论文部分内容阅读
摘 要：为正确认识我国水土资源承载力并探究影响承载力的关键因素，从水土资源、社会、经济、生态4个系统出发构建了我国水土资源承载力评价指标体系，利用熵权-TOPSIS模型对我国2005—2018年省（市、区）水土资源承载力的时空变化特征进行定量研究，并结合障碍因子诊断模型识别承载力的主要影响因素。结果表明：研究期内我国水土资源承载力均值在0.370 3～0.395 0之间，整体处于中等偏下水平，并呈现轻微减弱趋势;我国水土资源承载力在空间上呈现南北较高，中部较低的分布格局;经济密度、水土资源匹配系数、生态环境用水比例、人均水资源量及人均GDP等是研究期内影响我国水土资源承载力的主要障碍因子。
关键词：水土资源;承载力评价;熵权-TOPSIS模型;障碍因子诊断模型
中图分类号：TV213.4;X24 文献标志码：A
doi：10.3969/j.issn.1000-1379.2021.10.017
引用格式：孙海枫，李林.我国水土资源承载力评价及障碍因子诊断[J].人民黄河，2021，43（10）：86-92.
Abstract： In order to correctly understand the carrying capacity of water and soil resources and explore the key factors affecting the carrying capacity in China，based on the four systems of water and soil resources system， society system， economy system and ecology system， this paper constructed the evaluation index system of water and soil resources carrying capacity in China. It used entropy weight-TOPSIS method to quantitatively study the temporal-spatial variation characteristics of the carrying capacity of water and soil resources in the provinces of China from 2005 to 2018， and identify the main influencing factors of the carrying capacity by using the obstacle degree model. The results show that the average carrying capacity of water and soil resources in China is between 0.370 3 and 0.395 0 during the study period， which is below the average level with a slight weakening trend. The spatial distribution pattern of water and soil resources carrying capacity is higher in the north and south of China， and weaker in the middle. Economic density， water and soil resources matching coefficient， proportion of water use for ecological environment， per capita water resources and per capita GDP are the main obstacles affecting the carrying capacity of water and soil resources in China during the study period.
Key words： water and soil resources; carrying capacity evaluation; entropy weight-TOPSIS model; obstacle degree model
1 引 言
水土資源是人类生存的基础资源和社会经济发展的物质载体[1]。随着我国人口增加、城市化和工业化持续推进，水土资源所表现出的短缺和供需不平衡等资源非持续性问题成为制约我国可持续发展的主要障碍[2]。水土资源承载力作为资源承载能力的重要组成部分，开展水土资源承载力评价研究，对于促进水土资源合理开发具有重要的现实意义。
