黃河幾字彎城市群能－水－碳耦合變化及歸因分析

摘 要：為解析黃河幾字彎城市群能－水－碳之間的耦合關系，促進城市群的綠色低碳發展，構建城市群能－水－碳系統評價指標體系，運用熵值法和耦合協調度模型測度２００５—２０２０ 年黃河幾字彎城市群能－水－碳耦合協調水平，利用隨機森林模型識別其主要影響因素。結果表明，黃河幾字彎城市群能－水－碳系統耦合協調度呈現波動上升趨勢，但２０２０ 年尚未達到良好協調水平，環境規制強度、全要素生產率、建成區面積占比是影響其水平變化的主要因素。基于此，提出出臺專項環境規制政策、技術引領能源革命、促進環境保護與經濟發展相結合等建議。

關鍵詞：能－水－碳；耦合協調；隨機森林模型；黃河幾字彎

中圖分類號：ＴＶ２１３．４；ＴＶ８８２．１ 文獻標志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２５．０４．０１１

引用格式：鄒紹輝，陳雅文．黃河幾字彎城市群能－水－碳耦合變化及歸因分析［Ｊ］．人民黃河，２０２５，４７（４）：６４－７０．

０ 引言

黃河流經甘、寧、內蒙古、陜、晉五省（區）形成幾字彎，該地區煤炭儲量約占全國的６７％，但水資源極度匱乏（僅占全國水資源總量的３．８５％），能源開發利用和水資源利用之間矛盾突出［１］ 。黃河幾字彎城市群經濟發展主要依托能源化工產業，２０２３ 年其第二產業占比平均為５３．１％，其中鄂爾多斯、阿拉善盟、烏海、延安、榆林、呂梁占６０％以上。大量的能源開采、加工、運輸、消費活動加劇了碳排放，城市群平均碳排放強度遠高于全國平均水平，給該地區的環境污染治理和綠色低碳發展造成了巨大壓力。

中共中央、國務院于２０２１ 年頒布《黃河流域生態保護和高質量發展規劃綱要》，要求加快推進區域中國式現代化建設，實現高質量發展與生態保護的耦合協調，節水、節能、碳減排與經濟可持續發展的結合更加迫切［２］ 。黃河幾字彎城市群在發展能源化工產業的同時，不可避免地消耗能源和水資源，同時造成大量碳排放。為控制碳排放，該地區有關部門通過技術創新等手段來實現化石能源低碳化，雖然諸如碳捕集、利用與封存技術（ＣＣＵＳ）類綠色低碳技術的推廣利用能控制碳排放，但同時會增加用水量與能源消耗［３］ ；采取節水技術也會增加能源消耗，進而增加碳排放［４］ 。能、水、碳三系統相互制約，實現能－水－碳耦合協調對該地區綠色低碳發展意義重大。

學術界對水、能源和碳排放的研究已從單一指標的演變情況［５－７］ ， 發展到從國家［８］ 、省級［９］ 、城市（群）［１０－１１］ 和社會層面［１２］ 入手分析能－水－碳耦合協調關系，發現能－水－碳的耦合水平主要受政府管制、經濟發展和技術創新等因素的影響［１３］ 。例如：余錦如等［１４］ 發現技術效應是促進福建省各行業能－水－碳與經濟增長脫鉤的主要因素，楊屹等［１５］ 發現城鎮化發展水平是影響呼包鄂榆城市群能－水－碳耦合的關鍵因素。

為識別黃河幾字彎城市群能－水－碳系統耦合協調度的關鍵影響因素，需要選取合適的研究方法。研究影響因素的傳統計量模型均為線性關系，而機器學習方法可以探索影響因素的非線性關系［１６］ 。其中，隨機森林模型具有多樣性、抗過擬合、穩定性等優勢［１７］ ，被廣泛應用于識別生態［１８］ 、社會［１９］ 、經濟［２０］ 、生物信息［２１］ 等領域的影響因素探究中。康哲等［２２］ 利用隨機森林模型探究黃河流域工業協同減污降碳的影響因素，發現規模以上工業增加值是影響工業二氧化碳和大氣污染物當量的重要指標；余文夢等［２３］ 應用隨機森林模型識別縣域碳排放強度的關鍵影響因素及其非線性響應關系，發現產業結構、人口因素是關鍵影響指標。

