王釔霏,許 朗
(南京農(nóng)業(yè)大學(xué) 經(jīng)濟管理學(xué)院,江蘇 南京 210095)
高質(zhì)量發(fā)展是重要的時代課題,綠色發(fā)展是高質(zhì)量發(fā)展的重要標志。 高質(zhì)量發(fā)展的驅(qū)動因素具有復(fù)雜性特征[1],經(jīng)濟建設(shè)、城鄉(xiāng)發(fā)展、生態(tài)保護、資源節(jié)約、產(chǎn)業(yè)布局等多方面因素都與其息息相關(guān)[2-4]。 在涉及多角度協(xié)同的黃河流域高質(zhì)量發(fā)展研究中,耦合協(xié)調(diào)度模型因能夠較好地反映多因素互動關(guān)系和協(xié)同影響效應(yīng),在相關(guān)研究中應(yīng)用廣泛[5-8]。 利用耦合協(xié)調(diào)度模型進行測算前,需要對指標賦權(quán),常用的指標賦權(quán)法有專家評估法、層次分析法和熵值法[9],絕大部分文獻研究認為熵值法可以利用所選指標自身的統(tǒng)計性質(zhì)確定各自權(quán)重,指標權(quán)重值的可信度較專家評估法和層次分析法更高,因此本文采用熵值法對指標賦權(quán)[7,10-11]。
黃河流域?qū)儆谫Y源型缺水地區(qū),水資源稀缺是制約黃河流域農(nóng)業(yè)綠色可持續(xù)發(fā)展和生態(tài)系統(tǒng)健康的關(guān)鍵因素之一[12-13],同時水資源的過度開發(fā)也對黃河流域生態(tài)環(huán)境產(chǎn)生了損害[14],良好的農(nóng)業(yè)水資源管理可以同時提高經(jīng)濟和環(huán)境效益[15-16]。 已有研究表明,農(nóng)業(yè)節(jié)水是解決農(nóng)業(yè)生產(chǎn)用水和生態(tài)用水矛盾的關(guān)鍵手段[17],發(fā)展節(jié)水農(nóng)業(yè)可對周邊生態(tài)環(huán)境的改善產(chǎn)生積極作用。 但也有研究發(fā)現(xiàn),農(nóng)業(yè)節(jié)水會通過影響農(nóng)田水循環(huán)、綠洲穩(wěn)定性等路徑對農(nóng)區(qū)地表生態(tài)環(huán)境產(chǎn)生消極影響[18-19]。 此外,高效節(jié)水灌溉技術(shù)的應(yīng)用通過改變農(nóng)業(yè)生產(chǎn)方式對土壤理化性質(zhì)、地下水埋深和生物多樣性等生態(tài)環(huán)境要素產(chǎn)生影響[20-21]。 因此,進一步探討農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)間的互動演進關(guān)系對推動黃河流域生態(tài)保護和高質(zhì)量發(fā)展具有重要意義。農(nóng)業(yè)用水效率是農(nóng)業(yè)節(jié)水的重要表現(xiàn)形式,本文將農(nóng)業(yè)灌溉用水技術(shù)效率作為指標之一納入農(nóng)業(yè)節(jié)水系統(tǒng),并采用數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis, DEA)進行測算。 通過梳理相關(guān)文獻,對于農(nóng)業(yè)水資源利用效率主要采用隨機前沿分析方法(Stochastic Frontier Analysis,SFA)和數(shù)據(jù)包絡(luò)分析法(DEA)進行計算。 DEA 作為非參數(shù)方法, 利用線性規(guī)劃構(gòu)建邊界生產(chǎn)函數(shù), 避免了SFA 方法對函數(shù)形式等的預(yù)先設(shè)定導(dǎo)致的參數(shù)估計有效性降低,因此本文選用DEA 方法對農(nóng)業(yè)灌溉用水技術(shù)效率進行測算[22]。
基于以上分析,本文借鑒物理學(xué)耦合模型,分析黃河流域9 個省(自治區(qū))農(nóng)業(yè)節(jié)水與生態(tài)環(huán)境耦合協(xié)調(diào)關(guān)系的時空演進特征,通過對比兩系統(tǒng)各指標得分差異,探究影響黃河流域農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境協(xié)調(diào)發(fā)展的因素,以期為推進黃河流域生態(tài)保護和高質(zhì)量發(fā)展戰(zhàn)略提供針對性政策建議。
