《Frontiers in Environmental Science》:Climate physical risks, ecological resilience, and spatial spillovers: evidence from China
编辑推荐:
随着气候变化加剧,气候物理风险已成为生态系统稳定性以及生态韧性可持续提升过程中日益重要的约束因素。研究人员基于2009—2023年中国31个省份的面板数据,考察了气候物理风险对生态韧性的影响及其潜在作用机制。研究综合采用Dagum基尼系数、核密度估计、空间马尔
随着气候变化加剧,气候物理风险已成为生态系统稳定性以及生态韧性可持续提升过程中日益重要的约束因素。研究人员基于2009—2023年中国31个省份的面板数据,考察了气候物理风险对生态韧性的影响及其潜在作用机制。研究综合采用Dagum基尼系数、核密度估计、空间马尔可夫链、空间杜宾模型(SDM)和中介效应分析,以识别二者关系的时空格局、空间效应及传导路径。结果表明:中国生态韧性随时间推移持续提升,区域差异逐步收窄,空间集聚性不断增强;而气候物理风险总体呈上升趋势,内部差异扩大,并表现出明显的空间持续性。气候物理风险显著降低本地生态韧性,并对邻近地区产生负向溢出效应;与此同时,生态韧性自身表现出正向空间依赖和俱乐部趋同(club convergence)特征。这种负面效应在生态脆弱地区、非核心城市群以及重点生态功能区中更为显著。机制分析进一步表明,气候物理风险通过降低生物多样性以及挤出生态修复投资,间接加剧韧性损失。上述发现为揭示气候物理风险与生态韧性之间的空间关联及其传导路径提供了经验证据,并为差异化气候适应与区域协同治理提供了政策启示。
该文发表于《Frontiers in Environmental Science》。论文聚焦于气候变化背景下气候物理风险(climate physical risk)与生态韧性(ecological resilience)之间的关系,回应了当前生态环境研究中的一个关键议题:在极端天气事件频发、长期升温与降水格局变化叠加的条件下,生态系统维持稳定、吸收冲击并实现恢复的能力如何受到持续性气候压力影响。既有研究较多围绕洪水、干旱、热浪等单一极端事件展开,能够揭示短期气候扰动对物种组成、生态功能和群落稳定性的冲击,但往往将气候风险视为离散冲击,较少从累积性、持续性和空间关联性的视角审视其对生态韧性的长期削弱过程。同时,关于生态韧性的研究虽然已逐渐从脆弱性或灾后恢复等单维框架转向多维能力评价,但大尺度经验研究仍不足,尤其是生物多样性与生态修复投资在“气候风险—生态韧性”关系中的中介作用尚缺乏系统识别。鉴于气候风险与生态过程都具有显著跨区域扩散与联动属性,忽视空间依赖可能导致结论偏误,因此开展本研究具有突出的理论价值与现实必要性。
围绕上述问题,研究人员构建了“风险—响应—韧性”一体化分析框架,将气候物理风险纳入生态韧性研究体系,并从自然生态基础与社会适应响应两个维度解释其作用机制。理论上,论文借鉴“压力—状态—响应”框架,认为气候物理风险是一种持续外部压力,可能改变生态系统结构、功能和环境稳定状态,进而通过系统维护、适应和转型能力影响生态韧性。基于此,研究提出核心假设:气候物理风险与生态韧性呈负相关;并进一步提出两条潜在中介路径,即气候物理风险可能通过削弱生物多样性降低生态韧性,也可能通过影响生态修复投资进而作用于生态韧性。论文的主要结论表明,这一总体判断获得了数据支持:气候物理风险不仅在本地层面显著压低生态韧性,而且会对邻近地区形成负向空间溢出;其负向影响在生态脆弱地区、非核心城市群和重点生态功能区更强;在机制层面,气候物理风险一方面通过生物多样性下降削弱生态韧性,另一方面通过对生态修复投资形成挤出效应,进一步放大韧性损失。这些发现的重要意义在于,它们将气候适应、生态保护和区域协同治理联系起来,为差异化气候适应政策设计提供了实证基础。
在技术方法上,研究使用2009—2023年中国31个省份平衡面板数据,核心变量包括中国气候物理风险指数、省域生态韧性综合指数及相关控制变量。生态韧性以抵抗力、恢复力、适应力和创新力4个维度、20项三级指标构建,并采用熵权TOPSIS法测算;时空分异采用Dagum基尼系数、核密度估计和空间马尔可夫链;空间效应采用双向固定效应空间杜宾模型(SDM);机制检验采用含空间依赖的中介效应模型,并辅以后滞项、工具变量与动态面板等内生性检验及多种稳健性检验。
在研究结果部分,论文首先从时空演化角度揭示了气候物理风险与生态韧性的异步变化特征。
4.2 Dynamic evolution and spatial autocorrelation of climate physical risk and ecological resilience
