东北三省耕地利用格局变化对粮食全要素生产率的影响

余志刚，陈琛，崔钊达

（东北农业大学经济管理学院，哈尔滨 150030）

粮食安全是关系国家政治稳定和经济发展的重要战略问题，耕地是粮食生产的最基本要素。东北三省作为国家的重要粮食生产基地，承担着粮食储备及特殊调剂任务[1]，提高其粮食全要素生产率对于保障国家粮食安全具有重要意义。随着城镇化发展和人口增加，粮食总需求不断扩大和粮食生产总量不足的矛盾日益突出[2]。因此，寻找更合理的耕地利用格局来实现粮食全要素生产率的提升进而保障粮食安全值得深入研究。

耕地是粮食生产的承载空间，耕地资源状况约束粮食生产状况[3]。随着工业化、城镇化发展，耕地资源空间变化对粮食生产空间分布的制约日益突出[4]，耕地变化和粮食生产关系的研究不断增加，但大多基于统计调查数据[5]和遥感影像数据[6]，利用差异化的视角测算耕地变化及其生产力变化，并从耕地数量变化[7]、耕地质量变化[8]以及耕地时空分布变化[9]三个方面分析其对粮食生产的影响，而耕地变化与粮食全要素生产率之间的研究相对欠缺。粮食全要素生产率的影响因素包括宏观和微观两个层面，其中耕地是最重要的生产要素，耕地资源变化会显著影响粮食生产效率[10]，有学者借助重心模型研究发现，耕地资源的重心变化制约着粮食全要素生产率的重心变化[11]。粮食全要素生产率不仅受制度变迁和技术进步的影响，耕地作为粮食生产的载体，始终是影响粮食全要素生产率的关键因素，各地区耕地利用格局不同，粮食全要素生产率变化路径也不尽相同[12]。

以往研究为耕地利用对粮食全要素生产率的影响分析奠定了坚实的研究基础，但仍存在以下不足：一是国内外分析耕地变化对粮食生产影响的研究多聚焦在对粮食产量、粮食质量、粮食生产能力等方面，而从粮食全要素生产率角度分析的研究相对欠缺；二是国内外研究多聚焦在单一耕地利用要素，而将耕地利用格局变化作为一个综合性指标，分析其对粮食全要素生产率影响的研究不充分；三是研究成果主要集中在单一性尺度序列，较少结合区域和市域进行分析。鉴于此，本研究选取东北三省作为研究区域，基于耕地利用格局变化分析和粮食全要素生产率测算，从耕地利用格局变化的角度选取指标，分析耕地利用格局变化与粮食全要素生产率之间的关系，为巩固粮食生产基础和保障粮食安全提供理论依据和决策参考。

1 材料与方法

1.1 概念界定

1.1.1 耕地利用格局变化

耕地是土地利用类型的重要组成部分，是重要的人为土地利用景观，受人类的直接干预、影响和长期作用，与人类发展密切相关。在不同的历史阶段和人类发展时期，耕地的定义有所不同，随着生产发展和土地管理的实际需要，其范围不断扩大。从物质特性上理解，耕地的内涵可以界定为：在目前技术水平条件下，人类因生活发展的需要而开发利用的、能促进作物生长的且具有一定土壤肥力和特殊质量特性与土壤结构的重要土地资源[13]。

耕地利用格局是一个系统性的概念，其主要由耕地分布状况、面积、利用程度及景观格局等指标组成[14]。耕地利用格局变化是指耕地资源在数量、位置和时间趋势上的不同与变化，这种变化分析包括耕地数量、空间位置、景观格局、利用程度等多个方面[15]。基于耕地利用格局变化内涵，本研究提取耕地面积变化、耕地占补变化、耕地景观变化、耕地利用程度变化展开研究。

图1 为耕地利用格局变化概念性示意图，数字编号1～6 及字母编号A～E 代表不同地块的耕地，T1、T2代表不同研究时段。根据耕地利用格局变化的内容，做如下几点分析：

