舒曉波, 馮維祥, 廖富強(qiáng), 凌春園

(1.江西師范大學(xué) 地理與環(huán)境學(xué)院, 南昌 330022; 2.江西師范大學(xué) 鄱陽(yáng)湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室, 南昌 330022)

農(nóng)業(yè)是支撐國(guó)民經(jīng)濟(jì)建設(shè)與發(fā)展的基礎(chǔ)產(chǎn)業(yè)[1]。隨著農(nóng)業(yè)生產(chǎn)中農(nóng)業(yè)機(jī)械、化肥、農(nóng)藥等大量投入，在農(nóng)業(yè)生產(chǎn)效率不斷提升的同時(shí)，環(huán)境外部負(fù)效益日益顯現(xiàn)[2]，單純對(duì)農(nóng)業(yè)發(fā)展進(jìn)行經(jīng)濟(jì)評(píng)價(jià)并不能準(zhǔn)確反映農(nóng)業(yè)發(fā)展的真實(shí)情況，迫切需要更合適的評(píng)價(jià)方法對(duì)農(nóng)業(yè)發(fā)展進(jìn)行評(píng)價(jià)。生態(tài)效率(eco-efficiency)由于同時(shí)將環(huán)境績(jī)效和經(jīng)濟(jì)績(jī)效內(nèi)涵于其概念中，而被廣泛運(yùn)用于可持續(xù)發(fā)展的評(píng)價(jià)[3]。生態(tài)效率評(píng)價(jià)方法眾多，目前主流的測(cè)算方法包括隨機(jī)前沿法[4](SFA)和數(shù)據(jù)包絡(luò)分析法[5](DEA)。數(shù)據(jù)包絡(luò)分析法是一種非參數(shù)方法，該方法可以根據(jù)多項(xiàng)投入和產(chǎn)出指標(biāo)，利用線性規(guī)劃的方法，評(píng)價(jià)同類型決策單元的相對(duì)效率，但前沿面固定[6]。以數(shù)據(jù)包絡(luò)分析法為基礎(chǔ)的含有非期望產(chǎn)出的Super-SBM模型，由于將生態(tài)負(fù)產(chǎn)出納入評(píng)價(jià)模型，可以有效解決普通DEA投入產(chǎn)出造成的擁擠或松弛現(xiàn)象以及前沿面固定的問(wèn)題，逐漸成為農(nóng)業(yè)生態(tài)效率評(píng)價(jià)的主流方法[7]。

生態(tài)效率概念的深入和評(píng)價(jià)方法的完善，為農(nóng)業(yè)生產(chǎn)評(píng)價(jià)提供了新的思路和途徑[8]。農(nóng)業(yè)生態(tài)效率時(shí)空演變及其影響因素的研究可為區(qū)域農(nóng)業(yè)生態(tài)效率的趨勢(shì)預(yù)測(cè)、改進(jìn)路徑提供科學(xué)依據(jù)而日益受到重視。就現(xiàn)有文獻(xiàn)而言，對(duì)農(nóng)業(yè)生態(tài)效率的時(shí)空演化及影響因子的研究可歸納如下：(1)空間演化所涉及到的空間尺度多樣，全國(guó)[9-11]、區(qū)域(糧食主產(chǎn)區(qū)[12-13]、長(zhǎng)江經(jīng)濟(jì)帶[14]、洞庭湖區(qū)[15])、省級(jí)[16-17]、縣級(jí)等[18]尺度均有相關(guān)研究，不同空間尺度下得出的研究結(jié)論有所差異。對(duì)空間變化的分析普遍采用空間自相關(guān)[19]或空間馬爾可夫概率轉(zhuǎn)移矩陣等[2]分析方法，空間自相關(guān)方法注重對(duì)不同時(shí)間點(diǎn)的截面數(shù)據(jù)進(jìn)行橫向分析[19]。(2)時(shí)間序列分析方法采用Kernel密度分析[2]研究農(nóng)業(yè)生態(tài)效率時(shí)間變化規(guī)律進(jìn)而對(duì)發(fā)展趨勢(shì)進(jìn)行分析[10]。(3)由于影響農(nóng)業(yè)生態(tài)效率變化的因素在農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)體系中有體現(xiàn)，現(xiàn)研究多采用回歸模型[11,20]或空間計(jì)量模型[21]來(lái)解釋農(nóng)業(yè)生態(tài)效率變化與影響因子之間的相關(guān)性，較少文獻(xiàn)使用地理探測(cè)器模型檢驗(yàn)影響因子的空間分異性和空間分布的一致性[22]。

基于對(duì)現(xiàn)有農(nóng)業(yè)生態(tài)效率時(shí)空演化和影響因素文獻(xiàn)的梳理，目前在兩個(gè)方面仍有完善的空間：(1)農(nóng)業(yè)生態(tài)效率空間格局演變分析中，對(duì)其空間相互作用和空間擴(kuò)散的研究較少；(2)采用線性回歸方法分析農(nóng)業(yè)生態(tài)效率的驅(qū)動(dòng)因子，未考慮到空間因素對(duì)農(nóng)業(yè)生態(tài)效率的影響，也未對(duì)驅(qū)動(dòng)因子的時(shí)空變化進(jìn)行探討。

長(zhǎng)江中游城市群承東啟西、連南接北，是長(zhǎng)江經(jīng)濟(jì)帶的重要組成部分，在我國(guó)區(qū)域發(fā)展格局中占有重要地位[23]。長(zhǎng)江中游城市群農(nóng)業(yè)產(chǎn)業(yè)底蘊(yùn)與自然條件得天獨(dú)厚，是全國(guó)現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)基地和重要?jiǎng)?chuàng)新基地[24]。2015年3月國(guó)務(wù)院批復(fù)的《長(zhǎng)江中游城市群發(fā)展規(guī)劃》中指出，要壯大現(xiàn)代農(nóng)業(yè)基地，發(fā)展高產(chǎn)高效現(xiàn)代農(nóng)業(yè)和生態(tài)農(nóng)業(yè)[25]。農(nóng)業(yè)發(fā)展對(duì)于長(zhǎng)江中游城市群區(qū)域可持續(xù)發(fā)展具有重要意義。

