中国碳达峰约束下不同社会经济发展路径(Shared Socioeconomic Pathways, SSPs)中可持续发展目标(Sustainable Development Goals, SDGs)的优先序设定

《Geography and Sustainability》：Prioritizing Sustainable Development Goals under China’s carbon peaking across alternative socioeconomic pathways

　　

摘要：2030年是中国落实联合国《2030年可持续发展议程》与履行《巴黎协定》碳达峰承诺的交汇节点。在资源与时间受限条件下，协调脱碳目标与可持续发展目标(Sustainable Development Goals, SDGs)是核心治理难题。本研究提出一个融合多空间收敛交叉映射(Multi-spatial Convergence Cross-Mapping, MCCM)、网络分析(Network Analysis)及基于图卷积网络(Graph Convolutional Network, GCN)的情景预测框架，综合因果效应、结构重要性与演化潜力三维度，定量推导中国碳达峰约束下各共享社会经济路径(Shared Socioeconomic Pathways, SSPs)中SDGs指标及目标层的优先实施序列。结果表明：SDG 7.2.L、3.d.1、1.1.L、3.8.1和9.5.1是跨路径核心杠杆指标，其溢出效应高于系统均值60.7%–91.5%，针对性资源配置可催化SDGs整体推进；目标层上以SDG 7（可负担清洁能源）为核心驱动（溢出效应高于均值57.3%），同时针对滞后严重的SDG 15（陆地生物）进行补偿性干预是实现跨路径协同的支柱。实施序列具路径依赖性——SSP1（可持续发展路径）中SDG 4（优质教育）与SDG 17（全球伙伴关系）是协调气候承诺与SDGs的基础；SSP3（区域竞争）与SSP5（化石燃料驱动发展）中结构性失衡使SDG 10（减少不平等）紧迫性较SSP1分别提升38.7%和37.3%；SSP2（中间路径）与SSP4（不平等路径）中SDG 9（工业、创新和基础设施）因进展落后（较SSP1滞后10.7%和17.3%）且具正向溢出（高于均值15.2%）而成为关键切入点。本研究为中国优化政策、最大化"双目标"协同提供循证依据，也为全球统筹气候行动与可持续发展提供可迁移范式。

论文解读——《Prioritizing Sustainable Development Goals under China's carbon peaking across alternative socioeconomic pathways》发表于《Geography and Sustainability》

一、研究背景与问题提出

2030年既是联合国可持续发展目标(Sustainable Development Goals, SDGs)的实现期限，也是中国承诺碳达峰的关键节点，二者合称"2030双重目标"。当前中国推进SDGs与气候治理协同面临两大瓶颈：一是资源禀赋与制度能力有限，无法同步推进全部17项SDG，须明确优先序；二是气候治理与可持续发展议程间政策协调性不足，缺乏对SDGs间复杂非线性因果依存关系的系统性刻画。已有SDG优先序研究多依赖专家判断、文献综述或静态历史趋势外推，存在两点缺陷——（1）多采用统计相关而非动态因果识别，难以捕捉高维、非线性、短时序SDG数据中的真实驱动—响应机制；（2）未考虑碳达峰等严格气候约束及各共享社会经济路径(Shared Socioeconomic Pathways, SSPs)下的结构性重塑，无法进行面向未来的多情景动态优先序推导。为此，研究人员以中国2000–2022年省级面板数据为基础，构建融合因果推断、复杂网络与深度学习情景预测的集成框架，识别碳达峰约束下跨SSPs的SDGs动态优先实施序列。

二、主要关键技术方法概述

研究人员选取中国30个省份（剔除西藏、港澳台）作为空间复制单元，构建涵盖16个SDGs共74项指标、8项碳达峰目标及25项SSP变量的数据集（数据源：?《中国统计年鉴》等官方年鉴2001–2023及Chen et al.(2024) SSP原始数据），排除仅沿海可用的SDG 14。指标按正向、负向、适度三类归一化至[0,100]。主要方法包括：（1）多空间收敛交叉映射(Multi-spatial Convergence Cross-Mapping, MCCM)：以省份为空间复制克服SDG短时序限制，识别SDG指标间及碳峰/SSP对SDG的双向非线性因果关系（嵌入维数E=3–5，时延τ=1，p<0.05经1000次Bootstrap检验及留一省稳健性检验）；（2）有向加权因果网络构建与网络分析：以MCCM检出因果链为边计算介数(Betweenness)、接近(Closeness)、特征向量(Eigenvector)中心性及二阶加权入/出度，做前影结构分析(Prospective Structural Analysis)将指标分为决定型(Determinant)、中继型(Relay)、结果型(Resultant)、调节型(Regulator)、自主型(Autonomous)和临界型六类；（3）因果驱动的图卷积网络(causality-driven Graph Convolutional Network, GCN)：以MCCM因果图为邻接矩阵（107节点含SDG/碳峰/SSP指标，边权为因果效应ρ），三层堆叠GCN(ReLU+Dropout 0.2, AdamW优化)用2000–2017训练、2018–2022测试，预测五类SSPs至2030年各SDG指标得分；（4）TOPSIS多属性决策：以因果效应、结构重要性（复合中心性）、发展紧迫度（SSP情景下2030进展缺口）三维等权，计算贴近理想解程度(Closeness Coefficient, CC)得出指标及目标层优先序。

