EN中文

经济地理 >

2024 , Vol. 44 >Issue 12: 177 - 186

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.12.018

三农、土地与生态

中国农业“水—能源—粮食”系统协同发展及其影响因素

  • 卢召艳 , 1, 2 ,
  • 黎红梅 , 1, ※
展开
  • 1.湖南农业大学 经济学院，中国湖南 长沙 410128
  • 2.湖南财政经济学院 经济地理学院/湖南省经济地理研究所，中国湖南 长沙 410205
※黎红梅（1973—），女，博士，教授，博士生导师，研究方向为农业水资源管理。E-mail：

卢召艳（1988—），女，博士研究生，研究方向为农业水资源管理。E-mail：

收稿日期: 2024-01-04

  修回日期: 2024-06-12

  网络出版日期: 2025-01-21

基金资助

国家社会科学基金项目(22BJY178)

湖南省水利科技重大项目(XSKJ2022068-29)

收起

Coordination Development of "Water-Energy-Food" System in China's Agriculture and Its Influencing Factors

  • LU Zhaoyan , 1, 2 ,
  • LI Hongmei , 1, ※
Expand
  • 1. Economic College，Hunan Agricultural University，Changsha 410128，Hunan, China
  • 2. College of Economic Geography / Hunan Institute of Economic Geography，Hunan University of Finance and Economics，Changsha 410205，Hunan, China

Received date: 2024-01-04

  Revised date: 2024-06-12

  Online published: 2025-01-21

Fold

摘要

文章在厘清农业“水—能源—粮食”系统协同的内涵及影响因素的基础上，基于2000—2021年中国30个省域的面板数据，构建了农业“水—能源—粮食”系统协同发展评价指标体系，运用耦合协调、空间自相关、空间计量等模型探讨了农业“水—能源—粮食”系统协同发展水平的时空演变特征及影响因素。结果表明：①时空演变方面，中国农业“水—能源—粮食”系统协同发展水平总体较低，在时间上呈现波动上升趋势，在空间上呈现东部>西部>东北>中部的特征。②空间关联方面，中国农业“水—能源—粮食”系统协同发展水平呈现出显著的空间正相关性，具有明显的空间集聚特征。③影响因素方面，城镇化水平、农业经营规模、科技创新、财政支农、环境规制和农民收入均有利于本地农业“水—能源—粮食”系统协同发展水平的提高，且城镇化水平、农业经营规模和科技创新具有显著的正向空间溢出效应。

关键词： 农业; “水—能源—粮食”系统; 协同发展; 城镇化; 农业经营规模; 科技创新

本文引用格式

卢召艳 , 黎红梅 . 中国农业“水—能源—粮食”系统协同发展及其影响因素[J]. 经济地理, 2024 , 44(12) : 177 -186 . DOI: 10.15957/j.cnki.jjdl.2024.12.018

Abstract

This article aims to clarify the connotation and influencing factors of the coordination development of the"water-energy-food" system of agriculture. Based on the panel data of 30 provincial-level regions in China from 2000 to 2021, this article constructs an evaluation index system for the coordination development of the "water-energy-food" system of agriculture. Various models including coupling coordination,spatial autocorrelation,spatial Markov chain,and spatial econometrics are utilized to explore spatial-temporal evolution and influencing factors of the coordination development level of the "water-energy-food" system of agriculture. The results indicate that: 1) In terms of spatial-temporal evolution,the overall coordination development level of the "water-energy-food" system of China agriculture is relatively low,and shows a fluctuating upward trend and a uneven spatial distribution characteristic which is higher in eastern region than that in western region,followed by northeastern region and central region respectively. 2) In terms of spatial correlation,the coordination development level of the "water-energy-food" system of China agriculture shows a significant positive spatial correlation,with obvious spatial agglomeration characteristics. 3) In terms of influencing factors,urbanization level,agricultural operation scale,sci-tech innovation,fiscal support for agriculture,environmental regulations,and farmer income are all conducive to the improvement of the coordination development level of the "water-energy-food" system of local agriculture. Urbanization level,agricultural operation scale,and sci-tech innovation have significant positive spatial spillover effects.

Key words： agricultural: "water-energy-food" system; coordination development; urbanization; agricultural operation scale; sci-tech innovation

