图1 水利建设–水土流失治理–经济发展的逻辑关联机制图
Fig. 1 Logical correlation mechanism diagram of water conservancy construction-soil erosion control-economic development
北京大学学报(自然科学版) 第61卷 第3期 2025年5月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 3 (May 2025)
doi: 10.13209/j.0479-8023.2024.099
国家自然科学青年基金(72304226)和教育部人文社会科学研究青年基金(22YJC630039)资助
收稿日期: 2024–03–18;
修回日期: 2024–11–22
摘要 基于水利建设视角, 以黄河流域为研究对象, 使用 DEA-BBC 模型对水土流失治理效率进行测算, 并采用 Catboost 模型对其关键影响因素进行分析。研究结果表明: 1)水利建设与水土流失治理和经济发展密切相关, 水利建设产生较大的环境效益与经济效益; 2)黄河上游和中游地区水土流失治理效率理想, 而黄河游地区的河南和山东省水土流失治理效率有待提升, 河南在非 DEA 有效状态下规模报酬递增, 山东在非 DEA有效状态下规模报酬递减; 3)人口因素、农业发展因素、环境投资建设因素以及自然因素中的降水量是黄河流域水土流失治理效率的关键影响因素。
关键词 水利建设视角; 黄河流域; 水土流失治理效率; DEA-BBC 模型; Catboost 模型
黄河是中国第二长河, 是中国人的“母亲河”, 流经黄土高原, 夹带大量的泥沙, 是世界上含沙量最大的河流。黄河流域是我国水土流失重灾区[1–2], 严重的水土流失对当地生态环境与经济发展产生阻碍效应[3], 因此水土流失治理成为当今迫切需要解决的问题。
关于水土流失治理研究集中在 3 个方面。1)对流域水土流失原因及存在问题进行分析, 并对水土流失治理提出相应的举措。此方面研究成果指出黄河流域水土流失受自然因素和社会因素的双重影响, 且水土流失治理存在的问题具有很大的共性, 如治理理念陈旧、技术水平不足、监督机制不完善、管理机制不完善以及资金投入机制不完善[1–8]。2)对水土流失治理模式进行探究[9–18]。在该领域, 学者们的研究视角差异相对较大, 选取的治理模式存在地域差异、政策法规差异、技术手段差异和社会发展差异等。3)对水土流失治理效率进行分 析[18–19]。水土流失治理效率深刻影响着水土流失治理的进展, 虽然有学者早期对黄河流域水土流失效率进行过研究[19], 但很难满足当前实践的需要, 有必要对该领域的研究进行深化、完善与丰富。以上研究在对水土流失治理效率进行测算时, 对经济效益的考量不足。因此, 为了增强水土流失治理效率测算的全面性, 需纳入环境和经济双层效益进行研究。
当前关于水土流失治理效率的相关研究主要围绕 5 类问题展开: 1)水土流失治理相关技术的变革、演化如何影响水土流失效率提升[20–22]; 2)水土流失治理的优先度以及如何精准施策来提升水土流失治理效率[23–24]; 3)水土流失效率的测度及影响因素分析[18–19,25]; 4)水土流失治理调查、监测与规范性分析[26–27]; 5)水土流失治理效率与社会经济发展的关系[28–29]。从研究对象来看, 当前研究集中于地形生态区[2–3,12,15]、县域[4,27]、小流域[6,10,23]、水库库区[24]、省域[26]和山区[30]等。效率测度的方法主要有国民经济平衡法、生产函数法、数据包络分析法(DEA)和SBM 模型等[19,31]。
中国自古以来就重视水利建设, 水利建设对地区可持续发展发挥着重要作用, 主要表现在保持水土、涵养水源、保护生态环境和促进农业发展等方面, 尤其在水土流失治理方面的作用格外明显。高效的水利建设不仅可以在环境治理方面发挥作用, 同时一定程度上也能够催化经济效益的产生。越来越多的学者在理论层面上肯定了水利建设对水土流失治理的重要意义, 关注水利建设对水土流失治理产生的效果以及如何更好发挥水利建设对水土流失治理与经济发展的积极效应[31–34]。但是, 基于水利建设视角对水土流失治理效率的研究较为稀缺。
