基于TOPSIS-VHSD模型的甘肃省资源环境承载力与高质量发展耦合协调研究

A study on coupling coordination of resources and environmental carrying capacity and high-quality development based on TOPSIS-VHSD model in Gansu Province， China

摘要

目的 探究甘肃省资源环境承载力和高质量发展关系的时空演变特征和驱动机制，助力甘肃省实现人地协调和可持续发展，为综合评价提供新视角和新方法。 方法 运用TOPSIS-VHSD模型、修正的耦合协调模型、空间计量模型及地理探测器等方法，系统分析了2013—2023年甘肃省资源环境承载力和高质量发展的耦合协调度和驱动因素。 结果 （1） 甘肃省资源环境承载力与高质量发展水平分别从2013年的0.648，0.378增长到2023年的0.693，0.547，空间分布格局以兰州市为中心沿“东南—西北”方向往复运动。（2） 甘肃省耦合协调度由勉强协调提升到中级协调状态，空间上呈西北向南部地区递减特征；省内城市耦合协调度至2019年均转变为初级协调状态，并且还在不断提升，空间相关性由离散逐渐转变为聚集状态。（3） 探测结果显示创新和水环境子系统是耦合协调度的主要驱动因素。 结论 TOPSIS-VHSD模型有效揭示了甘肃省资源环境承载力与高质量发展水平的区域差异，当前甘肃省耦合协调度仍然不高，为有效推动资源环境与高质量发展协同，建议甘肃当前和未来应坚持创新驱动发展的路径，并加强对水环境的改善。

Abstract

Objective The study aims to investigate the spatiotemporal evolution characteristics and driving mechanisms of the relationship between resource and environmental carrying capacity （RECC） and high-quality development （HQD）， providing a foundation for ensuring coordinated human-land development and sustainable growth in Gansu Province. Methods This study employed the technique for order preference by similarity to ideal solution （TOPSIS）-vertical and horizontal scatter degree （VHSD） model， a modified coupling coordination model， spatial econometric models， and Geodetector to systematically analyze the coupling coordination degree and driving factors of RECC and HQD in Gansu Province from 2013 to 2023. Results （1） The RECC and HQD levels in Gansu Province increased from 0.647 9 and 0.377 8 in 2013 to 0.692 9 and 0.546 6 in 2023， respectively. Their spatial distribution pattern exhibited a reciprocating movement along the “southeast-northwest” axis centered on Lanzhou City. （2） The coupling coordination degree in Gansu Province improved from barely coordinated to moderately coordinated， showing a decreasing trend from the northwest to the southern regions. By 2019， the coupling coordination status of all cities within the province had transitioned to primary coordination and continued to improve， while spatial correlation gradually shifted from a dispersed pattern to a more clustered structure. （3） Detection results indicated that innovation and water environment subsystems were the primary driving factors of the coupling coordination degree. Conclusion The TOPSIS-VHSD model effectively reveals regional disparities in RECC and HQD levels in Gansu Province and indicates that the current coupling coordination degree remains relatively low. To effectively promote the synergistic development of RECC and HQD， it is recommended that Gansu Province continue to pursue innovation-driven development and strengthen water environment improvements.

Graphical abstract

关键词

资源环境承载力 / 高质量发展 / 耦合协调 / TOPSIS-VHSD模型 / 地理探测器 / 甘肃省

Key words

resource and environmental carrying capacity / high-quality development / coupling coordination / TOPSIS-VHSD model / Geodetector / Gansu Province

在全球城市化发展过程中，许多地区以牺牲资源环境为代价，力求经济的快速增长，经济社会与资源环境的矛盾日渐凸显^［1］。中国作为世界第二大经济体，城市化率从1949年的10.64%提高到2023年的66.16%，在实现经济高速增长的同时，许多城市因此付出了巨大的资源和环境成本。我国虽一直在推进经济社会发展全面绿色转型，但囿于过去粗放的发展方式，经济社会发展和资源环境承载力的不平衡矛盾依然存在^［2］。近年来随着经济社会的不断发展，资源环境承载力与人类活动的矛盾加剧，环境污染、自然资源持续消耗等一系列资源环境超载问题严重阻碍了我国可持续发展^［3］。2023年习近平总书记在全国生态环境保护大会上强调要把资源环境承载力作为发展的前提和基础，协同推进高质量发展和生态环境高水平保护。就两者的关系而言，资源环境承载力为高质量发展划定边界，通过明确资源供给上限、环境纳污阈值，引导推动高质量发展；高质量发展以提质增效为目标，通过转变发展方式高效利用资源环境要素，反向拓展承载力上限。为统筹把握资源环境承载力与高质量发展的互动关系，一些学者通过引入物理学中的耦合协调理论，系统探究了资源环境承载力与高质量发展的协同发展机制，为实现区域可持续发展提供了重要理论支撑。