水资源是粮食生产的命脉，能源是国民经济生产与运行的重要保障，粮食安全是“国之大者”，水、能源、粮食均是国家经济社会发展进程中的战略性、基础性资源。近年来，随着人口的增长和经济社会的发展，水资源短缺、能源需求旺盛、粮食不足导致区域冲突加剧，全球水、能源、粮食三者之间的相关性不断增强。当前，中国农业依靠资源消耗的粗放式发展还没有得到根本性扭转，资源和环境对农业高质量发展的约束趋紧[1]。虽然以粮食生产为代表的农业“增长”是连续的，但水资源、能源与粮食协同发展不够，粮食生产中水资源和能源利用效率不高。党的二十大报告提出要“推进美丽中国建设，协同推进降碳、减污、扩绿、增长，推进生态优先、节约集约、绿色低碳发展”，为水—能源—粮食系统协同发展指明了方向。因此，运用系统协同观念研究水—能源—粮食之间的关系对于促进农业高质量发展具有重要意义。
学术界对水、能源、粮食之间的关系进行了较多研究，以往研究大多关注单一独立要素，或在水、粮食和能源中的两元素之间建立二元局部联结，分析了水—能源、水—粮食以及粮食—能源等三者中的两两关系[2-4]，但是将三者作为一个系统的耦合研究仍然比较匮乏。伴随着3种资源的相互依赖、相互影响，学者们逐渐意识到三者之间存在多重因果联系，应做耦合协同关系研究。2011年11月德国波恩会议正式提出“水—能源—粮食纽带关系”（Water-Energy-Food Nexus，WEF Nexus），探索构建耦合“水—能源—粮食”关联系统整体研究的新视角与新思路，以促进资源协同、提高系统效率、实现可持续发展，确保“水—能源—粮食”系统的安全性[5]；2014年，联合国粮农组织（FAO）对农业“水—能源—粮食”关联系统进行了阐述，并提出从“水—能源—粮食”纽带关系的角度来评估粮食安全和农业可持续发展情况[6]。此后，关于“水—能源—粮食”系统的研究日益增多，主要表现在以下几个方面：①“水—能源—粮食”系统的概念和内涵。学者们从不同领域、不同视角及不同尺度，对纽带关系的概念内涵进行了相关研究，指出土地、水资源、能源、资本、劳动力等是系统内部的基础资源，人口增长、城镇化、技术进步、政府治理等是系统外部的驱动因素，与水、能源和粮食相关的社会、经济和环境效益是系统管理调控的目标[7]。②“水—能源—粮食”关联系统的测度。相关学者采用DEA、超效率SBM模型、综合协同指数、耦合协调模型等方法对“水—能源—粮食”系统的效率[8]、压力[9]、适配性[10]、耦合协调度[11]等进行测度。③“水—能源—粮食”系统的仿真模拟。孙才志等基于SD模型对中国西南“水—能源—粮食”纽带系统进行仿真模拟[12]；王慧敏等提出了水—能源—粮食协同安全框架，并以山东省为例，开展“水—能源—粮食”纽带关系下区域绿色发展政策仿真研究，建议制定相关政策时应基于“水—能源—粮食”纽带关系，促进地区的水、能源、粮食的协同，改善地区的水生态环境，实现绿色发展[13]。
综上所述，国内外学者对“水—能源—粮食”系统进行了大量研究，为本文的研究奠定了良好基础，但尚存在一些不足之处：①较少关注我国农业领域的“水—能源—粮食”系统及其协同关系。②较少从空间关联视角探究我国农业“水—能源—粮食”系统协同的时空演变及影响因素。基于此，本文选取2000—2021年我国30个省域的面板数据，厘清农业“水—能源—粮食”系统协同的内涵，科学测算我国农业“水—能源—粮食”系统协同发展水平，准确把握其时空演变特征，深入探讨其时空演变过程中的关键驱动因素及空间溢出效应，对促进多资源协同管理水平提升、保障粮食安全、推进农业高质量发展具有重要的理论和现实意义。

1 理论依据

1.1 农业“水—能源—粮食”系统协同的内涵

农业“水—能源—粮食”（WEF）关联系统包含农业用水、农业用能和粮食生产3个部分，其中农业用水是指农业生产活动中需要的水资源，农业用能是指农业生产活动中农机具等所使用的柴油、电力等能源[14-15]，粮食是指农业生产活动中所生产的各类粮食。农业用水、农业用能与粮食生产3个子系统之间呈现复杂的动态关系[16-17]，其中一个子系统的变动将会带动另外两个子系统发生“连锁反应”（图1）。因此，需促进农业“水—能源—粮食”系统协同发展，提高粮食生产中水资源和能源的利用效率，助推农业高质量发展。
图1 农业“水—能源—粮食”系统协同机理及影响因素分析框架

Fig.1 Analysis framework of coordination mechanism and influencing factors of “water-energy-food” system of agriculture

协同理论是由德国理论物理学家Ha Ken于1977年首先提出的。他指出了系统内各子系统或各要素相互协同、相互合作与相互配合的重要性，认为复杂系统从无序到有序、从波动到稳定是系统内在因素相互协同的结果，并强调各子系统或各要素的能量聚集会产生一种超越原各自功能总和的新功能[18]。这为农业“水—能源—粮食”系统协同发展提供了有效的理论支撑。当前，我国水资源面临日益短缺及时空分布不平衡、能源消耗面临“双碳”政策与高质量发展的刚性约束、粮食生产面临农民种粮收益偏低及各种资源“非农化”和“非粮化”等问题[19]，农业“水—能源—粮食”系统协同要求在可持续发展框架内，寻求农业用水、农业用能及粮食生产三者之间协同匹配的策略，从而形成1+1+1>3的效果[10]。从系统内部来看，农业水资源高效配置可以为农业用能及粮食生产提供持续稳定的保障，农业用能结构优化有助于提升粮食生产水平及农业水资源利用效率，粮食种植结构改善有助于降低农业用水和农业用能的消耗。从系统外部性来看，农业“水—能源—粮食”系统所构建的复合系统协同演化对经济发展、社会进步和生态环境产生重要影响，有助于促进生态共治、倒逼产业结构升级、强化区域间合作、提高水资源和能源利用水平、推动农业绿色低碳发展[20]。

1.2 农业“水—能源—粮食”系统协同的影响因素

随着经济社会的发展、人口的增加、工业化和城镇化进程的加快及气候变化的加剧，水资源、能源和粮食生产面临巨大挑战[21]，水资源和能源被工业和生活大量挤占，农业“水—能源—粮食”系统风险问题日益突出。同时，财政支农、科技创新和环境规制可通过影响农业技术创新、科研成果转化、清洁能源生产和农业灌溉基础设施建设等，对农业“水—能源—粮食”系统协同发展的时空演变产生影响[22]（图1）。综上所述，在水资源、能源和粮食的供给受到较大约束的客观背景下，为实现可持续发展目标，必然需要采取提升科学技术、加大资本投入以及推动绿色发展理念等一系列措施，以此推动区域农业“水—能源—粮食”系统最终达到协同发展的最优状态。