黃河發(fā)源于青藏高原,流經(jīng)青海、四川、甘肅、寧夏、內(nèi)蒙古、山西、陜西、河南、山東9 個?。ㄗ灾螀^(qū)),全長5 464 km,是我國僅次于長江的第二大河。 根據(jù)《2019 年水資源公報》統(tǒng)計數(shù)據(jù),黃河流域農(nóng)業(yè)用水量占比達到66.8%。 黃河流域?qū)儆谫Y源性缺水地區(qū),因此各地區(qū)大力實施農(nóng)業(yè)節(jié)水政策以緩解農(nóng)業(yè)用水窘境。 同時,黃河流域的生態(tài)環(huán)境狀況堪憂,存在濕地蓄水量減少、生態(tài)惡化、動物棲息地喪失、魚鳥種群等生物多樣性減少等多種生態(tài)環(huán)境問題。 水資源稀缺和生態(tài)環(huán)境脆弱阻礙了黃河流域高質(zhì)量發(fā)展,積極推動農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境健康協(xié)同發(fā)展是促進黃河流域農(nóng)業(yè)高質(zhì)量發(fā)展的關(guān)鍵舉措。
本文所用數(shù)據(jù)均為公開統(tǒng)計數(shù)據(jù),具體來源為《中國環(huán)境統(tǒng)計年鑒》(2010—2019 年)、《中國農(nóng)村統(tǒng)計年鑒》(2010—2019 年)、《中國統(tǒng)計年鑒》(2010—2019 年),黃河流域各省(自治區(qū))《環(huán)境狀況公報》(2010—2019 年)、《統(tǒng)計年鑒》(2010—2019 年)、水資源公報(2010—2019 年),以及各省(自治區(qū))的環(huán)保、農(nóng)業(yè)、氣象等相關(guān)部門公布的統(tǒng)計數(shù)據(jù),主要用于黃河流域各?。ㄗ灾螀^(qū))農(nóng)業(yè)水資源利用效率以及農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)耦合協(xié)調(diào)度計算。
綜合考慮評價指標對系統(tǒng)的解釋程度,同時考慮數(shù)據(jù)來源的可靠性與可操作性,構(gòu)建黃河流域農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境協(xié)同發(fā)展綜合評價指標體系。 參考賈鳳伶等[23]、楊春紅[24]的研究構(gòu)建農(nóng)業(yè)節(jié)水指標體系,包括3 個一級指標,10 個二級指標;根據(jù)陳星霖[25]、何曉瑤[19]的研究構(gòu)建生態(tài)環(huán)境指標體系,包括3 個一級指標,12 個二級指標,具體指標設(shè)置見表1。
表1 農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)綜合評價指標體系
2.4.1 DEA 模型
DEA 模型是研究投入產(chǎn)出效率的重要分析工具。DEA 方法具體可以分為投入主導(dǎo)或產(chǎn)出主導(dǎo)兩種類型,投入主導(dǎo)的DEA 方法是為了測算生產(chǎn)單元相對于給定產(chǎn)出水平下最小可能投入的效率;產(chǎn)出主導(dǎo)的DEA 方法是為了度量實際產(chǎn)出與給定投入水平的最大可能產(chǎn)出差距。 本文主要考察水資源作為農(nóng)業(yè)投入要素的利用效率,因此采用投入主導(dǎo)的DEA 方法。 基于可操性、可獲得性原則,結(jié)合我國農(nóng)業(yè)水資源利用現(xiàn)狀,選取農(nóng)作物播種總面積、農(nóng)機總動力、化肥施用量、農(nóng)業(yè)從業(yè)人數(shù)和農(nóng)業(yè)灌溉用水量作為投入指標,選取農(nóng)業(yè)產(chǎn)值作為產(chǎn)出指標。
此外,DEA 模型通常分為兩種模型:一種為規(guī)模報酬不變(CCR)模型,一種為規(guī)模報酬可變(BCC)模型。 因各?。ㄗ灾螀^(qū))在農(nóng)業(yè)投入產(chǎn)出方面并不恒定,為了更加貼近實際情況,本文采用基于規(guī)模報酬可變模型對黃河流域各省(自治區(qū))農(nóng)業(yè)水資源利用效率進行測算。 假設(shè)有n個決策單元,一個?。ㄗ灾螀^(qū))為一個決策單元,每個決策單元DMUj具有m種投入(記作X1j,X2j,…,Xmj),s種產(chǎn)出(記作Y1j,Y2j,…,Ysj),得到DEA 模型表達式為
