長江經濟帶耕地利用效率時空演變特征及提升路徑研究

吳郁玲，張佩，李佳

（華中師范大學公共管理學院，湖北 武漢 430079）

耕地是人類生存和發展的基礎，其在農業和國民經濟中的重要性不可替代[1]，如何利用有限的耕地資源提高耕地產出是實現經濟社會可持續發展的必然要求。2009—2016年我國耕地面積下降約4.6×105hm2[2]，與此同時，優質耕地非農化、土壤酸化、鹽漬化、農業面源污染等現象愈演愈烈[3-4]，耕地面積與質量的不斷下降制約了耕地利用效率的提升，長此以往會威脅中國糧食安全。因此，深入分析耕地利用效率現狀，揭示耕地利用效率作用規律，探究提升耕地利用效率的多重路徑對于保障我國糧食安全、實現經濟社會可持續發展具有重要的現實意義。

目前學術界圍繞耕地利用效率進行了一些有益的探索，現有的研究主要側重于耕地利用效率的測算[5-6]、時空特征[7-8]以及影響因素[9-10]等方面。其中耕地利用效率的測算與影響因素的分析是其研究的核心，在效率測算方面，學者們主要從耕地利用效率的內涵著手，認為耕地利用效率是包含以耕地要素投入為核心的資本、勞動力等多要素投入與所產出的經濟效益之間的關系[11-12]，因而學者們在測算耕地利用效率時，大多傾向于選擇能夠解決多投入多產出問題的數據包絡相關模型來進行研究，如有學者運用CCR模型[13]、SBM模型[14]測算了部分 省份耕地利用效率，也有學者運用超效率模型測算了糧食主產區耕地利用效率并分析了其時空特征[15]， 這些研究為本研究的順利開展提供了堅實的理論基礎與技術支持。而在影響因素研究方面，學者們發現氣候條件[16]、耕地資源稟賦[17]、經濟發展水平[18]等對耕地利用效率有顯著影響，然而現有的研究主要關注耕地利用效率的外部影響因素，較少的從耕地投入要素本身深入剖析其對耕地利用效率的影響，而科學評價并剖析耕地利用效率本身，能夠從源頭著手把握耕地利用效率的本質特征，從而為提高耕地利用效率做出更具針對性的改進措施。最后，在研究尺度上，現有研究大多從全國[19]、省域[20]、市域[21]等宏觀視角進行評價分析，而缺乏基于國家發展戰略視角下特定經濟帶耕地利用效率的研究，導致區域經濟帶與國家糧食安全的相關政策研究供給不足。

長江經濟帶橫跨中國東、中、西部地區，覆蓋四川、貴州、云南、重慶、湖南、湖北、江西、安徽、浙江、江蘇、上海11個省（市），占全國國土面積的21.4%，人口和國內生產總值均占全國的40%以上，是中國最具活力和發展潛力的經濟帶之一。區域內分布有江漢平原、洞庭湖平原、鄱陽湖平原等三大平原，耕地資源十分豐富，且是我國重要的糧食主產區，其耕地規模、播種面積和糧食產量分別占全國的33.34%、40.61%和37.77%[22]。已有研究表明，自2000年以來長江流域的糧食生產主體地位不斷下降，人均糧食產量也在不斷降低[23]。十四五規劃提出要提高資源利用效率，推動長江經濟帶上中下游、東中西部地區協同可持續發展，在“共抓大保護，不搞大開發”的發展理念下，以最低土地資源代價支撐社會經濟發展顯得尤為重要，其中提升耕地利用效率乃是重中之重[24]。因此，研究長江經濟帶耕地利用效率的動態變化規律，深入剖析其耕地要素投入的冗余狀況，對于兼顧我國經濟快速發展、切實保護耕地、確保糧食安全具有重要的現實意義。