2 研究方法与数据来源

2.1 研究方法

2.1.1 耦合协调度模型

耦合的概念来源于物理学，其表示两个或者两个以上系统通过各种相互作用而彼此影响的现象[23]。本文首先采用熵权法测度各子系统的综合发展水平，然后采用耦合协调模型计算农业“水—能源—粮食”系统的耦合协调度。具体公式如下：
C = U 1 · U 2 · U 3 U 1 + U 2 + U 3 3
T = α U 1 + β U 2 + χ U 3
D = C · T
式中：C为耦合度；D为耦合协调度；U 1表示水资源子系统；U 2表示能源子系统；U 3表示粮食子系统；T为综合协调指数；α 、 β 、 χ为待定系数，由于水、能源、粮食三者同等重要，本文设定α = β = χ = 1 / 3。一般说来耦合度C能够判断出农业水资源、能源、粮食三者之间耦合作用的强弱程度，但无法反映出三者整体的协同效应，而耦合协调度可以判断不同系统的整体功效和协同效应[24]，为此，本文采用耦合协调度D来表征农业“水—能源—粮食”系统的协同程度。参考相关研究结果，将我国农业“水—能源—粮食”系统协同等级依次划分为极度失调[0，0.1）、严重失调[0.1，0.2）、中度失调[0.2，0.3）、轻度失调[0.3，0.4）、濒临失调[0.4，0.5）、勉强协调[0.5，0.6）、初级协调[0.6，0.7）、中级协调[0.7，0.8）、良好协调[0.8，0.9）、优质协调[0.9，1.0）10个等级[25]。

2.1.2 空间自相关分析

空间自相关是运用统计学方法检验变量与其空间位置的相关性，能够有效探测变量的空间格局特征与空间变异规律，包括全局空间自相关和局部空间自相关，具体计算公式参考相关文献[26]。

2.1.3 空间计量模型

Anselin认为任何地区的经济单元都不是孤立存在的，我国农业“水—能源—粮食”系统协同发展的时空演变伴随着区域间资源要素的交互流通和协同配置，地理距离越近，其联系越紧密[27]，这意味着相邻地区间农业“水—能源—粮食”系统协同发展的时空演变可能存在相互影响。因此，本文采用空间计量模型探究我国农业“水—能源—粮食”系统协同发展的影响因素，具体计算公式参考相关文献[28]。

2.2 指标体系构建

农业“水—能源—粮食”系统是一个相互联系、内容庞大且结构复杂的巨系统，其协同水平评价指标体系的构建具有多样性和不确定性。本文在综合考虑农业水资源、能源和粮食三者间协同机理的基础上，遵循科学性、完备性和可操作性的原则，参考相关研究成果[10-13,29-30]，构建区域农业“水—能源—粮食”系统协同水平评价指标体系，采用熵权法测度各指标的权重（表1）。
表1 区域农业“水—能源—粮食”系统协同水平评价指标体系

Tab.1 Evaluation index system of coordination development level of “water-energy-food” system of regional agriculture

系统层 指标层 指标解释 单位 指标方向 权重
水资源系统 单位面积粮食用水量 粮食用水量/粮食播种面积 m3/hm2 - 0.018
有效灌溉率 有效灌溉面积/粮食播种面积 % + 0.127
粮食用水保障度 水资源供给量/粮食播种面积 m3/hm2 + 0.509
粮食用水强度 粮食用水量/粮食产量 m3/t - 0.017
节水灌溉指数 节水灌溉面积/粮食播种面积 % + 0.328
能源系统 单位面积柴油使用量 农用柴油使用量/粮食播种面积 t/hm2 - 0.061
柴油使用强度 农用柴油使用量/粮食产量 t/104kg - 0.045
能耗产出 农业产值/农用柴油使用量 万元/t + 0.873
单位面积用电量 农业用电量/粮食播种面积 kW·h/hm2 - 0.009
电力使用强度 农业用电量/粮食产量 kW·h/t - 0.012
粮食系统 粮食单产 粮食总产量/粮食播种面积 t/hm2 + 0.109
单位面积机械总动力 机械总动力/粮食播种面积 kW/hm2 + 0.264
粮食成灾指数 粮食成灾面积/粮食播种面积 % - 0.039
劳均粮食产量 粮食总产量/劳动人口 kg/万人 + 0.462
粮食种植结构 粮食播种面积/农作物播种面积 % + 0.127

2.3 数据来源

基于数据的可获得性及时效性，本文选取我国30个省、自治区、直辖市（以下简称“省域”）2000—2021年的数据为研究样本，其中不包含港澳台地区和西藏自治区。各变量数据主要来源于历年的《中国统计年鉴》《中国农村统计年鉴》《中国环境统计年鉴》《中国人口与就业统计年鉴》《中国水资源公报》、各省域水资源公报以及统计年鉴，对于部分缺失的数据采用插值法补齐。

