EN中文

地理科学 >

2026 , Vol. 46 >Issue 1: 1 - 15

DOI: https://doi.org/10.13249/j.cnki.sgs.20250635

前沿与研究进展

人地系统可持续性风险评估与治理：概念、方法与挑战

  • 叶沁涵 , 1 ,
  • 张军泽 , 2, * ,
  • 王帅 1 ,
  • 傅伯杰 2
展开
  • 1.北京师范大学地理科学学部，地表过程与水土风沙灾害风险防控全国重点实验室，北京 100875
  • 2.中国科学院生态环境研究中心，区域与城市生态安全全国重点实验室，北京 100085
张军泽。Email:

叶沁涵（2001—），女，安徽合肥人，博士研究生，主要从事可持续发展和风险科学研究。E-mail:

收稿日期: 2025-06-06

  修回日期: 2025-09-17

  网络出版日期: 2025-11-10

基金资助

国家重点研发计划项目(2023YFC3804903)

国家自然科学基金项目(W2412141)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Sustainability risk assessment and governance in human-earth system: Concepts, methods and challenges

  • Ye Qinhan , 1 ,
  • Zhang Junze , 2, * ,
  • Wang Shuai 1 ,
  • Fu Bojie 2
Expand
  • 1. State Key Laboratory of Earth Surface Processes and Hazards Risk Governance (ESPHR), Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
  • 2. State Key Laboratory of Regional and Urban Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China

Received date: 2025-06-06

  Revised date: 2025-09-17

  Online published: 2025-11-10

Supported by

National Key Research and Development Program of China(2023YFC3804903)

National Natural Science Foundation of China(W2412141)

Copyright

Copyright reserved © 2026.
Fold

摘要

人地系统可持续性是当前全球发展研究的核心议题，可持续性风险的评估和治理是实现人地系统可持续发展的关键环节和重要保障。本文从风险概念的定义与分类、一般性风险的评估与预警、治理方法出发，初步探讨了人地系统可持续性风险的内涵；结合一般性风险评估方法，构建了人地系统可持续性风险的综合评估框架，包括评估可持续发展目标实现速率过慢或倒退的内部风险，以及应用多重方法评估不同扰动或冲击的外部风险；根据传统风险预警系统的4个关键过程，提出了包含动态分级的人地系统可持续性风险预警技术体系，并讨论了在系统思维下进行多方协同的风险治理模式。本文有助于深化人地系统可持续性风险的认识，为实现区域可持续发展与风险应对能力的协同提升提供理论支撑。

关键词： 人地系统; 可持续性风险; 风险评估; 风险治理; 可持续发展

本文引用格式

叶沁涵 , 张军泽 , 王帅 , 傅伯杰 . 人地系统可持续性风险评估与治理：概念、方法与挑战[J]. 地理科学, 2026 , 46(1) : 1 -15 . DOI: 10.13249/j.cnki.sgs.20250635

Abstract

Sustainability of human-earth system has become a pivotal focus in global development research, with risk assessment and governance identified as key components and fundamental safeguards in the pursuit of sustainable development. This study begins by reviewing the conceptual definitions and classifications of risk, as well as general methods for risk assessment, early warning, and governance, to preliminarily explore the connotation of sustainability risk in human-earth system. Drawing on general risk assessment methodologies, this study constructs an integrated framework for evaluating sustainability risk in human-earth system, which incorporates both internal risks (e.g., stagnation or regression in meeting sustainable development goals) and external risks (e.g., disruptions from multiple stressors) through multi-method evaluations. Finally, based on the four key processes of traditional risk early warning systems, this study proposes a dynamic, graded technical system for early warning of sustainability risk in human-earth system and discusses a collaborative governance model underpinned by systems thinking. Overall, our study contributes to a deeper understanding of sustainability risk in human-earth system, offering theoretical support for improving governance capacities and promoting the co-evolution of regional sustainability and resilience.

Key words： human-earth system; sustainability risk; risk assessment; risk governance; sustainable development

人地系统是由人类与其赖以生存的自然环境相互联系形成的耦合系统[1]，此系统不仅包含地球的自然环境，如大气圈、水圈、岩石圈和生物圈，也包括人类社会的经济、文化、政治等方面[2]。人地系统的概念反映了人类活动与自然环境之间的复杂关系，强调了人类生存与发展高度依赖于自然环境和人类社会间的相互反馈[3]。人地系统的可持续性要求人类在利用自然资源的同时，保持地球系统的生态平衡，防止环境退化和资源枯竭[4]；同时也要考虑不同区域、不同群体的利益，以确保发展成果在代际内与代际间的公平分享[5]。随着人地关系的演进和全球气候变化[4]，人地系统面临越来越多来自自然和社会层面的多源冲击，包括地震、洪水、干旱等自然灾害，以及金融危机、传染病、地缘冲突等社会扰动[6]。多样的冲击可能引发人地系统状态的剧烈变化，形成偏离其可持续发展路径的“可持续性风险”[7]。如何在人地系统复杂性与不确定性增强的背景下有效识别和治理此类风险，已成为全球可持续发展议程中亟待解决的关键问题[8-9]。
国际社会针对可持续发展与风险治理已经建立了多个全球性治理框架[10]。例如联合国于2015年发布了《2030年可持续发展议程》[11]（下文简称《2030年议程》）和《2015—2030 年仙台减少灾害风险框架》[12]（下文简称《仙台框架》），前者聚焦消除贫困和饥饿等17项可持续发展目标（SDGs），后者着力构建“防止新风险–减少现存风险”的减灾治理体系。从系统治理视角来看，这2个框架具有内在的耦合关系[6]。一方面，可持续发展须考虑人地系统所面临的复合风险，以保障其应对冲击的能力[13]，另一方面，风险治理亦不能脱离可持续发展导向，以避免短期应急措施损害区域及代际公平[14]，然而，这2套政策工具在制度设计与实施机制上仍存在显著脱节[10]。其中，SDGs的指标体系因为没有充分考虑风险评估要素而备受批评[9]，同时跨框架的协同治理机制尚未建立，也可能导致政策执行中出现目标冲突，例如生态保护与基础设施建设的空间冲突等[15]。
已有研究指出，传统风险评估方法难以全面衡量人地系统中风险的高度不确定性以及各子系统间的关联反馈效应[8,14]。虽然许多研究已经关注了复杂系统中风险的级联效应与交互网络[16]，并将人工智能、数字孪生等新兴技术应用于风险评估[17-18]。当前主流风险模型仍较少涉及多部门风险，并且依赖静态指标体系，难以刻画真实系统中跨尺度、多主体、多反馈的动态演化过程[19-20]。尤其对高度复杂的人地系统而言[21]，现有研究尚未构建起以人地关系为核心的风险评估和治理框架，难以解释外部扰动如何通过环境系统的反馈、社会制度变迁与人类行为对扰动的适应等多重路径进行传导，影响系统的可持续发展[22]。在国内研究中，已有学者指出识别开发强度与资源环境承载力之间的非线性反馈机制有助于揭示人类活动对系统稳定性的潜在扰动[15]。一些研究探讨了生态安全格局中的多尺度关联性，为识别风险的空间扩散路径提供了多样的视角[23]。同时，在以青藏高原为例的生态脆弱区，区域性风险评估范式的建立为理解特定背景下的复合风险提供了经验[24]。但是这些研究普遍是在局部场景的经验积累，在人地系统的综合性风险评估与治理方面存在重要的研究空白。
鉴于上述不足，本文聚焦于风险和可持续发展的内在联系，通过传统的文献分析方法，综述国内外关于风险的概念与分类及其评估方法的研究进展，分析不同风险对SDGs实现的影响机制，旨在辨析人地系统可持续性风险的概念，构建适用于人地系统的可持续性风险评估、预警与治理的理论框架，并探讨可持续性风险评估与治理的主要挑战。本文不仅有助于丰富可持续性科学与地理学综合研究的理论体系，也将为科学应对全球环境与发展问题提供新的分析范式和政策工具。

