EN中文

地理学报 >

2025 , Vol. 80 >Issue 4: 905 - 920

DOI: https://doi.org/10.11821/dlxb202504004

理论与方法探索

中国边境口岸地缘风险模型构建与评估

  • 程艺 , 1 ,
  • 刘慧 , 2, 3
展开
  • 1.北京市社会科学院，北京 100101
  • 2.中国科学院地理科学与资源研究所，北京 100101
  • 3.中国科学院大学资源与环境学院，北京 100049
刘慧(1964-), 女, 陕西兴平人, 研究员, 博士生导师, 研究方向为区域可持续发展。E-mail:

程艺(1992-), 女, 四川广安人, 博士, 助理研究员, 研究方向为边境地理、地缘政治。E-mail:

收稿日期: 2024-02-22

  修回日期: 2024-12-02

  网络出版日期: 2025-04-23

基金资助

第二次青藏高原科学考察研究(2019QZKK1007)

中国科学院战略性先导科技专项(XDA20010103)

中国科学院地理科学与资源研究所所长基金项目(E3W30090YZ)

收起

Model construction and assessment for geo-risk at China's border ports

  • CHENG Yi , 1 ,
  • LIU Hui , 2, 3
Expand
  • 1. Beijing Academy of Social Sciences, Beijing 100101, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 3. College of Resource and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2024-02-22

  Revised date: 2024-12-02

  Online published: 2025-04-23

Supported by

The Second Tibetan Plateau Scientific Expedition and Research Program(2019QZKK1007)

Strategic Priority Research Program of the Chinese Academy of Sciences(XDA20010103)

Director Fund for Institute of Geographic Sciences and Natural Resources Research, CAS(E3W30090YZ)

Fold

摘要

边境口岸是阻止邻国风险入境的第一道防线，其风险状态直接威胁国家安全，影响边民生计和企业生存，当前对于边境口岸地缘风险的定量评估还较为缺乏。本文从概率和损失两个维度出发，构建了边境口岸地缘风险定量评估模型，融合多源时空数据开展中国口岸地缘风险测算、类型划分和特征分析。结果表明：① 中国边境口岸地缘风险压力逐渐西移，西南部边境口岸压力聚集，综合性功能的边境口岸呈现高风险压力状态。② 南部中缅、中越边境口岸地缘风险概率较高，北部边境的通道性节点口岸地缘风险概率突出。瑞丽在所有口岸中，地缘风险概率位列第一。③ 南部边境地缘风险的潜在损失集中，尤其“一带一路”途经的口岸和对外通道关键节点口岸的潜在损失较高。④ 口岸地缘风险整体呈现“南密北疏，多点均衡”格局，可划分为高风险、高概率、高损失、低风险4个类别，1/4的口岸呈现高风险状态。本文构建的地缘风险评估模型可为其他国家或区域的风险量化提供参考，评估结果可为中国边境安全的相关决策提供科学支撑。

关键词： 边境口岸; 地缘风险; 国家安全; 地缘场强; 中国

本文引用格式

程艺 , 刘慧 . 中国边境口岸地缘风险模型构建与评估[J]. 地理学报, 2025 , 80(4) : 905 -920 . DOI: 10.11821/dlxb202504004

Abstract

Border ports serve as critical frontlines against potential threats from neighboring countries, with their risk status directly impacting national security and the livelihoods of local residents and businesses. Despite this importance, there remains a lack of quantitative assessments of geo-risk at these border ports. This study addresses this gap by constructing a geo-risk assessment model based on the concepts of probability and potential loss. By integrating multi-source spatio-temporal data, the geo-risk at border ports is estimated for type classification and feature analysis. The results reveal several key findings: geo-risk stress is gradually shifting westward, with significant accumulation at southwestern border ports, and comprehensive border ports are experiencing heightened risk. Geo-risk probability is high at China-Myanmar and China-Vietnam border ports, with notable risks at northern transit node ports, and Ruili ranks highest in geo-risk probability among all ports. Potential losses are concentrated along the southern border, especially at critical nodes of external transit routes and ports along the Belt and Road. The overall spatial distribution of geo-risk at border ports follows a pattern of "dense in the south, sparse in the north, and balanced across multiple points,"with risks categorized into four types: high risk, high probability, high loss, and low risk, with approximately one-quarter of ports categorized as high-risk. This study enhances the understanding of border risk, and the constructed geo-risk assessment model provides a valuable reference for risk quantification in other countries or regions while offering a scientific basis for decision-making related to border security.