本文以長(zhǎng)江中游城市群31個(gè)市級(jí)行政區(qū)為研究單元，基于2000—2017年長(zhǎng)江中游城市群各市面板數(shù)據(jù)，采用含有非期望產(chǎn)出的Super-SBM模型測(cè)算農(nóng)業(yè)生態(tài)效率，分析其時(shí)空演變規(guī)律和空間相關(guān)性，并通過(guò)地理探測(cè)器模型對(duì)影響農(nóng)業(yè)生態(tài)效率的驅(qū)動(dòng)因子進(jìn)行探測(cè)，以期為長(zhǎng)江中游城市群的農(nóng)業(yè)評(píng)價(jià)和發(fā)展策略提供科學(xué)依據(jù)，促進(jìn)區(qū)域可持續(xù)發(fā)展。

1 研究方法

1.1 含有非期望產(chǎn)出的Super-SBM模型

在測(cè)算農(nóng)業(yè)生態(tài)效率時(shí)，除了要考慮農(nóng)業(yè)產(chǎn)值等期望產(chǎn)出，還必須考慮非期望產(chǎn)出，如環(huán)境污染[2]。在農(nóng)業(yè)生產(chǎn)評(píng)價(jià)中通常將化肥、農(nóng)藥、農(nóng)膜等化學(xué)制品的過(guò)度使用產(chǎn)生的環(huán)境污染視為非期望產(chǎn)出。SBM模型[26]能夠有效解決徑向和角度的傳統(tǒng)DEA模型造成的投入要素的“擁擠”或“松弛”現(xiàn)象，但SBM模型與傳統(tǒng)DEA模型存在相同的問(wèn)題，即對(duì)于效率都為1的DMUs無(wú)法進(jìn)行區(qū)分。Super-SBM模型[27]是超效率DEA模型和SBM模型相結(jié)合的一種模型，其綜合了兩種模型的優(yōu)勢(shì)，有效解決了進(jìn)一步有效區(qū)分處于前沿面DMUs的問(wèn)題。

(1)

λj≥0,i=1,2，…,m;j=1,2,…,n,

j≠0;s=1,2,…,r1;q=1,2,…,r2;

(2)

式中:假設(shè)有n個(gè)DMUs,每個(gè)DMU由投入m,期望產(chǎn)出r1和非期望產(chǎn)出r2構(gòu)成;x,yd,yu為相應(yīng)的投入矩陣、期望產(chǎn)出矩陣和非期望產(chǎn)出矩陣中的元素；ρ為生態(tài)效率值。

1.2 空間相關(guān)性分析

通過(guò)空間自相關(guān)分析來(lái)了解農(nóng)業(yè)生態(tài)效率的空間關(guān)聯(lián)和空間差異，其中全局空間自相關(guān)常用的度量空間自相關(guān)程度的統(tǒng)計(jì)指標(biāo)為Moran′sI指數(shù)[6]，其計(jì)算公式為：

(3)

式中:n為樣本量;xi,xj為空間位置i和j的觀察量;wij表示空間位置i和j的鄰近關(guān)系,當(dāng)i和j鄰近時(shí),wij=1;反之為0。全局Moran′sI指數(shù)的取值范圍為[-1,1],大于0為空間正相關(guān),小于0為負(fù)相關(guān),等于0為不相關(guān)。

局部空間自相關(guān)指數(shù)用于反映某一空間單元的屬性值同其鄰接空間單元上同一屬性值的相關(guān)程度，即熱點(diǎn)與冷點(diǎn)區(qū)域的空間分布規(guī)律[19]。通常采用Local Moran′sI統(tǒng)計(jì)量來(lái)反映測(cè)度單元相鄰區(qū)域空間要素的空間關(guān)聯(lián)性與異質(zhì)性。其計(jì)算可表示為：

(4)

式中:zi，zj分別為研究單元i，j的屬性值；ωij為空間權(quán)重矩陣；Ii為i單元局部相關(guān)指數(shù)，表示其與它鄰域之間的關(guān)聯(lián)程度。

1.3 地理探測(cè)器模型

使用地理探測(cè)器中的因子探測(cè)研究長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率的驅(qū)動(dòng)因子，探測(cè)各影響因子X(jué)多大程度上解釋了農(nóng)業(yè)生態(tài)效率Y的空間分異[22]，用q統(tǒng)計(jì)值度量，計(jì)算公式如下：

(5)

2 研究數(shù)據(jù)與指標(biāo)體系

2.1 研究區(qū)域

長(zhǎng)江中游城市群是位于長(zhǎng)江中游地區(qū)，以武漢城市圈、環(huán)長(zhǎng)株潭城市群、環(huán)鄱陽(yáng)湖城市群為主體形成的特大型城市群，是長(zhǎng)江經(jīng)濟(jì)帶的重要組成部分，在我國(guó)區(qū)域發(fā)展格局中占有重要地位[28]。本文選取2015年4月國(guó)家發(fā)展改革委印發(fā)的《長(zhǎng)江中游城市群發(fā)展規(guī)劃》中劃定的范圍作為研究區(qū)域，包括湖北省域：武漢、黃石、宜昌、襄陽(yáng)、鄂州、荊門(mén)、孝感、荊州、黃岡、咸寧、仙桃、潛江、天門(mén)；湖南省域：長(zhǎng)沙、株洲、湘潭、衡陽(yáng)、岳陽(yáng)、常德、益陽(yáng)、婁底；江西省域：南昌、景德鎮(zhèn)、萍鄉(xiāng)、九江、新余、鷹潭、宜春、上饒及撫州、吉安的部分縣(區(qū))共31個(gè)市級(jí)行政單元。

