黃河流域水資源、能源與糧食生產的時空匹配及阻尼效應

陳 帥，侯孟陽，李園園，鄧元杰，姚順波

·土地保障與生態安全·

黃河流域水資源、能源與糧食生產的時空匹配及阻尼效應

陳 帥1，侯孟陽2，李園園1，鄧元杰1，姚順波1※

（1. 西北農林科技大學經濟管理學院，咸陽 712100；2. 河北大學經濟學院，保定 071000）

水、能源與糧食是人類生活與可持續發展的重要保障，探究水資源、能源對糧食生產作用對于優化資源配置與保障糧食安全有著重要的意義。該研究運用洛倫茲曲線與基尼系數評估黃河流域上中下游水資源、能源與糧食生產之間的匹配度，并基于柯布-道格拉斯生產函數引入糧食增長阻尼模型測算出黃河流域水資源與能源對于糧食生產的制約程度。結果表明：1）黃河流域水資源、能源對糧食的基尼指數呈現出先減小后增大情形，黃河下游區域的匹配度要比上中游區域更為合理，2019年下游區域水資源、能源對糧食都呈現出高度匹配狀態情形。2）黃河流域水資源對于糧食生產的阻尼系數波動較大，阻尼系數變化范圍為0.005～0.032，且水資源對糧食增長阻尼作用呈現出6 a一周期情形。能源對于糧食生產的阻尼作用呈現出穩步上升情形，且在2015年后上升較快。在水資源與能源約束條件下，2019年黃河流域糧食產量增長要比上一年分別降低0.76%與5.28%。3）黃河流域水資源阻尼系數呈現出西部小東部大情形，能源阻尼效應呈現中高約束狀態集中在黃河上游東部區域與下游區域，低約束狀態集中于黃河中游區域。另外，黃河流域水資源與能源阻尼系數具有典型的空間集聚特征，水資源阻尼效應高-高集聚區主要分布在黃河下游區域，能源阻尼效應低-低集聚區分布在中游北部區域。研究結論可為黃河流域糧食的穩定增長與資源有效配置提供科學依據。

空間匹配；基尼指數；增長阻尼；糧食生產；黃河流域

0 引 言

水資源是農業發展的重要載體，能源是促進農業發展的物質支撐，糧食是人類生存最基本的保障，它們是國家經濟發展進程中至關重要的戰略性物資[1]。由于中國各區域資源存在差異性以及受氣候、政策等因素的影響，農業耗水與農業能源對于糧食生產的匹配與制約作用也存在著較大差異。對于黃河流域而言，在目前水資源短缺日益緊迫、能源消耗在“雙碳”政策與生態保護與高質量發展環境下得以限制以及糧食生產在農業產業效益逐漸低下與各種資源非農化背景下，面對農業資源要素的消耗與空間分布不平衡的狀況，如何有效配置資源要素助推糧食生產已成為關鍵所在。針對目前黃河流域農業各資源供給與需求矛盾，國家及當地政府也采取了相關措施，2021年10月8日，中共中央、國務院印發《黃河流域生態保護和高質量發展規劃綱要》，該綱要提出了黃河流域農業節水措施，以及確定了如何依據水資源與生態環境承載力來確定能源行業生產規模方案。因此，研究黃河流域水資源、能源與糧食之間匹配與制約關系對緩解資源供需矛盾有著重要的科學價值，另外，在黃河流域水資源日益緊缺與能源消耗日益增加以及糧食安全背景下，厘清水資源、能源與糧食生產的匹配關系并分析其對糧食生產的制約作用，可為黃河流域糧食系統的安全與資源有效配置提供重要的參考依據。

糧食種植與水資源密切相關，國內外學者對水資源與糧食的關聯進行了大量研究，研究角度趨于多樣化。國內相關研究集中在農業生產用水效率[2-4]、水分生產力[5]、糧食生產水足跡[6-7]等方面，相關研究證實了水資源對于糧食生產起到顯著的促進作用[8-10]。對于能源與糧食關聯研究并不多，部分研究集中于能源投入對于糧食產量影響[11-12]。此外，對于變量匹配關聯的研究，多數學者分析了農業生產中水土資源匹配特征[13-15]以及水土資源與經濟、環境之間的匹配度[16-17]、協調度[18]等。周美玲等對浙江省綠色空間與經濟發展典型要素匹配進行研究，發現杭州市空間匹配度最低而舟山市與嘉興市的空間匹配度較高[19]，熊鷹等[20]發現長株潭城市群水資源分布與土地面積、人口高度協調。另外，因自然資源消耗引發的阻尼效應研究集中在經濟要素方面，如水資源約束[21-22]、土地資源約束[23-24]、能源約束[25]等。

