陳 帥，侯孟陽(yáng)，李園園，鄧元杰，姚順波

·土地保障與生態(tài)安全·

黃河流域水資源、能源與糧食生產(chǎn)的時(shí)空匹配及阻尼效應(yīng)

陳 帥1，侯孟陽(yáng)2，李園園1，鄧元杰1，姚順波1※

（1. 西北農(nóng)林科技大學(xué)經(jīng)濟(jì)管理學(xué)院，咸陽(yáng) 712100；2. 河北大學(xué)經(jīng)濟(jì)學(xué)院，保定 071000）

水、能源與糧食是人類生活與可持續(xù)發(fā)展的重要保障，探究水資源、能源對(duì)糧食生產(chǎn)作用對(duì)于優(yōu)化資源配置與保障糧食安全有著重要的意義。該研究運(yùn)用洛倫茲曲線與基尼系數(shù)評(píng)估黃河流域上中下游水資源、能源與糧食生產(chǎn)之間的匹配度，并基于柯布-道格拉斯生產(chǎn)函數(shù)引入糧食增長(zhǎng)阻尼模型測(cè)算出黃河流域水資源與能源對(duì)于糧食生產(chǎn)的制約程度。結(jié)果表明：1）黃河流域水資源、能源對(duì)糧食的基尼指數(shù)呈現(xiàn)出先減小后增大情形，黃河下游區(qū)域的匹配度要比上中游區(qū)域更為合理，2019年下游區(qū)域水資源、能源對(duì)糧食都呈現(xiàn)出高度匹配狀態(tài)情形。2）黃河流域水資源對(duì)于糧食生產(chǎn)的阻尼系數(shù)波動(dòng)較大，阻尼系數(shù)變化范圍為0.005～0.032，且水資源對(duì)糧食增長(zhǎng)阻尼作用呈現(xiàn)出6 a一周期情形。能源對(duì)于糧食生產(chǎn)的阻尼作用呈現(xiàn)出穩(wěn)步上升情形，且在2015年后上升較快。在水資源與能源約束條件下，2019年黃河流域糧食產(chǎn)量增長(zhǎng)要比上一年分別降低0.76%與5.28%。3）黃河流域水資源阻尼系數(shù)呈現(xiàn)出西部小東部大情形，能源阻尼效應(yīng)呈現(xiàn)中高約束狀態(tài)集中在黃河上游東部區(qū)域與下游區(qū)域，低約束狀態(tài)集中于黃河中游區(qū)域。另外，黃河流域水資源與能源阻尼系數(shù)具有典型的空間集聚特征，水資源阻尼效應(yīng)高-高集聚區(qū)主要分布在黃河下游區(qū)域，能源阻尼效應(yīng)低-低集聚區(qū)分布在中游北部區(qū)域。研究結(jié)論可為黃河流域糧食的穩(wěn)定增長(zhǎng)與資源有效配置提供科學(xué)依據(jù)。

空間匹配；基尼指數(shù)；增長(zhǎng)阻尼；糧食生產(chǎn)；黃河流域

0 引 言

水資源是農(nóng)業(yè)發(fā)展的重要載體，能源是促進(jìn)農(nóng)業(yè)發(fā)展的物質(zhì)支撐，糧食是人類生存最基本的保障，它們是國(guó)家經(jīng)濟(jì)發(fā)展進(jìn)程中至關(guān)重要的戰(zhàn)略性物資[1]。由于中國(guó)各區(qū)域資源存在差異性以及受氣候、政策等因素的影響，農(nóng)業(yè)耗水與農(nóng)業(yè)能源對(duì)于糧食生產(chǎn)的匹配與制約作用也存在著較大差異。對(duì)于黃河流域而言，在目前水資源短缺日益緊迫、能源消耗在“雙碳”政策與生態(tài)保護(hù)與高質(zhì)量發(fā)展環(huán)境下得以限制以及糧食生產(chǎn)在農(nóng)業(yè)產(chǎn)業(yè)效益逐漸低下與各種資源非農(nóng)化背景下，面對(duì)農(nóng)業(yè)資源要素的消耗與空間分布不平衡的狀況，如何有效配置資源要素助推糧食生產(chǎn)已成為關(guān)鍵所在。針對(duì)目前黃河流域農(nóng)業(yè)各資源供給與需求矛盾，國(guó)家及當(dāng)?shù)卣膊扇×讼嚓P(guān)措施，2021年10月8日，中共中央、國(guó)務(wù)院印發(fā)《黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展規(guī)劃綱要》，該綱要提出了黃河流域農(nóng)業(yè)節(jié)水措施，以及確定了如何依據(jù)水資源與生態(tài)環(huán)境承載力來(lái)確定能源行業(yè)生產(chǎn)規(guī)模方案。因此，研究黃河流域水資源、能源與糧食之間匹配與制約關(guān)系對(duì)緩解資源供需矛盾有著重要的科學(xué)價(jià)值，另外，在黃河流域水資源日益緊缺與能源消耗日益增加以及糧食安全背景下，厘清水資源、能源與糧食生產(chǎn)的匹配關(guān)系并分析其對(duì)糧食生產(chǎn)的制約作用，可為黃河流域糧食系統(tǒng)的安全與資源有效配置提供重要的參考依據(jù)。

糧食種植與水資源密切相關(guān)，國(guó)內(nèi)外學(xué)者對(duì)水資源與糧食的關(guān)聯(lián)進(jìn)行了大量研究，研究角度趨于多樣化。國(guó)內(nèi)相關(guān)研究集中在農(nóng)業(yè)生產(chǎn)用水效率[2-4]、水分生產(chǎn)力[5]、糧食生產(chǎn)水足跡[6-7]等方面，相關(guān)研究證實(shí)了水資源對(duì)于糧食生產(chǎn)起到顯著的促進(jìn)作用[8-10]。對(duì)于能源與糧食關(guān)聯(lián)研究并不多，部分研究集中于能源投入對(duì)于糧食產(chǎn)量影響[11-12]。此外，對(duì)于變量匹配關(guān)聯(lián)的研究，多數(shù)學(xué)者分析了農(nóng)業(yè)生產(chǎn)中水土資源匹配特征[13-15]以及水土資源與經(jīng)濟(jì)、環(huán)境之間的匹配度[16-17]、協(xié)調(diào)度[18]等。周美玲等對(duì)浙江省綠色空間與經(jīng)濟(jì)發(fā)展典型要素匹配進(jìn)行研究，發(fā)現(xiàn)杭州市空間匹配度最低而舟山市與嘉興市的空間匹配度較高[19]，熊鷹等[20]發(fā)現(xiàn)長(zhǎng)株潭城市群水資源分布與土地面積、人口高度協(xié)調(diào)。另外，因自然資源消耗引發(fā)的阻尼效應(yīng)研究集中在經(jīng)濟(jì)要素方面，如水資源約束[21-22]、土地資源約束[23-24]、能源約束[25]等。