本文基于水利建设视角, 以黄河流域为研究对象, 运用在 DEA 方法基础上扩展得到 BBC 模型(DEA-BBC), 并将经济产出纳入其中, 对水土流失治理效率进行测算。在此基础上, 采用 Catboost 模型对影响黄河流域水土流失治理效率的关键影响因素进行分析。
1)水利建设视角。水利建设对水土流失治理具有重要的促进作用[31–34]。袁和第等[9]指出, 水利建设是水土流失治理的重要模式。刘卉芳等[12]通过对东北黑土区水土流失治理技术与模式研究, 指出水利工程措施对水土流失治理具有积极意义。谭秀翠等[30]以山东省沂蒙山区蒙阴县岸堤水库控制流域为研究对象, 将水利建设纳入水土流失治理的影响因素范围。因此, 基于水利建设视角对水土流失治理效率进行测算具有可行性。本文还通过灰色关联分析法, 对水利建设视角下投入与产出层的关联性进行分析, 在一定程度上说明投入产出指标选取的合理性。
2)水土流失治理效率。水土流失治理效率是水土流失治理过程中投入与产出的关系, 本文借助DEA 方法[35–41]扩展得到的 BBC 模型进行测算。投入层指标均是与水利建设相关的指标。产出指标既包括水利建设带来的环境效益(即水土流失治理的改善), 还要考虑经济效益(即水利建设、水土流失治理与经济发展密切相关)。如图 1 所示, 水利建设能够较好地促进水土流失治理, 产生一定的环境效应, 此外还能够产生一定的经济效益, 而经济效益与环境效益密切相关。
学者们大多探究自然性因素、人口与经济因素以及农业生产因素对水土流失治理效率的影响[18]。在此基础上, 本文加入环境投资与建设因素以及治理保持效果, 从人口经济、环境投资、自然影响和农业生产 4 个方面, 探究黄河流域水土流失治理效率的关键影响因素(图 2)。
图1 水利建设–水土流失治理–经济发展的逻辑关联机制图
Fig. 1 Logical correlation mechanism diagram of water conservancy construction-soil erosion control-economic development
本文以黄河流域流经的青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南和山东 9 省(区)为研究对象。黄河上游与中游的分界点位于内蒙古自治区的河口镇, 中游与下游的分界点位于河南省郑州市的桃花峪。
本文使用 2014—2020 年黄河流域 9 省(区)的数据进行分析, 主要来源于《2015—2021 年中国统计年鉴》《2015—2021 年中国水利统计年鉴》《2015 —2021 年中国环境统计年鉴》和 Wind 数据库(http:// www.wind.com.cn/), 部分数据根据年鉴计算得到。本文基于水利建设视角, 选取 8 个投入指标: 已建成水库数量、已建成水闸数量、水土保持方案审批数量、水土保持设施验收报备数量、水利建设投产项目、国家基本水文站数量、水利建设完成投资和水利建设当年总完成工程量。这些指标均与水利建设相关。从环境效益产出和经济效益产出两个视角, 分别选取水土流失治理面积和人均 GDP 为产出指标。本文采用 DEA-BBC 模型测算水土流失治理效率, 构建的投入–产出指标评价体系如表 1 所示。
本文使用Catboost模型对水利建设视角下水土流失治理效率影响因素进行评价, 其指标体系如表2 所示。
灰色关联分析法广泛应用于环境经济学领域, 探究变量的影响因素以及因素之间的关联度[42–48]。本文采用灰色关联分析法来探究投入指标与产出指标的关联度[44], 说明水利建设视角下投入与产出相关指标选取的合理性。灰色关联度的计算公式 如下:
图2 研究理论机制
Fig. 2 Research theory mechanism
表1 投入–产出指标体系
Table 1 Indicator system of input-output
系统层维度指标层单位 投入层水利建设已建成水库数量个 已建成水闸数量个 水土保持方案审批数量个 水土保持设施验收报备数量个 水利建设投产项目个 国家基本水文站数量个 水利建设完成投资万元 水利建设当年总完成工程量m3 产出层环境效益产出水土流失治理面积103hm2 经济效益产出人均GDP元/人
表2 水土流失治理效率影响因素评价指标体系
Table 2 Evaluation index system for influencing factors of water and soil loss control efficiency