以往關于能源資源型城市群能－水－碳系統及不同因素對該系統耦合協調度的影響研究較少。黃河幾字彎城市群能源資源富集、生態脆弱，水、能資源利用與碳排放之間矛盾突出，能－水－碳耦合系統具有高度復雜性和關聯性［２４］ ，有必要對能－水－碳耦合協調水平進行研究。本研究通過計算黃河幾字彎城市群能－水－碳系統耦合協調度，利用隨機森林模型識別環境規制強度等因素對能－水－碳系統耦合協調發展水平的影響，以期為實現該城市群綠色低碳發展提供參考。

１ 研究區概況與數據來源

黃河幾字彎城市群由甘肅的慶陽市，寧夏的中衛、吳忠、銀川、石嘴山，內蒙古的阿拉善、烏海、巴彥淖爾、包頭、鄂爾多斯、呼和浩特、烏蘭察布，陜西的榆林、延安，山西的朔州、忻州、呂梁、太原、臨汾共１９ 個地級市（盟）組成。

鑒于中衛于２００４ 年成為地級市，為保證數據可獲得性，本研究的時間跨度選為２００５—２０２０ 年。各地級市人口、生產總值、產業結構、環境等相關數據來源于《中國城市統計年鑒》《中國環境統計年鑒》《中國城市建設統計年鑒》及各省（區）統計年鑒；水資源相關數據來源于相關省（區）每年的水資源公報，部分缺失數據采用線性插值法進行補充；碳排放數據來源于全球大氣研究排放數據庫（ＥＤＧＡＲ）。

２ 研究方法

２．１ 評價指標體系構建

為探討黃河幾字彎城市群能－水－碳系統的協調耦合情況，參考已有研究［２５－２７］ ，結合黃河幾字彎城市群特點，從能源子系統選取８ 個指標、從水資源子系統選取８ 個指標、從碳排放子系統選取２ 個指標，構建能－水－碳系統評價指標體系，見表１。能源子系統選取一次能源生產總量、發電量和電力生產彈性系數反映城市群能源生產情況，能源消費總量、煤炭消費量、萬元ＧＤＰ 能耗和工業用電量占比反映城市群能源消費情況，能源自給率反映能源供需結構。水資源子系統選取人均水資源量反映城市群水資源稟賦，萬元ＧＤＰ 用水量、生態用水量占比、工業用水量占比、農業用水量占比和人均生活用水量反映城市群水資源利用情況，污水處理率和污水排放量反映污水治理情況。碳排放子系統選取碳排放強度和人均碳排放量，反映城市群的碳排放情況。

２．２ 耦合協調度模型

耦合協調度模型被廣泛應用于衡量系統間的交互協調關系，既可考察協調發展的水平，也可考察系統之間的相互作用，計算步驟如下。

１）計算協調指數Ｕ，公式為

Ｕ ＝αＵ１ ＋βＵ２ ＋γＵ３ （１）

式中：Ｕ１、Ｕ２、Ｕ３分別為水資源、能源、碳排放子系統的得分，均通過熵值法計算得出；α、β、γ 為權重系數，本研究中３ 個子系統的重要性相同，取α ＝β ＝γ ＝１／ ３。

２）計算耦合度Ｃ，公式為

３）計算耦合協調度Ｄ，公式為

參考文獻［２８］，根據耦合協調度大小，確定協調發展類型，見表２。

２．３ 隨機森林模型

隨機森林模型是一種基于決策樹的機器學習算法，其基本思想是通過隨機選擇特征構造多棵決策樹，再按照一定準則對決策樹進行組合生成隨機森林。該方法可用于回歸分析，根據輸出特征對預測結果的相對重要性進行打分，得分以百分比或歸一化的形式呈現，較高的重要性得分表示該特征對預測結果的影響較大［２９］ 。利用隨機森林算法進行特征重要性排序的步驟如下。

