糧食主產區水土資源匹配、承載力及影響因素分析

及茹 張弦 李國勝

摘要： 為客觀分析糧食主產區農業水土資源的匹配狀況，并正確認識其承載力水平及主要影響因素，根據水資源、耕地資源等數據，計算了農業水土資源匹配系數。同時，從農業水土資源、社會、經濟和生態4個系統出發，構建了糧食主產區農業水土資源承載力評價指標體系，綜合采用組合賦權的TOPSIS模型和障礙度模型，對2011～2018年糧食主產區的農業水土資源承載力變化特征及其影響因素開展了定量研究。結果表明：① 糧食主產區2011～2018年的農業水土資源匹配系數為0.609 7萬～0.887 8萬m3/hm2，匹配程度整體有待提高;并且呈現出“中部最低、北部略低、南部最高”的空間匹配格局。② 糧食主產區農業水土資源承載力整體以0.005/10 a的速率呈現微弱降低趨勢，空間上呈現“中部最低、南部中等、北部最高”的分布特征。③ 4個系統對糧食主產區農業水土資源承載力的影響強度相當，系統中的農業水土資源匹配系數、人均耕地面積、人均糧食產量、生態環境用水率和人均水資源量是影響農業水土資源承載力最強的障礙因子。

關 鍵 詞： 農業水土資源; 水土資源匹配格局; 水土資源承載力; TOPSIS模型; 障礙度模型; 糧食主產區

中圖法分類號： ?TV211.1

文獻標志碼： ?A

DOI： 10.16232/j.cnki.1001-4179.2021.08.016

0 引 言

水資源和耕地資源作為農業生產的基本要素，對于保障國家和地區糧食安全、社會穩定意義重大[1-2]。中國作為一個人口大國和糧食消費大國，在快速城鎮化和工業化背景下，農業水資源、耕地資源被擠占的現象愈發嚴重，這必將對中國的糧食安全生產構成重大威脅[2]。糧食主產區作為中國糧食生產的重要基地，其水土資源匹配狀況的改善和承載能力的提升對于緩解國家糧食安全問題具有重要作用[3]。因此，分析中國糧食主產區農業水資源和耕地資源的匹配狀況，開展農業水土資源承載力評價及影響因素識別研究，對實現農業水土資源的可持續利用和保障糧食安全具有重要的現實意義。

水土資源匹配、承載力及影響因素研究一直是眾多學者關注的熱點。李天霄等[4]通過計算農業水土資源匹配系數和基尼系數，評價了2000～2014年黑龍江省13個地市的農業水土資源時空匹配格局;黃克威等[5]在綜合考慮水土資源利用效率因素的基礎上，結合DEA模型，建立了以水、耕地資源為模型輸入，農業產值為輸出的水土資源匹配模型，并對四川省的水土資源匹配狀況進行了評價;文倩等[6]通過構建包含農業水土資源-社會-經濟-生態4系統的農業水土資源承載力評價指標體系，分析了河南省2006～2015年的農業水土資源承載力情況;郭嘉偉等[7]在構建水土資源承載力評價體系的基礎上，結合熵權可拓物元模型，評價了會寧縣水土資源承載力并探究了其影響因子。綜合以往的研究發現，大多只從農業水土資源匹配或農業水土資源承載力及影響因素的視角出發展開研究，而將區域農業水土資源匹配與區域農業水土資源承載力及影響因素聯系起來進行綜合分析的研究還較少，這不足以為全面了解區域農業水土資源狀況提供充分依據。此外，現有研究多集中于縣域、市域或省域尺度上農業水土資源的分析，而基于特定區域的研究還比較匱乏。

基于此，本研究以中國糧食主產區13個省（自治區）為研究對象，首先采用水土資源匹配測算模型，分析了2011～2018年水土資源匹配狀況;其次在構建農業水土資源承載力評價指標體系的基礎上，運用組合賦權的TOPSIS模型對糧食主產區的農業水土資源承載力進行評價;最后運用障礙度模型，對農業水土資源承載力的主要障礙因子進行識別，以期為農業水土資源持續高效利用和管理決策提供事實判據。