三、研究结果

3.1 SDG指标的因果效应(Causal effects of SDG indicators)

经MCCM双向因果分析筛除强耦合与不显著链路后，74项指标间27.9%呈显著协同因果（平均ρ=0.46），9.5%呈权衡（平均ρ=-0.33），62.6%无显著因果。SDG 1.1.L（食品生产者平均收入）、3.d.1（卫生应急核心能力）、3.c.1（卫生人员密度）、7.2.L（人均居民生活用电量，代理清洁用能普及度）、9.c.1（移动电话网络覆盖率）、17.8.1（互联网用户占比）因果效应超系统均值60.7%–91.5%，为强正向溢出杠杆；少数具负因果效应（ρ<-0.2）的指标不宜优先推进。

3.2 SDG指标的重要性(Importance of SDG indicators)

网络分析显示SDG 4.5.1（特殊教育发展）、8.10.1（每万人银行网点数）、12.4.2（危废产生与处置）、15.1.1（森林覆盖率）和15.1.2（造林及湿地面积占比）复合中心性最高，具强结构杠杆作用。前影结构分析识别出14项决定型指标（如1.1.L、7.2.L，高影响低依赖，宜早期实施）、17项中继型（如3.8.1基本医疗服务覆盖率、3.d.1、9.5.1研发经费占GDP比、17.8.1，高低依赖兼具，为传播枢纽）、9项调节型、13项结果型及7项自主型指标。

3.3 碳峰值背景下不同SSPs的SDG指标预测(Indicator predictions across SSPs towards carbon peaking)

因果驱动GCN测试集R2=0.91，验证框架可靠性。五路径2030预期：SSP1最优（约22%指标完全达标，39.2%达80%以上，28.4%潜在倒退），SSP5次之，SSP2/SSP3/SSP4依次滞后。SDG 1.5.2（灾害直接经济损失/GDP）、3.1.2（熟练助产分娩比）、3.3.1（新增HIV感染）、4.2.1（七岁以下儿童健康覆盖）、7.1.2、11.5.2在所有SSPs下预计达标；而SDG 2.a.L（每千农民农技推广员数）、5.3.2（女性童婚率）、13.1.3（地方DRR战略执行度）、15.1.2、16.6.1在所有SSPs下进展<20%，紧迫性最高。

3.4 碳峰值背景下不同SSPs的SDG指标优先序(Indicator priorities across SSPs towards carbon peaking)

TOPSIS整合三维度得指标优先序：SSP1–SSP5中SDG 15.1.2、7.2.L、3.d.1、1.1.L、3.8.1、9.5.1、4.3.1（过去12个月接受教育培训青年成人比例）、9.5.2（每百万人口研究人员数）稳居前十——前五个兼高因果效应与高结构重要性，为核心杠杆；后三个因进展严重滞后而上 urgent。目标层优先序各SSP一致显示SDG 7（溢出高于均值57.3%）为系统演化核心驱动，SDG 15（2030预期进展<30%）因瓶颈制约升至前列，SDG 1、4、9、17居前十；路径差异表现为：SSP1强调SDG 4与17；SSP3与SSP5中SDG 10紧迫性较SSP1升38.7%和37.3%；SSP2与SSP4中SDG 9因较SSP1滞后10.7%/17.3%且溢出高于均值15.2%而提级优先。SDG 5、6、12因弱影响或稳步进展排名靠后但不减长期价值。

四、讨论与结论翻译

讨论指出，该框架实现从相关描述到动态因果识别的方法跃迁，碳峰约束使优先序突出气候引领（SDG 7）、短板补偿（SDG 15）、发展支撑（SDG 9、4）与公平兜底（SDG 10），区别于传统以民生保障为主的排序。不同SSP揭示优先序具路径依赖性，反映发展契约对可持续转型的影响。政策含义上建议目标层差异化施策——SDG 7推进清洁低碳电力系统与储能市场化；SDG 15强化生态补偿与湿地修复提质；SDG 9和4加速绿色技术创新扩散与人力资本积累；SDG 10建立与碳价/能源转型匹配的社会再分配与保护机制；指标层重点靶向7.2.L清洁用能普及、3.d.1卫生资源可及性、1.1.L小农收入支持、3.8.1基本医疗服务覆盖、15.1.2生态质量提升、4.3.1与9.5.2区域均衡化。研究承认局限含时段较短未用遥感大数据、全国尺度掩盖区域异质性和未细化人口—城市化—产业化驱动细分情景，未来可用深度强化学习进一步拓展。

结论(Conclusions)：

契合中国碳达峰战略，本研究建立了多样SSPs下SDGs优先实施序列。通过系统量化SDG指标的因果效应、结构重要性与演化潜力，为协同气候减缓与可持续发展提供可操作决策依据。结果显示中国SDG系统具强健驱动结构，SDG 7.2.L、3.d.1、1.1.L、3.8.1和9.5.1为关键杠杆点，溢出效应超系统均值60.7%–91.5%，优先向其配置资金、技术与制度资源可通过跨目标传导最大化系统收益。目标层策略遵循"核心驱动演化+瓶颈补偿干预"双逻辑：SDG 7（溢出高于均值57.3%）驱动低碳转型，SDG 15（2030预期进展<30%）因滞后与紧迫居前列。实施序列具路径依赖性——SSP1以SDG 4与SDG 17为基石；SSP3与SSP5社会分化风险使SDG 10紧迫性较SSP1分别增38.7%和37.3%；SSP2与SSP4中SDG 9较SSP1滞后10.7%和17.3%且具>15.2%正向溢出，成关键干预目标。本研究为中国优化资源配置、协同推进"2030双重目标"提供实证支撑，也为全球应对可持续发展与气候变化交织挑战、设计跨部门一体化政策提供借鉴。