气候变化与社会经济变迁下的淡水生态系统脆弱性：来自发展中国家的实证

《Journal of Geochemical Exploration》：Freshwater ecosystem vulnerability under climate and socioeconomic change: Evidence from developing economies

　　

淡水脆弱性表现出显著的区域和分布异质性。降水在长期与FEVI呈正相关（β = 0.244）。在较高的FEVI分位数下，降水的关联性显著增强。城市化在所有分位数下均与FEVI呈正相关。非洲和亚洲相对于其他研究区域表现出相对较高的FEVI。

1. 引言

淡水生态系统在人类福祉、生物多样性保护、粮食安全和可持续社会经济发展中发挥着至关重要的作用。它们在水资源供应等生态系统服务中扮演着关键角色，包括饮用水、农业灌溉、工业生产、水力发电和气候调节，这些服务对于实现全球可持续议程至关重要，包括可持续发展目标6、13以及《昆明-蒙特利尔全球生物多样性框架》（Biswas等，2021；CBD，2022）。然而，淡水生态系统日益受到气候变化和人为干扰的 combined 效应威胁，导致水资源减少、水质恶化、栖息地退化和生态系统韧性降低（Calvin等，2023）。除了水资源可用性的变化外，变暖还会影响水生环境条件的关键方面。最近的证据表明，变暖加剧会驱动水生环境中更多的脱氧现象并增加生态胁迫（Wu等，2025）。全球变暖、降水模式变化和极端水文气候事件正导致水文过程发生根本性转变，加剧了全球淡水短缺，并加了许多地区的生态脆弱性（Chen等，2026；Liu等，2026）。淡水系统对这些威胁更为脆弱，发展中国家经历了快速的人口增长、较低的适应能力和日益增加的水资源压力（Facts，2026）。

淡水资源脆弱性和淡水生态系统脆弱性的概念密切相关但存在概念差异。淡水资源脆弱性定义为水资源可用性、获取、稀缺性和水文可靠性的压力，而淡水生态系统脆弱性是一个更广泛的概念，涵盖了淡水生态系统和生态功能对淡水压力的敏感性及其抵抗或从干扰中恢复的能力。这种生态系统方法强调，淡水脆弱性不仅关乎资源可用性，还关乎维持来自水生资源和湿地保护的生态功能和生态系统服务的能力（Li等，2026）。本研究并不直接评估生物多样性、物种组成或生态完整性，而是评估了一系列与生态系统脆弱性相关的淡水资源压力和环境干扰（水资源压力、人均可再生淡水资源、化肥使用和洪涝发生）。因此，FEVI不是生态系统状况的直接测量，而是基于压力的淡水生态系统脆弱性指标。

气候变化是与淡水生态系统退化相关的最重要因素之一，因为它改变了降水模式，增加了蒸散量、河流径流量以及洪涝和干旱事件的频率（Huang等，2026；Wu等，2026）。同时，社会经济变化，如城市化、经济增长、农业用地扩张和资源利用模式，可能加剧或减轻气候变化对淡水系统的影响（Khan等，2023）。水文建模的最新进展也强调了考虑自然水文过程与地上地下人为修改之间的相互作用的重要性（Wang等，2025）。最近的研究表明，气候变率、土地利用动态与气候脆弱性之间的关系是复杂和非线性的，对不同国家和地区生态系统的可持续性影响存在异质性（Khan等，2020；Khan和Zhao，2019；Muhammad等，2025）。然而，最近的研究揭示了水文过程及其对气候和环境条件响应的显著变异性，强调了需要认识到不同背景下淡水响应的不同类型（Zhang等，2025）。例如，最近的研究表明，在环境退化和资源开发背景下，气候变率和水资源压力越来越相互关联（John和Pu，2026；Khan等，2025），而洪涝风险和制度韧性在气候变化下决定水相关环境结果方面至关重要（Daokoru-Olukole等，2026；Khan等，2021）。因此，评估淡水脆弱性需要同时考虑气候、环境和社会经济压力，而非仅考虑气候因素。

尽管关于淡水可持续性的研究越来越多，但这些研究往往侧重于淡水系统的单一方面，而非将多个环境和社会经济过程与综合脆弱性评估联系起来（Khan等，2019；Khan等，2018）。此外，已有研究表明，气候变化通过温度升高、降水模式改变和极端事件增加影响淡水可用性，从而影响水安全和生态系统功能（Abu-Zeid等，2025；Krishan和Srivastava，2026）。同样，农业扩张、资源集约利用、城市开发和污染物输入可以通过养分富集、取水以及环境有害物质的释放和循环加剧淡水退化（Izah和Ogwu，2026；Kumar等，2024a）。此外，最近的研究强调了技术创新、可持续资源管理和气候适应政策的必要性，以减少环境退化并增强长期生态系统可持续性（Nazir等，2025；Saha，2024）。此外，开发资源高效废水处理技术，如可去除养分并回收资源的基于藻类的系统，凸显了技术解决方案增强可持续水管理的潜力（Kumar等，2024b）。然而，现有文献大多将这些驱动因素孤立考虑，导致对影响淡水生态系统脆弱性的综合和异质性驱动因素理解有限。

