2001—2018年黃河流域植被NPP的時空分異及生態經濟協調性分析

張振東,常軍

山東師范大學地理與環境學院，濟南 250358

生態環境與社會經濟的穩定和發展有著密切的聯系，隨著經濟發展步伐不斷加快，兩者的矛盾已經成為可持續發展的突出問題，而協調性研究是可持續發展研究的重要方面，也是地理學和相關學科解釋區域系統各個要素過程、模型和機制的重要途徑。因此，區域生態保護和經濟發展的協調性評價是近年來諸多學者研究的熱點[1-2]。2019年習近平總書記將黃河流域生態保護和高質量發展上升為重大國家戰略，強調黃河流域是我國重要的生態屏障和經濟地帶。植被凈初級生產力(net primary productivity，NPP)是指綠色植被在單位時間和面積上通過光合作用產生的全部有機物扣除異養呼吸所消耗的有機量后的剩余部分[3]，是維持區域生態環境的物質基礎。植被NPP不僅能直觀反映區域生態環境的生產能力和質量狀況，也是判定區域生態系統結構和調節生態過程的主要因子，為區域生態環境的動態監測和評估提供高質量的綜合信息[4-5]。在此背景下，探究黃河流域植被凈初級生產力的時空分異規律，并以此對黃河流域生態經濟協調度做出定量評價對我國生態、經濟和社會可持續發展和黃河流域生態保護和高質量發展的重大國家戰略的實施具有重要的理論和現實意義。

黃河流域作為陸地、河流和人類社會三大系統相互影響最為深刻的地區之一，包含典型而又復雜的協調性問題[6]。目前，對中國各級各類生態環境和社會經濟發展協調性的研究主要分為兩方面：一方面是對不同尺度、類型區位條件下生態經濟協調性的適應機制及評價方法的研究[7-8]，如陳端呂等[9]以環洞庭湖區生態經濟系統為研究對象，通過構建評價指標體系探討了系統因子對于生態環境與社會經濟協調的調控適應機制；于忠華等[2]和王娜[7]則利用生態環境和經濟發展的典型指標對不同城市生態和經濟的協調性作出定性評價；而目前對生態經濟協調性的定量評價則主要以現有植被NPP成果為基礎計算研究區生態價值總量，構建生態經濟協調耦合度模型[10-12]。另一方面則是在社會發展的不同領域的應用背景下對生態經濟協調性進行評價及動態監測[2,6,13-14]，如經濟發展、農業發展及鄉村振興等領域[15-17]。但是，在研究區尺度和類型選擇上，主要以省、市、縣和地區等小范圍行政區劃為主，對大時空尺度整體地貌單元如黃河流域的研究較少；且生態經濟協調性評價指標的選擇和體系的構建也存在一定的主觀性，只能反映生態環境的部分特征，導致不同研究測算結果差異較大；另外，在數據源的選擇上，現有NPP產品沒有充分考慮不同研究區土地利用類型的差異性，精度較低[10]。而植被在光合作用下合成NPP的過程總是伴隨著區域生態環境中固碳、釋氧和有機物固定三項主要的生態過程，利用植被NPP的估算結果和光合作用方程結合區域經濟發展現狀將三項生態過程的物質量進行估算并換算為價值量，可以使不同生態過程的量綱統一起來[11]，且遙感數據更新快、參數少，方便對大范圍研究區進行長時間尺度的觀測，較好地彌補了上述研究中的不足。因此，本研究綜合利用CASA(carnegie ames stanford approach)和VPM(vegetation photosynthesis model)模型(CASA-VPM模型)，對黃河流域植被NPP進行反演，探究2001-2018年黃河流域NPP的時空分異特征；并以此為基礎構建生態經濟協調耦合度模型，對黃河流域生態經濟協調耦合程度進行定量分析，旨在為黃河流域生態環境保護和經濟的可持續發展提供理論依據。