整體而言，學者們對農業資源協調度、匹配度以及水土資源配置研究取得了可觀成果，但仍有一定的改進空間。第一，部分文獻對于水-能源-糧食系統協調安全性進行了評價[26]但無法厘清糧食生產中水資源與能源配置對于糧食產量的影響，構造糧食生產中水資源與能源的匹配研究框架將拓寬資源配置理論的應用范圍。在當前黃河流域水資源短缺、能源需求與消耗矛盾突顯，威脅糧食安全的背景下，從時間演變與空間異質兩種維度和匹配均衡與阻尼效應兩種視角探尋黃河流域糧食生產的資源配置策略具有一定的現實意義。第二，相關文獻表明作物生產要素匹配程度越高則農業生產條件越優越[15]，現實情況是否也是如此？文章依據匹配特征與阻尼效應以及結合黃河流域現實情況去分析這一觀點，這對現有文獻關于“匹配均衡則為優”的評價標準有著全新的認識。另外，黃河上中下游資源稟賦差異性較大，對黃河流域上中下游水資源與能源對于糧食的匹配研究相比僅對整體流域研究更加準確具體。鑒于此，本文基于市級尺度與時空視角，對黃河流域上中下游水資源-糧食與能源-糧食的基尼指數進行分區測算，引入Cobb-Douglas生產函數推導出糧食生產的增長阻尼公式，并基于增長阻尼公式與嶺回歸模型結果測算黃河流域水資源與能源對糧食生產的阻尼效應值，并通過ArcGIS軟件分析其空間分布特征。這為進一步探尋黃河流域糧食生產中資源配置的優化策略提供科學性指導。

1 研究方法與數據來源

1.1 研究區域概況

黃河流域橫貫中國東西，大部分區域位于中國西北部，從西到東橫跨青藏高原、內蒙古高原、黃土高原與黃淮海平原，地勢呈現出西高東低情形。黃河流域水資源總量約占全國的2.6%，在中國七大江河中排名第4位，但降水量在中國十大流域中排名居后。2020年黃河流域平均降水量為507 mm，地表水取水量為426.17億m3，占總取水量的79.5%。農業耗水量達到231.01億m3，占到地表耗水量的65.3%，人均水資源量約900 m3。此外，黃河流域是中國重要的能源、化工原料基地，中下游煤炭資源和石油資源豐富，煤炭儲備量占全國總量的50%以上，中國目前產煤規模最大的三個省份（內蒙古、山西和陜西）皆位于該流域內，但同時也面臨傳統產能過剩、產業結構單一及能源產業分布不均等困境。2019年，黃河流域糧食種植面積達到4 181萬hm2，糧食產量為23 438萬t，約占全國三分之一，重點分布在黃河下游區域。

在遵循以自然黃河流域范圍的基礎上和保證地區級行政單元完整性原則上，借鑒相關研究[27-28]，繪制出以下研究區域（圖1），具體研究區域涉及到黃河流域78個地級市，其中上游、中游與下游涉及到地級市個數分別為30、31與17個。

1.2 基尼指數

洛倫茲曲線與基尼指數在經濟學上是分析收入分配均衡程度的一種客觀指標[29]。水資源與能源在地域空間分布的差異性會影響到區域糧食產量以及農業發展，文章以糧食產量作為基本匹配對象，以水資源與能源作為分級匹配對象。整理出黃河流域以及各上中下游各市（州）單位水資源和能源所對應的糧食產量，并計算出相應的水資源、能源與糧食產量占總量的累積百分比，并依據各變量累計比例繪制出洛倫茲曲線。此外，本研究采用梯形面積法計算其基尼指數，如式（1）所示。

式中x表示第個地區水資源量累計百分比，y表示第個地區糧食產量的累計百分比。

圖1 研究區域概況圖

參照經濟學上的基尼系數評價居民收入公平程度的劃分方法，本文將水資源和能源對糧食生產的匹配程度劃分為5個等級，從高到低依次為高度匹配、相對匹配、一般匹配、不太匹配與極不匹配；相應等級對應的基尼系數范圍為(0，0.2)、[0.2，0.3)、[0.3，0.4)、[0.4，0.5)與[0.5，1)。該數值接近0，表示對于單位水資源或能源投入糧食生產越均衡[19]。按照國際慣例將0.4作為基尼指數值的警戒線，當基尼指數值超過0.4，表明兩者不太匹配。

1.3 阻尼效應

為量化黃河流域水資源與能源對于糧食生產的制約作用，本文借鑒Romer變形后的生產函數“growth drag”概念[30]與現有相關研究成果[31]，將水資源（能源）對糧食生產的阻尼效應定義為在現有水資源（能源）利用下的糧食產量增長與假定不受水資源（能源）約束下糧食產量增長值的差值。關于水資源與能源增長阻尼公式的推導與思路如下：

式中()表示在時間的糧食產量（萬t），()、()分別表示在時間的能源投入量（kW）和水資源投入量（億m3），()表示在時間的糧食作物投入面積（103hm2），()表示在時間的勞動力投入量（萬人），()表示在時間的知識或勞動的有效性，為相應的產出彈性，其數值都大于0，且<1。另外，文章將單位勞動生產率引入增長阻尼模型，在本文中定義它為在一年時間內單位勞動者所生產的糧食產量，表達式為()()()，將其代入式（2）并對兩邊取對數處理

對式中進行求導得出式（4），

式中g()、g()、g()、g()、g()與g()分別表示單位時間內糧食、能源、水資源、土地、勞動力生產率的增長率與技術進步率。

依據Romer理論[30]，假設經濟保持均衡增長，在平衡增長路徑所需資本與產出均以一個恒定不變的速率增長，對于糧食產量在平衡增長路徑來講同樣適用，g()與g()相等，在平衡增長路徑下糧食產出增長率為

當資源受到限制時，各資源的增長率為實際增長率，但在各資源不受限制時，即水資源和能源的增長率不再是g()和g()，而是g()(單位勞動生產率增長率)，即g()=g()=g()，在平衡經濟增長路徑上，單位勞動力生產率糧食產量增長率為

