河北省水土资源生态承载力耦合协调及其驱动因素分析

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 4 (July 2025)

自然资源综合调查指挥中心科技创新基金(KC20220008)和中国地质调查局项目“东部平原湖区北部湖泊调查”(DD20230505)资助

1.中国地质大学(北京)土地科学技术学院, 北京 100083; 2.中国地质调查局廊坊自然资源综合调查中心, 廊坊 065000; 3.自然资源部土地整治重点实验室, 北京 100035; †通信作者, E-mail: 614807297@qq.com (宋东阳), zqzhao@cugb.edu.cn (赵中秋)

摘要为了明确河北省水土资源与环境容量的关系, 为水土资源协调发展提供科学依据, 以河北省为例, 基于“省公顷”生态足迹模型, 修正水土资源均衡因子和产量因子, 分析 2006—2021 年水土资源生态足迹和生态承载力的时空演变趋势。通过耦合协调模型, 分析水土资源生态承载力耦合协调性, 采用偏最小二乘法, 分析影响水土资源生态承载力耦合协调度的因素。结果表明, 河北省土地资源呈生态亏损状态, 人均土地资源生态足迹呈上升趋势, 上升率为 42.86%, 而人均生态承载力呈下降趋势, 下降率为 41.94%。水资源也呈生态亏损状态, 人均水资源生态足迹和生态承载力均呈上升趋势, 上升率分别为 36.89%和 131.03%。全省水土资源生态承载力耦合协调度集中在中度失调与中级协调之间, 各市水土资源生态承载力耦合协调度均值在 0.42以上, 保定市的耦合协调均值最高(0.62)。驱动因素主要体现在土地资源、水资源和社会 3 个维度, 其中单位标准面积粮食产量、人均水资源量和人均降水量等指标对全省以及各市的耦合协调度影响较大。

关键词 省公顷; 生态足迹; 生态承载力; 耦合协调; 偏最小二乘法; 驱动因素

水、土资源是地球上最重要的自然资源要素, 两者间的关系对生态系统的稳定和区域发展至关重要[1]。土地资源是水资源的载体, 承载水资源的开发、利用和保护。水资源是土地资源循环更新过程中不可或缺的物质, 直接影响土地资源的生产效率[2]。当前, 我国加速推动城镇化和工业化进程, 社会经济结构快速调整, 水土资源压力逐渐增大, 由此产生的水土资源生态环境恶化、协调发展能力下降等问题日渐凸显[3–5]。

河北省是国家重要的发展支撑地区, 人口基数大, 经济高速发展, 导致水土资源高强度开发, 耕地面积不断减少, 水资源供需矛盾日益突出[6]。全省多年人均水资源占有量只有 307m³, 人均耕地面积只有 0.081 公顷, 均低于全国平均水平, 水土生态安全格局受到严重威胁, 缓解水土生态压力、提高资源可持续发展能力迫在眉睫。因此, 明确水土资源生态状况, 促进水土资源协调地向好发展, 是河北省可持续发展所面临的重要战略问题[7]。

生态足迹是衡量水、土资源可持续发展的重要指标, 也是基于土地面积进行量化的理论模型[8]。1992 年, Rees[9]首先提出“生态足迹”概念, 之后Wackernagel 等[10]对其进行补充和完善。21 世纪初, 徐中民等[11]和张志强等[12]率先在国内开展生态足迹研究。黄林楠等[13]初次将水资源账户引入生态足迹模型, 为水资源可持续评价提供新方法。

生态足迹模型与空间尺度关系密切[14–16], 相关研究多集中于城市群及以上规模区域[17–20]。研究发现, 中小尺度区域不能直接套用全球统一的参数因子[21–23], 在计算省域尺度生态足迹时, 采用“省公顷”参数因子能更准确地反映当地实际生产力状况。因此, 有学者对参数因子进行修正与改进, 弥补传统生态足迹模型的缺陷, 使研究结果更加准确。例如, 张恒义等[24]基于“省公顷”计算浙江省土地均衡因子和各地级市产量因子; 张婉玲等[25]基于“省公顷”修正水资源均衡因子, 分析长江中游城市群水资源生态足迹演变规律及其驱动因素。

目前, 采用“省公顷”生态足迹模型进行生态承载力的研究多基于水土资源单一要素来展开[26–27], 将其耦合为一个系统的研究较少, 因此无法准确地说明水土资源在区域发展过程中的综合作用, 也忽略了不同因素在其相互作用过程中的影响。

