碳中和目標(biāo)下中國農(nóng)地利用效率的影響因素及時(shí)空異質(zhì)性

劉雪琪，李 波

（1.中南財(cái)經(jīng)政法大學(xué) 工商管理學(xué)院，湖北 武漢 430073；2.中南民族大學(xué) 經(jīng)濟(jì)學(xué)院/湖北全面小康建設(shè)研究院，湖北 武漢 430074）

隨著CO2排放的日益嚴(yán)重，通過盡快實(shí)現(xiàn)碳中和應(yīng)對全球氣候變暖已經(jīng)成為國際社會的共識，截至2021年5月，已有131個(gè)國家確立了碳中和目標(biāo)。2020年9月，在第75屆聯(lián)合國大會一般性辯論上習(xí)近平總書記承諾，中國力爭在2030年前和2060年前分別實(shí)現(xiàn)碳達(dá)峰和碳中和的目標(biāo)。2021年10月，中共中央、國務(wù)院發(fā)布《關(guān)于完整準(zhǔn)確全面貫徹新發(fā)展理念做好碳達(dá)峰碳中和工作的意見》，針對陸地生態(tài)系統(tǒng)碳匯潛力，提出了“提升生態(tài)農(nóng)業(yè)碳匯”“強(qiáng)化國土空間規(guī)劃和用途管控”等一系列碳中和措施。農(nóng)地（即農(nóng)用地）主要包括耕地、園地、林地和草地，是最基本的農(nóng)業(yè)生產(chǎn)投入要素，也是陸地生態(tài)系統(tǒng)的重要組成部分，對碳中和的實(shí)現(xiàn)發(fā)揮著重要的作用。如何在保障糧食安全的同時(shí)，兼顧經(jīng)濟(jì)、社會和生態(tài)效益，充分發(fā)揮農(nóng)地碳中和貢獻(xiàn)，使農(nóng)地利用效率達(dá)到最大化，已成為重要的研究課題。

農(nóng)地利用效率作為在一定社會、經(jīng)濟(jì)、生態(tài)產(chǎn)出和資源環(huán)境代價(jià)約束下，衡量農(nóng)地利用程度的綜合性指標(biāo)。現(xiàn)有對農(nóng)地利用效率的研究聚焦于以下3個(gè)方面：（1）測算方法。測算方法主要分為單要素生產(chǎn)率法和全要素生產(chǎn)率法，單要素生產(chǎn)率法是總產(chǎn)出與某一種投入要素之比[1]；全要素生產(chǎn)率法是在多投入多產(chǎn)出情況下，一定時(shí)期內(nèi)某行業(yè)的產(chǎn)出與人力、資本、土地等投入要素成本的比值[2]。通過對比兩種方法發(fā)現(xiàn)，全要素生產(chǎn)率法更能體現(xiàn)人力、資本等要素之間的替代性[3]。雖然單要素生產(chǎn)率法和全要素生產(chǎn)率法在結(jié)果排序上具有較強(qiáng)一致性，但是單要素生產(chǎn)率法更容易高估農(nóng)地利用效率[4]。因此越來越多學(xué)者運(yùn)用全要素生產(chǎn)率法，其中兩大衡量全要素生產(chǎn)率的方法：隨機(jī)前沿分析（SFA）[5]和數(shù)據(jù)包絡(luò)分析（DEA）[6]。相較于SFA，DEA可以避免人為主觀性，不會出現(xiàn)函數(shù)設(shè)定問題而產(chǎn)生的誤差，更能體現(xiàn)地區(qū)差異性，故逐漸成為主流研究方法[7-8]。隨著研究的推進(jìn)，很多學(xué)者采用傳統(tǒng)DEA改進(jìn)后的模型，如Hybrid模型[9]、三階段DEA模型[10]、SBM-Undesirable模型[11]。（2）指標(biāo)體系?，F(xiàn)有研究基于不同研究范疇構(gòu)建了不同的農(nóng)地利用投入產(chǎn)出指標(biāo)體系，大部分學(xué)者基于古典經(jīng)濟(jì)學(xué)，將土地、資本和勞動力視為最基本的投入要素，將糧食產(chǎn)量和農(nóng)業(yè)產(chǎn)值視為期望產(chǎn)出要素[12-13]。越來越多學(xué)者將碳排放納入投入產(chǎn)出指標(biāo)體系中，一部分學(xué)者從隱含投入要素的角度考慮，將碳排放視為同勞動、資本一樣的有價(jià)格、可交換的商品，是生產(chǎn)過程中所“需要投入”的碳排放量[14]；另一部分學(xué)者從生產(chǎn)過程的環(huán)境損失角度考慮，認(rèn)為在期望產(chǎn)出保持不變的情況下，現(xiàn)實(shí)生產(chǎn)過程中產(chǎn)生的污染物與其他投入要素?zé)o法實(shí)現(xiàn)同比例下降，故將碳排放作為非期望產(chǎn)出，更加真實(shí)反映現(xiàn)實(shí)農(nóng)業(yè)生產(chǎn)情況[15]。目前學(xué)界對于碳排放在全要素分析框架的定位尚未形成統(tǒng)一的界定，并且鮮有研究考慮到農(nóng)地利用的碳匯效應(yīng)和生態(tài)服務(wù)價(jià)值等生態(tài)效益，忽視了農(nóng)地的碳中和貢獻(xiàn)。（3）影響因素。現(xiàn)有研究從自然資源稟賦（受災(zāi)程度[16]、地形[17]），農(nóng)村勞動力現(xiàn)狀（非農(nóng)就業(yè)[4]、勞動力轉(zhuǎn)移[18]、勞動力年齡[19]），農(nóng)業(yè)生產(chǎn)條件（細(xì)碎化程度[20]、經(jīng)營規(guī)模[21]、機(jī)械化水平[22]），社會經(jīng)濟(jì)發(fā)展水平（農(nóng)民收入水平[11]、城鎮(zhèn)化[23]），心理學(xué)（農(nóng)民土地價(jià)值觀[24]、種植偏好[25]）等方面出發(fā)，探討了各因素對農(nóng)地利用效率的影響。由于各地區(qū)資源稟賦和經(jīng)濟(jì)社會發(fā)展階段不同，各地區(qū)農(nóng)地利用效率的影響因素的作用程度也存在一定差異，現(xiàn)有研究未能對區(qū)域間各因素影響的時(shí)空異質(zhì)性和非均衡性進(jìn)行深入研究。