1 风险的概念与分类

风险（Risk）是与未来不确定性相关的潜在负面后果[25]，其概念经历了从单一量化范式到多维认知范式的转变[26-31]（表1）。最初，风险与海洋航行和商业保险有关，在17世纪经意大利语的“risicare”传入英语，意指冒险、进入危险[26]。1711年de Moivre提出了基于期望值的风险定义，将风险视为后果和发生概率的函数[27]，成为保险精算和金融风险控制的基础模型。在19世纪以前，风险既代表损失，也包含冒险收获，而现代社会中其含义更强调消极后果的可能性[27]。可量化的“风险”与不可量化的“不确定性”产生区分，对后续关于知识界限与主观判断的研究产生了深远影响[28]。社会学家Beck[29]提出了“风险社会”理论，认为风险是工业化与现代化进程所衍生的潜在危害，社会必须面对其自身制造的系统性后果。在21世纪以来的全球化背景下，风险的性质由孤立事件转向高度耦合的系统性风险，并表现出级联效应下的危机传导，以及多风险协同产生的倍增效应[14]。国际标准化组织发布的《ISO 31000:2018风险管理指南》[30]将风险描述为“不确定性对目标的影响”，提出通过将风险管理融入组织的内部体系，以提升管理不确定性的能力。随着概率风险分析方法的发展，风险评估引入了知识强度的影响，考虑了专家判断与公众认知之间的差异[32]。近年来，有学者通过整合不同理论视角认为风险是由3个核心要素共同构成，包括不良后果的潜在性、结果发生的不确定性，以及与之相关的知识局限性[31]。
表1 一般性的风险定义

Table 1 General definition of risk

定义视角 内容 参考文献
意大利语中的风险定义（17世纪） 冒险、进入危险 [26]
风险的数学定义（18—19世纪） 预期损失（潜在损失与发生概率的乘积） [27]
风险的中性定义（19世纪初） 冒险中获得好或坏结果的可能性 [27]
风险的客观不确定性定义 风险是可以度量的不确定性 [28]
风险的社会建构定义 人类制造的、不可完全预测和控制的未来危害 [29]
复杂系统理论中的风险 风险源于系统内高度耦合与非线性交互形成的脆弱结构，一旦某个节点受到冲击，危害便可能沿着某种路径扩散并引发连锁性的级联破坏 [14]
国际标准化组织定义 不确定性对目标的影响 [30]
综合性视角的定义 风险由不良后果的潜在性、结果发生的不确定性及相关知识的局限性共同构成 [31]
此外，不同学科对风险概念的理解存在显著差异[26]。在工程领域，风险通常被定义为概率与后果的组合[19]。在金融领域，投资风险则由期望值定义，指的是实际回报与预计回报之间的差异概率[33]。在企业管理中，供应链风险指企业在其供应链各环节中可能面临的由环境、社会或治理相关问题所导致的潜在负面影响[34]。在此背景下，从多维和跨学科视角来进一步完善风险分类体系显得尤为重要。2005年，国际风险防范理事会[35]提出了一套风险分类体系，重点关注新兴风险和缓慢发展的重大灾害风险的防范。该体系将风险分为6类：物理因素、化学因素、生物因素、自然力、社会-沟通致灾因子，以及复合（复杂）致灾因子。在达沃斯世界经济论坛发布的《全球风险报告》[6]中，将全球风险划分为5类：经济、环境、地缘政治、社会和科技，并在每年不断调整具体的风险分类，在2025年的报告中将其细分为33个小类。
随着全球化进程的深入和日益复杂化，风险科学不断引入新的概念以应对前所未有的挑战。联合国减少灾害风险办公室（UNDRR）[36]在2022年发布的《减少灾害风险全球评估报告》（GAR）强调了系统性风险，即当金融、经济、生态或社会系统中的某个部分受到冲击时，可能通过系统内的关联机制蔓延，引发整个系统功能严重失调甚至崩溃的风险。全球灾难风险（Global Catastrophic Risk）[37]则指那些可能造成严重破坏，进而削弱全球的抗风险能力，使幸存者面临更大危险的风险。Keys等[7]提出了人类世风险这一新概念，指出进入人类世后产生的风险源于人类驱动过程，并在全球社会生态连通性互动的过程中，表现出复杂的跨尺度特征。
尽管这些新兴概念拓展了传统的风险研究范式，但仍存在明显局限[32]。一方面，它们多集中于自然灾害、环境退化或全球系统层面的极端冲击，未能充分覆盖各类学科所关注的社会、经济、技术、文化等多维度风险[7]；另一方面，这些概念尚未系统整合人地系统的结构特征与演化机制，也缺乏与可持续发展框架（如《2030年议程》）之间的理论衔接[9]。在此背景下，基于对人地系统多尺度耦合机制的理解[1-2]与对SDGs实现路径的系统梳理[4,22]，本文提出了人地系统可持续性风险这一概念，即在人类社会与自然环境相互作用的过程中，受气候变化、资源消耗、地缘冲突等因素的影响，可能导致生态退化、社会经济体系不稳定和政治文化秩序失衡，从而威胁人地系统长期稳定性和增加未来的不确定性，并制约全球可持续发展的实现。

2 可持续性风险评估

2.1 风险评估方法

风险评估是指通过科学方法识别、分析和评价特定目标（例如人类健康、生态环境、社会经济等）中可能存在的威胁和问题[36]。通过对风险驱动因素的识别和对后果的预测，可以更好地理解发展过程中的不确定性，帮助决策者在制定政策和战略时做出更明智的决定。目前，人们已发展多种风险评估方法，可以分为定量评估[19-20,28,38-40]、半定量评估[33,41-47]和定性评估[48-52]（表2）。
表2 风险评估方法

