《Frontiers in Environmental Science》：Analysis of the coupling characteristics and influencing mechanisms between civilized rural development and green agriculture in China based on explainable machine learning and the GWR model
编辑推荐：
在乡村振兴与生态文明建设背景下，理解文明乡村发展与绿色农业发展之间的关系对于实现可持续乡村振兴至关重要。本研究利用2012—2020年中国31个省份的面板数据，构建了多维评价框架，并应用耦合协调度模型（CCDM）考察两个系统的时空演化特征。为克服传统线性方法的
在乡村振兴与生态文明建设背景下，理解文明乡村发展与绿色农业发展之间的关系对于实现可持续乡村振兴至关重要。本研究利用2012—2020年中国31个省份的面板数据，构建了多维评价框架，并应用耦合协调度模型（CCDM）考察两个系统的时空演化特征。为克服传统线性方法的局限性，研究人员采用整合SHAP与地理加权回归（GWR）的双重视角分析框架。SHAP用于捕捉非线性关系、阈值效应和交互机制，而GWR用于识别影响因素的空间异质性。研究结果表明，研究期内文明乡村发展与绿色农业发展之间的耦合协调水平稳步提升，从低水平失调向中高水平协调演变。在空间上呈现明显的梯度格局，东部和中部省份优于西部区域，且空间集聚特征日益显著。金融服务（RFIC）、乡村基础设施（RBU）和产业结构升级（ISU）被识别为耦合协调的主要驱动因素。金融服务和基础设施具有显著的正向效应并呈现明显的阈值特征，而产业升级与政府支持则表现出更为复杂的非线性关系。GWR结果进一步揭示了这些效应在不同区域间存在显著的幅度和方向空间差异。总体而言，文明乡村发展与绿色农业发展呈现互补互促关系而非此消彼长的权衡关系。通过将可解释机器学习与空间计量分析相结合，本研究为理解乡村系统协调背后的非线性和空间异质性机制提供了更全面的认识，并为因地制宜的乡村发展政策提供了基于证据的支持。
**一、研究背景与问题提出**
伴随全球资源环境约束日益趋紧，文明乡村发展与绿色农业发展之间的交互关系已成为区域可持续性研究关注的焦点。在发展中国家，农业的社会-生态功能已超越粮食安全范畴，延伸至乡村治理与生态重构领域。绿色农业转型致力于重构绿色与发展的关系，从高投入、高负担模式转向高生产率、资源节约和低影响范式；文明乡村发展则与可持续乡村发展、乡村宜居性和治理效能等前沿议题紧密关联。两者应被视为耦合共生系统内互补互促的组成部分，而非相互冲突或平行推进的进程。然而，现有研究主要存在三方面不足：其一，概念窄化——多数研究侧重于生态与产业等硬性指标，对社会治理、居住环境、文化延续等文明乡村发展的软实力维度关注不足；其二，空间同质性假设——既有耦合协调研究大多停留在总体层面的模式描述，缺乏对空间异质性和地理差异化驱动机制的系统分析；其三，非线性忽视——传统线性模型无法捕捉多维因素之间复杂的非线性交互、阈值效应及协同或替代关系。为弥补上述缺口，本研究利用2012—2020年中国31个省份的面板数据，构建了文明乡村发展与绿色农业发展的综合评价框架，并将可解释机器学习（SHAP）与空间计量模型（GWR）整合于统一的双重视角分析框架中，以系统揭示乡村系统协调的非线性与空间异质性机制。