長(zhǎng)江中游城市群主要包括江漢平原、洞庭湖平原和鄱陽(yáng)湖平原。該地區(qū)地形主要以沖積平原為主，地勢(shì)平坦，屬于亞熱帶氣候，熱量充足，長(zhǎng)江從地區(qū)中間穿流而過(guò)，區(qū)域內(nèi)支流、湖泊眾多，水資源豐富，基于以上優(yōu)越的自然環(huán)境和資源稟賦，長(zhǎng)江中游城市群地區(qū)農(nóng)業(yè)發(fā)展歷史悠久、實(shí)力雄厚。但是在工業(yè)化和城鎮(zhèn)化的背景下，農(nóng)業(yè)勞動(dòng)力向第二、三產(chǎn)業(yè)轉(zhuǎn)移，耕地資源被逐年外擴(kuò)的建設(shè)用地侵占等問(wèn)題接連出現(xiàn)。2000—2017年，長(zhǎng)江中游城市群地區(qū)鄉(xiāng)村農(nóng)業(yè)從業(yè)人員比重由52.99%減至47.58%，耕地面積由1 322.08減至1 255.72萬(wàn)hm2，農(nóng)田有效灌溉面積由5 842.07減至5 223.51萬(wàn)hm2，區(qū)域農(nóng)業(yè)發(fā)展正受到嚴(yán)重制約。同時(shí)，城市群地區(qū)由于其人口和經(jīng)濟(jì)高度密集的特征，正逐漸成為經(jīng)濟(jì)發(fā)展和資源環(huán)境之間矛盾最為激烈的區(qū)域，存在環(huán)境污染嚴(yán)重、資源約束趨緊等諸多生態(tài)問(wèn)題。由于石油農(nóng)業(yè)的快速發(fā)展，大量農(nóng)業(yè)機(jī)械投入生產(chǎn)使用，2000—2017年，長(zhǎng)江中游城市群地區(qū)農(nóng)業(yè)機(jī)械總動(dòng)力由每年3 490.06增至9 708.23萬(wàn)kW，農(nóng)業(yè)碳排放由5 686 841 t增至7 716 107 t，增幅分別為178.17%和35.68%。為實(shí)現(xiàn)長(zhǎng)江中游城市群的可持續(xù)發(fā)展，需要進(jìn)一步加強(qiáng)生態(tài)文明建設(shè)力度，協(xié)調(diào)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)之間平衡。

2.2 數(shù)據(jù)來(lái)源

本文以狹義農(nóng)業(yè)為研究對(duì)象測(cè)算農(nóng)業(yè)生態(tài)效率，所用到的數(shù)據(jù)來(lái)源于《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、《湖北統(tǒng)計(jì)年鑒》、《湖北農(nóng)村統(tǒng)計(jì)年鑒》、《湖南統(tǒng)計(jì)年鑒》、《江西統(tǒng)計(jì)年鑒》等統(tǒng)計(jì)年鑒以及EPS數(shù)據(jù)平臺(tái)，部分缺失數(shù)據(jù)通過(guò)插值法進(jìn)行補(bǔ)全，最終得到長(zhǎng)江中游城市群31個(gè)市2000—2017年共18年的面板數(shù)據(jù)。省、市界線的矢量數(shù)據(jù)來(lái)源于全國(guó)地理信息資源系統(tǒng)(www.webmap.cn)公布的2017年全國(guó)1∶100萬(wàn)基礎(chǔ)地理數(shù)據(jù)庫(kù)，空間坐標(biāo)系統(tǒng)為2000年國(guó)家大地坐標(biāo)系(China Geodetic Coordinate System 2000)。

2.3 指標(biāo)體系構(gòu)建

對(duì)已有研究中的農(nóng)業(yè)投入產(chǎn)出指標(biāo)體系[2,7,15,29-30]進(jìn)行綜合考慮，再結(jié)合數(shù)據(jù)的可獲得性與統(tǒng)計(jì)口徑的一致性，最終選取勞動(dòng)、灌溉、農(nóng)膜、農(nóng)藥、化肥、土地、機(jī)械、燃料、電能投入等9項(xiàng)指標(biāo)作為區(qū)域農(nóng)業(yè)資源投入指標(biāo)。期望產(chǎn)出指標(biāo)以農(nóng)業(yè)總產(chǎn)值作為變量來(lái)表現(xiàn)，為消除年份物價(jià)因素的影響，通過(guò)計(jì)算平減指數(shù)將農(nóng)業(yè)總產(chǎn)值調(diào)整為2000年不變價(jià)格的產(chǎn)值[7]。鑒于農(nóng)業(yè)碳排放包含的范圍較全面，同時(shí)農(nóng)業(yè)碳排放的計(jì)算方法已經(jīng)較為成熟且容易量化，故本文以農(nóng)業(yè)碳排放作為非期望產(chǎn)出。農(nóng)業(yè)碳排放的來(lái)源主要是農(nóng)業(yè)生產(chǎn)過(guò)程中使用的化肥、農(nóng)藥、農(nóng)膜，使用農(nóng)業(yè)機(jī)械消耗的化石燃料，農(nóng)業(yè)耕作破環(huán)土壤有機(jī)碳庫(kù)導(dǎo)致的碳流失，農(nóng)業(yè)灌溉消耗電能間接耗費(fèi)的化石燃料。本文參考李波等[31]的碳排放模型及測(cè)算系數(shù)，采用相應(yīng)指標(biāo)乘系數(shù)的方法進(jìn)行估算，以上六大類碳源的碳排放系數(shù)為：化肥0.895 6(kg/kg)、農(nóng)藥4.934 1(kg/kg)、農(nóng)膜5.18(kg/kg)、柴油0.592 7(kg/kg)、翻耕312.6(kg/km2)、農(nóng)業(yè)灌溉20.476(kg/hm2)。綜上指標(biāo)構(gòu)建長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)體系(表1)。