因素范畴指标单位 人口–经济因素人口密度km2/人 人均GDP元/人 环境投资与建设因素生态修复治理投资完成额万元 水土保持率% 农业生产因素农业产值亿元 自然因素降水量mm3 自然保护区面积hm2 沙化土地面积hm2
,
其中,
;
; 
, u 为水土流失风险; Ei 为灰色关联度; vi(u)为关联系数; Δ 为差值; Xi 为母序列; X0i参考序列; i 代表变量数量; ρ 为分辨系数, 通常情况下取 0.5[44]。
数据包络分析法(DEA)不需要考虑投入与产出之间的函数关系, 无需预先估计参数和权重, 直接通过产出与投入之间加权和之比计算决策单元的投入产出效率, 可以避免受限于指标量纲的不统一或受主观因素影响[19], 因此广泛用于水土流失治理效率的测度。其中, 最典型的模型为 BBC 和 CCR。DEA 针对多投入和多产出的问题, 利用线性规划的方法, 对具有可比性的同类型单位进行相对有效性评价。DEA-BBC 模型针对 CCR 模型进行改进, 引入可变规模报酬的概念, 使得测算结果更加符合现实情况。假设决策单元(DMU)处于规模报酬可变的情形下, 用来衡量技术效率和规模效率, 则 DEA-BBC 模型的表达式如下:
,
,
,
,
,
其中, n 表示决策单元个数, 每个决策单元有 m 个输入变量和 s 个输出变量; xij 为第 j 个决策单元第 i个输入指标值; yij 为第 j 个决策单元第 i 个输出指标值; xij0 为第 j0 个决策单元第 i 个输入值; yij0 为第 j0 个决策单元第 i 输出值; δj 为输入和输出的权重; α 为效率评价指数; si−和 si+为输入和输出的松弛变量; β 为非阿基米德无穷小量。
Catboost 模型是一种新型的梯度提升决策树(GBDT), 可以解决梯度偏差和预测偏移问题, 减少过度拟合, 提高算法的准确率和泛化能力[49]。该模型在环境科学领域广泛应用, 在影响因素识别和预测方面发挥重要作用[49–50]。Catboost 模型的表达式如下:
,
其中, a 为大于 0 的权重系数, p 为添加得先验项。最大树数设置为 100, 树深为 10, 学习率为 0.1, 达成优化后继续迭代的次数为 20, 正则项为 1。
分别以环境产出层面的水土流失治理面积、经济产出层面的人均 GDP 为母序列, 投入指标为子序列, 对水土流失治理效率测算的投入与产出指标进行灰色关联分析, 结果如图 3 所示。灰色关联度的取值为 0～1, 值越大表示各指标与母序列的关联程度越高。
由图 3 可知, 从投入层与环境效益产出层的关联度来看, 除水利建设完成投资外, 其他指标均呈现较高关联度, 关联度均在 0.97 以上。本文未剔除水土流失治理投资指标, 主要原因在于它与经济效益产出层高度关联。各指标与环境效益产出层关联度的排名依次是已建成水库数量、已建成水闸数量、水土保持方案审批数量、水利建设投产项目、水土保持设施验收报备数量、国家基本水文站数量、水利建设当年总完成工程量和水利建设完成投资。从投入层与经济效益产出层的关联度来看, 总体上保持一致, 整体上呈现高关联状态。各指标与经济效益产出层的关联度排名依次是国家基本水文站数量、水利建设当年总完成工作量、水利建设投产项目、水利建设完成投资、已建成水闸数量、水土保持设施验收报备数量、水土保持方案审批数量和已建成水库数量。国家基本水文站数量、水利建设当年总完成工程量和水利建设完成投资 3 个投入指标与环境产出层面的关联度排名相对靠后, 但在经济产出层面却排名在前, 说明综合考虑环境与经济产出因素后, 本文指标具有全面、合理和科学性, 可以用来测算水土流失治理效率。除指标水利建设完成投资外, 其他投入指标与环境产出层面的关联度均高于与经济产出层面的关联度。
图3 投入–产出层关联度分析
Fig. 3 Correlation analysis chart of input-output layer
用 DEA-BBC 模型计算得到黄河流域水土流失综合效率、技术效率、规模效率和规模报酬, 结果如图 4 和表 3 所示。
可以看出, 黄河上游和中游地区水土流失治理效率较为理想。青海、甘肃、四川、宁夏、内蒙古、山西和陕西自 2015 年以来, 技术效率、规模效率和综合效率都为 1, 表现为 DEA 有效, 反映投入与产出达到最优, 是一种较为理想的状态, 说明在黄河上游地区水利建设对水土流失治理发挥着重要作用, 水利建设相关投入产生较好的环境效益与经济效益。甘肃在 2014 年技术效率达到 1, 但是规模效率和综合效率值小于 1, 规模效率为 0.62, 表现为非 DEA 有效, 呈现规模报酬递增的状态, 说明早期甘肃省水土流失治理效率较低, 但投入产出比随着规模增加而迅速提升。
