EN中文

地理科学 >

2022 , Vol. 42 >Issue 4: 611 - 621

DOI: https://doi.org/10.13249/j.cnki.sgs.2022.04.006

黄河流域城市高质量发展专栏

中国城市土地绿色利用效率驱动因素及空间分异

  • 卢新海 , 1, 2 ,
  • 李佳 1 ,
  • 刘超 , 1, * ,
  • 匡兵 1 ,
  • 蔡大伟 3 ,
  • 侯娇 1
展开
  • 1.华中师范大学公共管理学院，湖北 武汉 430079
  • 2.华中科技大学公共管理学院，湖北 武汉 430074
  • 3.中国人民大学公共管理学院，北京 100872
刘超。E-mail:

卢新海（1965-），男，湖北洪湖人，教授，博导，主要研究方向为土地利用与城市管理。E-mail:

收稿日期: 2021-04-15

  修回日期: 2021-08-05

  录用日期: 2021-11-24

  网络出版日期: 2022-04-20

基金资助

国家自然科学基金项目(71673096)

国家自然科学基金项目(41901256)

国家自然科学基金项目(42101282)

中央高校基本科研业务费专项基金项目(CCNU20XJ020)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Driving Factors and Spatial Differentiation of the Urban Land Green Use Efficiency in China

  • Lu Xinhai , 1, 2 ,
  • Li Jia 1 ,
  • Liu Chao , 1, * ,
  • Kuang Bing 1 ,
  • Cai Dawei 3 ,
  • Hou Jiao 1
Expand
  • 1. School of Public Administration, Central China Normal University, Wuhan 430079, Hubei, China
  • 2. School of Public Administration, Huazhong University of Science and Technology, Wuhan 430074, Hubei, China
  • 3. School of Public Administration and Policy, Renmin University of China, Beijing 100872, China

Received date: 2021-04-15

  Revised date: 2021-08-05

  Accepted date: 2021-11-24

  Online published: 2022-04-20

Supported by

National Natural Science Foundation of China(71673096)

National Natural Science Foundation of China(41901256)

National Natural Science Foundation of China(42101282)

Fundamental Research Funds for the Central Universities(CCNU20XJ020)

Copyright

Copyright reserved © 2021.
Fold

摘要

以2009—2018年中国285个地级及以上城市为研究对象，测算各城市的城市土地绿色利用效率，对其驱动因素的空间异质性进行探究与分区。结果表明：① 城市土地绿色利用效率总体呈波动上升趋势，集聚特征显著，省际、省内差异明显；区域上，呈现西部＞东部＞中部的格局；规模等级上，随着城市规模等级降低而递增。② 城市土地绿色利用效率是众多因素交互驱动的结果，且各驱动因素均具有明显的空间异质性特征，呈现出空间带状或片状分布规律。③ 根据城市土地绿色利用效率驱动因素的空间异质性特征，可划分为产业结构高级化、环境规制和科技投入水平主导的东南地区；生态资源禀赋主导的华北地区；经济发展水平、城市空间集聚主导的西南地区；土地市场化主导的西北地区；人口集聚、土地财政、基础设施水平主导的东北地区。未来应因城施策、因地制宜，采取差异化的措施来提升城市土地绿色利用效率。

关键词： 城市土地绿色利用效率; 非期望超效率SBM; 时空地理加权回归

本文引用格式

卢新海 , 李佳 , 刘超 , 匡兵 , 蔡大伟 , 侯娇 . 中国城市土地绿色利用效率驱动因素及空间分异[J]. 地理科学, 2022 , 42(4) : 611 -621 . DOI: 10.13249/j.cnki.sgs.2022.04.006

Abstract

Improving urban land green use efficiency (ULGUE) is of great significance to achieve new progress in constructing ecological civilization, implementing the goal of peak carbon emissions and the prospect of carbon neutrality, and promoting high-quality economic development. This article first measures the ULGUE in 285 cities in China from 2009 to 2018 by using the undesired super-efficiency SBM model, then, based on the study of driving factors of ULGUE, including high efficiency of economic development, intensive urban development, ecological environment friendly, transparency of government behavior and social development equity, spatial and temporal geographical weighted regression and K-means clustering methods are used to identify and partition the spatial heterogeneity of these influencing factors to provide targeted suggestions on how to improve ULGUE. The research results show that: 1) From 2009 to 2018, ULGUE in 285 cities showed a fluctuating increase, and there are both significant agglomeration characteristics and significant inter-provincial and intra-provincial differences. On the region level, it presents a pattern of western > eastern > central China. On the scale level, it increases with the decline of the scale of the city. 2) ULGUE is interactively driven by many factors, with each influential factor having its apparent spatial heterogeneity, and these factors all show spatial banding or flake distribution pattern. Among these factors, the level of economic development, advanced industrial structure, ecological resource endowment, and environmental regulation have a positive impact on ULGUE; land marketization and land finance mainly play a negative effect; the positive and negative effect of population agglomeration, urban spatial agglomeration, the level of infrastructure, the level of scientific and educational input are all significant. 3) According to the spatial heterogeneity characteristics of ULGUE driving factors, it can be divided into five areas. They are southeast region, which is dominated by advanced industrial structure, environmental regulation, and scientific and technological investment levels; North China dominated by ecological resource endowments; southwest region dominated by economic development level and urban spatial agglomeration; northwest region dominated by land marketization; and northeast regions dominated by population agglomeration, land finance, and infrastructure levels. In the future, differentiated measures should be taken to improve the ULUE according to the city’s strategy and local conditions.