资源环境承载力作为资源、环境和生态的集成表达，通常被描述为区域资源禀赋和环境容量支撑当地社会经济发展的承受能力^［4］。早期，学术界对资源环境与区域发展的研究多侧重于水资源或土地资源等单要素承载力对社会发展影响的研究^［5］。而资源的广义替代性原理和近远程互动关系表明，一种资源的不足可以被附近的优势资源弥补，多数研究结果被实证低估了资源环境整体的承载力水平^［6］。于是承载力研究开始向更深入、全面的方向转移，资源环境综合承载力日益受到学界重视^［7］。陈煜等^［8］ 利用系统动力学模拟预测了陈巴尔虎旗资源环境承载力；王秦等^［9］ 基于模糊综合评价法评价了雄安新区的资源环境承载力；傅聪颖等^［10］基于熵权TOPSIS模型研究并识别了南昌市资源环境承载力的障碍因子。高质量发展这一概念自诞生以来就引起广泛关注，当前已积累了丰富的研究成果。杨永芳等^［11］基于五大新发展理念构建了高质量发展评价指标体系；周兵等^［12］测度了长江经济带高质量发展水平的时空演变特征及障碍因素；陈小龙等^［13］研究了辽宁沿海经济带高质量发展的空间联系及辐射效应。既往研究围绕资源环境承载力与高质量发展的概念界定、评价指标体系构建及测度等方面取得了一系列研究成果，而对于资源环境承载力与高质量发展的耦合协调研究仍处于探索阶段，成果相对较少。

综上所述，本研究以甘肃省为研究对象，基于TOPSIS-VHSD模型、耦合协调模型、标准差椭圆模型、Moran′s I指数等方法对甘肃省2013—2023年资源环境承载力与高质量发展的时空变化特征及耦合协调程度进行分析，并借助地理探测器识别影响资源环境承载力与高质量发展耦合协调的主要驱动因素。研究以期明晰资源环境承载力与高质量发展的协调性对甘肃省的重要性，为其实现可持续发展提供建议，同时可为相关研究提供参考。

1 材料与方法

1.1 研究区概况与数据来源

甘肃省（32°11′—42°57′N，92°13′—108°46′E）位于中国西北地区（图1），总面积42.58万km²，东邻陕西，西倚新疆，地形自西北至东南呈狭长地带，多种地貌交错分布，地势梯度显著，自然环境多样且脆弱^［14］。全省下辖14个市州，气候类型复杂，降水空间分布不均，呈由西北向东南递增的趋势，多年平均降水量278.71 mm。境内自然资源种类众多，禀赋优越，是我国重要的能源、原材料工业基地，但受复杂地形和气候条件限制，资源空间分异显著，区域发展不均衡问题依然突出。2023年末，全省常住人口2 465.48万人，GDP为11 863.8亿元，经济总量在全国31个省份中位列第27位，属国内经济落后省份。如何协调资源环境约束与经济社会高质量发展的耦合协调关系，全面提升资源环境承载力与高质量发展水平，已成为该省实现可持续发展亟待解决的问题。

研究所采用的数据主要来源于《甘肃统计年鉴》《甘肃省水资源公报》《甘肃省自然资源公报》。其中用于计算植被覆盖度的NDVI数据源自国家生态科学数据中心，DEM数据来自地理空间数据云平台。

1.2 构建评价指标体系

资源环境承载力是资源承载力、环境承载力的延伸与发展^［15］。在资源维度，承载力承载的是人类各种生产活动所造成的压力，包括对水资源、土地和产能等的利用；在环境维度，承载力是指容纳污染物并维持良好环境质量的能力，包括大气、水环境对污染物的自净能力，资源与环境的协同效益决定资源环境承载力的整体功能^［16］。因此，本研究遵循系统论的原则，立足于甘肃省水资源短缺、土地资源约束和生态环境脆弱等典型特征，在杨亮洁等^［17］和陈晓雨婧等^［18］对甘肃省所构建资源环境评价指标体系的基础上，参考《资源环境承载能力预警技术方法》^［19］，以资源环境要素为基础，从水资源、土地资源、空气环境、水环境及生态环境5个方面构建指标体系来综合评价资源环境承载力（表1）。

目前，虽然已有学者对区域高质量发展评价做出了一定的研究，但针对甘肃省特定省情、兼具科学性与可操作性的综合评价研究尚显不足。因此，本研究在充分借鉴该地区已有研究^［20-21］的基础上，基于对高质量发展内涵的理解，从创新、协调、绿色、开放、共享5个方面构建高质量发展指标体系。为确保指标体系的科学性和合理性，本研究优先选取普适性较强的核心指标，并结合甘肃发展实际来评价高质量发展水平，结果见表2。其中，创新方面由教育、研发经费投入及人才产出等对科技的投入产出指标进行表征；协调方面以城乡产业及收支方面的指标差异表示城乡发展的协同水平；绿色方面以对环境的污染和处理能力衡量发展质量；开放方面以贸易开放和资本开放表示甘肃与外界的合作情况；共享方面聚焦增强公共服务的供给能力，以基础公共设施、文化、医疗、就业指标等体现社会的普惠共享程度。

1.3 TOPSIS-VHSD模型

TOPSIS模型通过计算各方案与理想解的距离来定量评估对象的综合表现并进行排序，但易受指标权重的影响。郭亚军^［22］提出的纵横向拉开档次法（“Vertical and Horizontal” Scatter Degree method， VHSD）将时间因素融入权重的计算过程中，尤其适用于时序立体数据的动态评价。为保证评价结果在不同年份可比，本文引入定基功效系数法^［23］对数据进行标准化处理，以获得客观的定量评价结果。具体计算过程如下：

