人口的快速增长、社会经济的飞速发展、环境污染和资源的急剧消耗给生态环境和粮食安全带来了巨大的压力。在正确分析中国国情的基础上，党和政府作出建设生态文明的战略抉择，提出确保粮食安全的战略决策，将生态安全和粮食安全纳入国家安全的重要领域，为新时代农业生态安全和粮食安全治理体系和机制创新提供了方向和指引。区域和分省粮食安全是国家粮食安全的组成部分，因此，实现长江经济带农业生态安全与粮食安全耦合协调，能维护长江经济带农业生态系统与社会经济系统的和谐统一，也能为国家粮食安全贡献力量。

学界关于生态安全和粮食安全耦合协调的研究起步较晚，文献较少，如果仅就此进行文献述评，就显得单薄而无说服力。据此，将其放在生态安全和粮食安全关系的研究中进行全面、系统的述评，则更能清晰地展现其发展脉络，呈现其研究价值。

关于生态安全和粮食安全关系的研究有：

(1) 认为生态因素影响粮食安全。杨贵羽等^[1]认为粮食生产的两大刚性约束是水资源和耕地资源。刘英基^[2])认为生态环境保障是粮食安全的基础，能够从粮食产量和质量方面对粮食安全产生重要影响。Hurni H等^[3]认为健康的土壤对农业至关重要，两者都对实现粮食安全至关重要。Bommarco R等^[4]认为应开发农业生态系统服务功能，提高粮食安全。Marco M等^[5]认为农用化学品的使用增加会带来污染和水体富营养化等环境和生态风险，有毒金属在粮食中的积累，则引发健康问题。Kerrie P等^[6]认为需要努力保护和加强地方生态系统，同时更多地关注粮食储存，以避免破坏粮食安全的临界点。罗海平等^[7]认为生态代价是影响长江经济带粮食生产的重要因素。Anagha K等^[8]认为为了保护农作物健康和确保粮食安全，必须减少空气污染。

(2) 将生态安全视为粮食安全的重要构成。崔明明等^[9]构建包含数量、质量、生态环境、经济和资源安全5个维度的粮食安全。Kopteva L等^[10]专门探讨了世界粮食安全的生态特征。何可等^[11]认为新时代的粮食安全不仅包括产量、质量和结构安全，还包括供应的可持续性和多功能性。仇焕广等^[12]认为从长期看生态安全很大程度上决定了粮食安全的可持续发展能力，是其重要构成。

(3) 视生态安全和粮食安全同等重要且相互影响。马彩虹等^[13]以人口、耕地、粮食之间的互动关系为切入层面，对陕西省的可持续发展进行定量分析。刘渝等^[14]认为水资源生态安全和粮食安全是对立统一的概念。Richardson R B^[15]认为粮食安全通常从3个方面进行审查，即粮食的供应、获取和利用。生态系统通过提供促进农业生产、创造创收机会和提供烹饪能源的关键生态系统服务，直接和间接地支持这些方面。郑克强等^[16]将粮食生产和生态环境置于同等地位，进行粮食安全与生态安全空间包容性研究。薛选登等^[17]认为粮食安全水平与人均耕地生态足迹存在显著的空间正相关。

关于生态安全与粮食安全耦合的研究有：

(1) 较少学者从总体上进行了生态安全与粮食安全的耦合研究。如韩建军等^[18]进行了粮食安全和生态可持续研究。罗海平等^[19]基于生态农业协调度EAH模型对中国粮食主产区粮食生产与生态环境的协调性进行实证研究和预警预测。Stéphane C等^[20]研究了墨西哥生态区域农业与农村粮食安全之间的联系。Linqi L等^[21]在构建粮食生产和农业生态保护两系统耦合协调评价指标体系的基础上，分析了中国粮食主产区的时空分异特征及其影响因素。

