【文献分享LM】土地系统韧性分析：静态与动态视角

本文发表于国际期刊Journal of Cleaner Production，2024年第447卷。通讯作者为中国科学院大学的皇甫玉斌博士。

文章认为，由于气候变化、全球地缘政治和经济的长期影响，土地系统面临多重威胁。研究模拟了在不断增加的社会经济压力和频繁的自然灾害干扰下土地系统的静态和动态韧性。文章采用改进的承载力模型来模拟农业用地系统的级联失效效应。研究发现，蓄意攻击后的参数变化比随机攻击导致网络崩溃的时间要早得多。贸易结构中的核心节点承担了大部分功能，应重点关注这些区域和土地类型。由于压力的传递性，级联故障使网络更加脆弱。静态攻击可以在30%以上的节点被攻击时导致网络崩溃，而动态攻击只需要攻击10%的节点即可。根据参数优化，在减小节点初始负荷间隙的同时，最大限度地提高节点容量，从而减弱级联效应。为了保证结果的可靠性，文章进行了稳健性检验。最后，为了发展可持续的土地系统，文章提出有必要评估韧性，确定关键要素，有效监测土地系统，并制定健全的土地保护计划。

文章以313个主要城市为研究对象，构建了城市农用地网络，围绕土地实体的概念展开，从消费的角度代表商品和服务生产过程中直接和间接的土地使用。它强调检查由当地消费引起的整体供应链对资源和环境的影响。构建的网络包括省际贸易隐含土地要素网络和城市农业用地网络。第一个网络描述了中国各省实体土地的流动（IPTELEN），而第二个网络用于研究农业用地系统的动态韧性（UALD）。两个网络的研究规模和重点不同。静态韧性分析以更大的省级土地类型为研究对象，而动态韧性模型考虑城市农用地质量。动态韧性的研究尺度更加细化，城市间异质性也更强。采用改进的承载力模型来模拟农业用地系统的级联失效效应，根据实际的土地利用系统，对传统模型进行了改进，设定了初始负荷和最大容量，还考虑了负荷分配方法、网络弹性指标和总体算法流程。假设每个城市在初始状态下都处于粮食和粮食供需平衡状态，则农业粮食系统正常运行。正向表示人口对农业用地的迁移压力，反向表示实际的粮食供给。

（图片来自原文）

结果表明，内蒙古、新疆、青海三省草原面积大，草原供给相对集中。这些地区的牲畜副产品运输到全国各地，使得其他省份高度依赖进口具体化的草原。草原拥有众多的贸易伙伴，支撑着中间和最终的需求，在网络中发挥着至关重要的作用。广东、江苏、河南工业用地数量居全国前列。中国已经建立了成熟的产业链，与工业用地相关的土地类型最多。大部分工业用地表现出较高的中间性中心性。与随机攻击相比，蓄意攻击对网络结构的影响更大。随机攻击的变化相对稳定，网络崩溃率为87.6%。故意攻击期间的初始攻击对网络弹性的负面影响相对较小。然而，当关键节点被攻破时，网络会在短时间内迅速崩溃。前35%的关键节点承担整个网络的连接功能。如果这个核心部分不受到更精确的攻击，网络仍然可以保持结构的稳定性。与随机攻击相比，四种类型的蓄意攻击后，网络效率弹性指标的变化更为明显。与网络规模相比，一旦蓄意攻击的节点比例超过27%，网络就会崩溃。从曲线下降速率来看，网络规模指标在早期呈逐渐下降的趋势，表明网络抵御攻击的能力相对较强。在中期，它显示出加速的趋势。相比之下，网络效率指标显示出持续的平均下降。

（图片来自原文）

结果表明，工业用地、林地和耕地是维持网络静态结构最重要的节点集。工业用地涉及的中间需求最多，林地和耕地主要是省际交易。作为原材料，它们更容易与更广泛的土地类型联系在一起。矿山用地、公共服务用地和其他服务用地未在表中反映。由于矿产资源分布集中，矿业用地的经济关联度可能相对较低。公共及其他服务用地主要服务于省内，相关性较弱。在每个指标中随机选取节点进行比较，可以看到，每次随机抽取行为的下降趋势大致一致，与原始随机攻击一致，下降速度平缓，无突变行为。正序列攻击导致网络效率不断下降。但是除了k核攻击之外，逆序攻击提高了整体效率。这是因为在逆序攻击下，网络中一些信息传递功能较差的边缘节点被清除，实际上使整个网络连接更加紧密。当攻击90%的节点时，网络突然崩溃。由于剩下的10%节点是关键节点，因此它们承担了整个网络的主要功能。当被破坏时，它们无法维持网络结构并立即崩溃。

