中国西南地区饲草产业与草食畜牧业耦合协调关系——基于对四川、云南、贵州的实地调研
English
-
三江源地区是我国重要的淡水之源,其独特的生态环境,营造出独有的高海拔、大面积湿地生态系统[1]。源区生态环境的优劣影响青海省的国民经济发展,也严重制约着江河中下游广大地区乃至全国的社会经济发展[2]。同时,三江源区拥有极脆弱的自然生态系统,是东亚甚至全球气候变化的“启动区”和“敏感区”[3-4]。受全球变暖影响,中国气候不同年代间也在发生显著变化。研究表明,1956−2004年,三江源区降水量以6.73 mm·10 a−1的幅度减少,降水日数也呈现减少趋势[5],但降水强度增加;1960−2010年降水量总体却表现为增加态势,不同源区季节降水量也存在显著差异[6];1961−2012年中国区域平均降水呈减少趋势,而高海拔地区呈增加趋势[7]。青藏高原气候自1960 年至80年代中后期,为相对暖干时期,80年代后期变为相对暖湿时期[8],而三江源区气候于1990年后趋于湿润化[9]。上述结果的差异可能受选取序列长短、观测台站数量和研究方法等因素的影响,对三江源地区降水量更长序列的时空演变特征与区域分布的多方法集成分析尚待进一步精准辨识。近些年来,人类活动和极端气候出现频率的增加,深刻影响了源区生态环境。其中,降水量的变化对三江源区生态环境和社会经济等诸多方面产生的影响尤为显著[10]。因此,研究更长序列的降水量时空演变特征、诊断降水序列突变点、辨识源区年、季降水量的变化趋势,能够反映三江源区生态环境对气候变化的响应。本研究基于线性回归、气候倾向率和重标极差分析等方法,运用最新的降水资料研究源区降水时空特征差异及未来变化趋势,可为三江源地区水资源可持续利用和生态系统的脆弱性研究提供科学依据,也为预测源区乃至全国的未来气候变化提供参考。
1. 材料和方法
1.1 三江源区概况及资料来源
三江源流域是长江、澜沧江和黄河源头区,地处青藏高原腹地,位于31°39′~36°16′N 和89°24′~102°23′E,海拔为3 450~6 621 m,流域面积为36万km2 [11],为典型的高原大陆性气候。中国气象局在该地区现设气象台站19个,受各站台建站时间及个别台站迁站影响,有些台站气象数据不连续。为获取连续长时间序列气象数据,将缺测10年以上的台站剔除,最终本研究数据选用位于该区域的13个气象台站(图1)。本研究采用唐敏等[4]的区域划分方法,将三江源源区细划分为长江源区(包括曲麻莱、玉树、五道梁、清水河和沱沱河5个站点),澜沧江源区(包括囊谦和杂多2个站点),黄河源区(包括兴海、达日、玛多、久治、玛沁和泽库6个站点)。降水量观测数据的时间跨度为59年(1961−2019年),为保证降水资料的稳定和均一性,所有数据经过时间一致性检验和极值检验。对于个别台站的缺测值,以缺测时刻前后相邻时段的值进行线性回归插值代替,且通过了0.01水平的显著性检验。
1.2 数据处理方法
采用气象学上的标准进行季节划分:3月 − 5月为春季,6月 − 8 月为夏季,9月 − 11 月为秋季,12月份 − 翌年2月为冬季。采用一元线性回归和滑动平均法,拟合三江源流域及各源区降水序列年际、季节和月际变化趋势。序列相对于时间变化的相关性变动通过线性回归进行求解[12]。滑动平均采用低通滤波的方式来确定变化趋势,时间周期选为5年。采用变异系数和累积距平来衡量三江源地区降水数据波动特征[13],累积距平分析可通过距平累积值变动情况,直观判断序列突变点。
累积距平计算公式为[14]:
$ \hat{x}=\sum_{i=1}^{t}(x_i-\bar{x}) 。 $
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
运用重标极差分析计算H值(Hurst 指数),预测未来三江源地区降水量变化情形[15-16]。考虑一个时间序列,对于任意正整数τ ≥ 1,H 值可根据计算出的τ值和极差/标准差的比值,在双坐标系(lnτ, ln R/S)中用最小二乘法拟合式R/S∞τH得到,根据该原理可由Matlab语言直接输出H值。计算相对简单,其值可以有效探索非线性系统趋势变化。 H值为0.5表示降水序列有随机性不存在趋势变动,且数据相互独立;0 ≤ H < 0.5表明具有反持续性的序列变化,即未来降水变化与过去相反;0.5 < H ≤ 1表示正持续性。
1.3 数据统计与作图
降水量和降水日数原数据采用Microsoft Excel 2010进行预处理,变异系数和趋势显著性检验采用SAS 9.0 (SAS Institute, Cary, NC, 2010)软件分析,用最小差异显著法进行多重比较,并进行P ≤ 0.05水平的差异显著性分析及方差分析。在ArcGIS (Esri,Arcgis Server 10.2)下通过反距离加权插值法绘制降水量的空间分布图,进行流域各季节降水量和年降水量的空间差异分析,并采用SigmaPlot 10.0 (MMIV Systat Software, Inc., San Jose, CA)绘制图。
2. 结果与分析
2.1 三江源地区降水量季节变化特征
