长三角地区城市韧性时空演进特征研究

章蓓蓓，詹冬月，刘 艳

长三角地区城市韧性时空演进特征研究

章蓓蓓1,2，詹冬月1，刘 艳1

（1.安徽建筑大学 经济与管理学院，安徽 合肥 230022；2.安徽省房地产与住房公积金研究院，安徽 合肥 230022）

为探究城市应对未知扰动的韧性能力，基于经济、文化、基础设施、社会、生态5个维度选取24个指标构建评价体系，采用熵值法和探索性空间数据分析对2011—2020年长三角41城的城市韧性水平时间演进特征、空间分布特征以及空间相关性进行测度。结果表明：时间维度上，长三角城市韧性水平整体呈上升态势，且城市之间韧性水平的差异不断缩小；空间维度上，长三角韧性水平高值区的城市数量不断增加，呈现出由“点”分布向“面”分布发展的趋势，城市韧性水平具有空间集聚态势，但随着时间的发展集聚趋势有所减弱。

长三角；城市韧性；熵值法；探索性空间数据分析；时空演进

随着城市化的进程不断加速，城市的发展已从以规模扩张为主向以高质量发展为主转变，城市面临的风险挑战也逐渐多元化、复杂化，给城市运行管理造成巨大冲击。传统的城市防灾与应急管理机制已无法有效应对不断增加的不确定性，亟需更完善的管理范式引导城市永续发展。韧性城市理念的提出为解决这一问题提供了新的思路和途径。韧性城市理念强调应对风险由被动转为主动，尊重风险具有的不确定性特点，增强防灾抗灾能力并做好应急准备。建设韧性城市可以有效提升城市应对风险的抵御能力，最大限度降低各种风险所产生的冲击，这也是我国“十四五”时期城市可持续发展的题中之义。长三角是我国经济发展最具活力、科教人才禀赋最充足的区域之一，在区域协调发展战略中发挥着至关重要的作用。研究长三角城市韧性，能够为城市的规划、建设、运行和修复等阶段提供可供借鉴和参考的依据，对城市良性健康发展有着十分重要的意义。

“韧性”的英文为“resilience”，有时也被译为“弹性”，最早来源于物理学领域。1973年，生态学家Holling将韧性的概念引入到生态学领域[1]，随后逐渐延伸到了人类学、灾害学、地理学等其他学科中。2002年，为了应对极端的气候变化和严峻的自然灾害，倡导地区可持续发展国际理事会首次提出“城市韧性”议题。2013年，洛克菲勒基金会在《100韧性城市倡议》中提出城市韧性就是城市系统主体，在慢性压力和急性冲击下存续、适应、成长的能力。城市韧性可概括为城市系统及其组成要素能够抵御不可预测的危机，最大限度降低灾害所产生的冲击，合理调配资源以快速从灾害中恢复。当前，学者对城市韧性的研究集中于运用层次分析法[2]、熵值法[3]、优劣解距离法[4]等进行综合评价，采用灰色预测模型[5]、系统动力学模型[6]等进行预测分析。随着空间计量模型的不断发展，越来越多的学者开始基于空间视角对城市韧性展开研究[7-10]，空间计量模型的运用为城市韧性的研究提出了新方向。

1 评价指标体系构建

构建一套科学的韧性评价体系是研究城市韧性问题的关键。目前关于城市韧性的评价指标体系尚未形成统一的框架，可以概括为如表1所示的3种思路：基于城市构成要素[11-13]、基于城市韧性特征[14-16]、基于城市韧性阶段过程[17-19]。

表1 韧性城市评价体系构建思路对比

建设韧性城市的核心内容就是不断协调和完善城市内部系统结构，提升其综合承载力，以保障城市功能平稳运转。以城市构成要素为出发点构建城市韧性评估框架，能够与城市常态化建设及管理的策略相结合，更有助于在城市规划和建设中查漏补缺。作为构成城市的基本要素，经济、社会、基础设施和生态是城市韧性评价时最常考虑的4个方面[20]。文化是一个城市的灵魂和根基，也是一个城市得以永续发展的关键因素之一[21]，所以将城市文化韧性纳入到城市韧性评价框架中，从经济、文化、基础设施、社会、生态5个维度展开具体评价指标的筛选。

