粮食主产区水土资源匹配、承载力及影响因素分析

及茹 张弦 李国胜

摘要： 为客观分析粮食主产区农业水土资源的匹配状况，并正确认识其承载力水平及主要影响因素，根据水资源、耕地资源等数据，计算了农业水土资源匹配系数。同时，从农业水土资源、社会、经济和生态4个系统出发，构建了粮食主产区农业水土资源承载力评价指标体系，综合采用组合赋权的TOPSIS模型和障碍度模型，对2011～2018年粮食主产区的农业水土资源承载力变化特征及其影响因素开展了定量研究。结果表明：① 粮食主产区2011～2018年的农业水土资源匹配系数为0.609 7万～0.887 8万m3/hm2，匹配程度整体有待提高;并且呈现出“中部最低、北部略低、南部最高”的空间匹配格局。② 粮食主产区农业水土资源承载力整体以0.005/10 a的速率呈现微弱降低趋势，空间上呈现“中部最低、南部中等、北部最高”的分布特征。③ 4个系统对粮食主产区农业水土资源承载力的影响强度相当，系统中的农业水土资源匹配系数、人均耕地面积、人均粮食产量、生态环境用水率和人均水资源量是影响农业水土资源承载力最强的障碍因子。

关 键 词： 农业水土资源; 水土资源匹配格局; 水土资源承载力; TOPSIS模型; 障碍度模型; 粮食主产区

中图法分类号：  TV211.1

文献标志码：  A

DOI： 10.16232/j.cnki.1001-4179.2021.08.016

0 引 言

水资源和耕地资源作为农业生产的基本要素，对于保障国家和地区粮食安全、社会稳定意义重大[1-2]。中国作为一个人口大国和粮食消费大国，在快速城镇化和工业化背景下，农业水资源、耕地资源被挤占的现象愈发严重，这必将对中国的粮食安全生产构成重大威胁[2]。粮食主产区作为中国粮食生产的重要基地，其水土资源匹配状况的改善和承载能力的提升对于缓解国家粮食安全问题具有重要作用[3]。因此，分析中国粮食主产区农业水资源和耕地资源的匹配状况，开展农业水土资源承载力评价及影响因素识别研究，对实现农业水土资源的可持续利用和保障粮食安全具有重要的现实意义。

水土资源匹配、承载力及影响因素研究一直是众多学者关注的热点。李天霄等[4]通过计算农业水土资源匹配系数和基尼系數，评价了2000～2014年黑龙江省13个地市的农业水土资源时空匹配格局;黄克威等[5]在综合考虑水土资源利用效率因素的基础上，结合DEA模型，建立了以水、耕地资源为模型输入，农业产值为输出的水土资源匹配模型，并对四川省的水土资源匹配状况进行了评价;文倩等[6]通过构建包含农业水土资源-社会-经济-生态4系统的农业水土资源承载力评价指标体系，分析了河南省2006～2015年的农业水土资源承载力情况;郭嘉伟等[7]在构建水土资源承载力评价体系的基础上，结合熵权可拓物元模型，评价了会宁县水土资源承载力并探究了其影响因子。综合以往的研究发现，大多只从农业水土资源匹配或农业水土资源承载力及影响因素的视角出发展开研究，而将区域农业水土资源匹配与区域农业水土资源承载力及影响因素联系起来进行综合分析的研究还较少，这不足以为全面了解区域农业水土资源状况提供充分依据。此外，现有研究多集中于县域、市域或省域尺度上农业水土资源的分析，而基于特定区域的研究还比较匮乏。

基于此，本研究以中国粮食主产区13个省（自治区）为研究对象，首先采用水土资源匹配测算模型，分析了2011～2018年水土资源匹配状况;其次在构建农业水土资源承载力评价指标体系的基础上，运用组合赋权的TOPSIS模型对粮食主产区的农业水土资源承载力进行评价;最后运用障碍度模型，对农业水土资源承载力的主要障碍因子进行识别，以期为农业水土资源持续高效利用和管理决策提供事实判据。

1 数据与方法

1.1 数据来源

本研究以粮食主产区13个省（自治区）为研究对象，包括黑龙江、吉林、辽宁、内蒙古、河北、河南、山东、湖北、湖南、江苏、江西、安徽、四川，以2011～2018年为研究时段开展研究。研究所需数据主要来源于相关年份的《中国统计年鉴》《中国农村统计年鉴》《中国水资源公报》以及《中国环境统计年鉴》，部分缺失数据由各省（自治区）《统计年鉴》相关数据补充。为了避免引起歧义，下文中所提到的粮食主产区指的是包含这上述13个省（自治区）的区域。

