氣候變化下長三角城市群基礎設施脆弱性評估及空間分析

施建剛，俞曉瑩

（同濟大學經濟與管理學院，上海 200092）

全球氣候變化以及頻發的極端天氣對當前城市安全提出了挑戰，作為城市復雜系統中的重要組成部分，基礎設施系統在應對氣候變化的過程中扮演了重要的角色。一方面，充足且具有防災功能的基礎設施是對抗極端天氣災害的重要屏障；另一方面，基礎設施自身同樣具有災害暴露性，受災后極易演變成重要的風險源［1］。對城市基礎設施進行氣候變化情境下的脆弱性分析成為城市應對氣候變化的重要議題。現有城市基礎設施脆弱性的相關研究大致分為兩類：一是以基礎設施為對象，包括從物理層面分析基礎設施的設備材質、結構等要素的抗干擾、抗破壞能力［2］，從工程層面分析基礎設施故障狀態時的功能損失與可靠運行概率［3-4］；從城市規劃層面分析基礎設施布局和設計規程是否能保障城市安全運行、并滿足防災減災的要求［5-6］，從治理層面分析城市基礎設施治理主體的風險應對、政策有效性等指標［7］。二是以城市系統作為對象，將基礎設施脆弱性或相關指標作為分析要素之一，比如韌性城市研究［8］、宜居城市研究［9］、城市氣候變化適應性研究等［10］。以基礎設施為對象的研究多局限于單一視角，而以城市整體為對象的研究雖然更為全面、綜合性強，但不能體現出基礎設施脆弱性的具體狀況。為探究在氣候變化情境下城市基礎設施脆弱性的空間分布特性，本文將基礎設施脆弱性評估與其空間分析相結合，構建氣候變化下城市基礎設施脆弱性的空間分析框架，并以長三角城市群各地級市為實證對象，通過城市基礎設施脆弱性的空間分布特征、空間關系來更好地理解和把握氣候變化下基礎設施脆弱性的特點。

1 研究背景及分析框架

1.1 氣候變化及城市基礎設施脆弱性

氣候變化是人類共同面臨的巨大挑戰。聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）發布的工作報告顯示：1880年至2012年間全球陸地和海洋平均溫度上升了0.85℃［11］；自1950年起，氣候變化引發的極端天氣以極寒、極熱、強降雨等形式出現在多個地區，發生頻率不斷增加、破壞力增強。國家發改委等部門于2013年制定的《國家適應氣候變化戰略》中提到，20世紀90年代以來，中國平均每年因極端天氣氣候事件造成的直接經濟損失超過2 000多億元，死亡2000多人。世界經濟論壇發布的《全球風險報告2018》中，極端天氣事件連續兩年占據全球風險概率首位［12］。

狹義的城市的基礎設施系統包括供電、供氣、通訊、供水、排水以及交通設施等［13］，城鎮化推動了城市基礎設施規模的迅速擴張，也大大增加了其作為氣候變化承災體的風險。中國于2016年2月由國家發展改革委與住房城鄉建設部聯合發布了《城市適應氣候變化行動方案》，并于2017年2月確定了28個氣候適應型建設試點城市，明確提出要“推動適應氣候變化的城市公用基礎設施建設”。加強基礎設施抵御氣候事件的能力，是降低其脆弱性、提高城市安全的關鍵路徑之一。

為更直觀地分析和評價基礎設施脆弱性，學界嘗試對其進行量化評估，主要包括情景仿真建模和多屬性指標評價兩類方法。仿真建模方法多見于工程領域研究中，以災后設施拓撲結構的損失或功能的下降作為脆弱性函數，適合于單一災害情景分析；多屬性指標評價，以多屬性值理論為基礎，根據評估目的建立指標體系和評價模型，能夠實現多災害、多種基礎設施系統的脆弱性評估。本文以城市多類基礎設施系統為評價對象，采用多屬性指標評價方法。

