Analysis of multiple paths to improve agricultural land use efficiency in the Tarim River Basin
-
摘要:
塔里木河流域受自然环境限制, 农业发展水平落后, 如何有效提升农地利用效率是该区域农业发展的重要探索方向。研究采用目标一致型两阶段网络SBM (slack-based measure)模型和fsQCA (fast simple quadratic convolutional algorithm)方法, 使用2010—2020年塔里木河流域5地州的数据, 对塔里木河流域农地利用效率提升的多元路径进行分析。从塔里木河流域农地利用整体效率分析, 巴音郭楞蒙古自治州效率最高, 克孜勒苏柯尔克孜自治州次之, 均远高于和田地区、阿克苏地区和喀什地区; 和田地区生产阶段效率最低, 但销售阶段效率最高, 其在农产品销售方面具有优势; 阿克苏地区生产阶段效率偏低, 销售阶段效率也处于5地州中最低水平。塔里木河流域农地利用效率受多重因素的共同作用, 单一的经济发展水平、产业结构、工业化水平、农业机械化程度、种植结构和种植规模不是提升塔里木河流域农地利用效率的必要条件。塔里木河流域农地利用效率提升多元路径主要有3种: 1)工业化水平和农业机械化程度主导, 产业结构和种植结构辅助; 2)经济发展水平、产业结构和农业机械化程度主导, 种植结构辅助; 3)工业化水平和农业机械化程度主导, 经济发展水平、产业结构和种植规模辅助。基于此, 建议政府因地制宜, 把握地区优势, 提高农业机械化水平, 全方位提升塔里木河流域农地利用效率。
Abstract:The Tarim River Basin is limited by its natural environment and low agricultural activity. The improvement of agricultural land use efficiency is an important direction for the development of agriculture in this region. This study adopted a two-stage network SBM model with consistent goals and the fsQCA method using data from five provinces (preferctures) in the Tarim River Basin from 2010 to 2020 to analyze multiple paths for improving agricultural land use efficiency in the Tarim River Basin. From the analysis of the overall efficiency of agricultural land use in the Tarim River Basin, the Bayingolin Mongolian Autonomous Prefecture has the highest agricultural land use efficiency, followed by Kizilsu Kirghiz Autonomous Prefecture, which is much higher than that of the Hotan, Aksu, and Kashgar regions. Production-stage agricultural land use efficiency was the lowest in the Hotan Region, but sales-stage agricultural land use efficiency was the highest, giving it an advantage in agricultural product sales. Production-stage agricultural land use efficiency in the Aksu Region is relatively low, and sales-stage agricultural land use efficiency is at the lowest level among the five prefectures. The level of economic development, industrial structure, industrialization level, degree of agricultural mechanization, planting structure, planting scale and other single factors are not necessary conditions for improving agricultural land use efficiency in the Tarim River Basin and require the joint action of multiple factors. There are three main paths to improve agricultural land utilization efficiency in the Tarim River Basin: the “industrialization level + degree of agricultural mechanization” dominant with “industrial structure + planting structure” edge type, the “level of economic development + industrial structure + degree of agricultural mechanization” dominant with “planting structure” edge type, and the “industrialization level + degree of agricultural mechanization” dominant with “level of economic development + industrial structure + planting scale” egde type. Therefore, policies should be tailored to local conditions and implemented accurately. For areas with agricultural land use efficiency, the government should increase investment in agricultural technology, pay attention to the tilt of agricultural resources, and improve the level of agricultural technology. For regions with high agricultural land use efficiency and good agricultural development level, we should seize industrial advantages, promote the transformation of agriculture towards standardization, digitization, and intensification, and build agriculture into a modern industry. We should grasp regional advantages and promote agricultural diversification. The natural environment and advantageous agricultural products vary across different regions (prefectures) of the Tarim River Basin. Therefore, it is necessary to combine locally advantageous products, construct brand effects, vigorously develop characteristic agriculture, and build a diversified, multilevel and multitype agricultural development system in various regions. We must improve the degree of agricultural mechanization and achieve agricultural modernization. The degree of agricultural mechanization is the core condition in all three configurations and plays a key role in improving agricultural land use efficiency. Therefore, it is necessary to optimize the structure of agricultural machinery equipment, achieve