近年来，关于水土资源承载力的研究引起了人们的普遍关注，学者们围绕水资源承载力[3-4]、土地承载力[5]、水土资源承载力的演变特征[1，6-7]、分区研究[8]、影响因素识别[8-10]、调控策略[10-12]等方面开展了大量探索，研究成果丰硕。如南彩艳等[13]从水资源、土地资源、社会、经济、生态和科技等方面构建指标体系，基于改进模糊综合评价模型对关中地区现状及未来的水土资源承载力进行了评价;施开放等[14]通过构建水土资源承载力评价指标体系，结合可拓学原理和熵权理论对重庆三峡库区2010年水土资源承载力进行了研究，并定量识别了其影响因素;黄程希等[15]以泽州县压煤区为例，通过明确煤炭开采规模与水土资源承载协调性的变化趋势，提出了实现水-土-煤资源协调利用的发展对策。上述研究在支撑水土资源优化配置和高效利用方面发挥了重要作用，但已有的研究多局限于单时间截面上水土资源承载力的定量测度和地域空间分异，从多时间截面上动态分析水土资源承载力时空变化的研究较少。此外，已有研究通常是在单个县域、市域或省（市、区）尺度上展开的，不足以为促进整个国家水土资源可持续利用提供依据，对国家层面上多省（市、区）尺度水土资源承载力的相关研究亟须进一步丰富。 鉴于此，本研究综合运用熵权-TOPSIS模型和障碍因子诊断模型，对我国2005—2018年30个省（市、区）水土资源承载力进行定量评价，探究其时空变化特征，定量识别多时间截面上水土资源承载力的主要影响因素，以期为我国水土资源的开发利用和相关政策的制定提供参考。
2 数据与方法
2.1 数据来源
以我国30个省（直辖市、自治区）为研究区（受数据不可获得限制，暂不包括我国港澳台及西藏自治区），选择2005年、2010年、2015年和2018年作为典型年份开展研究。研究所采用的水资源、土地资源、社会经济、生态等方面的基础数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国环境统计年鉴》《中国水资源公报》等，各项具体指标值均在相关数据的基础上整理所得。
2.2 水土资源承载力评价指标体系
水土资源承载力是指某一区域在一定时期内，以可预见的技术和社会经济发展水平为依据，以可持续发展为准则，以维持生态环境良性循环为前提，水土资源对社会经济主体各种活动的最大支撑能力[16]。在对水土资源承载力进行评价时，指标体系的建立是其重要依据和基础环节，其中指标的选择直接关乎评价结果的科学性和合理性。因此，本研究在现有研究成果[1-2，6，13-14，16-19]的基础上，考虑水土资源与社会经济和生态环境的关系，基于系统性、综合性、可操作性及层次性原则，从水土资源系统、社会系统、经济系统和生态系统出发构建了包含24个代表性指标的水土资源承载力评价指标体系（见表1）。
2.3 评价方法
2.3.1 指标的标准化处理
为了保证指标之间的可比性，需要对各项指标进行标准化处理来消除量纲，公式为
2.3.2 熵权-TOPSIS评价模型
TOPSIS模型即为逼近理想解排序方法，主要用来解决有限方案多目标决策问题，是一种在系统分析中被广泛应用的以距离为评价标准的综合评价法[2，20]。TOPSIS模型的重要环节是评价指标权重的确定，而熵权法是一种常用的客观赋权方法。本研究综合采用熵权-TOPSIS模型对我国水土资源承载力水平进行评价，步骤如下。
2.3.3 障碍因子诊断模型
采用障碍因子诊断模型对我国水土资源承载力的障碍因子进行定量分析，诊断出影响水土资源承载力的约束因子，以便有针对性地采取措施提高我国水土资源承载力水平。模型表达式[19-20]为
3 结果与分析
3.1 水土资源承载力时序特征
根据表1构建的水土资源承载力评价指标体系，结合熵权-TOPSIS模型，得到2005—2018年我国30个省（市、区）的水土资源承载力评价值（见表2）。从表2可以看出，我国水土资源承载力最高的是上海，其多年平均评价值为0.792 9，其排名稳居第1位，并且远高于其他省（市、区）的承载力水平;水土资源承载力最低的为甘肃，其平均值为0.227 1，与上海相差0.565 8。
对水土资源承载力评价值进一步处理，分析其时序变化特征（见表3）。2005—2018年我国各省（市、区）水土资源承载力评价值在0.207 0～0.803 4之间，极差由2005年的0.543 9增大至2015年的0.579 6，随后又减小至2018年的0.576 9，说明我国水土资源承载力水平在省（市、区）间的差距呈现先扩大后轻微缩小的变化特征。我国各省（市、区）水土资源承载力评价值的平均值呈现先增后减的波动变化趋势，数值介于0.370 3～0.395 0之间，说明我国各省（市、区）水土资源承载力整体处于中等偏下水平。标准差先增大后减小，说明我国省（市、区）尺度水土资源承载力评价值与均值的离散程度呈波动变化趋势;4个年份的峰度系数分别为4.576 8、2.636 4、3.107 8、5.019 6，偏度系數均大于0，样本数据表现为尖峰分布且向右偏移，形态变化表现为陡峭—平缓—平缓—陡峭。
基于我国各省（市、区）水土资源承载力评价值的计算结果，结合ArcGIS软件中自然断点法将我国2005—2018年各省（市、区）水土资源承载力划分为5种类型：弱承载力（0～0.277 5）、较弱承载力（0.227 6～0.331 5）、适中承载力（0.331 6～0.435 8）、较高承载力（0.435 9～0.592 7）、高承载力（>0.592 7），进而统计了各年份不同承载力类型的省（市、区）个数变化情况（见表4）。弱承载力、较弱承载力和高承载力类型的省（市、区）个数变化较小，数量分别为3～4、7～8和1～2，数量较稳定，而其他2种类型的省（市、区）数量变化较大，总体表现为较高承载力向适中承载力发展，在研究期内呈现轻微恶化的发展态势。从时间来看，2005—2010年我国省（市、区）尺度水土资源承载力由适中向较高、高承载力转化，至2010年各省（市、区）承载力整体有所提升;2010—2015年变化幅度较小，表现为弱承载力向较弱承载力转化，水土资源承载力略有提升;2015—2018年表现为高、较高、较弱承载力较大规模地向适中、弱承载力转化，2018年全国水土资源承载力水平降低。
