EN中文

自然资源学报 >

2024 , Vol. 39 >Issue 6: 1299 - 1319

DOI: https://doi.org/10.31497/zrzyxb.20240604

城乡融合对低碳土地利用效率影响的空间效应——以长三角地区为例

  • 刘笑杰 , 1, 2, 3 ,
  • 金晓斌 , 1, 2, 3 ,
  • 罗秀丽 1, 2, 3 ,
  • 周寅康 1, 2, 3 ,
  • 肖人荣 4
展开
  • 1.南京大学地理与海洋科学学院，南京 210023
  • 2.自然资源部海岸带开发与保护重点实验室，南京 210023
  • 3.自然资源部碳中和与国土空间优化重点实验室，南京 210023
  • 4.兰州大学资源环境学院，兰州 730000
金晓斌（1974- ），男，甘肃兰州人，博士，教授，博士生导师，研究方向为土地利用与国土整治。E-mail:

刘笑杰（1994- ），男，河南周口人，博士研究生，研究方向为碳排放与国土空间优化。E-mail:

收稿日期: 2023-09-18

  修回日期: 2023-12-13

  网络出版日期: 2024-06-11

基金资助

国家自然科学基金项目(42271259)

自然资源部海岸带开发与保护重点实验室开放基金项目(2021CZEPK07)

收起

Spatial effects of urban-rural integration on low-carbon land use efficiency: A case study of the Yangtze River Delta

  • LIU Xiao-jie , 1, 2, 3 ,
  • JIN Xiao-bin , 1, 2, 3 ,
  • LUO Xiu-li 1, 2, 3 ,
  • ZHOU Yin-kang 1, 2, 3 ,
  • XIAO Ren-rong 4
Expand
  • 1. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China
  • 2. Key Laboratory of Coastal Zone Exploitation and Protection, Ministry of Natural Resources, Nanjing 210023, China
  • 3. Key Laboratory of Carbon Neutrality and Territory Optimization, Ministry of Natural Resources, Nanjing 210023, China
  • 4. College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China

Received date: 2023-09-18

  Revised date: 2023-12-13

  Online published: 2024-06-11

Fold

摘要

城乡融合是国土空间低碳转型的重要路径，在区域一体化背景下探究其对低碳土地利用的作用机制具有重要意义。在测度城乡融合发展水平和低碳土地利用效率的基础上，运用ESTDA框架和空间计量模型量化了长三角地区城乡融合对低碳土地利用的时空动态性，并对具体因素及其空间效应进行甄别。结果表明：（1）2005—2020年长三角城乡融合发展水平与低碳土地利用效率在波动中上升，区域差异显著并呈现以区域中心城市为核心的扩散模式；（2）城乡融合发展水平与低碳土地利用效率之间具有显著的空间正相关且空间依赖程度呈增强态势，局部格局保持稳定并表现出HH型和LL型的空间聚类趋同现象；（3）城乡融合发展相对于低碳土地利用格局演化的空间整合性较弱，且局部关联和动态跃迁展现出一定的路径依赖和空间锁定特征；（4）城乡融合是影响低碳土地利用的关键因素，其发展水平每提高1%将导致本地低碳土地利用效率增加0.2%，而控制因素中科技投入和对外开放的直接效应为正，财政压力和生态压力的直接效应为负，财政压力、环境规制、公共服务设施和土地市场化则均不存在显著的空间溢出效应。研究结果可为制定低碳高效的土地利用政策，促进城乡融合高质量发展提供参考。

关键词： 城乡融合; 土地利用效率; 空间溢出效应; 低碳; 长三角

本文引用格式

刘笑杰 , 金晓斌 , 罗秀丽 , 周寅康 , 肖人荣 . 城乡融合对低碳土地利用效率影响的空间效应——以长三角地区为例[J]. 自然资源学报, 2024 , 39(6) : 1299 -1319 . DOI: 10.31497/zrzyxb.20240604

Abstract

Urban-rural integration is a crucial avenue for the low-carbon transformation of national spaces, particularly in understanding its mechanisms for low-carbon land use within the context of regional integration. Employing the ESTDA framework and spatial econometric models, we quantified the spatio-temporal dynamics of urban-rural integration's impact on low-carbon land use in the Yangtze River Delta. This involved assessing the development level of urban-rural integration and the efficiency of low-carbon land use. Our analysis revealed the following findings: (1) Between 2005 and 2020, the Yangtze River Delta experienced a fluctuating upward trend in both urban-rural integration development level and low-carbon land-use efficiency, with notable regional disparities and a spreading pattern centered around the region's central cities. (2) A significant positive spatial correlation was observed between urban-rural integration and low-carbon land use efficiency, with an increasing spatial dependence. Local patterns remained stable, showing spatial clustering convergence for both high-high (HH) and low-low (LL) types. (3) In contrast to the evolution of low-carbon land use patterns, urban-rural spatial integration exhibited weak correlations, with local patterns and dynamic transitions displaying path-dependent and spatially locked features. (4) Urban-rural integration emerged as a key factor influencing low-carbon land use, with each 1% increase in its development level resulting in a 0.2% increase in local low-carbon land use efficiency. Among the control factors, the direct effects of technological inputs and the degree of opening up were positive, while the direct effects of financial and ecological pressures were negative. Fiscal stress, environmental regulation, public service facilities, and land marketization showed no significant spatial spillover effects. The results of our study provide references for formulating low-carbon and efficient land-use policies, promoting high-quality development through the integration of urban and rural areas.

Key words： urban-rural integration; land use efficiency; spatial spillover effect; low-carbon; Yangtze River Delta

土地资源是社会经济发展的空间载体，其利用水平反映了地区的技术效率与生产潜力，并决定居民生活的物质环境条件[1]。中国自1978年改革开放后实现经济高速增长的同时，工业化和城市化的迅猛推进引发土地利用的快速变化与空间重构，特别是粗放的土地利用模式消耗大量化石能源造成碳排放量持续增加[2]。作为全球碳排放大国，中国为应对气候变化、促进高质量发展于2020年提出双碳目标。国土空间低碳转型是全面应对气候变化的重要举措，亦是中国生态文明建设的必然要求，通过调整用地结构及空间布局，维护区域土地资源的高效利用可有效减少碳排放并推动碳中和愿景达成[3]。然而现阶段中国城乡发展不平衡、乡村发展不充分等矛盾突出，城乡要素流动不顺畅、公共资源配置不合理等障碍凸显，土地资源约束趋紧、土地利用低效等国土空间问题尤为严重[4]。城乡融合作为优化国土空间利用的重要途径，是高质量发展的重要一环，通过处理城乡人地关系及完善要素配置，旨在破除城乡二元化壁垒实现一体化发展[5]。党的“二十大”报告提出坚持城乡融合发展，畅通城乡要素流动。当前以多元主体协同及资源要素整合为基础的城乡融合发展成为提升土地利用效能的重要手段，而提高城乡用地效率，保障城乡发展权益也是实现城乡融合发展的内在要求[6]。在区域协调发展战略实施不断深入的背景下，对土地利用效率研究有助于理解城乡融合过程的转化机制，并致力于国土空间格局优化。
土地利用效率是土地投入要素合理利用、有效配置和管理经营水平的综合映照[7]。作为地理学、经济管理学等领域关注的焦点话题，土地利用效率研究在基础理论、指标体系、测度方法、模型构建、优化对策等方面历经日益丰富的发展历程，形成了方法多元、内容多样、尺度多维的科学范式与研究框架[8]。评价体系逐渐从单维度的土地利用经济效益向人文社会和生态环境效益等多维度方向发展，并侧重于土地资源综合利用效益[9]。研究内容主要集中在耕地、工矿仓储用地、建设用地等单一或复合地类利用效率的测度与分解、时空演变特征和空间分异规律、空间溢出效应、驱动机理及互动机制等方面[10⇓-12]。研究尺度涉及全国、省域、流域、城市群、大都市区等[13]。研究方法由最初的形势分析和定性描述发展为以随机前沿分析（SFA）为典型的参数方法和以数据包络分析（DEA）为代表的非参数方法两类主流定量模型方法，并常借助泰尔指数、变异系数、聚类分析、马尔科夫链、空间自相关模型来揭示土地利用效率的区域差异、收敛性和空间相关性[14,15]。随着中国生态文明建设进入以降碳为重点、生态环境质量改善由量变到质变的关键期，有研究尝试将碳排放纳入区域土地利用效率评估体系，从低碳经济和人居环境角度评估土地绿色利用情况[16]，但对城乡融合发展驱动下低碳土地利用内在机理关注较少。城乡融合事关全面建成小康社会和现代化建设全局，且与可持续发展目标（SDGs）密切相关，一直受到政府和学界的关注与重视。一方面研究者从不同视角对城乡融合的概念内涵进行阐释，梳理城乡关系演进脉络并结合发展机理提出城乡融合实现路径[17]；另一方面基于实证分析测度不同地域城乡融合水平并识别时空异质性，为精准把握城乡融合发展现状提供实践遵循[18]。城乡融合对土地利用效率的影响是复杂的，既有文献针对二者的交融互动关系展开有益探究，主要包括土地利用变化与城乡关系演变、土地利用转型与城乡经济社会发展、城乡融合发展与城市土地资源利用效率的内在关系[19]。研究揭示出城乡融合通过改变土地资源的配置结构与利用强度并在很大程度上影响其利用效率，同时也取决于政府政策、城市规划、农业发展等多个因素的相互作用[20]。然而纵观已有研究，城乡关系与土地利用的研究多侧重于城乡融入发展或土地利用效率单边分析，很少有学者将城乡融合纳入低碳土地利用解析体系，识别空间关联与相互作用机制的截面特征而对空间结构变迁的时间过程探讨不足，缺乏对城乡融合背景下低碳土地利用效率影响因素的空间溢出效应研究。
鉴于此，本文选取中国经济发展、环境保护和资源约束潜在矛盾突出的区域之一——长三角地区作为研究对象，引入低碳理念，在利用动态加权综合评价模型和超效率EBM模型对2005—2020年41座城市的城乡融合发展水平和低碳土地利用效率进行评估的基础上，运用探索性时空数据分析（ESTDA）框架从时空交互的视角出发阐明二者的时空动态特征，最后采用空间计量模型量化城乡融合发展对低碳土地利用影响的空间溢出效应。研究结果可为制定形成集约低碳高效的国土空间格局以及推动长三角地区城乡融合高质量发展提供方向指引和决策依据。

