中图分类号：TV213.4;TV213.9 文献标志码：A 文章编号：1001-6791（2026）03-0421-15

在全球气候变化与低碳转型约束不断增强的背景下，水资源利用、能源供给、粮食安全与碳排放控制之间的协同关系日益成为资源环境治理的重要议题[-2]。中国承诺到 2060年实现碳中和，推动经济体系由资源依赖向绿色低碳转型，其中水、能源、粮食与碳排放之间形成紧密交互的耦合关系，即水-能-粮-碳（WEFC）系统[3]。WEFC系统内部存在跨部门资源竞争与外部性传导，单一要素的局部优化可能引发系统层面的约束转移与协调失衡[4]。同时，中国区域间资源禀赋与发展阶段差异显著[5]，有必要从全国尺度上探究WEFC 系统耦合协调度的时空演变与空间关联特征，并进一步阐明其驱动机制。

近年来，学者们围绕水-能-粮（WEF）系统的多要素资源系统耦合问题开展了大量研究[7-8]，涉及水-能-碳[]、水-生态-能源-粮食[]等多元耦合关系。国际上研究重点已从最初的风险识别转向了跨部门协同治理与韧性评估[1-2]；国内学者则结合中国资源禀赋特征，在流域尺度、城市群尺度及省际尺度上对系统耦合效率进行了深人探讨[3-14]，并逐步将碳排放纳入资源关联网络[14]，以厘清低碳转型背景下资源-环境约束的协同变化。耦合协调度模型[15]被广泛用于衡量多子系统协同发展水平，空间计量模型[1用于识别区域差异与空间溢出效应，门槛模型[1]则用于检验驱动因素作用的阶段性变化。然而，传统耦合协调度模型通常假设子系统贡献均等，难以反映多要素系统中可能存在的非对称性交互关系，从而限制了对不同区域主导约束要素的识别[8];已有的空间机制研究多聚焦于空间分布特征与显著性判断，对驱动因素在本地与邻区之间的跨界传导路径缺乏更为精细的效应分解研究[19-20]；资源系统演化过程的影响因素可能存在复杂的非线性特征，但目前对于关键驱动因素的非线性门槛效应的识别仍相对匮乏[2]。因此，在中国区域间差异显著的背景下，从全国与分区尺度揭示WEFC系统耦合协调的内在规律，有待进一步研究。

本文构建了“时空特征识别-空间效应分析-非线性机制检验”的综合分析框架，系统分析2000—2023年中国30个省份WEFC系统耦合协调时空演化分异特征及其驱动机制。研究旨在深化双碳背景下对WEFC系统协同演化规律的认识，以期为制定差异化调控与协同治理的政策提供参考。

1研究方法与数据来源

1.1 研究方法

在传统耦合协调度模型的基础上引人空间自适应耦合评估（SPACE）模型，刻画4个子系统的动态贡献关系；结合空间杜宾模型（SDM）分解直接效应与间接效应，从全国及地理分区尺度分析驱动机制；最后，采用门槛模型识别关键驱动因子的非线性影响特征。

1.1.1 指标体系构建

基于自然禀赋、开发程度、安全程度、资源消耗及环境效益等要素[22]，构建水资源、能源和粮食子系统指标体系，以反映资源供给能力与利用效率。同时，考虑碳排放系统的资源-环境双重属性，从排放压力、空间聚集特征、排放效率、生态缓冲能力及人为活动排放5个方面选取指标，构建WEFC系统耦合协调度评估体系（表1）。本文指标选取遵循科学性、客观性、代表性、可量化性、可获得性等指标体系构建原则，保证评价结果的合理性与可靠性。

表1WEFC系统耦合协调度评价体系

Table1 Coupling coordination degree evaluation framework for WEFC nexu：

1.1.2 耦合协调度计算

耦合协调度模型是衡量系统发展状态的常用工具，在水资源系统分析及相关领域得到广泛应用[15]。传统耦合协调度模型通常基于各子系统的贡献均等或权重固定的假设，难以准确反映不同发展阶段中子系统的实际重要性差异。然而，在WEFC系统中，不同省份的资源禀赋与发展阶段各不相同，各要素的敏感度与贡献率存在显著的空间自适应性。为此，本文借鉴相关研究[23-24]，采用 SPACE模型（图1）刻画WEFC 系统中各子系统的相对贡献及其动态耦合关系。

图1改进的耦合协调度模型

Fig.1Improved coupling coordination degree model

SPACE模型以高为1的正四面体为几何载体，4个顶点分别对应水资源（W）、能源（E）、粮食（F）以及碳排放（C）子系统。将各地区在某一时间点的子系统实际数值标准化处理后，映射至正四面体内部的点 A（Xt，Yt， Zt） ，点 A 代表该地区在该时间点WEFC系统的实际发展状态，并以点 A 到4个面的垂直距离为顶点元素的贡献系数（分别标记为 α，β，γ，ε） 。根据正四面体几何性质，4个距离之和恒等于正四面体的高（本文中为1），从而保证各子系统相对贡献满足归一化约束。距离越远，该子系统对整体协调状态的影响程度越高。正四面体的几何重心 （G） 对应4个子系统发展完全均衡的理想状态。通过比较实际状态点 A 与 G 之间的相对位置关系，可以直观刻画不同地区WEFC系统偏离理想协调状态的程度。该模型能够实现对子系统贡献的自适应调整，解决了传统耦合协调度模型无法根据各地区差异识别主导要素的问题。