表1 農(nóng)業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)體系

3 結(jié)果與分析

3.1 長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率測(cè)算及時(shí)空演變研究

基于MaxDea 8.0軟件平臺(tái)，采用無(wú)徑向(Non-Oriented)、規(guī)模報(bào)酬可變(VRS)、農(nóng)業(yè)碳排放作為非期望產(chǎn)出的Super-SBM模型，測(cè)算長(zhǎng)江中游城市群2000—2017年31個(gè)市的農(nóng)業(yè)生態(tài)效率。在此基礎(chǔ)上，將研究區(qū)域分為湖北省域、湖南省域、江西省域3個(gè)部分，分別求得各年份均值，對(duì)各省域農(nóng)業(yè)生態(tài)效率均值進(jìn)行對(duì)比分析(圖1)。(1)2000—2017年長(zhǎng)江中游城市群平均農(nóng)業(yè)生態(tài)效率整體水平較高，呈現(xiàn)“降—升—降”的走勢(shì)。2000—2005年持續(xù)降低，2006—2010年出現(xiàn)緩慢回升勢(shì)頭，2011—2017年繼續(xù)出現(xiàn)降低趨勢(shì)，2000—2017年長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率均值由1.03降至0.68。(2)湖北、湖南、江西省域2000—2017年期間總均值分別為1.09，0.59，0.83?？傮w上看，湖南、江西省域與湖北省域差距較大，而且差距呈現(xiàn)不斷擴(kuò)大趨勢(shì)。2000—2012年湖北省域農(nóng)業(yè)生態(tài)效率值保持在1以上，2013—2017年呈現(xiàn)小幅度下降趨勢(shì)，而湖南、江西兩個(gè)省域農(nóng)業(yè)生態(tài)效率與整體發(fā)展趨勢(shì)基本一致，出現(xiàn)了先降、再升、再降3個(gè)階段，2002年開(kāi)始兩省域同時(shí)出現(xiàn)明顯下降趨勢(shì)，隨后在2006年開(kāi)始出現(xiàn)小幅度回升，最后分別從2008年、2010年開(kāi)始繼續(xù)下降。

圖1 2000-2017年長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率時(shí)間演變

為進(jìn)一步探索長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率隨時(shí)間演變的特點(diǎn)以及各研究單元間的差異，在測(cè)算結(jié)果的基礎(chǔ)上，統(tǒng)計(jì)長(zhǎng)江中游城市群2000—2017年農(nóng)業(yè)生態(tài)效率的標(biāo)準(zhǔn)差、離散系數(shù)(圖2)。根據(jù)統(tǒng)計(jì)特征圖可以看出，標(biāo)準(zhǔn)差由0.25增長(zhǎng)到0.42，變異系數(shù)由0.24增長(zhǎng)到0.61，均有逐年增大趨勢(shì)，反映隨時(shí)間推進(jìn)，長(zhǎng)江中游城市群地區(qū)各研究單元差異擴(kuò)大，體現(xiàn)了地區(qū)農(nóng)業(yè)生態(tài)效率發(fā)展不平衡，區(qū)域分化逐漸顯著。

圖2 長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率標(biāo)準(zhǔn)差、變異系數(shù)

選取2000年、2004年、2008年、2012年、2017年5個(gè)年份作為觀察時(shí)點(diǎn)，采用自然斷點(diǎn)法對(duì)農(nóng)業(yè)生態(tài)效率值分級(jí)，考慮到當(dāng)效率值大于或等于1時(shí)說(shuō)明該研究單元處于效率狀態(tài)，故以0.4為步長(zhǎng)將農(nóng)業(yè)生態(tài)效率按等級(jí)劃分為低效率區(qū)(0.200～0.599)、中效率區(qū)(0.600～0.999)、高效率區(qū)(1.000～1.399)、極高效率區(qū)(1.400～1.831)。結(jié)果表明(圖3)，長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率空間分布具有區(qū)域內(nèi)不平衡性，時(shí)空演化的分異特征明顯，主要呈現(xiàn)以下特征：(1)整體上看，2000年研究區(qū)域內(nèi)鷹潭市、武漢市、黃石市、鄂州市、長(zhǎng)沙市、岳陽(yáng)市、宜春市、上饒市、景德鎮(zhèn)市等25個(gè)研究單元為高效率區(qū)或極高效率區(qū)。隨時(shí)間推進(jìn)，2004年、2008年、2012年、2017年高效率區(qū)或極高率效區(qū)分別變化為18，19，15，12個(gè)。局部上看，2000年湖北、湖南、江西省域極高效率或高效率區(qū)為12，5，8個(gè)，至2017年分別減少了4，5，4個(gè)，研究區(qū)農(nóng)業(yè)生態(tài)化發(fā)展均出現(xiàn)下滑趨勢(shì)。(2)兩極分化趨勢(shì)日益凸顯。研究期內(nèi)，高效率區(qū)或極高效率區(qū)聚集逐步向湖北省域收縮，低效率區(qū)向湖南、江西省域擴(kuò)散，農(nóng)業(yè)生態(tài)效率二元格局趨勢(shì)顯著。2000年湖北省域農(nóng)業(yè)生態(tài)效率均值比湖南、江西省域分別高19.42%和3.94%，至2017年增長(zhǎng)為48.54%和30.89%?？梢?jiàn)省域間農(nóng)業(yè)生態(tài)效率差距逐步拉大，而省域內(nèi)部的聯(lián)動(dòng)性比省域間的聯(lián)動(dòng)性顯著。(3)湖北、湖南、江西省域分別以武漢市—咸寧市—荊州市、長(zhǎng)沙市—岳陽(yáng)市—益陽(yáng)市、九江市—宜春市—新余市為集聚中心的空間擴(kuò)散作用現(xiàn)象持續(xù)存在，集聚中心農(nóng)業(yè)生態(tài)效率與周圍研究單元出現(xiàn)同時(shí)增高或降低，空間格局具有較強(qiáng)的穩(wěn)定性與空間依賴特征。