Key words： urban land green use efficiency; undesired super-efficiency SBM; spatial and temporal geographic weighted regression

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（ http://www.gov.cn/xinwen/2021-03/13/content_5592681.htm）中指出，要实现生态文明建设新进步，加快推动绿色转型发展，全面提高资源利用效率。城市土地作为社会经济发展过程中的核心要素投入，其绿色利用是践行低碳发展与贯彻“绿水青山就是金山银山”理念的重要实践[1]，其绿色利用效率状况更是妥善解决各种生产结构性矛盾，落实碳达峰目标与碳中和远景，促进经济社会可持续发展的关键所在。因此，对城市土地绿色利用效率（Urban Land Green Use Efficiency，ULGUE）开展研究，对降低城市土地开发利用中的生态环境风险，实现经济、社会、生态效益的统一具有重要现实意义。
目前，ULGUE受到学术界的广泛关注，现有研究主要聚焦ULGUE的测度[1]、时空特征[2]、驱动因素[3]研究等方面。在测度方法与指标方面，学术界逐渐达成共识，主要从ULGUE的内涵出发，认为ULGUE应兼顾经济、社会、生态等多方面产出效益且考虑城市土地利用过程中的非期望产出，运用考虑非期望产出的数据包络分析法测度ULGUE[2,4,5]，这为本研究ULGUE测度的顺利开展提供了重要的理论和技术支撑。在驱动因素方面，学者们认为经济发展水平、对外依赖程度、城镇化水平等因素对不同职能城市ULGUE的影响存在较大差异[6]，并采用空间计量模型分析了全球化、市场化、分权化对ULGUE的影响，发现ULGUE存在一定程度“空间俱乐部”趋同现象[3,7]。总体来看，已有研究采用不同方法对ULGUE的驱动因素进行了探讨，并开始关注其空间效应。
然而，现有研究仍存在两方面的不足：一是相对于ULGUE测度的研究，其驱动因素的探究相对较少，特别是从多维度系统分析其驱动因素的研究较为缺乏。二是ULGUE是一个动态演化过程，考虑到中国幅员辽阔，各城市所处的地理空间位置、资源禀赋、生态环境等存在较大差异，各因素可能随时间推移而表现出时空上的非平稳性特点[8,9]，ULGUE在不同城市与不同发展阶段存在时空异质性特征[1]。然而现有研究多从全局出发，侧重解释各因素对ULGUE的平均影响程度，忽略了驱动因素的空间异质性。在当前区域发展不平衡、不充分的现实背景下，有必要从多维度分析不同因素对ULGUE的作用机制，揭示其呈现出的空间异质性特征。这将有助于基于较小尺度深入理解中国城市社会经济系统与自然生态系统之间的交互作用机理，从而为提升不同区域ULGUE提供更有针对性、差异化的政策。
鉴于此，本文首先采用非期望超效率SBM模型对2009—2018年中国285个地级及以上城市ULGUE进行测度，分析不同区域、不同规模等级城市ULGUE时空演化特征，最后运用时空地理加权回归法和k均值聚类法对其驱动因素的空间异质性进行探讨与分区，以期更好为中国生态文明建设与经济高质量发展提供理论支撑。

1 内涵界定

城市土地绿色利用是建立在城市生态环境容量和有限城市土地资源的约束条件下，将生态环境保护作为实现城市土地可持续利用的一种新型发展模式，是城市绿色发展的关键路径。其包含3个内涵：一是要将城市土地资源作为城市经济社会发展的内在要素；二是要把实现经济、社会和生态环境综合效益最大化作为城市土地绿色利用的目标；三是要把城市土地利用的过程与结果的“绿色化”“生态化”作为城市土地绿色利用的主要内容和途径。本文将ULGUE内涵界定为，在一定生产技术条件下，单位城市土地利用系统中以土地要素为核心的土地、资本、劳动力多投入，与经济、社会、环境多效益产出且同时考虑城市土地利用过程中的污染等非期望产出的综合映射。
已有研究表明，城市绿色发展是经济、社会、生态、政府多维度的综合作用结果[10,11]。ULGUE也是多方面、多层次综合作用的结果。其中，经济发展高效化是城市土地绿色利用的核心体现，该维度主要通过城市产业升级、绿色投资、质量提升推动绿色转型发展[11,12]。城市发展集约化是城市土地绿色利用的有效方式，该维度主要通过人口与城市空间集聚产生规模效应，形成集约化、绿色化的发展模式[13]。生态环境友好化是城市土地绿色利用的承载基础，该维度主要通过城市资源环境禀赋、环境规制等引导绿色发展方式转变[14,15]。政府行为透明化是城市土地绿色利用重要保障，主要通过土地市场化改革与调控促进绿色发展效益提升[16,17]。社会发展公平化是城市土地绿色利用的基本目标，该维度主要通过完善基础设施、加大科教投入，推动区域包容性绿色发展[18]。