（图片来自原文）

蓄意攻击对网络的影响比随机攻击更显著。与网络效率指标相比，网络规模指标呈现出相对缓慢的下降趋势。该网络的初始网络效率不高，前期的可达性和平滑性不高。但在随机攻击中，网络表现出较高的稳定性，前期网络效率保持稳定，后期网络效率下降较快。蓄意攻击的级联传播效应加速了网络效率指标的下降。由于失效节点对周围节点的级联效应，与静态模型相比，就节点数量而言，崩溃发生得要早得多。在蓄意攻击中，10%的城市农用地关键节点承担了整个网络的连接功能。当对节点的攻击超过该比例后，压力会传递给相邻节点。这些节点大多是国内农业生产或加工的关键地点。当它们遭到破坏时，相应的粮食需求缺口的压力将进一步传递给邻近的贸易伙伴。这一过程导致差距扩大，最终导致整个粮食系统的崩溃。

参数β决定节点负载上限。随着β的增大，网络的稳定性越强。从β的定义来看，随着其节点负载能力的增加，每个节点抵御攻击的能力增强，因此更多的节点可以保持运行，增强了网络抵御风险的能力。网络在崩溃之前通常会发生1-2次迭代，并且最大连接子图的相对大小在崩溃之前保持一致。随着β的增加，其能承受攻击而仍能维持正常工作的次数逐渐减少。当β=0.4后，β的增加对网络稳定性的改善作用变得很小。这主要是因为在遭受多次攻击后，节点容量带来的优势无法超越自身和相邻节点故障带来的压力。相反，在β=0.4之前，网络稳定性的改善是巨大的。考虑到成本，如果原来的β已经在该区域，小的投资可以在提高网络稳定性方面获得大的回报。

（图片来自原文）

参数α决定节点间初始负载差值。当α增大时，节点间的负载差将增大。α的最优值应在中间，而差异化分配容易使小节点在受到攻击时过早失效。由于文章在公式设计中引入了农地承载力ρ参数，相当于考虑了初始负荷的情况，故网络弹性的最优值为α=0。因此，与一般模型的最优值存在差异。随着α的减小，网络弹性越强。在攻击期间，网络崩溃通常发生在迭代1-2，最大连通子图在崩溃前的相对大小趋势保持一致。随着α值的降低，它能够承受攻击并维持正常运行的次数增加并趋于稳定。在α=0.7之后，α的减小对网络稳定性的改善非常小。这主要是因为避免具有高度值的节点的优势低于节点故障造成的压力。相比之下，在α=0.7之前，网络稳定性的改善是显著的。考虑到成本，如果原始α已经在该区域，则小的投资可以获得提高网络稳定性的大回报。

（图片来自原文）

当网络规模第一次达到0.01时，统计需要崩溃的节点个数。分别进行独立实验，得到仿真结果。在此基础上，确定了初始负载差控制参数α和负载容差参数β的最优范围。当α值一定时，所需的失效节点数随着β的增加而增加。这是因为β的增加允许每个节点承担更多的容量，显著降低节点故障的可能性，并提高网络的“动态弹性”。当β值一定时，所需的失效节点数随着α的增大而减小。这是因为α的增加导致网络初始负载的更大分化，从而增加了节点内的组间差异。容量小但承载能力高的节点会瞬间不堪重负。故障的级联效应将放大这种负面影响，可能导致更大面积的网络崩溃，并削弱网络的整体耐久性。

（图片来自原文）

总体而言，农产品系统中的关键节点可以分为三类。第一类包括京津冀地区，以高度中心性和中间中心性排名前十。这表明，这些城市既是连接众多城市的重要桥梁，也是土地网络中农业生产和消费的枢纽。它们在农产品系统中占据中心地位，使它们成为网络中的关键城市。具体来说，河北许多粮食产量较高的城市排名突出。秦皇岛得益于其沿海的地理位置，廊坊则围绕首都建立了1小时生鲜农产品物流圈，具有较高的中间性中心性。第二类是具有特色农业竞争力的地区，对应的是供给全国的高农业产量。例如内蒙古呼伦贝尔、青海和西藏的畜牧业、河北张家口和承德地区的蔬菜以及黑龙江哈尔滨的粮食生产。第三类包括人口众多的城市或省会城市，如杭州、郑州和西安。这些城市城市化率高，第一产业比重低，农产品供给依赖其他城市。同时，作为周边城市的交通枢纽，形成了高度的中间中心性。

识别图中二维码即可购买本书