将气候行动置于优先地位可以最大限度地发挥全球环境可持续发展目标之间的协同效应：一项因果网络分析

《Applied Geography》：Prioritizing climate action maximizes synergies among global environmental SDGs: A causal network analysis

本研究基于专家德尔菲法和复杂网络分析，评估了40项环境可持续发展目标（SDGs）间的加权定向交互作用，揭示了目标13.1在气候适应和海洋生态保护中的关键作用，以及协调治理对降低目标冲突、增强协同效应的重要性，为全球环境治理提供新见解。

　　

袁一忠|吴飞|李晓云|王静|苏一鸣|兰洋|孔峰|高吉西|赵文武|王玲青|胡健|赵文杰|王亚珠|Peter E. Holm|冯照辉|王思宇|童亚丽|J?rg Rinklebe|张瑞琦|梁涛|周广金

中国农业大学人文与发展学院，北京，中国

摘要

环境可持续发展目标（SDGs）以复杂的方式相互关联，并与社会经济SDGs相互作用，这些相互作用既有积极影响也有消极影响，且影响程度各不相同。理解这些相互作用对于识别能够减少权衡、增强协同效应并加速环境可持续性进展的转型行动至关重要。然而，这些因果关系尚未得到充分探索，协调治理行动的优先事项仍不明确。本研究基于专家意见，评估了SDG体系中40个环境目标的加权有向相互作用。通过使用复杂网络分析方法，我们系统地分析了因果网络，重点关注节点层面的重要性、宏观层面的因果结构、在多种情景下的边脆弱性以及潜在的链接关系。我们的研究结果表明，优先考虑目标13.1（增强应对气候相关灾害的能力）可能非常有效。气候适应与海洋生态系统保护之间的协调行动可以加速整体环境进展。此外，多条最短路径上的因果链接是维持网络韧性的关键纽带；针对这些链接的干预措施可以放大协同效应并减少权衡。在预测的2107个潜在因果链接中，六个最强的正面相互作用主要与气候政策和森林管理相关，它们成为环境治理的潜在焦点。本研究为全球环境可持续性治理提供了新的宝贵见解，并有助于实现2030年议程的目标。

引言

2015年，联合国制定了17项可持续发展目标（SDGs）和169个具体目标，以促进全球和平与福祉（联合国，2015年）。然而，全球在环境SDGs方面的进展，特别是目标6（清洁水和卫生设施）、目标7（负担得起和清洁的能源）、目标13（气候行动）、目标14（水下生命）和目标15（陆地生命）方面受到了严重阻碍（Sachs等人，2024年；联合国，2024年）。迫切需要基于整体思维的转型治理策略来防止潜在的失败。目前，关于环境可持续性的决策往往分散（Fried等人，2022年），这可能导致资源管理、气候行动和生态系统保护方面的权衡。

协调一致的方法可以提高效率和效果，促进更可持续的结果（Huan等人，2023年；Moallemi等人，2022年）。有效的环境治理需要综合优先考虑针对五个SDGs的行动，而不仅仅是渐进或孤立的方法。然而，全面考虑这些SDGs的系统层面分析仍然很少，这阻碍了连贯、协同策略的确定。因此，众多倡议中的关键杠杆点仍不清楚。

SDGs是相互关联的（联合国，2015年），一个目标的进展可能会促进或阻碍其他目标的实现，从而产生协同效应或权衡（Huan、Ji等人，2026年；Nilsson等人，2016年；Warchold等人，2021年）。例如，经济增长（SDG 8）和工业扩张（SDG 9）会增加能源需求，城市化（SDG 11）会加速化石燃料的使用和基础设施相关的排放，共同导致更高的碳排放（SDG 13）（Sikder等人，2022年）。实现这五个环境目标及其40个具体目标需要理解环境目标之间的内部协同效应以及它们与其他12个社会经济SDGs之间的相互作用。虽然之前的研究已经探讨了各个环境目标与其他SDGs之间的相互作用（Huan等人，2022年；Nerini等人，2018年、2019年；Singh等人，2021年；Virto，2018年；Wang等人，2025年），但全部40个目标尚未得到充分研究。明确环境SDGs内部以及这些目标与其他目标之间的双向因果关系对于设计能够最大化协同效应和最小化权衡的有效治理策略至关重要（Huan & Zhu，2023年），从而促进人类与环境的协调发展。

已经采用了多种方法来分析SDGs之间的因果相互作用，包括专家意见征询（Huan等人，2025年；Su等人，2025年；Weitz等人，2018年）、元分析（Pham-Truffert等人，2020年；Santika等人，2019年）、计量经济建模（Antoniades等人，2020年）、空间分析（Dolley等人，2020年；Osman等人，2022年）、网络分析（Huan、Li等人，2026年；Laumann等人，2022年）和机器学习（Qazi等人，2023年；Requejo-Castro等人，2020年）。其中，基于系统思维的网络方法是应用最广泛的，因为它们有助于可视化复杂的SDG相互作用，并能够评估每个目标在网络中的作用，从而为治理优先事项提供依据（Bennich等人，2023年；Coenen等人，2022年；Su等人，2026年）。大多数研究使用静态网络指标，如度数、介数和特征向量中心性（Coenen等人，2022年）。然而，SDG相互作用网络在受到干扰时的韧性仍尚未得到充分探索。环境系统容易受到气候变化、土地利用变化以及金融危机和大流行病等黑天鹅事件的冲击（Feng等人，2023年；Ni等人，2025年）。这些冲击可能会破坏SDGs之间的相互作用，导致系统结构削弱，降低其在各个目标上实现协调进展的整体能力。识别和优先考虑对网络韧性至关重要的节点和边对于有效治理和环境SDGs的推进至关重要。

