水-能源-粮食系统耦合协调的动态演化与空间特征分析——以河北省为例

王晶，叶宁杰

（1.燕山大学经济管理学院，河北秦皇岛 066004；2.燕山大学区域经济发展研究中心，河北秦皇岛 066004）

0 引言

水，能源和粮食是支撑区域经济发展的基础性资源，三者相互影响，紧密关联，具有重要的纽带关系。2011 年1 月，世界经济论坛发布《全球风险报告（第六版）》［1］中将WEF 系统风险群作为三大重要风险群之一，WEF关联关系概念为学者们研究资源安全与可持续发展提供了新的切入点［2］。该领域的定性研究集中于对WEF系统内在关联关系的探讨，随着定量研究工作不断深入，相关的量化研究方法日益完善。

在资源系统评估方面：Salmoral 等将生命周期理论引入到WEF 系统复杂联系的研究当中［3］；白景锋等综合主成分分析法和地理加权回归评价WEF 系统压力指数的时空变动［4］；李红芳等采用Copula函数对WEF 协同安全水平进行了测算［5］；指标体系法适用于测算复杂系统协调性发展水平，于磊等利用该方法对区域系统的安全性和协调发展水平进行定量评价［6］。

在模型构建方面：Hussien等开发了一个用于评估家庭规模上的水-能源-粮食关系的集成模型［7］；陈军飞等基于压力-状态-响应（Pressure State Response，PSR）模型对区域资源系统安全进行评价［8］；赵良仕等根据WEF 系统的关联关系，建立耦合模拟模型和耦合协调度模型，证明了耦合协调模型极具适用性［9］；Zeff 等利用系统动力学建模，对具有关联性的复合系统进行了模拟［10］；Guan 等利用WEAP 模型对WEF 系统进行量化和建模［11］。王慧敏等结合PSR 模型和系统动力学研究系统间资源传递过程，由此构建WEF协同安全框架［12］。

在众多量化方法中，综合评价体系法和耦合协调模型在研究复合系统安全性和协调发展水平方面表现出极强的适用性和灵活性。已有研究中大多仅从时间维度出发对系统的耦合协调性简单评估，在研究维度方面缺乏层次性，难以全面揭示WEF系统耦合协调发展规律。本文在耦合协调模型的基础上，引入探索性空间数据分析，从时间和空间两个维度对河北省WEF 系统耦合协调度的波动趋势和空间集聚形势进行全面细致地实证分析，丰富了该领域的研究维度和深度。

1 研究方法

1.1 评价指标体系设计

WEF 系统中各子系统密切关联，受多重因素影响，单一指标无法对系统整体进行科学评价。借鉴已有研究［13］，考虑河北省资源结构特点及数据的可获性，在通过一致性检验的基础上，从总量指标、结构指标和效益指标三个层级，构建WEF系统综合评价体系见表1。总量指标反映资源存量和消耗量，体现该系统可持续发展能力和安全性水平；结构指标体现资源消耗结构；效益指标体现资源能源的生产和利用效率。

表1 WEF系统综合评价指标体系Tab.1 The comprehensive evaluation index system of WEF system

由于粮食系统的发展水平取决于粮食生产力对人类健康安全的满足程度，粮食作为生存资料通过加工、储存、流通等环节几乎全部用于生活消耗，消耗渠道单一，无明显结构特征，因此，粮食系统仅以总量指标和效益指标划分更符合实际。

1.2 数据来源

以2010-2020 年作为考察期，采用不同的指标对数据进行分级，数据主要来源于中国统计信息网、《河北水资源公报》、《河北经济年鉴》、《中国统计年鉴》以及河北省各市《国民经济和社会发展统计公报》等。

1.3 基于综合赋权法的权重优化

为确保各指标更真实地反映系统的发展水平，防止指标权重严重偏离实际，结合熵权法和层次分析法对指标赋权，根据离差平方和最小原则优化最终权重，步骤如下：

（1）数据标准化。消除量纲影响，根据指标的实际作用可分为正向指标和负向指标，计算方法如下：

式中：Xij为第i年第j项指标的原始数据；Xjmax，Xjmin分别为历年来各原始指标中的最大值和最小值；X'ij为处理后的标准数据。

（2）熵权法权重。

式中：Pij表示第i年第j项指标标准化后的数据在该指标中的比重；ej为熵值；n为Pij的数量；gi为变异系数；WE为评价指标的最终权重值。

（3）层次分析法权重。

（4）根据离差平方和最小原则优化权重。

式中：为经过标准化的各指标数据；WE为熵值法得出的权重值；αi，βi分别为熵值法和层次分析法的权重系数，设使目标函数达到最优的权重系数为α，β(α+β=1)，权重优化结果见表1。

