EN中文

经济地理 >

2021 , Vol. 41 >Issue 8: 115 - 124

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.08.014

城市地理与新型城镇化

长江经济带城市用地效率时空演变特征

  • 夏丛 , 1, 2 ,
  • 胡守庚 , 1, 2, ※ ,
  • 吴思 1, 2 ,
  • 余德 1, 2
展开
  • 1.中国地质大学（武汉） 公共管理学院，中国湖北 武汉 430074
  • 2.自然资源部法治研究重点实验室，中国湖北 武汉 430074
※胡守庚（1978—），男，浙江庆元人，博士，教授，研究方向为城乡发展与土地利用。E-mail：

夏丛（1998—），女，河北固安人，博士研究生，研究方向为城市土地利用转型。E-mail：

收稿日期: 2020-04-08

  修回日期: 2021-03-17

  网络出版日期: 2025-04-13

基金资助

国家社会科学基金重大项目(18ZDA053)

收起

Spatial-Temporal Evolution Characteristics of Urban Land Use Efficiency in Yangtze River Economic Belt

  • XIA Cong , 1, 2 ,
  • HU Shougeng , 1, 2, ※ ,
  • WU Si 1, 2 ,
  • YU De 1, 2
Expand
  • 1. School of Public Administration, China University of Geosciences，Wuhan 430074，Hubei, China
  • 2. Key Laboratory for Rule of Law Research，Ministry of Natural Resources，Wuhan 430074，Hubei, China

Received date: 2020-04-08

  Revised date: 2021-03-17

  Online published: 2025-04-13

Fold

摘要

文章将DEA窗口分析法与超效率SBM-Undesirable模型结合，测度2007—2018年长江经济带127个地级及以上城市用地效率，并运用核密度估计对其时空演变特征进行多维刻画。结果显示：①长江经济带城市用地效率整体提升，且经历了稳定提升、阶段下降、加速提升的“N”型发展过程。②城市用地效率高值区呈“分散分布—组团分布—片状分布”发展，低值区逐渐收缩至云南、贵州和湖南、湖北中部。③省际城市用地效率发展协调性不佳，成渝城市群、环鄱阳湖城市群、上海及浙江沿海地区提升最迅速。④不同城市体系、不同规模和不同职能的城市用地效率演进规律存在差异，非城市群和小城市变动不强，区域性城市群和资源型城市存在低效演进现象。

关键词： 城市用地效率; DEA窗口分析法; 工业型城市; 旅游型城市; 长江经济带; 成渝城市群; 长三角城市群

本文引用格式

夏丛 , 胡守庚 , 吴思 , 余德 . 长江经济带城市用地效率时空演变特征[J]. 经济地理, 2021 , 41(8) : 115 -124 . DOI: 10.15957/j.cnki.jjdl.2021.08.014

Abstract

This paper measures ULUE of 127 cities(autonomous prefectures) in Yangtze River Economic Belt in 2007-2018 using the super SBM-Undesirable model and DEA window analysis,and depicts a multidimensional picture of its spatial-temporal evolution. The results demonstrate that: 1) During the period,ULUE of Yangtze River Economic Belt shows an overall growth,and "N-shape" fluctuated process which steady increase,decline,and rapidly increase,consecutively. 2) The distribution pattern of high value areas of ULUE changes from "dispersed distribution" to "clustered distribution", and finally to "sheet distribution". The low value areas shrink gradually, and are mainly distributed in Yunnan Province, Guizhou Province, central Hunan Province and central Hubei Province. 3) The evolution of ULUE of different provinces is uncoordinated,and ULUE has increased rapidest in the Chengdu-Chongqing Urban Agglomeration, the urban agglomerations around Poyang Lake, Shanghai, and Zhejiang coastal areas. 4) Among cities of different urban systems, different scales, and different functions,the evolution of ULUE significantly differs. ULUE in small cities and cities that not in urban agglomerations does not change strongly, while ULUE in resource-based cities and cities of regional urban agglomerations has inefficient evolution.

Key words： urban land use efficiency; DEA window analysis; industrial city; tourist city; Yangtze River Economic Belt; Chengdu-Chongqing urban agglomeration; Yangtze River Delta urban agglomeration