(2) 较多学者进行了关于某生态要素与粮食安全的耦合研究。其中，关于水资源与粮食安全耦合研究最多。Kundhavi等^[22]认为灌溉对未来粮食安全的重要性日益增加。主张采取多层次的水管理方法，提高生态系统服务和水生产力，促进水资源保护，保持农业、渔业和畜牧业的水质。Yaogeng T等^[23]通过耦合系统动态(SD)模型和多目标优化模型，更好地识别可持续用水背景下WSEF系统之间关系的动态相互作用和协同进化过程。刘显等^[24]通过分析黄河上中游水资源自然属性以及配置、粮食消费对水资源的需求等维度，系统分析了该区域水资源与粮食安全的耦合特征。刘苗苗等^[25]研究了京津冀粮食安全与农业用水安全耦合协调。关于土地生态与粮食安全的耦合研究次之。Mwambo M F等^[26]采用能值—数据包络分析、环境成本—效益分析、价值链分析和可持续平衡计分卡等综合方法，以支持多标准决策分析战略农业土地利用规划，这有助于提高加纳北部的粮食安全。阴柯欣等^[27]采用耕地压力指数、要素转移重心模型、灰色预测等方法，研究了2009—2017年宁夏回族自治区县域耕地生产力与粮食安全的时空演化特征。

总体而言，国内外相关研究起步均相对较晚，仍有较大可扩展的空间。①在深入剖析生态安全与粮食安全关系的理论研究时，现有研究往往侧重于单方面探讨生态环境对粮食生产能力的潜在影响及其内在机制，或是孤立地分析粮食种植活动对生态环境的反作用，而鲜少将两者置于同等重要的地位，共同探索其互耦与协调机制。②在实证研究领域，生态因素常被视作外生变量，导致对农业生态安全与粮食安全发展水平及两者间耦合协调发展度时空演化的实证分析不足。此外，研究模型多移植自国外研究成果，虽然具有一定的借鉴意义，但缺乏针对我国实际情况的本土化模型开发，这在一定程度上限制了研究的深度和广度。③在研究尺度的把握上，现有研究或是聚焦于某一具体省区或县域的微观层面，或是从宏观角度对全国范围进行整体性探讨。这种单一尺度的研究方法虽然有助于深入剖析局部问题或整体趋势，但难以全面揭示生态安全与粮食安全关系在不同地域、不同层次间的复杂性和多样性。因此，研究处于长江经济带的农业生态安全与粮食安全耦合协调发展，具有极强的理论和现实意义。

1 研究区概况、数据来源与方法 1.1 研究区概况

长江经济带覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州等11个省市。面积约2.05×10⁶ km²，占全国的21.4%。2022年，长江经济带总人口约6.08×10⁸人，占全国的43.07%；国内生产总值3.31×10¹³元，占全国的27.34%。

1.2 数据来源

本研究所需数据通过查阅2002—2022年《中国统计年鉴》《中国农业统计年鉴》《中国农村统计年鉴》《中国水利统计年鉴》《中国环境统计年鉴》，上海、江苏等11个省市《统计年鉴》获得相关数据并计算。

1.3 构建评价指标体系

农业生态安全一级指标根据PSR模型构建，Pressure-State-Response分别表示压力—状态—响应。借鉴相关研究成果^[28]，确定二级指标。农业生态压力指威胁生态平衡状态的外力因素，包括总人口、城镇化率、农业用水比例；农业生态状态决定了粮食生产条件，包括人均耕地面积、森林覆盖率、人均水资源量；农业生态响应指人类为消除农业生态系统面临的潜在威胁所做的补救措施，包括财政支农林水支出、有效灌溉率、水土流失治理面积(表 1)。

联合国粮农组织将粮食安全定义为：“保证任何人在任何时候都能够获得生存和健康所必须的食物”。基于粮食安全概念，借鉴相关研究成果^[29]，从产量安全、质量安全、消费安全和资源安全4个方面构建评价指标。产量安全包括粮食总产量、粮食播种面积、粮食作物受灾率，质量安全包括化肥施用强度、农膜施用强度和农药施用强度，消费安全包括人口自然增长率、粮食人均占有量、粮食价格消费指数，资源安全包括单位粮食水资源消耗量和单位粮食耕地资源消耗量。

1.4 研究方法 1.4.1 熵值法

利用熵值法求出各指标权重。步骤包括：①对原始数据处理进行标准化处理，详见公式(1)—(2)。②计算第j项指标下第i个方案中占该指标的比重P_ij，见公式(3)。③计算第j项指标的信息熵值，见公式(4)。④对评价指标进行权重计算，见公式(5)。