依據前文“增長阻尼”定義，可得水資源與能源對糧食的“增長阻尼”為

因此可得出水資源與能源的增長阻尼方程式為Drag與Drag。

勞動生產率增長率、水資源與能源增長率依據方程式0(1+)(s-1)=y進行測算。0為變量初期值，本文初期為2000 年，y為變量第期數值，為該變量年平均增長率。當水資源阻尼系數Drag為正值時，表明在現有水資源利用下制約了糧食產量的增加，該數值越大，阻尼效應越強。本文采用隨機效應模型、固定效應模型以及嶺回歸模型對其參數進行估計，并對其進行檢驗與Hausman檢驗，選出最佳模型以得出相關參數。

1.4 變量選取與數據來源

為測算基尼指數值與阻尼效應值，選取以下相關變量：1）糧食產量()：糧食產量一般是指當年某地區豆類、谷物與薯類作物生產量的總稱。已有文獻將糧食產值與農業產值作為產出，但因通貨膨脹原因使得糧食產值與農業產值不能反映真實糧食產出情況，因此本文采用糧食產量作為糧食產出。2）水資源投入()：本文選取的水資源用水量是基于相關水資源公報中農田灌溉用水，其中糧食作物用水量可換算為()，其中=糧食作物播種面積/農作物播種面積。3）能源投入()：本文選取農業機械總動力為基礎數據，農業機械動力一般是指從事農業生產活動所需的各種機械動力總和，在本文中，糧食生產所需的能源投入為：()。4）土地資源投入()：本文以糧食播種面積進行表示。5）勞動力投入()：基于農林牧漁業從業人數，本文對于從事糧食生產的勞動力投入進行換算：()，其中，農業總產值/農林牧漁業總產值。

本文研究水資源、能源與糧食的時空匹配以及阻尼效應采用的是2000—2019年黃河流域78市（州）面板數據集，相關數據來源于青海、四川、甘肅、寧夏、內蒙古、陜西、山西、河南、山東9個省級行政區統計年鑒以及各城市統計年鑒、9個省級行政區水資源統計公報以及EPS數據庫。本文對相關數據進行了整理與換算，并對缺失數據進行差值法補齊處理。

2 結果與分析

2.1 水資源、能源與糧食的匹配特征分析

通過對相關數據整理測算，繪制出2019年黃河流域及其上中下游的水資源、能源與糧食產量匹配的洛倫茲曲線，如圖2所示。

由圖2可知，黃河下游區域水資源量與糧食產量的洛倫茲曲線幾乎是直線，基尼指數值為0.122，表明黃河下游地區作物用水與糧食產量匹配是合理的。黃河中游與上游作物用水與糧食產量的洛倫茲曲線偏離過原點的直線，而黃河上游基尼系數值為0.379，這一數值靠近警戒線，表明黃河上游糧食生產所需的水資源量較不均衡，中游區域及整體流域的作物用水與糧食生產的匹配程度為一般匹配。黃河上游流經中國地勢第一、第二級階梯交界處，流域地勢具有起伏大、落差大與水流急等特點，水資源較為豐富，加上近年來全球變暖導致了冰川融化，黃河上中游水資源量有所增加，雖然有利于緩解黃河上中游農業對水資源需求，部分區域仍存在農作物灌溉用水冗余情況。另外，由于當地農業用水價過低，出現農民不愛惜水現象，不愿花錢購買節水灌溉設備，灌溉管理單位收取的水費入不敷出，農業用水效率降低，因此出現了黃河中上游區域農業水資源與糧食生產匹配度不高現象。

黃河下游區域農業機械總動力與糧食產量的洛倫茲曲線靠近絕對平均線，其基尼指數值為0.118，屬于高度匹配狀態。而黃河流域中下游農業機械與糧食產量的洛倫茲曲線相對偏離過原點直線，其基尼指數值分別為為0.206與0.213。黃河中上游區域農業規模化水平低，糧食耕作技術落后，農業基礎設施條件較差，相關農業機械設備品種少，規格不全，農業機械設備使用未能達到優良效果，導致中上游區域農業規模化經營與產業化生產水平不高。因此，黃河中上游區域能源機械與糧食生產匹配度相對不高。從整體流域來看，黃河流域能源投入與糧食生產的匹配程度是相對較高的。

a. 水資源a. Water resourceb. 能源b. Energy

2000—2019年黃河水資源、能源與糧食產量之間的基尼指數結果如表1所示。從表1可知，黃河下游區域的水資源量與糧食產量的基尼指數值變動幅度小，一直維持在0.12到0.14之間，處于高度匹配狀態。黃河上中游以及整個流域的水資源用量與糧食產量的基尼指數值變化波動大。中游區域基尼指數從2000年的0.244上漲到2019年的0.336，在2000年、2006年與2012年都保持相對匹配狀態。值得注意的是，黃河上游區域水資源與糧食生產的基尼指數值都在0.34之上，其中在2000年，基尼指數值超過了基尼指數的警戒線，匹配處于失衡狀態。黃河下游區域農業機械總動力與糧食產量的基尼指數值基本保持穩定，基尼指數值在2006年與2012年未達到0.1，可見匹配狀態是合理的，農業機械總動力能推進糧食生產且鮮少存在農業能源投入冗余現象。黃河中游與上游區域的農業機械總動力與糧食產量的基尼指數呈現先降低后上升情形。從時間角度來看，黃河流域的農業機械總動力與糧食產量的基尼指數值呈現先減小后增大情形。

