一、基本信息

标题：京津冀地区粮食生产、水资源可利用性与生态质量之间的时空协同与权衡 Spatiotemporal synergies and trade-offs among food production, water availability, and ecological quality in the Beijing–Tianjin–Hebei region

发表时间：2026-07-17（网络首发）

作者：Yuhan Liu、Wenbao Lv、Xiangzheng Deng

作者机构：

1. 中国地质大学（北京）

2. 北京工商大学

3. 中国科学院地理科学与资源研究所

期刊：Geography and Sustainability

DOI：https://doi.org/10.1016/j.geosus.2026.100526

二、摘要

在半干旱且快速城镇化的社会—生态区域，协调粮食生产、水资源与生态系统之间的相互作用是一项重大的可持续性挑战。本研究基于大地球数据与双尺度分析框架，量化了 2005—2022 年京津冀地区粮食—水—生态（FWE）关联中的时空协同与权衡。力学平衡模型揭示出持续的南北分异：山地生态区呈现强权衡，农业平原则表现为弱协同。XGBoost-SHAP 分析识别出若干非线性的生态与人为阈值——森林覆盖度约 0.63、高程约 780 m、建设用地合理开发指数约 0.98——它们与协同和权衡状态之间的转换相关联。跨尺度比较显示，自然约束主导格网尺度的空间格局，而人类活动对乡镇尺度的结果影响日益增强。研究据此强调，必须实行以阈值为依据、空间差异化的治理：平原地区推进地下水恢复与农业强度管理，山地长期推进生态稳定，都市区实施水—生态综合调控。该框架为协同推进可持续发展目标 2、6、11 与 15 提供了工具。

三、引言

研究背景

可持续发展要求在粮食生产、水资源可利用性与生态完整性三个子系统之间取得平衡。任一子系统的改善都可能增强或削弱其他子系统，由此产生的协同与权衡直接影响可持续性结果。传统方法往往忽略这类跨系统联结，"关联（nexus）"思维因而兴起，用以理解耦合的人—环境互动并指导综合治理。半干旱地区是关联研究最敏感的经验场景之一——水文稀缺、生态脆弱与高强度土地利用相互交织，在粮食生产、水资源与生态系统稳定之间制造权衡。

京津冀地区正是"调和粮食生产、水资源短缺与生态保护"这一全球性难题的缩影。该区人口密度高、农业集约、城市快速扩张，生产与保护之间的冲突突出；尽管有南水北调工程与大规模生态修复计划，地下水超采、土地退化与生态胁迫依然存在。已有研究表明，水子系统既是区域协同的驱动力，也是其约束条件。

本文的研究目标与创新点

既有的关联评估方法——耦合协调度指数、基于相关性的分析、可持续发展目标交互网络——仍受制于静态权重结构、线性假设与单一尺度视角，难以捕捉非线性反馈、阈值效应与状态突变，也很少整合跨尺度比较。本研究在三个方面推进：其一，把大地球数据与力学平衡模型结合，超越描述性的协同—权衡格局，显式刻画子系统之间的平衡状态与方向性张力，从而对协调状态作出对阈值敏感的识别；其二，把精细格网与乡镇级行政单元整合，使关联动态可以跨尺度解读，把生物物理过程与治理相关的决策尺度联系起来；其三，引入 XGBoost-SHAP，实现对非线性驱动因子与空间分异阈值的可解释检测，把关联诊断转化为可操作的证据。

具体而言，研究构建 5 km 分辨率的空间显式数据集刻画三个子系统的年际变化，在格网与乡镇两个尺度上用力学平衡模型识别协同与权衡格局，用可解释机器学习量化非线性交互与阈值，并将这些洞见转化为差异化的治理路径。

四、研究方法

数据来源与类型

研究区京津冀面积约 216,000 km²，含北京、天津两个特大城市与河北 11 个地级市，地貌、水资源与植被呈明显的西北—东南差异。数据覆盖 2005—2022 年，统一标准化到 5 km × 5 km 空间格网，用 ArcGIS 与 Google Earth Engine 处理。降水、潜在蒸散发（PET）与实际蒸散发（AET）取自 TerraClimate；植被覆盖度与地下水位取自国家青藏高原科学数据中心；土地利用与耕地分布取自中国土地覆被数据集（CLCD）与国家生态科学数据中心；粮食产量通过国家对地观测科学数据中心的格网化单产估计空间化，并以省级统计年鉴校准，得到小麦、玉米、水稻与大豆的产量分布；合成遥感生态指数（RSEI）所需的 NDVI、地表温度、湿度与干度分量来自 MOD09A1、MOD13A1 与 MOD11A2 产品。

研究方法

指标体系分三个子系统，权重以 CRITIC 法确定（表 1）。水子系统同时反映供给侧的可利用性（降水、地下水位）与需求侧的压力（蓝水消耗，即 PET 减 AET），因此最终的水资源指数并非单维度的供水量度。需要说明的是，在以耕地为主的地区，生长季 RSEI 偏高可能主要反映作物物候带来的农业绿度，而非自然生态系统完整性的直接改善，因此本研究把 RSEI 解读为农业景观内的环境质量与植被相关生态功能指标。

