面向气候风险的长三角中心区城市韧性评估及时空演变

摘要：全球气候变化带来更强的气候风险，对城市韧性评价能够找出城市发展中应对风险的薄弱环节并提出改进的意见。从气候风险视角出发分析城市在面对多种灾害风险下的韧性变化，从承灾体脆弱性、孕灾环境敏感性、致灾因子危险性和防灾减灾能力4个维度构建气候风险下的韧性评估体系，提供理论基础。通过构建基于投影寻踪的遗传算法模型和耦合激励评价模型进行非线性评估，对长三角中心区2010—2021年间的相关指标和综合韧性进行评价，分析影响城市韧性变化的主要影响因素，识别其分布的时空演变特征。最后根据结果提出长三角中心区城市韧性提升的建议，为相关研究提供借鉴。

关键词：气候风险；时空演变；城市韧性；耦合激励法；非线性评估

文章编号 1673-8985（2024）03-0143-08 中图分类号 TU984 文献标志码 A DOI 10.11982/j.supr.20240321

0 引言

近10年来全球气候形势愈发严峻，IPCC报告显示2011—2020年间全球地表温度比1850—1906年提升了1.09℃，全球地表温度是过去2 000年内增速最快的50年，2020年为近10年最暖的年份，全球平均温度较工业化前水平高出1.2℃左右。2010—2020年期间，高脆弱性地区的洪水、干旱和风暴造成的人类死亡率比低脆弱性地区高出15倍。2013—2020年间全球灾害风险中洪涝灾害和热带风暴灾害发生频率最高，分别占总灾害次数的47.2%和32.1%，仅2020年灾害造成直接损失达1.8万亿美元。根据联合国统计，中国在自2000年以来的20年间发生577起灾害事件，居全球首位，仅2020年造成直接经济损失达2 000多亿美元。城市作为人口聚集和经济发展的主要场所，气候风险对城市的影响最为严重，城市发展过程中对环境的改造增加了城市面对气候风险的危险性，人口聚集和工业生产造成的高温热岛，城市硬化土地也会加重城市内涝，导致灾害风险的危险性加重，气候风险给城市的基础设施、交通、卫生和能源供给等方面带来压力，不利于城市的可持续发展。为了更好地应对逐渐增强的气候风险，学者们从风险评估和城市韧性等角度对城市进行评价，以期找出城市系统中的薄弱环节，提升城市应对风险的能力和韧性。

有关城市韧性的研究经历了工程韧性、生态韧性到演进韧性的过程[1-2]。目前城市韧性研究包括对城市整体和城市子系统进行的评估研究，主要涉及经济、社区、生态、基础设施、网络结构等方面[3-7]。在研究尺度上包括全国、区域、城市和社区等[8]78，[9-12]，其研究重点大多关注城市内部系统的韧性结构，对于外部灾害风险的冲击对城市的影响有所忽视。其研究方法较为成熟，一般采用传统的层次分析、熵值法、TOPSIS等方法[8]80，[13]，[14]29。这些方法主要采用线性模型解决城市的复杂系统问题，存在一定误差和主观性，因此有学者已经采用非线性的模糊算法对目前算法进行优化[15]17，[16]1654。面向风险的韧性评估主要集中在洪涝、强降水、高温等单灾种风险的韧性评价[17-20]，其研究方法是通过构建模拟模型找出城市或区域的薄弱环节，或是通过历史数据对区域进行综合评价。多灾种风险的韧性评价的研究方法主要有两种：一是基于灾害链构建灾害之间的影响关系模型进行评价，能够很好地阐述灾害之间的影响关系，多应用于台风—暴雨、寒潮、干旱和地震的研究[21-23]；二是耦合叠加[24-25]，该方法适应性较强，无需灾害之间存在强因果关系，能够针对不同需要采用相应的耦合叠加方法。但风险评价关注的重点是致灾因子的危险性，往往从灾害频率和灾害强度评价灾害的风险，对城市系统的防灾能力关注度有所不足。综上，学者们在城市气候适应性评价中往往考虑到城市与灾害风险的对抗作用，一般会从城市的脆弱性、暴露度、灾害的危险性等方面构建指标[26]，单个城市的适应性评价中单灾种气候风险主要通过构建模型找出灾害分布特征[27-28]，面向区域的多灾种研究则需要考虑灾害之间的影响关系，在评价中采用障碍度或激励来表征灾害之间的联系[29]162，[30]。笔者认为城市韧性应当兼顾外部因素和内部因素的影响，是城市面对灾害风险过程中展现出来的抵御、恢复和适应能力，因此本文从灾害风险的视角对城市韧性进行评价分析，兼顾气候风险的影响和城市系统结构，通过非线性模型评价气候风险下的城市韧性。

