摘要：農業生態效率研究對真實反映農業經濟發展與生態環境保護的協調關系具有重要意義。為科學評價長江中游城市群農業發展并為其策略制定提供依據，基于２０００—２０１７年長江中游城市群各市面板數據，采用含有非期望產出的Ｓｕｐｅｒ－ＳＢＭ模型測算農業生態效率，分析其時空演變規律和空間相關性，并通過地理探測器模型對影響農業生態效率的驅動因子進行探測。結果表明：（１）２０００—２０１７年長江中游城市群平均農業生態效率整體水平較高，呈現“降—升—降”的走勢，湖南、江西省域與湖北省域差距較大，且地區農業生態效率發展不平衡，區域間差異逐年增大。（２）從空間相關性上看，長江中游城市群農業生態效率全局相關性呈現“隨機—聚集”過程，且集聚現象隨時間演進逐漸顯著，局部空間相關性顯示較弱，各相關類型隨時間有不同程度的上升趨勢，空間相關性逐漸向中心區域集中。（３）農業生態效率受多驅動因子共同作用，不同年份下部分驅動因子變化較大，驅動因子在不同地區對農業生態效率的影響表現出一定的地域性和差異性。長江中游城市群地區農業生態效率存在較大的提升空間，整體差異正在逐漸擴大，各地區應加強聯系，采取合理措施促進“兩型”農業發展。

　　關鍵詞：農業生態效率；Ｓｕｐｅｒ－ＳＢＭ模型；空間自相關；地理探測器；長江中游城市群

　　農業是支撐國民經濟建設與發展的基礎產業［１］。隨著農業生產中農業機械、化肥、農藥等大量投入，在農業生產效率不斷提升的同時，環境外部負效益日益顯現［２］，單純對農業發展進行經濟評價并不能準確反映農業發展的真實情況，迫切需要更合適的評價方法對農業發展進行評價。生態效率（ｅｃｏ－ｅｆｆｉｃｉｅｎｃｙ）由于同時將環境績效和經濟績效內涵于其概念中，而被廣泛運用于可持續發展的評價［３］。生態效率評價方法眾多，目前主流的測算方法包括隨機前沿法［４］（ＳＦＡ）和數據包絡分析法［５］（ＤＥＡ）。數據包絡分析法是一種非參數方法，該方法可以根據多項投入和產出指標，利用線性規劃的方法，評價同類型決策單元的相對效率，但前沿面固定［６］。以數據包絡分析法為基礎的含有非期望產出的Ｓｕｐｅｒ－ＳＢＭ模型，由于將生態負產出納入評價模型，可以有效解決普通ＤＥＡ投入產出造成的擁擠或松弛現象以及前沿面固定的問題，逐漸成為農業生態效率評價的主流方法［７］。

　　１研究方法

　　１．１含有非期望產出的Ｓｕｐｅｒ－ＳＢＭ模型

　　在測算農業生態效率時，除了要考慮農業產值等期望產出，還必須考慮非期望產出，如環境污染［２］。在農業生產評價中通常將化肥、農藥、農膜等化學制品的過度使用產生的環境污染視為非期望產出。ＳＢＭ模型［２６］能夠有效解決徑向和角度的傳統ＤＥＡ模型造成的投入要素的“擁擠”或“松弛”現象，但ＳＢＭ模型與傳統ＤＥＡ模型存在相同的問題，即對于效率都為１的ＤＭＵｓ無法進行區分。Ｓｕｐｅｒ－ＳＢＭ模型［２７］是超效率ＤＥＡ模型和ＳＢＭ模型相結合的一種模型，其綜合了兩種模型的優勢，有效解決了進一步有效區分處于前沿面ＤＭＵｓ的問題。

　　１．２空間相關性分析

　　通過空間自相關分析來了解農業生態效率的空間關聯和空間差異，其中全局空間自相關常用的度量空間自相關程度的統計指標為Ｍｏｒａｎ′ｓＩ指數［６］，其計算公式為：Ｉ＝ｎ∑ｎｉ＝１∑ｎｊ＝１ｗｉｊ（ｘｉ－ｘ）（ｘｊ－ｘ）∑ｎｉ＝１∑ｎｊ＝１ｗｉｊ∑ｎｉ＝１（ｘｉ－ｘ）２（３）式中：ｎ為樣本量；ｘｉ，ｘｊ為空間位置ｉ和ｊ的觀察量；ｗｉｊ表示空間位置ｉ和ｊ的鄰近關系，當ｉ和ｊ鄰近時，ｗｉｊ＝１；反之為０。全局Ｍｏｒａｎ′ｓＩ指數的取值范圍為［－１，１］，大于０為空間正相關，小于０為負相關，等于０為不相關。

