西南岩溶地区耕地利用效率及其影响因素

唐梅蓉，杨奇勇

(1.中国地质科学院岩溶地质研究所，广西 桂林541004； 2.中国地质大学(北京)，北京100083)

0 引言

耕地资源作为土地特有的一种利用形式，具有独特的稀缺性与不可再生性，是人类赖以生存的自然资源基础[1]。它关系到我国当前经济社会的稳定，关乎国家的长远利益和可持续发展。在我国西南岩溶区，由于其地质背景特殊，岩溶作用强烈，景观异质性强，导致耕地数量少且质量差。加上该区域人口相对较多，尖锐的人地矛盾导致植被破坏和水土流失日益严重，产生十分严重的石漠化现象，而且呈不断扩张的态势，严重制约了该区域耕地的可持续发展，直接影响当地居民的经济收入水平[2]。研究岩溶地区耕地利用效率及其时空演变特征不但能够提高耕地利用效率、增加农民收入，而且对该区土地资源可持续利用提供重要的参考。

目前，国内外在耕地资源利用研究方面取得了一定的进展。从研究内容上看，主要侧重于耕地利用效率的时空分异特征及其影响因素的系统分析与研究。罗冲等[3]运用DEA-Tobit两步法，对其研究区域的耕地利用效率及影响因素进行了评价和分析。卢新海等[4]基于不同视角，将碳排放量、化肥排放量和面源污染等非期望产出指标添加到“投入-产出”指标体系中，并运用非期望产出的SBM模型测度所研究区域的耕地利用效率。姜晗等[5]运用Malmquist生产率指数对所研究区域的耕地全要素生产率进行测度。在研究范围上，主要呈现出从全国、粮食主产区、西南地区部分省(市)域，不断向单个省域、市域及县域的微小尺度深入[6-11]。在研究方法上，采用DEA模型、SBM模型和SFA模型等定量测度耕地利用效率，并采用Tobit模型、GWR模型对其影响因素进行分析[3-4，6，8，12]。

国内研究尚存在一定不足：在研究尺度上，多侧重对全国、东部沿海地区及粮食主产区耕地利用效率的定量测度及其影响因素研究，缺乏西南岩溶区的耕地利用效率时空分异研究；在影响因素测度模型的选取上，Tobit模型无法解决自变量与因变量之间存在空间自相关，在进行全局或平均估计中引起的估算偏差问题。GWR模型无法测度两个自变量X1和X2共同作用时是否会增加或减弱对因变量Y的解释力，或这些因子对Y的影响是相互独立的。由于西南地区特殊的地形及地貌条件，耕地利用效率通常受到两个或者多个因素的共同影响。

本文以西南岩溶地区112个市为研究单元，从耕地投入产出的角度，利用DEA模型对2011—2017年各市耕地利用效率进行测算，揭示其时空变化特征，并借助地理探测器对影响耕地利用效率的因素进行相关探讨，以期为提高西南岩溶地区耕地利用效率提供科学参考。

1 数据与方法

1.1 研究区概况

我国南方岩溶分布主要集中在西南地区，其岩溶面积比达到1/3以上(图1)，涉及湖北、湖南、广东、广西、重庆、四川、贵州和云南8个省(区、市)[13]。西南岩溶地区是我国主要的粮食生产地，包括我国4大商品粮基地，其中有成都平原和洞庭湖平原。2017年，西南岩溶地区耕地总面积约3.62×107hm2，占全国耕地面积的26.81%。在西南岩溶地区，由于受自然条件和人类活动的影响，生态易碎度强，以石漠化土地退化为主要表现的生态问题尤为突出[14]。截止到2016年底，岩溶地区石漠化土地总面积为1.01×107hm2，占岩溶面积的22.3%，占区域国土面积的9.4%。

图1 研究区位置及岩溶分布Fig.1 Location of study area and karst distribution

1.2 研究方法

1.2.1DEA模型

研究采用数据包络分析中的规模报酬可变(Variable Return to Scale，VRS模型)假设前提下的BCC模型，对西南岩溶地区8省(区、市)2011—2017年耕地利用综合效率进行测算。构建出西南8省(区、市)各市域耕地利用效率规模报酬可变模型

(1)