1 内在逻辑与分析框架

1.1 城乡融合的内在逻辑

城市与乡村作为城乡地域系统重要组成部分，是密不可分的融合体和矛盾的有机统一体。长期以来中国农村发展和城市建设展现出政策两清单、业务两张皮导致城乡对立分割的现实[21]，特别是城市导向下发展战略、重工业导向下产业结构和市民导向下收入分配制度，加深了城乡分割、土地分治、人地分离的矛盾，并由此衍生出日益恶化的乡村病和城市病（图1）。这两者相互转换、复合叠加形成的城乡病正在导致城乡发展差距拉大、二元结构突出、基本公共服务不均、基础设施衔接不畅等现实问题，衰落的农村与繁荣的城市之间的对比变得更加明显。为破解城乡发展严重对立格局、加快建立城乡统筹长效机制，国家先后发布一系列战略规划和实施方案，引导新型城镇化与乡村振兴转向同步化、融合化和共荣化。城乡统筹、城乡一体化、城乡融合等相关政策相继出台，相较前者，城乡融合更注重城乡发展机会共享和地位平等，承认农村独特的内生价值[22]。从城乡发展全局和历史经纬来看，乡村孕育了城市、支撑了城镇化，城乡之间存在着一种互惠关系。因此，研究者和政策制定者应从城乡融合的角度来解决城乡失衡问题，并在新时期逐步将“以城带乡”的战略转变为“城乡融合”的战略。通过优化资源配置、人口流动、基础设施建设、农业现代化、生态保护和政策支持等手段，实现城乡之间的协同发展，促进全面、协调、可持续的经济社会进步。
图1 城乡融合的内在逻辑

Fig. 1 Internal logic of urban-rural integration

城乡关系是复杂的，是指城乡之间的互动共生关系，它与各个系统相互作用、相互影响，构成人类社会发展中最基本的经济和社会关系。在区域可持续发展背景下，城乡关系为理解国土开发议题并制定有效的政策来解决这些关键问题提供了重要视角，其内涵涵盖城乡经济、社会、生态、空间和人文等诸多方面。城乡融合本质上是城乡关系演进的一个阶段，是顺应城乡关系转型发展需求，促进城市与乡村在社会、经济、文化、制度等全方面协调并形成高度依赖、互相支撑的城乡社会网络系统，最终实现城乡由高度对立转变为深度融合的发展格局[23]。城乡融合为灵活构建优势互补、高质量发展的国土空间布局和提升国土空间开发效率提供了重要支撑，而以城乡融合视角审视和思考区域土地开发利用的成效和影响是国土空间治理能力现代化的应有之义。城乡融合是一个复杂而广泛的动态社会经济系统（图1）。其中，城乡经济融合通过资本、技术等生产要素的混合和再优化提高社会生产力，实现城乡经济协调可持续；城乡社会融合涉及城乡在衣、食、住、行等民生福祉高度统一，实现物质文明和精神文明共享，提高城乡居民的幸福感和获得感，促进城乡社会的全面发展；城乡人口融合是人口空间分布的重要要求，城乡人口综合管理有利于缓解区域土地承载压力，带动就业结构优化调整，促进城乡融合健康发展；城乡生态融合是实现城乡融合的必然要求，城乡生态环境的统一管理可形成资源互补、生态共享的发展格局，保障城乡融合健康发展；城乡空间融合旨在避免城市不断蔓延并挤压农村发展空间，舒缓因空间割裂而分化的城乡居民关系[21]。因此，城乡融合通过深化体制改革消除城乡发展障碍，促进区域资源要素良性互动和功能互补，加快城乡经济、社会、人口、生态、空间的有机融合，实现区域系统整体功能优化。

1.2 城乡融合对低碳土地利用效率的作用机理

城乡融合是新形势、新格局下的一个更高层次的过程，是重构土地利用空间格局的重要动力。城乡融合的规模、速度、程度等通过改变城乡发展所需土地、人口、资本等生产要素的交流路径，作用于土地利用系统外部物质循环和内部能量传递，改变区域土地利用的强度、限度与广度[24]。国土是区域经济社会的空间载体和生态系统的重要组分，内嵌于城乡地域系统并参与城乡发展的全过程。土地利用效率是衡量国土空间利用水平的重要指标，反映资源、劳动力和资本投入土地的价值实现程度，关系到地区社会经济发展和人文环境建设。提高土地利用效率就是要最大限度地发挥土地资源的效用，充分挖掘土地资源的潜力，实现社会效益、经济效益和环境效益的协调统一[25]。城乡土地低碳高效利用不仅是要素市场化配置改革的重要目标，更是实现城乡融合的客观要求。
城乡融合对低碳土地利用效率的影响主要体现在要素流动、产业布局、空间关联和社会福利等（图2）。随着城乡一体化发展，要素流动的频率和范围逐步加快与扩大，导致要素配置效率提高，特别是依据比较优势和资源禀赋在区域间的再配置，进一步推进区域分工结构与资源配置结构的合理化，使得要素流入和流出地的用地效率共同提高[26]。且要素流动引导土地开发通过技术扩散、人力积累和资本补偿，促进生产区域向投资更好的地方布局和重组，由此产生的规模效应、溢出效应和集聚效应将强化资本、技术和人力对土地要素的替代效应，降低土地利用强度[27]。同时城乡融合的推进对产业结构优化升级，低污染、低能耗的第三产业取代传统劣势产业占据主导地位，极大地改善了土地利用格局，由此产生的集聚效应将促进区域产业的规模化、专业化，实现土地的高效利用。尤其是城乡融合带动下的集约节约利用和产业链延伸拓展，将为产业协调发展创造条件，提升土地利用绩效[28]。城乡融合是地域空间关联整合的过程，伴随城乡交通网络和地理边界的隔阂逐渐被消解，城乡内部的非农业与农业生产经营活动联系起来有助于实现城乡功能分区，并在布局调整过程中构建城乡发展空间新秩序，降低碳排放强度。此外，城乡融合发展将通过加强公共服务、改善生态环境、提升生态碳汇能力等福利，提高土地利用的社会效益和生态效益。需要指出的是，区域土地利用效率也会影响城乡融合水平，促进城乡一体化的演进发展。土地低碳集约化利用有助于提高土地经济密度，通过资本和技术的引入发挥资源要素的高效配置，提高城乡融合的规模和协同性。同时土地资源高效利用可优化产业空间布局，提升城乡空间整体价值，加强区域之间的联系，加快城乡一体化进程。此外，土地利用通过合理调整城乡人地关系，加速城乡人口流动，提高劳动力配置效率，带动城乡就业，促进城乡一体化建设。
图2 城乡融合对低碳土地利用效率作用机理框架