（1） 数据标准化。将m个城市的n个指标排列成为一个m×n的矩阵，再加入时间变量t，形成一个三维初始矩阵X=〔x_ij （t）〕 _m×n×k，（t=1，2，…，k）。对数据进行标准化处理，得到标准化矩阵S=〔s_ij （t）〕 _m×n×k。正向指标按公式（1）计算；负向指标按公式（2）计算。

s_{ij}\left(t\right)=\frac{x_{ij}\left(\mathrm{t}\right)-\mathrm{m}\mathrm{i}\mathrm{n}〔x_j\left(\mathrm{1}\right)〕}{\mathrm{m}\mathrm{a}\mathrm{x}〔x_j\left(\mathrm{1}\right)〕-\mathrm{m}\mathrm{i}\mathrm{n}〔x_j\left(\mathrm{1}\right)〕}（1）

s_{ij}\left(t\right)=\frac{\mathrm{m}\mathrm{a}\mathrm{x}〔x_j\left(\mathrm{1}\right)〕-x_{ij}\left(t\right)}{\mathrm{m}\mathrm{a}\mathrm{x}〔x_j\left(\mathrm{1}\right)〕-\mathrm{m}\mathrm{i}\mathrm{n}〔x_j\left(\mathrm{1}\right)〕}（2）

式中：x_ij （t）和s_ij （t）分别表示第i个地区的第j个指标在第t年度的原始值和标准化后的值；max〔x_j （1）〕和min〔x_j （1）〕分别表示所有地区的第j个指标在基准期的最大值和最小值。本研究的基准期为2013年。

（2） 建立加权标准化决策矩阵。

Z=S\times W=z_{ij}\left(t\right)（3）

式中：W为权重矩阵。

（3） 确定正、负理想解。

\begin{array}{l}{Z}_j^{+}=\mathrm{m}\mathrm{a}\mathrm{x}\left\{z_{ij}\left(t\right)\left|\left(i=\mathrm{1,2},\cdots ,m\right)\left(t=\mathrm{1,2},\cdots ,k\right)\right.\right\}\\ =\left\{z_{\mathrm{1}}^{+},z_{\mathrm{2}}^{+},\cdots ,z_n^{+}\right\}\end{array}（4）

\begin{array}{l}{Z}_j^{-}=\mathrm{m}\mathrm{i}\mathrm{n}\left\{z_{ij}\left(t\right)\left|\left(i=\mathrm{1,2},\cdots ,m\right)\left(t=\mathrm{1,2},\cdots ,k\right)\right.\right\}\\ =\left\{z_{\mathrm{1}}^{-},z_{\mathrm{2}}^{-},\cdots ,z_n^{-}\right\}\end{array}（5）

（4） 确定欧氏距离。

D_i^{+}\left(t\right)=\sqrt[]{{{\displaystyle \sum _{j=\mathrm{1}}^n}〔\left(z_{ij}\left(t\right)-z_j^{+}\right)〕}^{\mathrm{2}}}（6）

D_i^{-}\left(t\right)=\sqrt[]{{{\displaystyle \sum _{j=\mathrm{1}}^n}〔\left(z_{ij}\left(t\right)-z_j^{-}\right)〕}^{\mathrm{2}}}（7）

（5） 计算综合评价指数。

T_i\left(t\right)=\frac{D_i^{-}\left(t\right)}{D_i^{+}\left(t\right)+D_i^{-}\left(t\right)}（8）

式中：0≤T_i （t）≤1，T_i （t）越接近于1，表示评价对象越接近理想方案，评价结果越优，反之越差。

1.4 修正的耦合协调度模型

耦合协调度模型（Coupling coordination degree model）通过耦合度量化子系统间的相互作用强度，继而借助协调发展度评估系统整体的协调程度^［24］。该模型在揭示资源环境承载力与高质量发展水平间的耦合关系方面具有显著优势。但经过验证，传统的耦合协调度模型在测量效度和结果可信度方面表现不足，关于该模型在实证研究中的适用性仍存在一些争议^［25］。因此，本研究采用由王淑佳等^［26］修正的耦合协调度模型进行计算。计算公式如下：

C=\sqrt[]{〔\mathrm{1}-\frac{{\displaystyle \sum _{i>j,j=\mathrm{1}}^n}\sqrt[]{(U_i-U_j{)}^{\mathrm{2}}}}{{\displaystyle \sum _{m=\mathrm{1}}^{n-\mathrm{1}}}m}〕\times {\left({\displaystyle \prod _{i=\mathrm{1}}^n}\frac{U_i}{\mathrm{m}\mathrm{a}\mathrm{x}{U}_i}\right)}^{\frac{\mathrm{1}}{n-\mathrm{1}}}}（9）

I={\displaystyle \sum _{i=\mathrm{1}}^n}{\alpha }_i{U}_i,{\displaystyle \sum _{i=\mathrm{1}}^n}{\alpha }_i=\mathrm{1}（10）

