城市生态风险的思考和政策应涉及更大规模的问题，并考虑城市对偏远人口和生态系统的依赖性和影响。在城市群视角上，部分研究者考察了不同城市生态风险的空间异质性分布，但忽略了两城市之间的交互效应。本文采用贝叶斯和生态网络模型模拟了（1）大气污染传递路径、（2）水污染传播路径和（3）经济贸易传递路径下两个城市之间的生态风险转移过程，并在考虑其他城市风险转移后检验生态风险促进程度。以生态系统服务作为生态风险的评估终点。以珠三角城市群为例，结果表明：在不考虑城市群风险转移的情况下，高风险排名前三的城市依次为东莞市、中山市和深圳市。两市间风险转移大大提高了城市综合风险概率，尤其是肇庆（134%）、珠海（73.0%）和广州（70.4%）。广州市和深圳市既是城市群生态风险的传播者，也是生态风险的受害者。贝叶斯和生态网络模型可以支撑生态风险防范和生态系统服务提升的决策过程。
1.单一城市生态风险评价
通过对2000—2015年珠三角城市群城市生态服务价值数据的梳理，发现珠三角地区生态系统服务年增长率符合正态分布。我们计算了不同置信区间下珠三角城市群城市生态系统服务可能的最大损失率，结果显示在表1。
表1 不同置信水平下各城市生态系统服务的最大损失率
表1列出了珠三角城市群各单个城市的生态风险评估结果。EVR（最大损失率）越高，P 值（生态价值面临风险的概率）越低。以广州为例，97%置信水平下的量纲为-1.88，广州的标准差为 7.41%，因此广州在 97%置信水平下的最大损失率为13.95%（=1.88*7.41%）。由此可以得出结论，未来广州生态系统服务年增长率比预期增长率（广州的预期增长率为-0.99%）低 13.95%的概率为 3%（=100%-97%）。从表中还可以看出，在置信度为 70%-99%的条件下，各城市生态服务价值的最大损失在 2.23%-36.43%之间。在 80% 和 70% 的置信度下，各城市的最大平均损失约为 5%。因此，本研究计算了当生态系统服务增长率比预期增长率下降 5%时的生态风险概率（ERP）。概率值不考虑两个城市之间的风险传递效应。各单个城市的 ERP 如表2所示。结果表明，珠三角城市群中前三位的高风险城市分别是东莞、中山和深圳。
表2每个城市的生态风险概率（ERP）
2.生态风险转移网络模型仿真结果
利用贝叶斯网络模型模拟城市间生态风险转移关系，优化城市群生态风险转移网络模型。大气污染传播路径、水污染传播路径和生态贸易传播路径下的优化生态风险传输网络如下：
大气污染传导下城市群生态风险的贝叶斯网络模型。交互作用的差异主要与城市的相对地理位置、主要排放源的地理分布、区域气象条件等有关。城市大气污染物在上风方向会随风向传递到下风向城市，造成下风城市生态风险增大。
从网络传输来看，生态风险的传输方向与珠三角地区常年盛行风向一致。从污染物来源来看，广州、东莞、深圳作为污染源对其他地区大气污染影响较大。其中，广州作为逆风城市，污染源众多，由于北风作用，对南方城市的影响较大。东莞市地处东部地区，污染源较多，对西部地区的影响较大。深圳市上风向排放源密度低，东莞市大部分排放源位于远离深圳运输通道的地方。
肇庆市、江门市和惠州市是典型的污染物接收城市。其外部污染源大于局部污染源，其大气污染受到周边城市的严重影响。这些城市的本地空气污染排放量较小，因此突出了其他城市的贡献。
水污染传输路径下的生态风险传递网络
水污染转移路径下城市群生态风险转移的贝叶斯网络模型如下，上游城市排入溪流的废水，会沿河流流向下游城市，造成下游城市生态风险的增加。肇庆、广州、惠州作为西江、珠江、东江的上游城市，其ERP在水污染传输下等于自身生态风险，将生态风险向下游城市转移。上游城市生态风险均有不同程度的加大，尤其是中山市。在其他城市的风险传导下，中山市的生态风险增加了84%，即使当地水污染排放量相对较低（排名第六）。