第一步，数据标准化处理。

对于正向指标：

$ X_{i j}=\frac{x_{i j}-\min x_{i j}}{\max x_{i j}-\min _{i j}} $

(1)

对于负向指标：

$ X_{i j}=\frac{\max x_{i j}-x_{i j}}{\max x_{i j}-\min x_{i j}} $

(2)

第二步，计算第i年第j项指标的比重，见公式(3)。

$ P_{i j}=\frac{x_{i j}}{\sum\limits_{j=1}^n x_{i j}} $

(3)

第三步，计算第j项指标的信息熵值，见公式(4)。

$ E_j=-\frac{1}{\ln (n)} \sum\limits_{i=1}^n P_{i j} \ln P_{i j} $

(4)

第四步，对评价指标进行权重计算，见公式(5)。

$ W_j=\frac{1-E_j}{\sum\limits_{j=1}^n\left(1-E_j\right)} $

(5)

1.4.2 综合发展指数模型(T)

第一步是计算每个子系统的综合发展指数，见公式(6)。

$ U_{(z)}=\sum\limits_{j=1}^i W_j X_{i j} $

(6)

式中：U_(z)为各子系统的综合评价指标; W_j是系统中每个评估指标的各自权重; x_ij是每个指数各自的无量纲值; i是对系统进行评估的年数。

第二步是计算系统的综合发展状况，见公式(7)。

$ T=a U_1+\beta U_2 $

(7)

式中：T为农业生态安全与粮食安全综合发展指数, 取值范围为[0, 1]; U₁为农业生态安全综合指数; U₂为粮食安全综合指数; α、β为待定参数, 本研究认为农业生态安全与粮食安全同等重要, 因此α=β=0.5, 且α+β=1。

1.4.3 耦合度模型(C)

$ C=\left\{\frac{U_1 \cdot U_2}{\left(\frac{U_1+U_2}{2}\right)^2}\right\}^{\frac{1}{2}} $

(8)

式中：C为农业生态安全与粮食安全两系统耦合度, 其取值范围为[0, 1], 越接近0时, 表示耦合度越弱, 反之, 表示耦合度越强。

1.4.4 耦合协调度模型(D)

$ D=(C \cdot T)^{\frac{1}{2}} $

(9)

式中：D为农业生态安全与粮食安全两系统协调度, 其取值范围为[0, 1], 当D越趋向于0时, 表明两系统间的相互作用越消极, 失调情况下的耦合导致整体未能朝着更好方向发展。参照唐启飞等^[30]研究, 将耦合协调度划分为10个等级, 便于直接反映两个系统的耦合协调程度(表 2)。

1.4.5 灰色关联度模型

灰色关联度分析通过计算系统内两个因素变化趋势的一致性来判断二者之间的关联程度，从而判断影响因素对系统耦合协调度的影响程度。

进行灰色关联度分析的参考数列和比较数列为：

$ x_0(k)=\left\{x_0^1, x_0^2 \cdots x_0^m\right\} \quad(k=1, 2 \cdots m) $

(10)

$ x_i(k)=\left\{x_1^1, x_1^2 \cdots x_1^n\right\} \quad(k=1, 2 \cdots n) $

(11)

式中：x₀(k)表示参考数列；x_i(k)为比较数列；计算灰色关联系数时，{x₀(t)}为无量纲化处理后数列，其子数列为{x_i(t)}，当k=t时，计算{x₀(t)}与{x_i(t)}的灰色关联系数，具体公式为：

$ {\zeta _i}(k) = \frac{{\mathop {{\rm{min}}}\limits_i \mathop {{\rm{min}}}\limits_k \left| {{x_0}(k) - {x_i}(k)\left. {} \right|} \right.{\rm{ }} + \rho \mathop {{\rm{max}}}\limits_i \mathop {{\rm{max}}}\limits_k \left| {{x_0}(k) - {x_i}(k)} \right.\left. {} \right|}}{{\left| {{x_0}(k) - {x_i}(k)\left. {} \right|} \right.{\rm{ }} + \rho \mathop {{\rm{max}}}\limits_i \mathop {{\rm{max}}}\limits_k \left| {{x_0}(k) - {x_i}(k)} \right.\left. {} \right|}} $