图1 耕地利用格局变化概念性示意图Figure 1 Conceptual diagram of spatial distribution change of cultivated land

（1）耕地面积变化

耕地面积变化，如图中“1”流向“A”的面积增加，“2”流向“B”的面积减少等情况。在耕地转移变化上，我国目前施行严格的耕地保护措施，如通过耕地占补平衡、增减挂钩等措施维持耕地总量，保证耕地的粮食保障功能。

（2）耕地占补变化

空间位置的变化（如“3”流向“C”），主要是指农户转移、耕地占补平衡、建设用地占用等使耕地发生空间变化。但由于土地的固定性，这种变化不是一块耕地移动到另外一个地方，而是耕地的抛荒与开垦，呈现空间动态变化状态。

（3）耕地景观变化

耕地景观变化主要由零散经营与规模经营等方式造成，此外还包括集约度的变化，如集约型和粗放型（如“4、5”流向“D”）。零散经营主要是由于农民长期自主选择，其通常选择靠近居住地和交通便利的地区，这种方式大多只能保证农民的自给自足。随着社会经济的快速发展，这种农业经营方式将不能满足农业发展的需要，要提高耕地生产力，促进农业经济发展，需向规模化、聚集化的耕作经营方式转变。

（4）耕地利用程度变化

耕地利用程度变化（如“6”流向“E”），即由于生产技术的改进或投入的增加，耕地利用方式发生变化。如提高复种指数，增加耕地产能，主要是通过充分利用空间，提高对土地和光能的利用率，促使用地和养地相结合以及充分利用生长季节来提高耕地产能。

1.1.2 粮食全要素生产率

农业全要素生产率的概念最早由Baron 等[16]提出，作为一个综合测算农业经济效率的理论和统计指标，被美国农业部采用。Solow[17]引入了技术进步这一指标，提出了具有规模报酬不变特征的总量生产函数和增长方程，从数量上确定了产出增长率、各投入要素增长率和全要素生产率增长率，从而产生了著名的索罗增长模型。目前全要素生产率的测度方法主要有增长会计法（Growth Accounting Approach）、随机前沿分析法（Stochastic Frontier Analysis，SFA）和数据包络分析法（Data Envelopment Analysis，DEA）3类[18]。

粮食全要素生产率作为衡量粮食生产效率的指标之一，包括技术进步、纯技术效率的改善和规模效应3 个来源[19]，粮食生产效率可以分为单要素和全要素两种。单要素生产率包含土地生产率和劳动生产率，己有研究对耕地利用格局和单要素生产效率之间的关系给出了证明[20-21]，但有关全要素生产率的研究还不够深入，故本研究从全要素生产率的角度出发，主要研究粮食全要素生产率中的综合效率。

1.2 研究区域概况

本研究区域为东北三省，即我国东北地区的三个省级行政区，分别为黑龙江省、吉林省、辽宁省（图2）。东北三省地形以平原、山地为主，处于118°～138°E、38°～55°N 之间，属于温带季风气候，该区域主要的粮食作物是玉米、水稻、小麦，采取一年一熟的农业生产模式[22]。2020年，该区域耕地面积为21.5万km2，占全国耕地总面积的16.7%。2000—2020年东北三省粮食产量由5 323万t上升到13 683万t，粮食产量占全国的比例达到20.40%[23]，是我国重要的大豆、玉米和水稻主产区。东北三省作为我国重要的粮食生产基地，在粮食生产和粮食安全保障中具有重要的地位。

图2 研究区位图Figure 2 Location of the study area

1.3 数据来源和预处理

本研究使用的数据主要包括粮食生产的投入产出数据与耕地利用格局数据。除区域层面以外，市级层面包括黑龙江省的哈尔滨市、齐齐哈尔市、鸡西市、鹤岗市、双鸭山市、大庆市、伊春市、佳木斯市、七台河市、牡丹江市、黑河市、绥化市，辽宁省的沈阳市、大连市、鞍山市、抚顺市、本溪市、丹东市、锦州市、营口市、阜新市、辽阳市、盘锦市、铁岭市、朝阳市、葫芦岛市，吉林省的长春市、吉林市、四平市、辽源市、通化市、白山市、松原市、白城市、延边朝鲜族自治州，共35 个样本数据。