綜上，本文基于2005-2019年31個(gè)省份（不包括港、澳、臺地區(qū)①由于港、澳、臺地區(qū)數(shù)據(jù)嚴(yán)重缺失，故未列入樣本考察對象。）的面板數(shù)據(jù)，全面考察農(nóng)地利用經(jīng)濟(jì)、社會、生態(tài)效益和生態(tài)負(fù)效應(yīng)，納入農(nóng)地利用碳排放、農(nóng)地利用碳匯和生態(tài)服務(wù)價(jià)值等綜合反映農(nóng)地碳中和貢獻(xiàn)的指標(biāo)，構(gòu)建基于碳中和視角的農(nóng)地利用效率指標(biāo)體系；運(yùn)用包含非期望產(chǎn)出的Super-SBM模型測算農(nóng)地利用效率，并剖析其時(shí)空特征和動態(tài)演進(jìn)趨勢；采用GTWR模型從局部角度揭示各因素影響的時(shí)空異質(zhì)性。

一、碳中和目標(biāo)下農(nóng)地利用效率內(nèi)涵和指標(biāo)構(gòu)建

1.碳中和目標(biāo)下農(nóng)地利用效率的內(nèi)涵

碳中和指在一段時(shí)間內(nèi)釋放出來的CO2排放量，通過植樹造林、退耕還林等一系列節(jié)能減排措施補(bǔ)償和抵消CO2排放量，使得凈碳排放量降至為零。聯(lián)合國政府間氣候變化專門委員會（IPCC）于2018年發(fā)布的《全球升溫1.5℃特別報(bào)告》指出如果全球升溫控制在1.5 ℃，可能在21世紀(jì)下半葉實(shí)現(xiàn)碳中和，其中農(nóng)林業(yè)和其他土地利用（AFOLU）活動是導(dǎo)致氣候變化的主要原因之一，也是重要的碳匯來源[26]。農(nóng)地利用碳效應(yīng)分為碳排放效應(yīng)和碳匯效應(yīng)。一方面農(nóng)地生產(chǎn)活動引發(fā)碳排放效應(yīng)，在生產(chǎn)和施用如化肥、農(nóng)藥、農(nóng)膜等農(nóng)資的過程中會產(chǎn)生碳排放，農(nóng)用機(jī)械使用和灌溉過程中消耗化石燃料會產(chǎn)生碳排放，同時(shí)翻耕也將改變土壤有機(jī)碳儲量，釋放出CO2；另一方面，農(nóng)地具有農(nóng)林業(yè)生產(chǎn)、固碳釋氧和提供生態(tài)服務(wù)等多功能性，植被覆蓋類型是影響土壤有機(jī)碳儲量的主要因素，其中園地、草地和林地具有巨大碳匯效應(yīng)。2019年IPCC發(fā)布的《氣候變化和土地特別報(bào)告》進(jìn)一步指出AFOLU在2007-2016年間產(chǎn)生的碳匯量高于碳排放量，碳匯量可抵消總凈人為碳排放的29%[27]。由此可見，農(nóng)地作為碳中和的重要載體，有效促進(jìn)農(nóng)地利用的碳排放效應(yīng)最小化和碳匯效應(yīng)最大化是實(shí)現(xiàn)碳中和目標(biāo)的主要途徑。

從投入角度來看，由于不同的農(nóng)地利用方式和強(qiáng)度將導(dǎo)致碳排放效應(yīng)和碳匯效應(yīng)的差異化[28-29]，基于農(nóng)業(yè)外部效應(yīng)理論和可持續(xù)發(fā)展理論，過度使用化肥、農(nóng)藥等農(nóng)資不僅釋放出大量CO2而且嚴(yán)重破壞農(nóng)地生態(tài)環(huán)境，進(jìn)一步削弱農(nóng)地生產(chǎn)效率，嚴(yán)重阻礙農(nóng)業(yè)的綠色可持續(xù)發(fā)展；其次，單純依靠生態(tài)用地?cái)?shù)量增長難以實(shí)現(xiàn)碳中和目標(biāo)[30]，而提高農(nóng)地利用效率可減少土地轉(zhuǎn)化需求，并釋放出一部分土地，保障糧食安全的同時(shí)，有助于土地恢復(fù)和提升土壤固碳能力[27]；最后，由邊際效益遞減原理可知，農(nóng)地利用過程中當(dāng)資源要素投入達(dá)到最優(yōu)狀態(tài)后，再繼續(xù)增加投入將會帶來農(nóng)地邊際產(chǎn)出的減少，因此必須合理配置農(nóng)地資源要素投入比例。從產(chǎn)出角度來看，碳中和是系統(tǒng)性經(jīng)濟(jì)社會變革，不僅涵蓋環(huán)境目標(biāo)而且還包含發(fā)展目標(biāo)，基于協(xié)同發(fā)展理論，需綜合考量糧食安全、社會穩(wěn)定、生態(tài)服務(wù)和固碳釋氧等目標(biāo)，有效權(quán)衡協(xié)調(diào)農(nóng)地利用的經(jīng)濟(jì)、社會和生態(tài)效益[31]；其次，在農(nóng)地利用過程中不僅會產(chǎn)生期望產(chǎn)出，而且會帶來一定的非期望產(chǎn)出即農(nóng)地利用活動所帶來的生態(tài)負(fù)效應(yīng)，因此加入農(nóng)地利用碳排放作為非期望產(chǎn)出，能更加真實(shí)反映現(xiàn)實(shí)農(nóng)地利用情況。