3.2 水土资源承载力空间特征
根据水土资源承载力分类结果，绘制2005—2018年我国省（市、区）各类水土资源承载力的空间分布图（见图1）。总体来看，我国省（市、区）水土资源承载力呈现自南向北先减小后增大的空间分布格局。具体来说，高承载力区域为上海，其土地资源配置效率高，水资源开发利用程度低且效率高，再加上发达的社会经济水平，导致水土资源承载力水平明显高于其他地区。较高承载力区域有北京、天津、浙江、福建、广东以及青海，这类地区具有明显的特征：社会经济发达，水资源利用技术先进，水土资源利用高效且生态环境整治效果明显，如北京、天津、浙江、福建、广东;或者是社会经济虽不发达但人类活动强度弱，且水土资源丰富，如青海，这些都在一定程度上缓解了当地的水土资源可持续利用压力，提升了其水土资源承载力。适中承载力区域呈条带状分布格局，主要分布在我国北部边疆一线和华东、华中、华南部分省（市、区）构成的东南一线。较弱承载力区域主要分布在我国西南部分省（市、区）、湖北、河北和辽宁等，这些地区水资源较为短缺，水资源开发利用程度高，水土资源匹配程度较低，社会经济欠发达，给其水土资源可持续利用带来了较大的压力，影响了其水土资源承载力水平。弱承载力区域主要分布在黄河中上游部分省（区）及贵州，这些地区地形复杂，以高原山地为主，水土资源匹配程度低，生态环境脆弱，农业生产占比较大，社会经济不发达，进而导致这些地区水土资源可持续利用压力大，承载力很低。 3.3 障碍因子
我国水土资源承载力评价值在2005—2018年整体上有所下降，不利于水土资源可持续健康发展，因此对我国水土资源承载力的内在障碍因子进行研究，识别其关键影响因素，以便精准施策。结合障碍因子诊断模型计算了2005—2018年我国水土资源承载力指标层的因子障碍度（见图2），并对障碍度排名前五的主要障碍因子进行识别（见表5）。
整体来看，2005年、2010年、2015年和2018年这4个年份对我国水土资源承载力影响较大的主要障碍因子均为经济密度、水土资源匹配系数、生态环境用水比例、人均水资源量、人均GDP。其中：第一障碍因子为经济密度，障碍度的变化虽呈减小趋势，但一直保持在14.15%以上，可见单位土地上经济活动的效率对水土资源承载力制约作用最强;水土资源匹配系数的障碍度在研究期内整体呈现波动增大趋势，由2005年的9.92%增大到2018年的10.42%，是我国水土资源承载力的第二障碍因子;人均水资源量的障碍度在研究期内呈现先减小后增大趋势，对水土资源承载力的影响名次由2005年、2010年的第3下降至2015年、2018年的第4;人均GDP的障碍度呈先增大后减小变化趋势，障碍度整体有所减小，影响名次由2005年、2010年的第4降至2015年、2018年的第5;生态环境用水比例对水土资源承载力的影响在研究期内变化最为显著，障碍度由2005年的5.65%增大至2018年的9.69%，提升幅度高达71.5%，排名由2005年的第5提升至2018年的第3，已成为继经济密度和水土资源匹配系数之后障碍度较大的因子，可见在生态文明理念引领下，生态环境因子对我国水土资源承载力的制约作用越来越大。
4 结 论
本研究通过建立水土资源承载力评价指标体系，结合相关研究方法和手段，揭示了我国各省（市、区）水土资源承载力时空变化特征，并识别了制约我国水土资源承载力的主要障碍因素，主要结论如下。
（1）2005—2018年我国各省（市、区）间水土资源承载力差距先扩大后缩小，均值在0.370 3～0.395 0之间，承载力处于中等偏下水平，有待整体提高。省（市、区）承载力表现为较高承载力向适中承载力发展，整体呈现轻微减弱态势。
（2）我国省（市、区）水土资源承载力呈现自南向北先减小后增大的空间分布特征。高承载力省（市、区）为上海，较高承载力省（市、区）有北京、天津、浙江、福建、广东及青海，适中承载力省（市、区）主要分布在我国北部边疆一线和华东、华中、华南部分省（市、区）构成的东南一线，较弱承载力省（市、区）有我国西南部分省（市、区）、湖北、河北和辽宁等，弱承载力省（市、区）有黄河中上游部分省（区）及贵州。
（3）障碍因子分析表明，经济密度、水土资源匹配系数、生态环境用水比例、人均水资源量、人均GDP是研究期内对我国水土资源承载力制约作用最强的因素，应引起有关方面的重视。
限于数据可获性，本文仅对我国水土资源承载力的障碍因子进行了初步识别，建立的评价指标体系还不很完善。影响水土资源承载力的因素较多，作用机理更是错综复杂，全面考虑包含制度、管理政策等在内的多要素障碍因子识别及影响机制有待于进一步深入探讨。
参考文献：
[1] 肖月洁，杨中牮，马历，等.基于模糊综合评价的四川省水土资源承载力时空演变分析[J].灌溉排水学报，2018，37（5）：106-114.