(12)

根据关联系数进一步计算灰色关联度，计算公式为：

$ G_{0 i}=\frac{1}{m} \sum\limits_{k=1}^m \zeta_{0 i}(k) $

(13)

1.4.6 灰色预测模型

灰色预测模型中GM(1, 1)的详细步骤和公式如下：

在时间序列下，GM(1, 1)模型的微分方程假设：

$ \frac{\mathrm{d} X_1}{\mathrm{~d} t}+a X_1=\mu $

(14)

基于假设的时间序列预测模型为：

$ \begin{gathered} x_1^T \hat{X}_1(k+1)=\left[x_0(1)-\frac{\mu}{a}\right] \mathrm{e}^{-a k}+\frac{\mu}{a} \\ (k=1, 2 \cdots n) \end{gathered} $

(15)

1.4.7 指数平滑模型

首先建立二次平滑预测模型，见公式(16)—(18)：

$ D_{t+k}=a_t+b_t K $

(16)

$ a_t=2 S_t^{(1)}-S_t^{(2)} $

(17)

$ b_t=\frac{a}{1-a} \cdot\left[S_t^{(1)}-S_t^{(2)}\right] $

(18)

式中：D_t+k代表协调度预测值; k表示预测的年份; a_t, b_t为该模型参数; S_t⁽¹⁾，S_t⁽²⁾分别为第T期一次指数、二次指数的平滑值, 分别为公式(19)和(20):

$ S_t^{(1)}=a D_T+(1-a) S_{t-1}^{(1)} $

(19)

$ S_t^{(2)}=a S_t^{(1)}+(1-a) S_{t-1}^{(2)} $

(20)

式中：a为平滑系数, 取值范围(0, 1); D_t为实际耦合协调度值; 初始值根据样本大小选取前1项—前5项, 见式(21)。

$ S_1=\left(D_1+\cdots+D_n\right) / n $

(21)

最终求得参数a_t，b_t，便能够得到二次平滑预测公式。

2 结果与分析 2.1 省域农业生态安全与粮食安全综合指数分析

2002—2022年长江经济带省域农业生态安全与粮食安全综合指数如图 1和表 3所示。从图 1可知，2002—2022年，长江经济带省域农业生态安全与粮食安全综合指数大多呈现较大波动态势，其中，江苏、浙江、安徽、湖南、四川、云南等省呈波动式上升趋势，上海、江西、湖北、重庆、贵州等省市呈波动式微弱下降态势。从表 3可知，2002—2022年，长江经济带农业生态安全与粮食安全综合指数极差由2002年的0.201波动上升至2022年的0.348，说明省域间农业生态安全与粮食安全综合指数水平差距先缩小再扩大。平均值为0.433~0.521，表现波动变化特征，表明长江经济带农业生态安全与粮食安全综合指数水平时有波动，同时，还有待提高。标准差呈现波动状态，最大值为0.103，表明长江经济带省域尺度上农业生态安全与粮食安全综合指数平均值的离散程度较小且处于波动变化趋势，样本间的差距整体不大。

2.2 省域农业生态安全与粮食安全耦合协调度分析 2.2.1 时序特征

从时间维度来看，长江经济带各省耦合协调度在2002—2022年期间变动较大(图 2)，总体呈上升后下降再上升的波动发展趋势，耦合协调等级大多升至更优一级水平。①2002—2011年期间，长江经济带省域处于失调状态的年份占36.37%，其中，处于濒临失调的年份占10%、处于轻度失调的年份占12.73%，处于中度失调的年份占10.91%，处于严重失调的年份占2.73%。长江经济带省域处于协调状态的年份占63.64%，其中，处于勉强协调的年份占18.18%，处于初级协调的年份占19.09%，处于中级协调的年份占13.63%，处于良好协调的年份占11.82%，处于优质协调的年份占0.9%。②2012—2022年期间，耦合协调度有了较大上升幅度。长江经济带省域处于失调状态的年份仅占8.27%，其中，处于濒临失调的年份占5.79%、处于轻度失调的年份占0.8%、处于中度失调的年份占1.65%。长江经济带省域处于协调状态的年份占91.73%，其中，处于勉强协调的年份占9.09%，处于初级协调的年份占25.62%，处于中级协调的年份占33.88%，处于良好协调的年份占19.01%，处于优质协调的年份占4.13%。

