Изучение изменений водных и земельных ресурсов и механизмов их влияния на основе модели координации взаимосвязей

Водные и земельные ресурсы (WLR) являются важнейшими базовыми ресурсами для социально-экономического развития. Эффективное согласование WLR имеет решающее значение для максимизации использования ресурсов и содействия устойчивому региональному развитию. Данное исследование сосредоточено на провинции Западный Цзилинь (WJP), Китай, с использованием модели координации степени связи, пространственной автокорреляции и модели переноса центра тяжести для оценки и характеристики закономерностей пространственно-временной дифференциации соответствия водных и земельных ресурсов с 2006 по 2020 год. 

  В качестве факторов влияния были выбраны пять показателей: среднегодовая температура (AAT), уровень урбанизации (UR), плотность населения (PD), уровень мелиорации (RR) и уровень использования водных ресурсов (WRUR). Была построена тобит-модель для выяснения движущих механизмов эволюции степени координации связи (CCD) WLR в WJP. Результаты показывают следующее: (1) С временной точки зрения степень координации сопряжения WLR в WJP показала ежегодный рост с 2006 по 2020 год, перейдя от умеренного дисбаланса к промежуточной координации, что отражает тенденцию к постоянному улучшению. (2) Что касается пространственного распределения, общий центр тяжести координации сопряжения водных и земельных ресурсов оставался относительно стабильным в период с 2006 по 2020 год; однако направление распределения постепенно смещалось с северо-востока на юго-запад, а затем с северо-запада на юго-восток. (3) AAT, PD и RR с 2006 по 2020 год были статистически значимыми приp< 0,01. Примечательно, что RR положительно влияет на CCD WLR, тогда как AAT и PD оказывают отрицательное влияние. Напротив, UR и WRUR не оказывают значительного влияния на CCD WLR.  

Водные и земельные ресурсы (ВЗР) жизненно важны для выживания человека и социального развития, внося значительный вклад в региональный экономический рост и общее здоровье экологической среды. За последние десятилетия быстрый рост населения и непрерывное расширение социально-экономической деятельности создали серьезные экологические и природоохранные проблемы для человечества. Особенно очевидными проблемами являются загрязнение воды, чрезмерное использование водных ресурсов, а также продолжающаяся потеря пахотных земель и лесных площадей, что способствует дисбалансу и несоответствию ВЗР. Водные ресурсы существенно влияют на использование сельскохозяйственных земель. Вариации в количестве доступной воды могут приводить к изменениям в структуре землепользования. И наоборот, нерациональное использование ВЗР может препятствовать развитию региональной экономики и вызывать озабоченность в отношении безопасности производства продовольствия. Следовательно, исследование соответствия между сельскохозяйственными ВЗР стало заметной темой в управлении водными и земельными ресурсами [1, 2, 3].

Текущие исследования по сопоставлению ВЗР используют несколько распространенных методологий, включая метод коэффициента Джини [4], модель PSR [5], GIS-анализ пространственной оценки [6] и метод энтропийного веса-TOPSIS в сочетании со степенью сопряженной координации (ССК) [7] и т.д. Основное внимание в этих исследованиях уделяется соотношению соответствия, несущей способности и оценке ВЗР [8, 9, 10]. Предыдущие исследования в основном концентрировались на внутренней динамике систем водных или земельных ресурсов, прежде всего исследуя их паттерны изменений [11, 12]. Используя коэффициент Джини и метод оценки водных ресурсов на единицу площади, исследователи оценивали степень соответствия между пахотными землями и водными ресурсами, чтобы понять их влияние на сельское хозяйство [13, 14]. Некоторые исследования анализировали соотношение соответствия региональных сельскохозяйственных ВЗР, исследуя количественное соотношение между этими двумя типами ресурсов [15]. Liu et al. установили модель измерения индекса соответствия обобщенных сельскохозяйственных ВЗР, которая учитывает совокупное воздействие голубой и зеленой воды, и оценили степень соответствия сельскохозяйственных ВЗР в соответствующих регионах [16]. Отдельные исследования систем водных ресурсов и систем земельных ресурсов, хотя и эффективно иллюстрируют внутреннюю динамику каждой системы, не в полной мере отвечают текущим исследовательским потребностям. Это ограничение возникает из-за неизбежного влияния окружающих систем и факторов на любую отдельную систему. Следовательно, предыдущие анализы систем ВЗР, проведенные раздельно, неадекватно удовлетворяют текущим исследовательским требованиям.

Однако по мере развития общества и экономики и увеличения потребления природных ресурсов многие исследования начали рассматривать две подсистемы ВЗР как интерактивное и взаимозависимое целое [17, 18]. Например, исследования, в которых используются методы оптимизационного моделирования для определения коэффициента распределения ВЗР, способствуют управлению сельскохозяйственными ВЗР, тем самым повышая степень их соответствия [19]. Система сопряженной координации относится к отношениям и степени координации между несколькими системами или между различными элементами внутри системы с точки зрения их взаимного влияния и взаимодействия [20, 21]. В последние годы активизировались исследования по интеграции систем ВЗР с другими системами — такими как производство продовольствия [22], экономическое развитие [23], экологические среды [24] и энергетика [25]. Cao et al. использовали регрессионную модель для анализа взаимосвязей между водой, землей и культурами, обсуждая влияние этих ресурсов на производство продовольствия с 2005 по 2020 год с целью обеспечения будущей продовольственной безопасности [26]. Meng et al. изучали взаимосвязь между энергией, водой и землей в четырех мегаполисах Китая: Пекине, Шанхае, Гуанчжоу и Шэньчжэне. Они проанализировали эти отношения на множестве масштабов и уровней, построив диаграмму сопряженных отношений городской энергии, воды и земли. Исследование исследует устойчивое развитие городов в многоуровневом экономическом контексте [27]. Вышеупомянутые исследования охватывают разнообразные области, включая сельское хозяйство и экономику, используя различные аналитические модели и подчеркивая важность многосистемной сопряженной координации, тем самым усиливая влияние этих исследований. Тем не менее, часто не хватает углубленного анализа и обсуждения универсальных случаев, что требует непрерывных улучшений в будущих исследовательских усилиях.

Как сельскохозяйственная держава, сельскохозяйственная и зерновая безопасность Китая неразрывно связаны с ВЗР. Провинция Цзилинь, признанная одной из основных баз производства зерна в Китае, значительно выигрывает от рационального распределения и эффективного использования ВЗР, что повысит производство зерна. Однако анализы сопряжения ВЗР в различных регионах провинции Цзилинь ограничены. Следовательно, данное исследование анализирует ВЗР как целостную систему, используя множественные модели для обработки данных и интегрируя анализы из других систем, включая экономические, экологические и климатические факторы. Эта статья принимает в качестве объекта исследования Западную провинцию Цзилинь (ЗПЦ), основываясь на обширных полевых исследованиях и комплексном анализе данных о водных и земельных ресурсах с 2006 по 2020 год, с целью предоставить оценочную поддержку и стратегии улучшения для повышения степени соответствия ВЗР. Цели заключаются в следующем: (1) построить модель степени сопряженной координации (ССК), которая оценивает статус соответствия ВЗР в ЗПЦ; (2) проанализировать пространственно-временные особенности распределения степени сопряженной координации ВЗР; (3) исследовать движущие факторы, влияющие на степень сопряженной координации ВЗР в ЗПЦ. Дополнительно, технология GIS используется для визуального представления данных сопряженной координации ВЗР в районе исследования, тем самым способствуя комплексному анализу паттернов соответствия.

ЗПЦ, показанная на Рисунке 1, охватывает город Байчэн, город Сунъюань и город Шуанляо, расположенные в ЗПЦ. Эта территория признана одним из трех крупнейших в мире регионов содового засоления и также является одной из наиболее экологически уязвимых территорий в пределах провинции Цзилинь. ЗПЦ расположена внутри материка на северо-востоке Китая и находится в зоне умеренного континентального муссонного климата. Эта зона характеризуется выраженными климатическими вариациями и значительными температурными колебаниями в течение года, со среднегодовой температурой в диапазоне от ( 4^ ) до ( 6^ ). Осадки в основном сосредоточены в июле и августе, со среднегодовым количеством осадков от 200 до 500 мм, показывая тенденцию к снижению с юго-востока на северо-запад. Среднегодовое испарение в районе исследования варьируется между 1500 и 1900 мм. За последние десятилетия рост населения в сочетании с плохим управлением ВЗР и увеличением антропогенной активности привел к деградации системы ВЗР в ЗПЦ, негативно влияя на экологическую среду.