通过参考近年来与城市韧性相关且具有代表性的文献，对其中采用的指标汇总计算，选出使用频次较高的指标，删减重复冗余的指标；在此基础上，整合专家咨询建议，对初始指标进行优化，筛选出24个指标，最终得到长三角城市韧性评价指标体系，如图1所示。

图1 城市韧性评价指标体系

(1)经济韧性。

高的经济水平不仅能够维持城市经济系统内部的稳定，也能够为城市内部各系统提供经济保障。经济韧性是衡量城市韧性的核心指标，涉及经济基础、经济结构和经济活力3方面。经济基础主要由人均GDP和人均年末金融机构存款余额2个指标表征；经济结构涉及产业方面，选取第三产业占GDP比重表征；经济活力与内贸、外贸有关，选择人均社会消费品零售总额和人均实际外资利用额2个指标表征。

(2)文化韧性。

文化可以反映出城市的创新能力，具有高度创新能力的城市，其发展必然是有活力的。文化韧性是城市发展的内部驱动力，涉及文化的普及程度以及对文化的重视程度。文化的普及程度选择每万人普通高等学校在校学生数、每百人公共图书馆藏量2个指标表征；文化的重视程度选择教育、科技支出占财政支出比重2个指标表征。

(3)基础设施韧性。

基础设施是保障城市运转和居民生活的重要枢纽，是城市的“生命线”体系。基础设施韧性表现为面对突发事件和灾害干扰时能够迅速恢复并维持城市和居民生活正常运转，涉及基础设施的疏散及安置能力、信息救援能力和应急物资运转能力。疏散及安置能力选择建成区排水管道密度、人均城市道路面积、人均居住用地面积3个指标表征；信息救援能力选择每万人互联网宽带接入用户数为代表指标，应急物资运转能力选择公路货运量来表征。

(4)社会韧性。

社会韧性强调城市社会系统在遭受短期危机或长期压力时，能够维持社会的稳定，涉及城市的社会保障能力和基础服务功能。社会保障能力涉及方面较多，包括遭受扰动时的医疗服务设施供给保障和生活保障，选取每万人医疗卫生机构床位数、职工平均工资、城镇居民人均可支配收入3个指标表征；社会基础服务功能选择用水普及率、每十万人市容环卫专用车辆设备总数2个指标表征。

(5)生态韧性。

保护生态环境与建设城市韧性是相辅相成、休戚相关的。生态韧性涉及生态环境的自我修复能力、人类对城市造成的污染以及对污染的处置利用能力。生态环境自我修复能力离不开植物的净化功能，选择建成区绿化覆盖率为代表指标；人类对城市的污染选择单位GDP工业废水排放量和单位GDP工业二氧化硫排放量2个指标表征；对污染的处置利用能力则选择污水处理率和生活垃圾无害化处理率2个指标表征。

2 模型构建

2.1 数据来源

选择长三角41城为研究对象，指标数据主要来源于《上海统计年鉴》《江苏统计年鉴》《浙江统计年鉴》《安徽统计年鉴》以及各地级市统计年鉴，时间跨度为2011—2020年。其中个别缺失的数据依据指标的变化趋势采用插值法补齐。

2.2 基于熵值法的韧性城市评价模型

熵值法是一种依据指标值所携带信息量的多少来确定指标权重的研究方法，计算步骤如下：

(1)数据的选取。

选取个城市，个指标，为41个城市，为图1中选取的24个指标，则x为第个城市的第个指标的数值，1≤≤，1≤≤。

(2)数据的归一化。

对正向指标、负向指标分别进行归一化。正向指标表示对城市韧性发展具有促进作用，负向指标表示对城市韧性发展具有抑制作用。由于在熵值法计算过程中数值不能为0值，所以为每个0值加上较小数量级的实数，如0.001。