1 數據與方法

1.1 數據來源

本研究以糧食主產區13個省（自治區）為研究對象，包括黑龍江、吉林、遼寧、內蒙古、河北、河南、山東、湖北、湖南、江蘇、江西、安徽、四川，以2011～2018年為研究時段開展研究。研究所需數據主要來源于相關年份的《中國統計年鑒》《中國農村統計年鑒》《中國水資源公報》以及《中國環境統計年鑒》，部分缺失數據由各省（自治區）《統計年鑒》相關數據補充。為了避免引起歧義，下文中所提到的糧食主產區指的是包含這上述13個省（自治區）的區域。

1.2 農業水土資源匹配系數測算模型

農業水土資源匹配系數是表征區域農業水資源可利用量與耕地面積匹配水平的量比指標，其值越大，說明該區域農業水資源滿足耕地資源的程度越高，農業生產基礎條件就越好。其中，農業水資源可利用量是根據糧食主產區用水結構（農業用水、工業用水、生活用水）中的農業用水比重來確定的，也就是區域水資源總量與農業用水比重的乘積。具體的計算公式[1，8]如下：

Ri=Wi·ai/Si （1）

式中：Ri為第i個省份的農業水土資源匹配系數;Wi為第i個省份的水資源總量，億m3;ai為第i個省份的農業用水比重;Si為第i個省份的耕地面積，萬hm2。

糧食主產區的農業水土資源匹配系數，反映了區域各省份農業水土資源匹配的平均水平，其計算公式如下：

R= ?n i=1 Ri· Si S? （2）

式中：R為糧食主產區農業水土資源匹配系數;S為糧食主產區總的耕地面積，萬hm2;n為糧食主產區內省份個數，即值為13。

1.3 農業水土資源承載力評價方法

1.3.1 評價指標體系建立

農業水土資源承載力是一個復雜的綜合系統，其組成要素與結構具有特殊的動態性和復雜性，受農業水土資源系統、社會系統、經濟系統和生態系統多系統多要素的綜合影響[9]。基于此，本研究在相關研究成果的基礎上[1，7，9-12]，遵循系統性、綜合性、層次性和可操作性等原則，從上述4個系統的角度出發，構建了包含目標-準則-指標3個層次、共計25個代表性指標的糧食主產區農業水土資源承載力評價指標體系（見表1）。

1.3.2 組合賦權的TOPSIS模型

本研究采用組合賦權的TOPSIS模型對糧食主產區農業水土資源承載力進行評價。TOPSIS模型即為“逼近理想解排序方法”，是一種被廣泛應用的以距離為評價標準的綜合評價法[12-13]。其中，評價指標權重作為TOPSIS模型的重要環節，本研究綜合采用變異系數法和熵權法兩種常用的客觀賦權方法對指標進行權重確定。具體步驟描述如下。

（1） 數據的標準化處理。

對各項指標進行標準化處理來消除量綱，以保證指標之間具有可比性，公式如下[14]。

正向指標：

yij= xij-minxj maxxj-minxj ??（3）

負向指標：

yij= maxxj-xij maxxj-minxj? （4）

式中：yij表示第i個省份的第j項指標標準化后的值，i=1，2，…，n，j=1，2，…，m;n為省份個數，m為指標數量。xij為第i個省份的第j項指標的原始值，maxxij和minxij分別為第j項指標的最大值和最小值。基于標準化結果建立標準化評價矩陣 Y m×n。

（2） 指標權重的確定。

鑒于熵權法在客觀確定權重時受指標無量綱化處理的影響較大，本研究同時采用2種客觀賦權法，即變異系數法與熵權法相結合的組合賦權法來客觀確定指標權重，其計算過程描述如下。