1980年以来，中国经历了前所未有的城市化进程，城市经济的快速发展引发巨大的用地需求，城市用地总量快速扩大、利用粗放、结构失衡及环境恶化等问题曾经一度凸显[1]。党的十九大报告指出中国经济已由高速发展阶段转向高质量发展阶段，土地资源从数量驱动到效率驱动的变革将成为新时期城市土地利用的主旋律。长江经济带是中国经济的新支撑带，在全国国土空间开发与保护格局中具有重要战略地位。近年来“生态优先、绿色发展”“共抓大保护、不搞大开发”等发展理念被提出，同时长江经济带内各级国土空间规划相继启动编制，土地资源约束日益趋紧的态势下，如何提升城市用地效率，实现城市土地利用转型，成为学术界与相关政府部门关注的热点。
开展城市用地效率时空演变研究是探清城市用地现状、诊断低效用地“病症”、明晰城市用地效率变化机理的基础。城市用地效率研究最早可追溯到西方不同学派对城市空间扩展模式与机制的探讨[2⇓-4]，随着全球快速的城市扩张，逐渐转移到城市开发边界、“精明增长”、土地优化配置与规划决策等方面[5⇓-7]，近年来，国外土地利用效率研究重心集中在两方面，一是对区域土地利用价值的评估，特别是关注城市用地对长期环境可持续性和居民福祉的影响[8-9]；二是从资源利用[10]、环境约束[11]、城市增长[12]等视角探讨城市用地效率与社会经济发展间的关系。国内学者在借鉴国外研究的基础上，也对城市用地效率进行了广泛而深入的探讨。研究对象包括全国[13]、省[14]、城市群[15-16]、特定类型的城市或城市内特定的用地类型[17-18]，研究内容涉及城市用地效率评价方法与模型、时空分异特征、影响因素和提升路径[19⇓⇓⇓-23]等方面。学者们普遍认为城市用地效率是包含土地要素在内的综合生产率的反映，评价指标由单一的经济效益指标向社会效益、生态效益多指标发展[24-25]。测度方法多采用随机前沿生产函数模型（SFA）[26]和数据包络分析法（DEA），随机森林算法、小波神经网络模型等机器学习算法也有涉及[19,27]。其中，数据包络分析法能够处理土地利用系统的多投入多产出问题，又涵盖SBM-Undesirable、超效率DEA、方向距离函数、三阶段DEA等各类衍生模型，应用最为广泛[28⇓-30]。时空特征方面，已有研究多利用Malmquist指数、泰尔指数、核密度估计和空间自相关等方法进行演绎，并通过空间面板模型分析经济、人口、产业结构等对城市用地效率的影响[31-32]。此外，基于空间计量方法探讨地理空间内城市用地效率的相互作用也是重要的发展方向[33-34]。
图1 长江经济带区位示意图

Fig.1 Location of Yangtze River Economic Belt

已有研究取得了丰硕的成果，但仍有以下不足之处：①数据包络分析法利用截面数据在不同年份分别构造前沿面，侧重于单一年份城市间的对比，而在面板数据的动态分析方面存在局限性[35]。部分研究借助Malmquist指数判断效率的升降趋势，但多为定性分析，在效率的地理表达上适用性不强。DEA窗口分析法作为处理面板数据的有效方法，在国外能源环境效率测算中被广泛应用[36]，但在国内土地利用效率研究中尚不多见。②在大区域时空演变规律的刻画上，“全国—东—中—西”或“流域—上游—中游—下游”的分析范式较为固定，而对城市尺度的精细刻画不足[37]。已有研究证明，不同城市群、不同发展程度及不同职能城市的用地特征可能存在较大差异[31,38-39]。单纯采用传统的分析视角一定程度上会弱化对多尺度、多层级城市用地效率的对比与认知。
鉴于此，本文在构建城市用地效率指标体系的基础上，基于2007—2018年长江经济带127个城市（州）的面板数据，将超效率SBM-Undesirable模型与DEA窗口分析法相结合测度城市用地效率，分析效率时序趋势和空间分布特征，并借助核密度估计探讨不同城市体系、不同规模和不同职能城市的用地效率动态演变特征。研究旨在为优化区域土地资源利用、推动长江经济带绿色高质量发展提供科学参考。

1 研究区与数据来源

长江经济带横跨中国东中西三大区域，覆盖9省2市，下辖130个地级以上行政区，串联长江三角洲、长江中游、成渝、黔中和滇中5个城市群，总面积约205万km2，人口和GDP超过全国40%，拥有巨大的发展潜力。2014年，国务院发布《关于依托黄金水道推动长江经济带发展的指导意见》[40]，部署将其打造为中国经济新支撑带。习近平总书记也明确指出要“以长江经济带发展推动经济高质量发展”。可以看出，长江经济带正处于转型升级的关键时期，如何高效利用城市土地资源，实现土地利用的同步转型，成为从土地层面助力长江经济带高质量发展的关键一环。
本文研究区为长江经济带127个地级市（州）的市辖区范围，因相关数据缺失，四川省阿坝州、甘孜州和湖北省神农架林区不包含在内。同时，基于数据可得性，本文的研究时段为2007—2018年。文中数据主要来源于《中国城市统计年鉴》《中国城市建设统计年鉴》《中国环境统计年鉴》和长江经济带各省、市统计年鉴，部分数据是基于年鉴数据计算后的结果，个别年份缺失的数据采用平均增长率法插值补齐。

2 研究方法

2.1 城市用地效率测算

2.1.1 城市用地效率指标体系

在借鉴已有研究的基础上，分别以市辖区固定资本存量、市辖区非农从业人员和市辖区内建成区面积表示城市资本、劳动力和土地投入，以市辖区二三产业产值、城镇居民人均可支配收入和建成区绿化覆盖面积反映城市土地利用经济、社会和生态三方面产出，同时基于长江经济带高质量发展目标，将环境污染纳入城市用地效率影响因素，作为非期望产出。考虑到工业污染排放强度对城市污染程度有较强代表性，因此选取工业废水排放量和工业SO2排放量表示环境污染强度。市辖区固定资本存量参照柯善咨等[41]的研究成果，根据新增固定资产投资额、固定资产投资价格指数和加权折旧率通过永续盘存法计算而得；市辖区非农从业人员为市辖区单位二三产业从业人员、城市私营和个体从业人员之和；各年度市辖区二、三产业产值均以2007年为基年进行了价格平减；2007—2018年统计年鉴中未统计市辖区口径的工业废水排放量和工业SO2排放量，本文根据全市排放总量和单位工业产值排放量换算到市辖区口径。