此外，大多数实证研究使用传统计量经济学方法，假设普遍的平均效应，而忽视了气候脆弱性的显著跨国差异和分布差异（Pesaran，2006；Westerlund，2007）。这些技术可能会掩盖具有不同淡水生态系统脆弱性水平的国家之间的异质性反应。此外，由于全球化、气候遥相关和共同环境冲击产生的横截面依赖性在跨国面板分析中引起了广泛关注，但在假设横截面独立性的第一代估计技术中往往被忽视（Machado和Silva，2019；Pesaran，2007）。这些方法学挑战可能导致参数估计偏差和不完整的政策建议，特别是在具有多种气候条件、制度能力和社会经济系统的国家。

已经开发了多种多维指标框架来评估淡水脆弱性。水资源贫困指数纳入了水资源的物理可获得性以及社会经济获取、使用和管理能力，还有环境方面，凸显了综合水资源评估中纳入资源和社两个维度的优势（Sullivan，2002）。随后，联合国环境规划署淡水脆弱性框架进一步定义了脆弱性，将其分类为与资源压力、发展压力、生态健康和管理能力相关，从而扩展了框架以包括对淡水资源的环境和管理压力（Sullivan，2022）。一项对95个水相关指数的关键综述也揭示了它们在概念范围、指标选择、空间尺度以及生态健康考虑方面的显著差异，表明没有单一的淡水可持续性标准（Vollmer等，2016）。最近，Gordon等（2024）指出，基于指标的水资源脆弱性评估在全面性和适应性方面仍存在很大变异性，并且在捕捉时间维度和相互作用压力方面存在关键差距。近年来，UNEP框架的应用也证明了多维淡水脆弱性评估的有效性，强调了需要考虑指标选择和聚合的上下文依赖性（Sanchez等，2024）。

尽管越来越关注淡水可持续性，但当前文献仍存在若干局限。第一，许多研究分别评估淡水压力、水资源短缺、气候暴露或生态系统状况，而相对较少在共同的经验框架内整合水文压力、资源可用性、养分相关压力和水文气候干扰。第二，尽管发展中国家对气候变率、快速城市化、农田压力和低适应能力更为脆弱，但跨国证据仍然稀缺。第三，大多数现有文献与平均关系相关联，因此未澄清气候和社会经济联系是否沿淡水脆弱性分布在各国间存在差异。最后，传统面板方法可能无法完全捕捉由共同气候冲击、区域连接和共同社会经济压力导致的横截面依赖性。这些限制导致采用了一种分析方法，将多维脆弱性指标与第二代面板和分位数方法相结合。

因此，本研究解决了三个研究问题：(1) 发展中国家和地区的淡水脆弱性如何随时间变化？(2) 在考虑横截面依赖性和动态持续性的同时，气候和社会经济因素与淡水脆弱性之间的关系是什么？(3) 这些关联在淡水脆弱性条件分布的不同水平上是否存在差异？

本研究对文献做出了四项主要贡献。第一，它基于主成分分析（PCA）构建FEVI，使用四个互补指标：水资源压力、人均可再生淡水资源、化肥使用和洪涝事件，在单一指数中捕捉淡水资源压力和环境干扰的多个方面。第二，它提供了跨越1995年至2023年期间30个发展中国家的比较证据，为研究各国淡水脆弱性的时间和国家特定变化提供了共同框架。第三，它利用第二代面板技术，如CIPS、Westerlund协整和DCCE，纳入横截面依赖性、混合整合阶次、未观测共同因素和动态持续性。最后，应用MMQR确定气候和社会经济指标与FEVI之间的关联在脆弱性分布的不同水平上是否存在差异，为经历不同淡水压力的国家提供具有政策意义的证据。

2. 研究方法

2.1 研究框架

本研究开发了一个综合分析框架，通过同时考虑气候、环境和社会经济维度来评估淡水生态系统脆弱性。该分析框架结合了气候、环境和社会经济维度，并构建了如图1所示的FEVI，并使用第二代面板计量经济学方法探索FEVI与淡水生态系统脆弱性之间的统计关系。

图1. 研究的概念框架。

首先，使用主成分分析（PCA）构建多维淡水生态系统脆弱性指数（FEVI），整合四个指标，包括水资源压力（WST）、人均可再生淡水资源（LFWR）、化肥消耗（LFERT）和年度洪涝事件（LFEV）。其次，使用1995至2023年期间30个发展中国家年度观测值考察淡水脆弱性的气候和社会经济决定因素。最后，采用第二代面板计量经济学技术调查长期关系以及不同淡水生态系统脆弱性水平上的异质性反应。

2.2 数据来源和变量描述

经验分析基于一份平衡面板数据集，涵盖30个发展中国家1995至2023年期间的数据，共870个观测值。附录A（表A1）提供了纳入分析的30个发展中国家名单。这些国家代表四个主要地理区域，即亚洲、非洲、拉丁美洲和中东，从而提供了丰富的气候、水文和社会经济多样性。表1展示了本研究中所有变量的定义、计量单位和数据来源。