Table 2 Methods of risk assessment

类别 方法 内容 优点 缺点 参考文献
定量评估 蒙特卡洛模拟 随机抽样生成大量可能的参数组合，模拟多种潜在结果，计算概率分布 能处理复杂系统风险，提供概率分布 需要大量的计算资源，模拟时间较长 [38]
贝叶斯网络 构建图形模式表示变量间条件概率依赖关系，进行推理 直观表示因果关系 模型构建复杂，需要专业知识 [19]
概率风险评估 系统性识别评估潜在事故序列及其后果 全面识别潜在风险源 在复杂系统中难以准确构建因果关系，过度依赖定量数据 [28]
脆弱性曲线 描述对象在面对扰动时，破坏程度与灾害强度之间的关系 可用于快速评估灾害
损失		 难以捕捉复杂机制，依赖大量高质量数据 [20]
基于极值的统计
方法		 通过泊松分布等统计方法，分析极端事件发生概率和强度 计算极端事件风险 统计模型包含的假设不一定成立，风险往往受潜在变量影响 [39]
地球界限 识别关键地球系统过程设定“安全界限”，监测人类活动是否越过可持续阈值 有助于制定全球尺度的环境政策与治理目标 阈值理论可能不适合一些关键系统过程 [40]
半定量评估 风险矩阵法 将事件概率和后果严重性通过矩阵组合 可视化性强，操作简单 分级模糊，难以处理复合风险交互 [41]
聚合指数 灰色关联法 通过计算序列之间的相似度评估不同因素的关联程度 结合不同来源数据，适用于数据不足时 受到初始参数选择影响，计算量随因素数量增加 [42]
主成分分析 减少数据维度，并尽可能保留原始变量信息 结合不同来源数据，擅长于高维数据的降维 无法捕捉数据的非线性关系，降维过程造成信息丢失 [33]
熵权法 通过指标数值分布的离散程度客观确定各指标权重 适用性广、对信息离散性敏感 对数据质量要求较高，忽略指标间关系 [43]
影响链分析法 构建暴露、敏感性与适应能力的因果路径图像化，再结合指标与权重计算脆弱性 允许将定量模型（如水文、气候数据）与本地专家打分灵活整合 涉及人为设定阈值与主观权重选择 [44-45]
韧性评估 包含韧性维度的风险指数（例如国家风险指数） 通过预期年损失、社会脆弱性、社区韧性评估全国自然灾害风险 覆盖广泛、多维度集成 未能考虑人为造成的灾害 [46]
社区韧性指标（例如社区韧性基线指标） 通过社区韧性次级指标构建的聚合指标 可操作性强、适应社区
尺度		 数据依赖性强，静态
评估		 [47]
定性评估 德尔菲法 多轮匿名问卷收集专家意见，逐步反馈并调整 鼓励自由表达，可以整合专家意见 较为主观，依赖专家的个人看法 [48]
专家访谈法 通过一对一深度访谈获取专家对特定问题的看法 能深入挖掘复杂问题的细节，获取非语言信息 易受主观偏见影响，时间成本高，难以量化
结果		 [49]
SWOT方法 从内部（优势、劣势）和外部（机会、威胁）分析风险和机遇 结构化分析内外部环境，逻辑清晰 可能过于简化，忽略细节，依赖主观判断 [50]
危险与可操作性分析（HAZOP） 系统化分析工艺参数偏差及其潜在危害 系统性强，覆盖全面，适合工程系统安全性检查 对非技术领域适用性差，过程复杂，时间成本高 [51]
利益相关者工作坊 组织多方利益者共同识别风险并制定策略 增强多方沟通与协作，促进共识 易受强势利益相关者主导，协调难度大 [52]
定量方法是指通过数理模型对经济损失、伤亡人数、基础设施破坏等后果进行量化评估，通常依赖历史数据、观测资料或物理过程建模，对数据的完整性和可获取性要求较高。常见方法包括蒙特卡洛模拟，用于通过大量随机抽样模拟复杂系统的不确定性，广泛用于环境建模和核风险分析[38]；贝叶斯网络通过条件概率描述变量间依赖关系，适用于生态管理、系统故障诊断与公共卫生[19]；概率风险评估结合事件概率与后果严重性，应用于航空、核能与关键基础设施系统[31]；脆弱性曲线法建立灾害强度与损失之间的函数关系，常用于地震、洪水等自然灾害的损失评估[20]；极值统计方法则专注于低频高后果事件的建模，广泛用于洪灾、热浪和金融冲击等领域[39]。此外，近年来“地球界限”（Planetary Boundaries）的研究也成为重要的全球定量风险评估路径之一，该方法通过设定9个关键地球系统过程的阈值，以评估全球关键变量是否超越安全运行空间，提供系统性、前瞻性的环境风险预警，对气候变化、生物多样性丧失、土地系统变化等具有重要参考价值[40]。
半定量方法是一种融合定量数据与定性认知的风险评估手段，通常体现为风险矩阵、聚合指数等方法，所用评估指标数据可以来源于观测数据和统计资料，也可以来源于专家或利益相关者的主观判断。在数据聚合的方式上，常采用灰色关联法[42]、熵权法[43]、主成分分析[33]等方法，以形成综合性的风险指数。目前，多个国际组织已开发基于全球数据的半定量风险评估模型，包括欧盟委员会联合研究中心等[53]开发的INFORM风险指数或德国发展援助联盟等[54]开发的世界风险指数。随着风险耦合性和系统反馈机制受到重视，半定量方法也被扩展用于多类型风险的统一评估框架中。例如德国国际合作机构发布的《脆弱性手册》[44]及其《脆弱性手册风险补充》[45]提出的影响链分析法，体现了数据驱动与专家判断的有效融合。UNDRR[55]将该方法纳入到了其开发的综合气候风险评估框架中。然而，目前相关方法大多仍局限于特定领域，不同部门和尺度间的指标体系缺乏统一设计与衔接机制。2024年《世界风险评估报告》[54]指出，在同时考虑不同类型的风险时，模型构建与数据聚合仍面临显著的技术与方法挑战。
在上述多种评估方法的基础上，韧性维度的引入正在成为风险评估体系的重要发展方向[25]。韧性指系统在遭受内外冲击时，通过吸收、适应、恢复和学习能力来维持核心功能，并持续发展的综合能力[33]。相较于传统评估中“暴露度–脆弱性–灾害强度”的静态结构，关注系统在面临扰动或冲击时的动态响应与持续运作能力，强调“吸收–适应–恢复–转型”过程对风险的调节作用[56]。具备较高韧性的区域往往具备更强的缓冲和恢复能力，因而可降低风险；而韧性较差的区域则更易受到冲击或遭受冲击后难以恢复，容易面临更高的风险。当前，韧性已广泛嵌入于多类型风险的评估框架中，常采用半定量的评估方法[25]。一方面，韧性常作为重要的补充维度融入指标体系中，用于衡量社区、城市或国家在面对冲击时保持原有功能以及灾后恢复的能力。例如，Zuzak等[46]开发的国家风险指数将社区韧性相关指标纳入计算体系。另一方面，韧性也被作为核心目标构建独立的评估模型，聚焦特定系统（如社区、城市、流域等）的恢复与适应能力。例如社区韧性基线指标[47]综合考虑了物理、社会、经济、制度、自然维度，衡量了社区尺度的抵御与恢复能力。
定性方法是指基于专家判断、经验知识或利益相关者意见，对风险进行描述性分析和归纳判断的方法，其主要环节包括专家遴选、数据收集、观点启发与整合[55]。该方法适用于数据缺乏或难以量化的情境，能够在不确定性较高时补充知识空白、总结已有研究成果或形成前期政策判断。然而，定性评估结果可能受到专家主观偏见的影响，需结合透明的评估程序以增强可信度。在实际应用中，定性方法常用于区域治理、方案可行性等综合性风险的评估。例如联合国政府间气候变化专门委员会（IPCC）对于气候风险的评估采用了德尔菲法以整合全球专家的意见[48]。英国、奥地利等国家的全国风险普查工作[57-58]和联合国儿童基金会及全球水伙伴[59]在全球风险知情分析中也高度依赖专家参与的定性方法来识别关键风险并提出应对建议。
为了进一步支持风险知情的决策和规划，需要根据风险评估的结果进行风险等级的划分（表3）。风险分级方法需根据具体管理要求、风险类型和结果数据的特征来选择，核心目标是识别关键优先事项，合理配置资源，优先处理高风险问题。当前常见的风险分级多采用3~5级，例如极高、高、中等、低、极低的形式。在实际操作中，对于具备明确量化结果的数据，可结合概率推断，或后果严重性标准，例如经济损失、人员伤亡规模等，设定等级阈值[19-20]。若以聚合指数作为评估结果，则采用固定值域法[47]、K-Means聚类[46]或百分位数[46]等方法划分风险等级。风险矩阵法根据事件在矩阵中的落点划分风险等级[41]。对于依赖专家判断的评估方式，通常通过专家共识将风险划分到不同等级。例如，在IPCC对气候变化风险的评估中，结合专家意见和全球影响对风险进行分级[48]。此外，复杂系统中的风险评估还涉及关键参数和阈值的识别，例如上文提到的“地球界限”，通过界限控制变量相对于其临界阈值的位置，结合系统韧性、反馈强度与不确定性等因素，对不同界限所承载的风险状态进行科学分级[40]。
表3 风险分级方法