Key words： border ports; geo-risk; national security; geo-field; China

1 引言

边境地区对国家的核心地区以及战略腹地具有保护和缓冲作用[1]，是多重权力空间影响下的特殊脆弱地带。边境地区的重要战略性区位导致边境问题成为最敏感的政治地理现象[2]。在地区冲突日益加剧、能源和粮食价格大幅上涨、地缘政治紧张等多重危机背景下，全球边境地带的可持续发展目标（Sustainable Development Goals, SDGs）进程严重滞后[3]。正如英国政治家George Curzon所说，边境犹如悬挂在空中的剃刀边缘，牵引着战争与和平、国家生死等现代问题[4]。政治碰撞、经济交融、文化多元的边境地区也成为研究全球化过程的最佳实验室之一[5]。“冷战”结束后，边境地区作为世界政治和国际关系演变的风向标，成为全球冲突发生的主要地域，1990—2020年边境冲突事件占全球冲突总数的45%左右[6]。世界政治经济形势变革背景下的边境地区不断演化和重构，边境摩擦成为地区冲突的主要现象。南海地区、印巴克什米尔地区、中亚费尔干纳盆地等国家交界地带冲突不断，已演变成全球性热点问题。
中印边界争端、缅北冲突等边境风险问题影响中国边境安全与发展。跨境犯罪、传染病输入、“三股势力”渗透等风险因素长期造成边境治理与管控上的困难。同时，基于区位价值和战略博弈的多重属性叠加，中国边境地区由边缘地带演变为对外开放和国际合作的前沿，在国家发展格局中日趋重要。2013年习近平总书记提出的“一带一路”倡议提升了边境口岸的连接中转作用，将跨境经济发展与边境安全建设同步推进。“双循环”新发展格局要求促进更高水平的对外开放，边境口岸担当了国内国际双循环的重要联通功能。国家《“十四五”特殊类型地区振兴发展规划》的出台标志着边境地区的高质量振兴发展受到关注和支持。加强口岸地缘风险研究能够为中国边境安全与跨境发展提供科学支撑，具有鲜明的现实意义。
边境安全作为国家安全的基石，长期受到研究关注。国际关系学形成了梯度损失论[7]、安全困境[8]等解释边境冲突的理论。地缘政治学长期将边境作为“领土权力结构的接触点”[9]和“国家有机体中具备政治属性的末端器官”，对边境风险的认识聚焦于领土和利益争夺带来的战争和冲突风险。地缘政治理论中的破碎地带、过渡地带、中间地带、通道地带等多个概念均指向边境地区，其共有的不确定性和脆弱性特征构成了冲突形成的条件。此外，围绕边境安全和风险争论的核心是各种形式的风险问题[10]，Colin认为边境问题主要可以归纳为身份认同、控制自然资源、边界不确定性和安全，其中跨境资源利用、海上廊道构建、跨境移民问题等被认为是国家经常出现的边境问题[11]。在“9·11”事件之后，国际学术界加深了对“多孔边界”的担忧[12]，边界、安全、管控和流动及其关系成为关注焦点[13]。同时，中国具有悠久的边疆治理实践，“守中治边”“守在四夷”等边境治理思想影响深远[14]。20世纪90年代以来，边境贸易、边境口岸、边境安全、边境旅游、社会发展等研究内容逐渐成为中国边境地区的研究热点[15]。后疫情时代的边境研究更加关注安全建构与风险管控等内容。国内往往关注边境安全保障构建，主要对土地利用变化、旅游安全风险等内容展开评估[16-17]。边境口岸作为境外风险入境的主要通道节点，是边境风险研究的重要区域。然而，国内对边境口岸风险的研究集中在公共卫生、社会治理等领域[18-21]，传染病是入境风险管控的主流要素[22]，综合性的边境风险与安全研究有待深入拓展。
综上所述，现有的边境口岸风险评估主要聚焦于口岸本地要素，对影响口岸的邻国因素考虑不足；多数风险研究的指标泛化，难以展开定量化评估；缺乏跨越边界的风险计算方法，邻国影响下的边境口岸地缘风险研究有待丰富。鉴于此，本文创新性地提出边境口岸地缘风险定量评估模型，融合多源时空数据对边境口岸地缘风险进行综合测度和类型划分，以期为边境风险定量化研究提供相关参考，为中国边境安全提供科学依据和政策借鉴。

2 概念辨析

2.1 地缘风险

地缘风险是从地理学视角探讨特定区域、特定环境下的风险问题，地缘政治风险在地缘风险领域主要受到关注[23]，但忽略了经济、社会、生态等其他领域的风险表达。达沃斯世界经济论坛和David等将地缘政治风险的概念扩充为系统性、跨地域和跨行业的全球性风险[24-25]。地理学视角下的风险研究，强调地区所处的地缘环境影响，与国家风险、地区风险相比具有明显的多尺度视角；与贸易投资领域的风险相比，具有纯风险性和主体间性特征。郗笃刚等认为地缘风险表现为行为体间的地缘政治事件，引发区域内地缘结构和不同行为体战略的转变，导致对地缘主体产生的政治、经济等方面的不利影响[26]。李飞等认为地缘风险来源于国家面临的外部威胁及内部机制[27]。洪菊花认为地缘风险是由地缘因素引起的不利后果，具有主观性、客观性、主体间性、纯风险性等特点[28]。学术界普遍认为，风险指造成不利影响的可能性及其程度的结合[29]，需综合考虑风险概率与风险损失。因此，基于相关学者对地缘风险的解析，本文认为地缘风险指地缘体在多尺度风险要素的影响下，形成地缘风险概率，从而对地缘体造成一定损害的综合状态。

2.2 边境口岸地缘风险

边境口岸地缘风险尚无统一界定，且相关研究暂不丰富。从拆文解字来看，边境口岸特指位于边境地区具有对外交往功能的口岸，呈现出边缘性和通道性相结合的区位特征。在对外开发开放的背景下，中国边境口岸的边缘性降低，通道功能增强，本文将边境口岸地缘风险解释为邻国风险要素入境带来的影响。结合对地缘风险的界定，边境口岸地缘风险考虑了多尺度风险要素，风险损失在边境口岸可分解为生命健康、社会发展、国家安全3个方面。同时，风险具有明确的感知体，现有研究中多数地缘风险的感知体是国家。因此，本文以国家为主体视角，暂不考虑边境地方政府、边民等主体视角下的地缘风险。结合这3个概念综合形成边境口岸地缘风险的概念结构（图1）。
图1 边境口岸地缘风险的概念图示

Fig. 1 Conceptual diagram of geo-risk at border ports

本文认为边境口岸地缘风险指基于边境邻接性和跨境通道性，边境口岸受到邻国多尺度风险要素的影响，形成地缘风险概率，对边境口岸地区造成一定损害的综合状态。边境口岸地缘风险兼具客观性、主观性、主体间性、不确定性等特征，表现为显性状态和隐性感知的结合体。

3 边境口岸地缘风险模型

3.1 边境口岸地缘风险模型框架

自然科学领域的风险理论认为，风险是对致灾因子及其可能造成的损失之超越概率的估算[30-32]。风险评估的一般化模型表达式如下：
R = P L
式中：R表示风险；P表示风险事件发生的概率；L表示风险事件带来的潜在损失。
公式（1）奠定了边境口岸地缘风险模型构建的基础。本文基于风险评估的一般化模型，从边境口岸地缘风险概率和边境口岸地缘风险损失角度出发，搭建模型分析框架（图2）。① 边境口岸地缘风险生成于邻国与边境口岸的多种交互活动。基于近邻效应和场强影响，邻国是边境口岸地缘风险的主要来源；② 口岸通道是邻国风险入境的主要渠道，入境流量为邻国风险传播提供载体；③ 邻国风险和入境流量相互作用，对边境口岸形成风险压力，并产生风险概率；④ 基于边民生命健康、社会经济发展、国家安全通道3个维度，选择人口、经济和战略价值衡量边境口岸地缘风险的潜在损失；⑤ 结合边境口岸地缘风险概率与潜在损失进行边境口岸地缘风险评估，并展开空间特征分析。
图2 模型框架图