綜上所述，農(nóng)地利用效率作為農(nóng)地生產(chǎn)要素投入系統(tǒng)和產(chǎn)出系統(tǒng)的綜合性指標(biāo)，能有效反映資源要素投入和非期望產(chǎn)出最小化，期望產(chǎn)出最大化的實(shí)現(xiàn)程度。碳中和目標(biāo)的確立對農(nóng)地綠色低碳利用提出了新要求，因此本文將基于碳中和目標(biāo)下的農(nóng)地利用效率定義為在一定農(nóng)業(yè)技術(shù)水平下實(shí)現(xiàn)經(jīng)濟(jì)社會效益和生態(tài)效益最大化，資源投入和生態(tài)負(fù)效應(yīng)最小化，農(nóng)地減排增匯效益最大化的農(nóng)地綠色低碳利用程度（圖1）。提高農(nóng)地利用效率有助于降低單位產(chǎn)出農(nóng)地利用碳排放強(qiáng)度，是基于陸地生態(tài)系統(tǒng)自身碳吸收能力實(shí)現(xiàn)碳中和最切實(shí)可行的途徑。

圖1 碳中和目標(biāo)下農(nóng)地利用效率的內(nèi)涵機(jī)制

2.碳中和目標(biāo)下農(nóng)地利用效率的指標(biāo)構(gòu)建

基于碳中和目標(biāo)下農(nóng)地利用效率的內(nèi)涵，參考現(xiàn)有研究成果，綜合考慮農(nóng)地生產(chǎn)活動的實(shí)際情況，構(gòu)建碳中和目標(biāo)下農(nóng)地利用效率的指標(biāo)體系，見表1。

表1 農(nóng)地投入產(chǎn)出指標(biāo)

（1）投入方面，根據(jù)C-D生產(chǎn)函數(shù)和古典經(jīng)濟(jì)學(xué)理論，并基于農(nóng)地利用的實(shí)際投入，從土地、人力、資本、機(jī)械動力和水資源投入5個(gè)角度分別選擇農(nóng)用地面積、第一產(chǎn)業(yè)從業(yè)人員、農(nóng)業(yè)資本存量、農(nóng)業(yè)機(jī)械總動力、農(nóng)業(yè)用水總量作為投入變量。

（2）產(chǎn)出方面，從碳中和視角，基于農(nóng)地利用碳排放和碳匯兩大效應(yīng)，將農(nóng)地利用碳排放和碳匯分別作為非期望產(chǎn)出和期望產(chǎn)出，根據(jù)不同的植被覆蓋類型對有機(jī)碳儲量產(chǎn)生的不同影響，衡量農(nóng)地利用活動產(chǎn)生CO2的“固”與“排”的收支情況，體現(xiàn)農(nóng)地的碳中和貢獻(xiàn)；將農(nóng)地生態(tài)系統(tǒng)服務(wù)價(jià)值（包括氣體和氣候調(diào)節(jié)、土壤保持等）作為科學(xué)評價(jià)農(nóng)地利用效率的指標(biāo)[32]，能一定程度反映各地區(qū)農(nóng)地的碳中和貢獻(xiàn)和生態(tài)效益；綜合考慮農(nóng)地利用活動所帶來的經(jīng)濟(jì)社會效益，將農(nóng)業(yè)總產(chǎn)值和糧食產(chǎn)量作為經(jīng)濟(jì)社會維度的期望產(chǎn)出。

二、研究方法與數(shù)據(jù)來源

1.非期望產(chǎn)出的Super-SBM模型

2003年，Tone創(chuàng)新提出基于松弛改進(jìn)的非徑向非角度SBM模型，并將非期望產(chǎn)出納入其中。此模型考慮了松弛變量，并解決了徑向和角度選擇所帶來的誤差，克服了傳統(tǒng)DEA模型缺陷[38]。SBM模型可能會產(chǎn)生多個(gè)決策單元共同有效，有效決策單元的效率值無法進(jìn)一步區(qū)分和排序。為解決SBM模型在此方面的缺陷，Tone進(jìn)一步提出Super-SBM模型，此時(shí)效率值可以大于1，能對有效的決策單元進(jìn)行區(qū)分[39]。公式如下：