[2] 楊剑，丁玲玲，李新尧，等.基于熵权TOPSIS的湖北省农业水土资源承载力时空动态研究[J].土壤，2019，51（6）：1246-1252.
[3] 程彦培，宋乐.基于土地利用的水资源承载力评价方法研究[J].南水北调与水利科技，2015，13（1）：41-44.
[4] 郭倩，汪嘉杨，张碧.基于DPSIRM框架的区域水资源承载力综合评价[J].自然资源学报，2017，32（3）：484-493.
[5] 李刚，卢晓宁，边金虎，等.岷江上游土地资源承载力评价[J].水土保持研究，2015，22（1）：262-268，331.
[6] 文倩，李小弯，郧雨旱，等.河南省农业水土资源承载力的时空分异[J].中国水土保持科学，2019，17（3）：104-112.
[7] 拓学森，陈兴鹏，薛冰.民勤县水土资源承载力系统动力学仿真模型研究[J].干旱区资源与环境，2006，15（6）： 78-83.
[8] 周智，黄英，黄娟.水土资源承载力区域差异与影响因素[J].水土保持通报，2015，35（2）：344-349.
[9] 郭嘉伟，张军，陈彦.基于熵权可拓物元模型的会宁县水土资源承载力评价[J].甘肃农业大学学报，2018，53（6）：195-203.
[10] 任守德，付强，王凯.基于宏微观尺度的三江平原区域农业水土资源承载力[J].农业工程学报，2011，27（2）：8-14.
[11] 吕添贵，吴次芳，游和远.鄱阳湖生态经济区水土资源与经济发展耦合分析及优化路径[J].中国土地科学， 2013，27（9）：3-10.
[12] 杨广，何新林，杜玉娇，等.叶尔羌河灌区水土资源特征及其承载力分析[J].人民黄河，2013，35（2）：78-80.
[13] 南彩艳，粟晓玲，佟玲，等.关中地区水土资源承载力复合指标体系及综合评价[J].干旱地区农业研究，2011，29（6）：164-172.
[14] 施开放，刁承泰，孙秀锋.基于熵权可拓决策模型的重庆三峡库区水土资源承载力评价[J].环境科学学报， 2013，33（2）：609-616.
[15] 黄程希，王瑾，毕如田，等.压煤区开采规模与水土资源承载力协调性分析[J].灌溉排水学报，2018，37（1）：91-97.
[16] 李天霄，付强，彭胜民.基于DPSIR模型的水土资源承载力评价[J].东北农业大学学报，2012，43（8）：128-134.
[17] 李慧，周维博，庄妍，等.延安市农业水土资源匹配及承载力[J].农业工程学报，2016，32（5）：156-162.
[18] 王洁云，许译文，吴克宁，等.新疆水土资源综合承载力评价与水土耦合[J].太原理工大学学报，2014，45（4）：500-505.
[19] 朱薇，周宏飞，李兰海，等.哈萨克斯坦农业水土资源承载力评价及其影响因素识别[J].干旱区研究，2020，37（1）：254-263.
[20] 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.