Fig. 2 Methodological framework

3.2 边境口岸地缘风险压力

借鉴大气污染输送的通量法和场强模型构建边境口岸地缘风险压力模型。大气污染物跨界输送通量法认为，单位时间内大气污染跨界输送强度为大气污染浓度、垂直于特定截面的风速、特定截面的面积三者之间的乘积[33]。移植到本文中，可将边境口岸地缘风险压力视为邻国到边境口岸的入境流量、邻国各栅格点地缘风险场程度、各栅格点面积三者之间的乘积。由于本文研究尺度均设置为1 km分辨率的栅格，栅格面积均为1，在公式中可省去。据此构建的边境口岸地缘风险压力模型为：
F = u - B R
式中： F表示边境口岸地缘风险压力； u -表示进入边境口岸的流量； B R表示邻国地缘风险场强。

3.2.1 口岸入境流量

口岸入境流量采用入境货运量和入境人员数综合计算得到：
u - = w g G + w c C
式中： u -表示口岸入境流量；G和C分别表示入境货物量和入境人员量；w为权重，由于货物和人员在风险携带和传播能力方面存在差异，专家判别 w g为0.3， w c为0.7。入境人员数和入境货物规模总量数据均来源于《中国口岸年鉴》。

3.2.2 邻国地缘风险场强

邻国地缘风险场借鉴物理学“场强”概念进行计算，该概念被广泛应用于社会学、地理学和政治学，例如熊琛然依托物理学“场强”概念提出了地缘权力场强关系模型[34]。借鉴已有研究，本文提出栅格尺度下的邻国地缘风险场强计算如下：
B R = ∑ i n N R i   / d α
式中： B R表示邻国地缘风险场强； N R i  表示邻国地点i的综合风险压力；d表示地点i到口岸的距离；α是距离衰减系数。由于邻国呈现的国家尺度的风险较为突出，且诸多风险指标均以国家尺度数据进行展示，因此在计算 N R i时，考虑了国家和地方两个尺度的风险，并通过人口空间权重将国家风险分配至地方，即公式（5）。
N R i = a k C R i + b L R i
式中： C R i表示i所在的国家尺度风险压力； L R i表示栅格尺度地点i的风险压力；a、b分别为国家风险压力和地方风险压力权重，专家判别a、b分别为0.3和0.7；k是人口空间权重，以i地人口密度与国家平均密度的比值表示。同时，k也是一个降尺度的栅格数据，通过人口空间分布权重栅格，将国家尺度的数据转换成了栅格尺度呈现。人口密度数据来源于NASA栅格尺度的人口密度数据（2.5弧分）。
（1）国家尺度地缘风险压力。从政治、经济、社会、生态4个维度计算邻国国家尺度风险压力，计算公式为：
C R i = ∑ θ 4 W θ C R i θ
式中： C R i表示国家尺度风险压力； C R i θ表示国家尺度不同维度风险； W θ表示不同维度风险的权重。通过构建国家风险压力评估指标体系（表1），计算邻国国家风险压力。
表1 邻国国家尺度地缘风险压力评估指标体系

Tab. 1 National-scale geo-risk stress assessment indicator system

准则层 指标层 权重 单位 作用方向 指标说明 数据来源
政治
风险		 军费支出占GDP比重 0.225 % 正 反映国家军事扩张意图 世界银行
政治稳定程度 0.217 - 负 反映国家的政权稳定性 全球治理指数
经济
风险		 国家外债占GDP比重 0.095 % 正 即外债总额占GDP之比，反映国家经济发展对外债的依赖程度 世界银行、国际货币基金组织
通货膨胀率 0.056 % 正 反映国家物价变动水平 国际货币基金组织、世界银行
对外贸易依存度 0.075 % 正 即进出口总额/GDP，反映国家的经济依赖于对外贸易的程度 联合国贸易和发展会议
社会
风险		 犯罪率 0.102 % 正 每十万人杀人犯罪率，反映国家犯罪事件发生强度 联合国开发计划署
失业率 0.074 % 正 反映国家的就业情况 世界银行
基尼系数 0.047 % 正 反映社会贫富差距 世界银行
生态
风险		 自然灾害死亡人数 0.078 人 正 反映自然灾害损害情况 灾害流行病学研究中心(EM-DAT)
自然灾害估计经济损害 0.031 美元 正 反映自然灾害损害情况 灾害流行病学研究中心(EM-DAT)
（2）栅格尺度地缘风险压力。从政治、经济、社会、生态4个维度计算邻国栅格尺度风险压力，计算公式为：
L R i = ∑ θ 4 W 2 θ L R i θ
式中： L R i表示栅格尺度风险； L R i θ表示栅格尺度不同维度风险； W 2 θ表示不同维度风险的权重。栅格尺度风险压力评估指标体系见表2。
表2 邻国栅格尺度地缘风险压力评估指标体系

Tab. 2 Grid-scale geo-risk stress assessment indicator system

准则层 指标层 权重 单位 作用方向 指标说明 数据来源
政治
风险		 武装冲突事件数量 0.103 次 正 反映地区的恐怖主义形势 全球恐怖主义数据库(UCDP)和ACLED冲突数据集
军事演习频次 0.188 次 正 反映邻国军事演习对本国边境地区形成的风险 全球新闻媒体事件库(GDELT)
争议边界线10 km
缓冲区范围		 0.151 km2 正 具有争议的国界线产生的风险，仅考虑中国与印度、中国与不丹的争议边界。 根据公开资料整理。考虑到历史敏感性以及官方史料缺乏，中国与邻国已经确定的历史争议边界并未纳入计算范围
经济
风险		 地缘经济风险程度 0.226 - 正 反映地区的地缘经济风险程度，经数据计算和空间定位处理 全球新闻媒体事件库(GDELT)
社会
风险		 民族动荡性程度 0.094 - 正 全球种族分布及民族动荡性数据 少数民族权利关系(GeoEPR)和少数民族风险(MAR)数据库
恐怖主义危害度 0.129 - 正 恐怖主义事件中危害性衡量，以(死亡+受伤人数)/发生频次计算表示 全球恐怖主义数据库(GTD)
(1970—2020年)
生态
风险		 灾害发生频次 0.109 次 正 反映自然灾害发生情况 地理定位的灾害数据集(GDIS)和灾害流行病学研究中心(EM-DAT)