随着经济发展，城市的安全越来越受到重视。但近些年来长三角中心区城市气候风险日益严峻，严重地影响了城市的经济发展和居民安全。研究长三角中心区气候风险下的韧性，有助于更好地理解和应对气候变化对社会、经济和生态系统的影响。通过长三角韧性研究，可以识别和评估长三角中心区城市的脆弱性、环境敏感性，并找到提高其适应能力和抵御能力的有效策略。另外，气候韧性研究为可持续发展提供指导，通过探索韧性的评估及实践，达成可持续发展目标，将防灾减灾深度融合进城市规划中，减少城市面对气候风险的损失。本文基于气候风险的视角对长三角中心区城市韧性进行综合评价，通过耦合激励法评价长三角中心区城市气候风险，并基于投影寻踪的遗传算法进行综合韧性评估，通过评价找出城市韧性的薄弱环节并提出相应对策，根据时空分布特征分析长三角中心区城市韧性的变化情况。

1 研究区概况及数据来源

1.1 研究区概况

本文研究范围为中共中央、国务院印发的《长江三角洲区域一体化发展规划纲要》中提出的长三角中心区，包含27个城市（见图1）。研究范围位于长江下游地区，地处亚热带季风气候区，具有明显的季风气候特征及明显的高温、强降水、干旱等自然灾害风险。自1990年以来，长三角的高温天频率增长速度为1.3 d/10 y[31]，给城市供水供电带来巨大压力。2013年遭遇干旱，农业受影响面积达1 476.8万亩（约9 845.3 km²）。2020年受到厄尔尼诺线性影响，长江中下游地区梅雨季降水达753.9 mm，为1961年以来之最。2022年7月，长江流域遭受1961年以来最严重的干旱，经济损失达1 300多亿元。随着气候的变化长江下游地区灾害的致灾性及造成的损失愈发严重。长三角地区是我国城镇化水平、经济发展活力最高的地区之一，截至2022年，人口已达2.37亿人，GDP为27.6万亿元，占全国的24.1%。但城市发展与环境之间的矛盾愈发强烈，城市建设带来的工业废气排放、城市建设施工粉尘、汽车尾气排放加重了城市大气环境的风险压力。本文的研究范围具有较强的典型性，人为和自然气候风险的危险性较高，且城市发展速度较快，在快速发展中人地问题较为明显，对其他地区气候风险下城市韧性研究具有参考意义。

1.2 数据来源与预处理

本文采用的人均道路面积、工业生产总值、人均GDP、建成区面积、绿地率、城镇化率、千人床位数、全国市政公用设施建设、居民失业参保人数、城镇家庭可支配收入、排水管网密度、人均用电供应量、二氧化硫浓度、二氧化氮浓度均来自《中国城市建设统计年鉴》，各省、市的地方年鉴，以及统计局公布数据。气象数据来源于各地气象站数据和国家地球系统科学数据中心，城市水网密度根据历年OSM数据中提取的水网数据计算，缺失数据采用平均增长率进行推算。