D=\sqrt[]{C\times I}（11）

式中：U_i 为两个系统基于TOPSIS模型所计算出的评价指数。C为耦合度；I为综合协调指数；D为耦合协调度。本研究认为资源环境承载力与高质量发展系统具有同等地位，因此待定系数定为α₁=α₂=0.5。为定量表述耦合协调度状态，将耦合协调度划分为十个级别^［27］（图2）。

1.5 Moran′s I指数

本研究基于ArcGIS 10.8软件，利用标准差椭圆模型和Moran′s I指数，分析资源环境承载力和高质量发展水平的空间分布格局及其动态演变规律。椭圆大小选择一个标准差的椭圆，投影坐标系选择Albers等面积投影坐标系统（中央经线为101°E，两条标准纬线分别为34°N和41°N）。

1.6 地理探测器

地理探测器在综合评价分析时主要被用于分析要素空间异质性和驱动因子^［28］。本研究主要运用该模型中的因子探测模块和交互探测模块来探测资源环境承载力与高质量发展水平耦合协调的主要驱动因子和因子叠加时的交互效应。

2 结果与分析

2.1 资源环境承载力与高质量发展水平时空演变特征

2.1.1 时序演变特征

2013—2023年甘肃省及省内14个城市的资源环境承载力变化趋势见图3。总体来看，甘肃省资源环境承载力从2013年的0.648增长到2023年的0.693，年均增长0.61%，2020年达到峰值0.731。从城市层面来看，多数城市的资源环境承载力呈不同程度的上升趋势，而庆阳市却有所下降。与2013年相比，2023年资源环境承载力下降0.049。这一变化归因于庆阳市资源环境承载力在基准期已经达到较高水平，导致后续提升空间有限。自“十三五”以来，庆阳市持续推进工业经济发展，水资源与土地资源的开发强度显著增加，同时对环境造成一定压力，水资源、大气环境和土地资源系统承载力分别降低0.182，0.113，0.014。尽管期间庆阳市在生态治理和环境质量改善方面取得一定成果，水环境和生态环境系统承载力有所提升，但未能完全抵消资源开发带来的负面影响，资源环境承载力略有下降。不同城市间资源环境承载力进行比较，陇南市最高，其次是甘南和庆阳市。平均值分别为0.747，0.741，0.740。表现最差的城市是兰州和嘉峪关市，平均值分别为0.557，0.552。尽管嘉峪关市表现不佳，但其资源环境承载力增长率最高，达到31.67%。兰州市达到18.64%，仅排在嘉峪关市后面。值得注意的是，无论从省级视角还是市级视角来看，资源环境承载力都不是一味地上升，而是存在一些明显的波动。如2015年所有城市资源环境承载力普遍较低。这个现象或是因为地方资源环境禀赋差异和环境保护政策管控力度造成的。

如图4所示，高质量发展水平指数呈稳步上升趋势，除白银市之外，峰值均出现在2023年。总体来看，甘肃省高质量发展指数从2013年的0.378上升到2023年的0.547，年均增长3.41%。从城市层面来看，兰州市作为省会城市，2013—2022年高质量发展指数每年均排名第一，2023年被金昌市反超。金昌市高质量发展指数从2013年0.322增加到2023年的0.639，增幅高达98.17%。根据金昌市发展记录，2023年前三季度，金昌市在全省高质量发展贡献中名列第一，进一步验证了评价结果的可靠性。不同城市高质量发展指数比较，兰州市最高，其次是酒泉市和嘉峪关市。平均值分别为0.562，0.50，0.492。表现最差的城市是陇南、平凉、白银，平均值分别为0.412，0.429，0.429。此外，研究发现，大多数城市和甘肃省高质量发展指数在2017年发生转折，使高质量发展水平呈现出明显的阶段性分化特征。研究结果与我国经济发展轨迹高度吻合。

2.1.2 空间分布变化

2013—2023年甘肃省资源环境承载力与高质量发展的椭圆分布及重心迁移轨迹如图5和图6所示。2013—2023年资源环境承载力和高质量发展水平形状指数始终较低，均值分别为0.337，0.317，说明资源环境承载力和高质量发展水平的空间分布均衡性不足，空间方向特征明显。资源环境承载力与高质量发展水平重心均落在兰州市内，移动轨迹与甘肃省地理分布格局大致相同，均沿着“东南—西北”方向往复运动。值得注意的是，两者重心的运行轨迹在2013—2015年、2019—2022年出现脱钩，运动方向完全相反，说明甘肃省资源环境尚未与经济社会深度融合，两者的协调性不足。资源环境承载力与高质量发展水平椭圆面积均呈波动下降趋势，资源环境承载力椭圆面积减小4 060.63 km²，高质量发展水平椭圆面积减小1 531.41 km²，表明资源承载力和高质量发展水平以兰州市为重心，空间聚集程度总体在增大。进一步观测椭圆长、短半轴变化，资源环境承载力椭圆长轴延长0.29 km，而短轴缩短2.84 km。与之相反，高质量发展水平椭圆长轴缩短6.62 km，短轴增长1.08 km。表明资源环境承载力空间分异现象加剧，优势区域和劣势区域的分布更加明显，而高质量发展水平正趋于正圆，各地区的发展差异在缩小，空间分布相对更均衡。两者方位角总体呈增大趋势，表明甘肃西北和东南地区的资源环境承载力和高质量发展水平均有所提升，推动标准差椭圆顺时针旋转。