1 材料與方法

1.1 研究區概況

黃河作為中國第二長河，分別由位于青藏高原巴顏克拉山的查哈西拉山和各姿各雅山支脈以及星宿海西的約古宗列曲三源匯聚而成。流域范圍為E95°53′45″～119°12′48 ″ ，N32°9′33″～41°50′20″，南北方向長約1 444 km，東西方向長約2 324 km，流域面積約7.95×105km2，約占陸地國土總面積的8.3%。流域內地勢西高東低，地貌差異懸殊[18]，主要劃分為青藏高原、內蒙古高原、黃土高原和黃淮海平原4個地貌單元；海拔落差大，海拔高程為-8～6 241 m。黃河流域土地覆被類型主要以草地、農作物、闊葉林、稀疏植被為主，分別占流域面積的69.18%、19.79%、6%、2.73%，其他植被類型僅占2.3%。黃河流域總人口約4.2億，2018年流域GDP約占全國的26.5%，隨著新型城鎮化和第二/三產業的發展，流域內生態環境保護與經濟發展的矛盾日益突出，嚴重制約了黃河流域生態經濟的可持續發展。

1.2 數據來源及處理

1)遙感數據。NDVI和地表反射率數據均來自美國國家航空航天局網站(http://ladsweb.nascom.nasa.gov/)。選取2001、2005、2010、2015、2018 五年MOD13A1產品575景，時間分辨率為16 d，空間分辨率為500 m；選取MOD09A1產品(近紅外波段和短波紅外波段)1 140景，時間分辨率為8 d，空間分辨率為500 m。利用MRT(MODIS reprojection tool)選取適合研究區的蘭伯特投影對數據進行鑲嵌及投影變換；進行掩膜處理后運用最大值合成法(MVC)得到研究區月周期的NDVI和地表反射率數據。

2)土地覆被數據。土地覆被數據來自MODIS三級土地覆蓋類型產品MCD12A1，根據研究區植被類型實際分布情況，最終選取植被功能型(肺功能)方案將研究區土地覆被類型劃分為7種：草地、農作物、闊葉林(常綠闊葉林、落葉闊葉林)、針葉林(常綠針葉林、落葉針葉林)、灌木、混交林、稀疏植被。

3)氣象數據。從中國氣象數據網(http://data.cma.cn/)獲取研究區2001、2005、2010、2015和2018年92個氣象站點(研究區內84個)月平均氣溫、月平均降水量和日照時數的日值數據后采用克里格(Kriging)插值法得到空間分辨率為500 m的研究區月平均氣溫、月平均降水量、月日照百分率的柵格數據集。

4)其他數據。人均和各地級市GDP來源于各省統計年鑒，并以2018年為基準年，進行可比價變換后利用ArcGIS生成柵格數據集；矢量邊界數據從國家特殊環境、特殊功能觀測研究臺站共享服務平臺(http://www.crensed.ac.cn/)獲??；DEM數據來源于美國國家航空航天局的全球DEM數據集(http://ladsweb.nascom.nasa.gov/)。

1.3 研究方法

研究技術路線如圖1所示，將CASA與VPM模型相結合，計算黃河流域植被NPP，分析研究區植被NPP的時空分異特征；利用植被NPP，結合研究區各項社會經濟數據構造黃河流域生態經濟協調耦合度模型，對研究區生態、經濟及兩者的協調性作出定量評價。

圖1 植被NPP模擬及生態經濟協調性分析建模流程Fig.1 Vegetation NPP simulation and ecological economic coordination analysis modeling process

1) CASA-VPM模型的構建。CASA-VPM模型是在利用原始CASA模型反演太陽總輻射能(LSO)、光合有效輻射吸收比例(RFPA)、光能利用率(ε)中溫度脅迫系數Tε1、Tε2等參數的基礎上，引入VPM模型計算ε的水分脅迫系數Wε，利用地表水分指數(ILSW)代替區域實際蒸散模型[19]。CASA-VPM模型的優勢是利用遙感數據進行反演，覆蓋范圍廣，參數少，數據獲取相對簡單，可操作性強[4,20-21]，計算公式如式(1)、(2)所示。

NPP=LSO(x,t)×RFPA(x,t)×ε(x,t)×0.5

(1)

ε(x,t)=Tε1×Tε2×Wε×εmax

(2)

