海岸防御资金与环境驱动因子的时空建模：基于意大利海岸线的贝叶斯分析

《Environmental and Ecological Statistics》：Cost-to-coast: space–time modeling of coast defense funds and environmental drivers in Italy

本研究针对意大利海岸带土壤防御公共资金分配机制不明确的问题，开展了基于时空贝叶斯模型的分析。研究人员整合了OpenCoesione、OpenBDAP和ReNDiS三大数据库的市政级资金数据，结合海岸线形态、波浪能量（E=0.5*Hm02·Te）、极端降水等环境指标，通过INLA（Integrated Nested Laplace Approximation）框架构建BYM2（Besag-York-Molliè）空间随机效应模型。结果表明：自然海岸线长度与资金投入呈负相关，而海岸侵蚀程度、波浪能量（99th百分位数）与土壤消耗量（0-300米范围）显著正向影响资金分配。该研究为地中海地区海岸带适应性政策提供了基于证据的决策支持。

　　

随着海平面上升和极端气候事件频发，全球海岸带正面临日益严峻的生态与金融双重挑战。意大利作为地中海地区海岸线最长的国家之一，其43,000平方公里的海岸带聚集了全国30%的人口，却长期缺乏对土壤防御资金分配规律的系统性研究。传统上，公共资金分配决策往往受制于行政层级分割和数据碎片化，难以精准响应快速变化的环境风险。这种决策盲区可能导致资源错配——急需防护的侵蚀高风险区可能因数据缺失而得不到足够资金，而某些低风险区却因政治因素获得过量投入。

为破解这一难题，来自巴里大学、意大利环境保护与研究所以及挪威科技大学的研究团队在《Environmental and Ecological Statistics》发表了开创性研究。他们首次将意大利三大公共资金数据库（OpenCoesione、OpenBDAP、ReNDiS）与高精度环境监测数据融合，构建了2010-2023年覆盖645个沿海市政区的面板数据集。研究团队创新性地采用贝叶斯时空建模技术，通过INLA（集成嵌套拉普拉斯近似）算法实现了对复杂空间依赖关系的高效计算。该方法特别引入了BYM2（贝叶斯空间模型重参数化版本），能同时捕捉省级尺度结构化空间效应和市政级非结构化随机波动。模型中还设置了环境变量的两年滞后项，以准确反映极端天气事件与政策响应之间的时间延迟机制。

关键技术方法包括：利用R包PublicWorksFinanceIT整合多源资金数据并进行地理编码；采用INLA框架拟合包含时空随机效应的层次模型，其中空间组件使用BYM2先验（包含ICAR结构化效应和独立随机效应），时间组件采用高斯过程；对环境协变量（波浪能量99th百分位数、日降水≥20mm天数）引入两年滞后处理；通过WAIC（渡边信息准则）、DIC（偏差信息准则）和边际似然值进行模型选择。

研究结果揭示了多维度驱动机制：

1. 1.1.
   环境驱动因素显示：自然海岸线每增加1公里，标准化资金投入降低0.33个单位（β=-0.33, 95%CI[-0.49,-0.17]），印证了天然海岸的自我防护功能；而侵蚀海岸线每公里对应资金增加0.29个单位（β=0.29, 95%CI[0.16,0.43]），表明决策系统能识别物理风险。
2. 2.2.
   人类活动压力方面：距海岸300米内土壤消耗量每增加1平方公里，资金投入上升0.18个单位（β=0.18, 95%CI[0.08,0.27]），证实城市化压力是资金分配的关键考量。
3. 3.3.
   极端事件响应中：滞后两年的波浪能量（99th百分位数）呈现显著正向效应（β=0.29, 95%CI[0.03,0.57]），而极端降水事件未通过显著性检验，暗示决策系统对海洋动力灾害的敏感度高于降水灾害。

时空异质性分析发现：时间随机效应（γ_t）呈现宽置信区间（σ_t²=0.27），反映年度资金波动受政策周期等非观测因素影响显著；省级空间效应（φ=0.18）显示结构化成分占比有限，暗示资金分配更依赖地方特定因素而非地理邻近性。线性预测值空间分布图进一步验证了第勒尼安海沿岸（西北部）资金集聚现象，这与该区域高频次极端海浪事件的地理分布高度吻合。

这项研究突破了传统环境经济学研究的局限，通过贝叶斯时空建模揭示了公共资金分配与环境风险之间的非线性关联。其政策启示具有双重价值：一方面为欧盟土壤战略（EU Soil Strategy for 2030）提供了市政尺度的实施路径，另一方面通过量化决策滞后效应（2年响应周期），为优化应急资金拨付流程提供了科学依据。该方法框架可扩展至其他地中海国家的海岸带管理，对建立气候变化适应性金融的跨国比较基准具有里程碑意义。