整體而言，學(xué)者們對(duì)農(nóng)業(yè)資源協(xié)調(diào)度、匹配度以及水土資源配置研究取得了可觀成果，但仍有一定的改進(jìn)空間。第一，部分文獻(xiàn)對(duì)于水-能源-糧食系統(tǒng)協(xié)調(diào)安全性進(jìn)行了評(píng)價(jià)[26]但無(wú)法厘清糧食生產(chǎn)中水資源與能源配置對(duì)于糧食產(chǎn)量的影響，構(gòu)造糧食生產(chǎn)中水資源與能源的匹配研究框架將拓寬資源配置理論的應(yīng)用范圍。在當(dāng)前黃河流域水資源短缺、能源需求與消耗矛盾突顯，威脅糧食安全的背景下，從時(shí)間演變與空間異質(zhì)兩種維度和匹配均衡與阻尼效應(yīng)兩種視角探尋黃河流域糧食生產(chǎn)的資源配置策略具有一定的現(xiàn)實(shí)意義。第二，相關(guān)文獻(xiàn)表明作物生產(chǎn)要素匹配程度越高則農(nóng)業(yè)生產(chǎn)條件越優(yōu)越[15]，現(xiàn)實(shí)情況是否也是如此？文章依據(jù)匹配特征與阻尼效應(yīng)以及結(jié)合黃河流域現(xiàn)實(shí)情況去分析這一觀點(diǎn)，這對(duì)現(xiàn)有文獻(xiàn)關(guān)于“匹配均衡則為優(yōu)”的評(píng)價(jià)標(biāo)準(zhǔn)有著全新的認(rèn)識(shí)。另外，黃河上中下游資源稟賦差異性較大，對(duì)黃河流域上中下游水資源與能源對(duì)于糧食的匹配研究相比僅對(duì)整體流域研究更加準(zhǔn)確具體。鑒于此，本文基于市級(jí)尺度與時(shí)空視角，對(duì)黃河流域上中下游水資源-糧食與能源-糧食的基尼指數(shù)進(jìn)行分區(qū)測(cè)算，引入Cobb-Douglas生產(chǎn)函數(shù)推導(dǎo)出糧食生產(chǎn)的增長(zhǎng)阻尼公式，并基于增長(zhǎng)阻尼公式與嶺回歸模型結(jié)果測(cè)算黃河流域水資源與能源對(duì)糧食生產(chǎn)的阻尼效應(yīng)值，并通過(guò)ArcGIS軟件分析其空間分布特征。這為進(jìn)一步探尋黃河流域糧食生產(chǎn)中資源配置的優(yōu)化策略提供科學(xué)性指導(dǎo)。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究區(qū)域概況

黃河流域橫貫中國(guó)東西，大部分區(qū)域位于中國(guó)西北部，從西到東橫跨青藏高原、內(nèi)蒙古高原、黃土高原與黃淮海平原，地勢(shì)呈現(xiàn)出西高東低情形。黃河流域水資源總量約占全國(guó)的2.6%，在中國(guó)七大江河中排名第4位，但降水量在中國(guó)十大流域中排名居后。2020年黃河流域平均降水量為507 mm，地表水取水量為426.17億m3，占總?cè)∷康?9.5%。農(nóng)業(yè)耗水量達(dá)到231.01億m3，占到地表耗水量的65.3%，人均水資源量約900 m3。此外，黃河流域是中國(guó)重要的能源、化工原料基地，中下游煤炭資源和石油資源豐富，煤炭?jī)?chǔ)備量占全國(guó)總量的50%以上，中國(guó)目前產(chǎn)煤規(guī)模最大的三個(gè)省份（內(nèi)蒙古、山西和陜西）皆位于該流域內(nèi)，但同時(shí)也面臨傳統(tǒng)產(chǎn)能過(guò)剩、產(chǎn)業(yè)結(jié)構(gòu)單一及能源產(chǎn)業(yè)分布不均等困境。2019年，黃河流域糧食種植面積達(dá)到4 181萬(wàn)hm2，糧食產(chǎn)量為23 438萬(wàn)t，約占全國(guó)三分之一，重點(diǎn)分布在黃河下游區(qū)域。

在遵循以自然黃河流域范圍的基礎(chǔ)上和保證地區(qū)級(jí)行政單元完整性原則上，借鑒相關(guān)研究[27-28]，繪制出以下研究區(qū)域（圖1），具體研究區(qū)域涉及到黃河流域78個(gè)地級(jí)市，其中上游、中游與下游涉及到地級(jí)市個(gè)數(shù)分別為30、31與17個(gè)。

1.2 基尼指數(shù)

洛倫茲曲線與基尼指數(shù)在經(jīng)濟(jì)學(xué)上是分析收入分配均衡程度的一種客觀指標(biāo)[29]。水資源與能源在地域空間分布的差異性會(huì)影響到區(qū)域糧食產(chǎn)量以及農(nóng)業(yè)發(fā)展，文章以糧食產(chǎn)量作為基本匹配對(duì)象，以水資源與能源作為分級(jí)匹配對(duì)象。整理出黃河流域以及各上中下游各市（州）單位水資源和能源所對(duì)應(yīng)的糧食產(chǎn)量，并計(jì)算出相應(yīng)的水資源、能源與糧食產(chǎn)量占總量的累積百分比，并依據(jù)各變量累計(jì)比例繪制出洛倫茲曲線。此外，本研究采用梯形面積法計(jì)算其基尼指數(shù)，如式（1）所示。

式中x表示第個(gè)地區(qū)水資源量累計(jì)百分比，y表示第個(gè)地區(qū)糧食產(chǎn)量的累計(jì)百分比。

圖1 研究區(qū)域概況圖

參照經(jīng)濟(jì)學(xué)上的基尼系數(shù)評(píng)價(jià)居民收入公平程度的劃分方法，本文將水資源和能源對(duì)糧食生產(chǎn)的匹配程度劃分為5個(gè)等級(jí)，從高到低依次為高度匹配、相對(duì)匹配、一般匹配、不太匹配與極不匹配；相應(yīng)等級(jí)對(duì)應(yīng)的基尼系數(shù)范圍為(0，0.2)、[0.2，0.3)、[0.3，0.4)、[0.4，0.5)與[0.5，1)。該數(shù)值接近0，表示對(duì)于單位水資源或能源投入糧食生產(chǎn)越均衡[19]。按照國(guó)際慣例將0.4作為基尼指數(shù)值的警戒線，當(dāng)基尼指數(shù)值超過(guò)0.4，表明兩者不太匹配。

1.3 阻尼效應(yīng)

為量化黃河流域水資源與能源對(duì)于糧食生產(chǎn)的制約作用，本文借鑒Romer變形后的生產(chǎn)函數(shù)“growth drag”概念[30]與現(xiàn)有相關(guān)研究成果[31]，將水資源（能源）對(duì)糧食生產(chǎn)的阻尼效應(yīng)定義為在現(xiàn)有水資源（能源）利用下的糧食產(chǎn)量增長(zhǎng)與假定不受水資源（能源）約束下糧食產(chǎn)量增長(zhǎng)值的差值。關(guān)于水資源與能源增長(zhǎng)阻尼公式的推導(dǎo)與思路如下：

式中()表示在時(shí)間的糧食產(chǎn)量（萬(wàn)t），()、()分別表示在時(shí)間的能源投入量（kW）和水資源投入量（億m3），()表示在時(shí)間的糧食作物投入面積（103hm2），()表示在時(shí)間的勞動(dòng)力投入量（萬(wàn)人），()表示在時(shí)間的知識(shí)或勞動(dòng)的有效性，為相應(yīng)的產(chǎn)出彈性，其數(shù)值都大于0，且<1。另外，文章將單位勞動(dòng)生產(chǎn)率引入增長(zhǎng)阻尼模型，在本文中定義它為在一年時(shí)間內(nèi)單位勞動(dòng)者所生產(chǎn)的糧食產(chǎn)量，表達(dá)式為()()()，將其代入式（2）并對(duì)兩邊取對(duì)數(shù)處理