2 研究方法与数据

2.1 研究方法

1） 非期望超效率SBM（Slacks-Based Measure）模型。Tone等[19]提出的效率评价SBM模型是在传统DEA（Data Envelopment Analysis）模型基础上将松弛变量直接考虑进目标函数，消除了因径向和角度选择所造成的结果偏差，其模型的经济解释是要使实际利润最大化。但该模型不能同时解决多个效率值为1的评价单元进一步分析问题，以及无法测算存在非期望产出的效率。为解决上述问题，Tone等[20]提出了包含非期望产出的超效率SBM模型。考虑城市土地利用过程中的污染等非期望产出，本文将采用此模型对ULGUE进行测算，公式可参考文献[1]。
2） 时空地理加权回归（Geographically and Temporally Weighted Regression，GTWR）。Brunsdon等[21]提出的地理加权回归模型（Geographically weighted Regression，GWR）能估计驱动因素对不同区域的影响程度，是研究空间异质性的重要工具。但该模型仅考虑了空间维度，缺少对时间维度的考察。Huang等[22]提出的时空地理加权回归模型（Geographically and Temporally Weight- ed Regression，GTWR）同时考虑时间和空间维度。鉴于此，本文采用该模型来分析ULGUE驱动因素的空间异质性问题。
$ {Y_{{i}}} = {\beta _0}\left( {{u_i},{v_i},{t_i}} \right) + \sum\limits_{k = 1}^p {{\beta _k}\left( {{u_i},{v_i},{t_i}} \right)} {X_{ik}} + {\varepsilon _i} $
式中，Y为被解释变量；X为解释变量；i为样本地区；u、v为样本地区经、纬度；t为时间；β0(ui,vi,ti)为截距；βk(ui,vi,ti)为估计系数；k为解释变量序号；p为解释变量总个数；β＞0则解释变量与被解释变量为正相关，反之为负相关；εi是随机扰动项。

2.2 变量选取与数据来源

1） ULGUE测度指标。根据其内涵，并参考现有研究[2,4,5]，从投入和产出两大方面选取指标。投入方面，用建成区面积（km2）表征土地要素投入，地均固定资产投资（万）表征资本要素投入，地均二三产业从业人数（人）表征劳动力要素投入；产出方面，期望产出指标用地均二三产业增加值（万）表征经济产出、在岗职工平均工资（元）表征社会产出、建成区绿化覆盖率（%）表征生态产出，非期望产出指标主要为城市三大污染物，包括地均工业废水排放量（万t）、地均工业二氧化硫排放量（t）、地均工业烟尘排放量（t）。
2） ULGUE驱动因素指标。本文将构建城市土地绿色利用“五化”驱动体系，即经济发展高效化、城市发展集约化、生态环境友好化、政府行为透明化、社会发展公平化，多维度分析ULGUE驱动机制。参考相关研究，选取指标如表1所示。
表1 ULGUE驱动因素体系

Table 1 Variables of ULGUE driving factors

指标类型 一级指标 二级指标
经济发展高效化 经济发展水平 人均GDP
产业结构高级化 第三产业占比/第二产业占比
城市发展集约化 人口集聚 人口密度
城市空间集聚 建设用地面积/城市土地面积[2]
生态环境友好化 生态资源禀赋 人均公园绿地面积[23]
环境规制 城市固体废弃物综合利用率、污水处理率、生活垃圾处理率
（熵值法计算三者综合）
政府行为透明化 土地财政 土地出让金/地方一般财政收入
土地市场化 土地供应方式与价格加权修正计算[24]
社会发展公平化 基础设施水平 人均道路面积[25]
科教投入水平 科学技术与教育支出/地方一般财政支出
3） 研究区域与数据来源。本文选取2009—2018年中国地级及以上城市为研究对象，部分城市因数据缺失将其剔除，最终确定285个城市为研究单元（不含西藏、港澳台数据）。由于中国区域发展不平衡，不同地区、不同规模城市在区位条件与资源要素方面存在较大差异，可能导致ULGUE也存在较大差异。因此，参照“七五”计划提出的东、中、西三大地带划分思路，将285个城市划分为东、中、西三大区域，其中东部包括京、津、冀、辽、沪、苏、浙、闽、鲁、粤、琼11个省市的城市，中部包括晋、吉、黑、皖、赣、豫、鄂、湘8个省份的城市；西部包括川、渝、黔、滇、陕、甘、青、宁、新、桂、内蒙古11个省（区、市）的城市。并按常住人口规模划分不同等级城市，大于300万为特大城市、100~300万为大城市、50~100万为中等城市、小于50万为小城市。数据来源于2010—2019年《中国城市统计年鉴》[26]、2010—2018年《中国国土资源统计年鉴》[27]以及各省市统计年鉴和国民经济与社会发展规划。以2009年为基期，部分缺失数据采用线性插值法补齐，分析异质性时变量均进行对数变换。

3 实证结果

3.1 ULGUE测度结果

根据测算结果发现（表2），285个城市ULGUE总体呈波动上升趋势，整体利用效率不高，全国均值为0.564，说明若保持现有产出不变，ULGUE理论上还有43.6%的提升潜力。
表2 2009—2018年分区域、分等级城市ULGUE值