近59年三江源区降水量季节变化较大,降水主要集中在夏、秋两季,冬季最少,四季的降水量均呈上升趋势(图2)。具体而言, 春季的平均降水量为76.3 mm,远低于夏季(281.0 mm)和秋季(103.2 mm),但是春季降水倾向率最大,达到5.27 mm·10 a−1,且通过了P < 0.05显著性水平检验,夏季、秋季、冬季均未通过P < 0.05显著性水平检验;历年春季降水波动幅度相比其他三季比较平稳,1995年之前,除1989年降水出现峰值(104.8 mm),其余年份基本低于平均值,1966年仅为45.9 mm,为历年最低值,但自1997年始,降水呈增加趋势,基本在平均值以上。夏季的最大和最小值出现在2012年和1978年,极差为113.1 mm,且年份之间浮动频率较大。秋季历年间多寡交替变化显著(P < 0.05),而冬季降水量最低,平均为10.2 mm,最小年份降水量仅为2.7 mm(1962年)。
各源区降水集中在夏、秋两季,不同源区之间的降水略有差异,黄河源区春季降水量最大,其余三季以澜沧江源区最高,而长江源区四季基本均处于最低值(图3)。长江源区、黄河源区和澜沧江源区春季的平均降水量分别为58.89、91.52和76.23 mm,仅比冬季高,但是该季节降水倾向率最大(表1),尤其是长江和澜沧江源区达到了2.69和2.80 mm·10 a−1 ,增湿现象最显著(P < 0.05)。夏季3个源区历年的降水量多寡交替出现,变化趋势基本一致,降水量最大的澜沧江源区达到了333.62 mm,但是夏季降水倾向率为四季最低的季节。长江源区秋季平均降水量为85.51 mm,黄河和澜沧江源区平均降水量分别为113.18和119.03 mm,且呈不显著上升趋势(P > 0.05),降水倾向率仅为0.01和0.09 mm·10 a−1。冬季3个源区的平均降水量分别为8.7、10.47和12.53 mm,降水增速最大的年份为2016−2019年,其中仅黄河源区通过了显著性水平检验(P < 0.05)。
表 1 长江源区、黄河源区和澜沧江源区季节降水倾向率Table 1. Climatic trends in the rate of seasonal precipitation in the Yangtze River, Yellow River, and Lantsang Headwater region during the period 1961–2019mm·10 a−1 源区
Region季节 Season 春
Spring夏
Summer秋
Autumn冬
Winter长江源区
Yangtze River region2.69 0.14 0.95 0.82 黄河源区
Yellow River region2.11 0.21 0.01 1.81 澜沧江源区
Lantsang Headwater
region2.80 0.09 0.09 0.64 2.2 三江源地区降水量年份变化特征
三江源区1961−2019年平均降水量为470.7 mm,多寡交替的波动状变化明显(图4),降水倾向率为10.31 mm·10 a−1,呈现上升的趋势。M−K检测结果表明, 年份降水量在95%置信区间未通过显著性检验,年份降水系列变化趋势不显著(P > 0.05)。降水量的最大和最小值年份出现在1969和2018年,分别为399.3和589.1 mm,极差值为189.8 mm,为平均降水量的40.2%,年际间振幅变化较大。1961−1966年降水量波动较小,在1967年显著增加,随后呈波动下降趋势;1971−1989年波动幅度较大,1990−2005年降水量小于平均值(除1999和2003年),自2005年之后呈波动上升趋势。1961−2002年降水量累积距平大致呈下降趋势,2003−2019年呈上升趋势,2002年为降水增加突变点。
不同源区年均降水量由多到少依次为澜沧江源区、黄河源区和长江源区,多年平均降水量分别为541.4、503.2和404.4 mm (图5)。长江源区最大和最小降水量出现在1984年 (289.9 mm)和2009年(535.3 mm ),极差为250.4 mm,属于相对少雨地区,但是该源区的降水倾向率达到11.6 mm·10 a−1,高于黄河源区(10.1 mm·10 a−1)和澜沧江源区(6.3 mm·10 a−1),增湿效应显著(P < 0.05)。黄河源区最大和最小降水量分别为378.0 mm (1962年)和656.9 mm (2019年),极差278.9 mm,而澜沧江源区降水量多寡交替现象最为显著(P < 0.05)。从累积距平上来看,1961−1966年澜沧江源区降水量显著上升(P < 0.05),随后下降,而黄河源区和长江源区则变动振幅相对较小,自1966年后,各源区变化趋势基本一致,1967−1973年下降,1974−1976年短暂上升后又下降,1979年出现低谷值,1980−1985年降水量增多,90年代初到21世纪初期则明显减少,之后呈现逐渐上升的趋势。
2.3 三江源地区降水量的年代际变化特征
三江源流域每10年的降水量呈现波动变化(表2),自1960–1990年降水量呈上升趋势,在1991–2000年下降,随后又上升,在2011–2019年达到了最大值512.82 mm,增湿现象显著。春、秋两季的年代际降水量变化与全年趋势一致;而夏季则为上升、下降交替出现的趋势,最大降水量在2001–2010年达到295.45 mm;冬季在1960–1990年表现为上升,2001−2010年下降,随后又上升至13.17 mm。
表 2 三江源区1961−2019年的年代际降水量Table 2. Chronological characteristics of precipitation during the period 1961–2019 in the Three-River Headwater regionmm 年份