3.2.3 距离衰减系数

按照地区研究惯例，距离衰减系数α取值为3[35]。由于青藏高原存在屏蔽效应，针对高原国家阿富汗、巴基斯坦、印度、尼泊尔和不丹，α取值为4，表示对距离极其敏感。d为地点i至口岸的空间距离，采取Mesquita分析国家权力与地缘政治关系时对国家间地理空间距离的修订公式进行计算[36]，公式如下：
d = l o g D i L T p d + ( 10 - e )
式中： D i L表示实际空间距离（km）； T p d表示交通工具时效，陆地上采用500 miles/d的速度，1 miles约为1.6 km，因此 T p d取值为312.5，e为欧拉常数，取值为2.71828。

3.2.4 边境口岸地缘风险压力模型

综合以上计算，边境口岸地缘风险压力模型表达为：
F = u - ∑ i n ∑ θ 4 ( a k W θ C R i θ + b W 2 θ L R i θ ) / d α
公式（9）是公式（2）的详细计算形式，也是对口岸地缘风险压力模型的系统性概括，参数解释同上。

3.3 边境口岸地缘风险概率

通过公式（9）计算4个年份的口岸地缘风险压力值。借鉴信息扩散模型，通过有限年份的地缘风险压力值计算口岸地缘风险概率。黄崇福教授系统提出的信息扩散理论，通过处理小样本带来的模糊不完备信息可得到样本不同风险的概率估计，被广泛应用到灾害风险评估工作中。其基本依据是：假设给定一个知识样本，用它可估计一个关系，直接使用该样本得出来的结果被称为非扩散估计；当且仅当该样本不完备时，一定存在一个适当的扩散函数和相应算法，使得扩散估计比非扩散估计更靠近真实估计[37]。信息扩散是对样本进行集值化的模糊数学处理方法，非常适合样本数量较少，已知的总体概率分布信息较少的边境口岸地缘风险评估。其中，最成熟的信息扩散模型是正态扩散模型。基于信息扩散理论的评估模型具体如下：
设口岸地缘风险压力论域为：
U = u 1 ,   u 2 , · · · ,   u m
口岸地缘风险压力样本集合为：
F = F 1 ,   F 2 ,   · · · ,   F n
单值观测样本点F按一定扩散方式将所携带的信息扩散给U中的所有点，即：
f i ( u j ) = 1 h 2 π e x p - ( F i - u j ) 2 2 h 2
式中：h为扩散系数，由样本集合中的最大值b、最小值a和样本点个数n确定。
h = 1.6987 ( b - a ) / ( m - 1 ) ,                   1 < n ≤ 5     1.4456 ( b - a ) / ( m - 1 ) ,                   6 ≤ n ≤ 7     1.4230 ( b - a ) / ( m - 1 ) ,                     8 ≤ n ≤ 9     1.4208 ( b - a ) / ( m - 1 ) ,                                 n ≥ 10
其相应的模糊子集的隶属函数为：
u x i ( u j ) = f i ( u j ) / ∑ j = 1 m f i ( u j )
式中： u x i ( u j )为样本点 x i归一化信息分布，将单值样本x映射成了一个以 u x i ( u j )为隶属函数的模糊子集 X *。对 u x i ( u j )进行处理，可以得到一种效果较好的风险评估结果。令：
q ( u j ) = ∑ i = 1 n u x i ( u j )
其物理意义是由 X经信息扩散推断出，如果口岸地缘风险指数只能取 U中的一个，在将 x i均看作是样本点代表时（包括部分在随机实验中没有出现的样本点），观测值为 u j的样本点个数为 q ( u j )。 q ( u j )通常不是一个正整数，但一定是一个不小于零的数。样本点落在 u j处的频率值如下，可作为概率的估计值。
p ( u j ) = q ( u j ) / ∑ j = 1 m q ( u j )
口岸地缘风险的超越概率估计值为：
P ( u j ) = ∑ k = j m p ( u k )
基于信息扩散理论，可根据1992年、2000年、2010年、2020年4个年份的边境地缘风险压力值，绘制2020年口岸地缘风险概率分布曲线。超过50%的概率代表风险事件具有中等以上程度的发生率，本文选取口岸地缘风险达到50%以上压力状态时的概率，即 P ( 0.5 )时的概率值，作为口岸地缘风险的概率值。令：
P = P ( 0.5 ) = p ,             ( u ≥ 0.5 )

3.4 边境口岸地缘风险潜在损失

口岸风险概率直接影响其所在城市的发展。本文以口岸所在的边境县为统计单元，考虑人口和经济作为主要的地缘风险潜在损失指标。此外，口岸具有强烈的地缘战略属性，从而增加口岸地缘战略价值损失度量。口岸地缘风险潜在损失采用综合评估方式，公式为：
L = ∑ j = 1 3 w j l j
式中： L表示口岸地缘风险潜在损失； l j表示不同维度损失； w j表示不同维度损失的权重。指标为2020年数据。指标体系和数据来源如表3所示。
表3 口岸地缘风险潜在损失评估指标体系

Tab. 3 Assessment indicator system for potential losses of geo-risks at border ports

准则层 指标层 权重 单位 指标说明 数据来源
人口损失 常住人口数量 0.331 人 边境口岸所在县级城市的常住人口数量 第七次全国人口普查数据
经济损失 GDP 0.272 万元 边境口岸所在县级城市的经济生产总值之和 《县域统计年鉴》
地缘战略损失 边境口岸地缘
战略价值		 0.397 综合评价
指标		 多维度综合评价的边境口岸地缘战略优势度 数据论文《丝绸之路经济带陆路边境口岸城市地缘战略优势度综合评估》

