Bewertung von Kopplungsinteraktionen in einem sicheren und gerechten Betriebsraum für regionale Nachhaltigkeit

Nature Communications Band 14, Artikelnummer: 1369 (2023) Diesen Artikel zitieren

5313 Zugriffe

6 Altmetrisch

Details zu den Metriken

Menschliche Aktivitäten wirken sich in beispiellosem Ausmaß auf das Erdsystem aus und führen zu unerwünschten, irreversiblen Schäden. Die Sustainable Development Goals (SDGs) der Vereinten Nationen bieten einen integrierten globalen Aktionsplan für nachhaltige Entwicklung. Es bleibt jedoch eine große Herausforderung, umsetzbare Strategien zu entwickeln, um regionale Nachhaltigkeit innerhalb sozialer und ökologischer Zwänge zu erreichen. Hier haben wir einen Rahmen vorgeschlagen, der sichere und gerechte Betriebsräume (SJOS) mit SDGs integriert, um regionale Nachhaltigkeit und Wechselwirkungen zwischen Umweltleistung und menschlichem Wohlbefinden auf allen Ebenen zu bewerten. Obwohl China von 2000 bis 2018 keine vollständige nachhaltige Entwicklung erreicht hat, konnten in den meisten Provinzen deutliche Verbesserungen verzeichnet werden. Unsere Analysen haben außerdem vier Entwicklungsmuster abgegrenzt (d. h. gekoppelt und entwickelt, gekoppelt und unterentwickelt, entkoppelt und unterentwickelt sowie gekoppelt und unterentwickelt) und für jedes Muster gezielte Strategien und Wege zum Übergang in Richtung Nachhaltigkeit entwickelt. Unser operationalisierbarer Rahmen ist allgemein auf andere Regionen oder Nationen anwendbar, um eine nachhaltige Entwicklung zu verwirklichen.

Seit der industriellen Revolution ist das Erdsystem in das Anthropozän eingetreten, in dem menschliche Aktivitäten der vorherrschende Treiber globaler Umweltveränderungen waren1. Infolgedessen zeichnen sich Anzeichen dafür ab, dass mehrere kritische Schwellenwerte für Ressourcennutzung, Emissionen und Umweltzerstörung erreicht oder sogar überschritten werden (z. B. Integrität der Biosphäre, Klimawandel, Landsystemveränderung und biogeochemische Flüsse)2,3,4. Es gibt tatsächlich substanzielle Beweise dafür, dass sich das Erdsystem auf eine unhaltbare Entwicklung zubewegt oder in einen Zustand übergeht, der für ein sicheres Funktionieren der Menschheit unerwünscht ist5. Die Suche nach einem Übergang zur Nachhaltigkeit ist daher dringend erforderlich, bleibt jedoch eine zentrale Herausforderung im Anthropozän.

Die Ziele für nachhaltige Entwicklung (SDGs) bieten eine integriertere und integrativere Lösung für eine nachhaltige Entwicklung und stellen einen Paradigmenwechsel von einer konzeptionellen Agenda hin zu messbaren Standards und operationellen Transformationen dar6,7. Dennoch bleiben die Bewertung der Nachhaltigkeit sowie die politische Verfolgung und Überwachung der Fortschritte bei der Erreichung der SDGs eine Herausforderung, da die Umsetzung häufig fragmentiert, isoliert und inkonsistent ist. In einigen schlimmeren Situationen kann die Umwelt sogar dann noch weiter beeinträchtigt werden, wenn die SDGs erreicht werden8. Daher besteht ein dringender Bedarf zu verstehen, wie die Fortschritte bei der Erreichung der SDGs quantifiziert und bewertet werden können, um als Grundlage für umsetzbare Richtlinien und nachhaltige Entwicklungsstrategien zu dienen.

Dies unterstreicht den wissenschaftlichen und praktischen Bedarf an der Entwicklung eines robusten, genauen und umfassenden Bewertungsrahmens als Leitfaden für eine nachhaltige Entwicklung9,10,11. Der Rahmen sollte die Nachhaltigkeitslücken zwischen der tatsächlichen Leistung des sozial-ökologischen Zielsystems und den entsprechenden Nachhaltigkeitsstandards ermitteln12. Die Standards können entweder durch politische Ziele festgelegt oder aus festgelegten Kapazitätsschwellenwerten abgeleitet werden, darunter sowohl Umweltgrenzwerte als auch soziale Schwellenwerte13. Zu diesem Zweck wurde eine Reihe von Nachhaltigkeitsstandardkonzepten entwickelt, beispielsweise Wachstumsgrenzen14, sichere Mindeststandards15,16, Vorsorgeprinzip17 und tolerierbare Zeitfenster18. Das Planetary Boundary (PB) Framework19,20 ist ein neues Konzept, das auf den bisherigen Nachhaltigkeitsstandards aufbaut und diese bereichert. Ein wesentlicher Fortschritt besteht darin, dass sich das PB-Rahmenwerk auf die biophysikalischen Prozesse des Erdsystems konzentriert, die die Selbstregulierungskapazität des Planeten bestimmen19. Das PB-Rahmenwerk19,20 schlägt quantitative Grenzen für die anthropogene Inanspruchnahme der Versorgungskapazität der Erde vor und beschreibt einen sicheren Handlungsraum für die Menschheit. Über diese PB-Grenzwerte hinaus wären abrupte oder irreversible Umweltveränderungen schädlich oder sogar katastrophal für die menschliche Gesellschaft. Um sozioökonomische Dimensionen zu berücksichtigen, wurde das Rahmenwerk „Safe and Just Operating Space“ (SJOS)21 entwickelt, das PB (d. h. biophysikalische Grenzen)19 weiter mit den sozialen Grundlagen (d. h. grundlegende menschliche Bedürfnisse)22 integriert, um die Nachhaltigkeitsstandards von zu bewerten sozial-ökologische Systeme23.

Trotz der jüngsten Fortschritte des SJOS-Rahmenwerks bei der Bewertung der Nachhaltigkeit bestehen mehrere deutliche Lücken. (1) Übertragbare Herabstufung. Nachhaltige Entwicklung wird im Allgemeinen von Regierungen, Unternehmen, Gemeinden und Schlüsselakteuren umgesetzt, die auf nationaler, subnationaler, regionaler und lokaler Ebene tätig sind24. Politikorientierte Bewertungen müssen daher den Rahmen verkleinern, damit er Nachhaltigkeitsprobleme auf allen Skalen (von lokal bis regional, national und planetarisch) und sozioökologischen Kontexten angehen kann25. In vielen früheren Arbeiten wurde versucht, das SJOS-Rahmenwerk mithilfe unterschiedlicher Ansätze auf nationale oder regionale Ebenen zu übertragen26,27,28. Eine gemeinsame Umsetzung von Umwelt-Fußabdrücken und PB von SJOS im Footprint-Grenze-Framework9 zur Bewertung der ökologischen Nachhaltigkeit ist jedoch nach wie vor rar. Ein solcher Ansatz bietet jedoch einen skalierbaren, replizierbaren und übertragbaren Weg zur Quantifizierung der ökologischen Nachhaltigkeit von SJOS, der als Maßstab für die Bewertung des Fortschritts dienen kann29,30,31. (2) Raum-zeitliche Dynamik. Bei der Bewertung der Nachhaltigkeit im Vergleich zu SJOS sind die meisten früheren Studien entweder statisch (Bewertung für einen bestimmten Zeitraum) oder konzentrieren sich auf zeitliche Änderungen in regionalen Zusammenfassungen. Nur wenige Forschungsarbeiten haben sich explizit mit der räumlichen Heterogenität und zeitlichen Dynamik der Umweltleistung und des menschlichen Wohlbefindens befasst32. Allerdings können solche Informationen von entscheidender Bedeutung sein, um Hotspots für gezielte politische Maßnahmen zu identifizieren, um die Treiber zu verstehen, die zu räumlichen Unterschieden in der nachhaltigen Entwicklung führen, und um Fortschritte bei der Erreichung der SDGs zu verfolgen. (3) SDG-Interaktionen. Es zeigt sich zunehmend, dass es komplexe Wechselwirkungen (z. B. Kompromisse, Synergien) zwischen verschiedenen SDGs33,34 gibt. Daher ist es von entscheidender Bedeutung, sowohl biophysikalische Prozesse als auch das soziale Wohlbefinden sowie deren Wechselwirkungen bei der Bewertung der Nachhaltigkeit auf der Grundlage von SJOS zu berücksichtigen, was bislang noch weniger gut berücksichtigt wird.

Um räumlich-zeitliche Dynamiken und komplexe Wechselwirkungen zwischen Umweltleistung und menschlichen Wohlergehenszielen bei der Nachhaltigkeitsbewertung zu berücksichtigen, haben wir daher einen innovativen „Coupling Coordination Degree“ (CCD) in das SJOS-Analyserahmenwerk eingeführt, ein Konzept, das ursprünglich von abgeleitet wurde Physik35. Unter „Kopplung“ versteht man das Phänomen, dass zwei oder mehr Systeme auf unterschiedliche Weise eng miteinander interagieren. „Koordination“ spiegelt den Grad der Kohärenz zwischen Subsystemen sowie das Ausmaß wider, in dem sich das System in Richtung der gewünschten Ordnung bewegt. Daher ist CCD ein Maß für die Synergien zwischen interagierenden Subsystemen, das den Verlauf eines integrierten sozial-ökologischen Systems von der Unordnung zur Ordnung bestimmt36. Beispielsweise spiegelt ein CCD von 1 die Entwicklung einer perfekten Kohärenz wider, bei der alle Subsysteme synergetisch sind. Dieses Konzept wird weithin übernommen, um die Wechselwirkungen zwischen zwei oder mehr (Sub-)Systemen zu messen, insbesondere in Bezug auf Konflikte zwischen Umwelt- und Wirtschaftsdimensionen, wie z. B. zwischen Urbanisierung und Öko-Umwelt37, wirtschaftlicher Entwicklung und ökologischer Umwelt36, Ökosystemdienstleistungen und Stadtentwicklung38 ,39. Es kann auch verwendet werden, um die sich abzeichnenden oder systemischen Ergebnisse politischer Interventionen (z. B. öffentliche Investitionen und Vorschriften) zu bewerten und zu vergleichen.

Um die Anwendung von CCD im SJOS-Rahmen für die Nachhaltigkeitsbewertung zu demonstrieren, haben wir uns in dieser Untersuchung auf die umsetzbare Fallstudie für China konzentriert – das bevölkerungsreichste Land und der größte Exporteur der Welt sowie der Hauptakteur der globalen Nachhaltigkeit. China stellt Ressourcen bereit und produziert Waren für andere Länder40 und trägt die Umweltauswirkungen, die durch den Konsum in anderen Teilen der Welt verursacht werden29. Darüber hinaus gingen viele frühere sozioökonomische Entwicklungen zu Lasten einer Verschlechterung der Umwelt, was zu ernsthaften Konflikten zwischen wirtschaftlicher Entwicklung und der Verwaltung des Ökosystems führte. Die Ausbeutung von Ressourcen durch den Menschen, sozioökonomische Reformen, schnelles Bevölkerungswachstum, Industrialisierung und Urbanisierung haben diesen langfristigen Konflikt ebenfalls beschleunigt41. Daher steht China vor großen und dringenden Herausforderungen bei der Sicherstellung ausreichender verfügbarer Ressourcen, die zur Deckung der Bedürfnisse aller genutzt werden. Das heißt, die Nation sollte Wert auf die nachhaltige Nutzung regionaler Ressourcen zum Wohle der Menschen legen. China weist auch eine erhebliche räumliche Heterogenität in Bezug auf natürliche Ressourcen, kulturelles Erbe, Umweltintegrität und soziale Ungleichheit auf und durchläuft seit mehr als 30 Jahren (seit 1986) langfristige nachhaltige Entwicklungspraktiken, was einen idealen Fall für die Prüfung unseres vorgeschlagenen Rahmens für nachhaltige Bewertung darstellt.

Die drei Hauptziele dieser Arbeit sind folgende: (1) Bewertung des Status der nachhaltigen Entwicklung im Kontext der SDGs durch Messung der Leistung im Verhältnis zu einem definierten SJOS; (2) die CCD in SJOS zu implementieren, um Entwicklungsmuster mithilfe einer Nachhaltigkeitsbewertung (d. h. aus Ziel 1) zu identifizieren, die Mensch-Umwelt-Interaktionen auf mehreren Ebenen auf räumlich explizite Weise berücksichtigt; und (3) gezielte Strategien zu Entwicklungsmustern als Fortschritt in Richtung regionaler Nachhaltigkeit vorzulegen.

In sozial-ökologischen Systemen sind Wechselwirkungen zwischen menschlichen und biophysikalischen Systemen bidirektional und bestimmen die Dynamik des Gesamtsystems. Einerseits ist ein gesundes Ökosystem von grundlegender Bedeutung für die nachhaltige Entwicklung der Menschheit, das grundlegende Materialien und Dienstleistungen für das Überleben der Menschheit und die wirtschaftliche Entwicklung bereitstellt42. Andererseits kann die menschliche Entwicklung Kapitalgarantie sowie infrastrukturelle und technologische Unterstützung zum Schutz der Umwelt bieten. Allerdings können ein intensiver Ressourcenverbrauch, Landnutzungsänderungen und Umweltverschmutzung negative Auswirkungen auf die Umwelt haben43.

Daher integriert die konzeptionelle Grundlage dieser Forschung die SJOS- und SDGs-Rahmenwerke zur Untersuchung der regionalen Nachhaltigkeit in sozial-ökologischen Systemen, die explizit die Wechselwirkungen zwischen menschlichen und biophysikalischen Systemen unter Verwendung des CCD-Modells berücksichtigen (Abb. 1). Um eine nachhaltige Entwicklung zu erreichen, muss die menschliche Gesellschaft innerhalb des SJOS agieren – dem Nachhaltigkeitsbereich zwischen Umweltgrenzwerten, die durch PBs und Umweltfußabdrücke festgelegt werden, und sozialen Grundlagen, die als Mindeststandards oder gezielte soziale Schwellenwerte für menschliche Ergebnisse definiert sind, während Umweltleistung und menschliches Wohlergehen agieren in einem synergistischen Entwicklungsmuster.