１）通過Ｂｏｏｔｓｔｒａｐ（隨機且有抽樣放回）方法生成樣本集Ｄｉ（ｉ ＝ １，２，…，Ｎ）并訓練決策樹，對應的袋外樣本（沒有參與決策樹生成的數據）為Ｌｉ ；

２）利用第ｉ 棵決策樹預測袋外樣本Ｌｉ ，預測正確的樣本個數記為Ｒｉ ；

３）設樣本集有ｍ 項特征，在保持其他特征不變的同時，對樣本Ｌｉ的第ｋ 項特征進行隨機序列改變，生成ｍ 個新的袋外樣本Ｌｉ，ｋ ；

４）在ｍ 個新的袋外樣本中，利用決策樹ｉ 進行預測，預測正確的樣本個數記為Ｒｉ，１，…，Ｒｉ，ｋ ，…，Ｒｉ，ｍ ；

５）重復第２ 步至第４ 步，得到所有決策樹的Ｒｉ，ｊ和Ｌｉ，ｊ ；

６）計算第ｋ 項特征的重要性得分，公式為

偏依賴圖可用于解釋機器學習模型中連續特征與目標變量間的關系，能夠顯示在保持其他特征不變的情況下，某個特定特征對目標變量的影響程度。偏依賴函數ｆ＾ ｘｓ可通過固定某個變量，計算訓練數據中的平均值得到，公式為

式中：ｆ＾ 為隨機森林模型，ｆ＾ ｘｓ（ｘｓ）為特征ｘｓ 的模型預測輸出，ｘｃ 為隨機森林模型中的其他特征，Ｅ 為特征ｘｓ在固定其他特征ｘｃ 條件下的偏依賴值。

根據已有研究［１５－１６，２７］ ，從經濟發展、環境治理、城市建設、技術創新、人口因素５ 個方面選取１０ 個影響因素（見表３），構建隨機森林模型，識別黃河幾字彎城市群能－水－碳系統耦合協調影響因素的相對重要性。

３ 結果與分析

３．１ 能－水－碳系統耦合協調度變化分析

３．１．１ 各子系統得分與耦合協調度

運用熵值法計算出黃河幾字彎城市群２００５—２０２０ 年能源、水資源、碳排放子系統的得分，再通過耦合協調度模型得出能－水－碳系統耦合協調度，結果見圖１。由圖１ 可知，２００５—２０２０ 年黃河幾字彎城市群各子系統得分及耦合協調度均呈現波動上升態勢，協調發展類型從輕度失調逐步發展到中度協調，尚未達到良好協調，協調發展水平的上升說明城市群環境保護措施的實施在一定程度上促進了能源、水資源與碳排放的耦合協調發展。耦合協調度在２０１０ 年、２０１５年、２０１９ 年均出現小幅度下降，原因可能是每到“五年計劃”節點，各地為達到規劃發展目標，大力發展經濟，而該地區以發展能源化工產業為主，發展經濟的同時消耗了大量能源和水資源，造成了碳排放量增加，降低了能－水－碳系統耦合協調度。

從不同時段來看，２００５—２０１１ 年能源子系統得分低于０．５，原因是該時段黃河幾字彎城市群大力發展煤炭經濟，能源開發對水環境及大氣環境均產生了極大壓力，能－水－碳系統未達到初級協調水平；２０１２—２０１６ 年，全國煤炭需求量降低，能源子系統得分開始攀升，水環境得到改善，碳排放強度和人均碳排放量逐漸降低，能－水－碳系統發展為中度協調類型；２０１７—２０２０ 年，煤炭產量恢復增長，能源消費上漲，能源、碳排放子系統得分開始下降，水資源子系統得分在０．５５上下波動，協調發展類型趨向良好協調發展。

３．１．２ 能－水－碳系統耦合協調度動態演進

代表年份黃河幾字彎城市群能－水－碳系統耦合協調度核密度曲線變化情況見圖２。曲線整體呈現向右移動的趨勢，表明隨著時間的推移，城市群耦合協調度不斷上升，城市群之間的發展差異減小，協調發展的趨勢明顯。然而，曲線存在左拖尾現象，表明有部分城市的耦合協調度低于平均水平，這些城市在能－水－碳耦合協調發展方面存在較大的提升空間，區域能源資源要素協同水平較低。在未來的發展中，應當重視城市群能源資源的合理配置和高效利用，通過優化區域內的資源分配，促進城市間的相互支持和協作，縮小城市間的發展差距，有效推動整個區域的協調發展。