ρ*為目標(biāo)效率值且可大于1，當(dāng)ρ*≥1時(shí)，被評價(jià)決策單元相對有效，當(dāng)ρ*＜1時(shí)，則相對無效。x代表投入，與x相對應(yīng)的m表示投入指標(biāo)數(shù)量。y代表產(chǎn)出，yk為期望產(chǎn)出，yb為非期望產(chǎn)出，s1和s2分別表示期望和非期望產(chǎn)出的指標(biāo)數(shù)量。θ為權(quán)重向量，S-為投入松弛量，Sk和Sb分別表示期望產(chǎn)出和非期望產(chǎn)出的松弛量。

2.Kernel密度估計(jì)模型

此模型是一種非參數(shù)方法，用于估算概率密度函數(shù)。通過疊加Kernel密度函數(shù)的作用效果，利用平滑的峰值函數(shù)擬合觀察樣本，避免了由模型設(shè)定而造成的誤差[40]，公式如下：

K [·]表示核函數(shù)，Xi表示獨(dú)立同分布觀測值，N表示觀測對象的數(shù)量（即為31個(gè)?。▍^(qū)、市）），x為均值；h是帶寬且選擇滿足公式（3），表示Kernel密度曲線的平滑度。h數(shù)值越小，Kernel密度曲線的波峰越狹窄，反之則Kernel密度曲線的波峰越扁平。

為更好地剖析中國農(nóng)地利用效率的動態(tài)演變趨勢，運(yùn)用Gaussian核函數(shù)模型如下：

3.時(shí)空地理加權(quán)回歸模型（GTWR）

Huang等將時(shí)間特性納入傳統(tǒng)地理加權(quán)回歸模型（GWR）中，提出了GTWR模型，此模型有效解決時(shí)間和空間非平穩(wěn)性問題，構(gòu)建起三維時(shí)空坐標(biāo)系[41]，公式如下：

式（5）中，Xil是解釋變量，Yi是被解釋變量，l表示第l個(gè)解釋變量，i表示第i個(gè)樣本省份，n為省份總數(shù)，k為解釋變量個(gè)數(shù)；εi為隨機(jī)擾動項(xiàng)；β0(ui,vi,ti)是時(shí)空截距項(xiàng)，其中u、v為樣本省份坐標(biāo)，t為時(shí)間，βl(ui,vi,ti)為在i省份t時(shí)間第l個(gè)解釋變量的估計(jì)系數(shù)。

利用歐式距離和高斯核函數(shù)構(gòu)建空間權(quán)重矩陣，并將時(shí)間間距距離因素納入核函數(shù)中，構(gòu)建時(shí)空權(quán)重矩陣，公式如下：

式（6）、（7）中，γ、μ為比例因子，用來測量時(shí)間和空間距離不同影響，i、j為不同樣本省份，bST為時(shí)空權(quán)函數(shù)帶寬。

4.數(shù)據(jù)來源與指標(biāo)描述性統(tǒng)計(jì)

（1）農(nóng)地利用效率測算指標(biāo)。農(nóng)地?cái)?shù)據(jù)均來自《中國國土資源統(tǒng)計(jì)年鑒》《中國環(huán)境統(tǒng)計(jì)年鑒》、第二次和第三次國土調(diào)查、各省統(tǒng)計(jì)年鑒；其余指標(biāo)數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《固定資產(chǎn)投資統(tǒng)計(jì)年鑒》和《中國農(nóng)村統(tǒng)計(jì)年鑒》。采用最優(yōu)移動平均法對部分缺失數(shù)據(jù)進(jìn)行補(bǔ)齊。

（2）農(nóng)地利用效率影響因素指標(biāo)。在遵循數(shù)據(jù)可獲得性、科學(xué)性、可靠性的原則下，總結(jié)已有研究成果[42-43]，從農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平、農(nóng)地利用程度、勞動力文化水平、農(nóng)地利用情況、受災(zāi)程度、財(cái)政支農(nóng)政策等方面探索各因素對農(nóng)地利用效率影響的時(shí)空異質(zhì)性。數(shù)據(jù)均出自《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》、各省統(tǒng)計(jì)年鑒和國家統(tǒng)計(jì)局。各指標(biāo)說明與描述性統(tǒng)計(jì)分析見表2。

表2 農(nóng)地利用效率影響因素指標(biāo)說明與描述性統(tǒng)計(jì)

三、實(shí)證結(jié)果分析

1.農(nóng)地利用效率特征分析

基于規(guī)模報(bào)酬不變的假設(shè)，采用非徑向非角度Super-SBM模型，測算2005-2019年31個(gè)省（區(qū)、市）和7大區(qū)域的農(nóng)地利用效率值（表3）。將各?。▍^(qū)、市）農(nóng)地利用效率分為相對無效水平（效率值＜1）和相對有效水平（即高效率，效率值≥1）。