1.4 探索性空间数据分析

探索性空间数据分析［14］通过构建空间权重矩阵、全局空间自相关和局部空间自相关。空间权重矩阵借助GeoDa 软件构建，此处步骤省略。全局空间自相关以全局莫兰指数（Moran's I）表现空间关联性，公式为：

Moran's I取值区间为［-1，1］，Moran's I>0 时，表示存在空间正相关，耦合协调度高或低的区域空间集聚，空间差异较小；Moran's I=0 时，表示无空间相关关系，观测值分布是随机的；Moran's I<0 时，表示存在空间负相关，耦合协调度趋于分散，空间差异较大。

局部空间自相关在已知空间关联程度基础上具体分析观测值的局部空间特征和集聚趋势，公式为：

式中Ii为局部莫兰指数，其他参数意义与公式（7）相同。常以Moran 散点图进行分析，散点图的四个象限：第一象限（HH）表明该地与相邻地区观测值均较高；第二象限（LH）集聚表明该地观测值低于相邻地区；第三象限（LL）表明该地区与相邻地区观测值均较低；第四象限（HL）表明该地观测值高于相邻地区。

2 模型构建

2.1 WEF系统综合评价指数

根据WEF系统的纽带关系和特征分别计算水资源、能源和粮食三个子系统的综合评价指数，用于表示各子系统的发展状况，公式如下：

式中：Ww、Ee、Ff为三大系统的综合评价指数，αl、βl、xl分别为对应的指标权重（见表1），wl、el、fl分别为子系统标准化处理后的数据。

2.2 耦合协调度模型

耦合协调度模型［15］适用于对系统的关联关系和整体耦合协调发展水平进行分析，模型公式如下：

式中：C为耦合度，0≤C≤1.0，C的值越大，表示系统之间联系紧密，为有序结构，耦合程度越高。

耦合度仅体现三者的关联性强弱，无法衡量三者间的协同发展水平高低，既可以是低发展水平的耦合，也可以是高发展水平的耦合。为更充分地反映系统耦合协调水平高低，构建耦合协调度模型，公式如下：

式中：D为耦合协调度；T为WEF 系统综合评价指数，T=(WW+Ee+Ff)/3。

为准确判断系统所处的发展阶段，参考已有研究［16，17］，对耦合协调度发展阶段进行划分，划分标准见表2。

表2 耦合协调度划分标准Tab.2 Standards for dividing the degree of coupling coordination

3 结果分析

3.1 综合评价指数分析

根据公式（7），计算得出河北省WEF 系统的综合评价指数如图1所示。

图1 WEF系统综合评价指数Fig.1 WEF System Composite Evaluation Index

由图1 可知，WEF 系统评价指数在0.42～0.58 波动，年均值0.48，处于中等发展水平。2012年后能源系统评价指数持续下滑，发展水平最低明显低于其他子系统，年平均下降率为0.17%。由于水资源总量充足以及农业产量提升，中后期水资源系统和粮食系统稳步增长。由于能源系统下降幅度太大，导致WEF系统综合评价指数长期停滞不前，河北省作为高耗能地区，能源系统极具脆弱性，河北省的重化工业伴随着石油、煤炭消耗量增长，造成相对突出的能源危机。

3.2 WEF系统耦合度与耦合协调度分析

3.2.1 系统整体耦合度与耦合协调度分析

为识别对系统整体耦合协调水平影响最大的关键子系统，将分别对系统整体和子系统的耦合协调度进行对比分析，计算结果如图2所示。

图2 WEF系统耦合度和耦合协调度Fig.2 WEF system coupling and coupling coordination

由图2 可知：耦合度在0.9～1 区间小幅度波动，长期保持在高度耦合状态，体现出系统间具有很强的关联关系。耦合协调度波动较大，处于初级协调发展向中等协调发展的过度阶段，2010-2014 年，先升后降，2014 年后稳步提升，直至2109 年后出现明显下降趋势。河北省水、能源和粮食之间为中等协调发展水平，稳定性弱，应加强对资源系统综合治理。