熵權法[15]。基于構建的標準化評價矩陣，計算第j項指標的權重為

wj=gj/ gj （5）

gj=1-ejej=-k ?n i=1 pijlnpijpij=yij/ ?n i=1 yijk=1/lnn?? （6）

式中：wj為第j項指標的權重;gj為第j項指標的差異系數;ej為第j項指標的熵值;pij為第i個省份第j項指標的比重。

變異系數法[16]。基于指標的原始值，計算第j項指標的權重為

Wj=δj/ ?m j=1 δj （7）

δj=D/ jD=? 1 n ??n i=1? xj- j 2? j= 1 n ??n i=1 xij?? （8）

式中：Wj為第j項指標的權重;δj為第j項指標的變異系數;D為第j項指標的均方差; j為第j項指標的均值。

組合賦權法。基于熵權法和變異系數法權重計算結果，組合賦權確定第j項指標的權重為

W*j=αwj+（1-α）Wj （9）

式中：W*j為第j項指標的組合權重; α為偏好系數，本研究取值為0.5[17]。

（3） 構建規范化加權評價矩陣。

結合組合權重法確定的指標權重和標準化評價矩陣，構建規范化加權評價矩陣如下：

R = rij n×m= Ym×n×W*j? ?（10）

式中：rij為第i個省份第j項評價指標加權后的標準化值。

（4） 確定最優、最劣解。

在規范化加權評價矩陣中選擇最優、最劣解，表示如下：

R += rmax1，rmax2，…，rmaxm? （11）

R -= rmin1，rmin2，…，rminm? （12）

式中：rmaxm、rminm分別為規范化加權評價矩陣第m列的最大值和最小值。

（5） 計算距離。

采用歐式距離公式計算第j項評價指標到最優、最劣解的距離，計算方法如下：

D+i= ??m j=1? rmaxj-rij 2? （13）

D-i= ??m j=1? rminj-rij 2? （14）

（6） 計算綜合評價值。

糧食主產區第i個省份農業水土資源承載力與最優承載力的貼近度即表示該省份農業水土資源承載力（Ci），其值介于[0，1]，值越大，表明農業水土資源承載力越高，其計算公式如下：

Ci= D-i D+i+D-i? （15）

1.4 障礙度模型

為有效識別影響糧食主產區農業水土資源承載力的障礙因子，引入障礙度模型對評價指標進行診斷分析[9，18]，進而為提高糧食主產區農業水土資源承載力提供決策依據。具體計算公式如下：

Oij= PijRj ??m j=1 pijRij? （16）

Pij=1-Rj （17）

式中：Oij為障礙度，其值越大，說明該因子對農業水土資源承載力的影響作用越強;Pij為指標偏離度;Rj為因子對總體的貢獻率，本研究用上述組合權重法求得的權重表示。

2 結果與分析

2.1 糧食主產區農業水土資源匹配特征

2.1.1 時序變化特征

基于糧食主產區各省份2011～2018年水資源數據和耕地數據，由式（1）和式（2）計算可得到糧食主產區各省份農業水土資源匹配系數，如圖1所示。

由圖1可以看出：江西、湖南、四川3個省份的農業水土資源匹配系數在研究期內波動較大，數值也很高，分別為2.197 0萬～4.528 1萬、1.527 2萬～3.126 5萬m3/hm2和1.828 3萬～2.650 1萬m3/hm2，遠高于同期全國（不含港澳臺地區）農業水土資源匹配系數1.054 1萬～1.501 1萬m3/hm2（由同期數據計算所得）。可見，這3個省份的水土資源匹配程度很好，水資源較好地滿足了耕地資源的需求，農業生產基本條件較好。其他省份的水土資源匹配系數在研究期內波動范圍較小且數值較低，說明這些省份的水土資源匹配程度較差，水資源不能很好地滿足耕地資源的需求。整體來看，整個糧食主產區的水土資源匹配系數為0.609 7萬～0.887 8萬m3/hm2，低于同期全國農業水土資源匹配系數，可見糧食主產區的水土資源匹配程度整體還有待進一步提高。

2.1.2 空間分布特征

根據各省份2011～2018年多年平均水資源、耕地資源量及計算的水土資源匹配系數，基于ArcGIS軟件繪制了糧食主產區各省份農業水土資源及匹配系數的空間分布圖（見圖2）。

從圖2（a）中可以看出：整個糧食主產區耕地面積和水資源量的分布存在著較強的差異性，耕地面積大體上呈現自北向南遞減的空間分布格局，而水資源量整體呈現“中部最低、北部略低、南部最高”的分布格局，這在一定程度上反映了整個糧食主產區的水土資源存在分布不均的問題，整體表現為中部省份“地多水少”、南部省份“地少水多”和北部省份“地多水略少”的特點。這也在很大程度上導致了整個糧食主產區農業水土資源匹配系數在空間分布上存在較強的差異性（見圖2（b）），即表現為“中部最低、北部略低、南部最高”的空間分布特征，這與水資源的空間分布特征存在一定的相似性，說明水資源可能是制約糧食主產區水土資源匹配優劣狀況的關鍵要素。在各個省份中，以河南、山東、河北省的農業水土資源匹配程度最差，遼寧、內蒙古、吉林、黑龍江省的農業水土資源匹配程度次之，江蘇、安徽、湖北省的匹配程度中等，以及四川、湖南、江西省的匹配程度最好。

