西北地区水—能源—粮食系统耦合协调发展时空动态及预测分析

Research and forecast analysis on the coupling coordinated development of Water-Energy-Food system in Northwest China

摘要

目的 对西北地区水—能源—粮食系统（WEF系统）耦合协调发展程度进行研究，以期为促进生态与经济可持续高质量发展转型提供一定参考价值。 方法 以西北五省2002—2022年共21年的33个指标数据为基础，运用熵值法等构建WEF系统指标评价体系，在此基础上构建耦合协调度模型，并利用ArcGIS等软件分析西北五省的WEF系统耦合协调度时空演变特征，最后通过灰色预测GM（1，1）模型，对未来8年的耦合协调度进行预测。 结果 2002—2022年西北五省地区WEF系统的综合发展指数总体上呈现上升趋势，其中粮食子系统的综合发展状况相对最好。耦合度呈现逐渐聚集趋势，耦合协调度呈现稳步上涨趋势。 结论 整体上西北五省的WEF系统耦合发展程度较低，陕西、新疆处于勉强耦合阶段，甘肃、青海处于濒临失调阶段，宁夏处于轻度失调阶段，制约耦合协调发展的主要因素是水资源滞后型及能源滞后型。预计在2023—2030年西北五省将大致延续之前的耦合发展特征。

Abstract

Objective This study investigates the degree of coupled and coordinated development of the Water-Energy-Food System （WEF system） in Northwest China， aiming to provide a reference for promoting the transformation toward sustainable and high-quality ecological and economic development. Methods Based on the data from 33 indicators covering 21 years （2002-2022） for the five provinces in Northwest China， the entropy value method and other methods were utilized to construct an evaluation system for WEF system indicators. On this basis， a coupling coordination degree model was constructed， and the temporal and spatial evolution characteristics of the WEF system′s coupling coordination degree in the five provinces were analyzed using ArcGIS and other software. Finally， the coupling coordination degree in the next 8 years was predicted by the gray prediction GM （1， 1） model. Results The comprehensive development index of WEF system in the five provinces in Northwest China showed a general upward trend from 2002 to 2022， with the food subsystem performing relatively the best. The coupling degree showed a gradual converging trend， and the coupling coordination degree showed a steady upward trend. Conclusion Overall， the degree of coupling development of WEF system in the five provinces is relatively low. Shaanxi and Xinjiang are in a stage of marginal coupling. Gansu and Qinghai are on the verge of imbalance， and Ningxia is in the stage of mild imbalance. The main factors restricting the coupling coordinated development are lagging development of water resources and energy. It is expected that in 2023-2030， the five provinces in Northwest China will continue the previous coupling development trend.

Graphical abstract

关键词

西北地区 / 水—能源—粮食 / 耦合度 / 耦合协调度 / 灰色预测

Key words

Northwest China / Water-Energy-Food / coupling degree / coupling coordination degree / grey prediction

水、能源、粮食作为人类生存最重要的基础物质条件，是促进社会经济与生态可持续发展的重要基础。西北地区深居内陆，面积约占我国总国土面积的32%，分布着我国重要的粮食生产基地，其地形地貌复杂，昼夜温差大，是多数杂粮作物的发源地。西北地区粮食的生产发展不仅对于满足区域性粮食需求、提高农民收入有重要保障，同时对于促进我国特色粮食产业的发展也有重要意义。此外，西北地区具有丰富的矿产能源优势，在我国的能源安全和生态安全等方面具有重要的战略地位。但由于自然禀赋特征，西北地区存在水资源缺乏、生态脆弱敏感、区域发展失衡等问题。位于干旱区、半干旱区的西北五省由于降水稀少且分布不均，加上蒸发量大和地下水开采过度等问题，导致该区域水资源供需矛盾突出，水资源短缺是制约该地区经济社会发展和粮食生产的关键因素。^［1］党的二十大报告明确强调“促进区域协同发展”，进一步完善支持西部大开发，推动西部大开发形成新格局。对西北地区水—能源—粮食的耦合协调度进行测度，并对未来几年进行预测分析，有助于西北地区实现生态与经济可持续高质量发展转型。

国外对水—能源—粮食三者关系已有较为成熟的研究。2011年，世界经济论坛发布的《全球风险报告》将“Water-Energy-Food Nexus， WEF-Nexus”作为全球未来重点风险之一^［2］。同年，在德国举办的“WEF-Nexus”安全联盟会议探索了三者的耦合关系，并指出随着经济发展和人口数量增长，水、能源、粮食面临的挑战也在加大。自此，水—能源—粮食关系逐步成为研究热点。国外对水—能源—粮食的研究主要分为3类，第1类学者主要对水—能源—粮食三者的关系进行研究。利用模型对水—能源—粮食协同发展进行评估及研究，如运用投入产出分析法、全生命周期法（LCA）、MRIO模型等，通过对不同地区的测度，研究三者存在的关系以及影响机制^［3-5］。第2类学者主要对水—能源—粮食的动态时空变化进行研究，以探索在时间和空间纬度上三者协调变化程度 ^［6-7］。第3类学者主要针对水—能源—粮食三者的冲突和协调做了分类分析，并提出相应的干预措施^［8-9］。总的来说，水—能源—粮食必须协同发展，并调整好彼此的关系，面对错综复杂的环境关系，任何只基于一种资源的战略规划，都会造成严重的负面影响。