marketization and socialization of agricultural machinery services, continuously improve the comprehensive production capacity of agriculture, promote grain yield increases, increase farmers’ income, and increase agricultural efficiency. Attention should be paid to regional economic development and leverage the driving role of the industry. Research has shown that a high-quality economic level, industrial structure, and industrialization level have greatly promoted the improvement of agricultural land use efficiency in the Tarim River Basin. Therefore, it is necessary to achieve the coordinated development of various industries in the Tarim River Basin, achieve the integration of primary, secondary and tertiary industries, and comprehensively promote the diversified development of agriculture.
-
Keywords:
- land management /
- agricultural land use efficiency /
- SBM model /
- fsQCA analysis /
- Tarim River Basin
-
农用地指直接或间接为农业生产所利用的土地, 是农民生产活动的场所, 也是农业发展的物质基础[1]。随着我国城镇化推进, 城市外扩发展占用了大面积农地, 严重影响我国粮食安全和乡村振兴[2]。中央财经委员会第二次会议曾强调切实加强耕地保护, 全力提升耕地质量, 充分挖掘盐碱地综合利用潜力, 稳步拓展农业生产空间, 提高农业综合生产能力。如何提高农地利用效率、促进农业高质量发展是社会各界共同关注的问题。农地利用效率的研究视角主要包括不同作用条件对农地利用效率的影响探究[3-7]、农地利用效率时间或空间演变特征[8-11]、农地利用效率影响因素研究[2,8,12-13], 以及农地利用效率与不同因素的关系分析[14]等。刘荣增等[4]针对土地利用效率, 分析了城乡高质量融合的影响作用, 结果表明城乡高质量融合发展对土地利用效率的提升具有促进作用, 变量人力资本水平对土地利用效率提高具有显著促进作用。朱庆莹等[9]探究了城市产业结构与土地利用效率的时空发展关系, 运用的方法为耦合协调度模型和空间自相关模型, 结果表明产业结构合理化与土地利用效率的耦合协调度整体处在勉强协调阶段, 同时协调度呈上升态势。农地利用效率相关的测算方法主要包括Super-SBM (slack-based measure)模型[2,8,15]、三阶段DEA (data envelopment analysis)模型[16]、非期望产出指标的super-window-DEA模型[3,17]、双重差分模型和空间双重差分模型[18]等方法, 农地利用效率影响因素研究主要运用Tobit模型[2,17,19]。潘莹莹等[17]运用超效率SBM模型研究东北三省土地利用效率的时空差异, 并运用Tobit回归模型分析影响因素, 结果表明东北三省土地利用效率呈上升趋势, 但整体水平不高, 人力资本、科教支出、经济发展水平、对外开放程度、产业结构、交通基础设施和城镇化率对土地利用效率具有一定促进作用, 对环境规制具有抑制作用。已有研究渐趋丰富且成体系, 但仍然存在一定不足: 1)目前关于农地利用效率的研究区域多聚焦在全国及东部省份, 针对特殊地区的研究较少, 尤其对类似塔里木河流域这种农业类型复杂的绿洲地区的研究尚不多见; 2)目前研究测度农地利用效率的方法多选择普通SBM模型, 存在子阶段效率不清晰、子阶段目标与整体目标冲突的状况; 3)针对农地利用效率影响因素分析, 较少研究运用组态思维综合分析不同影响因素提升农地利用效率的影响路径。塔里木河流域位于新疆南部, 流域内水资源短缺, 土地类型复杂, 多为沙漠戈壁, 以绿洲农业为主, 相对东部地区农业发展水平落后, 如何有效提升农地利用效率是该区域农业发展的重要探索方向。鉴于此, 本文结合2010—2020年塔里木河流域巴音郭楞蒙古自治州(巴州)、阿克苏地区、克孜勒苏柯尔克孜自治州(克州)、喀什地区和和田地区的数据, 运用目标一致型两阶段网络SBM模型测算塔里木河流域农地利用效率, 并结合fsQCA (fast simple quadratic convolutional algorithm)方法对塔里木河流域农地利用效率提升的多元路径进行探析, 以期为该地区农业发展提供理论参考, 促进落后地区的乡村振兴和经济高质量发展。
1. 材料与方法
1.1 研究区概况
塔里木河流域是世界上最大的内陆河流域, 位于新疆南部, 被天山和昆仑山环绕, 其总面积为1.02×106 km2, 东西长1 100 km, 南北长600 km。流域内包含巴音郭楞蒙古自治州、阿克苏地区、喀什地区、克孜勒苏柯尔克孜自治州、和田地区5个地州。塔里木河流域中心为塔克拉玛干沙漠, 流域内分布着山地、绿洲、自然植被和荒漠等不同土地类型, 塔里木河流域水资源量为4.29×1010 m3左右, 水资源除地下储水外, 主要来源于冰雪融水。塔里木河流域为温带干旱大陆性气候, 光热资源充足, 自然环境脆弱。流域干燥少雨, 昼夜温差大, 水资源蒸发强烈。绿洲农业是流域农业的主要形式, 塔里木河流域既是重要的棉粮生产基地, 又是众多特色果品园艺基地, 棉花(Gossypium hirsutum)和粮食是流域种植的主要作物, 除此之外, 也种植了大量香梨(Pyrus spp.)、石榴(Punica granatum)和苹果(Malus pumila)等特色果品。受自然环境影响, 塔里木河流域资源禀赋差, 农业生产基础薄弱, 常陷入农地利用不合理和农业发展缓慢的困境之中。
1.2 研究方法
研究主要运用目标一致型两阶段网络SBM模型和模糊集定性比较分析(fsQCA)两种方法, 运用目标一致型两阶段网络SBM模型测算塔里木河流域5个地州的农地利用效率, 运用fsQCA方法分析塔里木河流域农地利用效率提升的多元路径。
1.2.1 目标一致型两阶段网络SBM模型
参考关忠诚等[20]相关文献, 选择能够明确改进方向和解决子阶段与整体阶段目标矛盾等问题的目标一致型两阶段网络SBM模型, 该模型设定整体效率为子阶段效率乘积, 降低了传统加权求和方法的主观性和偏向性, 同时规范改进方向, 促使子阶段改进目标与整体改进目标一致, 能够从整体阶段、生产阶段和销售阶段全面分析塔里木河流域5个地州的农地利用效率。具体表达式如下:
整体阶段效率(θ0):
$$ {\theta }_{0}=\text{min} 1-\dfrac{1}{m}{\sum }_{i=1}^{m}\dfrac{{s}_{i}^-}{{x}_{i0}} $$ (1) $$ \text{s.}t.\displaystyle\sum_{j=1}^n\lambda_j^{\left(1\right)}x_{i j}+s_i^-=x_{i0} $$ $$ {\sum }_{j=1}^{n}{\lambda }_{j}^{\left(1\right)}{z}_{{gj}}\geqslant {z}_{{g}\text{0}}-{s}_{g}^-, $$ $$ {\sum }_{j=1}^{n}{\lambda }_{j}^{\left(2\right)}{z}_{gj}+{s}_{g}^-={z}_{g0},$$ $$ {\sum }_{j=1}^{n}{\lambda }_{j}^{\left(2\right)}{y}_{rj}\geqslant {y}_{r0},$$ $$ {\lambda }_{j}^{\left(1\right)},{\lambda }_{j}^{\left(2\right)},{s}_{i}^-,{s}_{g}^-\geqslant 0,$$ $$ i=1,\cdots, m;\;\; g=1,\cdots, h; \; \; r=1,\cdots, s; \; \; j=1,\cdots, n $$ 二阶段销售阶段效率(θstage2):
$$ {\theta }_{\text{stage}2}=1-\dfrac{1}{h}{\sum }_{g=1}^{h}\dfrac{{s}_{g}^-}{{z}_{g0}} $$ (2) 一阶段生产阶段效率(θstage1):
$$ {\theta }_{\text{stage1}}=\dfrac{1-\dfrac{1}{m}{\displaystyle\sum }_{i=1}^{m}\dfrac{{s}_{i}^-}{{x}_{i0}}}{1-\dfrac{1}{h}{\displaystyle\sum }_{g=1}^{h}\dfrac{{s}_{g}^-}{{z}_{g0}}} $$ (3) 式中: i为第i个投入变量; j为第j个决策单元; r为第r个产出变量; g为第g个中间产品;
