糧食主產(chǎn)區(qū)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(chǎn)區(qū)農(nóng)業(yè)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(jù)水資源、耕地資源等數(shù)據(jù)，計算了農(nóng)業(yè)水土資源匹配系數(shù)。同時，從農(nóng)業(yè)水土資源、社會、經(jīng)濟和生態(tài)4個系統(tǒng)出發(fā)，構(gòu)建了糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力評價指標(biāo)體系，綜合采用組合賦權(quán)的TOPSIS模型和障礙度模型，對2011～2018年糧食主產(chǎn)區(qū)的農(nóng)業(yè)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(jié)果表明：① 糧食主產(chǎn)區(qū)2011～2018年的農(nóng)業(yè)水土資源匹配系數(shù)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(xiàn)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(chǎn)區(qū)農(nóng)業(yè)水土資源承載力整體以0.005/10 a的速率呈現(xiàn)微弱降低趨勢，空間上呈現(xiàn)“中部最低、南部中等、北部最高”的分布特征。③ 4個系統(tǒng)對糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力的影響強度相當(dāng)，系統(tǒng)中的農(nóng)業(yè)水土資源匹配系數(shù)、人均耕地面積、人均糧食產(chǎn)量、生態(tài)環(huán)境用水率和人均水資源量是影響農(nóng)業(yè)水土資源承載力最強的障礙因子。

關(guān) 鍵 詞： 農(nóng)業(yè)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(chǎn)區(qū)

中圖法分類號： ?TV211.1

文獻標(biāo)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(nóng)業(yè)生產(chǎn)的基本要素，對于保障國家和地區(qū)糧食安全、社會穩(wěn)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(zhèn)化和工業(yè)化背景下，農(nóng)業(yè)水資源、耕地資源被擠占的現(xiàn)象愈發(fā)嚴(yán)重，這必將對中國的糧食安全生產(chǎn)構(gòu)成重大威脅[2]。糧食主產(chǎn)區(qū)作為中國糧食生產(chǎn)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(chǎn)區(qū)農(nóng)業(yè)水資源和耕地資源的匹配狀況，開展農(nóng)業(yè)水土資源承載力評價及影響因素識別研究，對實現(xiàn)農(nóng)業(yè)水土資源的可持續(xù)利用和保障糧食安全具有重要的現(xiàn)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(xué)者關(guān)注的熱點。李天霄等[4]通過計算農(nóng)業(yè)水土資源匹配系數(shù)和基尼系數(shù)，評價了2000～2014年黑龍江省13個地市的農(nóng)業(yè)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(chǔ)上，結(jié)合DEA模型，建立了以水、耕地資源為模型輸入，農(nóng)業(yè)產(chǎn)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(gòu)建包含農(nóng)業(yè)水土資源-社會-經(jīng)濟-生態(tài)4系統(tǒng)的農(nóng)業(yè)水土資源承載力評價指標(biāo)體系，分析了河南省2006～2015年的農(nóng)業(yè)水土資源承載力情況;郭嘉偉等[7]在構(gòu)建水土資源承載力評價體系的基礎(chǔ)上，結(jié)合熵權(quán)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(fā)現(xiàn)，大多只從農(nóng)業(yè)水土資源匹配或農(nóng)業(yè)水土資源承載力及影響因素的視角出發(fā)展開研究，而將區(qū)域農(nóng)業(yè)水土資源匹配與區(qū)域農(nóng)業(yè)水土資源承載力及影響因素聯(lián)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(qū)域農(nóng)業(yè)水土資源狀況提供充分依據(jù)。此外，現(xiàn)有研究多集中于縣域、市域或省域尺度上農(nóng)業(yè)水土資源的分析，而基于特定區(qū)域的研究還比較匱乏。

基于此，本研究以中國糧食主產(chǎn)區(qū)13個省（自治區(qū)）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(gòu)建農(nóng)業(yè)水土資源承載力評價指標(biāo)體系的基礎(chǔ)上，運用組合賦權(quán)的TOPSIS模型對糧食主產(chǎn)區(qū)的農(nóng)業(yè)水土資源承載力進行評價;最后運用障礙度模型，對農(nóng)業(yè)水土資源承載力的主要障礙因子進行識別，以期為農(nóng)業(yè)水土資源持續(xù)高效利用和管理決策提供事實判據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本研究以糧食主產(chǎn)區(qū)13個省（自治區(qū)）為研究對象，包括黑龍江、吉林、遼寧、內(nèi)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(shù)據(jù)主要來源于相關(guān)年份的《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國水資源公報》以及《中國環(huán)境統(tǒng)計年鑒》，部分缺失數(shù)據(jù)由各省（自治區(qū)）《統(tǒng)計年鑒》相關(guān)數(shù)據(jù)補充。為了避免引起歧義，下文中所提到的糧食主產(chǎn)區(qū)指的是包含這上述13個省（自治區(qū)）的區(qū)域。