水土资源是复杂的整体系统, 采用耦合协调模型和偏最小二乘法可以定量地分析水土资源耦合协调关系[28–30], 找出影响水土资源生态环境稳定、限制其协调发展的关键因素, 从而采取针对性的措施。本文以河北省为例, 基于“省公顷”修正均衡因子以及产量因子, 改进传统的生态足迹模型, 测度 2006—2021 年土地资源和水资源的生态足迹、生态承载力和生态盈亏指数, 并借助耦合协调模型, 开展水土资源生态承载力耦合协调研究, 最后采用偏最小二乘法, 分析土地资源、水资源、社会、经济和生态因素对耦合协调度的影响, 以期剖析区域水土资源相互作用机制, 为水土资源协同发展与可持续利用提供科学依据。

1 研究区概况与数据来源

1.1 研究区概况

如图 1 所示, 河北省(地理坐标范围为 36°05′—42°40′N, 113°27′—119°50′E)地处华北, 下辖石家庄、承德、张家口、秦皇岛、唐山、廊坊、保定、沧州、衡水、邢台和邯郸 11 个地级市, 总面积为1888 万 hm2。河北省是我国唯一兼有高原、山地、丘陵、平原和海滨等地貌的省份, 属温带大陆性季风气候, 年均降水量为 520.8mm。2021 年, 全省总人口为 7448 万人, 占全国总人口的 5.27%; 水资源总量为 376.61 亿 m3, 仅占全国总量的 1.27%; 耕地面积为 603.42 万 hm2, 仅占全国耕地面积的 4.72%。河北省存在生态本底差、资源环境承载能力弱等问题。

1.2 数据来源

本文采用的耕地、林地、草地和水域用地等生物资源账户以及标准煤年消耗量、人口数量和 GDP数据来自河北省及其 11 个地级市的《统计年鉴》(2006—2021 年), 水资源总量、用水量和产水模数等数据来自河北省《水资源公报》, 生物产品热值数据来自《农业技术经济手册(修订版)》。

遥感影像数据来自武汉大学 30m 分辨率的中国逐年土地覆盖数据集(https://doi.org/10.5281/zeno do.5816591)。通过对影像进行掩膜提取, 得到研究时段内各市生产性土地面积数据。

2 研究方法

2.1 生态足迹模型

2.1.1 “省公顷”均衡因子和产量因子的改进

“省公顷”指单位省公顷土地的平均生物生产能力[24]。考虑到生物产品产出量直接相加会降低其科学性, 本文将生物产品转换为统一的热值形式进行计算, 增强结果的合理性。

1)均衡因子。土地均衡因子将各类土地转化为可比较的生产性土地面积, 计算公式如下:

其中,gi 为省域第 i 类生产性土地的均衡因子, Si为省域第 i 类生产性土地面积(hm2), width=12.25,height=17

为省域第 i 类生产性土地的第 k 种生物产品产量(kg), width=12.25,height=17

为省域第 i类生产性土地的第 k 种生物产品的单位热值(kJ/kg)。

水资源的特殊属性导致其难以直接通过生物产品产量计算均衡因子, 可以通过式(1)计算出的耕地均衡因子, 间接地推求水资源均衡因子[25]:

其中, ga, gw 和 gt 分别为耕地、水资源用地和所有土地单位面积产值, ga 和gw 分别为耕地和水资源均衡因子, Pc 为省域平均产水模数(万m3/hm2), WGDP 为省域万元 GDP 用水量(万 m3), Ga 为省域耕地生产总值(万元), Sa 为省域耕地总面积(hm2)。

2)产量因子。土地资源产量因子的计算公式如下:

其中,

为 j 市第 i 类生产性土地的产量因子, width=12.25,height=17

为 j 市第 i 类生产性土地的面积(hm2), width=23.75,height=17

为 j 市第i 类生产性土地的第 k 种生物产品的年产量(kg)。

水资源产量因子可用市域平均产水模数与省域平均产水模数的比值替代。

2.1.2 土地资源计算模型

本文将土地生态足迹账户分为生物资源类(耕地、林地、草地和水域用地)、化石能源类和建设用地类, 选取农产品(小麦、稻谷、玉米、薯类、豆类、麻类、烟叶、棉花、糖料、油料和蔬菜)、林产品(苹果、梨、桃和葡萄)、畜产品(禽蛋、牛奶、猪肉、牛肉和羊肉)、水产品、人均标准煤年消耗量和当年建设用地面积共 24 项组成生态足迹账户, 具体信息如表 1 所示。