3.2.2 子系统耦合度和耦合协调度分析

为找出影响系统耦合协调发展的重要因素，需进一步对子系统的耦合性和协调发展水平进行分析，计算结果见图3。

图3 子系统两两组合的耦合度和耦合协调度Fig.3 The subsystem combines two coupling degrees and coupling coordination

由图3可知，两两子系统长期保持高度耦合，其中水粮系统的耦合度最高且最为稳定，水能系统耦合程度相对较弱。水粮系统的耦合协调度系统度快速提升，率先由中等协调进入高度协调发展水平，对提升整体耦合协调水平具有拉动作用。水能系统与能粮系统在0.61～0.78 区间小幅度波动，增长缓慢，水能系统与能粮系统发展水平略低产生较大负面影响。此现象表明，单一系统的改善难以提升系统整体耦合协调发展水平，河北省应重点优化能源系统，提升能源加工使用效率，持续推进发展节水农业、现代化农业。

3.3 WEF系统耦合协调度的空间分布特征

3.3.1 空间相关性分析

基于耦合协调度模型计算河北省11 个城市WEF 系统的耦合协调度，利用GeoDa 将耦合协调度值合并到河北省地理数据表，构建空间权重矩阵，依次算出历年全局Moran's I值，结果见表3。

表3 耦合协调度全局Moran’s I值Tab.3 Coupling coordination global Moran's I values

由表3 可知，全局Moran's I值均为正，河北省WEF 系统耦合协调度耦合协调度呈空间正相关性，这种空间相关关系在0.141～0.421区间上下浮动，耦合协调度有空间集聚趋势。为更具体地表现耦合协调度的空间分布特征，选择2010、2015 和2020年进行局部自相关检验。

3.3.2 空间分布特征

为具体放映地区内部的空间集聚情况，绘制2010、2015 和2020年的Moran散点图见图4。

图4 耦合协调度的Moran散点图Fig.4 Moran scatter plot of coupled coordination

图4 中，坐标系将表征各城市的点分为4 种空间集聚类型，整体来看，2010 年、2015 年和2020 年的多数城市分布于HH 和LL 象限，表示大部分城市与相邻地区的耦合协调度值差异较小。

空间集聚图是Moran 散点图在地图上的反映，能够直观表现这种自相关关系在地理空间特征，所选年份在通过5%显著性水平检验下的结果见图5。

图5 耦合协调度的空间集聚图Fig.5 Spatial agglomeration diagram of coupling coordination

由图4可知，河北省东北部均为低低集聚，主要原因是承德市地理面积大，农业占比高，唐山市发展重工业，有大量水资源、钢铁和煤炭消耗，导致该地区资源系统耦合协调度较低。秦皇岛市临近承德市与唐山市，受到两地溢出效应，2020 年属于低低集聚。河北省中部地区在低高集聚和高高集聚之间变换，说明河北中部及相邻区域的耦合协调度具有不稳定性。总体来看，河北省资源系统耦合协调度呈现东北低，中间高的特征，但大多数城市的耦合协调度空间分布较为分散，空间集聚状态不稳定，WEF系统整体耦合协调发展水平受到地区产业结构和资源特征的影响造成空间集聚模式的差异，地理位置接近区域具有较强的溢出效应，但并非判断系统发展水平差异的决定因素。

4 结论

（1）河北省WEF 系统综合评价指数处于中等水平，系统间高度耦合。2012 年后，水资源系统和粮食系统稳步提升，能源系统持续下滑，产生较大负面影响，导致WEF 系统整体的发展水平增长缓慢。

（2）河北省WEF 系统耦合协调度在0.64～0.73 区间内水平波动，处于中级协调发展阶段，具有不稳定性和滞后性。水粮系统的耦合协调度增长速度最快，率先进入高度协调发展水平。能源系统与其他两个子系统的耦合协调水平较低，河北省应重点改善能源系统这个短板，提升能源加工转换效率，大力推进节水农业、现代化农业。

（3）河北省WEF 系统耦合协调度具有空间正相关性，东北地区为低低集聚，中部地区为高高集聚或低高集聚，大部分城市资源系统的耦合协调度空间分布具有随机性。WEF 系统耦合协调发展水平受到地理位置和产业结构的双重影响，提升系统整体的耦合协调发展水平，不仅要加强资源流动强度，更应结合自身优势实现产业转型升级。