黄河流域耕地利用效率评估及其提升路径研究

吴欣，刘仕鑫，赵立燕，高洪涛，李敬锁*

（1. 青岛农业大学经济管理学院（合作社学院），山东 青岛 266109；2. 山东省泰安市宁阳县农业农村局，山东 泰安 271499；3. 山东省青岛市莱西市市委党校，山东 青岛 266073）

黄河流域是我国重要的生态屏障和农产品主产区，在生态安全和经济社会发展中具有不可替代的地位[1]。为解决黄河流域面临的保护与发展的结构性矛盾，中共中央、国务院于2021年10月颁布了《黄河流域生态保护和高质量发展规划纲要》，标志着黄河流域发展正式纳入国家重大战略规划，同时也意味着黄河流域耕地将迈向高质量发展的新阶段。据耕地利用数据显示，黄河流域9个省区耕地资源约占全国比重的18.64%，2020年粮食产量为23 853.3万t，约占全国的35.63%。黄河流域以有限的耕地资源、脆弱的生态环境成为国民的“粮袋子”，对保障国家粮食安全发挥了重要作用[2]。但目前黄河流域整体上仍然处于工业化与城镇化的中期阶段[3]，人地矛盾、耕地非农化等问题日益凸显，而耕地作为粮食生产的根基[4]，对黄河流域高质量发展所需的生态环境与粮食安全产生胁迫。因此，有效提升黄河流域耕地利用效率有利于维护粮食安全、促进生态保护，是破解高质量发展背景下黄河流域发展与保护难题的应有之义。

当前关于耕地利用效率的研究，学术界进行了诸多有益的探索，主要涉及耕地利用效率测算[5-6]、时空演进特征[7-8]以及影响因素分析[9-10]。在效率测算研究方面，基于耕地利用效率内涵，学者们认为以资本、土地、劳动力等为核心的多生产要素投入与耕地产出密切相关，而数据包络分析有效解决了多产出多投入的问题[11]，因此，固定规模报酬模型（CCR）[3]、非径向模型（Slack Based Measure, SBM）[12]、超效率[13]、非期望产出模型[14]等广泛运用于耕地利用效率评估。此外，也有学者运用随机前沿生产函数[15]测算耕地利用效率。这些研究也为本文方法选择与指标选取提供了理论基础与技术支持。在影响因素研究方面，耕地利用效率的变化受自然条件与社会条件等多种因素的影响，总体来看主要包括：自然条件[16]、农业生产条件[17]、经济发展水平[18]、环境层面[19]，同时随着研究的逐步深入，越来越多的学者开始从微观角度[20-21]探讨；在影响因素分析时则多采用Tobit[22]、地理加权回归[23]、地理探测器[24]、空间计量模型[25]等方法。在黄河流域耕地研究方面，前期的研究主要集中在对耕地数量[26]和耕地质量[27]时空变化特征及其分异规律的刻画，而黄河流域的“粮袋子”功能使得学者们对黄河流域耕地的研究渐趋深入，黄河流域耕地集约度与粮食保障能力呈显著的正相关[28]。近期的研究表明，耕地绿色利用效率呈现逐渐增加[29]，但尽管如此，受限于脆弱的生态环境与紧缺的水资源，黄河流域土地利用效率提升缓慢且低于全国平均水平[30]。

已有研究为进一步分析黄河流域耕地效率提供了科学依据，在黄河流域耕地研究方面仍有待拓展：1）现有研究集中在全国、省域、市域等层面进行评价分析，而缺乏基于国家发展战略视角下特定经济带耕地利用效率的研究，导致区域经济带与国家粮食安全的相关政策研究供给不足[31]。而黄河流域作为保障国家粮食安全的重要区域，当前对黄河流域耕地的研究主要集中在流域内整个土地利用效率方面，难以精准识别流域内耕地利用的变化趋势，同时对于耕地利用效率的研究尺度多集中在省域视角，无法比较地级市、流域内部之间耕地利用效率的区域差异和动态演进。2）现有探索性空间分析（Exploratory Spatial Data Analysis, ESDA）方法在分析面板数据的动态性及异质性等方面有所局限，而空间杜宾模型（Spatial Durbin Model, SDM）在测度某一因素对本地区影响程度的同时能探析其对邻近地区的影响[32]，即空间溢出效应。本文综合考虑数据的完整性、时效性，以2005—2019年黄河流域9省116个地级市面板数据为研究单元，采用数据包络分析（Data Envelopment Analysis, DEA）、核密度估计、泰尔指数、ESDA、空间杜宾模型等方法，旨在探索黄河流域耕地利用效率的时空动态演进特征及影响因素，进而设计促进黄河流域地市级层面耕地利用效率的提升路径，对于促进黄河流域农业高质量发展具有重要的现实意义。