鑒于此，本研究選取長江經濟帶126個地級市作為研究單元，借助超效率SBM模型對2008—2017年研究區耕地利用效率進行測度，其次利用探索性空間數據分析方法來刻畫其時空演變特征，最后根據各評價單元投入冗余情況，提出未來耕地利用效率提升方向與政策建議，以期為長江經濟帶不同地區優化耕地資源要素投入組合，進一步提升耕地利用效率提供參考借鑒。

1 研究方法與數據來源

1.1 研究方法

1.1.1 超效率SBM模型 數據包絡分析法（Data Envelopment Analysis, DEA）是利用多投入多產出指標來分析相對效率的一種數量分析方法，傳統的DEA模型包括分別適用于規模報酬可變和規模報酬不變的BCC（Banker, Charnes and Cooper, BCC）和CCR（Charnes, Cooper and Rhodes, CCR）兩種基本模型，這兩種模型從徑向和角度對效率進行度量，誤差相對較大。2001年Tone[25]提出了基于投入和產出的松弛變量測度的非徑向非角度的SBM（Slack Based Model, SBM）模型，該模型的優點在于投入和產出為無量綱，計算結果會隨松弛度變化而單調遞減。然而根據單純的SBM模型測算結果會出現多個決策單元效率值為1的情況，無法對決策單元進行有效評價與排序，因此Tone基于修正松弛變量提出了超效率SBM模型，即可分析效率值大于等于1的情況。因此本研究選取超效率SBM模型對長江經濟帶耕地利用效率進行測度，會使計算結果更加科學準確。其計算公式如下[26]：

式中：δ為耕地利用效率，m為耕地投入要素，n為決策單元數量，X0和Y0分別表示投入變量和產出變量，Xi為第i個決策單元的投入量，Yj為第j個決策單元的產出量，(Xik，Yrk)表示第k個決策單元的第i項投入和第r項產出。λ為權重向量，λj為單位組合系數，S為耕地產出要素，Si-為投入松弛變量，Si+為產出松弛變量，S-為投入冗余量，S+為產出不足量，即實際與理想（最優）產出之間的相對差值。

1.1.2 探索性空間數據分析 探索性空間數據分析法（Exploring Space Date Analysis, ESDA）是通過技術操作對空間數據進行可視化分析，發現空間集聚現象與空間異質性的相互作用關系，來解釋研究區域內研究對象的空間作用機制[27]。本研究通過全局Moran’sI指數和局部Moran’sI指數分別用以解釋長江經濟帶耕地利用效率的全域和局域的空間關聯度，Moran’sI＞0表明存在空間正相關性，其值越大正相關性越強，Moran’sI＜0表明存在空間負相關性，其值越小負相關性越強。其中，全局Moran’sI指數計算公式為[28]：

式中：I為Moran’sI指數，n為研究對象個數，Yi和Yj分別為i區域和j區域觀測值，Wij為空間權重矩陣（空間相鄰為1，不相鄰為0）；S2為觀測值的方差，為觀測值的平均值。

局域Moran’sI指數計算公式為：

式中：Ii為局部空間自相關性指標，Xi、Xj分別表示空間單元i、j的屬性值，為X的平均值，n為樣本數，Wij為空間權重矩陣。

1.2 指標選取

耕地利用效率是單位耕地的投入與產出之比，借鑒相關研究[29-30]，本研究主要基于耕地利用的經濟效益和社會效益來考察耕地的利用效率。基于此，本文按照投入-產出的邏輯和遵循評價指標的科學性、合理性以及可獲得性等原則構建耕地利用指標體系，其中投入方面主要包含土地投入、勞動力投入以及資本投入三個維度，選取耕地面積（耕地面積乘以復種指數）來表征土地要素的投入，農業從業人數（種植業從業人數）表征勞動要素的投入，農業機械總動力和化肥施用量（折純計算）來表征資本要素的投入；產出方面主要選取農業總產值（種植業產值）和糧食總產量來分別表征耕地的社會與經濟產出（表1）。