协同与权衡的识别采用力学平衡模型：把粮食（OA）、水（OB）、生态（OC）视为统一坐标框架下的向量力，方向角固定为 π/2、7π/6、11π/6，即以 120° 等间距分布，不给任何子系统以优先取向。合力 F 越小表示三者发展越均衡（协同），F 越大表示失衡越严重（权衡）；用自然断点法把结果分为强协同、弱协同、弱权衡、强权衡四档。

驱动因子分析采用 XGBoost 结合 SHAP。以 2022 年的权衡—协同指数为因变量，自变量涵盖自然环境条件（积温、坡度、高程、植被特征）与人类活动（人口密度、建设用地合理开发指数、景观破碎度），格网与乡镇两个尺度使用同一套自变量以保证可比。数据按 70% 训练、30% 测试随机划分，格网模型 R² 为 0.544（RMSE 0.068、MAE 0.052），乡镇模型 R² 为 0.731（RMSE 0.049、MAE 0.035）。由于 SHAP 分析基于 2022 年截面数据，所识别的阈值应理解为拟合模型内的空间分异点，而非时间意义上的因果阈值。

表 1 京津冀三个子系统的指标体系与权重（原文表 1）

五、结果

结果1：三个子系统各有稳定的南北格局

2005—2022 年粮食生产呈稳定的南北梯度，高产区持续集中于中南部平原，形成自石家庄经保定延伸至北京的农业核心带；北部山区与东部沿海带则长期为低值区，受制于耕地可得性、地形约束与破碎的土地利用格局。随时间推移空间结构更趋整合，石家庄—保定走廊上原本零散的中高产格网到 2022 年逐渐合并成片。

水资源可利用性的空间结构同样稳定：东北部山区尤其是燕山一带最高，华北平原中部形成大范围低降水盆地，最低值集中在石家庄、邢台与衡水的交界处；西北山区虽海拔较高，却因半干旱气候而处于中低水平。时间变化幅度不大，说明区域水安全面临的是持续性的结构性水文约束。

生态质量呈稳定的南北梯度，最高值持续出现在包括燕山在内的东北部山区，西部太行山前形成中高生态带，而西北高原与中部平原持续处于中低水平。2005—2022 年北部山区与东北山前的高值斑块有所扩张，与长期生态修复和植被恢复相一致，但平原地区改善有限。

结果2：水是最不稳定的一环，2022 年三个重心趋于收敛

三个子系统的标准差椭圆均呈大体一致的东北—西南走向，反映了区域的地貌结构。粮食生产与生态质量的空间配置高度稳定，椭圆大小与位置随时间仅有微调：粮食重心始终锚定在华北平原，生态重心则持续位于北京附近的北部山前地带。

相比之下，水子系统的年际变异要强得多，其重心位移明显大于粮食与生态，反映出对降水与蒸散发波动的敏感。水重心在 2005—2015 年北移（2005—2010 年位移较大，2010—2015 年较弱），到 2022 年又略微南移。尽管有这些波动，三个重心到 2022 年出现渐进收敛，水与生态的重心相距约 12 km，这一部分对齐提示大规模生态修复与调水工程可能增强了京津冀北部的植被—水耦合。

结果3：综合指数三阶段演变，改善并不均衡

综合 FWE 指数呈持续的南北梯度，高值集中在南部平原与北部山前，低值持续出现在西北半干旱山区以及部分沿海的城市工业区。其演变可归纳为三个阶段：2005—2010 年，下降格网主导平原与沿海地区，区域协调有所削弱；2010—2015 年格局反转，平原、城郊与北部高地普遍上升；2015—2022 年改善在空间上变得零散，局部下降重新出现，说明前期收益部分被新一轮农业、水文与环境压力所抵消。到 2022 年，高值区仍集中于北部山前与中南部农业核心区（图 1）。

图 1 2005、2010、2015 与 2022 年京津冀综合粮食—水—生态（FWE）指数的空间分布及不同时期的变化格局。(a–d) 为综合指数的空间分布，(e–h) 依次为 2005—2010、2010—2015、2015—2022 与 2005—2022 年的指数变化（原文图 6）

结果4：山区权衡、平原弱协同，全区弱协同占近四成

2022 年的格网格局呈现清晰而持久的空间反差：弱权衡与弱协同主导中南部平原，那里高强度农业生产、地下水胁迫与景观破碎相互叠加；权衡区则主要分布在北部山地带以及若干沿海或城郊生态区，对应更强的植被覆盖、更弱的种植扰动与不稳定的水文条件。西北山区部分区域呈协同或弱协调状态，提示较低的农业强度可以减少生产与生态的直接冲突，但这些地区对水文气候变率依然敏感。