$ {s}_{i}^{-} $ 为投入X的松弛变量;$ {x}_{i0} $ 为初始投入产品;$ {\lambda }_{j}^{\left(1\right)} $ 为一阶段的强度变量;$ {x}_{ij} $ 为投入产品;$ {z}_{gj} $ 为中间产品;$ {z}_{g0} $ 为初始中间产品;$ {s}_{g}^{-} $ 为中间产品Z的松弛变量;$ {\lambda }_{j}^{\left(2\right)} $ 为二阶段的强度变量;$ {y}_{rj} $ 为产出产品;$ {y}_{r0} $ 为初始产出产品。设存在n个$ \mathrm{D}\mathrm{M}{\mathrm{U}}_{j} $ , 每个$ \mathrm{D}\mathrm{M}{U}_{j} $ (decision making units, 决策单元)分别有m个$ {x}_{ij} $ 、h个$ {z}_{gj} $ 和s个$ {y}_{r j} $ 。1.2.2 模糊集定性比较分析(fsQCA)
QCA (quadratic convolution algorithm)方法共分为3种形式: 清晰集定性比较分析、多值集定性比较分析和模糊集定性比较分析。fsQCA是一种新兴的定性与定量相结合的研究方法, 强调多个前因变量之间的共同作用, 分析多个不同变量间特定组合对结果变量产生的影响, 进而解决集合形式表达的因果关系问题[21]。传统的经济学方法仅探讨某一因素对现象的影响, 忽视了其他因素的影响, 相比经济学定量分析方法的单一视角而言, fsQCA根据布尔逻辑, 从整体视角解释不同变量之间构成的组态路径如何对结果产生影响的复杂因果关系[22]。本研究选取fsQCA方法的原因有两个: 一方面, 塔里木河流域农地利用效率提升是多个前因变量组合导致的结果, fsQCA方法能够从多个层面分析塔里木河流域农地利用效率提升的前因变量的复杂性, 进而体现各前因变量之间的非线性组合对塔里木河流域农地利用效率提升的作用路径; 另一方面, fsQCA方法可以处理3个以上变量的交互效应, 能够有效解决影响塔里木河流域农地利用效率不同因素的殊途同归问题[22]。
1.3 数据来源与变量说明
1.3.1 数据来源
本研究选择巴州、阿克苏地区、克州、喀什地区和和田地区探究塔里木河流域农地利用效率, 结合2010—2020年的面板数据分析塔里木河流域农地利用效率提升的多元路径。数据全部来源于相应年份的《新疆统计年鉴》, 运用平均值估计法补充缺失数据。
1.3.2 变量说明
1)农地利用效率。农地利用过程即人类为满足自身需求对农地改造管理的过程, 农地利用效率主要探讨农地的最大化产出问题, 进而实现资源最优分配。研究将农地置于农业生产的投入产出框架, 以农地投入产出效率来反映农地利用效率。整体阶段农地利用效率被定义为农地投入要素的经济效率水平, 生产阶段农地利用效率被定义为农地投入效率的产量效率水平, 销售阶段农地利用效率被定义为作物产量向经济产值的转化效率。本文采用目标一致型两阶段网络SBM模型计算农地利用效率, 参考文献[20,23], 结合数据可获得性, 选取土地要素、劳动力投入水平、机械化程度和化肥利用水平来衡量投入指标, 选取作物产量来衡量中间指标, 选取农户收入和农业整体产值来衡量最终产出。土地要素选取农作物播种面积表示, 劳动力投入水平选取农业人员数表示, 机械化程度选取农业机械总动力表示, 化肥利用水平选取化肥施用量表示, 作物产量选取粮食产量表示, 农户收入选取农村居民人均可支配收入表示, 农业整体产值选取农业产值表示。
2)前因变量。塔里木河流域农地利用效率主要受到社会经济环境、自然资源水平和农业生产条件3方面影响, 由于自然资源水平数据获取难度大, 且人为调控成本高, 因此研究主要从社会经济环境和农业生产条件两个角度选取前因变量。同时参考周爱群等[24]和刘涛等[25]的研究, 选定6个方面的因素为影响塔里木河流域农地利用效率的前因变量。因素一为经济发展水平。明确的经济增长前景和良好的经济水平会促进土地进一步的精细化开发[26], 进而影响农地利用效率, 本研究采用人均GDP衡量经济发展水平。因素二为产业结构。产业结构因获得最优外部性而不断升级, 其合理化趋向愈发显著。产业结构优化调整不但会影响农地利用格局, 而且会导致资源在不同部门之间的重新分配、农业劳动者数量和素质变化以及资本和科技等投入转变等现象, 进而影响农地利用效率[27]。因此, 本研究以二、三产业生产总值占地区生产总值的比例表示产业结构。因素三为工业化水平。一方面, 工业化水平的发展能够促进地区经济发展, 进而促进农业发展; 另一方面, 工业发展产出的各类产品正逐步被引入农业领域, 进而提高农地利用效率。因此, 本研究以工业产值占总产值的比例表示工业化水平。因素四为农业机械化程度。从农业现代化角度分析, 较高的农业机械化程度有利于提高农地产出水平, 进而提高农地利用效率[2], 因此本研究以单位面积农业机械化总动力表示。因素五为种植结构。种植结构是影响农地利用效率的重要因素, 优化调整种植结构有利于农地利用效率提高[8], 种植结构以粮食作物面积占农作物总面积的比例表示。因素六为种植规模。种植规模大小与农业精细化程度有关, 进而影响农地利用效率, 因此本研究以人均播种面积表示。2010—2020年塔里木河流域农地利用效率影响因素11年平均值见表1。
表 1 2010—2020年塔里木河流域农地利用效率影响因素年平均值Table 1. Annual average values of the factors affecting agricultural land use efficiency in Traim River Basin from 2010 to 2020地区
Region经济发展水平
Level of economic development
/(×104 ¥·cap.−1)产业结构
Industrial
structure工业化水平
Industrialization
level农业机械化程度
Degree of agricultural mechanization
/(kW·hm−2)种植结构
Planting
structure人均播种面积
Planted area per capita
/(hm2·cap.−1)巴音郭楞蒙古自治州
Bayingolin Mongolian
Autonomous Prefecture7.116 0±1.108 2 0.828 7±0.017 9 0.497 1±0.067 2 5.725 5±0.910 8 0.273 3±0.278 0 2.099 7±0.672 6 阿克苏地区
Aksu Region3.225 2±1.103 3 0.714 4±0.037 6 0.236 6±0.015 5 3.667 4±0.316 8 0.385 9±0.257 0 1.213 1±0.387 6 克孜勒苏柯尔克孜自治州
Kizilsu Kirghiz Autonomous Prefecture1.764 0±0.741 3 0.853 0±0.029 6 0.178 0±0.034 4 6.147 8±0.661 2 0.777 5±0.119 8 0.520 2±0.119 2 喀什地区
Kashgar Region1.754 2±0.550 1 0.676 1±0.038 6 0.124 6±0.035 5 3.714 8±0.814 2 0.502 9±0.213 5 0.951 5±0.206 4 和田地区
Hotan Region1.081 6±0.436 1 0.732 1±0.053 7 0.063 4±0.011 2 3.628 4±0.854 2 0.704 5±0.118 3 0.448 9±0.088 9 2. 结果与分析
2.1 塔里木河流域农地利用效率总体分析
2010—2020年塔里木河流域5地州各阶段农地利用效率11年平均值空间分布状况如表2所示。对比分析5地州整体效率空间分布情况, 巴州效率最高, 克州次之, 均远高于阿克苏地区、喀什地区和和田地区。巴州和克州运用较少的农地面积和劳动力投入, 创造了较高的农业产值, 实现了高效率农地利用。巴州位于塔里木河流域东部, 跨越的山脉包括天山、昆仑山和阿尔金山, 并有部分区域位于塔里木盆地周围, 气候主要为暖温带干旱区和中温带区。前者特点为光照充足, 热量资源丰富, 适合种植的农作物为棉花、香梨和红枣(Ziziphus jujuba)等喜温作物; 后者特点为气候温和, 适合的作物为小麦(Triticum aestivum)、玉米(Zea mays)和孜然(Cuminum cyminum)等。当地政府结合该州的区位优势, 因地制宜, 一方面落实惠农政策, 加强农用物资供给, 保障粮食高产; 另一方面大力支持特色农产品种植, 注重农产品质量监管和农业产业化经营, 实现农地利用效率的提高。
