山西省土地利用的碳排放效率及其优化策略
李乐乐，徐占军，杨 娜，张琬淑，付静吉，余明成
（山西农业大学资源环境学院，山西太谷030801）
摘 要： 土地利用既是人类社会经济发展的基础，同时也是全球第二大温室气体排放源。随着温室效应日益严重，低碳减排尤其是土地利用过程中的低碳减排逐渐成为人们关注的焦点。近年来，我国经济持续快速增长的同时也造成了碳排放的迅速增加，为了兼顾经济的发展和低碳减排，需要对土地利用碳排放效率进行测算和优化。以土地利用的碳排放技术效率、总效率和规模效率为指标，在数据包络分析（DEA）平台下，运用CCR模式与BCC模式测算了山西省各地级市土地利用过程中能源消耗造成的碳排放的各项效率指标，并对非DEA有效地区的投入产出进行了低碳优化。结果表明，山西省11个地级市中，只有长治和朔州2个市的土地利用碳排放总效率有效。对非DEA有效地区的投入产出进行低碳优化后，得到大同、阳泉、晋城和忻州4个市需要减少地均煤类消耗；太原、晋中市需要降低地均油类消耗；运城、临汾和吕梁市在降低煤耗和油耗的同时，还需对高碳低效的工业用地进行升级转换，积极发展低碳产业。同时，各市都需增加对第一产业和第三产业的投入。研究结果可以为山西省乃至全国的土地利用碳排放效率测算提供参考，同时对相关的低碳减排工作起到了一定的借鉴作用，有利于提高山西省乃至全国的土地低碳利用效率。
关键词： 土地的优化利用；数据包络分析（DEA）；碳排放效率
经济的快速发展带来了大量的碳排放。2009年， 我国成为世界第一大碳排放国。而山西作为我国的能源大省，其碳排放强度更是持续位于全国最高水平[1]。
采用OpenSees 建立矩形空心墩的纤维单元模型，对4个矩形空心墩柱在考虑强度退化和粘结滑移的情况下的墩顶位移进行数值模拟，如图4、图5所示。
二氧化碳的大量排放导致全球气候变暖，极端天气频发，甚至威胁人类生存。相关研究表明，化石能源燃烧和土地利用变化是全球主要的温室气体排放源[2-3]。针对能源消耗与碳排放的关系及土地利用变化与碳排放的关系研究很多，比如韩召迎等[4]、游和远等[5]、吕可文等[6]学者对能源消耗与碳排放的关系进行了分析，而南京大学对土地利用变化与碳排放的关系也做了一系列的研究工作[7-8]。但是有关能源消耗中的碳排放与土地利用关系的研究不多，然而优化我国土地利用中的能源配置，缓解土地利用中的能源碳排放增长趋势，对于我国在宏观层面上构建整个社会低碳发展模式却有重要意义[9-11]。所以，要实现土地低碳利用，必须控制土地利用中的能源消耗碳排放水平，在保证一定地均产出的同时降低地均碳排放水平，从而提高土地利用的碳排放效率。但是目前却缺乏适宜土地利用的碳排放效率测算及其低碳优化模型。
本研究以能源大省——山西省的11个地级市为分析单元，利用数据包络分析（DEA）测算了其土地利用能源消耗的碳排放效率，并针对碳排放无效的地区提出了低碳优化政策建议，以期对山西省乃至全国的低碳减排工作提供借鉴。
1 研究方法
1.1 数据来源
煤类（煤炭、焦炭）、油类（原油、汽油等）、天然气消费等数据来自《山西能源统计年鉴2015》[12]；各个地区的人口总数、3个产业增加值以及农用地与建设用地面积来自《山西统计年鉴2015》[13]。
1.2 土地利用碳排放效率计算模型