黄河下游地区的河南和山东的水土流失治理效率情况不理想。2014 年以来河南出现 4 次非 DEA有效, 出现频率较高, 并且早年与近年都出现非DEA 有效。但是, 呈现非 DEA 有效年份的规模报酬均为递增类型, 说明该地投入与产出未达到最优状态, 有较大的增长空间。因此, 河南省可以适度加大水利设施建设力度来获取一定的规模效益, 即加大水利建设投入来获取更高的环境和经济效益。山东省自 2014 年以来(2015 年除外)均处于非 DEA有效状态, 并且呈现规模报酬递减状态, 表明山东省的水利建设规模过于庞大, 产出减少, 即投入增加时, 产出增加的比例会少于投入增加的比例。因此, 山东省已不存在水利建设规模效益,需要合理配置资源, 提高水利建设的技术水平, 提升水土流失治理效率, 进而提升水利建设所带来的综合效益。究其原因, 与黄河流域其他省份相比, 山东省的水利建设水平较高, 但其水土流失治理面积并不理想, 所以出现非DEA 有效状态。因此, 亟需完善水利建设的监测体系, 定期评估效果, 充分利用现有水利设施开展环境治理与生态修复[51]。
图4 黄河流域水土流失治理效率
Fig. 4 Efficiency of soil erosion control in the Yellow River basin
表3 规模报酬系数分析
Table 3 Analysis chart of scale return coefficient
年份山西内蒙古山东河南四川陕西甘肃青海宁夏 2014111.3720.752110.62011 2015110.7760.75211111 2016111.4730.75211111 2017110.860111111 2018110.6270.88911111 2019110.860111111 2020110.3790.89911111
本文采用 Catboost 模型[49]测算水利建设视角下黄河流域水土流失治理效率影响因素的贡献率。由于山东和河南的水土流失治理效率不理想, 故对两省份的水土流失治理效率影响因素进行单独分析, 依据影响力选取排名前四的因素作为关键影响因素, 计算结果如图 5 所示。
就黄河流域整体而言, 人口因素、农业发展因素和环境投资建设因素在水土流失治理效率下发挥重要作用, 而经济因素和自然因素影响力较弱。影响因素的排名依次为人口密度、农业产值、生态修复治理投资完成额、降水量、沙化土地面积、人均GDP、自然保护区面积和水土保持率。就山东省而言, 其重要影响力指标为沙化土地面积、降水量、农业产值和水土保持率。就河南省而言, 生态修复治理投资完成额、人口密度、人均 GDP 和农业产值是水土流失治理效率的重要影响力指标。河南省与黄河流域整体的水土流失治理效率关键影响因素存在一定的相似性, 人口、环境投资建设以及农业生产因素均为关键影响因素, 在一定程度上也说明模型构建的稳健性。
从黄河流域来看, 人口密度、农业产值、生态修复治理投资完成额、降水量是水土流失治理的关键影响因素。高人口密度意味着高土地压力和生态压力, 表现为随着人口的不断增长, 地区发展对土地的开垦规模会不断扩大, 生产活动会加大水土流失治理负担[30]。大规模的农业生产活动产生的耕地破坏、植被破坏、湿地减少和土壤结构破坏均会不同程度地加剧水土流失治理的负担, 因此在农业生产过程中, 应提倡集约化农业与生态农业的发展[52–53]。生态修复治理投资为水土流失治理提供充足的资金保障、技术支持与人才供应, 有利于推动水土流失效率的提升[18,54]。较高程度的降水量会加剧土壤侵蚀与冲刷, 进而破坏地表生态, 加剧地方水土流失, 影响水土流失治理效率的提升[55]。结合现实情况看, 黄河流域不同省域之间以及省域内部不同地区之间均存在明显的人口分布差异, 人口分布的差异助推人口密度成为主导影响因素[56]。黄河流域是我国农业经济高质量发展的重点区域, 虽然近年来农业经济水平有一定程度的提升, 但部分区域农业生产效率仍然较低, 粗放型农业生产活动大范围存在, 对地区水土流失造成不可逆转的影响[57]。近年来, 我国政府不断加大对黄河流域生态的治理与保护, 通过大量资金支持, 促进开展大规模生态修复工程, 助推水土流失治理效率的提 升[58]。黄河流域流经黄土高原, 生态脆弱, 加上近年来极端降水事件频发, 加剧水土冲涮, 在一定程度上对水土流失治理效率的提升产生阻滞效应[59]。