Данные в основном разделены на два раздела (Таблица 1). Первый раздел включает основную информацию для анализа водных ресурсов в различных районах и уездах ЗПЦ. Второй раздел включает основную информацию для анализа земельных ресурсов в различных районах и уездах ЗПЦ. Данные относительно площади различных типов землепользования были получены из ежегодного набора данных о сетке земного покрова Китая с разрешением 30 м, охватывающего период с 1990 по 2022 год [28]. Дополнительно, данные о численности населения и общем объеме производства зерна были получены из соответствующих изданий «Статистического ежегодника уездов Китая» за соответствующие годы.

Подробная исследовательская структура показана на Рисунке 2.

Создание комплексной системы показателей является фундаментальным для объективной оценки степени сопряжения между ВЗР. Руководствуясь принципами научной строгости, рациональности и комплексности, показатели были установлены и отобраны с учетом особенностей использования ВЗР в районе исследования в сочетании с результатами полевых исследований и конкретными региональными атрибутами. Используя данные, собранные с 2006 по 2020 год относительно ВЗР в ЗПЦ, 18 показателей были скомпилированы для создания системы показателей сопряжения для ВЗР. В данном исследовании использовался комплексный подход взвешивания для решения проблем, вызванных чрезмерной субъективностью при расчете показателей с помощью субъективных методов взвешивания, и трудностей в захвате различных степеней акцента, которые лица, принимающие решения, придают различным показателям, при использовании объективных методов взвешивания. Этот подход интегрирует субъективные (Анализ иерархий) и объективные (Метод энтропийного веса) методы взвешивания. Путем усреднения результатов, полученных этими двумя методами, были установлены окончательные значения весов для каждого показателя в системе ВЗР (Таблица 2) [29,30]. За исключением доли сельскохозяйственного, промышленного, бытового и экологического водопользования в показателях водных ресурсов, а также площади оголенных земель и непроницаемых поверхностей в показателях земельных ресурсов, которые относятся к негативным показателям, все остальные показатели были позитивными.

Чтобы обеспечить сопоставимость между показателями с различными размерностями и единицами измерения, в данной статье использовались методы экстремальных разностей для стандартизации исходных данных показателей, преобразуя все значения показателей в диапазон [0, 1] [31,32].

где x_ij  представляет исходные данные для j-го показателя в регионе i за определенный год, где max(xj) и min(xj) — максимальное и минимальное значения исходных данных для j-го показателя соответственно, и xij — значение после стандартизации.

Степень сопряжения относится к степени взаимодействия между двумя или более системами; в данном контексте она конкретно относится к взаимодействию и влиянию между системами водных ресурсов и системами земельных ресурсов [33]. Более высокая степень сопряжения указывает на большую взаимосвязь между этими системами.

где 𝜃𝑛 представляет комплексный оценочный индекс подсистемы, ( w_j ) представляет вес показателя (Таблица 2), ( n ) представляет количество подсистем, и ( C ) — степень сопряжения, с диапазоном значений [0, 1]. Поскольку есть только две подсистемы, водные ресурсы и земельные ресурсы, ( n ) равно 2; 𝜃1 и 𝜃2 представляют комплексные оценочные индексы систем водных и земельных ресурсов соответственно.

где ( D ) представляет собой индекс согласованности системы водных и земельных ресурсов с диапазоном значений [0, 1].T— комплексный индекс координации системы водных и земельных ресурсов, отражающий общий эффект согласования региональной системы водных и земельных ресурсов. 𝑇= 𝛼𝜃1+ 𝛽𝜃2, 𝛼 и 𝛽 – неопределённые коэффициенты вклада системы WLR, соответственно. Ввиду взаимного влияния и взаимодействия систем водных и земельных ресурсов, обе подсистемы оказывают одинаковое влияние, поэтому для них были установлены равные значения 𝛼 =𝛽 = 0,5 [34,35,36].  

Чтобы точно представить степень сопряжения и координации между системой водных ресурсов и системой земельных ресурсов, степень сопряженной координации системы ВЗР была классифицирована на несколько категорий. В ЗПЦ ССК системы ВЗР была категоризирована на десять уровней (Таблица 3) [37]. Основываясь на существующих исследованиях и конкретных обстоятельствах данного исследования, ССК ВЗР была категоризирована в пять различных типов [38–41].

Анализ пространственной автокорреляции включает изучение того, коррелирует ли определенный атрибут в пределах пространственной единицы с тем же атрибутом в соседних пространственных единицах. Это отношение может быть количественно определено с помощью I Морана [42]. Анализ пространственной автокорреляции может быть категоризирован на глобальную пространственную автокорреляцию и локальную пространственную автокорреляцию. Глобальная пространственная автокорреляция оценивает общую степень пространственной зависимости в более широком пространственном диапазоне, в то время как анализ локальной пространственной автокорреляции концентрируется на исследовании локальных пространственных особенностей в пределах конкретной области исследования [43,44].

где n представляет собой количество пространственных единиц в исследуемой области, аmобозначает количество регионов, географически прилегающих к региону j.𝑥𝑖 и 𝑥𝑗 представляют собой ПЗС WLR в областиiи областиjсоответственно,𝑊𝑖 𝑗представляет собой пространственную весовую матрицу регионов  i и j, а𝑥̲ представляет собой средний CCD водных и земельных ресурсов.  

Региональный центроид — это точка в пространстве, где средние значения конкретных географических или климатических элементов достигают равновесия. Эта концепция описывает тенденции и изменения развития этих элементов и анализирует плотность, ориентацию, количество и динамические вариации в пространстве [45,46]. Используя Модель переноса центра тяжести, данное исследование рассчитало и проанализировало степень сопряженной координации района исследования с 2006 по 2020 год.

где ( (P_x, P_y) ) представляет долготу и широту центроида ССК за определенный год. ( X_i ) и ( Y_i ) представляют долготу и широту координат i-го региона, ( P_i ) представляет ССК ВЗР для соответствующего i-го региона, и ( n ) представляет общее количество регионов в пределах района исследования.

Инструмент эллипса стандартного отклонения (ЭСО) в ArcGIS был использован для иллюстрации пространственной тенденции распределения центроида относительно ССК. ЭСО — это геостатистический метод, который эффективно представляет пространственные характеристики распределения различных географических элементов [47]. Основные параметры ЭСО включают центр тяжести, угол ориентации и длинную и короткую оси. Центр тяжести круга означает средний центр данных, указывая относительное местоположение распределения данных в пространстве. Длинная и короткая оси представляют направление распределения и диапазон соответственно. Дополнительно, разница между длинной и короткой осями отражает степень направленности рассеянных точек. Угол ориентации обозначает угол вращения большой оси, измеренный по часовой стрелке от северного направления [48,49].

(1)    Координаты ( (X, Y) ) центра эллипса могут быть рассчитаны следующим образом: [ X = , Y =  ] [ X = , Y =  ]

Модель Тобита — это метод регрессионного анализа, который обычно применяется для работы с цензурированными зависимыми переменными, эффективно управляя проблемами нижней и верхней границ. В отличие от моделей линейной регрессии, модель Тобита предлагает специфические преимущества при работе с цензурированными данными и ограниченными зависимыми переменными [50,51]. Основываясь на теоретической основе Уравнения (10), данное исследование использует программное обеспечение Stata (14.0) для анализа движущих факторов. Модель следующая:

Комплексные индексы ВЗР за 2006, 2010, 2015 и 2020 годы были выбраны для анализа временных характеристик вариаций системы водных ресурсов и системы земельных ресурсов. Как показано на Рисунке 3, общая тенденция комплексного индекса водных ресурсов (U1) в ЗПЦ показывает постепенную восходящую траекторию, увеличиваясь с 0,539 в 2006 году до 0,664 в 2020 году. Со временем, за исключением города Шуанляо, уезда Чжэньлай, уезда Цяньань и уезда Чанлин, U1 других районов и уездов в районе исследования показал возрастающую тенденцию. Это наблюдение предполагает, что эти регионы, возможно, не уделяли приоритетного внимания устойчивому использованию водных ресурсов. Примечательно, что U1 города Таонань постоянно оставался на более высоком уровне, поднявшись с 0,812 в 2006 году до 0,912 в 2020 году.