本研究采用DEA来衡量土地利用的碳排放效率。DEA即数据包络分析，是运筹学上的一种用来衡量相对效率的方法，其在测算效率时主要采用CCR模式与BCC模式[14]。CCR模式与BCC模式的区别在于，CCR模式是基于固定规模报酬，而BCC模式则是基于可变规模报酬，因此，二者得出的结论也是不同的，CCR模式得出的结论是估算单元的总效率，BCC模式得出的则是估算单元的技术效率[15-17]。2种模式根据导向不同还可细分，具体包括投入导向型和产出导向型2种。其中，前者对投入水平进行控制，目的在于既定的产量下的最小投入，而后者则恰恰相反，它是在投入量既定的情况下实现产量的最大化。本研究应用投入导向型的CCR模式与BCC模式来构建计算碳排放效率的基础平台。
在11个DMU中，长治市和朔州市的总效率有效，阳泉市是碳排放总效率最低的城市。碳排放总效率有效地区的主要特征是土地利用强度不高、土地总产出相对较低。而处于经济发展较快、较发达的地区，如太原、阳泉、晋城等地表现出的土地利用的碳排放总效率偏低。这表明在山西省内经济发展较快的地区，地均产出高效却伴随着碳排放无效。
在当前的生产技术水平下，土地利用中能源的投入必然会带来一定的碳排放，在研究中主要考虑土地利用中能源的消耗对碳排放产生的影响。国外REINHARD等[19-21]研究人员也做了类似的研究，他们以非期望产出的环境污染物或环境残余物为投入指标，利用数据包络分析（DEA）分别进行了养殖场的平均综合环境效率、平均技术效率和纸浆、纸张的非参数生产率等方面的环境效率分析。在进行DEA分析时，首先应该确定效率分析的估算单元（DMU）。本研究中以山西省11个地级市为分析单元，把煤炭和焦炭的消耗都计算为煤类消耗，把各种油包括柴油、燃料油、汽油、煤油等的消耗都作为油类消耗计算，在此基础上，分析总结认为，煤类消耗、油耗、天然气的消耗可以作为计算碳排放的投入指标。而产出指标则确定为各产业的人均增加值（表1）。投入指标的数量+产出指标的数量＜DMU的个数/2，这样符合DEA分析的需求。
将式（1）转为CCR对偶式方程：
式中，θp表示第p个DMU乘数；λk表示第k个DMU参考集的权重；S-i为松弛变量；S+j为剩余变量，分别表示产出的不足量和投入的无效冗余量。从约束条件可知，找寻n个DMU的加权组合使得产出不低于第p个DMU产出条件下尽可能的减少投入量。
则第p个DMU的规模效率为：
在假设有n个DMU的前提下，投入导向型下的BCC模式的线性规划表达式如下。
本研究将DEA-Solver作为计算平台[26-28]，以总效率、技术效率、规模效率和规模报酬4项指标，计算了2015年度山西省11个地级市的碳排放效率（表2）。
当代雕塑除了在造型上追求视觉张力，且在材料的运用方面也考虑到与作品精神内涵之关系。展示在沙漠中的这些雕塑，采用了多种材料，有GPC、不锈钢、碳钢板、铸铁、铸铜、石材、水泥等，显现出一种与主题相得益彰的审美效能。因为从当代艺术的表现手法上来讲，材料本身就具有表现性，本身就是一种表现语言，甚至是一种具有独立表现意义的视觉手段。所以，当这些中外艺术家的雕塑分布于这茫茫大漠之中时，雕塑艺术那种特有的构造形态和视觉侵袭性就会在这实体占有中，借助材料的表现力和巨大的体量，展示出一种前所未有的大漠景观，洋溢出一种特殊的场域气息！
地势低矮、平坦的土地(或田地)做好排水沟建设，尽量南北向成行栽植，密度适当降低，以改善桑园小气候，减少桑树病虫害发生。
1.3 土地利用碳排放效率投入产出指标体系
式中，Xip表示第p个DMU中第i项投入；Yjp表示第P个DMU中第j项产出；Vi是第i项投入权重；Uj是第j项产出权重；Hp则是第p个DMU的效率值（相对效率）；s.t.为单位时间内的用地投入（hm2/a）；ε为非阿基米德无穷小量。
表1 碳排放效率投入产出指标
1.4 能源消耗碳排放量计算方法
观察组机械通气总时间、有创通气时间、入住ICU时间明显短于对照组，差异有统计学意义（P＜0.05），见表1。