以表1中数据作为输入项，基于SPACE模型确定各子系统的动态贡献系数，并将其整合到四元耦合协调度模型中，以准确地反映区域WEFC系统的耦合协调度情况。具体计算方式如下：

T=αf（x）+βg（x）+γh（x）+εn（x）

α+β+γ+ε=1

式中： DCC 为耦合协调度； DC 为系统耦合度，取值为 0～1 ； T 为耦合协调指数； α，β，γ，ε 分别为水、能源、粮食和碳排放子系统的贡献系数，反映其在各区域WEFC系统中的相对重要性，可以精准地反映区域资源约束条件，取值为 SPACE模型中 A 点到正四面体4个面的垂直距离； f（x），g（x），h（x），n（x） 分别为各子系统的评价指数，子系统内各指标的权重采用改进CRITIC 法进行计算[22]。耦合协调度分类方式如表2所示，本文综合参考相关研究[25常用的经验区间划分方法，将系统协调状态划分为发展失衡、过渡性发展和协调发展3个阶段，并进一步细分为若干子类。

表2耦合协调度分类标准

Table 2 Classification criteria of coupling coordination degree

1.1.3空间计量模型构建

本研究采用空间计量模型探究WEFC系统耦合协调度的影响因素。常见的空间计量模型包括空间滞后模型（SLM）、空间误差模型（SEM）以及SDM3类。

首先通过拉格朗日乘数检验（LM）以判断数据是否存在空间依赖性。LM检验结果显示，LM误差检验（LM-Error）统计量（393.18， p<0.001 ）和LM滞后检验（LM-Lag）统计量（703.55， p<0.001 均在 0.1% 的水平上显著，初步表明研究变量存在显著的空间自相关性，使用传统的最小二乘法（OLS）会产生偏差，故应采用空间计量模型进行分析。其次，稳健LM检验（Robust LMtests）结果显示，Robust LM-Error 统计量（246.76， p<0.001 在（204号 0.1% 的水平上显著，而RobustLM-Lag统计量（0.46， p>0.1） 不显著。根据Anselin[2的判断准则，数据极大可能存在的是空间误差自相关性。再次，为了确定SDM是否可以简化为SLM或者 SEM，本研究进行了似然比（LR）检验。结果显示 SDM不能被简化，其对数据的拟合效果显著优于SLM和 SEM。

SDM同时考虑了自变量和因变量的空间溢出效应，模型设定更全面，结果解释更丰富。因此，为探究区域 WEFC 系统耦合协调度的影响因素，本文考虑了社会、经济、环境以及气候变化等因素的影响[27，选取了人口密度（POP）、城镇化水平（Ub）和科技投入强度（RD）代表社会因素，人均GDP（PGDP）、产业结构（IS，以第二产业产值占GDP比重衡量）和对外开放度（FDI）代表经济因素，环境规制强度（ER，以污染治理投资占比衡量）和生态状况（NDVI）代表环境因素，年均气温（Temp）和年均降水量（Pre）代表气候变化因素，构建空间杜宾模型，以进一步探究各因素对空间上WEFC系统耦合协调关系的影响作用。计算公式如下：

式中： Dit 、 Djt 分别为省份 i 及其空间关联省份 j 在 t 年的耦合协调度； Xit 、 Xjt 分别为省份 i 及其空间关联省份j 在 t 年的解释变量，即选取的社会、经济、环境及气候变化因素，均依据统计年鉴及相关数据库获取； wij 为空间权重矩阵，考虑到本研究是以省份为单位进行WEFC系统影响因素的分析，因此选择邻接空间权重矩阵的分析结果作为基准结果； η，ρ 、 θ 为待定参数，分别表示解释变量系数、因变量空间滞后项系数以及解释变量空间滞后项系数，基于极大似然估计方法进行联合估计； η0 为常数项，反映在控制解释变量及空间溢出效应的情况下，被解释变量的基准水平； λt 为时间固定效应； μi 为空间固定效应； εit 为随机扰动项。固定效应包括无固定效应、空间固定效应、时间固定效应以及双向固定效应，本文基准回归采用双向固定效应设定，避免将固有差异或宏观趋势误识别为空间溢出效应，从而提高估计的稳健性。

1.1.4 面板门槛回归模型

基于 Hansen[1]和 Wang[28]提出的面板门槛回归模型及 xthreg 方法框架，本研究聚焦WEFC耦合系统与外延系统的非线性关联机制，识别了WEFC系统耦合演变的门槛效应。被解释变量为WEFC系统耦合协调度，门槛变量为SDM中的10个影响因素，解释变量为待检验非线性影响的核心解释变量，通过遍历门槛变量组合筛选关键影响变量。控制变量设定为除门槛变量与解释变量之外的其他候选变量。具体计算方法参考相关文献[28]，此处不再赘述。