３．１．３ 各城市能－水－碳系統耦合協調度分析

代表年份黃河幾字彎各城市能－水－碳系統耦合協調度見圖３。２００５ 年，鄂爾多斯、烏蘭察布的能－水－碳系統為中度協調類型，這些城市的經濟發展水平位居城市群前列，能源資源配置合理，系統耦合協調度高于其他城市。２０１０ 年，包頭能－水－碳系統耦合協調度大幅度下降，原因是包頭作為典型重工業城市，經濟發展嚴重依賴煤炭開采和加工，導致水資源消耗量和碳排放量大幅度上升；２０１５ 年，各城市大部分到初級協調水平，但榆林的耦合協調度有所下降，原因是該年榆林碳排放強度上升至１２．８７３ ｔ／ 萬元，碳排放子系統得分下降，耦合協調系統失衡；２０２０ 年，寧夏石嘴山、吳忠、中衛三市，山西太原、朔州、忻州、臨汾、呂梁五市及內蒙古呼和浩特、包頭、烏海三市均達到良好協調類型，各城市的耦合協調水平穩步提升，但鄂爾多斯和榆林的能－水－碳系統耦合協調度明顯低于黃河幾字彎城市群平均水平，原因是“十三五”時期鄂爾多斯和榆林的經濟發展水平高于城市群平均水平，經濟發展帶來的水資源消耗量和碳排放量都高于城市群平均值，導致能－水－碳系統失調。總體來看，黃河幾字彎慶陽到呼和浩特六市和山西五市的能－水－碳耦合協調水平高于包頭到榆林八市（盟），原因是包頭到榆林八市（盟）的經濟發展高度依賴能源化工產業，因而產生大量碳排放，加上水資源缺乏，因此能－水－碳系統耦合協調度較低。

３．２ 影響因素重要性分析

３．２．１ 城市群能－水－碳耦合協調水平影響因素分析

構建隨機森林模型，對每個預測變量進行隨機賦值，根據計算出的均方誤差百分比增長值來評估各變量的重要性，該值越大說明變量越重要。黃河幾字彎能－水－碳耦合系統各影響因素的重要性排序見表４。隨機森林模型擬合優度Ｒ２ 均大于０．９，說明選取的變量與黃河幾字彎城市群能－水－碳系統耦合協調度的關聯性較強。由表４ 可知，環境規制強度對耦合系統的影響最大，全要素生產率、建成區面積占比、固定資產投資等也是影響能－水－碳系統耦合協調度的主要因素。

不同時段黃河幾字彎城市群能－水－碳系統耦合協調度影響因素重要性見表５。

２００５—２０１０ 年，環境規制強度對能－水－碳系統耦合協調度影響最大，表明該時段能－水－碳系統的耦合協調主要靠政府管控和企業減污減排；２０１１—２０１５年，建成區面積占比與全要素生產率是耦合系統的主要影響因素，該時段城市化進程加快，建成區面積擴張、人口密度增大，帶動資源優化配置，促進能－水－碳耦合協調發展；２０１６—２０２０ 年，全要素生產率成為耦合系統的主要影響因素，該時期我國經濟由高速增長階段轉向高質量發展階段，國家提出要推動經濟發展質量變革、效率變革、動力變革，提高全要素生產率；黃河幾字彎城市群響應國家政策，以技術創新引領資源效率提升，水資源和能源的開發利用提質增效，碳排放得到技術性處理約束，促進了能－水－碳系統整體耦合協調發展。

３．２．２ 城市群能－水－碳系統影響因素非線性關系分析

為進一步探討各影響因素對黃河幾字彎城市群能－水－碳耦合協調系統的作用方向及作用強度，本文繪制偏依賴圖表征影響因素的響應關系，見圖４。由圖４ 可知，各影響因素與能－水－碳系統耦合協調度之間存在顯著的非線性關系。