表1 耕地利用效率測度指標體系Table 1 Index system of the farmland utilization efficiency

1.3 數據來源與處理

本研究選取了長江經濟帶126個地級市作為研究單元，數據來源于長江經濟帶11個省、市的統計年鑒及國民經濟和社會發展統計公報（2008—2017年），其中部分年份數據缺失，本研究采用線性估值法、平均估值法等進行填充。為便于在研究中作區域差異分析，將長江經濟帶劃分為上中下游三大區域，其中上游地區包括四川、云南、重慶、貴州四個省市的47個地級市，中游地區包括湖北、湖南、江西三個省的38個地級市，下游地區包括上海、江蘇、浙江、安徽四個省市的41個地級市。

2 結果與分析

2.1 耕地利用效率時序特征分析

借助超效率SBM模型測算得到2008—2017年長江經濟帶126個地級市耕地利用效率值（圖1），分析得出以下特征：1）長江經濟帶耕地利用效率總體不高。整體效率平均值為0.536，其最大值也僅為0.584，遠小于DEA較優（效率值大于等于1），其中2008、2011、2014和2017年長江經濟帶126個地級市中分別有15、18、17和18個城市耕地利用效率值達到DEA較優，分別占總數的11.9%、14.3%、13.5%和14.3%。這表明近些年長江經濟帶總體上耕地利用效率不高，利用效率較優城市數量占比較低，在長江經濟帶10年的城鎮化進程中，雖然以機械化為代表的耕地生產投入在不斷完善進步，期望產出在年年提高，但多數地區耕地生產投入要素仍未實現最優配置，存在要素錯配現象，從而阻礙了區域整體耕地利用效率的提高。

2）長江經濟帶耕地利用效率總體上呈現波動下降的趨勢。由圖1可知，耕地利用效率從2008年的0.584下降到2017年的0.496，下降幅度約為12.1%，期間最低值為2013年的0.447。這表明長江經濟帶耕地保護面臨著嚴峻的形勢，長江經濟帶作為我國社會經濟發達地區之一，在吸引大量農村勞動力涌入城市，不斷推進城市化進程的同時，上、中游地區農業勞動力持續流失，尤其是重慶、四川、湖南等地，農業人口流出嚴重，致使農村大量耕地無人耕種，耕地拋荒閑置現象嚴重，耕地資源無法得到有效利用[31]。而下游地區非農人口膨脹，城市擴張大量占用耕地，同時在比較優勢下耕地非農化、非糧化趨勢明顯，近年來下游地區農業總產值增加值與糧食總產量增加值呈平穩態勢，而耕地生產投入要素卻在年年增長，進而使得耕地利用效率相對呈現波動下降趨勢。

3）長江經濟帶耕地利用效率區域差異較為顯著。2008—2017年長江經濟帶上、中、下游地區耕地利用的效率均值分別為0.504、0.555和0.553，其中上游和下游地區的效率均值分別由2008年的0.620、0.655降至2017年的0.496、0.477，而中游地區的效率均值則由2008年的0.462升至2017年的0.553。這表明長江經濟帶耕地利用效率區域差異較為顯著，不同地區受資源稟賦和社會經濟等因素影響作用也不同，其中，上游地區主要以生態保護為主，多山地丘陵的地形特征使得大型機械難以操作，農業機械總動力投入相對不足；中游地區分布有多個平原，水熱條件較好，耕地資源稟賦較優；下游地區社會經濟發達，資本技術勞動力等要素組合相對較優。說明應當采取差別化對策，優化不同地區耕地要素投入組合。