在提高水质方面，还有一个重要工艺与众不同，即滤池组合中起到曝气作用，其滤池的截污能力较强，在滤料的选择方面，滤料最容易产生活性膜，其粒径大小也很关键，然而选择滤料的空隙率一般为47%～51%。由于阻截效果好，通常在江河水源其滤后水浊度一般为0.15～0.3NTU左右，北方水库水一般为0.3～0.6NTU左右，达到西方发达国家滤后的水质标准。而传统工艺的粒径较小，空隙率也较低一般为31%～37%左右，截污量小，易形成表面截滤结团而影响过滤周期和过滤水质。
式中，C为碳排放，ct为第t种能源的碳排放总量，Mt为第t种能源的消费总量，Et为第t种能源的碳排放系数（由政府间气候变化专门委员会（IPCC）给定），Cvt为第t种能源的平均低位的发热量。
鉴于当前情况下，我国还没有可以直接检测碳排放量的相关数据，所以这部分的研究是在能源消费量的基础上进行的测算。碳排放计算公式如下[22]。
IPCC标出了各种能源的缺省碳排放因子，其中，煤炭为25.8 kg/GJ，焦炭为 29.2 kg/GJ，原油为20.0 kg/GJ，燃料油为 21.1 kg/GJ，汽油为 19.0 kg/GJ，煤油为19.6 kg/GJ，柴油为20.2 kg/GJ，天然气的缺省碳排放因子为15.3kg/GJ[23]。在现有的文献中，碳排放的能源动力大体分为3类：煤炭、石油、天然气，并给出能源的碳排放系数[24]。本研究综合已有文献，得到煤的碳排放系数（T/TCE）区间是[0.680，0.756]，石油的碳排放系数区间为[0.478，0.586]，天然气碳排放系数区间为[0.389，0.449]。对IPCC的缺省碳排放因子进行换算，得到本研究各能源的碳排放因子，煤的碳排放因子为0.75 t/tce，焦炭为0.855 t/tce，原油为0.584 t/tce，燃料油为0.618 t/tce，汽油为0.556t/tce，煤油为 0.574t/tce，柴油为 0.591t/tce，天然气为0.448 t/tce，与国家发改委能源研究所的研究结果进行对比可知，以上系数是合理的[25]。
2 土地利用碳排放效率的计算及分析
2.1 土地利用的碳排放效率的计算
式中，Xip，Yjp，Vi，Uj，ε 定义与式（1）一致；α 代表截距；Zp则是第p个DMU的效率值（相对效率）。利用线性规划对偶理论进行转换，并加入Σnk＝1λk＝1的约束条件，进一步获得BCC对偶式方程。
表2 土地利用碳排放效率
2.2 土地利用碳排放效率分析
以投入为导向的CCR模式，在假设有n个DMU的前提下，效率值的分式计算如下[18]。
在城市排水管道检测方面，闭路电视系统检测技术具有智能化作用，可以通过判读与人工识别等方式对管道缺陷进行研究。因为闭路电视系统人工判读功能还不够成熟，所以在实际排水管道缺陷检测过程中需要应用计算机技术建立知识库，通过知识库系统智能判读缺陷位置，从而提高管道检测质量。进入式机器人技术是闭路电视系统检测中的一部分，能够通过技术创新代替人工检测，避免工作人员检测过程中受到生命威胁。在进入式机器人技术应用方面，技术人员首先需要对这种技术进行改造，提高机器人技术适应能力，解决静态水行走问题。
碳排放总效率无效有2个方面的原因，技术效率无效和规模效率无效。其中，技术效率无效表现为对投入资源利用率不高而产生的资源浪费。从碳排放理解，技术效率的无效是在考虑规模报酬影响下，现有地均各类能源消耗碳排放量作为期望产出的伴随代价并没有实现期望产出最大[29]。长治、朔州、晋中3个市的技术效率有效，其余的8个市无效，在这3个市，长治和朔州的总效率是有效的，由此可见，总效率无效的地区技术效率可能有效。从技术效率无效的8个市进行分析，8个市的土地利用碳排放技术效率都高于总效率，比如阳泉市（0.094＞0.005）、忻州市（0.103＞0.058）以及临汾市（0.143＞0.08）等，所以必定存在着相对无效的规模效率来影响着土地利用碳排放总效率的提高。