3 农业“水—能源—粮食”系统协同水平的变化特征

3.1 农业“水—能源—粮食”系统协同水平的时间演变特征

为较好地反映我国农业“水—能源—粮食”系统协同水平的时间演变特征，对我国30个省域2000—2021年农业水资源、能源、粮食3个子系统综合发展水平及“水—能源—粮食”系统协同水平求算术平均值。图2结果显示，我国农业“水—能源—粮食”系统的协同水平整体较低，研究期间协同水平均值为0.329，处于轻度失调水平。从时间趋势上看，我国2000—2021年农业“水—能源—粮食”系统的协同水平平稳上升，从2000年的0.288上升到2019年的0.355，增长23.26％；2019年后由于疫情原因，协同水平有所降低，从2019年的0.355略降到2021年的0.349。从各子系统综合发展水平得分来看，粮食系统（0.283）>水资源系统（0.140）>能源系统（0.052），说明能源系统和水资源系统是制约我国农业“水—能源—粮食”系统协同发展的关键因素。当前，我国粮食生产水资源和能源利用效率不高，与世界先进水平差距较大[19]，如何提高粮食生产用水和用能效率，推动粮食生产用水和用能方式由粗放低效向节约集约转变，是亟待解决的关键问题。
图2 2000—2021年我国农业“水—能源—粮食”各子系统综合发展水平及整体协同水平均值

Fig.2 Mean value of comprehensive development level and overall coupling coordination level of subsystems of “water-energy-food” system in China agriculture from 2000 to 2021

参考相关研究，将我国30个省域划分为东部、中部、西部和东北四大地区[31]。从区域差异上看，我国农业“水—能源—粮食”系统协同水平在区域之间发展不平衡问题凸显（图3）。其中，东部地区农业“水—能源—粮食”系统协同水平高于全国平均水平且排名位居四大地区之首，研究期间平均水平为0.395；西部地区和东北地区农业“水—能源—粮食”系统协同水平排名长期居于中位，波动最为平缓，研究期间平均水平分别为0.307和0.297；中部地区农业“水—能源—粮食”系统协同水平最低，研究期间平均水平为0.275。但中部地区农业“水—能源—粮食”系统协同水平增长速度较快，由2000年的0.241增长到2021年的0.303，年均增长1.10％，2021年中部地区农业“水—能源—粮食”系统协同水平已经与东北地区持平，说明中部地区农业“水—能源—粮食”系统协同水平有所改善。中部地区持续推进农业绿色低碳发展和农业现代化改革，不断加大节水、节能技术创新，加强资源节约集约利用，促进了农业“水—能源—粮食”系统协同发展水平的提升。
图3 2000—2021年中国四大地区农业“水—能源—粮食”系统协同水平均值

Fig.3 Mean value of coordination development level of “water-energy-food” system of China agriculture in four regions from 2000 to 2021

3.2 农业“水—能源—粮食”系统协同水平的空间演变特征

为更直观地呈现我国农业“水—能源—粮食”系统协同发展的空间演变特征，结合前文所述协同水平的划分等级，根据等时间距，利用ArcGIS软件对2000、2007、2014及2021年各省域农业“水—能源—粮食”系统的协同结果进行空间可视化分析（图4）。结果显示：①2000年我国农业“水—能源—粮食”系统协同水平整体为失调衰退类，其中11个省域处于轻度失调，18个省域处于中度失调，1个省域处于严重失调。从空间分布上看，东部地区农业“水—能源—粮食”系统的协同水平较高，其中北京、天津、河北等8个省域处于轻度失调，而中、西部地区除新疆处于濒临失调，大多数省域协同水平为中度失调，重庆处于严重失调。②2007年我国农业“水—能源—粮食”系统协同水平整体有一定的提升，其中天津、上海、浙江3个省域进入濒临失调等级，11个省域为轻度失调，16个省域为中度失调。③2014年我国农业“水—能源—粮食”系统协同水平继续攀升，其中浙江、上海2个省域步入勉强协同等级，6个省域为濒临失调，中度失调省域降低到11个。④2021年我国农业“水—能源—粮食”系统协同水平进一步提升，处于过渡发展类。其中，东部地区农业“水—能源—粮食”系统协同水平依然高于其他地区，北京为勉强协调，上海、浙江、福建、海南等4个省域为濒临失调，天津、河北、辽宁等7个省域为轻度失调；中、西部地区大多数省域农业“水—能源—粮食”系统协同水平由中度失调转变为轻度失调，说明产业结构的升级调整与生态文明理念的落实有效促进了我国农业“水—能源—粮食”系统协同水平的提升，但处于协调发展水平的省域仍然屈指可数，表明我国农业“水—能源—粮食”系统协同仍有很大的提升空间以及亟待完善之处。
图4 我国农业“水—能源—粮食”系统协同水平的空间分布演变

注：本图基于自然资源部标准地图服务网站GS（2020）4630号标准地图制作，底图边界无修改。

Fig.4 Spatial distribution of coordination development level of “water-energy-food” system of China agriculture

4 农业“水—能源—粮食”系统协同水平的影响因素分析

4.1 影响因素选取

根据前文理论分析框架，借鉴相关研究成果[32]，选取城镇化水平、财政支农、农业经营规模、复种指数、科技创新、环境规制、农民收入水平7个指标探讨其对农业“水—能源—粮食”系统协同水平时空演变的影响，其中：城镇化水平（urb）以城镇人口占总人口的比重（%）来表示；财政支农（fin）以地方财政农林水事务支出占财政总支出比重（%）来表示；农业经营规模（sca）以农村居民家庭经营耕地面积（亩/人）来表示；复种指数（mul）以农作物播种面积与耕地面积之比（%）来表示；科技创新（tec）以地方财政科学技术支出占财政总支出比重（%）来表示；环境规制（env）以地方环保支出占财政总支出比重（%）来表示；农民收入水平（inc）以农村居民人均可支配收入（万元/人）来表示。