国内学者近年来对水—能源—粮食的研究逐渐增多，但研究仍处于初级阶段，研究总量较少，深度较浅。国内学者对水—能源—粮食的研究主要分为3类，第1类学者主要侧重于对水—能源—粮食的概念、发展阶段、内在关系等理论方面的研究。有的学者认为水资源是水—能源—粮食关系中的核心，三者存在多种循环关系；有的学者认为水—能源—粮食的关系密切而复杂，三者要素均很重要，他们之间相互影响^［10-12］。第2类学者侧重于单因素或两两因素关系的研究，李海鹏等^［13］通过对我国农业能源效率的动态演变及其影响因素研究，发现中西部地区农业能源效率差异较大，中西部地区是未来农村发展建设的重点。张泽琳等^［14］通过对黄河下游区域的水、粮食两者的关系研究，发现两者的关系随时间的发展而更加紧密，交互作用更强。刘苗苗等^［15］研究了粮食安全与农业用水的关系，发现京津冀地区两者的耦合协调关系有待提升。第3类学者侧重于对水—能源—粮食的评价，这些学者大多数运用定量分析方法，如采用PSR模型、SD模型、LEAP模型等^［16-19］，通过定量分析，对国内某一区域内的水—能源—粮食进行多层次的发展测度。

目前，国内外学者对于水—能源—粮食的研究采用了多层次、多方法、多角度的分析，这些研究对分析水—能源—粮食资源约束压力、解决资源利用矛盾等现实问题奠定了基础。但通过文献梳理不难发现，目前我国针对三者关系的研究存在短板^［20］。首先，国内外学者对于水—能源—粮食关系研究所采用的全生命周期法、投入产出法等虽然可以对三者内部关联机制进行描述，但存在一些弊端，不能完全与水—能源—粮食系统的研究完全相匹配，难以适应变化的要求，不能进行全面的考虑^［21］，因而会造成研究系统的构建与实际存在一定的偏差。其次，国内学者们对于水—能源—粮食评价的定量研究多聚焦于单独的某个省级或某一流域，对于多省份的区域性研究较少，忽视了对一些具有水—能源—粮食现实问题的地区研究。再者，学者们对于水—能源—粮食协调关系在未来一段时间内的预测研究极少。耦合协调度模型能够度量两个及以上事物的协调发展水平变化^［22］，灰色预测模具有利用短数据预测准确性高的特点^［23］。基于此，文章构建耦合协调度模型及灰色预测模型对WEF系统进行研究，本文聚焦西北五省地区，对WEF系统进行综合发展评价及耦合协调研究，并对未来进行预测。

1 研究数据与方法

1.1 数据来源及指标构建

西北地区在行政区上的划分包括陕西、甘肃、青海、宁夏、新疆地区及内蒙古最西部，为了研究的准确性和方便数据的可获取，本文以陕西、甘肃、青海、宁夏、新疆5个省份为研究单位。数据来源于2002—2022年共21个年份的各省统计年鉴及《中国统计年鉴》《中国农村统计年鉴》《中国城市建设统计年鉴》《中国环境年鉴》等。参考学者们既有的研究成果^［24-26］，同时结合西北地区的实际情况，对指标进行完善和确定，建立了如表1所示的33个指标，部分指标数据是在直接获得的原始数据基础上进行计算得出。

1.2 数据处理及权重确定

由于各原始数据差异较大、单位不统一，为消除不同指标量纲或数量级造成的影响，本文对数据进行统一的无量纲化处理。部分原始数据存在个别年份的缺失值，为了保证研究的完整性，本文采用移动平均法和均值插补法对缺失数据补充。为消除主观因素的影响，本文选取较为客观的熵权法来确定各指标的权重。

1.2.1 数据无量纲化处理

为保证建立的指标体系中数据具有可比性，本文参考已有文献，对数据进行无量纲化处理，具体公式如下：

正向指标：

x_{nij}^{\mathrm{\text{'}}}=\frac{x_{nij}-\mathrm{m}\mathrm{i}\mathrm{n}(x_j)}{\mathrm{m}\mathrm{a}\mathrm{x}(x_j)-\mathrm{m}\mathrm{i}\mathrm{n}(x_j)}\times \mathrm{0.9}+\mathrm{0.1}（1）