3.5 数据标准化及权重确定

本文收集了1992年、2000年、2010年、2020年各指标数据。其中，栅格尺度的数据采用ArcGIS软件统一处理到1 km栅格分辨率尺度。然后，将不同年份的指标数据采用极差标准化到[0,1]区间，以便消除不同指标单位的影响。极差标准化计算方式如下：
对于正向指标，标准化公式为：
X i j ' = X i j - m i n ( X j ) m a x ( X j ) - m i n ( X j )
对于负向指标，标准化公式为：
X i j ' = m a x ( X j ) - X i j m a x ( X j ) - m i n ( X j )
式中： X i j表示第i个年份第j项指标的数值； m a x ( X j )和 m i n ( X j )分别为所有年份中第j项指标的最小值和最大值。正向指标的值越大风险越高，负向指标的值越大风险越小。由于国家风险和地区风险指标较为复杂且存在交互影响，口岸地缘风险压力指标权重的确定本文采用层次分析法（AHP）和熵值法相结合的方式[38-39]，层次分析法选择的专家包括了国际关系、地缘政治和边境研究等领域的专家学者。口岸地缘风险潜在损失的指标权重采用层次分析法进行确定。

3.6 研究单元界定

本文对位于陆地边境的铁路口岸、公路口岸和水运口岸共计83个实体口岸进行评估。航空口岸的入境流量无法界定清晰的空间属性，管道口岸较难形成风险传播载体，海关电子口岸是实体口岸的电子数据申报平台，与评估的3类口岸无法统一比较，不纳入评估范围。本文栅格数据空间分辨率统一界定为1 km。东欧和中亚国家版图在1992年之后基本稳定，同时中国边境地区在1992年实现全面对外开放，因此选取1992年为研究的起始年份。边境口岸发展在短时期内变化缓慢，以10年为界，地缘风险压力评价的研究时段选取为1992年、2000年、2010年、2020年。

4 结果分析

4.1 边境口岸地缘风险压力与概率

4.1.1 边境口岸地缘风险压力

根据公式（9）计算中国边境口岸地缘风险压力结果，采用自然断裂法将其分为5级，其中限制型压力指存在边境口岸但无入境流量的情况（图3）。邻国综合地缘风险压力显示，阿富汗和朝鲜半岛两个世界级的全球热点冲突地区分布在中国边境附近[40]，宗教问题和领土争端等因素导致巴阿交界的北部地区风险程度最高[41]。阿富汗、巴基斯坦、印度对中国西藏、新疆边境地区形成了持续增强的邻近地缘风险场，并在边界争端、跨境资源利用等事件的交织叠加下不断放大风险影响。随着国家对外开放格局由“沿海为主”转变为“海陆并进”，北部、西部、西南部等内陆边境口岸压力增大，呈现由东向西转移的过程。2000年中国提出“兴边富民”行动和“西部大开发”战略，加大对边境地区的扶持和开放力度。二连浩特、满洲里、绥芬河和河口演变为高压力口岸。2010年中国在延续扩大对外开放政策的基础上，出台若干促进边境省区经济社会发展的意见，推动边境口岸进入深度发展期，口岸入境流量增多，同时越南、缅甸、吉尔吉斯斯坦、塔吉克斯坦等周边国家风险压力升高，综合性功能的边境口岸均呈现高风险压力状态。同时，中国与尼泊尔之间的樟木口岸由于入境朝圣僧众较多，呈现较高地缘风险压力。2020年疫情导致出入境管控严格，促进中缅、中俄等部分口岸压力降低。同时越南首都地区、缅甸北部地区以及中亚费尔干纳盆地和阿拉木图地区等地风险压力增大，绥芬河、满洲里、瑞丽、阿拉山口、二连浩特等口岸地缘风险仍处于高压力程度。空间上，口岸地缘风险压力主要来自缅甸、越南、俄罗斯等，瑞丽、凭祥、绥芬河、满洲里、二连浩特、阿拉山口等口岸长期处于较高风险以上压力状态。中缅、中越口岸由于边民聚居，边境贸易繁荣，聚集了大量商贸型流动人口[38]，人员出入境活动频繁，边境管控任务长期繁重。得益于青藏高原屏障作用和有限的入境流量，南亚地区的高强度风险对中国边境口岸形成的压力并不明显。在次区域合作深入推进和国家战略的叠加影响下，阿拉山口、满洲里、二连浩特等口岸功能逐渐由短距离跨境运输通道转向长距离贸易和运输中转节点，口岸腹地范围的扩大推动出入境流量迅速增长，相应的地缘风险压力也随之增加。
图3 1992—2020年中国边境口岸地缘风险压力时空演变

注：基于自然资源部标准地图服务网站审图号为GS(2016)1666号的标准地图制作，底图边界无修改。

Fig. 3 Spatio-temporal evolution of geo-risk stress at China's border ports from 1992 to 2020

4.1.2 边境口岸地缘风险概率

根据公式（10）~（18）计算口岸地缘风险超越概率，并选取概率较高的口岸进行展示（图4）。南部中缅、中越边境口岸地缘风险概率普遍突出。瑞丽在所有口岸中，地缘风险概率位列第1，在地缘风险压力大于80%时仍高达0.73，表示瑞丽口岸的地缘风险发生可能性极高。北部边境的通道性节点口岸地缘风险概率突出，如绥芬河、满洲里、二连浩特、阿拉山口等具有很高的地缘风险概率，但均在60%以上压力时迅速下降，在80%以上压力时降至0.3左右。满洲里的地缘风险概率变化与瑞丽较为相似，呈现地缘风险高发概率状态。二连浩特、阿拉山口、黑河在50%以上压力时约0.8，仍具有较高的地缘风险可能性。霍尔果斯、友谊关、畹町、南伞等在50%以上压力时约0.5，地缘风险发生的可能性处于中等水平。图中未列出的口岸在50%以上压力时，其超越概率在0.2以下，一般意义上发生地缘风险的可能性较低。
图4 1992—2020年中国边境口岸地缘风险超越概率分布

Fig. 4 Exceeding probability's distribution of geo-risk at China's border ports from 1992 to 2020

