東北地理所在城市土地利用效率測度及驅動機制研究方面取得進展
隨著我國新型城鎮化進程不斷加快，城市土地資源緊張與高質量發展目標之間的矛盾日益凸顯。如何在保持經濟增長的同時實現土地集約高效利用，已成為城市可持續發展的重要命題。特別是在快速擴張城市中，土地利用效率（ULUE）受到經濟、社會、環境等多重因素的影響，呈現出復雜的非線性和區域異質性特征，亟需構建科學的評價指標體系和驅動機制識別方法。
針對這一問題，中國科學院東北地理與農業生態研究所城市與鄉村地理學科組研究人員提出了一種融合Slack-Based Measure方向性距離函數（SBM-DDF）與可解釋機器學習（CatBoost+SHAP+GAM）的分析框架，系統評價了2007—2022年我國35個典型快速擴張城市的土地利用效率及其時空演變特征，并深入解析了關鍵驅動因素及其非線性邊際效應。研究表明，我國城市ULUE整體呈現上升趨勢，尤其是東部城市提升最為顯著，然而區域間仍存在明顯差異，其中東部城市效率均值為0.749，中部、西部和東北地區依次下降至0.737、0.727與0.691。值得關注的是，一些中西部城市正逐漸逼近效率前沿，而個別東部發達城市則出現效率回落。驅動因素分析結果顯示，經濟發展水平（38%）、社會發展條件（23%）與生態環境狀況（18%）為ULUE提升的三大核心動因，且各區域表現出顯著異質性：東部城市主要受益于高質量經濟增長與綠色治理，中西部和東北城市則更多依賴于公共服務提升和產業結構優化。此外，研究還揭示了多個因素的非線性門檻效應。
本研究在方法上創新性地融合了非期望產出效率評價模型與可解釋機器學習工具，突破了傳統評價方法對變量線性關系與“黑箱模型”的依賴，且具備良好的遷移性與政策適應性。研究成果可為制定差異化的區域土地利用政策、提升城市空間治理能力提供科學參考。
相關成果以《Unraveling Drivers of Land Use Efficiency in Rapidly Urbanizing Areas: A Hybrid SBM-DDF and Explainable Machine Learning Framework》為題發表在國際期刊《Habitat International》上（中科院一區Top期刊）。朱家侶碩士生為第一作者，劉文新高級工程師為通訊作者。研究工作得到國家自然科學基金項目（42071275）資助。
圖1 城市土地利用效率測度及驅動機制研究框架
論文信息：
Zhu,J.,Liu,W.,Zheng,S.,& Sun,Y. (2025). Unraveling drivers of land use efficiency in rapidly urbanizing areas: A hybrid SBM-DDF and explainable machine learning framework. Habitat International,164,103518.
論文鏈接：
https://doi.org/10.1016/j.habitatint.2025.103518
附件下載：
吉公網安備22017302000214號
