新疆塔里木河流域县域农业低碳生产率时空格局及影响效应研究

doi:10.12118/j.issn.1000-6060.2022.358

Abstract

Abstract:

Improving low-carbon productivity in agriculture is an effective path to ensure ecological priority and food security in arid areas. In this study, a super-efficient SBM model based on nonexpected output is used to measure the agricultural low-carbon productivity of 42 counties (cities) in the Tarim River Basin of Xinjiang, China from 2000 to 2020. The model uses trend surface analysis and spatial autocorrelation to portray the spatial and temporal characteristics of agricultural low-carbon productivity at the county scale, and constructs a spatial Durbin model and a geographic detector to reveal the spillover effects of influencing variables and spatial heterogeneity. The results show that: (1) The low-carbon productivity of agriculture in the Tarim River Basin shows a “W-shaped” stage, with a concave decreasing pattern of “downstream-upstream-midstream” between counties, and a spatial clustering. (2) Mechanization intensity and farmers’ income level have significant positive spillover effects on low-carbon productivity in county agriculture; population urbanization has significant negative spillover effects on low-carbon productivity in county agriculture; industrialization level and financial support to agriculture have significant negative direct effects on low-carbon productivity in agriculture; and the spillover effects of economic development level and per capita production scale are not significant. (3) The interaction type of the low-carbon productivity impact variables in county agricultural shows an enhanced type in general, implying the trend that low-carbon productivity in county agriculture is increasingly influenced by multiple variables. Therefore, it is important to explore the spatial and temporal patterns of low-carbon productivity in county agriculture and the influencing factors to achieve a coordinated development of low-carbon agriculture in the Tarim River Basin and even in Xinjiang.

Key words: agricultural low-carbon productivity, super-efficient SBM model, geographic probe, spatial spillover, Tarim River Basin

MU Jiawei, QIAO Baorong, YU Guoxin. Spatial and temporal patterns of agricultural low-carbon productivity and its influence effects in the counties of Tarim River Basin, Xinjiang[J].Arid Land Geography, 2023, 46(6): 968-981.

Figures/Tables 15

Tab. 1

Tab. 2

Tab. 3

Fig. 1

Fig. 2

Tab. 4

Efficiency values and decomposition items for 42 counties and cities in Tarim River Basin from 2000 to 2020"

地区	LCP	PEC	SEC	PTC	STC	地区	LCP	PEC	SEC	PTC	STC
库尔勒市	1.0740	1.0231	1.0622	1.0852	1.1163	乌恰县	1.3924	1.2289	1.0883	0.9745	1.3892
轮台县	1.1680	1.1227	1.0572	1.2722	1.0443	喀什市	1.1952	1.1616	1.0151	1.2058	1.0398
尉犁县	1.1760	1.2154	1.2095	1.1727	1.1206	疏附县	1.0829	1.1083	1.0503	1.2986	0.9593
若羌县	1.0992	1.0062	1.0295	1.0377	1.0047	疏勒县	1.1202	1.1051	1.0241	1.2478	1.0012
且末县	1.1218	0.9921	0.9956	1.2047	1.0059	英吉沙县	1.0559	0.9912	1.0040	1.0421	1.0135
焉耆回族自治县	1.1090	1.0173	1.0264	1.2066	1.0408	泽普县	1.0322	1.1105	1.0848	1.1932	0.9979
和静县	1.1264	1.0807	1.0079	1.2434	0.9659	莎车县	1.3514	1.1377	1.3610	1.2387	0.9543
和硕县	1.0696	1.1488	1.1138	1.2008	1.0470	叶城县	1.2152	1.0957	1.2071	1.2327	0.9868
博湖县	1.1111	1.0465	1.0065	1.1454	1.0097	麦盖提县	1.2668	1.1818	1.0665	1.1993	1.0334
阿克苏市	1.1177	1.1241	1.3160	1.1729	1.1447	岳普湖县	1.0520	1.0366	1.0120	1.1027	1.0067
温宿县	1.1524	1.1635	1.1111	1.4487	0.9071	伽师县	1.3242	0.9983	1.2403	1.1834	1.1818
库车县	1.2105	1.1765	1.0581	1.2387	1.0044	巴楚县	1.1450	1.1316	1.1294	1.3043	1.0310
沙雅县	1.0722	1.1585	1.0143	1.1979	0.9933	塔什库尔干塔吉克自治县	1.7783	1.2006	1.4720	1.0121	1.3735
新和县	1.0546	1.1306	1.0119	1.2201	0.9867	和田市	1.1233	1.0534	1.0473	1.1339	1.0004
拜城县	1.0917	1.0785	0.9925	1.1844	0.9786	和田县	1.1770	1.0902	1.0109	1.2182	0.9923
乌什县	1.1013	1.4090	1.1339	1.2308	1.0097	墨玉县	1.1015	1.0711	1.0612	1.3214	1.0005
阿瓦提县	1.1043	1.1312	1.0070	1.1920	1.0092	皮山县	1.2342	1.0771	1.0381	1.2114	1.0440
柯坪县	1.1762	1.0709	1.1467	1.1610	1.0676	洛浦县	1.0958	1.0983	1.0043	1.1380	0.9982
阿图什市	1.0319	1.0042	0.9994	1.1047	1.0428	策勒县	1.2077	1.1039	1.0240	1.1824	1.0481
阿克陶县	1.0449	0.9831	1.0001	1.0910	1.0273	于田县	1.4609	1.4957	0.9920	1.1708	1.0217
阿合奇县	0.9856	0.9518	0.9895	0.9828	1.1466	民丰县	1.2172	1.0532	1.1023	1.0313	1.2797