2.2.2 空间特征

从总体上看，长江经济带农业生态安全与粮食安全耦合协调度空间维度上呈现出“上游低中游高下游相对较低”的分布特征(图 3)，区域差异比较显著。①长江经济带下游地区耦合协调度处于协调状态的年份占78.57%，其中，占比排名前3且超过10%的有3个等级，包括初级协调、中级协调和勉强协调，共占70.24%。②长江经济带中游地区耦合协调度处于协调状态的年份占79.37%，其中，占比排名前三且超过10%的有3个等级，包括良好协调、初级协调和中级协调，共占66.67%。③长江经济带上游地区耦合协调度处于协调状态的年份占77.378%，其中，所占比例排名前三且超过10%的有3个等级，包括中级协调、初级协调和良好协调，共占59.52%。

截取2002，2012，2022年耦合协调度(图 3)，从横向省域对比分析长江经济带农业生态安全与粮食安全耦合协调度的空间分布特征。2002年，长江经济带所有省份耦合协调度均处于协调水平，其中，处于勉强协调等级的包括江苏、重庆，处于初级协调等级的包括湖北，处于中级协调的包括上海、安徽、云南和贵州，处于良好协调等级的包括浙江、江西、湖南。2012年，长江经济带大多数省份耦合协调度均处于协调水平，其中，处于勉强协调等级的包括安徽、湖北，处于初级协调等级的包括江苏、浙江、四川省，处于中级协调的包括上海、江西、湖南和贵州省，处于良好协调等级的包括重庆市；云南省处于濒临失调水平。2022年，长江经济带大多数省份耦合协调度均处于协调水平，且协调水平较高，其中，处于勉强协调等级的包括上海、贵州地区，处于初级协调等级的包括浙江、重庆地区，处于中级协调的包括四川，处于良好协调等级的包括江西、湖北、湖南省；处于优质协调等级的包括安徽和云南；江苏省处于轻度失调水平。

2.3 省域农业生态安全与粮食安全耦合协调度影响因素分析

从表 4可知，各省农业生态安全子系统和粮食安全子系统中的二级指标对耦合协调度的影响各不相同。

2.3.1 下游省份农业生态安全与粮食安全耦合协调度影响因素分析

在上海市的农业生态安全子系统中，关联度超过60%的二级指标有3个；在粮食安全子系统中，关联度超过60%的二级指标有5个。在江苏省的农业生态安全子系统中，关联度超过60%的二级指标有6个；在粮食安全子系统中，关联度超过60%的二级指标有9个。在浙江省的农业生态安全子系统中，关联度超过60%的二级指标有6个；在粮食安全子系统中，关联度超过60%的二级指标有7个。在安徽省农业生态安全子系统中，关联度超过60%的二级指标有9个，且排名前3的二级指标的关联度均超过70%；在粮食安全子系统中，关联度超过60%的二级指标有6个。由此可见，上海市、江苏省、浙江省粮食安全的二级指标比农业生态安全的二级指标对耦合协调度的影响更大，这意味着下游多数省份应重点加强农业生态安全。

2.3.2 中游省份农业生态安全与粮食安全耦合协调度影响因素分析

在江西省农业生态安全子系统中，关联度超过60%的二级指标有7个，其中，排名前3的二级指标关联度均超过70%；在粮食安全子系统中，关联度超过60%的二级指标有9个，且排名前3的二级指标的关联度均超过70%。在湖北省的农业生态安全子系统中，关联度超过60%的二级指标有7个，且排名前3的二级指标的关联度均超过70%；在粮食安全子系统中，关联度超过60%的二级指标有10个，且排名前3的二级指标的关联度均超过70%。在湖南省的农业生态安全子系统中，关联度超过60%的二级指标有7个；在粮食安全子系统中，关联度超过60%的二级指标有7个，且排名前3的二级指标的关联度均超过70%。由此可见，江西省、湖北省、湖南省粮食安全的二级指标比农业生态安全的二级指标对耦合协调度的影响更大，这意味着中游所有省份应重点加强农业生态安全。