對(duì)式中進(jìn)行求導(dǎo)得出式（4），

式中g()、g()、g()、g()、g()與g()分別表示單位時(shí)間內(nèi)糧食、能源、水資源、土地、勞動(dòng)力生產(chǎn)率的增長(zhǎng)率與技術(shù)進(jìn)步率。

依據(jù)Romer理論[30]，假設(shè)經(jīng)濟(jì)保持均衡增長(zhǎng)，在平衡增長(zhǎng)路徑所需資本與產(chǎn)出均以一個(gè)恒定不變的速率增長(zhǎng)，對(duì)于糧食產(chǎn)量在平衡增長(zhǎng)路徑來(lái)講同樣適用，g()與g()相等，在平衡增長(zhǎng)路徑下糧食產(chǎn)出增長(zhǎng)率為

當(dāng)資源受到限制時(shí)，各資源的增長(zhǎng)率為實(shí)際增長(zhǎng)率，但在各資源不受限制時(shí)，即水資源和能源的增長(zhǎng)率不再是g()和g()，而是g()(單位勞動(dòng)生產(chǎn)率增長(zhǎng)率)，即g()=g()=g()，在平衡經(jīng)濟(jì)增長(zhǎng)路徑上，單位勞動(dòng)力生產(chǎn)率糧食產(chǎn)量增長(zhǎng)率為

依據(jù)前文“增長(zhǎng)阻尼”定義，可得水資源與能源對(duì)糧食的“增長(zhǎng)阻尼”為

因此可得出水資源與能源的增長(zhǎng)阻尼方程式為Drag與Drag。

勞動(dòng)生產(chǎn)率增長(zhǎng)率、水資源與能源增長(zhǎng)率依據(jù)方程式0(1+)(s-1)=y進(jìn)行測(cè)算。0為變量初期值，本文初期為2000 年，y為變量第期數(shù)值，為該變量年平均增長(zhǎng)率。當(dāng)水資源阻尼系數(shù)Drag為正值時(shí)，表明在現(xiàn)有水資源利用下制約了糧食產(chǎn)量的增加，該數(shù)值越大，阻尼效應(yīng)越強(qiáng)。本文采用隨機(jī)效應(yīng)模型、固定效應(yīng)模型以及嶺回歸模型對(duì)其參數(shù)進(jìn)行估計(jì)，并對(duì)其進(jìn)行檢驗(yàn)與Hausman檢驗(yàn)，選出最佳模型以得出相關(guān)參數(shù)。

1.4 變量選取與數(shù)據(jù)來(lái)源

為測(cè)算基尼指數(shù)值與阻尼效應(yīng)值，選取以下相關(guān)變量：1）糧食產(chǎn)量()：糧食產(chǎn)量一般是指當(dāng)年某地區(qū)豆類、谷物與薯類作物生產(chǎn)量的總稱。已有文獻(xiàn)將糧食產(chǎn)值與農(nóng)業(yè)產(chǎn)值作為產(chǎn)出，但因通貨膨脹原因使得糧食產(chǎn)值與農(nóng)業(yè)產(chǎn)值不能反映真實(shí)糧食產(chǎn)出情況，因此本文采用糧食產(chǎn)量作為糧食產(chǎn)出。2）水資源投入()：本文選取的水資源用水量是基于相關(guān)水資源公報(bào)中農(nóng)田灌溉用水，其中糧食作物用水量可換算為()，其中=糧食作物播種面積/農(nóng)作物播種面積。3）能源投入()：本文選取農(nóng)業(yè)機(jī)械總動(dòng)力為基礎(chǔ)數(shù)據(jù)，農(nóng)業(yè)機(jī)械動(dòng)力一般是指從事農(nóng)業(yè)生產(chǎn)活動(dòng)所需的各種機(jī)械動(dòng)力總和，在本文中，糧食生產(chǎn)所需的能源投入為：()。4）土地資源投入()：本文以糧食播種面積進(jìn)行表示。5）勞動(dòng)力投入()：基于農(nóng)林牧漁業(yè)從業(yè)人數(shù)，本文對(duì)于從事糧食生產(chǎn)的勞動(dòng)力投入進(jìn)行換算：()，其中，農(nóng)業(yè)總產(chǎn)值/農(nóng)林牧漁業(yè)總產(chǎn)值。

本文研究水資源、能源與糧食的時(shí)空匹配以及阻尼效應(yīng)采用的是2000—2019年黃河流域78市（州）面板數(shù)據(jù)集，相關(guān)數(shù)據(jù)來(lái)源于青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南、山東9個(gè)省級(jí)行政區(qū)統(tǒng)計(jì)年鑒以及各城市統(tǒng)計(jì)年鑒、9個(gè)省級(jí)行政區(qū)水資源統(tǒng)計(jì)公報(bào)以及EPS數(shù)據(jù)庫(kù)。本文對(duì)相關(guān)數(shù)據(jù)進(jìn)行了整理與換算，并對(duì)缺失數(shù)據(jù)進(jìn)行差值法補(bǔ)齊處理。

2 結(jié)果與分析

2.1 水資源、能源與糧食的匹配特征分析

通過(guò)對(duì)相關(guān)數(shù)據(jù)整理測(cè)算，繪制出2019年黃河流域及其上中下游的水資源、能源與糧食產(chǎn)量匹配的洛倫茲曲線，如圖2所示。

由圖2可知，黃河下游區(qū)域水資源量與糧食產(chǎn)量的洛倫茲曲線幾乎是直線，基尼指數(shù)值為0.122，表明黃河下游地區(qū)作物用水與糧食產(chǎn)量匹配是合理的。黃河中游與上游作物用水與糧食產(chǎn)量的洛倫茲曲線偏離過(guò)原點(diǎn)的直線，而黃河上游基尼系數(shù)值為0.379，這一數(shù)值靠近警戒線，表明黃河上游糧食生產(chǎn)所需的水資源量較不均衡，中游區(qū)域及整體流域的作物用水與糧食生產(chǎn)的匹配程度為一般匹配。黃河上游流經(jīng)中國(guó)地勢(shì)第一、第二級(jí)階梯交界處，流域地勢(shì)具有起伏大、落差大與水流急等特點(diǎn)，水資源較為豐富，加上近年來(lái)全球變暖導(dǎo)致了冰川融化，黃河上中游水資源量有所增加，雖然有利于緩解黃河上中游農(nóng)業(yè)對(duì)水資源需求，部分區(qū)域仍存在農(nóng)作物灌溉用水冗余情況。另外，由于當(dāng)?shù)剞r(nóng)業(yè)用水價(jià)過(guò)低，出現(xiàn)農(nóng)民不愛(ài)惜水現(xiàn)象，不愿花錢購(gòu)買節(jié)水灌溉設(shè)備，灌溉管理單位收取的水費(fèi)入不敷出，農(nóng)業(yè)用水效率降低，因此出現(xiàn)了黃河中上游區(qū)域農(nóng)業(yè)水資源與糧食生產(chǎn)匹配度不高現(xiàn)象。