表1. 变量定义和数据来源。

| 变量 | 定义 | 单位 | 来源 |
|------|------|------|------|
| FEVI | 淡水生态系统脆弱性指数（基于PCA的综合指数） | 指数 | 作者根据WST、LFWR、LFERT和LFEV计算 |
| TEMP | 年均温度 | °C | CRU TS v4.09 |
| LPREC | 年降水量的自然对数 | ln(mm·year?1) | CRU TS v4.09 |
| CVI | 气候脆弱性指数（ND-GAIN脆弱性得分） | 指数 | ND-GAIN |
| LPGDP | 人均GDP的自然对数 | ln(USD) | 世界银行WDI |
| URBAN | 城市人口占总人口比例 | % | 世界银行WDI |
| AGRI | 农业用地占土地面积比例 | % | 世界银行WDI |

FEVI是为本研究专门开发的，使用PCA整合淡水脆弱性的四个互补维度。与仅捕捉淡水系统单一方面的个别指标不同，FEVI通过同时考虑水文稀缺性、环境压力和气候相关干扰，提供了对淡水脆弱性压力状况的全面评估。解释变量包括年均温度（TEMP）、年降水量（LPREC）、气候脆弱性（CVI）、人均国内生产总值（LPGDP）、城市人口（URBAN）和农业用地（AGRI）。年均温度和降水量数据来自气候研究单位时间序列（CRU TS v4.09）数据集，该数据集提供全球一致的气候观测数据。气候脆弱性使用ND-GAIN脆弱性指数测量，而社会经济变量，包括人均GDP、城市人口和农业用地，则来自世界银行发布的《世界发展指标》（WDI）。

2.3 淡水生态系统脆弱性指数的构建

FEVI使用PCA构建，总结代表淡水资源压力和环境干扰的四个指标的共同变异：水资源压力（WST）、人均可再生淡水资源（LFWR）、化肥消耗（LFERT）和年度洪涝事件（LFEV）。所选指标代表淡水脆弱性的互补维度。

水资源压力（WST）是指水供需失衡所产生的压力，人均淡水资源（LFWR）是淡水系统的可获得性维度。化肥使用（LFERT）反映了农业集约化导致的人为营养压力以及淡水资源潜在退化的风险。洪水事件（LFEV）是水文学扰动，可能影响淡水稳定性与生态系统功能。这些指标共同描述了与淡水脆弱性相关的关键资源压力和环境扰动。所有指标在进行主成分分析（PCA）前均进行了标准化处理。每个指标的归一化方法如下：

(1) Z_ij = (X_ij - X?_j) / s_j

其中，X_it 为观测值，X? 为样本均值，s_X 为标准差。随后，将PCA应用于标准化指标的关联矩阵，并根据相应的特征值和特征向量获取主成分得分：

(2) R = (1/(n-1)) Z'Z

其中，Z 表示标准化数据矩阵。通过对特征值分解求解得到主成分：

(3) Rv_k = λ_k v_k

其中，λ_k 为主成分 k 对应的特征值，v_k 为对应的特征向量。第一主成分的得分计算如下：

(4) PC_1,i = a?Z_1,i + a?Z_2,i + a?Z_3,i + a?Z_4,i

其中，a?、a?、a?、a? 代表特征向量载荷，Z?、Z?、Z? 和 Z? 分别对应 WST、LFWR、LFERT 和 LFEV。每个指标对 FEVI 的贡献由其因子载荷和所保留主成分所解释的方差确定。各成分得分按其对应的特征值加权，合并生成综合 FEVI 得分。FEVI 得分被重新缩放到 0–1 区间，以便可视化时间演变和区域模式，而原始标准化 PCA 得分则用于描述性统计和计量经济学估计。

淡水生态系统脆弱性指数（FEVI）定义如下：

(5) FEVI_i = PC_1,i

FEVI 值越高，表示淡水脆弱性相对越高（水资源压力、淡水资源有限、人为营养输入和水文扰动）。反之，较低的 FEVI 值表示相对较低的脆弱性。所得 FEVI 随后作为后续计量经济分析中的因变量。

### 2.4 计量经济模型设定

根据图 1 所示的分析框架，本研究考察了淡水生态系统脆弱性与所选气候、环境和社会经济因素之间的关联。因此，基准实证关系可表示为：

(6) FEVI_it = f(TEMP_it, LPREC_it, CVI_it, lPGDP_it, URBAN_it, AGRI_it)

其中，i = 1, …, N 表示国家，t = 1, …, T 表示时间。

实证模型设定如下：

(7) FEVI_it = β? + β?TEMP_it + β?LPREC_it + β?CVI_it + β?lPGDP_it + β?URBAN_it + β?AGRI_it + ε_it

### 2.5 截面依赖性检验

由于多个国家可能同时遭受气候、环境和社会经济冲击，对截面依赖性进行了分析。因此，采用 Pesaran (2021) 的 CD 框架检验截面独立性零假设。存在依赖性的证据证明了使用允许跨国家共同冲击的第二代面板方法的合理性。