1.2 氣候變化下城市基礎設施脆弱性的空間分析框架

在城鎮化的進程中，城市的發展狀況各異，城市整體脆弱性分布呈現出顯著的空間相異性［14］。城市基礎設施的抗災防災能力與當地的經濟社會發展水平相關，同時受到城市的地理位置、地質狀況、水文分布等因素的合力作用，那么空間相近的城市之間在基礎設施脆弱性水平上是否具有關聯性？為了回答這一問題，以長江三角洲城市群為對象，以城市為單元進行基礎設施的脆弱性評估，構建脆弱性的三要素——暴露性、敏感性、適應性的量化指標，從兩個方面進行指標要素的空間分析，一是城市基礎設施脆弱性的空間分布，二是脆弱性要素是否具有空間相關性，分析框架如圖1所示。

圖1 氣候變化下城市基礎設施脆弱性的空間分析框架Fig.1 Spatial analysis framework of urban infrastructure vulnerability in climate change

2 氣候變化下城市基礎設施脆弱性的評估

2.1 評估模型與變量

2.1.1 評估模型

脆弱性評估指標體系的構建基于脆弱性內涵的界定，目前存在兩種標準：一是脆弱性作為內生性變量，將脆弱性等同于敏感性，評估災害下系統受損的容易程度；二是脆弱性作為外源性變量，考慮災害概率，并將承災體的暴露性和災害敏感性作為脆弱性的自變量［15］。兩種界定標準決定了變量性質，影響評估模型的構建［16］。

在脆弱性的多屬性指標方法中，Polsky基于對氣候變化災害實例的分析，于2007年提出了脆弱性VSD整合模型（Vulnerability Scoping Diagram），是近年來被廣泛認可的脆弱性評價指標體系［17］。VSD體系包括承災體的災害暴露性（Exposure）、承災體對災害的敏感性（Sensitivity）和承災體的適應性（Adaptability），被廣泛應用于生態環境變化時的承災體脆弱性的識別和評估。另外，聯合國大學（United Nations University，簡稱UNU）為評估自然災害下的國家脆弱性，于2011年發布了世界風險指標WRI（World Risk Index），構建了由承災體的暴露性、敏感性和適應性三個維度指標組成的脆弱性評估體系［18］。世界風險指標體系與VSD有相通之處，同時強調了社會因素的作用。借鑒VSD體系和WRI指標，構建氣候變化下城市基礎設施脆弱性三要素指標體系，逐一進行要素量的空間分析。

2.1.2 評估變量與指標體系

分別構建三類要素的評價指標體系，指標的選取應有針對性地反映出各要素的具體內涵。參考IPCC工作報告、聯合國國際減災戰略報告以及相關研究文獻，遵照系統性、科學性、可操作性等原則，對氣候變化下城市基礎設施脆弱性三要素內涵進行闡述，并據此構建相應的評價指標體系于表1，從暴露性、敏感性和適應性三個維度進行城市基礎設施在氣候變化情景下的脆弱性評估。

表1 氣候變化下城市基礎設施脆弱性評估指標體系Tab.1 Indicators of urban infrastructure vulnerability assessment in climate change

（1）暴露性

暴露性是指災害情景下，承災體遭受擾動或災害的程度，IPCC將其定義為“因位于特定地點或環境，致使人類、生計、環境服務和資源、基礎設施、以及經濟、社會或文化設施等具有了遭受不利影響的可能性”［19］。這一概念被大量文獻引用，反映出學界在暴露性內涵問題上觀點較為統一［20］。暴露性是否能作為脆弱性函數的自變量存在爭議，有學者認為暴露性是脆弱性的主成分之一［21］，也有觀點認為應將兩者區別看待［22］。基礎設施暴露性本身并沒有風險必然性，但是在氣候變化或氣候災害發生時對脆弱性有放大作用，故將暴露性作為脆弱性要素之一。

秦大河在《中國極端天氣氣候事件和災害風險管理與適應國家評估報告》中將暴露性界定為“特定災害事件發生時的影響范圍和承災體分布在空間上的交集”［23］，包含了氣象災害下暴露性內涵中的兩個要點：一是承災體，二是氣象災害事件。考慮到承災體的規模與氣象事件的嚴重程度決定了暴露性水平，選擇城市的年度供水量、用電量、交通客運量、電信業務量、以及燃氣供氣量作為承災體暴露規模，選擇極端天氣中較為典型的高溫、強降水作為氣象變化導致的氣象災害，作為暴露性的評價指標。其中，考慮到城市人口規模對基礎設施總量的影響，將指標數據取人均值。