经济贸易传递路径下生态风险传递的贝叶斯网络模型。从传导方向看，生态风险由经济发展程度较低的地区向经济较发达的地区传导。这是因为在城市间经济互动的过程中，经济欠发达地区作为消费市场，将带动较发达地区的生产活动，同时由于脱钩尚未出现，因此将同时导致较发达地区的污染排放量增加。因此，在经济贸易传导关系下，生态风险在城市间的传导方向与经济贸易传导方向相反。例如，广州作为GDP位居珠三角城市群第一的城市，在经贸生态风险传导网络中承担风险接收者角色。惠州、江门等城市由于GDP排名较低，承担了风险传播者的角色。
3.风险传导下的城市综合生态风险
考虑三种风险传导路径下的风险传导后，各城市的生态风险概率均有不同程度的增加。在经济贸易传导网络下，城市间的风险传导对广州和深圳的影响较大。例如，在经济贸易传导网络下，广州的ERP（0.715）是自身城市风险（0.26）的2.88倍。在大气污染传输网络下，城市间的风险传输对肇庆和江门的影响更大。例如，在大气污染传输网络下，肇庆的ERP（0.607）是其城市风险（0.181）的3.35倍。在水污染传输网络下，城市间的风险传输对中山和东莞的影响更大。例如，在水污染传输网络下，中山的ERP（0.476）是其自身风险（0.305）的1.56倍。
不同风险传递路径下各城市的生态风险与城市自身生态风险的比较
通过比较各城市在自身风险和综合风险下的排名变化，可以明显看出佛山的ERP在两种情况下都保持了最低的风险。其他城市也改变了他们的排名。深圳跃升至ERP最高水平，在考虑其他城市风险转移后，瑞克概率增加了55.4%。此外，广州、肇庆和珠海的排名也因风险转移而上升，且上升的百分比相对较高。瞬间，广州ERP提升70.4%，珠海提升73.0%，肇庆ERP提升1.34倍。
通过贝叶斯和生态网络模型模拟了每个城市受其他城市影响的生态风险。效用分析可以区分城市之间的直接和间接影响，从而有助于定义影响城市群生态风险的关键因素。根据上面生成的贝叶斯网络模型，城市之间的直接关系计算公式为方程 （6），城市之间的间接关系计算公式为方程 （8），其中城市 j（受城市 i 影响）的生态风险是从贝叶斯网络的条件概率表中获得的。不同风险传播路径下城市之间的直接和间接关系的结果如图 。
本研究结合生态网络分析技术，利用贝叶斯网络技术构建，评估珠三角城市群各城市的生态风险及其在城市间的传播。该模型揭示了大气污染传递、水污染传递和经济贸易三种风险传递路径下生态系统服务退化和风险转移的机制，有助于政策制定者开展工作。结果表明：
1)广州市和深圳市既是城市群生态风险的传播者，也是生态风险的受害者。他们的受害者身份使他们成为生态风险的传播者。
2)东莞市、江门市和佛山市是城市群生态风险的传播地。肇庆和中山是城市群生态风险的受害者。
3)惠州和珠海既不是传播者，也不是受害者。
4)总体而言，本研究为模拟城市间生态风险转移关系提供了新方法和新思路。模拟网络反映了城市间生态风险从传播者到受害者的流动方向。无论是否直接实证量化，通过概念建模建立风险问题中潜在结果的因果图，可以集中收集数据，并促进对生态风险问题的更深入的理解。贝叶斯和生态网络模型可以支撑生态风险防范和生态系统服务提升的决策过程。
Zhang W, Liu G, Yang Z. Urban agglomeration ecological risk transfer model based on Bayesian and ecological network[J]. Resources, Conservation and Recycling, 2020, 161: 105006.
