黄河中下游地区城市脆弱性空间异质性分析

张仁杰,董会忠

(山东理工大学 管理学院，山东 淄博 255012)

随着城镇化进程的加快，大量人口流入城市，对城市的基础设施、环境治理、社会保障等方面带来了压力，而脆弱性是衡量系统压力的一种有效方法。脆弱性的概念来源于自然灾害的分析研究[1-4]，以脆弱性为指标的评价体系，能够清楚地反映外界冲击(自然因素)和内部结构(人为因素)对系统的胁迫程度，对系统演进状态起到预警作用，从而维持系统持续有序运行。目前，对脆弱性的研究和应用已经不仅局限于自然灾害学科，逐渐拓展到管理学、生态学、经济学等众多学科交叉的领域[5]。城市脆弱性研究能够对城市所处的状态进行客观地描述，发现城市运营过程中潜在的发展瓶颈，对缓解城市压力、降低城市脆弱性、实现城市可持续发展具有重要意义。

现阶段，脆弱性研究涉及到各个领域，但对脆弱性概念表述却不尽相同。Cutter等[6]将脆弱性定义为风险，即系统遭受外界或内部冲击的可能性大小，其侧重点在于概率的大小，可以作为定量分析；而Tunner等[7]将脆弱性看作系统遭受冲击后所造成的损害程度，可以看作定性分析；Berry等[8]主张从定性与定量相结合的角度研究城市脆弱性；唐国平等[9]认为脆弱性是暴露、敏感、适应等概念的集合，从定性分析的角度界定了脆弱性概念。可以看出，不同学者所研究的角度与侧重点不同，对脆弱性的概念界定也存在差异。本文借鉴现有学者的研究成果将脆弱性看作系统的固有特性：系统自诞生起便面临着外部冲击和内部扰动的影响而进入脆弱性状态的可能，这是无法通过调整而消除的，只能通过采取一定的措施来维持系统处于相对平衡的状态。

脆弱性在区域规划、城市建设方面有着广泛的应用，城市脆弱性成为众多学者研究的热点问题，其研究角度也是多种多样：从生态角度，马骏等[10]借助空间主成分分析方法对三峡库区生态系统进行了脆弱性分析，并指出三峡库区的脆弱性呈两极化发展；从资源角度，杨琴等[11]运用PSR(Pressure-State-Response)模型对湖南省水资源的脆弱性做出分析，并结合GIS技术将结果可视化；从经济角度，袁海红等[12]从产业易损程度、企业属性、街区经济密度等方面对北京海淀区的经济脆弱性进行了研究，但其研究过程中存在调查问卷数量少、评分带有强烈主观性的问题。以上学者是从单一方面来研究城市脆弱性，虽然能够很好地反映出城市系统中某一方面的脆弱性程度，但是缺乏对系统的整体把握，忽略了系统各部分的相互联系。现阶段，对于城市脆弱性研究的对象转向要素间的耦合系统，重心转变为时空演进和驱动机制探究[13-21]。

城市脆弱性的研究方法多种多样，“暴露-敏感-适应”模型是研究城市脆弱性的常用模型，其缺点在于赋权过程中往往带有强烈的主观性，并且指标体系的合理程度、完善程度及赋权方法对结果的准确性有直接影响。对此，本文在原有模型的基础上添加恢复力指标，并采用因子分析法消除赋权过程中的主观因素影响，保证测度结果的准确性、合理性。

1 研究区域和数据来源

1.1 研究区域概况

黄河中下游地区包括陕西省、山西省、河南省、河北省、山东省及天津市、北京市，共68个地级和地级以上城市。区域内城市经济发展水平差异大：既包含北京、天津、青岛等经济发展水平高的城市，又包含铜川、渭南等经济相对落后的城市，从整体上呈现出东部、北部地区经济发达，西部、南部地区经济落后的格局。该区域石油、煤炭、钢铁等资源丰富，依托区位优势和资源优势形成了丰富的城市类型，其中包括大同、榆林等煤炭资源型城市，青岛、威海、烟台等海洋资源型城市，除资源型城市之外，还有北京、天津等服务型城市，唐山、淄博、石家庄等工业型城市。区域内生态景观异质性明显：山西、陕西等地区山地、丘陵、湿地等景观生态系统交错分布，其中包括最大的黄土聚集区——黄土高原，该地区大陆性气候特征明显，雨季集中，水土流失严重，生态环境脆弱；郑州花园口以东的下游地区生态景观以平原、湿地、农田等为主，植被类型丰富，生态系统稳定性高。黄河中下游地区城市差异明显，城市脆弱性研究对于缩小城市间差距、提高城市稳定性、实现可持续发展有重要意义。