(8) CD = √(2TN/(N-1)) × Σ(从 i=1 到 N-1) Σ(从 j=i+1 到 N) ρ?_ij

其中，N 为国家数量，T 为研究时期，ρ?_ij 为回归残差的成对相关系数。

### 2.6 面板单位根检验

鉴于截面依赖性的存在，采用 Pesaran (2007) 的 CIPS 检验进行平稳性检验。与第一代面板单位根检验不同，CIPS 在各国回归中额外加入了面板的截面均值，因此适用于受共同因子影响的面板数据。

横截面增强的 Dickey-Fuller（CADF）回归如下：

(9) Δy_it = α_i + β_i y_i,t-1 + c_i ū_{t-1} + d_i Δū_t + Σ(从 k=1 到 p) γ_ik Δy_i,t-k + u_it

其中，ū_t 表示截面平均值。

CIPS 统计量计算如下：

(10) CIPS = (1/N) Σ(从 i=1 到 N) CADF_i

### 2.7 面板协整检验

采用 Westerlund (2007) 基于误差修正的协整检验来考察 FEVI 与其解释变量之间的长期关系。该方法评估偏离长期均衡的误差是否会随时间得到修正，并允许各国异质性的调整速度。通过 Bootstrap 概率来处理截面依赖性。

误差修正模型如下：

(11) Δy_it = δ'_i d_t + α_i (y_i,t-1 - β'_i x_i,t-1) + Σ(从 j=1 到 p_i) φ_ij Δy_i,t-j + Σ(从 j=0 到 q_i) θ_ij Δx_i,t-j + u_it

其中，α_i 表示向长期均衡调整的速度。

### 2.8 动态共同相关效应（DCCE）估计量

采用 DCCE 估计 FEVI 与气候和社会经济因素之间的平均长期关系，同时控制动态持续性、截面依赖性和未观测的共同因子。滞后因变量反映了淡水脆弱性的持续性，而截面平均值反映了可能同时影响所抽样国家的共同冲击。模型如下：

(12) FEVI_it = α_i + ρ_i FEVI_i,t-1 + β'_i X_it + γ'_i X?_t + λ_i FEVI?_t + u_it

其中，X_it 为解释变量向量，X?_t 表示所有回归元的截面平均值。

### 2.9 矩量分位数回归（MMQR）

虽然 DCCE 估计了平均长期关联，但这些关系可能在淡水脆弱性水平相对较低和较高的国家之间有所不同。本研究采用了由 Machado 和 Silva (2019) 开发的矩量分位数回归（MMQR），该方法在整个条件 FEVI 分布上估计异质性的斜率系数。这使得个体异质性得以体现，并允许在不同分位上估计系数的幅度和显著性有所变化。模型表示为：

(13) Q_Y(τ|X) = X'β + Z'γ(τ)

其中，Q_Y(τ|X) 为条件分位数，τ 为分位水平，X 包含具有恒定效应的回归元，Z 包含具有异质分位效应的回归元。

位置-尺度表示如下：

(14) Y_it = α_i + X'_it β + (δ_i + Z'_it γ) U_it

其中，U_it 为独立分布，均值为零，方差为单位方差。

### 3. 结果与讨论

#### 3.1 描述性统计与 FEVI 构建

表 2 报告了研究变量的描述性统计结果。FEVI 的均值为 -0.003，标准差为 1.351，取值范围为 -2.767 至 4.067，表明各国和年份之间存在显著差异。相对较宽的分佈表明这些发展中国家在气候、水文和社会经济方面具有显著的多样性。年平均温度的均值为 23.70 °C，范围为 6.89 °C 至 29.18 °C。同样，年降水量的均值为 6.956，范围为 4.55 至 8.24。气候脆弱性的均值为 0.515，表明这些国家面临中等程度的气候相关风险暴露。同样，人均 GDP 的平均值为 7.186，而城市人口约占总人口的 39.16%。

**表 2. 变量的描述性统计。**

| 变量 | 观测数 | 均值 | 标准差 | 最小值 | 最大值 |
|------|--------|------|--------|--------|--------|
| FEVI | 870.0 | -0.003 | 1.351 | -2.767 | 4.067 |
| TEMP | 870.0 | 23.697 | 4.038 | 6.89 | 29.18 |
| LPREC | 870.0 | 6.956 | 0.759 | 4.55 | 8.236 |
| CVI | 870.0 | 0.515 | 0.063 | 0.367 | 0.659 |
| LPGDP | 870.0 | 7.186 | 0.906 | 5.353 | 9.432 |
| URBAN | 870.0 | 39.161 | 17.866 | 7.168 | 87.616 |
| AGRI | 870.0 | 45.057 | 17.181 | 7.848 | 83.887 |

表 3 展示了通过 PCA 构建的综合淡水生态系统脆弱性指数的结果。研究发现，第一主成分解释了 45.45% 的方差，解释了总方差的最大比例。因此，PC1 被视为 FEVI，因为它代表了指标中的主要潜在模式。由于 FEVI 是基于淡水资源压力和环境扰动的指标构建的，它是对淡水脆弱性的以压力为导向的综合评估，而非对所有生态系统状况的评估。