Tab. 4

Fig. 3

Fig. 4

Tab. 5

Tab. 6

Tab. 7

Tab. 8

Tab. 9

Tab. 10

Tab. 11

References 28

[1]	夏四友, 赵媛, 许昕, 等. 近20年来中国农业碳排放强度区域差异、时空格局及动态演化[J]. 长江流域资源与环境, 2020, 29(3): 596-608.
	[Xia Siyou, Zhao Yuan, Xu Xin, et al. Regional inequality, spatial-temporal pattern and dynamic evolution of carbon emission intensity from agriculture in China in the period of 1997-2016[J]. Resources and Environment in the Yangtze Basin, 2020, 29(3): 596-608.]
[2]	田成诗, 陈雨. 中国省际农业碳排放测算及低碳化水平评价--基于衍生指标与TOPSIS法的运用[J]. 自然资源学报, 2021, 36(2): 395-410. doi: 10.31497/zrzyxb.20210210
	[Tian Chengshi, Chen Yu. China’s provincial agricultural carbon emissions measurement and low carbonization level evaluation: Based on the application of derivative indicators and TOPSIS[J]. Journal of Natural Resources, 2021, 36(2): 395-410.] doi: 10.31497/zrzyxb.20210210
[3]	樊胜根. 中国农业生产与生产率的增长新的测算方法及结论[J]. 农业技术经济, 1998(4): 27-35.
	[Fan Shenggen. A new method and conclusion for measuring the growth of agricultural production and productivity in China[J]. Agricultural Technology and Economics, 1998(4): 27-35.]
[4]	新疆维吾尔自治区统计局. 新疆统计年鉴[M]. 北京: 中国统计出版社, 2019: 12-18.
	[Xinjiang Uygur Autonomous Region Bureau of Statistics. Xinjiang statistical yearbook[M]. Beijing: China Statistics Press, 2019: 12-18.]
[5]	鲍超, 徐牧天. 西北地区投入产出效率的综合测度与时空变化[J]. 干旱区地理, 2021, 44(6): 1772-1783.
	[Bao Chao, Xu Mutian. Comprehensive measurement and spatiotemporal variations of input-output efficiency in northwest China[J]. Arid Land Geography, 2021, 44(6): 1772-1783.]
[6]	田云, 林子娟. 中国省域农业碳排放效率与经济增长的耦合协调[J]. 中国人口·资源与环境, 2022, 32(4): 13-22.
	[Tian Yun, Lin Zijuan. Coupling coordination between agricultural carbon emission efficiency and economic growth at provincial level in China[J]. China Population, Resources and Environment, 2022, 32(4): 13-22.]
[7]	王钰凯, 郭辉. 新疆旅游业生态效率时空分异与收敛性研究[J]. 干旱区地理, 2022, 45(4): 1320-1331.
	[Wang Yukai, Guo Hui. Spatial and temporal differentiation and convergence studies of the eco-efficiency of Xinjiang tourism industry[J]. Arid Land Geography, 2022, 45(4): 1320-1331.]
[8]	董红敏, 李玉娥, 陶秀萍, 等. 中国农业源温室气体排放与减排技术对策[J]. 农业工程学报, 2008, 24(10): 269-273.
	[Dong Hongmin, Li Yu’e, Tao Xiuping, et al. China greenhouse gas emissions from agricultural activities and its mitigation strategy[J]. Transactions of the CSAE, 2008, 24(10): 269-273.]
[9]	闵继胜, 胡浩. 中国农业生产温室气体排放量的测算[J]. 中国人口·资源与环境, 2012, 22(7): 21-27.
	[Min Jisheng, Hu Hao. Calculation of greenhouse gases emission from agricultural production in China[J]. China Population, Resources and Environment, 2012, 22(7): 21-27.]
[10]	李远玲, 王金龙, 杨伶. 基于县域尺度的湖南省农业碳排放时空特征分析[J]. 中国农业资源与区划, 2022, 43(4): 75-84.