（1）粮食生产的投入产出数据。根据粮食生产函数的特征，本研究选取粮食总产量作为产出指标，粮食播种面积、有效灌溉面积、机械总动力、化肥施用量和农业从业人员数作为投入指标。相关数据来源于《黑龙江统计年鉴》《吉林统计年鉴》《辽宁统计年鉴》。对于个别样本缺少某一年度数据的情况，本研究采用插值法补全数据集。由于东北三省2020 年市域投入产出数据缺失较多，市域数据选择2000、2005、2010年和2015 年4 个时期。由于统计年鉴中部分投入要素的统计途径多为农业生产指标，没有按粮食作物和经济作物进行分别统计，借鉴田旭等[24]的研究，采用权重系数法将粮食生产的投入要素分离出来，具体计算方法：生产投入要素使用量=总投入要素使用量×粮食作物播种面积/农作物播种面积。

（2）耕地利用格局数据。数据来源于中国科学院资源环境科学数据中心（http：//www.resdc.cn），以2000、2005、2010、2015 年和2020 年5 个时期土地利用/土地覆被变化（LUCC）遥感监测数据为数据源，将土地利用类型分为耕地、林地、草地、水域、建设用地和未利用地6 类，然后应用GIS 软件提取各年份耕地利用格局相关数据，从耕地面积、耕地占补、耕地景观和耕地利用程度4 个方面提取数据，建立东北三省耕地利用格局基础数据库，以备后续研究使用。

1.4 方法选择和模型构建

1.4.1 DEA模型

粮食全要素生产率的主要测算方法是随机前沿分析（SFA）的参数方法或数据包络分析（DEA）的非参数方法[25]。本研究采用DEA 方法测度粮食全要素生产率，将每个市域作为一个DMU。由于后续期望研究要素投入变动会对产出效率产生影响，且粮食生产尚未实现最优生产规模，本研究选择投入导向的规模报酬可变模型（BCC模型）进行测算，公式如下：

若θ=1，S+=S-=0，则决策单元DEA 有效；若θ=1，S+≠0 或S-≠0，则决策单元弱DEA 有效；若θ＜1，则决策单元非DEA有效。

1.4.2 重心模型

重心模型是研究区域发展和地理因素变化的重要分析工具，是一种地理上流行的分析模型，广泛用于研究人口重心[26]、经济重心[27]和生产重心[28]。本研究将重心模型引入到对耕地利用格局变化及粮食全要素生产率的研究中，公式如下：

1.4.3 面板数据模型

面板数据是指在时间序列上取多个截面，在这些截面上同时选取样本观测值构成样本数据[29]。其在横截面上是某一时刻若干个体的截面观测值，在纵剖面上是时间序列。使用面板数据模型进行影响效应测度具有以下优势：①采样能力要求较低；②各经济变量之间发展关系可准确测度；③可估算不确定因素对被解释变量的影响；④减少解释变量之间的多重共线性，提高经济计量模型估计准确性。因此，本研究选择面板数据模型进行测量分析。

为清晰展示各市耕地利用格局变化对粮食全要素生产率的影响效应，构建面板数据模型进行测度，公式如下：

式中：Tfit为粮食全要素生产率；pcait为耕地面积比例；Rinit为耕地转入率；Routit为耕地转出率；cfit为耕地斑块破碎度 ；cmit为耕地斑块聚合度 ；uit、δ1it、δ2it、δ3it、δ4it、δ5it为待估系数；εit为随机干扰项；i为地区编号（i=1，2，…，35）；t为年份（t=2000，2005，2010，2015）。