Year时段Time 全年
Year春季
Spring夏季
Summer秋季
Autumn冬季
Winter1961−1970 452.23 63.63 283.11 98.67 6.71 1971−1980 453.77 69.49 271.63 103.36 9.40 1981−1990 477.00 78.04 282.20 106.97 10.26 1991−2000 446.30 73.28 267.60 92.36 12.70 2001−2010 486.56 78.25 295.45 103.62 9.20 2011−2019 512.82 97.44 286.85 115.79 13.17 2.4 三江源地区降水量空间变化特征
三江源流域1961−2019年降水量变化的空间分布(图6),源区降水量表现出显著的空间差异,大致呈现出自东南向西北减少的趋势。东南部地区的久治降水量最大,达到751.0 mm,是三江源平均降水量的1.6倍;其次为南部的囊谦(538.7 mm)和杂多地区(536.9 mm);而西北地区的五道梁和沱沱河仅为299.9和295.8 mm;黄河源区各站点降水量变化幅度最大,在327.6~751.0 mm。
三江源区不同季节的降水倾向率在空间上差异较大(图7),但不同源区各站点降水量均呈现增加的趋势,且春、冬两季的增加量大于秋、夏两季。春季降水倾向率表现为澜沧江源区 > 长江源区 > 黄河源区,最大和最小值分别为五道梁(2.97 mm·10 a−1)与兴海(0.28 mm·10 a−1),曲麻莱站点降水倾向率为0.57 mm·10 a−1,为长江源区最低站点,达日站点降水倾向率为2.52 mm·10 a−1,为黄河源区最高站点。夏、秋两季的降水倾向率表现为由西北向东南减少的趋势,降水增加量夏季小于秋季,但最大值均出现在五道梁地区。冬季降水量变化的空间分布与其他三季相反,由西北向东南增加,黄河源区降水倾向率最大。
2.5 三江源地区降水日数变化特征
三江源流域年均降水日数为139.61 d,变异系数为0.07,呈不显著性降低趋势(P > 0.05),降水日数倾向率为−0.01 d·10 a−1(表3);降水日数以夏天最多,冬天最少,整体上春、冬两季呈上升趋势,尤其是春天降水日数倾向率最大,达到0.67 d·10 a−1,夏、秋两季逐渐减少。长江源区降水日数小于三江源流域平均值,澜沧江源区最大(144.12 d),且该区降水日数倾向率也最大,为1.27 d·10 a−1,黄河源区变异系数为0.1,降水日数呈减少趋势。
表 3 三江源区1961−2019年降水日数变化特征Table 3. Change in the characteristics of precipitation days during the period 1961−2019 in the Three-River Headwater region地域
Site时段
Time平均日数
Mean days/d标准差
Standard deviation变异系数
Coefficient of variation降水日数倾向率
Rates of climatic trends/(d·10 a−1)三江源流域
Three-River Headwater region全年 Year 139.61 10.16 0.07 −0.01 春 Spring 34.20 4.08 0.12 0.67 夏 Summer 58.73 5.09 0.09 −0.85 秋 Autumn 34.02 4.55 0.13 −0.09 冬 Winter 12.68 3.86 0.30 0.27 长江源区
Yangtze River region全年 Year 134.99 15.49 0.12 0.45 澜沧江源区
Lantsang Headwater region全年 Year 144.12 12.91 0.09 1.27 黄河源区
Yellow River region全年 Year 141.76 14.22 0.10 −0.17 2.6 三江源地区降水量变化的未来趋势预测
运用重标极差分析法对三江源流域近59年的年际和季节降水量的Hurst值进行计算 (图8)。三江源流域年份Hurst值为0.701 2,四季中最高值为冬季,达到0.735 4,最低值出现在春季,Hurst值为0.632 4。各源区年份Hurst值表现为长江源区 < 黄河源区 < 澜沧江源区,春、夏季长江源区Hurst值最大,而秋、冬季Hurst值最大分别出现在澜沧江源区和黄河源区,但是所有值均大于0.5,具有显著Hurst现象,表现为正持续性,未来降水变化呈增加趋势。
3. 讨论
3.1 三江源地区1961−2019年降水量的变化特征
降水时空演变反映区域气候与生态环境变动,可指导人类的生活生产[17-18]。三江源地区是全球气候变化的关键区和敏感区,对全球气候有重要的影响和指示作用[19-20]。本研究发现1961−2019年三江源地区降水量以10.31 mm·10 a−1的速率增加,这与Deng等[21]研究结果一致,表明近年来三江源区暖湿化增强,并且2002年降水量年份累积距平达到最低值,随后距平值上升,表明2002年为降水增加突变点;但是这与唐红玉等[5]得出的三江源区降水量以6.73 mm·10 a−1的幅度减少的结论相反。降水变化特征存在差异是由于采用的降水数据系列长短不同造成的[22],唐红玉等[5]的数据年代为1956−2004年,而2002年为降水增加突变点,2003−2019年降水量累积距平逐渐上升,增湿显著。因此本研究更能反映近期三江源区对全球气候变化的响应趋势。三江源地区草地面积占我国草地总面积的30%,草地植被深刻影响着源区生态系统平衡[23],降水量变化趋势的研究,可为牧草地的合理布局提供理论基础。