2.1.3 水资源计算模型

水资源生态足迹指地区生产、生活和生态消耗的水资源量转换为相应水资源账户的面积。生态承载力指水资源对社会经济发展的最大承受能力, 计算时需扣除 60%, 用于维持生态环境安全[8]。计算公式如表 2 所示。

2.2 水土资源生态承载力耦合协调模型

水土资源生态承载力耦合协调模型基于传统耦合协调模型建立[31], 可以衡量水土资源对地区人口和社会经济发展最大承受能力的协调程度, 反映水土生态环境的稳定情况。耦合协调度的计算公式为

其中, C 为耦合度, width=40.1,height=16.3

; D 为耦合协调度, width=19.7,height=10.85

; a和 β 为耦合协调系数, 由于水土资源重要程度相同, 故a=β=0.5。

本文将耦合协调度划分为 10 个等级[32], 如表 3所示。

2.3 偏最小二乘回归分析法

偏最小二乘回归分析法(partial least squares, PLS)具有主成分分析、典型相关分析和多元线性回归分析等方法的优点, 可以克服变量多重共线性问题, 提高模型精度和稳定性[33]。水土资源生态承载力耦合协调度受土地资源、水资源、社会、经济和生态多方面因素影响(表 4), 本文基于偏最小二乘法, 使用 SIMCA 软件, 以生态承载力耦合协调度为因变量, 影响因素为自变量, 通过变量投影重要性(VIP)确定自变量对因变量的解释能力, 判断影响因素的重要程度。

其中, VIPj 为自变量 Xj 的 VIP 值; p 为自变量个数; Rd (Y, t1, t2, …, tm)为 t1, t2, …, tm 对因变量 Y 的累计解释能力; Rd(Y, th)为提取主成分 t1, t2, …, th 对因变量 Y 的累计解释能力; Whj 为 Wh 的第 j 个分量。VIP>1 表明自变量极重要, 0.8

3 结果分析

3.1 土地资源生态足迹与生态承载力的时空演变

如图 2(c)所示, 2006—2021 年, 河北省人均土地生态足迹总体上呈上升趋势, 上升率接近 42.86%。其中, 2006—2020 年波动上升至峰值 0.72hm2/人, 2021 年小幅下降。如图 2(a)所示, 从城市角度看, 石家庄和保定的生态足迹下降明显, 分别下降21.54%和 34.48%, 张家口几乎没有变化, 承德和沧州上升明显, 分别上升 176.92%和 191.67%。对比人均生态足迹可知, 各城市差异较大, 保定、衡水和张家口人均土地生态足迹较小, 其中保定最小, 均值为 0.2hm2/人; 唐山、邯郸和石家庄较大, 其中唐山最大, 均值为 1.54hm2/人。土地生态足迹与地区自然资本消费水平关系密切, 以唐山为例, 该市为工农业大市, 16 年间能源消耗量和人均粮食消费量增长率分别达到 52.38%和 4.24%, 是生态足迹增长的主要原因。

如图 2(c)所示, 同期, 河北省人均土地生态承载力总体上呈下降趋势, 下降率达 41.94%。土地资源处于生态赤字状态, 2006—2020 年生态赤字逐年增加, 2021 年有所缓解。如图 2(b)所示, 从城市角度看, 承德土地生态承载力波动上升, 上升率为8.33%, 其他城市均呈下降态势, 廊坊和邯郸降幅较大, 分别下降 43.75%和 38.89%。河北省各城市人均土地生态承载力差异较大, 张家口人均土地生态承载力均值达 1.3hm2/人, 土地资源处于生态盈余状态, 而承德仅为 0.12hm2/人, 土地资源处于生态赤字状态。原因是人均土地生态承载力与地区资源禀赋密切相关, 张家口土地资源生产能力强, 草地生物产品产量约为承德的 3.51 倍。