1 研究方法与数据来源

1.1 数据包络分析（DEA）

数据包络分析（DEA）方法是以相对效率概念为基础，运用线性规划方法评价决策单元（DMU）间有效性的一种非参数方法[33]，能够较为科学的刻画耕地投入与产出间的关系。本文运用固定规模报酬下投入导向型的CCR模型测算黄河流域耕地利用效率。模型形式设定如下：

模型将每个地级市j(j= 1, 2, …,n)视为决策单元对耕地利用效率进行评价；每个决策单元都有m种投入和r种产出变量；Xjm为j个市的第m种产出的总量；Yjr为j个市的第r种产出的总量；θ表示耕地利用的综合效率(0＜θ≤1)，θ值越接近于1，表示耕地利用效率越高，当θ=1时，表示综合效率最优；s.t.为约束条件；λj为权重变量，s+为剩余变量；s-为松弛变量，ε为非阿基米德无穷小量；eT=(1, 1,…)∈E r与ê T=(1, 1,…)∈E m均为单位空间向量。X0和Y0分别为投入和产出的待评价单元。

1.2 空间杜宾模型

空间杜宾模型主要研究邻近城市的各自变量（耕地利用效率影响因素）对本地区因变量（耕地利用效率）的影响程度。模型设定形式如下：

式中：下标i和t分别表示地市和年份，E为耕地利用效率；W为空间权重矩阵；ρ为耕地利用效率的空间滞后系数；βn为不同影响因素的回归系数；εit为扰动项；P表示人均GDP；U表示城镇化率；I表示耕地投入强度；D表示耕地复种指数；L表示单位面积劳动力投入；F表示单位面积化肥投入。

1.3 指标选取及数据来源

本文在参考吴冬林等[16]、卢新海等[14]、张立新等[9]对于耕地利用效率研究的基础上，根据柯布道格拉斯生产函数，耕地产出受资本、土地、劳动力等为核心的生产要素影响，因此选取农作物播种面积为土地要素表征变量，第一产业从业人员为劳动力要素表征变量，农用化肥使用量以及农业机械总动力为资本表征变量，产出变量为农业产值和粮食总产量（表1）。本文数据来源于EPS数据库、布瑞克农业数据库以及黄河流域9省、地级市统计年鉴、国民经济统计公报等。

表1 黄河流域耕地利用效率指标评价体系Table 1 Index evaluation system of farmland use efficiency in the Yellow River Basin

2 耕地利用效率的评估

2.1 耕地利用效率时间演进分析

借助Stata 16.0软件，选取2005年、2010年、2015年和2019年四个年度对耕地利用效率值进行核密度估计并绘制曲线图，据此分析效率值的时间演进特征，同时运用变异系数、基尼系数和泰尔指数等刻画耕地利用效率值的空间非均衡程度。

2.1.1 整体层面 从核密度估计来看（图1），耕地利用效率密度分布曲线表现出逐渐向右偏移的态势，变化趋势明显，随着我国经济的发展，黄河流域内耕地利用效率值呈现逐年增长的态势。2005年、2010年和2015年为单峰，核密度曲线整体偏左，峰值出现在0.400~0.600左右，说明三个年度内整体效率值偏低。伴随着我国经济发展方式转型，黄河流域内耕地利用状况不断得到改善，2019年核密度曲线呈现多峰分布，峰值均在0.700以上，多数地级市由低水平集聚逐渐向“高—高”数量差异缩小的趋势转变；核密度曲线宽度渐趋收窄，表明耕地利用效率区域差异有所缓解，但仍存在空间非均衡性。效率水平由2005年、2010年和2015年的0.300~1.000左右收敛至2019年的0.480~1.000，一方面说明低效率区域耕地利用水平进一步提升，总体效率水平有所增强，另一方面也说明区域差异呈现缩小的趋势。