В отличие от этого, хотя U1 района Нинцзян увеличился с 0,165 в 2006 году до 0,289 в 2020 году, он оставался на более низком уровне в течение всего этого периода. Что касается вариации комплексного индекса земельных ресурсов (U2), очевидно, что, за исключением района Нинцзян, U2 других районов и уездов в ЗПЦ демонстрирует восходящую тенденцию. Снижение U2 района Нинцзян может быть связано с местным климатом. Этот район расположен в зоне континентального муссонного климата, характеризующейся жарким и дождливым летом и холодной, сухой зимой. Более того, его расположение в нижнем течении реки Сунгари приводит к повышенным уровням реки и увеличению засоленности земель, что препятствует более рациональному использованию местных земель.

Как показано на Рисунке 4, ССК ВЗР в районе исследования с 2006 по 2020 год демонстрирует колеблющуюся восходящую тенденцию, переходя от умеренного дисбаланса к промежуточной координации. Эта тенденция предполагает все лучшее соответствие ВЗР в ЗПЦ. Среди четырех выбранных периодов ССК в районе Нинцзян остается постоянной на уровне 0,1, отражая условия серьезного дисбаланса. В отличие от этого, ССК в уезде Цяньань и уезде Чанлин демонстрирует снижение, в то время как вариации в ССК уезда Чжэньлай, города Фуюй и уезда Цяньго относительно незначительны. И наоборот, ССК в городе Даань, районе Таобэй, городе Таонань и уезде Тунюй показывает увеличение, указывая, что соответствие ВЗР в этих четырех регионах улучшается.

Анализ результатов ССК

Основываясь на характеристиках ССК в ЗПЦ, данная статья категоризировала степень координации в пять основных классов: низкоуровневая координация, неустойчивая координация, первичная координация, промежуточная координация и высокоуровневая координация. Как показано на Рисунке 5, пространственно, общая ССК в ЗПЦ с 2006 по 2020 год была относительно высокой.

Что касается количества административных регионов на каждом уровне сопряженной координации, наиболее значительная доля была найдена в регионах с умеренной координацией. За период с 2006 по 2020 год наблюдалось небольшое снижение количества административных регионов, классифицированных как имеющие высокоуровневую координацию. Как показано на Рисунке 5, город Фуюй постоянно поддерживал статус высокоуровневой координации. Город Фуюй benefits from fertile soil и обильными водными ресурсами в аллювиальной равнине реки Нэньцзян и реки Сунгари. Более того, реализация эффективных мер по защите экологии и окружающей среды ensured, что ССК ВЗР в городе Фуюй оставалась высокой.

В отличие от этого, район Нинцзян постоянно находился в состоянии низкоуровневой координации. Несмотря на наличие крупных рек, таких как Сунгари и Нэньцзян, сильная засуха в 2002 году и неравномерное пространственно-временное распределение осадков на протяжении лет привели к уменьшению водных ресурсов рек, протекающих через регион [52]. Как экономический центр города Сунъюань, район Нинцзян hosts разнообразные отрасли, особенно в нефтяном секторе, что способствует повышенному водопотреблению. Этот возросший спрос усугубляет дефицит местных водных ресурсов, приводя к persistently низкой ССК между водными и земельными ресурсами.

Анализ пространственной автокорреляции

Модель пространственной автокорреляции была построена для анализа ССК ВЗР в ЗПЦ с 2006 по 2020 год. Результаты, показанные на Рисунке 6, показывают, что глобальная пространственная автокорреляция I Морана для района исследования составила –0,484 в 2006 году, –0,489 в 2010 году, –0,436 в 2015 году и –0,132 в 2020 году. Каждое значение попадает в диапазон (–1, 0), указывая, что ССК в ЗПЦ демонстрировала глобальную пространственную отрицательную корреляцию в течение этих периодов. Большинство точек данных расположены во втором и четвертом квадрантах, которые представляют области с «низкоуровневой» сопряженной координацией, окруженные «высокоуровневыми» областями, и области с «высокоуровневой» сопряженной координацией, окруженные «низкоуровневыми» областями, соответственно. Это распределение предполагает, что ССК этих регионов была отрицательно скоррелирована.

Напротив, в первом и третьем квадрантах было обнаружено ограниченное количество точек, которые обозначают области с «высоким» уровнем координации связей, окруженные другими областями «высокого» уровня, и области с «низким» уровнем координации связей, окруженные другими областями «низкого» уровня, соответственно. Это указывает на положительную корреляцию в координации связей этих областей. Примечательно, что с 2006 по 2020 год индекс Морана в исследуемой области демонстрировал тенденцию к росту, что свидетельствует об усилении пространственной автокорреляции ПЗС WLR за последние 15 лет.Используя программное обеспечение ArcGIS (10.8.1), был проведен локальный пространственный автокорреляционный анализ для оценки ПЗС WLR в WJP. Анализ показал, что области координации сцепления высокого–высокого уровня и области координации сцепления низкого–низкого уровня демонстрируют положительную пространственную корреляцию, в то время как области координации сцепления высокого–низкого уровня и области координации сцепления низкого–высокого уровня демонстрируют отрицательную пространственную корреляцию. Как показано нарисунке 7, в 2006 году уезд Чжэньлай, уезд Цяньго и город Фуюй были определены как кластеры координации сцепления высокого–высокого уровня, тогда как район Таобэй, город Даань, уезд Чанлин и город Шуанляо были отнесены к кластерам координации сцепления низкого–высокого уровня. Кроме того, город Таонань, уезд Тунъюй, уезд Цяньань и район Нинцзян были классифицированы как кластеры координации сцепления высокого–низкого уровня. В 2010 году город Фуюй и район Таобэй были обозначены как кластеры координации с высоким-высоким уровнем сопряжения, в то время как город Даань, уезд Цяньго, уезд Чанлин и город Шуанляо были отмечены как кластеры координации с низким-высоким уровнем сопряжения. Уезд Чжэньлай, город Таонань, уезд Тунъюй, уезд Цяньань и район Нинцзян были определены как кластеры координации с высоким-низким уровнем сопряжения. В 2015 году уезд Чжэлай и уезд Цяньго по-прежнему признавались кластерами координации с высоким-высоким уровнем сопряжения, в то время как город Даань, город Фуюй, уезд Чанлин и город Шуанляо были классифицированы как кластеры координации с низким-высоким уровнем сопряжения. В частности, район Таобэй был обозначен как кластер координации с низким-низким уровнем сопряжения, а город Таонань, уезд Тунъюй, уезд Цяньань и район Нинцзян были классифицированы как кластеры координации с высоким-низким уровнем сопряжения. В 2020 году уезд Чжэньлай, город Таонань, уезд Цяньань и уезд Чанлин были отнесены к кластерам с высоким уровнем координационного взаимодействия. Город Даань, уезд Цяньго и город Шуанляо, напротив, были отнесены к кластерам с низким уровнем координационного взаимодействия. Город Фуюй и район Таобэй были отнесены к кластерам с низким уровнем координационного взаимодействия, а уезд Тунюй и район Нинцзян – к кластерам с высоким уровнем координационного взаимодействия.  

Анализ переноса центра тяжести

Как показано на Рисунке 7, центроид ССК ВЗР в ЗПЦ в основном был сосредоточен в городе Даань. С 2006 по 2020 год центроид ССК ВЗР в ЗПЦ переместился в юго-западном направлении. В 2006 году центроид был расположен в северо-восточной части города Даань. В 2010 году центроид переместился в юго-западном направлении, в юго-западную часть города Даань. В 2015 году центроид переместился в северо-западном направлении, в северо-западную часть города Даань. В 2020 году центроид переместился в юго-восточном направлении, в юго-восточную часть города Даань. В целом, центроид ССК ВЗР в ЗПЦ показал тенденцию перемещения с северо-востока на юго-запад, а затем с северо-запада на юго-восток. Это перемещение предполагает, что ССК ВЗР в юго-западной части ЗПЦ улучшилась относительно больше, чем в других регионах.