**表 3. FEVI 构建的主成分分析。**

| 成分 | 特征值 | 解释方差 (%) | 累计方差 (%) |
|------|--------|-------------|-------------|
| PC1 (FEVI) | 1.818 | 45.45 | 45.45 |
| PC2 | 1.329 | 33.21 | 78.67 |
| PC3 | 0.585 | 14.63 | 93.30 |
| PC4 | 0.268 | 6.70 | 100.00 |

| PC1 成分载荷 | WST | LFWR | LFERT | LFEV |
|-------------|-----|------|-------|------|
| 载荷值 | 0.653 | -0.623 | 0.271 | 0.335 |

来源：作者计算。

表 4 显示了所有选定变量的成对相关矩阵和方差膨胀因子（VIF）。成对相关提供了 FEVI 与气候和社会经济变量之间关联的初步指示。FEVI 与温度、降水量和城市化呈显著负相关，系数分别为 -0.185、-0.599 和 -0.207。结果还显示，FEVI 与气候脆弱性、人均 GDP 和农业用地呈正相关，系数分别为 0.068、0.113 和 0.446。解释变量之间存在中等相关性，尤其是人均 GDP 与城市化之间，以及人均 GDP 与气候脆弱性指数之间。然而，没有一个解释变量存在严重的多重共线性。此外，模型中选定变量的 VIF 值在 1.342 至 5.872 之间，远低于标准值 10（Bagheri 和 Midi, 2009）。因此，所有解释变量均被保留用于进一步的计量经济分析。

**表 4. 相关矩阵和方差膨胀因子（VIF）。**

| 变量 | FEVI | TEMP | LPREC | CVI | LPGDP | URBAN | AGRI |
|------|------|------|-------|-----|-------|-------|------|
| FEVI | 1.000 | | | | | | |
| TEMP | -0.185 | 1.000 | | | | | |
| LPREC | -0.599 | 0.132 | 1.000 | | | | |
| CVI | 0.068 | 0.209 | -0.386 | 1.000 | | | |
| LPGDP | 0.113 | -0.044 | 0.093 | -0.786 | 1.000 | | |
| URBAN | -0.207 | 0.046 | 0.218 | -0.760 | 0.840 | 1.000 | |
| AGRI | 0.446 | -0.210 | -0.228 | 0.153 | -0.102 | -0.275 | 1.000 |

| 方差膨胀因子 (VIF) | 2.673 | 1.342 | 2.420 | 4.874 | 5.872 | 5.786 | 1.356 |

#### 3.2 FEVI 的时间与区域模式

图 2 展示了 1995–2023 年间所选国家 FEVI 的全球时间变化。虽然年际波动明显，但平均 FEVI 呈上升趋势，表明研究期间所抽样国家的淡水脆弱性有所增加。FEVI 的持续增长反映了淡水系统对气候变率和环境退化的更大脆弱性。

**图 2. FEVI 的全球时间趋势（1995–2023）。**

图 3 采用核密度估计展示了研究期间 FEVI 的分布情况。2023 年的分布相较于 1995 年呈现出向较高 FEVI 值的明显偏移，表明淡水生态系统脆弱性总体上有所上升。这些结果表明，淡水生态系统的脆弱性随时间推移而上升，并且在发展中国家中的分布更加不均衡（Padowski 等, 2015）。

**图 3. FEVI 的时间演变（1995–2023）。**

图 4 显示了亚洲、非洲、拉丁美洲和中东地区的 FEVI 区域分布。结果显示显著的区域差异，非洲和亚洲的平均 FEVI 值最高，表明这些地区淡水生态系统对水文气候和环境胁迫的脆弱性更高。亚洲部分地区脆弱性的增加与当前淡水景观改变的趋势相一致，例如孟加拉国的长期湿地动态变化（Zhao 等, 2026）。然而，拉丁美洲和中东地区的脆弱性水平相对较低，尽管 FEVI 随时间推移略有上升趋势。这些区域差异凸显了制定针对特定区域的适应策略和可持续淡水资源管理的重要性。

**图 4. FEVI 的区域分布。**

#### 3.3 截面依赖性、平稳性与协整

表 5 呈现了截面依赖性检验的结果，包括 Breusch-Pagan LM、Pesaran 缩放 LM、偏差调整 LM 和 Pesaran CD 统计量。所有检验均在 1% 的显著性水平上拒绝截面独立性零假设，表明所选国家之间存在强烈的截面依赖性。这一发现表明，这些国家受到共同的气候、环境和社会经济冲击的影响，凸显了考虑截面依赖性以获得可靠且无偏的面板估计的重要性，与 Pesaran (2006) 的观点一致。