（2）敏感性

首先，敏感性包含系統易損性內涵，指承災體“在多大程度上易遭受自然災害的破壞和損害”［24］，IPCC將基礎設施敏感性定義為“由于缺少對危險狀況的抵抗力導致系統容易遭受巨大損失和傷害的傾向”［19］，這一內涵反映了承災體對氣候變化負面影響的承受能力；其次，敏感性還包含系統的災害應對能力，即“承災體利用資源、技術、機會來克服災害負面影響、并在短期內恢復基本功能的能力”［25］，Blaikie等學者認為敏感性是表征“個人或群體預測、應對災害以及從災害中恢復的能力”的特征指標［25］，應對能力內涵考慮災害后承災體保持的生存力，是傳統災害管理中的重點內容。

城市基礎設施的材質、施工以及老化和缺乏維護均會導致敏感性的增加，以供水管道為例，根據統計資料，我國常用的灰口鑄鐵管、混凝土管等爆管幾率較大，而球墨鑄鐵管爆管較少，非球墨鑄鐵管的比例可在一定程度上反映設施的敏感性，故作為供水系統敏感性指標；另外，城市供電、交通、燃氣、通信設施結構復雜，設施材質、元件的具體數據難以獲得，故分別采用停電時間、交通不利日數、停氣頻率以及通信基站量來衡量設施的敏感性；城市排水系統是應對強降水等極端天氣的防災設施，排水管道規模的提升可以降低交通等其他設施的易損程度，取其人均值作為敏感性的負向指標；通信基站規模代表城市通信設施系統的發展水平，取其人均值作為敏感性的負向指標。

（3）適應性

適應性是指系統或個體能夠進行自我調整以應對災害風險的能力，決定了個體、家庭、社區或其他群體在環境變化下的可持續性［26］。與敏感性不同，適應性強調承災體長期可持續發展潛力。近年來，由于意識到氣候變化帶來的風險具有高度的不確定性，提高受災體的“氣候適應性”逐漸成為應對氣候變化的主要策略。IPCC將“氣候適應”定義為“自然界或人類在氣候變化情況下降低氣候風險、利用有利機會的一種調整”［19］。適應性強調系統自身為減少氣候風險而進行的變化與再組織過程，著眼于中長期機制［27］。

與其他指標相比，適應性指標主要關注設施物理系統之外的相關因素。城市綠地對極端強降水具有吸納、滯留及減緩的效應［8］，選擇城市的綠化覆蓋率作為適應性指標；城市基礎設施的定期維護影響其使用壽命和運行質量［28］，城市維護建設資金為定期維護工作提供長期的財力支持，選擇支出的人均值作為適應性指標；另外，在災害實際發生之前，災害的風險存在被低估的傾向［29］，設施系統的保險投資可以為氣象災害后的恢復和重建提供支持，地方保險業中財產險保費收入可以反映當地各行業的保險意識水平，選擇財產險保費收入的人均值作為適應性指標。

2.2 城市樣本與數據處理

2.2.1 評估樣本

本文以長江三角洲城市群（簡稱“長三角城市群”）為評估的樣本城市。根據2016年5月國務院批準的《長江三角洲城市群發展規劃》，長三角城市群包括上海，江蘇省的南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮江、泰州，浙江省的杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州，安徽省的合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城等26市［30］。研究區域如圖2所示。資料來源于《長江三角洲城市群發展規劃》，2016年后銅陵市與安慶市的行政區劃進行了調整。

2.2.2 數據處理

圖2 研究區域示意圖Fig.2 Map of study zone

采用Min-Max歸一化方法對原始數據進行無量綱標準化處理。Min-Max歸一化方法是一種線性變換方法，將所有的數據投射到［0，1］之間，來解決數據間因量綱不同而無法比較的問題。綜合評估中共有n個城市，m個指標，各指標分別為x1，x2，…，xm，用xij（i=1，2，…，n；j=1，2，…，m）表示第i個城市的第j個原始指標值，x′ij表示經過量綱處理的第i個單位的第j個指標值。