受经纬度、地形起伏和不同季风环流的交替等因素影响,降水量呈现出明显差异且变化复杂的区域特性[24]。不同源区降水量由小到大表现为长江源区、黄河源区和澜沧江源区,降水与海拔呈反比关系,但不表现为线性相关,这与强安丰等[13]研究结果类似。不同源区降水量多寡交替现象显著,年极差均超250 mm,大于源区平均年降水量(470.7 mm)的50%,尤其是2002年之后,降水整体增多,但极差现象也表现出显著趋势。由于受南方涛动–厄尔尼诺与北大西洋涛动因素综合影响,自西南方向输送的水汽在近30年增强,引起更多的降水[25],也造成了三江源区极端降水年际波动剧烈[26]。三江源区降水主要集中在夏、秋两季,春、冬季较少,具有典型的高原大陆性气候特征;春季平均降水量为76.3 mm,仅较冬季降水量高,但是春季降水倾向率达到5.27 mm·10 a−1,增湿速率最快。年降水倾向率的增加,与春、冬季增湿密切相关。春季降水量的增加,可能与我国西北地区西风偏弱,南风偏强有关,利于源自西太平洋及印度洋的南方水汽向北输送[27],并且降水强度也呈增强趋势。
3.2 三江源地区1961−2019年降水量空间格局变化及影响因素
三江源地区地形复杂,气候条件和气候变化带有明显的空间属性差异[28]。本研究表明源区的降水量空间变化表现为自东南向西北减少趋势,这与郭佩佩等[29]研究结果一致,与青藏高原整体的降水特征分布相同,可能是由于高原的阻挡,导致西南季风无法深入以及东部降水充沛等因素的综合作用。黄河源区、澜沧江源区和长江源区的降水量依次减少,但长江源区降水倾向率最高,说明源区越干燥的地区增湿现象越明显。长江源区地处高原腹地,受地势与气流输送变化的影响,该区年、季降水倾向率周期等与黄河、澜沧江两源区差异性较大,降水量变化特征更趋同于青藏高原的降水变化[7],高原气候特征更显著。
地形是降水量存在空间差异的主要影响因素,另一方面,全球变暖背景下,不同流域的海拔和下垫面导致各源区增温幅度不同,冰川和积雪反馈作用的速率存在差异,也可能间接影响降水[30]。各源区降水总量呈增加态势,但降水日数呈不显著性降低趋势,表明雨强增加,雨水的溅蚀作用可能会对土壤造成一定的破坏。运用重标极差分析得到的Hurst值均大于0.5,表明未来降水量与过去变化趋势一致,降水量持续增加。而源区降水量的增加可提高浅层土壤含水量[31],利于源区植被生长发育。但三江源地区降水也受控于全球气候变化[32],作为敏感、脆弱的高原生态系统,微小波动的气候变化也可能导致三江源区生态系统的强烈响应[19],降水量的变化对源区系统的影响(诸如植被、大气环流、径流等)需进一步研究。三江源区地处高原,气象站点较少,本研究通过反距离加权插值法,绘制的降水量的空间分布图,可能存在一定误差,随着中国气象局在三江源区布置站点的增加,在后续研究中会增加更多、更新观测资料,以准确地反映该区降水的时空分布规律。
4. 结论
时间尺度上,1961−2019年三江源区年平均降水量为470.7 mm,多寡交替的波动状变化明显,整体呈现逐增趋势,但降水日数呈不显著性降低趋势。1961−2002年降水量累积距平大致呈下降趋势,2003−2019年呈上升趋势,2002年为降水增加突变点。不同源区间,黄河源区春季降水量最大,其余三季以澜沧江源区最高,长江源区四季均处于最低值。空间尺度上,三江源区年降水量自西北向东南递增,黄河源区各站点降水量空间变化幅度最大;春、夏、秋三季的降水倾向率表现为由西北向东南减少的趋势,但冬季降水倾向率变化相反。降水量长程变化Hurst值大于0.5,预测未来降水量变化亦呈增加趋势。
参考文献
[1] 王明利. “十四五”时期畜产品有效供给的现实约束及未来选择. 经济纵横, 2020(5): 100-108. WANG M L. Realistic constraints and future options for ensuring the effective supply of livestock products during the “14th Five-Year Plan” period. Economic Review Journal, 2020(5): 100-108.
[2] 石自忠, 王明利. 中国牧草产业政策: 演变历程与未来展望. 中国草地学报, 2021, 43(2): 107-114. SHI Z Z, WANG M L. Evolution and prospect of China’s forage industry policy. Chinese Journal of Grassland, 2021, 43(2): 107-114.
[3] 皇甫江云, 毛凤显, 卢欣石. 中国西南地区草地区的草地资源分析. 草业学报, 2012, 21(1): 75-82. HUANGFU J Y, MAO F X, LU X S. Analysis of grassland resources in southwest China. Acta Prataculturae Sinica, 2012, 21(1): 75-82.
