为：

1.2.5 地理加权回归 地理加权回归（ GWR） 不同于全局回归OLS模型，运用局部参数估计来考虑空间对象的局部效应，容许直接模拟不平稳的数据，能有效提高地理要素空间变异特征研究的准确性［35］。因此，本研究运用GWR 分析，其模型结构如下：

式中，yi为第i个单元建设用地效率，β0为回归常数；（ui，vi）为第i个单元空间位置，用各单元行政中心经纬度坐标表示；βk（ui，vi）为第i个单元建设用地效率影响因素的回归参数；xik为第i个单元建设用地效率的影响因素；εi为第i个单元独立分布的随机误差项；n为研究单元数。

1.3 数据来源

建设用地面积数据来自于国土资源统计资料，社会经济统计数据来源于江苏省13个地级市2009~2017年统计年鉴及《中国城市统计年鉴（2009~2017）》，能源消费数据选取历年《中国能源统计年鉴》中关于江苏的煤炭、石油和天然气三大品种数据。根据国家标准《土地利用现状分类》（GB/T 21010—2017），建设用地划分为城乡建设用地、交通水利用地以及其他建设用地等，而其他建设用地以风景名胜设施用地、特殊用地和盐田为主，通常作旅游、军事和墓地等用途，碳排放量可忽略不计，因此，本研究中的建设用地面积仅包括城乡建设用地和交通水利用地。

2 结果与分析

2.1 江苏省建设用地利用效率的时空演变格局

2.1.1 时序变化特征 基于上文指标体系，借助MyDEA 1.0.5软 件 测 算 出2009~2017年 江 苏 省13个地级市建设用地利用效率（图2）。从全省来看，2009~2017年江苏建设用地利用效率介于0.568~0.689之间，总体呈波动上升的趋势，先后经历短暂上升阶段（2009~2010年）、短暂下降阶段（2010~2011年）、持续上升阶段（2011~2016年）和再次下降阶段（2016~2017年），但一直处于DMU无效状态。从各个地级市来看，2009~2017年间苏州和盐城2个城市建设用地效率有所下降，其余城市用地效率整体呈波动提高趋势。南京和无锡建设用地利用效率值始终大于1，处于有效状态，表明这2个城市当前的建设用地利用模式能兼顾经济和生态多方面效益，达到高值投入产出效率；苏州在2009~2011年和2014~2016年均处于有效状态，但2012、2013和2017年略有下降，转变成无效状态，说明苏州市用地开发模式逐渐打破资源利用和环境保护之间的平衡状态，侧面体现建设用地利用效率与经济发展水平之间并非呈绝对正相关关系［36-37］。而徐州、常州、南通、连云港、淮安、盐城、扬州、镇江、泰州和宿迁10个市作为发展低值地带，用地效率一直处于无效状态，这些城市应当有效发挥当前全部生产要素的潜力，提升总产出水平。

图2 2009~2017年江苏省13个地级市建设用地利用效率时序变化特征

2.1.2 空间演变格局空间演变特征划分 2009~2011年、2012~2014年和2015~2017年这3个研究时段，分别取各年份效率指数的均值代表该时间段内建设用地利用效率水平。据结果显示，2009~ 2011年、2012~2014年和2015~2017年这3个时间段的全局Moran’s I值均为正，检验结果显著，表明江苏省建设用地利用效率呈现较强的空间自相关性，Moran’s I值逐年上升，即相关性逐渐增强（表3）。

表3 江苏省建设用地利用效率的全局 Moran’s I估计值

2009~2017年江苏省建设用地利用效率总体保持“南高北低”的空间格局（图3）。在总体格局保持相对稳定的背景下，建设用地利用效率高值集聚区逐渐扩大，且热点中心有向北转移的趋势。2009~2011年热点区处于常州、无锡和苏州，2012~2017年热点区转移到镇江、常州和无锡，苏州降至次热点区，南京也演变为次热点区。在热点区集聚强化的同时，冷点区范围相对固定，2009~2017年已大致形成以宿迁市为核心，徐州、连云港和淮安为外围的低值集聚格局。可见，碳排放约束下的江苏省建设用地利用效率呈现地域不均衡性。用地效率位于有效前沿面的南京、无锡和苏州均集中在苏南地区，镇江和常州虽处于无效状态，但效率指数排名靠前，这5个城市的地理位置相互接壤，在经济建设中能够最大限度地保证资源集约利用，形成集群效应；扬州、南通、泰州和盐城受苏南地区的辐射影响，用地效率指数波动上升，但发展局面未有根本性转变，距离达到有效状态仍有较大的空间；而徐州、连云港、宿迁和淮安等地一方面未能享受到有效地区快速发展带来的便利和好处，另一方面地区发展仍肩负艰巨的生态环境负担。