表 2 2010—2020年塔里木河流域各阶段农地利用效率年均值空间分布Table 2. Spatial distribution of annual average agricultural land use efficiencies in different stages of the Tarim River Basin from 2010 to 2020地区 Region 农地利用效率 Agricultural land use efficiency 整体阶段 Whole stage 生产阶段 Production stage 销售阶段 Sales stage 巴音郭楞蒙古自治州 Bayingolin Mongolian Autonomous Prefecture 0.746 0±0.284 9 1.000 0±0.000 0 0.746 0±0.284 9 阿克苏地区 Aksu Region 0.270 5±0.065 9 0.387 5±0.069 6 0.690 7±0.062 4 克孜勒苏柯尔克孜自治州 Kizilsu Kirghiz Autonomous Prefecture 0.654 4±0.188 3 0.686 7±0.194 1 0.951 2±0.072 0 喀什地区 Kashgar Region 0.203 2±0.067 6 0.254 5±0.070 4 0.791 6±0.074 2 和田地区 Hotan Region 0.228 4±0.069 8 0.234 5±0.076 5 0.980 3±0.029 6 塔里木河流域4个地州(喀什地区、和田地区、阿克苏地区和克州)曾被国家确定为“三区三州”深度贫困地区, 农业基础设施较薄弱且自然资源禀赋差, 人才资源短缺, 农业发展难度大。克州位于塔里木河流域西部, 与众多国家接壤, 跨过天山、帕米尔高原、昆仑山和塔里木盆地的部分区域, 地貌复杂, 存在山地、沙漠、冰川和平原等众多土地类型。气候为暖温带大陆性气候, 山区气候寒冷, 降水不均, 冬季漫长; 平原地区热量资源充足, 四季分明, 气候干旱降水少, 昼夜温差较大, 具有发展林果业和园艺业的潜力。尽管人才储备和自然禀赋等方面处于劣势, 但是克州立足自身实际, 大胆探索, 不断创新, 大力发展设施农业, 推进农业改革创新, 提升农业科技水平以及农地利用机械化和现代化水平, 进而提高农地利用效率。和田地区、喀什地区和阿克苏地区地处塔克拉玛干沙漠附近, 自然环境恶劣, 在农业发展过程中也要注重预防土地沙化和荒漠化, 农业发展难度大, 此外, 这些地区的农业人才相对缺失影响着农业的科技化和现代化发展, 因此, 农地利用效率在塔里木河流域处于较低水平。
分析塔里木河流域各地区生产阶段和销售阶段的空间分布状况发现, 生产阶段效率最高的为巴州, 克州次之, 其余地区由高到低依次为阿克苏地区>喀什地区>和田地区; 销售阶段效率最高的为和田地区, 最低的为阿克苏地区。对比生产阶段和销售阶段发现, 和田地区生产阶段农地利用效率最低, 但销售阶段效率最高, 表明和田地区在农业由产量向产值转换方面具有优势, 和田地区通过扩宽销售渠道, 助推电商创新发展, 助力农民把优质农产品销出和田, 实现增收, 促进乡村振兴。阿克苏地区生产阶段效率偏低, 销售阶段效率则处于5地州中最低水平。一方面, 阿克苏地区较为干旱, 水资源缺乏, 这些制约着该地区农作物的生长; 另一方面, 红枣和核桃(Juglans regia)等果品的知名度较差, 品牌建设未形成合力, 在销售中不占优势。
2.2 塔里木河流域农地利用效率提升多元路径
为进一步分析塔里木河流域农地利用效率提升多元路径, 本研究结合fsQCA 3.0软件, 以塔里木河流域农地利用效率为结果变量, 上文描述中的经济发展水平、产业结构、工业化水平、农业机械化程度、种植结构和种植规模6个因素为前因变量, 探究影响塔里木河流域农地利用效率的组态路径。
2.2.1 数据校准
数据校准是fsQCA方法因果关系检验的必要环节, 即将原始数据赋予集合隶属度[21]。校准既包括完全隶属和完全不隶属, 也包括部分隶属。参考相关文献[28-29], 本研究运用直接校准法, 选择25% (完全不隶属)、50% (交叉点)和75% (完全隶属)分位点作为锚点, 具体校准锚点数值见表3。
表 3 塔里木河流域农地利用效率结果与前因变量的校准锚点Table 3. Calibration anchor points for agricultural land use efficiency results and antecedent variables in the Tarim River Basin变量
Variable校准锚点 Calibration anchor point 75% 50% 25% 经济发展水平
Level of economic development4.253 1 2.103 4 1.321 5 产业结构
Industrial structure0.831 0 0.761 7 0.690 1 工业化水平
Industrialization level0.243 9 0.183 2 0.092 6 农业机械化程度
Degree of agricultural mechanization5.571 4 4.419 0 3.433 0 种植结构
Planting structure0.710 0 0.482 5 0.272 6 种植规模
Planting scale1.442 7 0.874 0 0.486 4 农地利用效率
Agricultural land use efficiency0.623 7 0.330 0 0.218 8 2.2.2 必要条件分析
在数据校准完成之后, 需要运用fsQCA 3.0进行必要性分析, 前因变量必要性分析是进行组态研究的基础环节[30]。如表4所示, 所有前因变量的一致性均<0.9, 未构成农地利用效率的必要条件, 说明单一的经济发展水平、产业结构、工业化水平、农业机械化程度、种植结构和种植规模均无法提高塔里木河流域农地利用效率, 因此需要将前因变量纳入组态中进行深入分析。
表 4 塔里木河流域农地利用效率单因素的必要性检验结果Table 4. The necessity test results of single factor analysis of agricultural land use efficiency in the Tarim River Basin影响因素
Influencing factor一致性
Consistency覆盖度
Coverage rate影响因素
Influencing factor一致性
Consistency覆盖度
Coverage rate经济发展水平
Level of economic development0.684 7 0.651 8 农业机械化程度
Degree of agricultural mechanization0.861 3 0.782 3 ~经济发展水平
~ Level of economic development0.411 7 0.346 8 ~农业机械化程度
~ Degree of agricultural mechanization0.278 7 0.245 2 产业结构
Industrial structure0.888 1 0.795 2 种植结构
Planting structure0.551 3 0.478 3 ~产业结构
~ Industrial structure0.247 3 0.220 6 ~种植结构
~ Planting structure0.525 6 0.484 4 工业化水平
Industrialization level0.742 0 0.633 5 种植规模
Planting scale0.591 9 0.549 0 ~工业化水平
~ Industrialization level0.341 0 0.319 8 ~种植规模
~ Planting scale0.487 8 0.420 7 “~”代表该条件缺失。“~” represents the absence of this condition. 2.2.3 组态分析
条件组态分析能够揭示多个前因变量如何结合形成塔里木河流域农地利用效率提升的多元组态路径。研究运用fsQCA 3.0软件对6个前因变量进行组态分析, 共得出3条路径(表5)。参考已有研究[31], 将频数阈值设置为1.00, 一致性阈值设置为0.80, PRI (proportional reduction in inconsistency)一致性阈值设置为0.70; 组态分析后出现复杂解、中间解和简约解, 设定核心条件为同时出现在中间解和简约解中的条件, 边缘条件为仅出现在中间解中的条件。由表5可以看出, 6个影响因素均出现在不同组态中, 均对农地利用效率提高起到不同程度的作用。 表中总体解的一致性为0.938 5, 总体解的覆盖度为0.658 7, 表明3条路径可以解释约65.9%的样本量, 因此, 3条路径可以作为塔里木河流域农地利用效率提高的充分条件组合。
表 5 塔里木河流域农地利用效率提升路径Table 5. Path to improve agricultural land use efficiency in the Tarim River Basin影响因素
Influencing factor解 Solution 组态A1
Configuration A1组态A2
Configuration A2组态A3
Configuration A3经济发展水平 Level of economic development 
产业结构 Industrial structure 工业化水平 Industrialization level 农业机械化程度 Degree of agricultural mechanization 种植结构 Planting structure 种植规模 Planting scale 
一致性 Consistency 0.982 3 0.908 0 0.937 3 原始覆盖率 Original coverage rate 0.247 7 0.176 6 0.431 6 唯一覆盖率 Unique coverage rate 0.118 4 0.047 2 0.363 7 总体解的一致性 Consistency of overall solution 0.938 5 总体解的覆盖率 Coverage rate of overall solution 0.658 7 或 表示条件存在, 其中 为核心条件, 为边缘条件;