[4] 王国刚, 王明利, 王济民, 杨春, 汪武静. 中国南方牧草产业发展基础、前景与建议. 草业科学, 2015, 32(12): 2114-2121. doi: 10.11829/j.issn.1001-0629.2015-0349 WANG G G, WANG M L, WANG J M, YANG C, WANG W J. Foundation, prospects and suggestions for the development of theforage industry in southern China. Pratacultural Science, 2015, 32(12): 2114-2121. doi: 10.11829/j.issn.1001-0629.2015-0349
[5] 李玉琼. 云南省人口、经济、土地城镇化耦合协调发展研究. 昆明: 云南师范大学硕士学位论文, 2020. LI Y Q. Study on the coordinated development of population, economy and land urbanization in Yunnan Province. Master Thesis. Kunming: Yunnan Normal University, 2020.
[6] 佘茂艳, 王元地. 科技创新与乡村振兴系统耦合协调发展及影响因素分析. 统计与决策, 2021, 37(13): 84-88. SHE M Y, WANG Y D. Analysis on the coupling and coordinated development of scientific and technological innovation and rural revitalization system and its influencing factors. Statistics and Decision, 2021, 37(13): 84-88.
[7] LI X, MA X, WANG M, ZHANG H. International evaluation of China’s beef cattle industry development level and lagging points. Agriculture, 2022, 12(10): 1597. doi: 10.3390/agriculture12101597
[8] 南翠. 长江经济带人口、经济与环境耦合协调度研究. 北京: 中央民族大学硕士学位论文, 2020. NAN C. Study on the coupling and coordination degree of population, economy and environment in the Yangtze river economic belt. Master Thesis. Beijing: Central University for Nationalities, 2020.
[9] 易平, 方世明. 地质公园社会经济与生态环境效益耦合协调度研究: 以嵩山世界地质公园为例. 资源科学, 2014, 36(1): 206-216. YI P, FANG S M. Coupling coordination between the socio-economic benefits and eco-environmental benefits of the Songshan. Global Geopark. Resources Science, 2014, 36(1): 206-216.
[10] 熊学振, 孙雨萌, 杨春. 中国畜牧业与资源环境承载力的时空耦合协调关系. 经济地理, 2022, 42(2): 153-162. XIONG X Z, SUN Y M, YANG C. Spatio-temporal coupling coordination relationship between animal husbandry and resource environmental carrying capacity in China. Economic Geography, 2022, 42(2): 153-162.
[11] 周杰, 高芬. 草原生态环境与畜牧业经济耦合协调关系分析: 以内蒙古自治区为例. 生态经济, 2019, 35(5): 170-176. ZHOU J, GAO F. Analysis on the coupling and coordination relationship between grassland eco-environment and livestock husbandry economy: Taking Inner Mongolia as an example. Ecological Economy, 2019, 35(5): 170-176.
[12] 智荣, 闫敏, 李平. 草原生态环境、经济社会与草牧业产业耦合协调关系研究: 基于全国五大牧区的实证分析. 林业经济, 2022, 44(5): 59-76. ZHI R, YAN M, LI P. Research on the coupling coordinating relationship between ecological environment economic society and livestock industry of grassland an empirical analysis based on the five major pastoral areas in China. Forestry Economics, 2022, 44(5): 59-76.
[13] 程长林, 任爱胜, 王永春, 王国刚, 修文彦. 基于协调度模型的青藏高原社区畜牧业生态、社会及经济耦合发展. 草业科学, 2018, 35(3): 677-685. doi: 10.11829/j.issn.1001-0629.2017-0263 CHENG C L, REN A S, WANG Y C, WANG G G, XIU W Y. An approach to C degree model on ecological, social and economic coupling development in Qinghai-Tibet Plateau research community. Pratacultural Science, 2018, 35(3): 677-685. doi: 10.11829/j.issn.1001-0629.2017-0263
[14] 李治国, 屈志强, 王静, 那亚, 赵萌莉, 韩国栋, 马乐, 哈洁. 基于OMMLP模型的浑善达克沙地家庭牧场草畜平衡模拟研究: 以桑根达来镇为例. 内蒙古农业大学学报(自然科学版), 2021, 42(6): 38-43. LI Z G, QU Z Q, WANG J, NA Y, ZHAO M L, HAN G D, MA L, HA J. Forage-Animal balance simulation of household ranch by OMMLP Model in Hunshandake sandy land: The case of Sanggendalai Town. Journal of Inner Mongolia Agricultural University (Natural Science Edition), 2021, 42(6): 38-43.
[15] 王立祥, 廖允成. 中国粮食问题. 银川: 阳光出版社, 2012. WANG L X, LIAO Y C. China’s Food Problem. Yinchuan: Sunshine Press, 2012.
[16] 李新一, 尹晓飞, 周晓丽, 李平. 我国饲草产业高质量发展的对策和建议. 草地学报, 2020, 28(4): 889-894. LI X Y, YIN X F, ZHOU X L, LI P. Countermeasures and suggestions for high quality development of forage industry in China. Acta Agrestia Sinica, 2020, 28(4): 889-894.
[17] 云南省统计局. 云南统计年鉴. (2022-11-08) [2022-12-18]. http://stats.yn.gov.cn/tjsj/tjnj/. Yunnan Provincial Bureau of Statistics. Yunnan Statistical Yearbook. (2022-11-08) [2022-12-18]. http://stats.yn.gov.cn/tjsj/tjnj/.
[18] 贵州省人民政府. 贵州地理概. (2021-09-14) [2022-12-18]. https://www.guizhou.gov.cn/dcgz/gzgk/dl/. Guizhou Provincial People’s Government. Guizhou Geography Overview. (2021-09-14) [2022-12-18]. https://www.guizhou.gov.cn/dcgz/gzgk/dl/.