1.2 農(nóng)業(yè)水土資源匹配系數(shù)測算模型

農(nóng)業(yè)水土資源匹配系數(shù)是表征區(qū)域農(nóng)業(yè)水資源可利用量與耕地面積匹配水平的量比指標(biāo)，其值越大，說明該區(qū)域農(nóng)業(yè)水資源滿足耕地資源的程度越高，農(nóng)業(yè)生產(chǎn)基礎(chǔ)條件就越好。其中，農(nóng)業(yè)水資源可利用量是根據(jù)糧食主產(chǎn)區(qū)用水結(jié)構(gòu)（農(nóng)業(yè)用水、工業(yè)用水、生活用水）中的農(nóng)業(yè)用水比重來確定的，也就是區(qū)域水資源總量與農(nóng)業(yè)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(nóng)業(yè)水土資源匹配系數(shù);Wi為第i個省份的水資源總量，億m3;ai為第i個省份的農(nóng)業(yè)用水比重;Si為第i個省份的耕地面積，萬hm2。

糧食主產(chǎn)區(qū)的農(nóng)業(yè)水土資源匹配系數(shù)，反映了區(qū)域各省份農(nóng)業(yè)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(chǎn)區(qū)農(nóng)業(yè)水土資源匹配系數(shù);S為糧食主產(chǎn)區(qū)總的耕地面積，萬hm2;n為糧食主產(chǎn)區(qū)內(nèi)省份個數(shù)，即值為13。

1.3 農(nóng)業(yè)水土資源承載力評價方法

1.3.1 評價指標(biāo)體系建立

農(nóng)業(yè)水土資源承載力是一個復(fù)雜的綜合系統(tǒng)，其組成要素與結(jié)構(gòu)具有特殊的動態(tài)性和復(fù)雜性，受農(nóng)業(yè)水土資源系統(tǒng)、社會系統(tǒng)、經(jīng)濟系統(tǒng)和生態(tài)系統(tǒng)多系統(tǒng)多要素的綜合影響[9]。基于此，本研究在相關(guān)研究成果的基礎(chǔ)上[1，7，9-12]，遵循系統(tǒng)性、綜合性、層次性和可操作性等原則，從上述4個系統(tǒng)的角度出發(fā)，構(gòu)建了包含目標(biāo)-準(zhǔn)則-指標(biāo)3個層次、共計25個代表性指標(biāo)的糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力評價指標(biāo)體系（見表1）。

1.3.2 組合賦權(quán)的TOPSIS模型

本研究采用組合賦權(quán)的TOPSIS模型對糧食主產(chǎn)區(qū)農(nóng)業(yè)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(yīng)用的以距離為評價標(biāo)準(zhǔn)的綜合評價法[12-13]。其中，評價指標(biāo)權(quán)重作為TOPSIS模型的重要環(huán)節(jié)，本研究綜合采用變異系數(shù)法和熵權(quán)法兩種常用的客觀賦權(quán)方法對指標(biāo)進行權(quán)重確定。具體步驟描述如下。

（1） 數(shù)據(jù)的標(biāo)準(zhǔn)化處理。

對各項指標(biāo)進行標(biāo)準(zhǔn)化處理來消除量綱，以保證指標(biāo)之間具有可比性，公式如下[14]。

正向指標(biāo)：

yij= xij-minxj maxxj-minxj ??（3）

負向指標(biāo)：

yij= maxxj-xij maxxj-minxj? （4）

式中：yij表示第i個省份的第j項指標(biāo)標(biāo)準(zhǔn)化后的值，i=1，2，…，n，j=1，2，…，m;n為省份個數(shù)，m為指標(biāo)數(shù)量。xij為第i個省份的第j項指標(biāo)的原始值，maxxij和minxij分別為第j項指標(biāo)的最大值和最小值。基于標(biāo)準(zhǔn)化結(jié)果建立標(biāo)準(zhǔn)化評價矩陣 Y m×n。

（2） 指標(biāo)權(quán)重的確定。

鑒于熵權(quán)法在客觀確定權(quán)重時受指標(biāo)無量綱化處理的影響較大，本研究同時采用2種客觀賦權(quán)法，即變異系數(shù)法與熵權(quán)法相結(jié)合的組合賦權(quán)法來客觀確定指標(biāo)權(quán)重，其計算過程描述如下。