1.2 数据来源

基于数据完整性的考虑，本研究数据覆盖中国30个省（直辖市、自治区）（不包含西藏自治区、港澳台地区）的24a（2000—2023年）大规模面板数据集。数据来源包括国家及省级统计年鉴、能源统计年鉴、农村统计年鉴和年度水资源公报，确保在空间、时间和主题维度上的全面覆盖。夜间照明数据源自美国国家海洋和大气管理局（NOAA），碳排放数据源自EDGAR数据库，NDVI数据源自美国国家航空航天局（NASA）定期发布的MODI3A3数据集。数据包括30个省份30个指标（包含20个耦合协调度指标和10个影响因素指标）的年度数据，共21600个数据，以支持跨尺度分析。同时，为确保数据连续性与可靠性，采用插值法和趋势外推法对缺失值进行估算。

2结果与分析

2.1 WEFC耦合协调度的时空演变特征

基于SPACE模型与改进CRITIC权重法计算得到WEFC系统耦合协调度。各子系统评价指数、贡献系数及耦合协调度均通过标准化、加权与几何映射过程逐步确定，在此基础上刻画中国WEFC系统耦合协调度的时空演变特征，典型年WEFC系统的空间分布结果如图2所示。

图2中国30个省份典型年WEFC系统耦合协调度空间分布

Fig. 2Spatial distribution ofcoupling coordination degre for WEFC nexus in typical years in 30 provinces of China

总体来看，研究期内中国WEFC系统耦合协调度呈波动上升趋势，由2000年的0.56上升至2023年的0.74，由濒临失调阶段转变为初级协调阶段，系统耦合协调性得到持续改善。同时，该演化趋势与传统耦合协调度模型的计算结果一致，表明 SPACE模型得到的耦合协调度具有较好的稳定性与可解释性。

从空间分布格局看，WEFC系统耦合协调度呈现明显的阶梯化和非对称分布格局，表现为东西两翼较高、中部及部分内陆地区相对较低的空间分异。这种空间分异在研究期内具有较强的稳定性和延续性，但其内部结构和演化路径存在明显差异，反映出不同区域在资源禀赋、发展路径及系统约束条件上的显著差异。

在选取的6个年份中，除2000年外，超过半数的省份已进入协调发展状态，处于发展失衡状态的省份低于 10% ，其余省份均处于过渡性发展状态。在区域尺度上，2000—2023年华北地区WEFC系统耦合协调度提升最为显著，由轻度失调逐步转向初级协调。相比之下，西南地区大部分省份协调水平呈下降趋势，区域内部差异扩大。不同区域在系统协同演化过程中并非同步提升或下降，而是呈现出明显的阶段分化。

在省级尺度上，WEFC系统耦合发展趋势可分为持续上升型和波动下降型2类。北京、天津、河北、山西、内蒙古、吉林、黑龙江、上海、江苏、江西、山东、湖北、广东、广西、四川、陕西、青海和宁夏呈持续上升趋势或阶段性改善特征，水、能源、粮食与碳子系统之间的协同性不断增强。其中，内蒙古增幅最为显著，达 153.0% ，于2021年进人优质协调状态，2000—2005年提升幅度最大，主要得益于该阶段资源开发强度相对较低、能源利用效率以及粮食生产能力同步改善，子系统协同改善推动了整体协调水平的快速提升。相较之下，辽宁、安徽、福建、河南、湖南、海南、重庆、贵州、云南、甘肃和新疆呈现出不同程度的波动下降或阶段性回落特征。其中，福建的下降幅度最为显著，从0.84下降至0.47，2020年之后处于濒临失调状态。时间序列上新疆在2010—2015年下降幅度最大，由协调发展阶段回退至过渡性发展阶段，主要与其能源资源开发强度上升、水资源约束与碳排放压力同步加剧、农业用水需求长期较高等因素有关，导致子系统之间的协调性受到阶段性制约。从区域演化的变化来看，东北地区在2010—2015年下降趋势最为明显。该阶段东北地区处于资源型和重工业主导的发展路径调整期，能源消费结构高度依赖煤炭且开发强度上升，而农业生产与水资源利用效率相对滞后。同时，农业生产对水资源的刚性需求与工业用水竞争加剧，而人口持续外流和产业活力不足，导致水资源、能源、粮食与碳排放之间的协调性受到挤压，从而引发耦合协调度的下降。

总体而言，中国WEFC系统耦合协调度的提升并非简单的同步推进过程，而是在总体水平改善的同时，表现出由孤立点状分布向邻域联动演化的特征。不同区域在资源禀赋、发展阶段与环境约束条件上的差异，决定了WEFC系统协同演化路径的多样性。