正向指标如式(1)所示：

负向指标如式(2)所示：

第个指标下第个城市占该指标的比重p如式(3)所示：

第项指标的熵值e如式(4)所示：

第项指标的效用值d如式(5)所示：

第项指标的权重w如式(6)所示：

第个城市韧性水平z如式(7)所示：

2.3 基于ESDA的韧性城市空间相关性模型

探索性空间数据分析(exploratory spatial data analysis，ESDA)旨在将研究对象在空间上的分布格局可视化，衡量与检验其空间上的依赖关系。采用全局莫兰指数、局部莫兰指数和莫兰散点图来度量城市韧性在空间上的关联模式。

全局莫兰指数是探索整个区域内城市韧性的相关性，计算公式如式(8)所示：

(8)

式中：为城市个数；x、x分别为第个城市和第个城市的韧性水平； x为城市韧性水平的平均值；h为区域空间权重矩阵，当第个城市与第个城市相邻时，h为1，反之h为0。

正的莫兰指数表示城市韧性在空间上存在正相关性，值越大，空间集聚越明显；负的莫兰指数表示城市韧性在空间上存在负相关性，值越小，空间分异越明显；莫兰指数为零，表示空间不存在相关性，呈随机分布。

局部莫兰指数是探索局部区域内城市韧性的关联性，计算公式如式(9)所示：

正的局部莫兰指数表示城市韧性存在局部空间聚集现象；负的莫兰指数表示城市韧性存在局部空间分异现象。与局部莫兰指数相比，莫兰散点图可以将城市单元和其相邻区域之间的关系可视化地表现出来，便于进行更深入地分析。

3 实证分析

3.1 时间演进特征

根据公式(1)～(7)计算长三角2011—2020年的城市韧性综合得分，结果如表2所示。

表2 2011—2020年城市韧性综合得分

续表

城市/年份 2011201220132014201520162017201820192020 芜湖0.203 6 0.232 4 0.258 5 0.283 8 0.286 1 0.317 1 0.330 1 0.352 3 0.359 4 0.389 9 安庆0.118 8 0.143 6 0.166 9 0.158 3 0.161 9 0.180 1 0.206 2 0.220 4 0.215 4 0.254 4 黄山0.158 0 0.172 5 0.214 7 0.204 4 0.207 6 0.223 1 0.240 0 0.273 9 0.299 2 0.335 0 亳州0.104 3 0.123 2 0.128 2 0.143 2 0.157 1 0.170 8 0.171 3 0.186 8 0.198 7 0.209 0 均值0.199 50.222 70.237 40.250 20.258 20.278 90.295 50.312 40.332 80.343 4

以此可以看出：

(1)长三角总体城市韧性水平呈不断增长趋势，由0.199 5增长到0.343 4，增长幅度为72.13%，这与近年来国家开始全方位、多领域加强城市韧性系统建设密不可分。

(2)韧性水平高的城市大多分布在苏浙沪地区。上海韧性水平10年间一直位居第一，其地理位置优越，贸易枢纽互联互通，科研创新能力强，综合经济实力强，在应对常态化风险和偶发灾害冲击时的综合防范和恢复能力更强。韧性水平较高的城市还有南京、杭州、苏州、无锡、合肥，这些城市科教人才资源丰富，相关教育科学支出充足，信息基础设施完善，社会保障便利化程度高，具备系统化的风险监测设施和应急管理专业人员，具有较高的抵御风险能力。

(3)韧性水平低的城市大多分布在安徽省。具体来看，阜阳、亳州、六安和宿州韧性水平较低，与苏浙沪地区的城市相比，虽然其生态环境优美，且注重生态环境治理，但基础设施建设相对不够突出，公共教育、医疗卫生的投入相对较少，城市面对风险时防灾减灾能力相对较弱；但安徽省城市韧性水平也呈现不断向好发展态势，在长三角41城中滁州韧性水平增长幅度最大，2020年韧性水平0.287 9是2011年的2.52倍，这是因为滁州与合肥、南京相连，受省会城市的辐射，且近年来国家政策坚持统筹规划、以大带小。