4.2 空间相关性检验

①全局空间自相关分析。空间相关性检验是研究单元空间依赖性判断及计量模型选择的重要参考。基于探索性空间数据分析方法采用Moran's I指数对研究期农业“水—能源—粮食”系统协同水平的相关性进行检验。由表2结果看出，研究期内我国农业“水—能源—粮食”系统协同水平的全局莫兰指数的最小值为0.025，最大值为0.087，且均在10%水平下通过了显著性检验，说明我国农业“水—能源—粮食”系统协同水平具有显著的空间正相关性，在空间上呈现出了明显的集聚特征。因此，有必要将空间因素纳入基础计量模型的架构范畴，以空间计量的分析框架对农业“水—能源—粮食”系统协同水平的影响因素进行估计。
表2 2000—2021年我国农业“水—能源—粮食”系统协同水平的Moran's I指数

Tab.2 Moran index of coordination development level of "water-energy-food" system of China agriculture in 2000-2021

年份 农业“水—能源—粮食”
系统协同		 年份 农业“水—能源—粮食”
系统协同
2000 0.049** 2011 0.056**
2001 0.062*** 2012 0.048**
2002 0.058** 2013 0.060***
2003 0.058** 2014 0.084***
2004 0.063*** 2015 0.074***
2005 0.051** 2016 0.086***
2006 0.068*** 2017 0.087***
2007 0.056** 2018 0.076***
2008 0.035** 2019 0.064***
2009 0.059*** 2020 0.066***
2010 0.051** 2021 0.025*

注：***、**、*分别表示1%、5%和10%的显著性水平。表5~表7同。

②局部空间自相关分析。全局空间自相关分析从整体上验证了我国农业“水—能源—粮食”系统协同水平的空间分布存在集聚特征，但无法显示各省域农业“水—能源—粮食”系统协同水平的空间关联特征。为此，参考相关研究成果[32]，根据等时间距，绘制我国30个省域2000、2007、2014和2021年农业“水—能源—粮食”系统协同水平的局部莫兰散点图，并将局部莫兰指数的空间集聚类型分为高—高型、低—高型、低—低型和高—低型4种（图5）。由图5可知，2000、2007、2014和2021年绝大多数省域都落在第一或第三象限内，可见绝大多数省域农业“水—能源—粮食”系统协同水平表现出了高—高集聚或者低—低集聚特征，即同向集聚效应占据主导地位。由此表明，我国省域农业“水—能源—粮食”系统协同水平在地理上存在空间邻近同伴效应和溢出效应，邻近地区之间的自然、经济、社会和文化相似度高，空间距离近，交通成本低，相互联系频繁，信息获取快捷方便，在资源管理、环境治理、经济发展中所采取的政策措施以及策略行为之间具有相互模仿、学习和竞争效应[33]。即当本地区农业“水—能源—粮食”系统的协同水平处于高（低）水平时，周围邻近地区也更容易成为高（低）水平农业“水—能源—粮食”系统协同水平。
图5 不同时期我国农业“水—能源—粮食”系统协同水平的莫兰散点图

Fig.5 Moran scatter plot of coordination development level of “water-energy-food” system of China agriculture at different period

4.3 计量模型检验

在进行影响因素分析之前，需要对空间计量模型进行检验[31]，借用Hausman、LM、Robust LM、Wald、LR检验来判断使用何种空间计量模型更为合适，结果见表3。根据检验结果，本文最终选用时间与地区双固定的空间杜宾模型探讨各驱动因素对农业“水—能源—粮食”系统协同水平影响的空间效应。
表3 空间计量模型检验结果

Tab.3 Results of spatial econometric models

检验方法 结果 检验方法 结果
Hausman 2.290** Wald-lag 45.010***
LM-error 80.432*** Wald-error 38.020***
Robust LM-error 109.671*** LR-lag 44.240***
LM-lag 15.596*** LR-error 50.930***
Robust LM-lag 44.835***
从双固定空间杜宾模型估计结果看，空间自回归系数ρ显著为正（表4），表明农业“水—能源—粮食”系统协同水平具有正向的空间溢出效应，即本地区农业“水—能源—粮食”系统协同水平的提升会带动相邻地区农业“水—能源—粮食”系统协同水平的提升。
表4 空间杜宾模型估计结果

Tab.4 Estimation results of spatial Durbin model

变量 系数 变量 系数
urb 0.148***（4.850） W·urb 0.209***（3.130）
fin 0.045**（2.040） W·fin 0.018（0.390）
sca 0.021***（15.110） W·sca 0.008***（2.760）
mul 0.002（0.530） W·mul 0.008（1.060）
tec 0.772***（8.200） W·tec 0.305*（1.740）
env 0.094*（1.880） W·env -0.104（-1.270）
inc 0.027*（1.680） W·inc 0.017（0.570）
ρ 0.096*（1.800）
N 660
R2 0.759
Log-likelihood 1860.609
地区固定 Yes
时间固定 Yes

4.4 空间效应分解

LeSage等指出运用空间杜宾模型判断空间效应可能存在偏误[34]，结果无法准确反映自变量对因变量的影响程度，必须通过偏微分的方法将空间效应进行分解，其中直接效应指本地区自变量对本地区因变量的影响，间接效应指本地区自变量对邻近地区因变量的影响，即空间溢出效应[31]。空间效应分解结果具体见表5。
表5 空间效应分解结果