2.2 黃河流域水資源與能源增長阻尼效應的時序分析

根據Drag與Drag的方程式，表2展示各因素對于糧食生產的回歸模結果，結果顯示3種模型的擬合效果都較好，2值都在0.93以上，綜合各變量顯著性與擬合效果最終選取了嶺回歸模型作為最終參數估計模型。

由表2嶺回歸模型可知所有變量都通過1%顯著性檢驗，其中水資源與能源的產出彈性都較大，可通過水資源與能源來解釋糧食生產增長。從嶺回歸系數來看，水資源與能源的產出彈性系數為0.130與0.481，可見黃河流域糧食生產依賴水和農業能源的投入。糧食作物面積與農業勞動力的產出彈性分別為0.588與-0.050，由于黃河流域農業勞動力存在剩余，要素邊際收益存在遞減規律，農業勞動力的產出彈性呈現負數情形。將以上計算出來的相關系數代入Drag與Drag的方程式中，可得出各時期水資源與能源對于糧食增長的阻尼效應值。

表1 2000—2019年黃河流域水資源、能源與糧食產量基尼指數變化

表2 計量模型回歸估計結果

注：*、**、***分別表示在10%、5%、1%水平顯著，括號內數字為值。

Note: *, * *, * * * are significant at the level of 10%, 5% and 1% respectively, the figures in brackets arevalues.

由圖3來看，黃河流域水資源的阻尼系數波動較大，變化范圍為0.005～0.032。其中2003—2004年、2006—2012年與2016年黃河流域水資源對于糧食生產具有相對高約束狀態。在水資源約束條件下，2019年的糧食增長要比上一年降低0.76%。近二十年來，黃河流域糧食產量呈現上漲趨勢，在2003—2004年間，糧食產量上漲幅度較大，達到10%左右。糧食生產的增加也需更多水量灌溉，便出現了水資源對糧食生產阻尼系數越來越大情形。在2004—2007年間，糧食產量有所增加但增長率處于降低情形，黃河流域在該期間處于豐水年份，農業灌溉用水對于糧食生產制約作用有所減弱。2008年以來，黃河流域糧食產量緩慢增長，而黃河流域的降水量波動較大，其中在2013—2014年與2017—2020年間，黃河流域年平均降雨量達到480 mm以上，近年來黃河水資源對于糧食的阻尼效應有所減弱。另外，黃河流域水資源對糧食的阻尼效應呈現循環波動特征，其波動時期分別是2000—2006年、2006—2013年與2013—2019年，黃河流域水資源對糧食增長阻尼效應呈現為大致為6 a一個波動周期。

圖3 2000—2019年黃河流域水資源與能源增長阻尼系數

Fig.3 Water resources and energy damping growth coefficient in the Yellow River Basin from 2000 to 2019

圖3顯示出黃河流域能源對糧食生產阻尼效應呈現遞增趨勢。在能源約束條件下，2019年的糧食增長要比上一年降低5.28%。隨著中國農業耕作方式從傳統手工向智能機械化過渡，多數地區出現規模化種植特征。另外，糧食從耕作到收割過程中都將依賴能源的推動。相關數據表明黃河流域作物生產中農業機械總動力消耗在2000年突破1億kW，在2019年達到2億kW，黃河流域糧食生產越來越依靠能源機械來推動糧食生產，這與研究結果呈現一致情形。近年來，中國為推進低碳綠色發展提出了碳達峰、碳中和目標，“雙碳”政策的提出在一定程度上抑制了農業能源的供給，而黃河流域糧食生產對能源有著強烈的需求，導致2015年以來能源阻尼系數上升幅度較大。

2.3 黃河流域水資源、能源增長阻尼效應空間特征分析

圖4為黃河流域水資源阻尼系數與能源阻尼系數空間分布圖，部分區域水資源阻尼系數出現負數，該無約束狀態主要分布在黃河西北地區，如海西蒙古族藏族自治州、海北藏族自治州、張掖市，部分還分布在黃河中南與東部地區。當農田灌溉大于糧食單產最高需水量時，會出現水資源供給增加，糧食減少現象，水資源灌溉過多過少都不利于糧食生產。低約束狀態的水資源阻尼系數范圍為0.001～0.010，主要分布在上游南部區域以及中游東北區域，如甘孜藏族自治州、忻州市、太原市、漢中市與安康市等市。中約束狀態的阻尼系數范圍為0.011～0.050，主要分布在黃河東部地區，如榆林市、延安市、運城市、洛陽市、平頂山市等區域，部分中約束狀態分布在黃河中部地區。高約束狀態的水資源阻尼系數范圍為0.051～0.180，主要分布在黃河下游區域，如東營市、德州市、濟寧市、開封市，少數分布在黃河中部地區。下游區域鮮少出現農業用水粗放問題，糧食作物灌溉越來越科學化，但即使用水效率高也難免會存在水資源供給不足而導致糧食產量減少，下游區域水資源對于糧食的阻尼作用較大。

黃河能源對糧食的制約作用為無約束狀態有玉樹藏族自治州、果洛藏族自治州、榆林市、呂梁市、長治市等市。低約束狀態集中于黃河中游區域，如寶雞市、臨汾市、運城市、太原市、忻州市等市。陜西省與山西省地區作為黃河流域重要煤炭資源基地，2020年陜西省規模以上工業原煤產量6.79億t，能源供給充足在一定程度使得糧食生產中農業能源需求得到滿足，中游多數區域能源阻尼系數整體偏小。中約束與高約束狀態的阻尼系數值范圍為0.011～0.050與0.051～0.200，中高約束情形主要分布在黃河上游東部與黃河下游區域，能源對于糧食增長在這些區域起到一定的制約作用。下游區域耕作技術先進，農業機械化程度高，而下游區域作為黃河流域的糧食主產區，更需能源投入來促進糧食產量增加。