对山东省而言, 水土流失治理效率的影响因素存在一定的异质性, 与其长期处于非 DEA 有效状态存在一定的关联。降水量、沙化土地面积、农业产值以及水土保持率是山东省水土保持效率的关键影响因素。土地沙化是加剧水土流失的重要根源, 若未能得到较好的治理, 会极大增加地方水土流失治理难度[60]。作为环境效率的衡量指标, 水土保持率充分体现水土治理以后的保持效果, 以确保环境效益真实有效[61]。山东省位于我国东南沿海区域, 降水量比黄河流域其他省份充沛, 因此降水量对山东省水土流失治理有关键作用[62]。另外, 作为我国农业大省, 山东省较大的农业生产规模也会在一定程度上也会加剧水土流失治理负担。
图5 水土流失治理效率影响因素贡献率分析
Fig. 5 Analysis of contribution rate of influencing factors on water and soil loss control efficiency
水利建设与水土流失治理密切相关, 黄河上游和中游地区水利建设产生明显的环境效益和经济效益, 水土流失治理效率较为理想, 但黄河下游河南和山东的水土流失治理效率有待提升。河南省非DEA 有效状态下规模报酬递增, 山东省非 DEA 有效状态下规模报酬递减, 因此必须考虑如何更好的加强当地水利建设, 如何从水利建设中获取高效的效益, 提升水利建设技术水平, 提升资源配置效率。进一步探究关键影响因素后发现, 人口因素、农业发展因素、环境投资建设因素以及自然性影响因素中的降水量是黄河流域水土流失治理效率的关键影响因素。山东省的影响因素存在一定的异质性, 降水量、沙化土地面积、农业产值以及水土保持率发挥关键影响作用。
根据本文的研究结果, 我们为各地区水土流失治理提供以下对策建议。
第一, 做好水土流失治理的科学规划。黄河流域覆盖多种不同类型的地形和土壤, 应针对地形和土壤类型来制定科学的治理方案, 最大限度地减少水土流失。同时, 科学的规划也可避免在治理过程中产生新的环境问题。
第二, 各省份应定期做好水利建设效益评估, 提升水利建设的科技水平。一方面可以监督水利建设开展状况, 另一方面可以评估水利建设效果。提升水利建设的科技水平, 将有利于加大水利建设经济与环境效益转化程度。
第三, 通过多渠道增加黄河流域植被覆盖率, 减小沙化土地面积。例如, 寻找适应沙漠化和旱地化等恶劣气候条件的新物种, 增强植物群落的修复和保持能力。此外, 可吸引全民参与治理工作(例如组织义工参与植树护林)。
第四, 黄河流域生态较为脆弱, 粗放型的农业生产活动必定会对耕地造成破坏, 影响水土环境。应规范农业生产活动, 制定相关政策法规, 加强耕地保护。
第五, 增设专项水土流失治理基金, 加大投入,加强生态修复治理。
第六, 山东省应积极开展沙化土地的治理, 大规模开展人工生态修复工程, 如人工造林、湿地恢复和退耕还林等保护活动; 提升水利建设的持续性与覆盖面, 充分利用现有水利设施资源开展生态治理。
参考文献
[1] 庞启航, 毕忠飞, 樊晓华, 等. 新时期黄土高原水土流失治理存在问题与对策. 人民黄河, 2022, 44 (增刊 1): 73–74
[2] 胡春宏, 张晓明. 黄土高原水土流失治理与黄河水沙变化. 水利水电技术, 2020, 51(1): 1–11
[3] 高健翎, 高燕, 马红斌, 等. 黄土高原近 70 a水土流失治理特征研究. 人民黄河, 2019, 41(11): 65–69
[4] 耿土锁, 徐建刚. 福建省上杭县水土流失原因分析与水土保持研究. 江苏农业科学, 2011, 39(3): 500–502
[5] 秦天枝. 我国水土流失的原因、危害及对策. 生态经济, 2009(10): 163–169
[6] 张国庆, 柴元媛, 赵洪芳. 湟水流域水土流失、生态状况及其生态治理措施. 西北林学院学报, 2007 (4): 70–72
[7] 刘国民. 东北黑土区水土流失态势分析与治理对策. 学术交流, 2010(10): 108–111
[8] 张洪江, 张长印, 赵永军, 等. 我国小流域综合治理面临的问题与对策. 中国水土保持科学, 2016, 14 (1): 131–137
