EN中文

地理科学 >

2025 , Vol. 45 >Issue 2: 349 - 363

DOI: https://doi.org/10.13249/j.cnki.sgs.20230470

城乡发展与人口

湖南武陵民族地区种植业生态效率的时空分异及驱动机理研究

  • 向慧 , 1, 2 ,
  • 彭保发 2 ,
  • 伍铁牛 3 ,
  • 张浩哲 4 ,
  • 付冬暇 5 ,
  • 杨庆媛 , 6, *
展开
  • 1.伊犁师范大学资源与环境学院，新疆 伊宁 835000
  • 2.湖南文理学院地理科学与旅游学院，湖南 常德 415000
  • 3.华中师范大学城市与环境科学学院，湖北 武汉 430079
  • 4.中国科学院水利部成都山地灾害与环境研究所，四川 成都 610041
  • 5.自然资源部第一地形测量队，陕西 西安 710054
  • 6.西南大学地理科学学院，重庆 400715
杨庆媛。E-mail:

向慧（1982—），女，湖南湘西人，副教授，博士，主要从事农业经济与区域发展研究。E-mail:

收稿日期: 2023-05-15

  修回日期: 2023-12-02

  网络出版日期: 2025-02-27

基金资助

新疆“天池英才”青年博士项目(2025QNBS010)

国家自然科学基金项目(42171213)

国家自然科学基金项目(42371288)

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

Spatio-temporal pattern and driving mechanism of agricultural ecological efficiency for planting industry in the Wuling ethnic area of Hunan

  • Xiang Hui , 1, 2 ,
  • Peng Baofa 2 ,
  • Wu Tieniu 3 ,
  • Zhang Haozhe 4 ,
  • Fu Dongxia 5 ,
  • Yang Qingyuan , 6, *
Expand
  • 1. College of Resources and Environment, Yili Normal University, Yining 835000, Xinjiang, China
  • 2. College of Geography and Tourism, Hunan University of Arts and Science, Changde 415000, Hunan, China
  • 3. College of Urban and Environmental Sciences, Central China Normal University, Wuhan 430079, Hubei, China
  • 4. Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, Sichuan, China
  • 5. The First Topographic Surveying Brigade, the Ministry of Natural Resources, Xi’an 710054, Shaanxi, China
  • 6. College of Geographical Sciences, Southwest University, Chongqing 400715, China

Received date: 2023-05-15

  Revised date: 2023-12-02

  Online published: 2025-02-27

Supported by

“Tianchi Talents” Young Doctoral Program in Xinjiang(2025QNBS010)

National Natural Science Foundation of China(42171213)

National Natural Science Foundation of China(42371288)

Copyright

Copyright reserved © 2025.
Fold

摘要

结合DEA-SBM模型、碳排放评估模型、面源污染测算方法、GIS空间分析技术和地理探测器模型，动态刻画湖南武陵民族地区37个县域种植业生态效率的时空分异，解析其驱动机理。结果表明：① 2010―2020年湖南武陵民族地区种植业生态效率低等级的行政单元不断向高等级转化，其等级结构不断优化；② 区域种植业生态效率总体东高西低，东西及南北方向的变化均较为缓和，并呈“中心–外围”式分布特征；③ 区域种植业生态效率演变受到多种因子的综合作用，自然条件是影响其格局及演变的基础，农业技术是其演变的牵引力，农业经济发展的影响具有两面性，产品市场则起着决定性的作用；④ 区域未来种植业发展应当关注碳排放问题，并注重发挥相对发达地区的辐射与带动作用。

关键词： 湖南武陵民族地区; 种植业生态效率; DEA-SBM模型; 提质转型

本文引用格式

向慧 , 彭保发 , 伍铁牛 , 张浩哲 , 付冬暇 , 杨庆媛 . 湖南武陵民族地区种植业生态效率的时空分异及驱动机理研究[J]. 地理科学, 2025 , 45(2) : 349 -363 . DOI: 10.13249/j.cnki.sgs.20230470

Abstract

Planting industry in China is in a critical period of transitioning from a production-oriented to a quality-oriented presently. Therefore, it is of great significance to analyze the spatiotemporal differentiation and driving mechanisms of ecological efficiency in planting industry, such as achieving agricultural quality and efficiency improvement, promoting its economic ecological coordinated development, and enhancing people’s well-being. DEA-SBM model, carbon emission model, non-point pollution method, spatial analysis technology of GIS and geographical detector model were used in this study, and the conclusions were as follows: 1) From 2010 to 2020, 3 trends of increasing, decreasing, and stabilizing coexisted in the input, and an upward trend in the expected output, while increasing and decreasing trends in non-expected output. The administrative units with low levels of ecological efficiency for planting industry continuously transformed to higher levels, and the hierarchical structure was optimizing; 2) The ecological efficiency for planting industry was higher in the east and lower in the west, and the “upward” and “unchanged” regions alternated from east to west. The changes of ecological efficiency in the east-west and north-south were mild, there were multiple core areas and had a “center-periphery” feature; 3) The ecological efficiency for planting industry in the study area was influenced by multiple factors. Natural conditions are the foundation to affect its pattern and evolution, agricultural technologies are the driving forces, the impact of agricultural economic development has 2 sides, and the product market plays a decisive role; 4) In the future, the planting industry in the study area should focus on the issue of carbon emissions, improve the utilization efficiency of agricultural chemicals, strengthen environmental education and pay attention to the radiation and driving role of the central areas. This study has used indicators such as geographical indications of agricultural products and green foods that reflect the contemporary characteristics of the planting industry to improve the existing evaluation system. It helps to improve the research methods and techniques, provide scientific basis for optimizing agricultural policies, and assist in the strategies of rural revitalization and agricultural high-quality development.

Key words： Wuling ethnic area of Hunan; ecological efficiency for planting industry; DEA-SBM model; quality improvement and transformation