Fig. 2 Analysis framework of urban-rural integration and low-carbon land use efficiency

2 研究方法与数据来源

2.1 超效率EBM模型

EBM（Epsilon-Based Measure）模型包含径向和非径向距离函数，能够克服传统DEA模型或缺乏松弛测算或损失原始信息的缺陷。超效率EBM模型进一步考虑结果可比性，构造不同单元投入产出的最佳前沿面，其模型形式为[29]：
ρ * = m i n ϑ - ϱ x ∑ i = 1 m w i - s i - x i k φ + ϱ y ∑ r = 1 s w r + s r + y r k + ϱ b ∑ z = 1 p w z b - s z b - b z k
s . t . ∑ j = 1 ,   j ≠ k n x i j τ j + s i - = ϑ x i k ,   i = 1 ,   ⋯ ,   m ∑ j = 1 ,   j ≠ k n y r j τ j + s r + = φ y r k ,   r = 1 ,   ⋯ ,   s ∑ j = 1 ,   j ≠ k n b z j τ j + s z b - = φ b z k ,   z = 1 ,   ⋯ ,   p τ j ≥ 0 ,       s i - ≥ 0 ,       s r + ≥ 0 ,       s z b - ≥ 0
式中： ρ *为决策单元的综合效率； x i k、 y r k和 b z k为被预测决策单元k的投入、期望和非期望产出； s i -、 s r +和 s z b -为投入、期望产出和非期望产出指标的松弛变量； ϱ x、 ϱ y和 ϱ b为投入、期望和非期望产出非径向部分的重要程度； τ j为线性组合系数。鉴于超效率EBM模型以横截面数据为基础，本文结合GML指数进行时间上的动态分析。
土地利用效率是包含劳动力、资本、土地等全要素的投入产出比，其评价体系在注重区域土地利用的社会经济效益的同时，更要考量国土开发过程中对环境的负效应[9]。在指标选取上，以建设用地面积、耕地面积和生态用地面积作为土地投入指标，以固定资产投资额作为资本投入指标，以年末从业人员作为劳动力投入指标（表1）。其中，耕地、建设用地和生态用地是城乡各项经济社会文化活动的介质，三者共同构成了城乡土地利用的重要组成部分；固定资产投资是考察投资效果和观察工程进度的重要依据，综合反映了城乡固定资产结构规模和发展速度[12]；各行业劳动力投入是城乡发展的人力基础，关系到城乡人口流动和城市化进程。在产出方面，将经济、社会和环境等效益作为期望产出指标，分别对应于城乡居民可支配收入、粮食总产量和森林覆盖率，反映市域在一定时期内生产经营和服务活动的最终成果[16]，特别是森林覆盖率有利于综合体现森林资源丰富程度、国土绿化状况和碳汇能力；将温室效应作为市域人为活动对环境产生负外部性的直接体现，并选取碳排放量作为城乡发展过程中对环境造成负效应的典型指标[30]。
表1 基于投入—产出模型的低碳土地利用效率指标体系构建

Table 1 Low-carbon land use efficiency index system based on input-output model

变量 指标类型 类别 具体指标
土地利用效率
（LUE）		 投入指标 土地投入 建设用地面积/km2
耕地面积/km2
生态用地面积/km2
劳动力投入 年末从业人员/万人
资本投入 固定资产投资额/亿元
期望产出 经济效益 城乡居民可支配收入/元
社会效益 粮食总产量/万t
环境效益 森林覆盖率/%
非期望产出 温室效应 碳排放总量/百万t

2.2 城乡融合发展水平测度

城乡融合是一个涉及面广且内部要素关系复杂的系统工程，包括土地、产业、就业、医疗、交通、居民生活、生态环境、污染治理等实体要素以及思想观念、制度文化、风俗习惯等非实体要素[21]。此外，城乡融合不仅可被视为目标，还可被视为状态，更可被视为过程[31]，有必要考虑多类型的评价指标，即反映城乡社区差异和比较的对比指标，有助于识别特定时间城乡融合体系状况及其要素流动性的状态指标，以及推动城乡流动的动态指标。因此，为科学测度长三角地区各城市历年的城乡融合发展水平，结合现有文献并综合考虑高质量发展阶段城乡融合的时代内涵，从经济、社会、人口、生态和空间等维度构建城乡融合发展水平测度指标体系（表2）。
表2 城乡融合评价指标体系

Table 2 Indicator system of urban-rural integration evaluation

目标层 维度层 指标层
指标 指标计算或描述 类型 属性
城乡融合
（URI）		 经济融合 经济发展水平 人均GDP/元 综合 +
城乡居民人均收入比 城镇居民人均可支配收入/农村居民人均可支配收入/% 对比 -
城乡居民家庭人均消费比 城镇居民人均消费性支出/农村居民人均消费性支出/% 对比 -
农村就业结构 农村二三产业就业人数/农村就业总数/% 追赶 +
二元生产效率比 (第一产业产值/第一产业从业人数)/(第二、三产业产值/第二、三产业从业人数)/% 对比 +
社会融合 城乡恩格尔系数比 城市恩格尔系数/农村恩格尔系数/% 对比 +
城乡人均医疗保健支出比 城镇居民人均医疗保健支出/农村居民人均医疗保健支出/% 对比 -
城乡养老保险覆盖率 城乡居民养老保险参保人数/行政区域常住
人口数/%		 综合 +
城乡文教娱乐对比系数 城镇居民人均文教娱乐服务支出/农村居民人均文教娱乐服务支出/% 对比 -
城乡失业保险覆盖率 城乡居民失业保险参保人数/行政区域常住
人口数/%		 综合 +
人口融合 人口城镇化水平 城镇常住人口/行政区域年末人口数/% 综合 +
城乡人口密度比 城镇人口密度/农村人口密度/% 对比 -
城乡居民就业比 城镇居民就业人数/农村居民就业人数/% 对比 -
农业与非农从业比 第一产业从业人数/第二、三产业从业人数/% 综合 -
生态融合 人均公共绿地面积 公共绿地面积/非农业人口/(m2/人) 综合 +
建成区绿化覆盖率 建成区绿地面积/城市建成区面积/% 综合 +
城乡节能减排 能源消费总量/GDP/(万tce/万元) 综合 -
农村卫生厕所普及率 使用卫生厕所的农户数/农户总户数/% 追赶 +
城乡空气质量状况 可吸入细颗粒物（PM2.5）年均浓度/(μg/m³) 综合 -
空间融合 交通运输网密度 公路、铁路运营总里程/行政区域总面积/(km/km2) 综合 +
人均邮电业务量 邮政及电信业务总量/总人口/(万元/人) 综合 +
土地城镇化水平 建成区面积/行政区域土地总面积/% 综合 +
城乡土地利用比 农村住宅面积/城市建成区面积/% 对比 +
其中，城乡经济融合的指标选择应充分反映城乡经济发展状况和经济发展的互补与融合程度，体现缩小农业与工业生产部门的投资回报率差距，故选取城乡经济发展水平、城乡居民人均收入、城乡居民家庭人均消费、农村就业结构及二元生产效率等方面来衡量城乡经济融合水平[17⇓-19]；城乡社会融合指标主要反映城乡居民的福利水平，鉴于公共服务不均衡、基础设施差异化是现阶段城乡社会结构矛盾的典型特征，从生活、教育、医疗、养老、就业等方面对城乡社会融合进行分析[20,24]；人的双向融合是重构城乡关系、促进城乡融合发展最为关键的要素，选取人口城镇化、人口密度、居民就业结构等指标衡量城乡人口融合[25,27]；生态融合是加快城乡融合的重要基础，良好的生态环境有利于增进民生福祉，重塑新型城乡关系应更加注重人与自然的和谐共生，从人均公共绿地面积、建成区绿化覆盖率、城乡节能减排、农村卫生厕所普及率、空气质量状况等方面刻画生态环境融合水平[9,10,14]；空间是城乡的共同载体，是城乡关系演变的地理表达[21]。从空间角度看，城乡融合将城乡实体整合为一个连续性、网络化、多节点、可渗透的区域综合体，交通运输网密度、人均邮电业务量、土地城镇化及城乡土地利用比等可以反映城乡间往来便利状况和土地配置状况[26,32]，均能体现城乡在空间维度的融合水平。由于熵值法确定指标权重既能克服主观赋权法的不足，还可有效解决多指标间信息重叠问题，因此，根据各样本数据离散程度用信息熵来确定指标权重，并采用多目标加权求和法计算各城市城乡融合发展水平。