[9] 袁和第, 信忠保, 侯健, 等. 黄土高原丘陵沟壑区典型小流域水土流失治理模式. 生态学报, 2021, 41 (16): 6398–6416
[10] 弥智娟, 郑涛, 姜宏雷, 等. 牛栏江流域上游保护区“四型”小流域水土流失治理模式. 水土保持通报, 2021, 41(1): 219–226
[11] 李情, 聂小飞, 谢颂华, 等. 基于生态与生产功能权衡的赣南水土流失综合治理模式适宜性评价. 水土保持研究, 2022, 29(4): 54–61
[12] 刘卉芳, 单志杰, 秦伟, 等. 东北黑土区水土流失治理技术与模式研究评述. 泥沙研究, 2020, 45(4): 74–80
[13] 莫明浩, 谢颂华, 聂小飞, 等. 南方红壤区水土流失综合治理模式研究——以江西省为例. 水土保持通报, 2019, 39(4): 207–213
[14] 段剑, 王凌云, 肖胜生. 红砂岩侵蚀区典型水土流失治理模式减流减沙效应. 水资源与水工程学报, 2018, 29(6): 227–233
[15] 刘艳萍, 荣浩, 梁占岐. 丘陵草原区小流域水土流失综合治理模式研究. 草原与草坪, 2016, 36(6): 39–44
[16] 翁伯琦, 徐晓俞, 罗旭辉, 等. 福建省长汀县水土流失治理模式对绿色农业发展的启示. 山地学报, 2014, 32(2): 141–149
[17] 何建村, 李玉生, 洪传勋, 等. 新疆水土流失特征及其治理模式. 中国水土保持科学, 2013, 11(增刊1): 5–13
[18] 王怡菲, 姚顺波, 邓元杰. 渭河流域水土流失治理效率的时空格局演化与影响因素. 地理科学, 2019, 39(5): 836–846
[19] 胡世明. 水土流失治理效率的DEA评价. 南水北调与水利科技, 2010, 8(2): 124–127
[20] 潘明九, 丰佳, 王文龙, 等. 山丘区输电线路工程水土流失特征及治理技术对比研究. 水土保持研究, 2023, 30(1): 47–53
[21] 乔梅, 王继军, 李玥, 等. 水土保持技术选择的主要驱动要素分析. 水土保持研究, 2019, 26(2): 132–138
[22] 安宝晟, 姚檀栋, 郭燕红, 等. 拉萨河流域典型区域保护、修复、治理技术示范体系. 科学通报, 2021, 66(22): 2775–2784
[23] 程冬兵, 赵元凌, 孙宝洋, 等. 小流域水土流失治理优先度的评价与应用. 农业工程学报, 2023, 39 (22): 104–111
[24] 符素华, 张志兰, 蒋光毅, 等. 三峡库区水土流 失综合治理优先小流域识别方法. 水土保持学报, 2020, 34(3): 79–83
[25] Yang Zhao, Chunhong Hu, Xiaoming Zhang, et al. Response of sediment discharge to soil erosion control in the middle reaches of the Yellow River. Catena, 2021, 203: 105330
[26] 吴仪邦, 赵静, 李喆, 等. 湖北省全口径水土流失治理现状调查及对策研究. 人民长江, 2024, 55(8): 53–58
[27] 张仕山, 朱雄斌, 汪小钦. 基于年际Landsat系列数据的长汀县水土流失治理区植被恢复监测. 长江科学院院报, 2020, 37(4): 43–49
[28] 史志华, 于书霞, 王玲. 南方红壤区水土流失与社会经济的耦合关系. 人民长江, 2023, 54(1): 69–74
[29] CerdàA, Flanagan D C, Bissonnais Y L, et al. Soil ero-sion and agriculture. Soil and Tillage Research, 2009, 106(1): 107–108
[30] 谭秀翠, 庄会波, 季妤. 基于SWAT模型的沂蒙山水土流失治理区地表水与地下水转化规律研究. 中国农村水利水电, 2021(2): 1–7
[31] 刘虹, 雷敏, 杨晨, 等. 黄河流域城市群生态效 率评价及归因分析. 西北大学学报(自然科学版), 2024, 54(3): 513–526