图3 2009~2017年江苏省13个地级市建设用地利用效率空间演变格局

2.2 江苏省建设用地利用效率驱动因素的研究

2.2.1 驱动因素变量的选取 城镇建设用地效率空间集聚是诸多地理要素内生更替投影于地理过程的表征［35］，从指标确定的代表性、科学性原则出发，在社会经济、政策调控等维度甄选影响建设用地效率的动力因子。考虑到影响用地效率的变量可能存在多重共线性，会将重要的解释变量排除在模型之外，导致计量模型的预测功能失效，因此，首先用普通最小二乘法（OLS）回归分析诊断影响变量的多重共线性，剔除方差膨胀因子（VIF）≥10的变量［38-39］，最终确定人口密度、政府财政一般预算支出占GDP比重、城市一级市场土地招拍挂地块数在总出让地块中占比、二三产业产值占GDP比重和人均专利申请授权量共5项影响指标，即分别考量人口集聚、政府规制、土地市场化程度、产业结构和科技创新对江苏省建设用地利用效率的空间影响。

采用极差法对2009~2017年各地级市影响变量原始数据进行标准化处理，以排除数据量纲的影响，从而建立地理加权回归模型，采用FIXED核函数的AIC带宽方法进行时空异质性估计。由GWR模型验证结果可知，3个时间段的模型可决系数和校正可决系数分别为0.858和0.756、0.894和0.818、0.961和0.932，说明 GWR 模型的拟合性良好。

表4 江苏省建设用地利用效率驱动因素的GWR检验结果

2.2.2 变量影响的时空异质性分析 地理加权回归系数值大小用来反映影响因素对不同城市用地效率的作用程度差异，而系数正负则表示该变量对用地效率的影响存在提升或抑制作用［40］。

2009~2011年各因子对建设用地利用效率影响程度依次为科技创新＞人口集聚＞政府规制＞产业结构＞土地市场化程度（图4），土地市场化程度对用地效率起抑制作用。从各变量影响的空间范围来看，人口集聚作用强度最大的区域集中在苏锡常，而徐州和连云港的回归系数最小，影响程度最低；产业结构作用区域与人口集聚有高度的反向性，高作用强度区域集中在苏北，低作用强度区域集中在苏南；科技创新对用地效率的影响强度呈现“西高东低”的空间特征；政府规制对苏北地区的建设用地效率调控强度也高于苏南和苏中；土地市场化的抑制作用强度较大的地区主要在徐州、连云港、宿迁和淮安，南部地区的影响较小。

2012~2014年各因子对建设用地利用效率影响程度依次为人口集聚＞科技创新＞产业结构＞土地市场化程度＞政府规制（图4），产业结构、土地市场化程度和政府规制都起抑制作用，人口集聚的提升作用增强，科技创新的促进作用削弱，产业结构和政府规制由促进作用转为抑制作用，土地市场化的抑制作用加强。人口集聚的促进作用仍旧保持“南高北低”的空间格局；科技创新与之相反，影响强度呈现“北高南低”的格局态势；产业结构作用的空间分异规律变化不大，但由促进转变为抑制作用。政府规制的抑制作用高值区域集中在连云港、盐城和南通等东边城市，低值区域则位于南京市和常州市，土地市场化抑制作用不仅在增强，且范围逐渐向盐城等东南部城市蔓延。

2015~2017年各因子对建设用地利用效率影响程度为科技创新＞人口集聚＞产业结构＞政府规制＞土地市场化程度（图4），政府规制和土地市场化程度起抑制作用。人口集聚的作用强度和空间特征在之前的基础上继续发展，但未发生实质性改变。相较于上一阶段，科技创新的促进作用有所增强，但空间分异规律发生转变，高值区域由苏北转向苏南，低值区域由苏南转向苏北；产业结构由抑制作用又发展为促进作用，高值区同时出现在苏北（徐州）和苏南（南京），低值区由苏南向东部城市转移；政府规制的抑制作用相对减弱，高值区由东部迁移到南部，低值区集中在徐州周边；土地市场化的抑制作用进一步增强，低值区范围收缩，高值区范围向南扩张。

