一种基于大语言模型的方法,用于量化中国生态与环境分区政策的监管强度
《Environmental Impact Assessment Review》:An LLM-based approach for quantifying regulatory intensity of ecological and environmental zoning policies in China
【字体:
大
中
小
】
时间:2026年07月10日
来源:Environmental Impact Assessment Review 12.2
编辑推荐:
梅苏|王子书|孙思岩|莫斌伟|王玉英|刘毅
中国北京100084,清华大学环境学院
摘要
环境法规日益精细化且具有空间差异性,但由此产生的文本量庞大且结构混乱的政策文件使得监管措施难以统一解读。本研究基于大型语言模型构建了一种监管强度评估框架,该框架结合政策权威性、
梅苏|王子书|孙思岩|莫斌伟|王玉英|刘毅
中国北京100084,清华大学环境学院
摘要
环境法规日益精细化且具有空间差异性,但由此产生的文本量庞大且结构混乱的政策文件使得监管措施难以统一解读。本研究基于大型语言模型构建了一种监管强度评估框架,该框架结合政策权威性、目标严格程度以及措施清晰度,用于量化中国的生态环境分区监管制度。通过处理来自环境许可清单的2000多万汉字信息,针对39,928个综合生态环境分区单元进行了分析。对比不同模型及提示策略后发现,使用少样本提示的DeepSeek模型在信息提取方面表现最佳,其准确率、精确率和召回率分别比最佳零样本场景高出约14%、20%和14%。所有生态环境分区单元的平均监管强度为4.16,不同控制类型和维度之间存在显著差异:关键监管单元的强度为5.10,而空间布局约束维度的强度则高达7.26。研究还发现明显的东西部差异,上海和北京的监管强度处于较高水平,而省级地区的强度则降至1.68。响应面分析法进一步表明,监管强度反映了区域发展与环境压力之间的复杂关系,存在非线性效应及交互作用。本研究展示了一种可扩展的基于大型语言模型的方法,能够将大量结构化的分区政策文本转化为可比较的强度指标,为差异化环境监管的定量评估提供方法指导,同时为政策设计与管理提供实用依据。
引言
全球环境挑战日益呈现区域差异化和复杂性(Apergis等人,2021;Fahey和Pralle,2016)。相应地,环境监管也从末端控制转向源头预防(Lee和Rhee,2005),并采用了更为精细的管理手段。例如,欧盟在2021年提出的“零污染行动计划”明确了2030年的关键目标(Commission E,2021);日本则在2022年修订了回收法,力争在2030年实现60%的塑料回收率(Kuan等人,2022)。然而,尽管监管措施日益完善,政策文本仍多为结构化程度较低的信息,这给政策的实施与评估带来了困难。在欧盟水框架指令下,虽然各国都会对相关目标和指标进行评估,但由于各地实际情况差异较大,加之信息不全,所得结论往往不够明确(WSP,2023)。美国《清洁空气法》也存在类似问题,各州的实施计划由多级机构共同制定(Bluhm,2025;Reitze Jr,2004),从而产生了大量以规划为导向且结构混乱的文件(Selmi,2015;Zhang等人,2024)。这类结构化程度低的信息不仅增加了解读难度,还会削弱政策条款向具体行动转化的效果(Marie,2025)。
为提升区域差异背景下的环境监管效率,中国政府于2017年提出了生态环境分区监管制度,这一制度源自“三线一单”这一先行整合型政策(Wang等人,2022)。该制度通过综合生态环境单元与环境许可清单来实施。综合生态环境单元分为三类:优先保护类、关键监管类和普通限制类,其中关键监管类对污染活动施加最严格的限制,而普通限制类则允许低强度、低排放的活动(Wei等人,2025)。到2021年底,全国范围内的综合生态环境单元划分及环境许可清单编制工作已经完成,根据“三线一单”要求,基于水、气、土、生态等关键环境要素,共确定了39,928个此类单元(Wang等人,2020)。与此同时,各省市区也发布了初步的环境许可清单,并针对不同类型的综合生态环境单元实施了差异化管理与监管措施,这些措施涵盖了空间布局约束、污染物排放控制、环境风险防范和资源利用效率四个维度。值得注意的是,初步环境许可清单中的监管措施文本总量已超过2000万汉字。随着生态环境分区监管制度的不断推进与完善,相关的综合生态环境单元和环境许可清单仍在持续优化中。
生态环境分区监管制度在不同空间单元采取了差异化的监管措施。区域差异化的监管可能导致高污染活动在城市内部或城市之间转移(Qi等人,2023;Zhu和Ruth,2015)。此外,有研究指出,该制度主要影响城市内部的产业转型,进而可能引发局部COD排放量的上升(Wei等人,2025)。产业转移与综合生态环境单元内的监管强度密切相关,而这一强度则体现在环境许可清单的四个维度中。近年来,政策强度已成为政策研究及效果评估的重要工具,通常通过构建指数来根据监管措施对政策进行加权(Zhang等人,2022)。经济合作与发展组织也建立了环境政策强度指数(Botta和Ko?luk,2014)。然而,由于政策文本量巨大,且其中定量指标较为缺乏,因此很难准确量化监管措施的强度。与定量指标相比,监管措施更多依靠基于条款的表述和与强度相关的术语来说明需要采取的具体行动。正因如此,本研究的核心问题在于如何针对那些文本量大、明确定量信息有限的监管政策,系统地量化其监管强度。