2.2 耦合协调时空演变特征

2.2.1 时空演变特征

如图7所示，甘肃省和14个城市耦合协调度呈稳中向好趋势发展，耦合协调度年均增长1.9%，状态从2013年的勉强协调提升到2023年的中级协调，说明资源环境与经济发展的良性互动关系在逐步增强。从空间维度来看，耦合协调度差异特征明显。甘肃西北部地区耦合协调度普遍较高，如酒泉、嘉峪关，2013年就达到初级协调状态。中部其次，仅兰州市表现较为突出。但由于兰州市发展相对成熟，耦合协调度增速较慢，增幅仅为11.47%。而甘肃东南部地区耦合协调度较低，特别是陇南市在14个城市中一直处于末位。各城市进行比较，金昌、武威、张掖、甘南4个城市耦合协调度提升幅度较大，由最初的勉强协调状态跃升为中级协调状态。其中，金昌市耦合协调度增幅最大，达到47.06%。白银、天水、平凉、庆阳、定西、陇南、临夏7个城市提升较小，仅从勉强协调状态提升至初级协调状态，与其他城市仍存在不小的差距。至2023年，甘肃省及14个城市已经处在初级协调状态之上，整体协调状态良好。

2.2.2 空间相关性分析

从前文可知，资源环境承载力与高质量发展水平的协调性存在显著的空间差异性，但是其中是否存在关联性还有待考察。研究通过Moran′s I指数分析资源环境承载力与高质量发展水平耦合协调度的空间聚集情况（表3）。

检验结果表明甘肃省耦合协调度全局Moran′s I指数在多数年份间p值>0.1。即从甘肃省总体平均水平来看，资源环境承载力与高质量发展耦合协调度不存在相关性。而2018年、2021年、2023年全局Moran′s I指数却又表现出不同程度的显著性。原因在于Moran′s I指数以空间上是否存在邻接来判断空间关联性，若边界不存在接触，则认为地区间不存在关联^［29］，这显然与实际情况存在一些偏差。石慧等^［30］研究指出Moran′s I指数不显著不能直接说明邻接地区均无关联，因为这种相关性可能只存在于部分地区，或者正负相互抵消，在统计上不显著。因此，研究进一步通过局部Moran′s I指数探讨局部地区的空间自相关性。

2013年和2023年甘肃省内14个城市的局部空间聚集特征如图8所示。可以看出，甘肃省内的确存在集聚现象。2013年只有天水市呈现出显著的高—低离散特征，说明与周边城市相比，天水市自身的耦合协调度要高一些，但没有带动周围地区一起提升。其余城市空间分布均不显著。随着时间的推移，越来越多的城市出现显著的聚集特征。至2023年，甘肃省主要以高—高聚集和低—低聚集模式为主。高—高聚集区位于甘肃河西地区，包括张掖市和武威市。低—低聚集区位于陇东和陇南地区，涵盖甘南、定西、天水、平凉和陇南5个城市。

2.3 驱动因子分析

研究将资源环境承载力与高质量发展中系统的子系统作为探测因子，利用地理探测器模型考察2013年、2017年、2023年资源环境承载力和高质量发展耦合协调的驱动力。子系统指数同样通过TOPSIS-VHSD模型计算；地理探测器使用自然断点法进行分类，探测结果如图9所示。

2013年资源环境承载力内部系统驱动力普遍靠前，水环境对耦合协调的驱动力最强，其次是大气环境。2017年高质量发展系统整体驱动力开始提高，协调成为耦合协调的主导因素，推动区域协调发展成为当年的首要目标。2023年，创新成为资源环境与高质量发展协调的核心驱动力。交互探测结果显示，双因子交互后产生的驱动力比单因子作用强度高，交互作用类型均表现为协同增强。因子自身q值越低，与其他系统交互后的增强效果就越明显。2013年，创新q值最低，但与其他子系统叠加交互作用最为显著，q值平均提高0.743。水环境与其他子系统进行交互后q值普遍较高，均处于0.9以上。其中与生态环境交互后q值在当年位居第1，达到0.999。2017年，生态环境q值为0.214，与其他子系统交互后平均提高0.613。2023年，水环境与其他子系统进行交互对于驱动甘肃省各城市耦合协调有显著提升作用，q值平均提升0.757。可见，资源环境承载力与高质量发展间的耦合协调是一种复杂的因子交互作用的过程，不仅受到各因素单一驱动，更受到各因素组合的协同作用。