１）環境治理方面。隨著各級政府環境治理相關政策陸續出臺，黃河幾字彎城市群企業在水治理、能耗減排、碳管理等方面采取規制措施，居民提升環境治理意識，區域內開展綠化、治沙、復墾、礦山環境等治理活動；加之在甘肅慶陽盆地、寧夏與內蒙古河套地區、陜北沙漠地區、山西汾河盆地等區域發展特色生態農業，治理環境的同時轉化產業經濟優勢，減少水污染，提高水資源和能源利用效率，降低碳排放強度，提高了耦合系統的協調水平。

２）技術創新方面。全要素生產率作為技術創新的代表性指標，在很大程度上促進了能－水－碳系統的耦合協調發展。隨著新型儲能、低成本儲蓄充用電一體化等新技術的引入，黃河幾字彎城市群的能源生產和使用方式逐漸向高質量發展，如轉化利用內蒙古地區清潔風電能源，促進能源子系統提質增效，并在一定程度上控制碳排放，提升系統整體耦合協調水平。

３）經濟發展方面。人均ＧＤＰ 對系統耦合協調度有負向影響，原因是黃河幾字彎城市群產業結構以第二產業為主，工業能耗高，隨著經濟發展、工業規模擴張，水資源和能源需求增加，帶來水體污染、能源資源過度開采等問題，同時導致碳排放量上升；工業用地面積擴張同樣帶來更大的水資源和能源消耗以及更高的碳排放量，對系統的耦合協調發展造成不良影響。固定資產投資的增加將推動建立更多固定資產投資項目，通過建立固定資產投資項目碳排放評價制度，能從源頭上降低投資項目的能源消耗和碳排放。

４）城市建設方面。城市化進程與能－水－碳系統的耦合協調水平息息相關，黃河幾字彎城市群建成區面積在２００５—２０２０ 年擴張了８６．８２％，建成區面積占比增大初期能促進能－水－碳系統的耦合，但過度擴張增加了水資源與能源需求，城市交通與建筑業相關活動會產生碳排放，對能－水－碳系統的耦合協調產生不利影響；當城市群資源要素配置趨于成熟時，能源、水、碳排放之間的關系趨向平衡，耦合系統向好發展。人均道路面積的增長也反映了城市化發展水平，同樣在短期內能促進耦合系統協調發展，但過度擴張則會增加城市建設壓力，加大水資源與能源消耗，抑制耦合系統協調發展。

５）人口因素方面。人口密度和城鎮人口占比增大給城市發展帶來了一定壓力，增加了水資源與能源消耗以及碳排放，不利于能－水－碳系統的耦合協調發展。

４ 結論與建議

４．１ 結論

１）２００５—２０２０ 年，黃河幾字彎城市群能－水－碳系統從輕度失調類型發展為中度協調類型，未達到良好協調類型。各城市能－水－碳耦合協調水平差異縮小，但核密度曲線存在明顯左拖尾現象，需進一步推動區域協同發展。

２）慶陽到呼和浩特六市和山西五市的能－水－碳耦合協調水平高于包頭到榆林八市（盟）的。２０２０ 年，石嘴山、吳忠、中衛、呼和浩特、包頭、烏海、太原、朔州、忻州、臨汾、呂梁十一市為良好協調類型；而鄂爾多斯和榆林經濟發展過度依賴能源化工產業，導致水資源與能源消耗以及碳排放高于城市群平均值，使得能－水－碳系統失衡。

３）通過構建隨機森林模型分析黃河幾字彎城市群能－水－碳系統耦合協調度的影響因素重要性，發現環境規制強度、全要素生產率、建成區面積占比是主要影響因素，環境治理、技術創新、經濟發展和城市建設均會對能－水－碳系統耦合協調產生重要影響，其中：環境規制強度、技術創新顯著促進黃河幾字彎城市群能－水－碳系統耦合協調度的提升，建成區面積、人均道路面積和人口密度增大會先促進再抑制耦合協調，人均ＧＤＰ 會對耦合協調產生負向影響。