Table 3 Methods of risk classification

分级方法 应用场景 类别举例 参考文献
基于具体概率的定量分析 通过贝叶斯网络等方法得到具体概率 例如基于0-1的概率将风险划分为极低、低、中等、高、极高 [19]
基于评估对象类型 基于风险评估对象的具体后果 例如自然灾害造成的经济损失 [20]
基于聚合指数 半定量的风险指数
韧性、脆弱性评估		 在0-1的数值区间，通过固定值域法、K-Means聚类、百分位数等方式划分为3~5类 [46-47]
风险矩阵法 项目方案优劣比较 基于严重程度、概率等级划分为3×3或者5×5矩阵 [41]
基于后果的严重性和
影响范围		 由专家对风险后果作出评估 通过专家意见定性评估后果的严重程度，划分不同风险等级，并将具体风险归入相应级别 [48]
基于系统变化的关键参数 地球界限理论 结合系统韧性、反馈强度与不确定性等因素，对不同界限所面临的风险状态进行科学分级 [40]

2.2 可持续性风险评估方法

基于一般性风险评估方法，本文提出人地系统可持续性风险评估框架（图1）。该框架将人地系统可持续性风险区分为内部风险和外部风险，内部风险主要指人地系统本身能否如期实现可持续发展的风险；外部风险则源于外部环境的扰动或冲击，对系统稳定性与发展路径产生影响，包括自然灾害频发、社会经济波动、地缘政治冲突，以及新兴技术应用带来的不可预见影响等。这两类风险的叠加使人地系统可持续性风险评估更需要跨学科视角以及综合分析方法（图1）。
图1 人地系统可持续性风险评估框架

Fig. 1 Risk assessment framework for sustainability of human-earth system

对于人地系统可持续性的内部风险而言，本文以SDGs为例，在未来也可以扩展为后SDGs时代的其他可持续发展指标。目前已有大量研究对全球SDGs的实现进展进行了评估，可持续发展解决方案网络发布的2025年《可持续发展报告》[60]显示出全球SDGs难以按期实现，几乎所有目标都进展缓慢或停滞。同时，目标之间的相互权衡也加剧了协同失效与资源竞争的潜在风险[61]。在现有评估框架里，部分指标未能充分体现系统的复杂性。例如，2025年《可持续发展报告》中主要依赖每天生活费不足2.15美元的人口比例衡量SDG1（消除贫困）的进程，忽略了多维贫困、相对贫困和地区差异[60]。一些指标在不同国家间存在数据缺口，更新滞后或者统计口径不一致等问题，导致可比性差，难以形成统一的政策判断依据[62]。此外，SDGs框架在实施层面也存在制度性风险，Lyytimäki[52]结合已有文献与欧洲环境研究合作组织举办的2次政策科学研讨会中的观点，指出现有指标体系可能反映了制定主体的价值偏好，在本土化过程中难以充分适应区域差异与发展阶段；同时，由于评估体系对可量化指标的依赖，也可能引发“指标导向”倾向，使得政策执行趋于短视化与形式主义，偏离了长期可持续发展的初衷。
在外部风险中，可持续发展面临的风险体现为多源压力叠加的复合威胁。这些外部风险主要包括自然环境、经济、地缘政治、社会以及信息科技等维度，并在不同时空尺度上作用于人地系统。从直接影响的角度来看，不同类型风险对SDGs构成不同威胁（图1）。例如自然环境风险影响最广，可直接危及11项SDGs，如SDG1（无贫穷）、SDG2（零饥饿）、SDG6（清洁饮水）、SDG13（气候行动）等。社会风险则直接影响8项SDGs，如SDG3（良好健康）、SDG4（优质教育）、SDG10（减少不平等）等。尽管这些外部风险阻碍了SDGs的实现，当前SDGs框架仍缺乏对外部风险的系统性识别与量化评估。除了SDG1、SDG9、SDG11等目标在文本中有限地提及风险评估外，大多数目标未考虑针对不同风险类型的具体指标，现有评估体系也未能体现各类风险的特征要素以及在不同区域与发展阶段的异质性[9]。为此，外部风险的评估应在前文一般性风险评估方法的基础上，引入跨学科视角，对各类风险的直接与间接影响进行系统梳理和集成建模。
更重要的是，内部风险和外部风险并非孤立存在，而是通过复杂的机制相互作用。外部风险可以通过直接冲击降低SDGs的实现速率，甚至导致局部性倒退，进而表现为内部风险的加剧；同时，系统内部治理能力的差异也会影响外部风险的传导强度和扩散路径。实现内部与外部风险的协同治理，是提升人地系统应对风险能力的关键[13]。科学的协同机制不仅有助于及时应对突发性外部冲击，也有助于在短期应急与长期可持续发展之间实现资源优化配置。实践表明，构建多层级、多部门协作的治理机制，能够有效增强系统的弹性表现，降低内生性风险的积累[56]。在此互动过程中，韧性作为系统维持核心功能、吸收冲击并实现转型优化的能力，成为连接内部结构优化与外部风险治理的关键枢纽，为可持续发展的实现提供坚实支撑[25]。
此外，在人地系统的可持续性风险评估中，风险分级也需要考虑内部和外部风险的差异。在内部风险的评估中，可以基于全球或区域SDGs的实现进度或者速率，根据是否能如期实现目标，以及能实现的目标个数划分风险等级。此外，SDGs之间的协同和权衡也可作为分类的依据，可根据SDGs之间的权衡强度和影响范围进行划分。对于SDGs框架在实施过程中能否有效反映可持续发展路径，可以通过专家评估方式进行定性评级。在外部风险的分级中，应在对具体风险类别评估的基础上，通过识别系统关键阈值进行评级划分。同时，也需要结合多目标优化原则，区分单个目标受到影响、部分目标受到影响以及系统性崩溃等不同情形。同时，风险在不同时空尺度的动态特征也应纳入等级划分体系，构建多维度、动态化的风险评估体系。