2.2 耕地利用效率空間特征分析

2.2.1 耕地利用效率全局特征分析 限于篇幅，僅以2008年、2011年、2014年和2017年進行分析，利用式（2）計算四個年份耕地利用效率值的全局Moran’sI值，以分析其總體空間分異特征（表2）。從靜態截面來看，2008年、2011年、2014年和2017年耕地利用效率Moran’sI指數分別為0.095、0.040、 0.079和0.085，4個時期全局Moran’sI指數均在10%水平上通過顯著性檢驗且均大于0，說明長江經濟帶耕地利用效率呈現正的空間自相關，即相鄰地級市耕地利用效率呈現空間集聚態勢；從動態變化幅度來看，Moran’sI指數從2008年的0.095陡降至2011年的0.040，下降幅度約58%，隨后激增至2014年的0.079，之后一直保持上升態勢，直至2017年的0.085，四年的Moran’sI指數平均值為0.075，這一變化趨勢表明近年來長江經濟帶耕地利用效率的空間相關性處于波動增強態勢，集聚態勢有所凸顯；2014年的陡增現象反映出長江經濟帶耕地利用效率總體空間格局發生了較大的變動，集聚性更強。通過對比可知，2008年和2017年效率全局Moran’sI觀測值與期望值之間差距不大，整個研究期內減幅僅為10%左右，也充分說明2008—2017年間長江經濟帶耕地利用效率空間集聚性驟 降后逐步增強，但總體空間分異格局保持相對穩定態勢。

表2 耕地利用效率全局Moran’s I值Table 2 Global Moran’s Ivalue of farmland utilization efficiency

2.2.2 耕地利用效率局部特征分析 由于全局Moran’sI指數僅從全域視角上展現了長江經濟帶耕地利用效率空間自相關特征，難以反映局部異常值或集聚出現的范圍和位置，因此利用式（3）計算出2008、2011、2014和2017年長江經濟帶耕地利用效率的局部Moran’sI指數值，將Moran’sI值分為4類：高高區、高低區、低高區、低低區，借助ArcGIS軟件繪制長江經濟帶耕地利用效率局部集聚演變圖（圖2），用以反映長江經濟帶耕地利用效率局部空間分異格局。從圖2可以看出，研究期內長江經濟帶耕地利用效率空間集聚特征較為顯著，其效率值在空間上主要呈現高高集聚或低低集聚的分布態勢，并且空間集聚格局隨時間推移而演變。

1）2008年耕地利用效率高值區域呈現出“雙核集聚”的空間格局。該年度長江經濟帶耕地利用綜合效率形成了兩個高值集聚區域，第一個“極核”主要涵蓋了江蘇省大部以及浙江省北部城市，第二個“極核”主要位于被譽為“天府之國”的四川盆地，該地區水熱條件較好，地形平坦，因此耕地利用效率相對較高；低值地區主要集中在湖北省西部、貴州省的大部分地區以及湖南省的西北部地區，這些區域多山地丘陵地形，土地坡度較大導致耕作難度較大，因此該區域耕地利用效率較低。

2）2011年耕地利用效率高值區域呈現出“多核集聚”的空間格局。該年度長江經濟帶耕地利用綜合效率形成了三個高值集聚區域，第一個“極核”區域集聚在江蘇省東部城市，第二個“極核”區域集聚在湖北省隨州市，第三個“極核”區域分布在四川盆地附近，該集聚類型呈現高高趨勢，說明此區域耕地利用效率較高；低值區域集聚在貴州省以及安徽省西部城市，如六安市、亳州市等，受自然稟賦條件影響該集聚類型呈現低低趨勢，因此該區域耕地利用效率較低。

3）2014年耕地利用效率高值區域呈現出“多核集聚”的空間格局，但體現出顯著的層次性。該年度長江經濟帶耕地利用綜合效率形成了多個高值集聚的“極核”，第一個“極核”分布在江西省東北部鄱陽湖平原附近，第二個“極核”主要分布在江蘇省東部、南部的平原地區，第三個“極核”分布在湖北省中東部地區，且主要集聚在江漢平原附近，該區域同樣因較好的自然資源稟賦而使得耕地利用效率較高；同時也形成了多個低值集聚的“極核”，其中第一個“極核”分布于貴州省，第二個“極核”位于安徽省的西部且呈帶狀分布，兩地均為山區地帶，耕地破碎難以成片規模化生產，嚴重影響耕地利用效率。