本文引入全局莫蘭指數對黃河流域水資源阻尼與能源阻尼空間集聚特征進行分析，結果顯示黃河流域水資源阻尼系數莫蘭指數為0.165，能源阻尼效應莫蘭指數為0.083，且值在0.05水平下顯著，說明黃河流域水資源及能源阻尼效應具有一定的空間集聚特征，且水資源阻尼效應的空間相關性要比能源阻尼效應強。此外，運用局部莫蘭指數對黃河各區域水資源與能源阻尼效應的空間集聚特征進行分析，結果如圖5所示。

對于水資源阻尼效應而言，高-高（High-High，H-H）與低-低（Low- Low，L-L）族類分布較多，其中H-H族類主要分布在黃河下游區域，具體區域有臨沂市、石嘴山市、德州市、淄博市、濮陽市等，這些區域水資源阻尼效應高，且周邊區域水資源阻尼系數也較高。L-L族類主要在黃河上游的東南區域與中游西南區域，涉及區域有海東市、海南藏族自治州、隴南市、天水市、定西市、寶雞市、漢中市等，這些區域水資源阻尼系數較低，且周邊區域水資源阻尼系數也較低。低-高（Low-High，L-H）族類分布在黃河流域東部區域，例如濱州市、濟南市、聊城市、泰安市等，這些區域水資源阻尼系數較低，但周邊區域水資源阻尼系數較高。高-低（High-Low，H-L）族類個數較少且分布較廣，包括烏蘭察布市、白銀市、平涼市、甘南藏族自治州與咸陽市，這些區域水資源阻尼系數較高，但周邊區域水資源阻尼系數較低。對于能源阻尼而言，H-H族類分布在中游西南區域和下游南部區域，L-L族類主要分布在中游北部。黃河流域水資源與能源阻尼效應集聚特征是資源、社會、經濟共同影響的結果，作為糧食生產所需的土壤、化肥、農膜、農業用水、灌溉水平、勞動力以及農業資本的投入，因為這些投入要素在地理上表現出類似性，從而導致水資源與能源阻尼效應在空間上出現的集聚特征。黃河下游區域雖然水資源缺乏，但經濟較為發達，農業機械化水平高且農業節水技術較強且運用范圍較廣，這些綜合因素在一定程度上緩解了下游區域農業用水對糧食生產的影響。

a. 水資源a. Water resourceb. 能源b. Energy

a. 水資源a. Water resourceb. 能源b. Energy

3 討論與結論

3.1 討論

結合研究結果來看，黃河中上游水資源與糧食匹配度較低，下游匹配度較高，但同時下游區域面臨的水資源的阻尼效應較大，可見下游單位水資源投入對糧食生產潛力比中上游區域大，而下游區域是水資源短缺的重要區域，農業資源配置未處于最優狀態，從經濟學角度來看，糧食產量效益未達到最大化，以此來看“匹配均衡則為優”并非如此。中上游區域可推廣農田灌溉技術，嚴格把控農田灌溉用水量，提高作物灌溉用水利用效率。黃河下游作為糧食主產區域，除了充分利用地表水與地下水，還可采用先進灌溉技術且適時適量地對農作物進行灌溉，以滿足作物生產用水需求。此外，還要提升黃河區域的防洪能力，近年來，黃河部分區域頻頻出現澇災情況。2021年9月份，河南省、陜西省與山西省出現了罕見的持久性暴雨，澇災嚴重損害糧食作物，其中，山西省洪澇災害導致1800多平方千米農作物受災，糧食產量嚴重減少。當地政府需加強區域的排洪輸沙功能，提高防汛保障能力，以防糧食作物出現大面積損害。

2021年9月下旬以來，中國東北地區出現突發性大面積停電事件，其主要原因是由于煤炭能源供給端緊缺。在碳中和、碳達峰與能耗雙控的背景下，中國部分區域將可能面臨糧食生產所需能源供給不足等問題，因為黃河下游區域農業能源對于糧食生產阻尼作用比其他區域大，應著重提高下游糧食主產區農業能源供給水平并完善能源可供性核查。另外，下游區域可發展太陽能、風能、生物質能等可再生能源，落實“雙碳”目標政策，實行節約使用資源和加強能源的循環利用，降低資源耗竭速度。隨著能源、電價以及化肥的價格大幅上漲，糧食生產成本上升，使得部分農民從事農業活動的積極性大大降低，因此可適當對農業生產用能進行補貼以促進農業發展。另外，黃河流域工業經濟處在蓬勃發展時期，工業經濟高能耗的粗放增長方式必然導致能源短缺，這對于黃河流域生態保護會產生一定影響，所以要積極倡導農業與工業耗能的科學方式。另外，黃河上中下游要發揮好區域自身的資源優勢，取長補短盡可能消除資源的不平衡以促進農業發展。