Das Rahmenwerk integriert die Rahmenbedingungen für sichere und gerechte Betriebsräume und Fußabdruckgrenzen, um die Nachhaltigkeit im Zusammenhang mit den entsprechenden SDGs innerhalb eines gekoppelten sozial-ökologischen Systems zu messen. Indikatoren für das menschliche Wohlbefinden (soziale Grundlagen innerhalb des menschlichen Systems) entsprechen den SDGs, während die Prozesse zur Erreichung dieser Ziele durch die Umweltgrenzen (biophysikalisches System) eingeschränkt werden sollten, nämlich Umweltgrenzen, die durch die verkleinerten Planetengrenzen quantifiziert werden. Diese beiden Subsysteme sind nicht isoliert, es bestehen jedoch komplexe Wechselwirkungen zwischen ihnen.

Insbesondere analysierte unser konzeptioneller Rahmen die Kopplungsbeziehungen zwischen Umweltleistung und menschlichem Wohlbefinden sowie Entwicklungsmustern sozial-ökologischer Systeme auf eine Weise, die explizit zur Information eines nachhaltigen Managements angewendet werden kann. Basierend auf unserer Konzeptualisierung werden Entwicklungsmuster anhand von zwei Dimensionen unterteilt: dem Grad der Kopplung und dem Grad der Entwicklung (Abb. 2). Das Kopplungsniveau wird durch die Größe des CCD quantifiziert, während das Entwicklungsniveau durch sich ändernde Trends des CCD quantifiziert wird. Über die Kopplungsebene (y-Achse) können die Regionen oder Systeme als gekoppelt oder entkoppelt kategorisiert werden. Hohe Kopplungsgrade deuten auf Synergien (Kopplung) hin, während niedrige Werte auf Kompromisse (Entkopplung) zwischen der Erreichung der Umweltleistung und den Zielen des menschlichen Wohlbefindens hinweisen. Entlang der Entwicklungsebene (x-Achse) können Regionen oder Systeme als entwickelt oder unterentwickelt klassifiziert werden. Entwickelte Regionen weisen tendenziell ein zunehmendes Maß an Kopplung auf (stärker gekoppelt), wohingegen unterentwickelte Regionen einen Trend zu einer stärker entkoppelten Richtung aufweisen (stärker entkoppelt). Somit beschreiben diese beiden Dimensionen vier Quadranten von Entwicklungsmustern, die zur Generierung entsprechender nachhaltiger Managementstrategien verwendet werden können. Quadrant I als relativ ideales Entwicklungsmuster schneidet sowohl in der Kopplungs- als auch in der Entwicklungsdimension gut ab. Ein solches Entwicklungsmuster in Quadrant I weist darauf hin, dass die Voraussetzung für eine nachhaltige Entwicklung Synergien zwischen ökologischen und sozioökonomischen Aspekten erfordert. Quadrant II gilt für gekoppelte und unterentwickelte Muster, wobei die Kopplungsebene über dem Teilungspunkt und die Entwicklungsebene unter dem Teilungspunkt liegt. Während Quadrant III ein entkoppeltes und unterentwickeltes Muster darstellt, dessen Kopplungs- und Entwicklungsniveau beide unterhalb der Trennpunkte liegen. Wenn die Kopplungsniveaus bestimmter Regionen in Quadrant III eingeordnet werden, weist dies darauf hin, dass Managementrichtlinien die Anforderungen einer nachhaltigen Entwicklung nicht erfüllen können44. Im Quadranten IV sind die Regionen entkoppelt, aber gut entwickelt.

Vier Entwicklungsmuster werden anhand von zwei Dimensionen unterteilt: Entwicklungsniveau (x-Achse) und Kopplungsniveau (y-Achse). Der Grad der Kopplung klassifiziert Regionen nach der Größe des Grads der Kopplungskoordination zwischen menschlichem Wohlbefinden und Umweltleistung, während der Grad der Entwicklung sich ändernde Trends im Grad der Kopplungskoordination im Laufe der Zeit widerspiegelt. Regionen, die in den von der mittleren horizontalen Linie entfernten Quadranten liegen, sind stärker gekoppelt. Regionen in den Quadranten, die weit von der mittleren vertikalen Linie entfernt sind, sind stärker entwickelt.

Zur Umsetzung unseres konzeptionellen Rahmens haben wir das SJOS definiert, das zwischen Umweltgrenzen und gesellschaftlichen Grundlagen im Kontext der SDGs liegt. Die Untersuchung des Status einer Schwerpunktregion oder eines Schwerpunktsystems im Verhältnis zum definierten SJOS hilft uns: (1) zu bestätigen, ob es möglich ist, unterhalb der Tragfähigkeit der Erde zu operieren, ohne das wesentliche soziale Wohlergehen zu beeinträchtigen; (2) Quantifizierung des Kopplungskoordinationsgrades zwischen ökologischer und sozioökonomischer Leistung (dh Kopplungsgrad) und ihren Veränderungen (dh Entwicklungsstand); und (3) mögliche Richtlinien und Strategien zu entwickeln und realistische Erwartungen aufzustellen, wie die menschlichen Grundbedürfnisse auf nachhaltige Weise am besten befriedigt werden können.

In diesem Abschnitt werden die Ergebnisse dieser drei oben erwähnten miteinander verbundenen Analysen (d. h. Nachhaltigkeitsbewertung, Kopplungsinteraktion sowie Politik- und Strategieentwicklung) vorgestellt, wobei ihre Implikationen und damit verbundenen Schlussfolgerungen in den folgenden Abschnitten erörtert werden.

Wir haben historische Daten von 2000 bis 2018 gesammelt und die nationale Leistung in Bezug auf fünf Umwelt-Fußabdrücke (relativ zu herunterskalierten PBs) und zehn soziale Indikatoren (relativ zu sozialen Grundlagen) analysiert, basierend auf dem SJOS (Abb. 3).

a Die Welt. b China. Wenn der interne Keil das soziale Fundament erreicht und der äußere Keil innerhalb der Umweltgrenzen liegt, gilt der Staat als sicherer und gerechter Handlungsraum. Interne Keile geben tatsächliche soziale Indikatoren im Verhältnis zu den sozialen Grundlagen an. Externe Keile zeigen den ökologischen Fußabdruck im Verhältnis zu den Umweltgrenzwerten. Die Werte stellen den Durchschnitt der spezifischen Indikatoren dar. Die Keile messen den Status jeder Dimension als Prozentsatz im Vergleich zu ihrer Grenze (0 % in der Mitte und 100 % an der Grenze). Die eingehaltenen Umweltgrenzwerte sind grüne Keile, die erreichten sozialen Grundlagen sind blaue Keile. Gestrichelte Keile reichen über den Diagrammbereich hinaus. Angepasst von O'Neill et al.30. Die spezifischen Datenquellen finden Sie in den Tabellen S6 und S7.

Was die Umweltleistung betrifft, wurden sowohl auf globaler als auch auf nationaler Ebene drei der fünf Umweltgrenzen erheblich überschritten (Klimawandel, Phosphor- und Stickstoffkreisläufe), was als Hochrisikostatus gilt. Während die anderen beiden Prozesse (Landsystemveränderung und Süßwassernutzung) immer noch innerhalb der Grenzen bleiben, gelten sie als sicherer Zustand. Im Allgemeinen ist die Leistung Chinas in der Umweltdimension schlechter als auf globaler Ebene, mit Ausnahme der Veränderungen im Landsystem. Insbesondere der Klimawandel sowie die Phosphor- und Stickstoffkreisläufe haben in China ihre Grenzen um das 3,86-, 9,92- und 3,68-fache überschritten (Tabelle S11).

Für die soziale Leistung hat aus globaler Sicht (Abb. 3a) einer der zehn sozialen Indikatoren die Schwellenwerte (dh Arbeitsplätze) erreicht. Im Gegensatz dazu wurden für China auf nationaler Ebene (Abb. 3b) die Schwellenwerte für zwei Indikatoren (Energie und Arbeitsplätze) erreicht und das Land schneidet auch in den Bereichen Ernährungssicherheit, Einkommen und Bildung gut ab. Generell weist China im Vergleich zur Welt ein höheres Maß an sozialen Ergebnissen im Vergleich zu sozialen Grundlagen auf, mit Ausnahme der Geschlechtergleichheit (Tabelle S12).

Gleichzeitig operierte China nicht vollständig innerhalb eines SJOS. Im Vergleich zum weltweiten Durchschnitt schneidet China in puncto Umweltleistung schlechter ab, schneidet jedoch beim menschlichen Wohlergehen besser ab. Dies kann darauf zurückgeführt werden, dass China die Ressourcenbasis für andere Länder im internationalen Handel bereitstellt und somit die Umweltfolgen des Outsourcings trägt. In diesem Prozess hat China wirtschaftliche Entwicklung und Verbesserungen des menschlichen Wohlergehens auf Kosten der Umweltauswirkungen45 wie CO2-Emissionen und Landnutzungsumwandlungen abgewogen.

Um ein klares Bild von Chinas sozialem Fortschritt und ökologischer Verschlechterung im Zeit- und Raumverlauf zu erhalten (Abb. 4 und 5), haben wir außerdem die räumlichen und zeitlichen Verläufe der ökologischen und sozialen Leistung im Zeitraum 2000–2018 verfolgt. Um die Umweltleistung zu messen, werden vier PBs (Klimawandel, Landsystemveränderung, Süßwassernutzung und biogeochemische Flüsse) auf Pro-Kopf-Anteile herunterskaliert und mit den entsprechenden Umweltfußabdrücken verglichen (Abb. 4a). Da zwei Indikatoren für den biogeochemischen Fluss von PB gemessen werden (dh Stickstoff- und Phosphorkreisläufe), werden somit fünf Umweltindikatoren berücksichtigt. Die Umweltleistung gibt das Verhältnis des ökologischen Fußabdrucks zu den Umweltgrenzwerten (d. h. herunterskalierte PBs) an. Das Verhältnis von Fußabdruck zu Grenze zeigt, ob die Tragfähigkeit der Erde bereits überschritten ist. Die von uns ausgewählten Kontrollvariablen sind die jährlichen CO2-Emissionen, die Fläche anthropisierter Flächen, die Süßwassernutzung und die Zuteilung von Stickstoff- und Phosphordüngern, die auf Ackerflächen ausgebracht werden. Die Pro-Kopf-Umweltgrenzwerte von 2000 bis 2018 sind in Tabelle S10 aufgeführt.

a Umweltleistung im Hinblick auf die Pro-Kopf-Umweltgrenzen. b Menschliches Wohlergehen im Hinblick auf gesellschaftliche Grundlagen.

a Umweltleistung. b Menschliches Wohlergehen. Die Umweltleistung zeigt den ökologischen Fußabdruck bis hin zu verkleinerten Planetengrenzen an. Das menschliche Wohlbefinden stellt soziale Indikatoren für soziale Schwellenwerte dar. Z-Score-Werte geben die Ergebnisse des Mann-Kendall-Tests an, wobei die rote Farbe Provinzen mit negativen Veränderungen und die blaue Farbe Provinzen mit positiven Veränderungen darstellt. Konkret bedeuten negative Veränderungen der Umweltleistung und des menschlichen Wohlbefindens eine Zunahme des Fußabdrucks bzw. eine Abnahme sozialer Indikatoren. Das angegebene Signifikanzniveau α beträgt 0,05.

In den einzelnen Provinzen kommt es zu erheblichen räumlichen Heterogenitäten bei der Umweltleistung. Auf Provinzebene (Abb. 4a) übertreffen die meisten Provinzen Chinas die Pro-Kopf-Werte deutlich und verbrauchen Ressourcen in Mengen, die über den Umweltgrenzwerten liegen. Unter ihnen ist der Klimawandel die schwierigste Grenze, die es zu vergeben gilt: Keine Provinz liegt innerhalb der Grenze. Darüber hinaus wurden in den meisten Provinzen auch die Grenzen des Stickstoff- und Phosphorkreislaufs überschritten. Der Anteil der Provinzen, die innerhalb der Pro-Kopf-Grenzen des Landsystemwandels sowie der Stickstoff- und Phosphorkreisläufe liegen, beträgt 36,7 %, 6,7 % bzw. 6,7 %. Deutlich besser ist die Situation bei der Süßwassernutzung: 80 % der Provinzen bleiben innerhalb der Grenzwerte. Wir haben festgestellt, dass keine der Provinzen gleichzeitig innerhalb aller biophysikalischen Grenzen operiert. Unsere Analyse ergab erhebliche Unterschiede in der Anzahl der eingehaltenen Grenzen, die zwischen null und vier lagen.

Nachdem wir die räumliche Verteilung der Umweltleistung analysiert hatten, untersuchten wir als nächstes die zeitliche Entwicklung von 2000 bis 2018 (Abb. 5a). Auf nationaler Ebene haben alle ökologischen Fußabdrücke Chinas im Zeitraum 2000–2018 zugenommen und sich vom SJOS entfernt (Tabelle S13). Insgesamt ist im Laufe der Zeit in allen Provinzen ein zunehmender Trend der Umweltbelastung zu verzeichnen. Konkret sind die CO2-Emissionen aller Provinzen außer Peking deutlich gestiegen. Der blaue Wasser-Fußabdruck, der Land-Fußabdruck, der Stickstoff-Fußabdruck und der Phosphor-Fußabdruck haben im Laufe der Zeit in 70 %, 73 %, 70 % bzw. 73 % der Provinzen zugenommen. Bemerkenswert ist, dass die Verringerung des ökologischen Fußabdrucks vor allem in den östlichen Provinzen Chinas wie Peking-Tianjin-Hebei und den östlichen Küstengebieten zu verzeichnen ist.