2.2 ?糧食主產區農業水土資源承載力變化特征

2.2.1 時序變化特征

根據上文構建的糧食主產區農業水土資源承載力評價指標體系，利用組合賦權的TOPSIS模型，求解了2011～2018年糧食主產區各省農業水土資源承載力評價值，結果如圖3所示。

整體上看，研究期內糧食主產區各省份農業水土資源承載力水平均處于波動變化態勢，其中，以內蒙古、黑龍江、吉林省的農業水土資源承載力最高，其多年平均值分別為0.658 3，0.602 2和0.580 2，遠高于其他省份的承載力水平，并且其排名一直高居前3名，其他省份農業水土資源承載力較低，多年平均值整體處于0.526 7以下。

具體來說，通過對糧食主產區農業水土資源承載力變化趨勢進行簡單線性回歸分析，發現研究期內糧食主產區有7個省份的農業水土資源承載力水平處于波動降低趨勢，分別為河北、內蒙古、遼寧、吉林、黑龍江、江蘇省和山東省，其承載力降低速率分別為0.016/10 a、0.078/10 a、0.121/10 a、0.073/10 a、0.018/10 a、0.020/10 a、0.024/10 a，以遼寧省的承載力降低趨勢最為明顯，以黑龍江省的承載力降低趨勢最為微弱;其他6個省份的承載力表現為波動提升趨勢，提升速率分別為0.044/10 a（安徽省）、0.020/10 a（江西省）、0.114/10 a（河南省）、0.070/10 a（湖北省）、0.007/10 a（湖南省）、0.034/10 a（四川省）。其中，以河南省的承載力提升趨勢最為顯著，以湖南省的提升趨勢最為微弱;整個糧食主產區農業水土資源承載力水平整體處于降低趨勢，但變化趨勢很微弱，僅以0.005/10 a的速率變化。

2.2.2 空間變化特征

根據糧食主產區各省份農業水土資源承載力評價結果，結合ArcGIS軟件中的最佳自然斷裂法（Jenks）將其承載力劃分為5個級別，對應于5種程度的承載力水平，分別為：低承載力（<0.416 2）、較低承載力（0.416 3～0.458 0）、中等承載力（0.458 1～0.521 3）、較高承載力（0.521 4～0.599 7）和高承載力（>0.599 8），進而結合ArcGIS軟件繪制2011～2018年糧食主產區農業水土資源承載力程度分布圖（見圖4）。

由圖4可以看出：糧食主產區農業水土資源承載力水平空間分布不均衡，總體上呈現“中部最低、南部中等、北部最高”的空間分布特征。進一步分析發現，糧食主產區農業水土資源高承載力水平區域主要分布在北部地區，變化較為微弱，主要有內蒙古和黑龍江等省份;較高承載力水平區域分布在糧食主產區偏北部和南部地區，主要有吉林、四川、江西等省份;中等承載力水平區域變化呈現由南北條帶狀分布向南部集聚發展特征，表現為偏北部和中部地區逐漸消失，而且逐漸集中于糧食主產區南部地區;較低承載力水平區域變化呈現由中心向外圍擴散的過程，逐漸形成了南北條帶狀分布特征，主要分布在糧食主產區中部地區;低承載力水平區域由集聚分布逐漸轉為零散分布，省份數量在逐漸減少，主要環繞或鄰近較低承載力水平地區分布。

2.3 障礙因子識別

2.3.1 準則層障礙因子

在對糧食主產區2011～2018年農業水土資源承載力狀況初步了解的基礎上，為深入了解影響制約農業水土資源承載力的障礙因子，基于障礙度模型，計算了糧食主產區2011～2018年準則層中農業水土資源系統、社會系統、經濟系統和生態系統4個系統的障礙度，進而厘清各系統對農業水土資源承載力的影響強度，其中各系統權重是由每個系統指標權重加和所得。計算結果如表2所列。

由表2可以看出：各系統對農業水土資源承載力的影響作用在不同年份具有普遍性，即影響強度表現為農業水土資源系統>社會系統>經濟系統>生態系統。盡管如此，研究期內4個系統對農業水土資源承載力影響強度的差異整體上并不顯著，障礙度均在20.08%～33.28% 之間，這在一定程度上說明了農業