3.2 結論

水資源與能源作為糧食生產的重要資源，水資源與能源的空間匹配在一定程度上會影響糧食產業的發展。本研究分析了黃河上中下游區域水資源與糧食生產和能源與糧食生產之間的匹配情況，并基于Romer增長阻尼模型測算了黃河流域水資源與能源對糧食生產的阻尼系數，分析了黃河流域水資源與能源對于糧食增長的阻尼效應，主要結論如下：

1）2019年黃河流域以及上中下游區域的水資源與糧食的基尼指數值分別為0.365、0.379、0.336與0.122，能源與糧食的基尼指數值分別為0.194、0.218、0.206與0.118，表明黃河流域能源與糧食的匹配程度比水資源與糧食的匹配程度均衡，黃河下游區域農業用水、能源消耗對糧食生產的匹配度要比黃河中上游區域合理。從時序變化看，黃河流域水與糧食匹配程度和能源與糧食的匹配程度呈現先減小后增大情況。

2）黃河流域水資源對于糧食生產的阻尼系數波動較大，其水資源阻尼作用大致為6 a一個周期，該周期呈現出“減小—增大—減小”的變化特征。黃河流域能源對于糧食生產增長阻尼效應呈現穩步上升態勢，其中，能源阻尼系數在2015年上增較快，這也表明黃河流域能源對于糧食生產阻尼作用越來越大。

3）黃河西部區域水資源阻尼系數較小，東部區域阻尼系數較大，黃河上游東部地區與下游區域的能源阻尼系數較大。另外，黃河流域水資源與能源阻尼效應在空間上具有一定的集聚特征，且水資源阻尼效應要比能源阻尼效應的空間相關性要明顯。

[1] 彭俊杰. 黃河流域“水-能源-糧食”紐帶系統的生成機制、價值體現與路徑重塑[J]. 當代經濟管理，2021，43(8)：76-81.

Peng Junjie. The generating mechanism, value embodiment and path reconstruction of the water-energy-food nexus in the Yellow River Basin[J]. Contemporary Economic Management, 2021, 43(8): 76-81. (in Chinese with English abstract)

[2] 張玲玲，丁雪麗，沈瑩，等. 中國農業用水效率空間異質性及其影響因素分析[J]. 長江流域資源與環境，2019，28(4)：817-828.

Zhang Lingling, Ding Xueli, Shen Ying, et al. Spatial heterogeneity and influencing factors of agricultural water use efficiency in China[J]. Resources and Environment in the Yangtze Basin, 2019, 28(4): 817-828. (in Chinese with English abstract)

[3] 常明，王西琴，賈寶珍. 中國糧食作物灌溉用水效率時空特征及驅動因素：以稻谷、小麥、玉米為例[J]. 資源科學，2019，41(11)：2032-2042.

Chang Ming, Wang Xiqin, Jia Baozhen. Driving factors and spatiotemporal differentiation of irrigation water use efficiency in China[J]. Resources Science, 2019, 41(11): 2032-2042. (in Chinese with English abstract)

[4] 馮峰，倪廣恒，孟玉清.基于流向跟蹤和多重賦權的引黃灌區用水效率評價[J].農業工程學報，2017，33(10)：145-153.

Feng Feng, Ni Guangheng, Meng Yuqing. Evaluation of water use efficiency in Yellow River Irrigation Area based on flow-tracing and layered-weight method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10):145-153.(in Chinese with English abstract)

[5] Zhang W, Tian Y, Sun Z, et al. How does plastic film mulching affect crop water productivity in an arid river basin?[J]. Agricultural Water Management, 2021, 258: 107218.

[6] 黃麗，王武林. 中亞五國糧食生產水足跡及水消耗量預測[J]. 經濟地理，2021，41(4)：118-126.

Huang Li, Wang Wulin. Water footprint and water consumption prediction of food crop production in five Central Asian countries[J]. Economic Geography, 2021, 41(4): 118-126. (in Chinese with English abstract)

[7] 操信春，任杰，吳夢洋，等.基于水足跡的中國農業用水效果評價[J].農業工程學報，2018，34(5)：1-8.

Cao Xinchun, Ren Jie, Wu Mengyang, et al. Assessing agricultural water use effect of China based on water footprint framework[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(5):1-8. (in Chinese with English abstract)

[8] 李青，陳紅梅，王雅鵬. 基于面板VAR模型的新疆農業用水與農業經濟增長的互動效應研究[J]. 資源科學，2014，36(8)：1679-1685.

Li Qing, Chen Hongmei, Wang Yapeng. The interactive effect of agricultural water and agricultural economic growth in Xinjiang[J]. Resources Science, 2014, 36(8): 1679-1685. (in Chinese with English abstract)

[9] 馮穎，姚順波，郭亞軍. 基于面板數據的有效灌溉對中國糧食單產的影響[J]. 資源科學，2012，34(9)：1734-1740.

Feng Lin, Yao Shunbo, Guo Yajun. Unit area crop yield response to effective irrigation in China based on a panel data model[J]. Resources Science, 2012, 34(9): 1734-1740. (in Chinese with English abstract)

[10] 金濤. 中國糧食作物種植結構調整及其水土資源利用效應[J]. 自然資源學報，2019，34(1)：14-25.

Jin Tao. The adjustment of China's grain cropping structure and its effect on the consumption of water and land resources[J]. Journal of Natural Resources, 2019, 34(1): 14-25. (in Chinese with English abstract)

[11] 劉英基. 糧食生產的能源投入及技術變動趨勢[J]. 華南農業大學學報(社會科學版)，2015(3)：104-113.