从变异系数、基尼系数和泰尔指数来看（图2），2005—2019年耕地利用效率的变异系数、基尼系数和泰尔指数呈现出同减的变动趋势。变异系数由0.310下降至0.179，基尼系数由0.171下降至0.102，泰尔指数由0.046下降至0.016，降幅分别为42.26%、40.35%、65.22%，表明耕地利用效率值差异逐年缩小，空间非均衡程度逐渐减小。

2.1.2 省域层面 从省域层面来看（图3），各省之间耕地利用效率值差异明显，但有逐渐缩小的趋势。其中，四川、内蒙古、山东位居前列，平均效率值在0.700以上的较高效率水平；河南、山西次之，平均效率值在0.610~0.630之间的中等效率水平；陕西、甘肃、青海、宁夏效率值较低，平均效率值均在0.600以下，保持中等效率水平。四川、内蒙古、山东为中国主要的粮食产区，四川素有天府之国的美誉，耕地资源主要集中在东部土壤肥沃的成都平原耕地、低山丘陵区（约占全省耕地的85%），依靠优越的自然禀赋，四川已成为西部重要的粮仓和长江上游生态屏障；内蒙古地区接近六成的耕地资源分布于水资源丰富的东部，其中约有一半的耕地资源属于东北黑土，耕地质量较好；山东位于黄淮海冲积平原，耕地养分含量较高，农业基础设施完善，也是全国唯一一个农业产值突破万亿大关的省份；河南省耕地利用效率水平呈现逐年稳步增长的趋势，效率值由0.514增至0.734；山西省耕地利用效率波动趋势最大，2005—2014年效率值由0.528波动增至0.677，随后在2015年降至0.623后又迅速增至0.700以上的水平，山西省耕地利用效率波动起伏大的可能原因是过度的煤炭开采导致生态环境破坏，耕地毁坏严重；陕西、甘肃、青海、宁夏耕地利用效率较低但波动幅度较小，其中陕甘宁位于黄土高原，除关中平原、河套平原、河西走廊农业生产条件较好外，多数区域灌溉水源缺乏，部分耕地水土流失严重，而青海位于高寒地区，积温低、土壤贫瘠，耕地生产能力有限。

2.1.3 不同流域层面 从不同流域变化来看（图4），黄河上、中、下游地级市耕地利用效率均值逐渐趋同，同时不同流域内部差异呈现缩小趋势。1）从效率值演进来看，上游效率值增长幅度明显但波动起伏较大。2005—2006年上游效率值由0.581增至0.586，但到2007年骤降至0.526。随后效率值保持持续增长，2013年效率值为0.693，一度超过中、下游效率值。2013年后效率值在波动起伏中仍有所上升，到2019年效率值为0.770，落后于中、下游地区。上游地区效率值增幅明显但波动大的原因，一方面是伴随着黄河流域生态环境的改善，生产要素投入不断优化使得耕地利用效率得以提升，另一方面是上游地区生态底子薄，部分地区仍“看天吃饭”。中游效率值增长最为迅速，2005年效率值仅为0.537，落后于上、下游地区，2009年以后与下游效率值基本保持一致。下游效率值在多数年份领先于上、中游地区，2019年效率值已达到0.808，与其他地区相比，该地区在经济发展水平、耕地质量、农业生产条件等方面均有一定的优势。2）从内部差异变化来看，上中下游地区GINI系数均呈下降态势，说明流域内部的效率值差异不断缩小。其中上游地区下降最为明显，2005年GINI系数值达到0.193，大幅高于其他地区，表明这一阶段上游内部耕地利用效率值差异显著，但随后GINI系数不断下降，2019年系数值为0.107；中游GINI系数变化与效率值均值波动起伏趋势基本一致，流域内部差异程度介于上游和下游之间，2019年GINI系数值为0.106；下游GINI系数值最小并呈现逐年缩小态势，表明下游地区耕地利用效率内部差异小，效率表现为较强的均质化。