对数据进行预处理后，统计目标地区连续高温天数、最高连续无降水天数、空气质量低于二级的天数等数据，栅格数据通过数据处理变更为面板数据以确保数据类型相同，并对数据进行标准化处理，通过正负向指标对数据进行同趋势化处理。

2 城市韧性非线性评估模型构建

2.1 气候风险下的城市韧性概念界定与机制分析

韧性研究目前在工程学、社会学和经济学等方面运用广泛，工程学中强调土木工程基础设施在面对灾害时其材料、结构、系统的机能退化和恢复方法；社会学中针对社区和政治经济层面进行研究[32]；经济韧性从产业结构、制度环境、社会资本、文化因素等方面评价韧性的强度。虽然研究视角有所差异，但都强调韧性需要具有抵抗和恢复适应的能力。灾害风险视角下的韧性评价往往通过致灾因子、孕灾环境和承灾体等进行评价[33]，部分学者考虑到城市本身的防御性，在通过原有评价指标的基础上增加了城市的防灾减灾能力[34]。本文从气候风险角度对城市韧性进行评价，通过城市内部系统与外部风险之间的关系来展现气候变化下的城市韧性，其中外部风险为致灾因子的危险性，选择的致灾因子为长三角中心区具有普遍性的4种气候风险。影响城市韧性的内部因素分为城市系统和城市环境，其中城市系统包括城市的承灾体和防灾减灾能力，承灾体是城市的脆弱性和暴露度的体现，是城市系统运转的重要指标因素，也是气候风险破坏最为严重的部分，并从传统韧性视角出发考虑社会、经济、基础设施、环境等传统韧性评价指标。防灾减灾能力是从社会保障、医疗卫生、防灾意识等方面构建抵御灾害的评价指标，体现城市抵御灾害的能力和灾后恢复的能力；城市环境体现在孕灾环境上，长三角中心区在快速城镇化的同时也对生态环境造成影响，城市的蓝绿空间能够缓解城市的高温及强降水带来的影响，良好的城市生态环境能促进城市抵御灾害的能力，反之会增强气候风险带来的威胁；外部风险的致灾因子体现灾害风险对城市的冲击破坏能力，影响城市系统的正常运行，同时城市系统的生产生活会增强致灾因子的危险性并提升孕灾环境的敏感性（见图2）。

2.2 城市韧性评价指标体系构建

本文选取4个一级指标、27个二级指标构建城市韧性评价表（见表1），其中致灾因子的选择基于长三角中心区的自然和人为影响的常见气候风险，包括高温、干旱、强降水和大气污染4种灾害风险，从风险视角以灾害发生频率和灾害强度为标准选择12个指标，通过耦合激励法计算出各灾种的危险性评价，通过非线性模型得到长三角中心区综合气候风险；承灾体由人口密度、人均GDP、道路密度、工业生产总值、建成区面积5个二级指标构成，从经济、人口、环境、基础设施、产业等传统韧性研究的角度来评价城市系统的脆弱性；孕灾环境敏感性二级指标为植被率、河网密度和城镇化率；防灾减灾能力是城市韧性最主要的体现方式，通常选用市政工程、应对灾害的能力、社会保障和居民防灾意识等方面构建评价指标，本文选择千人病床数、居民防灾意识、城市市政公用设施、失业保障、人均可支配收入、排水管网密度和人均用电量8个指标作为二级指标。

2.3 基于耦合激励法的致灾因子危险性

在风险视角下的城市韧性评价中，城市需要考虑应对多种气候风险，及灾害之间的相互作用关系。耦合激励法是针对多灾种风险研究的一种方法，通过对集结值的大小进行调整从而突出不同评价对象之间的差异[35]，实现激励目的。即对无法造成破坏的风险或造成轻微损失的风险给予负向激励，减少其在风险评估中的权重；对灾害风险较大破坏力较强的灾害给予正向激励，以增加其权重，增加其在综合气候风险中的影响。耦合激励法是源于统计学的计算方法，多用于反映灾害之间的相互作用，是一种触发、耦合或联动的关系，用以描述不同风险之间的模糊关系的非线性评价方法[29]164。致灾因子在城市可承受范围内造成的损失和破坏较小，随着灾害的强度上升，其破坏力不断增加，在达到拐点后风险的破坏力会呈指数增加，从而造成人员伤亡和重大经济损失。在气候风险评价中并没有明确统一的激励标准，根据灾害风险十年一遇的标准，笔者认为前20%的情况属于气候风险较为严峻，而后20%的情况属于影响较小的气候风险，因此本文选取a1=0.2和a2=0.8作为两个激励点，在此基础上计算分布位数：