表3 2005-2019年31個(gè)?。▍^(qū)、市）農(nóng)地利用效率

（1）時(shí)空特征。如表3所示，在2005-2019年間，全國農(nóng)地利用效率從0.970波動上升至1.003，達(dá)到相對有效水平，農(nóng)地利用高效率省份數(shù)量從2005年的21個(gè)上升到2019年的23個(gè)。區(qū)域分布上，各地區(qū)的農(nóng)地利用效率存在一定程度分異，7大區(qū)域①東北地區(qū)包括遼寧、吉林和黑龍江；華北地區(qū)包括北京、天津、河北、內(nèi)蒙古和山西；西北地區(qū)包括陜西、甘肅、青海、寧夏和新疆；華東地區(qū)包括上海、江蘇、浙江、山東和安徽；華中地區(qū)包括河南、湖北、湖南和江西；華南地區(qū)包括廣東、廣西、海南和福建；西南地區(qū)包括重慶、四川、貴州、云南和西藏。農(nóng)地利用效率均值排名：西南地區(qū)＞華東地區(qū)＞東北地區(qū)＞華中地區(qū)＞華南地區(qū)＞華北地區(qū)＞西北地區(qū)。西南地區(qū)農(nóng)地利用效率最高但大致呈現(xiàn)下降態(tài)勢，由此可以看出，西南地區(qū)林地、草地資源豐富，提高陸地生態(tài)系統(tǒng)碳儲量的同時(shí)，為林業(yè)和畜牧業(yè)發(fā)展提供基本生產(chǎn)資料，但對于林地和草地的利用方式還需進(jìn)一步優(yōu)化調(diào)整。華北地區(qū)和西北地區(qū)農(nóng)地利用效率低于全國均值，雖有小幅波動，但始終無法突破農(nóng)地利用效率“內(nèi)卷化”陷阱①農(nóng)地利用效率發(fā)展到某一階段停滯不前，始終處于相對無效狀態(tài)，無法達(dá)到相對有效狀態(tài)。，可能是因?yàn)槿A北地區(qū)和西北地區(qū)土壤鹽漬化、荒漠化嚴(yán)重，導(dǎo)致土地碳儲存和農(nóng)業(yè)生產(chǎn)能力下降，加上粗放式的種植方式，進(jìn)一步加劇土地退化風(fēng)險(xiǎn)，形成了惡性循環(huán)。

（2）動態(tài)演進(jìn)特征。進(jìn)一步運(yùn)用Kernel密度估計(jì)模型，繪制Kernel密度估計(jì)分布圖并分析農(nóng)地利用效率動態(tài)演進(jìn)趨勢。由圖2可知，曲線波峰從“一主一小”逐步變成“一主兩小”，主峰位于效率值有效一側(cè)，左側(cè)小峰顯著右移，右側(cè)小峰逐漸凸顯，說明在此期間中國農(nóng)地利用效率逐步向三極化態(tài)勢發(fā)展。分階段來看，2005-2010年，主峰值微弱下降，密度函數(shù)中心有向右移的趨勢，左側(cè)小峰抬升，表明在此期間各?。▍^(qū)、市）農(nóng)地利用效率差距呈現(xiàn)微弱擴(kuò)大；2010-2015年，主峰由寬峰變?yōu)榧夥?，兩?cè)小峰變得陡峭，分布曲線右尾明顯向左移動，變化區(qū)間進(jìn)一步收縮，說明此期間各?。▍^(qū)、市）農(nóng)地利用效率差距大幅縮?。?015-2019年，主波峰顯著下降，左側(cè)小峰變得平坦，右側(cè)小峰進(jìn)一步抬升，表明此期間各?。▍^(qū)、市）農(nóng)地利用效率差距有所擴(kuò)大?？傮w來看，農(nóng)地利用效率的地區(qū)差異呈現(xiàn)“擴(kuò)大-縮小-擴(kuò)大”的變化趨勢。

圖2 中國農(nóng)地利用效率的動態(tài)演進(jìn)

2.農(nóng)地利用效率影響因素時(shí)空異質(zhì)性分析

（1）相關(guān)檢驗(yàn)及模型選取。由于局部變量之間可能具有相關(guān)性或者不同局部點(diǎn)分析采用相同鄰近點(diǎn)形成的變量之間具有相關(guān)性，導(dǎo)致構(gòu)建GTWR模型時(shí)可能會出現(xiàn)多重共線性，因此采用方差膨脹因子（VIF）對影響因素指標(biāo)進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果如表4所示，VIF均小于10，指標(biāo)間不存在多重共線性，單個(gè)變量之間的貢獻(xiàn)估計(jì)準(zhǔn)確，可以構(gòu)建GTWR模型。

表4 多重共線性檢驗(yàn)

最小二乘法（OLS）結(jié)果顯示各回歸系數(shù)均在10%的顯著水平上顯著且通過了F檢驗(yàn)，模型解釋力度達(dá)到35.9%，有進(jìn)一步提升空間。在此基礎(chǔ)上，與納入空間特性的GWR模型和納入時(shí)空特性的GTWR模型估計(jì)結(jié)果進(jìn)行對比。如表5和表6所示，AICc值和殘差平方和（RSS）從高到低排序均為OLS＞GWR＞GTWR，擬合優(yōu)度R2和調(diào)整后R2從小到大排序均為OLS＜GWR＜GTWR。相較OLS和GWR模型，納入時(shí)空特性的GTWR模型解釋力度顯著提升到89.7%，并且AICc值和RSS最小，對觀察數(shù)據(jù)擬合效果進(jìn)一步優(yōu)化。因此，選擇綜合考慮時(shí)間和空間非平穩(wěn)性的GTWR模型進(jìn)行時(shí)空異質(zhì)性分析。