式中:S+為產(chǎn)出松弛變量;S-為投入松弛變量;ε為非阿基米德無窮小量;E為m × j階和s × j階單位矩陣;λj為各省(自治區(qū))投入和產(chǎn)出的權(quán)向量;X為m ×j階投入矩陣;Y為s ×j階產(chǎn)出矩陣;Xj、Yj分別為第j個決策單元的投入、產(chǎn)出量;θ為決策單元的有效值。 根據(jù)DEA 法對黃河流域9 個?。ㄗ灾螀^(qū))農(nóng)業(yè)灌溉用水技術(shù)效率的計算結(jié)果見表2。
表2 2010—2019 年黃河流域各?。ㄗ灾螀^(qū))農(nóng)業(yè)灌溉用水技術(shù)效率
2.4.2 數(shù)據(jù)標準化和熵值法權(quán)重計算
統(tǒng)計口徑、指標單位等差異使得農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境指標存在量綱差異,同時不同指標對系統(tǒng)存在正向和逆向兩種作用,為便于對比分析計算結(jié)果,采用極值法對數(shù)據(jù)進行標準化處理,正向指標標準化公式為
負向指標標準化公式為
式中:i、j分別為第i行、第j列;x′ij為標準化數(shù)據(jù);xmax和xmin分別為某個指標的最大值和最小值。 由于后期需要進行熵值法測算,因此要求所有指標值在[0,1]范圍內(nèi)。 參考相關(guān)文獻做法,本文將標準化處理后的數(shù)據(jù)均向右平移0. 001 個單位。
采用主觀賦值法確定指標權(quán)重時容易產(chǎn)生較大偏差,為降低主觀因素干擾,本文采用較為常用的熵值法計算各指標權(quán)重,具體步驟如下。
(1)數(shù)據(jù)均值化處理。 其表達式為
(2)求取指標熵值信息。 其表達式為
(3)求取指標權(quán)重與綜合指數(shù)。 公式為
式中:Xij為數(shù)據(jù)標準化后比值;ej為熵值;k為對象數(shù)量;zj為權(quán)重;Iij為變量得分。
2.4.3 耦合協(xié)調(diào)度模型
耦合度表示系統(tǒng)相互聯(lián)系程度,協(xié)調(diào)度表示系統(tǒng)協(xié)調(diào)發(fā)展程度[26-28]。 本研究構(gòu)建的農(nóng)業(yè)節(jié)水與生態(tài)環(huán)境兩系統(tǒng)耦合協(xié)調(diào)度表達式為
式中:C為農(nóng)業(yè)節(jié)水系統(tǒng)與生態(tài)環(huán)境系統(tǒng)的耦合度;Iaws為農(nóng)業(yè)節(jié)水綜合指數(shù);Ieco為經(jīng)濟發(fā)展綜合指數(shù);T為農(nóng)業(yè)節(jié)水與生態(tài)環(huán)境綜合協(xié)調(diào)指數(shù);α、β為待定系數(shù),鑒于兩個系統(tǒng)發(fā)展同等重要,故權(quán)重相等,即α和β取值均為0.5;i和s分別為農(nóng)業(yè)節(jié)水要素和生態(tài)環(huán)境要素的編號,r、g分別為對應(yīng)要素的個數(shù);wi和es分別為農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)各要素的標準化指標值;ai和bs分別為農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)各要素的權(quán)重,采用熵值法計算;D為生態(tài)環(huán)境與經(jīng)濟發(fā)展的耦合協(xié)調(diào)度。
參考王少劍等[29]、田深圳等[30]、李玉紅[31]的研究成果,結(jié)合研究區(qū)實際情況,將耦合與協(xié)調(diào)程度劃分為不同階段,見表3。
表3 農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境耦合協(xié)調(diào)度階段劃分
圖1 中各指標變化趨勢表明,2010—2019 年農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)呈現(xiàn)波動上升的趨勢,從0.293 上升到0.376。 從農(nóng)業(yè)節(jié)水系統(tǒng)一級指標時序變化特征看,2010—2019 年節(jié)水灌溉指數(shù)和農(nóng)業(yè)用水效益指數(shù)呈現(xiàn)增長趨勢,農(nóng)業(yè)用水指數(shù)呈現(xiàn)小幅度下降趨勢。其中:農(nóng)業(yè)用水指數(shù)雖有所下降,但下降幅度較小,從2010 年的0.097 降至2019 年的0.092;節(jié)水灌溉指數(shù)增長較為明顯,從2010 年的0.088 上漲至2019 年的0.130,在2018 年達到研究期內(nèi)最高峰,為0.155;農(nóng)業(yè)用水效益指數(shù)增長速度最快,2010—2019 年從0.088上升至0.154,且在研究期內(nèi)始終保持上升趨勢。