Unsere Ergebnisse zeigten, dass die Umweltleistung im Verhältnis zu Umweltgrenzwerten (d. h. herunterskalierte PBs) zwischen den einzelnen Indikatoren stark schwankte. Die Unterschiede hingen von der Art der Umweltindikatoren ab, beispielsweise ressourcenbasierte Indikatoren (z. B. Süßwassernutzung, Landsystemveränderung) im Vergleich zu verschmutzungsbasierten Indikatoren (z. B. Klimawandel, biogeochemische Flüsse). Dies legt nahe, dass für jeden Bürgerhaushalt unter Berücksichtigung seiner Bedeutung und Merkmale geeignete Richtlinien entwickelt werden müssen.

Um das menschliche Wohlbefinden als Stellvertreter für soziale Grundlagen zu quantifizieren, haben wir 10 soziale Aspekte ausgewählt, die den SDGs und SJOS-Rahmenwerken folgen. Für jeden Aspekt haben wir den entsprechenden sozialen Indikator ausgewählt und den Schwellenwert basierend auf den Zielen der SDGs ermittelt (Abb. 4b und Abb. 5b). Das menschliche Wohlbefinden kann am Verhältnis tatsächlicher sozialer Indikatoren zu sozialen Schwellenwerten gemessen werden.

Für das räumliche Muster des menschlichen Wohlbefindens in China sind die Ergebnisse recht komplex. Auf Provinzebene (Abb. 4b) schneiden Chinas Provinzen in den Bereichen Ernährungssicherheit, Energie und Arbeitsplätze insgesamt gut ab, wobei alle Provinzen die Schwellenwerte erreichen. Nahezu ein Drittel der Provinzen erreicht die Schwelle des Haushaltseinkommens. Die Zahl der Provinzen, die die Grundlagen für Bildung, Gesundheitsversorgung, soziale Gerechtigkeit, Wasser und Sanitärversorgung schaffen, beträgt 26,7 %, 6,7 %, 10 %, 13,3 % bzw. 3,3 %. Im Gegensatz dazu schneiden die Provinzen bei der Gleichstellung der Geschlechter schlechter ab, und keine Provinz erreicht diesen Schwellenwert. Bemerkenswert ist, dass keine Provinz alle zehn sozialen Schwellenwerte erreicht. Die Anzahl der erreichten Sozialstiftungen in den einzelnen Provinzen schwankt zwischen zwei und neun (z. B. Shanghai).

Was die zeitlichen Veränderungen der sozialen Leistung betrifft, wurde in China von 2000 bis 2018 eine allgemeine Verbesserung des menschlichen Wohlbefindens beobachtet, mit Entwicklungen in allen Aspekten (Tabelle S14). Auf Provinzebene (Abb. 5b) sind im Zeitraum 2000–2018 fünf von zehn Sozialindikatoren aller Provinzen gestiegen (d. h. Wasser, Sanitärversorgung, Gesundheitsversorgung, Bildung und Geschlechtergleichheit). Darüber hinaus sind Einkommen und Energie in den meisten Provinzen gestiegen, mit Ausnahme der Provinzen, in denen keine Trendwende zu verzeichnen ist. 90 % der Provinzen mit Ausnahme von Tianjin, Heilongjiang und Guangdong haben die Ernährungssicherheit verbessert. In 93 % der Provinzen außer Shanxi und Shandong sind die Arbeitsplätze gestiegen. Im Gegensatz dazu ist in 73 % der Provinzen die soziale Gerechtigkeit zurückgegangen. Verstärkte Veränderungen sind vor allem in den westlichen Provinzen verbreitet.

Insgesamt zeigten unsere Ergebnisse eine ausgeprägte räumliche Heterogenität und zeitliche Dynamik der Nachhaltigkeitsleistung, die von bestimmten Indikatoren abhängt. Diese Ergebnisse belegen, dass die alleinige Überwachung der Umwelt- oder Sozialleistung möglicherweise nicht ausreicht, um den Fortschritt in Richtung Nachhaltigkeit zu messen.

Basierend auf unserer Analyse der Nachhaltigkeitsleistung in Bezug auf Umweltleistung und menschliches Wohlbefinden (d. h. die Quantifizierung von SJOS) haben wir außerdem den Koordinierungsgrad der Kopplung berechnet, um die Stärke und Richtung der Wechselwirkungen (z. B. Synergien oder Kompromisse) quantitativ zu messen ) zwischen Umweltleistung und menschlichem Wohlbefinden.

Wir haben die räumlichen und zeitlichen Variationen der Mensch-Umwelt-Interaktionen basierend auf CCD für alle Provinzen Chinas im Zeitraum 2000–2018 analysiert (Abb. 6). Hohe Werte stellen Synergien (Kopplung) dar, während niedrige Werte Kompromisse (Entkopplung) zwischen Umweltleistung und menschlichem Wohlbefinden darstellen. Um die relative Leistung biophysikalischer und menschlicher Subsysteme weiter zu vergleichen, haben wir Systeme unterschieden in: Umweltentwicklungsverzögerung (d. h. Umweltleistung liegt unter dem menschlichen Wohlergehen), soziale Entwicklungsverzögerung (d. h. Umweltleistung liegt über dem menschlichen Wohlergehen) oder Umwelt- soziale Synchronisationstypen (d. h. die Umweltleistung stimmt gut mit dem menschlichen Wohlbefinden überein). Um die Analyse zu unterstützen und die Interpretation der Ergebnisse zu erleichtern, haben wir die CCD-Ergebnisse in fünf Stufen eingeteilt (Abb. 6a) und die jeweilige soziale/ökologische Verzögerung unterschieden (Tabelle S16).

a Die Größe. b Wechselnde Trends. Die Koordinierungsgrade der Kopplung sind in Tabelle S5 aufgeführt und beziehen sich auf Shi et al.36 und Li et al.78. Das angegebene Signifikanzniveau α beträgt 0,05.

Was die räumlichen Variationen der CCD angeht, befindet sich China insgesamt in einer moderaten Übereinstimmung mit der sozialen Verzögerungsphase (Tabelle S16). Auf Provinzebene (Abb. 6a) ergab unsere Analyse eine signifikante Heterogenität der CCD in den einzelnen Provinzen (im Bereich von 0,075 bis 0,993). Unsere Ergebnisse zeigten, dass das räumliche Muster von CCD von den westlichen Regionen zu den östlichen Regionen zuzunehmen scheint. Hohe Werte konzentrieren sich auf die östliche Region, niedrige Werte sind überwiegend in den zentralen und westlichen Regionen zu finden. Konkret gibt es starke Synergien, nämlich eine hohe Koordination, vor allem im Osten Chinas. In diesen Regionen gibt es starke Synergien zwischen Umweltleistung und menschlichem Wohlbefinden. Eine moderate Koordination findet hauptsächlich in Zentralchina statt. Primäre Koordination, mittlere Unausgeglichenheit und extreme Unausgeglichenheit sind in Westchina zu finden, mit starken Kompromissen zwischen Umweltleistung und menschlichem Wohlbefinden.

Um die relativen Verzögerungsaspekte besser zu verstehen, die die Entwicklung der Kopplungskoordination behindern, haben wir die Leistung der Provinzen in Bezug auf die Umwelt- und sozioökonomische Dimension verglichen (Tabelle S16). Insgesamt sind 21 von 30 Provinzen vom Typ sozialer Entwicklungsverzögerung. Das bedeutet, dass die Entwicklung des menschlichen Wohlbefindens hinter der Umweltleistung zurückbleibt und eine nachhaltige Entwicklung in diesen Regionen behindert. Der Typ der Umweltentwicklungsverzögerung liegt im Westen Chinas (Xinjiang, Innere Mongolei), wo es sich um wirtschaftlich unterentwickelte Regionen handelt. Im Gegensatz dazu findet sich der sozioökologische Synchronisationstyp vor allem in den östlichen Regionen, wo die Situation im Hinblick auf die ökologische und sozioökonomische Entwicklung am ausgeglichensten ist. Bemerkenswert ist, dass Koordinationsregionen mit hoher Kopplung hauptsächlich in den östlichen Ebenen liegen, während Koordinationsregionen mit niedriger Kopplung in den westlichen Gebieten liegen, was mit der räumlichen Verteilung der sozialen und ökologischen Leistung übereinstimmt. Dieses Ergebnis zeigte, dass die Kopplungsinteraktionen zwischen Subsystemen gut mit der Umwelt- und Sozialleistung übereinstimmen. Wenn nämlich die CCD hoch ist, handelt es sich hauptsächlich um eine sozio-ökologische Synchronisation; Wo CCD niedrig ist, handelt es sich meist um eine soziale oder ökologische Entwicklungsverzögerung. Diese Ergebnisse deuten daher darauf hin, dass die Verbesserung der Umweltleistung oder des sozialen Wohlbefindens nicht unbedingt einen Übergang zur Nachhaltigkeit bedeutet.

Um die zeitlichen Veränderungen zu verfolgen, haben wir den Mann-Kendall-Trendtest und den Steigungsschätzer von Sen angewendet, um die Trends von CCD von 2000 bis 2018 zu analysieren. Auf nationaler Ebene zeigt CCD im Zeitverlauf einen unbedeutenden Aufwärtstrend auf nationaler Ebene (Tabelle S16). . Auf Provinzebene (Abb. 6b) hat die CCD von 2000 bis 2018 in 16 der 30 Provinzen zugenommen. Insbesondere 14 von 30 Provinzen mit erheblichen Fortschritten liegen hauptsächlich in westlichen und östlichen Regionen. Unsere Analyse ergab, dass die CCD in den meisten Provinzen in diesem Zeitraum zugenommen hat, was auf Fortschritte bei der Erreichung von Nachhaltigkeit in China hinweist.

Um die Treiber der Kopplungsinteraktionen näher zu erläutern, haben wir die Beiträge von 24 Faktoren aus drei Kategorien zu Veränderungen der CCD quantifiziert, von denen jeder möglicherweise die synergistische Entwicklung zwischen ökologischen und sozioökonomischen Entwicklungszielen (d. h. das Ausmaß der CCD) fördern oder behindern könnte. . Diese Analyse ermöglicht es uns, die wichtigsten Triebkräfte dahinter zu verstehen, um letztendlich die Dringlichkeit der Bekämpfung von Koordinationsstörungen einzuschätzen und zu ermitteln, wie wir sie effektiver angehen können. Zu diesem Zweck haben wir ein empirisches Diagnosemodell entwickelt, das auf verstärkten Regressionsbäumen basiert, einer maschinellen Lerntechnik, die von herkömmlichen Klassifizierungs- und Regressionsbäumen erweitert wird. Die verstärkten Regressionsbaummodelle erklären erfolgreich mehr als 90 % der CCD-Änderungen bei allen Indikatoren.

Unserer Analyse zufolge sind Unterschiede in den Kopplungskoordinationsbeziehungen für Klimawandel, Süßwassernutzung, Landsystemveränderung, Phosphorkreislauf, Stickstoffkreislauf und die allgemeine Umweltleistung hauptsächlich auf Umweltfaktoren zurückzuführen (Abb. S18). Die wichtigsten Treiber unterschieden sich jedoch je nach Indikator (Abb. S19). Die wichtigsten Treiber für den Klimawandel, Landsystemveränderungen und die allgemeine Umweltleistung sind Grasflächen, die jeweils 26 %, 22 % und 45 % aller Treiber ausmachen (Abb. S19a, c, f und Tabelle S17). Andererseits ist die Urbanisierungsrate der wichtigste Treiber für den Stickstoff- und Phosphorkreislauf, der 22 % bzw. 21 % aller Faktoren ausmacht (Abb. S19d, e und Tabelle S17). Bei der Süßwassernutzung wird CCD hauptsächlich durch den Normalized Difference Vegetation Index (NDVI) beeinflusst, der 32 % aller 24 Faktoren ausmacht (Abb. S19b und Tabelle S17).

Um besser zu verstehen, wie sich diese Haupttreiber auf Veränderungen im CCD auswirken, haben wir den Einfluss der dominanten Treiber für jeden Indikator untersucht. Unsere Ergebnisse zeigten, dass der Gesamteinfluss in Bezug auf Klimawandel, Landsystemveränderung und allgemeine Umweltleistung mit zunehmender Grünlandfläche abnimmt. Unter Bezugnahme auf die teilweise Abhängigkeit von den treibenden Faktoren (Abb. S20) ist der relative Einfluss der Grünlandfläche überwiegend positiv, was darauf hindeutet, dass die Zunahme des Grünlandes die Koordinierung der Kopplung fördert. Für den Stickstoff- und Phosphorkreislauf nimmt der Gesamteinfluss mit zunehmender Urbanisierungsrate zu. Die Urbanisierungsrate trägt zum Rückgang von CCD bei. Bei der Süßwassernutzung nimmt der Gesamteinfluss mit steigendem NDVI zu. Aus der Dezilskala ist ersichtlich, dass nur 10 % der Daten in diesem Bereich von 0–0,4 liegen. Diese Ergebnisse legen nahe, dass NDVI die synergistische Entwicklung zwischen Süßwassernutzung und menschlichem Wohlbefinden fördert.

Diese Ergebnisse unterstreichen daher die Notwendigkeit, die ökologischen und sozioökonomischen Dimensionen der Nachhaltigkeit gleichzeitig zu berücksichtigen, um die Zielkonflikte zwischen ihnen zu erkennen und anzugehen und realistische Erwartungen darüber zu entwickeln, wie die menschlichen Grundbedürfnisse am besten auf nachhaltige Weise befriedigt werden können.