表6 GTWR模型估計(jì)結(jié)果

從平均影響程度②由于中位數(shù)結(jié)果不受數(shù)據(jù)極端值影響，通過分析比較中位數(shù)能更真實(shí)反映平均影響程度。來看，比較三種模型的回歸結(jié)果，各影響因素的作用方向一致。其中種植結(jié)構(gòu)對農(nóng)地利用效率呈促進(jìn)作用，且影響程度最大，這是因?yàn)橄噍^于經(jīng)濟(jì)作物，糧食作物對農(nóng)藥、農(nóng)膜等農(nóng)資消耗較少[44]，更容易形成規(guī)模效應(yīng)，并且在保障糧食安全的同時(shí)，有效緩解農(nóng)地資源開發(fā)壓力，降低農(nóng)地碳排放強(qiáng)度。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化、復(fù)種指數(shù)和財(cái)政支農(nóng)水平對農(nóng)地利用效率呈現(xiàn)弱正向影響，農(nóng)村受教育程度和農(nóng)作物受災(zāi)程度對農(nóng)地利用效率呈現(xiàn)弱負(fù)向影響。

（2）各因素影響程度的時(shí)空分異。運(yùn)用ArcGIS 10.6.1軟件，得到2005—2019年31個(gè)?。▍^(qū)、市）各影響因素的回歸系數(shù)。為分析各因素的影響程度及時(shí)空演變趨勢，將各因素影響程度分成6類：較強(qiáng)正向影響(1，+∞)、中度正向影響(0.5，1]、較弱正向影響(0，0.5]、較弱負(fù)向影響[-0.5，0)、中度負(fù)向影響[-1，-0.5)、較強(qiáng)負(fù)向影響(-∞，-1)，并繪制圖3。

①農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平。在研究期間，中度正向和較弱正向影響的省份數(shù)量逐步減少。空間格局上，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的較弱負(fù)向影響主要位于中部地區(qū)和東北地區(qū)，西部地區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的中度正向影響逐漸削弱。這可能是因?yàn)檗r(nóng)業(yè)經(jīng)濟(jì)發(fā)展與碳排放之間呈現(xiàn)環(huán)境庫茲涅倒“U”型曲線（EKC）關(guān)系，中部地區(qū)和東北地區(qū)位于EKC曲線拐點(diǎn)值右側(cè)附近[45]，碳排放水平仍然處于較高水平，碳匯水平和生態(tài)服務(wù)功能也弱于西部地區(qū)，側(cè)面反映出中部地區(qū)和東北地區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展正處于綠色低碳高質(zhì)量發(fā)展的轉(zhuǎn)型關(guān)鍵期。而西部地區(qū)位于EKC曲線的快速上升階段[45]，碳排放尚未達(dá)到峰值，并且農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平相對較低，自身碳匯資源豐富，仍存在一定排放空間，但西部地區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平對農(nóng)地利用效率的正向影響已經(jīng)進(jìn)入“邊際效益遞減”階段。

②城鎮(zhèn)化。在研究期間，城鎮(zhèn)化影響程度的標(biāo)準(zhǔn)差遠(yuǎn)大于其他因素，并且通過觀察發(fā)現(xiàn)城鎮(zhèn)化的正向影響逐步增強(qiáng)，負(fù)向影響呈溢出效應(yīng)，這說明不同進(jìn)度和階段城鎮(zhèn)化對農(nóng)地利用效率的影響呈現(xiàn)差異化，且差異逐步擴(kuò)大?？臻g格局上，城鎮(zhèn)化對農(nóng)地利用效率的負(fù)向影響主要位于西部地區(qū)和東北地區(qū)，正向影響主要位于東部地區(qū)和中部地區(qū)，京津冀地區(qū)的中度正向影響呈現(xiàn)外溢態(tài)勢。在研究期間，西部地區(qū)和東北地區(qū)的城鎮(zhèn)化發(fā)展的質(zhì)量和效益相較于其他地區(qū)略低，仍處于起步或加速階段。城鎮(zhèn)化與碳排放呈倒“U”型關(guān)系[46]，西部地區(qū)和東北地區(qū)低水平的城鎮(zhèn)化將導(dǎo)致碳排放增加，同時(shí)低水平的城鎮(zhèn)化也會對農(nóng)地和糧食生產(chǎn)產(chǎn)生“擠出效應(yīng)”，進(jìn)而降低凈碳匯和生產(chǎn)效率。

③復(fù)種指數(shù)。在研究期間，復(fù)種指數(shù)中度正向影響有所減弱，地區(qū)間影響的差異逐步縮小，說明隨著種植技術(shù)的成熟和水利設(shè)施的完善，各地區(qū)對農(nóng)地資源的開發(fā)利用程度趨于飽和，其影響在逐步削弱。空間格局上，負(fù)向影響主要位于西南和華南邊疆地區(qū)，側(cè)面反映出這些地區(qū)農(nóng)地資源持續(xù)高強(qiáng)度利用，加劇了水土流失、荒漠化，進(jìn)而改變植被覆蓋和地表折射率，削弱了農(nóng)地碳匯和生產(chǎn)功能。

④農(nóng)村受教育程度。在研究期間，較弱正向影響有向東北溢出趨勢，但對大部分地區(qū)農(nóng)地利用效率依舊呈現(xiàn)負(fù)向影響，一定程度上反映出在非農(nóng)部門“虹吸效應(yīng)”驅(qū)動下，受教育程度較高的農(nóng)村勞動力逐步向非農(nóng)部門轉(zhuǎn)移進(jìn)一步加劇了農(nóng)地非農(nóng)化和棄耕的現(xiàn)象，另一方面機(jī)械和化學(xué)品投入對勞動力的替代作用將間接導(dǎo)致農(nóng)地利用碳排放增加?？臻g格局上，總體大致呈現(xiàn)“北正-南負(fù)”分布，說明對于北方地區(qū)來說，提升農(nóng)戶受教育水平，有助于增強(qiáng)農(nóng)戶綠色低碳環(huán)保意識，對低碳集約化生產(chǎn)方式接受度更高；而對于經(jīng)濟(jì)相對發(fā)達(dá)的南方地區(qū)，受教育程度提高可能會減少農(nóng)戶對農(nóng)業(yè)的依賴，加劇農(nóng)業(yè)和農(nóng)村人才流失。因此，如何培養(yǎng)三農(nóng)人才并留住人才成為亟待解決的問題。