圖1 黃河流域農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)時序演變情況
由圖2 可知,農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)呈現(xiàn)“東高西低”省際空間格局,山東農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)最高(為0.511),最低的是青海(僅為0.158),自然資源稟賦和經(jīng)濟社會發(fā)展水平可能是形成農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)“東高西低”省際空間格局的主要驅(qū)動因素。從研究期內(nèi)各?。ㄗ灾螀^(qū))農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)時序變化情況分析,山東和寧夏農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)增長最快,2010—2019 年兩地農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)分別上漲0.155 和0.141。 通過對農(nóng)業(yè)節(jié)水系統(tǒng)一級指標的省際差異分析,農(nóng)業(yè)用水效益指數(shù)也呈現(xiàn)“東高西低”的省際空間格局,東部地區(qū)經(jīng)濟發(fā)展水平較高,在農(nóng)業(yè)節(jié)水設(shè)施建設(shè)和農(nóng)業(yè)節(jié)水技術(shù)推廣上投入力度較大,單位產(chǎn)值或產(chǎn)量的需水量與西部地區(qū)相比較少[32];節(jié)水灌溉指數(shù)在內(nèi)蒙古、山西、甘肅、寧夏等地呈現(xiàn)較高水平,這與當(dāng)?shù)厮Y源稀缺程度較高、農(nóng)民水資源稀缺意識較強有關(guān)[33]。
圖2 黃河流域農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)空間分布情況
如圖3 所示,2010—2019 年黃河流域生態(tài)環(huán)境綜合發(fā)展指數(shù)呈現(xiàn)上升趨勢,從2010 年的0.226 上升至2019 年的0.256,其中2014 年達到研究期間峰值,為0.276。 2013 年習(xí)近平總書記發(fā)表“綠水青山就是金山銀山”的重要講話,為黃河流域生態(tài)文明建設(shè)指明了方向,推動了黃河流域生態(tài)環(huán)境發(fā)展。 從一級指標變化趨勢看,2010—2019 年生態(tài)彈性力、環(huán)境承載力和生態(tài)發(fā)展力均呈現(xiàn)上升趨勢,但初始水平較低,增長速度較慢,導(dǎo)致生態(tài)環(huán)境綜合發(fā)展指數(shù)并未明顯增長。
圖3 生態(tài)環(huán)境綜合發(fā)展指數(shù)時序演變情況
根據(jù)圖4 可知,黃河流域生態(tài)環(huán)境綜合發(fā)展指數(shù)呈現(xiàn)“東低西高”的省際空間格局和以內(nèi)蒙古、青海為核心的“雙核領(lǐng)先”的流域空間格局,生態(tài)環(huán)境綜合發(fā)展指數(shù)極差為0.207,東西部地區(qū)生態(tài)環(huán)境差異較大。黃河流域東部地區(qū)生態(tài)環(huán)境綜合發(fā)展指數(shù)普遍低于西部地區(qū),其中:山東生態(tài)環(huán)境綜合發(fā)展指數(shù)最低,為0.147;內(nèi)蒙古生態(tài)環(huán)境綜合發(fā)展指數(shù)最高,為0.354,其次是青海,為0.344。 從生態(tài)環(huán)境系統(tǒng)一級指標空間差異上看,內(nèi)蒙古和青海在環(huán)境承載力和生態(tài)發(fā)展力上領(lǐng)先于流域內(nèi)其他?。ㄗ灾螀^(qū)),在二者的雙重作用下內(nèi)蒙古和青海的生態(tài)環(huán)境綜合發(fā)展指數(shù)與其他?。ㄗ灾螀^(qū))相比也具有較明顯的優(yōu)勢,因此黃河流域生態(tài)環(huán)境綜合發(fā)展指數(shù)呈現(xiàn)出內(nèi)蒙古、青海“雙核領(lǐng)先”的空間分布特征。 其主要原因是東部地區(qū)城市人口活動和經(jīng)濟發(fā)展較為活躍,資源過度開發(fā)和人類活動制約了生態(tài)環(huán)境建設(shè),生態(tài)環(huán)境綜合發(fā)展水平相對較低。