**表 5. 截面依赖性检验。**

| 变量 | Breusch-Pagan LM | Pesaran 缩放 LM | 偏差调整 LM | Pesaran CD |
|------|-----------------|----------------|------------|-----------|
| FEVI | 2317.460*** | 63.821*** | 61.112 | 37.952*** |
| TEMP | 3132.681*** | 91.460*** | 87.798 | 48.898*** |
| LPREC | 1014.579*** | 19.650*** | 18.463 | 13.072*** |
| CVI | 6738.658*** | 213.714*** | 205.836 | 52.668*** |
| LPGDP | 6606.752*** | 209.242*** | 201.518 | 47.874*** |
| URBAN | 11,042.296*** | 359.621*** | 346.712 | 104.752*** |
| AGRI | 5585.746*** | 174.627*** | 168.096 | 25.934*** |

注：***、** 和 * 分别表示在 1%、5% 和 10% 水平上显著。

表 6 报告了 Pesaran (2007) 的横截面增强 IPS（CIPS）面板单位根检验结果。结果显示研究变量存在混合的集成阶数。具体而言，FEVI、TEMP、LPREC 和 URBAN 在水平上是平稳的，I(0)，而 CVI、LPGDP 和 AGRI 在一阶差分后平稳，I(1)。重要的是，没有一个变量是二阶集成的，满足面板协整分析的先决条件。同时包含 I(0) 和 I(1) 变量也进一步支持了使用对截面依赖性和混合集成阶数具有鲁棒性的第二代面板计量经济学方法。这些结果与近期利用 CIPS 检验的环境和气候面板研究一致（Chudik 和 Pesaran, 2015; Westerlund, 2007）。

**表 6. CIPS 面板单位根检验结果。**

| 变量 | 水平 | p 值（水平） | 一阶差分 | p 值（差分） | 阶数 |
|------|------|------------|---------|------------|------|
| FEVI | -3.265*** | 0.010 | -4.627*** | 0.010 | I(0) |
| TEMP | -2.792*** | 0.016 | -4.814*** | 0.010 | I(0) |
| LPREC | -3.849*** | 0.010 | -5.732*** | 0.010 | I(0) |
| CVI | -2.354 | 0.100 | -3.552*** | 0.010 | I(1) |
| LPGDP | -2.194 | 0.100 | -2.932*** | 0.010 | I(1) |
| URBAN | -3.167*** | 0.010 | -1.933 | 0.100 | I(0) |
| AGRI | -2.195 | 0.100 | -2.818*** | 0.010 | I(1) |

注：***、** 和 * 分别表示在 1%、5% 和 10% 水平上显著。

表 7 展示了 Westerlund 面板协整检验的结果，该检验考察了所选变量之间的长期均衡关系。对于组均值统计量（G_t = -3.52, p = 0.002）和面板统计量（P_t = -15.02, p = 0.028），均在 1% 水平上拒绝无协整的零假设，表明尽管各国存在异质性，但变量之间是协整的。虽然 G_a 和 P_a 统计量不显著，但显著的 G_t 和 P_t 统计量提供了充分的证据，表明淡水生态系统脆弱性及其气候和社会经济决定因素之间存在稳定的长期关系。这些结果表明，尽管短期存在波动，但变量在长期内共同变化，从而使得长期估计程序的适用成为可能。Westerlund 协整框架在处理截面依赖性和异质性面板结构方面的稳健性已在近期环境面板研究中得到证明（Boukhelkhal, 2022; Machado 和 Silva, 2019）。

**表 7. Westerlund 面板协整检验结果。**

| 统计量 | 值 | Bootstrap p 值 | 决策 |
|--------|-----|---------------|------|
| G_t | -3.52*** | 0.002 | 拒绝 H? |
| G_a | -5.99 | 0.986 | 未能拒绝 H? |
| P_t | -15.02** | 0.028 | 拒绝 H? |
| P_a | -6.20 | 0.780 | 未能拒绝 H? |

注：报告 Bootstrap p 值以考虑截面依赖性。***、** 和 * 分别表示在 1%、5% 和 10% 水平上显著。

#### 3.4 长期关联：DCCE 估计

表 8 展示了使用 DCCE 估计量计算的长期估计结果，考虑了截面依赖性、未观测的共同因子和动态持续性。滞后因变量的系数（0.3718）为正且高度显著，表明淡水生态系统脆弱性随时间推移具有强烈的持续性。在解释变量中，只有 LPREC 对 FEVI 表现出统计上显著的正面影响（β = 0.2439, p < 0.01），表明降水量的变化是发展中国家淡水生态系统脆弱性的重要长期决定因素。相比之下，在控制未观测的共同因子和截面依赖性后，TEMP、CVI、LPGDP、URBAN 和 AGRI 的系数不具有统计显著性。模型表现出优异的拟合优度（调整后 R2 = 0.974），表明 FEVI 变化中约有 97.4% 可由估计模型解释。

结果表明，除了降水的重要性外，其他气候和社会经济驱动因素可能对各国长期生态系统脆弱性产生不同程度的影响。近期的研究也报告了类似的证据，强调在面板数据分析中评估气候 - 水相互作用和气候脆弱性时异质动态的重要性（Khan 等，2024 年；Liu 等，2026 年）。

