本地尺度下土地、水、能源与排放的整合：一种模块化系统动力学方法

《Environmental Development》：Integrating Land, Water, Energy and Emissions at Local Scales: A Modular System Dynamics Approach

　　

摘要

地方政府在管理土地、水和能源资源以同时实现气候与生物多样性目标时面临日益严峻的挑战，然而现有的水—能源—粮食（WEF）纽带模型大多仅运行于国家或全球尺度，忽视了本地尺度上产生的反馈效应。本文提出了一种模块化的系统动力学（SD）框架，在单一的地方尺度平台上耦合了动态土地利用分配、水资源核算、能源系统表征和温室气体排放估算。除其市政级分辨率外，该框架的 novelty 在于：（i）建立了一套关于闭合、开放和半内生耦合的显式分类体系，以形式化哪些跨部门反馈可以在本地尺度上解决，哪些由更高层级系统所治理；（ii）采用模块化架构，在六个异质性欧洲案例研究（海岛与大陆）中验证，无需对核心结构重新参数化；（iii）将高分辨率（10 m）空间数据整合进可重复的开源SD平台。该模型已根据历史土地利用趋势进行校准（MAPE = 0.03%–2.4%），并通过结构性、极端条件和专家评审测试进行验证。示意性情景表明：在缺乏保护措施时，光伏扩张所需土地高达100%来自耕地转换而非其他土地类型；针对单一土地利用的土地保护政策可能因向未受保护类别的替代而被规避；在半干旱地区，水资源稀缺限制了灌溉耕地扩张，除非得到海水淡化或废水再利用等非传统水源的支撑——这些权衡也会增加本地能源需求。该框架为政策制定者提供了一个透明、开源的工具，用于探索土地—水—能源—气候之间的协同与冲突，以支持地方适应与减排规划。

引言

土地利用处于地方可持续发展挑战的物理核心：一个地区在农业、林业、城市开发和能源基础设施之间的土地分配方式，同时塑造其水分平衡、能源潜力、温室气体足迹和可维持的生物多样性。气候变化和生物多样性丧失在极大程度上由土地分配与转化所驱动。2010–2019年，"农业、林业和其他土地利用（AFOLU）"部门贡献了全球人为温室气体排放的13%–21%[UNFCCC_a]，而2016–2020年土地利用、土地利用变化和林业（LULUCF）产生的CO?排放约占9%[GCP.CO2.earth]，凸显了陆地系统在气候挑战中的核心作用。地方土地利用变化汇聚成对气候和地球化学循环的全球影响，因此适应与减排措施必须扎根于本地，但需在全球框架下定位[Kummu 2025, Wang 2025]。

规划者和市政决策者需要稳健的决策支持工具来评估基于土地的措施——如造林、农业转型、城市化——在投入资源之前[Woodruff 2018]。系统动力学（SD）建模能够在不确定性条件下进行此类评估，避免适应性不良的投资[Chiriacó 2025]。综合评估模型（IAM）处理了水—能源—粮食（WEF）以及水—能源—粮食—土地—气候（WEF-LC）纽带问题[Solano-Pereira 2025]，然而复杂的非线性反馈在国家或全球模型中往往被过度简化[Mashaly 2020]。

近期SD研究强调整合社会、经济和环境子系统[Chen 2020]。例如，一项江苏省研究将社会（人口、城镇化）、经济（GDP、产业）和环境（废物、排放、生态用水）子模型结合在一起，向水、能源和粮食模块输入数据[Chen 2020]。SD建模独特地表示因果回路、反馈和时滞，能够对政策组合和跨部门影响进行"假设性"测试[CarbonBrief, Picanco Rodrigues 2025, Selin 2024, Sterman 2000]。它还支持在气候和经济不确定性下的情景集合[UNFCCC_b, Selin 2024]，与在地方韧性规划中调用系统工具的需求相呼应[Selin 2024]。