1.2 数据来源

数据来自于《中国城市统计年鉴》(2005—2017)、《中国统计年鉴》(2005—2017)、《中国工业统计年鉴》(2005—2017)、《中国环境统计年鉴》(2005—2017)、《中国卫生统计年鉴》(2005—2013)及各省份相应统计年鉴。其中，地均GDP、失业保险参保率、养老保险参保率、新农合参保率、医疗机构密度等指标由计算得到。

2 研究方法

2.1 指标体系构建

采用“暴露-敏感-适应”模型能够较好地反映出城市系统的脆弱性程度，但也存在缺陷：暴露性能够反映出脆弱性的影响因素；敏感性表明系统对脆弱性的反应程度；适应性指的是城市系统在应对外界扰动(或内部冲击)时，通过自身的一系列变化(多为指标的变化)来确保整个系统能够继续运行的一种能力。该模型忽略了系统在受到冲击扰动后，对扰动所造成的创伤进行自我修复的能力，即恢复力。恢复力与适应力的区别在于发挥作用的方式不同：适应力是系统的被动自我保护，而恢复力是系统的主动防御，城市系统中，除了系统的自我修复，还包括人为的修复(城市建设投资、造林面积等)。因此，建立“暴露-敏感-适应-恢复”模型可以更加全面、合理地反映城市系统的脆弱性程度。

城市属于复杂适应系统，是要素聚集的必然结果，由于要素的特殊性，因此，城市系统也表现出不同特征。首先，城市系统的复杂性，城市中包括经济子系统、生态子系统、人口子系统等等，这些子系统之间相互耦合，相互影响形成了城市的复杂性。其次，城市系统的动态性，在城市演化过程中，各子系统相互促进又相互牵制，造成了城市的复杂性。所以，在建立城市脆弱性指标体系时应当充分考虑城市系统独有的特征，保证指标体系的科学性、合理性。

因此，本文在“暴露-敏感-适应-恢复”模型的基础上，从生态、能源、社会、经济四个方面建立指标体系,见表1。

表1 城市脆弱性指标体系
Tab.1 Urban vulnerability index system

一级二级三级暴露性S1生态A11年降雨量;年平均气温;绿地面积;建设用地比重能源A12工业耗能比重;一次能源消耗总量;第三产业耗能比重社会A13人口密度;人口自然增长率;乙类法定报告传染病发病率经济A14GDP;第三产业产值比重;货运总量敏感性S2生态A21工业废气排放量;工业废水排放量;烟尘排放量;单位GDP碳排放量能源A22单位GDP煤耗;单位GDP电耗;一次能源输入量社会A23失业率; 初中及以下学历人口比重;5口以上家庭占比;城区排水网密度;急诊抢救成功率经济A24GDP;人均储蓄年末余额;城市居民可支配收入;人均GDP;地均GDP;居民价格消费指数;客、货运总量;城市恩格尔系数适应性S3生态A31固体废弃物利用率;污水集中处理率;生活垃圾无害化处理率能源A32能源消耗总量增速社会A33科研机构数量;医疗机构密度;固定资产投资额;乙类法定报告传染病治愈率;公共财政支出经济A34第三产业比重;外资企业数量比重恢复力S4生态A41建成区绿化覆盖率;环境污染治理投资额能源A42单位GDP煤耗下降比重;单位GDP电耗下降比重;新能源开发投资额;新能源供给量;新能源公共交通设施比重社会A43失业保险参保率;养老保险参保率;新农合参保率;教育支出比重;科技支出比重;城市维护建设投资额;适龄儿童疫苗接种率经济A44规模以上企业利润;实际外资引用额;外资企业产值比重;对外出口总值

1)生态指标

年降雨量、年平均气温反映出该区域气候状况。绿地面积、建设用地比例、建成区绿化覆盖率等指标反映出该区域的土地利用情况。工业废气、废水、烟尘排放量、单位GDP碳排放量等指标反映该区域污染物排放情况。固体废弃物利用率、污水集中处理率、生活垃圾无害化处理率、环境污染治理投资额等指标反映该区域环境治理力度。