3 讨论

本文从复杂系统动态演化的视角出发，改进了TOPSIS模型，能够更好地量化对比资源环境承载力与高质量发展水平。与传统TOPSIS模型相比，TOPSIS-VHSD模型新增一个数据处理维度，能够更科学、准确地揭示各地区及同一地区年际间的差异。依托该模型的量化分析优势，本文深入探究甘肃省资源环境承载力与高质量发展水平的时序演变规律及耦合协调程度。研究发现2013—2023年甘肃省资源环境承载力与高质量发展水平在不断提高，但空间差异极化特征明显，高质量发展水平高的市州耦合协调度普遍高于欠发达地区。从耦合协调的空间相关性来看，2013年天水与其周边城市呈现高—低离散特征，其余地区均未表现出相关性，说明当时甘肃省耦合协调空间关联格局尚未形成，区域协同效应不足。2023年河西和陇东南地区耦合协调相关性显著增强，表现出聚集特征，但部分市州尚未有效融入整体协同发展格局，资源环境与高质量发展的协同联动效应仍待强化。

吴明艳等^［31］研究指出甘肃省仍未摆脱以牺牲环境来换取经济增长的发展模式，资源开发利用率、污染物排放成为甘肃省资源环境承载力进一步提升的主要瓶颈，这与本研究结果较为一致。在资源环境系统中，水环境为制约资源环境承载力和高质量发展耦合协调的主要因素。干旱缺水、蒸发强烈是西北地区典型特征，也决定了水资源作为社会发展的核心地位。甘肃省作为西北地区典型的干旱半干旱地区，水资源本底禀赋较弱，此外，城镇化和工业化的不断推进导致用水需求增加，形成水资源开发利用程度高而利用效率低的局面，严重影响水环境质量。因此，未来应高度重视水环境的保护工作，强化水资源刚性约束；加强生态补水，提高水体纳污能力；加强对水环境的监督，落实污水处理设施建设，明确污水排放标准，控制污染负荷，从源头上减少污染物排放。政府部门要加强政策引导与支持，让公众提高环境保护意识，主动参与到环境治理工作当中，以对水环境的长效治理来提高甘肃省资源环境与高质量发展的耦合协调性。

在高质量发展系统中，创新层面成为耦合协调的核心驱动因素。从可持续发展角度来看，甘肃省生态足迹不断攀升，人类活动与资源环境的矛盾不断加深，面临资源环境失衡^［32］。同时，甘肃省多数城市面临产业结构单一、开发模式粗放等问题，且大规模、高强度的工业化和城镇化发展都在有限区域内集中展开，原有的动力已无法驱动城市持续发展^［33］。Chen等^［34］研究指出，创新滞后会严重阻碍资源型城市的经济发展。在此背景下，推动科技创新，加快传统产业绿色转型成为破除困境的关键路径。未来应重点围绕甘肃省内四大都市圈，按主体功能定位促进经济社会要素优化配置，并推行绿色经济和循环经济的政策，减少对资源环境的依赖。此外，还需发挥区域间的协同效应和辐射带动作用，增强综合承载能力和资源配置能力。对于已接近或达到瓶颈的城市，应积极学习借鉴先进城市的成果和经验，立足于自身资源禀赋，探索能够充分发挥自身优势的发展路径。

4 结论

（1） 改进的TOPSIS-VHSD模型能够提高评价结果的准确性和可对比性。评价结果显示，2013—2023年甘肃省资源环境承载力与高质量发展水平总体呈现上升趋势，分别从0.648，0.378增长到0.693，0.547，但高质量发展仍滞后于资源环境承载力。资源环境承载力与高质量发展呈“东南—西北”的分布格局，并以兰州市为中心往复运动；资源环境承载力空间分异现象加剧，而高质量发展趋于均衡。

（2） 2013—2023年甘肃省大部分城市资源环境承载力与高质量发展的耦合协调度转变为中级协调状态，但整体水平仍然不高。目前，耦合协调度在空间上呈现河西地区高于中部地区、中部地区高于陇东南地区的分布特征。空间关联方面，耦合协调度表现出正的自相关关系，聚集模式转变为高—高聚集和低—低聚集。

（3） 甘肃省耦合协调度的提升是多因素及其交互作用共同驱动的结果。从单因子探测结果来看，目前创新是影响耦合协调的首要驱动力；从交互作用结果来看，水环境本身q值较低，但与其他系统交互后对q值的提升最大。当前，甘肃省应在坚持创新驱动发展的同时，加强对水环境的改善。

参考文献

[1] 刘斯洋，迟妍妍，王夏晖，等.青海省社会经济与资源环境承载力协调度分析［J］.草业科学，2022，39（12）：2695-2703.

[2] Liu S Y， Chi Y Y， Wang X H， et al. Analysis of the coordination of socioeconomic development and environmental resource capacity in Qinghai Province［J］. Pratacultural Science，2022，39（12）：2695-2703.

[3] 王喜峰，李富强.经济安全、高质量发展与水资源承载力关系研究［J］.价格理论与实践，2019（1）：22-26.

[4] Wang X F， Li F Q. National food security， high-quality economic development and water resources bearing capacity［J］. Price：Theory&Practice，2019（1）：22-26.

[5] Chen Y， Tian W T， Zhou Q， et al. Spatiotemporal and driving forces of ecological carrying capacity for high-quality development of 286 cities in China［J］. Journal of Cleaner Production，2021，293：126186.

[6] Liao S J， Wu Y， Wong S W， et al. Provincial perspective analysis on the coordination between urbanization growth and resource environment carrying capacity（RECC）in China［J］. Science of the Total Environment，2020，730：138964.