式(1)中，x表示逐個像元；t表示月份；NPP表示植被凈初級生產力，gC/(m2·month);LSO(x,t)表示像元x在t月份的太陽總輻射能，MJ/m2；RFPA(x,t)表示植被層對光合有效輻射的吸收比例；0.5為常數，表示太陽有效輻射中植被可以利用的部分(波長0.4～0.7 μm)；ε(x,t)表示逐個像元t月份的光能利用率，gC/MJ。具體計算公式如(3)、(4)、(5)所示。

(3)

(4)

(5)

式(3)中,a、b為計算LSO的常數，分別取值為0.353、0.543[4]，n/N為日照百分率，aR為天文輻射，具體計算公式詳見參考文獻[22] 。

研究表明，NDVI和RS與RFPA均存在較好的線性關系[23-24]。RS為比值植被指數，由式(4)計算可得。式(5)中，INDV(x,t)和RS(x,t)分別表示像元x在t月份的NDVI和RS值；INDV(i,max)、RS(i,max)、INDV(i,min)和RS(i,min)表示某種植被類型將月NDVI和SR值累積排序后在95%和5%處的取值計算所得；RFPAmax和RFPAmin表示FPAR的最大值和最小值，與植被類型無關，一般為常數，即RFPAmax=0.950，RFPAmin=0.001[17,19]。為提高計算精度，選擇2種植被指數計算RFPA的均值作為最終RFPA的估算值。

ε為植被通過光合作用將太陽輻射能轉換為自身有機碳的效率[25]。式(2)中，Tε1、Tε2反映溫度對光能利用率的影響，計算方法已經相對完善，詳見參考文獻[24]，Wε反映植被所含水分對光能利用率的影響，以往大部分研究通過區域實際蒸散量和區域潛在蒸散量來計算，模型復雜，經驗系數較多，計算精度難以保證[5,26]。LSWI可以反映植被冠層水分狀況，對植被自身水分含量較敏感[27-28]。因此，為提高Wε的計算精度，本研究利用ILSW來計算Wε，計算公式如式(6)、(7)所示。

(6)

(7)

Wε=(1-Wε1)+0.5

(8)

式(6)中，ILSW由MOD09A1數據的近紅外波段(ρNIR)和短波紅外波段(ρSWIR)計算可得。式(7)中ILSWmax指植被生長期內單個像元的最大值。

通過查閱文獻，發現通過式(7)計算所得Wε1的范圍為0(極端濕潤)～1(極端干旱)，與CASA模型中Wε取值相反[19]。為與CASA模型相適應，參考Bao等[29]研究成果對公式進行了完善，如式(8)所示。完善后Wε的取值范圍為0.5

εmax表示植被最大光能利用率，不同植被的最大光能利用率不同，本研究參考朱文泉等[30]模擬的不同植被類型的εmax作為黃河流域不同植被類型的εmax，詳見表1。

表1 研究區各植被類型最大光能利用率Table 1 Maximum light energy utilization rate of various vegetation types in the study area gC/MJ

2)生態經濟協調耦合度模型的構建。植被光合作用是陸地碳循環的重要動力，伴隨植被光合作用發生的能量固定、制氧和固碳3個過程不僅是承載陸地生態系統的能量流動和物質循環的主要動力，更是生態系統自然資本價值的主要組成部分[31]。因此，本研究將生態價值分為有機物價值、釋氧價值和固碳價值3部分，生態價值計算公式如式(9)所示。

1.63×702.95+PNPim×1.2×400

(9)

生態和經濟作為黃河流域最為重要的兩個子部分，兩者之間有著復雜的相互作用和耦合應力機制[11]。本研究借鑒物理學中容量耦合系統概念，構造生態經濟協調耦合度模型。計算公式如(10)、(11)、(12)所示。

(10)

T=α×Ei+β×Pi

(11)

(12)