在“4.2.1 Spatiotemporal evolution and spatial patterns of climate physical risk”部分,研究首先利用Dagum基尼系数分析全国及区域间气候物理风险差异,发现2009—2023年气候物理风险总体差异呈波动上升态势,后期省际不平等程度明显高于初期,且多数年份区域内差异对总体差异的贡献高于区域间差异,说明同一区域内部的气候风险异质性日益重要。随后,核密度估计结果显示,全国气候物理风险分布主峰整体右移、右尾加长、峰值下降且分布变宽,意味着风险水平总体抬升且高风险省份与平均水平的偏离增大;分区域看,东部地区右移最显著,西部地区分布更平坦、更分散,反映出明显的区域异质性。Moran’s I散点图显示,气候物理风险在2013、2019和2023年均存在显著正向空间自相关,高—高(H–H)和低—低(L–L)集聚占主导,说明高风险与低风险省份都存在稳定的空间邻接集聚。进一步的传统马尔可夫链和空间马尔可夫链结果表明,气候物理风险状态具有较强流动性,但这种转移显著受邻近地区风险环境影响,高风险空间邻域会增强向更高风险等级跃迁的概率,表明风险演化具有显著空间依赖与俱乐部收敛倾向。
在“4.2.2 Distribution dynamics and spatial correlation of ecological resilience”部分,研究对生态韧性进行了对应分析。Dagum基尼系数结果表明,中国生态韧性总体差异从2009年的0.081下降至2023年的0.047,显示各省生态韧性总体提升且区域差距持续收敛。区域内差异仍是总差异主要来源,提示提升生态韧性不能仅依赖东中西宏观区域协调,更需关注同一区域内部省际差距。核密度估计显示,生态韧性分布曲线主峰持续右移,且呈单峰、峰高上升、分布收窄特征,说明全国生态韧性水平上升并向更集中的状态演化。分区域看,东部地区改善最快且分布更均衡,中部稳步提升,西部由早期较为平缓的分布逐渐向更集中的右移主峰演化,表现出一定追赶态势,东北则平稳改善。Moran’s I分析进一步证实,生态韧性存在显著正向空间自相关,且空间集聚随时间增强,高韧性地区与高韧性邻近地区相互强化,低韧性地区也呈集聚分布。传统与空间马尔可夫链结果显示,生态韧性状态具有较强持续性与等级锁定,尤其是低位和高位省份更容易维持原状态;同时,高韧性邻域会增强高韧性状态稳定性,体现出明显俱乐部趋同特征。
4.3 Spatial effects of climate physical risk on ecological resilience
在这一部分,研究基于平均经济地理空间权重矩阵,经过Moran’s I、LM检验、Wald检验、LR检验与Hausman检验后,确定采用双向固定效应空间杜宾模型。结果显示,相比传统OLS模型,在控制空间依赖后,气候物理风险(PCR)对生态韧性的影响仍为负。空间效应分解进一步表明:气候物理风险的直接效应为?0.0003,且在10%水平显著,说明本地区气候物理风险上升会显著压低本地生态韧性;间接效应为?0.0004,也在10%水平显著,说明一个地区的气候物理风险会通过空间溢出机制削弱邻近地区生态韧性;总效应为?0.0007,表明其综合影响显著为负。与此同时,生态韧性的空间自回归系数显著,证明生态韧性存在空间依赖,区域间生态条件、政策与发展能力相互关联。该部分核心结论是:气候物理风险不仅是局地生态韧性的约束因素,也会通过跨区域生态与气候联系向外传导。
4.4 Endogeneity tests
为缓解反向因果、遗漏变量和动态持续性问题,研究进行了三类内生性检验。其一,使用一期滞后气候物理风险检验反向因果,结果显示滞后项系数仍显著为负,说明既往气候物理风险对当前生态韧性存在持续负向关联。其二,采用历史气候风险暴露交互项作为工具变量,进行两阶段最小二乘估计,结果中气候物理风险系数依然显著为负。其三,在动态面板框架中加入动态持续性考量,气候物理风险与生态韧性的负向关系仍然成立。研究据此指出,该关系具有较强稳定性,但由于数据属于观察性面板数据,结论宜解释为稳健的负向关联或负向影响倾向,而非严格因果效应。
4.5 Robustness checks
在稳健性检验部分,研究从多个维度验证基准结论。首先,以极端低温日数替代综合气候风险指数作为解释变量,结果仍显著为负,说明结论不依赖单一综合指标。其次,以森林覆盖率替代生态韧性综合指数作为被解释变量,气候物理风险系数仍显著为负,表明即使改用生态结构性指标,结论仍成立。再次,将基准空间权重矩阵替换为加权经济地理矩阵和地理邻接矩阵,气候物理风险的负向估计值保持稳定。最后,加入科技支出等额外控制变量后,核心关系依然未发生改变。因此,论文认为“气候物理风险显著抑制生态韧性”的经验结论具有较强稳健性。