SPACE模型能够有效捕捉WEFC系统在不同发展阶段下由结构调整与要素配置差异引起的空间异质性，这种空间分异的本质是WEFC系统对外部驱动因素响应的敏感度差异。同时，协同状态在空间上具有显著的集聚与联动特征，不同地区耦合协调水平变化不仅取决于本地要素配置和政策选择，也受到邻近地区技术进步、环境治理和产业调整等外界因素的跨界传导影响，因此，有必要进一步从空间溢出与反馈机制的角度对WEFC系统耦合协调度的影响因素进行识别与分解。

2.2 空间杜宾模型回归结果分析

为揭示WEFC系统耦合协调度的驱动机制，本文基于极大似然估计的双向固定效应SDM对影响因素进行识别，并通过效应分解方法区分直接效应与间接效应，参数估计结果如表3所示。

结果表明，WEF、水-能-碳（WEC）、水-粮-碳（WFC）、能-粮-碳（EFC）和WEFC系统的耦合协调度在省际尺度上均存在显著的空间相关性，空间自相关系数在 0.57～0.70 之间，且均通过了 1% 的显著性检验，说明各系统耦合协调度存在强烈的空间溢出效应，各系统耦合协调演化并非孤立存在的，而是在跨区域资源流动、产业关联、技术扩散与污染传导等作用下形成的空间嵌套结构，系统协调水平具有明显的空间依赖性。因此，WEFC系统的演化本质上是区域协同结构在空间维度上的重构过程。

表3不同耦合系统空间杜宾模型参数估计结果

Table 3Parameter estimation results for the spatial Durbin model in different coupling systel

注：*、**、***分别表示在 p<0.1 、 p<0.05 与 时有统计学意义。

各影响因素中，RD对各系统耦合协调度均表现出显著的正向影响 （p<0.01） ，表明技术投入有助于改善子系统之间的发展匹配程度。由于耦合协调度反映的是多子系统发展水平的协调状态而非单一规模扩张，因此该结果意味着技术创新通过改善要素配置结构与生产技术水平，推动了各子系统的发展。相比之下，Ub、FDI以及ER在基准回归中均表现为显著负向影响。Ub与FDI的负效应反映了城镇空间扩张与资本流入在短期内改变土地利用结构与产业结构，使能源消耗与水资源需求上升，进而加剧水、能源与粮食之间的资源竞争以及碳排放强度。同时，产业升级与结构调整存在滞后，使系统内部子系统适配过程出现阶段性失衡。因此，其负向效应本质上源于转型期的结构再分配压力，而非长期冲突。ER的负效应表明较高的治理投入通过提高污染排放成本迫使企业进行技术改造或产业转移，从而改变能-碳子系统的结构模式。然而，这种调整在短期内可能增加财政压力与企业成本，形成阶段性约束。

2.2.1全国范围内SDM效应分解结果

鉴于 SDM的复杂结构，解释变量的回归系数仅反映对本地区被解释变量的直接效应，显著性也不能完全表示影响因素对系统耦合协调度的真实效应。因此，本研究进一步通过偏微分方法对解释变量的直接效应与间接效应进行分解[29]，结果如图3所示。

基于效应分解结果，WEF、WEC、WFC、EFC和WEFC系统耦合协调度的影响机制呈现显著的空间异质性。不同驱动因素在空间上主要表现为3类作用方式：一是本地和邻区协同提升的扩散型效应（直接与间接效应均为正）；二是本地改善而邻区受损的虹吸型效应（直接效应为正、间接效应为负）；三是本地承压而邻区受益的跨界外部型效应（直接效应为负、间接效应为正）。

RD在各系统中均表现为虹吸型效应，且均通过 1% 显著性检验，总效应稳定为负。表明技术创新在空间上易形成聚集，高端要素向创新能力较强的地区集中，导致周边地区创新能力被削弱，形成技术虹吸效应。ER表现为显著的跨界外部型效应，环境治理投入在本地可能存在短期的成本压力，但通过跨区域污染削减与绿色技术扩散机制，对周边地区产生显著正向溢出，从而使其总体效应显著为正。Ub和FDI同样为跨界外部型效应，其总效应以负向为主，且在多数系统中通过显著性检验。城镇化扩张和外资流入短期内加重本地资源消耗和碳排放强度，对本地形成阶段性冲击，但通过基础设施共享、产业关联和技术外溢等机制，对邻近地区产生正向带动作用，从而在空间上形成本地承压-邻区获益的区域联动格局。

相比之下，PGDP在WEF和WEFC系统中均表现为稳定的扩散型效应，总效应显著为正（如WEFC系统中为0.0718， p<0.01 ）。表明经济发展通过产业结构优化与技术进步可实现规模扩张与效率同步提升。此外，降水的直接与间接效应虽较小但稳健显著，降水增加既缓解了本地区水资源约束，也通过径流和跨区域调配等过程，在区域间引发水资源分配格局的再调整，体现出水资源在空间上的零和博弈特征。