	[Li Yuanling, Wang Jinlong, Yang Ling. Study on temporal and apatlal characteristics of agricultural carbon emissions in Hunan Province at county scale[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2022, 43(4): 75-84.]
[11]	程琳琳, 张俊飚, 田云, 等. 中国省域农业碳生产率的空间分异特征及依赖效应[J]. 资源科学, 2016, 38(2): 276-289. doi: 10.18402/resci.2016.02.10
	[Cheng Linlin, Zhang Junbiao, Tian Yun, et al. Spatially divergent characteristics and dependence effects of agricultural carbon productivity in Chinese provinces[J]. Resource Science, 2016, 38(2): 276-289.] doi: 10.18402/resci.2016.02.10
[12]	黄景裕, 尧波, 胡启武, 等. 鄱阳湖生态经济区农作物生产碳效率的时空变化[J]. 中国生态农业学报, 2014, 22(10): 1231-1239.
	[Huang Jingyu, Yao Bo, Hu Qiwu, et al. Spatio-temporal variations in carbon efficiency of crops in Poyang Lake eco-economic region[J]. Chinese Journal of Eco-Agriculture, 2014, 22(10): 1231-1239.]
[13]	Smith P, Smith J U, Andren O, et al. Carbon sequestration potential in European croplands has been overestimated[J]. Global Change Biology, 2010, 11(12): 2153-2163. doi: 10.1111/gcb.2005.11.issue-12
[14]	Ajzen I, Fishbein M. The prediction of behavior from attitudinal and normative variables[J]. Journal of Experimental Social Psychology, 1970, 6(4): 466-487. doi: 10.1016/0022-1031(70)90057-0
[15]	Johnson M F, Franzluebbers A J, Weyers S L, et al. Agricultural opportunities to mitigate greenhouse gas emissions[J]. Environmental Pollution, 2007, 150(1): 107-124. pmid: 17706849
[16]	田云, 张俊飚. 中国农业碳排放、低碳农业生产率及其协调性研究[J]. 中国农业大学学报, 2017, 22(5): 208-218.
	[Tian Yun, Zhang Junbiao. Agricultural carbon emissions, low carbon agricultural productivity and their coordination relation in China[J]. Journal of China Agricultural University, 2017, 22(5): 208-218.]
[17]	钱丽, 肖仁桥, 陈忠卫. 碳排放约束下中国省际农业生产效率及其影响因素研究[J]. 经济理论与经济管理, 2013(9): 100-112.
	[Qian Li, Xiao Renqiao, Chen Zhongwei. Research on China’s provincial agricultural production efficiency and its influencing factors under the constraint of carbon dioxide emission[J]. Economic Theory and Economic Management, 2013(9): 100-112.]
[18]	许波, 卢召艳, 杨胜苏, 等. 湖南省农业生产效率演变与影响因素[J]. 经济地理, 2022, 42(3): 141-149.
	[Xu Bo, Lu Zhaoyan, Yang Shengsu, et al. Spatio-temporal evolution pattern and influencing factors of agricultural production efficiency in Hunan Province[J]. Economic Geography, 2022, 42(3): 141-149.]
[19]	刘海英, 杨明, 王殿武. 绿色技术创新促进碳生产率提高的作用机制--基于工业结构升级、循环农业发展和交通运输替代的中介效应分析[J]. 科技管理研究, 2022, 42(10): 194-201.
	[Liu Haiying, Yang Ming, Wang Dianwu. Impact mechanism of green technology innovation on carbon productivity promotion: Based on the mediating effect analysis of industrial structure upgrading, circular agriculture development and transportation substitution[J]. Science and Technology Management Research, 2022, 42(10): 194-201.]