当前，中国种植业正处于生产导向转型为提质导向的关键时期[1]，但片面追求粮食增产、滥用农业化学品及生态恶化等问题依旧突出，环境保护形势依然严峻[2]。统计显示，2020年全国废水污染物中，农业源总氮、总磷排放量分别占53.20%和78.50%，而农业水污染源的47.68%来自于种植业[3- 4]。为改善上述问题，2021年国家提出“到2025年，化肥农药利用率达到43%”（https://data.stats.gov.cn/files/lastestpub/gjnj/2020/zk/indexce.htm）；并于2022年提出“深入实施化肥农药减量增效行动，加强种植业面源污染防治”的要求（https://www.gov.cn/zhengce/2021-11/07/content_5649656.htm）。在此背景下，解析种植业生态效率的时空分异特征及驱动机制，对实现农业提质增效、促进其经济–生态协调发展及增进民生福祉等方面具有重要的意义。
“生态效率”一词最早出现于20世纪90年代[5-6]，指产生的经济价值与环境效应的比值[1,7]，后引申为以最小的资源影响、环境消耗获取最大的经济产出[8]，此后，逐渐被拓展到农业领域[2,5]。有学者从农业可持续发展的视角，将农业生态效率理解为农业生产过程中资源环境投入与经济产出的比率[8]。还有学者认为提升农业生态效率旨在降低资源消耗和环境影响，提高农业经济产出，实现农业绿色生产，全面提升人类福祉[9]。由上可知，农业生态效率的研究视角已从农业可持续发展转向农业绿色生产及人类福祉[10]，但其概念基本遵循最初生态效率的思想，即以最小的资源消耗和环境污染[11-12]，获取最大的物质产出[2]。借鉴生态效率及农业生态效率已有的研究成果，本研究认为种植业生态效率是评价种植业绿色生产水平的重要指标[13]，表征一定的资源要素投入产生的种植业经济效益最大化及负面效应最小化[14]，目的是系统优化资源的生态–经济–社会效应，全面提升人类福祉。
已有农业生态效率文献的研究对象多以整体农业为主[2,15-16]，较少涉及单一农业产业（种植业、畜牧业及渔业等）[14]，涉及种植业生态效率的内容主要：①种植业生态效率的评估方法。种植业生态效率一般用产出与投入的比率来衡量[2,12]，评估方法多样，包括数据包络法（DEA）[17-18]、能量法[19]、随机前沿分析法（SFA）[20]和影子价格法等[21]。其中，基于松弛模型的数据包络法（DEA-SBM）具有简单、科学、客观、公正等优点[22-23]，且能够将环境污染纳入分析模块中[18,24]，已经成为评估种植业生态效率的主流模型。种植业生态效率的时间演变是学界关注的重点问题[6]，也有研究结合了DEA-SBM模型和地理学的空间分析技术[1,6,14]，以呈现其空间异质性[25]及空间趋势变化[16]。②种植业生态效率的指标体系。投入指标一般差异不大，包括土地投入、劳动力投入、农业化学品等方面[1,6,26-27]，期望产出则以物质产出方面的变量为主[15]（如种植业产值），但鲜有研究涉及品牌建设、绿色发展等表征其提质转型属性的指标。非期望产出指标中，种植业碳排放是最常用的指标[16,27-28]，也有研究综合考虑了种植业碳排放和面源污染[1,6]。③种植业生态效率的研究尺度。已有的研究涵盖国家[5,8]、省域[3,24,29]、区域[14,30]、市县[23,31]及村镇[32]等多级尺度，以国家、省域及区域等较大尺度的研究为主[26]，且多针对经济较发达的平原地区[14]，忽略了中小尺度地区和经济相对滞后的山区。④种植业生态效率的影响因素。影响其生态效率的因素众多[6,23]，包括自然禀赋（地形、降雨量、温度[33]）、生产经营条件（新生产技术[34]、农业化学品和病虫害防治[35]）、管理状况（管理者的性别、态度、技能、资本及知识和土地管理政策制等）[34,36]等，但涉及其深层次作用机理的研究并不多见[2,16]。
鉴于此，本研究基于农学、生态学和地理学视角，结合DEA-SBM模型、GIS空间分析技术和地理探测器模型等方法，完善现有指标体系，动态刻画湖南省武陵山民族地区37个县域种植业生态效率的时空分异，精准识别其影响因素，辨识驱动机理。本研究有助于完善生态效率的研究方法与技术体系，为区域政策的优化提供科学依据，并助力乡村振兴和农业高质量发展战略。

1 研究区域概况

湖南武陵民族地区地处武陵山脉腹地，涵盖湖南省西北部的37个县域单元（图1），区域面积9.49万km2，占全省总面积的43.8%（https://zfxxgk.ndrc.gov.cn/web/iteminfo.jsp?id=1660），与鄂、黔、渝及桂4省（市、区）接壤，是连接中国中西部地区的桥梁，沟通汉族与少数民族的纽带。区域内少数民族聚居，有土家族、苗族、侗族等30多个少数民族，种植业生产具有民族特色。作为传统的农业地区，研究区经济发展相对滞后，种植业生产历史悠久，因地貌以山地为主，地势西高东低，种植业活动具有异质性，并对当地农户的生计产生了重要影响。区域属于国家级生态保护实验区，为重要的生态屏障区和生态敏感区，随着国家生态文明建设及乡村振兴战略的持续推进，区域种植业转型发展的任务紧迫、意义重大。因此，本研究选取的案例地（湖南武陵民族地区）具有代表性和典型性。
图1 湖南武陵民族地区地形

Fig. 1 Topographic map of the Wuling ethnic area of Hunan

2 方法与数据

2.1 研究方法

2.1.1 测算种植业生态效率

1）构建评价指标体系。遵循科学性、可操作性及指标的可获取性，结合相关文献[1,2,12,37-38]，本研究从投入、期望产出和非期望产出3个方面构建评价指标体系（表1）。投入方面，从土地、化肥、农药、柴油等8个方面选取指标，系统全面地反映种植业投入的差异；期望产出方面，除粮食作物和经济作物（表征传统的物质产出）外，还选取了农产品地理标志数量（表征品牌建设）及绿色食品数量（表征绿色发展）2个指标，以反映其提质转型的时代特征；非期望产出方面，综合考虑了种植业碳排放和面源污染（农药及化肥污染）。
表1 种植业生态效率的评价指标体系

Table 1 Evaluation index system of ecological efficiency for planting industry

一级指标 二级指标 指标解释
投入变量 劳动力投入（X1） 农业从业人员数/万人
土地投入（X2） 耕地面积/103hm2
化肥投入（X3） 化肥施用量/t
农药投入（X4） 农药使用量/t
柴油投入（X5） 农用柴油使用量/t
农膜投入（X6） 农膜使用量/t
机械投入（X7） 农业机械总动力/kW
灌溉投入（X8） 耕地灌溉面积/103hm2
期望产出变量 粮食作物产出（Y1） 粮食作物总产量/t
经济作物产出（Y2） 经济作物总产值/万元
农产品地理标志数量（Y3） 农产品地理标志数量
绿色食品数量（Y4） 绿色食品数量
非期望产出变量 种植业碳碳排放（Z1） 化肥、农药等的碳排放/t
种植业化肥污染（Z2） 化肥流失量/t
种植业农药污染（Z3） 农药残留量/t
2）测算非期望产出。种植业碳排放的计算公式如下：
$ Z_1=\displaystyle\sum_{S=1}^5F_SC_S $
式中，Z1为种植业碳排放总量，FS为种植业第S种碳源总量，CS为第S种碳源总量排放系数。由于农业化学品、机械翻耕和灌溉等是主要的碳源，故本研究选取化肥、农药、柴油、农膜、翻耕和灌溉6类碳源。各碳源的排放系数如下：化肥0.896 kg/kg、农药4.934 kg/kg[16]、柴油0.593 kg/kg、农膜5.810 kg/kg[16]、翻耕312.600 kg/hm2、灌溉20.476 kg/hm2[6]。
种植业面源污染主要来自农业化学品的使用，本研究将化肥和农药定为污染源，其测算公式如下：
$ Z_2=\displaystyle\sum_{h=1}^2J_hF_hC_h\text{，}Z_3=F_oC_o $
式中，Z2为化肥流失量（本研究测算总氮量，即TP），Jh为第h种化肥施用量，Fh为第h种化肥排污系数，Ch是第h种化肥流失率，本文主要针对氮肥和化合肥进行研究，Fh及Ch参考《第一次全国污染源普查：化肥流失系数手册》（http://cpsc.sepa.gov.cn/）进行设置。Z3是农药残留量，Fo为农药使用量，Co为农药流失系数，参考《第一次全国污染源普查：农药流失系数手册》（http://cpsc.sepa.gov.cn/）进行设置。
3）DEA-SBM模型。本研究借助非角度和非径向的DEA-SBM模型评估种植业生态效率。该模型考虑了目标函数的松弛变量，有效地解决了多输入变量和多输出变量的松弛问题，是评价生态效率的主流模型[39-40]。
4）可视化方法。采用Origin 2018软件可视化工具，实现测算结果时间可视化；利用ArcGIS 10.2空间制图工具、趋势面分析及核密度模块，实现测算结果可视化。