2.3 可持续性风险评估挑战

既有研究表明，在日益复杂和变化迅速的世界中，传统的风险评估方法难以应对未来的不确定性和风险之间的相互关联[8]。2022年GAR报告[36]则强调了级联效应与动态脆弱性为风险评估带来的困难。可持续性风险评估不仅面临这些共性问题，还需要处理社会、生态与经济系统的交互，整合多维度数据并平衡多方利益。要应对这些挑战，必须引入跨学科的视角和系统性的思维方式，以发展适用于可持续性风险评估的工具和方法。总体而言，可持续性风险评估所面临的主要挑战可以概括为以下3个方面。
1）协调多重风险与跨学科知识的挑战。不同类型的风险在评估方法上存在显著差异[54]。例如，环境风险依赖高分辨率模型，侧重危害、脆弱性和暴露[40]；地缘政治风险更侧重社会变量与趋势建模[33]。即便面对相同风险，不同学科的理解也存在分歧。例如，针对森林退化、生物入侵等生态风险，生态学侧重评估物种多样性和生态系统服务的退化[24]，经济学则关注其对企业价值链与供应链的冲击[34]。因此，多重风险的综合评估不能仅通过在现有模型中添加变量来实现，如何从跨学科角度出发，系统重构理论框架与评估机制，已成为可持续性风险评估的重要挑战。
2）新兴风险和“黑天鹅事件”的挑战。新兴风险指的是那些尚未完全了解或无法准确预测其后果的风险，这些风险通常与新技术、社会变革或环境变化密切相关，具有高度的不确定性[8]。“黑天鹅事件”是指那些极其罕见、出人意料，但会产生重大影响的事件[31]。尤其是在可持续性领域，面对气候变化、生物多样性丧失等问题，许多潜在风险尚未被有效识别或科学理解。因此，提升对新兴风险的识别与评估能力，是应对未来不确定性、实现可持续发展的另一个关键挑战。这不仅要求突破传统风险评估模型的局限，开发具备前瞻性的新型工具和方法，还需增强系统对极端事件及系统性冲击的敏感性与响应能力。
3）非线性耦合与多尺度风险的挑战。可持续性风险评估还需要关注跨时空尺度的系统性级联效应，以及人地系统中的非线性反馈、时滞效应等影响。一些风险事件并不呈现单向或线性的因果关系，而是受到阈值效应的驱动，可能在临界条件下触发剧烈变化。例如，气候变化对海平面上升的影响可能因极地冰盖融化阈值突破而突然加速[40]。COVID-19对社会的冲击也表明了远端和近端风险在多尺度上的动态关联性[56]。以静态、局部分析为基础的传统风险评估方法难以捕捉这种复杂性，例如风险事件的指数式蔓延路径，而依赖大量观测数据的概率方法也常受限于空间关联参数的缺失。因而未来需融合系统动力学、复杂网络分析和人工智能等分析工具，以识别跨尺度耦合中的关键传导路径和隐性脆弱节点，从而提升风险识别、预警与治理能力。

3 可持续性风险治理

风险治理是人地系统可持续性风险的核心环节，其理论与实践相互促进。国际风险治理委员会（IRGC）[35]于2005年提出的经典四阶段模型（预评估、评估、表征与治理）虽开创性地构建了风险评估框架，但在复杂风险情境下可行性不足，且忽视认知与制度偏差[63-64]。基于此，Renn等[65]提出应纳入组织学习机制与制度弹性，使风险治理成为一个持续调整的动态过程，适应社会认知和技术发展的进步，同时更注重多主体协作。
在实践层面，风险治理依托于完善的预警技术体系[35]。该体系基于动态评估和分级机制，通过整合监测、预测、传播与响应的全链条技术，不仅实现了气象、水文和地质等多圈层数据的融合分析，还通过系统思维协调不同治理主体和资源，推动风险治理从单一风险应对向综合风险防控转型。这种技术体系的构建本质上呼应了改良后的IRGC框架要求，即预警技术的迭代升级既需要协同治理机制保障多方知识共享，也需要通过制度创新克服政策滞后性等挑战，形成技术突破与治理模式优化的双向驱动。

3.1 可持续性风险预警技术体系

风险预警是可持续性风险治理的核心支柱。UNDRR[36]将风险预警定义为“通过对危害事件的监测、预测、灾害风险评估及应急通信等活动，使个人、社区、政府和企业能够在灾害发生之前采取及时有效的行动，从而减少灾害风险”。风险预警系统（EWS）具有以下4个关键过程：风险知识和风险评估、监测和预测、传播和沟通及准备和响应（图2）。《2030年议程》中SDG13（气候行动）提出加强早期预警、教育和宣传，提升相关人员和机构应对风险的能力[11]。《仙台框架》[12]将建立EWS确定为7个全球性减灾的具体目标之一，明确提出“到2030年显著提升多灾种预警系统的覆盖范围，并提高灾害风险信息和评估的可用性及可达性”。2022年，在气候风险与预警系统倡议的推动下，UNDRR、世界气象组织等机构[66]共同发出“对所有人的预警”（EW4ALL）倡议，旨在到2027年建立覆盖所有人的EWS。
图2 人地系统可持续性风险预警技术体系

Fig. 2 Early warning system for sustainability risk of human-earth system

如图2所示，将EWS与人地系统可持续性风险结合，必须建立跨学科、动态反馈、协同治理的支撑体系。首先，在风险知识与评估环节，应融合气候模型、统计年鉴、调查问卷等多源数据，推动高分辨率新型数据集的开发，并结合动态模拟与综合分析工具，提升评估精度。其次，监测与预测应实现多圈层参数的覆盖，构建陆海空天一体化的多维度监测网络，例如利用卫星遥感和物联网传感器实现环境与农业实时监测。并制定基于多变量信息的分级机制与阈值。第三，预警传播与沟通需兼顾不同层级，政府层面可借助地理信息系统与人工智能生成高风险区域的可视化报告；社区层面则应结合地方性知识和居民经验设计风险传播策略，制定通俗易懂的传播策略，并通过社区参与增强风险意识。最后，在准备和响应方面，短期需建立高效的资源调配与应急响应机制；长期则应将气候变化等系统性风险纳入战略性治理框架，依托跨部门合作机制与智能化决策支持工具，增强治理体系的整体效能与适应能力。

3.2 系统思维和协同治理

在人地系统可持续性风险治理的过程中，应推动治理范式的多维转型，包括从单一风险管控到多风险耦合调控，从静态阈值到动态韧性，以及从经济利益优先到注重人地关系伦理的价值转向。同时，数字技术的迭代升级也日益成为提升治理效能的关键支撑[56]。在全球化背景下，人类社会和自然环境日益呈现出复杂系统的特征，风险具有非线性和跨尺度的特征[14]，孤立的风险治理措施难以应对其不确定性。人地系统可持续性风险的治理需要跨学科知识和跨部门的协作，构建包容适应的协同治理框架[9]。为此学界提出多维模型与工具，如 “风险治理立方体”模型[67]强调多元主体、跨尺度、在不同风险应对阶段的多维融合；韧性理论中的“适应性循环”以“潜力-连通度-韧性”的三维框架指导政策制定[68]。同时，数字技术为治理注入新动能，数字孪生系统为复杂人地系统建模与仿真提供了强大支撑，例如欧盟的“Destination Earth”计划[17]与中国部分城市的应急系统[18]；人工智能[69]和机器学习[70]实现实时监测、风险识别与灾害损失快速评估；多灾种建模引擎实现了跨介质风险传递的实时模拟[71]。

