黃河流域農業節水與生態環境耦合協調特征

王釔霏，許 朗

（南京農業大學 經濟管理學院，江蘇 南京 210095）

1 引言

高質量發展是重要的時代課題，綠色發展是高質量發展的重要標志。 高質量發展的驅動因素具有復雜性特征［1］，經濟建設、城鄉發展、生態保護、資源節約、產業布局等多方面因素都與其息息相關［2－4］。 在涉及多角度協同的黃河流域高質量發展研究中，耦合協調度模型因能夠較好地反映多因素互動關系和協同影響效應，在相關研究中應用廣泛［5－8］。 利用耦合協調度模型進行測算前，需要對指標賦權，常用的指標賦權法有專家評估法、層次分析法和熵值法［9］，絕大部分文獻研究認為熵值法可以利用所選指標自身的統計性質確定各自權重，指標權重值的可信度較專家評估法和層次分析法更高，因此本文采用熵值法對指標賦權［7，10－11］。

黃河流域屬于資源型缺水地區，水資源稀缺是制約黃河流域農業綠色可持續發展和生態系統健康的關鍵因素之一［12－13］，同時水資源的過度開發也對黃河流域生態環境產生了損害［14］，良好的農業水資源管理可以同時提高經濟和環境效益［15－16］。 已有研究表明，農業節水是解決農業生產用水和生態用水矛盾的關鍵手段［17］，發展節水農業可對周邊生態環境的改善產生積極作用。 但也有研究發現，農業節水會通過影響農田水循環、綠洲穩定性等路徑對農區地表生態環境產生消極影響［18－19］。 此外，高效節水灌溉技術的應用通過改變農業生產方式對土壤理化性質、地下水埋深和生物多樣性等生態環境要素產生影響［20－21］。 因此，進一步探討農業節水和生態環境系統間的互動演進關系對推動黃河流域生態保護和高質量發展具有重要意義。農業用水效率是農業節水的重要表現形式，本文將農業灌溉用水技術效率作為指標之一納入農業節水系統，并采用數據包絡分析法（Data Envelopment Analysis， DEA）進行測算。 通過梳理相關文獻，對于農業水資源利用效率主要采用隨機前沿分析方法（Stochastic Frontier Analysis，SFA）和數據包絡分析法（DEA）進行計算。 DEA 作為非參數方法， 利用線性規劃構建邊界生產函數， 避免了SFA 方法對函數形式等的預先設定導致的參數估計有效性降低，因此本文選用DEA 方法對農業灌溉用水技術效率進行測算［22］。

基于以上分析，本文借鑒物理學耦合模型，分析黃河流域9 個省（自治區）農業節水與生態環境耦合協調關系的時空演進特征，通過對比兩系統各指標得分差異，探究影響黃河流域農業節水和生態環境協調發展的因素，以期為推進黃河流域生態保護和高質量發展戰略提供針對性政策建議。

2 研究數據與研究方法

2.1 研究區域概況

黃河發源于青藏高原，流經青海、四川、甘肅、寧夏、內蒙古、山西、陜西、河南、山東9 個省（自治區），全長5 464 km，是我國僅次于長江的第二大河。 根據《2019 年水資源公報》統計數據，黃河流域農業用水量占比達到66.8%。 黃河流域屬于資源性缺水地區，因此各地區大力實施農業節水政策以緩解農業用水窘境。 同時，黃河流域的生態環境狀況堪憂，存在濕地蓄水量減少、生態惡化、動物棲息地喪失、魚鳥種群等生物多樣性減少等多種生態環境問題。 水資源稀缺和生態環境脆弱阻礙了黃河流域高質量發展，積極推動農業節水和生態環境健康協同發展是促進黃河流域農業高質量發展的關鍵舉措。

2.2 數據來源

本文所用數據均為公開統計數據，具體來源為《中國環境統計年鑒》（2010—2019 年）、《中國農村統計年鑒》（2010—2019 年）、《中國統計年鑒》（2010—2019 年），黃河流域各省（自治區）《環境狀況公報》（2010—2019 年）、《統計年鑒》（2010—2019 年）、水資源公報（2010—2019 年），以及各省（自治區）的環保、農業、氣象等相關部門公布的統計數據，主要用于黃河流域各省（自治區）農業水資源利用效率以及農業節水和生態環境系統耦合協調度計算。

