EN中文

Resources Science >

2024 , Vol. 46 >Issue 8: 1460 - 1477

DOI: https://doi.org/10.18402/resci.2024.08.02

Drivers of the formation of collaborative network between herdsmen in rangeland governance: From the perspective of ecological fit

  • CHEN Liang , 1 ,
  • CHEN Haibin , 1 ,
  • SHAO Liqun 1 ,
  • WANG Shuai 2 ,
  • XIA Xianli 1 ,
  • ZHANG Han 1
Expand
  • 1. College of Economics and Management, Northwest A&F University, Yangling 712100, China
  • 2. Faculty of Geographic Sciences, Beijing Normal University, Beijing 100875, China

Received date: 2023-12-26

  Revised date: 2024-05-30

  Online published: 2024-10-08

Fold

Abstract

[Objective] Collaborative governance is increasingly important in coping with complex grassland resource and environmental problems under dynamic changes, but the effectiveness of governance also depends partly on the fit between the governing and governed systems, thus there is a need to embed a fit perspective for advancing the scientific understanding of the formation mechanism of collaborative governance network. [Methods] Based on the first-hand data from surveys conducted in 2020 and 2022 at Yangrang Village, Gonghe County, Qinghai Province, we constructed the social-ecological network of herders and rangeland using multilevel network and minimum building block methods, and further empirically examined the role of structural, actor attribute, covariate, and fit effects in the formation of collaborative governance network among herders using the multilevel exponential random graph model based on the description of the basic characteristics of the network. [Results] (1) The collaborative network is characterized by low density and high centralization, and each herder has two collaborative ties on average. (2) Among the structural effects, only ties closure promotes the formation of collaborative network, i.e., collaborative ties are more likely to be established between herders who share a common collaborative partner. (3) In the actor attribute effects, the activity effect is stronger than the homophily effect. For the former, social status, years of education and managed pastureland area all have a positive effect on the formation of collaborative ties; for the latter, collaborative ties are more likely to be established between herders with similar numbers of livestock. (4) Affective network has an entraining effect on the establishment of collaborative network, suggesting that collaborative ties are more likely to be established between herders with kinship or close blood ties. (5) Among the ecological fit effects, only sharing fit has a significant effect on the formation of collaborative network. [Conclusion] There is still much room for improvement in the collaborative governance of rangeland resources for herders. It is desirable to promote the establishment of collaboration among herders with similar capabilities and resources while letting self-organization and affective dependence play a role, and to make full use of the path of resource sharing to cultivate and develop collaborative governance. In addition, awareness and understanding of the ecological changes in grasslands and ecological linkages of pastures should be strengthened, and herders should be guided and encouraged to collaborate in solving the problem related to scale fit, in order to help herders break through path dependence and enhance the pathways and effectiveness of collaborative governance.

Key words： rangeland; collaborative governance; ecological fit; social-ecological network; multilevel exponential random graph model (ML-ERGM); Gonghe County in Qinghai Province

Cite this article

CHEN Liang , CHEN Haibin , SHAO Liqun , WANG Shuai , XIA Xianli , ZHANG Han . Drivers of the formation of collaborative network between herdsmen in rangeland governance: From the perspective of ecological fit[J]. Resources Science, 2024 , 46(8) : 1460 -1477 . DOI: 10.18402/resci.2024.08.02

1 引言

草地覆盖了40.5%的陆地表面，是全球陆地生态系统的重要组成部分，不仅在调节气候、固碳释氧和保护生物多样性方面至关重要，还具有很高的社会、经济和文化价值[1]。然而，全球近一半的草地已经或正在退化，严重威胁了生态安全和人类福祉[2]。第三次全国国土调查数据显示，中国拥有草地面积264.53万km2，其中天然牧草地213.17万km2（占80.59%）。丰富的草地资源是牧区发展的重要基础、牧业生产的重要基地和牧民生计的重要来源，但却面临着严重的退化压力[3]。进入21世纪以来，中央政府陆续出台并实施了多项草原生态保护与修复政策和工程项目，使得草原生态持续恶化的势头得到基本遏制，但截至2021年仍有70%的草原处于不同程度的退化状态[4]。事实表明，过度依赖自上而下的治理模式既耗费高昂治理成本，又难以摆脱草原退化困境。因此，当前亟需积极探索有效的草地资源治理新模式以推进牧区绿色发展，降低牧业生产成本，保障牧民生计，助力乡村振兴。
已有研究表明，协同治理通过自下而上的集体行动促进了行动者之间的知识传播、信息共享以及技术革新等过程，能够有效整合与利用资源，并推动异质性行动者彼此建立信任与互惠关系，是解决复杂资源环境问题的有效手段[5]。与草地有关的资源环境问题的突出复杂性决定了协同治理草地资源的必要性。首先，草地生态系统是跨越空间尺度的复杂实体，通常与各种人为划分的管理和行政边界不一致，治理能力受到制度破碎化的负面影响。特别是草畜双承包制度推广实施以后，草地在家庭之间细分并围栏经营，造成严重的草地细碎化问题。而草地退化、鼠疫虫害、物种入侵等生态问题并非仅发生于某一块草地上，这些问题跨越了家庭经营地块尺度，很可能对邻近乃至更远范围的其他草地造成外部性影响。而牧户通过信息交流、协调、合作等活动实现跨尺度协同治理（如分享天气与草场生态信息、共享牧道、联户共用草地等）是解决这一跨空间尺度问题的有效手段[6,7]；其次，草地生态系统具有不确定性和非线性演化特征，传统游牧知识和文化在面对气候和政策复合变化时越显不足，加之集体观念的逐渐淡化、牧户之间的互惠合作不断削弱，牧户独自适应变化的能力受到严重威胁[8]。因此，通过协同来推进牧户之间的社会学习过程，进而发展与时俱进的畜牧文化和生态知识，对于草地资源治理至关重要[9]。此外，牧户在认知、资源、能力、利益和价值需求等方面经常存在差异与冲突，缺乏或未能充分考虑这些问题可能导致治理惰性，削弱治理能力，而牧户间的协同则有助于解开这种治理僵局[3]。
协同治理涉及合作、协调和学习3种重要且相互影响的集体行动或协同过程[5]。①合作是指拥有不同观点和利益的行动者，通过谈判、协商以建立契约的方式解决高风险的公共物品供给和竞争性资源分配问题。例如，草地承包到户以后，部分社区仍然保持共用夏季草山，导致社区陷入“既要保障资源共享带来的收益，又要避免公地悲剧再次发生”的两难境地，而在放牧配额制度下的贷畜、代养和配额交易等协同过程则能够有效保障草地资源使用的公平性和可持续性[8]。②协调强调在拥有共同目标的行动者之间有效编排、组织多方行动以解决可能存在的搭便车或外部性问题。例如，围栏经营限制了牲畜移动、物种迁徙等生态过程，阻碍了草场之间的物质循环和能量流动，而牧户协商共建生态廊道则有助于维持草原生态系统的连通性，降低外部性风险[3]。③学习主要指经验分享、信息交流和集体审议，学习对象涉及到资源环境问题产生的生物物理过程、管理技术与政策以及协同伙伴的偏好等。例如，定居放牧和市场化冲击导致牧区年轻一代对本土生态知识和畜牧生产技术掌握不足，甚至表现出厌牧弃牧，传统牧区文化逐渐流失[10]；老一辈牧民的思维定势和路径依赖也阻碍了生态知识和生产技术的更新推广；牧民之间需要通过集体学习来达成共识，进而发展牧区文化和生态知识，提高其应对复杂社会与生态问题的适应能力。
资源协同治理已经得到大量文献的支持，但协同并不总能产生实质性结果，即协同治理可能会失效。如克服初始协同障碍的困难性、个体行为的可变性和不确定性、权力的非对称性以及协同的时效性等均会影响协同治理的成败[11]。更加值得注意的是，协同治理的制度安排和生物物理环境特征之间的一致性，即生态匹配[12]，对于有效解决资源环境问题的能力至关重要。作为制度匹配中的一种，生态匹配强调制度安排与资源环境问题的时间、空间和功能属性相一致，否则会导致治理失效[13]。例如，在草地资源治理过程中，基于演替均衡而开展的草地承载力评价并相应采取的载畜率控制措施，与多变、非均衡的草原生态时空特征并不一致，反而会造成草地退化[6]；为保证公平将草地平均分配到户而未考虑到草地的时空弱可分性，导致草地细碎化程度严重，反而增加了生产成本并加剧草地退化[14]；此外，作为生态连通性的重要组成部分，物种迁徙、种子传播和动物捕食等生态过程是草原生态系统提供产品和服务的必要基础，在治理中缺乏对生态过程的考虑也会造成不匹配问题[15]。例如，当具有潜在生态联系的两块草场被两个牧户分别管理时，由于缺乏充分和及时的反馈，可能导致外部性和级联效应[9]。由此可见，保障生态匹配是促进资源协同治理成功的关键。然而，前人对协同治理的研究通常集中在社会和政治过程[11]，在很大程度上忽视了生态系统的生物物理特征。尽管近年来越来越多的研究开始重视和发展这一领域[9,16⇓-18]，但生态匹配是否以及以何种方式影响协同治理并未得到清晰的回答。因此，亟需进一步推进对此问题的科学理解，即协同治理的制度安排是否以及在多大程度上“匹配”资源环境问题的具体特征。
解决上述难题需要从行动者的视角出发，考察协同行动者是谁、与谁协同以及如何协同。近年来在跨学科研究中取得重要进展的多级网络建模方法为解析上述问题提供了有效的分析工具[19,20]。一些研究开始采用社会-生态网络方法考察行动者和生态要素之间的匹配问题[16⇓-18,21]，解析资源治理过程中复杂纠缠的社会-生态关系。然而，运用社会-生态网络方法实证检验生态匹配是否以及在多大程度上影响资源协同治理网络形成的研究仍然有限。因此，本文从行动者视角出发，利用青海省共和县的实地调研数据，在分析草地资源协同治理网络结构特征的基础上，运用多级指数随机图模型考察协同治理网络的形成机制，创新性地揭示了生态匹配在推动牧户草地资源协同治理过程中的作用，以期拓展与制度匹配相关的案例研究，推进对资源协同治理这一复杂过程的理论见解，并为在动态变化背景下保护草原生态、促进畜牧产业发展、维持牧民生计提供政策参考。