圖3 長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率空間分布

3.2 長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率空間相關(guān)性研究

通過(guò)測(cè)度全局空間自相關(guān)，2000—2017年長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率的Moran′sI指數(shù)逐漸增大，全局相關(guān)性顯示為“隨機(jī)—聚集”過(guò)程，說(shuō)明農(nóng)業(yè)生態(tài)效率集聚現(xiàn)象有隨時(shí)間演進(jìn)逐漸顯著的特征。為進(jìn)一步探究長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率的空間關(guān)聯(lián)性和空間依賴性特征，采用局部空間自相關(guān)指數(shù)(Local Moran′sI指數(shù))來(lái)反映研究單元相鄰區(qū)域空間要素的空間關(guān)聯(lián)性與異質(zhì)性。運(yùn)用ArcGIS 10.2軟件計(jì)算2000—2017年長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率全局空間自相關(guān)指數(shù)。在通過(guò)有效性檢驗(yàn)的情況下，根據(jù)Local Moran′sI公式計(jì)算得到的zi與Ii值將長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率研究單元?jiǎng)澐譃?種空間相關(guān)類型[32]：(1)當(dāng)zi>0，Ii>0，說(shuō)明研究單元與其相鄰單元農(nóng)業(yè)生態(tài)效率水平均較高，二者表現(xiàn)為正相關(guān)，屬于高高(High—High)集聚，將研究單元?jiǎng)澐譃椤皵U(kuò)散型”；(2)當(dāng)zi<0，Ii>0，說(shuō)明研究單元自身和相鄰單元農(nóng)業(yè)生態(tài)效率水平均較低，二者表現(xiàn)為正相關(guān)，屬于低低(Low—Low)集聚，將研究單元?jiǎng)澐譃椤皞魅拘汀保?3)當(dāng)zi<0，Ii<0，說(shuō)明研究單元自身農(nóng)業(yè)生態(tài)效率水平較低，但相鄰單元農(nóng)業(yè)生態(tài)效率水平較高，二者也表現(xiàn)為負(fù)相關(guān)，屬于低高(Low—High)集聚，將研究單元?jiǎng)澐譃椤俺料菪汀保?4)當(dāng)zi>0，Ii<0，說(shuō)明研究單元自身農(nóng)業(yè)生態(tài)效率水平較高，但相鄰單元農(nóng)業(yè)生態(tài)效率水平較低，二者表現(xiàn)為負(fù)相關(guān)，屬于高低(High—Low)集聚，將研究單元?jiǎng)澐譃椤皹O化型”。

根據(jù)2000—2017年長(zhǎng)江中游城市群研究單元農(nóng)業(yè)生態(tài)效率空間關(guān)聯(lián)類型的劃分結(jié)果(表2)表現(xiàn)的情況，可以看出長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率總體空間關(guān)聯(lián)性較弱，關(guān)聯(lián)不顯著的研究單元占比較大，2000—2017年平均每年為23個(gè)，占研究單元個(gè)數(shù)74.19%。擴(kuò)散型、傳染型、沉陷型、極化型平均個(gè)數(shù)分別為1.56，2.89，1.00，2.56個(gè)，傳染型和極化型的研究單元個(gè)數(shù)較多，總體差距不大。但長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率關(guān)聯(lián)顯著的研究單元隨時(shí)間推進(jìn)逐漸增多，2000—2003年平均每年2.5個(gè)，2004—2017年平均每年9.57個(gè)，各相關(guān)類型均有不同程度的上升趨勢(shì)，其中除沉陷型保持增長(zhǎng)外，擴(kuò)散型、傳染型、極化型都有先增后減的趨勢(shì)。表明從2004年開(kāi)始研究區(qū)域農(nóng)業(yè)生態(tài)效率空間分布的關(guān)聯(lián)性有上升趨勢(shì)，空間依賴特征逐漸顯著，但空間相關(guān)性格局并不穩(wěn)定。

表2 長(zhǎng)江中游城市群研究單元空間關(guān)聯(lián)類型數(shù)量

將2000年、2004年、2008年、2012年、2017年5個(gè)觀察時(shí)點(diǎn)年份的空間相關(guān)類型進(jìn)行可視化(圖4)，發(fā)現(xiàn)研究區(qū)域存在3個(gè)中心，分別是以武漢市、鄂州市為核心的湖北片區(qū)，以長(zhǎng)沙市、湘潭市、婁底市為核心的湖南片區(qū)，和以南昌市、景德鎮(zhèn)市為核心的江西片區(qū)，與上文所得出的結(jié)論一致。2000年湖南片區(qū)是表現(xiàn)為傳染型為主的冷點(diǎn)中心，2004年開(kāi)始出現(xiàn)了新的中心，其中湖北片區(qū)是均表現(xiàn)為擴(kuò)散型的熱點(diǎn)中心，江西片區(qū)的南昌市在多數(shù)年份表現(xiàn)為傳染型，而景德鎮(zhèn)市則長(zhǎng)期表現(xiàn)為極化型。同時(shí)，湖北省域的黃石市和荊門(mén)市均出現(xiàn)了從擴(kuò)散型到沉陷型的轉(zhuǎn)變，江西省域的萍鄉(xiāng)市、新余市、撫州市均在中期表現(xiàn)為極化型，湖南省域的衡陽(yáng)市早期表現(xiàn)為極化型，到后期逐漸轉(zhuǎn)化為無(wú)顯著特征。

圖4 長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率空間關(guān)聯(lián)類型

總體來(lái)看，2000—2017年長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率空間分布的空間關(guān)聯(lián)特征逐漸顯著，且方向上有逐漸向武漢城市圈、環(huán)長(zhǎng)株潭城市群、環(huán)鄱陽(yáng)湖城市群3個(gè)區(qū)域集中的趨勢(shì)。

3.3 長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率驅(qū)動(dòng)因子研究

參考農(nóng)業(yè)生態(tài)效率驅(qū)動(dòng)因子探測(cè)現(xiàn)有研究[21,33-34]，結(jié)合長(zhǎng)江中游地區(qū)農(nóng)業(yè)發(fā)展的現(xiàn)實(shí)及數(shù)據(jù)的可獲得性，從農(nóng)業(yè)發(fā)展、宏觀環(huán)境、政策支持方面選取農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)經(jīng)濟(jì)水平、農(nóng)業(yè)人力資本、農(nóng)業(yè)用地比重、農(nóng)業(yè)機(jī)械密度、工業(yè)化水平、城鎮(zhèn)化水平、城鄉(xiāng)差距、財(cái)政支農(nóng)水平9個(gè)驅(qū)動(dòng)因子(表3)。