3.2 空间分布特征

世界银行国家经济发展水平的分类方法和标准，按人均国民总收入把各国经济发展水平分为低收入国家、中等偏下收入国家、中等偏上收入国家和高收入国家。借鉴这一标准，以城市韧性平均值的50%、100%及150%为界限，将城市韧性水平划分为低韧性水平、中低韧性水平、中高韧性水平以及高韧性水平，如表3所示。

表3 韧性水平等级划分

运用Geoda软件进一步探析41个城市韧性发展的空间分布特征，选取2011、2015、2020年的城市韧性水平进行可视化处理进行分析可以发现：

(1)2011年长三角城市韧性水平整体偏低，在空间上高值区城市呈“点”状分布。仅有上海为高韧性水平城市，南京、杭州、苏州、无锡4个城市为中高韧性水平。低、中低韧性水平城市数量共36个，占城市总数的87.81%。此时城市韧性建设处于初步阶段，城市各系统之间的协调发展不够完善，因而城市韧性水平较低。

(2)2015年长三角城市韧性水平有所增长，在空间上高值区城市呈“面”状分布。与2011年相比，高韧性水平城市增至4个，新增城市为南京、杭州和苏州；中高韧性城市增长为10个；中低韧性城市数量超出城市总数的一半，为27个，此时已没有低韧性水平的城市。此阶段城市韧性的建设取得了显著效果，城市韧性理念已经逐渐深入到城市建设规划中。

(3)2020年长三角城市韧性水平持续提升。高、中高韧性水平城市数量总和首次高于低、中低韧性水平城市数量总和。高韧性水平城市数量进一步增加，合肥、舟山、无锡增长成为高韧性水平城市；中高韧性水平城市数量为22个，占比53.66%；中低韧性水平城市数量降至12个。此阶段中心城市的优势凸显，对周边城市的辐射带动能力不断加强，提升了长三角的韧性水平。

3.3 空间相关性

3.3.1 全局空间自相关分析

运用Geoda软件计算长三角41城的城市韧性全局莫兰指数，结果如表4所示。

表4 2011—2020年城市韧性全局莫兰指数

2011—2020年内全局莫兰指数均通过95%的显著性检验且都大于零，表明长三角城市韧性水平存在明显的空间正相关性。分时间段来看，2011—2016年全局莫兰指数呈波动式下降，集聚趋势有所减弱，2016—2017年，莫兰指数显著上升，正相关性增强，在2017年到达峰值0.365后又逐渐下降，说明长三角城市韧性正向空间外溢效应减弱。随着有关协调发展政策的相继出台，长三角韧性向着协调方向建设，然而一些城市受地理条件、要素禀赋等因素的限制，短时间内无法快速改善区域之间的差异。

3.3.2 局部空间自相关分析

采用莫兰散点图表征局部空间相关性，探究长三角41城的城市韧性的空间集聚类型。莫兰散点图分为四个象限：第一象限为H-H集聚型，表示自身韧性高且邻域韧性也高；第二象限为L-H集聚型，表示自身韧性低而邻域韧性高；第三象限为L-L集聚型，表示自身韧性低且邻域韧性低；第四象限为H-L集聚型，表示自身韧性高而邻域韧性低。根据图2代表年份莫兰散点图和表5相应城市象限分布可知，41城的城市韧性发展呈现2个显著特点：

(1)存在显著的空间正相关关系。大部分城市为H-H集聚型和L-L集聚型，其中L-L集聚型城市数量最多，2011年和2015年占比43.90%，2020年占比41.46%，这些城市大多分布在长三角中心城市辐射范围外，其与周边城市韧性发展均较低；上海、苏州等城市为H-H集聚型，这些城市之间联系密切，基本与周边城市形成均衡化发展格局；衢州、金华、滁州等城市为L-H集聚型，此类型城市韧性发展水平相对较低，未能与周边城市协同发展；H-L集聚型城市数量最少，包括南京、杭州、合肥等城市，其中南京、杭州、合肥3个城市分别为苏浙皖的省会，是所属行政区内的中心，对周围城市产生虹吸效应。