2.1.2 评估种植业生态效率的影响因素

1）构建评价指标体系。湖南武陵民族地区为典型的山区地貌，区域内部地形（高程、坡度）的差异明显[41-42]，使得种植业生产和经营具有空间异质性[43]。湖南武陵民族地区生态环境脆弱[40]，耕地利用本底条件差，提高农业技术水平是减少种植业的生产成本及提升其绿色发展水平的重要路径[27]。借鉴已有研究[11,44]，从自然条件、农业技术、农业经济及产品市场方面构建影响种植业生态效率的指标体系（表2）。
表2 种植业生态效率的影响因素

Table 2 Impact factors of ecological efficiency for planting industry

类型 指标 单位
自然条件 高程（u1） m
坡度（u2） (°)
农业技术 农村人均中低产田年内改良面积（u3） 103hm2
农村人均秸杆还田面积（u4） 103hm2
农业经济 第一产业比重（u5） %
农村居民人均可支配收入（u6） 元
产品市场 人口密度（u7） 人/km2
城镇化率（u8） %
2）地理探测器模型。本研究借助地理探测器（Geodetector）[45]探讨各影响因子对种植业生态效率的解释力。

2.2 数据来源

本研究的数据主要涉及湖南武陵民族地区2010―2020年的DEM数据、行政区划数据、统计数据（农业从业人员数、耕地面积、化肥施用量及农药使用量等）、优质农产品目录（农产品地理标志及绿色食品）和辅助性数据（化肥与农药的流失系数）等数据。其中，30 m的DEM行政区划数据来于地理空间数据云①；统计数据来自于《湖南统计年鉴》《湖南农村统计年鉴》《湖南调查年鉴》及区域各县（市、区）的统计年鉴、统计公报、政府工作报告和政府网站（https://tjj.hunan.gov.cn/）；辅助性数据来自于《第一次全国污染源普查：农业污染源》（http://cpsc.sepa.gov.cn/）。

3 结果与分析

3.1 湖南武陵民族地区种植业投入–产出变量的时间演变

投入变量的变化趋势如下（图2）：投入变量升、降和稳3种趋势并存。其中，X1（农业劳动力）、X3（化肥）和X4（农药）呈现下降走势，X5（柴油）、X6（农膜）、X7（机械）和X8（灌溉）则上升明显，X2（土地）保持稳定。原因如下：城乡经济发展的差距使得大量农村劳动力进城，进而引起农业劳动力短缺，迫使其他生产要素替代劳动力要素。这种“替代”作用导致了农业劳动力投入的减少及其他生产要素（柴油、机械、农膜及灌溉等）投入的增加；而且为最大程度地减少农业生产的负外部性，国家及地方政府大力控制农业化学品的使用量，并不断加大科技投入以提升其利用率，使得化肥、农药的投入量趋于下降；最后，中国实施最严格的耕地保护制度，严守18亿亩（15亩=1 hm2）耕地红线，上述政策限制了城镇化占用耕地，故土地投入基本稳定。
图2 湖南武陵民族地区种植业投入–产出变量情况

变量含义见表1

Fig. 2 Input-output variables for ecological efficiency for planting industry in the Wuling ethnic area of Hunan

产出变量的变化如下（图2）：期望产出以上升趋势为主，非期望产出则升降不一。期望产出中，Y1（粮食作物）缓慢上升，Y2（经济作物）则快速上升，反映区域种植业生产发生了结构性变化，由粮食作物为主向经济作物为主转变；Y3（农产品地理标志数量）和Y4（绿色食品数量）都快速上升，反映区域农业品牌效应不断增强，品质趋于优化，种植业转型升级成效显著。非期望产出中，Z1（农业碳排放）呈上升趋势，这与柴油、农膜、机械和灌溉等生产要素投入的增加密不可分。Z2（化肥流失）和Z3（农药残留）则呈下降趋势，反映区域种植业面源污染控制初显成效。此外，上述数据也表明，种植业碳排放问题已经成为区域农业环境污染不可忽视的重要问题。

3.2 湖南武陵民族地区种植业生态效率的时间演变

3.2.1 不同类型种植业生态效率时间演变

利用Max-DEA 5.0软件，分别测算研究区考虑和不考虑非期望产出的种植业生态效率。2种类型的种植业生态效率都趋于上升，反映区域种植业经济、资源利用与环境保护之间的矛盾在一定程度上得到了协调。同时，考虑非期望产出的种植业生态效率要明显低于不考虑非期望产出的种植业生态效率。2010年，前者效率值为0.403 6（中等），明显低于后者的0.684 0（高）；2020年，前者的效率值为0.581 7（中等），亦落后于后者的0.921 4（极高）。究其原因，不考虑非期望产出的种植业生态效率忽略了种植业生产对生态环境的负外部性[12]，导致其生态效率的高评，具有一定的缺陷性和不合理性。此外，两种类型种植业生态效率都处于快速提升的状态，变化率都为34.70%，反映2010年以来研究区不断改进种植业生产方式和技术手段，其生态效率得到了大幅度的提升。综上所述，考虑非期望产出的生态效率更符合区域种植业生产的实际情况，故本研究后续都采用考虑非期望产出的种植业生产效率进行探讨。