[32] 周景芳, 宋珺, 林田苗. 新疆南疆水利水电工程水土流失特点与水土保持监测相关问题探讨. 水利水电技术, 2018, 49(增刊 1): 132–135
[33] 钱峰. 长江科学院承担的《长江三峡水利枢纽工程竣工环境保护验收水土流失专题调查报告》通过技术审查. 长江科学院院报, 2014, 31(5): 123
[34] 陈雷. 认真贯彻中央水利工作会议精神扎实推进坡耕地水土流失综合治理工作. 中国水土保持, 2011 (9): 1–4
[35] 兰海, 吴悦, 王丹. 基于DEA和Malmquist指数的青海省科技创新效率研究. 科技管理研究, 2021, 41 (17): 40–46
[36] 郭盛杰, 董欣, 曾思育. 基于数据包络分析的中国城镇污水处理厂综合效能评估. 给水排水, 2021, 57 (10): 33–38
[37] 郭小青, 于晓娜, 朱万斌, 等. 基于数据包络分析法的秸秆能源化利用的生态效率评价. 中国农业大学学报, 2021, 26(3): 1–9
[38] 吴勇, 刘晓静, 蔺芳, 等. 河西荒漠灌区紫花苜蓿施肥效应及其基于数据包络分析法的经济效益研究. 草业学报, 2020, 29(9): 94–105
[39] 朱达, 唐亮, 谢启伟, 等. 基于数据包络分析方法的城市水资源利用效率研究. 生态学报, 2020, 40 (6): 1956–1966
[40] 龙岩, 李有明, 孔令仲, 等. 基于数据包络分析的突发水污染事件应急调控后评价研究. 水资源与水工程学报, 2018, 29(5): 154–158
[41] 李朋林, 王小丹. 能源互联网建设对高耗能行业能源效率的影响研究——基于 2014—2018 年的省际面板数据. 科技管理研究, 2022, 42(1): 186–192
[42] 肖豪, 黄柏豪, 孙凯, 等. 应用灰色关联法分析石灰配施有机肥对镉污染土壤–植物系统的影响. 农业环境科学学报, 2022(9): 1966–1974
[43] 黄仁全. 黄河流域高质量发展水平时空演变与灰色关联分析——基于 2000—2018 年的实证. 生态经济, 2022, 38(9): 62–70
[44] 崔岚, 蔡为民. 2005—2019 年甘肃省耕地资源变化及其影响因素分析——基于灰色关联度模型. 东南大学学报(哲学社会科学版), 2021, 23(1): 23–26
[45] 赖谱富, 汤葆莎, 李怡彬, 等. 不同干燥方式制备海鲜菇物性及营养品质的灰色关联分析. 核农学报, 2021, 35(9): 2118–2126
[46] 王林军, 罗彬, 史宝周, 等. 碟式太阳能聚光器风载荷系数影响因素研究——基于模糊灰色关联分析法. 太阳能学报, 2021, 42(5): 328–334
[47] 李啸虎, 施谌谌, 王立明, 等. 入境旅游业能源消耗的氮氧化物排放测度及灰色关联分析. 西北师范大学学报(自然科学版), 2021, 57(3): 104–111
[48] 张淑华, 黄高彦, 张一帆, 等. 基于灰色关联分析的关键粮食生产技术筛选. 河南农业大学报, 2021, 55(2): 356–363
[49] 郑家桐, 王鹏, 石航源, 等. 基于CatBoost模型和SHAP解释方法的土壤重金属影响因素与程度定量分析. 环境科学学报, 2023(4): 448–456
[50] 胡建锦, 熊伟, 方陆明, 等. 基于距离相关系数和Catboost方法的森林蓄积量估测. 中南林业科技大学学报, 2023(5): 27–35
[51] 杨亚锋, 周晓晓, 王红瑞, 等. 中国水利新质生产力评价及障碍因子诊断. 华北水利水电大学学报(自然科学版), 2024, 45(6): 1–8
[52] 贾路, 李占斌, 于坤霞, 等. 基于径流侵蚀功率的长江典型流域能沙关系模型及改进. 农业工程学报, 2024, 40(5): 128–140
[53] 贾路, 于坤霞, 李占斌, 等. 长江经济带降雨侵蚀力与NDVI耦合协调关系时空变异分析. 农业工程学报, 2023, 39(4): 102–114
[54] 魏仪媛, 张乐涛, 王清源, 等. 河南省水土保持投资对农业经济及生态系统服务价值的影响. 水土保持研究, 2024, 31(3): 265–275
[55] 王延贵, 刘焕永, 陈吟. 北方主要河流水沙变异及其成因. 中国水利水电科学研究院学报(中英文), 2024, 22(4): 333–341