Wie oben erwähnt, unterstreichen unsere Ergebnisse die Notwendigkeit gezielter Richtlinien und Strategien zur Förderung ökologischer und sozioökonomischer Synergien im Hinblick auf regionale Nachhaltigkeit. Um zu einer wirksamen Politikgestaltung beizutragen, haben wir einen Fahrplan vorgeschlagen, der auf einem zweistufigen Ansatz basiert (Abb. 2). Im ersten Schritt werden unterschiedliche Entwicklungsmuster unter Berücksichtigung der CCD-Größe (dh des Kopplungsgrads in Abb. 6a) und der CCD-Trends (dh des Entwicklungsstands in Abb. 6b) beschrieben. Im zweiten Schritt werden gezielte Entwicklungsstrategien empfohlen, die auf den Merkmalen jedes Musters und den zugrunde liegenden Treibern oder Ursachen basieren.

Basierend auf der Leistung im Verhältnis zum Kopplungs- und Entwicklungsniveau werden Chinas Provinzen in vier Kategorien eingeteilt: gekoppelte und entwickelte, gekoppelte und unterentwickelte, entkoppelte und unterentwickelte sowie entkoppelte und entwickelte Typen (Abb. 7a). Von den Provinzen Chinas liegen 7 von 30 Provinzen im Quadranten I mit einem relativ idealen Entwicklungsmuster, hauptsächlich im Osten Chinas. Diese Regionen schneiden sowohl bei der Kopplung als auch bei der Entwicklung gut ab, befinden sich in einer Phase mit hoher Koordinierung und bewegen sich gleichzeitig in Richtung einer stärkeren Kopplung. Drei Provinzen im Quadranten II sind miteinander verbunden und unterentwickelt und liegen in der östlichen Region. Quadrant III stellt die entkoppelten und unterentwickelten Provinzen dar. Elf Provinzen befinden sich in diesem Quadranten, hauptsächlich in zentralen und westlichen Regionen. Schließlich befinden sich neun Provinzen im Quadranten IV mit entkoppeltem und entwickeltem Status. Diese Provinzen liegen hauptsächlich im Westen Chinas. Wie aus unseren Ergebnissen hervorgeht (Abb. 7b), weisen die westlichen Regionen den niedrigsten Grad an Kopplung und die geringste Verbesserung bei der Kopplung auf, was darauf hindeutet, dass die Regierung diesem entkoppelten und unterentwickelten Muster mehr Aufmerksamkeit schenken muss. Im Gegensatz dazu weisen die östlichen Regionen die höchsten Kopplungs- und Entwicklungsgrade auf. Dies könnte auf die höheren Investitionen zum Schutz der Umwelt und zur Reduzierung des ökologischen Fußabdrucks in der wirtschaftlich entwickelten Phase zurückzuführen sein.

a Die Leistung relativ zu den Ebenen der Kopplung (y-Achse) und der Entwicklung (x-Achse). b Räumliche Muster. Der Kopplungsgrad repräsentiert die Größe des CCD (dh aus Abb. 6a). Der Entwicklungsstand stellt die sich ändernden Trends von CCD dar (z. B. aus Abb. 6b). Entsprechend Abb. 2 repräsentieren Quadrant I, Quadrant II, Quadrant III und Quadrant IV gekoppelte und entwickelte, gekoppelte und unterentwickelte, ungekoppelte und unterentwickelte bzw. ungekoppelte und entwickelte Typen.

Basierend auf Leistungsmerkmalen und Haupttreibern jedes Entwicklungsmusters haben wir weiter maßgeschneiderte Richtlinien (siehe Diskussion) für jeden Quadranten von Provinzen ausgearbeitet, um sowohl Umweltbelastungen als auch die Verteilung des sozialen Wohlergehens in den gewünschten Bereich und auf nachhaltige Weise zu bringen und zu halten Benehmen. In diesem Zusammenhang könnte unser Ansatz dazu beitragen, effektivere Ziele festzulegen und fundiertere politische Entscheidungen zu treffen.

Unsere Forschung integrierte die Umweltleistung mit dem menschlichen Wohlbefinden und deren gekoppelten Koordinationsinteraktionen, um die Nachhaltigkeitsleistung zu bewerten, und quantifizierte ihre räumlichen und zeitlichen Variationen im Verhältnis zum definierten SJOS.

Die Nachhaltigkeitsleistung in Bezug auf Umwelt- und sozioökonomische Dimensionen in China variiert erheblich von Region zu Region und hat sich im Laufe der Zeit offensichtlich verändert. Im Allgemeinen tendieren Provinzen im Osten Chinas dazu, innerhalb größerer Umweltgrenzen zu operieren und mehr soziale Grundlagen zu erreichen, wie etwa Shanghai, Peking und Tianjin (Abb. S15). Diese räumliche Heterogenität kann aus regionalen Divergenzen resultieren, wie zum Beispiel (a) heterogenen Bedingungen von Klima, Gelände, Boden und natürlichen Ressourcen, (b) Bevölkerungsdichte, (c) Industriestruktur (Landwirtschaft, Leichtindustrie und Schwerindustrie) und (d) die Umsetzung politischer Maßnahmen, die ihre eigenen spezifischen Auswirkungen haben46. Daher zeigten unsere Ergebnisse erhebliche regionale Unterschiede in der Nachhaltigkeitsleistung im Vergleich zu SJOS, einschließlich ökologischer und sozioökonomischer Dimensionen, was die Notwendigkeit unterstreicht, die Zusammenhänge und Kopplungsbeziehungen zwischen Umweltleistung und menschlichem Wohlbefinden sowie die zugrunde liegenden Ursachen für räumlich-zeitliche Schwankungen weiter zu untersuchen um regionale Nachhaltigkeit zu erreichen.

Die sozioökonomischen und ökologischen Dimensionen sind untrennbar miteinander verbunden und beeinflussen gemeinsam die Nachhaltigkeitsleistung. Neben dem Verständnis der Nachhaltigkeitsleistung im Vergleich zu SJOS konzentrierte sich unsere Arbeit auch auf das Ausmaß der Kopplung von Koordinationsbeziehungen zwischen Umweltleistung und sozialen Leistungen. Die CCD-Ergebnisse zeigten eine insgesamt mäßige Koordination, da die soziale Entwicklung auf nationaler Ebene hinterherhinkte. Im Allgemeinen weist die östliche Region (siehe Abb. S3) ein höheres Maß an Koordination auf als die westlichen und zentralen Regionen (Abb. 6a), mit erheblichen Fortschritten im Zeitraum 2000–2018. Diese räumlich-zeitlichen Muster sind eine äußere Manifestation mehrerer zugrunde liegender Mechanismen, die die Kopplungskoordinationsbeziehungen beeinflussen. Unsere Treiberanalyse hat gezeigt, dass die Kopplungskoordinationsbeziehungen hauptsächlich von Umweltfaktoren beeinflusst werden. Landnutzungs-/Bedeckungsmuster (z. B. Grünlandfläche) und Urbanisierungsrate sind die wichtigsten Treiber für Veränderungen im CCD zwischen Umweltleistung und menschlichem Wohlbefinden. Die Haupttreiber sind insbesondere NVDI für die Süßwassernutzung, Grünlandflächen für Klimawandel und Landsystemveränderungen sowie die Urbanisierungsrate für Stickstoff- und Phosphorkreisläufe. Basierend auf unserer Analyse führen Grünlandfläche und NDVI im Allgemeinen zu einem Anstieg des CCD. Dies impliziert, dass eine zunehmende Vegetationsbedeckung (z. B. Grasland und Wälder) zu einer nachhaltigen Entwicklung beitragen und das Ungleichgewicht zwischen ökologischem Schutz und sozioökonomischer Entwicklung verringern kann47. Dies könnte auf die Umsetzung eines integrierten Portfolios groß angelegter Nachhaltigkeitsmaßnahmen als Reaktion auf die Verschlechterung des Ökosystems aufgrund der raschen wirtschaftlichen Entwicklung zurückzuführen sein, einschließlich ökologischer Programme41 und Investitionen in Naturkapital48, insbesondere des Grain for Green-Programms und des Natural Forest Conservation Program. Als Reaktion darauf hat sich die Waldfläche Chinas in den letzten Jahrzehnten verändert und ist von einem Nettoverlust zu einem Zuwachs geworden49,50. Die Graslandökosysteme im Norden und Westen Chinas haben auf die groß angelegte Wiederherstellung und den Ausschluss von der Beweidung reagiert, wobei durch die Umwandlung von verlassenem Land und Ackerland mit geringem Ertrag das Grasland zugenommen hat41. Diese Eingriffe haben die Entwaldung verlangsamt, die ökologische Wiederherstellung gefördert und die ökologischen Bedingungen verbessert. Studien haben gezeigt, dass sich die Ökosystemleistungen Chinas in den letzten 20 Jahren verbessert haben und das menschliche Wohlergehen erhalten und verbessert haben48. Die synergistische Entwicklung von Umwelt- und sozioökonomischen Dimensionen verbessert den CCD. Im Gegensatz dazu hat die Urbanisierungsrate zu einem Rückgang der CCD geführt. Mit der rasanten Urbanisierung leben im Jahr 2018 55 % der Weltbevölkerung in städtischen Gebieten und könnten bis 2050 68 % erreichen51. Ungefähr 80 % des globalen Bruttoinlandsprodukts (BIP) werden in Städten erwirtschaftet52. Während Stadtbewohner einen wichtigen Beitrag zur Umweltzerstörung leisten, sind sie beispielsweise für etwa 80 % der globalen Treibhausgasemissionen verantwortlich53. Städte leiten große Mengen an Abwasser ein, das N- und P-Elemente enthält. Seit den späten 1970er Jahren sieht sich China aufgrund der raschen Urbanisierungsentwicklung mit großen Umweltproblemen konfrontiert, insbesondere der Verschmutzung von Luft, Wasser und Boden54,55. Diese Emissionen sind besonders besorgniserregend, wenn sie die Tragfähigkeit des Erdsystems überschreiten und zu Umweltverzögerungen führen. Ein Ungleichgewicht zwischen Umwelt und sozioökonomischen Faktoren kann zu einem Rückgang der CCD führen. Es ist anzumerken, dass China in den letzten Jahrzehnten enorme Fortschritte bei der Verwaltung der städtischen Umwelt gemacht hat56, auch wenn diese Aufgabe nach wie vor unlösbar ist. Daher wird die Erreichung nachhaltiger Entwicklungsziele für Bürgerhaushalte weitgehend von den Städten bestimmt, da sie Kultur, Wirtschaft, Materialnutzung und Abfallerzeugung vorantreiben13. Um eine nachhaltige Entwicklung zu erreichen, müssen wir an einem neuen Entwicklungsparadigma festhalten: die Wachstums- und Entwicklungsvorteile der Urbanisierung nutzen und gleichzeitig ihre negativen Umweltauswirkungen aktiv bewältigen.

Verbesserungen der Umweltleistung oder des menschlichen Wohlbefindens können nicht garantieren, dass die Regionen zu einer nachhaltigen Entwicklung übergehen. Unsere Ergebnisse zur Kopplung von Koordinationsbeziehungen weisen räumliche Heterogenität auf und zeigen in den meisten Regionen Kompromisse zwischen ökologischen und sozioökonomischen Aspekten. Es bestehen jedoch Möglichkeiten, solche Kompromisse durch gezielte nachhaltige Managementstrategien abzumildern. Daher müssen von den Regionen Strategien erarbeitet werden, die die Koordinierung der Koordinierungsentwicklung zwischen menschlichem Wohlergehen und Umweltleistung berücksichtigen, um letztlich bei der Abmilderung von Kompromissen und der Verwirklichung von Nachhaltigkeit erfolgreich zu sein.

Für gekoppelte und entwickelte Muster in Quadrant I (Abb. 7) ist der Grad der Kopplung und Entwicklung relativ hoch. In diesen Regionen gibt es Synergien zwischen menschlichem Wohlbefinden und Umweltleistung. Unter diesen Regionen weisen Peking, Tianjin, Jiangsu, Zhejiang, Fujian und Shandong, die in den Küstengebieten liegen (siehe Abb. S3), einen hohen Grad der Entkopplung zwischen wirtschaftlicher Entwicklung und Ressourcenverbrauch auf57. Diese Provinzen gehören zu den am weitesten entwickelten Gebieten Chinas (z. B. hohes BIP und Haushaltseinkommen), mit schnellem technologischen Fortschritt, ausreichendem Human- und Sozialkapital und einem großen Zustrom hochqualifizierter Bevölkerungsgruppen. Ein Grund für dieses Muster in Ostküstengebieten hängt mit der Umsetzung politischer Maßnahmen zusammen32. Zu Beginn der chinesischen Reform- und Öffnungspolitik konzentrierte sich die chinesische Regierung darauf, die wirtschaftliche Entwicklung in den Ostküstengebieten stärker zu fördern58. Darüber hinaus verfügt Ostchina über ein relativ flaches Gelände (der Großteil des Geländes ist eben), was es günstiger für den Transport59 und seine klimatischen Bedingungen (z. B. Niederschläge)60 macht. Daher wird empfohlen, dass diese Regionen mehr Verantwortung für die interregionale Zusammenarbeit übernehmen, indem sie den Zugang zu personellen und finanziellen Ressourcen sowie neuen Technologien ermöglichen57. Im Allgemeinen stellen diese Provinzen die Spitze der nachhaltigen Entwicklung in China dar und können als typisches Muster für andere Regionen dienen, um eine widerstandsfähigere und nachhaltigere Entwicklung zu erreichen, insbesondere für einige entwickelte Nationen oder Regionen. In diesem Muster können aktuelle Entwicklungsstrategien wie gewohnt beibehalten und gleichzeitig weitere Verbesserungen gefördert werden. Beispielsweise ist landwirtschaftlicher Dünger der Haupttreiber dieses Musters, was im Allgemeinen zu einem Rückgang des CCD führt (Abb. 8a und Abb. S21a). Daher sollte Umweltthemen mehr Aufmerksamkeit geschenkt werden.

a Quadrant I. b Quadrant II. c Quadrant III. d Quadrant IV. Dargestellt sind die relativen Beiträge als ganzzahliger Prozentsatz (%). Für jeden Indikator zeigen wir den Beitrag jedes der drei Faktoren zu den Änderungen im Koordinierungsgrad der Kopplung: Umweltfaktoren (braun), soziale Faktoren (dunkelgrün) und wirtschaftliche Faktoren (weinrot). Alle Treiber in jedem Entwicklungsmuster können mindestens 90 % der Änderungen im Kopplungskoordinationsgrad von 2000 bis 2018 erklären.