2 结果与分析

2.1 耕地利用格局变化

基于耕地利用格局变化概念界定，从耕地面积变化、耕地占补变化、耕地景观变化和耕地利用程度变化4 个方面选取指标。耕地面积指标中选取耕地面积和耕地面积比例作为衡量变量。由于耕地面积和耕地面积比例之间具有直接相关关系，故选择耕地面积比例作为衡量指标。耕地占补变化中选取耕地转入率和耕地转出率作为衡量指标。耕地景观变化选取耕地斑块破碎度和耕地斑块聚合度进行衡量。耕地利用程度变化选取耕地复种指数进行衡量。

耕地利用格局变化指标见表1。各指标公式中：pca表示耕地面积比例；ca表示区域内耕地面积；ta表示区域总面积；Rin表示耕地转入率；INij表示第i年到第j年其他土地利用类型向耕地转移的面积；Rout表示耕地转出率；OUTij表示第i年到第j年耕地向其他土地利用类型转移的面积；cf表示耕地斑块破碎度；Ncf表示某一区域内耕地斑块数量；cm表示耕地斑块聚合度；Ncm表示某一区域内邻接耕地斑块数量；ct表示耕地复种指数；Sca表示某一区域内耕地总播种面积。

表1 耕地利用格局变化指标Table 1 Indicators of changes in spatial distribution of cultivated land

2000—2020年耕地占补变化情况如图3所示，从时间维度来看，2010 年以前耕地占补变化较小，98%市域耕地保持不变，耕地主要转出方向是建设用地，耕地主要转入来源是林地。2010 年以后耕地出现较大幅度转入转出变化，2010—2015 年，耕地总面积变动不大，耕地比例保持在79.50%，与其他地类之间的转入转出比例相当。2015—2020 年，耕地转入转出幅度加大，耕地保持不变的市域所占比例低于75%，耕地向建设用地转移趋势明显。

图3 2000—2020年东北三省耕地占补情况Figure 3 Occupation and compensation of cultivated land in three northeast provinces from 2000 to 2020

从空间维度来看，东北三省耕地与其他土地利用类型之间的转换呈现出明显的空间异质性特征。东北三省耕地主要转入来源是林地、草地、未利用地，林地开垦区为大兴安岭、小兴安岭及长白山脉地区，林地占耕地转入来源的45.42%。草地开垦区主要在辽河平原，其次为松嫩平原，其他地区相对较少。耕地转入来源的17.34%是未利用地，主要分布在大兴安岭、小兴安岭以及松嫩平原地区。耕地主要转出方向是林地和建设用地，林地转出方向与林地开垦区域基本一致，耕地减少的26.33%是向建设用地转移，主要分布在哈尔滨市、沈阳市、长春市等省会城市周边以及辽河平原地区。

由图4 可以看出，东北三省耕地斑块破碎度存在明显的区域分异，林地覆盖地区耕地斑块破碎度相对较高，而平原地区耕地斑块破碎度相对较低。2000—2020 年东北三省总体耕地斑块破碎度变化幅度较小，总体降低了0.68 个百分点，从市域范围来看耕地斑块破碎度变化幅度较大且同样存在区域分异，辽河平原及三江平原部分地区耕地破碎程度明显增加，吉林省域范围、黑龙江省西部地区及林地覆盖区域如长白山脉、大兴安岭地区耕地破碎度变化较小，佳木斯市耕地破碎程度大幅降低。

图4 2020年耕地斑块破碎度及2000—2020年耕地斑块破碎度变化值Figure 4 Farmland patch fragmentation in 2020 and change rate from 2000 to 2020

2.2 东北三省粮食全要素生产率测算

根据变量选取的科学性、可得性、可比性等原则，选取粮食产量作为产出指标，粮食播种面积、有效灌溉面积、机械总动力、化肥施用量和农业从业人员数作为投入指标，运用DEAP 2.1 软件测算东北三省区域和市域的粮食全要素生产率，分析东北三省粮食全要素生产率的时空演变，具体见表2、表3。

表2 东北三省粮食全要素生产率测算投入产出指标Table 2 Input and output indicators of total factor productivity of grain in the three northeastern provinces