对山西11个地级市的土地利用碳排放的规模效率展开分析。规模效率反映的是11个市目前的规模是否最优，偏大或偏小的规模效率都将使得平均投资增加。长治市和朔州市是规模效率的有效地区，其分布与总效率保持一致。而分析其他9个地级市可以发现，在山西省土地利用碳排放总效率无效地区的规模效率也一定无效。
与技术效率相比，要优化的规模效率更加困难。把规模效率有效与规模报酬区间相结合，通过DEA-Solve软件计算（表2）可以发现，在山西省长治和朔州2个市处于规模报酬不变阶段，而太原、大同、阳泉等7市处于规模报酬递减阶段，对于这9个城市，要提高碳排放规模效率，一方面要控制土地利用中碳排放的增长，另一方面要缩小碳排放的规模；晋中和吕梁市处于规模报酬递增阶段，相对于规模报酬不变和递减的地区，山西省处于这一阶段的城市相对较少，一般可以通过扩大土地利用碳排放规模来有效改善这些地区的规模效率。
3 土地利用碳排放低碳优化与分析
投入冗余、产出不足是土地利用碳排放总效率无效地区的共性问题。而投入导向性DEA是分析在产出量一定的情况下的最小投入量。所以，可以通过利用DEA模型实现碳排放无效地区一定的土地产出条件下的最小碳排放，最终实现土地利用的低碳优化。本研究中提到的低碳优化并不是绝对优化，而是一个相对优化，是指通过减少碳排放和提高土地利用的产出量来提高总效率无效地区的投入产出水平。DEA作为计算效率的模型，它对设计具体的优化策略方面意义不大，它更适用于国家或省级等层面上的宏观政策分析，根据其DEA效率优化的结果，可以给出土地利用低碳优化的初步设计方案。
其一，情感的撕裂性。情感的开放性与封闭性已是现代城市社会中人们生活的两条平行线，情感的合理性载体缺失，导致情感的释放依赖于酗酒，甚至是毒品。情感的碎片化使情感与情感之间撕裂，情感的这种固化使得情感的本质属性即共同感丧失。碎片式的情感富集与情感黏性，造成情感之间的排斥和以情感划分的圈子文化。情感的断层又进一步造成情感冲突，致使情感的本体性安全无处安置。
本研究利用DEA-Solve软件计算，得到2015年度山西省9个非DEA有效的地级市的DMU优化方案（表3）。具体包括2个方面的内容：一方面是需要增加的量，具体有人均第一产业增加值（S1+），人均第二产业增加值（S2+），人均第三产业增加值（S3+）及其不足率，另一方面是需要减少的量，具体有每个地区的地均煤炭类消耗的碳排放量（S1-）、地均各种油类消耗的碳排放量（S2-）、地均天然气消耗的碳排放量（S3-）及其冗余度。
从表3可以看出，在投入优化中，需要减少地均煤类消耗的碳排放量（S1-）的城市包括大同、阳泉、晋城、忻州4个地级市，（S1-）冗余度最高的阳泉市达到了35.70%。这些地区煤炭产业为主导产业，燃烧煤类能源成本相对较低，但是过度消耗煤炭资源却导致了区域土地利用碳排放的成本过大[30]。要实现土地利用的低碳优化，就要改变能源结构，努力寻找和选择碳排放因子较小的低碳能源。可以考虑将太阳能、天然气以及水电等碳排放低甚至不排放的能源在土地的使用过程中进行广泛推行。太原市和晋中市需要降低地均油类消耗的碳排放量（S2-），这2个市相邻且在山西省内属于经济相对发达的城市，私家车保有量大（2015年两市的私家车保有量共占全省私家车保有量的36.38%），大量消耗油类能源，而私家车产出却相对较低，这就间接导致地均消耗油类能源碳排放成本过大，从而拉高了S2-。