3.3 可持续性风险治理挑战

尽管传统风险治理模式为可持续性风险治理的制度构建与实践路径提供了重要借鉴，但面对高度耦合的人地系统与不断演化的多重风险情境，治理实践仍面临复杂性加剧和政策滞后等诸多挑战[65]。传统模型依赖风险可预测、治理边界清晰和单一部门主导的假设[32]，难以应对人地系统风险的不确定性、非线性与跨区域和跨尺度特征[72]，无法满足当前多维动态的治理需求。亟须解决的可持续性风险治理挑战主要有以下3个方面。
1）复杂性与动态性挑战。人地系统具有非线性、时滞性和涌现性特征[4]，复杂的反馈机制增加了系统应对外部干扰的不确定性，从而加剧了可持续性风险治理的难度。“全球-区域-地方”的多尺度嵌套特征也会造成不同尺度的模型时空分辨率不匹配的问题，削弱了风险预测的精度和综合治理决策的科学性[22]。需要在深入理解人地系统结构与驱动机制的基础上，整合系统动力学模型、综合评估模型及其他模拟方法，构建具备跨尺度适应能力的人地耦合模型体系，提升系统响应能力。
2）多主体协同治理的阻碍。可持续性风险治理要求打破由行政边界所划定的传统治理结构，推动跨区域、跨部门的协同机制。然而，在实际操作中，这一转型面临诸多挑战。存在治理要素收集效率低下、权责模糊导致的推诿现象，以及缺乏共同价值认同所引发的协调困难[73]，以及跨区域的制度壁垒和信息孤岛效应[74]。弱势群体在灾害风险政策决策中常被忽视，导致系统性偏见[75]。需建立跨尺度、跨主体的数据融合治理平台，推动信息共享与知识协同，健全风险责任的分担机制，并通过制度设计促进包容与公正的参与。
3）政策滞后与政策不匹配。在全球范围内推进政策创新和制度建设，使其更好地服务于可持续发展，是当前风险治理面临的重要挑战之一[64]。传统治理体系难以适应人地系统中风险的快速演化和高度不确定性，政策与法规因其固有的滞后性，常与风险动态脱节，导致治理响应失衡[65]。同时，风险治理和可持续发展的政策缺乏系统性整合，例如《仙台框架》和《2030年议程》缺乏共同实施机制[10]，可能使两者不仅难以共同实现而且互相阻碍[13]。应引入情景模拟机制，评估政策组合的潜在连锁效应，提升前瞻性与协调性。

4 对中国可持续发展的启示

作为世界上人口较多的国家之一，中国能否全面实现SDGs对全球可持续发展进展至关重要。自2015年以来，中国将落实SDGs与国家中长期发展战略深度对接，已将SDGs纳入“十三五”规划、“十四五”规划和2035年远景目标纲要。在粮食安全、国土空间规划等关键领域，各部门相继将SDGs融入发展规划[76]。同时，国家可持续发展议程创新示范区的建设也期望为不同地区探索落实SDGs提供重要借鉴[77]。目前，中国在实现SDGs方面取得了阶段性成果，截至2025年，中国的可持续发展目标指数（SDG Index）从2016年的69.42上升到2025年的74.40，代表中国已完成约74%的目标任务，但进展仍未达到2030年全面实现SDGs的速率要求[60]。同时，中国也面临自然灾害，地缘政治、经济波动等多方面日益复杂的外部风险，需要建立更完善的可持续性风险治理框架。结合以上国内外的研究进展以及存在的挑战，在中国未来推进可持续发展的进程中，可以着重完成以下3点目标。
1）加强风险预警技术体系建设。风险预警作为风险治理的核心能力，需突破单一风险类型的局限，覆盖自然灾害、公共卫生、社会经济、安全生产等多领域，形成多维联动的预警体系。目前，中国虽然已经初步建立了大数据、人工智能、遥感驱动的陆海空天一体化观测系统和数字预警系统，但在一些社会治理事件与部分偏远地区仍存在响应迟缓和资源不足的问题[78]。应结合国情推进自主研发，并在示范区探索和推动本土化预警体系的试点建设，积累经验并形成可推广的治理范式。
2）推动系统思维与协同治理的应用。系统思维强调多目标协同与权衡关系的整体考量，警惕单一目标的过度强化可能对其他目标造成的不利影响[61]。尽管中国已初步构建起政府、企业、社会组织等多方协作的风险治理体系[78]，但仍存在部门间信息沟通不畅，数据共享机制不健全等问题[74]。应在国家层面加强统筹，提升多元主体治理能力。同时，扩大公众对风险治理的参与渠道，增强社会共识。
3）以长期视角完善政策制定与实施。政策制定需突破“速度优先”的路径依赖，既应关注3~5 a政策周期内的短期效益，如经济增长，也应强化对未来数十年尺度的长期韧性的考量，包括生态系统恢复、风险抵御能力及气候变化适应性。当前的海绵城市建设和山水林田湖草沙一体化保护和修复等生态修复工程[76]，已初步形成具有中国特色的韧性路径。但仍需调整本地化的机制，以应对不断变化的外部环境，以同时应对突发风险与长期挑战，推动治理体系向动态适应演化[13]。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
吴传钧. 论地理学的研究核心——人地关系地域系统[J]. 经济地理, 1991, 11(3): 1-6.

Wu Chuanjun. On the core of geographical research: The human-environment relationship regional system. Economic Geography, 1991, 11(3): 1-6.

[2]
刘彦随. 现代人地关系与人地系统科学[J]. 地理科学, 2020, 40(8): 1221-1234.

Liu Yansui. Modern human-earth relationship and human-earth system science. Scientia Geographica Sinica, 2020, 40(8): 1221-1234.

[3]
Liu J, Dietz T, Carpenter S R et al. Complexity of coupled human and natural systems[J]. Science, 2007, 317(5844): 1513-1516.

[4]
樊杰. 人地系统可持续过程、格局的前沿探索[J]. 地理学报, 2014, 69(8): 1060-1068.

Fan Jie. Frontier approach of the sustainable process and pattern of human-environment system. Acta Geographica Sinica, 2014, 69(8): 1060-1068.

[5]
Giang A, Edwards M R, Fletcher S M et al. Equity and modeling in sustainability science: Examples and opportunities throughout the process[J]. Proceedings of the National Academy of Sciences, 2024, 121(13): e2215688121.

[6]
Schwab K, Malleret T. The global risks report 2025[R]. Cologny/Geneva, Switzerland: Forum Publishing, 2022.

[7]
Keys P W, Galaz V, Dyer M et al. Anthropocene risk[J]. Nature Sustainability, 2019, 2(8): 667-673.

[8]
Wassénius E, Crona B I. Adapting risk assessments for a complex future[J]. One Earth, 2022, 5(1): 35-43.

[9]
Eckert N, Rusch G, Lyytimäki J et al. Sustainable development goals and risks: The Yin and the Yang of the paths towards sustainability[J]. Ambio, 2023, 52(4): 683-701.

[10]
Raikes J, Smith T F, Baldwin C et al. The influence of international agreements on disaster risk reduction[J]. International Journal of Disaster Risk Reduction, 2022, 76: 102999.

[11]
Union Nations. Transforming our world: The 2030 agenda for sustainable development[R]. New York: United Nations, 2015.

[12]
Union Nations. Sendai framework for disaster risk reduction 2015—2030[R]. Geneva, Switzerland: United Nations Disaster Risk Reduction, 2015.

[13]
Ye Q, Zhang J, Sun W et al. Synergizing sustainable development goals for disaster risk reduction: Lessons from China[J]. International Journal of Disaster Risk Reduction, 2025, 129: 105765.

[14]
Helbing D. Globally networked risks and how to respond[J]. Nature, 2013, 497(7447): 51-59.

[15]
孔雪松, 蒋献佳, 刘叶, 等. 国土空间开发强度与资源环境承载时空耦合及规划启示——以江苏省为例[J]. 中国土地科学, 2020, 34(6): 10-17.

Kong Xuesong, Jiang Xianjia, Liu Ye et al. Spatiotemporal coupling between territorial space development intensity and resource environmental carrying capacity and its planning implications: A case study of Jiangsu Province. China Land Science, 2020, 34(6): 10-17.

[16]
Pescarfroli G, Alexander D. A definition of cascading disasters and cascading effects: Going beyond the “toppling dominos” metaphor[C/OL]. GRF Davos Planet@Risk, 2015, 3(1): 58-67. https://discovery.ucl.ac.uk/id/eprint/1465510/

[17]
Hoffmann J, Bauer P, Sandu I et al. Destination earth—A digital twin in support of climate services[J]. Climate Services, 2023, 30: 100394.