4.6 Heterogeneity analysis
异质性分析显示,气候物理风险对不同类型地区生态韧性的影响并不均一。在“4.6.1 Heterogeneity analysis across ecological vulnerability levels”中,研究将样本划分为生态脆弱区与非生态脆弱区,发现前者中气候物理风险系数显著为负,而后者虽为负但不显著,说明生态阈值更低、恢复能力更弱、财政与治理资源更有限的生态脆弱地区,对气候压力更敏感。在“4.6.2 Heterogeneity analysis across urban agglomeration development levels”中,研究比较核心城市群与非核心城市群,结果显示非核心城市群中负向效应显著,而核心城市群中不显著,表明基础设施、财政能力、技术资源和跨区域治理能力较强的核心城市群能够在一定程度上缓冲气候风险对生态韧性的冲击。在“4.6.3 Heterogeneity analysis across major functional zones”中,研究发现重点生态功能区的负向效应显著,而非重点生态功能区不显著,说明承担关键生态服务功能且发展约束更强的地区,在面对气候物理风险时反而表现出更高敏感性。总体而言,负面影响在生态本底脆弱、适应能力较弱或生态保护责任更重的地区更为突出。
4.7 Mechanism analysis
机制分析是全文的重要贡献之一。在“4.7.1 Mediation effect through the biodiversity pathway”中,研究以归一化植被指数(NDVI)的对数作为生物多样性代理变量,发现气候物理风险对NDVI显著为负,而NDVI对生态韧性显著为正;在同时纳入PCR与NDVI后,PCR绝对值下降,Bootstrap检验证实间接效应显著,中介效应约占总效应的10.9%。这表明气候物理风险会通过削弱植被覆盖与生态生产力基础、侵蚀自然资本,进而降低生态韧性。在“4.7.2 Mediation effect through the ecological restoration investment pathway”中,研究以环保支出占GDP比重的对数衡量生态修复投资(EPI),结果发现PCR对EPI显著为负,这与原先“风险提升会刺激适应性投资”的假设相反,说明高气候风险地区可能因财政资源被应急救灾、基础设施修复和灾后恢复所挤占,而减少长期生态修复投入;同时,EPI对生态韧性显著为正,且Bootstrap表明该间接效应显著,占总效应约14.43%。因此,生态修复投资路径表现为一种负向抑制型中介机制,即气候物理风险不仅直接削弱生态韧性,还通过挤出修复投资进一步加剧韧性损失。
讨论部分围绕上述结果与既有文献进行了系统对话。研究指出,生态韧性提升与气候物理风险上升并存,说明二者在时空演化上呈现异步性,这可能意味着生态系统短期改善尚未完全反映累积性气候压力。与空间环境经济学中单纯强调局地效应不同,论文证明了气候物理风险具有明显的负向空间溢出,而生态韧性则存在正向空间依赖和俱乐部趋同,这说明若忽视空间关联,将低估气候风险对区域生态系统的广域影响。在异质性层面,研究认为生态脆弱区、非核心城市群和重点生态功能区之所以更敏感,既与其自然生态本底较弱有关,也与财政能力、治理资源、基础设施和长期发展限制等社会经济条件相关。尤其是重点生态功能区,虽然承担生态安全屏障功能,但因开发限制和主动干预空间有限,面对气候压力时更容易暴露脆弱性。机制上,生物多样性路径为经典“多样性—稳定性假说”提供了宏观层面的经验证据,而生态修复投资路径则揭示出现有适应性资本配置机制中的潜在失效,即风险升高并不必然转化为更强的长期生态治理投入。
研究结论部分可概括翻译如下:基于2009—2023年中国31个省份面板数据,研究系统考察了气候物理风险与生态韧性的关系,重点分析了空间效应与传导机制。结果显示:第一,中国生态韧性总体持续提升,区域差异缩小且空间集聚增强;相对地,气候物理风险总体上升,内部差异扩大,并存在持续的空间锁定,二者呈现异步时空演化。第二,气候物理风险与本地生态韧性显著负相关,并对邻近地区生态韧性产生负向空间溢出;生态韧性自身则表现出正向空间依赖和俱乐部趋同。第三,这种负向关联在生态脆弱地区、非核心城市群和重点生态功能区更为显著,说明生态基础较弱、适应能力不足或生态功能更关键的地区,对气候相关物理风险更加敏感。第四,气候物理风险可能通过生物多样性下降和生态修复投资被挤出两条路径间接影响生态韧性,前者体现自然资本退化,后者反映区域治理响应中的适应不足。总体而言,气候物理风险会嵌入生态系统动态和区域治理过程之中,从而推动生态韧性下降。