耦合度雖然可以反映生態與經濟之間的相互作用，但不能反映兩者協調狀況的好壞，因此，本研究利用式(11)和(12)進一步構建協調耦合度模型。式中T為生態與經濟的綜合發展指數，α和β分別為生態和經濟在發展中所占權重，本研究默認生態保護與經濟發展同等重要，因此，α和β均取0.5，T值越大表示研究區生態與經濟的整體發展水平越高[9]；D表示研究區生態經濟協調耦合度，取值范圍為0(嚴重失調)～1(高度協調)。本研究參考已有研究成果并結合研究區生態與經濟實際，將研究區耦合度劃分為4種類型，協調耦合度劃分為5種類型，詳見表2[3,10,32-33]。

表2 黃河流域生態經濟耦合度及協調耦合度類型劃分Table 2 Division of ecological and economic coupling degree and coordination coupling degree in the Yellow River Basin

2 結果與分析

2.1 黃河流域植被NPP時空分異特征

1)黃河流域2001-2018年均NPP變化特征及空間分布。 模擬結果(圖2)顯示，2001-2018年研究區年均NPP最小值為243.71 gC/(m2·a)，最大值為375.51 gC/(m2·a)，多年均值為288.33 gC/(m2·a)；2010年之前研究區年均NPP變化不大，處于動態平衡狀態，2010年后則增長迅速，呈現出波動增加的趨勢。各范圍年均NPP的流域面積占比顯示，研究區極低值(<150 gC/(m2·a))和低值(150～250 gC/(m2·a))面積占比不斷減小，所占流域面積百分比之和由58%減少至29%；中值(250～350 gC/(m2·a))及中值以上面積占比不斷擴大，所占流域面積百分比之和由42%增加至71%，年均NPP>250 gC/(m2·a)的區域顯著增加。

圖2 2001-2018年黃河流域年均NPP 年際變化及流域面積占比Fig.2 Annual interannual change of NPP and percentage of area in the Yellow River Basin from 2001 to 2018

由圖3可以看出，研究區2001-2018多年平均NPP呈現出南高北低，平原、盆地高，高原、山地低的空間分布特征。極高值區(350～450 gC/( m2·a))、高值區(>450 gC/(m2·a))主要分布在黃河流域上游青藏高原和黃土高原過渡地帶、中游的寧夏平原和河套平原、下游的關中平原和流域干流及各支流流經的河谷地帶，這些地區地形較為平坦，黃河干流及多條支流經過，水熱條件充足。中值區(250～350 gC/(m2·a))主要集中在上述地貌單元的外緣，極低值區(150～250 gC/(m2·a))和低值區(<150 gC/(m2·a))則主要集中在黃河流域中部降水較少、植被覆蓋率較低的黃土高原以及西北部海拔較高的山區。

圖3 2001-2018年黃河流域多年平均NPP 空間分布Fig.3 Spatial distribution of the average annual NPP in the Yellow River Basin from 2001 to 2018

2)黃河流域2001-2018年不同植被類型NPP月平均變化特征。對研究區不同植被類型月平均NPP變化趨勢(圖4)分析發現，不同植被類型月平均NPP變化呈現出單峰型周期性變化特征，且隨時間變化的趨勢和周期相同。生長季均集中在2-11月；月平均NPP均在7月份達到最高，2月達到最低；2-7月為增長期，7-11月為減少期，其中2-3月為緩慢增長階段，3-7月為快速增長階段，7-10月為快速減少階段，10-11月為緩慢減少階段，11月到來年2月則為動態停滯階段。但是，不同植被類型月平均NPP變化幅度和變化速率具有明顯的區分度，通過觀察不同植被類型變化曲線可以發現，闊葉林月平均NPP變化幅度和變化速率最大，其次是混交林，農作物、稀疏植被和針葉林的變化幅度和變化速率基本相同，處于中等水平且大于草地，灌木變化幅度和變化速率最小。另外，通過對研究區多年逐月平均NPP進行反演發現2-7月逐月平均NPP為增長階段，其中5月份增長最快，7月份達到最大值；7-12月為減少階段，9月份減少最快，12月份達到最小值，以上分布特征也與不同植被類型月平均NPP變化的趨勢和周期相適應。