[18]
中国信息通信研究院产业与规划研究所. 数字孪生城市优秀案例汇编(2021年)[R]. 北京: 中国信息通信研究院产业与规划研究所, 2021

Institute of Industry and Planning Research, China Academy of Information and Communications Technology. Collection of outstanding cases of digital twin cities (2021). Beijing: Institute of Industry and Planning Research, China Academy of Information and Communications Technology, 2021.

[19]
申建红, 刘树鹏. 模糊动态贝叶斯网络在深基坑施工风险演化分析中的应用[J]. 安全与环境学报, 2023, 23(12): 4211-4221

Shen Jianhong, Liu Shupeng. Application of fuzzy dynamic Bayesian network in risk evolution analysis of deep foundation pit construction. Journal of Safety and Environment, 2023, 23(12): 4211-4221.

[20]
秦鹏程, 周月华, 刘火胜, 等. 基于水动力模型的农作物暴雨洪涝灾害损失评估: 以江汉平原为例[J]. 中国农业气象, 2025, 46(3): 420-431.

Qin Pengcheng, Zhou Yuehua, Liu Huosheng et al. Flood loss assessment for crops based on hydrodynamic modeling: A case study in the Jianghan Plain. Chinese Journal of Agrometeorology, 2025, 46(3): 420-431.

[21]
陆大道. 关于地理学的“人-地系统”理论研究[J]. 地理研究, 2002, 21(2): 135-145.

Lu Dadao. Theoretical studies of man-land system as the core of geographical science. Geographical Research, 2002, 21(2): 135-145.

[22]
张宇冕,张军泽,王帅, 等. 人地系统可持续发展评估模型与情景分析研究进展与展望[J]. 地球科学进展, 2025, 40(3): 255-270.

Zhang Yumian, Zhang Junze, Wang Shuai et al. Progress and prospects of research on assessment models and scenario analysis for sustainable development of human-earth systems. Advances in Earth Science, 2025, 40(3): 255-270.

[23]
傅伯杰, 王帅, 沈彦俊, 等. 黄河流域人地系统耦合机理与优化调控[J]. 中国科学基金, 2021, 35(4): 504-509.

Fu Bojie, Wang Shuai, Shen Yanjun et al. Mechanisms of human-natural system coupling and optimization of the Yellow River Basin. Bulletin of National Natural Science Foundation of China, 2021, 35(4): 504-509.

[24]
傅伯杰, 刘焱序, 赵文武, 等. 青藏高原生态安全屏障体系优化[J]. 中国科学院院刊, 2024, 39(11): 1882-1893.

Fu Bojie, Liu Yanxu, Zhao Wenwu et al. Optimization for Qinghai-Xizang Plateau ecological security barrier system. Bulletin of the Chinese Academy of Sciences, 2024, 39(11): 1882-1893.

[25]
Burgess A, Alemanno A, Zinn J. Routledge handbook of risk studies[M]. London, New York: Routledge, Taylor & Francis Group, 2016.

[26]
Althaus C E. A disciplinary perspective on the epistemological status of risk[J]. Risk Analysis, 2005, 25(3): 567-588.

[27]
Aven T. The risk concept—Historical and recent development trends[J]. Reliability Engineering & System Safety, 2012, 99: 33-44.

[28]
Knight F H. Risk, uncertainty and profit[M]. Washington DC: BeardBooks, 1921.

[29]
Beck U. Risk society: Toward a new modernity[M]. London: Sage, 1992.

[30]
International Standards Organisation. ISO 31000: 2018-02 risk management—Guidelines[Z]. Geneva, Switzerland: International Organization for Standardization, 2018.

[31]
Aven T, Cox L A. National and global risk studies: How can the field of risk analysis contribute?[J]. Risk Analysis, 2016, 36(2): 186-190.

[32]
Aven T, Thekdi S. Risk science: An introduction[M]. 1st ed. London: Routledge, 2021.

[33]
李巍, 管潇潇, 邸强. 地缘政治风险冲击下的俄罗斯经济韧性——基于主成分分析的实证研究[J]. 俄罗斯研究, 2025(1): 54-84.

LiWei, Guan Xiaoxiao, Di Qiang. Economic resilience of Russia under the impact of geopolitical risks: An empirical study based on principal component analysis. Russian Studies, 2025(1): 54-84.

[34]
DuHadway S, Carnovale S, Hazen B. Understanding risk management for intentional supply chain disruptions: Risk detection, risk mitigation, and risk recovery[J]. Annals of Operations Research, 2019, 283(1-2): 179-198.

[35]
International Risk Governance Council. Risk governance—Towards an integrative approach[R]. Geneva, Switzerland: International Risk Governance Council, 2005.

[36]
United Nations Disaster Risk Reduction. Global assessment report on disaster risk reduction 2022: Our world at risk: Transforming governance for a resilience future[R]. Geneva: United Nations Disaster Risk Reduction, 2022.

[37]
Avin S, Wintle B C, Weitzdörfer J et al. Classifying global catastrophic risks[J]. Futures, 2018, 102: 20-26.

[38]
廖高明, 邓一荣, 刘丽丽, 等. 基于蒙特卡洛模拟的典型电镀场地氯代烃污染特征与风险评价[J]. 环境科学研究, 2025, 38(8): 1-16.

Liao Gaoming, Deng Yirong, Liu Lili et al. Pollution characteristics and health risk assessment of chlorinated hydrocarbons at a typical electroplating site based on Monte Carlo simulation. Research of Environmental Sciences, 2025, 38(8): 1-16.

[39]
袁亚玲, 王文鹏, 韩蕊, 等. 黄淮海平原降雨极值特征及致洪危险性分析[J]. 水电能源科学, 2025, 43(4): 30-34.

Yuan Yaling, Wang Wenpeng, Han Rui et al. Characterization of rainfall extremes and analysis of flooding risk in Huang-Huai-Hai Plain. Water Resources and Power, 2025, 43(4): 30-34.

[40]
Rockström J, Donges J F, Fetzer I et al. Planetary boundaries guide humanity’s future on earth[J]. Nature Reviews Earth & Environment, 2024, 5(11): 773-788.

[41]
Liu R, Liu H, Shi H et al. Occupational health and safety risk assessment: A systematic literature review of models, methods, and applications[J]. Safety Science, 2023, 160: 106050.

[42]
余满仓, 吕敦玉, 孟舒然, 等. 城市地面塌陷灾害风险评估研究[J]. 地质与勘探, 2024, 60(1): 63-75.

Yu Mancang, Lü Dunya, Meng Shuran et al. Research on risk assessment of urban ground collapse disaster. Geology and Exploration, 2024, 60(1): 63-75.

[43]
覃美满, 寇向宇, 鄢德波, 等. 基于组合赋权–TOPSIS的地下矿山安全风险评价研究[J]. 矿冶工程, 2025, 45(1): 35-40.

Qin Meiman, Kou Xiangyu, Yan Debo et al. Safety risk assessment for underground mines based on combined weighting-TOPSIS. Mining and Metallurgical Engineering, 2025, 45(1): 35-40.

[44]
Zebisch M, Schneiderbauer S, Fritzsche K et al. The vulnerability sourcebook and climate impact chains: A standardised framework for a climate vulnerability and risk assessment[J]. International Journal of Climate Change Strategies and Management, 2021, 13(1): 35-59.

[45]
GIZ, EURAC. Risk Supplement to the vulnerability sourcebook[R]. Bonn: GIZ, 2017.

[46]
Zuzak C, Sheehan A, Goodenough E et al. National risk index technical documentation[R]. Washington, DC: Federal Emergency Management Agency, 2023.