2.3 探索性时空数据分析

2.3.1 双变量LISA模型

双变量空间自相关可有效描述两个地理要素的空间关联和依赖特征[32]。本文在运用全局空间自相关判断城乡融合和低碳土地利用效率空间分布特性的基础上，利用双变量LISA模型探索两者的空间关联特征，其表达式为：
I = ∑ i = 1 n ∑ j = 1 n w i j ( x i - x - ) ( x j - x - ) S 2 ∑ i = 1 n ∑ j = 1 n w i j
I i = ( x i - x - ) ∑ j = 1 n w i j ( x i - x - ) S 2
式中：I和 I i分别为双变量全局空间自相关系数和局部关联指数； w i j为空间权重距离；n为样本个数（个）； S 2为样本方差。

2.3.2 LISA时间路径

LISA时间路径是马尔科夫转移矩阵的连续性表达，通过可视化空间单元属性值与其空间滞后的成对移动揭示邻域间时空交互作用的强度与方向[33]。设i单元跃迁路径为一组向量 [( § i , 1,   § L i , 1), ( § i , 2,   § L i , 2),   ⋯, ( § i , t,   § L i , t)]， § i , t和 § L i , t是i单元及邻域在t时期的观测值。主要参数包括相对长度（ Γ i）、弯曲度（ e i）和平均移动方向（ θ i），计算公式为：
Γ i = N × ∑ t = 1 T - 1 d ( L i , t ,   L i , t + 1 ) ∑ i = 1 N ∑ t = 1 T - 1 d ( L i , t ,   L i , t + 1 )
e i = ∑ t = 1 T - 1 d ( L i , t ,   L i , t + 1 ) d ( L i , 1 ,   L i , T )
θ i = a r c t a n ∑ j s i n θ i ∑ j c o s θ j
式中： N=41； L i , t为t时期i市的LISA坐标； d ( L i , t ,   L i , t + 1 )为i市从t至t+1的移动距离； Γ i>1表明i市具有更加动态的局部空间依赖关系； e i越大表明路径越弯曲即受局部结构的时空依赖效应影响越大； θ i为i市年际平均移动方向，其中0~90°和180°~270°方向分别表示正、负向的协同运动，共同反映邻域间呈现出整合的空间动态性[23]。

2.3.3 LISA时空跃迁

LISA时空跃迁探究研究时段各单元间局部空间关联类型的转移情况，其类型划分Ⅰ、Ⅱ、Ⅲ和Ⅳ四种[34]。其中类型Ⅳ表示自身及其邻域保持稳定，均位于转移矩阵的主对角线上。Moran图空间稳定性 ɗ t可表示为：
ɗ t = P 0 , t n
式中： P 0 , t和n为t时段内发生类型Ⅳ跃迁和所有可能发生跃迁的单元个数（个）； ɗ t取值 [0,1]，值越大即空间稳定性越强。

2.4 空间计量模型

空间计量模型是考察地理事物空间关联性的主要模型，包括空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）等。其中SDM模型包含内生和外生的空间效应，参数估计不受遗漏变量空间依赖程度的影响，应用范围更广[35]。SDM基本形式为：
y i t = δ ∑ j = 1 N w i j y j t + β x i t + γ ∑ j = 1 N w i j x j t + μ i + λ t + ε i t ,   ε i t ~ i . i . d ( 0 ,   δ 2 )
式中： y i t、 y j t为第t年区域i、j低碳土地利用的观测值； x i t、 x j t为第t年区域i、j城乡融合的观测值； δ、β和 γ为待估参数向量、空间滞后系数和空间回归系数； μ i与 λ t为空间与时间效应； ε i t为随机误差项。当 γ = 0时，即为SLM模型；当 γ + δ β = 0时，即为SEM模型。
除核心解释变量城乡融合外，选取一系列控制变量以探讨其他可能影响低碳土地利用效率的因素。（1）财政压力（FP）。中国土地利用在很大程度上受政府行为决策的影响，土地财政会降低土地资源配置的效率造成土地的低效利用，以一般公共预算支出与收入的比值来反映地方财政压力[13]。（2）科技投入（STI）。科技投入转化为成果可优化土地利用模式，减少能源消耗碳排放，促进土地资源有效利用，以R&D经费支出额作为地方科技投入代理变量[14]。（3）对外开放（OU）。外商投资为本地经济发展注入新动力的同时，可能会出现土地利用粗放、外资利用效率不高等问题，以实际利用外资总额占GDP比例衡量地方对外开放水平[15]。（4）环境规制（ER）。环境规制使得环境污染的外部问题内部化，促使资源的配置效率提高，实现经济与环境协调发展，以污染治理投资占GDP比例表征地区环境规制力度[16]。（5）土地市场化（LMR）。土地市场化可引导土地资源实现最优的配置数量和用途，从而达到帕累托最优状态，以土地市场化指数来表示土地市场化程度，具体计算过程参考Du等[36]的研究。（6）生态压力（EP）。人口集聚引起的土地利用变化对区域生态环境影响显著，特别是巨大的人口数量和迅猛的增长速度，对生态环境造成了潜在的压力，以人口密度来表示生态压力[30]。（7）公共服务（PS）。公共服务水平可提高城市土地利用效率，但若公共服务设施过度集中在城市，可能会导致周边农村人口流动至城市共享公共服务而增加城市的拥堵成本降低土地利用效率，以每万人医院床位数衡量[31]。

2.5 数据来源

使用的土地利用数据源于1990—2020年中国30 m土地覆盖年度数据集（CLCD），该数据集长期一致性、年际更新及在全国范围内的高度专题细节使其对包括土地核算、森林监测和荒漠化等众多应用具有吸引力；PM2.5浓度数据来自中国高分辨率高质量近地表空气污染物数据集（CHAP），该数据融合遥感监测、模型模拟和站点实测数据，精度较高并被广泛使用[37]；碳排放数据源自人为源排放清单的全球高分辨率排放数据产品（ODIAC），该数据产品将天基夜间灯光数据与发电厂排放的位置概况相结合，通过创新排放建模方法获得了全球化石燃料CO2排放的精细图像，并广泛用于城市排放估算、通量反演、观测系统设计实验等国际研究[38]；其余表征低碳土地利用效率评价投入指标及城乡融合发展水平测度的相关数据，来源于《中国城市统计年鉴》《中国国土资源统计年鉴》、长三角各城市历年统计公报和政府网站等；部分缺失数据采用线性插值法进行补全。