或 示条件缺失, 其中 为核心条件, 为边缘条件; 空白表示条件可有可无。 or indicates the existence of condition, where is the core condition and is the edge condition; or indicates missing indication condition, where is the core condition and is the edge condition; blank indicates that conditions are optional.组态A1为“工业化水平+农业机械化程度”主导“产业结构+种植结构”辅助型, 核心条件为工业化水平和农业机械化程度, 边缘条件为产业结构、种植结构和种植规模, 表明在工业化水平和农业机械化程度较高的情况下, 再辅之良好的产业结构和种植结构, 尽管种植规模较小, 依旧有利于农地利用效率提高, 可以解释约24.8%的样本量。该组态的代表地区为2013—2018年的克州。该时期的克州注重工业发展, 大力发展纺织和服装等劳动密集型产业以促进地方就业水平, 带动农村富余劳动力多类型就业, 助力乡村振兴, 通过有序组织劳动密集型工业发展带动地区经济增长。同时, 克州注重产业平衡, 实现了农业、工业和第三产业的协调发展。农业方面组织和协同建设农业机械的创新研究、农业技术推广和生产经验教育培训, 实现农业机械社会化服务网络全面建设, 组织开展农业机械系列培训服务, 大力促进地区农业机械化发展。受地理位置的影响, 克州是塔里木河流域地理面积最小的地州, 其农业种植规模小, 但该地区因地制宜地合理规划种植结构, 极大地促进了农业高质量发展。
组态A2为“经济发展水平+产业结构+农业机械化程度”主导“种植结构”辅助型, 核心条件为经济发展水平、产业结构和农业机械化程度, 边缘条件为种植结构和种植规模, 表明在经济发展水平和农业机械化程度较高以及产业结构良好的情况下, 加之较合理的种植结构, 尽管种植规模较小, 依旧能够促进地区农地利用效率提高。该组态可以解释约17.7%的样本量, 代表地区为2017—2020年的克州。2017年后, 克州工业生产的发展稳中趋缓、产业结构合理, 与此同时, 该州大力发展旅游等服务业和对外贸易, 实现了招商引资的稳步推进, 进而带动了人民收入水平提高。农业方面继续保持机械化水平提高, 加强耕地保护和质量建设, 立足特色农产品, 利用援疆优势, 打造疆内外知名农产品品牌, 健全农业经营体系, 促进农地利用效率提高。
组态A3为“工业化水平+农业机械化程度”主导“经济发展水平+产业结构+种植规模”辅助型, 核心条件为工业化水平和农业机械化程度, 边缘条件为经济发展水平、产业结构和种植规模, 表明工业化水平和农业机械化程度高的地区, 辅之良好的经济发展水平、产业结构和种植规模, 能够有效促进农地利用效率提升, 可以解释约43.2%的样本量。该组态的代表地区为巴州。巴州以工业突破带动经济高质量发展, 明确自身定位, 大力发展油气挖掘生产、绿色矿业和新材料、纺织服装、新能源和特色农产品等优势产业集群, 构建中轴隆起、两翼齐飞和多点联动的发展格局, 进而大力推动巴州高质量发展。农业方面, 巴州积极推动产业融合发展, 以农民分享产业链增值收益为核心, 加强农业与农产品加工、乡村旅游、仓储物流和电子商务等产业深度融合。同时, 巴州提出了高标准农田建设、现代种业提升工程、牲畜标准化规模养殖繁育、现代农业科技示范展示基地和现代农业产业园等农业发展项目, 极大地推动了农业水平提升, 进而实现了农地利用效率的提高。
2.2.4 稳定性分析
fsQCA的稳定性检验主要包括调整一致性阈值、调整频数阈值和调整案例数量[32]。本研究选择调整一致性阈值和调整频数阈值相结合的方式检验稳定性, 设定一致性阈值为0.86和频数阈值为1以及一致性阈值为0.80和频数阈值为2的两种类型检验稳定性, 结果如表6所示。结果表明, 一致性阈值为0.86和频数阈值为1组合的总体解的覆盖度为0.658 7, 总体解的一致性阈值为0.938 5; 一致性阈值为0.80和频数阈值为2组合的总体解的覆盖度为0.631 0, 总体解的一致性阈值为0.936 0, 并未发生明显变化, 具有稳定性。从集合关系角度分析, 第一组的组态B1对应原始解的组态A2, 组态B2对应组态A1, 组态B3对应组态A3; 第二组的组态C1对应组态A2, 组态C2对应组态A1, 组态C3对应组态A3, 两种检验均具有相对应的子集关系, 结果具有稳健性。稳健性检验结果表明, 塔里木河流域各地州农地利用效率提升的组态多元路径具有良好稳健性。
表 6 塔里木河流域农地利用效率稳健性检验结果Table 6. Robustness test results of agricultural land use efficiency in the Tarim River Basin影响因素
Influencing factor频数阈值: 1; 一致性阈值: 0.86
Frequency threshold: 1; consistency threshold: 0.86频数阈值: 2; 一致性阈值: 0.80
Frequency threshold: 2; consistency threshold: 0.80组态B1
Configuration B1组态B2
Configuration B2组态B3
Configuration B3组态C1
Configuration C1组态C2
Configuration C2组态C3
Configuration C3经济发展水平
Level of economic development
产业结构
Industrial structure工业化水平
Industrialization level农业机械化程度
Degree of agricultural mechanization种植结构
Planting structure
种植规模
Planting scale一致性
Consistency0.908 0 0.982 3 0.937 3 0.908 0 0.982 3 0.928 4 原始覆盖率
Original coverage rate0.176 6 0.247 7 0.431 6 0.176 6 0.247 7 0.374 7 唯一覆盖率
Unique coverage rate0.047 2 0.118 4 0.363 7 0.047 2 0.118 4 0.336 0 总体解的一致性
Consistency of overall solution0.938 5 0.936 0 总体解的覆盖率
Coverage rate of overall solution0.658 7 0.631 0 或 表示条件存在, 其中 为核心条件, 为边缘条件; 
或 示条件缺失, 其中 为核心条件, 为边缘条件; 空白表示条件可有可无。 or indicates the existence of condition, where is the core condition and is the edge condition; or indicates missing indication condition, where is the core condition and is the edge condition; blank indicates that conditions are optional.3. 讨论与结论
3.1 讨论
塔里木河流域农地利用效率研究不仅关乎塔里木河流域农地利用水平的提高与乡村振兴战略的建设, 还直接影响塔里木河流域经济水平和农民生活质量提升, 具有重要的现实意义。与已有研究[2,8,10]相比, 本文注重探究比较塔里木河流域不同地区农地利用效率特征, 同时更加细致地研究了多种因素对农地利用效率的协同影响, 提炼并横向比较了塔里木河流域5个地州农地利用效率差距, 研究结果为后续乡村振兴和农地建设方面的政策制定与经验推广提供了重要科学依据。本研究发现, 巴音郭楞蒙古自治州(巴州)和克孜勒苏柯尔克孜自治州(克州)的农地利用效率相对较高, 其余3个地州农地利用效率较低, 农地利用效率是多种因素协同作用的结果。因此建议: 1)因地制宜, 精准施策。对于农地利用效率偏低的地区如阿克苏地区、喀什地区和和田地区, 政府要加大农业科技投入, 注重农业资源倾斜, 提升农业技术水平; 对于农地利用效率较高的地区如巴州和克州, 应把握产业优势, 促进农业向标准化、数字化和集约化方向转型, 将农业建成现代化大产业。2)把握地区优势, 促进农业多元化。塔里木河流域各地区自然环境和优势农产品存在一定差别, 应结合当地优势产品, 构造品牌效应, 大力发展特色农业, 建设各地多元化、多层次和多类型的农业发展体系。3)提高农业机械化程度, 实现农业现代化。农业机械化程度在3条组态中皆为核心条件, 农业机械化在农地利用效率提升中起关键作用。因此, 要优化农机装备结构, 实现农机服务市场化和社会化, 不断提高农业综合生产能力, 促进粮食增产、农民增收和农业增效。4)注重地区经济发展, 发挥产业带动作用。研究表明, 合理的产业结构以及较高的经济水平和工业化水平均极大地促进了塔里木河流域农地利用效率提升。因此, 要实现塔里木河流域各产业的协调发展, 实现一二三产业融合, 并全方位推动农业多元化发展。
3.2 结论
1)从塔里木河流域农地利用整体效率分析, 巴音郭楞蒙古自治州的效率最高, 克孜勒苏柯尔克孜自治州次之, 均远高于和田地区、阿克苏地区和喀什地区。
2)和田地区生产阶段农地利用效率最低, 但销售阶段效率最高, 其在农产品销售方面具有优势。阿克苏地区生产阶段效率偏低, 销售阶段效率处于5个地州中的最低水平, 其农业发展水平在塔里木河流域5个地州中处于劣势。
3)塔里木河流域农地利用效率受多重因素的共同作用, 单个因素的经济发展水平、产业结构、工业化水平、农业机械化程度、种植结构和种植规模不是提升塔里木河流域农地利用效率的必要条件。塔里木河流域农地利用效率提升多元路径主要有3种: 第1条路径主要为工业化水平和农业机械化程度主导, 产业结构和种植结构辅助; 第2条路径为经济发展水平、产业结构和农业机械化程度主导, 种植结构辅助; 第3条路径为工业化水平和农业机械化程度主导, 经济发展水平、产业结构和种植规模辅助。