3.2.2 种植业生态效率等级结构的时间演变

据图3可以看出，研究期内种植业生态效率不同级别县市的数量（比重）从双峰变为单峰。2010年的2个峰值分别位于低和高2个等级，反映区域种植业生态效率具有“低低集聚”和“高高集聚”的“俱乐部收敛”双峰式特征。其中，处于低生态效率的县（市）数量为11个（占比29.73%），而处于高生态效率的县（市）数量为16个（占比43.24%）；2020年的峰值集中于高等级（共19个行政单元，占比51.35%），表明区域种植业生态效率呈现“高高集聚”的“俱乐部收敛”单峰式特征。同时，种植业生态效率各级别行政单元数量的变化具有差异性，极低和低生态效率的行政单元大幅度减少（低等级的尤为明显），而中等、高和极高生态效率的行政单元有不同程度的增加（中等级别的增加最为显著）。以上数据表明，研究期内种植业生态效率低等级的行政单元不断向高等级转化，其等级结构不断优化。究其原因，研究初期中国农村扶贫政策开始实施，受其影响，区域种植业发展强调规模的扩张，忽略了对资源环境的管制，故极低和低生态效率的行政单元较多；随着精准扶贫战略的持续推进，区域种植业资源环境管制的力度不断加大，高污染、高消耗的种植业逐步向绿色高效的种植业转变，其生态效率等级结构持续优化。
图3 2010年和2020年湖南武陵民族地区种植业生态效率等级结构

Fig. 3 Ecological efficiency structure for planting industry in the Wuling ethnic area of Hunan in 2010 and 2020

3.3 湖南武陵民族地区种植业生态效率的空间格局

3.3.1 种植业生态效率的空间格局

2010年，湖南武陵民族地区种植业生态效率总体东高西低。其中，种植业高生态效率区具有“东部连片，西部零散”的空间特征（图4）。东部地区种植业高生态效率的行政单元从北部的永定延至南部的武冈、东部的涟源，西部地区的则在区域的西南、正西及西北等地都有分布；种植业中等生态效率区则集中于东北、西北及东南3个地区，呈“三足鼎立”的格局，东侧的冷水江则呈孤星状分布；种植业低生态效率的区域集中于西部地区（湘西州的古丈、花垣等地），同时，在北部、东部及南部也有零星分布；种植业极低生态效率区主要集中于区域西部的怀化境内，如麻阳、洪江、会同等地。
图4 2010—2020年湖南武陵民族地区种植业生态效率的空间格局

Fig. 4 Ecological efficiency for planting industry in the Wuling ethnic area of Hunan in 2010—2020

2020年，区域种植业生态效率整体提升，但东高西低的总体趋势不变。其中，张家界市的武陵源区一枝独秀，为极高值区；种植业高生态效率的“东部连片区”与“西部零散区”已交融连通，东部地区该类型研究单元北延至永定、南达武冈、东抵安化，西部地区的则集中于西北和西南2地；种植业中等生态效率的行政单元北部多于南部，且呈北部集聚、南部分散的空间格局；种植业低生态效率的研究单元较少，且散布于全域（北部、中部、西部及南部皆有分布）。
2010―2020年区域种植业生态效率的变化只有“向上”和“不变”2种类型，且东西交替的空间特征明显。在区域最东部，向上的行政单元集中于区域的东北、正东和东南；由此向西，不变地区由北部的桑植延至南部的城步，呈条带状分布；再向西，向上的地区呈团块状分布，且南部更加集中；区域最西侧，不变地区由西北的龙山延伸至西南的通道，呈长条状分布。

3.3.2 种植业生态效率变化趋势的空间格局

由趋势面图可知（图5），湖南武陵民族地区种植业生态效率东西及南北方向的变化均较为缓和。2010年，趋势面的东西方向呈“下凹式抛物线”状，说明其效率由西向东逐渐升高，且上升速度由慢变快；南北方向呈“U”型变化趋势，反映区域种植业生态效率具有南北较高、中部较低的特征。2020年，区域种植业生态效率在东西方向呈“上凸式抛物线”状，反映其东高西低的态势依旧，但速度变化的趋势发生逆转，即西部快于东部；南北方向呈“直线”型上升，说明区域种植业生态效率南低北高，且变化速度总体稳定。以上数据表明，在东西方向，区域东侧种植业生态效率优势更为明显；在南北方向，区域种植业生态效率的核心由南北双核变为北部单核。
图5 2010年和2020年湖南武陵民族地区种植业生态效率的趋势面

绿线表示东西方向，蓝线表示南北方向

Fig. 5 Trend surface of ecological efficiency for planting industry in the Wuling ethnic area of Hunan in 2010 and 2020

3.3.3 种植业生态效率核密度的空间格局

2010―2020年湖南武陵民族地区种植业生态效率的核密度结果显示（图6），区域种植业生态效率具有多个核心区（即核密度的极高值区）。其中，2010年核心区的连线呈东北–西南的条带状走向，偏北的条带状为武陵源–吉首–新晃一线，偏南的则为冷水江–洞口–武冈–通道一线；2020年的核心区则呈“三足鼎立”趋势，“三足”分别位于东北、东部和西南，东北及东部的核心区呈散点状分布，西南的核心区则集中连片；同时，研究期内区域种植业生态效率总体呈“中心–外围”式分布，核心区多为区域中心地区（行政中心），如吉首、武陵源、冷水江等地，反映经济发展与种植业生态效率有一定的相关性。究其原因，中心地区经济较发达，种植业资金充足，技术先进，农产品市场化程度高，加之政府对农业生态环境的干预作用更明显，使得种植业生态效率高于周边地区。
图6 2010年和2020年湖南武陵民族地区种植业生态效率的核密度

Fig. 6 Kernel density of ecological efficiency for planting industry in the Wuling ethnic area of Hunan in 2010 and 2020

3.4 湖南武陵民族地区种植业生态效率的动因演变及机理诊断

3.4.1 驱动因素的演变

地理探测器测算的影响因子q值如图7所示。自然因素中，u1（高程）和u2（坡度）对种植业生态效率的解释力略有下降（u1由0.202 9降至0.025 7，u2则由0.126 8降为0.053 8）（图7）。以上数据表明，高程、坡度在一定程度上影响着种植业生态效率，但二者的影响趋于弱化。究其原因，2010年以来武陵山区通过改造梯田、推广小型机械等措施，顺势利用山地地形，促进了种植业土地资源的合理利用。因此，随着农业资源整治的实施及农业机械的推广，高程及坡度对种植业生态效率的影响逐渐弱化。
图7 湖南武陵民族地区种植业生态效率影响因子的q值

变量含义见表2

Fig. 7 q value of the impact factors on ecological efficiency for planting industry in the Wuling ethnic area of Hunan