3 结果分析

3.1 城乡融合与低碳土地利用的时空格局

2005—2020年长三角城乡融合发展水平总体呈稳中有升趋势（图3），其值由0.14增加至0.27，增幅为92.2%。此期间安徽、江苏、浙江、上海的城乡融合发展水平增幅呈阶梯式递增，其中上海的城乡融合发展水平最高，由0.52增至0.87，其城市的高水平发展有效刺激了农村社区的同步发展，城乡差距继续缩小，安徽、江苏和浙江分别从0.10、0.16和0.15升至0.20、0.30和0.29。另一方面，长三角低碳土地利用效率呈持续上升态势，由2005年的0.64提高到2020年的0.84，涨幅为30.5%。期间上海土地利用效率值从1.10增至1.60，其次是浙江和江苏从0.70和0.67增至0.93和0.85，而安徽从0.55增至0.73。2005—2020年长三角城乡融合发展与低碳土地利用的空间分布发生较大变化（图4）。其中2005年超过80%的城市城乡融合发展水平低于0.2，主要分布在苏北、皖西南和浙南。这些地区处于城乡转型的关键期，但经济增长仍然是以农村向城市迁移和农村集体土地通过征地向城市国有土地转化为代价，这两个代价即为人口红利和土地红利的特殊形式。农村发展明显滞后于城市发展，城乡要素流动未形成健康流动，表现为城乡矛盾激烈，城乡融合水平较低。2010—2015年小于0.2的比例由65.9%降至46.3%，大于0.3的比例则由9.8%升至17.1%。2020年高值区持续扩张，主要集中在上海及苏南地区。在低碳土地利用方面，2005年上海和苏州的效率值最高达到1.1和1.0，阜阳和安庆的仅为0.35和0.39，受地理条件和土地管理政策的影响，低碳土地利用效率空间非均衡性特征显著。2010—2015年效率值小于0.6的比例由12.2%升至19.5%，大于1的比例由17.1%升至29.3%，其空间分布差异并未被进一步拉大，可能是多数城市的粗放增长方式和非生态的城镇化模式仍未得到彻底转变，导致城市间效率值在未达到最优的情况下差异缩小。总体来看，囿于经济发展水平、投入要素空间配置不合理及土地可持续利用政策不完善，安徽市域城乡融合水平与土地利用效率相对较低，反映出其城乡融合发展与低碳土地利用具有较大的提升潜力。
图3 长三角地区城乡融合发展水平与低碳土地利用效率的时序演变

Fig. 3 Evolution trend of urban-rural integration and low-carbon land use efficiency in the Yangtze River Delta

图4 长三角地区城乡融合发展水平与低碳土地利用效率的空间分布

Fig. 4 Spatial distribution of urban-rural integration and low-carbon land use efficiency in the Yangtze River Delta

3.2 城乡融合与低碳土地利用的空间分异

计算2005—2020年长三角城乡融合发展水平与低碳土地利用效率的全局Moran's I值及其显著性，探寻二者空间关联性及空间集聚特征（表3）。研究期间城乡融合发展和低碳土地利用效率呈明显空间集聚特征，城乡融合发展空间依赖程度逐渐增强，而低碳土地利用效率空间依赖程度有所减弱。城乡融合发展的单变量Moran's I值波动上升，且均通过0.05的显著性检验，说明城乡融合发展水平相似的城市在空间上趋于邻近且空间依赖性在加强。低碳土地利用效率也存在显著的空间自相关，但空间依赖和集聚强度在减弱。此外，城乡融合和低碳土地利用的分布存在空间关联性，且空间依赖程度呈上升态势。为进一步探索城乡融合与低碳土地利用的局部空间关联特征，将双变量局部关联检验结果的LISA聚类图可视化（图5）。长三角城乡融合发展的局部空间格局保持稳定，总体呈HH型和LL型的空间聚类趋同现象。LL型和HH型的占比最高，约为47.4%和28.1%，其次是LH型约为19.3%，HL型仅为5.3%。其中LL型聚类分布在蚌埠、阜阳、淮北及苏北地区，HH型聚类主要分布在上海及苏南地区，LH型为南通、宣城和嘉兴，HL型则是淮南地区。类似地，低碳土地利用集聚也存在明显的空间俱乐部趋同现象。LL型和HH型的占比最高约为38.8%和32.8%，HL型和LH型较少约为14.9%和13.4%。低碳土地利用效率高的上海与周边的城市呈现空间聚集现象，作为低碳发展实践区和低碳社区的典范，上海及其周边城市劳动力和资本配置合理，城乡发展对建设用地投入依赖较小，在建设用地投入有限的情况下仍能保障较高规模的经济产出，促使土地利用效率接近生产前沿面。整体上，长三角城乡融合与低碳土地利用集聚格局具有较强稳定性与空间异质特征。
表3 城乡融合发展水平与低碳土地利用效率的单变量和双变量Moran's I指数

Table 3 Univariate and bivariate Moran's I of urban-rural integration and low-carbon land use efficiency

年份 单变量Moran's I 双变量Moran's I 年份 单变量Moran's I 双变量Moran's I
URI LUE URI与LUE URI LUE URI与LUE
2005 0.103*** 0.378*** 0.108** 2013 0.135** 0.192*** 0.182**
2006 0.105** 0.326*** 0.114*** 2014 0.140*** 0.135*** 0.190**
2007 0.114** 0.299*** 0.123*** 2015 0.156*** 0.193*** 0.187***
2008 0.122** 0.284*** 0.130** 2016 0.165*** 0.122*** 0.199***
2009 0.128*** 0.153*** 0.142 2017 0.177*** 0.349*** 0.234***
2010 0.133*** 0.179*** 0.156*** 2018 0.186*** 0.291*** 0.251***
2011 0.132** 0.124*** 0.167 2019 0.185*** 0.227*** 0.264***
2012 0.138*** 0.180*** 0.175 2020 0.193*** 0.219*** 0.275***

注：***为P<0.01，**为P<0.05，下同。

图5 长三角地区城乡融合发展水平与低碳土地利用效率的双变量LISA聚类

Fig. 5 Bivariate LISA clustering of urban-rural integration and low-carbon land use efficiency in the Yangtze River Delta

3.3 城乡融合与低碳土地利用的时空动态

利用LISA时间路径几何特征揭示城乡融合发展与低碳土地利用局部空间结构依赖方向上的动态性（图6）。2005—2020年城乡融合发展相对长度大于1的城市占比为36.6%，表明长三角城乡融合发展整体空间格局较为稳定，沿海较内陆地区具有更加动态局部空间结构。弯曲度值均大于1，较大值主要分布在徐州和连云港，反映出其与邻域间具有非常动态的变迁过程。计算各城市LISA坐标点的平均移动方向来揭示邻域间的竞合态势特征。协同高增长和协同低增长的城市分别为9个和4个，表明该时段城乡融合发展格局演化的空间整合性较弱。另一方面，土地利用效率相对长度大于1的城市占比为31.7%，表明低碳土地利用整体空间格局较为稳定。弯曲度且呈外围向中部递减趋势，即中部在空间依赖方向上的波动性趋于相对稳定。协同高增长与协同低增长的数量占比为36.6%，表明低碳土地利用空间格局变化具有一定的空间整合性。此外，采用时空跃迁矩阵探讨二者局部关联类型的转移特征。表4显示，对角线上的元素均大于非对角线上的元素，说明某一单元无论所处的空间滞后类型如何，其在后续年份保持同一类型的概率高于其他类型。研究期城乡融合发展水平HLt→LLt的转移概率最高，最普遍跃迁为类型IV（95.3%），即Moran散点图的空间稳定性为0.953，表明时空跃迁存在较高的路径依赖性。同样地，低碳土地利用效率HLt→LLt的转移概率最高达到0.163，最广泛跃迁类型也为IV（83.4%），表明空间集聚具有一定的空间锁定特征，类型Ⅰ、Ⅱ和Ⅲ的比例分别为10.1%、6.3%和0.2%，反映出单元内部因素对其低碳土地利用效率的影响大于邻域溢出。
图6 长三角地区LISA时间路径参数空间分布

Fig. 6 Spatial distribution of parameters of LISA time path in the Yangtze River Delta

表4 城乡融合发展水平与低碳土地利用效率的时空跃迁与概率矩阵

Table 4 Space-time transition and probability matrix of urban-rural integration and low-carbon land use efficiency

类别 t/(t+1) HH LH LL HL 类型 数量/个 比例/% ɗ t
URI HH 0.947 0.038 0.008 0.008 Ⅰ 17 2.8 0.953
LH 0.018 0.946 0.036 0.000 Ⅱ 10 1.6
LL 0.003 0.010 0.970 0.017 Ⅲ 2 0.3
HL 0.028 0.000 0.069 0.903 Ⅳ 586 95.3
LUE HH 0.854 0.099 0.000 0.047 Ⅰ 62 10.1 0.834
LH 0.147 0.735 0.108 0.010 Ⅱ 39 6.3
LL 0.000 0.043 0.898 0.060 Ⅲ 1 0.2
HL 0.105 0.000 0.163 0.733 Ⅳ 513 83.4