熵權(quán)法[15]。基于構(gòu)建的標(biāo)準(zhǔn)化評價矩陣，計算第j項指標(biāo)的權(quán)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(biāo)的權(quán)重;gj為第j項指標(biāo)的差異系數(shù);ej為第j項指標(biāo)的熵值;pij為第i個省份第j項指標(biāo)的比重。

變異系數(shù)法[16]。基于指標(biāo)的原始值，計算第j項指標(biāo)的權(quán)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(biāo)的權(quán)重;δj為第j項指標(biāo)的變異系數(shù);D為第j項指標(biāo)的均方差; j為第j項指標(biāo)的均值。

組合賦權(quán)法。基于熵權(quán)法和變異系數(shù)法權(quán)重計算結(jié)果，組合賦權(quán)確定第j項指標(biāo)的權(quán)重為

W*j=αwj+（1-α）Wj （9）

式中：W*j為第j項指標(biāo)的組合權(quán)重; α為偏好系數(shù)，本研究取值為0.5[17]。

（3） 構(gòu)建規(guī)范化加權(quán)評價矩陣。

結(jié)合組合權(quán)重法確定的指標(biāo)權(quán)重和標(biāo)準(zhǔn)化評價矩陣，構(gòu)建規(guī)范化加權(quán)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(biāo)加權(quán)后的標(biāo)準(zhǔn)化值。

（4） 確定最優(yōu)、最劣解。

在規(guī)范化加權(quán)評價矩陣中選擇最優(yōu)、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(guī)范化加權(quán)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(biāo)到最優(yōu)、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(chǎn)區(qū)第i個省份農(nóng)業(yè)水土資源承載力與最優(yōu)承載力的貼近度即表示該省份農(nóng)業(yè)水土資源承載力（Ci），其值介于[0，1]，值越大，表明農(nóng)業(yè)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(chǎn)區(qū)農(nóng)業(yè)水土資源承載力的障礙因子，引入障礙度模型對評價指標(biāo)進行診斷分析[9，18]，進而為提高糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力提供決策依據(jù)。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(nóng)業(yè)水土資源承載力的影響作用越強;Pij為指標(biāo)偏離度;Rj為因子對總體的貢獻率，本研究用上述組合權(quán)重法求得的權(quán)重表示。

2 結(jié)果與分析

2.1 糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源匹配特征

2.1.1 時序變化特征

基于糧食主產(chǎn)區(qū)各省份2011～2018年水資源數(shù)據(jù)和耕地數(shù)據(jù)，由式（1）和式（2）計算可得到糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)水土資源匹配系數(shù)，如圖1所示。

由圖1可以看出：江西、湖南、四川3個省份的農(nóng)業(yè)水土資源匹配系數(shù)在研究期內(nèi)波動較大，數(shù)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(qū)）農(nóng)業(yè)水土資源匹配系數(shù)1.054 1萬～1.501 1萬m3/hm2（由同期數(shù)據(jù)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(nóng)業(yè)生產(chǎn)基本條件較好。其他省份的水土資源匹配系數(shù)在研究期內(nèi)波動范圍較小且數(shù)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(chǎn)區(qū)的水土資源匹配系數(shù)為0.609 7萬～0.887 8萬m3/hm2，低于同期全國農(nóng)業(yè)水土資源匹配系數(shù)，可見糧食主產(chǎn)區(qū)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(jù)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(shù)，基于ArcGIS軟件繪制了糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)水土資源及匹配系數(shù)的空間分布圖（見圖2）。

從圖2（a）中可以看出：整個糧食主產(chǎn)區(qū)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(xiàn)自北向南遞減的空間分布格局，而水資源量整體呈現(xiàn)“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(chǎn)區(qū)的水土資源存在分布不均的問題，整體表現(xiàn)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(dǎo)致了整個糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源匹配系數(shù)在空間分布上存在較強的差異性（見圖2（b）），即表現(xiàn)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(chǎn)區(qū)水土資源匹配優(yōu)劣狀況的關(guān)鍵要素。在各個省份中，以河南、山東、河北省的農(nóng)業(yè)水土資源匹配程度最差，遼寧、內(nèi)蒙古、吉林、黑龍江省的農(nóng)業(yè)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(chǎn)區(qū)農(nóng)業(yè)水土資源承載力變化特征

2.2.1 時序變化特征

根據(jù)上文構(gòu)建的糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力評價指標(biāo)體系，利用組合賦權(quán)的TOPSIS模型，求解了2011～2018年糧食主產(chǎn)區(qū)各省農(nóng)業(yè)水土資源承載力評價值，結(jié)果如圖3所示。