2)能源指标

工业耗能比重、一次能源消耗总量、第三产业耗能比重等指标反映该区域能源消耗结构。一次能源输入量、新能源开发投资额、新能源供给量等指标反映出该区域能源供给结构与开发力度。单位GDP煤耗、单位GDP电耗可以看作该区域能源利用效率，而单位GDP煤耗下降比重、单位GDP电耗下降比重是能源利用效率变动情况。

3)社会指标

人口密度、人口自然增长率等指标反映出该区域人口变动情况。乙类法定报告传染病发病率(治愈率)、医疗机构密度、急诊抢救成功率、适龄儿童疫苗接种率等指标反映出该区域医疗卫生水平。科研机构数量、科技支出比重、教育支出比重、初中及以下学历人口比重等指标反映出该区域科技、教育发展水平。失业保险参保率、养老保险参保率、新农合参保率反映该区域社会保障水平。城区排水网密度、城市维护建设投资额、公共财政支出等指标反映出该区域城市建设水平。

4)经济指标

GDP、第三产业比重、第三产业产值比重、规模以上企业利润等指标反映出该区域经济综合发展水平。人均GDP、地均GDP是经济密度指标，反映该区域的资产密集程度。人均储蓄年末余额、城市居民可支配收入、居民价格消费指数、城市恩格尔系数等反映了居民生活质量水平。客运及货运总量、外资企业数量比重、实际外资引用额、外资企业产值比重、对外出口总值等反映了该区域的对外开放水平。

2.2 脆弱性综合评价模型

采用因子分析法从 “暴露-敏感-适应-恢复”四个方面分别选出主要的因子成分，并计算其综合得分，通过建立脆弱性指数方程，计算脆弱性指数。具体步骤如下：

1)查询资料得到样本数据为

(1)

对所得数据进行标准化处理，消除量纲约束。

2)求相关矩阵R

(2)

得到相关矩阵后，再根据|R-λ|=0求得特征值λi,(i=1，2，…，p)和相应的特征向量。

3)确定主因子个数

根据实际要求的累计贡献率确定主因子个数。一般情况下，累计贡献率达到75%就可以尝试使用因子分析法；当达到85%以上时，能够取得比较好的结果。在实际应用中，由于样本、变量个数的限制及其他原因的影响，很难达到85%的累计贡献率。

4)计算因子载荷矩阵A

(3)

式中：λi为特征值；向量L=(l1i，l2i，…，lni)是对应于特征值λi的特征向量。

因子分析注重于主要因子的解释，若不能很好地解释，则可以通过旋转的方法调整各主因子的方差比重或者调整主因子个数。

5)计算主因子的得分

得到主因子后，根据方差贡献率和因子载荷矩阵计算出暴露性(E)、敏感性(S)、适应性(A)、恢复力(R)得分。

6)建立脆弱性指数方程

由改进后的脆弱性评价模型可以看出，暴露性(E)、敏感性(S)属于诱导因子，在整个评价模型中，其值表示了系统趋向于脆弱性状态的程度大小；适应性(A)、恢复力(R)是抵抗因子，它们表示系统承受冲击扰动的能力大小。所以，脆弱性指数(Vul)表示为

(4)

为了方便对比不同时空状态下城市脆弱性程度，参考其他学者[22-24]及黄河中下游地区实际情况，将脆弱性指数进行分级,见表2。

表2 脆弱性等级分类
Tab.2Vulnerabilityclassification

脆弱性等级脆弱性指数一级(低脆弱度)[0,0.5]二级(较低脆弱度)(0.5,1]三级(中等脆弱度)(1,1.5]四级(较高脆弱度)(1.5,2]五级(高脆弱度)(2,2.5)

3 实证研究

结合调查数据，运用SPSS软件进行因子分析，在计算过程中，KMO检验均在0.75左右，Bartlett球形检验均在0.05以下，方差累计贡献率均在75%以上，结果有较高准确性。