Table 2 ULGUE value of cities by region and size in 2009-2018

区域 城市
等级 		个数 年份 均值
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 年度 地区 全国
　　注：不含西藏、港澳台数据；空白为无此项。
东部 特大 19 0.604 0.612 0.665 0.683 0.679 0.710 0.615 0.717 0.755 0.742 0.678 0.580 0.564
大 53 0.464 0.476 0.508 0.535 0.569 0.570 0.426 0.486 0.566 0.585 0.519
中 24 0.509 0.510 0.534 0.575 0.684 0.653 0.567 0.609 0.680 0.656 0.598
小 5 0.773 0.692 0.700 0.820 0.940 0.846 0.699 0.724 0.729 0.726 0.765
平均值 0.516 0.520 0.553 0.586 0.636 0.630 0.508 0.570 0.637 0.638
中部 特大 6 0.376 0.380 0.417 0.435 0.485 0.501 0.326 0.551 0.584 0.557 0.461 0.527
大 38 0.371 0.365 0.386 0.448 0.510 0.526 0.373 0.475 0.505 0.533 0.449
中 42 0.459 0.475 0.505 0.551 0.609 0.579 0.532 0.562 0.656 0.641 0.557
小 14 0.544 0.524 0.718 0.684 0.677 0.755 0.712 0.714 0.749 0.711 0.679
平均值 0.432 0.435 0.484 0.523 0.573 0.579 0.484 0.549 0.607 0.604
西部 特大 4 0.362 0.373 0.390 0.395 0.432 0.457 0.329 0.484 0.530 0.510 0.426 0.590
大 34 0.418 0.410 0.478 0.578 0.609 0.585 0.530 0.558 0.596 0.610 0.537
中 23 0.436 0.421 0.500 0.506 0.584 0.581 0.410 0.517 0.587 0.551 0.509
小 23 0.678 0.728 0.723 0.752 0.838 0.841 0.619 0.817 0.917 0.877 0.779
平均值 0.491 0.498 0.547 0.597 0.656 0.648 0.512 0.614 0.678 0.662
全国 285 0.480 0.484 0.527 0.567 0.620 0.617 0.501 0.576 0.639 0.633
从不同规模等级城市来看，ULGUE大致呈现随城市规模等级降低而递增，城市规模等级越大，ULGUE越低。特大城市ULGUE西部地区最低；大城市ULGUE西部地区最高而中部地区最低；中等城市ULGUE呈现东部＞中部＞西部的格局；小城市ULGUE西部地区最高，由于小城市相比东部和中部数量较多，加之西部地区特大城市虽然效率较低，但其数量仅4个，因而西部地区高效率的小城市导致其ULGUE整体较高。
从空间区域来看，ULGUE呈现西部＞东部＞中部的格局，东部ULGUE均值在2018年达到最大值，在2015年达到最小值；而中部、西部ULGUE均值均在2017年达到最大值，在2009年达到最小值。运用自然间断点法，将285个城市ULGUE均值划分为3个等级（图1），结果显示ULGUE在空间分布上集聚特征明显。其中高值城市主要集中在黑龙江中部、陕甘宁内蒙古交接区、东南沿海、珠三角、云南西南部以及中部零星城市；低值城市主要分布在华北地区、川渝地区、云南中部和广西。
图1 2009年和2018年285个城市ULGUE等级

审图号：GS(2020)4632（自然资源部监制），底图无修改；不含西藏、港澳台数据

Fig. 1 ULGUE levels of 285 cities in 2009 and 2018

3.2 ULGUE驱动因素的空间异质性

1） 模型对比。首先，对各驱动因素进行多重共线性检验，结果显示方差膨胀因子（VIF）值均小于10，说明不存在明显多重共线性。其次，采用Huang等[22]的方法进行时空地理加权回归，将模型拟合结果与OLS（Ordinary Least Square），和GWR模型进行比较。结果显示，在R2、Residual Squares、AIC共3个指标方面，OLS模型值分别为0.414、314.28、2310.55，GWR模型值分别为0.554、229.95、915.87，而GTWR模型具有更大的R2（0.618）、更小的Residual Squares（169.43），更小的AIC（45.43），说明考虑时空维度的GTWR模型更具分析优势。
2） ULGUE驱动因素的空间异质性分析。本节对2009—2018年ULGUE各驱动因素（平均作用力系数）的空间异质性进行分析，结果显示各驱动因素均呈现显著的带状和片状空间分异特征（图2）。
图2 2009—2018年285个城市ULGUE驱动因素的空间异质性

审图号：GS(2020)4632（自然资源部监制），底图无修改；不含西藏、港澳台数据

Fig. 2 Spatial heterogeneity of ULGUE's driving factors in 285 cities from 2009 to 2018