　　２研究數據與指標體系

　　２．１研究區域

　　長江中游城市群是位于長江中游地區，以武漢城市圈、環長株潭城市群、環鄱陽湖城市群為主體形成的特大型城市群，是長江經濟帶的重要組成部分，在我國區域發展格局中占有重要地位［２８］。本文選取２０１５年４月發展改革委印發的《長江中游城市群發展規劃》中劃定的范圍作為研究區域，包括湖北省域：武漢、黃石、宜昌、襄陽、鄂州、荊門、孝感、荊州、黃岡、咸寧、仙桃、潛江、天門；湖南省域：長沙、株洲、湘潭、衡陽、岳陽、常德、益陽、婁底；江西省域：南昌、景德鎮、萍鄉、九江、新余、鷹潭、宜春、上饒及撫州、吉安的部分縣（區）共３１個市級行政單元。

　　２．２數據來源

　　本文以狹義農業為研究對象測算農業生態效率，所用到的數據來源于《農村統計年鑒》、《區域經濟統計年鑒》、《湖北統計年鑒》、《湖北農村統計年鑒》、《湖南統計年鑒》、《江西統計年鑒》等統計年鑒以及ＥＰＳ數據平臺，部分缺失數據通過插值法進行補全，最終得到長江中游城市群３１個市２０００—２０１７年共１８年的面板數據。省、市界線的矢量數據來源于全國地理信息資源系統（ｗｗｗ．ｗｅｂｍａｐ．ｃｎ）公布的２０１７年全國１∶１００萬基礎地理數據庫，空間坐標系統為２０００年大地坐標系（ＣｈｉｎａＧｅｏｄｅｔｉｃＣｏｏｒ－ｄｉｎａｔｅＳｙｓｔｅｍ２０００）。

　　２．３指標體系構建

　　對已有研究中的農業投入產出指標體系［２，７，１５，２９－３０］進行綜合考慮，再結合數據的可獲得性與統計口徑的一致性，最終選取勞動、灌溉、農膜、農藥、化肥、土地、機械、燃料、電能投入等９項指標作為區域農業資源投入指標。期望產出指標以農業總產值作為變量來表現，為消除年份物價因素的影響，通過計算平減指數將農業總產值調整為２０００年不變價格的產值［７］。鑒于農業碳排放包含的范圍較全面，同時農業碳排放的計算方法已經較為成熟且容易量化，故本文以農業碳排放作為非期望產出。農業碳排放的來源主要是農業生產過程中使用的化肥、農藥、農膜，使用農業機械消耗的化石燃料，農業耕作破環土壤有機碳庫導致的碳流失，農業灌溉消耗電能間接耗費的化石燃料。本文參考李波等［３１］的碳排放模型及測算系數，采用相應指標乘系數的方法進行估算，以上六大類碳源的碳排放系數為：化肥０．８９５６（ｋｇ／ｋｇ）、農藥４．９３４１（ｋｇ／ｋｇ）、農膜５．１８（ｋｇ／ｋｇ）、柴油０．５９２７（ｋｇ／ｋｇ）、翻耕３１２．６（ｋｇ／ｋｍ２）、農業灌溉２０．４７６（ｋｇ／ｈｍ２）。綜上指標構建長江中游城市群農業生態效率評價指標體系（表１）。