整體上看，研究期內(nèi)糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)水土資源承載力水平均處于波動變化態(tài)勢，其中，以內(nèi)蒙古、黑龍江、吉林省的農(nóng)業(yè)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(nóng)業(yè)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(chǎn)區(qū)農(nóng)業(yè)水土資源承載力變化趨勢進行簡單線性回歸分析，發(fā)現(xiàn)研究期內(nèi)糧食主產(chǎn)區(qū)有7個省份的農(nóng)業(yè)水土資源承載力水平處于波動降低趨勢，分別為河北、內(nèi)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(xiàn)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(chǎn)區(qū)農(nóng)業(yè)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(jù)糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)水土資源承載力評價結(jié)果，結(jié)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(yīng)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(jié)合ArcGIS軟件繪制2011～2018年糧食主產(chǎn)區(qū)農(nóng)業(yè)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(chǎn)區(qū)農(nóng)業(yè)水土資源承載力水平空間分布不均衡，總體上呈現(xiàn)“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(fā)現(xiàn)，糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源高承載力水平區(qū)域主要分布在北部地區(qū)，變化較為微弱，主要有內(nèi)蒙古和黑龍江等省份;較高承載力水平區(qū)域分布在糧食主產(chǎn)區(qū)偏北部和南部地區(qū)，主要有吉林、四川、江西等省份;中等承載力水平區(qū)域變化呈現(xiàn)由南北條帶狀分布向南部集聚發(fā)展特征，表現(xiàn)為偏北部和中部地區(qū)逐漸消失，而且逐漸集中于糧食主產(chǎn)區(qū)南部地區(qū);較低承載力水平區(qū)域變化呈現(xiàn)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(chǎn)區(qū)中部地區(qū);低承載力水平區(qū)域由集聚分布逐漸轉(zhuǎn)為零散分布，省份數(shù)量在逐漸減少，主要環(huán)繞或鄰近較低承載力水平地區(qū)分布。

2.3 障礙因子識別

2.3.1 準(zhǔn)則層障礙因子

在對糧食主產(chǎn)區(qū)2011～2018年農(nóng)業(yè)水土資源承載力狀況初步了解的基礎(chǔ)上，為深入了解影響制約農(nóng)業(yè)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(chǎn)區(qū)2011～2018年準(zhǔn)則層中農(nóng)業(yè)水土資源系統(tǒng)、社會系統(tǒng)、經(jīng)濟系統(tǒng)和生態(tài)系統(tǒng)4個系統(tǒng)的障礙度，進而厘清各系統(tǒng)對農(nóng)業(yè)水土資源承載力的影響強度，其中各系統(tǒng)權(quán)重是由每個系統(tǒng)指標(biāo)權(quán)重加和所得。計算結(jié)果如表2所列。

由表2可以看出：各系統(tǒng)對農(nóng)業(yè)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(xiàn)為農(nóng)業(yè)水土資源系統(tǒng)>社會系統(tǒng)>經(jīng)濟系統(tǒng)>生態(tài)系統(tǒng)。盡管如此，研究期內(nèi)4個系統(tǒng)對農(nóng)業(yè)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(nóng)業(yè)

水土資源系統(tǒng)、社會系統(tǒng)、經(jīng)濟系統(tǒng)和生態(tài)系統(tǒng)對糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力具有相當(dāng)?shù)挠绊懽饔茫窈笤谥贫ㄌ嵘Z食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力的決策規(guī)劃時不要厚此薄彼，要注意對每個系統(tǒng)發(fā)力，做到從4個系統(tǒng)的協(xié)調(diào)發(fā)展入手。

2.3.2 指標(biāo)層障礙因子

為進一步挖掘影響糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力的具體障礙因子，以便更加精準(zhǔn)地制定提升策略，本研究結(jié)合障礙度模型，計算了糧食主產(chǎn)區(qū)2011～2018年指標(biāo)層各個指標(biāo)的障礙度（見表3）。由于涉及指標(biāo)數(shù)量較多，表3只列出了對糧食主產(chǎn)區(qū)農(nóng)業(yè)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(fā)現(xiàn)：在影響作用明顯的指標(biāo)層障礙因子中，研究期內(nèi)存在著具有普遍性影響的障礙因子，分別為農(nóng)業(yè)水土資源匹配系數(shù)、人均耕地面積、人均糧食產(chǎn)量、生態(tài)環(huán)境用水率。這些障礙因子每年都存在，說明了農(nóng)業(yè)水土資源匹配系數(shù)、人均耕地面積、人均糧食產(chǎn)量、生態(tài)環(huán)境用水率是影響農(nóng)業(yè)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(tǒng)的要素，說明了4個系統(tǒng)對農(nóng)業(yè)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(jié)果的合理性。同時，人均水資源量在研究期內(nèi)共出現(xiàn)了6次，也是重要因素。至于其他障礙因子，比如水資源開發(fā)利用率、人均GDP在研究期內(nèi)都只出現(xiàn)了一次，且排序均為第5，影響作用相對較弱。總的來說，農(nóng)業(yè)水土資源匹配系數(shù)、人均耕地面積、人均糧食產(chǎn)量、生態(tài)環(huán)境用水率和人均水資源量是研究期內(nèi)對糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力影響作用最強的5個障礙因子，應(yīng)在今后的農(nóng)業(yè)水土資源發(fā)展規(guī)劃中予以重視。