网络粗粒化可以在保持信息流的同时减少大规模网络中的结构冗余和复杂性，为分析复杂系统提供宏观视角（Zhang等人，2025年）。这种方法已应用于多个领域，如金融互联互通网络（Balc?等人，2022年）和基因调控网络（Caranica & Lu，2023年）。然而，其在SDG相关研究中的应用仍然有限。鉴于环境治理中多目标协同效应和权衡的挑战日益增加，对环境SDGs之间及其与其他SDGs之间的因果相互作用进行宏观层面的分析可以为制定协调的政策策略提供依据，并使多个环境目标保持一致。

在复杂网络中，关键边有助于信息的传递；移除这些边可能会导致系统失败并降低效率（Qian等人，2017年）。然而，这种以边为中心的分析方法尚未在SDG研究中得到应用。将这种方法应用于多情景干扰下的SDG因果网络可以揭示优先级的关键传输路径，从而改善政策协调。此外，链接预测用于从观察到的结构中推断缺失或潜在的链接，以识别网络中尚未明确的相互作用，并广泛用于检测结构缺口或预测未来连接（Daud等人，2020年；Kumar等人，2020年）。然而，这种方法在SDG研究中仍大多未被探索。考虑到时间滞后效应，例如有机农业（SDG 2）可能会增加植物物种丰富度（SDG 15），但这种效应可能要30年后才会显现（Carrié等人，2024年）。因此，将链接预测纳入SDG相互作用分析可以帮助识别以前未观察到的因果相互作用，为增强SDG协同效应和减少权衡提供更坚实的实证基础。

本研究通过回答四个问题来解决关键的研究空白：（1）环境SDGs内部以及它们与其他SDGs之间的因果关系是什么？（2）哪些目标和相互作用在当前和潜在的因果网络中具有结构重要性？（3）SDG因果关系的宏观特征是什么？（4）推进环境SDGs的治理优先事项是什么？为了回答这些问题，我们开发了一个结合专家意见征询和复杂网络分析的集成分析框架（第2节）。结果（第3节）确定了优先目标以及宏观层面的政策组合，强调了增强SDG协同效应和减少权衡的杠杆点（第4节）。我们的发现加深了对SDG系统内部因果关系的理解，并为跨目标协调和转型政策提供了可操作的见解，有助于加速实现2030年议程的目标。

方法片段

方法

本研究开发了一个集成框架（图1）。首先，我们应用专家意见征询和七点量表框架来评估40个环境SDG目标之间的加权有向相互作用以及这些目标与其余129个SDG目标之间的相互作用。然后将这些相互作用表示为一个加权有向网络，作为后续分析的基础。其次，运用了扩展邻域概念的局部平均最短路径理论

因果网络中的节点重要性

我们评估了与五个环境SDG相关的40个目标之间的加权因果相互作用，以及这些目标与其余129个SDG目标之间的相互作用，并将它们表示为一个交互网络（图2a）。共识别出7303个因果相互作用，其中90.84%为正向，9.16%为负向（图2a；表S3）。将环境SDGs视为一个整体系统，我们分析了其内部和外部因果相互作用。

整合多视角网络分析

网络分析已成为SDG研究中广泛使用的定量方法，用于表征SDGs之间的协同效应和权衡，并识别关键目标（Issa等人，2024年）。然而，现有的SDG相互作用网络分析框架主要关注有限的网络特征或视角。例如，许多研究主要依赖节点层面的中心性指标来识别关键目标（Allen等人，2019年；Cao等人，2023年；Coenen等人，2022年）。相比之下，

结论

本研究对SDG体系内40个环境目标之间的因果相互作用进行了全面分析，为全球环境治理提供了新的见解。我们识别出7303个加权因果链接，其中90.84%为正向，9.16%为负向，突出了目标13.1（增强应对气候相关灾害的能力）作为因果网络中的核心节点。优先考虑这一目标可以同时加速SDG协同效应并增强系统韧性。

CRediT作者贡献声明

袁一忠：撰写 – 审稿与编辑，撰写 – 原稿，可视化，资金获取，正式分析，数据管理，概念化。吴飞：撰写 – 审稿与编辑，撰写 – 原稿，可视化，正式分析，数据管理。李晓云：撰写 – 审稿与编辑，数据管理。王静：撰写 – 审稿与编辑，数据管理。苏一鸣：撰写 – 审稿与编辑，数据管理。兰洋：撰写 – 审稿与编辑，数据管理。孔峰：撰写

资助

本研究得到了国家自然科学基金（编号：42471322、42361144882、42571366和72434002）以及教育部的哲学和社会科学重大项目（编号：2025JZDZ049和23JZD042）的资助。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。