农业技术因子中，u3（农村人均中低产田年内改良面积）和u4（农村人均秸杆还田面积）对种植业生态效率的解释力趋于增强（u3由0.111 9上升至0.196 7，u4则由0.098 9提升至0.166 9）（图7）。原因是农业生产技术的推广能够在不影响种植业生态环境的前提下，促进其物质产出能力的提升，进而导致其生态效率整体水平的提高。因此，大力推广绿色生产技术、改进生产措施，科学管理、合理规划种植业生产过程，能够减少种植业投入，提升其物质产出，有效解决区域种植业生态环境恶化的问题。
农业经济因子中，u5（第一产业比重）和u6（农村居民人均可支配收入）对种植业生态效率的解释力较为稳定（u5由0.082 2变为0.076 4，u6则由0.183 5变为0.174 0）（图7）。由上可知，第一产业而比重对种植业生态效率的影响一直较弱，可能原因是农业为区域的主导产业，第一产业比重较为稳定，但区域种植业生态效率变化较为剧烈，故两者的相关性较弱；同时，农村居民人均可支配收入的影响则一直较强。原因是随着农村居民人均可支配收入的增加，部分小型机械代替了手工劳作，农业劳动力的知识水平、劳动技能和环保意识等也得到了相应的提升，故其持续影响着区域的种植业生态效率。
产品市场因子中，u7（人口密度）和u8（城镇化率）的解释力一直较强。研究期内，u7和u8的q值略微下降（前者由0.202 9降为0.174 7，后者由0.168 2降至0.156 4），但解释力都大于15%（图7）。反映人口密度的增加和城镇化率的提升，有利于增加农产品的市场需求量，进而导致种植业生态效率的提升。因此，根据区域的人口密度和城镇化率等因素预测农产品的市场需求，调整种植业结构，扩大绿色、优质农产品的生产规模，是提升种植业生态效率的重要途径之一。
整体而言，湖南武陵民族地区种植业生态效率受到多种因子的综合作用，且各影响因子的作用强度和变化趋势各异。其中，2010年的核心解释力因子为u1、u6、u7及u8，2020年则为u3、u4、u6、u7及u8。同时，自然因素和农业技术的解释力反向变化，农业经济和产品市场解释力总体稳定，且产品市场始终为强解释力因子。

3.4.2 驱动机理的诊断

本研究从基础力、牵引力、推动力和决定力4个方面分析区域种植业生态效率演变的驱动机理（图8）。
图8 种植业生态效率演变的驱动机理

在文献[46]基础上改进

Fig. 8 Driving mechanism of ecological efficiency evolution in planting industry

自然条件是影响区域种植业生态效率格局及演变的基础。湖南武陵山区海拔较高，地形崎岖，交通闭塞，相对封闭的环境保存了大量具有民族特色的农耕物质及文化产品。2010年以来，随着国家乡村振兴战略、科技兴农战略的实施及区域交通条件的改善，特色农耕产品得到开发，农业文化遗产及绿色食品数量明显增多，种植业转型提质成效明显；同时，湖南武陵山区地势西高东低，耕地资源西部分散、东部集聚，使得种植业生态效率具有东高西低的空间特征；此外，研究区水土流失严重，生态敏感且脆弱，是国家生态文明战略关注的重点区域，种植业也是农业生态环境管控的关键领域。在此背景下，区域农业面源污染控制成效明显，种植业生态效率低级别的行政单元不断向高级别转化。可见，种植业生态效率的宏观态势在一定程度上仍然受到自然条件的影响和制约，并随着人类对自然条件的科学利用与合理改造而不断演进。
农业技术是区域种植业生态效率演变的牵引力。区域地势起伏大，优质耕地不足，梯田耕作技术、坡耕地整治技术及防灾减灾技术的改进，提升了种植业的物质产出率；为落实国家化肥农药零增长的行动方案，区域大力推广绿肥种植和绿色生产技术，提高了化肥、农药的利用率，减轻了种植业的面源污染，促进了种植业的高质量发展。
农业经济的发展推动种植业生态效率的演变具有两面性。一方面，农业经济的发展促进了耕作机械设备及物资材料等投入的增加，缓解了乡村劳动力短缺、老龄化等问题，促进了种植业产品的增产增值；另一方面，农耕机械、柴油等投入的增加，又使得种植业碳排放量增加，加剧了乡村生态环境的风险。
产品市场对区域种植业生态效率起着决定性的作用。经济作物的市场价格高于粮食作物，导致区域种植业结构性调整（由粮食作物为主转向经济作物为主）；随着人民生活水平的提高，绿色优质农产品更受市场的青睐，农业生产亦愈加重视农产品品质与品牌，种植业的转型升级为大势所趋；中心地区人口集聚，经济发达，农产品市场需求旺盛，消费能力强，故区域种植业生态效率呈现“中心–外围”式的空间特征。

4 结论与讨论

4.1 结论

本研究从跨学科的视角，结合DEA-SBM模型、碳排放评估模型、面源污染测算方法、GIS空间分析技术和地理探测器模型，动态刻画湖南武陵民族地区农业生态效率的时空分异，精准识别其影响因子，解析其驱动机理。主要结论如下：
1）湖南武陵民族地区种植业生态效率具有时间变异性。2010―2020年，区域种植业的投入升、降和稳3种趋势并存，期望产出以上升趋势为主，非期望产出则升降不一，种植业碳排放已经成为区域农业环境污染不可忽视的重要问题；考虑和不考虑非期望产出的种植业生态效率都趋于上升，但前者要明显低于后者；区域种植业生态效率低等级的行政单元不断向高等级转化，其等级结构不断优化。
2）湖南武陵民族地区种植业生态效率具有空间异质性。2010年和2020年，湖南武陵民族地区种植业生态效率值总体东高西低，且“向上”区域与“不变”区域东西交替；区域种植业生态效率东西及南北方向的变化均较为缓和；区域种植业生态效率具有多个核心区，2010年核心区的连线呈东北–西南的条带状走向，2020年的核心区则呈“三足鼎立”趋势；区域种植业生态效率总体呈“中心–外围”式分布，中心地区的种植业生态效率较周边地区高。
3）湖南武陵民族地区种植业生态效率受到多种因子的综合作用，且各影响因子的作用强度和变化趋势各异。其中，2010年的核心解释力因子为u1、u6、u7及u8，2020年则为u3、u4、u6、u7、u8及u12。同时，自然因素和农业技术的解释力反向变化，农业经济和市场需求解释力总体稳定，且市场需求始终为强解释力因子。自然条件是影响区域种植业生态效率格局及演变的基础，农业技术是其演变的牵引力，农业经济发展对其影响具有两面性，产品市场则起着决定性作用。