负向指标：

x_{nij}^{\mathrm{\text{'}}}=\frac{\mathrm{m}\mathrm{a}\mathrm{x}(x_j)-x_{nij}}{\mathrm{m}\mathrm{a}\mathrm{x}(x_j)-\mathrm{m}\mathrm{i}\mathrm{n}(x_j)}\times \mathrm{0.9}+\mathrm{0.1}（2）

式中：n为年份；i为省份；j代表指标；x_{nij}^{\mathrm{\text{'}}}代表n年i省份j指标的数据无量纲化后的值，x_{nij}^{\mathrm{\text{'}}}∈［0，1］；x_nij 代表数据的初始值；max（x_nij ）代表所有评价对象中指标j的最大值；min（x_nij ）代表所有评价对象中指标j的最小值。

1.2.2 熵权法确定指标权重

首先，计算j指标占i评价对象样本值的比重：

p_{nij}=\frac{x_{nij}^{\mathrm{\text{'}}}}{{\displaystyle \sum _{i=\mathrm{1}}^n}{x}_{nij}^{\mathrm{\text{'}}}}（3）

其次，计算各指标的信息熵：

e_j=-k{\displaystyle \sum _{i=\mathrm{1}}^n}{p}_{ij}ln(p_{ij})（4）

式中：k=\mathrm{1}/\mathrm{l}\mathrm{n}(n)。

随后，计算信息效用值：

d_j=\mathrm{1}-e_j（5）

最后，计算权重系数：

{\omega }_j=\frac{d_j}{{\displaystyle \sum _{j=\mathrm{1}}^n}{d}_j}（6）

1.3 研究方法

1.3.1 综合评价指数

根据前文数据的处理，最终利用线性加权法对WEF系统进行综合评价，计算出水资源系统、能源系统、粮食系统以及复合系统的评价指数具体值，公式为：

W(u)={\displaystyle \sum _{j=\mathrm{1}}^n}{\omega }_j{u}_{ij}^{\mathrm{\text{'}}}（7）

E(y)={\displaystyle \sum _{j=\mathrm{1}}^n}{\omega }_j{y}_{ij}^{\mathrm{\text{'}}}（8）

F(z)={\omega }_j{z}_{ij}^{\mathrm{\text{'}}}（9）

T=\lambda W(u)+\mu E(y)+\eta F(z)（10）

式中：W（u）代表水资源系统发展评价指数；E（y）代表能源系统发展评价指数；F（z）代表粮食系统发展评价指数；u' _ij 、y' _ij 、z' _ij 分别为子3个系统内各指标标准化的值；ω_j 为指标权重；T为水—能源—粮食（WEF）复合系统的综合评价指数；λ、μ、η分别为子3个系统的系数，代表该系统对WEF复合系统的重要程度。本文在前文梳理国内外相关研究后，认为3个子系统同等重要，即\lambda =\mu =\eta =\mathrm{1}/\mathrm{3}。

1.3.2 耦合协调度模型

耦合是指不同的系统之间存在相互影响、相互作用的一种机制，耦合度可以用来研究系统之间相互影响的程度，耦合度越大说明系统之间的关系依赖强度越大，反之则强度越弱。根据学者已有的研究成果，本文构建水—能源—粮食系统耦合度模型，公式为：

C=\mathrm{3}\times {〔\frac{W(u)\cdot E(y)\cdot F(z)}{{\left(W(u)+E(y)+F(z)\right)}^{\mathrm{3}}}〕}^{\frac{\mathrm{1}}{\mathrm{3}}}（11）

式中：C代表耦合度，0≤C≤1。但耦合度仅能代表3个系统的关联性强度，不能体现出三者关系的协调发展状况，为了衡量水—能源—粮食子系统的协调程度，引入耦合协调度模型：

D=\sqrt[]{CT}（12）

式中：D代表耦合协调度，0≤D≤1。C为式11中的耦合度；T为式10中水—能源—粮食（WEF）复合系统的综合评价指数。D的数值越大则代表耦合协调度越强，WEF系统的耦合协调发展越好。根据学者的研究^［27］，将耦合协调度的阶段进行划分，如表2所示。