2.3.3 上游省份农业生态安全与粮食安全耦合协调度影响因素分析

在重庆市的农业生态安全子系统中，关联度超过60%的二级指标有6个；在粮食安全子系统中，关联度超过60%的二级指标有7个。在四川省农业生态安全子系统中，关联度超过60%的二级指标有8个；在粮食安全子系统中，关联度超过60%的二级指标有6个，且排名前3的二级指标的关联度均超过70%。在云南省的农业生态安全子系统中，关联度超过60%的二级指标有7个，且排名前3的二级指标的关联度均超过70%；在粮食安全子系统中，关联度超过60%的二级指标有10个，且排名前3的二级指标的关联度均超过70%。在贵州省的农业生态安全子系统中，关联度超过60%的二级指标有3个；在粮食安全子系统中，关联度超过60%的二级指标有7个。由此可见，重庆市、云南省、贵州省粮食安全的二级指标比农业生态安全的二级指标对耦合协调度的影响更大，这意味着上游多数省份应重点加强农业生态安全。

总之，长江经济带省域粮食安全子系统比农业生态安全子系统对二者耦合协调度的影响更大一些。

2.4 省域农业生态安全与粮食安全耦合协调度预测分析

为了更直观地反映出长江经济带农业生态安全与粮食安全复合系统在2023—2027年的协调发展趋势，分别用灰色预测模型和指数平滑模型对未来5 a协调发展趋势进行预测。用灰色预测模型进行预测时，上海、江苏、浙江、重庆、云南、贵州地区的后验差比C值大于0.65，未通过检验；通过检验的安徽、江西、湖北、湖南、四川5省预测结果均为持续上升状态。而指数平滑模型预测的耦合协调度值在不同省份呈不同趋势，既有上升趋势，也有呈小幅下降趋势；且指数平滑法预测对农业生态安全与粮食安全复合系统的预测更为客观和平稳，平均相对误差也明显低于灰色预测模型结果。因此，本研究选取指数平滑模型进行预测。

由图 4可知，呈上升趋势的省份包括安徽、湖北、湖南、四川，湖南省和安徽省的耦合协调度将会超过湖北省；呈持平趋势的省份包括云南和江苏，云南省的耦合协调度明显优于江苏省；呈较明显下降趋势的省份包括江西、重庆、浙江地区，呈略微下降趋势的省份包括上海和贵州。结果充分显示，江西、重庆、浙江、上海和贵州地区还有较大进步空间。

3 结论

基于2002—2022年长江经济带农业生态安全与粮食安全统计数据，多方面构建两者评价指标体系，并利用熵值法、综合发展指数模型、耦合度模型、耦合协调模型、灰色关联度模型、指数平滑模型，分析2002—2022年长江经济带农业生态安全与粮食安全耦合协调关系及关联度，得出如下结论：

(1) 2002—2022年，长江经济带省域农业生态安全与粮食安全综合指数大多呈现较大波动态势，其中，江苏、浙江、安徽、湖南、四川、云南省呈波动式上升趋势，上海、江西、湖北、重庆、贵州等省市呈波动式缓慢下降态势。省域间农业生态安全与粮食安全综合指数水平差距先缩小再扩大，综合指数平均值离散程度较小且呈波动变化趋势，样本间的差距整体不大。

(2) 农业生态安全与粮食安全的耦合协调发展过程具有一定波动性，空间上具有差异性。从时间维度来看，长江经济带各省耦合协调度在2002—2022年期间变动较大，总体呈上升发展趋势，耦合协调等级大多升至更优一级水平。在空间维度上，长江经济带省域农业生态安全与粮食安全耦合协调度整体呈现出“上游低中游高下游相对较低”的分布特征，区域差异比较显著。

