智能遥感与政府环境治理：基于供给侧信息能力的视角

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：Intelligent remote sensing and governmental environmental governance: A supply-side information capability perspective

　　

•将智能遥感（IRS）概念化为环境治理的供给侧信息能力。
•通过风险监测、信息处理和风险管理揭示了一条从检测到决策的路径。
•将人工智能能力理论化为一种吸收能力，以强化IRS与治理绩效之间的关系。
•识别制度准备度作为塑造IRS治理价值的边界条件。
•通过推进技术治理的情境化理论，架起遥感与管理学之间的桥梁。

引言

环境退化与气候变化已成为全球可持续发展的关键挑战，对生态系统、经济活动和人类福祉产生了深远影响（Chantret等，2020；Zhao等，2024）。世界各国政府面临着日益增长的平衡环境保护与社会经济增长的压力，正如联合国可持续发展目标所强调的那样（Awogbemi和Kallon，2025）。在中国，快速的工业化和城市化加剧了这些矛盾，促使中央政府推进生态文明战略并在环境治理方面大力投入。特别是自中共十八大以来，中国启动了持续的蓝天、碧水、净土保卫战，伴随着环境投资和生态修复项目的不断增加。

尽管传统的治理方法（如行政监管、固定监测站点和财政补贴）已取得一定进展（Wang等，2017；Peng等，2021；Liang等，2022；Chen等，2024），但仍面临持续的限制。对固定监测站点和劳动密集型检查的依赖往往导致覆盖范围不完整，对跨区域污染的检测不足（Lin和Du，2025；Tal等，2025；Wang等，2024a）。此外，传统治理机制往往具有被动性：只有在环境问题变得严重时才会触发干预，导致时间滞后和有限的预防能力（Karlsson和Gilek，2019；Keys等，2019）。这些缺陷限制了政府预判风险和实施前瞻性政策的能力，凸显了对新治理能力需求的紧迫性。

数字化已被广泛认为是现代治理中的变革性力量。先前的研究强调了大数据、人工智能（AI）和区块链在提高政策效率和组织决策中的作用，通过增强信息分析、通信和协调来实现（Li等，2021；Mikalef和Gupta，2021；Bosco等，2024）。然而，这些文献主要以流程导向的方式将数字技术概念化为工具——关注政府如何分析、共享和协调信息，而相对较少关注治理的供给侧基础：及时、高质量且可供政策使用的信息是如何被生成并持续输入决策过程的。因此，现有研究对于信息生成机制的差异如何重塑治理能力和绩效的理论化仍然有限。这种失衡在环境治理领域尤为明显，因为环境风险在空间上分散、快速演变且常常跨越行政边界。

智能遥感（IRS），即将卫星观测与算法驱动的处理相结合，代表了一种独特的供给侧信息能力：一种制度化的、持续生成经过质量筛选和可供政策使用的环境信号的能力，而非仅仅是遥感数据的可用性。至关重要的是，IRS的治理价值不在于原始数据本身，而在于其提供经过质量筛选、可供政策使用的环境信号的能力，这些信号可以被制度化地纳入监测、解读和执法程序中。与主要优化行政流程的传统数字技术不同，IRS提供了对环境状况的客观、大规模和连续观测。这减少了信息不对称，缩短了从检测到决策的滞后，并为环境治理提供了新的信息基础（Li等，2020；Wang等，2022）。当辅以AI能力时，IRS的治理价值可以通过改善传感信号的解读和转化为可操作的监管知识来放大，使政府能够从被动干预转向前瞻性和基于证据的治理（Zhang等，2022；Wang等，2024b；Feng等，2024；Zhang等，2023；Cao等，2023）。尽管IRS的治理相关性日益增长，但其在管理和治理研究中受到的关注仍然有限，该领域的研究仍以AI、物联网和大数据的分析为主。基于这一认识，本文回答了三个问题：(1) IRS是否提高了政府的环境治理绩效？(2) IRS通过哪些从检测到决策的机制——风险监测、信息处理和风险管理——影响政策结果？(3) 作为吸收条件的人工智能能力如何塑造IRS生成的环境信号向政府环境治理绩效的转化？为进一步阐明分析逻辑，图1可视化了本研究的理论框架，展示了IRS如何跨越三个相互关联的层面运作：数据获取、信息处理和治理输出，最终将技术赋能与治理绩效联系起来。