1.2 农业水土资源匹配系数测算模型

农业水土资源匹配系数是表征区域农业水资源可利用量与耕地面积匹配水平的量比指标，其值越大，说明该区域农业水资源满足耕地资源的程度越高，农业生产基础条件就越好。其中，农业水资源可利用量是根据粮食主产区用水结构（农业用水、工业用水、生活用水）中的农业用水比重来确定的，也就是区域水资源总量与农业用水比重的乘积。具体的计算公式[1，8]如下：

Ri=Wi·ai/Si （1）

式中：Ri为第i个省份的农业水土资源匹配系数;Wi为第i个省份的水资源总量，亿m3;ai为第i个省份的农业用水比重;Si为第i个省份的耕地面积，万hm2。

粮食主产区的农业水土资源匹配系数，反映了区域各省份农业水土资源匹配的平均水平，其计算公式如下：

R=  n i=1 Ri· Si S  （2）

式中：R为粮食主产区农业水土资源匹配系数;S为粮食主产区总的耕地面积，万hm2;n为粮食主产区内省份个数，即值为13。

1.3 农业水土资源承载力评价方法

1.3.1 评价指标体系建立

农业水土资源承载力是一个复杂的综合系统，其组成要素与结构具有特殊的动态性和复杂性，受农业水土资源系统、社会系统、经济系统和生态系统多系统多要素的综合影响[9]。基于此，本研究在相关研究成果的基础上[1，7，9-12]，遵循系统性、综合性、层次性和可操作性等原则，从上述4个系统的角度出发，构建了包含目标-准则-指标3个层次、共计25个代表性指标的粮食主产区农业水土资源承载力评价指标体系（见表1）。

1.3.2 组合赋权的TOPSIS模型

本研究采用组合赋权的TOPSIS模型对粮食主产区农业水土资源承载力进行评价。TOPSIS模型即为“逼近理想解排序方法”，是一种被广泛应用的以距离为评价标准的综合评价法[12-13]。其中，评价指标权重作为TOPSIS模型的重要环节，本研究综合采用变异系数法和熵权法两种常用的客观赋权方法对指标进行权重确定。具体步骤描述如下。

（1） 数据的标准化处理。

对各项指标进行标准化处理来消除量纲，以保证指标之间具有可比性，公式如下[14]。

正向指标：

yij= xij-minxj maxxj-minxj   （3）

负向指标：

yij= maxxj-xij maxxj-minxj  （4）

式中：yij表示第i个省份的第j项指标标准化后的值，i=1，2，…，n，j=1，2，…，m;n为省份个数，m为指标数量。xij为第i个省份的第j项指标的原始值，maxxij和minxij分别为第j项指标的最大值和最小值。基于标准化结果建立标准化评价矩阵 Y m×n。

（2） 指标权重的确定。

鉴于熵权法在客观确定权重时受指标无量纲化处理的影响较大，本研究同时采用2种客观赋权法，即变异系数法与熵权法相结合的组合赋权法来客观确定指标权重，其计算过程描述如下。

熵权法[15]。基于构建的标准化评价矩阵，计算第j项指标的权重为

wj=gj/ gj （5）

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

式中：wj为第j项指标的权重;gj为第j项指标的差异系数;ej为第j项指标的熵值;pij为第i个省份第j项指标的比重。

变异系数法[16]。基于指标的原始值，计算第j项指标的权重为

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为第j项指标的权重;δj为第j项指标的变异系数;D为第j项指标的均方差; j为第j项指标的均值。

组合赋权法。基于熵权法和变异系数法权重计算结果，组合赋权确定第j项指标的权重为

W*j=αwj+（1-α）Wj （9）

式中：W*j为第j项指标的组合权重; α为偏好系数，本研究取值为0.5[17]。

（3） 构建规范化加权评价矩阵。

结合组合权重法确定的指标权重和标准化评价矩阵，构建规范化加权评价矩阵如下：

R = rij n×m= Ym×n×W*j   （10）

式中：rij为第i个省份第j项评价指标加权后的标准化值。

（4） 确定最优、最劣解。

在规范化加权评价矩阵中选择最优、最劣解，表示如下：

R += rmax1，rmax2，…，rmaxm  （11）

R -= rmin1，rmin2，…，rminm  （12）

式中：rmaxm、rminm分別为规范化加权评价矩阵第m列的最大值和最小值。

（5） 计算距离。

采用欧式距离公式计算第j项评价指标到最优、最劣解的距离，计算方法如下：

D+i=   m j=1  rmaxj-rij 2  （13）

D-i=   m j=1  rminj-rij 2  （14）

（6） 计算综合评价值。

粮食主产区第i个省份农业水土资源承载力与最优承载力的贴近度即表示该省份农业水土资源承载力（Ci），其值介于[0，1]，值越大，表明农业水土资源承载力越高，其计算公式如下：

