当前位置:首页>农业>【Appl. Geogr.】中国农业大学郇轶中等发文揭示优先实施气候行动有助于加速全球环境SDGs进程

【Appl. Geogr.】中国农业大学郇轶中等发文揭示优先实施气候行动有助于加速全球环境SDGs进程

  • 2026-10-24 22:30:43
【Appl. Geogr.】中国农业大学郇轶中等发文揭示优先实施气候行动有助于加速全球环境SDGs进程

中国农业大学郇轶中等发文揭示优先实施气候行动有助于加速全球环境SDGs进程

研究背景

环境可持续发展目标(SDGs)间以及它们与社会经济SDGs间存在着复杂的相互作用,涉及强度不一的正负影响。理解这些互动对于确定能够减少权衡、增强协同并加速实现环境可持续性的变革行动至关重要。然而,这些因果互动仍未得到充分研究,环境SDGs的协调治理行动的优先事项也尚不明确。为此,该研究基于专家意见征询,评估了SDGs体系中40项环境类具体目标的加权有向互动,并通过运用复杂网络分析方法,解析了因果网络特征,包括节点重要性、宏观因果结构、多情景下的边脆弱性以及潜在链接。该研究为全球环境可持续性治理提供了新的见解,并支持实现2030年议程。

研究方法

该研究构建了一个综合方法框架(图1)。第一,运用专家意见征询和七点量表框架,评估了40项环境SDGs具体目标间以及这些具体目标与其余129项SDGs具体目标间的加权有向互动,并据此构建了一个因果网络。第二,运用LASPN中心性、GDM模型以及系统性分析法,综合评估了SDGs具体目标在网络中的重要性。第三,应用NFC模型,将因果网络压缩为宏观网络,以揭示潜在的SDGs组合及其更高层次的结构作用。第四,通过模拟正负子网络中三种策略下的攻击(基于边脆弱性移除、随机移除和基于链路熵的移除)来量化网络中不同边的重要性,并评估其对网络效率的影响。最后,使用结构扰动法进行链路预测,以识别潜在互动关系。

图1. 方法框架

研究结果

第一,识别出7303条加权因果关系,其中90.84%为正相关,9.16%为负相关(图2a)。

第二,SDG 13.1(加强应对气候灾害的能力)是因果网络中的核心节点。其在网络内部传播影响力以及维持整体稳健性方面都发挥着关键作用(图2b和2c),并且它能够缓冲权衡效应(图3)。优先推进SDG 13.1(加强应对气候灾害的能力)可能非常有效。

第三,宏观层面的协同网络中,包含SDGs 13.2(气候变化政策)和14.2(海洋和沿海生态系统保护)的宏观节点对其他宏观节点施加了最强的正向影响,同时也从其他宏观节点接收了最多的正向影响(图4),表明气候适应与海洋生态系统保护间的协调行动可以加速环境SDGs整体进展。

第四,边移除模拟结果表明,基于边脆弱性的移除导致网络效率最大程度下降(图5)。位于多条最短路径上的因果链接是维持网络韧性的关键桥梁;对这些链接进行有针对性的干预可以增强协同并减少权衡。

第五,链路预测得出环境类具体目标内部及它们与其他具体目标间存在2107条潜在边,其中89.37%为正向,10.63%为负向。值得注意的是,有六个链接获得了最高的正权重,主要与气候政策和森林管理相关(图6),它们可作为环境治理的潜在重点。

图2. 环境SDGs具体目标间以及它们与其他SDG具体目标间的加权因果网络。a. 40 个环境类具体目标间以及它们与其他 129 个SDGs具体目标间的加权因果网络。b. 节点在网络信息传播中的重要性。c. 节点在维持网络稳健性方面的重要性。a-c中,箭头指示影响方向;边的粗细对应于交互强度;边的颜色范围从最强的负面影响(深红色,[−3])到最强的正面影响(深蓝色,[+3])。

图3. 40个环境类具体目标的系统性作用。蓝色点代表SDGs参与协同(正向互动),红色点代表SDGs参与权衡(负向互动)。

图4. 粗粒化后宏观网络的结构特性。a. 宏节点间的协同作用(绿色)。b.宏节点间的权衡作用(红色)。箭头指示影响方向,边的颜色和粗细均反映互动强度。颜色更深或边更粗表示互动更强。宏观节点标记为 A–I,每个宏观节点旁的数字表示其包含的环境SDGs具体目标。原始网络包含169个节点,被压缩为30个宏观节点。鉴于该研究以环境SDGs为重点节点,图a和图b中仅标记了包含环境SDGs的9个宏观节点(A–I) 。

图5. 基于多场景扰动模拟的因果网络中的边重要性。a . 三种边移除策略下正子网络效率的变化。由于正边数量众多,除随机移除外,每移除 10 条边计算一次网络效率。b .相同三种策略下负子网络效率的变化。在图a和b中,曲线分别对应以下边移除策略:蓝色代表基于边脆弱性的移除,黄色代表随机移除,绿色代表基于链路熵的移除(节点作为发送方),红色代表基于链路熵的移除(节点作为接收方)。

图6. 基于链路预测的潜在因果互动。所有节点大小相同;箭头指示影响方向;边的粗细代表预测交互作用的强度,从负面影响(浅红色,[-2])到强正面影响(深蓝色,[+3]);灰色方框内的节点代表环境类SDGs具体目标。

该项成果于近期以“Prioritizing climate action maximizes synergies among global environmental SDGs: A causal network analysis”为题,发表于Applied Geography期刊(新锐分区:1区TOP;JCR分区:Q1)。

中国农业大学人文与发展学院郇轶中副教授为第一作者;中国科学院地理科学与资源研究所梁涛研究员、生态环境部卫星环境应用中心周广金副研究员为通讯作者。

论文链接:

https://doi.org/10.1016/j.apgeog.2026.103938

微信号丨Carbon-Nitrogen

扫描二维码关注我们~

最新文章

随机文章