Liu Yingji. Energy input and technological trends of Chinese grain production[J]. Journal of South China Agricultural University (Social Science Edition), 2015(3): 104-113. (in Chinese with English abstract)

[12] 牛亮云，侯博，吳林海. 基于灰關聯熵的中國農業能源投入與糧食產出關系研究[J]. 財貿研究，2012，23(2)：45-53.

Niu Liangyun, Hou Bo, Wu Linhai. Relationship between agricultural energy input and food output of China based on gray gelational entropy analysis[J]. Finance and Trade Research, 2012, 23(2): 45-53. (in Chinese with English abstract)

[13] 李文靜，許文強，包安明，等. 阿姆河流域耕地變化及水土匹配特征分析[J]. 水資源保護，2021，37(3)：80-86，107.

Li Wenjing, Xu Wenqiang, Bao Anming, et al. Analysis of cultivated land change and water-land matching characteristics in Amu Darya River Basin[J]. Water Resources Protection, 2021, 37(3): 80-86, 107. (in Chinese with English abstract)

[14] 李曉燕，郝晉珉，陳愛琪. 山東省農業水土資源時空匹配格局及評價研究[J]. 中國農業大學學報，2020，25(11)：1-11.

Li Xiaoyan, Hao Jinmin, Chen Aiqi. Time-space matching pattern and evaluation of agricultural water and soil resources in Shandong Province[J]. Journal of China Agricultural University, 2020, 25(11): 1-11. (in Chinese with English abstract)

[15] 王佳月，辛良杰，戴爾阜. 中國典型山區農業水土資源匹配格局變化：以太行山區、橫斷山區、黔桂喀斯特山區為例[J]. 地理研究，2020，39(8)：1879-1891.

Wang Jiayue, Xin Liangjie, Dai Erfu. Spatio-temporal variations of the matching patterns of agricultural land and water resources in typical mountainous areas of China[J]. Geographical Research, 2020, 39(8): 1879-1891. (in Chinese with English abstract)

[16] 韓雁，賈紹鳳，魯春霞，等. 水資源與社會經濟發展要素時空匹配特征：以張家口為例[J]. 自然資源學報，2020，35(6)：1392-1401.

Han Yan, Jia Shaofeng, Lu Chunxia, et al. Spatiotemporal matching between water resources and social economy: A case study in Zhangjiakou[J]. Journal of Natural Resources, 2020, 35(6): 1392-1401. (in Chinese with English abstract)

[17] 郝林鋼，左其亭，劉建華，等. “一帶一路”中亞區水資源利用與經濟社會發展匹配度分析[J]. 水資源保護，2013，4(4)：42-48.

Hao Lingang, Zuo Qiting, Liu Jianhua, et al. Analysis of matching degree between water resource utilization and economic-social development in Central Asia area of “Belt and Road”[J]. Water Resources Protection, 2013, 4(4): 42-48. (in Chinese with English abstract)

[18] 張磊，錢暢，黃佳賢，等. 合肥市生態環境與經濟協調發展研究[J]. 中國農業資源與區劃，2019，40(9)：192-198.

Zhang Lei, Qian Chang, Huang Jiaxian. et al. The Study on the coordinated development of ecological environment and economy in Hefei City[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2019, 40(9): 192-198. (in Chinese with English abstract)

[19] 周美玲，馮秀麗，劉愷愷，等. 綠色空間與經濟發展典型要素時空匹配性研究：以浙江省為例[J]. 中國土地科學，2021，35(3)：107-114.

Zhou Meiling, Feng Xiuli, Liu Kaikai, et al. Spatial-temporal matching between green space and typical elements of economic development: A case study on Zhejiang Province[J]. China Land Science, 2021, 35(3): 107-114. (in Chinese with English abstract)

[20] 熊鷹，孫維筠，汪敏，等. 長株潭城市群水資源與經濟發展要素的時空匹配[J]. 經濟地理，2019，39(1)：88-95.

Xiong Ying, Sun Weijun, Wang Min, et al. Spatio-temporal matching between water resource and economic development elements in Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Economic Geography, 2019, 39(1): 88-95. (in Chinese with English abstract)

[21] 劉耀彬，肖小東，邵翠. 長江經濟帶水土資源約束的動態轉換機制及空間異質性分析：基于平滑面板轉換模型和趨勢面的檢驗[J]. 中國人口·資源與環境，2019，29(3)：89-98.

Liu Yaobin, Xiao Xiaodong, Shao Cui. Dynamic transformation mechanism and spatial heterogeneity analysis to water and land resources constraints in the Yangtze River Economic Zone: A test based on PSTR model and trend surface[J]. China Population, Resources and Environment, 2019, 29(3): 89-98. (in Chinese with English abstract)

[22] 王賓，楊琛. 長江經濟帶水資源對城鎮化的約束效應研究[J]. 宏觀經濟研究，2019(6)：122-131.

Wang Bin, Yang Chen. A study on the constraint effect of water resources in the Yangtze River Economic Belt on urbanization[J]. Macroeconomics, 2019(6): 122-131. (in Chinese with English abstract)

[23] Zhang Y, Liu W, Khan S U, et al. An insight into the drag effect of water, land, and energy on economic growth across space and time: the application of improved Solow growth model[J]. Environmental Science and Pollution Research, 2022, 29(5): 6886-6899.

[24] Zhao C, Wu Y, Ye X, et al. The direct and indirect drag effects of land and energy on urban economic growth in the Yangtze River Delta, China[J]. Environment, Development and Sustainability, 2019, 21(6): 2945-2962.