2.3 農業節水和生態環境綜合評價指標體系構建

綜合考慮評價指標對系統的解釋程度，同時考慮數據來源的可靠性與可操作性，構建黃河流域農業節水和生態環境協同發展綜合評價指標體系。 參考賈鳳伶等［23］、楊春紅［24］的研究構建農業節水指標體系，包括3 個一級指標，10 個二級指標；根據陳星霖［25］、何曉瑤［19］的研究構建生態環境指標體系，包括3 個一級指標，12 個二級指標，具體指標設置見表1。

表1 農業節水和生態環境系統綜合評價指標體系

2.4 研究方法

2.4.1 DEA 模型

DEA 模型是研究投入產出效率的重要分析工具。DEA 方法具體可以分為投入主導或產出主導兩種類型，投入主導的DEA 方法是為了測算生產單元相對于給定產出水平下最小可能投入的效率；產出主導的DEA 方法是為了度量實際產出與給定投入水平的最大可能產出差距。 本文主要考察水資源作為農業投入要素的利用效率，因此采用投入主導的DEA 方法。 基于可操性、可獲得性原則，結合我國農業水資源利用現狀，選取農作物播種總面積、農機總動力、化肥施用量、農業從業人數和農業灌溉用水量作為投入指標，選取農業產值作為產出指標。

此外，DEA 模型通常分為兩種模型：一種為規模報酬不變（CCR）模型，一種為規模報酬可變（BCC）模型。 因各省（自治區）在農業投入產出方面并不恒定，為了更加貼近實際情況，本文采用基于規模報酬可變模型對黃河流域各省（自治區）農業水資源利用效率進行測算。 假設有n個決策單元，一個省（自治區）為一個決策單元，每個決策單元DMUj具有m種投入（記作X1j，X2j，…，Xmj），s種產出（記作Y1j，Y2j，…，Ysj），得到DEA 模型表達式為

式中：S＋為產出松弛變量；S－為投入松弛變量；ε為非阿基米德無窮小量；E為m × j階和s × j階單位矩陣；λj為各省（自治區）投入和產出的權向量；X為m ×j階投入矩陣；Y為s ×j階產出矩陣；Xj、Yj分別為第j個決策單元的投入、產出量；θ為決策單元的有效值。 根據DEA 法對黃河流域9 個省（自治區）農業灌溉用水技術效率的計算結果見表2。

表2 2010—2019 年黃河流域各省（自治區）農業灌溉用水技術效率

2.4.2 數據標準化和熵值法權重計算

統計口徑、指標單位等差異使得農業節水和生態環境指標存在量綱差異，同時不同指標對系統存在正向和逆向兩種作用，為便于對比分析計算結果，采用極值法對數據進行標準化處理，正向指標標準化公式為

負向指標標準化公式為

式中：i、j分別為第i行、第j列；x′ij為標準化數據；xmax和xmin分別為某個指標的最大值和最小值。 由于后期需要進行熵值法測算，因此要求所有指標值在［0，1］范圍內。 參考相關文獻做法，本文將標準化處理后的數據均向右平移0. 001 個單位。

采用主觀賦值法確定指標權重時容易產生較大偏差，為降低主觀因素干擾，本文采用較為常用的熵值法計算各指標權重，具體步驟如下。

（1）數據均值化處理。 其表達式為

（2）求取指標熵值信息。 其表達式為

（3）求取指標權重與綜合指數。 公式為

式中：Xij為數據標準化后比值；ej為熵值；k為對象數量；zj為權重；Iij為變量得分。

2.4.3 耦合協調度模型

耦合度表示系統相互聯系程度，協調度表示系統協調發展程度［26－28］。 本研究構建的農業節水與生態環境兩系統耦合協調度表達式為

式中：C為農業節水系統與生態環境系統的耦合度；Iaws為農業節水綜合指數；Ieco為經濟發展綜合指數；T為農業節水與生態環境綜合協調指數；α、β為待定系數，鑒于兩個系統發展同等重要，故權重相等，即α和β取值均為0.5；i和s分別為農業節水要素和生態環境要素的編號，r、g分別為對應要素的個數；wi和es分別為農業節水和生態環境系統各要素的標準化指標值；ai和bs分別為農業節水和生態環境系統各要素的權重，采用熵值法計算；D為生態環境與經濟發展的耦合協調度。