4）2017年耕地利用效率高值區域仍呈現出“多核集聚”的空間格局。與2008年相比，高值“極核”仍包括江蘇省東部和四川盆地等區域、低值“極核”仍包括貴州省，但高值“極核”所在區域增加了一個“極核”，其涵蓋了江西省的撫州市、南昌市、宜春市和九江市以及湖北省黃石市，說明該區域通過調整耕地投入要素后利用效率有了顯著提升；同時湖北省大部分地區退出低值集聚的區域，說明近些年湖北省努力挖掘自身的資源稟賦優勢，產生顯著的積極效益，但低值集聚區域出現一個新的“極核”，其位于安徽省的中西部城市，說明近些年該區域的耕地利用效率急劇下降，該區域多分布在大別山區，且由于安徽省是一個勞務人口輸出大省，其人口的外遷會導致農業人口的流失，從而引發耕地拋荒，致使耕地利用效率的降低。

2.3 耕地利用效率冗余改善分析

為進一步探究長江經濟帶耕地利用效率低下的原因，本研究引入要素冗余率。要素冗余率反映的是投入產出與最優配置目標值之間的差距情況[32]， 冗余率＞0即表示存在投入冗余，冗余率＜0即表示存在投入不足。本研究中耕地利用要素冗余指在現有要素投入的基礎上，部分要素未高效利用從而存在相對冗余，例如2017年耕地面積全域冗余率為24.5%，即表示在產出不變的情況下耕地面積多投入了24.5%，即出現了相對冗余情況，若將這24.5%的耕地面積充分利用將會產生更多的產出。

本研究基于2008、2011、2014和2017年的耕地投入指標冗余數據（剔除效率值大于等于1的城市），繪制出2008—2017年長江經濟帶耕地投入要素冗余表（表3），用以分析全域冗余情況。同時基于2008和2017年耕地投入指標冗余數據（剔除效率值大于等于1的城市），繪制長江經濟帶耕地投入 要素冗余率分布圖（圖3），用以分析局域冗余情況。

表3 2008—2017年長江經濟帶耕地投入要素冗余率Table 3 Redundancy rate of farmland input factors in the Yangtze River economic belt from 2008 to 2017

2.3.1 耕地面積冗余分析 從全域來看，2008—2017年長江經濟帶耕地面積冗余率呈現波動上升的態勢，其中2008—2014年總體冗余率處于較低水平，而2017年總體冗余率要遠高于以往年份。從局域來看，阿壩藏族羌族自治州、黔西南布依族苗族自治州等地區耕地面積投入長期處于高度冗余狀態，相比2008年，2017年在25%～50%、50%～75%的冗余范圍內分別新增城市33個和10個，新增城市上中下游均有分布，如上游的川渝地區、云貴高原，中游的湘西、鄂東地區，下游的麗水、金華以及臺州等市。這表明長江經濟帶耕地資源投入浪費的現象較為嚴重，這很可能與城市化的快速推進有關。2015年長江經濟帶城鎮化率已達56.7%，按照諾瑟姆城鎮化發展曲線，長江經濟帶已屬于快速城鎮化時期[33]，快速城鎮化推動第一產業從業人員向二、三產業不斷轉移，一方面使得農村人均耕地面積增加，另一方面造成勞動力結構改變，農業生產由過去的青壯勞動力為主轉向老年勞動力為主。在相對人均耕地生產面積投入增加的同時，由于老年勞動力在先進的生產技術、知識等方面存在相對較弱的情況，致使耕地面積冗余急劇擴張。