圖4 2001-2018年黃河流域逐月平均NPP變化趨勢Fig.4 The average monthly NPP change trend of the Yellow River Basin from 2001 to 2018

2.2 黃河流域生態與經濟發展狀況評價

基于2018年動力煤中長期合同平均價格計算多年有機物價值，并與制氧和固碳價值累加得到研究區年總生態價值(億元/a)，同時以2018年為基準年通過國內生產總值指數進行可比價換算得到研究區年總經濟價值(圖5)。2001-2018年黃河流域年總生態價值擬合后呈現出“U”型曲線的特征(R2=0.37)，2010年下降至最低值，為4 338.13億元，2010年以后持續上升，2018年研究區生態價值為8 053.77億元，是2001年生態價值的1.51倍。而研究區年總經濟價值擬合后則呈現出線性特征(R2=0.98)，并以6 025.6億元/a的速率持續增長，2018年研究區經濟價值為129 771.3億元，是2001年經濟價值的4.5倍，增長速率遠超生態價值總量的增長速率。

圖5 2001-2018年黃河流域生態與經濟價值變化趨勢Fig.5 Changes in the ecological and economic values of the Yellow River Basin from 2001 to 2018

單位生態價值可以較為準確地反映地區整體發展情況及對生態保護的投入水平。 2001-2018年研究區單位生態價值及冷熱區空間分布(圖6)表明，高值區(120～160萬元/km2)和極高值區域(>160萬元/km2)主要集中在研究區西南部青藏高原與黃土高原邊緣過渡地帶、東南部的關中平原及下游各支流沖擊平原區，與流域內年均NPP的空間分布狀況具有較高的一致性；低值區(40～80萬元/km2)和極低值區(0～40萬元/km2)則主要位于內蒙古高原中部、黃土高原西北部。此外，通過計算可以發現單位生態價值較低的區域(極低值區、低值區)所占流域面積由62.83%減小至34.62%，較高的區域(高值區和極高值區)所占面積由17.91%增加至35.36%；單位生態價值所占比重最大的值域由2001年的低值區(25.56%)變為2018年的中值區(29.86%)?？傮w上研究區單位生態價值不斷增加。

圖6 2001-2018年黃河流域單位生態價值空間分布及人均經濟價值冷熱點分析圖Fig.6 Spatial distribution of ecological value per capita and cold hotspot analysis of economic value per capita in the Yellow River Basin from 2001 to 2018

另外，利用流域內地級市人均GDP基于冷熱點分析法分析流域經濟的空間集聚特征，結果顯示：極冷點區和冷點區主要集中在天水、甘南、定西、固原、平涼、黃南、海東、白銀等山地與高原邊緣過度地區；熱點區和極熱點區主要集中在鄂爾多斯、巴彥淖爾、呼和浩特、銀川、包頭等經濟集聚作用強的地級市。

2.3 黃河流域生態經濟協調性分析

揭示黃河流域生態保護與經濟發展之間的關系對分析研究區生態經濟協調性具有重要意義。本研究擬合了生態經濟協調耦合度(D)、生態經濟耦合度(C)、生態經濟綜合評價指數(T)的年際變化曲線(圖7)，結果顯示：研究區2001-2018年生態經濟耦合度均在調和耦合及以上階段(0.5

圖7 2001-2018年黃河流域年際D，C，T變化趨勢Fig.7 Interannual D，C，T trends in the Yellow River Basin from 2001 to 2018

為進一步從整體上評價研究區生態經濟協調耦合度，揭示2001-2018年研究區生態經濟協調耦合度動態變化特征，得到2001-2018年研究區逐像元生態經濟協調耦合度空間分布現狀并將其分為5類(圖8)?？傮w上2001-2018年研究區生態經濟協調耦合度不斷上升，協調區(基本協調、中度協調、高度協調)所占流域面積比由65.09%上升至75.59%。具體來說，中度協調區(0.5

圖8 2001-2018年黃河流域生態經濟協調耦合度空間分布圖Fig.8 Spatial distribution of eco-economic coordination coupling degree in the Yellow River Basin from 2001 to 2018