2.1.2 超效率SBM-Undesirable模型

超效率SBM-Undesirable模型由Tone[42]提出，它以相对效率概念为基础，运用数学规划模型，对具有多投入和多产出的决策单元进行相对有效性评价，通过结合超效率DEA和SBM两个模型各自的优势，能够同时解决传统DEA模型的径向和角度问题、区分有效决策单元和测算非期望产出。其表达式如下：
m i n ρ = 1 + 1 m ∑ i = 1 m s i - / x i 0 1 - 1 q 1 + q 2 ∑ r = 1 q 1 s r + / y r 0 + ∑ t = 1 q 2 s t b - / b t 0 s . t . ∑ j = 1 , j ≠ j 0 n x j λ j - s i - ≤ x i o , ( i = 1,2 , … , m ) ∑ j = 1 , j ≠ j 0 n y j λ j + s i + ≤ y r o , ( r = 1,2 , … , q 1 ) ∑ j = 1 , j ≠ j 0 n b j λ j - s t b - ≤ b t o , ( t = 1,2 , … , q 2 ) 1 - 1 q 1 + q 2 ∑ r = 1 q 1 s r + / y r 0 + ∑ t = 1 q 2 s r b - / b t 0 0 λ j , s i - , s r + , s t b - ≥ 0 , j = 1,2 , … , n , j ≠ j 0
式中： ρ为效率值；m， q 1， q 2分别为投入、期望产出和非期望产出个数；j为相对有效的决策单元；n为相对有效的决策单元的数量； x j， y j， b j分别为决策单元j的投入、期望产出和非期望产出变量； λ j为决策单元的权重向量； s i -， s r +， s t b -分别为投入、期望产出和非期望产出的松弛变量； x i o， b t o， y r 0分别为被评价决策单元的原始投入、期望产出和非期望产出变量。当 ρ ≥ 1时，决策单元相对有效， ρ 1时，决策单元相对无效， ρ越大，决策单元的效率越高。

2.1.3 DEA窗口分析法

DEA窗口分析法（DEA Window Analysis）由Charnes[43]提出，是一种常见的处理包含多个时间点观测值的面板数据分析方法。它基于移动平均法的原理，将一定连续的时间段作为一个窗口期（即窗宽），窗口期内的所有决策单元作为参考集，通过同一时期不同决策单元间的比较，及不同时期同一决策单元间的比较，实现效率的跨时期测算。
假设共有n个决策单元，研究的总时段为T，窗宽为d，则将形成T-d+1个窗口，每个窗口内的决策单元数量为nd。对于某一个决策单元i，其在第m个窗口内，都将得到d个效率值。从第一个窗口开始，测算i分别在 t = 1,2 , … , d时期的效率值，再移动到第二个窗口，测算i在 t = 2,3 , … , d + 1时期的效率值，以此类推直至第 T - d + 1个窗口，共测算 ( T - d + 1 ) × d个效率值。最后取时期 t ( t = 1,2 , 3 , … , T )以不同窗口为参考集测算的平均效率值，作为时期t的最终效率值。测度结果与窗宽的选择有关，Charnes等认为，当窗宽 d = 3或 d = 4时，效率测度的可信度与稳定性最强[43]。本研究选择窗宽为3，测算过程示意见表1。
表1 窗口分析法计算原理(d=3)

Tab.1 The principle of calculating efficiency of DEA window analysis (d=3)

t=1 t=2 t=3 t=4 t=5 … t=T-4 t=T-3 t=T-2 t=T-1 t=T
窗口1 E 11 E 12 E 13
窗口2 E 21 E 22 E 23
窗口3 E 31 E 32 E 33
… …
窗口T-d-1 E T - d - 1,1 E T - d - 1,2 E T - d - 1,3
窗口T-d E T - d , 1 E T - d , 2 E T - d , 3
窗口T-d+1 E T - d + 1,1 E T - d + 1,2 E T - d + 1,3
均值 E 1 ¯ E 2 ¯ E 3 ¯ E 4 ¯ E 5 ¯ … E ¯ T - 4 E ¯ T - 3 E ¯ T - 2 E ¯ T - 1 E ¯ T