利用幂函数对区分不同激励程度：

激励偏好系数计算：

多灾种风险计算，风险值、分布分数位、激励系数和权重之间的关系表达式如下：

2.4 基于投影寻踪法的遗传算法的综合韧性评估

韧性、脆弱性、风险评价是对系统内部复杂系统的评价，面对复杂问题更适合采用非线性的评价。目前学者已经采用模糊算法、投影寻踪法等非线性模型[15]18，[16]1654，[29]164对传统评价模型进行改进，确保评价结果更准确。投影寻踪法能够将多个指标投影到同一维度进行分析比较，尽可能保留数据本身的条件，使评价结果更加准确，因此本文采用基于投影寻踪法的遗传算法对指标数据进行处理，计算得到城市综合韧性。

对标准化处理后的多维数据通过投影寻踪法进行处理，在保留向量特征的情况下将数据投影到一个平面上进行统一的比较与计算。

为得到ω的唯一解，令ω之和为1，通过构建最小化的遗传算法进行计算即可得到评价结果。

在对韧性曲线变化的研究中，学者在综合风险研究中对风险和韧性剂量构建简单的评价关系图，阐述了风险与韧性之间的关系[36]，认为在构建[37]非线性模型时评估曲线应有相应的拐点，且拐点前后的增长速率存在明显差异，城市韧性变化曲线与S曲线具有类似的变化趋势，因此本文构建S曲线作为评价气候风险下的城市韧性。

3 结果分析

3.1 气候风险下的城市韧性评估

根据得到的评价结果，致灾因子危险性始终处于较高水平，城市受到气候风险的威胁较强，评价结果并没有出现明显的低值区域，耦合激励评估高温、干旱、强降水和大气污染4种灾害风险所求得权重w分别为0.00259、0.09141、0.40965和0.49635。数据表明，长三角中心区气候风险主要来源于强降水和大气污染，相比之下，高温和干旱对长三角中心区城市的威胁较小。根据评估得到的投影向量分别为7.30954、-11.17407和4.86511。能够看出，导致强降水气候风险升高的主要因素为最高降水量和暴雨天数，且最高降水量在风险评估中影响较强，而最大连续降水天数向量为负说明连续降水天数与另外两个指标变化情况不匹配，降低了强降水灾害风险的危险性。这说明长三角中心区短时间极端降水是造成危险性上升的主要因素，而连续降水对强降水危险性影响较小。致灾因子危险性评分在0.8以上的高风险城市主要集中在2013年和2016年，2013年主要影响东部沿海城市，2016年强降水主要集中在西部地区，另外舟山在2012年和2019年受到强降水灾害风险较高；空气质量低于二级的天数显著降低，降低了大气污染的危险性，在2010—2021年间大气污染频率降低较为明显。总体上看，上海、南京、无锡、苏州、常州、镇江、嘉兴、湖州、马鞍山等城市气候风险较高，南通、盐城、杭州、宁波、温州、台州、舟山等城市气候风险水平较低。在时间维度上，大气污染风险评价在0.9以上的年份主要在2015年后，2021年大气污染情况出现明显好转。长三角中心区城市在2016—2019年致灾因子危险性评价较高，其主要原因为强降水和大气污染两种灾害风险的共同作用（见图3）。