3.4 城乡融合对低碳土地利用影响的空间计量检验

通过对比Log likelihood、Adjusted R2，发现SDM模型的拟合效果最好（表5）。δ在1%置信水平下，SLM模型和SDM模型中的估计值分别为0.162和0.153，说明被解释变量低碳土地利用效率存在较强的空间上的内生交互效应，这种影响主要来自区域土地利用的示范效应。控制住其他解释变量，邻近城市的土地利用效率每升高1%，将导致本地土地利用效率至少升高0.15%，区域间生产要素流动、产业转移及技术扩散导致本地土地利用效率受邻域影响显著。SDM模型结果显示，城乡融合水平、财政压力和生态压力均通过1%的显著性检验，科技投入、公共服务设施和对外开放水平通过5%的显著性检验，而土地市场化和环境规制未通过显著性检验。其中，城乡融合发展水平、科技投入和对外开放水平的弹性系数为正，即对土地利用效率均存在积极的显著影响。究其原因，城乡融合发展通过促进城乡产业结构优化升级和土地集约利用显著促进低碳土地利用效率提升，另一方面也能通过完善城乡基础设施建设促进资源要素流动进而提升土地利用效率；科技投入不仅推动了生产工艺的创新，减少了污染物和废弃物的排放，还提高了资源的综合利用效率，有助于建设更为环保和可持续的土地利用模式；对外开放通过设立开发区、改善经营环境等方式，吸引了契合地方发展诉求的外商企业，推动了土地的高效利用，这种双向选择的方式不仅促进了地方经济的发展，也为土地的可持续利用和生态环境的改善提供了新的机遇。财政压力、生态压力、公共服务的弹性系数为负，即对土地利用效率存在显著的消极影响。原因可能是，通过土地财政的方法获得额外收入虽有助于缓解地方财政收支平衡的压力，但可能导致地方政府忽视了土地规划和管理的科学性与合理性，并引发诸如建设盲目扩张、用地开发粗放等一系列后果，从而抑制了土地低碳高效利用；生态压力虽在一定程度上可以倒逼政府加快产业结构优化升级的进程，但过高的人口密度导致土地资源的过度开发和生态系统的破坏，造成能源与资源消耗达到限值，进而引起调节机制失灵。公共服务设施对城市土地利用效率的显著负影响可能是由于医疗机构主要集中在中心城市，导致了较大的拥堵成本。
表5 土地利用效率的空间计量模型检验与估计结果

Table 5 Test and estimation results of spatial econometric model of land use efficiency

变量 SLM模型 SEM模型 SDM模型
lnURI 0.126**(2.23) 0.213**(2.05) 0.198***(3.58) W×lnURI 0.237***(4.14)
lnFP -0.074***(-2.77) -0.187**(-2.54) -0.129***(-3.25) W×lnFP -0.049(-1.19)
lnSTI 0.325**(1.99) 0.245***(3.72) 0.262**(2.57) W×lnSTI 0.231*(1.68)
lnOU 0.048(0.71) -0.063(-1.41) 0.051**(2.41) W×lnOU -0.040**(-2.35)
lnER 0.151***(3.15) 0.033(0.98) 0.096 (1.31) W×lnER -0.007(-0.34)
lnLMR -0.023(-1.12) 0.102*(1.65) -0.081(-0.77) W×lnLMR 0.003(0.62)
lnEP -0.056**(-2.02) 0.121**(2.19) -0.044***(-2.60) W×lnEP 0.011*(1.70)
lnPS 0.034*(1.66) -0.011(-0.82) -0.009**(2.05) W×lnPS -0.005(-0.83)
δ/γ 0.162***(3.31) 0.144***(3.45) 0.153***(3.26)
R2 0.773 0.752 0.839
Adjusted R2 0.697 0.653 0.786
Log likelihood 186.52 151.81 237.64

注：*为P<0.1；括号内为t统计量。下同。

从外生交互效应的估计系数来看，W×lnURI、W×lnSTI、W×lnOU和W×lnEP均具有一定的显著性。对SDM模型进行直接与间接效应分解以识别该空间上的交互影响（表6）。根据显著性和弹性系数可大致比较不同解释变量的贡献程度，其中科技投入、对外开放和城乡融合的直接效应显著为正，且科技投入、对外开放和城乡融合发展水平每提高1%，会使本市的低碳土地利用效率提高0.36%、0.07%和0.21%。城乡融合发展从市域经济、人口、产业集聚驱动、土地和资源等要素规模带动以及土地利用结构和产业结构拉动，促进本地低碳土地利用效率的提升[20]。财政压力和生态压力的直接效应为负，可见城市的财政压力、生态压力及公共服务设施对本地的低碳土地利用效率有着显著的消极影响，而环境规制和土地市场化水平没有显著的直接效应的影响。环境规制对土地利用效率没有明显影响的原因可能是其对低碳化的促进作用和高效化的阻碍作用，而土地市场化对低碳土地用效率的影响较小可能是现阶段通过“挂招拍”等市场化方式出让土地占出让土地总面积的份额不高所致[35]。从解释变量的空间溢出效应影响来看，邻近的其他城市的城乡融合发展水平与科技投入对本地的土地利用效率有正向促进作用，邻近城市的对外开放水平会降低本地的土地利用效率。邻近地区生态压力加大反而对本地的土地利用效率有促进作用，可能的原因是长三角地区人口不断往都市圈核心区域高度集聚，进而一定程度上降低了周围城市的生态承载压力[39]。此外，财政压力、环境规制、公共服务设施和土地市场化均不存在显著的空间溢出效应。
表6 SDM模型的空间效应分解

Table 6 Spatial effect decomposition of SDM

变量 直接效应 间接效应 变量 直接效应 间接效应
lnURI 0.214***(2.79) 0.195***(3.14) lnER 0.073(0.55) -0.012(-1.14)
lnFP -0.137***(-2.58) -0.053(-0.47) lnLMR -0.102(-1.40) 0.005(0.73)
lnSTI 0.356**(2.35) 0.217*(1.66) lnEP -0.056***(-3.02) 0.014**(2.04)
lnOU 0.068**(1.98) -0.015**(-2.01) lnPS -0.012(-0.31) -0.007(-0.89)
由此可见，为有效提升低碳土地利用效率，实现土地资源可持续利用与地区均衡发展，当前应紧密结合长三角一体化战略，积极推动城乡融合发展，加快构建城乡之间土地要素分配、产业发展、生态环境治理等联动机制，统筹推进城乡基础设施互联互通便捷高效和基本公共服务一体化发展便利共享，特别是完善城市教育医疗公共服务体系，缓解其过度布局在中心城区所带来的压力，切实增强城乡融合对国土空间开发和资源要素重组的调控能力；应加大科技投入，促进产业转型升级和城乡优势互补，提高资源使用效率和实现土地利用的节能减排；应扩大对外开放程度，加强对外资入驻的监管力度，带动区域土地资源集约节约利用和生产工艺技术的提高，朝着减污降碳协同增效的方向发展。土地利用效率具有显著的空间异质性和空间依赖性，因此要善于立足于本区域经济发展水平、地理格局及资源特点提升用地效率，另一方面应重点改善土地利用效率的空间联动环境，畅通生产要素在各城市间的流动渠道，发挥用地效率高阶区对邻域的辐射带动作用，逐步降低城乡融合发展中土地利用效率的区域差异。