2.2 核密度估计

核密度估计（Kernel Density Estimation，KDE）是一种用于估计随机变量概率密度函数的非参数方法，其本质是通过核函数来拟合样本的数据点，从而对真实的概率分布曲线进行模拟。核密度估计相比参数估计方法，具有不受预设函数限制、要素状态捕捉准确性高等优势，常被应用于数据动态分布、空间热点分析与探测等相关研究中。
假设随机变量 X 1 , X 2 , X 3 , … , X n服从同分布， f ( x )为概率密度函数，其估计式为：
f ( x ) = 1 n h n ∑ i = 1 n K x - x i h n
式中：n为样本数； h n为带宽，其选择影响密度曲线的平滑程度， h n越小，样本数越多，曲线越陡峭， h n越大，样本越少，曲线越平滑； K ( · )为核函数。借助Matlab R2016b平台，用高斯核函数对长江经济带城市用地效率进行密度估计，反复试验后确定 h n = 0.06。根据不同时期曲线位置、延展性、形态的变化特征，可将效率演进分解为均值效应、方差效应和残差效应，其中均值效应解释效率整体水平的变化，方差效应解释区域差异的变化，残差效应解释异质性群体的存在[44]。

3 结果分析

3.1 长江经济带城市用地效率时空特征

3.1.1 时序演化特征

基于MaxDEA ultra7.12软件，采用非径向、规模报酬可变的超效率SBM-Undesirable窗口模型测算出2007—2018年长江经济带各市城市用地效率，并根据测算结果，将效率值分为低效率（≤0.50）、中低效率（0.50~0.75）、中高效率（0.75~1.00）、高效率Ⅰ（1.00~1.05）和高效率Ⅱ（≥1.05）五级。通过对比各年度效率值及分级结果（表2），分析长江经济带城市用地效率时序变化特征。①2007—2018年长江经济带城市用地效率总体提高，效率均值由0.737升至0.852，累计提升了15.6%。②变化趋势呈“N”型演进特征（图2），经历了稳定提升（2007—2012年）、阶段下降（2012—2015年）和加速提升（2015—2018年）三个发展阶段，效率均值分别增长了0.094、-0.069和0.091。2007—2012年，年复合增长率为2.42%，这一时期长江经济带城市经济处于稳步发展阶段，推动用地效率提升。2012—2015年用地效率呈现下降趋势，年复合增长率为-2.86%，这一阶段长江经济带成为国家重大区域发展战略，城市用地扩张进一步提速，环境污染排放增加，土地利用的生态负效应凸显。数据显示，2012—2015年，研究区城市用地规模年均增加824.58 km2，工业废水排放量年均增长3 355万t，相比2007—2012年分别提高了47.63 km2和28 880万t。2015后，城市用地效率开始加速提升，年复合增长率3.83%，这一趋势与绿色发展导向下低效产业的转型升级与污染管控有关，城市土地利用提质增效比较明显。③等级结构向高效率方向演进。2007年相对有效城市（包括高效率Ⅰ和高效率Ⅱ）共31个，中低效率以下水平的城市79个，到2018年，相对有效城市增加为62个，中低效率以下的城市减少为49个。虽然效率水平明显提高，但仍然有较多城市具备提升潜力。④市域间城市用地效率差异持续存在，效率分布范围趋于集中。市域标准差一直在0.2上下波动，极差由1.236降低为0.792，说明整体而言城市用地效率的非均衡现象未明显改善，但高值区与低值区的差距减小。
表2 长江经济带城市用地效率测算结果统计

Tab.2 Statistics for ULUE of Yangtze River Economic Belt

年份 均值 最高值 最低值 极差 标准差 城市用地效率等级统计（个）
低 中低 中高 高Ⅰ 高Ⅱ
2007 0.737 1.425 0.189 1.236 0.213 13 66 17 24 7
2008 0.779 1.417 0.285 1.132 0.200 6 57 36 19 9
2009 0.798 1.214 0.331 0.883 0.183 2 55 43 18 9
2010 0.807 1.481 0.325 1.156 0.206 4 54 34 25 10
2011 0.829 1.204 0.380 0.824 0.194 3 45 40 27 12
2012 0.830 1.182 0.425 0.757 0.192 3 48 30 35 11
2013 0.803 1.151 0.431 0.720 0.198 6 52 31 31 7
2014 0.789 1.154 0.436 0.718 0.193 6 54 34 26 7
2015 0.761 1.267 0.401 0.866 0.190 9 58 36 20 4
2016 0.785 1.278 0.395 0.883 0.196 8 53 37 24 5
2017 0.823 1.835 0.360 1.475 0.217 2 49 44 21 11
2018 0.852 1.207 0.415 0.792 0.205 3 46 16 46 16
图2 2007—2018年长江经济带城市用地效率演变趋势

Fig.2 The temporal evolution of ULUE in Yangtze River Economic Belt from 2007 to 2018