承灾体脆弱性评价在2010年时差距较小，除了上海、苏州、杭州和宁波城市脆弱性较低外，其他城市脆弱性都很高，后续10多年所有城市的脆弱性都出现明显的下降。上海、南京、无锡、常州、苏州、南通、杭州和宁波等城市脆弱性降低速率较快，其他城市脆弱性评价整体上呈现下降的趋势，根据对脆弱性评价的投影向量结果，人口密度、建成区路网密度、工业生产总值、人均GDP和城市建成区面积分别为0.77588、-0.27664、-10.07085、17.70781、-7.13630。结果显示，对脆弱性影响积极作用最强的是人均GDP指标，2010—2021年间人均GDP数据呈现明显的上升，这也是城市脆弱性降低的主要原因。而对城市脆弱性降低负面作用较强的是工业生产总值，工业生产总值的增速虽然不及人均GDP增速，但其快速增长不可避免地会对环境产生破坏和污染。城市建成区面积的快速增长制约了部分城市脆弱性的下降幅度（见图4）。

长三角中心区大部分城市孕灾环境敏感性呈现增长态势，根据孕灾环境敏感性评价指标建成区绿化率、城市水网密度和城镇化率的投影向量分别为-1.95990、-6.03972、8.99979，其中城镇化率的提升是孕灾环境敏感性增长的主要因素，人口大量聚集城市对城市环境、生活生产带来巨大压力，城镇化率越高的城市敏感性也越高，省会和直辖市等高城镇化率的孕灾环境敏感性高于其他城市。西部城市的城镇化率提升速度要高于东部城市，但其孕灾环境敏感性的增长值处于中等水平。城市水网密度的提升是敏感性降低的主要因素，2010—2021年间长三角中心区水网密度明显提升，对缓解城市高温、增强城市强降水排水能力起到重要作用。上海、嘉兴、铜陵三市绿化率有明显下降，其原因主要是城市发展侵占城市蓝绿空间，其他城市都有不同程度的增长，但变化程度不大，部分年份城市绿化率随着城市发展出现短暂降低，这也加剧了城市环境的敏感性的上升（见图5）。

城市防灾减灾能力指标医院千人床位数、防灾减灾意识、全国城市市政公用设施建设、居民失业参保人数、城镇家庭人均可支配收入、人均用电供应量、建成区排水管道密度投影向量分别为14.72448、73.53960、42.87677、28.94299、25.83035、-9.32456、 -175.58933，能够看出长三角中心区城市医疗卫生、防灾意识、市政公用设施建设、人均参保和可支配收入的变化对城市防灾减灾能力评估有明显的积极影响，居民防灾意识的提升是最重要的影响因素，且东西部城市居民的防灾意识差距较大，东部地区居民的防灾意识提升幅度较大，西部地区的提升幅度较小。能源供给能力和基础设施建设是防灾减灾能力的主要制约因素，其增长跟不上城市的发展水平，制约了城市防灾减灾能力的提升。长三角中心区城市防灾减灾能力大多有明显的提升，到2021年城市防灾减灾能力降低的有芜湖、马鞍山、铜陵、滁州和池州5座城市，主要集中在西部地区。这些城市的防灾意识提升较弱，且市政公用设施建设拨款较少，经济快速提升但相应的配套设施建设不够完善及能源供给能力不足导致城市防灾减灾能力的下降。