Tab.5 Decomposition results of spatial effects

变量 直接效应 间接效应
urb 0.154***（4.990） 0.240***（3.680）
fin 0.045**（2.090） 0.028（0.590）
sca 0.021***（16.370） 0.011***（3.980）
mul 0.002（0.580） 0.008（1.070）
tec 0.779***（8.610） 0.428**（2.160）
env 0.094*（1.910） -0.106（-1.290）
inc 0.027*（1.690） 0.022（0.710）

4.4.1 直接效应

城镇化水平（urb）的直接效应系数显著为正，说明城镇化水平的提高促进了农业“水—能源—粮食”系统协同发展，城镇化的核心主要体现在人口的城镇化，在城乡二元体制结构的背景下，城镇化的发展会吸引农村剩余劳动力向城市流动，导致投入农业生产的劳动力总量减少，在耕地规模相对不变前提下提升了农业规模化生产能力，提高耕地的集约利用程度及农业水资源和能源的利用效率，有利于本地区农业“水—能源—粮食”系统协同发展[35]。财政支农（fin）的直接效应系数显著为正，农业作为弱质性产业，受制于其本身风险高和比较优势低等特征，仅依靠农业市场的自由竞争发展不足以满足农村经济发展的需求，需要各级政府部门的引导与护航，农业财政支出可以通过粮食直补、良种和农机补贴、农资综合直接补贴等资金投入降低农民生产成本，提高农民种粮收益；同时，农田水利、电力、道路等基础设施投资及高标准农田建设可以扩大经营规模、减少耕地抛荒、改善农业生产条件、提高农业产出，促进农业“水—能源—粮食”系统协同发展[36]。农业经营规模（sca）的直接效应系数显著为正，说明农业经营规模提高了农业“水—能源—粮食”系统协同发展水平，农业适度规模经营可以解决务农劳动力结构性短缺问题，有利于实现专业化、标准化、集约化经营，促进农业科技的推广以及土地产出率和资源配置效率的提高，提高农业“水—能源—粮食”系统的协同发展水平。科技创新（tec）的直接效应系数显著为正，这是由于科技发展水平提高会推动地方政府加强节水和节能技术引进及推广，在要素投入比例不变的情况下，新技术的引进能够提升农业水资源和能源投入的边际生产率，保障粮食产出水平，提高资源利用效率，促进农业“水—能源—粮食”系统协同发展水平提高。环境规制（env）的直接效应系数显著为正，环境规制主要有命令型和激励型2种，其中命令型环境规制主要通过强制执行环境标准和要求，引导农民转变生产方式，保护农田生态系统，提高农业的生产力和可持续发展能力；激励型环境规制主要是通过各种财政补贴，通过“以奖促治”“以奖代补”等多种手段，引导农户向生态友好型的生产方式转型，通过环境规制调控，可以有效促进农业“水—能源—粮食”系统协同发展[37]。农民收入水平（inc）的直接效应系数显著为正，农民收入水平提高可以通过增加农业科技投入，改善农业基础设施，推动资源合理配置与有效利用，促进农业“水—能源—粮食”系统协同发展。

4.4.2 间接效应

城镇化水平（urb）的间接效应系数显著为正，说明本地区城镇化水平的提高会促进邻近地区农业“水—能源—粮食”系统的协同发展，这是因为要素的空间流动与集聚是城镇化的一个鲜明特征，城镇化主要是通过人口城乡流动产生的要素集聚加强了地区间农业生产关联的广度和深度，不仅直接引致本地区要素结构的配置与生产模式的改变，还能通过人流、物流的扩散和技术推广影响邻近地区粮食生产。农业经营规模（sca）的间接效应系数显著为正，这是由于大型农业机械设备和农业基础设施具有一定的共享性，一定区域范围内的各区域共享发展红利，互相带动，形成空间集聚效应，因而其对农业“水—能源—粮食”系统协同发展的影响可能也存在空间关联性。科技创新（tec）的间接效应系数显著为正，随着区域一体化进程的加快，地区间联系愈加紧密，农业节水技术在省域间的学习、交流、示范和推广可通过渐进式、等级式和跳跃式3种形式向邻近地区扩散，产生技术溢出，促进邻近地区农业“水—能源—粮食”系统协同发展水平的提高[31]。
综上所述，城镇化水平、财政支农、农业经营规模、科技创新、环境规制、农民收入水平的直接效应显著为正，且城镇化水平、农业经营规模和科技创新水平具有显著的空间溢出效应。这些影响因素在区域间的差距是造成农业“水—能源—粮食”系统协同发展水平存在空间差异的主要原因。具体来说，东部地区的经济发展水平和工业化、城镇化水平较高，能够为节水、节能技术创新和农业基础设施建设提供更多资金支持，粮食生产机械化水平高、经营规模大、品牌影响力强，农业“水—能源—粮食”系统协同发展水平一直处于全国较高水平。西部地区和东北地区虽然经济发展相对落后，但国家政策支持力度不断加强，推动农业基础设施的不断完善和农业生产技术的快速推广，有助于提升农业“水—能源—粮食”系统协同发展水平。中部地区虽然农业资源丰富，但由于农业基础设施相对较弱、节水和节能技术推广阻力较大、农业生产粗放、资源配置不合理，导致农业“水—能源—粮食”系统协同发展水平较低。

