面向中国省级适应优先序制定的温度诱导经济脆弱性概率指数（A Probabilistic Index of Temperature-Induced Economic Vulnerability for Subnational Adaptation Prioritization in China）

《Earth's Future》：A Probabilistic Index of Temperature-Induced Economic Vulnerability for Subnational Adaptation Prioritization in China

　　

开发基于证据的次国家级气候脆弱性指数（subnational climate vulnerability index），对于优先安排区域适应支持和确保相关资源的公平有效分配至关重要。然而，现有指数往往难以捕捉气候驱动因子与经济产出之间的非线性联系，且其基本静态的视角忽略了未来不确定性——源于减缓路径、预估变暖及宏观经济响应——如何重塑气候风险与区域适应能力。为弥补这些不足，研究人员开发了一个概率性气候-经济风险评估框架，将此类非线性和不确定性传播至省级脆弱性分布中，并据此构建综合脆弱性指数（Integrated Vulnerability Index, IVD），同时反映温度诱导GDP脆弱性的集中趋势与尾部风险（tail risk）。应用于中国后发现，约64.5%–80.6%的省份被划分为脆弱状态（指数值低于零）。该指数呈现清晰的空间梯度：东部和南部脆弱性较高，长江三角洲（Yangtze River Delta）和珠江三角洲（Pearl River Delta）等沿海经济枢纽及热带海南最为脆弱，而西北和东北较冷省份更可能具韧性。该框架可在演变的减缓路径下支持灵活的适应资源分配与区域针对性投资优先序制定。

《Earth's Future》刊载论文解读：中国省级温度诱导经济脆弱性概率指数与适应优先序研究

一、研究背景与问题提出

随着全球变暖加剧，气候变化已通过农业、能源等多途径影响社会经济系统，造成显著经济损失。中国作为世界最大经济体之一且气候脆弱性突出的国家，省内气候、人口和经济条件存在巨大异质性，导致气候风险暴露和应对能力差异显著，因而次国家级（subnational，即中国省级）适应资源分配的循证优先序制定尤为关键。然而，现有次国家级气候脆弱性指数多存在两方面局限：一是采用指标叠加法，假设线性可加且缺乏演绎推理，难以捕捉温度与宏观经济产出间的非线性（nonlinear）倒U形响应关系；二是基于历史气候或静态确定性视角，未纳入减缓路径（mitigation pathways，如SSP1-1.9与SSP2-4.5）、区域温度响应及温度-经济响应的级联不确定性（cascading uncertainties）。此外，从气候正义角度看，脆弱性由气候影响与应对能力（常以GDP代理）共同决定，忽视低概率高损失尾部风险（tail risk）易导致适应规划失效。因此，研究人员开展了此项研究，旨在考虑非线性温度-GDP关系及多源不确定性基础上，构建省级温度诱导经济脆弱性概率分布及综合脆弱性指数（Integrated Vulnerability Index, IVD），用以识别中国未来20–40年省级适应优先序。

二、主要关键技术方法概述

研究人员采用1978–2015年中国31省人均GDP增长数据与699个气象站日值气象数据，通过面板回归估计含温度线性项与二次项的温度-GDP人均增长非线性响应方程（倒U形气候损害函数），并以块自助法（block bootstrap，1 000次）模拟参数不确定性得到1 000条损害函数。未来温度轨迹选取CMIP6（Coupled Model Intercomparison Project Phase 6）中20个全球气候模式（GCMs）在SSP1-1.9、SSP2-4.5及SSP5-8.5情景下的模拟结果，经偏差校正与线性插值生成2016–2060年各省年均温序列。社会经济与人口采用SSP1、SSP2、SSP5下省级downscale的Cobb–Douglas预测值。将1 000条损害函数与20条GCM温度路径组合（1 000×20），递推计算含气候影响的未来人均GDP并与无气候变化反事实比较，得到累积温度诱导GDP影响（Cumulative Temperature-Induced GDP impact, CIGDP_i^k,sd,GM,r,e）与同期累积GDP（作为风险应对能力CGDP_i^k,sd,GM,r,e，贴现率取4.5%与6.6%），二者比值即为单次模拟的省域脆弱性V_i^r,e。通过核密度估计获得省域脆弱性概率分布，提取期望值E_i^r,e与第十百分位数的VaR10（Value at Risk at 10th percentile，反映左尾风险），按公式IVD_i^r,e= w_E·E_i^r,e/Max_all+ w_VaR10·VaR10_i^r,e/Max_all（w_E+w_VaR10=1，测试四种权重如(0.5,0.5)至(0,1)）构建标准化综合脆弱性指数，并用Kendall's W检验排名稳健性。