3.2 水资源生态足迹与生态承载力的时空演变

如图 3(c)所示, 2006—2021 年, 河北省人均水资源生态足迹呈波动上升趋势, 增幅达 36.89%。其中, 2006—2016 年, 水生态足迹波动上升并达到峰值 1.81hm2/人。如图 3(a)所示, 从城市角度看, 唐山和廊坊的人均水生态足迹呈下降态势, 分别下降1.96hm2/人和 0.48hm2/人, 其他城市均有所增加, 保定和衡水增幅较大, 分别增加 1.4hm2/人和 1.21hm2/人。对比分析人均水生态足迹可知, 各城市差异较大, 唐山、秦皇岛和石家庄较大, 其中唐山最大, 为 3.67hm2/人; 沧州、保定、邢台和邯郸较小, 其中沧州最小, 仅为 0.55hm2/人。水资源生态足迹的大小与区域用水量关系密切, 唐山为工业性城市, 用水需求大, 用水量年均值达到 50.53 万 m3, 用水量大导致水生态足迹增大。石家庄、秦皇岛和张家口某些年份的水生态足迹大也是用水量增加导致。

如图 3(c)所示, 同期, 河北省人均水生态承载力呈波动上升趋势, 水资源一直处于生态赤字状态。其中, 2006—2012 年波动上升, 2013—2019 年波动下降, 2020—2021 年大幅上升至峰值 1.55hm2/人, 原因是当年降水量比多年平均值增加 269.5mm, 补充了水资源储量。各城市人均水生态承载力均呈现增加趋势, 秦皇岛增幅最大, 增加 4.66hm2/人, 其次为承德, 增加 4.46hm2/人。如图 3(b)所示, 从空间上看, 人均水生态承载力呈现“东北高、西南低”的空间分布格局, 其中秦皇岛人均水生态承载力最大, 均值达到 2.7hm2/人, 部分年份处于生态盈余状态, 衡水最小, 均值仅为 0.26hm2/人, 水资源处于生态赤字状态。水生态承载力主要受水资源总量和降水量等因素影响, 秦皇岛是沿海城市, 水资源丰富, 研究时段内水资源总量增加 24 亿 m3, 水生态环境稳定, 生态承载力居首。张家口、廊坊、沧州和衡水等缺水型城市水资源匮乏, 承载力普遍小于其他城市。

3.3 水土资源生态承载力耦合协调度的时空分异特征

2006—2021 年, 河北省水土资源生态承载力耦合协调度先升后降(图 4), 协调等级整体上向较高级别演变, 由轻度失调上升为濒临失调。耦合协调度取值为[0.24, 0.72], 对应中度失调到中级协调, 研究时段内大部分时间处于协调状态, 生态环境稳定性较好。各市水土资源生态承载力耦合协调度均值在 0.42 以上, 保定的耦合协调均值较高(0.62), 处于初级协调状态, 邯郸(0.42)、承德(0.43)、邢台(0.45)和秦皇岛(0.49)的耦合协调均值较低, 处于濒临失调状态, 其他城市均处于勉强协调状态。

如图 5 所示, 在空间分布上, 2006 年, 河北省水土资源生态承载力耦合协调性以失调为主, 失调城市占全省的 63.64%, 协调城市较少, 集中在中南部。2011 年, 耦合协调性明显上升, 失调城市占比降至 36.36%, 主要分布在北部和南部。2016 年, 耦合协调性趋于良性发展, 只有沧州一个城市处于失调状态, 其他城市全部处于协调状态。2021 年, 由于降水量增加, 各市水资源生态承载力大幅度增加, 土地资源生态承载力无明显变化, 故失调城市比例再次降到 54.55%, 主要分布在东部和中部。从总体上看, 水土资源生态承载力耦合协调度大体上表现为“南高北低”。冀中南地区多呈现协调态势, 水土资源协调匹配程度较高。东部地区承载力协调等级波动性下降, 分别倒退成濒临失调与勉强协调水平。北部城市中, 承德由轻度失调上升为良好协调, 张家口由中级协调降为濒临失调。

3.4 水土资源生态承载力耦合协调驱动因素

3.4.1 偏最小二乘回归分析

本文从土地资源、水资源、社会、经济和生态5 个方面选取 14 项驱动因素指标, 运用偏最小二乘法, 定量地分析水土资源生态承载力耦合协调的驱动因素, 结果如表 5 所示。可以看出, 河北省及各城市提取的 PLS 有效成分对自变量和因变量的解释能力均较强, 样本点均分布在特异点识别图内部, 符合建模要求, 且回归模型精度较高。