1.3.3 灰色预测GM（1，1）模型

灰色预测模型可以通过建立数学模型，利用少量和不完全的信息来预测未来年份的相关数据，具有预测精准度较高的特点^{［22］［28］}，其微分方程为：

\frac{\mathrm{d}{X}_{\mathrm{1}}}{\mathrm{d}t}+a{X}_{\mathrm{1}}=\mu（13）

式中：X₀=｛x₀（1），x₀（2），…，x₀（n）｝为原始时间序列，X₁=｛x₁（1），x₁（2），…，x₁（n）｝为对原始时间序列X₀累加处理后生成的新序列；a代表发展灰数；μ代表内生控制灰数。设a的估计值为\widehat{a}，\widehat{a}=(\frac{a}{\mu })，利用最小二乘法求解可得\widehat{a}=(B^{T}B-\mathrm{1})B^T{Y}_n，对公式13求解，得到预测模型为：

x_{\mathrm{1}}^T{\widehat{x}}_{\mathrm{1}}(k+\mathrm{1})=〔x_{\mathrm{0}}(\mathrm{1})-\frac{\mu }{a}〕{\mathrm{e}}^{-ak}+\frac{\mu }{a}（14）

式中：k=1，2，…，n。最后，对灰色预测模型进行精确度检验，根据模型检验结果P和C判断能否计算出预测值，如果p≤0.7，C≥0.65则需要分析残差序列，重新对公式进行修正^［22］。

2 结果与分析

2.1 水—能源—粮食系统及子系统综合发展水平分析

从WEF整体系统来看（图1），西北五省的WEF综合发展指数均呈稳步上升的态势。其中，2022年陕西和新疆的WEF综合发展指数最高，均超过0.5，2002—2022年处于0.32~0.56。2022年甘肃和青海的WEF系统综合发展其次，均超过0.4，2002—2022年处于0.25~0.45。2022年宁夏的WEF系统综合发展指数最低，仅为0.3，2002—2022年处于0.21~0.30。此外，各省的WEF综合发展指数上升幅度也存在着明显差异，2002—2022年甘肃的上升幅度最大，涨幅达到69.48%。涨幅第二的是新疆，涨幅为61.18%，陕西和宁夏上涨幅度接近，分别是42.10%和42.44%，青海的上涨幅度最小，涨幅为35.33%。

从水资源子系统来看，2002—2022年西北五省水资源综合发展指数存在较为明显的差异，整体上水资源子系统发展综合指数的高低表现为青海>新疆、陕西、甘肃>宁夏。其中，2022年与2002年相比，新疆出现负增长，约为-9.22%，其余四省为正增长。青海的水资源综合发展指数最高，但波动幅度也较明显，其水资源综合发展指数保持在0.52~0.72浮动。这是由于青海的地表水及地下水资源非常丰富，且工业水平发展低、人口数量少，水资源的使用量少，存在“多供给少需求”的现象，但丰富的地表水资源及容易受天气影响，因此青海地区的水资源波动也较大。新疆、陕西、甘肃的水资源综合发展指数位于第二梯队，差异较小，均保持在0.22~0.46，年均值分别为0.34，0.31，0.31。甘肃2022年与2002年相比其水资源综合发展指数上涨了46.51%。宁夏水资源综合发展指数最低，年均值仅为0.24，且波动幅度最小，保持在0.22~0.28。

从能源子系统来看，2002—2022年西北五省能源子系统综合发展指数整体上呈现上涨趋势，涨幅明显，指数的高低表现为陕西>新疆>甘肃、青海、宁夏。陕西的能源发展指数在0.36~0.67区间内，年均值为0.53，处于一个较高的水平，陕西是我国的能源大省，具有丰富的能源矿产等资源，其工业基础雄厚，相较于其他省份，陕西的能源发展指数明显处于较高水平。新疆的能源发展指数2022年与2002年相比涨幅超过118%，其发展指数从0.28上涨至0.62，年均值为

0.43。甘肃、青海及宁夏的能源发展指数较低，在统计的21年间内，甘肃的能源发展指数最高值为0.3，青海最高值为0.26，宁夏未突破0.2，最高值仅为0.16，但与2002年相比，2022年3个省份的能源指数的上涨幅度较大，涨幅分别为97.9%，113.85%，63.02%。

从粮食子系统来看，2002—2022年西北五省粮食综合发展波动趋势具有一定的相似性，表现出同态势的上涨趋势，其综合指数的高低表现为陕西、甘肃、新疆>宁夏>青海。2022年的粮食发展综合指数与2002年相比整体涨幅较高，除陕西外，其余四省的指数涨幅均超过50%。其中新疆地区的指数上涨幅度最明显，达到89.5%，其次为甘肃，涨幅为72.54%，青海地区指数涨幅也较高，达到63.92%，但青海的粮食综合发展水平是西北五省中最低的，综合发展指数范围在0.26~0.36，年均值为0.29，自然条件的限制使得青海地区山脉高耸，热量不足，对农业的发展起到了限制作用。宁夏和陕西2022年与2002年相比，指数涨幅分别为52.59%和42.74%。陕西、甘肃、新疆是西北五省中粮食产量最高的地区，其发展指数年均值均超过0.5。