Bei gekoppelten und unterentwickelten Mustern in Quadrant II (Abb. 7) liegt der Kopplungsgrad über dem Trennpunkt, tendiert jedoch dazu, niedriger zu werden. Regionen in diesem Muster weisen eine hohe Koordination mit einer Abnahme des CCD auf. NDVI ist der Haupttreiber in diesem Muster (Abb. 8b). Ein Anstieg des NDVI weist im Allgemeinen auf einen Rückgang des CCD hin (Abb. S21b). Dies ist auf die ungleichmäßige Entwicklung dieses Musters zurückzuführen. Einige Gebiete verfügen beispielsweise über ein gutes ökologisches Umfeld, während das wirtschaftliche Niveau relativ rückständig ist. Dies deutet darauf hin, dass die derzeitige Politik, die dem Umweltschutz Priorität einräumt, nicht mit einer Verbesserung des menschlichen Wohlbefindens einhergeht, was zu einem Ungleichgewicht zwischen ökologischer und sozioökonomischer Entwicklung führt. Es wird empfohlen, der politischen Kohärenz zwischen ökologischen, sozialen und wirtschaftlichen Zielen Vorrang einzuräumen61. In ressourcenbasierten Regionen wie Liaoning wird die Verbesserung der sozioökonomischen Entwicklung hauptsächlich durch Bevölkerungsverluste, niedrige Fruchtbarkeit und eine alternde Bevölkerung behindert60. Um auf dieses unterentwickelte Muster zu reagieren, sollte eine Werbestrategie umgesetzt werden. Die Förderstrategie sollte darauf abzielen, die Investitionen und die Zuweisung von Ressourcen in rückständigen Bereichen zu erhöhen, um substanzielle Unterstützung zu leisten44. Für diese Strategie sollten ausreichende Mittel bereitgestellt werden, um den Aufbau von Infrastruktur zur Verbesserung des Wohnumfelds und der Lebensqualität der Bewohner zu gewährleisten62. Mit ausreichender wirtschaftlicher Unterstützung sind diese Regionen in der Lage, eine harmonische ökologische und sozioökonomische Entwicklung zu fördern. Darüber hinaus sollten Fördermaßnahmen umgesetzt werden, um Talente anzuziehen und regionalen Bevölkerungsverlusten vorzubeugen.

Für das entkoppelte und unterentwickelte Muster in Quadrant III (Abb. 7) liegen die Entwicklungs- und Kopplungsniveaus beide unterhalb der Trennpunkte (Abb. 7a). Unter diesen Regionen sind die meisten Provinzen reich an fossilen Energie- und Bodenschätzen, weisen jedoch eine schlechtere Umweltleistung auf (Tabelle S18), insbesondere im Westen Chinas (Abb. 7b). Einige Provinzen profitieren beispielsweise vor allem von der wirtschaftlichen Entwicklung im Energiesektor, etwa die Innere Mongolei und Shanxi mit Reserven an Kohleressourcen. Da diese Gebiete in den trockenen und halbtrockenen Regionen Chinas liegen, ist die relative Luftfeuchtigkeit der Hauptfaktor für die CCD in diesem Muster (Abb. 8c und Abb. S21c). Wasserknappheit ist ein wesentliches Hindernis für die Entwicklung dieser Regionen. Als eine der Hauptquellen der Stromerzeugung und der Energiewirtschaft ist die Innere Mongolei für einen beträchtlichen Anteil des Energieverbrauchs und der Kohlenstoffemissionen in China verantwortlich57. Als Energieexporteure sind diese Provinzen viel mehr Stress ausgesetzt, da sie die Umweltverantwortung der Energieimporteure teilen (z. B. erhebliche Emissionen und Ressourcenverbrauch)63,64. Darüber hinaus behindert die wirtschaftliche Rückständigkeit in diesen Regionen die technologische Modernisierung und schwächt somit ihre Fähigkeit, die Energieeffizienz zu verbessern. Die zunehmende Ressourcenintensität und Abhängigkeit von fossilen Brennstoffen sowie der langsame technologische Wandel stellen große Herausforderungen für eine nachhaltige Entwicklung dar und führen zu einem Ungleichgewicht zwischen Umweltleistung und menschlichem Wohlbefinden. Das Problem in diesem Muster besteht also darin, wie effiziente Technologien zur Energieerzeugung entwickelt werden können, um die Abhängigkeit vom Ressourcendurchsatz zu verringern und die Umweltkosten zu senken. Die Transformationsstrategie sollte darauf abzielen, die ökologische Zerstörung von der Steigerung der sozialen Ergebnisse zu entkoppeln. Für diese Strategie können Veränderungen in der Industriestruktur (dh Entwicklung in der tertiären Industrie) und im Energiemix ein möglicher Weg sein, um die negativen Auswirkungen des Energiesektors zu verringern. Darüber hinaus können die regionale Zusammenarbeit und die technologische Unterstützung entwickelter Regionen gestärkt werden, um technologische Aktualisierungen zur Reduzierung des Verbrauchs fossiler Brennstoffe zu fördern.

Für das entkoppelte und entwickelte Muster in Quadrant IV (Abb. 7) liegt der Kopplungsgrad unter dem Trennpunkt, hat sich jedoch von 2000 bis 2018 verbessert (Abb. 7a). In diesem Muster handelt es sich bei den meisten Regionen um weniger entwickelte Regionen im Nordwesten (Abb. 7b), insbesondere Gansu, Qinghai und Ningxia. Diese Provinzen liegen in ökologisch fragilen Gebieten mit geringer ökologischer Tragfähigkeit, weshalb Umweltfaktoren nach wie vor die Hauptursache für dieses Muster sind. Der Hauptgrund für dieses Muster ist die Baufläche, die im Allgemeinen zu einem Rückgang des CCD geführt hat (Abb. 8d und Abb. S21d). Die wirtschaftliche Entwicklung ist bei diesem Muster in hohem Maße von kohlenstoffintensiven Industrien (z. B. der Bauindustrie) abhängig57 und verursacht daher schwere Umweltschäden. Traditionelle Entwicklungsmuster können die Umweltanfälligkeit dieser Regionen verschärfen und so zu einer geringen Kopplung zwischen Umweltleistung und menschlichem Wohlbefinden führen. Eine Lückenfüllstrategie kann Managementinterventionen leiten, um die Ursache von Kompromissen anzugehen und den Fortschritt in Richtung einer stärker gekoppelten Richtung aufrechtzuerhalten und zu verbessern. Die empfohlene Lösung für dieses Muster besteht darin, die Transformation energieintensiver Industrien und die Entwicklung nichtfossiler Brennstoffe zu fördern. Diese Regionen verfügen über ein großes Potenzial für die Entwicklung sauberer Energien (wie Solarenergie, Windenergie und Wasserkraft), die den steigenden Energiebedarf vollständig decken und gleichzeitig eine nachhaltige Umwelt für zukünftige Generationen erhalten können. Daher sollten diese Regionen der Entwicklung effizienter sauberer Energienutzungstechnologien mehr Aufmerksamkeit schenken.

Um unseren Rahmen besser mit Managementmaßnahmen und Umweltgovernance zu integrieren, zielen unsere zukünftigen Forschungsprioritäten darauf ab, die globalen SDGs mit lokal spezifischen Maßnahmen zu verbinden, die eine bessere Berücksichtigung der lokalen Umwelt, kontextualisierter sozioökonomischer Faktoren sowie der Bestrebungen und Interessen verschiedener Interessengruppen erfordern ( z. B. lokale Gemeinden, Kleinunternehmen, Städte usw.)65. Wie von Moallemi et al.65 vorgeschlagen, kann die gemeinsame Formulierung kontextspezifischer Ziele durch echtes Stakeholder-Engagement aus den Bottom-up-Prozessen die Leitlinien unseres Rahmens für die Politikgestaltung ergänzen. Die Einbindung von Stakeholdern durch partizipative Prozesse kann dabei helfen, die lokalen SJOS zu definieren und zu regulieren, einschließlich der Festlegung von Umweltgrenzwerten und sozialen Schwellenwerten und der Beurteilung, ob vorgeschlagene Richtlinien umsetzbar und umsetzbar sind.

Zweitens können wir zur besseren Anwendung unseres konzeptionellen Rahmens bei der Lokalisierung von Nachhaltigkeit versuchen, die Umweltgrenzen auf lokaler Ebene zu definieren, indem wir einen harmonisierten Ansatz für die lokale Nutzung von PBs verwenden, der die Vorteile des Fair-Shares-Ansatzes (Relevanz des Erdsystems und globale Verantwortung) kombiniert der Ansatz des lokalen sicheren Betriebsraums (lokale Relevanz). Mit diesem Allokationsansatz kann sichergestellt werden, dass Maßnahmen auf lokaler Ebene zur Nachhaltigkeit auf allen Ebenen beitragen, von lokal bis global66.

Eine Einschränkung dieser Forschung betrifft die Auswahl von Kontrollvariablen und entsprechenden Indikatoren. Beispielsweise konzentrierte sich die PB-basierte Nachhaltigkeitsbewertung nur auf eine Teilmenge bewusst ausgewählter Umweltindikatoren26. Wir haben die gleichen Indikatoren übernommen, um unsere Ergebnisse vergleichen und in einen globalen Kontext stellen zu können. Wir erkennen jedoch auch an, dass andere Indikatoren (z. B. solche im Zusammenhang mit Luft- und Wasserverschmutzung und Ressourcenverbrauch) ebenfalls von entscheidender Bedeutung für die regionale Nachhaltigkeit sein können, und haben versucht, zusätzliche Metriken für die Bewertung der Umweltqualität in Bezug auf Schlüsselaspekte der nationalen Qualität einzubeziehen politische Anliegen (Abb. S9–S12), um regionale und globale Nachhaltigkeit realistisch und effektiv zu verknüpfen5. Darüber hinaus sollte die PB-basierte Nachhaltigkeitsbewertung ganzheitlicher und integrativer sein und Beiträge aus unterschiedlichen Perspektiven widerspiegeln (d. h. Unterschiede zwischen produktionsbasierten und konsumbasierten Methoden)67, um die Verantwortung verschiedener Interessengruppen für eine nachhaltige Entwicklung zu verdeutlichen. Die gemeinsame Formulierung mehrerer Nachhaltigkeitsperspektiven (dh die Berücksichtigung sowohl produktions- als auch verbrauchsbasierter Schätzungen) kann die tatsächlichen vom Menschen verursachten Umweltbelastungen umfassender bewerten und widerspiegeln. Zu diesem Zweck haben wir weiter versucht, die Konsum- und Territorialleistung zu vergleichen (Abb. S4–S8). Es gibt unterschiedliche quantitative Ergebnisse zwischen Produktions- und Verbrauchsperspektiven, diese reichen jedoch nicht aus, um die Kategorie (dh sicher/steigendes Risiko/hohes Risiko) der meisten Ergebnisse im Hinblick auf die Umweltleistung zu ändern.

Eine weitere Einschränkung hängt mit der inhärenten Unsicherheit des PB-Frameworks (Tabelle S4) und der Downscaling-Methode zusammen, die unsere Hauptergebnisse beeinflussen könnte. Beispielsweise haben wir die Fair-Share-Prinzipien auf der Grundlage der Bevölkerungsgröße und der Pro-Kopf-Werte übernommen, was der gängigste Downscaling-Ansatz ist29. Während sich die wissenschaftliche Gemeinschaft noch nicht auf die Verteilung der Anteile geeinigt hat, ist diese Frage grundsätzlich politisch orientiert und kann ethische Implikationen haben. Dennoch können die PB-Ergebnisse von der Wahl bestimmter Downscaling-Methoden abhängig sein. Zu diesem Zweck untersuchten wir die Empfindlichkeit der Kopplung von Koordinationsbeziehungen gegenüber Änderungen in der Fair-Share-Methode und zeigten, dass die Downscaling-Methode den größten Einfluss auf die Ergebnisse im Zusammenhang mit dem Klimawandel hat (Abb. S22).

Wir erkennen an, dass es sich hierbei um methodische Bedenken aufgrund der gemeinsamen Nutzung von Prinzipien, Kontrollvariablen und ausgewählten Indikatoren sowie Nachhaltigkeitsperspektiven handelt, bieten jedoch Möglichkeiten für zukünftige Forschung. Beispielsweise geht die Festlegung von Umweltgrenzen unweigerlich mit Werturteilen einher, die bei Praktikern oder Interessenvertretern Anklang finden sollten, was durch transdisziplinäre Forschung und Wissenskoproduktion68 erreicht werden kann. Dies muss weiter angegangen werden, indem eine Reihe unterschiedlicher Sharing-Prinzipien, Downscaling-Ansätze und Nachhaltigkeitsperspektiven verglichen werden. Darüber hinaus muss die zukünftige Forschung zusätzliche Dimensionen auf der Grundlage der spezifischen Untersuchungsregion und des lokalen Kontexts untersuchen, um den PB-basierten Nachhaltigkeitsbewertungsrahmen zu verfeinern, wie z. B. die Einbeziehung anderer Indikatoren in Bezug auf die Umweltqualität und die kritische Ressourcennutzung des Naturkapitals.