Сравнение локальных индексов пространственной автокорреляции за четыре периода выявляет значительное увеличение числа кластеров координации с высоким уровнем сопряженности. Напротив, количество кластеров координации с низким уровнем сопряженности, высоким уровнем сопряженности и низким уровнем сопряженности постепенно снижалось. В целом, на CCD всех районов и округов исследуемой территории влияли характеристики окружающих их регионов.

Анализ эллипса стандартного отклонения

Перенос центра тяжести может пространственно отражать временные и пространственные характеристики эволюции ПЗС в пределах исследуемой области [53]. Используя модель миграции центра тяжести и формулу для расчета эллипса стандартного отклонения, ПЗС каждого района и округа в WJP с 2006 по 2020 год использовались в качестве весов для определения координат долготы и широты центра тяжести для каждой ПЗС исследуемой области в течение этого периода. Впоследствии была создана карта межгодовых изменений, изображающая координаты долготы и широты центра тяжести для ПЗС (Рисунок 8). Кроме того, карта, созданная ArcGIS, использовалась для иллюстрации местоположения центра тяжести ПЗС в WJP и траектории его движения (Рисунок 9).

Межгодовой ход координат долготы и широты центра тяжести ПЗС в исследуемом районе показывает, что широта в целом имела тенденцию к увеличению, а долгота – к уменьшению. Следовательно, координаты центра тяжести постепенно смещались к северо-западу. Средняя широта центра тяжести составила 45,0483204° с.ш., с максимальным значением 45,1497° с.ш. в 2020 году и минимальным 45,003176° с.ш. Средняя долгота центра тяжести составила 123,7722819° в.д., с максимальным значением 123,84556° в.д. в 2020 году и минимальным значением 123,697472° в.д. Эти данные указывают на существенное изменение положения центра тяжести ПЗС в 2020 году по сравнению с 2019 годом.

Центр тяжести ПЗС в исследуемой зоне в целом смещался между городом Даань и уездом Цяньань (рис. 9). В 2014 году этот центр тяжести отчетливо сместился на северо-запад. К 2019 году он сместился на юго-восток. В 2020 году наблюдалось значительное смещение центра тяжести на северо-запад. В отличие от этого, в остальные годы центр тяжести ПЗС был относительно сконцентрирован.

Построение модели SDE показывает, что SDE ПЗС в исследуемой области демонстрировал угол ориентации 136,48° с 2006 по 2020 год, что указывает на то, что его распределение было в основном в северо-западном направлении. Это говорит о том, что центр тяжести ПЗС в этот период преимущественно выровнен вдоль оси северо-запад-юго-восток. Сегментируя период с 2006 по 2020 год на три последовательных временных интервала для анализа, можно заметить, что угол ориентации эллипса стандартного отклонения за годы 2006–2010 составлял 30,67°. Этот вывод указывает на то, что в течение этого интервала центр тяжести ПЗС был ориентирован вдоль направления северо-восток-юго-запад. Напротив, за периоды 2011–2015 и 2016–2020 годов углы ориентации эллипсов стандартного отклонения составляли 135,29° и 137,77° соответственно. Эти результаты показывают, что центры тяжести ПЗС в эти периоды были выровнены вдоль направления с северо-запада на юго-восток, что соответствует общему распределению центров тяжести ПЗС в WJP с 2006 по 2020 год. На основании рассчитанных результатов большой и малой осей эллипса стандартного отклонения очевидно, что с 2006 по 2020 год большая ось SDE была ориентирована с северо-запада на юго-восток.

Кроме того, скорость сглаживания SDE составила 2,66, что указывает на то, что степень рассеивания центра тяжести CCD была больше в направлении северо-запад–юго-восток, чем в направлении северо-восток–юго-запад. Скорость сглаживания SDE для CCD в периоды 2006–2010, 2011–2015 и 2016–2020 годов составляет 1,78, 3,74 и 3,13 соответственно. Это говорит о том, что распределение CCD демонстрировало более сильную направленную характеристику в период 2011–2015 годов, в то время как оно было более концентрированным и менее рассеянным в период 2006–2010 годов. Следовательно, можно сделать вывод, что с 2006 по 2020 год центр тяжести CCD постепенно смещался с направления северо-восток–юго-запад на направление северо-запад–юго-восток. Кроме того, сопоставление WLR в пределах исследуемой территории постепенно стало более сбалансированным.  

Чтобы провести всесторонний анализ факторов, влияющих на соответствие WLR в WJP, в этом исследовании среднегодовая температура (AAT), уровень урбанизации (UR), плотность населения (PD), уровень рекультивации (RR) и уровень использования водных ресурсов (WRUR) рассматривались как независимые переменные, а CCD служила зависимой переменной. Затем для регрессионного анализа была создана модель Tobit. Результаты (таблица 4), представленные в прилагаемой таблице, указывают на значительную связь между AAT, UR, PD, RR и CCD. Коэффициенты регрессии показывают положительную корреляцию между RR и CCD, в то время как AAT и PD демонстрируют отрицательную корреляцию с CCD. Кроме того, не было обнаружено линейной связи между UR, WRUR и CCD.

AAT и PD демонстрируют заметную отрицательную корреляцию с CCD. Исследуемая территория характеризуется высокими температурами и значительным испарением, при этом осадки в основном сосредоточены в июле и августе. В целом, количество осадков невелико и они неравномерно распределены в течение года. Более того, более высокие температуры увеличивают потребность сельскохозяйственных культур в воде, что впоследствии влияет на CCD WLR в этом районе. В WJP рост PD и более низкий уровень экономического развития привели к увеличению зависимости от сельского хозяйства. Более того, нерациональная эксплуатация WLR привела к плохому соответствию между этими ресурсами. Следовательно, PD отрицательно влияет на CCD WLR в WJP [54].

RR демонстрирует положительную корреляцию с CCD, о чём свидетельствует коэффициент регрессии 0,891, что статистически значимо при уровнеp< 0,01. В районе WJP землепользование было оптимизировано, а структура посадок была скорректирована для преобразования отдельных сухих полей в рисовые. Эта трансформация потенциально может повысить эффективность использования WLR в регионе [55,56].  

Водные и земельные ресурсы взаимозависимы и оказывают взаимное влияние на выживание человека и социальное развитие. Степень их согласованности зависит от различных факторов. В данной статье рассматривается взаимозависимость водных и земельных ресурсов в Западно-Японском регионе (ЗЖП) и определяются факторы, влияющие на эту согласованность.

Результаты U1 указывают на значительное снижение индекса для района Нинцзян. Предыдущие исследования определили преобладающий тип земель в этом районе как солено-щелочные. Влияние изменения климата в сочетании с ускоренным процессом урбанизации в последние годы способствовало снижению продуктивности обрабатываемых земель, в то время как площади, отведенные под лесные угодья, пастбища и другие типы землепользования, постоянно сокращаются. Расширение городских территорий еще больше усугубило нерациональное использование местных земельных ресурсов. Следовательно, район Нинцзян должен оптимизировать свой механизм предупреждения об изменении климата, разумно использовать различные типы земель и следовать комплексным усилиям по консолидации земель уезда Цяньго для раскрытия его ресурсного потенциала и содействия устойчивому развитию региональных земельных ресурсов.