4 结论与讨论

4.1 结论

本文从理论层面分析了城乡融合对低碳土地利用的影响及其机理，并基于熵权法和超效率EBM模型测算了城乡融合发展水平和低碳土地利用效率，在此基础上利用ESTDA框架从时空耦合角度量化2005—2020年长三角城乡融合与低碳土地利用的时空格局动态性，最后采用空间计量模型检验城乡融合等因素对低碳土地利用的影响机制。主要结论如下：
（1）长三角城乡融合发展水平与低碳土地利用效率变化基本一致，呈波动上升趋势且前者涨幅较大；长三角城乡融合发展与低碳土地利用的区域差异显著，其空间格局总体均具有东南高、西北低的分布特点，并表现为以区域中心城市为核心的扩散模式。
（2）城乡融合与土地利用效率之间具有显著的空间自相关，且空间依赖程度呈上升态势；城乡融合对低碳土地利用产生明显的影响并形成相应的空间效应，对土地利用效率的正向影响不断扩大，但局部格局保持稳定，呈现HH型和LL型的空间聚类趋同现象。
（3）长三角大部分城市城乡融合与低碳土地利用的局部空间结构具有较强稳定性，在局部增长过程中表现出较高的空间依赖性；城乡融合相对于土地利用效率空间格局演化的空间整合性较弱，二者局部空间关联和动态跃迁展现出一定的路径依赖与空间锁定特征。
（4）城乡融合是影响低碳土地利用的关键因素，城乡融合发展水平每提高1%将导致本地低碳土地利用效率增加0.2%；不同控制因素对土地利用效率具有直接或间接效应，其中科技投入和对外开放的直接效应为正，财政压力和生态压力的直接效应为负，而财政压力、环境规制、公共服务设施和土地市场化均不存在显著的空间溢出效应。

4.2 讨论

本文探究了2005—2020年长三角地区城乡融合与低碳土地利用变化趋势，发现期间城乡融合发展水平对低碳土地利用效率影响的空间效应整体呈上升趋势。从空间分布来看，低值区主要集聚在皖中、苏北地区，高值区稳定分布在上海及苏南地区。究其原因，主要在于乡村外出人口大多流向沪苏锡等长三角核心区，导致合肥、徐州都市圈外围村庄空心化严重。马志飞等[40]从空间—经济—社会—生活四个维度构建城乡融合指数，得出2008—2018年长三角地区城乡融合发展水平呈现出由“高低高”结构向“Σ”转变的空间演变特征。这与本文结果略有不同，一方面是因为所建立的评价指标体系存在差异，另一方面该研究仅使用了2008—2018年的两个截面数据，可能会影响结果的准确性，但也要看到，这可能是政策执行的滞后效应造成的。因此，有必要对城乡融合水平进行逐年测量以更好地把握城乡融合的时空变化格局。然而受数据可得性的限制，本文从经济、社会、人口、空间和生态方面入手选取指标来测度城乡融合发展水平，虽与已有研究结果基本一致，但城乡融合具有多维度，未来还需进一步探索能够系统刻画城乡融合的指标。此外，土地利用效率不仅牵涉到社会、经济和技术层面，还是一个需要综合集成考虑的经典问题。本文从财政压力、科技投入、对外开放、环境规制、土地市场化、公共服务设施等方面分析了影响低碳土地利用的主要因素，未来还需深入考察不同人文和自然要素的影响及因素间交互作用，探明低碳国土空间形成过程与发展机理。限于数据可得性，本文以市域为研究单元开展了城乡融合对低碳土地利用影响的时空动态研究，因空间尺度偏大致使研究结论的实践指导意义在一定程度上降低。今后将以县域为研究尺度，深入探讨城乡融合与低碳土地利用耦合效应的形成机制，以便获得更具针对性和操作性的政策启示。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
XIN F K, QIAN Y L. Does fiscal decentralization promote green utilization of land resources? Evidence from Chinese local governments. Resources Policy, 2022, 79: 103086, Doi: 10.1016/j.resourpol.2022.103086.

[2]
冯薇, 赵荣钦, 谢志祥, 等. 碳中和目标下土地利用碳排放效率及其时空格局: 以黄河流域72个地级市为例. 中国土地科学, 2023, 37(1): 102-113.

[FENG W, ZHAO R Q, XIE Z X, et al. Land use carbon emission efficiency and its spatial-temporal pattern under carbon neutral target: A case study of 72 cities in the Yellow River Basin. China Land Science, 2023, 37(1): 102-113.]

[3]
黄贤金, 张秀英, 卢学鹤, 等. 面向碳中和的中国低碳国土开发利用. 自然资源学报, 2021, 36(12): 2995-3006.

DOI

[HUANG X J, ZHANG X Y, LU X H, et al. Land development and utilization for carbon neutralization. Journal of Natural Resources, 2021, 36(12): 2995-3006.]

[4]
林龙飞, 李睿, 陈传波. 从污染“避难所”到绿色“主战场”: 中国农村环境治理70年. 干旱区资源与环境, 2020, 34(7): 30-36.

[LIN L F, LI R, CHEN C B. From pollution "refuge" to green "main battlefield": 70 years of rural environmental governance in China. Journal of Arid Land Resources and Environment, 2020, 34(7): 30-36.]

[5]
龙花楼, 陈坤秋. 基于土地系统科学的土地利用转型与城乡融合发展. 地理学报, 2021, 76(2): 295-309.

DOI

[LONG H L, CHEN K Q. Urban-rural integrated development and land use transitions: A perspective of land system science. Acta Geographica Sinica, 2021, 76(2): 295-309.]

DOI

[6]
刘彦随, 龙花楼, 李裕瑞. 全球乡城关系新认知与人文地理学研究. 地理学报, 2021, 76(12): 2869-2884.

DOI

[LIU Y S, LONG H L, LI Y R. Human geography research based on the thinking of global rural-urban relationship. Acta Geographica Sinica, 2021, 76(12): 2869-2884.]

[7]
SONG M L, TAO W L. Coupling and coordination analysis of China's regional urban-rural integration and land-use efficiency. Growth and Change, 2022, 53: 1384-1413.

[8]
WANG Z, CHEN J C, ZHENG W T, et al. Dynamics of land use efficiency with ecological intercorrelation in regional development. Landscape and Urban Planning, 2018, 177: 303-316.

[9]
卢新海, 李佳, 刘超, 等. 中国城市土地绿色利用效率驱动因素及空间分异. 地理科学, 2022, 42(4): 611-621.

DOI

[LU X H, LI J, LIU C, et al. Driving factors and spatial differentiation of the urban land green use efficiency in China. Scientia Geographica Sinica, 2022, 42(4): 611-621.]

DOI

[10]
张玥, 代亚强, 陈媛媛, 等. 中国耕地低碳利用效率时空演变及其驱动因素. 农业工程学报. 2022, 38(8): 234-243.

[ZHANG Y, DAI Y Q, CHEN Y Y, et al. Spatial-temporal evolution and driving factors of low-carbon use efficiency of cultivated land in China. Transactions of the CSAE, 2022, 38(8): 234-243.]

[11]
何莎莎, 方斌, 李欣, 等. 城市土地利用效率与高质量发展时空演变及交互响应: 以江苏省为例. 地理与地理信息科学, 2022, 38(5): 79-87.

[HE S S, FANG B, LI X, et al. Spatioporal pattern evolution and interactive response of urban land use efficiency and high-quality development level: A case study of Jiangsu province. Geography and Geo-Information Science, 2022, 38(5): 79-87.]

[12]
金贵, 邓祥征, 赵晓东, 等. 2005—2014年长江经济带城市土地利用效率时空格局特征. 地理学报, 2018, 73(7): 1242-1252.

DOI

[JIN G, DENG X Z, ZHAO X D, et al. Spatio-temporal patterns of urban land use efficiency in the Yangtze River Economic Zone during 2005-2014. Acta Geographica Sinica, 2018, 73(7): 1242-1252.]

[13]
NIU B, GE D Z, SUN J W, et al. Multi-scales urban-rural integrated development and land-use transition: The story of China. Habitat International, 2023, 132: 102744, Doi: 10.1016/j.habitatint.2023.102744.

[14]
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. 经济地理, 2018, 38(12): 183-189.

[HU B X, LI J, KUANG B. Evolution characteristics and influencing factors of urban land use efficiency difference under the concept of green development. Economic Geography, 2018, 38(12): 183-189.]

[15]
张天荣, 焦华富. 长江经济带城市土地利用效率格局演变及驱动机制研究. 长江流域资源与环境, 2015, 24(3): 387-394.