表 8. 动态共同相关效应估计值。

| 变量 | 系数 | 标准误 | t 统计量 | p 值 |
| :--- | :--- | :--- | :--- | :--- |
| 滞后 FEVI | 0.3718*** | (0.0455) | 8.170 | 0.000 |
| TEMP | ?0.0317 | (0.0358) | ?0.886 | 0.383 |
| LPREC | 0.2439*** | (0.0628) | 3.883 | 0.001 |
| CVI | ?1.4691 | (1.0198) | ?1.441 | 0.160 |
| LPGDP | ?0.0597 | (0.0368) | ?1.620 | 0.116 |
| URBAN | 0.0026 | (0.0037) | 0.712 | 0.482 |
| AGRI | 0.0027 | (0.0041) | 0.655 | 0.518 |
| 调整后的 R 平方 | 0.974 | | | |

注：***, **, 和 * 分别表示在 1%, 5%, 和 10% 水平上显著。

3.5. 分布异质性：MMQR 估计值

表 9 展示了矩量分位数回归（MMQR）估计值，反映了气候和社会经济驱动因素在不同水平的淡水生态系统脆弱性上的影响存在显著差异。TEMP 的影响在从 10% 分位数到 75% 分位数的范围内呈正相关且具有统计显著性，系数从 0.097 降至 0.077，但在 90% 分位数时变得不显著。相反，LPREC 的影响在脆弱性分布较高范围内的国家中变得更强，从最低分位数的 0.000 增加到 75% 百分位数的 0.300 和 90% 百分位数的 0.468。这种在高脆弱性水平上与降水的更强联系与水文系统对气候异常和水文脉冲的动态响应相一致（Song 等，2026 年）。这些发现进一步支持了水文气候影响的背景依赖性，因为降雨相关的环境响应会随着景观特征和气候条件的变化而变化（Huangfu 等，2025 年）。这种多样性也反映在水文证据中，即径流产生机制在水文气象背景下有所不同，反映出并非所有的气候变化响应都会导致各国淡水资源发生相同的变化（Zhang 等，2024 年）。在所有解释变量中，CVI 在所有分位数上与 FEVI 表现出强烈的负相关，系数范围为?2.243 至?4.932，表明其作为影响淡水生态系统脆弱性的主导因素的角色。人均 GDP 对数（LPGDP）仅在低分位数（Q0.10）上具有正向且显著的影响，而在较高分位数上其影响减弱并变得不显著。城市化（URBAN）的系数也呈强正值，并在条件分布上从 0.012 缓慢上升至 0.023。农业（AGRI）的系数在大多数分位数上统计不显著，在 25% 分位数上略呈正值。这些发现与（Adebayo, 2026; Celik and Celik, 2026）一致，他们研究了环境对分位数的响应以及分位数面板估计量相对于传统均值回归模型的优势。

表 9. 矩量分位数回归估计值。

| 变量 | Q0.1 | Q0.25 | Q0.5 | Q0.75 | Q0.9 |
| :--- | :--- | :--- | :--- | :--- | :--- |
| TEMP | 0.097*** | 0.084** | 0.078** | 0.077** | 0.035 |
| | (0.033) | (0.033) | (0.031) | (0.035) | (0.056) |
| LPREC | ?0.018 | 0.003 | 0.08 | 0.3*** | 0.468*** |
| | (0.085) | (0.083) | (0.075) | (0.093) | (0.106) |
| CVI | ?3.943*** | ?2.243* | ?3.212*** | ?3.967*** | ?4.932*** |
| | (1.469) | (1.23) | (1.114) | (1.183) | (1.571) |
| LPGDP | 0.13** | 0.029 | 0.032 | 0.009 | ?0.001 |
| | (0.055) | (0.05) | (0.047) | (0.061) | (0.084) |
| URBAN | 0.012** | 0.018*** | 0.02*** | 0.023*** | 0.023*** |
| | (0.005) | (0.004) | (0.003) | (0.004) | (0.004) |
| AGRI | 0.003 | 0.011* | 0.004 | 0.006 | 0.01 |
| | (0.005) | (0.006) | (0.006) | (0.006) | (0.009) |

注：分位数 Q0.10 至 Q0.90 代表淡水生态系统脆弱性分布的不同点。括号内报告了自举标准误。***, **, 和 * 分别表示在 1%, 5%, 和 10% 水平上显著。包含了国家固定效应。

图 5 展示了气候和社会经济因素对 FEVI 的分位数特定影响，显示估计系数存在显著差异。TEMP 的正向效应向高分位数逐渐减弱，而 LPREC 的影响随高分位数增加，特别是在脆弱性较高的国家。URBAN 的影响呈正向且上升，而 CVI 的影响在所有分位数上持续为负。城市化与 FEVI 的正向关联增加也强调了在快速发展景观中保存和恢复水生及湿地系统的重要性。近期的研究表明，综合湿地保护和恢复可以同时提供多种生态系统服务，揭示了在不断增长的人类活动压力下保留湿地的生态重要性（Zhi 等，2026 年）。相比之下，LPGDP 和 AGRI 保持微弱且统计不一致。总体而言，图形结果证实了表 9 中报告的 MMQR 估计值，确认气候和社会经济驱动因素的影响在各国家间并不均匀，而是随着淡水生态系统脆弱程度的变化而有相当大的差异。此类结果证实了近期的证据，即分位数方法比传统的均值估计量能更好地理解气候 - 水连接研究中的环境异质性，尤其是具有不同脆弱性特征的情况（Adjei Kuffour 等，2026 年；Yin 等，2026 年）。