总体来看，全国层面的WEFC系统演化并非线性叠加，而是在创新驱动机制、环境补偿机制与结构再分配机制共同作用下形成的复杂空间协同网络。

2.2.2地理分区SDM效应分解结果

为进一步明晰区域内WEFC系统耦合协调度的影响机制，在华北、东北、华东、华中、华南、西南和西北七大地理分区区域内对各系统的直接效应与间接效应进行分解，效应分解结果如图4所示。总体来看，不同区域系统耦合协调度的影响机制表现出显著的空间分异特征。根据各区域WEFC系统耦合协调度总效应的主要驱动因素，可将全国大致划分为3类：I类为复合驱动型区域，主要出现在华北和西南地区，WEFC系统耦合协调度同时受环境规制、生态条件和技术进步等多重因素共同驱动；Ⅱ类为科技和环境规制双重主导型区域，主要集中在东北、华东、华中和西北地区，系统协同性高度依赖于技术创新和环境治理效率的匹配；Ⅲ类为科技单一主导型区域，在华南地区较为显著，技术创新对系统协同性的主导作用远强于其他因素。

I类区域中，ER与RD总体上对本地及区域内其他省份的WEFC系统耦合协调发展具有正向效应，而NDVI则普遍表现为显著的负向反馈，反映出在资源环境约束较强区域，环境规制与技术进步的协同强化效应与生态建设的资源挤占效应并存。华北地区的ER在所有系统中均表现为正向总效应，主要由强大的间接效应驱动。其中，对WFC与WEFC系统的促进作用最强，表明华北地区的污染治理投入通过空间溢出有效推动了区域内邻近省份的粮食安全与碳排放管理的协同改善。西南地区的ER呈现出极端的系统异质性，对WFC系统展现出强大的正向效应（108.9），但对WEC系统却是强烈的负向效应（－66.1）。这可能是由于西南地区的污染治理导致了高能耗高排放产业向邻近省份转移，对周边地区的能源安全产生负面影响，反映出产业外迁与结构调整过程中的系统重组效应。NDVI在所有系统均表现出强烈的负向总效应，西南地区NDVI对WEC 系统的负效应最大（－88.2），华北地区在WFC系统中的负效应最大（－2.50），表明生态建设与区域内水资源、能源以及粮食生产之间存在着显著的资源竞争和挤占。

Ⅱ类区域中，主导因素集中在RD和ER上，但其效应符号和强度在不同系统间呈现出不同的特征，揭示了不同区域在技术发展路径和环境治理效率上的差异。东北、华中、西北地区的RD和ER对所有系统均呈现负向总效应，说明这些地区在推动经济发展和环境改善的过程中，普遍存在着技术创新绿色化不足与污染治理投入效率低下的困境。技术投入未能有效服务能源与粮食生产过程中的绿色转型，具体表现为华中地区负效应最大的系统为EFC，RD和ER的总效应分别达到最低点（－1201.1和－839.1）；东北地区为WEC系统，RD的总效应达到－313.7；而西北地区对EFC的负效应最强。华东地区的RD总效应为负值，而ER在所有系统中的总效应均为正值（EFC系统中最大，为22.1，且主要为间接效应）。表明华东地区通过环保政策引导促进了水资源、能源、粮食以及碳管理的协同改善。

Ⅱ类区域是RD单一主导型区域，在所有系统中均表现出极强的正向总效应，其中WEC系统中效应最大，为200.9。华南地区的技术创新一方面直接推动本地能源利用效率提升和碳减排能力增强，另一方面凭借较为完善的产业链分工和区域合作，通过绿色技术扩散和产业外溢，对区域内其他省份产生了显著的正外部性。

总体而言，RD和ER作为影响中国WEFC系统耦合协调度的关键驱动因素，其效应方向与强度受区域发展阶段、产业结构及治理效率的影响，呈现出显著且复杂的空间分异效应。I类区域华北、西南地区需在强化科技创新的同时优化污染治理投入结构，缓解生态建设与资源利用之间的内在矛盾。Ⅱ类区域内部分化明显，华东地区已率先通过绿色规制实现协同，而东北、西北等老工业基地仍处于治理效率的转型期；东北、华东、华中、西北地区应着重提升科技成果转化与污染治理力度，通过技术绿色化与产业低碳化实现系统协同发展。Ⅲ类区域华南地区应继续发挥创新驱动与技术外溢的优势，推动绿色技术在全国范围的扩散与共享，形成多区域联动的协同发展格局。