[7] 马志远，段学军，王磊，等.长江经济带区域发展与资源环境承载力空间耦合特征及高质量发展路径［J］.长江流域资源与环境，2022，31（9）：1873-1883.

[8] Ma Z Y， Duan X J， Wang L， et al. Study on spatial coupling characteristics of regional development and resource-environment carrying capacity and path of high-quality development in Yangtze River Economic Belt［J］. Resources and Environment in the Yangtze Basin，2022，31（9）：1873-1883.

[9] Duan K L， Niu Z R， Cui L. Analysis of water resources carrying capacity and obstacle factors in Gansu section of the Wei River basin using combined weighting TOPSIS model［J］. Scientific Reports，2025，15：12775.

[10] 徐牧天，鲍超.资源环境承载力弹性区间测度与未来情景分析：以兰西城市群为例［J］.资源科学，2023，45（10）：1961-1976.

[11] Xu M T， Bao C. Elastic range measurement of resource and environmental carrying capacity and future scenario analysis：a case study of the Lanzhou-Xining urban agglomeration［J］. Resources Science，2023，45（10）：1961-1976.

[12] 陈煜，张惜伟，吴皆明，等.内蒙古陈巴尔虎旗资源环境承载力SD模型仿真模拟研究［J］.干旱区资源与环境，2025，39（3）：129-140.

[13] Chen Y， Zhang X W， Wu J M， et al. SD model simulation of resource and environmental carrying capacity in Chen Barhu Banner， Inner Mongolia［J］. Journal of Arid Land Resources and Environment，2025，39（3）：129-140.

[14] 王秦，杨博.雄安新区资源环境承载力评价与提升对策研究［J］.环境监测管理与技术，2022，34（6）：31-36.

[15] Wang Q， Yang B. Study on evaluation and improvement countermeasures of resources and environment carrying capacity in Xiongan New Area［J］. The Administration and Technique of Environmental Monitoring，2022，34（6）：31-36.

[16] 傅聪颖，赖昭豪，郭熙.基于熵权TOPSIS模型的区域资源环境承载力评价及障碍因素诊断［J］.生态经济，2020，36（1）：198-204.

[17] Fu C Y， Lai Z H， Guo X. Evaluation of regional resource and environment carrying capacity based on the entropy-weight TOPSIS model and the obstacle factors diagnosis［J］. Ecological Economy，2020，36（1）：198-204.

[18] 杨永芳，王秦.新时代中国区域经济高质量发展评价指标体系构建研究［J］.中国软科学，2023（S1）：182-190.

[19] Yang Y F， Wang Q. Research on construction of evaluation index system for high-quality development of regional economy in China in the New Era［J］. China Soft Science，2023（S1）：182-190.

[20] 周兵，李玉凤.长江经济带经济高质量发展：测度、时空演变与障碍因子诊断［J］.长江流域资源与环境，2025，34（6）：1149-1166.

[21] Zhou B， Li Y F. High-quality economic development of the Yangtze River economic belt：assessment， spatiotemporal evolution， and identification of impediments［J］. Resources and Environment in the Yangtze Basin，2025，34（6）：1149-1166.

[22] 陈小龙，狄乾斌.区域高质量发展的空间联系及辐射效应研究：以辽宁沿海经济带为例［J］.地理科学进展，2023，42（11）：2126-2142.

[23] Chen X L， Di Q B. Spatial connection and radiation effect of regional high-quality development：a case study of the Liaoning coastal economic belt［J］. Progress in Geography，2023，42（11）：2126-2142.

[24] Liu H X， Zhang Y Z， Tian Y J， et al. Epidemic features of seasonal influenza transmission among eight different climate zones in Gansu， China［J］. Environmental Research，2020，183：109189.

[25] 封志明，李鹏.承载力概念的源起与发展：基于资源环境视角的讨论［J］.自然资源学报，2018，33（9）：1475-1489.

[26] Feng Z M， Li P. The genesis and evolution of the concept of carrying capacity：a view of natural resources and environment［J］. Journal of Natural Resources，2018，33（9）：1475-1489.

[27] 许明军，冯淑怡，苏敏，等.基于要素供容视角的江苏省资源环境承载力评价［J］.资源科学，2018，40（10）：1991-2001.

[28] Xu M J， Feng S Y， Su M， et al. The evaluation of resource environmental carrying capacity in Jiangsu Province on the factor supply perspective［J］. Resources Science，2018，40（10）：1991-2001.

[29] 杨亮洁，杨永春.甘肃省资源环境承载力时空分异［J］.生态学报，2017，37（20）：7000-7017.

[30] Yang L J， Yang Y C. The spatiotemporal variation in resource environmental carrying capacity in the Gansu Province of China［J］. Acta Ecologica Sinica，2017，37（20）：7000-7017.

[31] 陈晓雨婧，吴燕红，夏建新.甘肃省资源环境承载力监测预警［J］.自然资源学报，2019，34（11）：2378-2388.

[32] Chen X Y J， Wu Y H， Xia J X. Dynamic monitoring and early warning of resources and environment carrying capacity in Gansu， China［J］. Journal of Natural Resources，2019，34（11）：2378-2388.

[33] 樊杰.资源环境承载能力预警技术方法［M］.北京：科学出版社，2019.