Ci= D-i D+i+D-i  （15）

1.4 障碍度模型

为有效识别影响粮食主产区农业水土资源承载力的障碍因子，引入障碍度模型对评价指标进行诊断分析[9，18]，进而为提高粮食主产区农业水土资源承载力提供决策依据。具体计算公式如下：

Oij= PijRj   m j=1 pijRij  （16）

Pij=1-Rj （17）

式中：Oij为障碍度，其值越大，说明该因子对农业水土资源承载力的影响作用越强;Pij为指标偏离度;Rj为因子对总体的贡献率，本研究用上述组合权重法求得的权重表示。

2 结果与分析

2.1 粮食主产区农业水土资源匹配特征

2.1.1 时序变化特征

基于粮食主产区各省份2011～2018年水资源数据和耕地数据，由式（1）和式（2）计算可得到粮食主产区各省份农业水土资源匹配系数，如图1所示。

由图1可以看出：江西、湖南、四川3个省份的农业水土资源匹配系数在研究期内波动较大，数值也很高，分别为2.197 0万～4.528 1万、1.527 2万～3.126 5万m3/hm2和1.828 3万～2.650 1万m3/hm2，远高于同期全国（不含港澳台地区）农业水土资源匹配系数1.054 1万～1.501 1万m3/hm2（由同期数据计算所得）。可见，这3个省份的水土资源匹配程度很好，水资源较好地满足了耕地资源的需求，农业生产基本条件较好。其他省份的水土资源匹配系数在研究期内波动范围较小且数值较低，说明这些省份的水土资源匹配程度较差，水资源不能很好地满足耕地资源的需求。整体来看，整个粮食主产区的水土资源匹配系数为0.609 7万～0.887 8万m3/hm2，低于同期全国农业水土资源匹配系数，可见粮食主产区的水土资源匹配程度整体还有待进一步提高。

2.1.2 空间分布特征

根据各省份2011～2018年多年平均水资源、耕地资源量及计算的水土资源匹配系数，基于ArcGIS软件绘制了粮食主产区各省份农业水土资源及匹配系数的空间分布图（见图2）。

从图2（a）中可以看出：整个粮食主产区耕地面积和水资源量的分布存在着较强的差异性，耕地面积大体上呈现自北向南递减的空间分布格局，而水资源量整体呈现“中部最低、北部略低、南部最高”的分布格局，这在一定程度上反映了整个粮食主产区的水土资源存在分布不均的问题，整体表现为中部省份“地多水少”、南部省份“地少水多”和北部省份“地多水略少”的特点。这也在很大程度上导致了整个粮食主产区农业水土资源匹配系数在空间分布上存在较强的差异性（见图2（b）），即表现为“中部最低、北部略低、南部最高”的空间分布特征，这与水资源的空间分布特征存在一定的相似性，说明水资源可能是制约粮食主产区水土资源匹配优劣状况的关键要素。在各个省份中，以河南、山东、河北省的农业水土资源匹配程度最差，辽宁、内蒙古、吉林、黑龙江省的农业水土资源匹配程度次之，江苏、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  粮食主产区农业水土资源承载力变化特征

2.2.1 时序变化特征

根据上文构建的粮食主产区农业水土资源承载力评价指标体系，利用组合赋权的TOPSIS模型，求解了2011～2018年粮食主产区各省农业水土资源承载力评价值，结果如图3所示。

整体上看，研究期内粮食主产区各省份农业水土资源承载力水平均处于波动变化态势，其中，以内蒙古、黑龙江、吉林省的农业水土资源承载力最高，其多年平均值分别为0.658 3，0.602 2和0.580 2，远高于其他省份的承载力水平，并且其排名一直高居前3名，其他省份农业水土资源承载力较低，多年平均值整体处于0.526 7以下。