[25] Xu J, Zhou M, Li H. The drag effect of coal consumption on economic growth in China during 1953-2013[J]. Resources, Conservation and Recycling, 2018, 129: 326-332.

[26] 李紅芳，王會肖，趙茹欣，等. 基于Copula函數的水-能源-糧食共生安全風險概率[J].農業工程學報，2021，37(08)：332-340.

Li Hongfang, Wang Huixiao, Zhao Ruxin, et al. Estimating the symbiosis risk probability of water-energy-food using Copula function[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(8): 332-340. (in Chinese with English abstract)

[27] 張可云，張穎. 不同空間尺度下黃河流域區域經濟差異的演變[J]. 經濟地理，2020，40(7)：1-11.

Zhang Keyun, Zhang Ying. The evolution of regional economic disparity in the Yellow River Basin at different spatial scales[J]. Economic Geography, 2020, 40(7): 1-11. (in Chinese with English abstract)

[28] 周曉艷，郝慧迪，葉信岳，等. 黃河流域區域經濟差異的時空動態分析[J]. 人文地理，2016，31(5)：119-125.

Zhou Xiaoyan, Hao Huidi, Ye Xinyue, et al. A spatial-temporal analysis of regional economic inequality in Yellow River Valley[J]. Human Geography, 2016, 31(5): 119-125. (in Chinese with English abstract)

[29] 高鴻業. 西方經濟學：微觀部分[M]. 北京：中國人民大學出版社，2018.

[30] Romer D. Advanced Macroeconomics[M]. Second Edition, Shanghai: Shanghai University of Finance＆Economics Press, 2003: 31-33.

[31] Zhao M, Chen Z, Zhang H, et al. Impact assessment of growth drag and its contribution factors: Evidence from China’s agricultural economy[J]. Sustainability, 2018, 10(9): 3262.

Spatial-temporal matching patterns for grain production using water and energy resources and damping effect in the Yellow River Basin

Chen Shuai1, Hou Mengyang2, Li Yuanyuan1, Deng Yuanjie1, Yao Shunbo1※

1.,,,712100,; 2071000,)

Shortage and matching dislocation of water resources and energy can pose a serious risk to the growth rate of food production. Particularly, water, energy and food are the indispensable resources in the human life and development. In this study, the Lorentz curve and Gini coefficient were used to evaluate the matching degree between the water-grain and energy-grain in the Yellow River Basin. Cobb-Douglas function was also applied for the grain growth damping model, in order to calculate the restriction degree of water resources and energy on the grain production. The results show that: 1) The Gini index of water resources and energy to the grain decreased first and then increased, the matching degree of which was more reasonable in the lower reaches of the Yellow River than that of the upper and middle reaches. In 2019, the Gini index values of water resources to grain in the Yellow River and the upper, middle and lower reaches were 0.365, 0.379, 0.336, and 0.122, respectively, while the Gini index values of energy to grain were 0.194, 0.218, 0.206, and 0.118, respectively, indicating the high matching in the lower reaches. The water resources and energy in the upper and middle reaches were generally matched with the grain. 2) The damping coefficient of water resources to grain production was fluctuated greatly, where the variation range of damping coefficient was 0.005-0.032. Besides, the damping effect of water resources on the grain growth basically presented a six-year cycle with a decrease-increase-decrease situation. By contrast, there was a steady increase in the damping effect of energy on the grain, the energy damping coefficient increased rapidly after 2015. Under the constraints of water resources and energy in 2019, the annual grain output growth was reduced by 0.76%, and 5.28%, respectively, compared with the previous year. 3) There was a certain degree of agglomeration in the damping effect of water resources and energy. The damping coefficient of water resources presented the pattern of small in the West and large in the East. A medium and high constraint state was obtained in the energy damping effect, which was concentrated in the eastern and lower reaches of the upper reaches, whereas, the low constraint state was concentrated in the middle reaches of the Yellow River. In addition, there was the typical spatial agglomeration in the damping coefficient of water resources and energy. The H(High)-H(High) agglomeration area of water resources damping effect was mainly distributed in the lower reaches of the Yellow River, whereas, the L(Low)-L(Low) agglomeration area of energy damping effect was distributed in the northern part of the middle reaches. The finding can provide a strong reference for the stable growth of grain and the effective allocation of resources in the Yellow River Basin.

spatial matching; Gini index; growth damping; food production; Yellow River Basin

10.11975/j.issn.1002-6819.2022.18.027

F302.5

A

1002-6819(2022)-18-0246-09

陳帥，侯孟陽，李園園，等. 黃河流域水資源、能源與糧食生產的時空匹配及阻尼效應[J]. 農業工程學報，2022，38(18)：246-254.doi：10.11975/j.issn.1002-6819.2022.18.027 http://www.tcsae.org

Chen Shuai, Hou Mengyang, Li Yuanyuan, et al. Spatial-temporal matching patterns for grain production using water and energy resources and damping effect in the Yellow River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(18): 246-254. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.18.027 http://www.tcsae.org

2022-06-08

2022-08-26

國家自然科學基金項目（71773091）

陳帥，博士生，研究方向為資源經濟與環境管理、區域經濟研究。Email：xncs26@163.com

姚順波，博士，教授，博士生導師，研究方向為資源經濟與環境管理、林業政策效果評估。Email：yaoshunbo@163.com