黃河下游區(qū)域農(nóng)業(yè)機(jī)械總動(dòng)力與糧食產(chǎn)量的洛倫茲曲線靠近絕對(duì)平均線，其基尼指數(shù)值為0.118，屬于高度匹配狀態(tài)。而黃河流域中下游農(nóng)業(yè)機(jī)械與糧食產(chǎn)量的洛倫茲曲線相對(duì)偏離過(guò)原點(diǎn)直線，其基尼指數(shù)值分別為為0.206與0.213。黃河中上游區(qū)域農(nóng)業(yè)規(guī)模化水平低，糧食耕作技術(shù)落后，農(nóng)業(yè)基礎(chǔ)設(shè)施條件較差，相關(guān)農(nóng)業(yè)機(jī)械設(shè)備品種少，規(guī)格不全，農(nóng)業(yè)機(jī)械設(shè)備使用未能達(dá)到優(yōu)良效果，導(dǎo)致中上游區(qū)域農(nóng)業(yè)規(guī)?；?jīng)營(yíng)與產(chǎn)業(yè)化生產(chǎn)水平不高。因此，黃河中上游區(qū)域能源機(jī)械與糧食生產(chǎn)匹配度相對(duì)不高。從整體流域來(lái)看，黃河流域能源投入與糧食生產(chǎn)的匹配程度是相對(duì)較高的。

a. 水資源a. Water resourceb. 能源b. Energy

2000—2019年黃河水資源、能源與糧食產(chǎn)量之間的基尼指數(shù)結(jié)果如表1所示。從表1可知，黃河下游區(qū)域的水資源量與糧食產(chǎn)量的基尼指數(shù)值變動(dòng)幅度小，一直維持在0.12到0.14之間，處于高度匹配狀態(tài)。黃河上中游以及整個(gè)流域的水資源用量與糧食產(chǎn)量的基尼指數(shù)值變化波動(dòng)大。中游區(qū)域基尼指數(shù)從2000年的0.244上漲到2019年的0.336，在2000年、2006年與2012年都保持相對(duì)匹配狀態(tài)。值得注意的是，黃河上游區(qū)域水資源與糧食生產(chǎn)的基尼指數(shù)值都在0.34之上，其中在2000年，基尼指數(shù)值超過(guò)了基尼指數(shù)的警戒線，匹配處于失衡狀態(tài)。黃河下游區(qū)域農(nóng)業(yè)機(jī)械總動(dòng)力與糧食產(chǎn)量的基尼指數(shù)值基本保持穩(wěn)定，基尼指數(shù)值在2006年與2012年未達(dá)到0.1，可見(jiàn)匹配狀態(tài)是合理的，農(nóng)業(yè)機(jī)械總動(dòng)力能推進(jìn)糧食生產(chǎn)且鮮少存在農(nóng)業(yè)能源投入冗余現(xiàn)象。黃河中游與上游區(qū)域的農(nóng)業(yè)機(jī)械總動(dòng)力與糧食產(chǎn)量的基尼指數(shù)呈現(xiàn)先降低后上升情形。從時(shí)間角度來(lái)看，黃河流域的農(nóng)業(yè)機(jī)械總動(dòng)力與糧食產(chǎn)量的基尼指數(shù)值呈現(xiàn)先減小后增大情形。

2.2 黃河流域水資源與能源增長(zhǎng)阻尼效應(yīng)的時(shí)序分析

根據(jù)Drag與Drag的方程式，表2展示各因素對(duì)于糧食生產(chǎn)的回歸模結(jié)果，結(jié)果顯示3種模型的擬合效果都較好，2值都在0.93以上，綜合各變量顯著性與擬合效果最終選取了嶺回歸模型作為最終參數(shù)估計(jì)模型。

由表2嶺回歸模型可知所有變量都通過(guò)1%顯著性檢驗(yàn)，其中水資源與能源的產(chǎn)出彈性都較大，可通過(guò)水資源與能源來(lái)解釋糧食生產(chǎn)增長(zhǎng)。從嶺回歸系數(shù)來(lái)看，水資源與能源的產(chǎn)出彈性系數(shù)為0.130與0.481，可見(jiàn)黃河流域糧食生產(chǎn)依賴水和農(nóng)業(yè)能源的投入。糧食作物面積與農(nóng)業(yè)勞動(dòng)力的產(chǎn)出彈性分別為0.588與-0.050，由于黃河流域農(nóng)業(yè)勞動(dòng)力存在剩余，要素邊際收益存在遞減規(guī)律，農(nóng)業(yè)勞動(dòng)力的產(chǎn)出彈性呈現(xiàn)負(fù)數(shù)情形。將以上計(jì)算出來(lái)的相關(guān)系數(shù)代入Drag與Drag的方程式中，可得出各時(shí)期水資源與能源對(duì)于糧食增長(zhǎng)的阻尼效應(yīng)值。

表1 2000—2019年黃河流域水資源、能源與糧食產(chǎn)量基尼指數(shù)變化

表2 計(jì)量模型回歸估計(jì)結(jié)果

注：*、**、***分別表示在10%、5%、1%水平顯著，括號(hào)內(nèi)數(shù)字為值。

Note: *, * *, * * * are significant at the level of 10%, 5% and 1% respectively, the figures in brackets arevalues.

由圖3來(lái)看，黃河流域水資源的阻尼系數(shù)波動(dòng)較大，變化范圍為0.005～0.032。其中2003—2004年、2006—2012年與2016年黃河流域水資源對(duì)于糧食生產(chǎn)具有相對(duì)高約束狀態(tài)。在水資源約束條件下，2019年的糧食增長(zhǎng)要比上一年降低0.76%。近二十年來(lái)，黃河流域糧食產(chǎn)量呈現(xiàn)上漲趨勢(shì)，在2003—2004年間，糧食產(chǎn)量上漲幅度較大，達(dá)到10%左右。糧食生產(chǎn)的增加也需更多水量灌溉，便出現(xiàn)了水資源對(duì)糧食生產(chǎn)阻尼系數(shù)越來(lái)越大情形。在2004—2007年間，糧食產(chǎn)量有所增加但增長(zhǎng)率處于降低情形，黃河流域在該期間處于豐水年份，農(nóng)業(yè)灌溉用水對(duì)于糧食生產(chǎn)制約作用有所減弱。2008年以來(lái)，黃河流域糧食產(chǎn)量緩慢增長(zhǎng)，而黃河流域的降水量波動(dòng)較大，其中在2013—2014年與2017—2020年間，黃河流域年平均降雨量達(dá)到480 mm以上，近年來(lái)黃河水資源對(duì)于糧食的阻尼效應(yīng)有所減弱。另外，黃河流域水資源對(duì)糧食的阻尼效應(yīng)呈現(xiàn)循環(huán)波動(dòng)特征，其波動(dòng)時(shí)期分別是2000—2006年、2006—2013年與2013—2019年，黃河流域水資源對(duì)糧食增長(zhǎng)阻尼效應(yīng)呈現(xiàn)為大致為6 a一個(gè)波動(dòng)周期。

圖3 2000—2019年黃河流域水資源與能源增長(zhǎng)阻尼系數(shù)

Fig.3 Water resources and energy damping growth coefficient in the Yellow River Basin from 2000 to 2019

圖3顯示出黃河流域能源對(duì)糧食生產(chǎn)阻尼效應(yīng)呈現(xiàn)遞增趨勢(shì)。在能源約束條件下，2019年的糧食增長(zhǎng)要比上一年降低5.28%。隨著中國(guó)農(nóng)業(yè)耕作方式從傳統(tǒng)手工向智能機(jī)械化過(guò)渡，多數(shù)地區(qū)出現(xiàn)規(guī)?；N植特征。另外，糧食從耕作到收割過(guò)程中都將依賴能源的推動(dòng)。相關(guān)數(shù)據(jù)表明黃河流域作物生產(chǎn)中農(nóng)業(yè)機(jī)械總動(dòng)力消耗在2000年突破1億kW，在2019年達(dá)到2億kW，黃河流域糧食生產(chǎn)越來(lái)越依靠能源機(jī)械來(lái)推動(dòng)糧食生產(chǎn)，這與研究結(jié)果呈現(xiàn)一致情形。近年來(lái)，中國(guó)為推進(jìn)低碳綠色發(fā)展提出了碳達(dá)峰、碳中和目標(biāo)，“雙碳”政策的提出在一定程度上抑制了農(nóng)業(yè)能源的供給，而黃河流域糧食生產(chǎn)對(duì)能源有著強(qiáng)烈的需求，導(dǎo)致2015年以來(lái)能源阻尼系數(shù)上升幅度較大。