表3 長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率驅(qū)動(dòng)因子

3.3.1 驅(qū)動(dòng)因子時(shí)序變化研究 基于上述驅(qū)動(dòng)因子，首先采用K-Means聚類算法對(duì)原始數(shù)據(jù)進(jìn)行離散化處理，再使用地理探測(cè)器軟件對(duì)長(zhǎng)江中游城市群2000年、2008年、2017年生態(tài)效率的驅(qū)動(dòng)因子進(jìn)行計(jì)算，得到各驅(qū)動(dòng)因子的q統(tǒng)計(jì)值，用雷達(dá)圖表示(圖5)，q統(tǒng)計(jì)值與驅(qū)動(dòng)因子的解釋力呈正相關(guān)。圖中可以看出，2000年農(nóng)業(yè)人力資本、農(nóng)業(yè)用地比重、農(nóng)業(yè)機(jī)械密度的q值較大(q>0.5)，農(nóng)業(yè)經(jīng)濟(jì)水平、工業(yè)化水平、城鎮(zhèn)化水平的q值較小，說(shuō)明2000年農(nóng)業(yè)人力資本等生產(chǎn)投入類驅(qū)動(dòng)因子對(duì)農(nóng)業(yè)生態(tài)效率影響的顯著性較強(qiáng)，農(nóng)業(yè)經(jīng)濟(jì)水平等宏觀環(huán)境對(duì)其的影響較弱；2008年農(nóng)業(yè)機(jī)械密度的q值最大，其次是城鎮(zhèn)化水平、城鄉(xiāng)差距、工業(yè)化水平和農(nóng)業(yè)經(jīng)濟(jì)水平，農(nóng)業(yè)用地比重和財(cái)政支農(nóng)水平的q值較小(q<0.3)，說(shuō)明2008年機(jī)械化、城鎮(zhèn)化、工業(yè)化均在不同程度上影響農(nóng)業(yè)生態(tài)發(fā)展，農(nóng)業(yè)機(jī)械密度是影響農(nóng)業(yè)生態(tài)效率的主要驅(qū)動(dòng)因子，而農(nóng)業(yè)用地的面積和財(cái)政對(duì)農(nóng)業(yè)的扶持程度對(duì)農(nóng)業(yè)生態(tài)效率的影響較??；2017年城鎮(zhèn)化水平的q值最高，農(nóng)業(yè)人力資本、農(nóng)業(yè)經(jīng)濟(jì)水平的q值相對(duì)較高，農(nóng)業(yè)用地比重、城鄉(xiāng)差距的q值較低(q<0.5)，說(shuō)明2017年城鎮(zhèn)化水平因子對(duì)農(nóng)業(yè)生態(tài)效率的解釋力水平最高，農(nóng)業(yè)人力資本及農(nóng)業(yè)經(jīng)濟(jì)水平其次，而農(nóng)業(yè)用地比重和城鄉(xiāng)差距驅(qū)動(dòng)因子對(duì)農(nóng)業(yè)生態(tài)效率的影響水平相對(duì)較低。

注：(1)由于各地區(qū)統(tǒng)計(jì)年鑒前后統(tǒng)計(jì)口徑變更的原因，2000年地方財(cái)政農(nóng)林水事務(wù)支出數(shù)據(jù)暫缺，故當(dāng)年未對(duì)該因子進(jìn)行探測(cè)。(2)括號(hào)內(nèi)數(shù)字為該因素因子的q統(tǒng)計(jì)值在該年份所有因子中的排序位置。

從總體情況來(lái)看，不同年份下部分農(nóng)業(yè)生態(tài)效率的驅(qū)動(dòng)因子變化較大。農(nóng)業(yè)經(jīng)濟(jì)水平由2000年影響最不顯著的驅(qū)動(dòng)因子變化為2017年排位第三的驅(qū)動(dòng)因子，說(shuō)明農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展對(duì)農(nóng)業(yè)生態(tài)效率的影響隨時(shí)間逐漸增強(qiáng)，人均農(nóng)業(yè)產(chǎn)值的提高使得農(nóng)業(yè)生產(chǎn)行為更加注重生態(tài)和高效，經(jīng)濟(jì)水平的提高將有益于農(nóng)業(yè)生態(tài)化發(fā)展。農(nóng)業(yè)用地比重因子由2000年的排位第三變?yōu)?008年、2017年影響最不顯著的驅(qū)動(dòng)因子，表明農(nóng)業(yè)發(fā)展至今，耕地?cái)?shù)量的減少并沒(méi)有制約農(nóng)業(yè)生態(tài)效率，同時(shí)耕地的規(guī)?；⒕?xì)化管理有助于農(nóng)業(yè)的綠色發(fā)展，提升農(nóng)業(yè)生態(tài)效率水平。農(nóng)業(yè)機(jī)械密度因子是2000年、2008年為最顯著的驅(qū)動(dòng)因子，而到了2017年變?yōu)榕盼坏谖澹f(shuō)明工業(yè)化后期，省域間農(nóng)業(yè)機(jī)械水平差距逐漸縮小，因此農(nóng)業(yè)機(jī)械密度對(duì)農(nóng)業(yè)生態(tài)效率的影響也逐漸減弱。城鎮(zhèn)化水平從2000年開(kāi)始至2017年顯著性逐漸增強(qiáng)，2017年成為對(duì)農(nóng)業(yè)生態(tài)效率影響最顯著的驅(qū)動(dòng)因子，近年來(lái)城鎮(zhèn)化進(jìn)程加快，以農(nóng)業(yè)為主的傳統(tǒng)鄉(xiāng)村型社會(huì)向以工業(yè)和服務(wù)業(yè)等非農(nóng)產(chǎn)業(yè)為主的現(xiàn)代城市型社會(huì)快速轉(zhuǎn)變，農(nóng)業(yè)人口減少，而且城鎮(zhèn)化速度逐漸加快，導(dǎo)致農(nóng)業(yè)生態(tài)效率受其影響也逐年遞增。其余農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)人力資本、工業(yè)化水平、財(cái)政支農(nóng)水平等驅(qū)動(dòng)因子雖有變化，但變動(dòng)幅度不大，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和財(cái)政支農(nóng)水平在研究時(shí)間范圍內(nèi)，對(duì)農(nóng)業(yè)生態(tài)效率的影響均有限，前者說(shuō)明狹義農(nóng)業(yè)在廣義農(nóng)業(yè)中所占比重以及財(cái)政對(duì)農(nóng)林水務(wù)的支持和投入對(duì)地區(qū)農(nóng)業(yè)生態(tài)效率并無(wú)顯著影響。