[19] 四川省人民政府. 四川土地资源. (2022-03-08) [2022-12-18]. https://www.sc.gov.cn/10462/index.shtml. Sichuan Provincial People’s Government. Sichuan Land Resources. (2022-03-08) [2022-12-18]. https://www.sc.gov.cn/10462/index.shtml.
[20] 崔姹, 王明利, 胡向东. 我国草牧业推进现状、问题及政策建议: 基于山西、青海草牧业试点典型区域的调研. 华中农业大学学报(社会科学版), 2018(3): 73-80, 156. CUI C, WANG M L, HU X D. Grass and animal husbandry in China: Status quo, issues and policy suggestions: Based on investigation in pilot areas of grass and animal husbandry in Shanxi and Qinghai Province. Journal of Huazhong Agricultural University (Social Sciences Edition), 2018(3): 73-80, 156.
[21] 王明利. 牧草产业发展及贸易影响. 饲料与畜牧, 2019, 375(6): 36-39. WANG M L. Forage industry development and trade impact. Feed and Husbandry, 2019, 375(6): 36-39.
[22] 李雪, 吕新业. 现阶段中国粮食安全形势的判断: 数量和质量并重. 农业经济问题, 2021, 503(11): 31-44. LI X, LYU X Y. Judgment of China’s food security situation at the present stage: pay equal attention to quantity and quality. Agricultural Economic Problems, 2021, 503(11): 31-44.
[23] 王玉庭, 杜欣慰, 马莹. 加征进口美国苜蓿关税对我国奶牛养殖业影响的评估: 基于对5个省36个养殖场的调查. 饲料研究, 2019, 42(4): 99-101. WANG Y T, DU X W, MA Y. Assessment of the impact of tariff increase on imported U. S. alfalfa on China’s dairy farming industry: Based on a survey of 36 farms in 5 provinces. Feed Research, 2019, 42(4): 99-101.
-
表 1 耦合协调度分类体系及判别标准
Table 1 Classification system and discrimination criteria of coupling coordination degree
耦合协调度(D)
Coupling coordination level协调等级
Coordination level耦合协调度(D)
Coupling coordination level协调等级
Coordination level0 ≤D ≤ 0.1 极度失调
Extreme disorder0.5 < D ≤ 0.6 勉强协调
Barely coordinated0.1 < D ≤ 0.2 严重失调
Severe disorder0.6 < D ≤ 0.7 初级协调
Primary coordination0.2 < D ≤ 0.3 中度失调
Moderate disorder0.7 < D ≤ 0.8 中级协调
Intermediate coordination0.3 < D≤ 0.4 轻度失调
Mild disorder0.8 < D ≤ 0.9 良好协调
Good coordination0.4 < D ≤ 0.5 濒临失调
On the verge of disorder0.9 < D ≤ 1 优质协调
Quality coordination表 2 饲草产业与草食畜牧业综合评价指标体系
Table 2 Comprehensive evaluation index system of forage industry and grass-fed animal husbandry
目标层
Target layer选取指标
Index selection方向
Direction权重
Weight饲草产业系统
Forage industry
systems年降水量 Annual precipitation + 0.076 5 年平均气温 Annual average temperature + 0.141 5 年平均相对湿度 Annual average relative humidity + 0.107 7 年日照时数 Annual sunshine hours + 0.226 1 天然草地可利用面积 Usable area of natural grassland + 0.142 9 栽培草地保留面积 Artificial grassland reserved area + 0.130 8 饲草产量 Forage yield + 0.174 6 草食畜牧业系统
Herbivorous
livestock systems畜牧业总产值 Gross livestock output + 0.104 1 畜牧业占地区总产值比重
Animal husbandry accounts for a proportion of the region’s total output+ 0.071 1 畜牧业占农业总产值比重
Animal husbandry accounts for the proportion of total agricultural output+ 0.062 1 年末羊存栏数 Number of sheep in stock at the end of the year + 0.114 6 年末牛存栏数 Number of caw in stock at the end of the year + 0.072 0 羊出栏数 Number of sheep slaughtered + 0.118 9 牛出栏数 Number of caw slaughtered + 0.067 9 技术人员占比 Percentage of technical staff + 0.054 3 人均牛肉消费量 Beef consumption per capita + 0.094 3 人均羊肉消费量 Sheep consumption per capita + 0.085 1 人均奶类消费量 Milk consumption per capita + 0.155 5 表 3 综合评价指数和耦合协调度
Table 3 Comprehensive evaluation index and coupling coordination degree
年份
Year$f (G)$ $f (H)$ $C$ $T$ $D$ 耦合协调等级
Coupling coordination level2015 0.468 7 0.424 9 0.998 8 0.446 8 0.668 0 初级协调
Primary Coordination2016 0.513 3 0.476 4 0.999 3 0.494 8 0.703 2 中级协调
Intermediate Coordination2017 0.491 1 0.490 2 0.999 8 0.490 6 0.700 4 中级协调
Intermediate Coordination2018 0.407 6 0.463 6 0.997 9 0.435 6 0.659 3 初级协调
Primary Coordination2019 0.396 8 0.445 5 0.998 3 0.421 2 0.648 4 初级协调
Primary Coordination2020 0.447 7 0.511 0 0.997 8 0.479 4 0.691 6 初级协调
Primary Coordination表 4 各项指标关联度排序结果
Table 4 Sorting results of relevance degree of various indicators