圖4 生態(tài)環(huán)境綜合發(fā)展指數(shù)空間分布情況
圖5 表明, 2010—2019 年黃河流域農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)長期處于高水平耦合階段,耦合度基本維持在0.95 左右,說明黃河流域的農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境兩系統(tǒng)關(guān)聯(lián)較為密切。
圖5 農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)耦合度時序演變情況
如圖6 所示,從空間維度上看各?。ㄗ灾螀^(qū))農(nóng)業(yè)節(jié)水與生態(tài)環(huán)境耦合度無較大差異,均處于“高水平耦合”階段。 地域分布大致呈現(xiàn)“中間高,兩邊低”的特征,內(nèi)蒙古、四川和甘肅耦合度均保持在0.990 以上,與其他省份相比處于相對領(lǐng)先的水平,耦合度較低的?。ㄗ灾螀^(qū))集中在黃河下游地區(qū)。 黃河下游泥沙堆積嚴重,導(dǎo)致灌溉用水困難,阻礙了農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境保護的相互作用。 2010—2019 年絕大部分?。ㄗ灾螀^(qū))兩系統(tǒng)耦合度在較高水平上呈現(xiàn)小幅度波動上升趨勢。 山東省耦合度水平有明顯的下降趨勢,兩系統(tǒng)耦合度從2010 年的0.892 下降至2014 年的0.776,從“高水平耦合”下滑至“磨合”,2014—2019 年又逐步回升至“高水平耦合”,但2019 年山東耦合度水平較2010 年仍有所下降。
圖6 農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)耦合度時空演變情況
由圖7 可知,2010—2019 年農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)耦合協(xié)調(diào)度總體呈現(xiàn)由“基本失調(diào)”階段向“基本協(xié)調(diào)”階段過渡的增長趨勢,但整體水平較低,高水平耦合協(xié)調(diào)發(fā)展趨勢不明顯;2010—2019 年各省(自治區(qū))耦合協(xié)調(diào)度極差與方差均有所下降,說明各?。ㄗ灾螀^(qū))耦合協(xié)調(diào)度差距減小,整體耦合協(xié)調(diào)發(fā)展趨于穩(wěn)定;兩系統(tǒng)耦合協(xié)調(diào)度時序演進特征以2014 年為分水嶺,2010—2013 年系統(tǒng)耦合協(xié)調(diào)度平均值在“基本失調(diào)”階段保持逐年上升趨勢,2014 年系統(tǒng)耦合協(xié)調(diào)度進入“基本協(xié)調(diào)”階段,但2014—2019 年系統(tǒng)耦合協(xié)調(diào)度始終處于生態(tài)環(huán)境滯后的“基本協(xié)調(diào)”階段,說明該階段農(nóng)業(yè)節(jié)水水平提升仍是促進兩系統(tǒng)協(xié)調(diào)發(fā)展的主要驅(qū)動力,進一步改善黃河流域生態(tài)環(huán)境能夠有效提升兩系統(tǒng)協(xié)調(diào)發(fā)展水平。
圖7 農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)耦合協(xié)調(diào)度時序演變情況