Um die Umweltleistung zu messen und mit den entsprechenden Umweltgrenzwerten zu vergleichen, müssen die ursprünglichen Kontrollvariablen der Planetengrenzen vom Zustand in den Druck übersetzt werden26, was eine wirksame Überwachung durch Regierungen und andere Akteure ermöglicht. Da die meisten ursprünglichen PBs als aggregierte Effekte lokal heterogener Umweltzustände oder -belastungen konzipiert sind, haben wir eine Top-Down-Skalierung vorgenommen, um Umweltgrenzwerte zu definieren, die einem Ansatz mit gleichem Anteil pro Kopf folgen. Im Pro-Kopf-Ansatz werden Menschen als direkte Nutznießer der Zuteilung ausgewählt69. Für aggregierte Prozesse können diese Grenzen relativ einfach entsprechend der jährlichen Gesamtbevölkerung zugewiesen werden. Für systemische Prozesse wird diese globale Grenze pro Kopf für Jahresbudgets unterschiedlich berechnet. Bei Indikatoren, die als Jahresbudgets gelten (Klimawandel), erfordert die Berechnung eines gleichen Anteils pro Kopf die Berücksichtigung der aktuellen und zukünftigen Bevölkerung der Erde. Um diese Grenze zu verkleinern, müssen wir das Budget durch die Summe aller jährlichen Einwohner bis 2100 dividieren. Der Pro-Kopf-Grenzwert entwickelt sich jedes Jahr entsprechend der jährlichen Weltbevölkerung unter Verwendung der interpolierten Gesamtbevölkerungsdaten bei mittlerer Fruchtbarkeit bis 2100.

In unserer Studie haben wir vier planetarische Grenzen (Klimawandel, biogeochemische Flüsse, Süßwassernutzung, Landsystemveränderung) auf Pro-Kopf-Äquivalente herunterskaliert, unter Bezugnahme auf den von Dao et al.69 und Algunaibet et al.70 überarbeiteten Ansatz. Da für biogeochemische Flüsse (Stickstoff- und Phosphorkreisläufe) zwei PBs definiert sind, werden fünf Umweltindikatoren berücksichtigt. Anschließend werden die Umweltgrenzwerte pro Kopf mit den entsprechenden Umwelt-Fußabdrücken (Kohlenstoff-Fußabdruck, Stickstoff-Fußabdruck, Phosphor-Fußabdruck, blauer Wasser-Fußabdruck und Land-Fußabdruck) verglichen. Die Datenquellen für den Umweltfußabdruck sind in Tabelle S6 aufgeführt. Die Umweltleistung ist eine quantitative Bewertung, die als Verhältnis eines Fußabdrucks zu einem Grenzwert berechnet wird. Die Umweltleistung wird in drei Kategorien eingeteilt: sicher, zunehmendes Risiko und hohes Risiko, wie in der Tabelle dargestellt. S3.

Die ursprüngliche Grenze wurde auf eine maximale Konzentration von atmosphärischem CO2 von 350 ppm oder 1 Watt pro m2 zusätzlicher Strahlungsbelastung im Vergleich zum vorindustriellen Niveau festgelegt, was die globale Erwärmung unter 2 °C halten sollte19. Als globale Grenze für den Klimawandel wird festgelegt, dass die verbleibenden kumulierten CO2-Emissionen mit einer „mittleren“ Wahrscheinlichkeit (50 %) bis zum Jahr 2100 unter einem Anstieg von 2 °C im Vergleich zum vorindustriellen Niveau bleiben71. Die Gesamtbevölkerung von 2018 bis 2100 beträgt 814,44 Milliarden Menschen pro Jahr72. Gleiche Pro-Kopf-Zuteilungen für alle Bewohner des Klimawandels würden zu zulässigen jährlichen CO2-Emissionen von 1,54 Tonnen pro Kopf von 2000 bis 2018 führen.

Eine gleiche Pro-Kopf-Zuteilung der ursprünglichen Planetengrenze (maximaler Gesamtverbrauch an Blauwasser von 4000 km3 pro Jahr, laut Rockström et al.19) würde zu einem zulässigen jährlichen Blauwasserverbrauch von 587 m3 pro Kopf und Jahr führen.

Eine gleiche Pro-Kopf-Zuteilung der Landnutzung gemäß der ursprünglichen Planetengrenze19 würde zu einer anthropogenen Landnutzung pro Kopf von 0,29 Hektar pro Kopf und Jahr führen oder alternativ dazu die landwirtschaftliche und urbanisierte Fläche auf 15 % des eisfreien Landes begrenzen29.

Die ursprüngliche Grenze des Stickstoffkreislaufs liegt bei 62 Tg/Jahr Stickstoff, einschließlich der beabsichtigten biologischen und chemischen N-Fixierung20. Laut Steffen et al.20 beträgt der aktuelle Wert des N-Flusses 150 Tg N pro Jahr, wovon 96 Tg N pro Jahr (64 %) auf die chemische Fixierung durch Düngemittel zurückzuführen sind. Unter Bezugnahme auf Algunaibet et al.70 haben wir die planetarische Grenze des N-Zyklus von 62 auf 39,7 Tg N pro Jahr reduziert, um nur die industrielle Fixierung zu berücksichtigen, unter der Annahme, dass dieser Anteil konstant bleiben würde. Eine gleiche Pro-Kopf-Zuteilung der planetaren N-Grenze (39,7 Tg N y-1 aus industrieller Fixierung) würde im Zeitraum 2000–2018 etwa 5,82 kg N pro Kopf und Jahr bedeuten. Die ursprüngliche Grenze für den Phosphorkreislauf (6,2 Tg P y-1 abgebaut und auf erodierbare landwirtschaftliche Böden ausgebracht)20 würde etwa 0,91 kg P pro Kopf und Jahr bedeuten.

Neben den durch PB-Indikatoren berechneten Umweltgrenzwerten haben wir auch zusätzliche Indikatoren aus regionaler Kontextperspektive in Bezug auf die Umweltqualität in Bezug auf Schlüsselaspekte nationaler politischer Anliegen berücksichtigt. Die ergänzende Bewertung (basierend auf der Datenverfügbarkeit) umfasst Indikatoren zur Luftqualität, Wasserqualität und Ressourcennutzung (Abb. S9–S12).

Wir haben 10 soziale Indikatoren ausgewählt, die dem SJOS-Rahmenwerk und den in den SDGs22 enthaltenen sozialen Zielen folgen. Die Datenquellen für diese sozialen Indikatoren sind in Tabelle S7 aufgeführt. Raworth et al.22 identifizieren 11 soziale Indikatoren zur Gewährleistung der Menschenrechte und entsprechende Grundlagen in der Rio+ 20-Konferenz. Die SDGs benennen 17 Ziele, von denen 12 als soziale Ziele kategorisiert werden können. Diese Ziele beziehen sich direkt auf die Befriedigung grundlegender menschlicher Bedürfnisse (menschliches Wohlergehen), wie z. B. die Beendigung extremer Armut, die Beendigung von Hunger und Unterernährung, die Schaffung von sauberem Wasser und sanitären Einrichtungen sowie den Zugang zu erschwinglicher und sauberer Energie. Andere Ziele korrespondieren indirekt mit den Auswirkungen des Menschen auf die Umwelt (ökologischer Fußabdruck), etwa verantwortungsvoller Konsum und Produktion73. Im Allgemeinen passen die Ziele ziemlich gut zu den sozialen Grundlagen im SJOS-Rahmen. Die sozialen Schwellenwerte beziehen sich auf die SDG-Indikatoren und die Schwellenwerte in O'Neill et al.30. Das menschliche Wohlbefinden ist ein quantitativer Wert, der als Verhältnis eines sozialen Indikators über einem Schwellenwert berechnet wird. Das soziale Fundament gilt als erreicht, wenn das Verhältnis den Schwellenwert erreicht.

Die Mann-Kendall-Methode74,75 wird angewendet, um die sich langfristig ändernden Trends bei den Umwelt-Fußabdrücken, sozialen Indikatoren, der Umweltleistung, dem menschlichen Wohlbefinden und den Graden der Kopplungskoordination zu messen. Diese nichtparametrische Methode gibt nicht an, ob der Trend linear oder nichtlinear ist. Dieser Ansatz ist robust für nicht normalverteilte Daten und weist eine geringe Empfindlichkeit gegenüber Ausreißern auf. Daher wird es häufig zur Erkennung der Bedeutung von Trends in Zeitreihen eingesetzt.

Beim Mann-Kendall-Test mit der Nullhypothese H0 umfassen die Zeitreihendaten (x1..., xn) eine Stichprobe von n unabhängigen und zufälligen Variablen mit derselben Verteilung. Bei der Alternativhypothese H1 gibt es einen steigenden oder fallenden Trend in der Zeitreihe. Die Statistik S ist wie folgt definiert:

wobei die Zeitreihenlänge n = 19, \({x}_{i}\) und \({x}_{j}\) die Datenwerte in den Zeitreihen i bzw. j (j > i) sind. Der Test wird mit dem Z-Wert durchgeführt:

Dabei ist n die Anzahl der Datenpunkte, m die Anzahl der Knoten in der Zeitreihe und ti die Breite des Knotens. Positive Z-Werte weisen auf zunehmende Trends hin, während negative Z-Werte auf abnehmende Trends hinweisen. Die Nullhypothese wird akzeptiert, wenn |Z| ≤ Z1-α/2 und die Trends innerhalb der Zeitreihe werden als unbedeutend angesehen. Wenn |Z| > Z1-α/2, die Nullhypothese wird verworfen und es liegt ein signifikanter Trend in der Zeitreihe vor. Bei dem gegebenen Signifikanzniveau von \(\alpha\)=0,05 wird die Nullhypothese, dass kein Trend vorliegt, abgelehnt, wenn |Z| > 1,96.

Die Sen-Steigung76 ist ein nichtparametrisches Verfahren zur Schätzung der Trendsteigung. Wir haben die Steigungsmethode von Sen verwendet, um die sich ändernde Größe der Zeitreihen von 2000 bis 2018 zu messen:

Um die Größe und Messung unterschiedlicher Daten zu eliminieren, haben wir die Daten zur Umweltleistung und zum menschlichen Wohlbefinden weiter standardisiert, indem wir das Normalisierungsmodell der maximalen Differenz wie folgt übernommen haben:

wobei sich \({Y}_{{ij}}\) auf die normalisierten Werte bezieht; \({X}_{{ij}}\) bezieht sich auf die Ursprungswerte des Indikators \({j}_{{th}}\) im Jahr i; \({X}_{{maxj}}\) und \({X}_{{minj}}\) sind die Maximal- bzw. Minimalwerte des Indikators \({j}_{{th}}\). .

Die Kopplungstheorie ist eine effektive Methode, um die Beziehung zwischen zwei oder mehr Systemen zu testen, die miteinander interagieren. In dieser Arbeit wird es verwendet, um die Kopplungs- und Koordinationswechselwirkungen zwischen Umweltleistung und menschlichem Wohlbefinden in einem SJOS zu untersuchen. Im Detail haben wir zunächst den Kopplungsgrad in Formel (8) berechnet und dann den Kopplungskoordinationsgrad in den Formeln (9) und (10) gemessen. Die Formeln lauten wie folgt und beziehen sich auf Yang et al. (2020)77:

wobei C sich auf den Kopplungsgrad C\(\in \left[{{{{\mathrm{0,\,1}}}}}\right]\ bezieht. Je größer der Kopplungsgrad, desto stärker wäre die Wechselwirkung zwischen den Subsystemen und umgekehrt; \({f}_{(X)}\) und \({f}_{(Y)}\) repräsentieren die Umweltleistung bzw. das menschliche Wohlbefinden.

wobei D den Kopplungskoordinationsgrad D \(\in \left[{{{{\mathrm{0,\,1}}}}}\right]\ darstellt. Höhere Werte des Kopplungskoordinationsgrades stellen Synergien zwischen Umwelt- und sozioökonomischen Systemen dar. T bezieht sich auf den umfassenden Entwicklungsstand. \({f}_{(X)}\) und \({f}_{(Y)}\) beziehen sich auf die Umweltleistung und das menschliche Wohlbefinden. Die Umweltleistung gibt das Verhältnis des ökologischen Fußabdrucks zu den Umweltgrenzwerten (verkleinerte Planetengrenzen) an. Das menschliche Wohlbefinden gibt das Verhältnis von sozialen Indikatoren zu sozialen Schwellenwerten an. \(\alpha\) und \(\beta\) sind die Gewichte, die jeweils die Bedeutung jedes Subsystems angeben, und \(\alpha+\beta=\)1. In unserer Studie gehen wir davon aus, dass das biophysikalische und das natürliche System innerhalb eines sozial-ökologischen Systems gleichermaßen wichtig sind. Damit ist \(\alpha=\beta=\) 0,5 gesetzt.

In Anlehnung an die Einteilung der Koordinationstypen in der Physik werden die Kopplungstypen der Umwelt- und Sozialleistung gemäß den von Shi et al.36 und Li et al.78 angegebenen Klassifizierungskriterien des Kopplungskoordinationsgrads unterteilt. Durch den Vergleich der Umweltleistung und des menschlichen Wohlbefindens haben wir den Koordinierungsgrad der Kopplung weiter in drei Typen unterteilt: Verzögerungstyp der Umweltentwicklung, Verzögerungstyp der sozialen Entwicklung, Typ der ökologisch-sozialen Synchronisierung. Unterschiedliche Wertebereiche stellen unterschiedliche Korrelationen zwischen ökologischen und sozioökonomischen Aspekten dar (Tabelle S5).