2.2 空间特征分析

为进一步揭示黄河流域内部耕地利用效率差异，本节利用ArcGis10.7软件并选取2005年、2010年、2015年和2019年四个年度对区域内各市耕地利用效率进行可视化展示（图5），以期明晰各市效率值的空间差异。

2.2.1 整体角度 整体来看，效率值呈现“低—低”集聚到“高—高”、“低—低”集聚转变的空间格局。“高—高”集聚由点状分布演变为条带状分布，2005年高值区主要分布在内蒙古东部、四川大部、青海西部，效率值在0.700以上的地级市仅有29个，占比25%。2010年和2015年高值区进一步增加，主要在内蒙古西部的阿拉善盟、晋东南的长治、晋城河谷盆地以及鲁西北平原。2019年高值区呈现显著的集聚特征，形成以“青海西—四川”、“河套平原—关中平原—晋北”、“豫东—鲁全境”、“内蒙古东”四条带状高值区，效率值在0.700~0.900较高效率与0.900以上高效率的地级市分别达到52个和30个。“低—低”集聚区缩小趋势明显，2005年效率值以中低效率为主，低效率区及中等效率地级市分别为41个和46个。2010年与2005年低效率区相比变化不大，到2015年低效率区向中等效率区转变，低效率区及中等效率地级市分别为9个和59个。2019年低效率区进一步缩减，主要分布于晋西、豫西、甘肃大部、宁夏南部、内蒙古西部、青海东部。

2.2.2 分流域角度 分流域来看，上游城市耕地利用效率呈现两极化分布，黄河南岸效率值大于黄河北岸且这一极化特征有所增强；黄河中游城市耕地利用效率增长趋势明显，逐渐形成低值包围高值的空间格局；下游城市则由“低—低”集聚演变为“高—高”集聚，效率增长态势日益凸显。

上述分析表明，黄河流域耕地利用效率呈现“高—高”、“低—低”的空间集聚特征，推测各城市耕地利用效率可能存在空间关联特征。为进一步揭示其空间格局，本部分运用全局自相关分析中的全局莫兰指数（Moran’I）探析效率值的空间关联特征（表2）。从全局自相关分析来看，不同空间矩阵下莫兰指数均显著为正（均在1%的显著性水平下通过检验），表明耕地利用效率值呈现显著的“高—高”、“低—低”空间集聚特征。2005—2015年莫兰指数总体呈现波动下降的趋势，表明耕地利用效率的空间集聚程度有所减弱，2015年以后莫兰指数有所上升，表明耕地利用效率的空间集聚程度有所增强。

表2 不同空间矩阵下耕地利用效率全局Moran’ I及相关检验Table 2 Global Moran’ I and tests of farmland utilization efficiency under different spatial matrices

2.2.3 空间格局演进角度 进一步采用重心—标准差椭圆分析黄河流域耕地利用效率空间格局演进特征，通过 ArcGIS 10.7软件，计算流域耕地利用效率的空间分布重心及标准差椭圆相关参数（表3），并绘制2005年、2010年、2015年和2019年流域耕地利用效率空间格局演进图（图6）。从重心的分布及移动分析，重心坐标范围为109.383°~109.763°E，35.397°~35.782°N，主体落在铜川西北以及延安南部，位于几何中心的东南方向，表明耕地利用效率东部大于西部，南部大于北部的趋势更为明显。从移动轨迹可以看出，2005—2012年重心总体向东北方向偏移，移动距离48.088 km，表明流域东北方向地级市耕地利用效率（陕西、山西等）提升较大；2013—2019年重心稍有向西南偏移的态势，移动距离18.220 km，表明2013年以后西部地级市耕地利用效率有所提升，但相较2013年以前，这一阶段重心坐标已趋于稳定，移动距离较短。从标准差椭圆分析，2005—2019年黄河流域耕地利用效率标准差椭圆主要位于南部，整体上标准差椭圆向东北方向移动，覆盖面积变化不大。转角θ值先增后减，由2005年57.322°增至2010年61.261°，表明耕地利用效率空间格局向东北偏转3.939°；2010年后角度开始向西南方向偏转，角度偏移变化开始收敛。总体上，流域耕地利用效率呈现东北—西南的空间格局，并有顺时针不断偏移的趋势。沿X轴标准差可以看出，2005年、2010年的主轴不断缩短，从2005年10.067 km缩短至2010年9.889 km，表明耕地利用效率在东北方向的空间格局在主轴方向有集聚趋势，2010年后主轴稍有延长，呈现向东北—西南方向的空间格局扩散趋势；沿Y轴标准差可以看出，2005—2019年辅轴不断增加，由5.431 km增加至5.603 km，表明东北—西南方向的空间格局在辅轴方向有扩散趋势。