5 结论与建议

5.1 结论

本文选取2000—2021年我国30个省域的面板数据，在厘清农业“水—能源—粮食”系统协同的内涵及逻辑的基础上，测算了我国农业“水—能源—粮食”系统协同发展水平，探讨了其时空演变过程中的关键驱动因素及空间溢出效应。主要结论如下：
①我国农业“水—能源—粮食”系统的协同发展水平总体呈上升趋势，但上升速度缓慢，总体水平不高，协同类型处于轻度失调水平，在区域差异上呈现东部>西部>东北>中部的分布特征，农业用水和用能效率不高是制约农业“水—能源—粮食”系统协同发展的关键因素。
②全局空间自相关分析表明我国农业“水—能源—粮食”系统协同发展水平具有显著的空间正相关性，呈现出了明显的空间集聚分布特征；局部空间自相关分析表明我国农业“水—能源—粮食”系统协同发展水平在地理上存在空间邻近同伴效应和溢出效应。
③城镇化水平、农业经营规模、科技创新、财政支农、环境规制和农民收入均有利于本地农业“水—能源—粮食”系统协同发展水平的提高，且城镇化水平、农业经营规模和科技创新水平具有显著的正向空间溢出效应。

5.2 建议

为促进我国农业“水—能源—粮食”系统协同发展，增强我国粮食综合生产能力，本文提出如下对策建议：
①建立以资源节约集约利用为核心的粮食高质量发展机制。我国农业“水—能源—粮食”系统协同水平较低的主要原因是水资源和能源利用效率不高，这同时也是制约我国粮食高质量发展的最大刚性约束。应当重视我国农业水资源和能源投入不足及投入冗余问题，加强水资源和能源管理，优化粮食生产的要素投入结构，加强前瞻性、颠覆性节水和节能技术研发，深入挖掘农业用水和用能效率的提升潜力，走好资源高效利用的集约节约发展之路。
②重视空间关联关系，完善区域合作机制。本文结论表明，我国农业“水—能源—粮食”系统协同存在空间关联关系，因此，应当深化区域协同发展，促进资源管理与跨区域资源合作，推动重大调水工程和能源输送工程相关区域协同发展，加强先进技术转移与扩散，促进生产要素合理流动与优化配置，增强区域间农业“水—能源—粮食”系统协同经验交流与借鉴，发挥高协同地区的带动作用，提高整体资源利用效益，推动农业“水—能源—粮食”系统协同水平不断提升。
③制定差异化的农业“水—能源—粮食”系统协同发展水平提升策略。东部地区需充分利用其资金、技术和人才等方面的显著优势，致力于农业科技创新和制度创新，通过示范推广、经验交流等方式，辐射带动周边地区农业“水—能源—粮食”系统协同发展；中部地区应立足自身资源禀赋和农业发展实际，积极引进先进适用的农业技术和成果，推动粮食生产转型升级和提质增效；西部地区应强化农业生态保护和环境治理，推动粮食生产绿色低碳技术应用和推广；东北地区要当好国家粮食稳产保供“压舱石”，持续提高粮食综合生产能力和应急保障能力，推动粮食安全向更高层次、更高水平稳步跃升。同时，东部、中部、西部和东北地区应加强交流与合作，促进资金、技术和人才等要素在地区间的充分流动，提升农业“水—能源—粮食”协同发展水平。

5.3 不足与展望

本文构建了农业“水—能源—粮食”系统协同评价指标体系，分析了农业“水—能源—粮食”系统协同的内涵及影响因素，但由于农业“水—能源—粮食”系统是一个复合系统，涉及众多生产要素，相关研究还处于摸索阶段，学术界尚未形成统一完善的研究体系，因此，进一步构建科学、系统、全面、实用且符合中国特色的农业“水—能源—粮食”系统协同评价体系是未来研究的方向。同时，因区域农业“水—能源—粮食”系统的异质性，未来应加强不同区域尺度的差异化研究，提炼典型地区农业“水—能源—粮食”系统协同发展模式。此外，农业“水—能源—粮食”系统协同是以资源环境为依托，涵盖水、能源、粮食等复杂系统协同演进的动态过程，其协同发展引发的农业生产技术、生产手段和生产管理的转变将促进新发展格局的构建，并从诸多层面对农业生态环境产生直接或间接的溢出效应，因此，农业“水—能源—粮食”系统协同的生态效应研究也是未来值得关注的重要方面。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
魏梦升, 颜廷武, 罗斯炫. 规模经营与技术进步对农业绿色低碳发展的影响——基于设立粮食主产区的准自然实验[J]. 中国农村经济, 2023(2):41-65.

[2]
Allen R G, Brockway C E. Concepts for energy-efficient irrigation system design[J]. Journal of Irrigation and Drainage Engineering, 1984, 110(2):99-106.

[3]
Wallace J S. Increasing agricultural water use efficiency to meet future food production[J]. Agriculture,Ecosystems & Environment, 2000, 82(1-3):105-119.

[4]
Leach G. Energy and food production[J]. Food Policy, 1975, 1(1):62-73.

[5]
Hoff H. Understanding the Nexus. Background Paper for the Bonn 2011 Conference:The Water,Energy and Food Security Nexus[R]. Stockholm: Stockholm Environment Institute, 2011.

[6]
FAO. The Water-Energy-Food Nexus-Anew Approach in Support of Food Security and Sustainable Agriculture[R]. Food and Agriculture Organization of the United Nations,Rome, 2014.