參考王少劍等［29］、田深圳等［30］、李玉紅［31］的研究成果，結合研究區實際情況，將耦合與協調程度劃分為不同階段，見表3。

表3 農業節水和生態環境耦合協調度階段劃分

3 結果分析

3.1 黃河流域農業節水綜合發展指數時空演變分析

圖1 中各指標變化趨勢表明，2010—2019 年農業節水綜合發展指數呈現波動上升的趨勢，從0.293 上升到0.376。 從農業節水系統一級指標時序變化特征看，2010—2019 年節水灌溉指數和農業用水效益指數呈現增長趨勢，農業用水指數呈現小幅度下降趨勢。其中：農業用水指數雖有所下降，但下降幅度較小，從2010 年的0.097 降至2019 年的0.092；節水灌溉指數增長較為明顯，從2010 年的0.088 上漲至2019 年的0.130，在2018 年達到研究期內最高峰，為0.155；農業用水效益指數增長速度最快，2010—2019 年從0.088上升至0.154，且在研究期內始終保持上升趨勢。

圖1 黃河流域農業節水綜合發展指數時序演變情況

由圖2 可知，農業節水綜合發展指數呈現“東高西低”省際空間格局，山東農業節水綜合發展指數最高（為0.511），最低的是青海（僅為0.158），自然資源稟賦和經濟社會發展水平可能是形成農業節水綜合發展指數“東高西低”省際空間格局的主要驅動因素。從研究期內各省（自治區）農業節水綜合發展指數時序變化情況分析，山東和寧夏農業節水綜合發展指數增長最快，2010—2019 年兩地農業節水綜合發展指數分別上漲0.155 和0.141。 通過對農業節水系統一級指標的省際差異分析，農業用水效益指數也呈現“東高西低”的省際空間格局，東部地區經濟發展水平較高，在農業節水設施建設和農業節水技術推廣上投入力度較大，單位產值或產量的需水量與西部地區相比較少［32］；節水灌溉指數在內蒙古、山西、甘肅、寧夏等地呈現較高水平，這與當地水資源稀缺程度較高、農民水資源稀缺意識較強有關［33］。

圖2 黃河流域農業節水綜合發展指數空間分布情況

3.2 黃河流域生態環境綜合發展指數時空測度分析

如圖3 所示，2010—2019 年黃河流域生態環境綜合發展指數呈現上升趨勢，從2010 年的0.226 上升至2019 年的0.256，其中2014 年達到研究期間峰值，為0.276。 2013 年習近平總書記發表“綠水青山就是金山銀山”的重要講話，為黃河流域生態文明建設指明了方向，推動了黃河流域生態環境發展。 從一級指標變化趨勢看，2010—2019 年生態彈性力、環境承載力和生態發展力均呈現上升趨勢，但初始水平較低，增長速度較慢，導致生態環境綜合發展指數并未明顯增長。

圖3 生態環境綜合發展指數時序演變情況

根據圖4 可知，黃河流域生態環境綜合發展指數呈現“東低西高”的省際空間格局和以內蒙古、青海為核心的“雙核領先”的流域空間格局，生態環境綜合發展指數極差為0.207，東西部地區生態環境差異較大。黃河流域東部地區生態環境綜合發展指數普遍低于西部地區，其中：山東生態環境綜合發展指數最低，為0.147；內蒙古生態環境綜合發展指數最高，為0.354，其次是青海，為0.344。 從生態環境系統一級指標空間差異上看，內蒙古和青海在環境承載力和生態發展力上領先于流域內其他省（自治區），在二者的雙重作用下內蒙古和青海的生態環境綜合發展指數與其他省（自治區）相比也具有較明顯的優勢，因此黃河流域生態環境綜合發展指數呈現出內蒙古、青海“雙核領先”的空間分布特征。 其主要原因是東部地區城市人口活動和經濟發展較為活躍，資源過度開發和人類活動制約了生態環境建設，生態環境綜合發展水平相對較低。

圖4 生態環境綜合發展指數空間分布情況

3.3 農業節水和生態環境系統耦合度時空演變分析

圖5 表明， 2010—2019 年黃河流域農業節水和生態環境系統長期處于高水平耦合階段，耦合度基本維持在0.95 左右，說明黃河流域的農業節水和生態環境兩系統關聯較為密切。

圖5 農業節水和生態環境系統耦合度時序演變情況

如圖6 所示，從空間維度上看各省（自治區）農業節水與生態環境耦合度無較大差異，均處于“高水平耦合”階段。 地域分布大致呈現“中間高，兩邊低”的特征，內蒙古、四川和甘肅耦合度均保持在0.990 以上，與其他省份相比處于相對領先的水平，耦合度較低的省（自治區）集中在黃河下游地區。 黃河下游泥沙堆積嚴重，導致灌溉用水困難，阻礙了農業節水和生態環境保護的相互作用。 2010—2019 年絕大部分省（自治區）兩系統耦合度在較高水平上呈現小幅度波動上升趨勢。 山東省耦合度水平有明顯的下降趨勢，兩系統耦合度從2010 年的0.892 下降至2014 年的0.776，從“高水平耦合”下滑至“磨合”，2014—2019 年又逐步回升至“高水平耦合”，但2019 年山東耦合度水平較2010 年仍有所下降。