　　３結果與分析

　　３．１長江中游城市群農業生態效率測算及時空演變研究

　　基于ＭａｘＤｅａ８．０軟件平臺，采用無徑向（Ｎｏｎ－Ｏｒｉｅｎｔｅｄ）、規模報酬可變（ＶＲＳ）、農業碳排放作為非期望產出的Ｓｕｐｅｒ－ＳＢＭ模型，測算長江中游城市群２０００—２０１７年３１個市的農業生態效率。在此基礎上，將研究區域分為湖北省域、湖南省域、江西省域３個部分，分別求得各年份均值，對各省域農業生態效率均值進行對比分析（圖１）。（１）２０００—２０１７年長江中游城市群平均農業生態效率整體水平較高，呈現“降—升—降”的走勢。２０００—２００５年持續降低，２００６—２０１０年出現緩慢回升勢頭，２０１１—２０１７年繼續出現降低趨勢，２０００—２０１７年長江中游城市群農業生態效率均值由１．０３降至０．６８。（２）湖北、湖南、江西省域２０００—２０１７年期間總均值分別為１．０９，０．５９，０．８３。總體上看，湖南、江西省域與湖北省域差距較大，而且差距呈現不斷擴大趨勢。２０００—２０１２年湖北省域農業生態效率值保持在１以上，２０１３—２０１７年呈現小幅度下降趨勢，而湖南、江西兩個省域農業生態效率與整體發展趨勢基本一致，出現了先降、再升、再降３個階段，２００２年開始兩省域同時出現明顯下降趨勢，隨后在２００６年開始出現小幅度回升，最后分別從２００８年、２０１０年開始繼續下降。

　　３．２長江中游城市群農業生態效率空間相關性研究

　　通過測度全局空間自相關，２０００—２０１７年長江中游城市群農業生態效率的Ｍｏｒａｎ′ｓＩ指數逐漸增大，全局相關性顯示為“隨機—聚集”過程，說明農業生態效率集聚現象有隨時間演進逐漸顯著的特征。為進一步探究長江中游城市群農業生態效率的空間關聯性和空間依賴性特征，采用局部空間自相關指數（ＬｏｃａｌＭｏｒａｎ′ｓＩ指數）來反映研究單元相鄰區域空間要素的空間關聯性與異質性。運用ＡｒｃＧＩＳ１０．２軟件計算２０００—２０１７年長江中游城市群農業生態效率全局空間自相關指數。在通過有效性檢驗的情況下，根據ＬｏｃａｌＭｏｒａｎ′ｓＩ公式計算得到的ｚｉ與Ｉｉ值將長江中游城市群農業生態效率研究單元劃分為４種空間相關類型［３２］：（１）當ｚｉ＞０，Ｉｉ＞０，說明研究單元與其相鄰單元農業生態效率水平均較高，二者表現為正相關，屬于高高（Ｈｉｇｈ—Ｈｉｇｈ）集聚，將研究單元劃分為“擴散型”；（２）當ｚｉ＜０，Ｉｉ＞０，說明研究單元自身和相鄰單元農業生態效率水平均較低，二者表現為正相關，屬于低低（Ｌｏｗ—Ｌｏｗ）集聚，將研究單元劃分為“傳染型”；（３）當ｚｉ＜０，Ｉｉ＜０，說明研究單元自身農業生態效率水平較低，但相鄰單元農業生態效率水平較高，二者也表現為負相關，屬于低高（Ｌｏｗ—Ｈｉｇｈ）集聚，將研究單元劃分為“沉陷型”；（４）當ｚｉ＞０，Ｉｉ＜０，說明研究單元自身農業生態效率水平較高，但相鄰單元農業生態效率水平較低，二者表現為負相關，屬于高低（Ｈｉｇｈ—Ｌｏｗ）集聚，將研究單元劃分為“極化型”。

　　結論

　　本文基于含有非期望產出的Ｓｕｐｅｒ－ＳＢＭ模型，以長江中游城市群３１個市作為研究單元，使用２０００—２０１７年面板數據，結合空間自相關模型和地理探測器對研究區域農業生態效率的時空演變、空間相關性及其驅動因子進行探究。主要研究結論如下：

　　（１）從時空演變來看，２０００—２０１７年長江中游城市群平均農業生態效率整體水平較高，呈現“降—升—降”的走勢，２０００—２０１７年長江中游城市群農業生態效率平均值由１．０３降至０．６８，湖南、江西省域與湖北省域差距較大。２０００年湖北省域農業生態效率均值比湖南、江西省域分別高出１９．４２％和３．９４％，至２０１７年增長為４８．５４％和３０．８９％，各研究單元差異擴大，地區農業生態效率發展不平衡，區域分化現象逐漸顯著。