3.1 城市脆弱性整体演化特征

时间上，黄河中下游地区城市脆弱性呈现出明显的阶段性特点。不同脆弱性程度城市数量比重如图1所示。城市脆弱性整体呈下降趋势，但下降速度缓慢，地区平均城市脆弱性指数有小幅度波动。2005—2009年间，城市脆弱性呈现出“两极化”的特点：低脆弱度和高脆弱度的城市数量均增加，较低脆弱度的城市数量有所减少，其他类型变化并不明显。2009—2013年间，“两极化”的趋势转变为“单极化”，即低脆弱度的城市数量增幅较大，高脆弱度的城市大量减少。2013—2017年，城市脆弱性分布呈现出“均衡化”的特征：低脆弱度的城市数量有所下降，而较低脆弱的城市数量迅速增加，最终形成低脆弱、较低脆弱、高度脆弱三段均衡的状态。

图1 不同脆弱性程度城市数量比重Fig.1 Proportion of cities with different vulnerabilities

空间上，黄河中下游地区的城市脆弱性呈现出强烈的异质性，如图2所示。由图2可以看出，不同区域的城市脆弱度差异大。 2005年前后，该区域城市脆弱度空间分布格局呈现出“中心化”的特点： 高度脆弱、较高脆弱的城市多分布于研究区域中部，包括延安、榆林、宝鸡、西安等部分西部地区。2009年间，高度脆弱、较高脆弱的城市分布向下移动，汉中、安康、驻马店、南阳、信阳等城市进入高度脆弱状态，同时，山东半岛的威海市也加入高度脆弱的行列。2013—2017年，城市脆弱性分布呈现出“小规模集聚”的特点，这种集聚格局到2017年更加明显，并且脆弱度分布呈现出均衡化：高度脆弱、低度脆弱、较低脆弱交叉分布，覆盖于大部分城市。整体来看，2005—2017年城市脆弱度的分布格局：2009年前，高度脆弱城市呈现出“中心化”的特点，2009年后，呈现出“小规模集聚”的特点，并且形成“周高中低”的空间分布格局，即中、高度脆弱的城市分布周围扩散，中心多为低、较低脆弱性城市。

(a)2005年 (b)2009年

(c)2013年 (d)2017年 图2 黄河中下游地区城市脆弱性空间分布特征Fig. 2 Spatial distribution characteristics of urban vulnerability in the middle and lower reaches of the Yellow River

3.2 城市脆弱性的区域演化特征

为了直观地分析研究区域城市脆弱性的演化特征，将研究区域进行分割，如图3所示。

图3 研究区域划分Fig. 3 Division of research areas

3.2.1 区域Ⅰ演化特征

该区域北部是高脆弱度地带，在整个研究时间段中，榆林、咸阳、铜川等城市始终处于中、高脆弱性状态；忻州、朔州等城市脆弱性呈现出“U”型变化，相比于期初，脆弱性程度有所下降，但仍处于中度脆弱状态；汉中、商洛等城市脆弱性呈现出倒“U”型的变化；延安、太原等城市的脆弱性呈现出逐渐下降的趋势。该区域城市多坐落于黄土高原之上，为温带大陆性气候，不同城市降雨量、气温差距较大，并且黄河主干道流经该区域，使得疏松多孔的黄土大量流失，生态环境易损程度高，恢复能力低。榆林、咸阳、铜川等城市是典型的资源型城市，其支柱产业是煤炭的开采与深加工，铜川市还拥有丰富的矿产资源，凭借天然的地理优势，其铝业、建材工业、纺织工业等行业发展迅速。这些资源型城市都存在经济结构单一，过度依赖于资源的问题。另外，部分城市还存在产业从业人数比例与产业产值比重不相称、失业率高、交通设施不完善等问题。综合上述因素，该区域城市脆弱性高的原因在于高暴露性、低恢复力、低适应性。“十二五”以来，陕西省加大了环境治理力度，建立以四个“确保”为核心、“建治退防，管创研培”八项举措。山西省也同样出台了相关政策，加大环境基础设施建设，提高生态环境保护和修复能力。另一方面，建立循环经济模式，推进第三产业稳步增长。经过一系列改革，能够看出陕西省及山西省南部地区城市脆弱性程度呈明显降低趋势。