目前已有多种定量方法可用于衡量政策强度。例如,政策建模一致性指数被用于评估政策模型,识别其优缺点(Estrada,2011)。另有研究从理论上提出了六种政策强度指标,用于在气候政策活动指数中对国家政策工具进行加权(Schaffrin等人,2015)。还有研究基于政策内容中的政策权力、政策目标和政策手段,构建政策数据库,并运用计量经济模型评估技术政策的成效(Sun等人,2009)。这种方法适用于中国各类政策,在工业政策、能源政策和环境政策的量化分析中得到了广泛应用(Xiong和Qin,2021;Zhang等人,2019)。此外,Sue和Ostrom(1995)提出的制度语法工具也为深入分析和理解政策文件的文本结构提供了重要方法基础。该工具主要通过微观层面的句法分析,以及对制度表述按规则类型进行的分类,来深入分析法律、法规等政策文件的文本结构(Dunlop等人,2019)。这些研究为监管措施的强度量化提供了必要的方法基础。不过,对监管措施进行定量分析往往需要大量的人工审核、测量和标注工作,以从政策文本中构建综合指数,这一过程既繁琐又耗时。面对如生态环境分区监管制度那样庞大的文本量时,确保量化方法的效率和准确性颇具挑战。
大数据技术和大型语言模型的最新进展为从海量文本中高效提取和识别信息提供了可能。由于在语义理解、语言生成和推理能力方面的出色表现,大型语言模型已被用于提取和总结隐私政策数据(Morales等人,2024),以及政策文本(Zhou等人,2022)。此外,已有研究利用大型语言模型从政策文本中提取信息,以帮助评估政策强度。通过比较不同类型提示的准确率、精确率、召回率和F1分数,研究人员找到了更有效的提示方式,用以评估中国在气候变化方面的政策严格程度(Li等人,2025)。结合特定提示的大型语言模型还被用于从法律文本中生成定量指标,并用于跨任务比较模型性能(Konduri和Pendyala,2024)。这些研究为政策文本的结构化处理、强度相关指标的筛选以及大型语言模型的提示设计提供了宝贵经验。不过,将大型语言模型应用于政策评估也面临诸多挑战。虽然它们在文本提取方面表现良好,但主流的Transformer架构对计算资源和内存需求极高,这限制了它们处理长输入序列的能力(Wang等人,2024)。此外,大型语言模型的token上下文窗口限制也可能导致数据集中部分文本被遗漏或截断,从而产生不一致性(Vangeli,2024)。这意味着,为了让大型语言模型找到合适的输入序列,对文本数据进行预处理至关重要(Zhang等人,2025)。而且,没有一种模型能适用于所有任务(Liu等人,2025)。因此,在将大型语言模型应用于政策评估时,关键的方法任务就是选择合适的大型语言模型,并设计能够提升信息提取效果的提示策略。
在本研究中,我们构建了一个评估框架,该框架利用大型语言模型协助提取关键信息,进而评估中国生态环境分区监管制度中的监管措施强度。首先确定了需要提取的信息,并据此设计了初始提示。随后,使用少量样本进行模型选择和提示优化,将表现最佳的配置应用于全国范围的环境许可清单。之后,该评估框架根据提取的信息来量化监管强度。最后,从多个角度分析了不同地区、不同监管维度以及不同类型单元之间监管强度的差异。通过将大型语言模型辅助的信息提取与基于分区的环境监管强度量化相结合,本研究实现了对复杂政策文本的大规模、可比较分析。本研究为理解监管措施的清晰度、空间差异性以及区域能力如何共同影响环境治理提供了有价值的政策启示,有助于在其他制度背景下设计更加精准且易于执行的基于分区的监管措施。
研究框架
我们的框架由四个模块组成(图1)。首先,进行数据收集与预处理。将包括各地区环境许可清单、社会经济指标以及污染物排放数据在内的多种数据集经过预处理后整合到数据库中,以确保数据的有效性和可用性。其次,进行大型语言模型基准测试与提示工程。通过性能指标评估不同的模型和提示策略,选出表现最佳的配置。
提示工程与大型语言模型的性能
表S7展示了零样本场景下大型语言模型的性能结果,可以看出,在所测试的配置中,DeepSeek的准确率和F1分数均高于其他模型。因此,选择DeepSeek作为后续分析及监管措施提取的基线模型,其准确率、精确率和召回率分别为0.63、0.84和0.64。
采用了三种提示工程策略:思维链法、自我一致性法和少样本法。
监管强度的异质性
实证研究结果表明,基于生态环境分区监管的环境法规中存在文本监管强度的空间异质性。在不同控制类型和维度中,关键监管类的监管强度始终明显高于普通限制类和优先保护类。空间布局约束是各项约束中最严格的,而在许多省份,资源利用效率与污染物排放控制的约束力度相对较弱。明显的东部-西部空间梯度进一步表明,西部地区的优先保护类单元需要特别关注。
结论
本研究通过结合政策权威性、政策目标严格程度以及政策措施清晰度,构建了一个综合框架,用于量化中国生态环境分区监管制度下环境许可清单的监管强度。该框架能够对全国范围内的综合生态环境单元的监管强度进行评估,同时有助于系统分析空间差异性和不同监管维度的影响。响应面分析的结果还帮助我们了解了区域社会经济因素对监管强度的影响。
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利益冲突或个人关系。
致谢
本研究得到了“京津冀区域环境综合治理—国家科技重大专项”(2025ZD1208100和2025ZD1208101)以及中国国家自然科学基金(72574118)的支持。
生物通微信公众号
生物通新浪微博
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