４．２ 建議

１）出臺黃河幾字彎城市群環境規制政策。黃河幾字彎１９ 個市（盟）聯合成立城市群發展工作組，對標京津冀、長三角、粵港澳大灣區，研究出臺黃河幾字彎城市群環境規制政策，完善城市群區域管理協調機制，積極落實河（湖）長制組織體系，加強區域水生態環境保護修復聯合防治、聯合執法。

２）建設能源革命創新示范區。加強技術創新，培養和引進創新型人才，加大信息技術、數字技術和人工智能技術應用力度，加強能源、生態建設科技支撐，共建黃河幾字彎能源科學中心和實驗室，聯合開展重大科技攻關。緊抓“雙碳”戰略機遇，充分利用“新增可再生能源和原料用能不納入能源消費總量控制”等政策，集成創新新能源與現代煤化工技術，推進ＣＣＵＳ 等低碳零碳技術應用，構建現代能源體系，建設全國典型能源革命創新示范區。

３）緩解經濟發展與環境保護之間的矛盾。推進黃河幾字彎調水、引水工程建設，推動黃河干支流水利樞紐工程、南水北調西線工程建設，規劃建設覆蓋黃河幾字彎城市群的水網工程，提升水資源供給與保障能力。推進黃河幾字彎生態修復保護工程，緩解城市群經濟發展與環境保護之間的矛盾，將該地區建成全國生態文明示范區、綠色低碳發展示范區。

參考文獻：

［１］ 安樹偉，張雙悅．黃河“幾”字彎區域高質量發展研究［Ｊ］．山西大學學報（哲學社會科學版），２０２１，４４（２）：１３４－１４４．

［２］ ＣＨＥＮＧ Ｌ，ＴＩＡＮ Ｊ Ｐ，ＸＵ Ｈ Ｇ，ｅｔ ａｌ．Ｕｎｖｅｉｌｉｎｇ ｔｈｅ Ｎｅｘｕｓ Ｐｒｏｆｉｌｅｏｆ Ｅｍｂｏｄｉｅｄ Ｗａｔｅｒ?Ｅｎｅｒｇｙ?Ｃａｒｂｏｎ Ｖａｌｕｅ Ｆｌｏｗｓ ｏｆ ｔｈｅ ＹｅｌｌｏｗＲｉｖｅｒ Ｂａｓｉｎ ｉｎ Ｃｈｉｎａ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ，２０２３，５７（２３）：８５６８－８５７７．

［３］ ＺＨＡＮＧ Ｃ Ｃ，ＨＥ Ｇ，ＪＯＨＮＳＴＯＮ Ｊ，ｅｔ ａｌ．Ｌｏｎｇ?Ｔｅｒｍ Ｔｒａｎｓｉｔｉｏｎｏｆ Ｃｈｉｎａ’ｓ Ｐｏｗｅｒ Ｓｅｃｔｏｒ Ｕｎｄｅｒ Ｃａｒｂｏｎ Ｎｅｕｔｒａｌｉｔｙ Ｔａｒｇｅｔ ａｎｄＷａｔｅｒ Ｗｉｔｈｄｒａｗａｌ Ｃｏｎｓｔｒａｉｎｔ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｌｅａｎｅｒ Ｐｒｏｄｕｃｔｉｏｎ，２０２１，３２９：１２９７６５．