(3) 农业生态安全与粮食安全是一个耦合交互的系统，农业生态安全子系统与粮食安全子系统均对耦合协调度具有影响，粮食安全子系统比农业生态安全子系统对二者耦合协调度的影响略高。在粮食安全子系统中，影响更显著的因素为粮食人均占有量、粮食作物受灾率、单位粮食水资源消耗量、粮食总产量；在农业生态安全子系统中，影响更显著的因素为农业用水比例、森林覆盖率、有效灌溉率、水土流失治理面积。各省农业生态安全子系统和粮食安全子系统中的二级指标对耦合协调度的影响则各不相同，但是大多数省份粮食安全子系统比农业生态安全子系统对二者耦合协调度的影响高一些。

(4) 利用指数平滑法预测长江经济带农业生态安全与粮食安全未来5 a的耦合协调度，预测结果在不同省份呈不同趋势，既有上升趋势，也有呈小幅下降趋势。江西、重庆、浙江、上海和贵州等省市还有较大进步空间。

总之，上述结论不仅可以较为合理地呈现长江经济带各省市农业生态安全与粮食安全与周围邻域的空间集聚层次及耦合协调差异状况，也可为其他地区同类型研究提供一定参考。

4 建议

(1) 因地制宜，推进长江经济带各省农业生态安全和粮食安全耦合协调发展。上海、江西、湖北、重庆、贵州需要综合提升农业生态安全和粮食安全。上海、江苏、安徽、湖南、云南、贵州等省市的农业生态安全指数相对较低，需要更加重视农业生态安全。浙江、四川和重庆3省(市)的粮食安全指数相对较低，应更加重视发展粮食安全。

优化农业生态安全的措施包括：①提升农业水资源利用效率。一方面，应利用科技手段，提高农业用水灌溉水平，提高有效灌溉率；另一方面，采用免耕技术，打破犁底层，利于农田保墒，进而达到减少农业用水的目的。②继续植树造林，增加森林覆盖率，加强水土涵养，减少水土流失。③继续推进化肥、农药、农膜施用量减量行动，从源头上进一步降低农业面源污染。

优化粮食安全的措施包括：①应当增强农民的粮食安全保障意识，严格遵守耕地保护红线，确保耕地数量不减、质量不降。②继续推进兴修水利，进行土地平整、灌排水渠、农田电网等综合设施建设工作，进一步改善区域粮食种植条件，减少农作物受灾情况，驱动传统农业生产向绿色农业生产转变。③强化农业科技支撑，提高粮食综合生产能力，确保“藏粮于技”。④建立严格的惩戒机制。惩戒耕地等生态因素破坏行为，确保耕地等生态要素的生产、生活、生态功能。

(2) 整体推进，促进长江经济带农业生态安全和粮食安全耦合协调发展。①加强制度保障。在战略层面，在长江经济带落实“藏粮于地”“藏粮于技”战略，加强政府对土地利用的宏观调控与全面监管，实现农业生态安全与粮食综合生产能力的耦合协调发展。在政策层面，充分考虑农业生态政策和粮食安全政策产生的外部影响以及与其他行业政策的交互影响，制定科学合理的农业生态安全规划，减少农业面源污染，提升农业生态安全，制定科学的粮食安全政策，确保粮食生产、质量、消费和资源安全。②加强多部门协同治理。农业生态安全、粮食安全不仅相互独立，还相互关联。应注重农业农村部门、水利部门、生态环境部门、自然资源部门、粮食和物资储备的跨部门协调合作，建立起合作共赢新的发展机制。③因地制宜、梯次推进。由于长江经济带各省(市)间资源禀赋差距较大，且自身发展水平也存在差异，因此，区域间存在较显著差异，因此应按照因地制宜、梯次推进等原则，确定研究区各省(市)农业生态安全与粮食安全协调发展的方向和重点。④需要加强区域间资源共享。应促进长江经济带农业生态安全与粮食安全的耦合协调发展，缩小区域发展差异，实现农业生态环境、粮食安全利益最大化，提高长江经济带农业生态安全和粮食安全的整体水平。

由于数据的制约和各子系统内部组成要素关系的复杂性，且本研究在省域层面上展开，分析可能不够全面和完善。未来，将从多尺度视角探讨农业生态安全与粮食安全的耦合协调关系，并积极探索两个子系统内部多要素影响机制，以及与其他系统之间的内在联系。