對于標準化后的指標數據，參考世界風險指標體系與VSD模型對于指標無差異權重的處理，分別對暴露性、敏感性和適應性的各個指標值進行加和平均，得出每一類要素的評估值。

3 氣候變化下城市基礎設施脆弱性的空間分析

為進一步探究城市基礎設施脆弱性的空間特征，以脆弱性三要素的評估結果為基礎、以城市為空間單元對其進行空間關系的分析。空間分析分為兩部分，一是空間分布分析，考察三類要素指標評價值的空間分布情況；二是空間相關性分析，是檢驗某一要素的屬性與其相鄰空間上的屬性值是否相關的重要指標，通過全局自相關和局部自相關兩種方式進行分析。

具體地說，在ArcGIS軟件平臺對脆弱性三要素指標值分別進行數據分級，按照自然間斷點分級法（Jenks）將評估值劃分為“低、較低、中等、較高、高”5個級別，將具體的空間分布進行可視化展示；在ArcGIS空間分析模塊采用全局空間自相關評價指標——Global Moran’s指數來分別考察三個要素的空間全局自相關性；通過“聚類和異常值分析”工具，進行三類要素的局部自相關性分析。

3.1 暴露性要素

（1）暴露性的空間分布

在ArcGIS的運行下，得出氣候變化下長三角城市群基礎設施暴露性的空間分布如圖3所示。

圖3顯示，暴露性最高的三個城市包括蘇州、上海、南京，三個城市當年人均地區生產總值（Per Capita GRP）均在10萬元之上，并且均具有較高程度的人口規模，其中上海市被列為超大城市（常住人口≥1 000萬），南京市為特大城市（500萬≤常住人口≤1 000萬），蘇州市為I型大城市（300萬≤常住人口≤500萬）。城市居民對水、電、燃氣、通訊以及交通的需求比中小規模城市更高，導致其氣候變化暴露性處于高值區域。而暴露性較低的城市中，安慶、池州、滁州、宣城、舟山、嘉興等人口均不足百萬。簡言之，城市的人口規模和經濟水平與基礎設施的氣候變化暴露性存在一定的相關性。

圖3 氣候變化下的城市基礎設施暴露性空間分布Fig.3 Spatial distribution of urban infrastructure exposure in climate change

（2）暴露性的空間相關性

暴露性的空間相關性如圖4所示，圖4a為暴露性的全局相關性Moran’s I指數，圖4b為暴露性的局部自相關聚類分布。

圖4 暴露性的空間相關性Fig.4 Spatial correlation of urban infrastructure exposure

暴露性的Moran’s I指數接近0，空間全局自相關性不顯著，即暴露性要素值在空間上的分布具有整體的隨機性。局部自相關分析中出現了兩個聚集區域，一是HH（高值集聚區）類型的上海市，二是LH（低值被高值包圍）類型的嘉興市。上海市是長三角城市群中唯一的超大城市，在人口規模、經濟體量上一直保持第一，是城市群落的中心，暴露性高值集聚的形成一定程度上反映了其城市基礎設施的規模水平具有一定的空間輻射性，也同時造成了嘉興市的LH區域類型。嘉興市常住人口不足500萬，屬于中等城市，在地理位置上被上海、杭州、蘇州等高暴露性城市環抱，但其暴露性的評估值并未受到鄰接城市的影響。總之，暴露性的空間分布在整體上呈現隨機性，只有上海市的暴露性對空間鄰近城市有一定的輻射作用。

3.2 敏感性要素

（1）敏感性的空間分布

在ArcGIS的運行下，得出氣候變化下長三角城市群基礎設施敏感性的空間分布如圖5所示。

圖5顯示，樣本中高敏感性城市大多分布在安徽省境內，地理位置位于長三角城市群的中西部。位于高敏感性區間的銅陵、安慶、宣城、蕪湖、池州的人口規模相對較小，均不足400萬；其人均地區生產總值除蕪湖達到6萬元之上，其余4個城市的人均GRP僅在3～4萬元之間，在城市群中排名靠后，屬于經濟相對不發達的中小城市。在氣候變化及其引發的極端天氣情況下，其基礎設施系統有更高的可能由于設施材質易損、服務供應不可靠、設施規模不足等問題產生設施失效等后果。而敏感性較低的合肥、杭州、南京、上海均屬于省會城市或直轄市，人口規模較大，經濟水平較高，其城市維護投入和硬件設施質量相對較好。從暴露性和敏感性的空間分布圖可以看出，兩者有相當一部分呈現互逆分布。