（1） 经济发展高效化。经济发展水平对285个城市ULGUE均有促进作用，尤其对华南和陕甘宁内蒙古地区促进作用显著。经济发展水平越高，城市综合实力越强，单位面积城市土地上资源要素投入强度越大，在优胜劣汰下能够吸引来众多的优质投资项目[11]，有利于ULGUE提升。产业结构高级化除新疆地区外，对其他城市ULGUE均有显著促进作用，尤其对长三角、东南地区ULGUE促进作用明显。新疆地区深处内陆，研究期间该地区处于工业化快速发展阶段，以资源加工业为主的第二产业支撑城市发展，新能源、新技术的第三产业发展相对较缓[28]，而以第二产业为主的城市往往单位土地污染物排放量较大，因而对ULGUE具有负向影响。而长三角、东南地区区位优势明显，在市场机制作用下，这些地区的低质外企逐渐淘汰退出，之后率先通过环境友好型技术的转移与外溢提高生产率，进入后工业化发展阶段，并逐步减少新增城市建设用地的投入，缓解了城市无序扩张问题并减少了工业污染物排放量。
（2） 城市发展集约化。人口集聚对ULGUE的影响表现为由北向南逐渐发挥正向作用，而对东北地区负向作用显著。近年来，东北地区资源型城市问题突出，加之气候与环境的影响，大量人口流向南方，人口要素并未给东北城市带来较好的集聚效应，影响单位土地经济产出。据《中国东北地区人口发展研究》[29]显示，近10多年东北三省平均每年迁出10万余人，尤其在2014年后人口负增长明显，在此之后东北三省经济增速跌至全国后五位。人口流失表现为劳动力减少、人才紧缺、人力资本不足，那么这就不利于降低单位土地高污染资本密集型活动份额，因而难以有效促进ULGUE提升，以至于2019年再次提出东北振兴战略时强调人是东北振兴的出发点和落脚点。城市空间集聚同样对东北地区ULGUE抑制作用显著。已有研究表明，2011年之后东北存在较多收缩型城市，城市生产生活分散，空间集聚程度较低，但城市用地面积增速却持续加快，形成了人口不断流失，产业和住宅用地空置与土地持续扩张的恶性局面[30]，从而抑制了ULGUE提升。
（3） 生态环境友好化。生态资源禀赋对ULGUE具有显著促进作用，验证了城市生态资源在改善城市局部环境，吸收净化城市土地利用过程中产生的污染物，缓解城市热岛效应，提升宜居水平具有重要作用；环境规制对大量北方城市ULGUE负向作用明显，尤其是京津冀、山西、宁夏北部、黑龙江，可能是该片区生态环境较为脆弱，虽然大量资金投向城市水土流失、风沙治理等问题，但其投入的治理要素并未得到充分利用，存在资源损耗及低效率使用现象[31]。其次，根据《全国资源型城市可持续发展规划（2013—2020）》公布的126个资源型城市（地级市）名单，受环境规制负向影响的75个城市中包含38个资源型城市，占比达到50%。而资源型城市的生产作业往往对城市生态环境产生较大负作用，表现为土地被侵占、污染、破坏等问题[32]，同时，资源型城市需要将治污成本内化，企业必须通过高产量来弥补环境规制增加的成本，因而对ULGUE的提升并未起到促进作用。
（4） 政府行为透明化。土地财政对ULGUE整体抑制作用明显，但总体对西部地区ULGUE的促进作用大于东部。地方政府将土地出让金作为其财政收入重要来源，通过大规模低价供应工业用地使得城市大量工业园区土地被闲置低效利用[17]，同时，在“土地引资”过程中吸引来众多低质企业，造成大量工业污染物排放，阻碍了ULGUE提高。但由于中西部地区财政税收能力相比东部较弱，通过土地财政可为西部发展积累原始资本，对于完善城市基础设施、招商引资有重要作用，能够提高这些区域单位土地产出效益[33]，进而提高ULGUE。土地市场化对ULGUE整体抑制作用明显，且呈现自东向西抑制作用增强态势。西部地区相比东部经济发展总体上相对落后，地方政府为发展当地经济多以市场化程度较低的“协议出让”方式供地，并且中国在2007年才从法律上正式确立以公开竞价方式出让土地的市场化配置制度，研究期土地市场化仍处于初始发展阶段，市场交易制度不完善，并未充分发挥市场对城市土地资源配置的决定性作用，因而总体上对ULGUE提升作用不明显。
（5） 社会发展公平化。基础设施水平对大部分城市ULGUE有促进作用，尤其对西南、西北地区促进作用显著，但对东北地区ULGUE存在抑制作用。西南和西北地区基础设施的完善能够吸引和加快要素流动，加强与东部地区技术经验交流，发挥地域禀赋优势，提高城市土地利用强度，优化土地利用模式，促进ULGUE提升。而东北地区近年来城市用地总面积持续扩张，现有研究表明公共设施用地、道路交通用地及绿地与广场用地的增加是东北地区城市规模扩张的主要动因，因而基础设施建设对东北地区ULGUE抑制作用较强[30]。科教投入水平主要对西南地区ULGUE具有负向作用，这可能由于在“GDP锦标赛”的压力下，相比投入高风险、回报慢的创新活动与周期长、效果慢的教育事业，地方政府财政资金更愿意投入短期能提升经济总量的项目[34]，查看原始数据也能发现该些地区科教投入比重均低于全国水平，因而研究期其对城市土地的高质量、绿色利用难以起到促进作用。
3） ULGUE影响区的识别与划分。运用K均值聚类法对2009—2018年ULGUE驱动因素回归系数进行聚类，识别ULGUE驱动因素相似区域，从而作出更具地区针对性的政策导向。借助Geoda软件，考虑空间因素进行聚类测试，结果显示将285个城市聚类为5类时，聚类间总平方和与总平方和的比值为0.604 2，聚类结果较优。具体结果如图3和表3所示。
图3 2009—2018年ULGUE影响区划分

审图号：GS(2020)4632（自然资源部监制），底图无修改；不含西藏、港澳台数据

Fig. 3 ULGUE impact area division from 2009 to 2018

表3 ULGUE驱动因素K均值聚类结果

Table 3 K average clustering results of ULGUE's driving factors

驱动因素 分类区1 分类区2 分类区3 分类区4 分类区5
　　注：加黑数值为各驱动因素绝对值的最大值，即该因素为对应分类区的主导因素；不含西藏、港澳台数据。
经济发展水平 0.711 0.849 1.132 0.813 0.196
产业结构高级化 1.426 0.945 1.292 0.834 0.730
人口集聚 0.490 –0.468 1.521 1.195 –2.328
城市空间集聚 –0.019 0.071 0.302 0.226 –0.132
生态资源禀赋 1.559 2.164 1.437 2.030 1.912
环境规制 0.750 0.141 0.216 0.105 –0.024
土地财政 –0.083 0.056 0.071 -0.130 –0.293
土地市场化 –0.185 –0.724 –0.452 –1.206 0.007
基础设施水平 0.218 0.342 0.045 0.271 –0.456
科教投入水平 1.081 0.575 0.846 0.415 0.036
城市个数 72 67 59 49 37
同一类别的城市表现出较强的空间集聚特征。通过横向对比5大区域ULGUE各驱动因素系数大小，可以将5大区域划分为不同类型主导区。其中，分类区1共包含72个城市，主要以东南地区为主，该区域ULGUE可看作产业结构高级化、环境规制和科技投入水平主导区；分类区2共包含67个城市，主要以华北地区为主，该区域ULGUE可看作生态资源禀赋主导区；分类区3共包含59个城市，主要以西南地区为主，该区域ULGUE可看作经济发展水平、城市空间集聚主导区；分类区4共包含49个城市，主要以西北地区为主，该区域ULGUE可看作土地市场化主导区；分类区5共包含37个城市，主要以东北地区为主，该区域ULGUE可看作人口集聚、土地财政、基础设施水平主导区。