**二、研究内容与核心结论**
研究人员基于多维评价框架测度两系统的耦合协调水平，采用熵权法对绿色农业发展水平进行客观综合评价，通过耦合协调度模型（CCDM）量化两系统间交互强度与协调发展程度，运用标准差椭圆（SDE）和探索性空间数据分析（ESDA）刻画空间格局演化特征，进而整合XGBoost机器学习模型与SHAP可解释方法捕捉非线性影响机制，同时运用GWR识别影响因素的局部空间效应。研究发现：2012至2020年间，中国文明乡村发展与绿色农业发展的耦合协调水平呈显著上升趋势，经历了从低水平失调向中高水平协调的阶段性演变；空间上呈现“东中西梯度分化、集聚效应增强”的格局，高值集聚区集中于长江中下游及东部沿海，低值集聚区长期锁定于西北和西南地区；金融服务（RFIC）、乡村基础设施（RBU）与产业结构升级（ISU）构成核心驱动簇，累计贡献率超过85%；金融服务与基础设施表现出显著的正向驱动和阈值特征，产业升级与政府支持则呈现阶段依赖性的复杂非线性关系；GWR结果进一步表明各驱动因子的效应方向和强度在空间上呈现显著的异质性。研究证实文明乡村发展与绿色农业发展之间是互补互促关系，其协调演化并非线性累积过程，而是受多重要素阈值动态约束的非对称演进。将可解释机器学习与空间计量相结合的双重视角框架，实现了从“识别哪些因素重要”向“理解因素如何非线性作用以及在何处效应最强”的跃升，为分区分类的乡村发展政策设计提供了方法论支撑。
**三、关键研究方法**
本研究采用的主要技术方法包括：①熵权法——依据数据所含信息量客观确定多维指标权重，避免主观赋权偏差；②耦合协调度模型（CCDM）——测算文明乡村发展与绿色农业发展两系统间的耦合度C与协调度D；③标准差椭圆（SDE）——刻画耦合协调水平空间分布的方向性与中心迁移特征；④探索性空间数据分析（ESDA）——通过全局莫兰指数（GMI）与局部空间关联指标（LISA）检验空间自相关格局；⑤XGBoost集成学习模型——以2012—2018年217个省份-年观测值为训练集、2019—2020年62个观测值为测试集建模，经网格搜索与5折交叉验证优化超参数（学习率0.05、最大深度6、子采样比0.8、列采样比0.8、L2正则化系数1.0），测试集R2=0.841，RMSE=0.051；⑥SHAP解释方法——基于合作博弈论计算各特征对预测输出的边际贡献，识别非线性关系、阈值效应与交互机制；⑦地理加权回归（GWR）——放松全局参数恒定假设，系数估计值允许随地理位置变化；OLS对比检验显示AICc下降23.3个单位（由187.4降至164.1），Koenker（BP）统计量38.62（p=0.003）强烈拒绝空间平稳性假设，证实GWR显著优于全局OLS。数据来源于《中国统计年鉴》《中国农村统计年鉴》、中国文明网、阿里巴巴研究院《中国淘宝村发展报告》等权威公开数据源。样本覆盖31个省份（不含港澳台），时期为2012—2020年；全国文明村镇评选数据（共4824个样本）按最近评选轮次做向前填充处理以构建年度面板。
**四、研究结果分析**
**（1）时序演变特征**
耦合协调指数在研究期内呈现显著上升趋势，系统间协同效应持续增强。分阶段看，2012—2014年为初始阶段，多数省份处于低水平耦合且区域差异显著；2015—2017年进入快速提升期，乡村振兴与生态文明战略的深入推进显著提升了系统交互的频率与质量；2018—2020年转为稳步巩固期，部分区域进入高协调阶段。区域异质性方面，上海、天津、湖北、湖南等省份形成稳定的高协调格局；黑龙江、广西、新疆等省份波动明显；青海、甘肃等西部欠发达省份虽绝对水平偏低但呈稳步上升态势。时间序列证据确认这些阶段划分并非人为任意分割，而是反映了政策执行与系统成熟度的结构性转变。
**（2）空间格局演化**
耦合协调水平在全国呈现“东中领先、西部滞后”的梯度格局。2012年高值区集中于中部有限区域，空间极化显著；2014—2017年间高值区向周边省份快速扩散，形成中部和东部连片发展态势；至2020年进一步扩展为跨区域带状和簇状空间格局。低值区虽呈渐进改善迹象，但结构性约束依然明显。标准差椭圆分析表明，椭圆始终覆盖中东部地区，重心坐标锁定于中部区域且无结构性位移，长短轴长度分别保持在约117万米和104万米，东西向扩张强度略大于南北向，扁平率在58—69区间小幅波动。空间格局呈现“重心固定、方向明确、波动收敛”的特征，中东部地区持续发挥国家协调发展的稳定器作用。