黃河流域9 個省(自治區(qū))系統(tǒng)耦合協(xié)調(diào)度平均值介于0.436 ~0.623 之間,處于“基本失調(diào)”和“基本協(xié)調(diào)”兩個階段,整體呈現(xiàn)“東高西低”的空間分布特征(見圖8)。 其中:甘肅和寧夏均處于“基本失調(diào)”階段,青海處于“基本失調(diào)-農(nóng)業(yè)節(jié)水受阻”階段,農(nóng)業(yè)節(jié)水是制約青海高質(zhì)量發(fā)展的主要因素之一;其他各省(自治區(qū))均處于“基本協(xié)調(diào)”階段,其中山西、山東、河南和陜西處于生態(tài)環(huán)境滯后的“基本協(xié)調(diào)”階段,東部地區(qū)生態(tài)環(huán)境問題是黃河流域高質(zhì)量發(fā)展進程中需要解決的重點問題。 絕大部分?。ㄗ灾螀^(qū))耦合協(xié)調(diào)度呈現(xiàn)上升趨勢,其中:甘肅和寧夏耦合協(xié)調(diào)度增長趨勢較為明顯,2010—2019 年兩地耦合協(xié)調(diào)度均呈現(xiàn)從“基本失調(diào)”階段 向“基本協(xié)調(diào)”階段邁進的向好趨勢;寧夏耦合協(xié)調(diào)度增長最快,從2010 年的0.381 增長至2019 年的0.488,2018 年達到研究期內(nèi)峰值,為0.533;青海省2010—2019 年始終處于“基本失調(diào)”階段,但耦合協(xié)調(diào)度有所增長;其他各?。ㄗ灾螀^(qū))耦合協(xié)調(diào)度均在“基本協(xié)調(diào)”階段保持小幅度增長趨勢。
圖8 農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)耦合協(xié)調(diào)度時空演變情況
本文以黃河流域9 個?。ㄗ灾螀^(qū))的數(shù)據(jù)樣本為例,利用耦合協(xié)調(diào)度模型對農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境兩系統(tǒng)協(xié)調(diào)發(fā)展的時空演進情況進行測算與分析,得出以下結(jié)論。
(1)2010—2019 年,黃河流域農(nóng)業(yè)用水綜合發(fā)展指數(shù)保持逐年上升趨勢,農(nóng)業(yè)節(jié)水成效較弱是制約農(nóng)業(yè)用水綜合發(fā)展指數(shù)增長的關(guān)鍵因素;在空間維度上,農(nóng)業(yè)節(jié)水綜合發(fā)展指數(shù)呈現(xiàn)“東高西低”省際空間格局,加大對西部地區(qū)水利設(shè)施建設(shè)投入、制定合理有效的農(nóng)業(yè)節(jié)水激勵機制是促進東西部地區(qū)農(nóng)業(yè)節(jié)水平衡發(fā)展的重要措施。
(2)2010—2019 年,黃河流域生態(tài)環(huán)境綜合發(fā)展指數(shù)呈現(xiàn)上升趨勢,但其初始水平較低且增長緩慢,生態(tài)環(huán)境治理成效不顯著,應(yīng)通過增加草地面積、濕地面積和提升水土流失治理率,著力提升生態(tài)發(fā)展力,促進生態(tài)系統(tǒng)健康發(fā)展。 在空間維度上,黃河流域生態(tài)環(huán)境綜合發(fā)展指數(shù)呈現(xiàn)“東低西高”的省際空間格局,其中內(nèi)蒙古和青海生態(tài)環(huán)境綜合發(fā)展指數(shù)較其他省優(yōu)勢顯著,形成了以內(nèi)蒙古、青海為核心的“雙核領(lǐng)先”的流域空間格局。
(3)2010—2019 年,黃河流域農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)耦合度長期處于高水平耦合階段,兩系統(tǒng)間相互作用的關(guān)聯(lián)度較強。 在空間維度上,耦合度水平呈現(xiàn)“中間高,兩邊低”的地域分布特征,黃河下游各省農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境關(guān)聯(lián)度較弱。
(4)2010—2019 年,農(nóng)業(yè)用水和生態(tài)環(huán)境系統(tǒng)耦合協(xié)調(diào)度總體呈現(xiàn)由“基本失調(diào)”階段向“基本協(xié)調(diào)”階段過渡的增長趨勢,但高水平耦合協(xié)調(diào)發(fā)展趨勢不明顯,黃河流域農(nóng)業(yè)節(jié)水和生態(tài)環(huán)境系統(tǒng)整體呈現(xiàn)“高耦合-低協(xié)調(diào)”的分離特征;東部地區(qū)兩系統(tǒng)耦合協(xié)調(diào)度與西部地區(qū)相比較高,但生態(tài)環(huán)境發(fā)展滯后狀況較西部地區(qū)明顯,西部地區(qū)農(nóng)業(yè)節(jié)水對系統(tǒng)耦合協(xié)調(diào)度發(fā)展的制約作用較為顯著。