2 理论基础

现有社会网络文献为揭示网络形成机制已经作了大量工作。例如，二次指派程序（QAP）被用于检验行动者个体属性和关系属性在网络形成过程中的作用[22]，但该方法未能考虑网络内生效应或结构效应，如行动者之间的关系传递性、同质性和择优连接机制（在社会科学中也称“马太效应”）。而指数随机图模型（Exponential Random Graph Model，ERGM）将网络内部结构、行动者属性及外生协变量一同纳入网络形成机制探讨中，能够有效弥补这一缺陷[23]。近年来，该方法在多个领域得到不断应用和发展[24⇓⇓⇓⇓-29]。然而，大部分ERGM研究仍仅局限于单层网络，而较少考虑不同层级网络关系之间的交互作用。随着多级网络的方法论进展，一些研究开始运用多级指数随机图模型（Multilevel ERGM，ML-ERGM）来考察复杂的跨层级网络交互关系，譬如分析社会与生态网络的内部及层间关系[16⇓-18,21]。尽管如此，实证检验社会、生态及其交互过程对整体社会-生态网络形成的影响研究仍然有限，相关结论和见解仍存在一定的争议。基于此，本文运用ML-ERGM，从结构效应、行动者属性效应、协变量效应和匹配效应4个方面解析协同治理网络的形成机制，并重点考察匹配效应的影响（图1）。
图1 草地资源协同治理网络形成机制框架图

Figure 1 A framework of the formation mechanism of collaborative network for rangeland resource governance

2.1 结构效应

结构效应发生于社会层面，是指先期存在的网络关系可能促进后续网络关系的形成，即网络自组织。由于网络关系形成的驱动机制仅仅源于网络内部过程，该效应也被称为“内生效应”。本文主要考虑两类网络自组织过程。
（1）桥接效应（ASA）。通常情况下，行动者倾向于与中心度较高（拥有较多直接关系）的其他行动者建立联系，即择优连接机制或马太效应[30]。具有较高中心度的行动者可以充当其他行动者之间的桥梁，这赋予了他们影响其他行动者之间的信息传播和资源流动的能力，这一结构也被用来代表桥接社会资本[31]。草地生态系统具有不确定性和复杂动态，牧户需要不断挖掘信息和资源，并通过社会学习和相互支持来适应变化。与所有或大量其他牧户建立直接协同关系显然是不经济且不现实的[5]，而桥接关系在信息交流和资源获取过程中具有“降本增效”的作用，因此处于中心位置的牧户自然受到其他牧户的偏好依附。基于此，提出假设：
H1a：中心度较高的牧户更可能与其他牧户建立协同治理关系。
（2）闭合效应（ATA）。网络自组织的另一个重要特征是“网络闭合”或“网络集聚”。随着时间的推移，共享网络伙伴的两个行动者之间也很可能建立直接联系从而形成闭合三角结构，例如现实中经常出现的“朋友的朋友是朋友”现象，这一结构在社会学中通常被称为纽带社会资本[31]。最新有关“风险假说”的研究认为[32]，由于闭合三角结构具备特有的“社会控制”功能，更适合解决高风险的资源竞争与分配问题，如共享土地和水资源的利用[18]。草地承包到户以后，牧区存在滥用集体草山和抢占公共水资源的“公地悲剧”风险[3]，牧户之间建立闭合三角关系有助于发展信任、避免冲突以及实施监督和制裁，从而能够降低风险发生的可能性。基于此，提出假设：
H1b：共享协同伙伴的牧户之间更可能建立协同治理关系。

2.2 行动者属性效应

关于行动者属性如何影响网络关系的形成，现有文献提供了丰富的理论和见解[18,32,33]。本文重点关注2个关键效应——扩张效应和趋同效应。
（1）扩张效应（Activity）。扩张效应强调关系的形成与行动者是否或在多大程度上拥有某种属性有关。一方面，具有较高威望和可信度的行动者容易获得他人偏好和期望[26]；拥有更多知识、资金和技术等资源的行动者往往受到资源匮乏者的青睐[18]。例如，作为党员或村干部的牧民不仅在村集体中具有较高的威信，还能够接触到更广泛的信息和资源；学识渊博或经验丰富的牧民在群体中往往也拥有较高的话语权，因此更可能拥有较多协同关系。另一方面，某些属性也可能促进行动者主动寻求与他人建立关系，从而充分挖掘信息和资源以满足自身需要[32]。例如，规模养殖牧户需要通过扩张社会关系以满足资金借贷、草地租赁、养殖技术学习的需求，从而实现更大的生产规模、提升生产效率。基于此，提出假设：
H2a：拥有更多资源和更高能力的牧户更可能与其他牧户建立协同治理关系。
（2）趋同效应（Homophily）。趋同效应表示关系的形成受到行动者之间某种属性相似性或接近性的驱动[18]。属性趋同嵌入到不同的社会背景当中，可能涉及个人信念和价值观、社会人口特征（种族、性别、年龄等）以及后天属性（教育、职业和经验等）[11,26]。一方面，属性的相似性降低了牧户合作的门槛，以此建立的关系也更易于维持[32]；另一方面，相似性有助于牧户重复互动，进一步加深彼此的信任和互惠从而推动建立协同关系[18]。基于此，提出假设：
H2b：属性相似的牧户之间更可能建立协同治理关系。

2.3 协变量效应

网络关系的形成也可能与外生情境因素有关[23]。一个典型的例子是，特定网络关系可能受到另一种外生的、事先存在的网络关系（通常为二元关系协变量）的夹带（Entraining）。牧户之间的协同关系可能建立在亲缘、血缘、地缘和业缘的基础上[34]。特别是，不同于一般社会活动，草地资源协同治理需要牧户投入大量资源与精力，过程中充满不确定性且存在背叛风险，而亲戚朋友之间拥有更高的信任和互惠水平，这为协同关系的建立与发展奠定了坚实的情感基础，社区内牧户之间的协同治理关系可能受到情感关系的推动并受其主导。因此，将牧户间情感关系作为二元协变量，并提出假设：
H3：牧户协同治理关系可能受到情感关系的夹带。