[21] YANG M H， YAO Z H， CAO L H， et al. Spatial-Temporal Evolution Characteristicsand Influencing Factors of County Rural Hollowing in Henan[J]. Ciencia Rural， 2019， 49： e20180619.
[22] 贾亦真，沈菊琴，王晗，等.兰州市水资源价值模糊评价研究[J].人民黄河，2018，40（9）：68-73.
【责任编辑 张华兴】
关键词：水土资源;承载力评价;熵权-TOPSIS模型;障碍因子诊断模型
中图分类号：TV213.4;X24 文献标志码：A
doi：10.3969/j.issn.1000-1379.2021.10.017
引用格式：孙海枫，李林.我国水土资源承载力评价及障碍因子诊断[J].人民黄河，2021，43（10）：86-92.
Abstract： In order to correctly understand the carrying capacity of water and soil resources and explore the key factors affecting the carrying capacity in China，based on the four systems of water and soil resources system， society system， economy system and ecology system， this paper constructed the evaluation index system of water and soil resources carrying capacity in China. It used entropy weight-TOPSIS method to quantitatively study the temporal-spatial variation characteristics of the carrying capacity of water and soil resources in the provinces of China from 2005 to 2018， and identify the main influencing factors of the carrying capacity by using the obstacle degree model. The results show that the average carrying capacity of water and soil resources in China is between 0.370 3 and 0.395 0 during the study period， which is below the average level with a slight weakening trend. The spatial distribution pattern of water and soil resources carrying capacity is higher in the north and south of China， and weaker in the middle. Economic density， water and soil resources matching coefficient， proportion of water use for ecological environment， per capita water resources and per capita GDP are the main obstacles affecting the carrying capacity of water and soil resources in China during the study period.
Key words： water and soil resources; carrying capacity evaluation; entropy weight-TOPSIS model; obstacle degree model
1 引 言
水土資源是人类生存的基础资源和社会经济发展的物质载体[1]。随着我国人口增加、城市化和工业化持续推进，水土资源所表现出的短缺和供需不平衡等资源非持续性问题成为制约我国可持续发展的主要障碍[2]。水土资源承载力作为资源承载能力的重要组成部分，开展水土资源承载力评价研究，对于促进水土资源合理开发具有重要的现实意义。