4 结论与讨论

4.1 结论

本文对2009—2018年中国285个地级及以上城市ULGUE进行测度，并基于GTWR模型与K均值聚类法实证分析ULGUE驱动因素的空间异质性特征，得出如下结论：
1） ULGUE总体呈现波动上升趋势，空间集聚特征显著，省际、省内差异明显，但整体效率不高，仍有43.6%的提升空间。在区域差异方面，ULGUE呈现西部＞东部＞中部的格局；在城市规模等级差异方面，ULGUE随城市规模等级降低而递增。
2） ULGUE的时空演变是众多因素交互驱动的结果，且各驱动因素均具有明显的空间异质性特点，呈现出空间带状或片状分布规律。其中经济发展水平、产业结构高级化、生态资源禀赋、环境规制对ULGUE主要具有正向影响；土地财政、土地市场化主要起着负向影响；人口集聚、城市空间集聚、基础设施水平、科教投入水平正负双重影响均较明显。
3） 根据各城市ULGUE驱动因素特征，可将285个城市划分为五大影响区。包含产业结构高级化、环境规制和科技投入水平主导的东南地区；生态资源禀赋主导的华北地区；经济发展水平、城市空间集聚主导的西南地区；土地市场化主导的西北地区；人口集聚、土地财政、基础设施主导的东北地区。

4.2 讨论

1） 与传统城市土地利用效率测度比较。为了清晰对比ULGUE与传统城市土地利用效率之间的差异，我们对传统城市土地利用效率也进行了测度，剔除非期望产出指标，即不考虑城市土地利用对生态环境造成的影响。结果显示，传统城市土地利用效率全国均值为0.682，东中西地区均值分别为0.734、0.644、0.668，均高于ULGUE值，不同年份各等级城市传统城市土地利用效率值也同样高于ULGUE值。由此说明，城市生态环境污染问题确实会对城市土地利用效率造成一定的影响，传统城市土地利用效率值是存在“虚高”状态的。换言之，如果在城市土地利用过程中能够注重对生态环境的保护、减少污染物排放，那么ULGUE将会得到进一步提升。该结论也进一步证明城市土地“绿色”利用的重要性。
2） ULGUE提升建议。对于提升全国ULGUE而言，第一，推动经济绿色转型，加快劳动力密集型产业向知识、技术密集型产业发展，加大对企业绿色土地开发、产品生产、技术研发的支持力度，严格企业排污标准与环保准入门槛。第二，倡导生态环境友好化，进一步强化“绿水青山就是金山银山”理念，提高城市土地污染治理能力与绿色GDP考核力度，建设全国土地碳排放交易市场。第三，保障社会发展公平，构建高效、绿色、完备的现代化基础设施体系，加大中小城市科教投入力度。第四，强化城市集约发展，适度引导城市人口流入与流出，结合国土空间规划科学规划城市用地布局，严守城市开发边界红线。第五，降低政府干预程度，逐渐摆脱“土地招商”发展模式，摆脱“土地财政”依赖，采取弹性出让供地方式。
同时，要认识到ULGUE驱动因素存在较强的空间异质性。对于分类区1而言，继续通过加大科教研发投入力度、政府环境规制力度，推动企业生产绿色技术、环保技术的持续创新和运用，推动产业结构绿色转型升级。对于分类区2而言，充分发挥其生态资源禀赋优势，优化城市绿色空间建设与管理。对于分类区3而言，科学规划工业园区，引导城市产业集聚，充分发挥产业集聚的规模经济效应，提升经济发展水平，提高土地资源配置效率。对于分类区4而言，地方政府在以地引资中严格企业准入门槛，加大市场对土地资源的配置作用，实现土地资源的绿色高效利用。对于分类区5而言，提高城市各要素集聚程度，科学控制城市规模，定期整理闲置用地，严格审批公共设施用地、道路交通用地及绿地与广场用地申请，走城市“精明收缩”发展之路，同时广泛吸纳技术人才促进老工业基地、重工业基地绿色转型。
3） 未来研究方向。不同城市ULGUE是多因素综合驱动的结果，本文在探讨驱动因素空间异质性时侧重于各因素独立作用于ULGUE，涉及两方或多方主体系统交互作用机制探讨较为欠缺。同时，本文所探讨的各维度驱动因素可能仅仅是其中一部分，是否还有其他因素（如政府政策、自然环境因素等）对其造成影响以及如何作用，这些都是未来值得进一步研究的方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
卢新海, 杨喜, 陈泽秀. 中国城市土地绿色利用效率测度及其时空演变特征[J]. 中国人口·资源与环境, 2020, 30(8): 83-91.

Lu Xinhai, Yang Xi, Chen Zexiu. Measurement and temporal-spatial evolution characteristics of urban land green use efficiency in China. China Population, Resources and Environment, 2020, 30(8): 83-91.