2.2 水—能源—粮食系统耦合协调度及时空演变特征

从时间上来看耦合度和耦合协调度（图2—3），随着时间的增加，西北五省的耦合度有逐渐聚集的趋势，其中陕西、新疆耦合度较高，存在小幅度的下降趋势，甘肃耦合度较为稳定，青海和宁夏地区耦合度相对较低，波动幅度较大、较不稳定。西北五省整体耦合度的高低表现为陕西、新疆>甘肃>宁夏、青海。2002—2022年西北五省的耦合度中，陕西、新疆、甘肃3个地区的耦合度最低值均超过0.5，耦合度相对较高。青海和宁夏地区的耦合度在0.41~0.52波动。西北五省的耦合协调度高低表现为陕西、新疆>甘肃、青海>宁夏，呈现稳步上涨趋势。陕西是最早达到勉强耦合发展阶段的省份，其次为新疆地区，陕西和新疆的耦合协调度水平相对较高。甘肃及青海的耦合协调度截至2022年处于过度类程度，达到濒临失调衰退阶段。宁夏在2002—2022年期间一直处于轻度失调衰退阶段，发展水平较低，没有大幅的上涨。

具体而言，陕西耦合度保持在0.52~0.58，新疆耦合度在0.53~0.58，总体上呈现较为平稳的状态，耦合协调度呈现上升趋势。甘肃的耦合度在2002—2022年相对稳定，数值保持在0.52左右，耦合协调度呈现上升趋势，显示出该省在水—能源—粮食系统的协调性较为均衡稳定。青海的耦合度在2002—2012年期间表现出明显的波动，在2005年、2009年出现两个明显低值，之后逐渐回升，并在2013年后逐渐改善，趋于稳定，耦合度在0.5左右浮动。该省系统耦合度的变化表明，该地区可能受到了多种自然或政策因素的干扰。如，2009年6月至9月青海多个地区相继遭受18起冰雹灾害，农作物受损严重，大面积减产。青海地区由于处于高原地区，人口数量少，水资源丰富，且在柴达木盆地等地存在多种能源资源，自然优势使得人们对水、能源、粮食资源的需求压力小，但同时自然条件的变化会对人类生活产生极大影响。宁夏的耦合度波动较为明显，尤其在2010年前后，耦合度降至0.40左右，显示出该时间段水—能源—粮食系统的协调性较低。2011年出现短暂的上升后再次处于较低耦合度水平。直到2020年，耦合度逐渐上升，到2022年接近0.50。宁夏地区水系统发展明显低于其他四省，制约了其水—能源—粮食系统整体的耦合性，宁夏地区降水量少且蒸发量大，在2002—2022年中，人均水资源仅为184.09 m³，而陕西、甘肃地区人均水资源为1 314.29，1 051.54 m³。此外其地下水资源也远低于其他省份，2002—2022年，宁夏年均地下水资源仅为23.96亿m³，而新疆、青海地区年均地下水资源分别为625.86亿m³，374.65亿m³。此外宁夏地区的能源资源也与陕西、新疆地区存在较大差距，原油生产总量和天然气生产总量明显较低，2002—2022年，宁夏年均原油生产总量为17.13万t，年均天然气生产总量为2.59亿m³，而陕西、新疆地区的年均原油生产总量分别为1 060.69万t，1 363.43万t，年均天然气生产总量为64.44亿m³，88.04亿m³。

从空间上来看（图4），西北五省水—能源—粮食系统耦合协调等级逐渐提升且各省差异缩小，耦合协调等级提升的方向由东部和西部向中部地区扩散，最终形成东部及西部耦合协调等级高，中部耦合协调等级相对低的空间分布特征。其中陕西、新疆的耦合协调发展等级最高，甘肃、青海地区的耦合协调发展等级其次，宁夏耦合协调发展等级最低。

从2002—2022年西北五省水—能源—粮食系统耦合协调发展数据均值来看（表3），整体表现为陕西、新疆>甘肃、青海>宁夏。陕西的耦合协调度均值最高，其次为新疆，2022年两者耦合协调度处于0.5~0.6，属于勉强耦合发展阶段，其主要制约因素为水资源滞后型。2022年甘肃及青海的耦合协调度处于0.4~0.5，属于濒临失调衰退阶段，两省的主要制约因素为能源。宁夏的耦合协调度均值最低，2022年耦合协调度处于0.3~0.4，属于轻度失调衰退阶段，其主要制约因素为能源滞后型。

2.3 水—能源—粮食系统耦合协调发展预测

基于灰色预测GM（1，1）模型，将西北五省水—能源—粮食系统耦合协调度带入模型进行预测。由于灰色预测模型短数据预测相较于长数据的预测准确性更高^［28］，并经过数据检验，本文选取西北五省2015—2022年耦合协调度数据，运用DPS 9.01版本的数据分析软件，设置预测时间长度为8，残差数列类型为生产数列残差，残差序列重复建模次数为3，得到2023—2030年西北五省水—能源—粮食系统耦合协调度的预测值（表4）。