**（3）空间相关格局**
全局莫兰指数在研究期内均为正值，表明耦合协调水平存在正的空间集聚效应。2012年和2014年莫兰指数分别仅为0.111和0.013且均不显著，表明研究初期协调度在空间上呈随机分布状态；2017年莫兰指数跃升至0.220并通过5%显著性检验（Z=2.138），确认系统耦合已形成明确的正空间相关格局；2020年指数虽略降至0.187，仍在10%水平上边际显著，表明空间关联具有一定的持续性。局部LISA分析显示，高-高集聚区持续集中于东部和中部（特别是长江中下游流域），低-低集聚区主要分布于西部偏远区域，呈现典型的“低水平均衡陷阱”；高-低和低-高型离群单元零星分布，分别反映局部发展失衡和受周边高值区溢出效应驱动的追赶潜力。2017年后高值与低值区域的空间边界日趋清晰，区域极化逐步强化。
**（4）影响因子分析**
特征重要性排序显示，金融服务（RFIC，31.3%）、基础设施（RBU，29.2%）与产业结构升级（ISU，25.5%）构成核心驱动簇，累计贡献率超过85%；政府支持（FSI）、人口分布（PPD）和数字经济（NYV）等因子贡献相对有限，主要发挥辅助性作用。方向效应方面，金融服务和基础设施表现出稳健的正向驱动特征；产业升级呈现明显的非线性——仅当跨过特定发展阶段后协同效应方才显著；政府支持的影响轨迹横跨正负区间，表明财政干预效果受区域发展情境制约而具有强烈的背景依赖性。
**（5）非线性效应与阈值识别**
SHAP依赖图揭示了各变量显著的非线性特征和阈值约束。金融服务（RFIC）呈现“阈值突破”逻辑：当值低于0.27时其贡献为负或接近零，显示资本稀缺对系统协调的制约效应；超越临界点后SHAP值迅速上升，确认金融资源规模效应对激活系统耦合的核心作用。基础设施（RBU）呈边际效用递减规律，当指数超过52.24后促进效应明显趋缓，表明依赖硬件基础设施投资的边际回报逐步收窄。产业升级（ISU）在当前阶段表现出持续的负向演化趋势——随着结构高级化程度提高其SHAP值持续下降，反映产业转型阵痛期资源要素再配置所产生的“结构性摩擦”对农业系统协调产生了一定的挤出效应。政府支持（FSI）在低强度区间呈阶段性抑制效应，随投入增加渐趋稳定，反映财政干预从“前期扰动”向“中后期支撑”的功能转变。人口分布（PPD）遵循“先升后稳”模式，人口密度达到170阈值后边际贡献进入平台期，表明劳动力集聚对协调发展的驱动存在承载上限。统计稳健性检验方面，自助抽样法（10000次迭代）构建的95%置信区间为RFIC阈值[0.21, 0.33]和RBU阈值[46.18, 58.30]，均排除零值；分段线性回归的Chow检验在两个阈值处均拒绝无结构断点的原假设（p<0.01），证实了阈值存在性。
**（6）交互效应分析**
SHAP交互依赖图揭示了因子间的复杂耦合机制。金融服务（RFIC）与基础设施（RBU）呈现显著的“协同增强”特征——在信息基础设施水平较高的样本中，金融资源的边际贡献大幅提升，二者组合产生乘数效应。数字经济（NYV）与基础设施（RBU）之间亦存在类似关系，表明数字经济红利的释放高度依赖底层硬件设施的支撑强度。与此相反，产业升级（ISU）与金融服务（RFIC）呈现清晰的替代效应：在金融发展相对成熟阶段，产业结构快速升级对农业绿色转型产生一定的挤出压力。政府支持（FSI）呈示出明显的“功能补偿”特征——在金融市场机制欠发达区域，财政投入有效弥补了资本短缺导致的动力缺失；而在金融可及性较高的地区，政府干预的边际效力随市场机制成熟而趋于稳定。