2.4 匹配效应

生态匹配同时涉及社会和生态层面，具体指协同治理网络结构应当与被治理的生态网络结构保持一致，可以分为共享匹配和尺度匹配两种类型[5]。
（1）共享匹配（TriangleXAX）。当两个或两个以上的行动者共享利用同一资源时，就会出现资源共享匹配挑战[9]。在草地承包到户以后，这主要体现为“保留的公地共享”和“私地共享”两种情况。
前者是指社区保留夏季草山供所有牧户放牧，这构成了典型的“公地悲剧”问题。集体保留的夏季草山是一种公共池塘资源，具有竞争性和非排他性，理性牧户都将努力攫取这一公共资源来实现自身利益最大化，很可能导致资源浪费甚至草地退化[35]。更加复杂的是，现实中规模牧户能够灵活调整生产投入，以充分利用公共资源扩大收益；而禀赋劣势牧户在资源共享当中缺乏“竞争力”，从而难以保障自身利益，最终导致贫富差距扩大和社会不公平加剧。研究表明，承包到户后有些牧区草场退化形势并未得到有效缓解甚至更为严重；围栏经营导致畜牧生产成本攀升，牧户并不想丧失资源共享所带来的益处[36]。而完全依赖政府干预或第三方监管来约束公共草地资源的使用和分配在牧区也实难可行。面对这一复杂挑战，牧户自组织建立协同关系并通过集体行动制定、执行和发展共同规则来协同治理共享草地资源有助于实现生态匹配，被认为是一种确保共享资源可持续利用的有效手段。
后者是指牧户为了创造资源共享收益而建立并发展协同关系，实践中表现为两个或两个以上的牧户通过多种形式联合使用草场，其本质上是草地、劳动力和资金的优化配置。例如，原本相邻的草地得以集中连片以便实现划区轮牧或休牧，距离和海拔差异较大的草地可以实现季节性轮牧，从而有效地适应了草地资源的时空异质性。此外，牧户还可以在此基础上协同商定轮流放牧、集资扩大牲畜规模或补偿禀赋劣势牧户，从而优化配置生产要素、提高生产效率并缩小贫富差距。然而，多以口头约定为主的草场联户共用可能产生一系列机会主义行为，如更多使用他人草地而减少使用自家草地、私自增加牲畜数量以及逃避集体劳动等，逐渐将集体行动推向“二阶困境”，致使集体行动面临解散的风险[3]。因此，需要发展更深入和紧密的协同治理关系并建立长期有效的利用和监督机制以维系这一集体行动，从而在生态匹配的水平上维持资源共享。综上，本文提出假设：
H4a：共享草场的牧户之间更可能建立协同治理关系。
（2）尺度匹配（C4AXB）。尺度匹配强调制度安排与生态问题在地理范围上的一致性。生态资源或生态要素之间往往相互依赖，存在生态连通性，如森林中不同栖息地斑块由于动物觅食、物种迁徙等生态过程相互联系，多块草地之间由于花粉传播、牲畜移动等过程相互联系。同时，有害物种入侵、病虫害等生态问题也将沿着生态过程传递，从而导致风险扩散与外部性影响。当这些生态问题与针对其所制定的制度或实施的管理活动在地理范围上不一致、不匹配时，就会导致尺度不匹配问题[5]。例如，当两个邻近草场由不同的牧户管理和使用而彼此之间缺乏交流与合作时，一方面可能导致草地之间原本的生态过程被阻断，损害生态系统整体服务与功能；另一方面，缺乏沟通致使信息堵塞也降低了系统反馈循环的紧密程度，导致系统难以充分和及时应对外部干扰，导致级联效应或阈值效应[9]，如杂草、毒草的扩散和优质草种的灭绝[6]。此外，还需要警惕资源治理过程中的负外部性，如对草场周围地下水的大量开采导致较高海拔地区牧户用水困难[3]，对入侵物种的扩散置之不理会对草地的生态和景观功能造成负向溢出效应等[37]。因此，牧户需要寻求交流与合作（如开设生态廊道、共享牧道）来建立协同关系，实现草地协同治理，提升草地管理制度与生态问题的一致性、匹配性，减少尺度不匹配问题。虽然近年来实证研究表明，行动者对协同管理生态连通性的意识往往较低，由此产生的协同行为也不常见，但实证检验促进尺度匹配的过程是否驱动了牧户协同行为的发生，对于推进对制度匹配的科学理解仍然十分重要。基于此，本文提出假设：
H4b：分别管理生态连通草场的两个牧户之间更可能建立协同治理关系。

3 研究方法、研究区概况与数据来源

3.1 研究方法

3.1.1 最小构建块方法

最小构建块方法能够明确捕捉特定关系形成过程中节点（牧户和草场）和连线（牧户-牧户、牧户-草场、草场-草场）的独特配置（表1），使得关系的形成过程能够在可观察的社会-生态关系模式中表现出来，为研究行动者如何选择协同伙伴，以及这是否取决于其与生态要素相联系的方式提供了有效手段[38,39]。结合理论分析与研究假设，本文利用最小构建块方法将结构效应、行动者属性效应、协变量效应、匹配效应表达为相应的构建块，并加入了3个控制构建块（表1）。其中，A2PA表示牧户建立多个开放三角关系，作为对ATA的控制；Star2AX表示牧户同时拥有协同治理关系与生态关系，作为对TriangleXAX的控制；L3XAX表示牧户协同治理非生态连通草场，作为对C4AXB的控制。
表1 网络构建块的命名与描述

Table 1 Names and description of network building blocks

构建块 名称 统计量 描述
结构效应
桥接效应 ASA 中心度较高的牧户充当其他牧户之间的桥梁从而建立协同治理关系
闭合效应 ATA 牧户建立闭合三角关系，这有助于解决高风险的集体行动问题[32]
行动者属性效应
扩张效应 Activity 具有特定属性的牧户与其他不具有或少有这一属性的牧户建立协同治理关系
趋同效应 Homophily 属性接近或相似的牧户之间建立协同治理关系
协变量效应
夹带效应 Entraining 存在情感基础的牧户之间建立协同治理关系
匹配效应
共享匹配 TriangleXAX 共享草场的牧户之间建立协同治理关系
尺度匹配 C4AXB 分别管理生态连通的草场的牧户之间建立协同治理关系
控制变量
A2PA 牧户之间建立开放三角关系，作为建立闭合三角关系的前提条件，控制此结构以保证ATA能够得到真实反映
Star2AX 牧户同时拥有协同治理关系与生态关系，控制此结构以保证TriangleXAX能够得到真实反映
L3XAX 分别管理非生态连通草场的牧户之间建立协同治理关系，控制此结构以保证C4AXB能够得到真实反映

注：黑色圆圈代表牧户，黑色方块代表草场，黑色实线代表社会关系（即牧户协同关系），灰色实线代表生态关系（即草场间的生态连通关系），灰色虚线代表社会-生态交互关系（即牧户与草场的管理关系）。

3.1.2 多级网络构建与分析

同步考虑社会属性和生态属性对社会关系形成的影响相当复杂，而多级网络模型非常适合厘清复杂系统中不同级别网络之间及其内部的联系[20]。本文运用社会-生态网络模型将牧户草地资源协同治理系统呈现为社会-生态两层交互网络[19]（图2）。其中黑色圆圈代表牧户，黑色方块代表草场，节点之间的连线用于描述社会或生态系统内部及相互之间的关系，具体包括牧户之间的社会关系（A层）、牧户与草场之间的社会-生态关系（X层）以及草场之间的生态关系（B层）。
图2 社会-生态网络示意图

注：表中节点与连线的符号、内涵与表1保持一致。

Figure 2 Schematic illustration of the social-ecological network

本文中3种类型的关系所代表的具体过程及定义见表2。邻接矩阵被用来存储节点之间的二值关系，“1”代表节点间存在关系，“0”代表不存在关系。在此基础上分别构建2个单模网络（社会网络、生态网络）和1个双模网络（社会-生态交互网络）。①社会网络构建。社会网络关系包括情感依赖、信息交流和资源获取关系。首先，以牧户为社会节点，以情感依赖关系为边，构建情感网络。接着，考虑到样本牧户信息交流与资源获取关系的重叠度较高，本文对两类关系进行了整合，即只要两个牧户间存在信息交流或资源获取关系中的任意一种或两种，就视为存在协同治理关系。以牧户为社会节点，以协同治理关系为边，构建协同治理网络。②生态网络构建。牛羊等牲畜的日常移动和高原鼠兔等啮齿类动物的迁移扩散是研究区草场生态连通性与外部性产生的重要渠道。本文根据牲畜一般日常活动范围和高原鼠兔等啮齿动物的潜在扩散距离选取了1 km的阈值[15]，利用ArcGIS软件对每块草场边界执行了阈值为1 km的缓冲区分析。当一块草场边界与另一块草场缓冲区存在交集时，便视二者之间具有生态关系。以草场为节点，以生态关系为边，构建生态网络。③社会-生态交互网络构建。以牧户为社会节点，以草场为生态节点，以牧户与草场之间的管理关系作为边，构建双模社会-生态网络。在所有网络构建完成以后，利用Ucinet软件对网络进行可视化和统计分析，并参照现有文献测算常用的网络统计指标[40]。
表2 网络关系类型

Table 2 Types of network relationships

类型 过程 定义
社会 情感依赖 牧户之间的亲缘或血缘关系
信息交流 气候和生态变化认知、放牧经验和生产知识与技术的交流与传播以及政策、牲畜保险和价格等信息的分享与同步
资源获取 草场、牲畜、资金、机械设备、劳动力等资源的共同支持与互助
生态 牲畜移动与物种扩散 牛羊等牲畜的日常活动范围和高原鼠兔等物种的最大潜在扩散距离[15]
社会-生态 草场管理 牧户在草场上进行的放牧、打草、挖虫草等利用活动，以及禁牧、草畜平衡等保护活动