-
表 1 2010—2020年塔里木河流域农地利用效率影响因素年平均值
Table 1 Annual average values of the factors affecting agricultural land use efficiency in Traim River Basin from 2010 to 2020
地区
Region经济发展水平
Level of economic development
/(×104 ¥·cap.−1)产业结构
Industrial
structure工业化水平
Industrialization
level农业机械化程度
Degree of agricultural mechanization
/(kW·hm−2)种植结构
Planting
structure人均播种面积
Planted area per capita
/(hm2·cap.−1)巴音郭楞蒙古自治州
Bayingolin Mongolian
Autonomous Prefecture7.116 0±1.108 2 0.828 7±0.017 9 0.497 1±0.067 2 5.725 5±0.910 8 0.273 3±0.278 0 2.099 7±0.672 6 阿克苏地区
Aksu Region3.225 2±1.103 3 0.714 4±0.037 6 0.236 6±0.015 5 3.667 4±0.316 8 0.385 9±0.257 0 1.213 1±0.387 6 克孜勒苏柯尔克孜自治州
Kizilsu Kirghiz Autonomous Prefecture1.764 0±0.741 3 0.853 0±0.029 6 0.178 0±0.034 4 6.147 8±0.661 2 0.777 5±0.119 8 0.520 2±0.119 2 喀什地区
Kashgar Region1.754 2±0.550 1 0.676 1±0.038 6 0.124 6±0.035 5 3.714 8±0.814 2 0.502 9±0.213 5 0.951 5±0.206 4 和田地区
Hotan Region1.081 6±0.436 1 0.732 1±0.053 7 0.063 4±0.011 2 3.628 4±0.854 2 0.704 5±0.118 3 0.448 9±0.088 9 
下载: 导出CSV
表 2 2010—2020年塔里木河流域各阶段农地利用效率年均值空间分布
Table 2 Spatial distribution of annual average agricultural land use efficiencies in different stages of the Tarim River Basin from 2010 to 2020
地区 Region 农地利用效率 Agricultural land use efficiency 整体阶段 Whole stage 生产阶段 Production stage 销售阶段 Sales stage 巴音郭楞蒙古自治州 Bayingolin Mongolian Autonomous Prefecture 0.746 0±0.284 9 1.000 0±0.000 0 0.746 0±0.284 9 阿克苏地区 Aksu Region 0.270 5±0.065 9 0.387 5±0.069 6 0.690 7±0.062 4 克孜勒苏柯尔克孜自治州 Kizilsu Kirghiz Autonomous Prefecture 0.654 4±0.188 3 0.686 7±0.194 1 0.951 2±0.072 0 喀什地区 Kashgar Region 0.203 2±0.067 6 0.254 5±0.070 4 0.791 6±0.074 2 和田地区 Hotan Region 0.228 4±0.069 8 0.234 5±0.076 5 0.980 3±0.029 6
下载: 导出CSV
表 3 塔里木河流域农地利用效率结果与前因变量的校准锚点
Table 3 Calibration anchor points for agricultural land use efficiency results and antecedent variables in the Tarim River Basin
变量
Variable校准锚点 Calibration anchor point 75% 50% 25% 经济发展水平
Level of economic development4.253 1 2.103 4 1.321 5 产业结构
Industrial structure0.831 0 0.761 7 0.690 1 工业化水平
Industrialization level0.243 9 0.183 2 0.092 6 农业机械化程度
Degree of agricultural mechanization5.571 4 4.419 0 3.433 0 种植结构
Planting structure0.710 0 0.482 5 0.272 6 种植规模
Planting scale1.442 7 0.874 0 0.486 4 农地利用效率
Agricultural land use efficiency0.623 7 0.330 0 0.218 8
下载: 导出CSV
表 4 塔里木河流域农地利用效率单因素的必要性检验结果
Table 4 The necessity test results of single factor analysis of agricultural land use efficiency in the Tarim River Basin
影响因素
Influencing factor一致性
Consistency覆盖度
Coverage rate影响因素
Influencing factor一致性
Consistency覆盖度
Coverage rate经济发展水平
Level of economic development0.684 7 0.651 8 农业机械化程度
Degree of agricultural mechanization0.861 3 0.782 3 ~经济发展水平
~ Level of economic development0.411 7 0.346 8 ~农业机械化程度
~ Degree of agricultural mechanization0.278 7 0.245 2 产业结构
Industrial structure0.888 1 0.795 2 种植结构
Planting structure0.551 3 0.478 3 ~产业结构
~ Industrial structure0.247 3 0.220 6 ~种植结构
~ Planting structure0.525 6 0.484 4 工业化水平
Industrialization level0.742 0 0.633 5 种植规模
Planting scale0.591 9 0.549 0 ~工业化水平
~ Industrialization level0.341 0 0.319 8 ~种植规模
~ Planting scale0.487 8 0.420 7 “~”代表该条件缺失。“~” represents the absence of this condition.
下载: 导出CSV
表 5 塔里木河流域农地利用效率提升路径
Table 5 Path to improve agricultural land use efficiency in the Tarim River Basin
影响因素
Influencing factor解 Solution 组态A1
Configuration A1组态A2
Configuration A2组态A3
Configuration A3经济发展水平 Level of economic development 产业结构 Industrial structure 工业化水平 Industrialization level 农业机械化程度 Degree of agricultural mechanization 种植结构 Planting structure 种植规模 Planting scale 一致性 Consistency 0.982 3 0.908 0 0.937 3 原始覆盖率 Original coverage rate 0.247 7 0.176 6 0.431 6 唯一覆盖率 Unique coverage rate 0.118 4 0.047 2 0.363 7 总体解的一致性 Consistency of overall solution 0.938 5 总体解的覆盖率 Coverage rate of overall solution 0.658 7 或 表示条件存在, 其中 为核心条件, 为边缘条件; 或 示条件缺失, 其中 为核心条件, 为边缘条件; 空白表示条件可有可无。 or indicates the existence of condition, where is the core condition and is the edge condition; or indicates missing indication condition, where is the core condition and is the edge condition; blank indicates that conditions are optional.