表3 主要投入变量的统计描述Table 3 Statistical description of main input variables

对东北三省粮食全要素生产率的时空分布特征进行研究，结果（表4）显示，东北三省市域粮食全要素生产率4 个时期均值分别为0.81、0.78、0.82 和0.83。从空间分布变化上看，在2000—2015 年期间，三江平原、松嫩平原和辽河平原等地区粮食全要素生产率都较高。这些地区位于东北三省的经济发达地区或自然条件优越的地区，一方面是由于自然条件有利于农业生产，另一方面得益于经济发达地区对农业和科技的高投入。粮食全要素生产率低的地区主要位于经济增长缓慢的小兴安岭和长白山脉地区，农民经营水平普遍较低，且地形等自然因素限制了生产技术的推广和应用，这在很大程度上阻碍了粮食全要素生产率的提高。

表4 2000—2015年东北三省各市域粮食全要素生产率及平均变化率Table 4 Total factor productivity and average change rate of grain in all cities of the three northeastern provinces from 2000 to 2015

从变化趋势上看，部分地区粮食全要素生产率波动较大，如大庆、阜新、朝阳等，少数地区小幅度波动，变化趋势平稳，如鸡西、黑河、辽源等。小兴安岭和长白山脉地区虽然相比平原地区粮食全要素生产率低，但大多也都超过0.7，并且粮食全要素生产率未出现过低值。根据舒尔茨的经典假说，发展中国家农户“贫穷而有效率”，即农民仍然被认为是“理性人”，尽管在贫困地区，但他们仍可以通过更好地配备生产要素来提高传统的粮食生产，提高粮食全要素生产率。

为进一步分析东北三省粮食全要素生产率的空间分布特征，采用ArcGIS 软件对高值和低值的聚类程度进行度量，结果如图5所示。2000—2015年，高-高、低-低两种类型分布最为广泛，高-低、低-高两种类型分布较少，没有明显规律。高-高关联类型分布比较集中，且逐渐减少，主要分布在松嫩平原地区，该市域本身及周围区域粮食全要素生产率高，相互影响表现为正向。低-低关联类型分布比较零散，主要分布在辽宁省境内，这些市域本身及周围区域粮食生产比较利益较低，相互影响表现为正向。粮食全要素生产率高、低值集聚的空间转移显示，传统粮食生产强市全要素生产率得以巩固和提升，而粮食生产自然条件较差或粮食生产比较利益较低的市域，其粮食全要素生产率相对下降。

图5 2000—2015年东北三省粮食全要素生产率空间自相关聚集图Figure 5 Spatial autocorrelation aggregation map of total factor productivity of grain in three northeastern provinces from 2000 to 2015

2.3 耕地利用格局变化对粮食全要素生产率的影响

2.3.1 耕地利用格局与粮食全要素生产率的变化相关性分析

本研究从耕地面积、耕地占补、耕地景观和耕地利用程度四个维度提取变量，分析耕地利用格局变化对粮食全要素生产率的影响，主要指标包括：①耕地面积比例，代表市域耕地保有量的影响，以区域耕地面积与区域总面积比例衡量；②耕地转入率，代表其他土地利用类型向耕地变动的影响；③耕地转出率，代表耕地向其他土地利用类型变动的影响；④耕地斑块破碎度，代表耕地细碎化产生的影响，以单位面积的耕地斑块数量衡量；⑤耕地斑块聚合度，代表耕地斑块在整个土地景观中的空间聚集情况，用邻接斑块数量与耕地斑块总数的比值衡量；⑥耕地复种指数，代表耕地在单位面积内的利用程度，用耕地播种面积与耕地总面积的比值衡量。各指标的描述性统计如表5所示。

表5 耕地利用格局指标变量的描述性统计（%）Table 5 Descriptive statistics of cultivated land spatial distribution variables（%）