從空間分布來看，研究區生態經濟協調耦合度呈現出“大分散，小聚集” 的條帶狀分布特征，2001年研究區22個地級市處于失調區(嚴重失調、中度失調)，研究區人均GDP最低的20個城市中失調區占16個，2018年研究區位于失調區的地級市減少為11個，研究區人均GDP最低的20個城市中失調區占9個，研究區生態經濟協調耦合度與經濟發展水平呈現出高度一致性，說明經濟發展水平是影響流域生態經濟協調耦合度的主要因素。另外，近1/3地級市協調耦合狀態發生變化，其中，忻州、呂梁、運城、渭南等11個地級市由不協調進入協調狀態，而玉樹、甘孜、果洛等5個自治州由協調進入不協調狀態。其中，鄂爾多斯、榆林、延安、咸陽等地級市由基本協調進入中度協調狀態；西安、漢中、安康等地級市由中度協調就進入高度協調；而位于青海省的海南、黃南、海東等自治州則由中度協調進入基本協調狀態。

3 討 論

傳統CASA模型在計算水分脅迫系數時多采用基于實際觀測數據的區域蒸散量模型，參數多且不確定性強，獲取難度大。本研究綜合運用CASA和VPM模型，在像元尺度上對研究區2001-2018年植被NPP進行了估算，實現了對研究區長時間序列、高空間分辨率的動態觀測，提高了計算的準確度；得到2001-2018年研究區年均NPP最小值為243.71 gC/(m2·a)，最大值為375.51 gC/(m2·a)，多年均值為288.33 gC/(m2·a)。2001-2008年研究區年均NPP總體上則呈現出波動增加的趨勢?？臻g上呈現出南高北低；平原、盆地高，高原、山地低的分布特征；不同植被類型月平均NPP呈現出單峰型周期性變化特征且隨時間變化的趨勢和周期相同，但變化幅度和變化速率具有明顯的區分度。通常來說，林地在水熱條件相同的情況下積累NPP的能力遠大于草地和農作物[4]，所以導致闊葉林和混交林月平均NPP值及變化幅度和變化速率遠大于其他植被類型，而由于黃河流域是我國重要的農牧業生產基地，受人為灌溉、保育及物候等因素影響較大，農作物和草地面積廣布，一定程度上提高了農作物和草地月平均NPP及變化幅度和變化速率，灌木林分布面積較小，僅在賀蘭山區有零星分布，受當地水熱條件限制，月平均NPP及變化幅度和變化速率均為各植被類型最小。但是，利用CASA和VPM模型在像元尺度估算植被NPP仍然不是具有完全物理意義的解決方案，需要進行后續研究。

本研究對黃河流域生態與經濟發展狀況進行了評價，2001-2018年研究區年總生態價值和年總經濟價值擬合后分別呈現出“U”型曲線和線性的特征，后者增長速率遠超前者；空間上單位生態價值的高值區和極高值區主要集中在研究區西南部青藏高原與黃土高原邊緣過渡地帶、東南部的關中平原及下游各支流沖擊平原區，這些地區多位于河谷、盆地和平原，水熱條件充足，土層厚，土壤肥力水平高，多為優良的草地和農作物種植區，而低值區和極低值區則主要位于內蒙古高原中部、黃土高原的西北部，受地形和氣候因素影響較大，深居內陸，海拔較高，海洋濕潤氣流難以到達，氣候干燥且土層稀薄，植被覆蓋率低。而經濟集聚的極冷點區和冷點區主要集中在天水、甘南、定西、固原、平涼、黃南、海東、白銀等山地與高原邊緣過渡地區，這些地級市經濟模式單一，工業基礎薄弱，人才流失嚴重，導致經濟發展水平偏低且集聚作用弱，一定程度上阻礙了流域內經濟的均衡發展，熱點區和極熱點區主要集中在鄂爾多斯、巴彥淖爾、呼和浩特、銀川等經濟集聚作用強的地級市，這些地級市位于黃河流域的“金三角”地帶，大多礦產資源豐富，基礎工業體系較為完備，促進了流域內經濟的發展，集聚作用較強。