[20]	程琳琳, 张俊飚, 何可. 多尺度城镇化对农业碳生产率的影响及其区域分异特征研究--基于SFA、E指数与SDM的实证[J]. 中南大学学报(社会科学版), 2018, 24(5): 107-116.
	[Cheng Linlin, Zhang Junbiao, He Ke. Study on the impact of multi-dimensional urbanization on agricultural carbon productivity and its regional differentiation: An empirical study based on SFA, entropy index and SDM[J]. Journal of Central South University (Social Sciences Edition), 2018, 24(5): 107-116.]
[21]	张哲晰, 穆月英. 产业集聚能提高农业碳生产率吗?[J]. 中国人口·资源与环境, 2019, 29(7): 57-65.
	[Zhang Zhexi, Mu Yueying. Can industrial agglomeration improve agricultural carbon productivity?[J]. China Population, Resources and Environment, 2019, 29(7): 57-65.]
[22]	宋博, 穆月英, 侯玲玲. 农户专业化对农业低碳化的影响研究--来自北京市蔬菜种植户的证据[J]. 自然资源学报, 2016, 31(3): 468-476.
	[Song Bo, Mu Yueying, Hou Lingling. Study on the effect of farm households’ specialization on low-carbon agriculture: Evidence from vegetable growers in Beijing, China[J]. Journal of Natural Resources, 2016, 31(3): 468-476.]
[23]	李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8): 80-86.
	[Li Bo, Zhang Junbiao, Li Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China[J]. China Population, Resources and Environment, 2011, 21(8): 80-86.]
[24]	崔叶辰, 韩亚丽, 吕宁, 等. 基于超效率SBM模型的农业生态效率测度[J]. 统计与决策, 2020, 36(21): 87-90.
	[Cui Yechen, Han Yali, Lü Ning, et al. Agro-ecological efficiency measurement based on super-efficient SBM model[J]. Statistics and Decision Making, 2020, 36(21): 87-90.]
[25]	汪亚琴, 姚顺波, 侯孟阳, 等. 基于地理探测器的中国农业生态效率时空分异及其影响因素[J]. 应用生态学报, 2021, 32(11): 4039-4049. doi: 10.13287/j.1001-9332.202111.026
	[Wang Yaqin, Yao Shunbo, Hou Mengyang, et al. Spatial-temporal differentiation and its influencing factors of agricultural eco-efficiency in China based on geographic detector[J]. Chinese Journal of Applied Ecology, 2021, 32(11): 4039-4049.] doi: 10.13287/j.1001-9332.202111.026
[26]	尹旭, 王婧, 李裕瑞, 等. 中国乡镇人口分布时空变化及其影响因素[J]. 地理研究, 2022, 41(5): 1245-1261. doi: 10.11821/dlyj020210479
	[Yin Xu, Wang Jing, Li Yurui, et al. Spatio-temporal evolution and driving factors of Chinese population at town level[J]. Geographical Research, 2022, 41(5): 1245-1261.] doi: 10.11821/dlyj020210479
[27]	Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498-509. doi: 10.1016/S0377-2217(99)00407-5
[28]	Zhang Y, Geng W L, Zhang P Y, et al. Dynamic changes, spatiotemporal differences and factors influencing the urban eco-efficiency in the lower reaches of the Yellow River[J]. International Journal of Environmental Research and Public Health, 2020, 20(17): 7510, doi: 10.3390/ijerph17207510. doi: 10.3390/ijerph17207510