3.4.2 驱动因素的确定

河北省水土资源生态承载力耦合协调的极重要驱动因素为林草覆盖度、生态绿化程度、人均水资源量和降水量, 重要驱动因素为产业高级化指数、人均供水量、人均能源消费量、人均消费支出和单位标准面积粮食产量, 其余均为不重要驱动因素(图 6)。

从城市角度看, 不同因素解释各城市的重要性程度差异明显。例如, 在土地资源因素中, 人均耕地面积是廊坊、衡水、邢台和邯郸的极重要驱动因素, 却是承德、秦皇岛和唐山的不重要驱动因素。在水资源因素中, 人均供水量是除承德、唐山和邢台外其他城市的极重要驱动因素或重要驱动因素。在生态因素中, 林草覆盖度是廊坊、保定和衡水的极重要驱动因素, 是沧州和邯郸的不重要驱动因素, 也是其他大部分城市的重要驱动因素。总体而言, 单位标准面积粮食产量、人均水资源量、人均降水量、产业高级化指数、人均消费支出和林草覆盖度对全省和各城市的耦合协调度影响较大, 其次是人均耕地面积、人均建设用地面积、人均供水量和人口密度, 表明水土资源生态承载力耦合协调度的驱动因素主要体现在土地资源、水资源和社会 3 个维度。

4 讨论

4.1 “省公顷”与“全球公顷”参数因子的比较分析

生态足迹模型中的生物生产性土地和水资源生产能力受到多种因素影响, 如生产性土地产量、气候和降水量等。河北省是重要的工农业大省, 各城市产业布局不同, 资源禀赋各异, 采用“全球公顷”参数因子无法准确地反映当地水土资源实际生产力状况。本文借鉴热值计算法[24], 基于“省公顷”方法对生态足迹模型中的参数因子进行修正, 结果如表6 所示。

分析结果表明, 省域尺度耕地均衡因子和产量因子均小于全球尺度; 省域尺度林地均衡因子小于全球尺度, 产量因子大于全球尺度; 省域尺度草地均衡因子和产量因子均大于全球尺度; 省域尺度水域用地均衡因子和产量因子均大于全球尺度; 省域尺度水资源均衡因子大于全球尺度。综上所述, 本文采取“一年一区一值”方案[30]来修正参数因子, 在一定程度上降低了不同尺度下计算结果的误差, 为精确地定量分析水土资源生态足迹和生态承载力等指标提供理论参考。

4.2 水土资源生态承载力耦合协调分析

河北省土地资源生态承载力呈下降趋势, 与王锦等[34]的研究结果一致; 水资源生态承载力呈波动性增加的趋势, 与宾零陵等[35]的研究结果相符合。2006—2016 年河北省水土资源生态承载力多处于协调状态, 水土资源生态稳定性较好, 2017 年之后, 耦合协调等级出现下降态势。结合水土资源生态承载力状况的分析结果表明, 全省水资源生态承载力状况较好, 而土地资源生态承载力总体上不高, 故土地资源具有明显的滞后性。河北省人口众多且逐年增加, 土地资源人均占有量少, 耕地资源有限, 加上林草地生态系统比较脆弱, 退化草地治理进度不理想[36], 导致水土资源匹配度有所降低。河北省是京津冀生态环境支撑区, 为保障水土资源可持续发展, 应有效地控制人口数量, 适度改造中低产田, 缓解对传统耕地资源的依赖, 加大林草地保护建设的投入力度, 加快退化林草地的生态修复治理, 促进区域绿色可持续发展。

说明: 省域尺度参数为 2021 年计算结果, 水资源产量因子无全球尺度固定值。

从区域角度看, 冀中南水土资源生态承载力耦合协调性较好, 多处于协调状态, 特别是土地资源生态承载力在全省处于较高水平, 相对来说水资源具有滞后性。该区域水资源先天禀赋较差, 多为缺水型城市。作为工农业聚集区, 应当发展节水农业, 扩大节水灌溉面积, 推进地下水超采治理, 提高工业用水效率。东部地区包括唐山和秦皇岛, 均属沿海城市, 地表水和地下水丰富, 水生态承载力较大, 土地生态承载力相对较小, 具有明显的滞后性。这两个城市是环渤海地区重要港口城市, 土地利用率高, 人均耕地资源少, 耕地后备资源不足, 应当严格控制耕地流失, 严格限制非农建设占用耕地, 做好沿海地区土地整理复垦开发。北部城市中, 张家口土地资源丰富, 土地生态承载力高居全省首位, 水生态承载力却不占优, 具有滞后性。张家口为资源型缺水城市, 人均水资源占有量不足 400m³, 应当健全用水总量和强度控制体系, 严格取水审批制度, 稳步推进节水型社会建设[33]。承德多年平均水资源总量为 37.6 亿 m³, 水资源丰富, 水生态承载力较大, 土地资源相对薄弱, 生态承载力较小, 为土地资源滞后型区域, 应当完善土地资源保护制度, 落实土地节约集约用地制度, 提升土地利用效益。

