绘制气候援助优先事项图谱:基于集合建模方法的南南合作策略

《Environmental Impact Assessment Review》:Mapping climate aid priorities: Strategies for South-South Cooperation based on an ensemble modeling approach

【字体: 大 中 小 】 时间:2026年07月07日 来源:Environmental Impact Assessment Review 12.2

编辑推荐:

  陈思远|吴洛通|刘世谦|张梦燕|万汉文|施宇|方凯|张志强 中国浙江大学公共事务学院,杭州310058 摘要 随着全球碳预算的迅速减少以及全球南方国家排放量的持续上升,气候变化领域的南南合作愈发重要。然而,气候援助的优先事项与各国减排挑战之间的不匹配往往限制了南南合作的成效。为了

  陈思远|吴洛通|刘世谦|张梦燕|万汉文|施宇|方凯|张志强 中国浙江大学公共事务学院,杭州310058 摘要 随着全球碳预算的迅速减少以及全球南方国家排放量的持续上升,气候变化领域的南南合作愈发重要。然而,气候援助的优先事项与各国减排挑战之间的不匹配往往限制了南南合作的成效。为了解决这一问题,我们开发了一种透明且可比较的气候援助优先级分析方法。通过集成建模框架,我们量化了135个全球南方国家的二氧化碳排放驱动因素的重要性,并利用援助-驱动因素映射方法,为八种不同类型的气候援助制定了以减排为导向的优先级方案。通过聚类分析,这些国家被分为四组,每组都有一个对应的气候援助优先级特征指纹。气候适应型国家(如埃塞俄比亚、肯尼亚)将气候智能农业和气候韧性视为高优先级,这与其高度依赖农业及面临的气候脆弱性密切相关。而产业转型型国家(如孟加拉国、越南)则将工业脱碳作为优先援助领域,同时获得气候融资和低碳技术的支持。这些优先级方案和特征指纹为在合作资源有限的情况下识别南南合作中不同的优先援助类型提供了早期比较依据。我们还建议建立定期更新的气候信息汇总机制,以协助协调和更新气候援助优先级信息。引言 全球碳预算正在迅速减少,但全球南方的碳排放量却仍在上升(Friedlingstein等人,2025;Pelz等人,2025)。这一趋势加剧了全球南方国家减排的紧迫性。与此同时,许多全球南方国家在应对气候变化方面面临着资源、技术及制度能力方面的持续制约(Acharya等人,2025;Fang等人,2023;Li等人,2023)。在这种背景下,加强用于减排的气候援助变得越来越重要(Tan等人,2021;Wang等人,2021)。所有这些情况都凸显出,需要有效的国际气候合作来支持这些国家的气候行动(Schleussner等人,2025)。尽管发达国家的领导和支持仍然至关重要,但通过物质支持、技术交流和能力建设来加强南南合作,对于推动全球南方国家的集体气候行动而言同样关键(Cho和Ackom,2025;Qi和Qian,2023;Tan等人,2022)。南南合作通常被视为对传统南北援助的补充,强调平等、互助以及全球南方国家之间的优势互补(Hallding等人,2013;Urban,2018)。近年来,中国、巴西和印度等新兴经济体在可再生能源和先进技术领域的多边合作不断拓展,为全球南方国家提供了更多合作机会(Gao,2016;Yu和Liu,2021)。然而,国际合作项目的经验表明,所提供的支持与受援国的实际情况之间仍存在持续的不匹配现象(Tan等人,2021;Verschuur等人,2025)。这些不匹配往往源于各国在发展阶段、能源结构及资源禀赋方面的巨大差异(Fuhr,2021;Wang等人,2021;Zhang等人,2022a)。例如,中非低碳技术贸易的案例表明,在经济发展水平、金融发展状况及治理质量较好的国家,气候相关合作的积极效应更为显著,这说明如果未充分考虑受援国的实际情况,外部支持的效果可能会大打折扣(Borojo和Miao,2025)。这种国家间的差异性增加了标准化干预措施与各国国情不符的风险(Chen等人,2023;Kalinowski,2024;Liu等人,2026)。因此,需要一种差异化的评估框架来支持更有针对性的南南气候援助分析(Ferraz Da Silva,2022)。设计以减排为目标的气候援助,需要确定每个国家中最重要的二氧化碳排放驱动因素。虽然以往的研究已经运用多种方法探讨过二氧化碳排放驱动因素,但很多方法都是基于预先设定的函数形式,这类形式可能不太适合捕捉非线性、交互性以及因国家而异的关系。传统的分析方法,如卡雅恒等式(Zhang等人,2025)、对数平均迪维西亚指数(LMDI)(Long等人,2026)、基于人口、富裕程度和技术水平的随机影响回归模型(STIRPAT)(Fang等人,2019)以及环境库兹涅茨曲线模型(EKC)(Imbulana Arachchi和Managi,2022),通常都是利用预定义的数学恒等式或参数方程将排放量分解为固定的一系列驱动因素。这些方法受到严格结构假设的局限。例如,LMDI依赖于确定的数学公式,STIRPAT常常假设通过对数线性方程实现的弹性恒定,而EKC则传统上使用二次函数来拟合预先设定的倒U形轨迹。因此,它们往往忽视了复杂的非线性关系。实际上,排放驱动因素的影响往往是非线性的,并且因国家的发展阶段、能源结构及制度条件不同而有所差异(Qiao等人,2024)。