⑤種植結(jié)構(gòu)。在研究期間，正向影響由三核聚集轉(zhuǎn)向雙核聚集，大部分?。▍^(qū)、市）的正向影響逐步削弱?？臻g格局上，正向影響程度由西向東呈現(xiàn)“高-低-中”的分布態(tài)勢，西南地區(qū)、華南地區(qū)和華北地區(qū)的正向影響顯著減弱，表明這些地區(qū)種植結(jié)構(gòu)對種植面積的減省效應(yīng)減弱，不利于土壤碳庫和肥力恢復(fù)。

⑥農(nóng)作物受災(zāi)程度。在研究期間，中度、較弱負(fù)向影響的省份數(shù)量有所減少，較弱正向影響的省份數(shù)量增加?？臻g格局上，較弱正向影響集中于華北地區(qū)和華南地區(qū)，側(cè)面反映出華北地區(qū)和華南地區(qū)長期采用過度依賴資源投入、高強(qiáng)度、高排放的粗放型農(nóng)地利用方式，導(dǎo)致地力嚴(yán)重透支，進(jìn)而使得自然災(zāi)害對高碳生產(chǎn)行為具有顯著的抑制作用[47]。

⑦財(cái)政支農(nóng)水平。在研究期間，較強(qiáng)和中度正向影響的省份數(shù)量均減少，表明財(cái)政支農(nóng)政策的增長激勵(lì)效應(yīng)逐漸減弱。空間格局上，四川、重慶和陜西的財(cái)政支農(nóng)水平對農(nóng)地利用效率呈現(xiàn)弱負(fù)向影響，側(cè)面反映出這些地區(qū)亟需優(yōu)化調(diào)整財(cái)政支農(nóng)政策。

綜上可知，各因素對農(nóng)地利用效率的影響強(qiáng)度和作用方向呈現(xiàn)顯著時(shí)空異質(zhì)性。

（3）各因素影響程度的趨勢分析。通過ArcGIS 10.6.1軟件的“趨勢分析”工具，繪制三維透視圖（圖4），進(jìn)一步探索各影響因素的空間演變規(guī)律。位于以正東為方向的X軸曲線表示經(jīng)度趨勢，位于以正北為方向的Y軸曲線表示緯度趨勢，進(jìn)而得到農(nóng)地利用效率的各影響因素全局趨勢。

圖4 各因素影響程度的趨勢分析

在X方向（經(jīng)向）上，城鎮(zhèn)化對農(nóng)地利用效率的影響程度呈倒“U”型并且對偏東地區(qū)影響較大；農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、復(fù)種指數(shù)和財(cái)政支農(nóng)水平對農(nóng)地利用效率的影響程度呈“U”型，其中農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的影響程度存在顯著空間分異；農(nóng)村受教育程度和農(nóng)作物受災(zāi)程度對農(nóng)地利用效率的影響程度自西向東遞增，但相比之下農(nóng)村受教育程度敏感度最低；種植結(jié)構(gòu)對農(nóng)地利用效率的影響程度自西向東遞減。

在Y方向（緯向）上，復(fù)種指數(shù)對農(nóng)地利用效率的影響程度呈倒“U”型并且對偏北地區(qū)的影響較大；種植結(jié)構(gòu)、農(nóng)作物受災(zāi)程度和財(cái)政支農(nóng)水平對農(nóng)地利用效率的影響程度呈“U”型，其中農(nóng)作物受災(zāi)程度對地區(qū)差異敏感度較高；城鎮(zhèn)化對農(nóng)地利用效率的影響程度呈自北向南遞增；農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平和農(nóng)村受教育程度對農(nóng)地利用效率的影響程度呈現(xiàn)自北向南遞減，其中農(nóng)村受教育程度對南北方地區(qū)差異敏感度最低。

總體來看，各影響因素對農(nóng)地利用效率的影響程度在東西方向（X方向）的變化趨勢相較于南北方向（Y方向）更明顯。城鎮(zhèn)化對農(nóng)地利用效率的影響在東西方向上最敏感，復(fù)種指數(shù)對農(nóng)地利用效率的影響在南北方向最敏感。

四、結(jié)論與啟示

通過對2005—2019年31個(gè)省（區(qū)、市）的農(nóng)地利用效率時(shí)空演進(jìn)特征分析，進(jìn)一步考察各影響因素對農(nóng)地利用效率影響的時(shí)空異質(zhì)性，結(jié)論如下：

（1）中國農(nóng)地利用效率在研究期間波動上升至相對有效水平，各地區(qū)間農(nóng)地利用效率仍存在一定程度差異。西南地區(qū)農(nóng)地利用效率最高但呈下降趨勢，華北地區(qū)和西北地區(qū)農(nóng)地利用效率遠(yuǎn)低于全國平均水平，且尚未突破“內(nèi)卷化”陷阱；在研究期間中國農(nóng)地利用效率逐步向三極化態(tài)勢發(fā)展，各地區(qū)農(nóng)地利用效率的差異呈現(xiàn)“擴(kuò)大-縮小-擴(kuò)大”的變化趨勢。