其中，j是待评价单元数量，即研究区中有j(j=1， 2， …，n)个市级行政单元(DMU)，且每个市级行政单元都有m种与耕地利用效率有关的投入变量和r种产出变量；Xjm表征j市中第m种投入总量；Yjr表征j市的第r种产出变量。j是将各市连接起来形成有效前沿面，用于判断区域空间耕地利用状况的权重变量。θ表征耕地投入产出的综合效率，值域为[0，1]，值越大，则综合利用效率越大。综合技术效率包含了规模效率的成分。

1.2.2地理探测器

地理探测器中包括多种分析方法，本文选择因子分析和交互式分析[15]。因子分析是探测因变量的空间分异性，以及探测某因子多大程度上解释了因变量的空间分异；交互式分析是评估各影响因子共同作用时是否会增加或减弱对因变量的解释力，或这些因子对因变量的影响是相互独立。公式如式(2)所示。

(2)

式中h=1，…

L——变量Y或因子X的分层，即分类或分区

Nh、N——层h和全区的单元数

SSW、SST——层内方差之和和全区总方差

q的值域为[0，1]，q值越大说明自变量对因变量的解释力越强，反之越弱。

1.3 数据来源

研究数据主要为2大类：一类是属性数据，包括农业和社会经济指标，主要来源于2012—2018年西南8省(区、市)的统计年鉴及广东农村统计年鉴(2012—2018年)；另一类是空间数据，包括中国省级、市级行政界线，数据来源于中国科学院资源环境科学数据中心；DEM数据(30 m分辨率)，来源于地理空间数据云平台。

1.4 投入-产出指标选择

在计算2011—2017年各个市的耕地利用效率时，将重庆市作为决策单元，而广东省的深圳市已经完全城市化，不作评价，西南岩溶地区共112个决策单元。考虑到数据的可获得性，选取的投入和产出指标主要有两类。

(1)投入指标。选取农作物播种面积(10 m3hm2)、人口总数(万人)、固定资产总投资(108元)和化肥使用量(万t)，代表西南岩溶地区各市农业生产中的土地、劳动力和资金投入3大基本要素的投入量。

(2)产出指标。选取粮食总产量(万t)、农村居民人均可支配收入(元)、农业总产值(108元)等指标。

耕地利用效率受自然和经济等多种因素的影响。参考前人研究结果，并结合西南地区实际情况，选择海拔高程、坡度、岩溶比例、公共财政支出和人均GDP作为研究指标。

2 结果分析

采用DEA中的BCC模型，运用DEAP2.1软件计算得到2011—2017年西南岩溶地区各市各年份的耕地利用综合效率、技术效率和规模效率值，再计算出效率均值。

2.1 西南岩溶地区耕地利用效率时间变化

2011—2017年，西南岩溶区耕地利用效率均值呈“先上升后下降”的变化趋势(图2)。就综合效率均值而言，其最低值为0.86，最高值为0.89，总体均值为0.88，均<0.9，说明综合利用效率亟待提高。其时序变化可分为2个不同阶段：第1阶段为2011—2015年，耕地利用效率总体上趋于缓慢上升状态，在2015年达到了5年间的最高值0.89；第2阶段为2016—2017年，呈下降趋势，使得2017年成为这7年中综合效率均值最低的年份，其值为0.86。一般来说，综合效率可以分解为技术效率和规模效率。

图2 2011—2017年西南岩溶地区耕地利用效率值变化趋势Fig.2 Change trend of cultivated land use efficiency in karst areas of Southwest China from 2011 to 2017

从图2可以看出，技术效率均值与综合效率均值的变化趋势比较接近，说明技术效率在综合效率中所占比例较大，起到决定性作用，规模效率均值走势相对平稳，其总体均值为0.98。

2.2 西南岩溶地区耕地利用效率空间分布

在Arcmap10.2中运用自然间断点分类法分别对综合效率、技术效率及规模效率平均值进行空间化显示(图3)，分析其空间格局。

图3 2011—2017年西南岩溶地区各市域耕地利用效率平均值分布特征Fig.3 Distribution characteristics of average value of cultivated land use efficiency in each city in Southwest Karst area from 2011 to 2017

2011—2017年，平均综合效率高值区主要分布在以重庆-资阳-甘孜一线为中心的市、州，以及云南省的大理、保山、普洱和西双版纳，东南部广东省的梅州、河源和惠州，北部湖北省的随州、荆门、荆州和湖南省的常德、湘潭、株洲等市、区；低值区主要分布在四川省的阿坝州，贵州省的贵阳，广西壮族自治区的南宁、防城港和柳州，以及湖北省的鄂州、黄石等市、区。