下载: 导出CSV
表 6 塔里木河流域农地利用效率稳健性检验结果
Table 6 Robustness test results of agricultural land use efficiency in the Tarim River Basin
影响因素
Influencing factor频数阈值: 1; 一致性阈值: 0.86
Frequency threshold: 1; consistency threshold: 0.86频数阈值: 2; 一致性阈值: 0.80
Frequency threshold: 2; consistency threshold: 0.80组态B1
Configuration B1组态B2
Configuration B2组态B3
Configuration B3组态C1
Configuration C1组态C2
Configuration C2组态C3
Configuration C3经济发展水平
Level of economic development产业结构
Industrial structure工业化水平
Industrialization level农业机械化程度
Degree of agricultural mechanization种植结构
Planting structure种植规模
Planting scale一致性
Consistency0.908 0 0.982 3 0.937 3 0.908 0 0.982 3 0.928 4 原始覆盖率
Original coverage rate0.176 6 0.247 7 0.431 6 0.176 6 0.247 7 0.374 7 唯一覆盖率
Unique coverage rate0.047 2 0.118 4 0.363 7 0.047 2 0.118 4 0.336 0 总体解的一致性
Consistency of overall solution0.938 5 0.936 0 总体解的覆盖率
Coverage rate of overall solution0.658 7 0.631 0 或 表示条件存在, 其中 为核心条件, 为边缘条件; 或 示条件缺失, 其中 为核心条件, 为边缘条件; 空白表示条件可有可无。 or indicates the existence of condition, where is the core condition and is the edge condition; or indicates missing indication condition, where is the core condition and is the edge condition; blank indicates that conditions are optional.
下载: 导出CSV
-
[1] LIU Y S, LI Y H. Revitalize the world’s countryside[J]. Nature, 2017, 548(7667): 275−277 doi: 10.1038/548275a
[2] 王检萍, 余敦, 孙聪康, 等. 乡村振兴背景下农地利用效率[J]. 水土保持研究, 2021, 28(1): 337−344 WANG J P, YU D, SUN C K, et al. Utilization efficiency of agricultural land under the background of rural revitalization[J]. Research of Soil and Water Conservation, 2021, 28(1): 337−344
[3] 薛建春. 新一轮退耕还林还草工程对土地利用效率的影响−基于黄河流域的实证研究[J]. 水土保持通报, 2023, 43(6): 155−164 XUE J C. Impacts of a new round of returning farmland to forests and grasslands project on land use efficiency — Empirical study in Yellow River Basin[J]. Bulletin of Soil and Water Conservation, 2023, 43(6): 155−164
[4] 刘荣增, 黄月霞, 何春. 城乡高质量融合发展影响土地利用效率的作用机制与实证检验[J]. 城市发展研究, 2021, 28(12): 128−136 doi: 10.3969/j.issn.1006-3862.2021.12.024 LIU R Z, HUANG Y X, HE C. Mechanism and empirical test of high quality integrated development of urban and rural areas to affect land use efficiency[J]. Urban Development Studies, 2021, 28(12): 128−136 doi: 10.3969/j.issn.1006-3862.2021.12.024
[5] GUO B S, CHEN K L, JIN G. Does multi-goal policy affect agricultural land efficiency? A quasi-natural experiment based on the natural resource conservation and intensification pilot scheme[J]. Applied Geography, 2023, 161: 103141 doi: 10.1016/j.apgeog.2023.103141
[6] YANG J H, MA R, YANG L. Spatio-temporal evolution and its policy influencing factors of agricultural land-use efficiency under carbon emission constraint in mainland China[J]. Heliyon, 2024, 10(4): e25816 doi: 10.1016/j.heliyon.2024.e25816
[7] WANG C, WANG J Q, AI W W. Do urbanization, environmental regulation and GDP affect agricultural land use efficiency? Implications for just transition[J]. Environmental Impact Assessment Review, 2024, 105: 107421 doi: 10.1016/j.eiar.2024.107421
[8] 刘雪琪, 李波. 碳中和目标下中国农地利用效率的影响因素及时空异质性[J]. 华中农业大学学报(社会科学版), 2023(1): 197−209 LIU X Q, LI B. Spatio-temporal heterogeneity and influencing factors of agricultural land use efficiency in China from the goal of carbon neutrality[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2023(1): 197−209
[9] 朱庆莹, 涂涛, 陈银蓉, 等. 长江经济带产业结构与土地利用效率协调度的时空格局分析[J]. 农业工程学报, 2021, 37(23): 235−246 doi: 10.11975/j.issn.1002-6819.2021.23.028 ZHU Q Y, TU T, CHEN Y R, et al. Spatio-temporal pattern for the coordination degree between industrial structure and land use efficiency of Yangtze River Economic Zone[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(23): 235−246 doi: 10.11975/j.issn.1002-6819.2021.23.028
[10] 陈前虎, 张泸少, 周明. 浙江省县(市)域土地利用效率的时空演变、驱动因素与调控对策[J]. 水土保持通报, 2021, 41(2): 290−297 CHEN Q H, ZHANG L S, ZHOU M. Efficiency and optimization strategy of land use efficiency at county (city) level in Zhejiang Province[J]. Bulletin of Soil and Water Conservation, 2021, 41(2): 290−297
[11] DONG X T, LIU S. Spatiotemporal differences, dynamic evolution and trend of cultivated land use efficiency: Based on three food functional areas[J]. Heliyon, 2024, 10(5): e27249 doi: 10.1016/j.heliyon.2024.e27249
[12] 赵茜宇, 张占录. 中国县级农地利用效率的变化特征及原因解析[J]. 中国人口·资源与环境, 2019, 29(4): 77−86 ZHAO Q Y, ZHANG Z L. Analysis on the changing characteristics and causes of county-level agricultural land use efficiency in China[J]. China Population, Resources and Environment, 2019, 29(4): 77−86
[13] FU J, DING R, ZHU Y Q, et al. Analysis of the spatial-temporal evolution of Green and low carbon utilization efficiency of agricultural land in China and its influencing factors under the goal of carbon neutralization[J]. Environmental Research, 2023, 237: 116881 doi: 10.1016/j.envres.2023.116881
[14] HUANG J, HAN W J, ZHANG Z F, et al. The decoupling relationship between land use efficiency and carbon emissions in China: An analysis using the Socio-Ecological Systems (SES) framework[J]. Land Use Policy, 2024, 138: 107055 doi: 10.1016/j.landusepol.2024.107055
[15] 徐玉婷, 黄贤金, 徐国良, 等. “三权分置” 背景下多元经营主体农地利用效率−来自长江中下游地区的实证经验[J]. 长江流域资源与环境, 2021, 30(10): 2557−2568 XU Y T, HUANG X J, XU G L, et al. Agricultural land use efficiency of diversified agricultural operators in the background of “Three Rights Separation Policy” — Empirical experience from the middle and lower reaches of the Yangtze River Region[J]. Resources and Environment in the Yangtze Basin, 2021, 30(10): 2557−2568