相关应用包括城市规划、水资源管理、地下水与农业之间的权衡，以及家庭层面的WEF动态[Zhu 2024; Rueda 2022; Manshadi 2024; Akhavan 2021; Ravar 2020; Liu 2024; Perez Perez 2025]，展示了SD在表征非线性互动和评估适应或减排路径方面的潜力。参与式建模通过纳入地方参与者来提高模型可信度和信任度[Pluchinotta 2024; Kotir 2024; Amorocho-Daza 2025; Sharma 2024; Rajah 2025; Valcourt 2020]。

在WEF纽带SD建模的本地尺度上仍存在以下挑战：

• 尺度偏差：多数研究聚焦于国家/全球层面，对地方需求的代表性不足[Purwanto 2021, Wen 2022]。
• 土地利用动态：模型很少捕捉动态竞争关系（耕地 vs. 再造林 vs. 太阳能光伏）。
• 新技术：少数模型整合了海水淡化、废水再利用或光伏选址等选项[Mostefaoui 2024]。
• 空间分辨率：许多模型使用聚合的资源池，遗漏了细尺度互动。
• 参与式相关性：理论模型与地方需求之间存在差距；参与式建模在市政/区域尺度上最为有效[Purwanto 2021; Basco-Carrera 2017; Voinov and Bousquet 2010; GWP; Kotir 2024]。
• 透明度：模型往往缺乏开放性，且不是开源的[Robertson 2021, Rosen 2015, Gambhir 2019]。

综合来看，这些差距表明，据作者所知，目前尚不存在任何WEF纽带框架或IAM框架能够同时提供地方尺度分辨率、动态土地利用竞争以及土地、水、能源和排放在全开放模块结构内的完全内生耦合。

为解决上述问题，我们开发了一个由五个子系统组成的地方系统动力学模型——土地利用、水、能源、温室气体核算和社会经济。我们所说的"模块化"是在系统动力学意义上的：每个子系统在结构上自成一体，可以独立地连接、断开或替换，从而使框架能够在不重建底层模型的前提下扩展新模块或适配至某个子系统不相关的场景。子系统之间通过关于闭合反馈回路、开放耦合和半内生耦合的显式分类体系进行耦合（第2.7节），该体系形式化了哪些跨部门互动可在本地尺度上解决、哪些由更高层级系统所治理——这一区分在既往SD-纽带应用中基本缺失，后者通常将各部门视为要么完全内生、要么完全外生[Zomorodian 2018]。

我们的贡献有三方面：（1）通过该耦合分类体系显式地表征跨部门反馈；（2）模块化架构——按上述意义上——在六个异质性案例研究中展示，无需对核心结构重新参数化；（3）空间显式性，使用高分辨率本地数据约束土地利用竞争，纳入透明的、可重复的、开源的框架中，并与参与式流程相契合[Kotir 2024, Mashaly 2020]。

这使本框架定位于系统动力学传统的情景驱动、反馈驱动模拟范式之中，而不同于日益应用于农业水—能源—碳系统的多目标优化方法[Tan 2025, Yang 2025]，后者在固定约束条件下搜索最优资源分配，而非探索在替代性政策下产生的涌现性和路径依赖轨迹。

该模型应用于H2020 RethinkAction项目框架下的六个欧洲案例研究——哥特兰岛（瑞典）、塔恩-加龙省（法国）、南大平原（匈牙利）、瓦莱达奥斯塔（意大利）、阿尔梅里亚（西班牙）和亚速尔群岛（葡萄牙）——比较不同政策的长期影响，并展示地方干预如何沿互联系统进行传播。该模型已完全整合到一个运行的多工具决策支持平台中，增强了其实用性和对从业者的可及性。本文呈现该框架、其验证和示意性应用，展示其作为地方适应与减排规划实用工具的潜力。