3.2.2 区域Ⅱ演化特征

该区域包括山西省北部、河北省中、北部地区。在整个研究期内，大同、保定始终保持中、高脆弱度，大同市是典型的资源型城市，脆弱性程度相对较高。保定作为河北省的主要城市，是经济、文化中心，人口密集，资源消耗量大，城市负荷大等因素造成了其高暴露性、高敏感性，从而形成高度脆弱。Ⅱ区域圈内部分是京津冀城市群，主要包括北京、天津及河北省的多个地级市。自2006年京津冀一体化写入“十一五”规划以来，河北省在交通、通信等多个方面进入快车道。京津冀一体化能够更加有力地发挥各自的优势：北京作为知识型城市集聚了众多高新技术产业、文化产业等，为资源型城市(河北)与加工型城市(天津)提供不同的技术支持，并接受来自两个方向不同的反馈。这种“铁三角”模式加强了城市内部或城市间的耦合程度，提高了城市稳定性。

3.2.3 区域Ⅲ演化特征

该区域主要包括山东省的大部分地区，通过图2可以看出，德州、聊城始终处于高脆弱状态，2009年后，潍坊、淄博、临沂、枣庄也进入高脆弱度状态。德州、潍坊、淄博等市处于高脆弱度的原因在于其低恢复力与低适应力：基础设施不完善，外资企业数量少，吸引外资能力差。区域Ⅲ中的圈内部分是山东蓝色半岛经济区，主要包括威海、烟台、青岛等城市，在国家政策的扶持下，充分发挥其区位优势与资源优势，大力发展海洋产业，积极创建海洋生态文明示范区，建立海陆空交通一体化网络，形成了多功能、全方位特色经济区。该区域生态、经济等发展充满活力，有着巨大的发展潜力。

3.2.4 区域Ⅳ演化特征

该区域主要包括河南省大部分城市，其中，驻马店、周口、商丘、三门峡、洛阳等处于高度脆弱状态，其他城市多为较低脆弱或中度脆弱。整个河南省及其周边省市构成了中原城市群，其以郑州为中心，洛阳为副中心向周围辐射。该区域高度脆弱的原因同淄博、临沂等城市类似，即低恢复力与低适应性。

通过区域分析得出：(1)资源型城市更容易进入高脆弱状态，其主要原因在于高暴露性和高敏感性，要降低城市脆弱性就必须从经济、生态等多个方面同时进行改进。经济方面，应当加快经济转型，优化产业结构，既要发挥自身优势，又要摒弃“靠山吃山”的思想。既要结合国家政策，又要坚持可持续发展的原则。环境方面，响应国家战略，坚持绿色发展、可持续发展；完善环境保护法律法规。(2)城市群有助于降低城市脆弱性。京津冀城市群、山东半岛蓝色经济区、中原城市群中的大部分城市脆弱性都略低于其他城市。城市集群打破了原有城市间的壁垒，在贸易往来、交通运输等方面更加畅通，效率更高。不同类型的城市能够更加有效地发挥其自身优势，以自身优势为点，政策为纽带，以线串点，提高城市间的耦合程度，降低脆弱性风险。

4 结论

本文在“暴露-敏感-适应-恢复”模型的基础上，从生态、能源、社会、资源四个方面建立指标体系，以黄河中下游地区城市群为研究对象，对研究区域进行分割，分析不同区域生态脆弱性的异质性及演化特征。时间序列上，黄河中下游地区先后经历了两极化、单极化、均衡化三个阶段，整个研究期来看，高度脆弱城市所占比例呈抛物线型变化，低脆弱度和较低脆弱度城市数量比例在50%以上，整体脆弱度下降，但下降幅度较小。

空间分布上，该区域高度脆弱城市由中西部大规模集聚向周围扩散，形成小规模集聚的空间分布格局，整体上呈现出周高中低的空间分布特征。研究表明：

1)资源型城市更容易进入脆弱状态。其生态环境拥有更高的暴露性与敏感性，同时，由于气候的特殊性，其恢复能力偏低。再经济结构多样性欠缺，吸引外资能力匮乏，更容易进入脆弱状态。

2)城市群能够在一定程度上提高城市的稳定性。城市集群能够使各城市单元充分发挥自己的优势，各种扶持政策成为消除城市壁垒、连接城市单元的纽带，这种以线串点的发展方式，能够大大提高城市间耦合程度，降低脆弱性。

城市脆弱性的研究涉及到生态、经济等多个方面，其指标体系是一个需要不断完善和细化的过程。同时，城市脆弱性的驱动机制、影响因素之间的耦合关系等方面都有待于进一步研究。