维度	类别	变量说明	单位	平均值	标准差
要素投入	土地投入	农作物播种面积	10³ hm²	48.64	40.47
	劳动投入	农业从业人员	人	43204.09	44175.80
	资本投入	有效灌溉面积	10³ hm²	42.68	180.91
		化肥折纯施用量	t	16705.99	15888.50
		农用机械总动力	kW	172630.30	156521.60
		农药施用量	t	125.44	220.05
		农用塑料薄膜施用量	t	1984.04	2558.92
期望产出	效益产出	以2000年不变价调整的农业总产值	10⁴元	135718.70	139873.00
环境产出	农业碳排放量	农药、化肥、农膜、灌溉和翻耕的碳排放量	t	41943.27	37601.60
	农业面源污染	熵值处理后的化肥氮磷流失量	t	462.09	402.77

变量维度	探测变量	指标	单位	变量分类
农户福利	农民收入水平（X₁）	农民人均纯收入	元	自然断点法
	经济发展水平（X₂）	地区人均GDP	元	自然断点法
	人均生产规模（X₃）	农作物播种面积/乡村从业人员	hm²·人^-1	等间距分类
社会经济	机械化使用强度（X₄）	农业机械总动力/农作物播种面积	kW·(10³hm²)^-1	等间距分类
	工业化水平（X₅）	工业增加值/地区生产总值	%	自然断点法
	人口城镇化水平（X₆）	城镇人口/常住人口	%	<10%;10%~30%;30%~50%;50%~70%;>70%
政府行为	财政支农力度（X₇）	农林水事务支出/地方财政一般预算支出	%	自然断点法

交互作用	交互类型
q(X_a∩X_b)<Min[q(X_a), q(X_b)]	非线性减弱
Min[q(X_a), q(X_b)]<q(X_a∩X_b)<Max[q(X_a), q(X_b)]	单变量非线性减弱
q(X_a∩X_b)>Max[q(X_a), q(X_b)]	双变量增强
q(X_a∩X_b)=q(X_a)+q(X_b)	独立
q(X_a∩X_b)>q(X_a)+q(X_b)	非线性增强

年份	Moran’s I	年份	Moran’s I	年份	Moran’s I
2000	0.349^***	2007	0.331^***	2014	0.301^***
2001	0.364^***	2008	0.323^***	2015	0.278^***
2002	0.367^***	2009	0.316^***	2016	0.310^***
2003	0.365^***	2010	0.364^***	2017	0.324^***
2004	0.361^***	2011	0.370^***	2018	0.300^***
2005	0.354^***	2012	0.379^***	2019	0.299^***
2006	0.339^***	2013	0.368^***	2020	0.285^***

检验方法	统计值	P值
空间滞后模型的拉格朗日乘数检验	105.316	0.000
空间误差模型的拉格朗日乘数检验	111.449	0.000
基于稳健的空间滞后模型拉格朗日乘数检验	21.494	0.000
基于稳健的空间误差模型拉格朗日乘数检验	27.627	0.000
空间滞后模型的沃尔德检验	199.720	0.000
空间滞后模型的似然比检验	181.130	0.000
空间误差模型的沃尔德检验	163.180	0.000
空间误差模型的似然比检验	146.770	0.000
豪斯曼检验	20.230	0.000

Spatial and temporal patterns of agricultural low-carbon productivity and its influence effects in the counties of Tarim River Basin, Xinjiang

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 15

References 28

Related Articles 15

Metrics

Comments

Recommended 0

变量	空间杜宾模型
	空间固定模型		时间固定模型		时间空间双固定模型
	统计值	滞后项系数	统计值	滞后项系数	统计值	滞后项系数
ln(X₁)	0.745^***	0.074	0.250^*	-0.026	0.795^***	1.068^***
	（5.532）	（0.424）	（2.458）	（-0.160）	（6.041）	（4.809）
ln(X₂)	0.759^***	-1.440^***	0.191	-0.657^**	0.885^***	0.270
	（4.731）	（-5.327）	（1.594）	（-2.725）	（5.530）	（0.740）
X₃	-0.171	0.317	-0.118	0.148	-0.139	0.187
	（-1.951）	（1.903）	（-1.860）	（1.082）	（-1.738）	（1.179）
X₄	0.197^***	0.522^***	0.231^***	0.517^***	0.227^***	0.587^***
	（9.290）	（11.682）	（11.493）	（10.712）	（11.556）	（13.315）
X₅	-1.856^***	5.915^***	-2.902^***	1.949^*	-1.625^***	3.969^***
	（-3.659）	（5.681）	（-7.975）	（2.140）	（-3.440）	（3.780）
X₆	1.227^***	-0.152	0.741^***	0.056	0.510	-0.710
	（4.801）	（-0.382）	（4.399）	（0.126）	（1.945）	（-1.402）
ln(X₇)	-0.564^***	0.093	-0.419^***	0.228	-0.459^***	0.410^*
	（-5.281）	（0.560）	（-6.681）	（1.923）	（-4.415）	（2.002）
空间自回归系数	0.381^***		-0.189^**		-0.271^***
	（9.497）		（-3.024）		（-4.497）
方差	0.633^***		0.923^***		0.512^***
	（20.850）		（21.007）		（20.940）
拟合优度	0.484		0.520		0.403
观测数	882		882		882
对数似然函数值	-1066.823		-1212.022		-949.212