[34] Fan J. Technical methods of early-warning of resource and environmental carrying capacity［M］. Beijing：Science Press，2019.

[35] 李鸿飞，何颖茹，毕晓莉.黄河流域兰州段生态环境与高质量发展耦合协调关系研究［J］.干旱区地理，2022，45（4）：1244-1253.

[36] Li H F， He Y R， Bi X L. Coupling coordination relationship between ecological environment and high-quality development in Lanzhou section of Yellow River Basin［J］. Arid Land Geography，2022，45（4）：1244-1253.

[37] 周文霞，王星星.黄河流域甘肃段高质量发展时空格局演变研究［J］.人民黄河，2022，44（4）：4-9.

[38] Zhou W X， Wang X X. High-quality development level and temporal and spatial pattern evolution in Gansu section of the Yellow River Basin［J］. Yellow River，2022，44（4）：4-9.

[39] 郭亚军.一种新的动态综合评价方法［J］.管理科学学报，2002，5（2）：49-54.

[40] Guo Y J. New theory and method of dynamic comprehensive evaluation［J］. Journal of Management Sciences in China，2002，5（2）：49-54.

[41] 聂长飞，简新华.中国高质量发展的测度及省际现状的分析比较［J］.数量经济技术经济研究，2020，37（2）：26-47.

[42] Nie C F， Jian X H. Measurement of China′s high-quality development and analysis of provincial status［J］. The Journal of Quantitative & Technical Economics，2020，37（2）：26-47.

[43] 刘琳轲，梁流涛，高攀，等.黄河流域生态保护与高质量发展的耦合关系及交互响应［J］.自然资源学报，2021，36（1）：176-195.

[44] Liu L K， Liang L T， Gao P， et al. Coupling relationship and interactive response between ecological protection and high-quality development in the Yellow River Basin［J］. Journal of Natural Resources，2021，36（1）：176-195.

[45] 魏超，吴洲，李荣娟，等.湖北省县城城镇化质量测度及协调发展研究［J］.经济地理，2023，43（6）：95-105.

[46] Wei C， Wu Z， Li R J， et al. Urbanization quality measurement and its coordinated development in counties of Hubei Province［J］. Economic Geography，2023，43（6）：95-105.

[47] 王淑佳，孔伟，任亮，等.国内耦合协调度模型的误区及修正［J］.自然资源学报，2021，36（3）：793-810.

[48] Wang S J， Kong W， Ren L， et al. Research on misuses and modification of coupling coordination degree model in China［J］. Journal of Natural Resources，2021，36（3）：793-810.

[49] Sun K， Han J M， Wu Q R， et al. The coupling coordination and spatiotemporal evolution of industrial water-energy-CO₂ in the Yellow River Basin［J］. Science of the Total Environment，2024，912：169012.

[50] 王劲峰，徐成东.地理探测器：原理与展望［J］.地理学报，2017，72（1）：116-134.

[51] Wang J F， Xu C D. Geodetector：principle and prospective［J］. Acta Geographica Sinica，2017，72（1）：116-134.

[52] 高燕，孙根年.中国A级景区空间关联性及异质性分析［J］.经济地理，2022，42（12）：194-204.

[53] Gao Y， Sun G N. Spatial correlation and heterogeneity analysis of A-class scenic spots in China［J］. Economic Geography，2022，42（12）：194-204.

[54] 石慧，吴方卫.中国农业生产率地区差异的影响因素研究：基于空间计量的分析［J］.世界经济文汇，2011（3）：59-73.

[55] Shi H， Wu F W. Study on influencing factors of regional differences in agricultural productivity in China：based on spatial econometric analysis［J］. World Economic Papers，2011（3）：59-73.

[56] 吴明艳，晋王强，杨斌，等.甘肃省资源环境承载力水平评价及耦合协调性研究［J］.广西师范大学学报：自然科学版，2023，41（1）：213-223.

[57] Wu M Y， Jin W Q， Yang B， et al. Evaluation and coupling coordination of resource and environment carrying capacity in Gansu， China［J］. Journal of Guangxi Normal University：Natural Science Edition，2023，41（1）：213-223.

[58] Xin M Y， Guo H X， Li S C， et al. Can China achieve ecological sustainability？an LMDI analysis of ecological footprint and economic development decoupling［J］. Ecological Indicators，2023，151：110313.

[59] 李同昇，陈谢扬，芮旸，等.西北地区生态保护与高质量发展协同推进的策略和路径［J］.经济地理，2021，41（10）：154-164.

[60] Li T S， Chen X Y， Rui Y， et al. Strategy and path of cooperative promotion of ecological protection and high-quality development in northwest China［J］. Economic Geography，2021，41（10）：154-164.

[61] Chen Y， Zhang D N. Multiscale assessment of the coupling coordination between innovation and economic development in resource-based cities：a case study of Northeast China［J］. Journal of Cleaner Production，2021，318：128597.

基金资助

甘肃省水利科学试验研究及技术推广计划项目(25GSLK077)

甘肃省水利科学试验研究及技术推广计划项目(25GSLK078)

甘肃省水利科学试验研究及技术推广计划项目(26GSLK033)