（2）敏感性的空間相關性

圖5 氣候變化下城市基礎設施敏感性空間分布Fig5.Spatial distribution of urban infrastructure sensitivity in climate change

敏感性的空間相關性如圖6所示，圖6a為敏感性的全局相關性Moran’s I指數，圖6b為敏感性的局部自相關聚類分布圖。

圖6 敏感性的空間相關性Fig.6 Spatial correlation of urban infrastructure sensitivity

由圖6可見，敏感性的Moran’s I指數為0.368 512，要素在99%的概率下（p值約為0.01）存在空間正相關，即要素高值或低值整體上在空間上顯著集聚；敏感性的局部自相關性分析中出現了一個異常值，即LH（低值被高值包圍）類型的合肥市，以及一個聚類區域，即HH（高值集聚區）類型的安慶、池州、蕪湖、宣城。這兩個區域都屬于安徽省，且兩者之間存在地理上的相鄰關系。合肥市作為安徽省省會城市，其基礎設施在氣候變化情境下的敏感性較低，得益于其城市維護的大力投入和硬件設施較好的質量，但這種優勢并沒有從空間上擴散至其相鄰城市群，與之相反，其周圍形成了高敏感性的城市聚集區域。

3.3 適應性要素

（1）適應性的空間分布

在ArcGIS的運行下，得出氣候變化下長三角城市群基礎設施適應性的空間分布如圖7所示。合肥、南京、舟山、湖州在適應性上處于高值，而蕪湖、滁州、鹽城、宣城、泰州的適應性指標相對較低。對具體數據進行深入分析后，發現城市維護建設支出起到關鍵作用。合肥市作為26個城市中唯一的氣候適應型城市建設試點，其適應氣候變化的相關工作具有一定的基礎，2016和2017年的統計數據顯示，合肥市城市維護建設資金支出接近安徽省一半的水平。在申請試點城市的過程中，合肥市政府投資建設了氣象災害監測預警系統，對供電、交通、排水等設施系統進行了應對極端天氣災害的改造工作［31］。由此可知，城市建設定位和政策性引導對提高基礎設施的氣候變化適應性、降低氣候災害脆弱性起到重要的推動作用。

（2）適應性的空間相關性

適應性的空間相關性如圖8所示，圖8a為適應性的全局相關性Moran’s I指數，圖8b為適應性的局部自相關聚類分布圖。

圖8 適應性的空間相關性Fig.8 Spatial correlation of urban infrastructure adaptation

適應性的Moran’s I指數接近0，空間全局自相關性不顯著，即適應性要素值在空間上的分布具有整體的隨機性；局部自相關分析中出現了一個聚集區域，即HH（高值集聚區）類型的合肥市。如前所述，合肥市是長三角城市群中唯一的氣候適應型城市試點，其地理相鄰的馬鞍山市、銅陵市基礎設施的適應性相對較高，呈現出一定的空間輻射；但這種輻射關聯并不普遍，滁州市、蕪湖市與合肥市鄰接，但是其基礎設施的適應性要素評估值低。由此可知，在長三角城市群中，氣候變化下的城市基礎設施適應性要素的空間分布在整體上呈現隨機性，合肥市的適應性對空間鄰近城市有一定的輻射作用。