3.1.2 空间格局演变

以2007、2012、2015和2018年为时间点，对城市用地效率空间分布进行可视化表达（图3），分析其演变特征。①城市用地效率空间格局演化较为剧烈，效率高值区呈“分散分布—组团分布—片状分布”发展。2007年，高效率城市分散出现在长江以南，在安徽、湖南、贵州、云南等省份局部突出，中低效率城市普遍分布。到2012年，中低及低效率城市大幅减少，高效率城市沿川渝、湘鄂黔交界地区、江西北部及江浙沪沿海地区呈组团分布，重庆和四川多个城市跃迁至高效水平。2015年四川、贵州多个城市用地效率降低，高值区收缩，主要位于长江中下游。2018年，高值区集聚趋势明显，连片分布于江西省—长江三角洲城市群和成渝城市群—湘鄂黔交界区，低值区同样呈集中态势，主要分布在云南、贵州和湖南、湖北中部。②从区域差异来看，2007—2018年，上、中、下游效率均值分别由0.7、0.75、0.76升至0.82、0.86、0.87，提升幅度基本相当，说明不同地理梯度土地利用水平的差异没有明显加剧或缩小，同时，高效率城市在上、中、下游的分布比例由42%、32%和26%，转变为32%、34%和34%，说明高值区空间分布的均衡性有所增强。③稳定处于高效率的城市包括江苏南京、苏州，浙江绍兴，安徽黄山，江西景德镇、宜春，云南昆明、玉溪、丽江，这些城市资本、劳动力与土地配置相对合理，土地利用综合效益一直处于区域前列。而低效城市主要位于云南省边境，如文山州、德宏州，这些城市区位条件不佳，经济发展相对滞后，城市用地产出低下。
图3 2007—2018年长江经济带城市用地效率空间分布

Fig.3 The spatial distribution of ULUE in Yangtze River Economic Belt from 2007 to 2018

2007—2018年，88个城市用地效率提升，平均提高0.23（ΔE+），39个城市用地效率下降，平均下降0.15（-ΔE-）。根据变化量ΔEi的大小，将城市用地效率增减变化分为六类：0<ΔEi<ΔE+，效率略有提升，ΔE+≤ΔEi<2ΔE+，效率明显提升，ΔEi≥2ΔE+，效率显著提升；ΔE-<ΔEi<0，效率略有下降，2ΔE-<ΔEi≤ΔE-，效率明显下降，ΔEi≤2ΔE-，效率显著下降，分类结果如图4。分省来看，四川、重庆、云南、上海、浙江、江西城市用地效率提升，其中成渝城市群、环鄱阳湖城市群、上海及浙江沿海地区最为突出，这些地区属于经济增长核心区，资本与非农劳动力充足，土地利用方式与生产价值不断优化，可辐射带动周边城市用地效率提升；贵州省普遍下降，其经济增长对烟酒煤电等资源性产业依赖较强，土地优化利用动力不足；湖北、湖南、安徽、江苏省内各市变化趋势不一，其中，湖北和湖南省呈以都市圈为中心的圈层式变化特征，武汉、长沙、湘潭等核心城市提升较快，邻近城市下降，远离都市圈的城市小幅提升，“虹吸效应”十分明显；安徽、江苏大部分城市处于上升趋势，仅南、北部少数城市小幅下降，效率变化与经济发展格局相符。总的来看，城市用地效率发展协调性不佳，上游省际之间及中下游省内均存在较大差异。
图4 2007—2018年长江经济带城市用地效率变化空间分布

Fig.4 The spatial distribution of the variation of ULUE in Yangtze River Economic Belt from 2007 to 2018

3.2 长江经济带城市用地效率差异演进

为进一步探讨市域城市用地效率的分异特征与演进规律，本研究将127个城市划分为不同经济区位、不同规模等级及不同职能进行对比分析（图5~图7）。根据3.1，研究期内城市群地区用地效率提升较快，因此经济区位主要考虑城市体系的差异，划分方法参照《国家新型城镇化规划（2014—2020年）》布局，将长江经济带内5个城市群划分为世界级城市群（长三角城市群）、国家级城市群（长江中游城市群和成渝城市群）和区域级城市群（滇中城市群和黔中城市群），其他不属于城市群范围的城市划为一类。根据各市2018年市辖区常住人口，按中国现行城市规模划分标准划分超大城市、特大城市、大城市、中等城市和小城市[45]。城市职能选取了比较典型的区域综合性城市、工业型城市、资源型城市和旅游型城市四类，其中综合性城市指各类职能均较强且影响范围较大的城市，资源型城市指以本地区矿产、森林等自然资源开采、加工为主导产业的城市，工业型城市指以工业为支柱产业的城市，旅游型城市指具备独特的旅游资源、以文化旅游产业为主体的城市。各类城市名录参考其他学者的城市职能分类研究成果[46]，共61个，其余66个不明显属于上述四类职能的城市未纳入研究。
图5 长江经济带不同城市体系城市用地效率动态演进

Fig.5 Evolution of ULUE among different urban systems in Yangtze River Economic Belt

图6 长江经济带不同规模城市用地效率动态演进

Fig.6 Evolution of ULUE among cities of different scale in Yangtze River Economic Belt

图7 长江经济带不同职能城市用地效率动态演进

Fig.7 Evolution of ULUE among cities with different functions in Yangtze River Economic Belt