2.2.3稳健性检验

为检验模型对空间权重设定的敏感性，本文采用反距离空间权重矩阵、反距离平方空间权重矩阵以及限距500 的反距离平方空间权重矩阵进行稳健性检验，结果如图5所示。

结果表明，不同权重矩阵下，RD、PGDP、FDI、ER等解释变量的效应方向以及显著性与邻接矩阵的结果基本保持一致，表明研究结论对空间权重矩阵设定具有较强的稳健性。例如，在WEFC系统中，RD在邻接矩阵下的直接效应为3.8，在反距离、反距离平方、限距500的反距离平方3种空间权重矩阵中分别为2.9、3.5、3.5，且均在 1% 水平上显著，说明技术创新对系统耦合协调度的促进作用具有稳定的空间一致性。在不同的空间权重矩阵条件下，RD对所有系统的直接效应均为显著正值，而间接效应均为显著负值。PGDP对所有系统的直接、间接和总效应均表现为正向，证实了经济发展对系统耦合协调度的整体推动作用。FDI的直接效应均为显著负值，间接效应均为显著正值，但影响程度不大。综上，多种空间权重矩阵的检验结果高度一致，表明驱动因素对WEFC系统耦合协调度影响的方向、显著性及溢出结构均具有强劲的稳健性。

但是，上述空间溢出机制并非在所有地区和时期保持不变。无论是技术创新的虹吸效应，还是环境治理、城镇化水平和外资引人的跨界外部型效应，其作用方向和强度在很大程度上取决于地区所处的耦合协调发展阶段以及人口承载、生态环境和气候条件等外部约束。一旦这些关键约束变量跨越特定阈值，驱动因素对 WEFC 系统耦合协调度的作用机制可能发生改变。因此，有必要进一步借助门槛模型识别这一非线性边界条件，揭示不同约束下系统协同演化的门槛效应。

2.3 门槛效应

为进一步揭示不同因素对WEFC系统耦合协调度的非线性影响机制，本文引人面板门槛回归模型，重点考察在不同耦合协调阶段及约束状态下，关键驱动因素对系统协同性的作用是否发生变化。以POP、Ub、RD、PGDP、IS、FDI、ER、NDVI、Temp和Pre共I0个变量依次作为门槛变量进行面板门槛回归分析，结果如表4所示。

总体来看，WEFC系统耦合协调度存在显著的门槛效应，即系统协同水平并非随驱动因素的增加而线性提升，而是存在显著的临界状态。其非线性特征主要集中于社会-经济、环境-经济、气候-经济以及气候变化因素内部等不同维度的交互作用中。

门槛效应类型可分为跨因素门槛效应和气候因素内部门槛效应2类。在跨因素门槛效应方面，社会、环境及气候条件作为门槛变量时，经济因素对WEFC系统耦合协调度的影响存在显著的门槛效应。FDI对系统耦合协调度的影响以社会因素中的POP为门槛存在显著的非线性关系（ （p<0.01） 。当人口规模低于门槛值时，FDI对WEFC系统耦合协调度表现为促进作用；当人口规模超过门槛值时，FDI的作用转为显著的负向抑制作用，反映出随着人口承载压力的上升，外资扩张可能加剧资源消耗与环境约束。NDVI为门槛时PGDP对系统耦合协调度的影响表现出显著的门槛效应 （p<0.05） 。随着生态环境质量的提升，PGDP对系统耦合协调度的影响从正向转变为负向，表明在生态环境质量相对较好的地区，传统的过度或粗放式经济增长模式可能对系统耦合协调发展产生不利影响。IS在气候因素中Pre作为门槛变量时对系统耦合协调度的影响表现出显著的门槛效应 （p<0.05） ，降水较为丰富的地区产业结构对系统耦合协调度的促进作用更大。在气候因素内部门槛效应方面，Pre对WEFC系统耦合协调度的影响以Temp为门槛存在显著的门槛效应（ （p<0.05） 。气温较低时降水对WEFC系统耦合协调度的促进作用更强，气温超过门槛值时促进作用减弱。

表4门槛效应显著性检验及门槛值置信区间估计

Table 4Significance test for threshold effects and confidence interval estimation for threshold va

注：*、**、***分别表示在 p<0.1 、 p<0.05 与 p<0.01 时有统计学意义。

综上所述，WEFC系统耦合协调演化并非连续平滑过程，而是在不同协调阶段和约束条件下呈现出明显的非线性特征，驱动因素对耦合协调度的作用机制在跨越门槛后发生转变。在未跨越阈值时期，耦合协调度的提升依赖于要素投入扩张；而一旦触发人口压力、生态敏感、气候干旱、气温等门槛值，系统耦合协调度更依赖结构优化与适应性调整。在人口密集地区（人口密度大于350人 /km2 应限制高耗水、高耗能、高排放的外资项目，重点引导外资投向节水减排和绿色技术，而在人口较为稀疏的地区（人口密度小于350人 /km2 可以适度扩大开放，发挥对外开放度在技术溢出与结构升级方面的正向作用；在生态环境质量较高地区（NDVI值大于0.5）需从单一追求GDP增速转向以资源效率和排放强度为约束的绿色增长，将系统耦合协调度纳人考虑范围；在水资源较为充沛的地区（年降水量大于 625mm ），应强化产业结构绿色化和能耗强度约束，利用产业升级的正向作用带动系统协调提升；在干旱或水资源脆弱地区，更应优先调整高耗水产业布局，发展节水型产业结构；对于年均气温高于 6.4?C 的地区，政策重点应放在提升用水效率、优化农业与能源用水结构及增强气候适应能力上，而不仅仅依赖自然降水条件改善系统协调。因此，WEFC系统耦合协调调控应以是否跨越关键门槛及系统所处协调阶段为决策起点，实施分阶段、分情景调控。未来政策制定应以WEFC系统耦合协调度及其阶段性特征为决策依据，强化绿色技术扩散、产业结构低碳化和资源利用效率提升的协同推进机制。通过优化跨区域科技合作与环境治理协同，使不同区域形成互补型协同发展格局，从而推动中国WEFC系统向高质量协同发展迈进。