Um die räumlichen und zeitlichen Variationsmechanismen der Kopplungskoordinationsgrade zu verstehen, wird ein verstärkter Regressionsbaumansatz angewendet, um die relativen Beiträge der treibenden Faktoren zu den räumlichen und zeitlichen Variationen des Kopplungskoordinationsgrades zu analysieren. Die Boosted-Regression-Tree-Methode ist eine maschinelle Lerntechnik, die von herkömmlichen Klassifizierungs- und Regressionsbäumen erweitert wird. Sie kombiniert die Algorithmen von Regressionsbäumen, die rekursive binäre Aufteilungen verwenden, um ein einfaches Modell an jedes Ergebnis anzupassen, und Boosting, das eine iterative Methode verwendet, um nach und nach Bäume hinzuzufügen das endgültige Modell entwickeln79. Im Vergleich zur häufig verwendeten multiplen linearen schrittweisen Regression kann die BRT-Methode komplexe nichtlineare Beziehungen anpassen und Interaktionseffekte zwischen Prädiktoren automatisch verarbeiten.

In unseren Modellen sind die räumlichen und zeitlichen Änderungen der Kopplungskoordination von 2000 bis 2018 Antwortvariablen, und die 24 treibenden Faktoren (d. h. Prädiktorvariablen, aufgeführt in Tabelle S17) sind Prädiktorvariablen. Die treibenden Kräfte werden aus sozioökonomischen und ökologischen Aspekten ausgewählt, hauptsächlich unter Bezugnahme auf Dimensionen, die von gemeinsamen sozioökonomischen Pfaden80 umrahmt werden, wie z. B. demografische und menschliche Entwicklung, Wirtschaft und Lebensstil sowie Richtlinien und Institutionen sowie Elemente von Technologie, Umwelt und natürlichen Ressourcen. Die spezifischen Faktoren werden hauptsächlich auf der Grundlage der Ergebnisse der Literaturanalyse der Faktoren für den ökologischen Fußabdruck81,82,83,84,85 und der Verfügbarkeit von Daten ausgewählt. Die Datenquellen für diese Treiber sind in Tabelle S8 aufgeführt. In unserer Studie werden drei Parameter angegeben, darunter die Gaußsche Fehlerverteilung, eine Lernrate von 0,001, eine Interaktionstiefe von 5 und ein Beutelanteil von 0,5, wie empfohlen79,86. Alle Analysen werden mit R (Version 3.4.3) durchgeführt, die Modellierung mit dem „gbm“-Paket plus benutzerdefiniertem Code, der online verfügbar ist79.

Weitere Informationen zum Forschungsdesign finden Sie in der mit diesem Artikel verlinkten Nature Portfolio Reporting Summary.

Unsere Forschung stützt sich auf Daten aus mehreren Quellen. Alle Quellen für Umwelt- und Sozialindikatoren sind in den Tabellen S6 und S7 aufgeführt. Alle Quellen für treibende Faktoren sind in Tabelle S8 aufgeführt. Alle Daten beziehen sich auf das Jahr 2000 bis 2018. Die zum Vergleich verwendeten globalen Daten stammen hauptsächlich aus den Datenbanken EDGAR87, FAOSTAT88, Weltbank89 und Eora MRIO90,91. Die Weltbevölkerung stammt von der UNPD72. Die Provinzdaten Chinas stammen aus der CEADS-Datenbank (www.ceads.net/data/), dem Resource and Environment Science and Data Center (https://www.resdc.cn/) und den China Statistical Yearbooks. Weitere Umweltdaten für China stammen aus der ACAG92-Datenbank und den China Statistical Yearbooks. Alle in dieser Studie generierten Daten sind in der Datei „Ergänzende Informationen/Quelldaten“ enthalten. Quelldaten werden mit diesem Dokument bereitgestellt.

Steffen, W., Grinevald, J., Crutzen, P. & Mcneill, J. Das Anthropozän: konzeptionelle und historische Perspektiven. Philos. Trans. R. Soc. 369, 842–867 (2011).

Artikel ADS Google Scholar

Umweltprogramm der Vereinten Nationen. GEO-5, Globaler Umweltausblick. http://www.unep.org/geo/geo5.asp (2012).

Steffen, W., Broadgate, W., Deutsch, L., Gaffney, O. & Ludwig, C. Die Flugbahn des Anthropozäns: die große Beschleunigung. Anthropocene Rev. 2, 81–98 (2015).

Artikel Google Scholar

World Wildlife Fund. Living Planet Report 2012. https://www.worldwildlife.org (2012).

Wu, J. Landschaftsnachhaltigkeitswissenschaft: Ökosystemleistungen und menschliches Wohlbefinden in sich verändernden Landschaften. Landsk. Ökologisch. 28, 999–1023 (2013).

Artikel Google Scholar

Vereinte Nationen. Unsere Welt verändern: Die Agenda 2030 für nachhaltige Entwicklung. https://sdgs.un.org/2030agenda (2015).

Sachs, JD et al. Sechs Transformationen zur Erreichung der nachhaltigen Entwicklungsziele. Nat. Aufrechterhalten. 2, 805–814 (2019).

Artikel Google Scholar

Zeng, Y. et al. Umweltzerstörung lässt sich mit den nachhaltigen Entwicklungszielen nicht vermeiden. Nat. Aufrechterhalten. 3, 795–798 (2020).

Artikel Google Scholar

Fang, K., Heijungs, R. & Snoo, GD Verständnis der komplementären Zusammenhänge zwischen Umwelt-Fußabdrücken und Planetengrenzen in einem Rahmen für die ökologische Nachhaltigkeitsbewertung von Fußabdrücken und Grenzen. Ökologisch. Wirtschaft. 114, 218–226 (2015).

Artikel Google Scholar

Kates, RW Umwelt und Entwicklung: Nachhaltigkeitswissenschaft. Wissenschaft 292, 641–642 (2001).

Artikel CAS PubMed Google Scholar

Rees, WE Überarbeitung der Tragfähigkeit: flächenbezogene Nachhaltigkeitsindikatoren. Bevölkerung. Env. 17, 195–215 (1996).

Artikel Google Scholar

Ekins, P. & Simon, S. Schätzung von Nachhaltigkeitslücken: Methoden und vorläufige Anwendungen für das Vereinigte Königreich und die Niederlande. Ökologisch. Wirtschaft. 37, 5–22 (2001).

Artikel Google Scholar

Hoornweg, D., Hosseini, M., Kennedy, C. & Behdadi, A. Eine urbane Annäherung an die Grenzen des Planeten. Ambio 45, 567–580 (2016).

Artikel PubMed PubMed Central Google Scholar

Meadows, D., Randers, J. & Meadows, D. Grenzen des Wachstums: das 30-Jahres-Update. (Chelsea Green, White River Junction, Vermont, USA, 2004).

Bishop, RC Gefährdete Arten und Unsicherheit: die Ökonomie eines sicheren Mindeststandards. Bin. J. Agrar. Wirtschaft. 61, 10–18 (1978).

Artikel Google Scholar

Crowards, T. Sichere Mindeststandards: Kosten und Chancen. Ökologisch. Wirtschaft. 25, 303–314 (1998).

Artikel Google Scholar

Raffensperger, C. & Tickner, W. Schutz der öffentlichen Gesundheit und der Umwelt: Umsetzung des Vorsorgeprinzips. (Island Press, Washington, D.C., USA, 1999).

Google Scholar

WBGU. Szenario zur Ableitung globaler CO2-Reduktionsziele und Umsetzungsstrategien. Stellungnahme anlässlich der ersten Vertragsstaatenkonferenz des Rahmenübereinkommens über Klimaänderungen in Berlin (1995).

Rockström, J. et al. Ein sicherer Operationsraum für die Menschheit. Natur 461, 472–475 (2009).

Artikel ADS PubMed Google Scholar

Steffen, W. et al. Planetare Grenzen: Orientierung für die menschliche Entwicklung auf einem sich verändernden Planeten. Wissenschaft 347, 1259855 (2015).

Artikel PubMed Google Scholar

Dearing, JA et al. Sichere und gerechte Handlungsräume für regionale sozial-ökologische Systeme. Globus. Umgebung. Chang 28, 227–238 (2014).

Artikel Google Scholar

Raworth, K. Ein sicherer und gerechter Raum für die Menschheit: Können wir im Donut leben? (Oxfam, Oxford, Großbritannien, 2012).

Hamann, M. et al. Ungleichheit und die Biosphäre. Annu. Rev. Environ. Ressource. 43, 61–83 (2018).

Artikel ADS Google Scholar

Osterblom, H. et al. Transnationale Konzerne als „Schlüsselakteure“ in Meeresökosystemen. PLoS ONE 10, e0127533 (2015).

Artikel PubMed PubMed Central Google Scholar

Häyhä, T., Lucas, PL, Vuuren, DV, Cornell, SE & Hoff, H. Von planetarischen Grenzen zu nationalen gerechten Anteilen am globalen sicheren Betriebsraum – Wie können die Maßstäbe überbrückt werden? Globus. Umgebung. Chang 40, 60–72 (2016).

Artikel Google Scholar

Nykvist, B. et al. Nationale Umweltleistung an planetarischen Grenzen. (Schwedische Umweltschutzbehörde, Stockholm, 2013).

Hoff, H., Nykvist, B. & Carson, M. Gut leben, innerhalb der Grenzen unseres Planeten? Messung des wachsenden externen Fußabdrucks Europas. (Stockholm Environment Institute, Schweden, 2014).

Cole, MJ, Bailey, RM & New, MG Verfolgung nachhaltiger Entwicklung mit einem nationalen Barometer für Südafrika unter Verwendung eines verkleinerten „sicheren und gerechten Weltraum“-Rahmens. Proz. Natl Acad. Wissenschaft. USA 111, E4399–E4408 (2014).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Dao, H., Peduzzi, P. & Friot, D. Nationale Umweltgrenzwerte und Fußabdrücke basierend auf dem Rahmenwerk der Planetengrenzen: der Fall der Schweiz. Globus. Umgebung. Chang 52, 49–57 (2018).

Artikel Google Scholar

O'Neill, DW, Fanning, AL, Lamb, WF & Steinberger, JK Ein gutes Leben für alle innerhalb der planetarischen Grenzen. Nat. Aufrechterhalten. 1, 88–95 (2018).

Artikel Google Scholar

Wu, L., Huang, K., Ridoutt, BG, Yu, Y. & Chen, Y. Eine auf Planetengrenzen basierende Umwelt-Fußabdruckfamilie: von Auswirkungen zu Grenzen. Wissenschaft. Gesamtumgebung. 785, 147383 (2021).

Artikel ADS CAS Google Scholar

Xu, Z. et al. Bewertung des Fortschritts in Richtung einer nachhaltigen Entwicklung über Raum und Zeit. Natur 577, 74–78 (2020).

Artikel ADS CAS PubMed Google Scholar

Nilsson, M., Griggs, D. & Visbeck, M. Politik: Kartieren Sie die Wechselwirkungen zwischen nachhaltigen Entwicklungszielen. Natur 534, 320–322 (2016).

Artikel ADS PubMed Google Scholar

Pradhan, P., Costa, L., Rybski, D., Lucht, W. & Kropp, JP Eine systematische Untersuchung der Wechselwirkungen mit nachhaltigen Entwicklungszielen (SDG). Die der Erde. Zukunft 5, 1169–1179 (2017).

Google Scholar

Li, Y., Yi, L., Zhou, Y., Shi, Y. & Zhu, X. Untersuchung eines Kopplungsmodells der Koordination zwischen Urbanisierung und Umwelt. J. Umgebung. Geschäftsführer 98, 127–133 (2012).

Artikel Google Scholar

Shi, T., Yang, S., Zhang, W. & Zhou, Q. Kopplung der Messung des Koordinationsgrads und räumlich-zeitliche Heterogenität zwischen wirtschaftlicher Entwicklung und ökologischer Umwelt – empirische Belege aus tropischen und subtropischen Regionen Chinas. J. Sauber. Prod. 244, 118739 (2020).

Artikel Google Scholar

Ariken, M., Zhang, F., Chan, N. & Kung, H. Kopplungskoordinationsanalyse und räumlich-zeitliche Heterogenität zwischen Urbanisierung und Öko-Umwelt entlang des Seidenstraßen-Wirtschaftsgürtels in China. Ökologisch. Indik. 121, 107014 (2021).

Artikel Google Scholar

Zhu, S., Huang, J. & Zhao, Y. Kopplungskoordinationsanalyse von Ökosystemleistungen und Stadtentwicklung ressourcenbasierter Städte: eine Fallstudie der Stadt Tangshan. Ökologisch. Indik. 136, 108706 (2022).

Artikel Google Scholar

Sun, Y., Liu, D. & Peng, WC Stadtsimulation unter Einbeziehung der Koordinationsbeziehungen mehrerer Ökosystemdienstleistungen. Stadtsimulation unter Einbeziehung der Koordinationsbeziehungen mehrerer Ökosystemdienstleistungen. Sust. Städte Soc. 76, 103432 (2022).

Artikel Google Scholar

Bekkers, E., Koopman, RB & Rêgo, CL Strukturwandel in der chinesischen Wirtschaft und sich verändernde Handelsbeziehungen mit der Welt. China Econ. Rev. 65, 101593 (2021).

Artikel Google Scholar

Bryan, BA et al. Chinas Reaktion auf einen nationalen Nachhaltigkeitsnotstand im Landsystem. Natur 559, 193–204 (2018).

Artikel ADS CAS PubMed Google Scholar

Cinner, JE & Barnes, ML Soziale Dimensionen der Resilienz in sozial-ökologischen Systemen. Eine Erde 1, 51–56 (2019).

Artikel ADS Google Scholar

Wang, Q., Hao, D., Li, F., Guan, X. & Chen, P. Entwicklung eines neuen Rahmens zur Identifizierung von Wegen von der sozioökonomischen Entwicklung zur Umweltverschmutzung. J. Sauber. Prod. 253, 119962 (2020).