3.2.1 不同城市体系用地效率演进特征

2007—2018年，除非城市群外，三类城市群的核密度曲线特征均发生明显变化。具体来看，世界级城市群曲线中心右移，由中高效率向高效率流动，形态呈“双峰—单峰—双峰”变化但两峰趋于紧凑，说明世界级城市群效率整体提升明显，“均值效应”较强。国家级城市群的曲线中心始终位于0.6和1.0左右，双峰形态显著，峰度由左高右低演变为左低右高，说明国家级城市群效率局部提升迅速，但协同效应较弱，持续表现出两极化特征，“残差效应”较强。区域性城市群曲线的左尾收缩，由多峰向双峰演变，且右侧波峰峰度下降，说明区域性城市群内高值区有所退化，呈“俱乐部收敛”态势，“残差效应”比较明显。非城市群曲线始终呈双峰分布，主峰中心0.6左右，位置、延展性、形态等特征变化不大，说明非城市群城市用地效率整体偏低，且提升动力不足。对比而言，研究初期城市用地效率水平呈“区域性城市群>世界级城市群>非城市群>国家级城市群”，随时间推移，高等级城市体系的效率优势逐渐凸显，进而演变为“世界级城市群>国家级城市群>区域性城市群>非城市群”。

3.2.2 不同规模城市用地效率演进特征

==2007—2018年，除小城市外，其他规模城市的核密度曲线特征均发生明显变化。超大城市和特大城市的核密度曲线位置整体右移向高效率区间集中，2018年曲线中心值均高于1.0，波峰数量减少，说明这两类城市普遍已提升至效率优势水平，效率变动的“均值效应”最明显。大城市核密度曲线一直呈双峰分布，右侧波峰峰度提高，左侧波峰右移，波峰间距减小，左尾右移，说明低效大城市在研究期内呈追赶态势，平均效率水平提升，效率变动主要体现为“残差效应”。中等城市左侧波峰“退化”，右侧波峰峰度提升，说明中低效率水平的城市显著减少。小城市曲线始终呈双峰分布且位置相对固定，说明小城市用地效率变化并不显著且区域差异较大。对比而言，近年来超大城市和特大城市用地效率明显优化，而大、中、小三类城市仅小幅提升，不同规模城市的效率等级逐渐向“超大城市>特大城市>大城市>小城市>中等城市”转变。

3.2.3 不同职能城市用地效率演进特征

==2007—2018年，区域综合性城市曲线左尾、右尾收缩，波峰右移，呈“双峰—单峰—弱双峰”演进，说明其用地效率持续提升并趋近高效状态，效率变化主要体现为“均值效应”与“方差效应”。资源型城市的曲线呈“左高右低”双峰分布，中心向左偏移，说明资源型城市多处于中等效率水平，且研究期内部分城市用地效率进一步降低。工业型城市的核密度曲线位置没有明显变化，波峰形态由“左高右低”演进为“右高左低”，左尾右缩明显，说明工业型城市用地效率有所增长，但区域差异仍较大，效率变化主要体现为“残差效应”。旅游型城市曲线在研究初期均衡分布，而后左尾收缩，右尾后延，并在效率1.0处形成陡峭的波峰，反映旅游型城市的用地效率提升显著，区域差异缩小，效率变动的“方差效应”明显。对比而言，不同职能城市的用地效率始终呈“区域综合性城市>旅游型城市>工业型城市>资源型城市”特征。

4 结论与讨论

开展城市用地效率研究是探清城市土地利用现状与演化规律、优化国土空间格局的重要基础。本文基于2007—2018年长江经济带127个地级市（州）的面板数据，运用超效率SBM-Undesirable模型与DEA窗口分析法测度城市用地效率，并运用核密度估计对其时空演变规律进行了多维刻画。主要研究结论如下：
①2007—2018年长江经济带城市用地效率总体提高，效率均值由0.737升至0.852，累计提升了15.6%，变化趋势上经历了稳定提升、阶段下降、加速提升的“N”型发展过程。等级结构向高效率方向演进，相对有效城市由31个增至62个，仍有较多城市具备提升潜力。②城市用地效率空间格局演化较为剧烈，效率高值区呈“分散分布—组团分布—片状分布”发展，且在上游、中游、下游间分布的均衡性增强，效率低值区逐渐收缩至云南、贵州和湖南、湖北中部。③城市用地效率发展协调性不佳，四川、重庆、云南、上海、浙江、江西城市用地效率提升，贵州省普遍下降，湖北、湖南受“虹吸效应”呈以都市圈为中心的圈层式变化特征，安徽、江苏变化格局与经济发展水平相关。成渝城市群、环鄱阳湖城市群、上海及浙江沿海地区是城市用地效率提升最迅速的区域。④不同城市体系、不同规模和不同职能的城市，其用地效率演进规律存在一定差异。国家级城市群、区域综合性城市、超大和特大城市用地效率变化的均值效应显著，非城市群和小城市用地效率变动较弱，区域性城市群和资源型城市中存在向低效率方向演进的现象。不同城市体系和不同规模的城市用地效率等级结构逐渐趋于“倒三角”式，不同职能城市的用地效率始终保持“区域综合性城市>旅游型城市>工业型城市>资源型城市”的规律。
长江经济带范围广、跨度大，本文发现，研究期内不同区域城市用地效率发展趋势存在较大差异，且主要体现为上游省际之间及中下游省内发展规律的差异，而对于上、中、下游三大区域，尽管经济社会生态差异显著，研究显示其城市用地效率间的差异并未被进一步拉大，这与金贵等学者的研究结论是一致的[47]。时空格局方面，城市用地效率与经济发展水平间的关联在研究初期并不明显，但随时间逐渐增强，这与以往研究中二者一直呈显著正相关关系的结论有所差异[24]，主要原因是本文的评价体系包含了环境污染排放量等生态相关指标，高质量发展导向下，土地利用综合效益强的城市更接近最优水平。此外，研究还发现城市群对城市用地效率演变有显著影响，城市群核心城市对外围城市既可能存在溢出效应，也可能存在虹吸效应。因此，在促进上中下游协调发展的同时，应进一步关注区域内部，尤其是上游不同省份间及城市群中心与外围地区间的差距，推动资本、劳动力、技术等资源要素流动与整合，加强高效率城市的辐射带动作用，实现区域用地质量整体提升。对于用地效率偏低且呈持续下降趋势的湖北、湖南、贵州等省份，应严格控制新增城市用地规模，推进城市用地功能提升与转型调整，提高资源配置效率效能，建立可持续的城市土地利用格局。
通过对长江经济带城市用地效率时空演变规律的系统分析，运用DEA窗口分析法与超效率SBM-Undesirable模型测度城市用地效率所得结论与长江经济带近年来城市土地利用实际情况基本相符，证明这一方法能够有效处理土地投入与产出面板数据，强化了时间序列的可比性，可辅助土地时空动态相关研究的开展。
当然，城市用地效率变化是区域社会经济、生态环境及人类开发利用行为综合作用的结果。本文仅从宏观尺度刻画了长江经济带城市用地效率的时空演变规律，如何基于土地、社会、经济、生态环境、政策、土地利用主体等要素的变化，开展微观尺度的分析，是深入揭示城市用地效率变化机理，制定更有针对性的效率提升策略的必然途径，也是本研究未来深入的主要方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘新卫, 张定祥, 陈百明. 快速城镇化过程中的中国城镇土地利用特征[J]. 地理学报, 2008, 63(3):301-310.