2.3 黃河流域水資源、能源增長(zhǎng)阻尼效應(yīng)空間特征分析

圖4為黃河流域水資源阻尼系數(shù)與能源阻尼系數(shù)空間分布圖，部分區(qū)域水資源阻尼系數(shù)出現(xiàn)負(fù)數(shù)，該無(wú)約束狀態(tài)主要分布在黃河西北地區(qū)，如海西蒙古族藏族自治州、海北藏族自治州、張掖市，部分還分布在黃河中南與東部地區(qū)。當(dāng)農(nóng)田灌溉大于糧食單產(chǎn)最高需水量時(shí)，會(huì)出現(xiàn)水資源供給增加，糧食減少現(xiàn)象，水資源灌溉過(guò)多過(guò)少都不利于糧食生產(chǎn)。低約束狀態(tài)的水資源阻尼系數(shù)范圍為0.001～0.010，主要分布在上游南部區(qū)域以及中游東北區(qū)域，如甘孜藏族自治州、忻州市、太原市、漢中市與安康市等市。中約束狀態(tài)的阻尼系數(shù)范圍為0.011～0.050，主要分布在黃河?xùn)|部地區(qū)，如榆林市、延安市、運(yùn)城市、洛陽(yáng)市、平頂山市等區(qū)域，部分中約束狀態(tài)分布在黃河中部地區(qū)。高約束狀態(tài)的水資源阻尼系數(shù)范圍為0.051～0.180，主要分布在黃河下游區(qū)域，如東營(yíng)市、德州市、濟(jì)寧市、開(kāi)封市，少數(shù)分布在黃河中部地區(qū)。下游區(qū)域鮮少出現(xiàn)農(nóng)業(yè)用水粗放問(wèn)題，糧食作物灌溉越來(lái)越科學(xué)化，但即使用水效率高也難免會(huì)存在水資源供給不足而導(dǎo)致糧食產(chǎn)量減少，下游區(qū)域水資源對(duì)于糧食的阻尼作用較大。

黃河能源對(duì)糧食的制約作用為無(wú)約束狀態(tài)有玉樹(shù)藏族自治州、果洛藏族自治州、榆林市、呂梁市、長(zhǎng)治市等市。低約束狀態(tài)集中于黃河中游區(qū)域，如寶雞市、臨汾市、運(yùn)城市、太原市、忻州市等市。陜西省與山西省地區(qū)作為黃河流域重要煤炭資源基地，2020年陜西省規(guī)模以上工業(yè)原煤產(chǎn)量6.79億t，能源供給充足在一定程度使得糧食生產(chǎn)中農(nóng)業(yè)能源需求得到滿足，中游多數(shù)區(qū)域能源阻尼系數(shù)整體偏小。中約束與高約束狀態(tài)的阻尼系數(shù)值范圍為0.011～0.050與0.051～0.200，中高約束情形主要分布在黃河上游東部與黃河下游區(qū)域，能源對(duì)于糧食增長(zhǎng)在這些區(qū)域起到一定的制約作用。下游區(qū)域耕作技術(shù)先進(jìn)，農(nóng)業(yè)機(jī)械化程度高，而下游區(qū)域作為黃河流域的糧食主產(chǎn)區(qū)，更需能源投入來(lái)促進(jìn)糧食產(chǎn)量增加。

本文引入全局莫蘭指數(shù)對(duì)黃河流域水資源阻尼與能源阻尼空間集聚特征進(jìn)行分析，結(jié)果顯示黃河流域水資源阻尼系數(shù)莫蘭指數(shù)為0.165，能源阻尼效應(yīng)莫蘭指數(shù)為0.083，且值在0.05水平下顯著，說(shuō)明黃河流域水資源及能源阻尼效應(yīng)具有一定的空間集聚特征，且水資源阻尼效應(yīng)的空間相關(guān)性要比能源阻尼效應(yīng)強(qiáng)。此外，運(yùn)用局部莫蘭指數(shù)對(duì)黃河各區(qū)域水資源與能源阻尼效應(yīng)的空間集聚特征進(jìn)行分析，結(jié)果如圖5所示。

對(duì)于水資源阻尼效應(yīng)而言，高-高（High-High，H-H）與低-低（Low- Low，L-L）族類分布較多，其中H-H族類主要分布在黃河下游區(qū)域，具體區(qū)域有臨沂市、石嘴山市、德州市、淄博市、濮陽(yáng)市等，這些區(qū)域水資源阻尼效應(yīng)高，且周邊區(qū)域水資源阻尼系數(shù)也較高。L-L族類主要在黃河上游的東南區(qū)域與中游西南區(qū)域，涉及區(qū)域有海東市、海南藏族自治州、隴南市、天水市、定西市、寶雞市、漢中市等，這些區(qū)域水資源阻尼系數(shù)較低，且周邊區(qū)域水資源阻尼系數(shù)也較低。低-高（Low-High，L-H）族類分布在黃河流域東部區(qū)域，例如濱州市、濟(jì)南市、聊城市、泰安市等，這些區(qū)域水資源阻尼系數(shù)較低，但周邊區(qū)域水資源阻尼系數(shù)較高。高-低（High-Low，H-L）族類個(gè)數(shù)較少且分布較廣，包括烏蘭察布市、白銀市、平?jīng)鍪小⒏誓喜刈遄灾沃菖c咸陽(yáng)市，這些區(qū)域水資源阻尼系數(shù)較高，但周邊區(qū)域水資源阻尼系數(shù)較低。對(duì)于能源阻尼而言，H-H族類分布在中游西南區(qū)域和下游南部區(qū)域，L-L族類主要分布在中游北部。黃河流域水資源與能源阻尼效應(yīng)集聚特征是資源、社會(huì)、經(jīng)濟(jì)共同影響的結(jié)果，作為糧食生產(chǎn)所需的土壤、化肥、農(nóng)膜、農(nóng)業(yè)用水、灌溉水平、勞動(dòng)力以及農(nóng)業(yè)資本的投入，因?yàn)檫@些投入要素在地理上表現(xiàn)出類似性，從而導(dǎo)致水資源與能源阻尼效應(yīng)在空間上出現(xiàn)的集聚特征。黃河下游區(qū)域雖然水資源缺乏，但經(jīng)濟(jì)較為發(fā)達(dá)，農(nóng)業(yè)機(jī)械化水平高且農(nóng)業(yè)節(jié)水技術(shù)較強(qiáng)且運(yùn)用范圍較廣，這些綜合因素在一定程度上緩解了下游區(qū)域農(nóng)業(yè)用水對(duì)糧食生產(chǎn)的影響。