评价指标
Parameter关联度
Degree of
relevance排名
Rank饲草产量
Forage yield0.921 1 栽培草地保留面积
Artificial grassland reserved area0.909 2 羊出栏数
Number of sheep slaughtered0.881 3 牛出栏数
Number of caw slaughtered0.859 4 年末羊存栏数
Number of sheep in stock at the end of the year0.858 5 人均奶类消费量
Milk consumption per capita0.858 6 技术人员占比
Percentage of technical staff0.852 7 人均牛肉消费量
Beef consumption per capita0.849 8 年平均相对湿度
Annual average relative humidity0.820 9 畜牧业总产值
Gross livestock output0.817 10 天然草地可利用面积
Usable area of natural grassland0.748 11 年日照时数
Annual sunshine hours0.744 12 年平均气温
Annual average temperature0.740 13 年末牛存栏数
Number of caw in stock at the end of the year0.693 14 畜牧业占农业总产值比重
Animal husbandry accounts for the
proportion of total agricultural output0.659 15 年降水量
Annual precipitation0.612 16 人均羊肉消费量
Sheep consumption per capita0.520 17 畜牧业占地区总产值比重
Animal husbandry accounts for a proportion of
the region’s total output0.513 18 -
[1] 王明利. “十四五”时期畜产品有效供给的现实约束及未来选择. 经济纵横, 2020(5): 100-108. WANG M L. Realistic constraints and future options for ensuring the effective supply of livestock products during the “14th Five-Year Plan” period. Economic Review Journal, 2020(5): 100-108.
[2] 石自忠, 王明利. 中国牧草产业政策: 演变历程与未来展望. 中国草地学报, 2021, 43(2): 107-114. SHI Z Z, WANG M L. Evolution and prospect of China’s forage industry policy. Chinese Journal of Grassland, 2021, 43(2): 107-114.
[3] 皇甫江云, 毛凤显, 卢欣石. 中国西南地区草地区的草地资源分析. 草业学报, 2012, 21(1): 75-82. HUANGFU J Y, MAO F X, LU X S. Analysis of grassland resources in southwest China. Acta Prataculturae Sinica, 2012, 21(1): 75-82.
[4] 王国刚, 王明利, 王济民, 杨春, 汪武静. 中国南方牧草产业发展基础、前景与建议. 草业科学, 2015, 32(12): 2114-2121. doi: 10.11829/j.issn.1001-0629.2015-0349 WANG G G, WANG M L, WANG J M, YANG C, WANG W J. Foundation, prospects and suggestions for the development of theforage industry in southern China. Pratacultural Science, 2015, 32(12): 2114-2121. doi: 10.11829/j.issn.1001-0629.2015-0349
[5] 李玉琼. 云南省人口、经济、土地城镇化耦合协调发展研究. 昆明: 云南师范大学硕士学位论文, 2020. LI Y Q. Study on the coordinated development of population, economy and land urbanization in Yunnan Province. Master Thesis. Kunming: Yunnan Normal University, 2020.
[6] 佘茂艳, 王元地. 科技创新与乡村振兴系统耦合协调发展及影响因素分析. 统计与决策, 2021, 37(13): 84-88. SHE M Y, WANG Y D. Analysis on the coupling and coordinated development of scientific and technological innovation and rural revitalization system and its influencing factors. Statistics and Decision, 2021, 37(13): 84-88.
[7] LI X, MA X, WANG M, ZHANG H. International evaluation of China’s beef cattle industry development level and lagging points. Agriculture, 2022, 12(10): 1597. doi: 10.3390/agriculture12101597
[8] 南翠. 长江经济带人口、经济与环境耦合协调度研究. 北京: 中央民族大学硕士学位论文, 2020. NAN C. Study on the coupling and coordination degree of population, economy and environment in the Yangtze river economic belt. Master Thesis. Beijing: Central University for Nationalities, 2020.
[9] 易平, 方世明. 地质公园社会经济与生态环境效益耦合协调度研究: 以嵩山世界地质公园为例. 资源科学, 2014, 36(1): 206-216. YI P, FANG S M. Coupling coordination between the socio-economic benefits and eco-environmental benefits of the Songshan. Global Geopark. Resources Science, 2014, 36(1): 206-216.
[10] 熊学振, 孙雨萌, 杨春. 中国畜牧业与资源环境承载力的时空耦合协调关系. 经济地理, 2022, 42(2): 153-162. XIONG X Z, SUN Y M, YANG C. Spatio-temporal coupling coordination relationship between animal husbandry and resource environmental carrying capacity in China. Economic Geography, 2022, 42(2): 153-162.
[11] 周杰, 高芬. 草原生态环境与畜牧业经济耦合协调关系分析: 以内蒙古自治区为例. 生态经济, 2019, 35(5): 170-176. ZHOU J, GAO F. Analysis on the coupling and coordination relationship between grassland eco-environment and livestock husbandry economy: Taking Inner Mongolia as an example. Ecological Economy, 2019, 35(5): 170-176.