三、研究结果

3.1 Temperature–GDP per Capita Growth Response（温度与人均GDP增长响应关系）

通过历史回归bootstrap得到的1 000条温度-GDP增长响应曲线呈宽泛的倒U形，表明升温对偏冷省份经济增长有促进作用，对偏暖省份有抑制作用；省域基线温度相对倒U形拐点（turning point，中位数估算为12.9°C，10th–90th百分位：8.6–17.2°C）的位置决定增温影响的方向与大小，该参数不确定性被传播至后续预估。

3.2 Vulnerability Across Mitigation Scenarios and Temporal Scales（不同减缓情景与时间尺度下的脆弱性）

以2016–2040与2016–2060为时段、SSP1-1.9与SSP2-4.5为情景构建省域脆弱性概率分布发现：约55%省份温度诱导GDP损失概率≥50%且脆弱性期望值为负，涵盖全国超70% GDP，包括长三角、珠三角及热带海南等；其余约45%省份（如内蒙古、吉林、黑龙江、甘肃、青海、新疆）损失概率<50%且期望值为正，偏向受益。约81%省份VaR10≤0（覆盖全国超90% GDP），其中有8个期望值为正的省份（如北京、河北、山西、辽宁、四川、陕西、宁夏、新疆）VaR10为负，说明即便平均受益仍需关注极端损失可能；约19%省份（内蒙古、吉林、黑龙江、西藏、甘肃、青海）VaR10仍为正，显示较强温度冲击韧性。减缓力度减弱（SSP2-4.5 vs SSP1-1.9）与时间延长使负值脆弱性及负向VaR10绝对值增大，但损失概率空间格局基本稳定。影响–能力分解表明：同经济规模（CGDP相近）下温度累计负面影响（CIGDP更负）则更脆弱；同温度影响下CGDP越大缓冲作用越强，脆弱性绝对值越小。

3.3 IVD Across Scenarios, Temporal Scales, and Weight Specifications（不同情景、时间尺度与权重设定下的综合脆弱性指数IVD）

IVD分散度在弱减缓（SSP2-4.5）与长时间尺度下扩大，脆弱省份更负、潜在受益省份更正。加大尾风险权重（w_VaR10从0.5升至1.0）使各省IVD普遍下降，被划为脆弱（IVD<0）的省份比例从64.5%升至80.6%，说明强调极端风险会扩大需优先适应的省份集合。不同减缓情景与时间尺度下脆弱省比例变动较小。

3.4 Regional Patterns and Provincial Rankings of IVD（IVD的区域格局与省级排序）

IVD省级排名在情景、时段及权重间高度一致（Kendall's W接近1）。按中位排名，最脆弱前10位依次为：海南(Hainan)、广东(Guangdong)、广西(Guangxi)、福建(Fujian)、江西(Jiangxi)、浙江(Zhejiang)、重庆(Chongqing)、湖南(Hunan)、上海(Shanghai)、湖北(Hubei)；最不脆弱（IVD中位为正）后10位含山西(Shanxi)、辽宁(Liaoning)、新疆(Xinjiang)、宁夏(Ningxia)、甘肃(Gansu)、西藏(Tibet/Tibet Autonomous Region)、吉林(Jilin)、内蒙古(Inner Mongolia)、青海(Qinghai)、黑龙江(Heilongjiang)。空间上呈现低纬度/暖基线下省份更脆弱、高纬度/冷区更韧的特征，且该规律不依于省GDP高低——长三角与珠三角虽经济发达但因强温度负面冲击致IVD持续为负，属适应投资重点区域；海南因热带基线气温在所有设定中均为最脆弱省。

四、讨论与结论翻译总结

研究人员指出，该框架整合了非线性气候–经济响应及减缓路径–增温–宏观影响的级联不确定性，并将概率脆弱性信息转化为兼顾集中趋势与尾部风险的确定性综合指数（IVD），明确将省级适应优先序与全球减缓轨迹相关联。结果表明中国多数省份面临温度诱导经济脆弱性，东南部沿海经济带与热带海南尤甚，西北与东北偏冷省份相对韧性强；强调VaR10可识别平均受益但仍暴露于极端损失的省份，避免低估适应需求。该指数体系可为演化减缓路径下的灵活适应资源分配、区域针对性韧性投资及未来更广泛综合气候脆弱性指数的温度维度子指标构建提供依据。

综上，论文得出结论：开发的概率性气候–经济风险评估框架及省级温度诱导经济脆弱性综合指数（IVD）揭示了中国约64.5%–80.6%省份处于脆弱状态（IVD<0），脆弱性呈东/南高、西北/东北低的清晰空间梯度——长江三角洲、珠江三角洲及海南最脆弱，寒冷西北与东北省份更可能具韧性；该框架支持在演进减缓情景下制定灵活的次国家级适应优先序与针对性投资。