城市层面的分化同样显著。北京呈混合结构，以强权衡（36.6%）与弱协同（32.5%）为主导类型，说明城乡过渡带持续承受生态与水文压力。天津、唐山、秦皇岛与石家庄以弱协同（36%—44%）叠加相当比例的弱权衡（31%—38%）为特征，反映沿海水文梯度、地下水依赖与耕地强度的共同压力。承德因生态主导的景观与有限的耕地而更偏向权衡，沧州与衡水则更偏协同，弱协同占比分别达 59.1% 与 48.8%。

就全区而言，弱协同占比最大（39%），其次为弱权衡（24.8%）、强协同（24%）与强权衡（12.1%），说明多数格网处于弱协调或过渡状态，而非强烈极化的状态（图 2）。

图 2 2022 年京津冀粮食—水—生态协同与权衡的空间格局及各市占比。(a) 基于综合协调指数的强／弱协同与强／弱权衡的空间分布，分档标准为 F ≤ 0.12 强协同、0.12 < F ≤ 0.21 弱协同、0.21 < F ≤ 0.32 弱权衡、F > 0.32 强权衡；(b) 各市及全区四类状态的占比（原文图 7）

结果5：三条临界线，且格网看自然、乡镇看人

在格网尺度上，自然环境变量的全局重要性最高，森林覆盖度、高程与积温指标位居前列，且呈现清晰的非线性阈值响应。森林覆盖度在约 0.63 处出现拐点，超过该值后 SHAP 值转正，即高森林覆盖的格网对应更高的预测 F 值、更强的模型预测失衡；高程呈类似的分段格局，转折点在约 780 m；≥10 ℃ 与 ≥0 ℃ 积温的阈值区间分别在约 4,785 ℃ 与 3,720 ℃ 附近；坡度的阈值效应则相对较弱（图 3）。

图 3 格网尺度上粮食—水—生态协调驱动因子的 SHAP 解释，森林覆盖度、高程与积温等自然因子表现出强烈的非线性阈值效应。FC 为森林覆盖度，AT10 为 ≥10 ℃ 积温，AT0 为 ≥0 ℃ 积温，PD 为人口密度，SHDI 为香农多样性指数，CONTAG 为蔓延度指数，FRAC 为分形维数，CRDI 为建设用地合理开发指数（原文图 8）

在乡镇尺度上，主导因子换成了建设用地合理开发指数（CRDI），其模型导出的空间阈值在约 0.98：低于该点对应较低的预测 F 值，高于该点则对应较高的预测 F 值——也就是说，适度的建设用地开发可以支撑协调，一旦越过阈值，权衡便迅速放大。景观配置变量同样呈非线性响应，其中分形维数在约 1.03 处有明显转折；森林覆盖度在这一尺度仍具影响力，次级阈值在约 0.65（图 4）。

图 4 乡镇尺度上粮食—水—生态协调驱动因子的 SHAP 解释，人类活动指标占据主导影响。CRDI 为建设用地合理开发指数，FC 为森林覆盖度，AT10 为 ≥10 ℃ 积温，AT0 为 ≥0 ℃ 积温，FRAC 为分形维数，SHDI 为香农多样性指数，PD 为人口密度，CONTAG 为蔓延度指数（原文图 9）

两个尺度的对比说明变量重要性与阈值效应具有明显的尺度依赖：自然禀赋主导格网层面，人类活动在乡镇层面的影响力则不断上升。这一分异也提醒，行政单元层面的协调值可能掩盖城市内部的巨大异质性，因而需要高分辨率监测来捕捉局地生态阈值与预警信号。

六、结论

本研究提出了一个大地球数据驱动的多尺度框架来评估京津冀的粮食—水—生态关联，在概念性的关联理论与空间显式的可持续性评估之间架起可操作的桥梁。结果表明空间异质性深刻影响 FWE 互动：北部山地带因耕地有限与水文—生态条件脆弱而持续呈现权衡，华北平原则表现出相对稳定却对地下水高度敏感的协同，由集约农业与水资源可及性改善所驱动。森林覆盖度、高程与建设用地开发这三条模型导出的空间阈值，与协同和权衡状态的非线性空间变化相关联，凸显了生态与人为边界条件在塑造区域协调中的关键作用。

这些发现指向差异化、跨尺度的治理策略：平原推行节水农业与地下水恢复，山地长期推进生态系统稳定，都市区则以扩展的蓝绿基础设施支撑水—生态综合调控。把大地球数据分析纳入决策支持系统，可进一步增强阈值监测、预警能力与适应性政策调整。需要强调的是，上述关系反映的是关联建模框架内的统计关联，而非生态修复政策的确定性因果效应。该框架可推广至面临类似关联压力的其他半干旱与快速城镇化地区，并可通过数据驱动与过程模型的耦合进一步强化因果解释。

Liu, Y., Lv, W., & Deng, X. (2026). Spatiotemporal synergies and trade-offs among food production, water availability, and ecological quality in the Beijing–Tianjin–Hebei region. Geography and Sustainability, 7, 100526.