[16] 牛星, 吴岳婷, 吴冠岑. 流转水平差异下农地利用效率的变化研究−以江苏省45个县(市)为例[J]. 中国农业资源与区划, 2021, 42(6): 127−135 NIU X, WU Y T, WU G C. Research on changes in farmland use efficiency under the difference of farmland transference levels — Taking 45 counties (county-level cities) in Jiangsu Province as an example[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(6): 127−135
[17] 潘莹莹, 姜博, 李梦珍, 等. 基于超效率SBM模型的东北三省城市土地利用效率时空差异及影响因素[J]. 水土保持研究, 2024, 31(1): 408−416 PAN Y Y, JIANG B, LI M Z, et al. Spatial and temporal differences and influencing factors of urban land use efficiency in three provinces of Northeast China based on super-SBM model[J]. Research of Soil and Water Conservation, 2024, 31(1): 408−416
[18] 马学广, 蒋策. 国家级新区设立与土地利用效率−基于中国70个大中城市的实证研究[J]. 南昌大学学报(人文社会科学版), 2024, 55(1): 84−96 MA X G, JIANG C. Establishment of state-level new areas and land use efficiency: An empirical study based on 70 large and medium-sized cities in China[J]. Journal of Nanchang University (Humanities and Social Sciences), 2024, 55(1): 84−96
[19] 秦秋燕, 陆汝成, 段炼, 等. 中国陆地边境地区耕地利用综合效率时空格局与影响因素[J]. 中国农业资源与区划, 2022, 43(9): 12−21 QIN Q Y, LU R C, DUAN L, et al. The spatial and temporal patterns and influencing factors of the comprehensive efficiency of arable land use in China’s land border areas[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2022, 43(9): 12−21
[20] 关忠诚, 陈晓雷, 娄渊雨, 等. 目标一致型两阶段网络SBM效率评价方法[J]. 系统工程理论与实践, 2024, 44(5): 1534−1548 doi: 10.12011/SETP2022-1613 GUAN Z C, CHEN X L, LOU Y Y, et al. Efficiency evaluation of goal-congruent systems using a two-stage network SBM method[J]. Systems Engineering — Theory & Practice, 2024, 44(5): 1534−1548 doi: 10.12011/SETP2022-1613
[21] 杜运周, 贾良定. 组态视角与定性比较分析(QCA): 管理学研究的一条新道路[J]. 管理世界, 2017, 33(6): 155−167 doi: 10.3969/j.issn.1002-5502.2017.06.011 DU Y Z, JIA L D. Configuration perspective and qualitative comparative analysis (QCA): A new way of management research[J]. Journal of Management World, 2017, 33(6): 155−167 doi: 10.3969/j.issn.1002-5502.2017.06.011
[22] 米运生, 王家兴, 徐俊丽. 农地经营权强度与新型农业经营主体融资渠道的正规化−基于fsQCA的分析[J]. 农业技术经济, 2023(10): 44−61 MI Y S, WANG J X, XU J L. Intensity of agricultural land management right and the normalization of financing channels of new agricultural management main entity: An analysis based on fsQCA[J]. Journal of Agrotechnical Economics, 2023(10): 44−61
[23] 米兰兰. 增产增效目标下的湖南农地利用效率及提升机制研究[D]. 长沙: 中南林业科技大学, 2023: 13–17 MI L L. Study on the efficiency and promotion mechanism of agricultural land use in Hunan Province under the goal of increasing production and increasing efficiency[D]. Changsha: Central South University of Forestry & Technology, 2023: 13–17
[24] 周爱群, 陈彩虹. 耕地利用生态效率的时空演变及影响因素研究[J]. 经济问题, 2023(12): 95−101 ZHOU A Q, CHEN C H. Temporal and spatial evolution and influencing factors of ecological efficiency of cultivated land use[J]. On Economic Problems, 2023(12): 95−101
[25] 刘涛, 尚晓菲, 苏原原, 等. “双碳” 目标下黄河下游耕地绿色利用效率、收敛性与影响因素[J]. 水土保持通报, 2023, 43(1): 291−299 LIU T, SHANG X F, SU Y Y, et al. Green utilization efficiency, convergence, and influencing factors of cultivated land in lower Yellow River under “double carbon” target[J]. Bulletin of Soil and Water Conservation, 2023, 43(1): 291−299
[26] 杨雪松, 毛佳. 长江中游城市群城市土地利用效率及影响因素−基于非预期超效率SBM模型和空间计量分析[J]. 河南师范大学学报(哲学社会科学版), 2024, 51(3): 62−69 YANG X S, MAO J. Urban land use efficiency and influencing factors of urban agglomeration in the Middle Reaches of the Yangtze River — Based on undesirable super-efficiency SBM model and spatial econometric analysis[J]. Journal of Henan Normal University (Philosophy and Social Sciences Edition), 2024, 51(3): 62−69
[27] 杨清可, 谷娇, 王磊, 等. 长三角区域一体化对城市土地利用效率动态演化的影响因素分析[J]. 长江流域资源与环境, 2022, 31(7): 1455−1466 YANG Q K, GU J, WANG L, et al. Analysis on influence factors of regional integration of Yangtze River Delta on urban land use efficiency pattern evolution[J]. Resources and Environment in the Yangtze Basin, 2022, 31(7): 1455−1466
[28] 程建青, 罗瑾琏, 杜运周, 等. 制度环境与心理认知何时激活创业? −一个基于QCA方法的研究[J]. 科学学与科学技术管理, 2019, 40(2): 114–131 CHENG J Q, LUO J L, DU Y Z, et al. When institutional contexts and psychological cognition can stimulate entrepreneurship activity? A study based on QCA approach[J]. Science of Science and Management of S & T, 2019, 40(2): 114–131
[29] 杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度?−基于制度组态的分析[J]. 管理世界, 2020, 36(9): 141−155 DU Y Z, LIU Q C, CHENG J Q. What kind of ecosystem for doing business will contribute to city-level high entrepreneurial activity? A research based on institutional configurations[J]. Journal of Management World, 2020, 36(9): 141−155
[30] 韩霞, 杨明一. 韧性视角下易地扶贫搬迁治理路径分析−基于22个易地扶贫搬迁所涉省(区、市)的fsQCA研究[J]. 干旱区资源与环境, 2024, 38(5): 30−38 HAN X, YANG M Y. Paths for governance of relocation for poverty alleviation: A perspective of resilience[J]. Journal of Arid Land Resources and Environment, 2024, 38(5): 30−38
[31] FISS P C. Building better causal theories: A fuzzy set approach to typologies in organization research[J]. Academy of Management Journal, 2011, 54(2): 393−420 doi: 10.5465/amj.2011.60263120
[32] 苏福, 毛润霖, 侯雨花, 等. 基于fsQCA的电商平台用户信息规避意愿影响因素研究[J]. 数字图书馆论坛, 2023(7): 30−39 doi: 10.3772/j.issn.1673-2286.2023.07.004 SU F, MAO R L, HOU Y H, et al. Influencing factors of user information avoidance willingness in e-commerce platform based on fsQCA[J]. Digital Library Forum, 2023(7): 30−39 doi: 10.3772/j.issn.1673-2286.2023.07.004
计量
- 文章访问数: 104
- HTML全文浏览量: 21
- PDF下载量: 13