[2]
Johnson H M. Sociology:A Systematic Introduction[M]. Paris: Allied Publishers, 1960.

[3]
Chapin F S, Kaiser E J. Urban Land Use Planning[M]. Illinois: University of Illinois Press, 1967.

[4]
刘盛和, 吴传钧, 陈田. 评析西方城市土地利用的理论研究[J]. 地理研究, 2001, 20(1):111-119.

[5]
Geller A L. Smart growth:A prescription for livable cities[J]. American Journal of Public Health, 2003, 93(9):1410-1415.

[6]
迈克·詹克斯. 紧缩城市:一种可持续发展的城市形态[M]. 周玉鹏,等译. 北京: 中国建筑工业出版社, 2004.

[7]
Desouza K C, Flanery T H. Designing,planning,and managing resilient cities:A conceptual framework[J]. Cities, 2013, 35:89-99.

[8]
Zitti M, Ferrara C, Perini L, et al. Long-term urban growth and land use efficiency in southern Europe:Implications for sustainable land management[J]. Sustainability, 2015(7):3359-3385.

[9]
Masini E, Tomao A, Barbati A, et al. Urban growth,land-use efficiency and local socioeconomic context:a comparative analysis of 417 metropolitan regions in Europe[J]. Environmental Management, 2019, 63(3):322-337.

[10]
Kahiluoto H, Kaseva J. No evidence of trade-off between farm efficiency and resilience:dependence of resource use efficiency on land use diversity[J]. Plos One, 2016, 11(9):e0162736.

[11]
Saikku L, Mattila T J. Drivers of land use efficiency and trade embodied biomassuse of Finland 2000-2010[J]. Ecological Indicators, 2017, 77:348-356.

[12]
Halleux J M, Marcinczak S, Krabben E V D. The adaptive efficiency of land use planning measured by the control of urban sprawl:The cases of the Netherlands,Belgium and Poland[J]. Land Use Policy, 2012, 29:887-898.

[13]
吴得文, 毛汉英, 张小雷, 等. 中国城市土地利用效率评价[J]. 地理学报, 2011, 66(8):1111-1121.

[14]
胡银根, 廖成泉, 章晓曼, 等. “两型社会”背景下湖北省城市建设用地利用效率及其影响因素——基于四阶段 DEA 的实证分析[J]. 地域研究与开发, 2016, 35(2):119-122.

[15]
陈伟, 吴群. 长三角地区城市建设用地经济效率及其影响因素[J]. 经济地理, 2014, 34(9):142-149.

[16]
杨海泉, 胡毅, 王秋香. 2001-2012年中国三大城市群土地利用效率评价研究[J]. 地理科学, 2016, 35(9):1095-1100.

[17]
Chen W, Chen W J, Ning S Y, et al. Exploring the industrial land use efficiency of China's resource-based cities[J]. Cities, 2019, 93:215-223.

DOI

[18]
郭贯成, 温其玉. 环境约束下工业用地生产效率研究——基于中国33个典型城市非期望产出的考量[J]. 中国人口·资源与环境, 2014, 24(6):121-127.

[19]
卢新海, 陈丹玲, 匡兵. 区域一体化背景下城市土地利用效率指标体系设计及区域差异——以长江中游城市群为例[J]. 中国人口·资源与环境, 2018, 28(7):102-110.