[56] 田雨欣, 田美荣, 冯朝阳. 黄河流域生态安全评估与影响因素分析. 人民黄河, 2024, 46(2): 107–111
[57] 王淑媛, 李晓丹, 刘学录, 等. 黄河流域甘肃段主要一级支流水土流失与社会经济发展的关系研究. 甘肃农业大学学报, 2022, 57(5): 202–208
[58] 雷社平, 樊艳翔, 解建仓. 黄土高原城市工业污水排放脱钩分析及驱动效应分解——以陕西省为例. 生态环境学报, 2023, 32(2): 351–360
[59] 任洪杰, 李辉尚. 中国乡村生态韧性的时空演变特征及影响因素探究. 干旱区地理, 2024, 47(11): 1915–1923
[60] 袁文华, 范文君, 李建春, 等. 黄河流域典型县域生境质量的时空分异特征及影响因素研究. 生态与农村环境学报, 2024, 40(5): 622–633
[61] 薛选登, 范晓婕, 谢清华. 农业水资源生态韧性时空演化及多尺度障碍因子分析——以黄河流域九省为例[J/OL]. 中国农业资源与区划, 2024 [2024–06–25]. http://kns.cnki.net/kcms/detail/11.3513.s.20240607. 1120.012.html
[62] 王之语, 路昌, 蔡雪芹, 等. 黄河流域山东段“空 间–经济–人口”碳强度与生态系统服务的时空互动关系. 环境科学, 2025, 46(3): 1573–1584
Efficiency and Influencing Factors of Soil Erosion Control in Yellow River Basin from the Perspective of Water Conservancy Construction
Abstract From the perspective of water conservancy construction, taking the Yellow River Basin as the research object, the efficiency of soil erosion control is calculated with the DEA-BBC model and its key influencing factors are analyzed with the Catboost model. The research results indicate that 1) water conservancy construction is closely related to soil erosion control and economic development, and water conservancy construction generates significant environmental and economic benefits. 2) The efficiency of soil erosion control is ideal in the upper and middle reaches of the Yellow River, but needs improvement in Henan and Shandong provinces in the lower reaches. In the non-DEA effective state, scale returns increase in Henan and decrease in Shandong. 3) Population, agricultural development, environmental investment and construction, and precipitation are key influencing factors for soil erosion control efficiency in the Yellow River Basin.
Key words water conservancy construction perspective; Yellow River basin; efficiency of soil erosion control; DEA-BBC model; Catboost model