3.1.3 属性变量选取

本文选取户主社会地位、受教育程度、放牧经验，家庭牧业劳动力、草场面积、牲畜数量和兼业类型（基于畜牧业收入占家庭总收入比重进行分类）7个牧户属性变量检验行动者属性效应（H2a和H2b）。变量定义及基本统计如表3所示。
表3 变量描述性统计

Table 3 Descriptive statistics of variables

属性变量 变量符号 定义与赋值 均值 标准差
社会地位 SS 户主是否为党员、干部或德高望重的老人，是=1；否=0 — —
受教育程度 EDU 户主的受教育年限 3.43 3.82
放牧经验 GEXP 户主放牧年限 22.79 14.34
牧业劳动力 PL 家庭中参与畜牧生产活动的劳动力人数 1.84 1.25
草场面积 PA 家庭正在使用的草场面积/亩 658.06 257.73
牲畜数量 LN 家庭年末牲畜存栏量/标准羊(a) 154.57 135.79
兼业类型 PTB 家庭为专业牧户=0；Ⅰ兼牧户=1；Ⅱ兼牧户=2；非专业牧户=3(b) — —

注：(a)1只蔵系羊/绵羊/山羊相当于1只标准羊，1头牦牛/奶牛/黄牛相当于5只标准羊，1匹马相当于6只标准羊[34]；(b)基于畜牧业收入占总收入比重划分：专业牧户≥95%>Ⅰ兼牧户≥50%>Ⅱ兼牧户≥5%>非专业牧户。

3.1.4 模型构建

ERGM是一种研究网络结构的统计模型，允许变量之间相互依赖，并能够将节点属性纳入到模型中，为调查网络关系形成机理提供了可靠的工具[23]。根据关系形成过程假说，ERGM选择相应的构建块对网络关系进行建模。通过对指定的构建块进行参数估计，并与模拟的随机网络进行对比，ERGM可以检验构建块是否以及在多大程度上影响了网络关系的形成。目前ERGM已经扩展到多级网络，并且已被应用于复杂的社会-生态网络研究[20]。
建模过程中，ML-ERGM将整体社会-生态网络作为被解释变量，将表征结构效应、行动者属性效应、协变量效应、匹配效应的最小构建块作为被解释变量（表1），同时固定生态网络和社会-生态网络（即假定生态网络和社会-生态网络不变），进而检验每个构建块对牧户协同治理网络形成的影响。具体模型如下：
          P r   ( A = a ,   X = x ,   B = b ) = 1 K ( θ ) e x p ( θ 1 E d g e + θ 2 S t r + θ 3 A t t + θ 4 E n t +           θ 5 F i t + θ 6 C o n t r o l )
式中：Pr为网络关系出现的概率；A、B、X分别为社会网络、生态网络及社会-生态网络变量；a、b、x分别为各网络的现实观测值；K为标准化常数；θi（i=1, 2,…, 6）为变量参数；Edge为边统计量；Str为结构效应，包括桥接效应和闭合效应；Att为行动者属性效应，包括扩张效应和趋同效应，具体属性如表3（受限于软件开发，分类变量仅可用于检验趋同效应）；Ent为协变量效应，本文中协变量属性为情感网络（Affective network, AFF）；Fit为匹配效应，包括共享匹配和尺度匹配；Control为控制变量，详见表1。
ERGM采用马尔可夫链蒙特卡洛程序（MCMC）模拟随机网络，并在给定观测网络的条件下采用极大似然法（MLE）估计统计量参数值，通过不断更新和调整参数直至模型收敛。大于2倍标准误的参数估计值被认为是统计显著的，相应统计量对网络关系的形成具有重要作用。显著为正的参数值表示相应统计量在真实网络中比随机网络中更多，表示其在网络中过度表达，对于关系的形成具有促进作用；显著为负的参数值则相反；当参数值不显著时，表示相应统计量对关系的形成既无促进也无抑制作用。ERGM还提供了拟合优度测试（GOF）以检验收敛模型中各变量的拟合效果，对于已经包含在收敛模型中的统计量，GOF-t比率（用于衡量变量拟合优度的t值）绝对值小于0.1或稍微高出0.1代表模型拟合良好；对于其他统计量，GOF-t比率绝对值需要小于2[23]。模型参数估计与拟合优度检验均在MPNet软件中运行。

3.2 研究区概况

羊让村地处青藏高原东北部的共和盆地，隶属青海省共和县廿地乡，北靠青海湖，南临黄河，当地平均海拔3100 m，年平均气温2.5 ℃，年降水量300 mm，寒冷、干旱是当地气候的突出特点（图3）。羊让村是典型的牧业村，畜牧业生产是当地居民的主要生计来源。然而，近年来气候快速变化导致旱灾、雪灾和鼠疫虫害等自然灾害频发，严重威胁到了羊让村牧民生计稳定与草原生态健康和安全；此外，人口增长、过度放牧、城镇化进程加速等人为因素加剧了草地退化风险，羊让村草地资源治理面临严竣挑战。20世纪80年代，“草畜双承包制”开始在牧区全面推广，羊让村草地资源治理经历了从“公地悲剧”走向“围栏陷阱”的演化和叠加过程[8]。2014年起青海省明确要求协同推进“高原美丽乡村”建设，为促进本地畜牧业发展和草地可持续利用，羊让村大力开展基础设施建设和生态环境保护工作，加强对集体草场的保护和利用，并鼓励以家庭为单位的互助合作，不断探索草地资源协同治理新模式。2018年羊让村针对“高原美丽乡村”建设作出进一步指示，要求各主体之间加强沟通协作，建设草地协同治理的联合联动机制，促进牧民增收和牧业健康发展。目前，羊让村畜牧业生产正处于快速发展与转型升级阶段，并在草地资源协同治理方面取得了一定成效，本文选取青海省共和县羊让村作为案例地可为畜牧业健康发展与草地可持续利用提供示范作用。
图3 共和县羊让村区位图

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2024)0650号的标准地图制作，底图无修改。

Figure 3 Location of Yangrang Village, Gonghe County

3.3 数据来源

本文以共和县羊让村为调查对象，开展了两轮实地调查。该村草地资源丰富，村民多为藏族，畜牧业是村民的主要收入来源。第一次调查于2020年7—8月开展，主要调查内容包括牧户家庭特征（家庭人口、牧业劳动力数量、年收入等）、户主特征（社会地位、受教育年限、放牧经验、健康状况和普通话水平等）、草场经营和畜牧生产情况以及牧户社会关系。为辅助捕捉牧户社会关系，在调查前要求村干部编制并提供全村村民花名册。访谈时，允许受访者从花名册中选取至多5个与其存在社会关系的其他牧户。受限于样本可获得性（部分牧户进山放牧和参加法会以致于无法受访，或存在语言障碍难以进行甚至拒绝访问），本文获取的社会关系是无向的，包括情感依赖关系、信息交流关系和资源获取关系。第二轮调查于2022年7月份进行，是对第一轮调查中的受访者进行补充调查。利用GIS软件探查每个牧户所使用草场的具体地理位置和边界，并在地图上进行标绘。综合两次调查数据，删除缺失值和错误值，最后共得到85个有效牧户和199块草场。

4 结果与分析

4.1 牧户基本特征

样本牧户户主和家庭特征的描述性统计如表4所示。从个体层面来看，户主绝大多数为30~60岁之间的男性（占78.82%），受教育程度普遍较低，接近90%的户主只具备小学及以下受教育水平，超过半数牧户普通话水平为“差”和“非常差”（共占51.77%），大部分牧户身体状况较好（报告显示88.24%的牧民处于“健康”或“非常健康”水平）；从家庭层面来看，绝大部分牧户家庭总人口不超过5人（占91.76%)，牧业劳动力数量也大多不超过5人（占98.82%），绝大部分家庭草场经营面积和牲畜养殖规模不超过1000亩和400标准羊单位（分别占样本总体的91.77%和96.47%），且总体收入水平偏低（84.71%的家庭年收入不超过100000元）。
表4 样本描述性统计

Table 4 Descriptive statistics of samples

基本特征 分类 频数 百分比/%
性别 男 69 81.18
女 16 18.82
年龄 (0, 30] 10 11.76
(30, 60] 67 78.82
(60, 100] 8 9.42
受教育程度 小学及以下 76 89.41
初中 4 4.71
高中及以上 5 5.88
健康水平 非常差 0 0.00
较差 1 1.17
一般 9 10.59
健康 7 8.24
非常健康 68 80.00
普通话水平 非常差 15 17.65
较差 29 34.12
一般 28 32.94
较好 10 11.76
非常好 3 3.53
家庭总人口数 (0, 3] 28 32.94
(3, 5] 50 58.82
(5, 10] 7 8.24
牧业劳动力人数 (0, 3] 79 92.94
(3, 5] 5 5.88
(5, 10] 1 1.18
草场面积/亩 (0, 500] 26 30.59
(500, 1000] 52 61.18
(1000, 1500] 7 8.23
牲畜数量/羊单位 (0, 200] 55 64.71
(200, 400] 27 31.76
(400, 600] 3 3.53
总年收入/元 (0, 50000] 43 50.59
(50000, 100000] 29 34.12
>100000 13 15.29