2.3.2 農業從業人數冗余分析 從全域來看，2008—

2017年長江經濟帶農業從業人數冗余率始終處于高水平階段，且為四項投入指標中冗余程度最大，其中上游地區的冗余率要遠高于中游和下游地區。從局域來看，相比2008年，2017年在25%～50%、50%～75%的冗余范圍內分別新增城市1個和2個，研究期內冗余變動情況較小，其中滇南、黔南地區冗余情況相對較為嚴重。這表明長江經濟帶整體上還存在農業人口和傳統農業經營方式比重較大等現象，其中上游地區更加典型，這很可能與自然環境和社會經濟發展水平有關。據中國統計年鑒長江經濟帶各省市的農業從業人員數整理發現，2014年長江經濟帶農業人口比重較高的省份主要為貴州省和云南省，高達83.6%和70.86%，主要原因在于上游地區多山地丘陵，地形坡度較大不利于大型機械規模化經營，主要以家庭為單位的傳統小農經營方式為主，且上游地區交通不便社會經濟相對落后，以致農業從業人數比重較高，因此產生的冗余率相對較大。

2.3.3 農業機械總動力冗余分析 從全域來看，2008—2017年長江經濟帶農業機械總動力冗余率總體上處于較低水平且呈波動下降態勢，其中上游和中游地區的冗余率要遠低于下游地區，2014—2017年下游地區的冗余率更是從11.36%激增至47.89%。從局域來看，相比2008年，2017年在75%～100%的冗余范圍內新增城市數15個，冗余情況嚴重，主要由江淮地區以及鄱陽湖平原等糧食主產區向四周輻射分布，滇南、鄂北、浙南等地區逐步退出高冗余階段。這表明長江經濟帶農業機械化整體冗余量不大但區域差異化顯著，上游地區本身地形條件制約了農業機械的投入，多為傳統家庭經營模式，梯田式耕作模式可能彌補了農業機械投入上的相對不足，中游地區分布有多個水熱條件較好的平原，適合大型機械的推進，因此農業機械與資源稟賦之間組合較優，導致冗余較低，說明近些年中游地區農業機械化的推進政策落實較好，而下游地區雖然是社會經濟發達或糧食主產地區，機械化水平可能較高，但在實際利用中農業機械總動力的投入可能已經達到帕累托最優，隨著投入要素的追加會產生規模報酬遞減的可能性，因此2014年以來農業機械總動力冗余率不斷激增。

2.3.4 化肥施用量冗余分析 從全域來看，2008—2017年長江經濟帶化肥施用量冗余率呈現不斷上升的態勢且增速不斷加強，其中2014—2017年增幅高達57%，冗余率的最大值主要分布在2017年的上游地區。從局域來看，相比2008年，2017年在25%～50%、50%～75%的冗余范圍內新增城市數分別為50個和16個，全域內各省均有新增情況，其中云南、貴州等地冗余情況較為嚴重。表明長江經濟帶化肥要素投入普遍過多，這可能與糧食增產的政策需求以及農村勞動力短缺有關，一方面在保障我國糧食安全的政策背景下，各級地方政府積極探索糧食增產的路徑，而相關農戶及承包經營者限于短期利益可能出現盲目施用化肥、農藥來達到增產增收的行為，另一方面城鎮化吸引大量農村勞動力進入城市，農村人口急劇減少，農戶及承包經營者會尋求提高化肥施用量來彌補勞動力短缺的困境。上游地區多貧困山區，農業從業人員專業知識水平較低，更易出現盲目施肥的行為。

3 結論與政策建議

3.1 結論

本研究運用超效率SBM模型測度了2008—2017年長江經濟帶耕地利用效率，借助ESDA分析法刻畫了長江經濟帶耕地利用效率的時空演變特征，并根據耕地生產投入要素的冗余情況，分析未來長江經濟帶耕地提升潛力與改善方向，得出以下結論：