从预测结果来看，西北五省水—能源—粮食系统耦合协调度在2023—2030年将大致延续之前的耦合发展特征，至2030年西北五省的耦合协调度预计均会出现一定的上升。其中甘肃耦合协调度上升最多，预计上升30.46%，青海的耦合协调度上升幅度其次，预计上升12%。陕西、宁夏和新疆的耦合协调度上升幅度较小，预计仅分别上升3.85%，5.95%和3.01%。预计至2030年，除宁夏的水—能源—粮食系统耦合协调度处于濒临失调衰退阶段，其余各省的水—能源—粮食系统耦合协调度达到耦合发展阶段，预计甘肃达到中级耦合发展阶段，陕西、青海、新疆达到勉强耦合发展阶段。总体来看，西北五省地区水—能源—粮食系统耦合协调度未来几年内的发展水平有所提升，但仍未达到较高的协调发展阶段，除甘肃耦合协调度水平提升速度较快外，其余四省耦合协调度提升缓慢，预计需要更长的时间才能实现水—能源—粮食系统良好耦合协调发展。

3 结论与建议

3.1 结 论

西北五省地区水—能源—粮食系统的综合发展指数总体上呈现上升趋势。其中粮食子系统的综合发展状况相对最好，除青海地区以外，其余四省的粮食子系统发展处于较高的水平。水资源子系统除青海外，其余四省的发展状况相对较低。能源子系统中陕西和新疆地区发展水平较高，其余三省发展水平相对较低。

西北五省地区水—能源—粮食系统的耦合度有逐渐聚集的趋势，耦合协调度呈现稳步上涨趋势，但整体上西北五省的水—能源—粮食系统耦合发展程度较低，仍有很大进步空间。西北五省整体耦合度的高低表现为陕西、新疆>甘肃>宁夏、青海，耦合协调度高低表现为陕西、新疆>甘肃、青海>宁夏。以2022年耦合协调度来看，陕西和新疆达到勉强耦合阶段，甘肃及青海地区处于濒临失调阶段，宁夏处于轻度失调阶段。制约陕西、新疆和宁夏主要因素是水资源滞后，制约甘肃和青海的主要因素是能源滞后。

宁夏地区水—能源—粮食系统的失调主要是由于其水系统发展明显低于其他四省，且能源资源发展也存在一定进步空间，制约了其整体的耦合性。宁夏地区的总面积与其他四省相比较小，因此在资源总量上处于相对较低的水平。并且，宁夏地区降水量少且蒸发量大，在2002—2022年中，人均水资源仅为184.09 m³，年均地下水资源仅为23.96亿m³。而陕西、甘肃地区人均水资源为1 314.29，1 051.54 m³。此外，宁夏能源资源也与陕西、新疆地区存在较大差距，原油生产总量和天然气生产总量明显较低，2002—2022年，宁夏年均原油生产总量为17.13万t，年均天然气生产总量为2.59亿m³，而陕西、新疆地区的年均原油生产总量分别为1 060.69，1 363.43万t，年均天然气生产总量为64.44亿，88.04亿m³。

通过对未来几年的预测，发现西北五省的水—能源—粮食系统耦合协调水平会保持稳步上升的态势。预测到2030年，西北五省中甘肃将达到中级耦合发展阶段，陕西、青海和新疆达到勉强耦合发展阶段，宁夏地区达到濒临失调衰退阶段。预测甘肃耦合协调度将在2027年达到0.6以上，青海在2026年达到0.5以上，宁夏在2025年达到0.4以上。陕西和新疆仍将继续保持在0.5以上不会出现明显的下降，但其耦合协调发展水平提升速度相对缓慢，未来仍需更长的时间才能达到良好协调发展程度。

3.2 建议

西北地区应重点关注对耦合协调度影响最大的水资源系统。水资源系统的发展受自然条件限制，西北五省深居内陆，自然条件匮乏对其发展产生了明显的限制作用。应加大对水资源的利用及环保措施，转变产业生产结构及方式，提升水资源在工业及农业的有效利用率。落实农业节水增效、工业节水减排政策，注重水资源的生态保护，严格实行水资源管理制度的“三条红线”要求。

在能源方面要依据自身自然资源条件，调整能源结构，树立可持续发展理念，大力发展风能、电能等可再生新能源。依靠先进的技术提高能源利用效率，提高资源环境承载力，促进生态与经济可持续高质量发展转型。增加植树绿化，提高植被覆盖率，促进生态系统碳汇能力提升。

西北地区未来要重点提升宁夏的WEF系统耦合发展水平。注重区域间的协调发展，发挥空间辐射带动效应，促进优势资源互补，推动形成优势互补高质量发展的区域协同布局，建设基础设施互联互通，产业分工协调，生态建设共建共治的区域格局。

参考文献

[1] 刘洋，于恩涛，杨建军，等.西北干旱区1960—2019年实际蒸散发时空变化特征［J］.水土保持研究，2021，28（6）：75-80，89.