具体来说，通过对粮食主产区农业水土资源承载力变化趋势进行简单线性回归分析，发现研究期内粮食主产区有7个省份的农业水土资源承载力水平处于波动降低趋势，分别为河北、内蒙古、辽宁、吉林、黑龙江、江苏省和山东省，其承载力降低速率分别为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，以辽宁省的承载力降低趋势最为明显，以黑龙江省的承载力降低趋势最为微弱;其他6个省份的承载力表现为波动提升趋势，提升速率分别为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，以河南省的承载力提升趋势最为显著，以湖南省的提升趋势最为微弱;整个粮食主产区农业水土资源承载力水平整体处于降低趋势，但变化趋势很微弱，仅以0.005/10 a的速率变化。

2.2.2 空间变化特征

根据粮食主产区各省份农业水土资源承载力评价结果，结合ArcGIS软件中的最佳自然断裂法（Jenks）将其承载力划分为5个级别，对应于5种程度的承載力水平，分别为：低承载力（<0.416 2）、较低承载力（0.416 3～0.458 0）、中等承载力（0.458 1～0.521 3）、较高承载力（0.521 4～0.599 7）和高承载力（>0.599 8），进而结合ArcGIS软件绘制2011～2018年粮食主产区农业水土资源承载力程度分布图（见图4）。

由图4可以看出：粮食主产区农业水土资源承载力水平空间分布不均衡，总体上呈现“中部最低、南部中等、北部最高”的空间分布特征。进一步分析发现，粮食主产区农业水土资源高承载力水平区域主要分布在北部地区，变化较为微弱，主要有内蒙古和黑龙江等省份;较高承载力水平区域分布在粮食主产区偏北部和南部地区，主要有吉林、四川、江西等省份;中等承载力水平区域变化呈现由南北条带状分布向南部集聚发展特征，表现为偏北部和中部地区逐渐消失，而且逐渐集中于粮食主产区南部地区;较低承载力水平区域变化呈现由中心向外围扩散的过程，逐渐形成了南北条带状分布特征，主要分布在粮食主产区中部地区;低承载力水平区域由集聚分布逐渐转为零散分布，省份数量在逐渐减少，主要环绕或邻近较低承载力水平地区分布。

2.3 障碍因子识别

2.3.1 准则层障碍因子

在对粮食主产区2011～2018年农业水土资源承载力状况初步了解的基础上，为深入了解影响制约农业水土资源承载力的障碍因子，基于障碍度模型，计算了粮食主产区2011～2018年准则层中农业水土资源系统、社会系统、经济系统和生态系统4个系统的障碍度，进而厘清各系统对农业水土资源承载力的影响强度，其中各系统权重是由每个系统指标权重加和所得。计算结果如表2所列。

由表2可以看出：各系统对农业水土资源承载力的影响作用在不同年份具有普遍性，即影响强度表现为农业水土资源系统>社会系统>经济系统>生态系统。尽管如此，研究期内4个系统对农业水土资源承载力影响强度的差异整体上并不显著，障碍度均在20.08%～33.28% 之间，这在一定程度上说明了农业

水土资源系统、社会系统、经济系统和生态系统对粮食主产区农业水土资源承载力具有相当的影响作用，今后在制定提升粮食主产区农业水土资源承载力的决策规划时不要厚此薄彼，要注意对每个系统发力，做到从4个系统的协调发展入手。

2.3.2 指标层障碍因子

为进一步挖掘影响粮食主产区农业水土资源承载力的具体障碍因子，以便更加精准地制定提升策略，本研究结合障碍度模型，计算了粮食主产区2011～2018年指标层各个指标的障碍度（见表3）。由于涉及指标数量较多，表3只列出了对粮食主产区农业水土资源承载力影响强度排序前5的障碍因子。

由表3可以发现：在影响作用明显的指标层障碍因子中，研究期内存在着具有普遍性影响的障碍因子，分别为农业水土资源匹配系数、人均耕地面积、人均粮食产量、生态环境用水率。这些障碍因子每年都存在，说明了农业水土资源匹配系数、人均耕地面积、人均粮食产量、生态环境用水率是影响农业水土资源承载力的主要因素。值得注意的是，这4个障碍因子分别属于上述4个系统的要素，说明了4个系统对农业水土资源承载力均有重要影响，这也在一定程度上证实了上述研究结果的合理性。同时，人均水资源量在研究期内共出现了6次，也是重要因素。至于其他障碍因子，比如水资源开发利用率、人均GDP在研究期内都只出现了一次，且排序均为第5，影响作用相对较弱。总的来说，农业水土资源匹配系数、人均耕地面积、人均粮食产量、生态环境用水率和人均水资源量是研究期内对粮食主产区农业水土资源承载力影响作用最强的5个障碍因子，应在今后的农业水土资源发展规划中予以重视。