4.3 耦合协调度驱动因素分析

从河北省及各城市的驱动因素来看, 极重要和重要驱动因素集中在土地资源、水资源和社会 3 个维度, 与璩路路等[37]的研究结果一致。驱动因素的重要程度与全省水土资源先天条件、人口数量和产业结构等因素有关[38]。河北省人口数量大, 人均耕地面积较少, 耕地后备资源不足, 2021 年, 全省人均耕地面积为 0.081 公顷, 占全国人均耕地面积的86.43%, 低于全国平均水平, 阻碍了区域协同发展。从水资源角度看, 河北省是我国水资源最短缺、水生态最脆弱的地区之一, 2021 年人均水资源量为 505.65m³, 仅占全国人均水资源量的 24.1%。另外, 当地水资源供需矛盾突出, 研究时段内多数年份用水量大于产水量, 且用水结构不合理, 农业用水占比接近 70%, 生态用水占比严重不足, 资源性缺水问题严重[6]。从产业结构角度看, 河北省第一产业生产力水平较低, 对钢铁和煤炭等第二产业依赖度较高, 高污染高耗能企业多, 虽然第三产业发展迅速, 其水平却远不及其他发达省份, 产业结构比例不协调。

此外, 经济和生态维度中的人均消费支出和林草覆盖度对各地水土资源生态承载力耦合协调度也有较重要的影响。随着经济的发展, 河北省人均消费支出也不断增加, 2006—2021 年增长近 2.74 倍。同时, 河北省的恩格尔系数一直低于全国水平, 说明居民生活水平和消费能力在向好发展。从林草覆盖度的角度来看, 河北省林草资源丰富, 但气候条件复杂, 且过去乱砍滥伐以及超载过牧现象严重, 生态环境比较脆弱, 林草地退化较快。近些年, 河北省通过采取营造林、退化草原修复治理等措施, 环境状况得到改善, 但生态问题未彻底解决, 仍然需要加快生态保护修复进度, 提升林草生态系统服务功能。

5 结论

本文基于“省公顷”生态足迹模型, 修正水土资源均衡因子和产量因子, 将参数因子进行本地化修正, 改进传统的生态足迹模型, 探究水土资源生态足迹和生态承载力的时空演变特征。借助耦合协调模型计算水土资源生态承载力耦合协调度, 采用偏最小二乘回归法分析相关的驱动因素, 得到如下结论。

1)河北省人均土地生态足迹呈上升趋势, 上升率接近 42.86%。人均土地生态承载力呈下降趋势, 下降率达到 41.94%。人均土地生态足迹最大的是唐山, 最小的是保定; 人均土地生态承载力最大的是张家口, 最小的是承德。

2)河北省人均水资源生态足迹和承载力均呈波动上升趋势, 上升率分别为 36.89%和 131.03%。人均水生态足迹最大的是唐山, 最小的是沧州; 人均水生态承载力最大的是秦皇岛, 最小的是衡水。

3)河北省水土资源生态承载力耦合协调度先升后降, 协调等级整体向较高级别演变, 多数时间处于协调状态, 生态环境稳定性良好。水土资源生态承载力耦合协调度的驱动因素主要体现在土地资源、水资源和社会 3 个维度。

[1] 张恩月, 苏迎庆, 张云枫, 等. 汾河流域水土资源耦合协调格局及驱动因素. 中国沙漠, 2023, 43(3): 169–177

[2] 曹刚, 刘艳中, 张祚, 等. 土地生态安全二维预警模型构建及应用——以临湘市为例. 中国环境科学, 2022, 42(5): 2305–2314

[3] 杨宏轶, 赵华甫. 耕地结构变化下水土资源匹配时空特征效应分析: 以黑龙江省为例. 自然资源学报, 2022, 37(9): 2247–2263

[4] Lian H P , Raul P L. Interpreting institutional fit: urba-nization, development, and China’s land lost. World Development, 2014, 61: 1–10