图2 2011年、2015年、2020年城市韧性莫兰散点图

表5 2011年、2015年、2020年城市韧性莫兰散点图城市象限分布

(2)具有较高的空间稳定性。各个象限的城市数量变化不大，仅有4个城市由于自身或相邻城市韧性发展的空间效应影响跃迁至其他集聚类型。

2015年与2011年相比，扬州城市韧性发展受阻，由H-H集聚型跃迁为L-H集聚型；黄山受与其相邻的杭州稳定发展的影响，由L-L集聚型跃迁为L-H集聚型；铜陵由H-L集聚型跃迁为L-L集聚型，受城市规划影响，2015年枞阳划入铜陵，由于枞阳人口较多、工业相对不够发达，铜陵发生跃迁，同时使得与其相邻的城市芜湖由H-H集聚型跃迁为H-L集聚型。

在2015—2020年期间，铜陵与芜湖城市韧性发展坚持协同建设，经济水平稳步提升，不断加大对医疗卫生设备以及公共教育资源的投入，因此芜湖由H-L集聚型跃迁为H-H集聚型，铜陵由L-L集聚型跃迁为H-H集聚型。

4 结论与建议

运用熵值法和ESDA探究2011—2020年长三角城市韧性发展水平时空演进情况，结论如下：

(1)从时间上看，2011—2020年长三角城市韧性总体呈不断上升的趋势，其中上海稳居第一，苏浙地区韧性水平基本相近，安徽部分城市处于核心城市辐射范围以外，导致安徽省整体韧性水平相对不高；区域内城市之间的差异不断缩小，随着长三角一体化发展、共建“一带一路”、长江经济带发展等战略的实施，长三角城市韧性发展逐渐协调。

(2)从空间上看，2011—2020年长三角高、中高韧性水平的城市数量明显增多，呈现出由“点”向“面”发展的空间分布格局，高值区城市的辐射能力不断加强，说明以面带点推进城市韧性建设更有优势，城市韧性建设需要统筹规划、区域协调联动发展；长三角城市韧性发展水平呈现出明显的正相关性和空间格局锁定特征，苏浙沪城市主要为H-H集聚型，安徽省城市大多位于L-L集聚型。

根据模型分析结果对提高城市韧性提出以下路径：

(1)明确城市功能定位，发挥城市地域优势。韧性水平较低的城市通过整合地方优势和条件，着力提升金融资源配置，同时加强生态环境监管，补足科教资源短链，提高公共服务水平。对于韧性水平较高城市应稳定经济条件，同时发展绿色经济、优化生态建设、完善基础设施。只有巩固自身优势，弥补短板不足，才能在有限的资源里最大程度地增强城市综合承载能力。

(2)促进区域间互联互通，协调子系统发展步调。应充分发挥长三角中心区城市已有发展基础的优势，辐射驱动周边城市协同发展。统筹规划城市间的一体化交通体系和网络设施，打破资源禀赋流动壁垒，形成互利互惠的发展理念。将城市视为一个整体，对城市韧性进行系统性的建设，保证各子系统的全面均衡发展。实现子系统间良性互动，区域间协调发展，从而推动整体韧性水平的提高。

[1] Holling C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics, 1973(4): 1-23.

[2] 王光辉, 王雅琦. 基于风险矩阵的中国城市韧性评价: 以284个城市为例[J]. 贵州社会科学, 2021(1): 126-134.

[3] 路兰, 周宏伟, 许清清. 多维关联网络视角下城市韧性的综合评价应用研究[J]. 城市问题, 2020(8): 42-55.

[4] 张家玉, 杨晓冬. 三度空间理念下城市韧性评价与提升策略研究[J]. 工程管理学报, 2021, 35(6): 55-60.

[5] 刘喆, 王尧. 建设投资评审视角下的城市韧性评价与预测研究[J]. 投资研究, 2021, 40(5): 66-84.

[6] 黄晶, 佘靖雯, 袁晓梅, 等. 基于系统动力学的城市洪涝韧性仿真研究: 以南京市为例[J]. 长江流域资源与环境, 2020, 29(11): 2519-2529.