3结论

基于2000—2023年中国30个省的面板数据，构建 SPACE耦合协调度模型、空间杜宾模型与面板门槛回归模型，系统分析了水-能-粮-碳系统耦合协调度的时空演变特征及驱动机制。主要结论如下：

（1）2000—2023年，中国水-能-粮-碳系统耦合协调度总体呈上升趋势，由濒临失调阶段逐步向初级协调演进，空间格局表现为东西两翼较高、中部及部分内陆地区较低的阶梯分布特征。华北地区协调水平提升最为显著，西南地区整体呈下降趋势。约 60% 的省份耦合协调度呈上升趋势，其中内蒙古增幅最大，而福建等省份协调度明显下滑，区域分异格局总体改善的同时保持相对稳定。

（2）水-能-粮-碳系统耦合协调度在省际间存在显著的空间相关性与空间溢出效应。科技投人显著提高本地区耦合协调度，但对邻近地区产生负向空间溢出效应；环境规制在本地区短期内对系统耦合协调度具有抑制作用，但通过污染削减与绿色技术扩散对邻近地区产生正向溢出效应。不同地理分区的驱动因素效应方向与强度差异明显，区域间空间作用方式呈现出“扩散型、虹吸型、跨界外部型效应"等多类型并存的格局。

（3）关键驱动因素对水-能-粮-碳系统耦合协调度的影响存在显著的非线性门槛效应，主要表现为跨因素门槛和气候因素内部门槛2类，人口规模、生态环境质量及气候条件是触发系统协同机制转换的关键约束变量，跨越阈值前后变量作用方向与影响强度存在差异。

参考文献：

[1]RAJAMANIL，JEFFERYL，HOHNEN，etal.National‘fair shares’ireducinggrenhouse gas emissons withintheprincipled framework of international environmental law[J]. Climate Policy，2021，21（8）：983-1004.

[2]王婕，张建云，鲍振鑫，等.粮食产量对气候变化驱动水资源变化的响应[J].水科学进展，2021，32（6）：855-866.（WANG J，ZHANG JY，BAO Z X，et al.Responseofgrain yield toclimate change driving waterresources change[J].Advancesin Water Science，2021，32（6）：855-866.（in Chinese））

[3]LVY X，YAN SY，LAI X M，et al.Dynamic modelingof the water-energy-fod-carbon nexus：scenarioanalysis andsecurity assessment in Sichuan Province，China[J]. Journal of Cleaner Production，2025， 502：145370.

[4]ZHANGYY，YANGY.Cantheresoueandnvironmentaldlemaduetowater-energy-carbonconstraintsbesolvedinteprocessof new urbanization？[J]. Sustainable Cities and Society，2024，114：105748.

[5]王国庆，于学锦，王婕，等.2015—2024年中国水资源和用水结构的时空演变及成因[J].水科学进展，2025，36（6）：949- 958.（WANG GQ，YUXJ，WANG J，etal.Evolution and causes of water resources and water consumption in Chinafrom 2015 to 2024[J].Advances in Water Science，2025，36（6） ： 949-958.（in Chinese））

[6]李原园，李云玲，郭旭宁，等.1956—2016年中国水资源总量时空分布规律及变化特征[J].水科学进展，2025，36（1）：18- 27.（LIYY，LIYL，GUOXN，etalSpatial-temporal distributionand variationcharacterisicsof waterresources in Chinaduring 1956——2016[J]. Advances in Water Science，2025，36（1）： 18-27. （in Chinese））

[7]CHANGFJ，CHENCH，LEEMH，etal.Integrating system dyamics and machine learning toestablishthe Water-Energy-FoodClimate-Land （WEFCL） nexus of aquavoltaics[J]. Journal of Cleaner Production， 2026， 540： 147480.

[8]FAEZIA，POURSADEGHM，BARATR.The Water-Energy-Carbon nexus inagriculture：acomprehensivefeldstudyongroundwater use in Iran[J]. Sustainable Energy Technologies and Assessments， 2025，77： 104333.

[9]王小军，李延峰，降亚楠，等.变化环境下水-生态-能源-粮食纽带关系解析模拟与优化调控：进展与展望[J].水科学进展， 2025，36（6）：986-1003.（WANGXJ，LIYF，JANGYN，etal.Analysis，simulation，andoptimalregulationofthe Water-EcologyEnergy-Food nexusunderchangingenviroments：progessandprospects[J].Advancesin WaterSciene，2025，36（6）：986-1003.（in Chinese））

[10]FENGTT，IUB，RENHR，etal.Optimized modelforcordinateddevelopmentofregioalsstainableagricuturebasedonwaterenergy-land-carbon nexus system：acase studyofSichuanProvince[J].EnergyConversionand Management，2023，291：117261.