4 結(jié) 論

本研究采用多種方法，分析評價了中國糧食主產(chǎn)區(qū)2011～2018年農(nóng)業(yè)水土資源匹配狀況、農(nóng)業(yè)水土資源承載力及影響因素，可以得到如下結(jié)論。

（1） 2011～2018年，糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源匹配系數(shù)為0.609 7萬～0.887 8萬m3/hm2，低于同期全國農(nóng)業(yè)水土資源匹配系數(shù)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(chǎn)區(qū)水土資源空間分布不均，農(nóng)業(yè)水土資源匹配系數(shù)呈現(xiàn)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(chǎn)區(qū)農(nóng)業(yè)水土資源承載力整體以0.005/10 a的速率呈現(xiàn)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(chǎn)區(qū)農(nóng)業(yè)水土資源承載力的空間分布不均衡，整體表現(xiàn)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(nèi)蒙古、黑龍江、吉林省的農(nóng)業(yè)水土資源承載力最高。

（3） 研究期內(nèi)，農(nóng)業(yè)水土資源系統(tǒng)、社會系統(tǒng)、經(jīng)濟系統(tǒng)和生態(tài)系統(tǒng)對糧食主產(chǎn)區(qū)農(nóng)業(yè)水土資源承載力的影響強度相當(dāng)，其中以農(nóng)業(yè)水土資源匹配系數(shù)、人均耕地面積、人均糧食產(chǎn)量、生態(tài)環(huán)境用水率和人均水資源量這5個障礙因子對農(nóng)業(yè)水土資源承載力影響作用最強，應(yīng)在今后的水土資源規(guī)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(nóng)業(yè)水土資源匹配及承載力[J].農(nóng)業(yè)工程學(xué)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(chǎn)區(qū)糧食生產(chǎn)現(xiàn)狀、存在問題及政策建議[J].農(nóng)業(yè)現(xiàn)代化研究，2018，39（1）：37-47.

[4] 李天霄，付強，孟凡香.黑龍江省農(nóng)業(yè)水土資源時空匹配格局研究[J].東北農(nóng)業(yè)大學(xué)學(xué)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(nóng)村水利水電，2015（10）：58-61，65.

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

[7] 郭嘉偉，張軍，陳彥.基于熵權(quán)可拓物元模型的會寧縣水土資源承載力評價[J].甘肅農(nóng)業(yè)大學(xué)學(xué)報，2018，53（6）：195-203.

[8] 劉彥隨，甘紅，張富剛.中國東北地區(qū)農(nóng)業(yè)水土資源匹配格局[J].地理學(xué)報，2006（8）：847-854.

[9] 朱薇，周宏飛，李蘭海，等.哈薩克斯坦農(nóng)業(yè)水土資源承載力評價及其影響因素識別[J].干旱區(qū)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(xué)報，2018，37（5）：106-114.

[11] 童芳，金菊良，董增川.基于改進SD的區(qū)域水土資源聯(lián)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(quán)TOPSIS的湖北省農(nóng)業(yè)水土資源承載力時空動態(tài)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(quán)重TOPSIS模型的黃河流域九省區(qū)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(quán)理想點的水資源承載力風(fēng)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(shù)法評價人類活動對地下水環(huán)境的影響[J].環(huán)境科學(xué)，2013，34（4）：1277-1283.

[17] 寧寶權(quán)，彭望書，郭樹勤，等.基于組合賦權(quán)和改進TOPSIS法的農(nóng)業(yè)水利基礎(chǔ)設(shè)施綜合評價[J].節(jié)水灌溉，2014（12）：68-70，75.

[18] 李春燕，南靈.陜西省土地生態(tài)安全動態(tài)評價及障礙因子診斷[J].中國土地科學(xué)，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(chǎn)區(qū)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