3.4 綜合分析

氣候變化背景下，城市基礎設施的脆弱性是其氣候災害暴露性、設施敏感性以及適應性三類要素合力的結果，其中暴露性和敏感性是正向要素，適應性是反向要素。根據對各個要素的空間分布分析，可知各類要素的空間分布并不一致。比如上海市的城市基礎設施具有較高的暴露性，而其設施敏感性較低、適應性較高；而南京市的城市基礎設施屬于高暴露性、高適應性、較低敏感性的類型；杭州市的城市基礎設施具有較高的暴露性，其敏感性卻很低，適應性中等；還有安慶市、宣城市等中小城市，基礎設施系統往往具有較低的災害暴露性、較高的敏感性以及相對較低的適應性。基于此，各個城市在制定基礎設施系統應對氣候變化策略體系時，需首先明確各類脆弱性要素的具體水平，有的放矢地出臺政策以降低設施系統的脆弱性。

另外，從省域視角看，暴露性和敏感性要素的空間分布呈現顯著的省域相異性。較高的災害暴露性的城市多分布于上海市、江蘇省、浙江省，而安徽省多個城市的基礎設施敏感性相對較高，適應性的空間分布并未體現這一特征。

雖然在評估體系中沒有采用直接的經濟指標，但是上述對城市基礎設施脆弱性三要素的空間分布分析表明，城市自身經濟水平的作用明顯。經濟發達地區對城市基礎設施的依賴性較大，氣候變化下的暴露性相對較高；而經濟能力又能支持設施系統硬件的發展，同時改善系統內外環境因素，提升相關人力資源水平并提供可持續發展的持續動力。同時，相關宏觀政策能夠引導脆弱性要素的走向。

在空間自相關性上，只有城市基礎設施的敏感性要素整體上具有空間相關特征，暴露性和適應性只存在局部的空間聚集區域。其中上海市的基礎設施災害暴露性對周邊區域存在正向的影響，這與其人口規模、經濟發展的空間輻射有一定的關系；合肥市作為樣本中唯一的氣候適應型城市試點，自身具有較高的氣候適應性，對鄰近城市基礎設施的適應性存在正向的影響關系。

4 結論

為了解氣候變化情境下城市基礎設施脆弱性的空間分布及相關關系，以長三角城市群各地市為對象，首先進行了基礎設施脆弱性評估，并以此為基礎分析了脆弱性的空間分布情況與空間自相關性。

城市基礎設施的脆弱性按照暴露性、敏感性、適應性三類要素分別進行評估，經過客觀指標數據的處理，得到了被評估的26個城市單元三要素的評估值。進一步對評估值進行空間分布與空間自相關性分析，發現其空間分布關系具有如下特點：

（1）氣候變化下城市基礎設施脆弱性的分布與城市的地理位置關系不明顯，而與城市級別、人口規模、經濟水平等有一定的相關關系。人口眾多、經濟水平較高的城市其基礎設施暴露性有高值傾向，而敏感性以及適應性與之相反，體現了城市基礎設施的社會經濟屬性。

（2）相關宏觀政策的引導對降低城市基礎設施脆弱性有顯著作用。特別是在當前氣候適應型城市建設過程中，城市定位和政策性引導對提高基礎設施的氣候變化適應性起到關鍵的推動作用。

（3）省界對城市基礎設施脆弱性要素的分布有一定的影響。根據對長三角城市群的實證結果分析，氣候變化下城市基礎設施的暴露性與適應性沒有顯著的空間自相關性，而敏感性空間自相關性顯著，安徽省內分布有更多的基礎設施敏感性高值城市。

總之，在氣候變化背景之下，長三角城市群的基礎設施脆弱性分布未形成區域化的一致特征，脆弱性更多地取決于城市單元個體的行政級別、經濟水平以及所屬行政區域等因素，三類要素的空間分布各異。為協調發展長三角城市群對抗氣候變化能力，應在區域一體化政策的推動下構建降低基礎設施脆弱性的策略框架，因地制宜地識別出各類脆弱性要素的城市分布特征，在區域經濟協同發展戰略紅利下對高脆弱性城市進行政策扶持，加強基礎設施建設，并制定提升其對抗氣候變化能力的長期發展規劃。

作者貢獻聲明：

施建剛：負責論文研究概念、技術路線的提出，把握論文的邏輯結構，對論文進行了重要的修改，核準論文最終版。

俞曉瑩：參與論文研究概念、技術路線的確定，負責數據收集、分析與解釋，撰寫論文初稿。