运用重心模型和统计数据，对东北三省2000—2015 年耕地利用格局各指标和粮食全要素生产率重心坐标进行测算，依据测算结果分析其重心的移动轨迹，对其时空耦合关系及关联特性进行分析，为下文研究提供理论依据。从图6可以看出，东北三省粮食全要素生产率的重心2000—2005 年向北移动，2005—2015 年向南移动；2000—2010 年向西移动，2010—2015年向东移动。耕地利用格局各指标的重心中，耕地面积比例的重心2000—2005 年向北移动，2005—2015 年向南移动；耕地转入率的重心2000—2005 年基本不变，2005—2015 年向南移动；耕地斑块破碎度的重心2000—2005 年向南移动，2005—2015 年向北移动；耕地转出率的重心2000—2005 年向北移动，2005—2015 年向南移动；耕地转出率的重心2000—2010 年向东移动，2010—2015 年向西移动；耕地复种指数的重心2000—2010 年向东移动，2010—2015 年向西移动。

图6 2000—2015年东北三省粮食全要素生产率与耕地利用格局变量重心移动轨迹Figure 6 Moving track of gravity center of total factor productivity of grain and cultivated land spatial distribution variables in the three northeastern provinces from 2000 to 2015

粮食全要素生产率的重心与耕地面积比例和耕地转入率的重心在南北移动方向上一致，与耕地斑块破碎度的重心在南北移动方向上相反；耕地转出率与粮食全要素生产率的重心在南北移动方向上一致，在东西移动方向上相反；耕地斑块聚合度与粮食全要素生产率的重心2005—2010 年移动方向一致，其他阶段无明显相关性；耕地复种指数与粮食全要素生产率的重心在东西方向上相反。由此可见，耕地面积比例、耕地转入率、耕地斑块破碎度和耕地复种指数与粮食全要素生产率具有一定相关性，耕地转出率和耕地斑块聚合度与粮食全要素生产率相关性不明确，为探索各耕地利用格局变量对粮食全要素生产率的具体影响，需要进一步开展实证研究。

2.3.2 实证分析

首先，利用单位根检验进行平稳性检验。分别对粮食全要素生产率、耕地面积比例、耕地转入率、耕地转出率、耕地斑块破碎度和耕地斑块聚合度进行ADF单位根检验，其均不存在单位根，拒绝存在单位根的原假设，原始序列平稳。其次，进行协整检验，原假设设定为无协整，通过Engle-Granger 协整检验，P值小于0.05，拒绝原假设，认为存在协整关系。据此判断可以选择面板模型进行分析。

在面板模型的选择上，面板回归模型通常涉及三个模型，分别是混合POOL 模型、固定效应FE 模型和随机效应RE 模型，分别进行F检验、BP 检验和Hausman 检验，P值均小于0.05，比较发现建立固定效应FE 模型最优。同时将时间作为虚拟（哑）变量纳入模型中进行OLS 回归，由表6 可以看出，时间项与粮食全要素生产率均呈显著性，说明需要考虑时间效应，且仅考虑个体效应的固定效应模型回归结果不显著，因此建立时间固定效应模型。

表6 考虑时间效应的回归模型结果Table 6 Regression model results considering time effect

根据以上分析，利用时间固定效应模型分析耕地利用格局变化对粮食全要素生产率的影响，借助Enviews 8.0软件进行具体计算。根据东北三省不同市域粮食全要素生产率平均变化率，将市域分为正向变化、负向变化和基本不变3 种类型，分别对正向变化和负向变化的市域进行回归分析，F统计值相伴概率P值均小于0.05，表明回归结果显著（表7）。

表7 正向变化和负向变化市域的时间固定效应模型回归结果Table 7 Time fixed effect model regression results of positive and negative change cities

粮食全要素生产率正向变化的市域耕地面积比例、耕地转入率和耕地斑块聚合度对粮食全要素生产率有显著正向影响，耕地斑块破碎度对其有显著负向影响。耕地转出率表现出负向影响但未通过显著性检验，耕地复种指数表现出微弱的正向影响，且未通过显著性检验。这些市域多集中在河流支干线附近和平原地区，耕地面积不断增加，耕地与其他土地利用类型转换的过程中，转入明显超过转出，围绕河流支干线耕地斑块聚合度提高，最终使得粮食全要素生产率提高。