[20]
聂雷, 郭忠兴, 彭冲. 基于SBM-Undesirable和Meta-frontier模型的城市建设用地利用效率研究[J]. 资源科学, 2017, 39(5):836-845.

DOI

[21]
李长健, 苗苗. 长江中游城市群土地利用效率测算:现实机理与时空分异[J]. 中国人口·资源与环境, 2017, 27(12):157-164.

[22]
张雅杰, 金海. 长江中游地区城市建设用地利用效率及驱动机理研究[J]. 资源科学, 2015, 37(7):1384-1393.

[23]
梁流涛, 雍雅君, 袁晨光. 城市土地绿色利用效率测度及其空间分异特征——基于284个地级以上城市的实证研究[J]. 中国土地科学, 2019, 33(6):80-87.

[24]
李永乐, 舒帮荣, 吴群. 中国城市土地利用效率:时空特征、地区差距与影响因素[J]. 经济地理, 2014, 34(1):133-139.

[25]
王德起, 庞晓庆. 京津冀城市群绿色土地利用效率研究[J]. 中国人口·资源与环境, 2019, 29(4):68-76.

[26]
王良健, 李辉, 石川. 中国城市土地利用效率及其溢出效应与影响因素[J]. 地理学报, 2015, 70(11):1788-1799.

DOI

[27]
陈丹玲, 卢新海, 匡兵. 长江中游城市群城市土地利用效率的动态演进及空间收敛[J]. 中国人口·资源与环境, 2018, 28(12):106-114.

[28]
杨清可, 段学军, 叶磊, 等. 基于SBM-Undesirable 模型的城市土地利用效率评价——以长三角地区16城市为例[J]. 资源科学, 2014, 36(4):712-721.

[29]
王建林, 赵佳佳, 宋马林. 基于内生方向距离函数的中国城市土地利用效率分析[J]. 地理研究, 2017, 36(7):1386-1398.

DOI

[30]
杨奎, 文琦, 钟太洋. 长江经济带城市土地利用效率评价[J]. 资源科学, 2018, 40(10):2048-2059.

DOI

[31]
李佳佳, 罗能生. 城镇化进程对城市土地利用效率影响的双门槛效应分析[J]. 经济地理, 2015, 35(7):156-162.

[32]
何好俊, 彭冲. 城市产业结构与土地利用效率的时空演变及交互影响[J]. 地理研究, 2017, 36(7):1271-1282.

DOI

[33]
谢花林, 王伟, 姚冠荣, 等. 中国主要经济区城市工业用地效率的时空差异和收敛性分析[J]. 地理学报, 2015, 70(8):1327-1338.

DOI

[34]
周沂, 贺灿飞, 黄志基, 等. 地理与城市土地利用效率——基于2004-2008中国城市面板数据实证分析[J]. 城市发展研究, 2013, 20(7):19-25,56.

[35]
王锋, 冯根福. 基于DEA窗口模型的中国省际能源与环境效率评估[J]. 中国工业经济, 2013(7):56-68.

[36]
Vlontzos G, Pardalos P M. Assess and prognosticate green house gas emissions from agricultural production of EU countries,by implementing,DEA Window analysis and artificial neural networks[J]. Renewable and Sustainable Energy Reviews, 2017, 76:155-162.

[37]
周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素[J]. 地理学报, 2019, 74(10):2027-2044.

DOI

[38]
童陆亿, 胡守庚. 中国主要城市建设用地扩张特征[J]. 资源科学, 2016, 38(1):50-61.

DOI

[39]
高金龙, 陈雯. 转型期中国城市用地结构动态演变及其机理——基于长三角51个样本城市的实证研究[J]. 长江流域资源与环境, 2017, 26(4):540-551.

[40]
国务院. 关于依托黄金水道推动长江经济带发展的指导意见[EB/OL]. http://www.gov.cn/zhengce/content/2014-09/25/content_9092.htm, 2014-09-25.

[41]
柯善咨, 向娟. 1996—2009年中国城市固定资本存量估算[J]. 统计研究, 2012, 29(7):19-24.

[42]
Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3):498-509.

[43]
Charnes A, Cooper W W. Preface to topics in data envelopment analysis[J]. Annals of Operations research, 1984, 2(1):59-94.

[44]
孙才志, 李欣. 基于核密度估计的中国海洋经济发展动态演变[J]. 经济地理, 2015, 35(1):96-103.

[45]
国务院. 关于调整城市规模划分标准的通知[EB/OL]. http://www.gov.cn/zhengce/content/2014-11/20/content_9225.htm, 2014-11-20.

[46]
舒帮荣, 李永乐, 曲艺, 等. 不同职能城市建设用地扩张及其驱动力研究——基于中国137个地级以上城市的考察[J]. 南京农业大学学报:社会科学版, 2014, 14(2):86-92.

[47]
金贵, 邓祥征, 赵晓东, 等. 2005—2014年长江经济带城市土地利用效率时空格局特征[J]. 地理学报, 2018, 73(7):1242-1252.

DOI

Options
文章导航

/

〈 〉