在这些地区，一方面应该有计划地降低油类能源排放，另一方面限制私家车数量增长速度或者提高私家车的燃油效率。运城市、临汾市和吕梁市的地均煤炭类消耗的碳排放量（S1-）以及地均各种油类消耗的碳排放量（S2-）2项指标的冗余度都比较高。除了前面其他城市所述原因外，运城、临汾、吕梁市的第三产业比例比山西省其他城市低（2015年度3市第三产业比例分别为43.1%，40.7%和38.6%，而山西省该年度第三产业的比例为53%）。而第三产业单位增加值的碳排放量要比第二产业低，同时，其地均产出却远高于第一产业。所以要大力发展碳排放较低的生活服务业，同时对碳排放较高而产出率却比较低的工业用地进行升级和转换，这同样适用于山西省内其他城市地均排放效率的提高。
表3 山西省11个地级市的土地利用碳排放低碳优化结果
从产出优化角度来分析，山西省土地利用碳排放总效率无效的地级市（运城市除外）都需要同时增加人均第一产业增加值（S1+）和人均第三产业增加值（S3+）。山西省地处黄土高原，几百年的植被破坏以及煤矿开采导致生态破坏严重，土地贫瘠不利于农业耕作。一煤独大的单一的产业使得经济落后，第三产业发展缓慢。这就导致山西省以煤矿开采为主的第二产业比例很高。而且前几年煤矿发展的黄金期，地方政府税收增加进而大力进行旧城改造、发展房地产业，使得大量的农用地转变为高投入低效能的城市建设用地和采矿用地。所以，在山西省进行土地利用碳排放产出优化，首先可以通过对建设用地的整治，将碳排放较高的建设用地转为碳排放较低的第一产业用地，以控制碳排放总量的增加速度。对于第二产业增加值不足的地区（运城市），一方面要提高第二产业产出量，另一方面则要加大对第二产业的科技投入，不断进行技术优化，以降低第二产业产值的平均碳排放强度；其次，控制城市建设用地和采矿用地数量，提高集约度，以避免粗放利用造成的地均产能不高、碳排放成本过大；在第二产业用地密集的经济较发达区域内，要大力鼓励发展地均碳排放效率很高的第三产业。而且土地资源利用的低碳优化应与山西省目前大力倡导的产业升级结合，通过土地“退二进三”对高碳排放低效的采矿用地进行用途转换。对于省内经济中等以及欠发达地区，要提高第三产业的产出，必须耦合产业结构调整和土地资源配置。
4 结论
山西是典型的煤炭能源型经济，经过“煤炭十年黄金期”，经济迅速发展，但是粗放型增长方式造成了严重的环境问题，碳排放强度更是居于全国前列。本研究在DEA平台下，运用CCR模式与BCC模式测算了2015年度山西省各地级市土地利用的碳排放技术效率、总效率和规模效率，并对非DEA有效的地区进行了低碳优化，期望在保证土地产出的同时降低碳排放水平，提高土地利用的碳排放效率。本研究结果表明，山西省11个市中，只有长治市和朔州市的土地利用碳排放总效率有效；对其他市的低碳优化结果表明，从投入角度来看，大同市、阳泉市、晋城市和忻州市需要减少土地的煤类消耗；太原市和晋中市由于私家车保有量大，油类消耗过高，需减少油类产品的消耗；运城市、临汾市和吕梁市在减少煤类和油类产品消耗的同时，还需要对高碳低效的产业进行整合升级和转换，积极发展低碳产业；从产出角度来看，各市都需加大对第一产业和第三产业的投入，积极增加第一产业和第三产业增加值。投入产出效率分析兼顾了经济发展和低碳环保，对实现土地的可持续发展有重要意义。本研究为进一步探索土地的高效低碳利用提供了思路，期望在未来的研究中可将这一思想完善化。
参考文献：
［1］杜克锐，邹楚沅.我国碳排放效率地区差异、影响因素及收敛性分析：基于随机前沿模型和面板单位根的实证研究[J].浙江社会科学，2011（11）：32-43.