4.2 边境口岸地缘风险潜在损失

2020年中国边境口岸地缘风险潜在损失呈现明显的区域分化格局（图5）。南部边境地缘风险潜在损失空间集中，尤其中缅、中越边境口岸分布密集，包括战略价值高的河口、凭祥口岸，人口稠密的防城港市、靖西市、勐海县，以及经济相对发达的腾冲市、瑞丽市等。北部边境地缘风险潜在损失主要分布在东西两侧，其中丹东市地缘风险潜在损失最高，丹东是中国最大的边境城市，人口和经济在边境口岸中位居首位，更具有联通朝鲜半岛与欧亚大陆的重要通道价值。东部边境的珲春、满洲里作为多国交界的门户城市，是扼守东向出海口和西向通道的重要战略节点。密山、富锦、虎林等城市则是重要的人口聚集地。西部的霍尔果斯、阿拉山口、塔城等边境城市既是“一带一路”倡议的通道支撑点，又是国家西向开放的政策利好区，地缘风险潜在损失相对较高。
图5 2020年中国边境口岸地缘风险潜在损失空间分布

注：基于自然资源部标准地图服务网站审图号为GS(2016)1666号的标准地图制作，底图边界无修改。

Fig. 5 Spatial distribution of geo-risk potential losses at China's border ports in 2020

4.3 边境口岸地缘风险及类型划分

4.3.1 边境口岸地缘风险

根据公式（1），计算2020年口岸地缘风险的数值，并采用自然断裂法进行空间展示（图6）。基于边境口岸的分布基础，中国边境口岸的地缘风险呈现“南密北疏，多点均衡”的空间格局，中缅边境瑞丽口岸是风险最高的口岸。缅甸国内政治局势动荡且武装冲突不断，同时中缅边境分布着大量流动性跨境民族，导致边境交往频繁，而且中缅口岸是突破马六甲困局和“一带一路”建设的重要节点，地缘战略价值突出，综合形成了中缅边境口岸的高风险状态。越南由于经济高度依赖对外贸易而形成较高经济风险，以及中越边境城市的人口密集分布，包括东兴、河口、友谊关、南伞等中越边境口岸呈现高风险状态。东北边境的满洲里、绥芬河、黑河、珲春等口岸为较高风险状态，俄罗斯近年来政治、经济风险突出导致风险因素增加，同时“一带一路”倡议建设等因素推动中俄边境口岸地缘战略属性上升，中俄通道性口岸潜藏一定风险。北部边境线漫长，口岸分布较为分散，中蒙边境的二连浩特、甘其毛都、策克，以及中哈边境的阿拉山口、霍尔果斯风险相对较高，因跨境货物运输、战略地位重要和边境人口聚居而呈现高风险状态。此外，还存在策克等较高风险口岸和密山、虎林、乌拉斯台、巴克图等中等程度风险口岸，形成了风险程度多样、分散均衡的北部地缘风险格局。
图6 2020年中国边境口岸地缘风险空间分布

注：基于自然资源部标准地图服务网站审图号为GS(2016)1666号的标准地图制作，底图边界无修改。

Fig. 6 Spatial distribution of geo-risk at China's border ports in 2020

4.3.2 边境口岸地缘风险类型分布

计算口岸地缘风险概率和潜在损失的平均值，据此将口岸划分为高风险、高概率、高损失和低风险4种类型（图7）。中国边境口岸地缘风险概率与潜在损失的平均值交汇在(0.29, 0.38)附近。其中，高风险口岸共23个，约占所有边境口岸的1/4，囊括了重要通道性口岸和战略性支点口岸。满洲里、绥芬河、霍尔果斯、瑞丽等高风险口岸均是国家边境地区中对外开放的重要门户[18]，边境城市具有一定人口和经济规模，潜在损失较高。高概率口岸共8个，约占口岸总数的10%。南伞、章凤、沧源、片马均为中缅边境口岸，入境流量和邻国地缘风险压力较高，形成的地缘风险概率相对较高。甘其毛都、策克口岸是双边常年开放口岸，货物进口规模较大，是内蒙古自治区及陕西、甘肃、宁夏等省区共用口岸，深入影响内陆腹地[18]，存在较高地缘风险概率。2015年之前樟木是中国通向南亚次大陆最大的开放口岸，形成了中国与尼泊尔之间重要的旅游和朝圣通道，具有一定地缘风险概率。高损失口岸有13个，约占口岸总数的17%。除巴克图地缘战略价值损失突出以外，其余口岸均存在较高的人口或经济损失，主要分布在人口较为集中的滇桂边境。低风险口岸共38个，约占口岸总数的一半，主要位于中国北部边境，以季节性口岸和货物入境为主，入境流量、地缘风险压力和潜在损失均较低。
图7 中国口岸地缘风险象限图

Fig. 7 Geo-risk quadrant diagram for China's border ports

5 结论与讨论

5.1 结论

（1）综合地理学、灾害学等多学科对风险的阐释，本文提出地缘风险指地缘体在多尺度风险要素的影响下，形成地缘风险概率，从而对地缘体造成一定损害的综合状态。这一定义明确了地缘风险的来源与后果。基于这一定义，边境口岸地缘风险指基于边境邻接性和跨境通道性，边境口岸受到邻国多尺度风险要素的影响，形成地缘风险概率，对边境口岸地区造成一定损害的综合状态。
（2）1992年以来，中国边境口岸地缘风险压力呈现由东向西转移的过程，边境口岸功能的叠加和腹地范围的扩大导致地缘风险压力迅速增长。缅甸、越南、俄罗斯、蒙古国形成的地缘风险压力突出。地缘风险概率在南部边境和北部通道性口岸地区较高。地缘风险潜在损失呈现明显的区域分化态势，南部、东部和西部边境的地缘风险潜在损失最为集中，尤其“一带一路”倡议和对外通道关键节点的口岸潜在损失较高。
（3）1992年以来，中国边境口岸的地缘风险呈现“南密北疏，多点均衡”的空间格局。南部边境地缘风险较高且分布密集，北部边境风险程度多样、分散均衡。边境口岸可划分为高风险、高概率、高损失和低风险4种类型，约1/4口岸呈现高风险状态。
（4）边境口岸地缘风险模型是对风险压力、风险概率、风险损失的综合性表达。模型从邻国多尺度风险评估入手，基于距离衰减效应和流空间影响，评估边境口岸承受的邻国地缘风险压力，采用信息扩散模型将风险压力转化为风险概率，并结合口岸城市的潜在损失综合测度边境口岸地缘风险。