[2]
姬志恒, 张鹏. 环境约束下中国城市土地利用效率空间差异及驱动机制——基于285个地级及以上城市的研究[J]. 中国土地科学, 2020, 34(8): 72-79.

Ji Zhiheng, Zhang Peng. Spatial difference and driving mechanism of urban land use efficiency under the environmental constraints: Based on 285 cities in China. China Land Science, 2020, 34(8): 72-79.

[3]
胡碧霞, 李菁, 匡兵. 绿色发展理念下城市土地利用效率差异的演进特征及影响因素[J]. 经济地理, 2018, 38(12): 183-189.

Hu Bixia, Li Jing, Kuang Bing. Evolution characteristics and influencing factors of urban land use efficiency difference under the concept of green development. Economic Geography, 2018, 38(12): 183-189.

[4]
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.

Wang Deqi, Pang Xiaoqing. Research on green land-use efficiency of Beijing-Tianjin-Hebei Urban Agglomeration. China Population, Resources and Environment, 2019, 29(4): 68-76.

[5]
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.

Liang Liutao, Yong Yajun, Yuan Chenguang. Measurement of urban land green use efficiency and its spatial differentiation characteristics: An empirical study based on 284 cities. China Land Science, 2019, 33(6): 80-87.

[6]
樊鹏飞, 冯淑怡, 苏敏, 等. 基于非期望产出的不同职能城市土地利用效率分异及驱动因素探究[J]. 资源科学, 2018, 40(5): 946-957.

Fan Pengfei, Feng Shuyi, Su Min et al. Differential characteristics and driving factors of land use efficiency in different functional cities based on undesirable outputs. Resource Science, 2018, 40(5): 946-957.

[7]
张英浩, 陈江龙, 高金龙, 等. 经济转型视角下长三角城市土地利用效率影响机制[J]. 自然资源学报, 2019, 34(6): 1157-1170.

DOI

Zhang Yinghao, Chen Jianglong, Gao Jinlong et al. The impact mechanism of urban land use efficiency in the Yangtze River Delta from the perspective of economic transition. Journal of Natural Resources, 2019, 34(6): 1157-1170.

DOI

[8]
王海军, 张彬, 刘耀林, 等. 基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析[J]. 地理学报, 2018, 73(6): 1076-1092.

DOI

Wang Haijun, Zhang Bin, Liu Yaolin et al. Multi-dimensional analysis of urban expansion patterns and their driving forces based on the center of gravity-GTWR model: A case study of the Beijing-Tianjin-Hebei urban agglomeration. Acta Geographica Sinica, 2018, 73(6): 1076-1092.

DOI

[9]
郭付友, 佟连军, 仇方道, 等. 黄河流域生态经济走廊绿色发展时空分异特征与影响因素识别[J]. 地理学报, 2021, 76(3): 726-739.

DOI

Guo Fuyou, Tong Lianjun, Qiu Fangdao et al. Spatio-temporal differentiation characteristics and influencing factors of green development in the eco-economic corridor of the Yellow River Basin. Acta Geographica Sinica, 2021, 76(3): 726-739.

DOI

[10]
任嘉敏, 马延吉. 地理学视角下绿色发展研究进展与展望[J]. 地理科学进展, 2020, 39(7): 1196-1209.

DOI

Ren Jiamin, Ma Yanji. Research progress and prospects of green development from the perspective of geography. Progress in Geography, 2020, 39(7): 1196-1209.

DOI

[11]
姜磊, 周海峰, 柏玲. 外商直接投资对空气污染影响的空间异质性分析——以中国150个城市空气质量指数(AQI)为例[J]. 地理科学, 2018, 38(3): 351-360.

Jiang Lei, Zhou Haifeng, Bai Ling. Spatial heterogeneity analysis of impacts of foreign direct investment on air pollution: Empirical evidence from 150 cities in China based on AQI. Scientia Geographica Sinica, 2018, 38(3): 351-360.

[12]
Zhang R, Matsushima K, Kobayashi K. Can land use planning help mitigate transport-related carbon emissions? A case of Changzhou[J]. Land Use Policy, 2018, 74: 32-40.

DOI

[13]
陈大峰, 闫周府, 王文鹏. 城市人口规模、产业集聚模式与城市创新——来自271个地级及以上城市的经验证据[J]. 中国人口科学, 2020(5): 27-40+126.

Chen Dafeng, Yan Zhoufu, Wang Wenpeng. Urban population, industrial agglomeration pattern and urban innovation: Evidence from 271 cities in China. Chinese Journal of Population Science, 2020(5): 27-40+126.

[14]
成超男, 胡杨, 赵鸣. 城市绿色空间格局时空演变及其生态系统服务评价的研究进展与展望[J]. 地理科学进展, 2020, 39(10): 1770-1782.

DOI

Cheng Chaonan, Hu Yang, Zhao Ming. Progress and prospect of the spatiotemporal change and ecosystem services evaluation of urban green space pattern. Progress in Geography, 2020, 39(10): 1770-1782.

DOI

[15]
吴磊, 贾晓燕, 吴超, 等. 异质型环境规制对中国绿色全要素生产率影响研究[J]. 中国人口·资源与环境, 2020(10): 82-92.

Wu Lei, Jia Xiaoyan, Wu Chao et al. Impact of heterogeneous environmental regulation on green total factors productivity. China Population, Resources and Environment, 2020(10): 82-92.

[16]
范建双, 周琳, 虞晓芬. 土地财政和土地市场发育对城市房价的影响[J]. 地理科学, 2021, 41(5): 863-871.