4.2 网络基本特征

网络基本统计指标测算结果如表5所示。社会层面，85个牧户之间分别存在109对情感关系和173对协同治理关系；情感网络和协同治理网络的密度均较低（分别为0.031和0.048），表明情感关系和协同治理关系的总数均较少。从集中度来看，相较于情感网络，协同治理网络的集中度更大（二者分别为0.066和0.572），表明协同治理网络关系分布更加集中。度数中心度相关指标（与节点有直接联系的其他节点的数量）表明，单个牧户最多拥有8条情感关系和51条协同治理关系，平均每个牧户约有2条情感关系和2条协同治理关系，两种社会关系的分布存在较大差异。在生态层面，199块草场之间共存在1234对生态关系，单块草场最多与26块草场存在潜在生态联系，但也存在少量孤立的草场，平均每块草场与12块草场具有生态联系，表明各草场之间生态联系紧密，符合真实情况。此外，85个牧户与199块草场之间形成了294条管理关系，平均每个牧户管理约3块草场。
表5 网络基本结构特征

Table 5 Basic structural characteristics of networks

指标 情感网络 协同治理网络 生态网络 社会-生态交互网络
节点 85 85 199 284
边 109 173 1234 294
密度 0.031 0.048 0.062 0.017
集中度 0.066 0.572 0.082 —
最大度数中心度 8 51 26 11
最小度数中心度 0 0 0 1
平均度数中心度 2.565 2.035 12.402 3.459
协同治理网络如图4所示（图中删除了孤立节点，即仅显示拥有至少一条协同治理关系的节点）。可以看出，协同治理网络较为稀疏，并且呈现出高度集中的态势：协同治理关系主要集中于部分社会地位较高的牧户，符合无标度网络特征。然而，节点颜色显示，协同治理关系在具有相同或不同兼业程度的牧户之间均存在，兼业类型对协同治理网络的形成是否具有趋同效应还需要进一步检验。
图4 牧户协同治理网络

注：节点形状表示牧户社会地位：三角形节点代表具有较高社会地位的牧户，圆形节点代表普通牧户；节点颜色表示牧户兼业类型：绿色代表专业牧户，红色代表I兼牧户，黄色代表II兼牧户，蓝色代表非专业牧户；节点大小表示牧户的度数中心度，节点越大，表示牧户拥有的协同治理关系越多。

Figure 4 Collaborative governance network of herding households

4.3 ML-ERGM结果

ML-ERGM模型参数估计和拟合优度检验结果如表6所示。本文对结构效应、行动者属性效应、协变量效应和匹配效应进行了逐步检验，由于纯结构效应存在模型收敛问题并未在此展示。根据最小马氏距离（Mahalanobis distance）准则，随着解释变量的逐渐增加，模型的拟合效果得到逐步提升；同时模型中的GOF-t值均小于或略高于0.1，表明所有变量均通过了拟合优度检验。在3个模型中，边（Edge）参数估计值均为负且统计显著，表明网络密度小于0.5，符合真实网络的典型特征。综上，模型对真实网络的还原能力较强，结果具有稳健性。
表6 ML-ERGM估计结果

Table 6 Estimation results of the multilevel exponential random graph model (ML-ERGM)

构建块 模型1 模型2 模型 3
参数 标准误 GOF-t 参数 标准误 GOF-t 参数 标准误 GOF-t
Edge -3.1312* 0.9889 0.0736 -3.8966* 0.9834 -0.1541 -3.8543* 1.0578 0.0810
结构效应
ASA -0.6885* 0.3067 0.0772 -0.7247* 0.2899 -0.1534 -0.6897* 0.2946 0.0803
ATA 0.4182* 0.1322 0.0574 0.4087* 0.1224 -0.1840 0.3981* 0.1269 0.0916
行动者属性效应
扩张效应
SS 0.7181* 0.2256 0.0683 0.8365* 0.2459 -0.1497 0.8572* 0.2531 0.1005
EDU 0.0480* 0.0189 0.1982 0.0540* 0.0204 -0.0199 0.0560* 0.0215 0.1897
EXP -0.0049 0.0063 -0.0849 -0.0057 0.0062 -0.2520 -0.0066 0.0063 -0.0784
PL -0.0517 0.0860 -0.1175 -0.0171 0.0945 -0.3024 -0.0161 0.0909 -0.1213
PA 0.0007* 0.0003 -0.0258 0.0008* 0.0003 -0.2477 0.0008* 0.0003 0.0135
LN 0.0007 0.0007 -0.1498 0.0005 0.0008 -0.3100 0.0007 0.0008 -0.1452
趋同效应
SS 0.2975 0.4682 0.0349 0.3121 0.4995 -0.0627 0.2236 0.5440 0.0450
EDU 0.0287 0.0239 0.2340 0.0367 0.0254 0.0381 0.0426 0.0253 0.2238
EXP -0.0022 0.0084 0.2298 0.0007 0.0089 -0.0112 -0.0006 0.0087 0.2014
PL 0.0367 0.0937 0.2632 0.0601 0.0980 0.0356 0.0644 0.0977 0.1859
PA 0.0006 0.0004 -0.1612 0.0007 0.0004 -0.2951 0.0006 0.0004 -0.1001
LN -0.0020* 0.0010 0.1176 -0.0021 0.0011 -0.1048 -0.0021* 0.0011 0.0870
PTB -0.1868 0.2199 -0.0727 -0.1753 0.2328 -0.2345 -0.2370 0.2429 -0.0568
协变量效应
AFF 3.2888* 0.2511 -0.0440 3.0572* 0.2693 0.0076
匹配效应
TriangleXAX 0.3577* 0.1678 -0.0132
C4AXB 0.0716 0.0648 0.0732
控制变量
A2PA 0.0419* 0.0062 0.0472 0.0452* 0.0062 -0.1736 0.0446* 0.0063 0.0818
Star2AX 0.0373 0.0934 0.1088
L3XAX -0.0369 0.0316 0.1304
马氏距离 1023 993 963

注：*表示在0.05水平上显著。

结构效应在3个模型中均统计显著。ASA参数值显著为负，表明这种结构在网络中表达不足，H1a未能得到支持。ATA与A2PA参数均显著为正，H1b得到验证。虽然ATA的形成既可以源于新底的出现也可以源于新边的出现，但A2PA作为控制结构能够确保ATA在网络中被真实反映出来而不是A2PA的偶然聚集，二者的参数均显著为正，表明共享协同伙伴的牧户之间更可能建立直接联系，强力支持了H1b。此外，A2PA也可以被解释为促进新关系形成的机会，说明虽然目前闭合效应对协同治理网络的形成具有较强的积极影响，但现实中仍存在大量未实现的协同机会。
行动者属性效应在3个模型中的显著性与作用方向基本一致，H2a与H2b得到支持。在扩张效应方面，社会地位（SS）、受教育程度（EDU）和家庭草场面积（PA）的参数估计值显著为正，表明户主为党员或干部或有威望的长者、户主受教育程度越高、家庭经营草场面积越大的牧户越可能与他人建立协同治理关系；在趋同效应方面，牲畜数量（LN）参数显著为负（连续属性变量的趋同性统计量测量的是绝对差异，显著为负的参数表明存在趋同效应），表明牲畜数量越接近的牧户之间越可能建立协同治理关系；然而其他属性均未表现出显著的趋同效应。综上，虽然支持H2a和H2b的属性十分有限，但结果表明属性效应对协同治理网络的形成仍然具有重要推动作用。
协变量效应十分显著。情感网络（AFF）的参数估计显著为正，表明牧户之间的情感关系对协同治理关系的形成具有显著的促进或夹带作用。换言之，具有亲缘或血缘关系的牧户之间更可能发生信息交流和资源共享的协同行为，H3得到支持。
匹配效应当中仅共享匹配是统计显著的。具体而言，社会-生态闭合倒三角（TriangleXAX）的参数估计显著为正，表明共享草场促进了牧户自组织建立协同治理关系。换言之，牧户间存在协同解决共享匹配问题的倾向性，H4a得到支持。社会-生态闭合四边形（C4AXB）参数估计不显著，表明实践中分别管理生态连通草场的两个牧户之间并不存在协同的趋势，即牧户间并不存在解决尺度匹配问题的倾向性，H4b未得到支持。二者的控制结构Star2AX和L3XAX均不显著也说明，不共享草地、管理非连通草地的牧户之间不具有协同的倾向。