图4 2009~2017年江苏省建设用地利用效率影响因素的地理加权回归局域估计

3个时间段的研究分析表明：人口集聚和科技创新始终是推动用地效率提高的重要因素，而土地市场化程度则是一直起着抑制作用，产业结构、政府规制在不同时间段内发挥不同的作用。人口集聚能够促进集约用地模式的形成，有效提高建设用地利用水平；科技创新有效优化经济发展模式，转变建设用地利用开发方式，促进城市建设用地利用效率提高。江苏省各地级市土地市场化发展成熟，政府基于政绩追逐，会加大对市场供地，导致建设用地面积扩张，用地利用效率下降［41］。产业结构升级在增加单位建设用地产出的同时，也会一定程度上抑制非期望产出，但在2012~2014年转变为负向作用，原因在于相较第三产业而言，为保障生产和运输顺利进行，第二产业的产业性质对土地供应数量要求更高，导致以第二产业为支柱产业地区土地集聚效果较差［38］，2012~2014年13个地级市除南京外第二产业产值均大于第三产业产值，可见该阶段发展以第二产业为主，导致建设用地利用效率有所下降。政府往往采取优化职能部门的管理手段来解决用地效率低下的问题，但当通过出售土地使用权尝到了增加财政收入的“甜头”后，土地会变成“畅销品”，2012~2017年各地级市建设用地面积呈现持续扩张态势，加上大多数财政支出并不是主动、合理的支出，而是一种绩效驱动型的被动性支出［42-43］，会降低建设用地效率整体水平，因此，政府规制对用地效率有正负作用之分。

3 结论

本研究将碳排放指标作为非期望产出纳入Super-SBM测算模型，借助空间自相关分析和地理加权回归，剖析了2009~2017年江苏省13个地级市建设用地利用效率的时空演变趋势和驱动机理，得出以下结论：

（1）从时序变化特征来看，2009~2017年江苏建设用地利用效率介于0.568~0.689，呈波动上升的趋势，但处于无效状态；从各个地级市来看，2009~2017年苏州和盐城2个城市建设用地利用效率整体有所下降，其余城市的建设用地利用效率呈波动提高趋势。南京和无锡建设用地利用效率值均保持大于1，始终处于有效状态；苏州在2009~2011年和2014~2016年处于有效状态，在2012、2013和2017年转变成无效状态；而徐州、常州、南通、连云港、淮安、盐城、扬州、镇江、泰州和宿迁一直处于无效状态。

（2）从空间演变格局来看，2009~2011年、2012~2014年和2015~2017年这3个时间段均通过空间自相关检验，表明江苏省建设用地利用效率存在较强的空间自相关性，且相关性逐年增强。2009~2017年碳排放约束下的江苏省建设用地利用效率呈现地域不均衡性，总体保持“南高北低”的空间格局，热点地区集聚范围扩张，热点中心向北转移；冷点区的范围则保持相对固定，已大致形成以宿迁市为核心，徐州、连云港和淮安为外围的低值集聚格局。

（3）从驱动因素来看，2009~2017年人口集聚和科技创新是促进江苏省建设用地利用效率提升的主要因素；相反，土地市场化对建设用地利用效率起抑制作用。而产业结构和政府规制在不同时间段内的影响存在正负差异，产业结构的优化升级会促进建设用地利用效率的提升，但由于第二产业集聚效应不强，必须占用较多土地进行生产和运输，当第二产业为支柱产业时又会一定程度上阻碍用地效率的提高；政府可以通过管理调控土地资源的优化配置来解决用地效率低下的问题，但一味地依赖出让土地来增加财政收入，只会适得其反，导致建设用地面积无限扩张，由正向作用转变为负向作用。

4 讨论

研究碳排放视角下的建设用地利用效率的时空异质性及其驱动机制，对探讨江苏省建设用地合理利用与碳减排协同发展具有一定的理论和实践意义。结合以上结论，提出地区针对性的差异化调控策略：（1）苏南地区属于用地效率高值聚集区，该地区应严格控制建设用地供给，限制用地扩张的速度和规模，重在挖掘土地潜力，鼓励低效用地再开发；（2）苏中地区应加强与苏南地区联动发展，强化发达地区的带动作用，一方面疏散苏锡常地区人口压力，降低居民生活消费碳排放量，另一方面加快产业结构调整和资源整合，提升绿色低碳产业集聚能力，实现规模经济发展；（3）苏北地区建设用地利用效率呈低值集聚格局，主要受“高投入、高排放、低技术”的传统土地利用模式影响，该区域应加强土地综合整治，健全生态环境硬约束机制，实施环境准入负面清单制度，开发清洁技术，打造低碳环保的可持续发展产业链。

建设用地利用效率的测算已是一个成熟的研究主题，但基于碳排放约束的视角考虑则较为新颖。目前受限于相关数据的可获取性，市级尺度以下的碳排放量只能利用分行业占GDP比例进行估算，精度不足，在日后的研究中需要结合3S技术进一步探索中、微观尺度碳排放量更为科学的衡量方式。