论文部分内容阅读
摘要：考虑环境约束，将工业三废指标作为非期望产出，运用SBM-Undesirable模型对江西省11个设区市城镇建设用地利用效率进行分析。结果表明，江西省建设用地利用效率总体处于中等水平，2013年后各地市的城镇建设用地效率逐渐回升，从赣南到赣北呈现出效率逐渐降低的趋势;数据包络分析法（DEA）无效地区普遍存在投入过量和非期望产出过剩的情况，投入产出结构不合理，且地区间差异较大，但经济产出效率普遍较好。在未来土地利用过程中，地方政府需要因地制宜优化能源结构和投资、调整产业结构，减少非期望产出，优化土地资源配置，推动绿色发展。
关键词：建设用地;土地利用效率;非期望产出;SBM-Undesirable模型
中图分类号：F293.2;F323.211文献标志码： A
文章编号：1002-1302（2021）05-0226-06
城市建设用地在助力城市发展方面起到了非常重要的作用，随着我国经济由高速增长向高质量发展转变，高效利用土地是实现社会、经济、生态协调可持续发展的必然要求。根据2019年国民经济和社会发展统计公报[1]，截至2019年底，全国常住人口的城镇化率达到了60.60%，较1978年末增长了42.70%，年均增长约1.02%。城镇化进程加快的同时，建设用地的数量和空间规模都在不断地增长。某些地方政府官员为了地方的GDP目标，甚至不惜以环境牺牲代价引进一些高耗能、高污染、高排放的企业，对节能减排带来较大的压力[2]。某些地区由于城市建设用地的疯狂扩张，对耕地、草地、林地等绿色空间进行入侵，也带来了一系列的环境污染和温室气体排放问题，土地利用和经济增长未取得协调发展[3]。在当前生态文明背景和经济高质量发展的现实需求下，如何在节能减排的目标下提高城镇建设用地的效率是亟待解决的问题。因此，对城镇建设用地的利用效率进行科学、合理的评价对于促进节约集约用地和经济高质量发展具有至关重要的意义。
当前学术界从不同的内容、方法、尺度等方面对土地利用效率进行了研究。内容上大多关注城市土地、建设用地、耕地、工业用地等的利用效率，并深化为探讨土地利用对城市化的影响;研究尺度上有省级层面、地区层面（如长三角、珠三角城市群等）、市级、开发区层面。李国煜等利用数据包络分析（DEA）和面板数据模型对碳约束下福建省城镇建设用地利用效率的动态变化及影响因素进行研究[7];刘世超等采用SBM-Undesirable模型对珠三角等8个城市群的土地利用效率进行了研究，并结合要素冗余度对效率优化路径进行了分析[8];张浩等将河北省地级市的耕地划分为3个层次并用可行广义最小二乘（FGLS）法分析3个层次的影响因素[9]。在研究方法上，主要包括协调度模型、加权法和主成分分析法、模糊综合评价法、层次分析法（AHP）、DEA及系统分析等，其中利用DEA模型对土地利用效率进行评价最为广泛，例如张立新等对城市建设用地利用效率的空间格局演化进行分析，并探讨了其影响因素[17]。
上述研究为建设用地利用效率的评价提供了一定的参考，但仍存在一定的改进空间：（1）现有研究大多是考虑投入产出等经济和社会因素，土地利用过程中对环境带来的负面效应理应加以重视，使得评价结果更具科学性;（2）国内学术界对土地利用效率的研究首要应用基于规模收益可变的DEA（VRS-DEA）模型，较少考虑非期望产出（如污染物排放、碳排放等）因素对土地利用效率的负效应，评价结果缺乏指导性。研究江西省城市建设用地的利用效率及其时空演化特征不仅为地方政府的土地利用政策提供决策依据，也有助于未来产业结构优化升级，进一步促进绿色低碳發展，从而促进社会、经济、生态的协调可持续发展。
1 材料与方法
1.1 研究区概况
江西省位于中国的东南部，长江中下游南岸，为长江三角洲、海峡西岸和珠江三角洲三大经济区的中心腹地，全省土地总面积有16.69万km2，占国土总面积的1.7%，共有11个设区市。近年来，江西省相继被列为国家首批生态文明试验区和长江中游城市群、长江经济带等重要发展规划中。在当前高质量发展的要求下，促进产业结构优化升级，推动绿色低碳发展，以最少的土地资源消耗支撑经济社会持续发展至关重要，其关键在于提升城市土地的利用效率[9]。因此，对江西省城市建设用地利用效率的时空演化进行研究，将为进一步讨论土地利用、经济发展及环境保护之间协调可持续发展提供决策支持。
1.2 数据来源与处理
研究数据来源于《中国城市统计年鉴》《江西统计年鉴》。此外，考虑到通货膨胀等外部价格因素的影响，将固定资产投资额及GDP折算为以2010年为基准的不变价，消除了外部价格因素对数据的影响。
1.3 研究方法
1.3.1 数据包络分析法 DEA是一种基于被评价对象间相对比较的非参数技术效率分析方法，运用数学线性规划评价多投入多产出模式下决策单元（decision making unit，简称DMU）间的相对有效性[18]。2001年，SBM（slack based model）模型和加入非期望产出的SBM-Undesirable模型被提出[18]，不仅解决了传统模型中无法避免的投入产出变量松弛问题，而且能够更准确测算出环境约束下的效率分析。假设有n个DMU，每个DMU有m种投入（x∈Rm ）、s1种期望产出（yg∈Rs1）和s2种非期望产出（yb∈Rs2）。定义矩阵：