粮食全要素生产率负向变化的市域，耕地转入率和耕地复种指数对粮食全要素生产率具有显著正向影响，耕地斑块破碎度具有显著负向影响。耕地面积比例和斑块聚合度具有正向影响，耕地转出率具有负向影响，但均未通过显著性检验。负向变化的市域主要为省会等经济发达地区，随着城镇化水平提高，耕地有明显向建设用地转移的趋势，耕地面积比例不断降低。耕地与其他土地利用类型之间基本实现占补平衡，但其他土地利用类型对耕地的嵌入式占用，使得耕地斑块破碎度增加，耕地细碎化明显，耕地斑块聚合度降低，粮食全要素生产率降低。

对东北三省所有市域进行时间固定效应的回归分析，F统计值相伴概率P值小于0.05，表明回归结果显著，见表8。

表8 时间固定效应模型回归结果Table 8 Regression results of time fixed effect model

耕地面积比例对东北三省粮食全要素生产率具有正向影响，且通过了5%水平的显著性检验。回归系数是0.12，表明耕地面积比例每增加1 个单位，东北三省粮食全要素生产率提高12%，这表明2000—2015 年期间耕地利用格局变化有效提高了东北三省粮食全要素生产率。2000—2015 年期间，耕地面积总体占比不断提升，在市域范围内增加耕地保有面积有助于提高土地要素的投入量，实现粮食规模化生产，从而提高粮食全要素生产率。

耕地与其他土地利用类型之间的转换不断增加，对东北三省粮食全要素生产率产生显著影响，耕地占补变化中耕地转入率对粮食全要素生产率有显著正向影响，而耕地转出率对粮食全要素生产率有显著负向影响。耕地每转入1 个单位，粮食全要素生产率提高2.05 个单位；耕地每转出1 个单位，粮食全要素生产率降低1.82 个单位。耕地资源在不同部门之间重新配置引起耕地占补变化，其他土地利用类型与耕地之间转换时，可能出现建设用地等土地利用类型占用质量较高的优质耕地，而补充的耕地更多是不适于耕种或生产条件较差的劣质耕地。耕地占补变化以“耕地占补变化-耕地要素投入数量/质量变化-粮食全要素生产率变化”的逻辑结构，影响耕地投入数量和质量变化，进一步影响粮食全要素生产率变化。

耕地斑块破碎度对东北三省粮食全要素生产率具有负向影响，且通过了1%水平的显著性检验，耕地斑块破碎度每提高100%，东北三省粮食全要素生产率损失9%。这表明，农村定居点和城市建设用地的不断扩展和交通网络的快速扩张，导致其他土地利用类型对耕地嵌入式占领，耕地破碎程度不断提高，阻碍机械设备和规模化农业技术的推广，不利于粮食的集约化生产，这将不可避免地对粮食全要素生产率造成损失。耕地斑块聚合度对东北三省粮食全要素生产率有显著正向影响，耕地斑块聚合度每提高100%，东北三省粮食全要素生产率提高65%。东北三省是我国粮食机械化生产发展最好的地区之一，提高耕地斑块聚合度能够改善耕地机械化生产的条件，集约化生产可以减少单位面积耕地生产要素的投入，进而提高粮食全要素生产率。耕地景观变化影响规模经营状况及劳动力、机械等要素投入的利用效率，进而影响粮食全要素生产率。

耕地复种指数的系数为正，当耕地复种指数提高时，综合利用耕地的投入能力也提高，对粮食全要素生产率具有正向影响，但影响效果较小且未通过显著性检验。耕地复种指数反映耕地的利用程度，其提高意味着耕地利用的内在动力为追求耕地产出最大化，降低意味着耕地利用的重要性下降，由追求土地生产率转化为追求劳动生产率或资本生产率，并相应减少对耕地的投入，因此其不但受水热等自然条件影响，还受农业生产比较利益的影响，在经济快速发展地区，耕地复种指数可能下降。受自然环境等条件限制，东北三省属于耕地复种指数相对较低的地区，其耕地复种指数变化相对较小。