圖6 農業節水和生態環境系統耦合度時空演變情況

3.4 農業節水和生態環境耦合協調度時空演變分析

由圖7 可知，2010—2019 年農業節水和生態環境系統耦合協調度總體呈現由“基本失調”階段向“基本協調”階段過渡的增長趨勢，但整體水平較低，高水平耦合協調發展趨勢不明顯；2010—2019 年各省（自治區）耦合協調度極差與方差均有所下降，說明各省（自治區）耦合協調度差距減小，整體耦合協調發展趨于穩定；兩系統耦合協調度時序演進特征以2014 年為分水嶺，2010—2013 年系統耦合協調度平均值在“基本失調”階段保持逐年上升趨勢，2014 年系統耦合協調度進入“基本協調”階段，但2014—2019 年系統耦合協調度始終處于生態環境滯后的“基本協調”階段，說明該階段農業節水水平提升仍是促進兩系統協調發展的主要驅動力，進一步改善黃河流域生態環境能夠有效提升兩系統協調發展水平。

圖7 農業節水和生態環境系統耦合協調度時序演變情況

黃河流域9 個省（自治區）系統耦合協調度平均值介于0.436 ～0.623 之間，處于“基本失調”和“基本協調”兩個階段，整體呈現“東高西低”的空間分布特征（見圖8）。 其中：甘肅和寧夏均處于“基本失調”階段，青海處于“基本失調－農業節水受阻”階段，農業節水是制約青海高質量發展的主要因素之一；其他各省（自治區）均處于“基本協調”階段，其中山西、山東、河南和陜西處于生態環境滯后的“基本協調”階段，東部地區生態環境問題是黃河流域高質量發展進程中需要解決的重點問題。 絕大部分省（自治區）耦合協調度呈現上升趨勢，其中：甘肅和寧夏耦合協調度增長趨勢較為明顯，2010—2019 年兩地耦合協調度均呈現從“基本失調”階段 向“基本協調”階段邁進的向好趨勢；寧夏耦合協調度增長最快，從2010 年的0.381 增長至2019 年的0.488，2018 年達到研究期內峰值，為0.533；青海省2010—2019 年始終處于“基本失調”階段，但耦合協調度有所增長；其他各省（自治區）耦合協調度均在“基本協調”階段保持小幅度增長趨勢。

圖8 農業節水和生態環境系統耦合協調度時空演變情況

4 結論

本文以黃河流域9 個省（自治區）的數據樣本為例，利用耦合協調度模型對農業節水和生態環境兩系統協調發展的時空演進情況進行測算與分析，得出以下結論。

（1）2010—2019 年，黃河流域農業用水綜合發展指數保持逐年上升趨勢，農業節水成效較弱是制約農業用水綜合發展指數增長的關鍵因素；在空間維度上，農業節水綜合發展指數呈現“東高西低”省際空間格局，加大對西部地區水利設施建設投入、制定合理有效的農業節水激勵機制是促進東西部地區農業節水平衡發展的重要措施。

（2）2010—2019 年，黃河流域生態環境綜合發展指數呈現上升趨勢，但其初始水平較低且增長緩慢，生態環境治理成效不顯著，應通過增加草地面積、濕地面積和提升水土流失治理率，著力提升生態發展力，促進生態系統健康發展。 在空間維度上，黃河流域生態環境綜合發展指數呈現“東低西高”的省際空間格局，其中內蒙古和青海生態環境綜合發展指數較其他省優勢顯著，形成了以內蒙古、青海為核心的“雙核領先”的流域空間格局。

（3）2010—2019 年，黃河流域農業節水和生態環境系統耦合度長期處于高水平耦合階段，兩系統間相互作用的關聯度較強。 在空間維度上，耦合度水平呈現“中間高，兩邊低”的地域分布特征，黃河下游各省農業節水和生態環境關聯度較弱。

（4）2010—2019 年，農業用水和生態環境系統耦合協調度總體呈現由“基本失調”階段向“基本協調”階段過渡的增長趨勢，但高水平耦合協調發展趨勢不明顯，黃河流域農業節水和生態環境系統整體呈現“高耦合－低協調”的分離特征；東部地區兩系統耦合協調度與西部地區相比較高，但生態環境發展滯后狀況較西部地區明顯，西部地區農業節水對系統耦合協調度發展的制約作用較為顯著。