a. 水資源a. Water resourceb. 能源b. Energy

a. 水資源a. Water resourceb. 能源b. Energy

3 討論與結(jié)論

3.1 討論

結(jié)合研究結(jié)果來(lái)看，黃河中上游水資源與糧食匹配度較低，下游匹配度較高，但同時(shí)下游區(qū)域面臨的水資源的阻尼效應(yīng)較大，可見(jiàn)下游單位水資源投入對(duì)糧食生產(chǎn)潛力比中上游區(qū)域大，而下游區(qū)域是水資源短缺的重要區(qū)域，農(nóng)業(yè)資源配置未處于最優(yōu)狀態(tài)，從經(jīng)濟(jì)學(xué)角度來(lái)看，糧食產(chǎn)量效益未達(dá)到最大化，以此來(lái)看“匹配均衡則為優(yōu)”并非如此。中上游區(qū)域可推廣農(nóng)田灌溉技術(shù)，嚴(yán)格把控農(nóng)田灌溉用水量，提高作物灌溉用水利用效率。黃河下游作為糧食主產(chǎn)區(qū)域，除了充分利用地表水與地下水，還可采用先進(jìn)灌溉技術(shù)且適時(shí)適量地對(duì)農(nóng)作物進(jìn)行灌溉，以滿足作物生產(chǎn)用水需求。此外，還要提升黃河區(qū)域的防洪能力，近年來(lái)，黃河部分區(qū)域頻頻出現(xiàn)澇災(zāi)情況。2021年9月份，河南省、陜西省與山西省出現(xiàn)了罕見(jiàn)的持久性暴雨，澇災(zāi)嚴(yán)重?fù)p害糧食作物，其中，山西省洪澇災(zāi)害導(dǎo)致1800多平方千米農(nóng)作物受災(zāi)，糧食產(chǎn)量嚴(yán)重減少。當(dāng)?shù)卣杓訌?qiáng)區(qū)域的排洪輸沙功能，提高防汛保障能力，以防糧食作物出現(xiàn)大面積損害。

2021年9月下旬以來(lái)，中國(guó)東北地區(qū)出現(xiàn)突發(fā)性大面積停電事件，其主要原因是由于煤炭能源供給端緊缺。在碳中和、碳達(dá)峰與能耗雙控的背景下，中國(guó)部分區(qū)域?qū)⒖赡苊媾R糧食生產(chǎn)所需能源供給不足等問(wèn)題，因?yàn)辄S河下游區(qū)域農(nóng)業(yè)能源對(duì)于糧食生產(chǎn)阻尼作用比其他區(qū)域大，應(yīng)著重提高下游糧食主產(chǎn)區(qū)農(nóng)業(yè)能源供給水平并完善能源可供性核查。另外，下游區(qū)域可發(fā)展太陽(yáng)能、風(fēng)能、生物質(zhì)能等可再生能源，落實(shí)“雙碳”目標(biāo)政策，實(shí)行節(jié)約使用資源和加強(qiáng)能源的循環(huán)利用，降低資源耗竭速度。隨著能源、電價(jià)以及化肥的價(jià)格大幅上漲，糧食生產(chǎn)成本上升，使得部分農(nóng)民從事農(nóng)業(yè)活動(dòng)的積極性大大降低，因此可適當(dāng)對(duì)農(nóng)業(yè)生產(chǎn)用能進(jìn)行補(bǔ)貼以促進(jìn)農(nóng)業(yè)發(fā)展。另外，黃河流域工業(yè)經(jīng)濟(jì)處在蓬勃發(fā)展時(shí)期，工業(yè)經(jīng)濟(jì)高能耗的粗放增長(zhǎng)方式必然導(dǎo)致能源短缺，這對(duì)于黃河流域生態(tài)保護(hù)會(huì)產(chǎn)生一定影響，所以要積極倡導(dǎo)農(nóng)業(yè)與工業(yè)耗能的科學(xué)方式。另外，黃河上中下游要發(fā)揮好區(qū)域自身的資源優(yōu)勢(shì)，取長(zhǎng)補(bǔ)短盡可能消除資源的不平衡以促進(jìn)農(nóng)業(yè)發(fā)展。

3.2 結(jié)論

水資源與能源作為糧食生產(chǎn)的重要資源，水資源與能源的空間匹配在一定程度上會(huì)影響糧食產(chǎn)業(yè)的發(fā)展。本研究分析了黃河上中下游區(qū)域水資源與糧食生產(chǎn)和能源與糧食生產(chǎn)之間的匹配情況，并基于Romer增長(zhǎng)阻尼模型測(cè)算了黃河流域水資源與能源對(duì)糧食生產(chǎn)的阻尼系數(shù)，分析了黃河流域水資源與能源對(duì)于糧食增長(zhǎng)的阻尼效應(yīng)，主要結(jié)論如下：

1）2019年黃河流域以及上中下游區(qū)域的水資源與糧食的基尼指數(shù)值分別為0.365、0.379、0.336與0.122，能源與糧食的基尼指數(shù)值分別為0.194、0.218、0.206與0.118，表明黃河流域能源與糧食的匹配程度比水資源與糧食的匹配程度均衡，黃河下游區(qū)域農(nóng)業(yè)用水、能源消耗對(duì)糧食生產(chǎn)的匹配度要比黃河中上游區(qū)域合理。從時(shí)序變化看，黃河流域水與糧食匹配程度和能源與糧食的匹配程度呈現(xiàn)先減小后增大情況。

2）黃河流域水資源對(duì)于糧食生產(chǎn)的阻尼系數(shù)波動(dòng)較大，其水資源阻尼作用大致為6 a一個(gè)周期，該周期呈現(xiàn)出“減小—增大—減小”的變化特征。黃河流域能源對(duì)于糧食生產(chǎn)增長(zhǎng)阻尼效應(yīng)呈現(xiàn)穩(wěn)步上升態(tài)勢(shì)，其中，能源阻尼系數(shù)在2015年上增較快，這也表明黃河流域能源對(duì)于糧食生產(chǎn)阻尼作用越來(lái)越大。

3）黃河西部區(qū)域水資源阻尼系數(shù)較小，東部區(qū)域阻尼系數(shù)較大，黃河上游東部地區(qū)與下游區(qū)域的能源阻尼系數(shù)較大。另外，黃河流域水資源與能源阻尼效應(yīng)在空間上具有一定的集聚特征，且水資源阻尼效應(yīng)要比能源阻尼效應(yīng)的空間相關(guān)性要明顯。

[1] 彭俊杰. 黃河流域“水-能源-糧食”紐帶系統(tǒng)的生成機(jī)制、價(jià)值體現(xiàn)與路徑重塑[J]. 當(dāng)代經(jīng)濟(jì)管理，2021，43(8)：76-81.

Peng Junjie. The generating mechanism, value embodiment and path reconstruction of the water-energy-food nexus in the Yellow River Basin[J]. Contemporary Economic Management, 2021, 43(8): 76-81. (in Chinese with English abstract)

[2] 張玲玲，丁雪麗，沈瑩，等. 中國(guó)農(nóng)業(yè)用水效率空間異質(zhì)性及其影響因素分析[J]. 長(zhǎng)江流域資源與環(huán)境，2019，28(4)：817-828.

Zhang Lingling, Ding Xueli, Shen Ying, et al. Spatial heterogeneity and influencing factors of agricultural water use efficiency in China[J]. Resources and Environment in the Yangtze Basin, 2019, 28(4): 817-828. (in Chinese with English abstract)

[3] 常明，王西琴，賈寶珍. 中國(guó)糧食作物灌溉用水效率時(shí)空特征及驅(qū)動(dòng)因素：以稻谷、小麥、玉米為例[J]. 資源科學(xué)，2019，41(11)：2032-2042.