表3 黄河流域耕地利用效率重心移动方向、距离和标准差椭圆参数Table 3 Movement direction, distance and standard deviation of the efficiency of farmland utilization in the Yellow River Basin

3 耕地利用效率影响因素分析

3.1 影响因素指标选取

耕地利用效率受自然条件与社会条件等多种因素的影响，各因素在不同区域、不同阶段的影响强度不同，厘清耕地利用效率的主要影响因素，对实现黄河流域耕地高效利用、农业高质量发展具有重要的参考意义。本文根据Cobb-Douglas生产函数并结合前人的研究[34-36]，在黄河流域耕地利用效率评价体系基础上，通过经济发展水平、财政投入、自然条件、农业生产条件等四个方面构建影响因素指标（表4）。为了消除量纲的影响，本文采用归一法对数据进行标准化处理。耕地利用效率影响因素变量描述性统计见表5

表4 黄河流域耕地利用效率影响因素指标Table 4 Influencing factors of farmland utilization efficiency in the Yellow River Basin

表5 耕地利用效率影响因素变量描述性统计Table 5 Descriptive statistics of influencing factors and variables of farmland use efficiency

3.2 空间杜宾模型实证分析

3.2.1 适用性检验 在进行空间计量分析前，需要对空间计量模型进行适用性检验，确定耕地利用效率存在空间相关性后，应首先采用LM检验，进一步检验耕地利用效率有无空间自相关性；接着采用LR退化检验确定选用空间计量模型中SEM、SAR还是SDM模型，同时进行Hausman检验固定效应还是随机效应。通过分析以上检验可知，LM检验中SEM与SAR模型的LM、robust-LM检验值均在1%的显著性水平下拒绝无空间自相关的原假设，即存在空间误差或滞后项，应选择空间模型而不是OLS；LR检验用来检验SDM模型能否退化为SEM、SAR模型，LR检验值分别为164.410、85.600，均在1%的显著性水平下拒绝原假设，即SDM无法退化成SEM或SAR，应选择SDM模型；Hausman检验值为26.390且在1%的显著性水平下拒绝随机效应的原假设，因此应选择固定效应模型（表6）。综上，本文最终采用固定效应下的空间杜宾模型来分析流域耕地利用效率的影响因素。

表6 空间计量模型LM、LR以及Hausman检验Table 6 LM, LR, and Hausman tests of the spatial models

3.2.2 实证结果分析 从空间杜宾模型回归结果来看（表7）：经济发展水平对耕地利用效率的影响中，人均GDP的回归系数值为0.201，表明人均GDP对耕地利用效率产生正向影响，一般而言，经济发达地区有充足的农业资金投入到农业生产，进而提升耕地产出效率，同时耕地保护意识更强，注重耕地合理利用，而经济欠发达地区耕地利用方式往往较为粗放[37]；城镇化的回归系数值为-0.141，表明城镇化对耕地利用效率产生负向影响，一方面表现在城镇化进程中建设用地与耕地矛盾突出，造成黄河流域内部土地利用发展转型和变化，进而影响耕地利用，耕地的有效供给规模不断降低，另一方面表现在城镇化进程中农业劳动力大量转移，虽然农业现代化水平及机械化水平不断提升，但资源要素间协调耦合有待完善，从而对耕地利用效率产生负面影响。

表7 空间杜宾模型回归结果及异质性检验结果Table 7 Results of the spatial Dubin model regression and results of the heterogeneity test