[12] 智荣, 闫敏, 李平. 草原生态环境、经济社会与草牧业产业耦合协调关系研究: 基于全国五大牧区的实证分析. 林业经济, 2022, 44(5): 59-76. ZHI R, YAN M, LI P. Research on the coupling coordinating relationship between ecological environment economic society and livestock industry of grassland an empirical analysis based on the five major pastoral areas in China. Forestry Economics, 2022, 44(5): 59-76.
[13] 程长林, 任爱胜, 王永春, 王国刚, 修文彦. 基于协调度模型的青藏高原社区畜牧业生态、社会及经济耦合发展. 草业科学, 2018, 35(3): 677-685. doi: 10.11829/j.issn.1001-0629.2017-0263 CHENG C L, REN A S, WANG Y C, WANG G G, XIU W Y. An approach to C degree model on ecological, social and economic coupling development in Qinghai-Tibet Plateau research community. Pratacultural Science, 2018, 35(3): 677-685. doi: 10.11829/j.issn.1001-0629.2017-0263
[14] 李治国, 屈志强, 王静, 那亚, 赵萌莉, 韩国栋, 马乐, 哈洁. 基于OMMLP模型的浑善达克沙地家庭牧场草畜平衡模拟研究: 以桑根达来镇为例. 内蒙古农业大学学报(自然科学版), 2021, 42(6): 38-43. LI Z G, QU Z Q, WANG J, NA Y, ZHAO M L, HAN G D, MA L, HA J. Forage-Animal balance simulation of household ranch by OMMLP Model in Hunshandake sandy land: The case of Sanggendalai Town. Journal of Inner Mongolia Agricultural University (Natural Science Edition), 2021, 42(6): 38-43.
[15] 王立祥, 廖允成. 中国粮食问题. 银川: 阳光出版社, 2012. WANG L X, LIAO Y C. China’s Food Problem. Yinchuan: Sunshine Press, 2012.
[16] 李新一, 尹晓飞, 周晓丽, 李平. 我国饲草产业高质量发展的对策和建议. 草地学报, 2020, 28(4): 889-894. LI X Y, YIN X F, ZHOU X L, LI P. Countermeasures and suggestions for high quality development of forage industry in China. Acta Agrestia Sinica, 2020, 28(4): 889-894.
[17] 云南省统计局. 云南统计年鉴. (2022-11-08) [2022-12-18]. http://stats.yn.gov.cn/tjsj/tjnj/. Yunnan Provincial Bureau of Statistics. Yunnan Statistical Yearbook. (2022-11-08) [2022-12-18]. http://stats.yn.gov.cn/tjsj/tjnj/.
[18] 贵州省人民政府. 贵州地理概. (2021-09-14) [2022-12-18]. https://www.guizhou.gov.cn/dcgz/gzgk/dl/. Guizhou Provincial People’s Government. Guizhou Geography Overview. (2021-09-14) [2022-12-18]. https://www.guizhou.gov.cn/dcgz/gzgk/dl/.
[19] 四川省人民政府. 四川土地资源. (2022-03-08) [2022-12-18]. https://www.sc.gov.cn/10462/index.shtml. Sichuan Provincial People’s Government. Sichuan Land Resources. (2022-03-08) [2022-12-18]. https://www.sc.gov.cn/10462/index.shtml.
[20] 崔姹, 王明利, 胡向东. 我国草牧业推进现状、问题及政策建议: 基于山西、青海草牧业试点典型区域的调研. 华中农业大学学报(社会科学版), 2018(3): 73-80, 156. CUI C, WANG M L, HU X D. Grass and animal husbandry in China: Status quo, issues and policy suggestions: Based on investigation in pilot areas of grass and animal husbandry in Shanxi and Qinghai Province. Journal of Huazhong Agricultural University (Social Sciences Edition), 2018(3): 73-80, 156.
[21] 王明利. 牧草产业发展及贸易影响. 饲料与畜牧, 2019, 375(6): 36-39. WANG M L. Forage industry development and trade impact. Feed and Husbandry, 2019, 375(6): 36-39.
[22] 李雪, 吕新业. 现阶段中国粮食安全形势的判断: 数量和质量并重. 农业经济问题, 2021, 503(11): 31-44. LI X, LYU X Y. Judgment of China’s food security situation at the present stage: pay equal attention to quantity and quality. Agricultural Economic Problems, 2021, 503(11): 31-44.
[23] 王玉庭, 杜欣慰, 马莹. 加征进口美国苜蓿关税对我国奶牛养殖业影响的评估: 基于对5个省36个养殖场的调查. 饲料研究, 2019, 42(4): 99-101. WANG Y T, DU X W, MA Y. Assessment of the impact of tariff increase on imported U. S. alfalfa on China’s dairy farming industry: Based on a survey of 36 farms in 5 provinces. Feed Research, 2019, 42(4): 99-101.
-
期刊类型引用(2)
1. 雷变霞,王明涛,王传旗,包赛很那,徐雅梅,苗彦军. 不同施肥处理对‘巴青’垂穗披碱草生产性能的影响. 草学. 2025(01): 43-51+58 . 百度学术
2. 杨东升,于肖夏,卢倩倩,于卓. 四倍体杂交冰草F_2群体农艺性状聚类、相关及通径分析. 草业科学. 2024(04): 836-844 . 本站查看
其他类型引用(4)