水土資源系統、社會系統、經濟系統和生態系統對糧食主產區農業水土資源承載力具有相當的影響作用，今后在制定提升糧食主產區農業水土資源承載力的決策規劃時不要厚此薄彼，要注意對每個系統發力，做到從4個系統的協調發展入手。

2.3.2 指標層障礙因子

為進一步挖掘影響糧食主產區農業水土資源承載力的具體障礙因子，以便更加精準地制定提升策略，本研究結合障礙度模型，計算了糧食主產區2011～2018年指標層各個指標的障礙度（見表3）。由于涉及指標數量較多，表3只列出了對糧食主產區農業水土資源承載力影響強度排序前5的障礙因子。

由表3可以發現：在影響作用明顯的指標層障礙因子中，研究期內存在著具有普遍性影響的障礙因子，分別為農業水土資源匹配系數、人均耕地面積、人均糧食產量、生態環境用水率。這些障礙因子每年都存在，說明了農業水土資源匹配系數、人均耕地面積、人均糧食產量、生態環境用水率是影響農業水土資源承載力的主要因素。值得注意的是，這4個障礙因子分別屬于上述4個系統的要素，說明了4個系統對農業水土資源承載力均有重要影響，這也在一定程度上證實了上述研究結果的合理性。同時，人均水資源量在研究期內共出現了6次，也是重要因素。至于其他障礙因子，比如水資源開發利用率、人均GDP在研究期內都只出現了一次，且排序均為第5，影響作用相對較弱。總的來說，農業水土資源匹配系數、人均耕地面積、人均糧食產量、生態環境用水率和人均水資源量是研究期內對糧食主產區農業水土資源承載力影響作用最強的5個障礙因子，應在今后的農業水土資源發展規劃中予以重視。

4 結 論

本研究采用多種方法，分析評價了中國糧食主產區2011～2018年農業水土資源匹配狀況、農業水土資源承載力及影響因素，可以得到如下結論。

（1） 2011～2018年，糧食主產區農業水土資源匹配系數為0.609 7萬～0.887 8萬m3/hm2，低于同期全國農業水土資源匹配系數1.054 1萬～1.501 1萬m3/hm2，水土資源匹配程度整體有待提高;由于糧食主產區水土資源空間分布不均，農業水土資源匹配系數呈現出“中部最低、北部略低、南部最高”的空間分布特征。

（2） 糧食主產區農業水土資源承載力整體以0.005/10 a的速率呈現微弱的降低趨勢，其中又以遼寧省的承載力降低趨勢和河南的提升趨勢最為明顯，變化速率分別為-0.121/10 a和0.114/10 a;糧食主產區農業水土資源承載力的空間分布不均衡，整體表現為承載力“中部最低、南部中等、北部最高”的空間格局，其中以內蒙古、黑龍江、吉林省的農業水土資源承載力最高。

（3） 研究期內，農業水土資源系統、社會系統、經濟系統和生態系統對糧食主產區農業水土資源承載力的影響強度相當，其中以農業水土資源匹配系數、人均耕地面積、人均糧食產量、生態環境用水率和人均水資源量這5個障礙因子對農業水土資源承載力影響作用最強，應在今后的水土資源規劃與管理中予以重視。

參考文獻：

[1] ?李慧，周維博，莊妍，等.延安市農業水土資源匹配及承載力[J].農業工程學報，2016，32（5）：156-162.

[2] CATER C A，ZHONG F，ZHU J.Advances in chinese agriculture and its global implication[J].Applied Economic Perspective and Policy，2012，34 （1）：1-36.

[3] 王一杰，邸菲，辛嶺.我國糧食主產區糧食生產現狀、存在問題及政策建議[J].農業現代化研究，2018，39（1）：37-47.

[4] 李天霄，付強，孟凡香.黑龍江省農業水土資源時空匹配格局研究[J].東北農業大學學報，2017，48（6）：51-58.

[5] 黃克威，袁鵬，劉剛.基于DEA的四川省水土資源匹配研究[J].中國農村水利水電，2015（10）：58-61，65.

[6] 文倩，李小彎，鄖雨旱，等.河南省農業水土資源承載力的時空分異[J].中國水土保持科學，2019，17（3）：104-112.