Artikel CAS Google Scholar

Zhang, J. et al. Ein Rahmen für die Analyse mehrerer Wichtigkeit und Zufriedenheit für die nachhaltige Bewirtschaftung von Schutzgebieten: Integration von Ökosystemleistungen und Grundbedürfnissen. Ökosystem. Serv. 46, 101219 (2020).

Artikel Google Scholar

Xu, Z. et al. Auswirkungen des internationalen Handels auf die globale nachhaltige Entwicklung. Nat. Aufrechterhalten. 3, 964–971 (2020).

Artikel Google Scholar

Cole, MJ, Bailey, RM & New, MG Räumliche Variabilität in nachhaltigen Entwicklungsverläufen in Südafrika: sichere und gerechte Betriebsräume auf Provinzebene. Aufrechterhalten. Wissenschaft. 12, 829–848 (2017).

Artikel PubMed PubMed Central Google Scholar

Liu, J. et al. Komplexität gekoppelter menschlicher und natürlicher Systeme. Science 317, 1513–1516 (2007).

Artikel ADS CAS PubMed Google Scholar

Ouyang, Z. et al. Verbesserungen der Ökosystemleistungen durch Investitionen in Naturkapital. Wissenschaft 352, 1455–1459 (2016).

Artikel ADS CAS PubMed Google Scholar

Miao, L. et al. Synthese der Landnutzung Chinas in den letzten 300 Jahren. Globus. Planet. Change 100, 224–233 (2013).

Artikel ADS Google Scholar

He, F., Ge, Q., Dai, J. & Rao, Y. Waldveränderung in China in den letzten 300 Jahren. J. Geogr. Wissenschaft. 18, 59–72 (2008).

Artikel Google Scholar

Vereinte Nationen. Weltweite Urbanisierungsaussichten: Die Revision 2018. (Bevölkerungsabteilung, Ministerium für wirtschaftliche und soziale Angelegenheiten, Bevölkerungsabteilung 2018).

Grubler, A. & Fisk, D. Nachhaltige Städte mit Energie versorgen: Bewertung der städtischen Energie. (Abingdon, Vereinigtes Königreich: Routledge, 2013).

Hoornweg, D., Sugar, L. & Gomez, CLT Städte und Treibhausgasemissionen: Vorankommen. Urbanisierung 5, 43–62 (2020).

Artikel Google Scholar

Liu, J. & Diamond, J. Chinas Umwelt in einer globalisierten Welt. Natur 435, 1179–1186 (2005).

Artikel ADS CAS PubMed Google Scholar

Shapiro, J. Chinas Umweltherausforderungen (Wiley, Polity Press, Cambridge, 2016).

Ministerium für Ökologie und Umwelt der Volksrepublik China. Chinas ökologisches Umweltstatus-Bulletin. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/201905/P020190619587632630618.pdf (2018).

Mi, Z. & Sun, X. Provinzen mit Veränderungen in der Industriestruktur und im Energiemix schnitten in China am besten bei der Eindämmung des Klimawandels ab. Komm. Erdumgebung. 2, 182 (2021).

Artikel ADS Google Scholar

Wu, R., Li, Z. & Wang, S. Die unterschiedlichen Triebkräfte der städtischen Landerweiterung in China: Erkenntnisse aus einer räumlich-zeitlichen Analyse. Wissenschaft. Gesamtumgebung. 766, 142591 (2021).

Artikel ADS CAS PubMed Google Scholar

Jin, H., Chen, X., Wu, P., Song, C. & Xia, W. Bewertung der räumlich-zeitlichen Niederschlagsverteilung auf dem chinesischen Festland durch statistische und Clustering-Methoden. Atmosphäre. Res. 262, 105772 (2021).

Artikel Google Scholar

Chen, Y. & Zhang, D. Multiskalenbewertung der Kopplungskoordination zwischen Innovation und wirtschaftlicher Entwicklung in ressourcenbasierten Städten: eine Fallstudie aus Nordostchina. J. Sauber. Prod. 318, 128597 (2021).

Artikel Google Scholar

Coscieme, L., Mortensen, LF & Donohue, I. Verbessern Sie die Kohärenz der Umweltpolitik, um die Ziele für nachhaltige Entwicklung zu erreichen. J. Sauber. Prod. 296, 126502 (2021).

Artikel Google Scholar

Li, W., Wang, Y., Xie, S. & Cheng, X. Kopplungskoordinationsanalyse und räumlich-zeitliche Heterogenität zwischen Urbanisierung und Ökosystemgesundheit in der Gemeinde Chongqing, China. Wissenschaft. Gesamtumgebung. 791, 148311 (2021).

Artikel ADS CAS PubMed Google Scholar

Davis, SJ & Caldeira, K. Verbrauchsbasierte Bilanzierung von CO2-Emissionen. Proz. Natl Acad. Wissenschaft. USA 107, 5687–5692 (2010).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Pozo, C., Galán-Martín, A., Cortés-Borda, D., Sales-Pardo, M. & Guillén-Gosálbez, G. Reduzierung der globalen Umweltungleichheit: Festlegung regionaler Quoten für Umweltbelastungen durch Systemoptimierung. J. Sauber. Produkt 270, 121828 (2020).

Artikel Google Scholar

Moallemi, EA et al. Um die Ziele für nachhaltige Entwicklung zu erreichen, sind transdisziplinäre Innovationen auf lokaler Ebene erforderlich. One Earth 3, 300–313 (2020).

Artikel ADS Google Scholar

Zipper, SC et al. Integration der wasserplanetaren Grenze mit dem Wassermanagement auf lokaler bis globaler Ebene. Die Zukunft der Erde 8, e2019EF001377 (2019).

ADS Google Scholar

Chen, X., Li, C., Li, M. & Fang, K. Überprüfung der Anwendung und methodischen Erweiterungen der Planetengrenzen für die Nachhaltigkeitsbewertung. Wissenschaft. Gesamtumgebung. 788, 147886 (2021).

Artikel ADS CAS PubMed Google Scholar

Norström, AV et al. Grundsätze zur Wissenskoproduktion in der Nachhaltigkeitsforschung. Nat. Aufrechterhalten. 3, 182–190 (2020).

Artikel Google Scholar

Dao, H. et al. Umweltgrenzwerte und Schweizer Fussabdrücke basierend auf planetarischen Grenzen. (UNEP/GRID-Genf und Universität Genf, Genf, 2015).

Algunaibet, IM et al. Korrektur: Förderung einer nachhaltigen Entwicklung innerhalb der Grenzen unseres Planeten. Energieumwelt. Wissenschaft. 12, 3612 (2019).

Artikel Google Scholar

IPCC. Klimawandel 2014: Synthesebericht. Beitrag der Arbeitsgruppen I, II und III zum fünften Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderungen (IPCC, Genf, Schweiz, 2014).

Vereinte Nationen. Weltbevölkerungsaussichten 2019, Online-Ausgabe. Rev. 1. (Bevölkerungsabteilung, Ministerium für wirtschaftliche und soziale Angelegenheiten, Vereinte Nationen, 2019).

Vanham, D. et al. Umwelt-Fußabdruck-Familie, um die lokale und globale Nachhaltigkeit anzugehen und die SDGs zu erreichen. Wissenschaft. Gesamtumgebung. 693, 133642 (2019).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Mann, HB Nichtparametrische Tests gegen den Trend. Econmetrica 13, 245–259 (1945).

Artikel MathSciNet MATH Google Scholar

Kendall, MG Rangkorrelationsmethoden. Br. J. Psychol. 25, 86–91 (1990).

Google Scholar

Warren, J. & Gilbert, RO Statistische Methoden zur Überwachung der Umweltverschmutzung. Technometrics 30, 348 (1988).

Artikel Google Scholar

Yang, C., Zeng, W. & Yang, X. Kopplungskoordinationsbewertung und nachhaltiges Entwicklungsmuster der geoökologischen Umwelt und Urbanisierung in der Gemeinde Chongqing, China. Sust. Städte Soc. 61, 102271 (2020).

Artikel Google Scholar

Li, L., Fan, Z., Feng, W., Yuxin, C. & Keyu, Q. Kopplung des Koordinierungsgrades, räumliche Analyse und treibender Faktor zwischen sozioökonomischem und ökologischem Umfeld in Nordchina. Ökologisch. Indik. 135, 108555 (2022).

Artikel Google Scholar

Elith, J., Leathwick, JR & Hastie, T. Ein Arbeitsleitfaden für verstärkte Regressionsbäume. J. Anim. Ökologisch. 77, 802–813 (2008).

Artikel CAS PubMed Google Scholar

O'Neill, BC et al. Die Wege vor uns: Narrative für gemeinsame sozioökonomische Wege, die die Weltzukünfte im 21. Jahrhundert beschreiben. Globus. Umgebung. Chang 42, 169–180 (2017).

Artikel Google Scholar

Xu, J. Umgebung. Geschäftsführer 260, 110102 (2020).

Artikel Google Scholar

Chen, J., Fan, W., Li, D., Liu, X. & Song, M. Treibende Faktoren des globalen Kohlenstoff-Fußabdrucks: basierend auf der Kohlenstoffbindung der Vegetation. Appl. Energie 267, 114914 (2020).

Artikel CAS Google Scholar

Yang, Y. & Meng, G. Der Entkopplungseffekt und die treibenden Faktoren des CO2-Fußabdrucks in Megastädten: die Fallstudie von Xi'an im Westen Chinas. Sust. Städte Soc. 44, 783–792 (2019).

Artikel Google Scholar

Jiang, S. et al. Phosphor-Fußabdruck in China im Zeitraum 1961–2050: historische Perspektive und Zukunftsaussichten. Wissenschaft. Gesamtumgebung. 650, 687–695 (2018).

Artikel ADS PubMed Google Scholar

Gao, B. et al. Triebkräfte der Stickstoffströme und Stickstoffnutzungseffizienz von Lebensmittelsystemen in sieben chinesischen Städten, 1990 bis 2015. Sci. Gesamtumgebung. 676, 144–154 (2019).

Artikel ADS CAS PubMed Google Scholar

De'ath, G. Boosted Trees für ökologische Modellierung und Vorhersage. Ökologisch. Soc. 88, 243–251 (2007).

Google Scholar

Crippa, M. et al. Fossile CO2- und Treibhausgasemissionen aller Länder der Welt – Bericht 2019, EUR 29849 EN. ISBN 978-92-76-11100-9, https://doi.org/10.2760/687800, JRC117610 (Amt für Veröffentlichungen der Europäischen Union, Luxemburg, 2019).

Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen. Statistische Datenbank der FAO. http://faostat.fao.org/(2020).

Weltbank. Weltweite Entwicklungsindikatoren der Weltbank. http://data.worldbank.org/(2020).

Lenzen, M., Kanemoto, K., Moran, D. & Geschke, A. Kartierung der Struktur der Weltwirtschaft. Umgebung. Wissenschaft. Technol. 46, 8374–8381 (2012).

Artikel ADS CAS PubMed Google Scholar

Lenzen, M., Moran, D., Kanemoto, K. & Geschke, A. Building Eora: eine globale multiregionale Input-Output-Datenbank mit hoher Länder- und Sektorauflösung. Wirtschaft. Sys. Res. 25, 20–49 (2013).

Artikel Google Scholar

Gruppe zur Analyse der atmosphärischen Zusammensetzung. Oberfläche PM2,5. https://sites.wustl.edu/acag/datasets/surface-pm2-5/#V5.GL.02 (2021).

Referenzen herunterladen

Diese Studie wird durch die Programme des zweiten nationalen wissenschaftlichen Forschungsprojekts Qinghai-Tibet: Klimawandel in Hochlandregionen mit knappen Klimadaten und seine Auswirkungen und Reaktion (Zuschuss Nr. 2019QZKK1001, YD), der National Natural Science Foundation of China (41971269) unterstützt ), das Schlüsselprojekt der Wissenschafts- und Technologieabteilung der Provinz Qinghai (Zuschuss Nr. 2019-SFA12, 2022ZY024, 2021-SF-A7-1, YD) und das staatliche Schlüssellabor für Erdoberflächenprozesse und Ressourcenökologie (Zuschuss Nr. 2022-TS-07, YD).

Staatliches Schlüssellabor für Erdoberflächenprozesse und Ressourcenökologie, Fakultät für Geographie, Beijing Normal University, Peking, 100875, China

Dongni Han & Deyong Yu

Schlüssellabor für Landoberflächenprozesse und ökologischen Schutz auf dem tibetischen Plateau, Qinghai Normal University, Xining, 810016, China

Deyong Yu

Akademie für Plateau-Wissenschaft und Nachhaltigkeit, Volksregierung der Provinz Qinghai und Beijing Normal University, Xining, 810016, China

Deyong Yu

School of Forest, Fisheries, and Geomatics Sciences, Fort Lauderdale Research and Education Center, University of Florida, Davie, FL, USA

Jiangxiao Qiu

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

YD und HD haben die Studie entworfen und die Analyse geplant. HD bereitete die Basisdaten vor, führte die Datenanalyse durch und verfasste den Originalentwurf. QJ und YD haben das Manuskript überprüft und bearbeitet. Alle Autoren haben das Manuskript überarbeitet und das endgültige Manuskript genehmigt.

Korrespondenz mit Deyong Yu.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Nature Communications dankt Enayat A. Moallemi, Carlos Pozo und den anderen, anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit. Peer-Reviewer-Berichte sind verfügbar.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Han, D., Yu, D. & Qiu, J. Bewertung von Kopplungsinteraktionen in einem sicheren und gerechten Betriebsraum für regionale Nachhaltigkeit. Nat Commun 14, 1369 (2023). https://doi.org/10.1038/s41467-023-37073-z

Zitat herunterladen

Eingegangen: 04. Juni 2021

Angenommen: 01. März 2023

Veröffentlicht: 13. März 2023

DOI: https://doi.org/10.1038/s41467-023-37073-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.