Chang Ming, Wang Xiqin, Jia Baozhen. Driving factors and spatiotemporal differentiation of irrigation water use efficiency in China[J]. Resources Science, 2019, 41(11): 2032-2042. (in Chinese with English abstract)

[4] 馮峰，倪廣恒，孟玉清.基于流向跟蹤和多重賦權(quán)的引黃灌區(qū)用水效率評(píng)價(jià)[J].農(nóng)業(yè)工程學(xué)報(bào)，2017，33(10)：145-153.

Feng Feng, Ni Guangheng, Meng Yuqing. Evaluation of water use efficiency in Yellow River Irrigation Area based on flow-tracing and layered-weight method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10):145-153.(in Chinese with English abstract)

[5] Zhang W, Tian Y, Sun Z, et al. How does plastic film mulching affect crop water productivity in an arid river basin?[J]. Agricultural Water Management, 2021, 258: 107218.

[6] 黃麗，王武林. 中亞五國(guó)糧食生產(chǎn)水足跡及水消耗量預(yù)測(cè)[J]. 經(jīng)濟(jì)地理，2021，41(4)：118-126.

Huang Li, Wang Wulin. Water footprint and water consumption prediction of food crop production in five Central Asian countries[J]. Economic Geography, 2021, 41(4): 118-126. (in Chinese with English abstract)

[7] 操信春，任杰，吳夢(mèng)洋，等.基于水足跡的中國(guó)農(nóng)業(yè)用水效果評(píng)價(jià)[J].農(nóng)業(yè)工程學(xué)報(bào)，2018，34(5)：1-8.

Cao Xinchun, Ren Jie, Wu Mengyang, et al. Assessing agricultural water use effect of China based on water footprint framework[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(5):1-8. (in Chinese with English abstract)

[8] 李青，陳紅梅，王雅鵬. 基于面板VAR模型的新疆農(nóng)業(yè)用水與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的互動(dòng)效應(yīng)研究[J]. 資源科學(xué)，2014，36(8)：1679-1685.

Li Qing, Chen Hongmei, Wang Yapeng. The interactive effect of agricultural water and agricultural economic growth in Xinjiang[J]. Resources Science, 2014, 36(8): 1679-1685. (in Chinese with English abstract)

[9] 馮穎，姚順波，郭亞軍. 基于面板數(shù)據(jù)的有效灌溉對(duì)中國(guó)糧食單產(chǎn)的影響[J]. 資源科學(xué)，2012，34(9)：1734-1740.

Feng Lin, Yao Shunbo, Guo Yajun. Unit area crop yield response to effective irrigation in China based on a panel data model[J]. Resources Science, 2012, 34(9): 1734-1740. (in Chinese with English abstract)

[10] 金濤. 中國(guó)糧食作物種植結(jié)構(gòu)調(diào)整及其水土資源利用效應(yīng)[J]. 自然資源學(xué)報(bào)，2019，34(1)：14-25.

Jin Tao. The adjustment of China's grain cropping structure and its effect on the consumption of water and land resources[J]. Journal of Natural Resources, 2019, 34(1): 14-25. (in Chinese with English abstract)

[11] 劉英基. 糧食生產(chǎn)的能源投入及技術(shù)變動(dòng)趨勢(shì)[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2015(3)：104-113.

Liu Yingji. Energy input and technological trends of Chinese grain production[J]. Journal of South China Agricultural University (Social Science Edition), 2015(3): 104-113. (in Chinese with English abstract)

[12] 牛亮云，侯博，吳林海. 基于灰關(guān)聯(lián)熵的中國(guó)農(nóng)業(yè)能源投入與糧食產(chǎn)出關(guān)系研究[J]. 財(cái)貿(mào)研究，2012，23(2)：45-53.

Niu Liangyun, Hou Bo, Wu Linhai. Relationship between agricultural energy input and food output of China based on gray gelational entropy analysis[J]. Finance and Trade Research, 2012, 23(2): 45-53. (in Chinese with English abstract)

[13] 李文靜，許文強(qiáng)，包安明，等. 阿姆河流域耕地變化及水土匹配特征分析[J]. 水資源保護(hù)，2021，37(3)：80-86，107.

Li Wenjing, Xu Wenqiang, Bao Anming, et al. Analysis of cultivated land change and water-land matching characteristics in Amu Darya River Basin[J]. Water Resources Protection, 2021, 37(3): 80-86, 107. (in Chinese with English abstract)

[14] 李曉燕，郝晉珉，陳愛(ài)琪. 山東省農(nóng)業(yè)水土資源時(shí)空匹配格局及評(píng)價(jià)研究[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2020，25(11)：1-11.

Li Xiaoyan, Hao Jinmin, Chen Aiqi. Time-space matching pattern and evaluation of agricultural water and soil resources in Shandong Province[J]. Journal of China Agricultural University, 2020, 25(11): 1-11. (in Chinese with English abstract)

[15] 王佳月，辛良杰，戴爾阜. 中國(guó)典型山區(qū)農(nóng)業(yè)水土資源匹配格局變化：以太行山區(qū)、橫斷山區(qū)、黔桂喀斯特山區(qū)為例[J]. 地理研究，2020，39(8)：1879-1891.

Wang Jiayue, Xin Liangjie, Dai Erfu. Spatio-temporal variations of the matching patterns of agricultural land and water resources in typical mountainous areas of China[J]. Geographical Research, 2020, 39(8): 1879-1891. (in Chinese with English abstract)

[16] 韓雁，賈紹鳳，魯春霞，等. 水資源與社會(huì)經(jīng)濟(jì)發(fā)展要素時(shí)空匹配特征：以張家口為例[J]. 自然資源學(xué)報(bào)，2020，35(6)：1392-1401.

Han Yan, Jia Shaofeng, Lu Chunxia, et al. Spatiotemporal matching between water resources and social economy: A case study in Zhangjiakou[J]. Journal of Natural Resources, 2020, 35(6): 1392-1401. (in Chinese with English abstract)

[17] 郝林鋼，左其亭，劉建華，等. “一帶一路”中亞區(qū)水資源利用與經(jīng)濟(jì)社會(huì)發(fā)展匹配度分析[J]. 水資源保護(hù)，2013，4(4)：42-48.

Hao Lingang, Zuo Qiting, Liu Jianhua, et al. Analysis of matching degree between water resource utilization and economic-social development in Central Asia area of “Belt and Road”[J]. Water Resources Protection, 2013, 4(4): 42-48. (in Chinese with English abstract)

[18] 張磊，錢暢，黃佳賢，等. 合肥市生態(tài)環(huán)境與經(jīng)濟(jì)協(xié)調(diào)發(fā)展研究[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃，2019，40(9)：192-198.

Zhang Lei, Qian Chang, Huang Jiaxian. et al. The Study on the coordinated development of ecological environment and economy in Hefei City[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2019, 40(9): 192-198. (in Chinese with English abstract)

[19] 周美玲，馮秀麗，劉愷愷，等. 綠色空間與經(jīng)濟(jì)發(fā)展典型要素時(shí)空匹配性研究：以浙江省為例[J]. 中國(guó)土地科學(xué)，2021，35(3)：107-114.

Zhou Meiling, Feng Xiuli, Liu Kaikai, et al. Spatial-temporal matching between green space and typical elements of economic development: A case study on Zhejiang Province[J]. China Land Science, 2021, 35(3): 107-114. (in Chinese with English abstract)

[20] 熊鷹，孫維筠，汪敏，等. 長(zhǎng)株潭城市群水資源與經(jīng)濟(jì)發(fā)展要素的時(shí)空匹配[J]. 經(jīng)濟(jì)地理，2019，39(1)：88-95.