[7] 王璇, 史佳璐, 慈福义. 黄河流域城市群韧性度的时空演化特征[J]. 统计与决策, 2022, 38(5): 70-74.

[8] 杨晓冬, 李紫薇, 张家玉, 等. 可持续发展视角下城市韧性的时空评价[J]. 城市问题, 2021(3): 29-37.

[9] 朱金鹤, 孙红雪. 中国三大城市群城市韧性时空演进与影响因素研究[J]. 软科学, 2020, 34(2): 72-79.

[10] 孙亚南, 尤晓彤. 城市韧性的水平测度及其时空演化规律: 以江苏省为例[J]. 南京社会科学, 2021(7): 31-40, 48.

[11] 陈晓红, 娄金男, 王颖. 哈长城市群城市韧性的时空格局演变及动态模拟研究[J]. 地理科学, 2020, 40(12): 2000-2009.

[12] 白立敏, 修春亮, 冯兴华, 等. 中国城市韧性综合评估及其时空分异特征[J]. 世界地理研究, 2019, 28(6): 77-87.

[13] 张鹏, 于伟, 张延伟. 山东省城市韧性的时空分异及其影响因素[J]. 城市问题, 2018(9): 27-34.

[14] Allan P, Bryant M. Resilience as a framework for urbanism and recovery[J]. Journal of Landscape architecture, 2011, 6(2): 34-45.

[15] Wamsler C, Brink E, Rivera C. Planning for climate change in urban areas: from theory to practice[J]. Journal of Cleaner Production, 2013, 50: 68-81.

[16] 臧鑫宇, 王逸轩, 王峤. 应对典型灾害的城市适灾韧性评价与韧性地图划定[J]. 建筑学报, 2021(S1): 146-150.

[17] 郭羽羽, 罗福周, 钟兴润. 基于熵权-正态云模型的城市安全韧性评估研究[J]. 灾害学, 2021, 36(4): 168-174.

[18] 陈长坤, 陈以琴, 施波, 等. 雨洪灾害情境下城市韧性评估模型[J]. 中国安全科学学报, 2018, 28(4): 1-6.

[19] 尚志海. 自然灾害脆弱性研究的基础: 抵抗力研究[J]. 灾害学, 2015, 30(2): 51-55.

[20] 张明斗, 冯晓青. 中国城市韧性度综合评价[J]. 城市问题, 2018(10): 27-36.

[21] 刘彦平. 城市韧性系统发展测度: 基于中国288个城市的实证研究[J]. 城市发展研究, 2021, 28(6): 93-100.

Research on Temporal and Spatial Evolution Characteristics of Urban Resilience in Yangtze River Delta Region

ZHANG Bei-bei1,2, ZHAN Dong-yue1, LIU Yan1

（1.School of Economics and Management, Anhui Jianzhu University, Hefei 230022, China;2.Anhui Real Estate and Housing Provident Fund Research Institute, Hefei 230022, China）

An evaluation system including 24 indicators were constructed from five dimensions which are economy, culture, infrastructure, society and ecology. Taking Yangtze River Delta as an research object, entropy method and exploratory spatial data analysis were used to measure the temporal evolution characteristics, spatial pattern characteristics and spatial correlation of urban resilience from 2011 to 2020. From the perspective of time dimension, the overall level of urban resilience had risen, and the difference of resilience level among cities had shrunk. From the perspective of spatial dimension, the number of cities with high resilience levels had increased, showing a trend developing from “point” distribution to “surface” distribution. In addition, the resilience level had a spatial agglomeration trend, but agglomeration trend had weakened.

Yangtze River Delta; urban resilience; entropy method; exploratory spatial data analysis; temporal and spatial evolution

10.15916/j.issn1674-3261.2023.05.009

TU984.11+6

A

1674-3261(2023)05-0325-07

2022-10-20

安徽省哲学社会科学规划项目(AHSKQ2022D068)

章蓓蓓(1984-)，女，安徽黄山人，副教授，博士。

詹冬月(1997-)，女，安徽芜湖人，硕士。

责任编辑：孙 晶