土地作为一种稀缺资源，在其使用过程中必然会产生外部性（Anderson, 1993）。发展权转让（TDR）通过利用市场机制内部化这些外部性，补充了传统的政府干预措施（如分区规划）（Linkous, 2017, Linkous et al., 2019）。TDR将发展权与已分区的地块分离，使拥有宝贵农业、自然或文化资源的地区能够出售这些权利，并将其重新分配到更适合开发的地点（Johnston and Madison, 1997, Nelson et al., 2013）。这种市场驱动的交换理想地使私人激励与公共规划目标保持一致，促进了土地资源分配的帕累托改进（Thorsnes and Simons, 1999）。鉴于这一潜力，TDR已在多个国家得到应用，包括美国（Johnston and Madison, 1997）、荷兰（Janssen-Jansen, 2008）、意大利（Falco and Chiodelli, 2018, Falco et al., 2025）、德国（Henger et al., 2023）、土耳其（Niron and Turk, 2023）、希腊（Kitsakis et al., 2025）和中国（Wang et al., 2010, Shih and Chang, 2016, Hou et al., 2018）。然而，TDR的成功取决于政府干预、参与者参与、土地属性、市场条件和融资安排等严格的前提条件（Pruetz and Standridge, 2008, Falco and Chiodelli, 2018, Chen et al., 2020, Niron and Turk, 2023）。发展权的重新分配可能会放大这些维度中的不确定性，从而削弱TDR的运营可行性。
在中国，前所未有的城市化加剧了土地使用冲突（Li et al., 2018），近80%的城市扩张侵占了农田，威胁到了粮食安全和生态完整性（Jia et al., 2023, Kong et al., 2025a）。中国的城乡二元土地制度使更多利益流向城市地区，加剧了空间不平等（Guo et al., 2018; Wang et al., 2020c）。为了缓解这种不平等，中国制定了TDR政策，特点是逐步调整城乡建设用地（IDB）和征用补偿农田（RCB）的平衡（Shao et al., 2020, Chen et al., 2023）。这些政策促进了发展权从农村向城市的转移，并显示出遏制城市扩张、保护农田、提升生态系统服务价值以及为农村地区提供新的收入来源的效果（Wang et al., 2020a; Nie et al., 2024; Zhou et al., 2025b）。尽管在地方层面有广泛实践，但发展权尚未正式纳入国家法律框架。这种法律空白造成了操作上的不确定性（Niron and Turk, 2023），可能会抑制参与者的积极性，限制对弱势群体的适当保护，引发社会冲突，并阻碍总体福利的最大化（Price, 2015, Proeger et al., 2018, Zhang et al., 2023, Zhou et al., 2024）。为了支持有效的治理，有必要利用现有知识或数据识别和量化这些不确定性作为风险。
最近的研究越来越多地关注TDR中固有的风险。在不同背景下的案例研究一致认为，TDR涉及多种不确定性来源，这些不确定性贯穿整个项目生命周期，并与多利益相关者的行为密切相关。这些来源因背景而异——从中国重庆的市场波动、开发商投标和权利持有者保护（Chen et al., 2017, Chen et al., 2020）到伊斯坦布尔的所有权澄清、程序标准化、记录保存和完成干预（Niron and Turk, 2023）。与风险识别并行的是，越来越多的研究探索了缓解策略。制度设计已成为一个核心主题，提出了公平的补偿机制和知情同意程序，以解决谈判不对称性和信息限制问题（Price, 2015）。在微观层面上，实证证据进一步表明，改善农民的生计资本可以降低他们的风险感知并增强他们参与TDR的积极性（Zhang et al., 2023）。这些贡献共同强调了以过程为导向和以利益相关者为中心的TDR风险管理的必要性。然而，文献尚未形成系统的TDR风险分析范式。主要限制在于数据限制：大多数研究依赖于单一案例调查或局部调查，这限制了对TDR风险的全面和客观描述。法院判决提供了一个可靠且一致的方法来观察风险事件，并已在包括农村土地托管（Xiao and Fang, 2025）、工程合同（Zhang et al., 2025）、企业ESG（Park, 2025）和社会治理挑战（Liu et al., 2025）在内的多个领域得到广泛应用。此外，土地使用研究越来越关注在系统分析框架内理解各因素之间的相互作用（Liu et al., 2022, Wu et al., 2024）。同样，风险表现出广泛的相互作用并通过复杂的网络传播（Xu et al., 2020; Z. Zhou et al., 2023），但其概率依赖性和传播路径仍不清楚。这一实质性差距阻碍了根本原因的识别和能够实现系统性风险控制的干预措施的设计。
在这里，我们引入了新兴的司法大数据，以系统地识别和描述中国的TDR风险，并阐明其传播路径。首先，我们创新地编译了一个包含3000万个中文词汇的大规模数据集，来自全国范围内的法院判决，提供了全面可靠的证据。其次，基于风险传播和动态环境的系统思维，我们提出了一个事件-因素-过程-利益相关者（EFPS）框架，该框架适用于TDR项目的多阶段多利益相关者特性，能够系统地从记录的风险事件中提取风险因素，并将其归因于项目阶段和利益相关者类型。第三，在EFPS框架内，我们开发了一种数据驱动的建模方法，结合了一套文本挖掘技术来提取TDR风险的多维特征，并应用贝叶斯网络和解释性结构建模来揭示其层次结构和传播路径，从而确定有针对性的干预措施的根本原因。
本文的其余部分结构如下。第2节概述了中国的TDR制度背景。第3节描述了数据来源，介绍了EFPS框架，并介绍了数据驱动的建模方法。第4节报告和讨论了实证结果。第5节进行了总结。