Кроме того, основываясь на результатах комплексного индекса водных ресурсов, среди четырех районов и округов, которые испытали снижение этого индекса, город Шуанляо и уезд Чанлин расположены в полузасушливых регионах, в то время как уезд Цяньань и уезд Чжэньлай расположены в засушливых и полузасушливых регионах. Эти районы сталкиваются с такими проблемами, как нехватка осадков, недостаточный растительный покров и высокий уровень опустынивания земель, все из которых способствуют нехватке водных ресурсов [57]. В городе Шуанляо, уезде Чжэньлай, уезде Цяньань и уезде Чанлин нехватка осадков обусловила необходимость добычи подземных вод. Однако эта зависимость привела к чрезмерной добыче во многих районах, усугубляя потери воды и увеличивая потребление, что приводит к неуклонному снижению уровня подземных вод. В последние годы урбанизация способствовала сбросу неочищенных сточных вод малыми и средними предприятиями, что еще больше усугубляется нерациональным использованием пестицидов и удобрений, что приводит к загрязнению грунтовых вод [58]. Поэтому в нынешних климатических условиях города Шуанляо, уезда Чжэньлай, уезда Цяньань и уезда Чанлин крайне важно энергично развивать водосберегающие технологии орошения, строить проекты по водосбережению и повышать уровни водоснабжения для решения проблемы неравномерного пространственно-временного распределения водных ресурсов. Содействие зеленой экономике, реализация строгих мер по контролю загрязнения и создание эффективных систем очистки сточных вод могут превратить загрязненную воду в ценный ресурс. Такой подход будет способствовать рациональному использованию водных ресурсов и восстановлению окружающей среды, улучшит региональную систему циркуляции оборотной воды и в конечном итоге достигнет здорового и устойчивого управления водными ресурсами.

На основании результатов CCD между водными и земельными ресурсами, исследуемая территория демонстрирует общую тенденцию к колебательному росту. Однако недавние исследования выявили, что функциональные изменения водных и почвенных ресурсов, вызванные изменением климата и урбанизацией, привели к неравномерному развитию их координации сопряжения, что представляет собой значительные проблемы для высококачественного развития WJP [59]. Изменение климата и урбанизация привели к дисбалансу в развитии координации сопряжения WLR, что представляет собой проблемы для высококачественного развития WJP. В районах и уездах с высоким уровнем координации сопряжения, таких как уезд Фуюй, WLR достигли благоприятной степени координации. Тем не менее, такие проблемы, как искусственный дефицит воды и недостаточный баланс между занятием земли и компенсацией, требуют сосредоточения внимания на улучшении эксплуатации и использования трансграничных и межбассейновых водных ресурсов в будущем развитии. Кроме того, следует восстановить научную схему землепользования, чтобы смягчить несоответствия в предложении и спросе на землю. Напротив, в районах и уездах с низким уровнем координации сопряжения, таких как район Нинцзян, долгосрочное влияние климата, топографии и форм рельефа привело к значительным потерям воды и земли. Ускоренный процесс урбанизации в последние годы еще больше усугубил растрату водных ресурсов и снизил эффективность использования, увеличив преобладание промышленных и недоиспользуемых или заброшенных типов земель. Поэтому WJP должен сформировать строгую систему управления земельными ресурсами, оптимизировать структуру посадки, определить оптимальные площади для посадки сельскохозяйственных культур и улучшить коэффициент использования земель, чтобы реализовать комплексное использование земель на основе сельскохозяйственного развития, в соответствии с существующими исследованиями [60]. Кроме того, контроль выбросов загрязняющих веществ и содействие мерам по экономии воды и борьбе с загрязнением имеют важное значение для достижения скоординированного развития WLR.

Пространственный анализ CCD показывает, что район WJP демонстрирует высокую степень пространственной агрегации WLR. Примечательно, что уезд Цяньань оказывает значительное влияние на координацию взаимодействия этих ресурсов в прилегающих районах. Более того, с 2006 по 2020 год центр тяжести CCD WLR неизменно находился в уезде Цяньань в течение 13 лет. Следовательно, усилия по улучшению CCD WLR должны быть направлены на приоритетное планирование и управление в уезде Цяньань. Полностью используя его радиационный эффект, такой подход может способствовать рациональному использованию WLR на прилегающих территориях, что в конечном итоге приведет к оптимизации распределения этих ресурсов по всему району WJP.  

В районе ЗДП наблюдается низкий уровень осадков, высокая испаряемость, а также сильное опустынивание и засоление, что значительно снижает продуктивность возделываемых земель. Более того, экологическая уязвимость региона затрудняет восстановление окружающей среды. Эти факторы создают значительные трудности при достижении устойчивого экономического и экологического развития [61]. Следовательно, степень соответствия между ЗДП и ЗДП имеет первостепенное значение для ЗДП.

Соотношение WLR в WJP претерпело значительные изменения в последние годы. С 2006 по 2020 год CCD между этими ресурсами демонстрировал ежегодный рост, хотя общий уровень CCD оставался относительно низким. Регион характеризуется обильными ресурсами обрабатываемых земель; однако он сталкивается с острой нехваткой воды, что приводит к неравномерному пространственному и временному распределению этих ресурсов. Изменение климата и экономическое развитие существенно повлияли на баланс между водными и земельными ресурсами в этой области [62]. Исследования показали, что с точки зрения экономического развития изменения в численности населения, один из движущих факторов CCD водных и почвенных ресурсов, оказывают важное влияние на устойчивое развитие региональных водных и почвенных ресурсов. Чем меньше население, тем эффективнее используются водные ресурсы, что может быть связано с осведомленностью людей о сохранении воды и высоким уровнем технических навыков. Это согласуется с результатами данного исследования [63]. За последние 50 лет, в связи с глобальным потеплением, испарение увеличилось с ростом температуры, что привело к дисбалансу водных и почвенных ресурсов. Многие исследования показали, что изменение климата изменило пространственно-временное распределение водных ресурсов, что привело к серьезным экологическим проблемам и кризису в отношении устойчивого развития региона [64,65]. Водные ресурсы и экологическая среда сталкиваются с двойным риском. Чрезмерный забор также является основной причиной сокращения водных ресурсов в регионе. Более того, нехватка и неравномерное распределение водных ресурсов способствовали ухудшению местной экологической среды, напрямую влияя на устойчивое развитие экономики и общества. Поэтому WJP следует отдать приоритет эффективному и интенсивному использованию водных ресурсов, одновременно балансируя между занятием и компенсацией за землю. Крайне важно инвестировать в политику и финансовую поддержку, активно трансформировать модель развития и в полной мере использовать местные энергетические преимущества. Для улучшения согласованности WLR в WJP следует реализовать такие меры, как улучшение и удобрение почв, водосберегающее орошение и восстановление засоленных и щелочных земель. Эти инициативы направлены на повышение качества обрабатываемых земель и эффективности орошения. Необходимо реализовать комплексные проекты по улучшению земель по всему региону для оптимизации структуры использования земельных ресурсов. Стратегии должны быть адаптированы к местным условиям для создания схемы «переброски воды с востока на запад». Такой подход поможет смягчить проблемы нехватки воды в центральных и западных регионах, которые усугубляются экономическим развитием и ростом населения [66]. В конечном итоге, можно добиться эффективного распределения WLR в WJP [67].  

Модель CCD подчеркивает интерактивность элементов системы, законы, управляющие их действиями, результаты этих действий и полноту результатов для различных систем. Эта модель количественно измеряет CCD между системами, предоставляя лицам, принимающим решения, основу для целостного управления и оптимизации систем посредством оценок и анализов на основе определенных критериев [68,69]. Этот метод широко применяется в различных областях исследований, включая социальную экономику, здравоохранение, туризм и строительство [70,71,72,73]. Однако он реже используется в области исследований WLR. Компоненты системы WLR взаимодействуют и ограничивают друг друга, развиваясь скоординированным образом как во времени, так и в пространстве. С развитием общества и экономики несоответствия и противоречия между водными и земельными ресурсами становятся все более заметными. Оптимизация распределения этих ресурсов является эффективной стратегией для разрешения этих противоречий в развитии WLR. Однако оценка тенденций взаимосвязанного и скоординированного развития водных ресурсов (WLR) является необходимым условием для достижения этой цели. Система WLR представляет собой нелинейную, многоуровневую и сложную целостную систему. Модель CCD позволяет разделить её на две отдельные системы: водные ресурсы и земельные ресурсы. Эта структура позволяет исследовать временные и пространственные изменения характеристик этих ресурсов. Кроме того, используя расчётные результаты CCD, модель Tobit может быть использована для анализа факторов, влияющих на WLR в WJP. Результаты данного исследования оказывают существенную поддержку при принятии решений, направленных на повышение совместимости WLR и оптимизацию их распределения в WJP. В процессе оценки расчёт весовых коэффициентов оценочных показателей улучшается благодаря интеграции субъективных и объективных методов, что улучшает стандартизацию этих весовых коэффициентов. Однако выбор индикаторов и связанные с ними весовые коэффициенты могут существенно различаться в исследованиях, проводимых разными учёными. Эта субъективность в выборе индикаторов может дополнительно влиять на конечные результаты взаимосвязи, приводя к отсутствию сопоставимости между различными исследованиями.Кроме того, управление водными ресурсами (ВР) зависит от более масштабных факторов, особенно в управлении водными ресурсами, где бассейновые факторы оказывают заметное влияние. Поэтому разработка и продвижение исследовательских методологий, работающих в более широком масштабе, имеет решающее значение. Такой подход позволит проводить более комплексную оценку и более комплексное управление ВР, способствуя их взаимосвязанному и скоординированному развитию и, в конечном итоге, достижению устойчивого развития этих ресурсов. Главная цель — оптимизировать распределение ВР в ВРЗ, одновременно улучшая экологическую обстановку.  