5.2 讨论

本文的贡献包括：① 不同于以往依赖史料和统计数据对边境风险的较主观评价，本研究从邻国风险对边境口岸的影响视角，借鉴通量法、场强模型、信息扩散模型等，从概率和损失两方面构建了边境口岸地缘风险评估的科学量化模型，为相关研究提供方法支撑；② 结合多源异构数据，整合了国家、边境县、口岸、栅格等跨尺度的风险传导因子，定量评估了中国83个陆地边境口岸的地缘风险空间格局，为中国未来边境口岸现代化治理、边境安全建设、口岸经贸发展等提供科学参考。
考虑到口岸地缘风险最显著的特征是邻国影响，本文从邻国输入的视角展开口岸地缘风险评价，并未考虑口岸本地风险和本国对边境口岸造成的风险。对于国际地缘政治变化、大国博弈对边境口岸风险的量化因缺乏有效的数据，本文暂未考虑。边境口岸地缘风险损失仅考虑了人口、经济、通道价值，未来可以探索更多数据来源和指标进行全面评估。参考史培军等提出的区域灾害系统理论[30]，今后可在研究结果基础上进一步从风险的暴露度、敏感性和适应性等维度评价口岸地区应对地缘风险的适应能力和韧性程度，并展开典型口岸的案例分析，剖析不同主体对不同地缘风险的感知，深化对地缘风险的模拟预测和应急管控研究，以便更好地为维护中国边境地缘安全提供决策支持。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Hu Zhiding, Luo Huasong, Li Cansong, et al. Triple functions of country border and its concerning optimized combination under the perspective of geopolitical security. Human Geography, 2012, 27(3): 73-77.

[胡志丁, 骆华松, 李灿松, 等. 地缘安全视角下国家边界的“三重功能”及其优化组合. 人文地理, 2012, 27(3): 73-77.]

[2]
Minghi J V. Boundary studies in political geography. Annals of the Association of American Geographers, 1963, 53(3): 407-428.

[3]
Cheng Y, Xu Z C, Liu H M. Sustainable development in global border regions. Science, 2024, 384(6702): 1309. DOI: 10.1126/science.adp0639.

[4]
Schofield C, Blake G H, Newman D, et al. The Razor's Edge: International Boundaries and Political Geography:Essays in Honour of Professor Gerald Blake. Berlin:Springer Netherlands, 2002.

[5]
Hachowiak H. Tourism and Borders:Contemporary Issues, Policies and International Research. Burlington: Ashgate Publishing Company, 2006.

[6]
Cheng Yi. Spatio-temporal differentiation and influencing mechanism of geo-risk in China's border areas[D]. Beijing: University of Chinese Academy of Sciences, 2023.

[程艺. 中国边境地区地缘风险的时空分异与影响机制研究[D]. 北京: 中国科学院大学, 2023.]

[7]
Boulding K E. Conflict and Defense:A General Theory. Lanham: University Press of America, 1988.

[8]
Herz J H. Idealist internationalism and the security dilemma. World Politics, 1950, 2(2): 157-180.

[9]
Spykman N J. Frontiers, security, and international organization. Geographical Review, 1942, 32(3): 436-447.

[10]
Cons J. Histories of belonging(s): Narrating territory, possession, and dispossession at the India-Bangladesh border. Modern Asian Studies, 2012, 46(3): 527-558.

[11]
Flint C. Introduction to Geopolitics. London: Routledge, 2016.

[12]
Wohlgemut E: Porous Borders: Maria Edgeworth and the Question of National Identity. London: Palgrave Macmillan UK, 2009: 71-94.

[13]
Zhu Jinchun. From "the edge of the country" to "boundary as the center": Issue update and paradigm shift in border research from the perspective of globalization. Guangxi Ethnic Studies, 2019(1): 65-74.

[朱金春. 从“国家之边缘”到“边界为中心”: 全球化视野下边境研究的议题更新与范式转换. 广西民族研究, 2019(1): 65-74.]

[14]
Fang Tie. A preliminary study on the ancient border control thought of "defending the central and governing the border" and "defending the four barbarians". China's Borderland History and Geography Studies, 2006, 16(4): 1-8, 147.

[方铁. 古代“守中治边”“守在四夷”治边思想初探. 中国边疆史地研究, 2006, 16(4): 1-8, 147.]

[15]
Cheng Yi, Liu Hui, Song Tao, et al. Progress and prospect of research on China's border areas from the perspective of human geography. Progress in Geography, 2022, 41(10): 1940-1955.

[程艺, 刘慧, 宋涛, 等. 人文地理学视域下中国边境地区研究进展与展望. 地理科学进展, 2022, 41(10): 1940-1955.]

DOI

[16]
Cheng Y, Liu H, Chen D M, et al. Human activity intensity and its spatial-temporal evolution in China's border areas. Land, 2022, 11(7): 1089. DOI: 10.3390/land11071089.

[17]
Zhang Hongmei. Research on evaluation of tourism security in border areas of Yunnan based on geo-environmental perspective[D]. Kunming: Yunnan University of Finance and Economics, 2020.

[张红梅. 基于地缘环境视角的云南边境地区旅游安全评价研究[D]. 昆明: 云南财经大学, 2020.]

[18]
Cheng Yi, Liu Hui, Zhang Fangfang. Cross-border infections in border port areas of China: Take COVID-19 as an example. Geographical Research, 2022, 41(3): 851-866.

[程艺, 刘慧, 张芳芳. 中国边境口岸地区传染病境外输入风险评估: 以新冠疫情为例. 地理研究, 2022, 41(3): 851-866.]

DOI

[19]
Xu Jun, Bo Huilong. Research on social governance risks of Jilong port in Xizang autonomous region under the background of "the Belt and Road". Qinghai Journal of Ethnology, 2019, 30(4): 74-79.

[徐君, 薄辉龙. “一带一路”背景下西藏吉隆口岸社会治理风险研究. 青海民族研究, 2019, 30(4): 74-79.]

[20]
Peng Shaohua. Social risk management of Horgos port in Xinjiang Uygur autonomous region[D]. Wuhan: South-Central University for Nationalities, 2016.

[彭绍华. 新疆霍尔果斯口岸社会风险治理研究[D]. 武汉: 中南民族大学, 2016.]

[21]
Liu Feng, Yu Shanshan, Ma Xiaoguang. The development of the early warning information system of infectious disease. Chinese Journal of Frontier Health and Quarantine, 2011, 34(1): 52-55.