X=（xij）∈Rm*n，Yg=（ygij）∈Rs1*n，Yb=（ybij）∈Rs2*n，X
关键词：建设用地;土地利用效率;非期望产出;SBM-Undesirable模型
中图分类号：F293.2;F323.211文献标志码： A
文章编号：1002-1302（2021）05-0226-06
城市建设用地在助力城市发展方面起到了非常重要的作用，随着我国经济由高速增长向高质量发展转变，高效利用土地是实现社会、经济、生态协调可持续发展的必然要求。根据2019年国民经济和社会发展统计公报[1]，截至2019年底，全国常住人口的城镇化率达到了60.60%，较1978年末增长了42.70%，年均增长约1.02%。城镇化进程加快的同时，建设用地的数量和空间规模都在不断地增长。某些地方政府官员为了地方的GDP目标，甚至不惜以环境牺牲代价引进一些高耗能、高污染、高排放的企业，对节能减排带来较大的压力[2]。某些地区由于城市建设用地的疯狂扩张，对耕地、草地、林地等绿色空间进行入侵，也带来了一系列的环境污染和温室气体排放问题，土地利用和经济增长未取得协调发展[3]。在当前生态文明背景和经济高质量发展的现实需求下，如何在节能减排的目标下提高城镇建设用地的效率是亟待解决的问题。因此，对城镇建设用地的利用效率进行科学、合理的评价对于促进节约集约用地和经济高质量发展具有至关重要的意义。
当前学术界从不同的内容、方法、尺度等方面对土地利用效率进行了研究。内容上大多关注城市土地、建设用地、耕地、工业用地等的利用效率，并深化为探讨土地利用对城市化的影响;研究尺度上有省级层面、地区层面（如长三角、珠三角城市群等）、市级、开发区层面。李国煜等利用数据包络分析（DEA）和面板数据模型对碳约束下福建省城镇建设用地利用效率的动态变化及影响因素进行研究[7];刘世超等采用SBM-Undesirable模型对珠三角等8个城市群的土地利用效率进行了研究，并结合要素冗余度对效率优化路径进行了分析[8];张浩等将河北省地级市的耕地划分为3个层次并用可行广义最小二乘（FGLS）法分析3个层次的影响因素[9]。在研究方法上，主要包括协调度模型、加权法和主成分分析法、模糊综合评价法、层次分析法（AHP）、DEA及系统分析等，其中利用DEA模型对土地利用效率进行评价最为广泛，例如张立新等对城市建设用地利用效率的空间格局演化进行分析，并探讨了其影响因素[17]。
上述研究为建设用地利用效率的评价提供了一定的参考，但仍存在一定的改进空间：（1）现有研究大多是考虑投入产出等经济和社会因素，土地利用过程中对环境带来的负面效应理应加以重视，使得评价结果更具科学性;（2）国内学术界对土地利用效率的研究首要应用基于规模收益可变的DEA（VRS-DEA）模型，较少考虑非期望产出（如污染物排放、碳排放等）因素对土地利用效率的负效应，评价结果缺乏指导性。研究江西省城市建设用地的利用效率及其时空演化特征不仅为地方政府的土地利用政策提供决策依据，也有助于未来产业结构优化升级，进一步促进绿色低碳發展，从而促进社会、经济、生态的协调可持续发展。
1 材料与方法
1.1 研究区概况
江西省位于中国的东南部，长江中下游南岸，为长江三角洲、海峡西岸和珠江三角洲三大经济区的中心腹地，全省土地总面积有16.69万km2，占国土总面积的1.7%，共有11个设区市。近年来，江西省相继被列为国家首批生态文明试验区和长江中游城市群、长江经济带等重要发展规划中。在当前高质量发展的要求下，促进产业结构优化升级，推动绿色低碳发展，以最少的土地资源消耗支撑经济社会持续发展至关重要，其关键在于提升城市土地的利用效率[9]。因此，对江西省城市建设用地利用效率的时空演化进行研究，将为进一步讨论土地利用、经济发展及环境保护之间协调可持续发展提供决策支持。
1.2 数据来源与处理
研究数据来源于《中国城市统计年鉴》《江西统计年鉴》。此外，考虑到通货膨胀等外部价格因素的影响，将固定资产投资额及GDP折算为以2010年为基准的不变价，消除了外部价格因素对数据的影响。
1.3 研究方法
1.3.1 数据包络分析法 DEA是一种基于被评价对象间相对比较的非参数技术效率分析方法，运用数学线性规划评价多投入多产出模式下决策单元（decision making unit，简称DMU）间的相对有效性[18]。2001年，SBM（slack based model）模型和加入非期望产出的SBM-Undesirable模型被提出[18]，不仅解决了传统模型中无法避免的投入产出变量松弛问题，而且能够更准确测算出环境约束下的效率分析。假设有n个DMU，每个DMU有m种投入（x∈Rm ）、s1种期望产出（yg∈Rs1）和s2种非期望产出（yb∈Rs2）。定义矩阵：
X=（xij）∈Rm*n，Yg=（ygij）∈Rs1*n，Yb=（ybij）∈Rs2*n，X