[5] Liu Y, Huang X J, Yang H. et al. Environmental effects of land-use/cover change caused by urbanization and policies in southwest China Karst area: a case study of Guiyang. Habitat International, 2014, 44: 339–348

[6] 王健泉, 秦欢欢. 河北省水资源生态足迹分析与预测. 人民长江, 2024(8): 114–124

[7] 赵先贵, 马彩虹, 赵晶, 等. 生态文明视角的陕西省资源环境压力评价. 干旱区资源与环境, 2016, 30(10): 19–25

[8] 卢亚丽, 徐帅帅, 沈镭. 基于胡焕庸线波动的长江经济带水资源环境承载力动态演变特征. 自然资源学报, 2021, 36(11): 2811–2824

[9] Rees W E. Ecological footprints and appropriated carrying capacity: what urban economics leaves out. Environment and Urbanization, 1992, 4(2): 121–130

[10] Wackernagel M, William E R. Our ecological footprint: reducing human impact on the earth. Gabriola Island: New Society Publishers, 1996

[11] 徐中民, 张志强, 程国栋. 甘肃省 1998 年生态足迹计算与分析. 地理学报, 2001(5): 598–609

[12] 张志强, 徐中民, 程国栋, 等. 中国西部 12 省(区市)的生态足迹. 地理学报, 2000(5): 607–616

[13] 黄林楠, 张伟新, 姜翠玲, 等. 水资源生态足迹计算方法. 生态学报, 2008, 28(3): 1279–1286

[14] Wackernagel M, Silverstein J. Big things first: focu-sing on the scale imperative with the ecological foot-print. Ecological Economics, 2000, 32(3): 391–394

[15] Charfeddine L, Mrabet Z, et al. The impact of econo-mic development and social-political factors on ecolo-gical footprint: a panel data analysis for 15 MENA countries. Renewable & Sustainable Energy Reviews, 2017, 76: 138–154

[16] SzigetI C, Toth G, Szabo D R. Decoupling-shifts in ecological footprint intensity of nations in the last decade. Ecological Indicators, 2017, 72(1): 111–117

[17] 郝帅, 孙才志, 宋强敏. 基于ESTDA模型的中国水生态足迹及水生态压力评价. 生态学报, 2021, 41 (12): 4651–4662

[18] Erb K H. Actual land demand of Austria 1926–2000: a variation on Ecological Footprint assessments. Land Use Policy, 2004, 21(3): 247–259

[19] Marco B, Alessandro G, Valentina N, et al. Ecological footprint analysis applied to a sub-national area: the case of the Province of Siena (Italy). Journal of En-vironmental Management, 2008, 86(2): 354–364

[20] 魏柏浩, 阿里木江·卡斯木, 如克亚·热合曼, 等. 天山北坡城市群生态承载力演变与生态敏感性分析. 生态学报, 2023, 43(4): 1399–1411

[21] 李金城, 严长安, 高伟. 基于本土参数的流域生态足迹评估与不确定分析. 生态学报, 2019, 39(2): 739–747

[22] 李广军, 顾晓薇, 王青, 等. 沈阳市高校生态足迹和生态效率研究. 资源科学, 2005, 27(6): 140–145

[23] 范月华, 陈涟, 唐文雯, 等. 基于改进水生态足迹模型的深圳市水资源可持续利用分析. 水电能源科学, 2021, 39(4): 36–39

[24] 张恒义, 刘卫东, 王世忠, 等. “省公顷”生态足迹模型中均衡因子及产量因子的计算——以浙江省为例. 自然资源学报, 2009, 24(1): 84–94