[7]
Zhang C, Chen X, Li Y, et al. Water-energy-food nexus:Concepts,questions and methodologies[J]. Journal of Cleaner Production, 2018, 195:625-639.

[8]
秦腾, 佟金萍. 长江经济带水—能源—粮食耦合效率的时空演化及影响因素[J]. 资源科学, 2021, 43(10):2068-2080.

DOI

[9]
张中浩, 孙诗萌, 高峻. 长三角城市群水—能源—粮食系统压力的演变特征及其影响机制[J]. 自然资源学报, 2022, 37(6):1586-1597.

DOI

[10]
支彦玲, 陈军飞, 王慧敏, 等. 共生视角下中国区域“水—能源—粮食”复合系统适配性评估[J]. 中国人口·资源与环境, 2020, 30(1):129-139.

[11]
李成宇, 张士强. 中国省际水—能源—粮食耦合协调度及影响因素研究[J]. 中国人口·资源与环境, 2020, 30(1):120-128.

[12]
孙才志, 周舟, 赵良仕. 基于SD模型的中国西南水—能源—粮食纽带系统仿真模拟[J]. 经济地理, 2021, 41 (6):20-29.

DOI

[13]
王慧敏, 洪俊, 刘钢. “水—能源—粮食”纽带关系下区域绿色发展政策仿真研究[J]. 中国人口·资源与环境, 2019, 29 (6):74-84.

[14]
田孟, 熊宇航. 生产性服务业集聚对农业高质量发展的影响——基于地区异质性视角[J]. 经济问题, 2023(8):103-111.

[15]
刘俊霞, 丁忠民. 中国农业减碳增汇的时空分异特征及影响因素识别[J]. 农村经济, 2023(8):57-67.

[16]
徐辉, 王亿文, 张宗艳, 等. 黄河流域水—能源—粮食耦合机理及协调发展时空演变[J]. 资源科学, 2021, 43(12):2526-2537.

DOI

[17]
文杰, 黎红梅. 农田灌溉系统治理绩效增进及组态路径——基于多因耦合协调联动的QCA方法[J]. 资源科学, 2022, 44(5):1066-1078.

DOI

[18]
Haken H. Synergetics[J]. Naturwissenschaften, 1980, 67(3):121-128.

[19]
陈帅, 侯孟阳, 李园园, 等. 黄河流域水资源、能源与粮食生产的时空匹配及阻尼效应[J]. 农业工程学报, 2022, 38(18):246-254.

[20]
罗巍, 杨玄酯, 杨永芳, 等. 黄河流域水—能源—粮食纽带关系耦合协调演化及预测[J]. 资源科学, 2022, 44(3):608-619.

DOI

[21]
何慧爽, 原雷雷. 我国粮食主产区水—能源—粮食耦合协调发展分析与预测[J]. 生态经济, 2021, 37(6):102-108.

[22]
Tobler W R. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46:234-240.

[23]
Valerie I. The Penguin Dictionary of Physics[M]. Beijing: Foreign Language Press, 1996.

[24]
李溦, 姜珊, 赵勇, 等. 京津冀水—能源—粮食耦合系统安全评价[J]. 水资源保护, 2023, 39(5):39-48.

[25]
李长松, 周霞, 周玉玺. 黄河下游水土匹配系数与粮食生产协调发展测度及影响因素[J]. 经济地理, 2022, 42(10):177-185.

DOI

[26]
田云, 卢奕亨. 中国省域新型城镇化与农业碳排放效率的耦合协调关系[J]. 华中农业大学学报(社会科学版), 2023(4):33-46.

[27]
Anselin L. Spatial Econometrics:Methods and Models[M]. Dordrecht: Kluwer Academic Publishers, 1988.

[28]
张佩, 王姣娥, 孙勇, 等. 中国省域创新基础设施与创新产出水平的耦合协调发展及其影响因素[J]. 经济地理, 2022, 42(9):11-21.

DOI

[29]
陈军飞, 晏霄云. 我国农业区水资源—能源—粮食系统协调适配与农业产出——基于人力资本门槛效应的实证[J]. 科技管理研究, 2020, 40(5):215-223.

[30]
郭海红, 李树超. 环境规制、空间效应与农业绿色发展[J]. 研究与发展管理, 2022, 34(2):54-67.

[31]
徐依婷, 穆月英, 张哲晰. 中国粮食生产用水效率的影响因素及空间溢出效应[J]. 华中农业大学学报(社会科学版), 2022(4):76-89.

[32]
李玉婷, 王议寒, 刘自敏. 中国城市“水—能源—粮食”系统耦合协调度及其影响因素研究[J]. 工业技术经济, 2023, 42(6):97-105.

DOI

[33]
卢新海, 杨喜, 陈泽秀. 中国城市土地绿色利用效率测度及其时空演变特征[J]. 中国人口·资源与环境, 2020, 30(8):83-91.

[34]
LeSage J, Pace R K. Introduction to spatial econometrics[M]. London: Chapman and Hall/CRC, 2009.

[35]
侯孟阳, 邓元杰, 姚顺波. 城镇化、耕地集约利用与粮食生产——气候条件下有调节的中介效应[J]. 中国人口·资源与环境, 2022, 32(10):160-171.

[36]
刘晓丽, 韩克勇. 财政支农、劳动力流转与农业经济增长[J]. 现代经济探讨, 2023(7):115-122.

[37]
王杰, 王军. 绿色金融发展与能源利用效率提升:理论与中国经验[J]. 金融论坛, 2024, 29(5):70-80.

Options
文章导航

/

〈 〉