近年来，关于水土资源承载力的研究引起了人们的普遍关注，学者们围绕水资源承载力[3-4]、土地承载力[5]、水土资源承载力的演变特征[1，6-7]、分区研究[8]、影响因素识别[8-10]、调控策略[10-12]等方面开展了大量探索，研究成果丰硕。如南彩艳等[13]从水资源、土地资源、社会、经济、生态和科技等方面构建指标体系，基于改进模糊综合评价模型对关中地区现状及未来的水土资源承载力进行了评价;施开放等[14]通过构建水土资源承载力评价指标体系，结合可拓学原理和熵权理论对重庆三峡库区2010年水土资源承载力进行了研究，并定量识别了其影响因素;黄程希等[15]以泽州县压煤区为例，通过明确煤炭开采规模与水土资源承载协调性的变化趋势，提出了实现水-土-煤资源协调利用的发展对策。上述研究在支撑水土资源优化配置和高效利用方面发挥了重要作用，但已有的研究多局限于单时间截面上水土资源承载力的定量测度和地域空间分异，从多时间截面上动态分析水土资源承载力时空变化的研究较少。此外，已有研究通常是在单个县域、市域或省（市、区）尺度上展开的，不足以为促进整个国家水土资源可持续利用提供依据，对国家层面上多省（市、区）尺度水土资源承载力的相关研究亟须进一步丰富。 鉴于此，本研究综合运用熵权-TOPSIS模型和障碍因子诊断模型，对我国2005—2018年30个省（市、区）水土资源承载力进行定量评价，探究其时空变化特征，定量识别多时间截面上水土资源承载力的主要影响因素，以期为我国水土资源的开发利用和相关政策的制定提供参考。
2 数据与方法
2.1 数据来源
以我国30个省（直辖市、自治区）为研究区（受数据不可获得限制，暂不包括我国港澳台及西藏自治区），选择2005年、2010年、2015年和2018年作为典型年份开展研究。研究所采用的水资源、土地资源、社会经济、生态等方面的基础数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国环境统计年鉴》《中国水资源公报》等，各项具体指标值均在相关数据的基础上整理所得。
2.2 水土资源承载力评价指标体系
水土资源承载力是指某一区域在一定时期内，以可预见的技术和社会经济发展水平为依据，以可持续发展为准则，以维持生态环境良性循环为前提，水土资源对社会经济主体各种活动的最大支撑能力[16]。在对水土资源承载力进行评价时，指标体系的建立是其重要依据和基础环节，其中指标的选择直接关乎评价结果的科学性和合理性。因此，本研究在现有研究成果[1-2，6，13-14，16-19]的基础上，考虑水土资源与社会经济和生态环境的关系，基于系统性、综合性、可操作性及层次性原则，从水土资源系统、社会系统、经济系统和生态系统出发构建了包含24个代表性指标的水土资源承载力评价指标体系（见表1）。
2.3 评价方法
2.3.1 指标的标准化处理
为了保证指标之间的可比性，需要对各项指标进行标准化处理来消除量纲，公式为
2.3.2 熵权-TOPSIS评价模型
TOPSIS模型即为逼近理想解排序方法，主要用来解决有限方案多目标决策问题，是一种在系统分析中被广泛应用的以距离为评价标准的综合评价法[2，20]。TOPSIS模型的重要环节是评价指标权重的确定，而熵权法是一种常用的客观赋权方法。本研究综合采用熵权-TOPSIS模型对我国水土资源承载力水平进行评价，步骤如下。
2.3.3 障碍因子诊断模型
采用障碍因子诊断模型对我国水土资源承载力的障碍因子进行定量分析，诊断出影响水土资源承载力的约束因子，以便有针对性地采取措施提高我国水土资源承载力水平。模型表达式[19-20]为
3 结果与分析
3.1 水土资源承载力时序特征
根据表1构建的水土资源承载力评价指标体系，结合熵权-TOPSIS模型，得到2005—2018年我国30个省（市、区）的水土资源承载力评价值（见表2）。从表2可以看出，我国水土资源承载力最高的是上海，其多年平均评价值为0.792 9，其排名稳居第1位，并且远高于其他省（市、区）的承载力水平;水土资源承载力最低的为甘肃，其平均值为0.227 1，与上海相差0.565 8。
对水土资源承载力评价值进一步处理，分析其时序变化特征（见表3）。2005—2018年我国各省（市、区）水土资源承载力评价值在0.207 0～0.803 4之间，极差由2005年的0.543 9增大至2015年的0.579 6，随后又减小至2018年的0.576 9，说明我国水土资源承载力水平在省（市、区）间的差距呈现先扩大后轻微缩小的变化特征。我国各省（市、区）水土资源承载力评价值的平均值呈现先增后减的波动变化趋势，数值介于0.370 3～0.395 0之间，说明我国各省（市、区）水土资源承载力整体处于中等偏下水平。标准差先增大后减小，说明我国省（市、区）尺度水土资源承载力评价值与均值的离散程度呈波动变化趋势;4个年份的峰度系数分别为4.576 8、2.636 4、3.107 8、5.019 6，偏度系數均大于0，样本数据表现为尖峰分布且向右偏移，形态变化表现为陡峭—平缓—平缓—陡峭。
基于我国各省（市、区）水土资源承载力评价值的计算结果，结合ArcGIS软件中自然断点法将我国2005—2018年各省（市、区）水土资源承载力划分为5种类型：弱承载力（0～0.277 5）、较弱承载力（0.227 6～0.331 5）、适中承载力（0.331 6～0.435 8）、较高承载力（0.435 9～0.592 7）、高承载力（>0.592 7），进而统计了各年份不同承载力类型的省（市、区）个数变化情况（见表4）。弱承载力、较弱承载力和高承载力类型的省（市、区）个数变化较小，数量分别为3～4、7～8和1～2，数量较稳定，而其他2种类型的省（市、区）数量变化较大，总体表现为较高承载力向适中承载力发展，在研究期内呈现轻微恶化的发展态势。从时间来看，2005—2010年我国省（市、区）尺度水土资源承载力由适中向较高、高承载力转化，至2010年各省（市、区）承载力整体有所提升;2010—2015年变化幅度较小，表现为弱承载力向较弱承载力转化，水土资源承载力略有提升;2015—2018年表现为高、较高、较弱承载力较大规模地向适中、弱承载力转化，2018年全国水土资源承载力水平降低。