[2] Liu Y， Yu E T， Yang J J， et al. Characteristics of spatial and temporal variation of actual evapotranspiration in the Arid Region of Northwest China from 1960 to 2019［J］. Research of Soil and Water Conservation， 2021，28（6）：75-80，89.

[3] World Economic Forum. Global Risks 2011 Report（6 th edition）［R］. Cologne： World Economic Forum， 2011.

[4] Ge M， Yu K L， Ding A G， et al. Input-output efficiency of water-energy-food and its driving forces： spatial-temporal heterogeneity of Yangtze River economic belt， China［J］. International Journal of Environmental Rese-arch and Public Health， 2022，19（3）：1340.

[5] Mannan M， Al-Ansari T， Mackey H R， et al. Quantifying the Energy， Water and Food Nexus： a review of the latest developments based on life-cycle assessment［J］. Journal of Cleaner Production， 2018，193：300-314.

[6] White D J， Hubacek K， Feng K S， et al. The water-energy-food nexus in East Asia： a tele-connected value chainanalysis using inter regional input output analysis［J］. Applied Energy， 2018，210：550-567.

[7] Han Z C， Ma H L. Adaptability assessment and analysis of temporal and spatial differences of Water-Energy-Food system in Yangtze River Delta in China［J］. Sustainability， 2021，13（24）：13543.

[8] Li J Q， Huang D C. Multi-dimensional dynamic spatio-temporal evolution of the green development efficiency of water-energy-food in China［J］. Water Policy， 2023，25（2）：122-145.

[9] Ni Y K， Chen Y. Does the implementation sequence of adaptive management countermeasures affect the collaborative security of the water-energy-food nexus： a case study in the Yangtze River Economic Belt［J］. Ecological Indicators， 2024，163：112090.

[10] Han X， Zhao Y， Gao X R， et al. Virtual water output intensifies the water scarcity in Northwest China： current situation， problem analysis and countermeasures［J］. Science of the Total Environment， 2021，765：144276.

[11] 王红瑞，赵伟静，邓彩云，等.水—能源—粮食纽带关系若干问题解析［J］.自然资源学报，2022，37（2）：307-319.

[12] Wang H R， Zhao W J， Deng C Y， et al. Analysis on issues of water-energy-food nexus［J］. Journal of Natural Resources， 2022，37（2）：307-319.

[13] 李溦，赵勇，姜珊，等.水、能源和粮食纽带关系研究进展及发展启示［J］.生态学报，2024，（17）：1-15.

[14] Li W， Zhao Y， Jiang S， et al. Pesearch progress and development englightement of the water， energy， and food nexus［J］. Acta Ecologica Sinica， 2024，（17）：1-15.

[15] 李良，毕军，周元春，等.基于粮食—能源—水关联关系的风险管控研究进展［J］.中国人口·资源与环境，2018，28（7）：85-92.

[16] Li L， Bi J， Zhou Y C， et al. Research progress of regional environmental risk management： from the perspectives of food-energy-water nexus［J］. China Population，Resources and Environment， 2018，28（7）：85-92.

[17] 李海鹏，李卓，张俊飚.中国农业能源回弹效应的形成机制、时空演变及影响因素［J］.中国人口·资源与环境，2022，32（10）：24-34.

[18] Li H P， Li Z， Zhang J B. Formation mechanism， spatio-temporal evolution， and influencing factors of agricultural energy rebound effect in China［J］. China Population，Resources and Environment， 2022，32（10）：24-34.

[19] 张泽琳，周霞，周玉玺.黄河下游水资源承载力与粮食生产韧性时空耦合及驱动因素［J］.水土保持研究，2024，31（3）：412-420，431.

[20] Zhang Z L， Zhou X， Zhou Y X. Spatiotemporal coupling and driving factors of water resources carrying capacity and grain production resilience in the lower reaches of Yellow River［J］. Research of Soil and Water Conservation， 2024，31（3）：412-420，431.

[21] 刘苗苗，潘佩佩，任佳璇，等.京津冀粮食安全与农业用水安全耦合协调研究［J］.中国农业资源与区划，2023，44（2）：170-182.

[22] Liu M M， Pan P P， Ren J X， et al. Coupling coordination of food security and agricuitural water security in Beijing-Tianjin-Hebei region［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2023，44（2）：170-182.

[23] 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.

[24] Wang H M， Hong J， Liu G.Simulation research on different policies of regional green development under the nexus of water-energy-food［J］. China Population，Resources and Environment，2019，29（6）：74-84.

[25] 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.