В этом исследовании были выбраны 18 показателей (10 показателей водных ресурсов и 8 показателей земельных ресурсов) и 5 ​​переменных показателей для анализа пространственно-временных характеристик соответствия WLR и корреляции между влияющими факторами и степенью соответствия WLR в WJP с 2006 по 2020 год. Основные выводы таковы:

(1)    Что касается характеристик временного распределения, то с 2006 по 2020 год комплексный индекс водных и земельных ресурсов и индекс CCD в регионе Западно-Японских островов демонстрировали тенденцию к росту. Конкретный анализ, представленный в данной статье, предполагает, что региону Западно-Японских островов следует уделять первоочередное внимание смягчению последствий засухи, обеспечению рационального распределения водных ресурсов и раскрытию скрытого потенциала почвенных ресурсов.

(2)    Что касается характеристик пространственного распределения, глобальный анализ пространственной автокорреляции показал, что ПЗС с 2006 по 2020 год демонстрировала сильную пространственную корреляцию. Локальный анализ пространственной автокорреляции показал увеличение количества областей координации с высоким уровнем связи. Анализ миграции центра тяжести показал, что с 2006 по 2020 год центр тяжести ПЗС постепенно сместился с направления северо-восток–юго-запад на направление северо-запад–юго-восток. Следовательно, исходя из модели центра тяжести, необходимо улучшить рациональное планирование ЗЛР в районе ЗДП.

(3)    С 2006 по 2020 год показатели AAT, PD и RR были значимыми на уровнеp< 0,01. RR показал значительную положительную корреляцию с CCD, в то время как AAT и PD показали отрицательную корреляцию. Линейной корреляции между UR, WRUR и CCD не наблюдалось. Скорость рекультивации является ключевым фактором, влияющим на координацию WLR в WJP. Поэтому крайне важно оптимизировать землепользование и распределение ресурсов в WJP в будущем [60].

Эти выводы предоставляют ценную информацию для политиков и заинтересованных сторон в управлении водными и земельными ресурсами в ЗПЦ и подобных регионах.

1.    Luc, C.; Charles, H.; Edward, R.; Joseph, V. Effect of historical changes in land use and climate on the water budget of an urbanizing watershed. Water Resour. Res. 2006, 42, W03426. [Google Scholar]

2.    Cheng, K.; Fu, Q.; Chen, X.; Li, T.X.; Jiang, Q.X.; Ma, X.S.; Zhao, K. Adaptive allocation modeling for a complex system of regional water and land resources based on information entropy and its application. Water Resour. Manag. 2015, 29, 4977–4993. [Google Scholar] [CrossRef]

3.    Liu, X.; Tan, T.; Bai, Y.; Chou, L. Restoration performance of regional soil and water resources in China based on index of coupling and improved assessment tool. Alex. Eng. J. 2022, 61, 5677–5686. [Google Scholar] [CrossRef]

4.    Wu, Y.Z.; Bao, H.J. Regional Gini Coefficient and Its Uses in Analyzing to Balance between Water and Soil. J. Soil Water Conserv. 2003, 5, 123–125. [Google Scholar]

5.    Geng, Q.; Wu, P.; Zhao, X.; Wang, Y. A framework of indicator system for zoning of agricultural water and land resources utilization: A case study of Bayan Nur, Inner Mongolia. Ecol. Indic. 2014, 40, 43–50. [Google Scholar] [CrossRef]

6.    Wang, S.D.; Wang, Y.J.; Yang, S.T.; Wang, M.C. Spatially explicit estimation of soil-water resources by coupling of an eco-hydrological model with remote sensing data in the Weihe River Basin of China. J. Appl. Remote Sens. 2014, 8, 083653. [Google Scholar] [CrossRef]

7.    Wang, M.; Zhao, X.; Gong, Q.; Ji, Z.G. Measurement of Regional Green Economy Sustainable Development Ability Based on Entropy Weight-Topsis-Coupling Coordination Degree—A Case Study in Shandong Province, China. Sustainability 2019, 11, 280. [Google Scholar] [CrossRef]

8.    Zhou, W.; Shen, L.; Zhong, S. Assessment of land and water resources in Western China for the Sustainable Development Goals. Geogr. Res.-Aust. 2022, 41, 917–930. (In Chinese) [Google Scholar]

9.    Qu, S.H.; Yao, H.Z.; Wang, Y.D.; Chen, Y.; Peng, Y.M.; Fang, K.; She, D.L. Matching Status and Bearing Capacity Characteristics of Agricultural Water and Land Resources in Typical Irrigation Districts of Jiangsu Province. Res. Soil Water Conserv. 2023, 30, 452–457+467. [Google Scholar]

10. Liu, B.; Liu, R.; Yan, Z.; Ren, S.; Zhao, X.; Liu, G. Optimal allocation of soil and water resources in agriculture under the total regional evapotranspiration indicator: A case study in Guangping, China. Ecol. Indic. 2024, 160, 111855. [Google Scholar] [CrossRef]

11. Zhou, Y.; Li, W.; Li, H.; Wang, Z.; Zhang, B.; Zhong, K. Impact of water and land resources matching on agricultural sustainable economic growth: Empirical analysis with spatial spillover effects from yellow river basin, China. Sustainability 2022, 14, 2742. [Google Scholar] [CrossRef]

12. Zhao, F.; Guo, M.; Zhao, X.; Shu, X. Spatio-temporal characteristics and coupling coordination factors of industrial water resource system resilience and utilization efficiency: A case study of the Yangtze river economic belt. Ecol. Indic. 2024, 167, 112704. [Google Scholar] [CrossRef]

13. Du, J.; Yang, Z.; Wang, H.; Yang, G.; Li, S. Spatial-temporal matching characteristics between agricultural water and land resources in Ningxia, Northwest China. Water 2019, 11, 1460. [Google Scholar] [CrossRef]

14. Huang, X.; Fang, H.; Wu, M.; Cao, X. Assessment of the regional agricultural water-land nexus in China: A green-blue water perspective. Sci. Total Environ. 2022, 804, 150192. [Google Scholar] [CrossRef]

15. Liu, Y.S.; Gan, H.; Zhang, F.G. Analysis of the Matching Patterns of Land and Water Resourcesin Northeast China. Geogr. Res.-Aust. 2006, 61, 847–854. (In Chinese) [Google Scholar]

16. Liu, D.; Liu, C.; Fu, Q.; Li, M.; Faiz, M.A.; Khan, M.I.; Li, T.X.; Cui, S. Construction and application of a refined index for measuring the regional matching characteristics between water and land resources. Ecol. Indic. 2018, 91, 203–211. [Google Scholar] [CrossRef]

17. Kaushal, S.S.; Gold, A.J.; Mayer, P.M. Land Use, Climate, and Water Resources—Global Stages of Interaction. Water 2017, 9, 815. [Google Scholar] [CrossRef]

18. Kumar, N.; Tischbein, B.; Kusche, J.; Beg, M.K.; Bogardi, J.J. Impact of land-use change on the water resources of the Upper Kharun Catchment, Chhattisgarh, India. Reg. Environ. Chang. 2017, 17, 2373–2385. [Google Scholar] [CrossRef]

19. Li, M.; Li, J.; Singh, V.P.; Fu, Q.; Liu, D.; Yang, G.Q. Efficient allocation of agricultural land and water resources for soil environment protection using a mixed optimization-simulation approach under uncertainty. Geoderma 2019, 353, 55–69. [Google Scholar] [CrossRef]