财政投入方面，耕地投入强度的回归系数值为0.094，表明耕地投入强度对耕地利用效率产生正向影响。农业支出对耕地利用效率的提升是多方面的，如农业政策补贴、农业基础设施建设、农业科技推广等，黄河流域涉农支出的增加在一定程度上减缓了自然环境对农业生产的不利影响。

就农业生产条件产生的影响而言，单位面积劳动力投入回归系数值为0.373，这一效率的影响贡献大于其他因素，即单位面积投入的劳动力越多，耕地利用效率越高，这主要是流域内部分地区以精耕细作的小农生产为主，农业劳动力数量直接影响耕地产出率，但多数地区农业劳动力逐渐非农化或兼业化；单位面积化肥投入的回归系数值为-0.382，对耕地利用效率产生负向影响，过量的化肥使用一方面直接影响耕地投入结构的优化，另一方面使得土壤肥力下降、耕地生态环境受损以及造成农业面源污染，从而影响农作物的有效生产，阻碍耕地利用效率的提升。

3.2.3 异质性分析 考虑到黄河流域内部间经济发展的高度复杂性和多维性，在流域内部，不同因素对耕地利用效率的作用强度与作用方向可能存在较大的差异。本文利用固定效应下的SDM模型分别对上、中、下游地区进行异质性分析（表7中模型2-4），从结果来看：人均GDP对耕地利用效率的正向影响均通过显著性检验，回归系数值上游>下游>中游；城镇化对耕地利用效率的影响在作用强度及方向上有所差异，上游地区城镇化的影响并未通过显著性检验，而中、下游地区城镇化水平则促进了耕地利用效率的提升，可能的原因是中下游地区城镇化发展快，耕地非农化倒逼耕地发展由增加数量的“扩张式”发展向提高效率的“内涵式”发展[38]，同时也加快了农业劳动力的转移进而推动规模化经营；耕地复种指数在全样本中未通过显著性检验，而上、中游地区复种指数显著为负，下游地区则显著为正，表明上、中游地区复种指数增加抑制耕地利用效率的提升，而下游地区则相反，上、中游地区生态底子薄弱，一味追求耕地的生产次数并不利于提高其生产力；单位面积劳动力投入在上游地区显著为正，中、下游地区显著为负，可能的原因是上游地区多为高原、山区，难以大规模推动农业机械化，农业生产更多依赖人力，而中、下游地区尤其是下游地区地势平坦、农业机械化水平高，农业劳动力得到释放，故增加劳动力投入反而阻碍耕地利用效率提升；单位面积化肥投入均显著为负，表明不论从整个流域还是流域内部来看，单位面积化肥投入均存在冗余的现象。

3.2.4 空间溢出效应分析 在空间视角下，由于耕地位置具有空间邻近性，其利用效率可能会对邻近市耕地利用效率产生溢出效应，这一溢出效应机制总结为两种路径。其一是经济绩效竞争，即地方干部政绩与经济发展绩效关联，若邻近市通过优化耕地空间布局，提高耕地产出效率以提高农业经济产出，受竞争效应和模仿效应的影响，本区域也可能会效仿并制定相应耕地政策以提高农业经济产出；其二是要素流动，表现为劳动力、资金和技术等生产要素在不同地域单元上流动[39]。例如农业劳动力的区域流动会导致转出地难以胜任高强度农业生产，出于成本考虑，农业生产者会倾向于外包部分农业给邻近单元上具备一定生产实力的劳动力，以此形成跨区域的农业生产组织，推动农业社会化服务市场发育，这有效缓解了农业劳动力瓶颈，影响邻近地域单元农业经济增长（图7）。