［2］赖力.中国土地利用的碳排放效应研究 [D].南京：南京大学，2010.
［3］曲福田，卢娜，冯淑怡.土地利用变化对碳排放的影响[J].中国人口·资源与环境，2011（10）：76-83.
［4］韩召迎，孟亚利，刘丽平，等.基于区域土地利用变化的能源碳足迹改进算法及应用[J].农业工程学报，2012（9）：190-195.
［5］游和远，吴次芳.农地集约利用的碳排放效率分析与低碳优化[J].农业工程学报，2014（2）：224-234.
［6］吕可文，苗长虹，尚文英.工业能源消耗碳排放行业差异研究：以河南省为例[J].经济地理，2012（12）：15-20.
［7］张梅，赖力，黄贤金，等.中国区域土地利用类型转变的碳排放强度研究[J].资源科学，2013（4）：792-799.
［8］赵荣钦，陈志刚，黄贤金，等.南京大学土地利用碳排放研究进展[J].地理科学，2012（12）：1473-1480.
［9］游和远，吴次芳，沈萍.土地利用结构与能源消耗碳排放的关联测度及其特征解释[J].中国土地科学，2010（11）：4-9.
［10］赵荣钦，黄贤金，钟太洋，等.区域土地利用结构的碳效应评估及低碳优化[J].农业工程学报，2013（17）：220-229.
［11］李颖，黄贤金，甄峰.江苏省区域不同土地利用方式的碳排放效应分析[J].农业工程学报，2008（Z2）：102-107.
［12］ R DDER W，REUCHER E.Advanced X-efficiencies for CCR-and BCC-models-towards Peer-based DEA controlling[J].European Journal ofOperational Research，2012，219（2）：467-476.
［13］马霜.基于DEA方法的我国商业银行效率的比较研究 [D].成都：西南财经大学，2012.
［14］MENGW，ZHANGDQ，QI L，et al.Two-level DEA approaches in research evaluation[J].Omega，2008，36（6）：950-957.
［15］EDERER NIKOLAUS.Evaluating capital and operating cost efficiency of offshore wind farms：A DEA approach[J].Renewable and Sustainable EnergyReviews，2015，42：1034-1046.
［16］ BANKER R D，CHARNES A，COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science，1984，30（9）：1078-1092.
［17］ REINHARD STIJN，KNOX LOVELL C A，THIJSSEN GEERT J.Environmental efficiencywith multiple environmentallydetrimental variables；estimated with SFA and DEA[J].European Journal of Operational Research，2000，121（2）：287-303.
［18］ HAILU ATAKELTY，VEEMAN TERRENCE S.Non-parametric productivity analysis with undesirable outputs：an application to the canadian pulp and paper industry[J].American Journal of A-gricultural Economics，2003，85（85）：1075-1077.
［19］BUONANNO PAOLO，CARRARO CARLO，GALEOTTI MARZIO.Endogenous induced technical change and the costs of Kyoto[J].Resource and EnergyEconomics，2003，25（1）：11-34.
［20］国家统计局工业交通统计司.中国能源统计年鉴2008[M].北京：中国统计出版社，2009.
［21］山西省统计局.山西统计年鉴2010[M].北京：中国统计出版社，2010.
［22］LBRECHTJOHAN，FRANOISDELPHINE，SCHOORS KOEN.A shapley decomposition of carbon emissions without residuals[J].EnergyPolicy，2002，30（9）：727-736.