Fan Jianshuang, Zhou Lin, Yu Xiaofen. Impact of land finance and land market development on urban housing price. Scientia Geographica Sinica, 2021, 41(5): 863-871.

[17]
李汝资, 刘耀彬, 王文刚, 等. 中国城市土地财政扩张及对经济效率影响路径[J]. 地理学报, 2020, 75(10): 2126-2145.

DOI

Li Ruzi, Liu Yaobin, Wang Wengang et al. China’s urban land finance expansion and the transmission routes to economic efficiency. Acta Geographica Sinica, 2020, 75(10): 2126-2145.

DOI

[18]
赵林, 刘焱序, 曹乃刚, 等. 中国包容性绿色效率时空格局与溢出效应分析[J]. 地理科学进展, 2021, 40(3): 382-396.

DOI

Zhao Lin, Liu Yanxu, Cao Naigang et al. Spatiotemporal pattern and spillover effects of inclusive green efficiency in China. Progress in Geography, 2021, 40(3): 382-396.

DOI

[19]
Tone K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2002(1): 32-41.

[20]
Tone K. Dealing with undesirable outputs in DEA: A slacks based measure (SBM) approach[J]. Grips Research Report Series, 2003(8): 44-45.

[21]
Brunsdon C, Fotheringham A S, Charlton M E. Geographically weighted regression: A method for exploring spatial nonstationarity[J]. Geographical Analysis, 1996, 28(4): 281-298.

[22]
Huang B, Wu B, Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science, 2010, 24(3): 383-401.

DOI

[23]
尹鹏, 王富喜, 段佩利. 中国基本公共服务效率与城镇化质量的时空耦合关系研究[J]. 地理科学, 2020, 40(2): 272-288.

Yin Peng, Wang Fuxi, Duan Peili. Spatial-temporal coupling relationship between basic public service efficiency and urbanization quality in China. Scientia Geographica Sinica, 2020, 40(2): 272-288.

[24]
徐升艳, 陈杰, 赵刚. 土地出让市场化如何促进经济增长[J]. 中国工业经济, 2018(3): 44-61.

Xu Shengyan Chen Jie, Zhao Gang. How does the land leasing marketization affect the economic growth. China Industrial Economics, 2018(3): 44-61.

[25]
徐丽婷, 姚士谋, 陈爽, 等. 高质量发展下的生态城市评价——以长江三角洲城市群为例[J]. 地理科学, 2019, 39(8): 1228-1237.

Xu Liting, Yao Shimou, Chen Shuang et al. Evaluation of eco-city under the concept of high-quality development: A case study of the Yangtze River Delta Urban Agglomeration. Scientia Geographica Sinica, 2019, 39(8): 1228-1237.

[26]
国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2010-2019.

National Bureau of Statistics. China city statistical yearbook. Beijing: China Statistics Press, 2010-2019.

[27]
自然资源部. 中国国土资源统计年鉴(2004-2018)[M]. 北京: 地质出版社, 2004-2018.

Ministry of Natural Resources. China land and resources statistical yearbook (2004-2018). Beijing: Geological Publishing House, 2004-2018.

[28]
王磊, 李黎. 资源型产业生态化发展影响因素研究——以新疆为例[J]. 经济管理, 2016, 38(2): 34-46.

Wang Lei, Li Li. Study on influence factors of the resource-based industry ecological development—Take Xinjiang for example. Business Management Journal, 2016, 38(2): 34-46.

[29]
李雨潼. 中国东北地区人口发展研究[M]. 北京: 社会科学文献出版社, 2018.

Li Yutong. Population development research in northeast China. Beijing: Social Sciences Academic Press, 2018.

[30]
宋洋, 朱道林, Yeung Godfrey, 等. 收缩情境下城市用地结构时空格局演变及动力机制——以中国东北地区为例[J]. 地理研究, 2021, 40(5): 1387-1403.

DOI

Song Yang, Zhu Daolin, Yeung Godfrey et al. Spatio-temporal evolution and driving mechanism of urban land use structure with the context of urban shrinkage: Evidence from Northeast China. Geographical Research, 2021, 40(5): 1387-1403.

DOI

[31]
包国宪, 关斌. 财政压力会降低地方政府环境治理效率吗——一个被调节的中介模型[J]. 中国人口·资源与环境, 2019, 29(4): 38-48.

Bao Guoxian, Guan Bin. Does fiscal pressure reduce the environmental governance efficiency of local governments: A moderated mediationg model. China Population, Resources and Environment, 2019, 29(4): 38-48.

[32]
Kumar A, Nikhil K. Environmental impact assessment study of non-metal mines: A critical review[J]. International Journal of Engineering and Technical Research, 2014, 2(5): 324-326.

[33]
王岳龙, 邹秀清. 土地出让: 以地生财还是招商引资——基于居住-工业用地价格剪刀差的视角[J]. 经济评论, 2016(5): 68-82.

Wang Yuelong, Zou Xiuqin. Land transfer in China: To obtain land revenue or attract business and investment?. Economic Review, 2016(5): 68-82.

[34]
车德欣, 吴传清, 任晓怡, 等. 财政科技支出如何影响企业技术创新?——异质性特征、宏微观机制与政府激励结构破解[J]. 中国软科学, 2020(3): 171-182.

Che Dexin, Wu Chuanqing, Ren Xiaoyi et al. How does fiscal technology expenditure affect enterprise technology innovation?—Heterogeneity, macro-micro mechanism and government incentive structure. China Soft Science, 2020(3): 171-182.

Options
文章导航

/

〈 〉