［４］ 王紅瑞，李曉軍，張力，等．水－能源－碳排放復雜關系研究進展及展望［Ｊ］．南水北調與水利科技（中英文），２０２３，２１（１）：１３－２１．

［５］ 賈瓊，宋孝玉，宋淑紅，等．關中地區水資源承載力時空演變特征及耦合協調性［Ｊ］．水資源與水工程學報，２０２３，３４（１）：６６－７４，８３．

［６］ 韓文艷，楊娜，熊永蘭．科技大國能源消費結構演變及影響因素研究［Ｊ］．科技管理研究，２０２３，４３（１）：１９９－２０５．

［７］ 李云燕，張碩．中國城市碳排放強度時空演變與影響因素的時空異質性［Ｊ］．中國環境科學，２０２３，４３（６）：３２４４－３２５４．

［８］ ＴＩＡＮ Ｐ Ｐ，ＬＵ Ｈ Ｗ，ＲＥＩＮＯＵＴ Ｈ，ｅｔ ａｌ．Ｗａｔｅｒ?Ｅｎｅｒｇｙ?ＣａｒｂｏｎＮｅｘｕｓ ｉｎ Ｃｈｉｎａｓ Ｉｎｔｒａ ａｎｄ Ｉｎｔｅｒ?Ｒｅｇｉｏｎａｌ Ｔｒａｄｅ［Ｊ］．Ｓｃｉｅｎｃｅ ｏｆｔｈｅ Ｔｏｔａｌ Ｅｎｖｉｒｏｎｍｅｎｔ，２０２２，８０６（Ｐ２）：１５０６６６．

［９］ 王志強，姜文桓，盧詩月．基于生態網絡分析的新疆“水－能－碳” 耦合系統特征研究［Ｊ］．干旱區地理，２０２３，４６（１２）：２００５－２０１６．

［１０］ ＹＡＮＧ Ｘ Ｃ，ＹＩ Ｓ Ｊ，ＱＵ Ｓ，ｅｔ ａｌ．Ｋｅｙ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｓｅｃｔｏｒｓ ｏｆＥｎｅｒｇｙ?Ｗａｔｅｒ?Ｃａｒｂｏｎ Ｎｅｘｕｓ Ｐｒｅｓｓｕｒｅｓ ｉｎ Ｓｈａｎｇｈａｉ，Ｃｈｉｎａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｌｅａｎｅｒ Ｐｒｏｄｕｃｔｉｏｎ，２０１９，２２５：２７－３５．

［１１］ ＬＩＡＮＧ Ｍ Ｓ，ＨＵＡＮＧ Ｇ Ｈ，ＣＨＥＮ Ｊ Ｐ，ｅｔ ａｌ．Ｅｎｅｒｇｙ?Ｗａｔｅｒ?Ｃａｒｂｏｎ Ｎｅｘｕｓ Ｓｙｓｔｅｍ Ｐｌａｎｎｉｎｇ：Ａ Ｃａｓｅ Ｓｔｕｄｙ ｏｆ ＹａｎｇｔｚｅＲｉｖｅｒ Ｄｅｌｔａ Ｕｒｂａｎ Ａｇｇｌｏｍｅｒａｔｉｏｎ， Ｃｈｉｎａ ［ Ｊ ］． ＡｐｐｌｉｅｄＥｎｅｒｇｙ，２０２２，３０８：１１８１４４．

［１２］ 王建華，朱永楠，李玲慧，等．社會水循環系統水－能－碳紐帶關系及低碳調控策略研究［Ｊ］． 中國工程科學，２０２３，２５（４）：１９１－２０１．

［１３］ 趙榮欽，李志萍，韓宇平，等．區域“水－土－能－碳”耦合作用機制分析［Ｊ］．地理學報，２０１６，７１（９）：１６１３－１６２８．

［１４］ 余錦如，王遠，余凡，等．基于“水－能－碳”消費視角的福建省資源環境與經濟增長脫鉤關系［Ｊ］．應用生態學報，２０２１，３２（１１）：３８４５－３８５５．

［１５］ 楊屹，張園園．呼包鄂榆資源型城市群“水－能－碳”耦合變化及影響因素［Ｊ］．中國環境科學，２０２３，４３（１１）：６２１２－６２２４．

［１６］ 劉衛東，唐志鵬，夏炎，等．中國碳強度關鍵影響因子的機器學習識別及其演進［Ｊ］．地理學報，２０１９，７４（１２）：２５９２－２６０３．

［１７］ 方匡南，吳見彬，朱建平，等．隨機森林方法研究綜述［Ｊ］．統計與信息論壇，２０１１，２６（３）：３２－３８．

［１８］ 潘思羽，張美玲．基于ＢＰ 神經網絡的甘肅省二氧化碳排放預測及影響因素研究［Ｊ］．環境工程，２０２３，４１（７）：６１－６８，８５．

［１９］ 王振杰，鄭翩翩，孫陳希．我國在婚育齡婦女生育二孩的影響因素分析［Ｊ］．醫學與社會，２０２２，３５（１２）：３５－３９．

［２０］ 余文夢，楊登宇，洪志生．市級綠色技術創新時空格局與影響因素演進分析：基于隨機森林算法［Ｊ］．科學學與科學技術管理，２０２３，４４（１２）：８６－１００．