3.2 水土资源承载力空间特征
根据水土资源承载力分类结果，绘制2005—2018年我国省（市、区）各类水土资源承载力的空间分布图（见图1）。总体来看，我国省（市、区）水土资源承载力呈现自南向北先减小后增大的空间分布格局。具体来说，高承载力区域为上海，其土地资源配置效率高，水资源开发利用程度低且效率高，再加上发达的社会经济水平，导致水土资源承载力水平明显高于其他地区。较高承载力区域有北京、天津、浙江、福建、广东以及青海，这类地区具有明显的特征：社会经济发达，水资源利用技术先进，水土资源利用高效且生态环境整治效果明显，如北京、天津、浙江、福建、广东;或者是社会经济虽不发达但人类活动强度弱，且水土资源丰富，如青海，这些都在一定程度上缓解了当地的水土资源可持续利用压力，提升了其水土资源承载力。适中承载力区域呈条带状分布格局，主要分布在我国北部边疆一线和华东、华中、华南部分省（市、区）构成的东南一线。较弱承载力区域主要分布在我国西南部分省（市、区）、湖北、河北和辽宁等，这些地区水资源较为短缺，水资源开发利用程度高，水土资源匹配程度较低，社会经济欠发达，给其水土资源可持续利用带来了较大的压力，影响了其水土资源承载力水平。弱承载力区域主要分布在黄河中上游部分省（区）及贵州，这些地区地形复杂，以高原山地为主，水土资源匹配程度低，生态环境脆弱，农业生产占比较大，社会经济不发达，进而导致这些地区水土资源可持续利用压力大，承载力很低。 3.3 障碍因子
我国水土资源承载力评价值在2005—2018年整体上有所下降，不利于水土资源可持续健康发展，因此对我国水土资源承载力的内在障碍因子进行研究，识别其关键影响因素，以便精准施策。结合障碍因子诊断模型计算了2005—2018年我国水土资源承载力指标层的因子障碍度（见图2），并对障碍度排名前五的主要障碍因子进行识别（见表5）。
整体来看，2005年、2010年、2015年和2018年这4个年份对我国水土资源承载力影响较大的主要障碍因子均为经济密度、水土资源匹配系数、生态环境用水比例、人均水资源量、人均GDP。其中：第一障碍因子为经济密度，障碍度的变化虽呈减小趋势，但一直保持在14.15%以上，可见单位土地上经济活动的效率对水土资源承载力制约作用最强;水土资源匹配系数的障碍度在研究期内整体呈现波动增大趋势，由2005年的9.92%增大到2018年的10.42%，是我国水土资源承载力的第二障碍因子;人均水资源量的障碍度在研究期内呈现先减小后增大趋势，对水土资源承载力的影响名次由2005年、2010年的第3下降至2015年、2018年的第4;人均GDP的障碍度呈先增大后减小变化趋势，障碍度整体有所减小，影响名次由2005年、2010年的第4降至2015年、2018年的第5;生态环境用水比例对水土资源承载力的影响在研究期内变化最为显著，障碍度由2005年的5.65%增大至2018年的9.69%，提升幅度高达71.5%，排名由2005年的第5提升至2018年的第3，已成为继经济密度和水土资源匹配系数之后障碍度较大的因子，可见在生态文明理念引领下，生态环境因子对我国水土资源承载力的制约作用越来越大。
4 结 论
本研究通过建立水土资源承载力评价指标体系，结合相关研究方法和手段，揭示了我国各省（市、区）水土资源承载力时空变化特征，并识别了制约我国水土资源承载力的主要障碍因素，主要结论如下。
（1）2005—2018年我国各省（市、区）间水土资源承载力差距先扩大后缩小，均值在0.370 3～0.395 0之间，承载力处于中等偏下水平，有待整体提高。省（市、区）承载力表现为较高承载力向适中承载力发展，整体呈现轻微减弱态势。
（2）我国省（市、区）水土资源承载力呈现自南向北先减小后增大的空间分布特征。高承载力省（市、区）为上海，较高承载力省（市、区）有北京、天津、浙江、福建、广东及青海，适中承载力省（市、区）主要分布在我国北部边疆一线和华东、华中、华南部分省（市、区）构成的东南一线，较弱承载力省（市、区）有我国西南部分省（市、区）、湖北、河北和辽宁等，弱承载力省（市、区）有黄河中上游部分省（区）及贵州。
（3）障碍因子分析表明，经济密度、水土资源匹配系数、生态环境用水比例、人均水资源量、人均GDP是研究期内对我国水土资源承载力制约作用最强的因素，应引起有关方面的重视。
限于数据可获性，本文仅对我国水土资源承载力的障碍因子进行了初步识别，建立的评价指标体系还不很完善。影响水土资源承载力的因素较多，作用机理更是错综复杂，全面考虑包含制度、管理政策等在内的多要素障碍因子识别及影响机制有待于进一步深入探讨。
参考文献：
[1] 肖月洁，杨中牮，马历，等.基于模糊综合评价的四川省水土资源承载力时空演变分析[J].灌溉排水学报，2018，37（5）：106-114.