[25] 张婉玲, 邹磊, 夏军, 等. 长江中游城市群水资源生态足迹时空演变及其驱动因素分析. 长江流域资源与环境, 2023, 32(1): 83–92

[26] 官冬杰, 姜亚楠, 严聆云, 等. 基于生态足迹视角的长江流域生态补偿额度测. 生态学报, 2022, 42 (20): 8169–8183

[27] 杜轶, 郭青霞, 张勇. 2种不同算法的水资源生态足迹动态比较分析——以山西省为例. 水土保持学报, 2021, 35(4): 165–171

[28] 吕燕, 陈俊旭, 赵红玲. 雅鲁藏布江–布拉马普特拉河流域国家及尼泊尔水土–经济耦合评价. 水资源保护, 2018, 34(4): 61–66

[29] 张晓涛, 于法稳. 黄河流域经济发展与水资源匹配状况分析. 中国人口·资源与环境, 2012, 22(10): 1–6

[30] 柳宏斌, 夏国柱, 林涛, 等. 基于改进生态足迹模型的可持续发展评价——以北疆为例. 生态学报, 2023, 43(1): 234–248

[31] 丛晓男. 耦合度模型的形式、性质及在地理学中的若干误用. 经济地理, 2019, 39(4): 18–25

[32] 赵子萌, 曹永强, 常志冬, 等. 黄河沿线九省区水土资源生态承载力耦合协调分析. 水资源保护, 2023, 39(6): 121–129

[33] 张佳磊, 李彦学, 刘德富, 等. 张家口市各区县用水结构时空演变及其驱动因素分析. 水资源保护, 2023, 39(6): 145–151

[34] 王锦, 韩阳媚, 丛林, 等. 基于模型参数本地化修正的河北省生态足迹演化特征及可持续发展分析. 干旱区资源与环境, 2023, 37(2): 42–49

[35] 宾零陵, 蒋睿文, 曹永强, 等. 京津冀水资源生态足迹动态变化与预测. 水资源保护, 2023, 39(5): 32–38

[36] 李倩茹, 贾彦龙, 王慧军, 等. 基于生态功能区的河北省生态系统服务权衡与协同分析. 地理学报, 2023, 78(11): 2833–2849

[37] 璩路路, 王永生, 刘彦随, 等. 乡村振兴导向的水土资源承载力评价及其优化. 自然资源学报, 2021, 36(2): 300–314

[38] 马明德, 马学娟, 谢应忠, 等. 宁夏生态足迹影响因子的偏最小二乘回归分析. 生态学报, 2014, 34 (3): 682–689

Coupling Coordination and Driving Factors Analysis of Ecological Carrying Capacity of Land and Water Resources in Hebei Province

BAI Hang1,2, SONG Dongyang2,†, TIAN Rui1, ZHENG Jiaxin1, PEI Xiaolong2, ZHAO Zhongqiu1,3,†

1. School of Land Science and Technology, China University of Geosciences (Beijing), Beijing 100083; 2. Langfang Comprehensive Survey Center of Natural Resources, China Geological Survey, Langfang 065000; 3. Key Laboratory of Land Consolidation and Rehabilitation, Ministry of Natural Resources, Beijing 100035; †Corresponding authors, E-mail: 614807297@qq.com (SONG Dongyang), zqzhao@cugb.edu.cn (ZHAO Zhongqiu)

Abstract In order to clarify the relationship between land and water resources and environmental capacity in Hebei Province, and provide a scientific basis for the coordinated development of land and water resources, taking Hebei Province as an example, this study used the “provincial hectare” ecological footprint model to correct the equilibrium and yield factors of land and water resources, and analyzed the spatial and temporal evolution of the ecological footprint and ecological carrying capacity from 2006 to 2021. The coupling coordination model was used to analyze the coupling coordination of ecological carrying capacity of land and water resources. The partial least squares method was employed for the analysis of the driving factors of the coupling coordination of ecological carrying capacity. The results show that land resources in Hebei Province are in ecological deficit, and the per capita ecological footprint value of land resources has an upward trend, with a growth rate of 42.86%. The per capita ecological carrying capacity has a downward trend, with a decline rate of 41.94%. Water resources are also in ecological deficit, and both the per capita ecological footprint and ecological carrying capacity show upward trends, with growth rates of 36.89% and 131.03% respectively. The coupling coordination degree of ecological carrying capacity of land and water resources in Hebei Province is mainly between moderate dissonance and intermediate coordination. The mean value of coupling coordination of ecological carrying capacity in each city is above 0.42, and Baoding has the highest mean value (0.62). The driving factors are mainly reflected in the 3 dimensions of land resources, water resources and society, in which indicators such as per unit area standard grain yield, per capita water resources and per capita precipitation have a more significant impact on the degree of coupling coordination between the province and individual cities.

Key words provincial hectares; ecological footprint; ecological carrying capacity; coupling coordination; partial least square; driving factors