Xiong Ying, Sun Weijun, Wang Min, et al. Spatio-temporal matching between water resource and economic development elements in Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Economic Geography, 2019, 39(1): 88-95. (in Chinese with English abstract)

[21] 劉耀彬，肖小東，邵翠. 長(zhǎng)江經(jīng)濟(jì)帶水土資源約束的動(dòng)態(tài)轉(zhuǎn)換機(jī)制及空間異質(zhì)性分析：基于平滑面板轉(zhuǎn)換模型和趨勢(shì)面的檢驗(yàn)[J]. 中國(guó)人口·資源與環(huán)境，2019，29(3)：89-98.

Liu Yaobin, Xiao Xiaodong, Shao Cui. Dynamic transformation mechanism and spatial heterogeneity analysis to water and land resources constraints in the Yangtze River Economic Zone: A test based on PSTR model and trend surface[J]. China Population, Resources and Environment, 2019, 29(3): 89-98. (in Chinese with English abstract)

[22] 王賓，楊琛. 長(zhǎng)江經(jīng)濟(jì)帶水資源對(duì)城鎮(zhèn)化的約束效應(yīng)研究[J]. 宏觀經(jīng)濟(jì)研究，2019(6)：122-131.

Wang Bin, Yang Chen. A study on the constraint effect of water resources in the Yangtze River Economic Belt on urbanization[J]. Macroeconomics, 2019(6): 122-131. (in Chinese with English abstract)

[23] Zhang Y, Liu W, Khan S U, et al. An insight into the drag effect of water, land, and energy on economic growth across space and time: the application of improved Solow growth model[J]. Environmental Science and Pollution Research, 2022, 29(5): 6886-6899.

[24] Zhao C, Wu Y, Ye X, et al. The direct and indirect drag effects of land and energy on urban economic growth in the Yangtze River Delta, China[J]. Environment, Development and Sustainability, 2019, 21(6): 2945-2962.

[25] Xu J, Zhou M, Li H. The drag effect of coal consumption on economic growth in China during 1953-2013[J]. Resources, Conservation and Recycling, 2018, 129: 326-332.

[26] 李紅芳，王會(huì)肖，趙茹欣，等. 基于Copula函數(shù)的水-能源-糧食共生安全風(fēng)險(xiǎn)概率[J].農(nóng)業(yè)工程學(xué)報(bào)，2021，37(08)：332-340.

Li Hongfang, Wang Huixiao, Zhao Ruxin, et al. Estimating the symbiosis risk probability of water-energy-food using Copula function[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(8): 332-340. (in Chinese with English abstract)

[27] 張可云，張穎. 不同空間尺度下黃河流域區(qū)域經(jīng)濟(jì)差異的演變[J]. 經(jīng)濟(jì)地理，2020，40(7)：1-11.

Zhang Keyun, Zhang Ying. The evolution of regional economic disparity in the Yellow River Basin at different spatial scales[J]. Economic Geography, 2020, 40(7): 1-11. (in Chinese with English abstract)

[28] 周曉艷，郝慧迪，葉信岳，等. 黃河流域區(qū)域經(jīng)濟(jì)差異的時(shí)空動(dòng)態(tài)分析[J]. 人文地理，2016，31(5)：119-125.

Zhou Xiaoyan, Hao Huidi, Ye Xinyue, et al. A spatial-temporal analysis of regional economic inequality in Yellow River Valley[J]. Human Geography, 2016, 31(5): 119-125. (in Chinese with English abstract)

[29] 高鴻業(yè). 西方經(jīng)濟(jì)學(xué)：微觀部分[M]. 北京：中國(guó)人民大學(xué)出版社，2018.

[30] Romer D. Advanced Macroeconomics[M]. Second Edition, Shanghai: Shanghai University of Finance＆Economics Press, 2003: 31-33.

[31] Zhao M, Chen Z, Zhang H, et al. Impact assessment of growth drag and its contribution factors: Evidence from China’s agricultural economy[J]. Sustainability, 2018, 10(9): 3262.

Spatial-temporal matching patterns for grain production using water and energy resources and damping effect in the Yellow River Basin

Chen Shuai1, Hou Mengyang2, Li Yuanyuan1, Deng Yuanjie1, Yao Shunbo1※

1.,,,712100,; 2071000,)

Shortage and matching dislocation of water resources and energy can pose a serious risk to the growth rate of food production. Particularly, water, energy and food are the indispensable resources in the human life and development. In this study, the Lorentz curve and Gini coefficient were used to evaluate the matching degree between the water-grain and energy-grain in the Yellow River Basin. Cobb-Douglas function was also applied for the grain growth damping model, in order to calculate the restriction degree of water resources and energy on the grain production. The results show that: 1) The Gini index of water resources and energy to the grain decreased first and then increased, the matching degree of which was more reasonable in the lower reaches of the Yellow River than that of the upper and middle reaches. In 2019, the Gini index values of water resources to grain in the Yellow River and the upper, middle and lower reaches were 0.365, 0.379, 0.336, and 0.122, respectively, while the Gini index values of energy to grain were 0.194, 0.218, 0.206, and 0.118, respectively, indicating the high matching in the lower reaches. The water resources and energy in the upper and middle reaches were generally matched with the grain. 2) The damping coefficient of water resources to grain production was fluctuated greatly, where the variation range of damping coefficient was 0.005-0.032. Besides, the damping effect of water resources on the grain growth basically presented a six-year cycle with a decrease-increase-decrease situation. By contrast, there was a steady increase in the damping effect of energy on the grain, the energy damping coefficient increased rapidly after 2015. Under the constraints of water resources and energy in 2019, the annual grain output growth was reduced by 0.76%, and 5.28%, respectively, compared with the previous year. 3) There was a certain degree of agglomeration in the damping effect of water resources and energy. The damping coefficient of water resources presented the pattern of small in the West and large in the East. A medium and high constraint state was obtained in the energy damping effect, which was concentrated in the eastern and lower reaches of the upper reaches, whereas, the low constraint state was concentrated in the middle reaches of the Yellow River. In addition, there was the typical spatial agglomeration in the damping coefficient of water resources and energy. The H(High)-H(High) agglomeration area of water resources damping effect was mainly distributed in the lower reaches of the Yellow River, whereas, the L(Low)-L(Low) agglomeration area of energy damping effect was distributed in the northern part of the middle reaches. The finding can provide a strong reference for the stable growth of grain and the effective allocation of resources in the Yellow River Basin.

spatial matching; Gini index; growth damping; food production; Yellow River Basin

10.11975/j.issn.1002-6819.2022.18.027

F302.5

A

1002-6819(2022)-18-0246-09

陳帥，侯孟陽(yáng)，李園園，等. 黃河流域水資源、能源與糧食生產(chǎn)的時(shí)空匹配及阻尼效應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(18)：246-254.doi：10.11975/j.issn.1002-6819.2022.18.027 http://www.tcsae.org

Chen Shuai, Hou Mengyang, Li Yuanyuan, et al. Spatial-temporal matching patterns for grain production using water and energy resources and damping effect in the Yellow River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(18): 246-254. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.18.027 http://www.tcsae.org

2022-06-08

2022-08-26

國(guó)家自然科學(xué)基金項(xiàng)目（71773091）

陳帥，博士生，研究方向?yàn)橘Y源經(jīng)濟(jì)與環(huán)境管理、區(qū)域經(jīng)濟(jì)研究。Email：xncs26@163.com

姚順波，博士，教授，博士生導(dǎo)師，研究方向?yàn)橘Y源經(jīng)濟(jì)與環(huán)境管理、林業(yè)政策效果評(píng)估。Email：yaoshunbo@163.com