5 讨论

ML-ERGM结果表明，牧户在草地资源协同治理过程中不仅根据网络自组织过程和能力属性选择协同伙伴，长期维系的亲缘或血缘关系也是决定其伙伴选择的关键因素。此外，尽管作用十分有限，牧户间协同也在一定程度上考虑了草地生态系统的特征，这一发现推进了对生态匹配在资源协同治理网络形成过程中作用的科学理解。
（1）结构效应。桥接社会资本的价值已经在自然资源治理文献中得到充分呈现。首先，桥接关系有助于在不同类型的行动者之间传递和交换信息与知识，例如在渔业资源开发利用过程中，不同类型的渔民通过桥接关系交流关键信息（鱼类资源丰富度和位置）并提升了对生态过程的理解[16]；其次，桥接关系是获取外部资源支持的有效途径，并且有助于在之前缺乏联系的行动者之间建立信任，从而促进异质性行动者（如普通农牧户与政府官员）之间的集体行动[31]；此外，伴随桥接关系出现的思想、观念、知识的多样性增强了创新和解决复杂问题的能力，从而增强了集体或个体适应能力[41]。然而，在本文的案例当中，桥接社会资本数量低于预期。但这并不意味着协同治理的低效，因为共享同一协同伙伴的牧户之间很可能也会建立直接关系，从而导致闭合三角结构高于预期，即桥接社会资本可以继续发展为纽带社会资本，这能够继续推动信息知识的发展与扩散、促进隐形知识（如对复杂生态系统的理解）的快速转移，以及增强互惠和信任并提升社区凝聚力[11,16]。本文的结果表明，这些过程很可能已经在研究区中展开，并且还可能不断强化（ATA与A2PA的参数同时显著为正）。然而值得警惕的是，过多的纽带社会资本也可能导致群体信息和知识的同质化，从而降低集体行动的有效性，强化当前观念并阻碍新思想的出现，产生太多凝聚力从而产生“锁定效应”[18,31]，并且个体为维护冗余关系需要投入更多精力与资源，最终将降削弱行动者适应变化的能力[5]。此外，有关“风险假说”的研究认为，纽带社会资本有助于解决高风险集体行动问题[39]，这似乎支持了本文中闭合三角结构对草地资源协同治理的正向促进作用。即便如此，在草地资源协同治理过程中仍需防范网络过度内聚所带来的系统僵化风险。
（2）行动者属性效应。①社会地位。本文研究发现，社会地位更高的牧户拥有显著更多的协同治理关系。可能的原因在于，一方面，相比于普通牧户他们拥有更多的正式和非正式权力，掌握更多的信息和资源；另一方面，他们在新技术和知识的扩散过程中发挥着“传”“帮”“带”的作用[42]。因此，在集体面对外部变化时，社会地位较高牧户的适应和转型尤为重要，例如，由天然放牧转向集中舍饲，生产经营规模化，以及非农产业培育与发展。②受教育年限。受教育年限显著正向影响协同治理关系的形成。显然，受教育程度越高的个体具有越强的理解、判断和接受新信息与新技术的能力，并能够更准确、快速地与他人分享，因此容易产生更多的协同。对工作场所社交网络的研究也表明，受教育水平越高的个体往往占据着办公室网络的中心位置[43]。③草场面积。经营更大面积草场的牧户能够建立更多协同治理关系，这可能得益于草地“三权分置”制度与草地流转政策的推进。为了促进草地规模化经营，政府正不断鼓励和引导草场向经营大户集中[44]。草场面积的相似性并未对协同关系的形成产生显著影响，可能的原因在于：草场面积主要与草地流转、草场联户共用等协同活动有关。前者可能发生于草场面积差异较大的牧户之间，也可能发生在持有草场面积接近的牧户之间，两种可能性的存在导致草场面积在草地流转中的趋同效应并不显著。后者主要受到草场位置邻近性的限制，牧户通常将相邻草场整合集中连片经营以提升草场整体性，而草场面积相似性并不是联户经营的首要考虑因素。④牲畜数量。牲畜养殖规模的相似性增加了牧户协同治理的可能性。研究指出，资源禀赋差距影响着牧户发起集体行动的意愿[3]。例如，牧户在合作的过程中存在“羊多的赚、羊少的亏”的心理，因而牲畜数量接近有助于牧户获得公平性感知，从而更容易建立协同治理关系。
（3）协变量效应。网络关系形成的协变量效应已经得到大量研究的支持，例如，隶属于同一组织的农户相互咨询建议更加频繁[28]。在本文中，血缘或亲缘关系为牧户协同奠定了良好的情感基础，因为他们更加信任彼此。虽然协同治理关系不仅仅是由情感关系所夹带，但在具有浓厚的亲缘和血缘观念的牧区社会当中，情感仍然是重要、可靠的社会资本之一。
（4）匹配效应。①共享匹配。本文研究发现共享草场的牧户间更可能建立协同治理关系，类似的结果也出现在了社区森林和渔业资源管理中。例如，共享森林斑块的部落间更倾向于合作[21]；利用相同渔场的渔民间由于捕鱼工具、时间、位置的高度重叠性，倾向于建立共同的捕获规则以避免渔业资源枯竭[16]。已有研究进一步发现，作为生态问题相关性的衍生问题——政策问题（Policy Issue）相关性在实践中也驱动了政策行动者（即拥有政策制定与修订权威的政府部门或其他参与主体）的协同。当两个政策行动者面临同一政策问题或任务（如流域水环境治理）时，彼此协同的可能性更高[32,33]。从生态匹配的角度来看，现有的草地资源治理相关制度安排与草原生态系统的时空特征可能存在错配[13]。这可能倒逼牧户通过协同来达成共识，并发展具有科学边界的资源使用模式，同时平滑制度与规则的实施过程，从而降低制度对生态变化响应的滞后，帮助系统迅速发现和识别资源环境问题的症状和原因。这种推进生态匹配在时空维度上一致的交互过程越来越成为发展协同的重要驱动力。简言之，解决共享匹配问题的集体行动需求推动了协同治理。②尺度匹配。本文进一步发现，分别管理生态连通草场的牧户之间并不存在协同的趋势。已有研究也发现，实践中生态要素的连通性很少促进行动者之间的合作[9]。如在马达加斯加森林斑块管理实践中，相互联系的两个森林斑块被分开管理时，各部落之间并不倾向于合作[21]。然而，在火灾等应急管理活动中，当不同的任务间相互依赖、相互影响时，行动者间存在明显的合作倾向[32]，可能是集体行动问题本身的特征造成了这种差异。生态连通性问题具有潜在的、非肉眼可见的特征，其有效管理依赖于行动者对问题的存在与严重性的感知与意识；同时生态连通性所导致的生态问题（如草地围封与开垦导致的生物栖息地破碎化问题）往往具有公共物品的特征，显然牧民自组织解决这种公共物品供给的问题往往意愿不足；加之土地产权与用途管制等相关法律和法规的约束，通过自下而上的集体行动来实现尺度匹配的情况并不常见[5]。相比之下，洪水、野火等自然灾害的预防控制显然与行动者个体利益密切相关，与应急响应有关的法律法规往往明确界定了行动者的任务与职责，灾害应急响应之后的常规性评估也能够帮助发现多任务间的相互依赖性，因此参与任务的行动者间也更可能形成通力合作关系。
根据“风险假说”相关研究，草地资源保护和可持续利用属于高风险合作问题。当其他行动者存在欺骗或搭便车的可能性时，参与协同的行动者面临着较高的损失风险[39]。集聚、闭合的网络结构由于其特有的监督、制裁等“社会控制”功能，有利于解决此问题[31]。此前对中国牧区社会网络的研究表明，由于近千年的部落游牧实践，牧民间早已形成了根深蒂固的信任与互惠社会规范[34,45]。这可能是网络闭合的重要驱动因素，进而在一定程度上解释了本研究区牧民间存在解决共享匹配问题的倾向性这一实证结果。反之，生态连通性导致的尺度不匹配问题的解决则属于低风险的协调问题，行动者不需要独自承担其他行动者背叛或不合作造成的损失风险。相应地，高集中度的社会网络在应对这一挑战时更为有效[5]，解决尺度不匹配问题需要中心性领导者发挥组织、协调的作用。本文中，牧户协同治理网络尽管存在高集中度的特征，但显然占据中心性位置的牧户可能由于认知、意愿、能力与资源不足等问题，并没有发挥其应有的作用。
尽管本文揭示了局地牧户草地资源协同治理网络形成过程中存在显著的资源共享匹配现象，但并未明确检验该类型生态匹配的资源治理效果。从理论上来说，生态匹配是资源有效协同治理的必要但非充分条件，社会与生态网络结构上的匹配仍然需要有效的监督、执法等规则保障[5]。然而，实证探讨生态匹配与资源协同治理绩效之间因果关系的研究仍然有限。Bodin等[27]通过对比肯尼亚近海渔场与马达加斯加农业景观两个案例中的生态匹配构建块的出现频率与资源利用可持续性水平，初步评估了生态匹配与生态保育效果之间的关系；Barnes等[16]运用ML-ERGM模型检验了肯尼亚5个珊瑚礁渔业社区在协同治理过程中的生态匹配水平，将其与渔场渔类生物量、功能丰富度比较，揭示了社会-生态闭合倒三角形（TriangleXAX）的关键作用。随着理论与方法进展，部分研究开始运用ERGM的扩展模型（如自动逻辑行动者属性模型）探讨生态匹配对协同治理参与个体投入、产出、适应能力的影响[41]。
本文拓展了与制度匹配相关的案例研究，推进了对动态变化景观中牧户资源协同治理网络形成机制的科学理解，为复杂性条件下完善牧区适应性治理制度与政策提供了关键依据。然而，本文仍存在一定的局限性：①制度匹配相关研究仅仅从理论上假设了协同治理的积极作用，匹配及其驱动的协同治理行为是否真正产生了期望的治理效果仍然需要进一步考察。换言之，实践中基于生态匹配的协同治理关系是否真正促进了集体行动（例如降低放牧强度）从而解决“公地悲剧”和“集体行动困境”问题还无法得出定论。②本文仅运用截面数据初步推断了协同治理网络形成的相关驱动因素，未来需要持续跟踪调查，为明确其因果关系提供更强有力的证据。③受经费与牧区调查困难，案例仅涉及一个村庄社区且行动者边界被限定在村内牧户上，在一定程度上限制了研究发现的适用范围。未来需要扩大行动者类型和生态要素范围以考虑更多的网络关系，通过不同自然、社会背景下的多案例比较研究提供更普适的科学见解。