[ZHANG T R, JIAO H F. Urban land use efficiency pattern evolution and driving mechanism in the Yangtze River Economic Belt. Resources and Environment in the Yangtze Basin, 2015, 24(3): 387-394.]

[16]
WANG Y, FENG Y N, ZUO J, et al. From "Traditional" to "Low carbon" urban land use: Evaluation and obstacle analysis. Sustainable Cities and Society, 2019, 51: 101722, Doi: 10.1016/j.scs.2019.101722.

[17]
段锴丰, 施建刚, 吴光东, 等. 城乡融合系统: 理论阐释、结构解析及运行机制分析. 人文地理, 2023, 38(3): 1-10.

[DUAN K F, SHI J G, WU G D, et al. Urban-rural integration system: Theory explanation, structure and operation mechanism analysis. Human Geography, 2023, 38(3): 1-10.]

[18]
YAN J M, CHEN H, XIA F Z. Toward improved land elements for urban-rural integration: A cell concept of an urban-rural mixed community. Habitat International, 2018, 77: 110-120.

[19]
张合林, 王亚晨, 刘颖. 城乡融合发展与土地资源利用效率. 财经科学, 2020, (10): 108-120.

[ZHANG H L, WANG Y C, LIU Y. China's urban-rural integration development and land resource utilization efficiency. Finance & Economics, 2020, (10): 108-120.]

[20]
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. 城市发展研究, 2021, 28(12): 128-136.

[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. Urban Development Studies, 2021, 28(12): 128-136.]

[21]
方创琳. 城乡融合发展机理与演进规律的理论解析. 地理学报, 2022, 77(4): 759-776.

DOI

[FANG C L. Theoretical analysis on the mechanism and evolution law of urban-rural integration development. Acta Geographica Sinica, 2022, 77(4): 759-776.]

DOI

[22]
周德, 戚佳玲, 钟文钰. 城乡融合评价研究综述: 内涵辨识、理论认知与体系重构. 自然资源学报, 2021, 36(10): 2634-2651.

DOI

[ZHOU D, QI J L, ZHONG W Y. Review of urban-rural integration evaluation: Connotation identification, theoretical analysis, and system reconstruction. Journal of Natural Resources, 2021, 36(10): 2634-2651.]

DOI

[23]
张新林, 仇方道, 朱传耿. 时空交互视角下淮海经济区城乡融合发展水平演化. 自然资源学报, 2020, 35(8): 1867-1880.

DOI

[ZHANG X L, QIU F D, ZHU C G. Evolution of urban-rural integration in Huaihai Economic Zone from the perspective of spatio-temporal interaction. Journal of Natural Resources, 2020, 35(8): 1867-1880.]

[24]
杨清可, 段学军, 王磊, 等. 长三角区域一体化与城市土地利用效率的协同测度及交互响应. 资源科学, 2021, 43(10): 2093-2104.

DOI

[YANG Q K, DUAN X J, WANG L, et al. Collaborative measurement and interactive response between regional integration and urban land use efficiency in the Yangtze River Delta. Resources Science, 2021, 43(10): 2093-2104.]

DOI

[25]
DONG Y, JIN G, DENG X Z. Dynamic interactive effects of urban land-use efficiency, industrial transformation, and carbon emissions. Journal of Cleaner Production, 2020, 270: 122547, Doi: 10.1016/j.jclepro.2020.122547.

[26]
周佳宁, 段锴丰, 杜焱强, 等. 土地要素配置如何促城乡多维融合: 有效市场和有为政府. 中国土地科学, 2022, 36(3): 32-40.

[ZHOU J N, DUAN K F, DU Y Q, et al. How does land allocation promote urban-rural multi-dimensional integration? An efficiency market and effective government. China Land Science, 2022, 36(3): 32-40.]

[27]
杨一鸣, 王建, 吴群. 中国城乡实体要素流动对城乡融合发展的影响机制研究. 地理科学进展, 2022, 41(12): 2191-2202.

DOI

[YANG Y M, WANG J, WU Q. Mechanism of influence of element flow on urban-rural integrated development in China. Progress in Geography, 2022, 41(12): 2191-2202.]

DOI

[28]
宋家鹏, 陈松林. 经济集聚对中国三大城市群土地利用生态效率的影响. 自然资源学报, 2021, 36(11): 2865-2877.

DOI

[SONG J P, CHEN S L. Impact of economic agglomeration on land use eco-efficiency of three major urban agglomerations in China. Journal of Natural Resources, 2021, 36(11): 2865-2877.]

[29]
宋洋, 贺灿飞, YEUNG G, 等. 中国资源型城市产业结构升级对土地利用效率的影响. 地理研究, 2023, 42(1): 86-105.

DOI

[SONG Y, HE C F, YEUNG G, et al. Industrial structure upgrading and urban land use efficiency: Evidence from 115 resource-based cities in China, 2000-2019. Geographical Research, 2023, 42(1): 86-105.]

[30]
罗谷松, 李涛. 碳排放影响下的中国省域土地利用效率差异动态变化与影响因素. 生态学报, 2019, 39(13): 4751-4760.

[LUO G S, LI T. Dynamic change and driving factors of land use efficiency differences affected by carbon emissions at the provincial level in China. Acta Ecologica Sinica, 2019, 39(13): 4751-4760.]

[31]
YANG Y Y, BAO W K, WANG Y S, et al. Measurement of urban-rural integration level and its spatial differentiation in China in the new century. Habitat International, 2021, 117: 102420, Doi: 10.1016/j.habitatint.2021.102420.

[32]
YU J Q, ZHOU K L, YANG S L. Land use efficiency and influencing factors of urban agglomerations in China. Land Use Policy, 2019, 88: 104143, Doi: 10.1016/j.landusepol.2019.104143.

[33]
YE X Y, REY S. A framework for exploratory space-time analysis of economic data. The Annals of Regional Science, 2013, 50(1): 315-339.

[34]
刘蒙罢, 张安录, 熊燕飞. 长江经济带城市土地利用生态效率空间差异及其与产业结构升级的交互溢出效应. 中国人口·资源与环境, 2022, 32(10): 125-139.

[LIU M B, ZHANG A L, XIONG Y F. Spatial differences of urban land use ecological efficiency in the Yangtze River Economic Belt and its interactive spillover effects with industrial structure upgrading. China Population, Resources and Environment, 2022, 32(10): 125-139.]

[35]
陈丹玲, 卢新海, 张超正. 区域一体化对城市土地利用效率的直接驱动与空间溢出效应研究. 经济问题探索, 2021, (12): 62-70.

[CHEN D L, LU X H, ZHANG C Z. Study on the direct-driving and spatial-spillover effects of regional integration on urban land use efficiency. Inquiry into Economic Issues, 2021, (12): 62-70.]

[36]
DU W J, LI M J. The impact of land resource mismatch and land marketization on pollution emissions of industrial enterprises in China. Journal of Environmental Management, 2021, 299: 113565, Doi: 10.1016/j.jenvman.2021.113565.

[37]
LIU X J, XIA S Y, YANG Y, et al. Spatiotemporal dynamics and impacts of socioeconomic and natural conditions on PM2.5 in the Yangtze River Economic Belt. Environmental Pollution, 2020, 263: 114569, Doi: 10.1016/j.envpol.2020.114569.

[38]
LIU X J, JIN X B, LUO X L, et al. Quantifying the spatiotemporal dynamics and impact factors of China's county-level carbon emissions using ESTDA and spatial econometric models. Journal of Cleaner Production, 2023, 410: 137203, Doi: 10.1016/j.jclepro.2023.137203.

[39]
ZHANG Y Y, SUN M Y, YANG R J, et al. Decoupling water environment pressures from economic growth in the Yangtze River Economic Belt, China. Ecological Indicators, 2021, 122: 107314, Doi: 10.1016/j.ecolind.2020.107314.

[40]
马志飞, 宋伟轩, 王捷凯, 等. 长三角地区城乡融合发展水平、演化及影响因素. 自然资源学报, 2022, 37(6): 1467-1480.

DOI

[MA Z F, SONG W X, WANG J K, et al. The development level, evolution and influencing factor of urban-rural integration in the Yangtze River Delta. Journal of Natural Resources, 2022, 37(6): 1467-1480.]

Options
文章导航

/

〈 〉