[7] 郭嘉偉，張軍，陳彥.基于熵權可拓物元模型的會寧縣水土資源承載力評價[J].甘肅農業大學學報，2018，53（6）：195-203.

[8] 劉彥隨，甘紅，張富剛.中國東北地區農業水土資源匹配格局[J].地理學報，2006（8）：847-854.

[9] 朱薇，周宏飛，李蘭海，等.哈薩克斯坦農業水土資源承載力評價及其影響因素識別[J].干旱區研究，2020，37（1）：254-263.

[10] ?肖月潔，楊中牮，馬歷，等.基于模糊綜合評價的四川省水土資源承載力時空演變分析[J].灌溉排水學報，2018，37（5）：106-114.

[11] 童芳，金菊良，董增川.基于改進SD的區域水土資源聯合配置研究[J].人民長江，2017，48（13）：43-48.

[12] 楊劍，丁玲玲，李新堯，等.基于熵權TOPSIS的湖北省農業水土資源承載力時空動態研究[J].土壤，2019，51（6）：1246-1252.

[13] 左其亭，張志卓，吳濱濱.基于組合權重TOPSIS模型的黃河流域九省區水資源承載力評價[J].水資源保護，2020，36（2）：1-7.

[14] 章運超，王家生，朱孔賢，等.基于TOPSIS模型的河長制績效評價研究：以江蘇省為例[J].人民長江，2020，51（1）：237-242.

[15] 王彥，孟令爽.基于熵權理想點的水資源承載力風險評價[J].人民長江，2019，50（4）：142-146，207.

[16] 趙微，林健，王樹芳，等.變異系數法評價人類活動對地下水環境的影響[J].環境科學，2013，34（4）：1277-1283.

[17] 寧寶權，彭望書，郭樹勤，等.基于組合賦權和改進TOPSIS法的農業水利基礎設施綜合評價[J].節水灌溉，2014（12）：68-70，75.

[18] 李春燕，南靈.陜西省土地生態安全動態評價及障礙因子診斷[J].中國土地科學，2015，29（4）：72-81.

（編輯：趙秋云）

引用本文：

及茹，張弦，李國勝.

糧食主產區水土資源匹配、承載力及影響因素分析

[J].人民長江，2021，52（8）：105-112.

Analysis on agricultural water and soil resources matching coefficient，carrying capacity

and influencing factors in main grain production area

JI Ru1，ZHANG Xian2，3，LI Guosheng3

（ 1.Hao Jing College of Shaanxi University of Science &Technology，Xian 712046，China; 2.State Key Laboratory of Water Resources and Hydropower Engineering Science，Wuhan University，Wuhan 430072，China; 3.Yellow River Institute of Hydraulic Research，Zhengzhou 450003，China ）

Abstract：

In order to objectively analyze the matching status of agricultural water and soil resources in the main grain production areas，and correctly understand the carrying capacity level and main influencing factors，we calculated the matching coefficient of agricultural water and soil resources according to the data of water resources and cultivated land resources.Meanwhile，the evaluation index system of agricultural water and soil resources carrying capacity in the main grain production areas was constructed from the four systems of agricultural water and soil resources，society，economy and ecology.Based on the TOPSIS model and obstacle degree model with combined weighting，the change characteristics and influencing factors of agricultural water and soil resources carrying capacity in main grain production areas from 2011 to 2018 were quantitatively studied.The results showed that the matching coefficient of agricultural water and soil resources in the main grain production areas was 6 097 m3/hm2 to 8 878 m3/hm2，indicating the matching degree as a whole needs to be improved，and presented a spatial matching pattern of “the central region was the lowest，the northern region was slightly lower，and the southern region was the highest”.The carrying capacity of agricultural water and soil resources in main grain production areas as a whole showed a slight decreasing trend at a rate of 0.005/10a，and showed a spatial distribution characteristics of “the central region was the lowest，the southern region was medium，and the northern region was the highest”.The four systems have the similar impact intensity on the carrying capacity of agricultural water and soil resources in the main grain production areas，and the matching coefficient of agricultural water and soil resources，per capita cultivated land area，per capita grain yield，ecological environmental water use rate and per capita water resources in the system are the strongest obstacle factors affecting the carrying capacity of agricultural water and soil resources.

Key words：

agricultural water and soil resources;matching pattern of water and soil resources;carrying capacity of water and soil resources;TOPSIS model;obstacle degree model;main grain production area