[刘丰, 于珊珊, 马晓光. 口岸传染病风险预警与快速决策信息系统的开发与建立. 中国国境卫生检疫杂志, 2011, 34(1): 52-55.]

[22]
Xu Libo, Liu Feng, Sun Liping, et al. Research on risk assessment index system of infectious diseases at port. Chinese Frontier Health Quarantine, 2011, 34(3): 197-199.

[许丽波, 刘丰, 孙丽萍, 等. 口岸传染病风险评估指标体系建立的研究. 中国国境卫生检疫杂志, 2011, 34(3): 197-199.]

[23]
Caldara D, Iacoviello M. Measuring geopolitical risk. American Economic Review, 2022, 112(4): 1194-1225.

[24]
Bohl D, Hanna T, Mapes B R, et al. Understanding and forecasting geopolitical risk and benefits[D]. Denver: University of Denver, 2017.

[25]
World Economic Forum. Global Risks 2015. (2015-01-09) [2022-04-10]. https://www.weforum.org/publications/global-risks-2015/.

[26]
Xi Dugang, Liu Jianzhong, Zhou Qiao, et al. Geopolitical risks for the "Belt and Road" construction in Indian Ocean region. World Regional Studies, 2018, 27(6): 14-23.

[郗笃刚, 刘建忠, 周桥, 等. “一带一路”建设在印度洋地区面临的地缘风险分析. 世界地理研究, 2018, 27(6): 14-23.]

[27]
Li Fei, Cheng Shengkui, Yu Huilu, et al. National geopolitical vulnerability: A Myanmar case and implications for China's geopolitical policy. Progress in Geography, 2016, 35(6): 737-746.

DOI

[李飞, 成升魁, 于会录, 等. 国家地缘脆弱性探索: 缅甸案例及对中国地缘战略启示. 地理科学进展, 2016, 35(6): 737-746.]

DOI

[28]
Hong Juhua, Luo Huasong, Liang Maolin, et al. Study on the geopolitical risks of major projects of "the Belt and Road Initiative". Human Geography, 2018, 33(1): 130-136.

[洪菊花, 骆华松, 梁茂林, 等. “一带一路”重大项目地缘风险研究. 人文地理, 2018, 33(1): 130-136.]

[29]
Wu Shaohong, Pan Tao, Liu Yanhua, et al. Comprehensive climate change risk regionalization of China. Acta Geographica Sinica, 2017, 72(1): 3-17.

DOI

[吴绍洪, 潘韬, 刘燕华, 等. 中国综合气候变化风险区划. 地理学报, 2017, 72(1): 3-17.]

DOI

[30]
Shi Peijun. Theory on disaster science and disaster dynamics. Journal of Natural Disasters, 2002, 11(3): 1-9.

[史培军. 三论灾害研究的理论与实践. 自然灾害学报, 2002, 11(3): 1-9.]

[31]
Zinn J. Social Theories of Risk and Uncertainty: An introduction. New Jersey: Wiley-Blackwell, 2009: 5.

[32]
Sun Shaocheng. A study on the contents and methods of disaster assessment. Progress in Geography, 2001, 20(2): 122-130.

DOI

[孙绍骋. 灾害评估研究内容与方法探讨. 地理科学进展, 2001, 20(2): 122-130.]

[33]
Yang Liulin, Wang Xuemei, Chen Qiaojun. New method for investigating regional interactions of air pollutants. Acta Scientiae Circumstantiae, 2012, 32(3): 528-536.

[杨柳林, 王雪梅, 陈巧俊. 区域间大气污染物相互影响研究的新方法探讨. 环境科学学报, 2012, 32(3): 528-536.]

[34]
Xiong Chenran. Study on geo-relations of the great powers' strategic intersection area: A case of Indo-China Peninsula[D]. Beijing: University of Chinese Academy of Sciences, 2020.

[熊琛然. 大国地缘战略交汇区地缘关系研究: 以中南半岛为例[D]. 北京: 中国科学院大学, 2020.]

[35]
Huang Jinchuan, Sun Guiyan, Yan Mei, et al. The spatio-temporal evolution of urban field strength and pattern of autocorrelation among cities in China. Geographical Research, 2012, 31(8): 1355-1364.

[黄金川, 孙贵艳, 闫梅, 等. 中国城市场强格局演化及空间自相关特征. 地理研究, 2012, 31(8): 1355-1364.]

[36]
Mesquita B B D. The War Trap. New Haven: Yale University Press, 1981.

[37]
Huang Chongfu, Zhang Junxiang, Liu Jing. Applications of fuzzy information optimization technology. Information and Control, 2004, 33(1): 61-66.

[黄崇福, 张俊香, 刘静. 模糊信息优化处理技术应用简介. 信息与控制, 2004, 33(1): 61-66.]

[38]
Song Tao, Cheng Yi, Liu Weidong, et al. The spatial disparity and impact mechanism of geo-economy in the border areas of China. Acta Geographica Sinica, 2017, 72(10): 1731-1745.

DOI

[宋涛, 程艺, 刘卫东, 等. 中国边境地缘经济的空间差异及影响机制. 地理学报, 2017, 72(10): 1731-1745.]

DOI

[39]
Liu Haimeng, Hu Senlin, Fang Kai, et al. A comprehensive assessment of political, economic and social risks and their prevention for the countries along the Belt and Road. Geographical Research, 2019, 38(12): 2966-2984.

[刘海猛, 胡森林, 方恺, 等. “一带一路”沿线国家政治—经济—社会风险综合评估及防控. 地理研究, 2019, 38(12): 2966-2984.]

DOI

[40]
Xing Guangcheng. Neighboring countries, neighboring diplomacy and China's borderland. China's Borderland History and Geography Studies, 2018, 28(3): 1-11, 212.

[邢广程. 周边、周边外交与中国边疆. 中国边疆史地研究, 2018, 28(3): 1-11, 212.]

[41]
Chen Xiaoqiang, Yuan Lihua, Shen Shi, et al. Analysis of the geo-relationships between China and its neighboring countries. Acta Geographica Sinica, 2019, 74(8): 1534-1547.

DOI

[陈小强, 袁丽华, 沈石, 等. 中国及其周边国家间地缘关系解析. 地理学报, 2019, 74(8): 1534-1547.]

DOI

Options
文章导航

/

〈 〉