中科院东地所刘文新课题组与吉师大孙滢悦团队《Habitat Int》：基于可解释机器学习揭示快速城镇化地区土地利用效率的关键因素

期刊：Habitat International （中科院1区TOP）

随着中国城市化进程的加快，提高土地利用效率已成为实现可持续发展的关键要务。本研究基于涵盖2007至2022年中国35个代表性快速扩张城市的多源面板数据集，提出了一种混合分析框架，该框架将基于松弛变量的方向距离函数（SBM-DDF）模型用于测度城市土地利用效率(ULUE)，同时结合CatBoost、SHAP和广义加性模型（GAM）构建可解释的机器学习方法，以识别并解释其关键驱动因素。研究结果表明，ULUE总体呈现上升趋势，特别是2015年后，东部地区提升更为显著。然而，不同区域之间仍存在明显差异：东部地区ULUE平均值最高（0.749），中部（0.737）、西部（0.727）次之，东北地区最低（0.691）。部分发达城市出现效率下降趋势，而部分欠发达城市正逐步接近效率前沿。基于平均SHAP贡献值，经济水平（38%）、社会发展（23%）与生态治理（18%）是主要驱动因素，且均呈现显著的阈值效应。东部城市以经济与产业增长为主要驱动，其余地区则更多依赖公共服务与环境治理的改善。同时，土地政策与市场开放程度整体上对ULUE产生负向影响。本研究结果强调，应在政策设计中纳入非线性阈值效应，推动区域差异化的土地利用策略，并在空间规划中协调经济发展与生态可持续目标。

With the acceleration of urbanization in China, improving land use efficiency has become a key priority for sustainable development. This study, based on a multi-source panel dataset covering 35 representative rapidly expanding cities from 2007 to 2022, proposes a hybrid analytical framework that integrates a slack-based directional distance function (SBM-DDF) model for measuring urban land use efficiency (ULUE) with an explainable machine learning pipeline combining CatBoost, SHAP, and Generalized Additive Models (GAM) to identify and interpret its key drivers. The results show that ULUE has generally increased over time, with more rapid improvements observed after 2015, particularly in eastern cities. Nevertheless, significant regional disparities persist: the eastern region has the highest average efficiency (0.749), followed by the central (0.737), western (0.727), and northeastern regions (0.691). Some developed cities have seen declines in efficiency, while several less-developed ones are approaching the efficiency frontier. Based on the average SHAP contributions, economic performance (38%), social development (23%), and ecological governance (18%) emerge as the dominant drivers, all exhibiting strong threshold effects. ULUE in eastern cities is mainly driven by economic and industrial growth, while other regions rely more on improved public services and environmental management. Land policies and market openness show a negative impact overall. These findings underscore the need to incorporate non-linear thresholds into policy design, promote regionally differentiated land use strategies, and align spatial planning with both economic development and environmental sustainability goals.

当前中国城市发展正处于“双碳”战略、新型城镇化和高质量发展并重的历史交汇期，城市土地利用矛盾日益突出，空间扩张与集约高效利用之间的张力不断加剧。在此背景下，提升土地利用效率成为实现可持续城市发展目标的核心议题。然而，土地利用效率受到多重因素影响，其驱动机制存在显著的区域异质性和非线性门槛特征。传统方法受限于对变量间线性关系的假设，难以揭示城市土地系统中复杂交互机制。因此，亟需构建科学、可解释、可迁移的分析框架，以实现对城市土地利用效率的准确测度与关键驱动因素的系统识别。

本研究以中国35个典型扩张型城市为样本，旨在探讨土地利用效率的时空演变特征、驱动机制(图1)。具体目标包括：①评估2007-2022年间，中国35个典型扩张型城市的ULUE及其区域异质性；②构建影响因素指标体系并分析不同地域土地利用效率的关键影响因素。本文为ULUE的研究提供了系统性和动态性的新框架。创新点具体体现在，首先，引入基于松弛变量的方向距离函数SBM-DDF模型，并通过非参数显著性检验的方法与传统DEA模型、SBM模型和Super-SBM模型进行模型稳健性对比分析，证实了其在ULUE测算中的科学性和可靠性。其次，构建了一个集成式驱动因素分析框架，应用先进的可解释机器学习方法进行仿真优化，识别土地利用效率的关键因素，并通过SHAP+GAM的组合模型分析其非线性 (重要性、方向性、阈值效应)关系。最后，基于典型扩张型大中城市为研究样本，研究结果将更具可比性和针对性，同时也为其他国家或区域中的扩张型城市的土地利用问题提供有价值的参考。

ULUE的时空间差异：2007至2022年，中国35个大中城市的土地利用效率整体呈上升趋势；东部地区表现最佳，已接近效率前沿，中部地区增长迅速，其ULUE仅次于东部地区，西部和东北地区增长较慢，存在明显的区域差异。

驱动因素分析：经济水平（38%）、社会发展（23%）和生态环境（18%）是影响ULUE的关键因素，其中人均GDP、城镇化率和垃圾无害化处理率发挥重要作用。不同地区呈现显著差异，东部依赖经济增长与第三产业比重，中部受城镇化率和公共服务水平影响较大，西部需关注房地产投资的负面效应，东北则表现出产业结构优化和基础设施投入的关键作用。此外，市场开放水平对ULUE整体产生负面影响，可能与土地资源的不合理利用有关。

边际效应分析：大部分因子对ULUE的影响呈现非线性，存在显著的阈值效应。全国范围内，当人均GDP超过9.2万元、城镇化率突破65%、污水处理率达到82%后，对ULUE的促进作用显著增强，东部和东北地区第三产业占比超过临界点后同样带来积极影响。而西部房地产投资在超过477亿元后对ULUE产生抑制作用，表明过度投资可能导致资源错配。

综上，本文不仅为土地利用效率的评估提供了系统的理论框架，也为政府和相关政策制定者提供了科学依据，特别是针对不同地区的政策应更加注重差异化发展，推动区域间的均衡发展，以实现土地资源的高效、可持续利用。