1）從時序上來看，2008—2017年長江經濟帶耕地整體利用效率不高，且呈波動下降態勢，上、中、下游三大地區效率區域差異較為顯著，除中游地區外，同樣均呈波動下降趨勢，說明目前長江經濟帶耕地保護的形勢依舊嚴峻，耕地利用效率還存在較大的提升空間，應當因地制宜采取差別化政策來提升耕地利用效率；從空間上來看，長江經濟帶耕地利用效率主要呈現顯著的空間集聚特征，且主要表現為高高、低低兩種集聚態勢，因此耕地利用效率高地區可以以優帶次，擴大優質農業生產的示范效應，耕地利用效率較低地區應當努力突破地域制約，學習發達地區成熟的農業管理經驗及先進的耕作 技術。

2）從耕地生產投入要素冗余情況來看，投入要素冗余與耕地利用效率之間呈負相關，即耕地生產投入要素冗余量越大耕地利用效率越低。時序上看，2008—2017年長江經濟帶耕地投入指標整體上均存在冗余情況，其中耕地面積、農業從業人數與化肥施用量的冗余度相對較高且范圍較廣。空間上看，長江經濟帶上、中、下游的耕地投入冗余情況各不相同，具有顯著的地域差異，因此應當制定差別化的冗余提升策略。

3.2 政策建議

鑒于此，提出提升長江經濟帶耕地利用效率的政策建議：

1）對于長江經濟帶上游地區，如在黔南、滇南、川北尤其在怒江、紅河、文山等貧瘠少地山區，改造中、低產田，大力推行耕地整治工作，引導耕地流轉，促使零散耕地連片，在不破壞當地生態環境的前提條件下，科學適宜發展特色梯田農業，發展山區立體農業。其次，密切監控耕地拋荒、非農化、非糧化行為。同時，通過政策鼓勵將下游的上海、浙江、江蘇等發達省份以及中游的湖北、江西等糧食生產大省先進的耕作技術及農業管理經驗引入上游地區，改善農機通行和作業條件，探索使用適宜上游山地丘陵地形的小型農用機械，提高糧食生產效率。

2）對于長江經濟帶中游地區，如在湖北、江西尤其在江漢平原、環鄱陽湖平原等自然稟賦較優的糧食主產區，對達到一定規模的承包大戶給予一定的資金獎勵，健全糧食生產補償機制，打造特色的農產品品牌，提高農產品附加值，如“潛江蝦鄉稻”，提高農民種糧的積極性。同時，針對中游地區，尤其在恩施、宜昌、黃岡、咸寧等化肥投入冗余較多地區，應當大力推廣精準施肥、測土配方施肥等施肥方式，鼓勵使用有機肥改善土壤微生物結構，運用RS、GPS、GIS等科學技術加強對耕地地力、土地墑情及土壤肥效的監測，推進化肥減量增效，提升土壤肥力。

3）對于長江經濟帶下游地區，如在江蘇南部、浙江南部尤其在麗水市、泰州市、金華市等城鎮化推進較快地區積極培育新型農業經營主體，應對快速城鎮化帶來的耕地資源閑置、農業勞動力人口結構老齡化等問題，充分發揮長三角地區先進的農業生產技術優勢，加大優質糧食種子培育力度，改善栽培灌溉技術，鼓勵有條件地區將單季稻變雙季稻，提高復種指數，以此來彌補耕地資源的稀缺不足；在安徽省等傳統農業大省中應當推行適度機械化、規模化經營，同時大力推廣先進農機與生產技術，推動農業機械化提檔升級，建立農機更新報廢制度，加大農機購置補貼力度。

需要指出的是，耕地利用效率在一定的產權制度安排下，受到邊際投入與邊際產出比較的影響，而近年來耕地生產投入要素在部分地區處于邊際報酬遞減階段，那么如何定量分析耕地生產投入要素邊際化對耕地利用效率的影響，是未來研究中需要重點關注的問題；其次，囿于數據的可獲性，本研究在產出指標選取上未考慮耕地利用的非期望產出，如耕地生產產生的面源污染，這也將是未來本研究需要強化的地方。