基于致灾因子危险性、承灾体脆弱性、孕灾环境敏感性和防灾减灾能力进行综合评价得到气候风险下的城市韧性评价结果如图6所示，在2010—2017年之间，长三角中心区大多数城市韧性的提升较缓慢，仅有合肥、南京、苏州城市韧性提升速度较快。在2017年后长三角中心区城市韧性的提升速度加快，东部城市韧性的提升速度远高于西部地区。截至2021年，上海至南京一带城市韧性要高于周边其他城市，省会城市相比其他城市拥有更好的经济水平和提升韧性的相关政策支持，使得省会城市能够更好地应对气候风险。致灾因子危险性、承灾体脆弱性、孕灾环境敏感性和防灾减灾能力的投影向量分别为9.72775、 -14.51390、-16.81207、22.59848，说明防灾减灾能力提升和致灾因子的危险性下降对城市韧性提升起到了积极作用，城市防灾减灾能力的快速提升是韧性提升的关键，长三角中心区城市韧性增长与防灾减灾能力增长呈正相关。东部地区城市防灾减灾能力普遍呈现增长态势，例如上海、南京、苏州、无锡、杭州等城市韧性在2017年后普遍增长较快，而西部宣城、池州、铜陵、滁州等城市的防灾减灾能力持续下降导致城市韧性评价始终处于较低的水平。同时致灾因子危险性对城市韧性提升有着积极作用，说明城市能够较好地应对气候风险变化带来的影响。承灾体脆弱性和孕灾环境敏感性的评价为负，说明城市脆弱性和敏感性依旧较强，对城市韧性的提升有着较大的制约。结果表明，承灾体脆弱性在西部和南部城市下降速度较慢，使得城市韧性评价结果提升较慢；而孕灾环境敏感性在上海、南京、无锡、杭州、苏州等发展水平较高的城市影响较强。

3.2 城市韧性的时空分布

对得到的韧性评价结果进行全局空间自相关分析，采用距离空间权重进行相关性分析。从表2和图7可知，城市全局自相关评价在2017年前莫兰指数较高且较为稳定，长三角中心区大部分城市韧性评价较低，以低—低聚集为主，高值区域主要是以上海为中心的东部地区，以及呈点状分布的杭州、南京、合肥等高值地区。2018年后莫兰指数有所下降，长三角东部地区城市韧性提升快于西部城市，宁波韧性提升速度较快，形成高值地区，使得分布更加分散，后3年东部地区城市韧性快速提升，形成以上海、苏州为核心的高—高集聚区域。

综上所述，城市韧性评价结果在空间上聚集主要是低—低集聚为主，2018年以来东部地区城市韧性提升迅速，形成以上海、苏州为核心的高—高集聚区，西部地区和南部地区城市韧性提升速度较慢，韧性较低，依旧以低—低集聚为主。

4 结语与展望

本文以长三角中心区常见的4种气候风险灾害为对象，评价气候风险下的城市韧性，通过耦合激励法对灾害之间的影响进行分析得到致灾因子危险性的评价，运用基于投影寻踪的遗传算法对致灾因子危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力进行综合评价，得到以下结论。

（1）长三角中心区的主要气象灾害风险为强降水和大气污染，在区域分布上有较明显的差异性，危险性较高的年份为2013年和2016年，这两年受到极端降水所引起的危险性评价上升。危险性高值区主要集中在东部地区和西部地区，两地的大气污染高于其他地区，且强降水天气较多，2018年后大气污染得到较好改善，气候风险也有所下降。

（2）气候风险下的城市韧性评价中，城市防灾减灾能力和致灾因子危险性对城市韧性提升起到积极作用，而孕灾环境敏感性的上升影响了城市韧性的提升，承灾体脆弱性虽然下降但无法满足城市发展的需求，因此应当更加重视城市系统内的薄弱环节，减少城市的脆弱性和暴露度，特别是长三角西部和南部城市，同时高韧性城市大都集中在东部地区，受到孕灾环境的影响更强，需要注重降低城市孕灾环境的危险性并注重城市蓝绿空间建设。

本文针对气候风险下的城市韧性评价，从风险视角展现城市韧性遭遇气候风险的过程，同时对多种气候风险通过耦合激励综合模型计算得到多种气候风险的综合评价，但研究受到数据制约只能以年为时间精度进行分析，对多灾种风险的危险性评估存在误差。另外，由于未能获得城市市区气象站数据及指标选择的局限性，导致对评价结果有所影响。在后续研究中需完善多灾种的气候风险评价体系，从月、日的尺度对区域城市气候风险进行评价，对城市内部各个系统构建更加精细的评价指标体系。