3.3.2 驅(qū)動(dòng)因子空間差異研究 為了探究和分析長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率各驅(qū)動(dòng)因子在不同區(qū)域上的空間差異，以2017年為研究時(shí)點(diǎn)，將研究區(qū)域分為湖北省域、湖南省域、江西省域，利用地理探測(cè)器分別計(jì)算各地區(qū)驅(qū)動(dòng)因子的q統(tǒng)計(jì)值，繪制雷達(dá)圖(圖6)。從地區(qū)情況差異來(lái)看，主導(dǎo)湖北省域農(nóng)業(yè)生態(tài)效率的核心因子為城鎮(zhèn)化水平(q>0.8)，其次是農(nóng)業(yè)經(jīng)濟(jì)水平和農(nóng)業(yè)人力資本，城鄉(xiāng)差距因子最低，在武漢都市圈的帶動(dòng)下，湖北省域的整體經(jīng)濟(jì)發(fā)展水平較其余兩個(gè)地區(qū)具有優(yōu)勢(shì)，總體城鎮(zhèn)化水平和農(nóng)業(yè)經(jīng)濟(jì)水平處于領(lǐng)先地位，對(duì)農(nóng)業(yè)生態(tài)效率的影響較為顯著；主導(dǎo)湖南省域農(nóng)業(yè)生態(tài)效率的核心驅(qū)動(dòng)因子為工業(yè)化水平(q>0.9)，影響效果顯著，其次是農(nóng)業(yè)機(jī)械密度和城鎮(zhèn)化水平，農(nóng)業(yè)人力資本因子影響最小，湖南省域農(nóng)業(yè)生態(tài)效率受到“石油農(nóng)業(yè)”的影響較大，工業(yè)化發(fā)展以及農(nóng)業(yè)機(jī)械的數(shù)量在農(nóng)業(yè)發(fā)展的進(jìn)程中具有關(guān)鍵作用，對(duì)農(nóng)業(yè)生態(tài)效率產(chǎn)生較大影響；主導(dǎo)江西省域農(nóng)業(yè)生態(tài)效率的核心因子是城鎮(zhèn)化水平、財(cái)政支農(nóng)水平和工業(yè)化水平(q>0.7)，其中城鎮(zhèn)化水平對(duì)農(nóng)業(yè)生態(tài)效率的影響作用最為顯著，農(nóng)業(yè)人力資本的影響作用最弱，說(shuō)明江西省域農(nóng)業(yè)發(fā)展與城鎮(zhèn)化水平關(guān)系緊密，同時(shí)江西省歷來(lái)是農(nóng)業(yè)大省，政府在政策和財(cái)政方面對(duì)農(nóng)業(yè)發(fā)展有所傾斜，因其工業(yè)快速發(fā)展，工業(yè)化水平對(duì)農(nóng)業(yè)生態(tài)效率也有較大影響。

注：(1)括號(hào)內(nèi)數(shù)字為該因素因子的q統(tǒng)計(jì)值在該區(qū)域所有因子中的排序位置。

從總體情況來(lái)看，地區(qū)間影響農(nóng)業(yè)生態(tài)效率的驅(qū)動(dòng)因子有所差異。城鎮(zhèn)化水平是長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率影響最顯著的驅(qū)動(dòng)因子，且各地區(qū)影響水平較接近，分別為湖北、湖南、江西省域因子排位1，3，1，三者均為城鎮(zhèn)化水平發(fā)展速度較快地區(qū)，說(shuō)明城鎮(zhèn)化進(jìn)程對(duì)農(nóng)業(yè)生態(tài)效率在不同地區(qū)均有較大影響；農(nóng)業(yè)經(jīng)濟(jì)水平、農(nóng)業(yè)人力資本在湖北省域?qū)r(nóng)業(yè)生態(tài)效率具有較強(qiáng)的影響力，但在湖南、江西省域影響力有限，說(shuō)明湖北省域的經(jīng)濟(jì)發(fā)展水平較高，人力資源基礎(chǔ)較穩(wěn)固，有助于提高農(nóng)業(yè)生態(tài)水平，而湖南、江西省域相比較而言較弱勢(shì)，有很大提升空間；工業(yè)化水平因子在湖南、江西省域有較強(qiáng)影響力，而在湖北省域影響力較弱，湖北省域的“退二進(jìn)三”轉(zhuǎn)型已經(jīng)領(lǐng)先湖南、江西省域，說(shuō)明在第二產(chǎn)業(yè)產(chǎn)值依然占據(jù)較大比重的地區(qū)，和其他地區(qū)相比工業(yè)化水平對(duì)農(nóng)業(yè)生態(tài)效率的影響較為顯著，對(duì)農(nóng)業(yè)生態(tài)發(fā)展有較大影響。

4 結(jié) 論

本文基于含有非期望產(chǎn)出的Super-SBM模型，以長(zhǎng)江中游城市群31個(gè)市作為研究單元，使用2000—2017年面板數(shù)據(jù)，結(jié)合空間自相關(guān)模型和地理探測(cè)器對(duì)研究區(qū)域農(nóng)業(yè)生態(tài)效率的時(shí)空演變、空間相關(guān)性及其驅(qū)動(dòng)因子進(jìn)行探究。主要研究結(jié)論如下：