4.2 讨论

1）政策建议。从投入–产出的演变趋势可知，农业机械替代农业劳动力的具有两面性：这种“替代”作用在一定程度上缓解了农业劳动力短缺及老龄化问题，但也导致了他生产要素（柴油、机械、农膜及灌溉等）投入的增加，进而引发种植业碳排放量的增加。因此，种植业碳排放问题已经成为制约区域种植业生态效率，影响农业高质量发展的重要问题。为此，湖南武陵民族地区需要加快低碳技术的创新，推广绿色低碳的农业种植技术，减少种植业生产过程的中碳排放；提高农业化学品的使用效率，推广清洁型农业机械装备，降低种植业碳排放率；加强环境教育，宣传环保理念，提高乡村人口的低碳意识。
湖南武陵民族地区种植业生态效率具有“中心–外围”的特征，这表明中心地区的种植业生态效率一般较高。究其原因，中心地区的惠农政策较为完善，农业支持资金相对充足；农业从业人员较易受到新知识、新技术及现代信息的影响，更有利于推广与实施农业耕作设备和农业资源管理技术；人口密集，非农人口比重大，农产品市场需求量大，农业产值高也其种植业生态效率高的一个重要原因（这也在一定程度上证实了本研究“产品市场始终为强解释力因子”这一结论的科学性和合理性）。鉴于此，中心地区与周边地区应当加强农业方面的交流与合作，建立完备的生态农业合作机制，发挥中心地区的辐射与带动作用；周边地区需借鉴经济较发达地区的生态农业产业政策和管理经验，重点扶植绿色、生态、环保的农业产业；根据区域农业资源禀赋，发展市场潜力大、经济效率高的农产品。
2）与现有成果的比较。与已有文献相比[2,5,26]，本研究考虑了农产品地理标志、绿色食品等反映种植业时代特征的指标，完善了现有的评价体系。然而，农产品地理标志在少数民族地区集中程度更高[47]，而绿色食品则在传统农业地区更为集聚[48]，故上述指标在非民族地区及非传统农区的适用性还有待检验。同时，本研究发现地形平坦的研究区东部种植业的生态效率亦较高，这与全国尺度的研究结论[5,26]较为一致，但与洞庭湖平原地区的评估结果[14]不符。可能原因是中国及湖南武陵民族地区地形类型多样，坡度、高程具有明显的空间异质性，但洞庭湖区以平原为主，地形的空间差异较小。因此，本研究选取坡度、高程作为影响指标具有合理性，但上述指标并不适用于平原地区。此外，本研究认为受中心地区经济发展的影响，种植业生态效率具有“中心–外围”的特征，已有的研究也得出了类似的结论[15]，故此结论具有科学性、可信性及普适性。最后，现有研究较少探讨作用机理，本研究从基础力、牵引力、推动力和决定力4个方面解析了种植业生态效率演变的动力机制。这是对已有成果的拓展与深入，能够为未来的研究提供科学参考，为区域农业可持续发展及乡村振兴提供有益借鉴。
3）研究展望。湖南武陵民族地区种植业碳排放问题不可忽视，是未来研究的一个重要方向。未来的研究可采取计量模型，定量测算区域种植业碳排放量，探讨种植业碳排放的空间差异，分析其影响机制，为种植业减排以及实现碳中和提供理论参考和政策指引。同时，种植业生态效率还受国家及区域政策的影响，但政策具有无形性及难以量化性，故本研究未对相关政策进行量化及系统分析，未来需深入探讨此问题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
罗家祺, 金晓斌, 刘晶, 等. 2000—2020年苏北地区农业生态效率变化及其影响因素分析[J]. 农业工程学报, 2023, 39(15): 239-248.

DOI

Luo Jiaqi, Jin Xiaobin, Liu Jing et al. Process and influencing factors of agricultural eco-efficiency in northern Jiangsu of China from 2000 to 2020. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(15): 239-248.

DOI

[2]
侯孟阳, 姚顺波. 空间视角下中国农业生态效率的收敛性与分异特征[J]. 中国人口·资源与环境, 2019, 29(4): 116-126.

Hou Mengyang, Yao Shunbo. Convergence and differentiation characteristics of agricultural ecological efficiency in China from a spatial perspective. China Population, Resources and Environment, 2019, 29(4): 116-126.

[3]
惠婞, 陈晓楠, 宋健峰. 基于水足迹的作物生产生态效率评价——以陕西省为例[J]. 生态学报, 2021, 41(8): 3078-3091.

Hui Xing, Chen Xiaonan, Song Jianfeng. Assessing crop production eco-efficiency based on water footprint: The case of Shaanxi Province. Acta Ecologica Sinica, 2021, 41(8): 3078-3091.

[4]
冀玄玄, 姜军松. 中国种植业面源污染的区域差异及其脱钩效应[J]. 中国农业资源与区划, 2023(7): 1-13.

Ji Xuanxuan, Jiang Junsong. Regional differences and decoupling effects of non-point source pollution in China’s planting industry. Journal of China Agricultural Resources and Regional Planning, 2023(7): 1-13.

[5]
王圣云, 林玉娟. 中国区域农业生态效率空间演化及其驱动因素——水足迹与灰水足迹视角[J]. 地理科学, 2021, 41(2): 290-301.

Wang Shengyun, Lin Yujuan. Spatial evolution of China’s regional agricultural ecological efficiency and its driving factors—From the perspective of water footprint and gray water footprint. Scientia Geographica Sinica, 2021, 41(2): 290-301.

[6]
张展, 廖小平, 李春华, 等. 湖南省县域农业生态效率的时空特征及其影响因素[J]. 经济地理, 2022, 42(2): 181-189.

Zhang Zhan, Liao Xiaoping, Li Chunhua et al. Spatio-temporal characteristics of agricultural eco-efficiency and its determinants in Hunan Province. Economic Geography, 2022, 42(2): 181-189.

[7]
任宇飞, 方创琳. 京津冀城市群县域尺度生态效率评价及空间格局分析[J]. 地理科学进展, 2017, 36(1): 87-98.

DOI

Ren Yufei, Fang Chuanglin. Spatial pattern and evaluation of eco-efficiency in counties of the Beijing-Tianjin-Hebei Urban Agglomeration. Progress in Geography, 2017, 36(1): 87-98.

DOI

[8]
Liu Y, Zou L, Wang Y. Spatial-temporal characteristics and influencing factors of agricultural eco-efficiency in China in recent 40 years[J]. Land Use Policy, 2020, 97: 104794.

DOI

[9]
Martinsson E, Hansson H. Adjusting eco-efficiency to greenhouse gas emissions targets at farm level—The case of Swedish dairy farms[J]. Journal of Environmental Management, 2021, 287: 112313.

DOI

[10]
Katumo D M, Liang H, Ochola A C et al. Pollinator diversity benefits natural and agricultural ecosystems, environmental health, and human welfare[J]. Plant Diversity, 2022, 44(5): 429-435.

DOI

[11]
王宝义, 张卫国. 中国农业生态效率的省际差异和影响因素——基于1996—2015年31个省份的面板数据分析[J]. 中国农村经济, 2018(1): 46-62.

Wang Baoyi, Zhang Weiguo. Provincial differences and influencing factors of agricultural ecological efficiency in China—Based on panel data analysis of 31 provinces from 1996 to 2015. China Rural Economy, 2018(1): 46-62.