[26] Sun C Z， Zhou Z， Zhao L S. System simulation of water-energy-food in Southwest China based on SD model［J］. Economic Geography， 2021，41（6）：20-29.

[27] 刘自敏，刘曦泽，朱泓宇，等.水—能源—粮食系统耦合视角下的中国分省碳达峰评估：基于LEAP模型的分析［J］.经济地理，2024，44（1）：118-129.

[28] Liu Z M， Liu X Z， Zhu H Y， et al. Assessment of carbon peaking by province in China from the perspective of water-energy-food system coupling： based on LEAP model［J］. Economic Geography， 2024，44（1）：118-129.

[29] 王锐，祝笑笑，彭艳艳，等.2000—2020年黄河流域水-能源-粮食系统耦合协调时空演变特征［J］.水土保持研究，2024，31（1）：354-362.

[30] Wang R， Zhu X X， Peng Y Y， et al. SpatioTemporal characteristics of water-energy-food coupling coordination in the Yellow River Basin in the period from 2000 to 2020［J］. Research of Soil and Water Conservation， 2024，31（1）：354-362.

[31] 黄雅丽，邓晓军.基于Citespace的“水—能源—粮食”纽带关系研究进展［J］.中国农业资源与区划，2020，41（9）：172-181.

[32] Huang Y L， Deng X J. Research progress on the “water-energy-food” nexus based on citespace［J］. Chinese Journal of Agricultural Resources and Regional Planning，2020，41（9）：172-181

[33] 孙才志，魏亚琼，赵良仕.干旱区水—能源—粮食纽带系统协同演化：以中国西北地区为例［J］.自然资源学报，2022，37（2）：320-333.

[34] Sun C Z， Wei Y Q， Zhao L S. Co-evolution of water-energy-food nexus in arid areas： take Northwest China as an example［J］. Journal of Natural Resources， 2022，37（2）：320-333.

[35] 谢乃明，刘思峰.离散GM（1，1）模型与灰色预测模型建模机理［J］.系统工程理论与实践，2005，（1）：93-99.

[36] Xie N M， Liu S F. Discrete GM（1， 1） and mechanism of grey forecasting model［J］. Systems Engineering-theory & Practice， 2005，25（1）：93-99.

[37] 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.

[38] Li C Y， Zhang S Q. Chinese provincial water-energy-food coupling coordination degree and influencing factors research［J］. China Population，Resources and Environment， 2020，30（1）：120-128.

[39] 孙兆旭，赵领娣.中国海岸带城市环境规制对经济—资源—环境系统协调发展的影响与作用机制［J］.自然资源学报，2023，38（11）：2773-2791.

[40] Sun Z X， Zhao L D. The influence and mechanism of environmental regulation on the coordinated development of economy-resources-environment system in coastal cities of China［J］. Journal of Natural Resources， 2023，38（11）：2773-2791.

[41] 赵良仕，刘思佳，孙才志.黄河流域水-能源-粮食安全系统的耦合协调发展研究［J］.水资源保护，2021，37（1）：69-78.

[42] Zhao L S， Liu S J， Sun C Z. Study on coupling and coordinated development of water-energy-food security system in the Yellow River Basin［J］. Water Resources Protection， 2021，37（1）：69-78.

[43] 方创琳，崔学刚，梁龙武.城镇化与生态环境耦合圈理论及耦合器调控［J］.地理学报，2019，74（12）：2529-2546.

[44] Fang C L， Cui X G， Liang L W. Theoretical analysis of urbanization and eco-environment coupling coil and coupler control［J］. Acta Geographica Sinica， 2019，74（12）：2529-2546.

[45] 周成，冯学钢，唐睿.区域经济—生态环境—旅游产业耦合协调发展分析与预测：以长江经济带沿线各省市为例［J］.经济地理，2016，36（3）：186-193.

[46] Zhou C， Feng X G， Tang R. Analysis and forecast of coupling coordination development among the regional economy-ecological environment-tourism industry： a case study of provinces along the Yangtze economic zone［J］. Economic Geography， 2016，36（3）：186-193.

[47] 殷克东，张凯，杨文栋.基于概率累加的离散GM（1，1）模型及其在海洋天然气产量预测中的应用［J］.系统工程理论与实践，2024，44（8）：2733-2748.

[48] Yin K D， Zhang K， Yang W D. A discrete GM（1， 1） model based on probabilistic accumulation and its application to offshore gas production forecasting［J］. Systems Engineering Theory and Practice， 2024，44（8）：2733-2748.

基金资助

国家自然科学基金项目(71973039)

教育部人文社科资助项目(22YJC790063)

河南省高等学校重点科研项目(22A630001)

河南省社科规划项目(2020BJJ005)

自治区普通高校人文社科重点研究基地项目(XJEDU2023J004)