　　（２）從空間相關性來看，２０００—２０１７年長江中游城市群農業生態效率的Ｍｏｒａｎ′ｓＩ指數逐漸增大，全局相關性顯示為“隨機—聚集”過程，農業生態效率集聚現象隨時間演進逐漸顯著。長江中游城市群農業生態效率總體空間關聯性較弱，擴散型、傳染型、沉陷型、極化型平均個數分別為１．５６，２．８９，１．００，２．５６，關聯不顯著的研究單元占比較大，但各相關類型均有不同程度的上升趨勢，關聯顯著的研究單元隨時間推進逐漸增多，空間相關性逐漸向中心區域集中。

　　（３）從驅動因子來看，長江中游城市群農業生態效率受多種因子共同作用，不同年份下部分農業生態效率的驅動因子變化較大，農業經濟水平、城鎮化水平對農業生態效率的影響隨時間逐漸增強現象明顯。各驅動因子在不同地區對農業生態效率的影響表現出一定的相似性和差異性，城鎮化水平是對生態效率影響最顯著的驅動因子，且各地區影響水平較接近，而農業經濟水平、農業人力資本、工業化水平等因子影響則表現出明顯的地域性和差異性。單純從農業總產值上看，長江中游城市群地區農業發展迅速，產值不斷上升，但農業生態效率的變化趨勢顯示，各地市均存在較大的提升空間，且整體差異正在逐漸擴大；地區空間關聯性方面，武漢都市圈區域內長期呈現熱點中心，而環長株潭城市群、環鄱陽湖城市群區域則表現為冷點中心，空間關聯中心始終集中在３個省會城市周邊，且有向中心區域集中的趨勢；驅動因子方面，長江中游城市群地區農業生態效率的驅動因子在時序和空間分布上均存在明顯差異。目前，農業發展仍面臨“兩型農業”的艱巨任務，長江中游城市群應打破各地區地域界限，加強政策流動，縮小地區間差異；合理控制農業化學用品和農業機械動力的使用，制定有關限制條件，加大對農業污染物排放的治理投資；加強農業基礎設施條件和農業生態補償機制的建設，同時加大對農業技術研究的投入，促使農業現代化技術快速進步。長江中游城市群作為全國產業協調發展、共建生態文明示范區，農業生態化研究具有重要價值。本文通過對長江中游城市群地區農業生態效率的測算及分析，發現了研究時期內農業生態效率的地理空間特征，揭示了其有關驅動因子的顯著性和時空分布，研究結論對地區農業生態化發展倡議相關政策的制定有借鑒意義。但農業生產除可見成本外，各種社會經濟因素對農業生態效率的損失均存在影響，深入研究相關政策、農業勞動力、農業耕作方式、農業技術變化等要素是未來農業生態效率研究可考慮的方向。同時基于本文結論，農業生態效率的驅動因子存在明顯的地區差異，針對不同地域特征，對農業生態效率驅動因子的差異評價也是今后深入研究的重要方向，從空間視角制定出科學的農業生態發展策略，對優化地區資源要素配置和促進區域可持續發展有著重要作用。

　　參考文獻：

　　［１］陳菁泉，信猛，馬曉君，等．農業生態效率測度與驅動因素［Ｊ］．環境科學，２０２０，４０（７）：３２１６－３２２７．

　　［２］侯孟陽，姚順波．１９７８—２０１６年農業生態效率時空演變及趨勢預測［Ｊ］．地理學報，２０１８，７３（１１）：２１６８－２１８３．

　　［３］ＳｃｈａｌｔｅｇｇｅｒＳ，ＳｔｕｒｍＡ．ＫｏｌｏｇｉｓｃｈｅＲａｔｉｏｎａｌｉｔｔ［Ｊ］．ＤｉｅＵｎｔｅｒｎｅｈｍｕｎｇ，１９９０，４（４）：２７３－２９０．

　　［４］任宇飛，方創琳，藺雪芹．東部沿海地區四大城市群生態效率評價［Ｊ］．地理學報，２０１７，７２（１１）：２０４７－２０６３．

　　［５］金貴，吳鋒，李兆華，等．快速城鎮化地區土地利用及生態效率測算與分析［Ｊ］．生態學報，２０１７，３７（２３）：８０４８－８０５７

　　舒曉波１，２，馮維祥１，廖富強１，２，凌春園１