[12]
郑德凤, 郝帅, 孙才志. 基于DEA-ESDA的农业生态效率评价及时空分异研究[J]. 地理科学, 2018, 38(3): 419-427.

Zheng Defeng, Hao Shuai, Sun Caizhi. Temporal and spatial differentiation of agricultural ecological efficiency based on DEA-ESDA. Scientia Geographica Sinica, 2018, 38(3): 419-427.

[13]
陈菁泉, 信猛, 马晓君, 等. 中国农业生态效率测度与驱动因素[J]. 中国环境科学, 2020, 40(7): 3216-3227.

DOI

Chen Jingquan, Xin Meng, Ma Xiaojun et al. Chinese agricultural eco-efficiency measurement and driving factors. China Environmental Science, 2020, 40(7): 3216-3227.

DOI

[14]
文高辉, 刘蒙罢, 胡贤辉, 等. 洞庭湖平原耕地利用生态效率空间相关性与空间效应[J]. 地理科学, 2022, 42(6): 1102-1112.

Wen Gaohui, Liu Mengba, Hu Xianhui et al. Spatial correlation and spatial effect of cultivated land use ecological efficiency in the Dongting Lake Plain. Scientia Geographica Sinica, 2022, 42(6): 1102-1112.

[15]
王海飞. 基于SSBM-ESDA模型的安徽省县域农业效率时空演变[J]. 经济地理, 2020, 40(4): 175-183+222.

Wang Haifei. Temporal and spatial analysis of county agricultural efficiency in Anhui Province based on SSBM-ESDA Model. Economic Geography, 2020, 40(4): 175-183+222.

[16]
崔许锋, 王雨菲, 张光宏. 面向低碳发展的农业生态效率测度与时空演变分析——基于SBM-ESDA模型[J]. 农业经济问题, 2022(9): 47-61.

Cui Xufeng, Wang Yufei, Zhang Guanghong. Measurement and spatiotemporal evolution analysis of agricultural ecological efficiency for low-carbon development: Based on the SBM-ESDA model. Agricultural Economic Issues, 2022(9): 47-61.

[17]
王耕, 李素娟, 马奇飞. 中国生态文明建设效率空间均衡性及格局演变特征[J]. 地理学报, 2018, 73(11): 2198-2209.

DOI

Wang Geng, Li Sujuan, Ma Qifei. Spatial equilibrium and pattern evolution of ecological civilization construction efficiency in China. Acta Geographica Sinica, 2018, 73(11): 2198-2209.

DOI

[18]
Angulo M A, Marcela G A, Alfredo I B et al. A multiobjective DEA model to assess the eco-efficiency of agricultural practices within the CF+DEA method[J]. Computers and Electronics in Agriculture, 2019, 161: 151-161.

DOI

[19]
田宜水, 姚一晨, 宋成军, 等. 基于能值分析的农业园区循环经济发展评价研究[J]. 农业工程学报, 2019, 35(4): 241-247.

DOI

Tian Yishui, Yao Yichen, Song Chengjun et al. Circular economy development in agricultural parks based on emergy analysis. Journal of Agricultural Engineering, 2019, 35(4): 241-247.

DOI

[20]
Nguyen T T, Do T L, Parvathi P et al. Farm production efficiency and natural forest extraction: Evidence from Cambodia[J]. Land Use Policy, 2018, 71: 480-493.

DOI

[21]
李南洁, 肖新成, 曹国勇, 等. 面源污染下三峡库区农业生态环境效率及影子价格测算[J]. 农业工程学报, 2017, 33(11): 203-210.

DOI

Li Nanjie, Xiao Xincheng, Cao Guoyong et al. Calculation of agricultural ecological environment efficiency and shadow price in the Three Gorges Reservoir Area under non-point source pollution. Journal of Agricultural Engineering, 2017, 33(11): 203-210.

DOI

[22]
李成宇, 张士强, 张伟. 中国省际工业生态效率空间分布及影响因素研究[J]. 地理科学, 2018, 38(12): 1970-1978.

Li Chengyu, Zhang Shiqiang, Zhang Wei. Spatial distribution characteristics and influencing factors of China’s inter provincial industrial eco-efficiency. Scientia Geographica Sinica, 2018, 38(12): 1970-1978.

[23]
Bidisha S H, Hossain M A, Alam R et al. Credit, tenancy choice and agricultural efficiency: Evidence from the northern region of Bangladesh[J]. Economic Analysis and Policy, 2018, 57: 22-32.

DOI

[24]
Deng Xiangzheng, Gibson John. Improving eco-efficiency for the sustainable agricultural production: A case study in Shandong, China[J]. Technological Forecasting and Social Change, 2019, 7(144): 394-400.

[25]
侯孟阳, 姚顺波. 1978—2016年中国农业生态效率时空演变及趋势预测[J]. 地理学报, 2018, 73(11): 2168-2183.

DOI

Hou Mengyang, Yao Shunbo. Spatial-temporal evolution and trend prediction of agricultural eco-efficiency in China: 1978—2016. Acta Geographica Sinica, 2018, 73(11): 2168-2183.

DOI

[26]
张利国, 谭笑, 肖晴川, 等. 基于气候资源投入的中国农业生态效率测度与区域差异[J]. 经济地理, 2023, 43(4): 154-163.

Zhang Liguo, Tan Xiao, Xiao Qingchuan et al. Agricultural eco-efficiency measurement and regional difference in China based on the climate resource input. Economic Geography, 2023, 43(4): 154-163.

[27]
马艳. 基于两阶段Super-NSBM模型的农业生态效率及影响因素研究——以长江经济带为例[J]. 长江流域资源与环境, 2023, 32(4): 883-894.

Ma Yan. Study on agricultural ecological efficiency and its influencing factors based on two-stage Super-Efficiency network SBM Model: A case study of the Yangtze River economic belt. Resources and Environment in the Yangtze Basin, 2023, 32(4): 883-894.

[28]
胡平波, 钟漪萍. 政府支持下的农旅融合促进农业生态效率提升机理与实证分析——以全国休闲农业与乡村旅游示范县为例[J]. 中国农村经济, 2019(12): 85-104.

Hu Pingbo, Zhong Yiping. The mechanism of improving agricultural eco-efficiency by the integration of agriculture and tourism supported by the government: Taking the national leisure agriculture and ruraltourism demonstration counties as an example. Chinese Rural Economy, 2019(12): 85-104.

[29]
刘传明, 范观宇, 毛广雄, 等. 近20年淮河生态经济带粮食生产效率时空变化与影响因素[J]. 自然资源学报, 2023, 38(3): 707-720.

DOI

Liu Chuanming, Fan Guanyu, Mao Guangxiong et al. Spatio-temporal variation and influencing factors of grain production efficiency in Huaihe Eco-Economic Belt in recent 20 years. Journal of Natural Resources, 2023, 38(3): 707-720.