［23］ IPCC.Climate change 2007：the physical science basis：contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change[M].Cambridge：Cambridge UniversityPress，2007：539-542
［24］ ZHANG M，MU H L，NING Y D，et al.Decomposition of energy-related CO2emission over 1991—2006 in China[J].Ecological Economics，2009，68（7）：2122-2128.
［25］王铮，朱永彬.我国各省区碳排放量状况及减排对策研究[J].中国科学院院刊，2008（2）：109-115.
［26］ COOPER WILLIAM W，TONE KAORU，SEIFORD LAWRENCE M.Data envelopment analysis：A comprehensive text with models，applications references，and DEA-Solver software with cdrom[J].Journal of the Operational Research Society，2001，52（12）：145-156.
［27］TONE KAORU.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001，130（3）：498-509.
［28］国务院发展研究中心.2050中国能源和碳排放报告[M].北京：科学出版社，2009.
［29］张伟，朱启贵，李汉文.能源使用、碳排放与我国全要素碳减排效率[J].经济研究，2013（10）：138-150.
［30］张苗，甘臣林，陈银蓉，等.中国城市建设用地开发强度的碳排放效率分析与低碳优化[J].资源科学，2016（2）：265-275.
Carbon Emission Efficiency of Land Use and Its Optimizing Strategy in Shanxi Province
LI Lele，XUZhanjun，YANGNa，ZHANGWanshu，FUJingji，YUMingcheng
（College ofResources and Environment，Shanxi Agricultural University，Taigu 030801，China）
Abstract： The land use is the basis of human social and economic development,at the same time,it is also the second biggest source of the global greenhouse gas emissions.With the greenhouse effect more and more serious,low carbon emission reduction,especiallyin the process ofland use,the reduction oflowcarbon emissions graduallybecomes the focus ofpeople's attention.In the recent years,the continued rapid growth of China economy also has led to the rapid increase in carbon emissions.In order to take into account the development of economy and the reduction of low carbon emission,it is necessary to figure out and optimize the land utilization efficiency of carbon emissions.In this paper,it took the technical effciency,total efficiency and scale efficiency of carbon emissions from land use as the index.Under the platform of DEA,based on the model of CCR and BCC,the various efficiency indicators of carbon emission from energy consumption in the process of land use in Shanxi province were calculated in this paper,and the low-carbon optimization of input and output in non DEA effective area was carried out.The results showed that among the eleven cities of Shanxi province,onlythe total efficiencyofcarbon emissions in Changzhi and Shuozhou was effective.After low-carbon optimization ofinput and output in non-DEA effective areas,four cities,Datong,Yangquan,Jincheng and Xinzhou,needed to reduce average coal consumption,while Taiyuan and Jinzhong needed to reduce the average of ground oil consumption.To reduce coal and fuel consumption at the same time,it was necessary to upgrade the high carbon inefficient industrial land,and actively develop low-carbon industry in Yuncheng,Linfen and Lüliang.At the same time,all cities needed to pay more attention to increasing the investment of the first and third industries.The results of this paper can provide reference for the efficiency of the land use in Shanxi province and even the whole country,and also play a certain reference role for the related lowcarbon emission reduction work.What's more,the results will help improve the efficiency ofland use in Shanxi province and even the whole country.
Key words： land use optimization;DEA;carbon emission efficiency
中图分类号： F323.214
文献标识码： A
文章编号： 1002-2481（2019）03-0476-06
doi： 10.3969/j.issn.1002-2481.2019.03.40
收稿日期： 2018-10-29
基金项目： 国家青年基金项目（51304130）；山西省青年科技研究基金项目（2015021125）；山西省教育厅哲学社会科学基金项目（201803010）；山西农业大学校基金项目（20132-13）
作者简介： 李乐乐（1992-），女，山西晋城人，在读硕士，研究方向：土地生态、资源环境评价。徐占军为通信作者。