[1]MAO SX，OUYAGH，XUEJDiagnosigsupply-demandcoordinationinte water-energy-foodnexus：atriangleframeworfor the Mu Us Sandy Land[J]. Journal of Cleaner Production，2026，544：147684.

[12]HUYN，SUNGD，DUANWL，talAtransboundary wateralocationstrategyforteAralSeaBasinintegratingthewater-foodenergy-environment nexus[J]. The Innovation，2026：101257.

[13]SHAN SH，LINXC，NIHZ，etal.Synergisticmanagementofthe water-fod-energy-carbonnexus inresource-constrained megaregions：adynamicgeneralequlibrumasessmentforBejing-Tanjin-Hebei[J.AgriculturalWaterManagement，026，325： 110205.

[14]LIND，HUMJ，RENZL，etalHerarchicalmodelpredictivecontrolofgrenousenergysystemsconsideringenergywater-carbonfood nexus[J].Energy，2026，347： 140421.

[15]SONG SR，CHENXetalIcatorbaedasessntsoftecuplingordatidegeeadcoelatiosofwate food-ecology nexus in Uzbekistan[J]. Journal of Environmental Management， 2023， 345： 118674.

[16]GUOYZ，ZHONGWY.HowurbanzatioshapesruralageinginChina？EvidencefromspatialDurbinandthresholdregresionodels[J]. Habitat International，2025，163：103487.

[17]HANSENBEreshldfects ion-ynamicpaels：estimatio，testing，ndinferee[J].ualofonmetris，99，9 345-368.

[18]CUIY，ZHOUYL，JNJL，tal.Coordinateddevelopmentevaluationanddiagnosisofregional waterresources-socialeconomyecological environment system basedon mechanical model and risk matrix[J].Journal of Hydrology，2024，633：131013.

[19]王怡睿.空间均衡视角下黄河流域水-能源-粮食系统的时空演变及其影响因素[D].北京：中国科学院大学（中国科学院教育 部水土保持与生态环境研究中心），2023.（WANGYR.Spatial-temporal evolutionand influencing factors of water-energy-fod in YelowRiverBasinfortheperspetiveofspatialequilibriumD].Bejing：Research CenterforEco-Environmental Sciences，Chinese Academy of Sciences，2023.（in Chinese））

[20]XUYY，UZ，WERT，etalSatiemoalpattsdspllovrectsfsyeyocarbodioxdeessoadto reductions in the Yangtze River Delta region in China[J]. Sustainable Cities and Society， 2024，107： 105419.

[21]LIRR，WANG XW，WANG Q.Doesrenewableenergyreduce ecological fotprint at the expenseof economic growth？Anepirical analysis of 120 countries[J]. Journal of Cleaner Production，2022，346：131207.

[22]刘楠，门宝辉，丽娜·托库，等.京津冀地区水-能-粮-碳纽带关系及安全探究[J].水力发电学报，2025，443）：62-75.（LIU N，MENBH，UOKULN，al.Exploingwaterengfood-aboexusandsecuityinejig-Tianj-HebeiregioJ].Julf Hydroelectric Engineering，2025，44（3）： 62-75.（in Chinese））

[23]JINXY，ANGWR，FANGDL，etal.Evaluatioanddrivingforeaalysisofte water-energy-carbonnexusiagriculuralraefor RCEP countries[J]. Applied Energy，2024，353： 122143.

[24]TUZW，ZHAOYX，DIGN，etalStabilityanalysisofateon-vuedneuralnetwks withbothdiscreteanddistrbuteddelays[J]. Applied Mathematics and Computation，2019，343：342-353.

[25]YUANYN，WEISP，WANDQ，etal.Astudyofland-economy-society-cologycoordinationintheYangtzeRiverDeltabasedon coupled coordination degree model[J]. International Review of Economics & Finance， 2024， 95： 103474.

[26] ANSELIN L. Spatial Econometrics： methods and models[M]. Dordrecht： Springer Netherlands，1988.

[27]ZHUBS，GUOR，TANGYN，tal.Upgradingtheindustrialstructurefooptiming water-energy-carbonnexusiegioaltrade network[J]. Journal of Cleaner Production，2024，469： 143231.

[28]WANGQY.Fixed-efectpanel treshold modelusingstata[J].TeStataJoual：PromotingCommunctionsonStatistisnd Stata， 2015，15（1）：121-134.

[29]伏润得，杨振山.中国城市区域高质量发展时空分异及影响因素[J].地理学报，2024，79（4）：819-836.（FURD，YANGZS. Spatio-tempoaldiferentiatioandifueningfactorsofgqalitydevelopntofcitiesinhina[J].ActaGeogapcaSinica4， 79（4）：819-836.（in Chinese））