3 结论与建议

本研究基于土地利用/土地覆被变化（LUCC）遥感监测数据，应用GIS 软件提取2000、2005、2010 年和2015 年耕地利用格局变化数据，同时运用数据包络分析模型估算了2000、2005、2010年和2015年东北三省市域粮食全要素生产率。基于耕地利用格局变化分析和粮食全要素生产率测算，从耕地利用格局变化的角度选取指标，构建面板数据模型定量研究耕地利用格局变化对粮食全要素生产率的影响，得出如下结论：

（1）东北三省耕地资源丰富，耕地利用格局变化明显表现出受水源限制的特征，多分布于三江平原、松嫩平原和辽河平原，东北三省耕地利用格局变化时空异质性显著。耕地数量变化的总体特征是耕地总量增加、耕地的增速降低，时空异质性体现为南减北增、新增耕地重心逐渐北移。近10 年耕地与其他土地利用类型之间转换更加活跃，随着建设用地扩张加速，其以省会城市为中心向东北部蔓延，呈现出建设用地侵占耕地的趋势。从时序上来看，耕地景观变化相对较小，而在空间上存在较大差异性，平原地区斑块破碎度较小但存在较大波动变化，山脉地区斑块破碎度相对较大，耕地斑块在流域附近具有明显的聚合趋势。

（2）2000、2005、2010 年和2015 年东北三省粮食全要素生产率均值分别为0.81、0.78、0.82 和0.83，总体在0.50 到0.90 之间小幅度波动变化。粮食全要素生产率高于0.70的市域比例较高，且0.70以上市域比例不断提高，但粮食全要素生产率总体还存在提升空间，说明通过改善要素的投入规模、完善粮食政策等外部作用影响因素，东北三省的粮食全要素生产率可得到有效改善。东北三省各市域粮食全要素生产率存在明显的时空差异，其空间分布从最初的相对均匀到局部地区聚集，农业生产自然条件好的市域粮食全要素生产率较高，辽宁省粮食全要素生产率向低值聚集，松嫩平原地区粮食全要素生产率向高值聚集。

（3）东北三省耕地利用格局变化对粮食全要素生产率具有显著影响，其中耕地转出率和耕地斑块破碎度与粮食全要素生产率呈负相关关系，耕地面积比例、耕地转入率和耕地斑块聚合度与粮食全要素生产率呈正相关关系，耕地复种指数对粮食全要素生产率具有正向影响，但影响作用不显著。增加区域内耕地面积的保有量、林地和未利用地向耕地转移以及耕地在河流支干线附近聚集，实现规模化经营，有助于粮食全要素生产率的提升。建设用地对耕地的嵌入式占用导致耕地细碎化程度增加，建设用地、未利用地等补充为耕地会降低耕地质量，在一定程度上会抵消生产要素投入增加对粮食全要素生产率的促进作用。

东北三省作为我国粮食主产区，在粮食安全保障方面发挥着重要作用，基于本研究结果，提出以下建议：

（1）加大耕地保护力度，加强基本农田保护，要严格按照“占多少补多少、占优补优”的原则对不同类型土地进行合理配置，加大执法力度，打击“占优补劣、占多补少、非法侵占耕地”等行为，保证区域内耕地保有量，提高耕地规模化生产水平。

（2）在完善耕地流转和规模化经营的基础上，严格规划耕地利用格局，避免其他土地利用类型对耕地嵌入式占用、建设用地无序扩张引起耕地细碎化。

（3）持续开展土地整理，提高耕地聚合度，持续走集约化、合作化道路发展农业，在保证耕地有效数量的同时，提高耕地利用格局的集聚性和合理性，促进粮食全要素生产率的提升，保障粮食安全。