[47]
Camacho C, Bower P, Webb R T et al. Measurement of community resilience using the Baseline Resilience Indicator for Communities (BRIC) framework: A systematic review[J]. International Journal of Disaster Risk Reduction, 2023, 95: 103870.

[48]
Zommers Z, Marbaix P, Fischlin A et al. Burning embers: Towards more transparent and robust climate-change risk assessments[J]. Nature Reviews Earth & Environment, 2020, 1(10): 516-529.

[49]
陆殷昊, 黄晓燕, 盛华青, 等. 长三角区域公共卫生应急协同联防联控机制研究[J]. 中国卫生资源, 2023, 26(6): 646-652.

Lu Yinhao, Huang Xiaoyan, Sheng Huaqing et al. Research on the collaborative prevention and control mechanism for public health emergencies in the Yangtze River Delta region. Chinese Health Resources, 2023, 26(6): 646-652.

[50]
王立, 窦昊, 祝令锦, 等. 东部矿区煤炭资源深井开采可行性分析——以孔庄煤矿为例[J]. 中国煤炭, 2024, 50(8): 112-121.

Wang Li, Dou Hao, Zhu Lingjin et al. Feasibility analysis of deep well mining of coal resources in eastern mining area: A case study of Kongzhuang Coal Mine. China Coal, 2024, 50(8): 112-121.

[51]
尚凤琴, 陈明磊, 何丹, 等. HAZOP方法在含铝炸药混合工序风险评估中的应用[J]. 兵工自动化, 2025, 44(3): 77-79.

Shang Fengqin, Chen Minglei, He Dan et al. Application of HAZOP method in risk assessment of aluminized explosive mixing process. Ordnance Industry Automation, 2025, 44(3): 77-79.

[52]
Lyytimäki J, Eckert N, Lepenies R et al. Assuming accuracy, pretending influence? Risks of measuring, monitoring and reporting sustainable development goals[J]. Ambio, 2023, 52(4): 702-710.

DOI

[53]
Marin-Ferrer M, Vernaccini L, Poljansek K. INFORM Index for risk management: Concept and methodology, version 2017[R]. Luxembourg: Publications Office of the European Union, 2017.

[54]
Bündnis Entwicklung Hilft. World risk report 2024[R]. Berlin: Bündnis Entwicklung Hilft, 2024.

[55]
United Nations Office for Disaster Risk Reduction. Technical guidance on comprehensive risk assessment and planning in the context of climate change[M]. Geneva, Switzerland: United Nations Office for Disaster Risk Reduction, 2022.

[56]
DeWit A, Shaw R, Djalante R. An integrated approach to sustainable development, national resilience, and COVID-19 responses: The case of Japan[J]. International Journal of Disaster Risk Reduction, 2020, 51: 101808.

DOI

[57]
Schinko T, Mechler R, Hochrainer-Stigler S. A methodological framework to operationalize climate risk management: Managing sovereign climate-related extreme event risk in Austria[J]. Mitigation and Adaptation Strategies for Global Change, 2017, 22(7): 1063-1086.

DOI

[58]
Watkiss P, Betts R. Method[M]//The third UK climate change risk assessment technical report[R]. London: Prepared for the Climate Change Committee, 2021.

[59]
United Nations Children’s Fund, Global Water Partnership. WASH climate resilient development: Strategic framework[M]. New York, United State: United Nations Children’s Fundand Stockholm, Sweden: Global Water Partnership, 2014.

[60]
Sachs J D, Lafortune G, Fuller G et al. Financing sustainable development to 2030 and mid-century[M]//Sustainable development report 2025. Paris: Dublin University Press, 2025.

[61]
Zhang J, Sun W, Pradhan P et al. Nonlinear and weak interactions among sustainable development goals (SDGs) drive China’s SDGs growth rate below expectations[J]. Environmental Impact Assessment Review, 2025, 115: 107990.

DOI

[62]
Lyytimäki J, Salo H, Lepenies R et al. Risks of producing and using indicators of sustainable development goals[J]. Sustainable Development, 2020, 28(6): 1528-1538.

DOI

[63]
Aven T. On risk governance deficits[J]. Safety Science, 2011, 49(6): 912-919.

DOI

[64]
International Risk Governance Council. Risk Governance Deficits. An analysis and illustration of the most common deficits in risk governance[R]. Geneva, Switzerland: International Risk Governance Council, 2009.

[65]
Klinke A, Renn O. The coming of age of risk governance[J]. Risk Analysis, 2021, 41(3): 544-557.

DOI

[66]
World Meteorological Organization. Early warnings for all: Executive action plan 2023—2027[R]. Geneva, Switzerland: World Meteorological Organization, 2022.

[67]
Sandoval V, Voss M, Flörchinger V et al. Integrated disaster risk management (IDRM): Elements to advance its study and assessment[J]. International Journal of Disaster Risk Science, 2023, 14(3): 343-356.

DOI

[68]
Luo F, Liu Y, Peng J et al. Assessing urban landscape ecological risk through an adaptive cycle framework[J]. Landscape and Urban Planning, 2018, 180: 125-134.

DOI

[69]
Lee P. Benefits, limits, and risks of GPT-4 as an AI chatbot for medicine[J]. The New England Journal of Medicine, 2023: 1233-1239.

[70]
鲁钰雯, 翟国方. 人工智能技术在城市灾害风险管理中的应用与探索[J]. 国际城市规划, 2021, 36(2): 22-31+39.

Lu Yuwen, Zhai Guofang. Applications and exploration of artificial intelligence technology in urban disaster risk management. Urban Planning International, 2021, 36(2): 22-31+39.

[71]
Paulik R, Horspool N, Woods R et al. RiskScape: A flexible multi-hazard risk modelling engine[J]. Natural Hazards, 2023, 119(2): 1073-1090.

DOI

[72]
Zhang J, Skene K R, Wang S et al. Beyond borders: Assessing global sustainability through interconnected systems[J]. Sustainable Development, 2025, 33(2): 1909-1920.

DOI

[73]
周维, 李永洪. 共同生产视域下社区治理主体合作困境及其形成机理研究——基于M市P小区的案例分析[J]. 辽宁行政学院学报, 2023(5): 65-71.

Zhou Wei, Li Yonghong. The cooperation dilemma and its formation mechanism among community governance actors from the perspective of co-production: A case study of Community P in City M. Journal of Liaoning Administration College, 2023(5): 65-71.

[74]
任以胜, 陆林, 虞虎. 新安江流域行政区经济非均衡性的行政边界效应[J]. 经济地理, 2020, 40(9): 46-52.

Ren Yisheng, Lu Lin, Yu Hu. Administrative border effect of economy non-equilibrium in the Xin’an River Basin. Economic Geography, 2020, 40(9): 46-52.

[75]
Brown S, Budimir M, Sneddon A et al. Gender transformative early warning systems: Experiences from Nepal and Peru[R]. Rugby, UK: Practical Action, 2019.

[76]
Zhang J, Fu B. Eco-civilization: A complementary pathway rooted in theory and practice for global sustainable development[J]. Ambio, 2023, 52(12): 1882-1894.

DOI

[77]
Zhang J, Wang S, Liu Y et al. Does having more sustainable communities bring better sustainability?[J]. The Innovation, 2022, 3(4): 100267.

DOI

[78]
金自宁. 风险视角下的突发公共卫生事件预警制度[J]. 当代法学, 2020, 34(3): 64-74.

Jin Zining. The early warning system for public health emergencies from a risk perspective. Contemporary Law Review, 2020, 34(3): 64-74.

Options
文章导航

/

〈 〉