基于动态贝叶斯网络的多维SDG11风险评估与城市可持续发展路径研究

为应对快速城市化带来的资源紧张、生态破坏等可持续发展挑战，本研究聚焦SDG11（可持续发展目标11）实现过程中的风险识别问题。研究人员构建了需求-维度双螺旋评估框架，采用动态贝叶斯网络（DBN）模型对长江经济带108个城市2016-2021年的可持续性概率进行量化评估。研究发现城市可持续性呈现"快速增长-停滞-反弹"的阶段性特征，空间上表现出下游向上游的阶梯式递减规律，并识别出收入差距、人口增长率等关键风险指标。该研究为协同实现多维SDG11提供了动态监测工具和政策参考。

随着工业革命引发的城市化浪潮席卷全球，超过半数人口已聚居城市，预计到205年这一比例将升至三分之二。这种爆炸式增长在带来经济发展的同时，也引发了土地紧缺、生态恶化、交通拥堵等一系列"城市病"，严重威胁着区域的可持续发展能力。联合国为此提出可持续发展目标（SDG），其中专门针对城市治理的SDG11旨在建设包容、安全、韧性和可持续的城市。然而，由于城市系统的复杂性和地域差异性，如何量化评估SDG11的实现进程并进行风险预警，成为当前可持续城市研究领域的重点难点。

传统研究多局限于静态评估，缺乏对城市可持续性动态演变规律的捕捉，更鲜有从风险管理的角度识别制约因素。正是为了突破这些局限，发表于《Sustainable Cities and Society》的这项研究开创性地构建了需求-维度双螺旋评估框架，将城市系统的经济、社会、环境、制度与基础设施五个维度，与SDG11强调的包容性、安全性、韧性、可持续性四大核心诉求进行有机融合。研究团队采用动态贝叶斯网络（DBN）这一能够处理不确定性问题的先进建模技术，对长江经济带108个城市2016-2021年的面板数据进行深度挖掘，实现了对城市可持续性概率的时序追踪和风险识别。

关键技术方法方面，研究基于需求-维度双螺旋框架构建动态贝叶斯网络（DBN）模型，采用GeNIe 4.1软件设置六时间步长（每年为一个时间步）进行时序分析。以长江经济带108个城市2016-2021年数据为样本，通过参数学习确定节点条件概率，运用联合树算法进行推理计算，最终通过敏感性分析识别关键风险指标。

动态城市可持续性评估网络

通过构建具有六时间步长的DBN时序板块模型，研究揭示了长江经济带城市可持续性演化的动态规律。模型结果显示，2016-2021年间区域整体可持续性概率呈现明显的"快速增长-停滞-反弹"三阶段特征。这种非线性变化规律反映了城市可持续发展过程中各维度要素相互作用的复杂性，为理解城市系统动态提供了新视角。

风险识别与敏感性分析

研究通过DBN模型的后验概率计算和敏感性测试，精准定位了制约城市可持续性提升的关键风险点。经济维度中的居民收入差距、社会维度的人口增长率、环境维度的归一化植被指数（NDVI）等指标被识别为敏感性最高的风险因子。这些发现为优先干预方向提供了科学依据，使风险管理更具针对性。

空间异质性分析

对长江经济带上、中、下游城市的对比研究发现了显著的空间分异规律。可持续性水平呈现从下游向上游的阶梯式递减趋势，且政治等级较高的城市表现更为突出。上游城市可持续性潜力离散度最大，中游城市呈对称集中分布，下游城市变异性最强。这种空间格局为制定差异化区域政策提供了重要参考。

多视角可持续性潜力风险管理

基于需求-维度双螺旋框架，研究从城市系统维度（经济、社会、环境等）和SDG11核心诉求（包容性、安全性等）双重视角开展风险管控。这种多维分析方法克服了传统研究单视角局限，实现了对城市可持续性潜力的全面把脉，为协同推进多维SDG11找到了关键突破口。

研究结论表明，城市可持续性是一个受多维度因素交互影响的动态复杂系统。通过DBN模型实现的时序追踪和风险识别，不仅深化了对SDG11实现机制的理解，更重要的是建立了从评估到管理的完整技术路径。该研究提出的双螺旋评估框架和动态风险评估方法，为全球可持续城市进程监测提供了新工具，特别为长江经济带等快速城市化区域的精准治理提供了科学支撑。未来研究可进一步拓展模型的时间跨度和空间尺度，加强多尺度可持续性风险的传导机制研究，推动城市可持续发展从被动应对向主动防控转变。