6 结论与政策建议

6.1 结论

本文基于青海省共和县羊让村的实地调研数据，运用多级网络和最小构建块方法构建并微观表达牧户-草场两级社会-生态网络，在描述网络基本特征的基础上进一步运用ML-ERGM模型实证检验结构效应、行动者属性效应、协变量效应和匹配效应在牧户协同治理网络形成过程中的作用。主要结论如下：
（1）协同治理网络整体上具有低密度和高集中度的特征，关系数量较为稀疏，关系分布较为集中，少数牧户占据着网络的中心位置。
（2）结构效应中，闭合效应在协同网络中过度表达而桥接效应表达不足，表明共享协同伙伴的牧户之间更可能建立协同治理关系，牧户更倾向于发展闭合三角结构，并且仍存在建立新闭合三角结构的较大潜力。
（3）行动者属性的扩张效应突出而趋同效应较为微弱。对于扩张效应，社会地位、受教育程度和草场面积促进了牧户协同治理，即户主为党员或干部或有威望的长者、户主受教育程度更高、家庭经营草场面积越大的牧户更可能与他人建立协同治理关系；对于趋同效应，仅牲畜数量的相似性增加了协同治理的可能性。
（4）情感网络对协同治理网络形成具有夹带效应，即拥有亲缘或血缘基础的牧户更可能建立协同治理关系。
（5）共享匹配推动了牧户协同治理关系的建立，而尺度匹配驱动作用并不显著，即共享草场而非草场间的生态连通性促进了牧户之间的协同治理。

6.2 政策建议

以上研究发现的政策内涵如下：
（1）牧户草地资源协同治理仍有较大提升和优化空间。政府应积极鼓励和引导牧户建立更广泛、更均衡，多维度、高质量的协同治理关系，激发协同治理活力并推动协同治理行为落实，提升协同治理效果。
（2）充分发挥网络自组织在协同治理过程中的作用。发展桥接社会资本，提升处于中心位置的牧户的认知、意愿与能力，强化其在协同治理过程中的协调作用；挖掘纽带社会资本以增强社区凝聚力、提升协同治理效率，同时防范网络过度内聚所引发的“锁定效应”和系统僵化风险。
（3）充分利用扩张与趋同效应培育牧户协同治理网络。一方面，加强与草原生态和畜牧生产相关的知识、经验和技术的宣传和培训，提升牧户“软实力”为发展协同治理提供内在动力；进一步优化草场、牲畜等资源配置，推动适度规模经营，为协同治理提供“硬支撑”。另一方面，充分考虑资源禀赋和能力差距对协同治理的影响，努力缩小牧户间禀赋与能力差距，促进协同伙伴之间的属性匹配，提升牧户公平性感知，化解协同治理初始阻碍。此外，需要持续警惕扩张效应或趋同效应引起的贫富分化与阶层阻隔问题。
（4）注重保护和维系牧户之间传统的情感关系，防止情感关系的疏远与割离，同时增强牧户之间的交流强度与深度，提升整体信任和互惠水平，营造良好的社区合作氛围，稳固和扩展协同治理的感情基础。
（5）充分利用资源共享这一路径培育和发展协同治理，同时增强牧户对草原生态变化和草场生态联系的认识和理解，引导和鼓励牧户协同解决草地资源治理中的尺度不匹配问题，帮助牧户打破惯性思维、突破路径依赖，提升协同治理的有效性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Zhang M R, Zhang F, Guo L Y, et al. Contributions of climate change and human activities to grassland degradation and improvement from 2001 to 2020 in Zhaosu County, China[J]. Journal of Environmental Management, 2023, DOI: 10.1016/j.jenvman.202 3.119465.

[2]
Hou L L, Xia F, Chen Q H, et al. Grassland eco-logical compensation policy in China improves grassland quality and increases herders’ income[J]. Nature Communication, 2021, DOI: 10.1038/s41467-021-24942-8.

[3]
谭淑豪, 杜辉, 等.戴微著, 以集体行动促牧区草地资源走出治理困境[J]. 中国人口·资源与环境, 2023, 33(2): 176-187.

[ Tan S H, Du H, Dai W Z, et al. Overcoming the dilemma of grassland resource governance through collective action[J]. China Population, Resources and Environment, 2023, 33(2): 176-187.]

[4]
新华网. “十四五”时期我国将实施退化草原修复2.3亿亩[N/OL]. (2021-08-20) [2024-08-02]. http://www.news.cn/fortune/2021-08/20/c_1127780934.htm.

[ Xinhua. China to Implement 230 Million Acres of Degraded Grassland Restoration during 14th Five-Year Plan Period[N/OL]. (2021-08-20) [2024-08-25]. http://www.news.cn/fortune/2021-08/20/c_1127780934.htm.]

[5]
Bodin Ö. Collaborative environmental governance: Achieving collective action in social-ecological systems[J]. Science, 2017, DOI: 10.1126/science.aan1114.

[6]
董世魁, 杨明岳, 任继周, 等. 基于放牧系统单元的草地可持续管理: 概念与模式[J]. 草业科学, 2020, 37(3): 403-412.

[ Dong S K, Yang M Y, Ren J Z, et al. Sustainable grassland management based on grazing system unit: Concepts and mode[J]. Pratacultural Science, 2020, 37(3): 403-412.]

[7]
Sterner T, Barbier E B, Bateman I, et al. Policy design for the Anthropocene[J]. Nature Sustainability, 2019, 2: 14-21.

DOI

[8]
谭淑豪. 牧业制度变迁对草地退化的影响及其路径[J]. 农业经济问题, 2020, (2): 115-125.

[ Tan S H. Impacts and mechanisms of grazing institutional transitions on grassland degradation[J]. Issues in Agricultural Economy, 2020, (2): 115-125.]

[9]
Guerrero A M, Bodin Ö, McAllister R R J, et al. Achieving social-ecological fit through bottom-up collaborative governance: An empirical investigation[J]. Ecology and Society, 2015, DOI: 10.5751/ES-08035-200441.

[10]
赵昕月, 董世魁, 杨明岳, 等. 基于扰沌模型的青藏高原放牧社会-生态系统分析[J]. 自然资源学报, 2021, 36(8): 2125-2138.

DOI

[ Zhao X Y, Dong S K, Yang M Y, et al. Analysis of a pastoral social-ecological system in Qinghai-Tibet Plateau based on Panarchy[J]. Journal of Natural Resources, 2021, 36(8): 2125-2138.]

[11]
Henry A D, Lubell M, McCoy M. Belief systems and social capital as drivers of policy network structure: The case of California regional planning[J]. Journal of Public Administration Research and Theory, 2011, 21: 419-444.

[12]
Munck af Rosenschöld J, Vihma P. Achieving social-ecological fit in projectified environmental governance: Exploring vertical and horizontal dimensions[J]. Environmental Science & Policy, 2022, 136: 127-135.

[13]
Vantaggiato F P, Lubell M, Hummel M, et al. Creating adaptive social-ecological fit: The role of regional actors in the governance of sea-level rise adaptation in San Francisco Bay[J]. Global Environmental Change, 2023, DOI: 10.1016/j.gloenvcha.2023.102654.