本研究做出了四个主要贡献。第一，在理论层面，我们将智能遥感重新概念化为一种供给侧信息能力，从而将数字治理研究从以往主要关注需求侧信息处理扩展到治理相关环境信号的上游生成。与强调数字平台、电子政务或数据分析作为改善行政流程工具的现有研究不同（Hao等，2024；Silal和Sharma，2024），本研究强调治理能力也取决于及时、可靠和可供政策使用的信息首先是如何被持续生成的。第二，在机制层面，我们开发了一个从检测到决策的框架，表明IRS通过三个核心过程影响治理绩效：风险监测、信息处理和风险管理。通过将这些机制映射到动态能力理论的微观基础，本研究提供了一个基于过程的解释，说明技术投入如何通过组织惯例和决策过程转化为治理结果。第三，在边界条件层面，本研究提供了关于何时IRS更有可能转化为治理绩效的证据。通过表明AI能力充当吸收条件，且制度准备度塑造了IRS与治理绩效之间关系的强度，本研究推进了技术治理的情境化视角。这一贡献挑战了技术决定论的观点，该观点认为数字工具在所有制度环境中都具有同等有效性。第四，在方法论层面，本研究开发了一种基于IRS的供给侧信息能力的实证操作化方法，通过将经过质量筛选的卫星观测覆盖率转化为与治理相关的实证指标。这种测量策略架起了地球观测数据与管理学和治理研究之间的桥梁，并为研究公共治理中的新兴技术能力提供了一种可复制的方法。

本文其余部分结构如下：第2节开发文献综述和研究假设。第3节介绍数据、变量构建和实证模型。第4节呈现实证结果。第5节检验AI能力的调节作用。第6节讨论研究结果，并以理论和实践启示、局限性及未来研究方向作为结论。

章节片段

智能遥感作为供给侧信息能力

近期关于数字化转型的研究强调，大数据、人工智能和区块链等新兴技术通过增强信息处理能力和战略响应能力来重塑组织决策（Li等，2021；Mikalef和Gupta，2021；Bosco等，2024）。然而，大多数这类文献关注的是组织在数据可用后如何使用数据，而相对较少关注关键信息首先是如何被生成的。这

模型设定

为了检验智能遥感（IRS）如何影响环境治理绩效（GovPerf），本研究使用2012年至2023年间中国31个省级地区（不包括香港、澳门和台湾）的数据，构建了一个双向固定效应面板模型。基准模型设定如下：

GovPerf_{it} = α + β?IRS_{it} + γControls_{it} + μ? + λ? + ε_{it}

其中GovPerf_{it}表示第i省份在第t年的被解释变量GovPerf，IRS_{it}代表核心解释变量，Controls_{it}是一个控制变量的向量

基准回归

表2呈现了IRS能力对GovPerf影响的基准回归结果。在第(1)列中，仅纳入IRS，其系数在5%水平上为正且显著，提供了IRS改善治理结果的初步证据。在第(2)列中，在纳入省份和年份固定效应后，IRS系数上升至0.139，并在1%水平上保持显著，表明在考虑地区异质性后，IRS的正面影响仍然稳健

异质性结果

探索异质性有助于识别IRS对GovPerf产生贡献的边界条件。IRS与GovPerf之间的估计关系可能因时间、区域和环境背景而异。为捕捉这些差异，我们在基准模型的基础上，通过引入IRS与子组虚拟变量的交互项来扩展模型，从而能够在统一的完整样本模型框架内估计子组特有的边际关联。

讨论与结论

本研究通过将IRS概念化为一种供给侧信息能力，考察了其治理含义。利用2012年至2023年间中国省级面板数据，本研究提供了证据表明，基于IRS的信息供给能力通过一条由风险监测、信息处理和风险管理组成的从检测到决策的链条，与环境治理绩效的改善相关联。这种关系因人工智能能力而得到加强，并受……条件制约

CRediT作者贡献声明

Yiwa Xu：写作——审稿与编辑，写作——初稿撰写，软件，方法论，形式分析，数据整理，概念化。Songsong Li：监督，调查，资金获取。Weiqian Zhang：写作——审稿与编辑，可视化，监督，调查，概念化。

资金支持

本工作得到国家自然科学基金（项目编号：71773024）的支持。

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

作者感谢资金支持，并感谢编辑和审稿人提出的建设性意见。

Yiwa Xu是中国哈尔滨工业大学管理学院的一名博士研究生。她的研究方向包括数字经济、绿色金融、经济预测、量化交易、金融风险传染和计量经济学。

Yiwa Xu | Songsong Li | Weiqian Zhang