DOI

[30]
Halder J C. Modeling the effect of agricultural inputs on the spatial variation of agricultural efficiency in West Bengal, India[J]. Modeling Earth Systems and Environment, 2019, 5(3): 1103-1121.

DOI

[31]
胡贤辉, 蔺思琪, 何庆, 等. 耕地细碎化、耕地经营规模对农户耕地利用生态效率的影响——以常德市为例[J]. 中国土地科学, 2023, 37(4): 95-106.

Hu Xianhui, Lin Siqi, He Qing et al. Effects of cultivated land fragmentation and cultivated land operation scale on ecological efficiency of famers’ cultivated land use: A case study of Changde City. China Land Science, 2023, 37(4): 95-106.

[32]
Gancone A, Pubule J, Rosa M et al. Evaluation of agriculture eco-efficiency in Latvia[J]. Energy Procedia, 2017, 128: 309-315.

DOI

[33]
Baltas H, Sirin M, Gökbayrak E et al. A case study on pollution and a human health risk assessment of heavy metals in agricultural soils around Sinop Province, Turkey[J]. Chemosphere, 2020, 241: 125015.

DOI

[34]
Nikkhah A. Life cycle assessment of the agricultural sector in Iran (2007—2014)[J]. Environmental Progress & Sustainable Energy, 2018, 37(5): 1750-1757.

[35]
Firth A G, Baker B H, Brooks J P et al. Low external input sustainable agriculture: Winter flooding in rice fields increases bird use, fecal matter and soil health, reducing fertilizer requirements[J]. Agriculture, Ecosystems & Environment, 2020, 300: 106962.

[36]
Atinkut H B, Yan T, Arega Y et al. Farmers’ willingness-to-pay for eco-friendly agricultural waste management in Ethiopia: A contingent valuation[J]. Journal of Cleaner Production, 2020, 261: 121211.

DOI

[37]
黄建欢, 吕海龙, 王良健. 金融发展影响区域绿色发展的机理——基于生态效率和空间计量的研究[J]. 地理研究, 2014, 33(3): 532-545.

DOI

Huang Jianhuan, Lv Hailong, Wang Liangjian. Mechanism of financial development influencing regional green development: Based on eco-efficiency and spatial econometrics. Geographical Research, 2014, 33(3): 532-545.

DOI

[38]
张子龙, 鹿晨昱, 陈兴鹏, 等. 陇东黄土高原农业生态效率的时空演变分析——以庆阳市为例[J]. 地理科学, 2014, 34(4): 472-478.

Zhang Zilong, Lu Chenyu, Chen Xingpeng et al. Spatio-temporal evolution of agricultural eco-efficiency in Loess Plateau of east Gansu Province: A case study of Qingyang City. Scientia Geographica Sinica, 2014, 34(4): 472-478.

[39]
魏建飞, 陆远, 李强, 等. 中国农业生态效率时空格局演进及驱动力多维解析[J/OL]. 农业工程学报, 2025[2025-02-10]. http://kns.cnki.net/kcms/detail/11.2047.S.20250123.2038.007.html.

Wei Jianfei, Lu Yuan, Li Qiang et al. Evolution of multi-scale pattern and driving mechanism of agricultural eco-efficiency in China. Transactions of the Chinese Society of Agricultural Engineering, 2025[2025-02-10]. http://kns.cnki.net/kcms/detail/11.2047.S.20250123.2038.007.html.].

[40]
朱红波, 丁未来, 周瑞彤. 长江经济带耕地利用生态效率评价与空间格局分析[J]. 长江流域资源与环境, 2025, 34(1): 87-99.

Zhu Hongbo, Ding Weilai, Zhou Ruitong. Evaluation of ecological efficiency and spatial pattern analysis of cultivated land utilization in the Yangtze River Economic Zone. Resources and Environment in the Yangtze River Basin, 2025, 34(1): 87-99.

[41]
吴诗嫚, 叶艳妹, 张超正, 等. 不同模式农地整治对耕地细碎化的影响效应及其区域差异——来自湖北省江汉平原与武陵山区的经验证据[J]. 中国土地科学, 2021, 35(7): 98-106.

Wu Shiman, Ye Yanmei, Zhang Chaozheng et al. Impacts of different modes of rural land consolidation on cultivated land fragmentation and its regional differences: Empirical evidence from Jianghan Plain and Wuling Mountain Area in Hubei Province. China Land Science, 2021, 35(7): 98-106.

[42]
程先同, 周洪, 刘秀华, 等. 山区农户兼业程度对耕地撂荒的影响研究——以武陵山区为例[J]. 长江流域资源与环境, 2021, 30(1): 246-256.

Cheng Xiantong, Zhou Hong, Liu Xiuhua et al. Study on effect of farmers’ concurrent business degree on cropland abandonment in mountainous area: A case study in Wuling Mountain Area. Resources and Environment in the Yangtze Basia, 2021, 30(1): 246-256.

[43]
李怡净. 贵州省乡村旅游开发中农耕文化的发展研究[J]. 中国农业资源与区划, 2016, 37(12): 226-230.

DOI

Li Yijing. Research on the development of agricultural culture in rural tourism development in Guizhou Province. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(12): 226-230.

DOI

[44]
杨勇, 邓祥征. 中国城市生态效率时空演变及影响因素的区域差异[J]. 地理科学, 2019, 39(7): 1111-1118.

Yang Yong, Deng Xiangzheng. The spatio-temporal evolutionary characteristics and regional differences in affecting factors analysis of China’s urban eco-efficiency. Scientia Geographica Sinica, 2019, 39(7): 1111-1118.

[45]
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134.

DOI

Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective. Acta Geogeraphica Sinica, 2017, 72(1): 116-134.

DOI

[46]
赵宏波, 谷天顺, 孙东琪, 等. “三生”功能视角下黄河流域城市人居环境动态演变与机制[J]. 地理学报, 2023, 78(12): 1-27.

DOI

Zhao Hongbo, Gu Tianshun, Sun Dongqi et al. Dynamic evolution and influencing mechanism of urban human settlements in the Yellow River Basin from the perspective of production-living-ecological function. Acta Geographica Sinica, 2023, 78(12): 1-27.

DOI

[47]
李裕瑞, 卜长利, 王鹏艳. 中国农产品地理标志的地域分异特征[J]. 自然资源学报, 2021, 36(4): 827-840.

DOI

Li Yurui, Bu Changli, Wang Pengyan. Spatial pattern of agro-product geographical indications in China. Journal of Natural Resources, 2021, 36(4): 827-840.

DOI

[48]
朱文涛. 中国绿色食品产业发展区域异质性及成因研究[J]. 华东经济管理, 2017, 31(9): 75-83.

Zhu Wentao. A study on regional heterogeneity and causes decompositionin the development of Chinese green food industry. East China Economic Management, 2017, 31(9): 75-83.

Options
文章导航

/

〈 〉