[14]
张重, 龚健, 李靖业, 等. 基于信息量模型的三江源东部草地退化易发性评价: 以青海省果洛州为例[J]. 资源科学, 2022, 44(3): 464-479.

DOI

[ Zhang C, Gong J, Li J Y, et al. Grassland degradation susceptibility assessment of the eastern area of the Three Rivers Source region based on the information quantity model: A case study of Golog Tibetan Autonomous Prefecture, Qinghai Province[J]. Resources Science, 2022, 44(3): 464-479.]

[15]
Bodin Ö, Tengö M, Norman A, et al. The value of small size: Loss of forest patches and ecological thresholds in Southern Madagascar[J]. Ecological Applications, 2006, 16(2): 440-451.

PMID

[16]
Barnes M L, Bodin Ö, McClanahan T R, et al. Social-ecological alignment and ecological conditions in coral reefs[J]. Nature Com-munications, 2019, 10: 2039-2039.

[17]
Pahl-Wostl C, Lukat E, Stein U, et al. Improving the socio-ecological fit in water governance by enhancing coordination of ecosystem services used[J]. Environmental Science & Policy, 2023, 139: 11-21.

[18]
Bodin Ö, Chen H B. A network perspective of human-nature interactions in dynamic and fast-changing landscapes[J]. National Science Review, 2023, DOI: 10.1093/nsr/nwad019.

[19]
Bodin Ö, Alexander S M, Baggio J, et al. Improving network approaches to the study of complex social-ecological interdependencies[J]. Nature Sustainability, 2019, 2(7): 551-559.

DOI

[20]
Li Y Q, Yang A. Stakeholder influence, government power, and new opportunities for Chinese Internet companies: A multilevel network analysis of cross-sector networks[J]. Public Relations Review, 2022, DOI: https://doi.org/10.1016/j.pubrev.2022.102197.

[21]
Bodin Ö, Robins G, McAllister R R J, et al. Theorizing benefits and constraints in collaborative environmental governance: A trans-disciplinary social-ecological network approach for empirical investigations[J]. Ecology and Society, 2016, DOI: 10.5751/ES-08368-210140.

[22]
Marqués-Sánchez P, Martínez-Fernández M C, Leirós-Rodríguez R, et al. Leadership and contagion by COVID-19 among residence hall students: A social network analysis approach[J]. Social Networks, 2023, 73: 80-88.

DOI PMID

[23]
Lusher D, Koskinen J, Robins G. Exponential Random Graph Models for Social Networks: Theory, Methods and Applications[M]. Cambridge: Cambridge University Press, 2012.

[24]
郭建杰, 谢富纪. 基于ERGM的协同创新网络形成影响因素实证研究[J]. 管理学报, 2021, 18(1): 91-98.

[ Guo J J, Xie F J. An empirical study on the drivers of the formation of collaborative innovation network based on ERGM[J]. Chinese Journal of Management, 2021, 18(1): 91-98.]

[25]
徐建军, 安辉, 杨晓伟. “一带一路”跨国金融对出口贸易网络的影响研究: 基于指数随机图模型的实证检验[J]. 中国软科学, 2022, (6): 146-157.

[ Xu J J, An H, Yang X W. Effect of transnational finance on export trade network across the belt and road initiatives: Empirical test based on the expornal random graph model[J]. China Soft Science, 2022, (6): 146-157.]

[26]
Caceres R, Pittman J, Castrejón M, et al. The galapagos small-scale fishing sector collaborative governance network: Structure, features and insights to bolster its adaptive capacity[J]. Regional Studies in Marine Science, 2023, DOI: 10.1016/j.rsma.2022.1028 00.

[27]
戴靓, 丁子军, 曹湛, 等. 长三角地区城市协同创新网络的演化特征及其驱动力[J]. 资源科学, 2023, 45(5): 1006-1019.

DOI

[ Dai L, Ding Z J, Cao Z, et al. Change and driving forces of intercity collaborative innovation networks in the Yangtze River Delta region[J]. Resources Science, 2023, 45(5): 1006-1019.]

DOI

[28]
Giroux S, Kaminski P, Waldman K, et al. Smallholder social networks: advice seeking and adaptation in rural Kenya[J]. Agricultural Systems, 2023, DOI: 10.1016/j.agsy.2022.103574.

[29]
覃雄合, 李梁荣, 黄晓东. 基于指数随机图模型的全球跨境并购网络结构特征与形成机制[J]. 资源科学, 2023, 45(9): 1693-1709.

DOI

[ Qin X H, Li L R, Huang X D. Structural characteristics and formation mechanism of global cross-border M&A network: Based on exponential random graph model[J]. Resources Science, 2023, 45(9): 1693-1709.]

[30]
Ocelík P, Lehotský L, Černoch F. Beyond our backyard: Social networks, differential participation, and local opposition to coal mining in Europe[J]. Energy Research & Social Science, 2021, DOI: 10.1016/j.erss.2020.101862.

[31]
Bodin Ö, Crona B I. The role of social networks in natural resource governance: What relational patterns make a difference?[J]. Global Environmental Change, 2009, 19: 366-374.

[32]
Nohrstedt D, Bodin Ö. Collective action problem characteristics and partner uncertainty as drivers of social tie formation in collaborative networks[J]. Policy Studies Journal, 2020, 48(4): 1082-1108.

[33]
Hedlund J, Bodin Ö, Nohrstedt D. Policy issue interdependency and the formation of collaborative networks[J]. People and Nature, 2021, 3: 236-250.

[34]
钱琛, 邵砾群, 王帅, 等. 社会网络对牧户草地租入行为的影响: 以青海省门源县4个村为例[J]. 资源科学, 2021, 43(2): 269-279.

DOI

[ Qian C, Shao L Q, Wang S, et al. Influence of social network on grassland renting behaviors of herdsmen:A case study in four villages of Menyuan County, Qinghai Province[J]. Resources Science, 2021, 43(2): 269-279.]

[35]
庄淑蓉, 严祥, 陈睿山. “公地悲剧”的研究进展及其对资源可持续治理的启示[J]. 自然资源学报, 2023, 38(6): 1651-1666.

DOI

[ Zhuang S R, Yan X, Chen R S. Progress in the theoretical understanding and governance of “tragedy of the commons” and the implications for sustainable development[J]. Journal of Natural Resources, 2023, 38(6): 1651-1666.]

[36]
Gongbuzeren, Tan J, Zhang Q, et al. Rebuilding rural community cooperative institutions and their role in herder adaptation to climate change[J]. Climate Policy, 2023, 23: 522-537.

[37]
Lien A M, Baldwin E, Franklin K. Collective action and invasive species governance in Southern Arizona[J]. Rangeland Ecology and Management, 2021, 74: 151-164.

[38]
Huber M. How the qualities of actor-issue interdependencies influence collaboration patterns?[J]. Ecology and Society, 2022, DOI: 10.5751/es-13536-270406.

[39]
Angst M, Huber M. Who is satisfied with their inclusion in polycentric sustainability governance? Networks, power, and procedural justice in Swiss wetlands[J]. Policy Studies Journal, 2023, DOI: DOI:10.1111/psj.12515.

[40]
Laghridat G, Essalih M. A set of measures of centrality by level for social network analysis[J]. Procedia Computer Science, 2023, 219: 751-758.

[41]
Barnes M L, Wang P, Cinner J E, et al. Social determinants of adaptive and transformative responses to climate change[J]. Nature Climate Change, 2020, 10(9): 823-828.

[42]
薛彩霞. 农户政治身份对绿色农业生产技术的引领效应[J]. 西北农林科技大学学报(社会科学版), 2022, 22(3): 148-160.

[ Xue C X. Leading effect of households’ political identity on green agricultural production technology[J]. Journal of Northwest A&F University (Social Science Edition), 2022, 22(3): 148-160.]

[43]
张勉, 魏钧, 杨百寅. 社会资本的来源:工作咨询网络中心性的前因变量[J]. 管理世界, 2009, (5): 119-127.

[ Zhang M, Wei J, Yang B Y. Source of social capital: Precursor variables for the centrality of work consulting networks[J]. Journal of Management World, 2009, (5): 119-127.]

[44]
史雨星, 赵敏娟. 关系网络、社会互动与牧户草场转入行为: 草场流转市场转型期社会资本作用的再审视[J]. 农业技术经济, 2023, (1): 45-59.

[ Shi Y X, Zhao M J. Relationship network, social interaction and grassland renting-in behavior of herders: Re-examination of the role of social capital in the transitional period of grassland rental market[J]. Journal of Agrotechnical Economics, 2023, (1): 45-59.]

[45]
Ding R, Shao L Q, Chen H B. Curbing overstocking on rangeland through subsidies, rewards, and herders’ social capital: Lessons from Qinghai Province, China[J]. Journal of Rural Studies, 2021, 87: 361-374.

Options
Outlines

/

〈 〉