[2] 楊剑，丁玲玲，李新尧，等.基于熵权TOPSIS的湖北省农业水土资源承载力时空动态研究[J].土壤，2019，51（6）：1246-1252.
[3] 程彦培，宋乐.基于土地利用的水资源承载力评价方法研究[J].南水北调与水利科技，2015，13（1）：41-44.
[4] 郭倩，汪嘉杨，张碧.基于DPSIRM框架的区域水资源承载力综合评价[J].自然资源学报，2017，32（3）：484-493.
[5] 李刚，卢晓宁，边金虎，等.岷江上游土地资源承载力评价[J].水土保持研究，2015，22（1）：262-268，331.
[6] 文倩，李小弯，郧雨旱，等.河南省农业水土资源承载力的时空分异[J].中国水土保持科学，2019，17（3）：104-112.
[7] 拓学森，陈兴鹏，薛冰.民勤县水土资源承载力系统动力学仿真模型研究[J].干旱区资源与环境，2006，15（6）： 78-83.
[8] 周智，黄英，黄娟.水土资源承载力区域差异与影响因素[J].水土保持通报，2015，35（2）：344-349.
[9] 郭嘉伟，张军，陈彦.基于熵权可拓物元模型的会宁县水土资源承载力评价[J].甘肃农业大学学报，2018，53（6）：195-203.
[10] 任守德，付强，王凯.基于宏微观尺度的三江平原区域农业水土资源承载力[J].农业工程学报，2011，27（2）：8-14.
[11] 吕添贵，吴次芳，游和远.鄱阳湖生态经济区水土资源与经济发展耦合分析及优化路径[J].中国土地科学， 2013，27（9）：3-10.
[12] 杨广，何新林，杜玉娇，等.叶尔羌河灌区水土资源特征及其承载力分析[J].人民黄河，2013，35（2）：78-80.
[13] 南彩艳，粟晓玲，佟玲，等.关中地区水土资源承载力复合指标体系及综合评价[J].干旱地区农业研究，2011，29（6）：164-172.
[14] 施开放，刁承泰，孙秀锋.基于熵权可拓决策模型的重庆三峡库区水土资源承载力评价[J].环境科学学报， 2013，33（2）：609-616.
[15] 黄程希，王瑾，毕如田，等.压煤区开采规模与水土资源承载力协调性分析[J].灌溉排水学报，2018，37（1）：91-97.
[16] 李天霄，付强，彭胜民.基于DPSIR模型的水土资源承载力评价[J].东北农业大学学报，2012，43（8）：128-134.
[17] 李慧，周维博，庄妍，等.延安市农业水土资源匹配及承载力[J].农业工程学报，2016，32（5）：156-162.
[18] 王洁云，许译文，吴克宁，等.新疆水土资源综合承载力评价与水土耦合[J].太原理工大学学报，2014，45（4）：500-505.
[19] 朱薇，周宏飞，李兰海，等.哈萨克斯坦农业水土资源承载力评价及其影响因素识别[J].干旱区研究，2020，37（1）：254-263.
[20] 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.
[21] YANG M H， YAO Z H， CAO L H， et al. Spatial-Temporal Evolution Characteristicsand Influencing Factors of County Rural Hollowing in Henan[J]. Ciencia Rural， 2019， 49： e20180619.
[22] 贾亦真，沈菊琴，王晗，等.兰州市水资源价值模糊评价研究[J].人民黄河，2018，40（9）：68-73.
【责任编辑 张华兴】