变量	直接效应	溢出效应	总效应
ln(X₁)	0.812^***	0.650^***	1.463^***
	（6.050）	（3.944）	（8.031）
ln(X₂)	0.880^***	0.042	0.921^***
	（5.720）	（0.160）	（3.102）
X₃	-0.128^*	0.179	0.051
	（-1.662）	（1.475）	（0.374）
X₄	0.235^***	0.403^***	0.639^***
	（12.203）	（10.001）	（14.504）
X₅	-1.553^***	3.428^***	1.876^*
	（-3.484）	（3.939）	（1.960）
X₆	0.506^*	-0.678*	-0.172
	（1.955）	（-1.794）	（-0.360）
ln(X₇)	-0.453^***	0.419^***	-0.034
	（-4.191）	（2.593）	（-0.182）

变量	直接效应	间接效应	总效应
ln(X₁)	1.073^***	0.051	1.124^**
	（7.096）	（0.127）	（2.820）
ln(X₂)	0.914^***	-0.152	0.762
	（5.426）	（-0.368）	（1.791）
X₃	-0.228^**	-0.071	-0.299
	（-2.691）	（-0.320）	（-1.334）
X₄	0.205^***	0.095	0.301^**
	（9.709）	（1.015）	（3.245）
X₅	-1.532^**	-0.622	-2.153
	（-3.053）	（-0.403）	（-1.390）
X₆	1.091^***	0.904	1.995^**
	（3.870）	（1.246）	（2.801）
ln(X₇)	-0.321^**	0.472	0.151
	（-2.684）	（1.774）	（0.536）

变量	2000年	排名	变量	2010年	排名	变量	2015年	排名	变量	2020年	排名
X₁	0.158	1	X₁	0.389	1	X₁	0.060	7	X₁	0.130	6
X₂	0.130	2	X₂	0.097	7	X₂	0.457	1	X₂	0.187	2
X₃	0.103	4	X₃	0.245	3	X₃	0.315	3	X₃	0.049	7
X₄	0.047	7	X₄	0.287	2	X₄	0.408	2	X₄	0.172	4
X₅	0.062	6	X₅	0.129	5	X₅	0.064	6	X₅	0.146	5
X₆	0.115	3	X₆	0.104	6	X₆	0.070	5	X₆	0.187	3
X₇	0.073	5	X₇	0.168	4	X₇	0.307	4	X₇	0.376	1

交互变量	2000年		交互变量	2010年		交互变量	2015年		交互变量	2020年
交互变量	q	类型	交互变量	q	类型	交互变量	q	类型	交互变量	q	类型
X₁∩X₂	0.428	NE	X₁∩X₂	0.587	NE	X₁∩X₂	0.636	DE	X₁∩X₂	0.333	DE
X₁∩X₃	0.240	DE	X₁∩X₃	0.580	NE	X₁∩X₃	0.542	DE	X₁∩X₃	0.325	NE
X₁∩X₄	0.332	NE	X₁∩X₄	0.681	DE	X₁∩X₄	0.895	NE	X₁∩X₄	0.394	NE
X₁∩X₇	0.450	NE	X₁∩X₇	0.713	NE	X₁∩X₇	0.689	DE	X₁∩X₇	0.691	NE
X₂∩X₃	0.187	DE	X₂∩X₃	0.597	DE	X₂∩X₃	0.448	NE	X₂∩X₃	0.384	NE
X₂∩X₄	0.227	NE	X₂∩X₄	0.635	NE	X₂∩X₄	0.723	DE	X₂∩X₄	0.464	NE
X₂∩X₇	0.552	NE	X₂∩X₇	0.465	NE	X₂∩X₇	0.469	DE	X₂∩X₇	0.543	DE
X₃∩X₄	0.187	DE	X₃∩X₄	0.707	NE	X₃∩X₄	0.475	DE	X₃∩X₄	0.304	NE
X₃∩X₇	0.209	DE	X₃∩X₇	0.574	NE	X₃∩X₇	0.501	NE	X₃∩X₇	0.616	NE
X₄∩X₇	0.369	NE	X₄∩X₇	0.442	DE	X₄∩X₇	0.619	DE	X₄∩X₇	0.573	DE