4 结 论

本研究采用多种方法，分析评价了中国粮食主产区2011～2018年農业水土资源匹配状况、农业水土资源承载力及影响因素，可以得到如下结论。

（1） 2011～2018年，粮食主产区农业水土资源匹配系数为0.609 7万～0.887 8万m3/hm2，低于同期全国农业水土资源匹配系数1.054 1万～1.501 1万m3/hm2，水土资源匹配程度整体有待提高;由于粮食主产区水土资源空间分布不均，农业水土资源匹配系数呈现出“中部最低、北部略低、南部最高”的空间分布特征。

（2） 粮食主产区农业水土资源承载力整体以0.005/10 a的速率呈现微弱的降低趋势，其中又以辽宁省的承载力降低趋势和河南的提升趋势最为明显，变化速率分别为-0.121/10 a和0.114/10 a;粮食主产区农业水土资源承载力的空间分布不均衡，整体表现为承载力“中部最低、南部中等、北部最高”的空间格局，其中以内蒙古、黑龙江、吉林省的农业水土资源承载力最高。

（3） 研究期内，农业水土资源系统、社会系统、经济系统和生态系统对粮食主产区农业水土资源承载力的影响强度相当，其中以农业水土资源匹配系数、人均耕地面积、人均粮食产量、生态环境用水率和人均水资源量这5个障碍因子对农业水土资源承载力影响作用最强，应在今后的水土资源规划与管理中予以重视。

参考文献：

[1]  李慧，周维博，庄妍，等.延安市农业水土资源匹配及承载力[J].农业工程学报，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，辛岭.我国粮食主产区粮食生产现状、存在问题及政策建议[J].农业现代化研究，2018，39（1）：37-47.

[4] 李天霄，付强，孟凡香.黑龙江省农业水土资源时空匹配格局研究[J].东北农业大学学报，2017，48（6）：51-58.

[5] 黄克威，袁鹏，刘刚.基于DEA的四川省水土资源匹配研究[J].中国农村水利水电，2015（10）：58-61，65.

[6] 文倩，李小弯，郧雨旱，等.河南省农业水土资源承载力的时空分异[J].中国水土保持科学，2019，17（3）：104-112.

[7] 郭嘉伟，张军，陈彦.基于熵权可拓物元模型的会宁县水土资源承载力评价[J].甘肃农业大学学报，2018，53（6）：195-203.

[8] 刘彦随，甘红，张富刚.中国东北地区农业水土资源匹配格局[J].地理学报，2006（8）：847-854.

[9] 朱薇，周宏飞，李兰海，等.哈萨克斯坦农业水土资源承载力评价及其影响因素识别[J].干旱区研究，2020，37（1）：254-263.

[10]  肖月洁，杨中牮，马历，等.基于模糊综合评价的四川省水土资源承载力时空演变分析[J].灌溉排水学报，2018，37（5）：106-114.

[11] 童芳，金菊良，董增川.基于改进SD的区域水土资源联合配置研究[J].人民长江，2017，48（13）：43-48.

[12] 杨剑，丁玲玲，李新尧，等.基于熵权TOPSIS的湖北省农业水土资源承载力时空动态研究[J].土壤，2019，51（6）：1246-1252.

[13] 左其亭，张志卓，吴滨滨.基于组合权重TOPSIS模型的黄河流域九省区水资源承载力评价[J].水资源保护，2020，36（2）：1-7.

[14] 章运超，王家生，朱孔贤，等.基于TOPSIS模型的河长制绩效评价研究：以江苏省为例[J].人民长江，2020，51（1）：237-242.

[15] 王彦，孟令爽.基于熵权理想点的水资源承载力风险评价[J].人民长江，2019，50（4）：142-146，207.

[16] 赵微，林健，王树芳，等.变异系数法评价人类活动对地下水环境的影响[J].环境科学，2013，34（4）：1277-1283.

[17] 宁宝权，彭望书，郭树勤，等.基于组合赋权和改进TOPSIS法的农业水利基础设施综合评价[J].节水灌溉，2014（12）：68-70，75.

[18] 李春燕，南灵.陕西省土地生态安全动态评价及障碍因子诊断[J].中国土地科学，2015，29（4）：72-81.

（编辑：赵秋云）

引用本文：

及茹，張弦，李国胜.

粮食主产区水土资源匹配、承载力及影响因素分析

[J].人民长江，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