由于传统方法依赖于共同的预先设定函数形式,它们可能无法完全捕捉到这些阈值效应、交互作用以及各国之间的差异,从而简化了对排放驱动因素重要性的估算。相比之下,机器学习模型——如随机森林(Hao等人,2025)、XGBoost(Hsu等人,2022;Wu和Qiao,2026)以及神经网络(Zhang等人,2025)——则不需要预先设定函数形式。这种数据驱动的灵活性使它们能够更好地捕捉非线性模式以及变量之间的复杂交互作用。最近的框架通过引入自动模型选择和超参数优化功能,进一步提升了模型的准确性和稳定性(Zhu等人,2023)。不过,大多数应用仍然依赖单一模型或手动调整,这可能会引入主观偏差,并降低模型在不同情境下的稳定性。因此,我们采用自动集成学习方法来解决这些局限性。自动超参数优化通过消除人为干预并标准化建模过程以确保完全的可重复性,从而提高预测精度(He等人,2021)。此外,自动集成学习通过整合多种基础学习器的优势,提升了模型的稳定性(Zhu等人,2023)。这种方法减少了单一模型推断中固有的不稳定性、偏差和过拟合问题,更有利于捕捉不同国家之间排放驱动因素的差异性(Erickson等人,2020)。自动集成学习通过数据驱动的方式选择和权重分配多个学习器(Caruana等人,2004),能够在复杂环境中提升模型的稳定性。当与SHapley加性解释值等可解释性方法结合使用时,集成学习能够量化各种排放驱动因素的重要性,揭示其效应在不同国家间的差异,从而提高结果的准确性和可解释性(Reichstein等人,2019)。在本研究中,我们利用自动集成学习和SHAP方法,分析了1990年至2020年间135个全球南方国家的二氧化碳排放驱动因素。随后,我们将这些驱动因素的重要性转化为八种不同类型的气候援助的优先级方案,并通过层次聚类法将国家分为四组——气候适应型、社会韧性型、能源转型型和产业转型型,每组都有一个对应的气候援助优先级特征指纹。基于这些特征指纹,我们探讨了在以减排为目标的分析框架下各国的优先援助方向,并提出了一种信息汇总机制,用于协调和定期更新南南合作中的气候援助优先级评估。我们的贡献主要有三点:(1)模型层面:我们运用自动集成学习提高了驱动因素识别的稳定性和可重复性。(2)方法层面:我们将驱动因素的重要性转化为不同类型气候援助的相对优先级方案,从而使模型解释结果更便于用于气候援助优先级分析。(3)应用层面:我们总结了不同气候援助优先级群体对应的优先援助类型,为在合作资源有限的条件下开展南南合作早期讨论提供参考。总体而言,所提出的框架为将二氧化碳排放驱动因素的重要性转化为不同国家的气候援助优先级方案提供了一种透明且可比较的分析方法,从而在合作资源有限时为识别潜在的不一致性问题提供了早期比较依据。研究框架 图1展示了本研究框架的概览。我们利用1990年至2020年间135个全球南方国家的数据,以及涵盖能源、经济、人口与社会发展以及国际合作四个维度的42个二氧化碳排放驱动因素(见补充表S1–S2),结合集成学习与SHAP方法,来估算各国二氧化碳排放驱动因素的重要性。这些估算结果随后被转化为八种不同类型气候援助的标准化优先级方案。模型性能 按照图1中的框架,我们训练并比较了九种基础模型,最终确定加权集成模型(WeightedEnsemble_L2)是表现最佳的模型。如表2所示,该集成模型取得了最佳的整体性能(R2 = 0.98,RMSE = 0.68,MAE = 0.14),优于所有单独的基础模型。这一性能表明该模型在验证集上的预测能力很强,为后续基于SHAP的驱动因素分析奠定了坚实基础。不同国家的性能表现存在差异……讨论 本研究提出了针对南南合作的以减排为目标的气候援助优先级分析方法。首先,我们利用自动集成学习与SHAP方法,确定了135个全球南方国家中二氧化碳排放驱动因素的重要性。接着,我们通过援助-驱动因素映射方法,为八种不同类型的气候援助制定了标准化的优先级方案。最后,我们将具有相似优先级方案的国家归为一组,并探讨了其在南南合作中的优先援助方向。尽管以往的研究已经……结论 随着全球碳预算日益紧张,且全球南方国家的排放量预计将继续上升,考虑气候援助优先级方面的国家间差异性有助于降低南南合作中出现不匹配的风险。在本研究中,我们构建了一个数据驱动的分析框架,该框架结合了自动集成学习与SHAP方法,用于识别135个全球南方国家(1990–2020年)的关键二氧化碳排放驱动因素,并量化这些因素效应的国别差异。在此基础上……CRediT作者贡献说明 陈思远:方法论、数据整理、正式分析、研究调查、软件应用、可视化处理、初稿撰写。吴洛通:概念构建、初稿撰写、修订编辑、项目管理、监督指导。刘世谦:方法论、正式分析、研究调查、软件应用、结果验证、初稿撰写。张梦燕:结果验证、可视化处理、修订编辑。万汉文:数据整理、正式分析、研究调查。施宇:资源协调、利益冲突声明 作者声明不存在任何可能影响本文研究的已知财务利益或个人关系。致谢 本项工作得到了中国国家哲学社会科学基金重大课题(23&ZD103、22&ZD108、24VRC079)、国家自然科学基金(72074193、72534005)、国家关键研发计划(2024YFC3712900)以及浙江省哲学社会科学规划项目(26NDJC248YB)的资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号