下载：下载高分辨率图片 (357KB) 下载：下载全尺寸图片
图 5. 气候和社会经济驱动因素对 FEVI 的分位数特定影响。

图 6 显示了 FEVI 与选定气候变量之间的非线性关系。响应面提供了不同气候条件组合如何对应 FEVI 变化的视觉表示，补充了分位数回归结果。具体而言，发现脆弱性随着温度、降水变率和气候脆弱性的增加而增加，而在更有利的气候下观察到相对较低的 FEVI 值。平滑响应面进一步说明了气候驱动因素之间复杂的相互作用，反映了一个因素的变化如何放大或缓和另一个因素的影响。该图进一步描绘了结合的气候和环境梯度如何有助于发展中国家淡水生态系统服务的脆弱性，正如近期的研究强调气候变异性对水相关环境风险的交互作用所示（Gibb 等，2023 年；Mehta, 2024 年）。

下载：下载高分分辨率图片 (392KB) 下载：下载全尺寸图片
图 6. 气候和环境梯度下 FEVI 的三维响应面。

4. 结论与政策建议

淡水脆弱性代表着发展中国家面临的一个重要的环境挑战，这些国家正面临日益增加的气候、水文和社会经济压力。本研究使用主成分分析开发了一个复合淡水生态系统脆弱性指数（FEVI），并使用综合的第二代面板计量框架考察了 1995 年至 2023 年间 30 个发展中国家气候和社会经济因素之间的关联。PCA 显示主成分 1 贡献了总变差的 45.45%，并作为淡水生态系统脆弱性的有用压力型复合指标。描述性和空间分析显示了显著的时间和区域变异性，FEVI 从 1995 年到 2023 年总体呈上升趋势，与拉丁美洲和中东相比，非洲和亚洲的脆弱性水平相对较高。研究结果确认了各国之间存在显著的截面依赖，以及给定变量中 I(0) 和 I(1) 混合存在。此外，Westerlund 面板协整检验确定淡水生态系统脆弱性水平与其气候和社会经济因素之间存在稳定的长期均衡关系。DCCE 估计器显示 FEVI 具有高度持续性，滞后因变量的持续性系数为 0.372。在控制截面依赖和未观察到的共同因素后，只有 LPREC 对 FEVI 具有统计显著的长期正向影响，系数为 0.244。然而，矩量分位数回归（MMQR）揭示了显著的分布异质性。LPREC 的影响从低分位数上的不显著效应显著增加到 90% 分位数上为正且统计显著的系数 0.468，表明 LPREC 在经历较高脆弱性的国家中起着强得多的作用。相比之下，CVI 在所有分位数上与 FEVI 表现出持续强烈的负相关，系数范围为?2.243 至?4.932。URBAN 对 FEVI 具有持续的正向影响，从低分位数的 0.012 增加到高分位数的 0.023。相反，LPGDP 和 AGRI 的影响通常微弱且统计不显著。

结果为加强发展中国家的淡水生态系统韧性和可持续发展提供了几个关键的政策建议。首先，随着降水在高脆弱性国家中作用的增强以及新形式生产力的迅速发展，迫切需要提高气候适应性水资源管理，包括改进水库运行、防洪基础设施、干旱准备和综合流域管理，同时协调城乡生态和文化系统，并加强社会治理和现代化。第二，气候脆弱性持续强烈的影响表明，适应策略应优先考虑适应能力有限的国家，通过改善公共政策、城乡治理、金融导向、气候风险评估、早期预警系统，以及投资于韧性水基础设施的行业来实现。第三，城市化与淡水生态系统脆弱性之间的正相关关系突显了可持续城市发展、更好的废水处理、雨水管理以及利用基于自然的解决方案来缓解城市化对淡水资源影响的需求，从而促进整体人类福祉和社会生态可持续性。因此，这促进了个人的全面发展和社交生态的可持续发展。第四，由于研究区域存在显著的区域异质性，政策需要在区域层面制定，考虑非洲、亚洲、拉丁美洲和中东不同的气候、水文和社会经济条件，以及具体的区域城乡治理。最后，实现可持续发展目标 6（清洁水和卫生设施）和 SDG 13（气候行动）的目标，需要综合政策，同时促进气候适应、可持续的土地和水资源管理、生态系统保护和长期环境韧性，加强城乡治理，并促进整体人类发展。

尽管提供了关于淡水生态系统脆弱性的综合证据，但本研究存在几个局限性。首先，由于数据可用性和一致性，分析仅限于 30 个发展中国家，这限制了结论向发达经济体的推广性。第二，虽然复合指数包含