通過計算發現2001-2018年研究區生態經濟耦合度(C)呈現出倒“S”型曲線的特征，生態經濟整體發展水平(T)和協調耦合程度(D)則以“W”型曲線持續波動上升，2012年前后C和T、D的變化趨勢發生了反轉，造成這種變化的主要原因是2012年之前經濟發展方式粗放，大多數地區經濟發展勢頭迅猛，但環保意識薄弱，對生態和經濟關系的定位仍處于初始探索階段[13]，2012年以后，隨著生態文明戰略的實施，各地區由單純追求經濟指標的發展轉變為生態經濟協調發展，逐漸意識到生態保護對經濟發展的保障作用，人民環保意識不斷加強，進而C、D、T三者協調上升?？臻g上研究區生態經濟協調耦合度呈現出“大分散，小聚集”的條帶狀分布特征；經濟發展水平是流域生態經濟協調耦合度的主要影響因素，呈現出高度的正向一致性。結合圖3可以發現，協調區主要位于研究區中東部和四川盆地邊緣，這些地區多位于平原、河谷和盆地，水熱條件充足，農作物和草地廣布，植被覆蓋率高，生態價值較高且區位優勢明顯，交通便利，文化、衛生等基礎設施完善，技術密集型產業和服務業作為經濟發展的主要驅動力，經濟發展對生態保護產生的壓力相對較小。失調區則主要位于研究區西部黃土高原和青藏高原邊緣，這些地區一方面雖自然資源相對豐富，但經濟發展方式粗放，經濟發展對生態環境產生的壓力較大，另一方面，這些區域多位于生態保護區，生態環境脆弱，導致生態保護與經濟發展相互抑制。而結合圖8可以看出，研究區生態經濟協調耦合度的提高主要來源于基本協調區和中度失調區生態經濟協調耦合度的持續改善，說明近年來我國不斷加強生態保護力度，使生態得到快速發展，生態經濟的整體協調程度有了較大改善，但是長期來看，生態保護和經濟發展的矛盾依然存在，注重嚴重失調區生態經濟協調耦合發展和鞏固高度協調區生態經濟協調耦合發展成果是今后應該關注的重點。

總之，生態保護和經濟發展之間相互作用相當復雜，兩者既可能相互促進又可能相互抑制。因此，下一步對生態保護和經濟發展之間的關系及對兩者之間的驅動機制進行研究可能會成為下一步深化研究的重點。

通過研究發現，研究區生態經濟協調耦合失調區中超過80%屬于經濟滯后區域，經濟發展水平是流域生態經濟協調耦合度的主要影響因素。另外，目前研究區生態經濟協調耦合度的提高主要來源于中度失調區和基本協調區生態經濟協調耦合度的持續改善，而嚴重失調區生態經濟協調耦合度的提高是今后應該關注的焦點。因此，結合黃河流域生態經濟發展現實，為推進黃河流域生態保護和高質量發展，提出如下建議：(1)經濟發展滯后區應構建基于生態環境的流域多元經濟發展機制及居民生態補償機制。一方面，因地制宜，加快推進地區新舊動能轉換，優化工業產業結構，制定靈活、差異的經濟發展政策，改變粗放的、單一的經濟發展方式；建立健全人才培養及吸引機制，加大高端人才、前沿技術的引進能力，不斷提升流域經濟滯后區的自我發展能力。另一方面，建立健全基于居民生計、發展機會和政策等一系列生態補償機制，鼓勵居民主動從各個方面促進本地區生態經濟協調耦合發展。(2)針對嚴重失調區，充分利用當地自然資源優勢，提高自然資源的循環利用率，不斷探索建立與當地資源環境相適應的以保護地為主體的綠色產業、綠色能源、綠色消費的發展方式，降低經濟發展對生態環境的壓力。(3)推動構建黃河流域生態經濟協調耦合發展一體化治理監管制度體系，加快實現生態經濟協調耦合發展的統一謀劃，系統治理。提高研究區生態經濟協同耦合發展的整體性、系統性，形成政府、社會、市場相互監督相互促進共同治理的現代化治理監管格局。