20. Liu, M.; Lu, M.; Li, Z. Coupling coordination analysis on digital economy-tourism development-ecological environment. J. Clean. Prod. 2024, 470, 143320. [Google Scholar] [CrossRef]

21. Chen, L.; Li, X.; Kang, X.; Liu, W.; Wang, M. Analysis of the cooperative development of multiple systems for urban economy- energy- carbon: A case study of Chengdu-Chongqing economic circle. Sustain. Cities Soc. 2024, 108, 105395. [Google Scholar] [CrossRef]

22. Zhu, L.; Bai, Y.; Zhang, L.; Si, W.; Wang, A.; Weng, C.; Shu, J. Water–Land–Food Nexus for Sustainable Agricultural Development in Main Grain-Producing Areas of North China Plain. Foods 2023, 12, 712. [Google Scholar] [CrossRef]

23. Sun, J.; Yang, Y.; Qi, P.; Zhang, G.; Wu, Y. Development and application of a new water-carbon-economy coupling model (WCECM) for optimal allocation of agricultural water and land resources. Agric. Water. Manag. 2024, 291, 108608. [Google Scholar] [CrossRef]

24. Cheng, K.; He, K.; Fu, Q.; Tagawa, K.; Guo, X. Assessing the coordination of regional water and soil resources and ecological-environment system based on speed characteristics. J. Clean. Prod. 2022, 339, 130718. [Google Scholar] [CrossRef]

25. Jiang, W.; Zhang, Z.; Wen, J.; Yin, L.; Song, B. Spatio-temporal variation and influencing factors of industrial carbon emission effect in China based on water-land-energy-carbon nexus. Ecol. Indic. 2023, 152, 110307. [Google Scholar] [CrossRef]

26. Cao, X.; Wu, N.; Adamowski, J.; Wu, M. Assessing the contribution of China’s grain production during 2005–2020 from the perspective of the crop-water-land nexus. J. Hydrol. 2023, 626, 130376. [Google Scholar] [CrossRef]

27. Meng, F.; Wang, D.; Meng, X.; Li, H.; Liu, J.; Yuan, Q.; Hu, Y.; Zhang, Y. Mapping urban energy-water-land nexus within a multiscale economy: A case study of four megacities in China. Energy 2022, 239, 122038. [Google Scholar] [CrossRef]

28. Yang, J.; Huang, X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019. Earth Syst. Sci. Data 2021, 13, 3907–3925. [Google Scholar] [CrossRef]

29. Sun, K.; Han, J.; Wu, Q.; Xie, W.; He, W.; Yang, Z.; Wang, Y.; Ajiachengliu, J.L.; Shi, E. The coupling coordination and spatiotemporal evolution of industrial water-energy-co2 in the yellow river basin. Sci. Total Environ. 2024, 912, 169012. [Google Scholar] [CrossRef]

30. Zhao, C.; Ran, G.; Chi, T.; Khiewngamdee, C.; Liu, J. Agricultural technology innovation and food security in china: An empirical study on coupling coordination and its influencing factors. Agronomy 2024, 14, 123. [Google Scholar] [CrossRef]

31. He, J.Q.; Wang, S.J.; Liu, Y.Y.; Ma, H.T.; Liu, Q.Q. Examining the relationship between urbanization and the eco-environment using a coupling analysis: Case study of Shanghai, China. Ecol. Indic. 2017, 77, 185–193. [Google Scholar] [CrossRef]

32. Yu, Y.; Tong, Y.; Tang, W.; Yuan, Y.; Chen, Y. Identifying spatiotemporal interactions between urbanization and eco-environment in the urban agglomeration in the middle reaches of the Yangtze River, China. Sustainability 2018, 10, 290. [Google Scholar] [CrossRef]

33. Wang, S.J.; Kong, W.; Ren, L.; Zhi, D.D.; Dai, B.T. Research on misuses and modification of coupling coordination degree model in China. J. Nat. Resour. 2021, 36, 793–810. (In Chinese) [Google Scholar] [CrossRef]

34. Tu, D.; Cai, Y.; Liu, M. Coupling coordination analysis and spatiotemporal heterogeneity between ecosystem services and new-type urbanization: A case study of the Yangtze River Economic Belt in China. Ecol. Indic. 2023, 154, 110535. [Google Scholar] [CrossRef]

35. Guo, X.M.; Fang, C.L.; Mu, X.F.; Chen, D. Coupling and coordination analysis of urbanization and ecosystem service value in Beijing-Tianjin-Hebei urban agglomeration. Ecol. Indic. 2022, 137, 108782. [Google Scholar]

36. Wu, H.; Guo, S.; Guo, P.; Shan, B.; Zhang, Y. Agricultural water and land resources allocation considering carbon sink/source and water scarcity/degradation footprint. Sci. Total Environ. 2022, 819, 152058. [Google Scholar] [CrossRef] [PubMed]

37. Yang, X.; Li, D.; Wang, M.; Shi, X.; Wu, Y.; Li, L.; Cai, W. Coupling coordination degree of land, ecology, and food and its influencing factors in Henan Province. Agriculture 2024, 14, 1612. [Google Scholar] [CrossRef]

38. Wang, C.; Tang, N. Spatio-temporal characteristics and evolution of rural production living-ecological space function coupling coordination in Chongqing Municipality. Geogr. Res.-Aust. 2018, 37, 1100–1114. (In Chinese) [Google Scholar]

39. Zhang, D.; Chen, Y. Evaluation on urban environmental sustainability and coupling coordination among its dimensions: A case study of Shandong Province, China. Sustain. Cities Soc. 2021, 75, 103351. [Google Scholar] [CrossRef]

40. Zhang, J.; Dong, Z. Assessment of coupling coordination degree and water resources carrying capacity of Hebei Province (China) based on WRESP2D2P framework and GTWR approach. Sustain. Cities Soc. 2022, 82, 103862. [Google Scholar] [CrossRef]

41. Yuan, D.; Du, M.; Yan, C.; Wang, J.; Wang, C.; Zhu, Y.; Wang, H.; Kou, Y. Coupling coordination degree analysis and spatiotemporal heterogeneity between water ecosystem service value and water system in Yellow River Basin cities. Ecol. Inform. 2024, 79, 102440. [Google Scholar] [CrossRef]

42. Li, R.; Chen, N.; Zhang, X.; Zeng, L.L.; Wang, X.P.; Tang, S.J.; Li, D.; Niyogi, D. Quantitative analysis of agricultural drought propagation process in the Yangtze River Basin by using cross wavelet analysis and spatial autocorrelation. Agric. Forest Meteorol. 2020, 280, 107809. [Google Scholar] [CrossRef]

43. Wang, X.J. The Combination of spatial analysis technioue and GIS. Geogr. Res.-Aust. 1997, 16, 70–74. (In Chinese) [Google Scholar]

44. Anselin, L. Local Indicators of Spatial Association—LISA. Geogr. Anal. 1995, 27, 93–115. [Google Scholar] [CrossRef]

45. He, Y.; Chen, Y.; Tang, H.; Yao, Y.; Yang, P.; Chen, Z. Exploring spatial change and gravity center movement for ecosystem services value using a spatially explicit ecosystem services value index and gravity model. Environ. Monit. Assess. 2011, 175, 563–571. [Google Scholar] [CrossRef] [PubMed]

46. Gao, Q.S.; Shen, S. Research on the Space-time Evolvement and Coupling Relationship of the Gravity Center of China’s Agriculture Economy and lts Agriculture Labor. Territ. Nat. Resour. Study 2021, 3, 48–53. (In Chinese) [Google Scholar] [CrossRef]

47. Lefever, D.W. Measuring Geographic Concentration by Means of the Standard Deviational Ellipse. Am. J. Sociol. 1926, 32, 88–94. [Google Scholar] [CrossRef]

48. Wang, F.R.; Zhuang, L.; Cheng, S.S.; Zhang, Y.; Cheng, S.L. Spatiotemporal variation and convergence analysis of China’s regional energy security. Renew. Sustain. Energy Rev. 2024, 189, 113923. [Google Scholar] [CrossRef]