2011—2017年，各年份中耕地利用达到DEA效率最优决策单元数量分别为33、35、33、31、32、35、26，分别占决策单元总数的29.5%、31.3%、25.9%、27.7%、28.6%、31.3%、23.2%。技术效率高值区主要集中在随州-荆州-岳阳-株洲-永州一线为中心的市、区，其余高值区和低值区与综合效率空间分布基本一致。但是，2011—2017年西南岩溶地区各市达到DEA效率最优的数量分别为44、43、46、

49、53、52、36，分别占39.3%、38.4%、41.1%、43.4%、47.3%、46.4%、32.1%。规模效率总体上偏高，低值区主要分布在东部湖北省的孝感和鄂州市，以及衡阳、成都、攀枝花和防城港。从规模效率上看，2011—2017年西南岩溶地区各市单元达到DEA效率最优分别占到总单元数的33.0%、36.6%、32.1%、33.0%、34.8%、36.6%、27.7%。

3 耕地利用效率影响因素分析

因子探测器分析结果如表1所示，各因子对石漠化空间分布的影响权重分别为岩溶比例(q=0.24)>高程(q=0.21)>公共财政支出(q=0.11)>人均GDP(q=0.09)>坡度(q=0.06)，表明岩溶比例和高程是影响西南岩溶区耕地利用效率的主要因素，公共财政支出因素其次，而人均GDP和坡度因素影响最低。从影响因素的维度来看，自然因素对耕地利用效率高低的影响程度高于社会经济因素。

表1 因子探测器结果

结合因子探测器的结果和交互式探测器的结果如表2所示，可以看出岩溶比例、坡度、人均GDP、公共财政支出及高程5个驱动因子无论是单个因子还是相互组合因子，其q值都大于其他单个因子或者组合因子。岩溶比例与公共财政支出组成的交互式驱动因子其值最大为0.73，说明在碳酸盐岩广泛分布的地质基础上，政府公共财政支出不合理是造成耕地利用效率较低的首要原因。岩溶比例的高低及区域经济的好坏，导致耕地的投入和产出均存在一定的问题。

表2 交互式探测器结果(q值)

根据岩溶区等级分布图4可以看出，岩溶比例高值与次高值区主要分布在以贵州省为中心向西南、西北及东南和东北4个方向延伸的“十字架”型区域，高值区的岩溶比例平均值为0.92，耕地利用效率均值为0.72，政府公共财政支出均值为242.81×108元，人均GDP均值为2.43×108元；次高值区的岩溶比例、耕地利用效率、公共财政支出和人均GDP均值分别为0.61、0.82、270.65×108元和2.78×108元；次低值区在以贵州省为中心的东、西、南、北及东北方向的部分市域，其岩溶比例、耕地利用效率、公共财政支出和人均GDP均值分别为0.30、0.79、357.06×108元和3.49×108元；低值区的岩溶比例、耕地利用效率、公共财政支出均值和人均GDP为0.04、0.81、271.71×108元和4.9×108元。4类岩溶区的耕地利用效率与岩溶比例呈反比趋势，与公共财政支出及人均GDP大致上呈现出正比趋势。

图4 3种因素等级分布图Fig.4 Distribution of three factor levels

4 结论

运用DEA模型对西南岩溶地区112个市2011—2017年的耕地利用效率进行测算，研究耕地利用效率的时空变化状况，结合GIS空间分析工具和地理探测器模型，分析耕地利用效率的影响因素。

(1)2011—2017年，西南岩溶地区耕地利用效率值总体上呈“先上升后下降”趋势，技术效率均值与综合效率均值的变化趋势比较接近，说明技术效率在综合效率中所占比例较大，起到决定性的作用。

(2)西南岩溶地区耕地利用效率具有中等强度的空间变异性。总体上看，综合效率和技术效率西部和中东部地区高于东北部、中部和南部地区；高值区主要集中分布在重庆-资阳-甘孜一线为中心的市、区，以及云南省的大理、保山、普洱和西双版纳，北部湖北省的随州、荆门和荆州，湖南省的常德、湘潭和株洲等市、区；规模效率整体偏高，西部和南部较东部和北部高。

(3)地理探测器的因子探测器揭示了岩溶比例(q=0.24)、高程(q=0.21)2个因子是西南岩溶区耕地利用效率的主要影响因子；交互式探测器进一步揭示了岩溶比例与公共财政支出(q=0.73)、岩溶比例与人均GDP的组合(q=0.6)共同影响西南岩溶区耕地利用效率。