人均GDP的直接效应为0.213，意味着非空间模型中人均GDP对耕地利用效率的弹性为0.462，被高估的比例达到53.90%。人均GDP的间接效应为0.195，表明人均GDP越高，不仅会提升本地区耕地利用效率，同时会促进邻近地区的提升；城镇化的直接效应未通过显著性检验，但其间接效应显著为正，表明本地区城镇化对邻近地区耕地利用效率有正向促进作用，城镇化进程中，往往伴随人口流动、土地非农化、产业升级，造成本地耕地数量与质量下降[40]，而邻近地区农业经济发展会产生“虹吸效应”，使得农业生产要素投入更趋合理；耕地投入强度的直接效应显著为正，而空间溢出效应不显著，表明投入强度只影响本地区耕地利用效率，可能的原因是地级市间农业支出严重依赖省级政府和中央财政转移支付，本地政府与邻近政府在获取农业资金时会产生竞争效应；单位面积劳动力投入的直接效应为0.468，非空间模型中要素对耕地利用效率的弹性为0.657，被高估的比例达到28.77%，其间接效应为1.674，表明单位面积劳动力投入带来的耕地利用效率提升具有显著的扩散效应和辐射效应；单位面积化肥投入直接效应为-0.420，非空间模型中要素对耕地利用效率的弹性为-0.498，被高估的比例达到-18.57%，间接效应为-0.726，表明化肥投入不仅阻碍本地区耕地利用效率，同时不利于邻近地区效率提升（表8）。可能的原因是：一方面过量化肥使用带来的土地污染具有一定的关联性，另一方面本地区农村劳动力转移可能会增加对邻近地市的农产品需求。在农业劳动力禀赋约束下，过量施用化肥成为邻近地市增加农产品供给的一条路径，最终加剧了邻近地市化肥面源污染[41]。

表8 不同影响因素空间溢出效应分析Table 8 Spatial spillover effect analysis of different influencing factors

4 结论与对策建议

4.1 结论

本文对黄河流域9省116个地级市耕地利用效率时间动态演进及空间特征展开研究，主要结论如下：

1）从时间变化趋势来看，耕地利用效率整体水平不断提高，省域、流域内部差异程度均有所缓解。黄河流域通过注重低效率区耕地利用效率的提升，不断减小黄河流域内部差异程度，是促进农业高质量发展的有力之举。

2）从空间特征来看，耕地利用效率表现出很强的空间集聚特征，其集聚程度先减弱后增强；重心坐标的主体位于几何中心的东南方向，呈现“东北—西南”的变化格局，北部地区耕地利用效率有所提升；标准椭圆呈现顺时针不断偏移的趋势，耕地利用效率空间分布在长轴方向经历先集聚后扩散趋势，在短轴保持稳定扩散趋势。因此可以通过耕地利用效率高值区带动低值区发展，突破地域限制，加强区域合作。

3）从影响因素来看，人均GDP、耕地投入强度、单位面积劳动力投入对耕地利用效率有显著的提升作用，而城镇化、单位面积化肥投入抑制耕地利用效率提升，同时不同流域、不同因素对耕地利用效率的作用强度和作用方向差异明显。人均GDP、城镇化、单位面积劳动力投入、单位面积化肥投入均有显著的空间溢出效应。说明提升黄河流域耕地利用效率应采取优化要素投入、以配置效率提升促进农业高质量发展。

4.2 政策建议

1）探索耕地利用效率提升的区域差异化路径。黄河流域不同流域内自然资源禀赋具有差异，上游地区应注重生态涵养，注重以土地科技创新破解耕地自然禀赋差的困境；中游地区在提升耕地利用效率时应充分考虑耕地休养生息以及地力恢复；下游地区耕地自然禀赋条件好，应协调好耕地与经济建设用地的矛盾。

2）加强耕地利用效率提升的区域协作。黄河流域耕地利用效率呈现为高值区集聚，应充分发挥四川盆地、内蒙古东部以及山东耕地利用效率高值区的引领作用和溢出效应，带动周边省市耕地利用效率提升。同时，要素投入存在显著的空间溢出效应，应打破行政区之间各自为政的局面，统筹规划耕地利用，加快流域内农业生产要素市场化配置改革，促进农业生产要素自由流动，充分利用跨省域补充耕地国家统筹机制。

3）优化耕地生产要素投入。上游地区耕地自然禀赋较差，复种可能进一步导致耕地过度利用，降低其利用效率，而增加劳动力的投入有利于促进效率的提升；针对中游地区存在的资金投入不足、耕地开发强度过大的问题，应注重加大财政向农业生产的倾斜力度，不断优化耕地要素投入，提升耕地利用效率；针对下游地区存在生产要素投入冗余问题，应因地制宜精准配置资源，合理投入各类生产要素，从而避免资源浪费，促进耕地利用的配置效率提升。