［２１］ 王文杰，馬金沙，高倩，等．基于隨機森林變量重要性評分的變量篩選方法及其在腫瘤分型診斷中的應用［Ｊ］．中華疾病控制雜志，２０２３，２７（３）：２７４－２８０，３２０．

［２２］ 康哲，李巍，劉偉．黃河流域城市群工業減污降碳影響因素與策略［Ｊ］．中國環境科學，２０２３，４３（４）：１９４６－１９５６．

［２３］ 余文夢，張婷婷，沈大軍．基于隨機森林模型的我國縣域碳排放強度格局與影響因素演進分析［Ｊ］．中國環境科學，２０２２，４２（６）：２７８８－２７９８．

［２４］ 熊睿．“雙碳”目標下黃河流域能－水－碳耦合關系和協同利用研究［Ｄ］．太原：山西財經大學，２０２３：２１．

［２５］ 趙良仕，劉思佳，孫才志．黃河流域水－能源－糧食安全系統的耦合協調發展研究［Ｊ］．水資源保護，２０２１，３７（１）：６９－７８．

［２６］ 蔡振華，耿冉，王海軍，等．城市化與水資源耦合協調關系及影響因素研究［Ｊ］．人民黃河，２０２４，４６（２）：８７－９２，１０６．

［２７］ 張寧，楊肖，陳彤．中國西部地區水－能源－糧食系統耦合協調度的時空特征［Ｊ］．中國環境科學，２０２２，４２（９）：４４４４－４４５６．

［２８］ 趙金輝，田林，李思源，等．黃河流域能源與環境－經濟－生態耦合協調發展研究［Ｊ］．人民黃河，２０２２，４４（１１）：１３－１９．

［２９］ 武煒杰，張景祥．融合分類信息的隨機森林特征選擇算法及應用［Ｊ］．計算機工程與應用，２０２１，５７（１７）：１４７－１５６．

［３０］ ＷＯＯＬＤＲＩＤＧＥ Ｊ Ｍ．Ｏｎ Ｅｓｔｉｍａｔｉｎｇ Ｆｉｒｍ?Ｌｅｖｅｌ ＰｒｏｄｕｃｔｉｏｎＦｕｎｃｔｉｏｎｓ Ｕｓｉｎｇ Ｐｒｏｘｙ Ｖａｒｉａｂｌｅｓｔｏ Ｃｏｎｔｒｏｌ ｆｏｒ Ｕｎｏｂｓｅｒｖａｂｌｅｓ［Ｊ］．Ｅｃｏｎｏｍｉｃｓ Ｌｅｔｔｅｒｓ，２００９，１０４（３）：１１２－１１４．

［３１］ ＲＯＶＩＧＡＴＴＩ Ｇ，ＭＯＬＬＩＳＩ Ｖ．Ｔｈｅｏｒｙ ａｎｄ Ｐｒａｃｔｉｃｅ ｏｆ Ｔｏｔａｌ?ＦａｃｔｏｒＰｒｏｄｕｃｔｉｖｉｔｙ Ｅｓｔｉｍａｔｉｏｎ：Ｔｈｅ Ｃｏｎｔｒｏｌ Ｆｕｎｃｔｉｏｎ Ａｐｐｒｏａｃｈ ＵｓｉｎｇＳｔａｔａ［Ｊ］．Ｔｈｅ Ｓｔａｔａ Ｊｏｕｒｎａｌ，２０１８，１８（３）：６１８－６６２．

［３２］ 原毅軍，謝榮輝．環境規制的產業結構調整效應研究：基于中國省際面板數據的實證檢驗［Ｊ］．中國工業經濟，２０１４（８）：５７－６９．

【責任編輯 張華興】

基金項目：國家社會科學基金資助項目（１９ＢＧＬ１８３）