（2）種植結(jié)構(gòu)是影響農(nóng)地利用效率的主導(dǎo)因素，優(yōu)化調(diào)整種植結(jié)構(gòu)有助于農(nóng)地利用效率提升。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化、復(fù)種指數(shù)和財(cái)政支農(nóng)水平對農(nóng)地利用效率呈現(xiàn)弱正向影響，農(nóng)村受教育程度和農(nóng)作物受災(zāi)程度對農(nóng)地利用效率呈現(xiàn)弱負(fù)向影響。

（3）各影響因素對農(nóng)地利用效率的影響強(qiáng)度呈現(xiàn)明顯的時(shí)序演變。不同階段的城鎮(zhèn)化對農(nóng)地利用效率影響呈現(xiàn)差異化，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、復(fù)種指數(shù)、種植結(jié)構(gòu)和財(cái)政支農(nóng)水平的正向影響逐步削弱，農(nóng)村受教育程度和農(nóng)作物受災(zāi)程度的負(fù)向影響逐漸收縮。

（4）各影響因素對農(nóng)地利用效率的影響程度存在顯著的空間分異。西部地區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的正向影響進(jìn)入“邊際效益遞減”階段，中部地區(qū)和東北地區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平處于轉(zhuǎn)型關(guān)鍵期，其影響為負(fù)值；西部地區(qū)和東北地區(qū)低水平的城鎮(zhèn)化對農(nóng)地利用效率存在顯著抑制作用；復(fù)種指數(shù)、種植結(jié)構(gòu)和財(cái)政支農(nóng)水平對于絕大部分省（區(qū)、市）農(nóng)地利用效率具有積極作用；農(nóng)村受教育程度的影響呈現(xiàn)“北正-南負(fù)”態(tài)勢；農(nóng)作物受災(zāi)程度的較弱正向影響主要位于華北地區(qū)和華南地區(qū)。

（5）各影響因素對農(nóng)地利用效率的影響程度在東西方向的變化趨勢大于南北方向。城鎮(zhèn)化的影響在東西方向上最敏感，復(fù)種指數(shù)的影響在南北方向上最敏感。

基于以上研究結(jié)論，得出以下政策啟示：第一，強(qiáng)化農(nóng)地用途管制，建立以“減碳排、增碳匯”為導(dǎo)向的農(nóng)地保護(hù)管理機(jī)制。嚴(yán)守耕地生態(tài)紅線，嚴(yán)格控制建設(shè)占用，遏制農(nóng)地“非農(nóng)化”和撂荒現(xiàn)象；在確保糧食安全的前提下，提升林地、草地、園地碳匯能力，加快推進(jìn)農(nóng)地碳庫建設(shè)，建立完善碳匯市場化交易機(jī)制；相比其他地區(qū)，華北地區(qū)和西北地區(qū)農(nóng)地利用效率陷入“內(nèi)卷化”陷阱，應(yīng)予以重點(diǎn)關(guān)注和支持。第二，堅(jiān)持因地制宜的種植原則，不斷優(yōu)化調(diào)整種植結(jié)構(gòu)。一方面，基于各?。▍^(qū)、市）資源稟賦特征劃定糧食保供區(qū)和特色農(nóng)作物優(yōu)勢區(qū)，大力推廣低碳高效種植模式，鼓勵(lì)引導(dǎo)種植低耗水、低污染、低排放、高效率的農(nóng)作物；另一方面，充分發(fā)揮改進(jìn)種植結(jié)構(gòu)對種植面積的減省效應(yīng)，構(gòu)建多元化、多層次農(nóng)業(yè)生產(chǎn)性服務(wù)組織，進(jìn)一步推動農(nóng)地規(guī)?；?jīng)營，有效降低單位面積農(nóng)地利用碳排放。第三，推動新型城鎮(zhèn)化高質(zhì)量發(fā)展，提高農(nóng)地資源要素配置效率。避免盲目追求城鎮(zhèn)化速率和規(guī)模而引發(fā)的“擠出效應(yīng)”，重點(diǎn)提升西部地區(qū)和東北地區(qū)新型城鎮(zhèn)化發(fā)展水平，推進(jìn)技術(shù)、人才、資金等要素在城鄉(xiāng)間合理自由流動，進(jìn)一步完善農(nóng)地流轉(zhuǎn)市場建設(shè)，優(yōu)化農(nóng)地投入要素配置，促進(jìn)農(nóng)地利用方式由過度依賴資源投入、高強(qiáng)度、高排放的粗放型向精準(zhǔn)投入、高效率、低排放的集約型轉(zhuǎn)變。第四，實(shí)施差異化的農(nóng)地利用效率提升政策，加大財(cái)政支農(nóng)力度。由于各?。▍^(qū)、市）資源稟賦和農(nóng)地利用現(xiàn)狀存在差異，應(yīng)避免“一刀切”政策，因地制宜、循序漸進(jìn)制定提升農(nóng)地低碳利用效率的政策，并通過提高財(cái)政支農(nóng)水平，改善農(nóng)業(yè)基礎(chǔ)設(shè)施，積極推廣應(yīng)用減碳增匯型農(nóng)業(yè)技術(shù)，建立以綠色低碳為導(dǎo)向的農(nóng)地補(bǔ)償機(jī)制，有效引導(dǎo)農(nóng)民綠色低碳科學(xué)利用農(nóng)地。