(1)從時(shí)空演變來(lái)看，2000—2017年長(zhǎng)江中游城市群平均農(nóng)業(yè)生態(tài)效率整體水平較高，呈現(xiàn)“降—升—降”的走勢(shì)，2000—2017年長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率平均值由1.03降至0.68，湖南、江西省域與湖北省域差距較大。2000年湖北省域農(nóng)業(yè)生態(tài)效率均值比湖南、江西省域分別高出19.42%和3.94%，至2017年增長(zhǎng)為48.54%和30.89%，各研究單元差異擴(kuò)大，地區(qū)農(nóng)業(yè)生態(tài)效率發(fā)展不平衡，區(qū)域分化現(xiàn)象逐漸顯著。(2)從空間相關(guān)性來(lái)看，2000—2017年長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率的Moran′sI指數(shù)逐漸增大，全局相關(guān)性顯示為“隨機(jī)—聚集”過(guò)程，農(nóng)業(yè)生態(tài)效率集聚現(xiàn)象隨時(shí)間演進(jìn)逐漸顯著。長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率總體空間關(guān)聯(lián)性較弱，擴(kuò)散型、傳染型、沉陷型、極化型平均個(gè)數(shù)分別為1.56，2.89，1.00，2.56，關(guān)聯(lián)不顯著的研究單元占比較大，但各相關(guān)類型均有不同程度的上升趨勢(shì)，關(guān)聯(lián)顯著的研究單元隨時(shí)間推進(jìn)逐漸增多，空間相關(guān)性逐漸向中心區(qū)域集中。(3)從驅(qū)動(dòng)因子來(lái)看，長(zhǎng)江中游城市群農(nóng)業(yè)生態(tài)效率受多種因子共同作用，不同年份下部分農(nóng)業(yè)生態(tài)效率的驅(qū)動(dòng)因子變化較大，農(nóng)業(yè)經(jīng)濟(jì)水平、城鎮(zhèn)化水平對(duì)農(nóng)業(yè)生態(tài)效率的影響隨時(shí)間逐漸增強(qiáng)現(xiàn)象明顯。各驅(qū)動(dòng)因子在不同地區(qū)對(duì)農(nóng)業(yè)生態(tài)效率的影響表現(xiàn)出一定的相似性和差異性，城鎮(zhèn)化水平是對(duì)生態(tài)效率影響最顯著的驅(qū)動(dòng)因子，且各地區(qū)影響水平較接近，而農(nóng)業(yè)經(jīng)濟(jì)水平、農(nóng)業(yè)人力資本、工業(yè)化水平等因子影響則表現(xiàn)出明顯的地域性和差異性。

單純從農(nóng)業(yè)總產(chǎn)值上看，長(zhǎng)江中游城市群地區(qū)農(nóng)業(yè)發(fā)展迅速，產(chǎn)值不斷上升，但農(nóng)業(yè)生態(tài)效率的變化趨勢(shì)顯示，各地市均存在較大的提升空間，且整體差異正在逐漸擴(kuò)大；地區(qū)空間關(guān)聯(lián)性方面，武漢都市圈區(qū)域內(nèi)長(zhǎng)期呈現(xiàn)熱點(diǎn)中心，而環(huán)長(zhǎng)株潭城市群、環(huán)鄱陽(yáng)湖城市群區(qū)域則表現(xiàn)為冷點(diǎn)中心，空間關(guān)聯(lián)中心始終集中在3個(gè)省會(huì)城市周邊，且有向中心區(qū)域集中的趨勢(shì)；驅(qū)動(dòng)因子方面，長(zhǎng)江中游城市群地區(qū)農(nóng)業(yè)生態(tài)效率的驅(qū)動(dòng)因子在時(shí)序和空間分布上均存在明顯差異。目前，農(nóng)業(yè)發(fā)展仍面臨“兩型農(nóng)業(yè)”的艱巨任務(wù)，長(zhǎng)江中游城市群應(yīng)打破各地區(qū)地域界限，加強(qiáng)政策流動(dòng)，縮小地區(qū)間差異；合理控制農(nóng)業(yè)化學(xué)用品和農(nóng)業(yè)機(jī)械動(dòng)力的使用，制定有關(guān)限制條件，加大對(duì)農(nóng)業(yè)污染物排放的治理投資；加強(qiáng)農(nóng)業(yè)基礎(chǔ)設(shè)施條件和農(nóng)業(yè)生態(tài)補(bǔ)償機(jī)制的建設(shè)，同時(shí)加大對(duì)農(nóng)業(yè)技術(shù)研究的投入，促使農(nóng)業(yè)現(xiàn)代化技術(shù)快速進(jìn)步。

長(zhǎng)江中游城市群作為全國(guó)產(chǎn)業(yè)協(xié)調(diào)發(fā)展、共建生態(tài)文明示范區(qū)，農(nóng)業(yè)生態(tài)化研究具有重要價(jià)值。本文通過(guò)對(duì)長(zhǎng)江中游城市群地區(qū)農(nóng)業(yè)生態(tài)效率的測(cè)算及分析，發(fā)現(xiàn)了研究時(shí)期內(nèi)農(nóng)業(yè)生態(tài)效率的地理空間特征，揭示了其有關(guān)驅(qū)動(dòng)因子的顯著性和時(shí)空分布，研究結(jié)論對(duì)地區(qū)農(nóng)業(yè)生態(tài)化發(fā)展戰(zhàn)略相關(guān)政策的制定有借鑒意義。但農(nóng)業(yè)生產(chǎn)除可見(jiàn)成本外，各種社會(huì)經(jīng)濟(jì)因素對(duì)農(nóng)業(yè)生態(tài)效率的損失均存在影響，深入研究相關(guān)政策、農(nóng)業(yè)勞動(dòng)力、農(nóng)業(yè)耕作方式、農(nóng)業(yè)技術(shù)變化等要素是未來(lái)農(nóng)業(yè)生態(tài)效率研究可考慮的方向。同時(shí)基于本文結(jié)論，農(nóng)業(yè)生態(tài)效率的驅(qū)動(dòng)因子存在明顯的地區(qū)差異，針對(duì)不同地域特征，對(duì)農(nóng)業(yè)生態(tài)效率驅(qū)動(dòng)因子的差異評(píng)價(jià)也是今后深入研究的重要方向，從空間視角制定出科學(xué)的農(nóng)業(yè)生態(tài)發(fā)展策略，對(duì)優(yōu)化地區(qū)資源要素配置和促進(jìn)區(qū)域可持續(xù)發(fā)展有著重要作用。