**（7）空间异质性分析**
GWR系数空间分布图显示各驱动因子效应呈现显著的地理梯度。金融服务（RFIC）呈“东强西弱”梯度，高值系数高度集中于东部沿海和中部核心区域，表明成熟金融体系在资本配置、风险分散和系统耦合催化方面具有更强的规模效应。基础设施（RBU）呈“西高东低”梯度，欠发达西部地区的正向响应更强，印证基础设施建设在系统发展初期具有更强的杠杆效应，而东部地区因基础设施饱和边际效用已明显下降。产业升级（ISU）系数自东向西递增，表明中西部等产业结构相对欠发达区域中结构升级对促进绿色农业转型与乡村文明协同发展的边际贡献更为显著。政府支持（FSI）在中西部表现出更强的正向效应，验证了公共财政在欠发达地区不可替代的“功能补偿”作用。数字经济（NYV）的驱动效应在东部高值区更为显著，表明数字红利实现高度依赖发达的市场体系和物流网络。人口分布（PPD）在人口稠密的中东部地区支持作用更强，反映规模效应在要素流动与市场需求传导中的中介作用。2012至2020年间，各驱动因子空间分布格局总体稳定，但部分局部区域驱动力量极化进一步加剧，区域驱动机制已从“整体提升”转向“异质深化”。
**五、总结讨论与结论翻译**
讨论部分指出，文明乡村发展与绿色农业发展的协调本质上是社会资本与自然资本相互赋能的过程：文明乡村建设通过基层治理重构、绿色价值扩散和公共规范确立为绿色农业转型提供制度环境和社会基础；绿色农业转型通过资源集约利用和生态景观修复为乡村文明进步奠定可持续的物质基础和空间载体。SHAP分析确认影响因素呈现显著的非线性特征，这一发现实证支持了发展与环境关联中存在非线性机制的理论命题。GWR结果则确证了空间非平稳性的普遍存在，表明不存在单一普适的耦合路径，系统协调深度嵌入特定区域发展情境。方法论层面，将可解释机器学习（SHAP）与空间计量模型（GWR）的整合扩展了乡村研究的分析框架，实现了从“什么因素在平均意义上起作用”向“因素如何非线性运作以及在何处效应最强”的认识论跃升。通过CCDM-OLS-SHAP-GWR四层次递进比较：传统CCDM仅描述耦合水平本身，OLS给出平均边际效应（ISU系数0.183，p<0.05；FSI系数-0.236不显著），而SHAP揭示ISU在大部分取值区间呈持续负向效应（OLS正系数实为线性平均的统计假象）以及FSI由抑制转为支持的阶段依赖模式，GWR进一步展示了ISU自东向西递增和FSI在中西部更强正效应的空间分化格局——这一多层次方法论比较有力论证了整合框架不仅产生更精确的估计，更产出质性不同的、更具政策可操作性的洞见。研究局限包括：软指标难以完全量化、省级数据无法捕捉微观异质性、SHAP和GWR不能从本质上解决因果识别问题、对农户行为与村级组织能力等微观机制关注有限、前瞻填充法可能衰减年度间真实变异、GWR为逐年截面分析等。未来研究建议在数据层面下沉至县域或村庄尺度并融合多源数据，在方法层面整合空间面板模型、阈值模型与因果推断方法，在理论层面强化对微观行为主体作用机制的考察。
研究结论可翻译为：本文利用2012—2020年中国省级数据测度了文明乡村发展与绿色农业发展的耦合特征，并在新型双重视角分析范式中整合基于SHAP的可解释机器学习与GWR框架，对其多维潜在影响机制进行了细致考察。主要研究结果概括如下：第一，系统耦合呈现“持续增强与阶段递进”的动态演化模式——研究期内耦合协调水平显著提升，从早期松散协调互动走向深度融合格局，体现了乡村振兴和生态文明战略下政策传导的结构性转变。第二，空间格局呈现“东西梯度与局部极化”的非均衡分布特征——耦合水平呈现东部和中部较高、西部较低的显著地理梯度，高值集聚区集中于长江中下游和东部沿海，系统从弱正空间依赖演化为强正空间依赖，“高-高”与“低-低”集聚并存，凸显区域协调发展中持续的路径依赖与显著空间差异。第三，影响机制遵循“核心主导与非线性约束”的动态逻辑——金融服务与基础设施构成系统耦合的核心驱动簇且呈现显著阈值效应与边际效用递减，产业升级与政府支持表现出强烈的背景依赖和阶段张力，数字经济与人口分布作为特定阈值范围内的辅助调节因子共同构成非线性多维驱动框架。第四，驱动效应呈现“空间非平稳与异质分化”格局——各因素对耦合水平的影响随地理位置显著变化，金融服务的规模效应在东部发达地区更为突出，基础设施投资的边际收益在西部欠发达地区发挥更强杠杆作用，政府支持在中西部表现出更显著的补偿性角色。空间非平稳性表明耦合演化不存在统一模式，而是深度嵌入区域特定禀赋的异质性过程。