[1]	ZHANG Qifei, CHEN Yaning, SUN Congjian, XIANG Yanyun, HAO Haichao. Changes in terrestrial water storage and evaluation of oasis ecological security in the Tarim River Basin [J]. Arid Land Geography, 2024, 47(1): 1-14.
[2]	LU Zidao, SONG Wanyi, WANG Yue, PAN Haize, MENG Xiaolin, YAN Yuqiang. Spatiotemporal pattern and spatial spillover effect of cultural industry clusters in the Yellow River Basin [J]. Arid Land Geography, 2023, 46(11): 1927-1937.
[3]	ZHANG Jiudan, LI Junli, BAO Anming, BAI Jie, LIU Tie, HUANG Yue. Effectiveness assessment of ecological restoration of Populus euphratica forest in the Tarim River Basin during 2013—2020 [J]. Arid Land Geography, 2022, 45(6): 1824-1835.
[4]	LIU Xia,ZHANG Man,XU Jianhua,GUO Ying,DUAN Weili,SHEN Yanjun. Water resources carrying capacity of Tarim River Basin based on system dynamics model [J]. Arid Land Geography, 2021, 44(5): 1407-1416.
[5]	SUN Tian-yao, LI Xue-mei, XU Min, ZHANG Meng-sheng. Spatialtemporal variations of vegetation coverage in the Tarim River Basin from 2000 to 2018 [J]. Arid Land Geography, 2020, 43(2): 415-424.
[6]	JIAO Wei, LIU Xin-ping, ZHANG Lin, LIANG Ling-xia. Ecological response to the land development in Tarim River Basin [J]. 干旱区地理, 2018, 41(6): 1396-1404.
[7]	WANG Guang-yan, WANG Yuan-jian, GUI Dong-wei. A review on water resources research in Tarim River Basin [J]. 干旱区地理, 2018, 41(6): 1151-1159.
[8]	CHEN Ya-ning, LI Wei-hong, CHEN Ya-peng, ZHU Cheng-gang. Science in supporting the ecological restoration and sustainable development of the Tarim River Basin [J]. 干旱区地理, 2018, 41(5): 901-907.
[9]	WEI Guang-hui, GUI Dong-wei, ZHAO Xin-feng. Irrigation area carrying capacity in Tarim River Basin in different years [J]. 干旱区地理, 2018, 41(2): 230-237.
[10]	HAN Qiang, XUE Lian-qing, LIU Yuan-hong, REN Lei. Hydrological responses to land use change in upper-middle reaches of the Tarim River Basin [J]. , 2017, 40(6): 1165-1170.
[11]	DENG Ming-jiang, FAN Zi-li, XU Hai-liang, ZHOU Hai-ying. Ecological function regionalization of Tarim River Basin [J]. , 2017, 40(4): 705-717.
[12]	ZHANG Peng-fei, Guli JIAPAER, BAO An-ming, MENG Fan-hao, GUO Hui, GUO Hao, LUO Min, HUANG Xiao-ran. Ecological effects evaluation for short term planning of the Tarim River [J]. , 2017, 40(1): 156-164.
[13]	DENG Ming-jiang. Prospecting development of south Xinjiang: water strategy and problem of Tarim River Basin [J]. , 2016, 39(1): 1-11.
[14]	ZHAO Jun, LIU Xin-ping, LIU Xiang-hui, TIAN Tong. Analysis on Coupling Coordination Degree Between Agriculture and Animal Husbandry Systems in Tarim River Basin [J]. , 2015, 38(5): 1077-1084.
[15]	SHEN Bin, LI Xin-gong. Accuracy assessment of TRMM3B43 data in Tarim River Basin [J]. , 2015, 38(4): 703-712.