章节片段

总体架构

本文开发的地方水—能源—粮食系统动力学（WEF-SD）模型的总体架构如图1所示。

模型包含五个集成模块——土地利用、水、能源、温室气体核算和社会经济数据——通过双向反馈链接，超越了传统的线性纽带方法。政策和指标嵌入于各模块之中。该架构捕捉了完全内生回路和半内生链接，而更广泛的社会经济和气候力量则是模型参数化、校准与验证

模型使用历史数据进行参数化，并迭代校准以使模拟输出与2005–2021年观测趋势之间的偏差最小化。这确保了在所有案例研究中都能对历史动态进行稳健表征，为情景分析提供了可信基础。本地尺度建模面临持续的数据匮乏问题[Boucher 2025; Abolghasemzadeh 2024]，尤其是定性或"软"变量[Pluchinotta 2024]。尽管SD模型非常适合对……

光伏激增情景

为证明框架的可迁移性并支持跨语境系统性比较，我们将通用的光伏激增情景——所有六个案例研究中的地面安装光伏装机容量加速增长——应用于说明模型如何处理土地利用竞争和光伏部署问题。这直接检验了第2.1节中引入的本地土地竞争反馈回路。结果以土地利用面积（雨养耕地和太阳能……）进行对比。

讨论与结论

本研究提出了一种地方WEF-SD模型，以支持市—区域尺度的综合决策。通过将高分辨率空间数据与参与式设计相结合，该模型同时提升了可信度和语境相关性。跨学科挑战[Mashaly 2020]通过与当地利益相关者以及水文、能源和农业专家的合作得到解决，使假设与地方现实相一致。

一项核心创新是跨部门……的显式建模

CRediT作者贡献声明

Margarita Mediavilla：写作—审阅与编辑、监督、软件、方法论、形式分析、数据整理、概念构思。Sara Pérez：软件、方法论、形式分析、数据整理。Luis Javier Miguel：写作—审阅与编辑、监督、项目管理、资金获取、概念构思。Noelia Ferreras-Alonso：写作—审阅与编辑、可视化、软件、方法论、调查研究。Sara Barilari：写作—审阅与编辑、资源……

未引用参考文献

Abolghasemzadeh et al., 2024; Ahmad et al., 2016; Akhavan and Gon?alves, 2021; Amorocho-Daza et al., 2025; Barilari et al., 2025; Barrios-Sánchez et al., 2026; Basco-Carrera et al., 2017; Boucher et al., 2025; Brief; Chiriacò et al., 2025; Chen and Chen, 2020; Correia et al., 2025; De Blas et al., 2019; Durand et al., 2024; Eggleston et al., 2006; Fedele et al., 2025; Gambhir et al., 2019; Global Change Analysis Model; The Global Carbon Project; Global Water Partnership, Mediterranean

在写作过程中使用生成式AI及AI辅助技术的声明

作者使用OpenAI ChatGPT改进了英语表达和语言流畅度，随后对内容进行了审阅和编辑，对最终稿件承担全部责任。

利益冲突声明

作者声明不存在可能对本研究产生影响的已知的竞争性财务利益或个人关系。

致谢

本工作得到Horizon 2020欧洲项目"RethinkAction"（资助协议编号101037104）和NEVERMORE项目（资助协议编号101056858）的支持。作者感谢RethinkAction项目的案例研究负责人以及GMV和CMCC，感谢其提供了校准和验证模型所需的数据。

作者衷心感谢匿名审稿人对本文仔细而详尽的阅读。他们的评论和建议显著……

Tommaso Brazzini | Daniel García Yustos | Iván Ramos-Diez | Noelia Ferreras-Alonso | Sara Barilari | Sara Pérez | Luis Javier Miguel | Margarita Mediavilla

能源、经济与系统动力学研究组（GEEDS），工业工程学院，瓦伦西亚大学，西班牙巴利亚多利德，Paseo Prado de la Magdalena 3-5, 47011 Valladolid, Spain