49. Chen, X.L.; Di, Q.B.; Jia, W.H.; Hou, Z.W. Spatial correlation network of pollution and carbon emission reductions coupled with high-quality economic development in three Chinese urban agglomerations. Sustain. Cities Soc. 2023, 94, 104552. [Google Scholar] [CrossRef]

50. Tobin, J. Estimation of Relationships for Limited Dependent Variables. Econometrica 1958, 26, 24–36. [Google Scholar] [CrossRef]

51. Chen, Q. Advanced Econometrics and Stata Application, 2nd ed.; Higher Education Press: Beijing, China, 2014; pp. 325–327. [Google Scholar]

52. Wu, W.Y.; Wang, E.D.; Ni, Q.W.; Hu, C. Multi-objective Programming Model for Optimal Distributionof Water Resource in Sonqyuan City. J. Northeast. Univ. (Nat. Sci.) 2007, 28, 1037–1040. (In Chinese) [Google Scholar]

53. Dai, Y.; Tian, L.; Zhu, P.; Dong, Z.; Zhang, R. Dynamic aeolian erosion evaluation and ecological service assessment in Inner Mongolia, Northern China. Geoderma 2022, 406, 115518. [Google Scholar] [CrossRef]

54. Wang, M.Q.; Wang, J.D.; Liu, J.S. Analysis of the Coupling Between Resource-environment and Population economy in West Jilin Province. Bull. Soil Water Conserv. 2008, 28, 167–172. (In Chinese) [Google Scholar]

55. He, J.; Liu, Y.; Yu, Y.; Tang, W.; Xiang, W.; Liu, D. A counterfactual scenario simulation approach for assessing the impact of farmland preservation policies on urban sprawl and food security in a major grain-producing area of China. Appl. Geogr. 2013, 37, 127–138. [Google Scholar] [CrossRef]

56. Zhu, M.B.; Han, Y.; Yang, L.; Wang, X.H.; Zou, Y.C. Effects of Land Consolidation and Precipitation Changes on the Balance of Water Supply and Demand in Western Jilin. Water 2022, 14, 3206. [Google Scholar] [CrossRef]

57. He, H.Y.; Li, X.G. Assessment of Shallow Groundwater Pollution in Shuangliao City. Geol. Rev. 2015, 61, 18–19. (In Chinese) [Google Scholar]

58. Ji, M.M.; Sun, H. The change of marsh landscape pattern in Zhenlai county during 1980 to2018 and the effects due to human disturbance. J. Zhejiang Univ. (Sci. Ed.) 2021, 48, 760–770. (In Chinese) [Google Scholar]

59. Gao, T.; Li, Y.; Zhao, C.; Chen, J.; Jin, R.; Zhu, W. Factors driving changes in water conservation function from a geospatial perspective: Case study of Jilin Province. Front. Ecol. Evol. 2023, 11, 1303957. [Google Scholar] [CrossRef]

60. Han, C.; Chen, S.; Yu, Y.; Xu, Z.; Zhu, B.; Xu, X.; Wang, Z. Evaluation of Agricultural Land Suitability Based on RS, AHP, and MEA: A Case Study in Jilin Province, China. Agriculture 2021, 11, 370. [Google Scholar] [CrossRef]

61. Li, E. Research Report on Agricultural Ecological Geographical Environment in Western Jilin Province; Jilin Provincial Department of Science and Technology: Changchun, China, 2001; pp. 15–40. [Google Scholar]

62. Chu, Y.C.; Li, F.W. Analysis of the Current Status of Agricultural Water Resource Utilization in Major Grain Producing Areas: A Case Study of Jilin Province. Manag. Agric. Sci. Technol. 2011, 30, 17–19. (In Chinese) [Google Scholar]

63. Song, M.; Wang, R.; Zeng, X. Water resources utilization efficiency and influence factors under environmental restrictions. J. Clean. Prod. 2018, 184, 611–621. [Google Scholar] [CrossRef]

64. Li, W.; Huang, F.; Shi, F.; Wei, X.; Zamanian, K.; Zhao, X. Human and climatic drivers of land and water use from 1997 to 2019 in Tarim River basin, China. Int. Soil Water Conserv. Res. 2021, 9, 532–543. [Google Scholar] [CrossRef]

65. Stewart, J.C.; Kathleen, A.M.; Alan, F.H.; Wendy, A. Climate Change and Resource Management in the Columbia River Basin. Water Int. 2000, 25, 253–272. [Google Scholar]

66. Zhang, L.C.; Xiao, C.L. Optimal Allocation of Water Resources Sustainable Utilization in Western Jilin Province; Jilin University: Changchun, China, 2006. [Google Scholar]

67. Gu, L.L.; Sun, L.X. Study on spatial-temporal matching pattern of agricultural water-land resources in Jilin Province. J. Chin. Agric. Mech. 2016, 37, 205–208. (In Chinese) [Google Scholar]

68. Yang, C.; Zeng, W.; Yang, X. Coupling coordination evaluation and sustainable development pattern of geo-ecological environment and urbanization in Chongqing municipality, China. Sustain. Cities Soc. 2020, 61, 102271. [Google Scholar] [CrossRef]

69. Sui, G.; Wang, H.; Cai, S.; Cui, W. Coupling coordination analysis of resources, economy, and ecology in the Yellow River Basin. Ecol. Indic. 2023, 156, 111133. [Google Scholar] [CrossRef]

70. Wang, R.; Xiao, Y.; Huang, H.; Chang, M. Exploring the complex relationship between industrial upgrading and energy eco-efficiency in river basin cities: A case study of the yellow river basin in China. Energy 2024, 312, 133498. [Google Scholar] [CrossRef]

71. Lu, M.; Duan, Y.; Wu, X. Evaluation of the coupling and coordination degree of eco-cultural tourism system in the Jiangsu-Zhejiang-Shanghai-Anhui region. Ecol. Indic. 2023, 156, 111180. [Google Scholar] [CrossRef]

72. Xu, S.; Zuo, Y.; Law, R.; Zhang, M.; Han, J.; Li, G.; Meng, J. Coupling coordination and spatiotemporal dynamic evolution between medical services and tourism development in China. Front. Public Health 2022, 10, 731251. [Google Scholar] [CrossRef]

73. Li, C.Z.; Tam, V.W.; Zhou, M.; Liu, L.; Wu, H. Quantifying the coupling coordination effect between the prefabricated building industry and its external comprehensive environment in China. J. Clean. Prod. 2024, 434, 140238. [Google Scholar] [CrossRef]

Заявление Институционального наблюдательного совета  Непригодный.

Заявление о доступности данных  Исходные данные, подтверждающие выводы настоящей статьи, будут предоставлены авторами по запросу.

Конфликты интересов  Авторы заявляют об отсутствии конфликта интересов.

Исследование пространственно-временных вариаций водных и земельных ресурсов и их механизма воздействия на основе модели сопряженной координации: пример Западной провинции Цзилинь, Китай

Lujuan Zhang¹, Guzailinuer Aihemaitijiang¹, Zihao Wan¹, Mingtang Li¹, Jiquan Zhang², Feng Zhang¹, and Chunli Zhao³

¹ Колледж ресурсов и окружающей среды, Цзилиньский сельскохозяйственный университет, Чанчунь 130118, Китай; ² Институт исследования стихийных бедствий, Школа окружающей среды, Северо-Восточный педагогический университет, Чанчунь 130024, Китай; ³ Колледж лесного и лугового хозяйства, Цзилиньский сельскохозяйственный университет, Чанчунь 130118, Китай

Цитирование:Zhang, L.; etal. Exploring Spatio-Temporal Variations in Water and Land Resources and Their Driving Mechanism Based on the Coupling Coordination Model: A Case Study in Western Jilin Province, China. Agriculture 2025, 15, 98

Перевод статьи « Exploring Spatio-Temporal Variations in Water and Land Resources and Their Driving Mechanism Based on the Coupling Coordination Model: A Case Study in Western Jilin Province, China.» авторов Zhang, Lujuan, Guzailinuer Aihemaitijiang, Zihao Wan, Mingtang Li, Jiquan Zhang, Feng Zhang, and Chunli Zhao, оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык