基于BP神經(jīng)網(wǎng)絡(luò)與熵值法的浙江省城市韌性評估研究

孔家輝, 鄒逸江, 斯港杰

基于BP神經(jīng)網(wǎng)絡(luò)與熵值法的浙江省城市韌性評估研究

孔家輝, 鄒逸江*, 斯港杰

（寧波大學(xué) 地理科學(xué)與旅游文化學(xué)院, 浙江 寧波 315211）

以浙江省為例, 利用BP神經(jīng)網(wǎng)絡(luò)與熵值法綜合建模, 對2011—2020年間浙江省各地級市的城市韌性進(jìn)行定量評價, 分析經(jīng)濟(jì)、社會、環(huán)境、設(shè)施4項(xiàng)城市單系統(tǒng)韌性及其復(fù)合韌性, 從而揭示浙江省城市韌性的空間分布特征與發(fā)展規(guī)律. 研究表明: 浙江省韌性發(fā)展趨勢較為平穩(wěn), 韌性水平的空間分布差異較大, 內(nèi)部存在發(fā)展不均衡現(xiàn)象; 核心地區(qū)與邊緣地區(qū)的韌性水平均呈現(xiàn)緩慢上升勢態(tài), 且分異格局短期內(nèi)不會發(fā)生改變.

浙江省; 城市韌性; 熵值法; BP神經(jīng)網(wǎng)絡(luò); 決策評價

城市韌性是指城市系統(tǒng)經(jīng)過有序準(zhǔn)備后實(shí)現(xiàn)緩沖與對抗未知災(zāi)害帶來的擾動, 實(shí)現(xiàn)公共安全、社會秩序和經(jīng)濟(jì)建設(shè)等正常運(yùn)行的能力[1]. 伴隨中國城市化進(jìn)程的不斷加快, 城市所面臨的風(fēng)險隨著城市人口與空間分布的密集化、經(jīng)濟(jì)發(fā)展的多元化、社會結(jié)構(gòu)的復(fù)雜化而日益增加. 提升城市韌性既能在災(zāi)前設(shè)置緩沖區(qū), 起到預(yù)防效果, 又能增強(qiáng)城市各系統(tǒng)災(zāi)后的自我修復(fù)能力. Cutter等[2]提出城市韌性應(yīng)充分考慮經(jīng)濟(jì)、社會、城市基建、生態(tài)環(huán)境等多方面因素, 構(gòu)建全面城市韌性評價體系. 修春亮等[3]構(gòu)建基于“規(guī)模-密度-形態(tài)”的三維城市韌性研究框架, 評判大連城市韌性特征與潛在災(zāi)害的危險性. 王麗華等[4]選取長江中下游地區(qū)20個城市, 利用FCM聚類算法劃分城市韌性等級, 分析不同城市韌性等級間的空間差異. 吳浩等[5]在雙評價指南的基礎(chǔ)上引入多源時空數(shù)據(jù), 建立基于“隱性-韌性-顯性”的城市資源環(huán)境承載力空間特征分析理論框架. 陳羽丹[6]利用PSR模型, 深入分析城市韌性發(fā)揮中“壓力韌性”“狀態(tài)韌性”“響應(yīng)韌性”的過程, 對湖北黃石市進(jìn)行城市韌性水平的量化評估. 白立敏等[7]從經(jīng)濟(jì)、社會、生態(tài)、基礎(chǔ)設(shè)施4個方面系統(tǒng)構(gòu)建了城市韌性綜合測度指標(biāo)體系, 利用熵值法對我國地級以上城市韌性進(jìn)行定量評估. 孫才志等[8]建立以信息熵為基礎(chǔ)的海洋經(jīng)濟(jì)系統(tǒng)韌性評價體系, 利用SBM模型測算環(huán)渤海地區(qū)沿海城市的海洋經(jīng)濟(jì)系統(tǒng)熵變過程及韌性的演化規(guī)律. 繆惠全等[9]建立基于恢復(fù)過程的城市韌性評價體系, 通過救援、避難、重建、復(fù)興4個階段, 解析城市災(zāi)后恢復(fù)過程, 進(jìn)而對城市韌性進(jìn)行系統(tǒng)分析.

城市韌性的相關(guān)研究尚處于初級階段, 雖然國內(nèi)外學(xué)術(shù)界對城市韌性這一概念的解析已較為深入, 但對如何將城市韌性理念運(yùn)用到不同地區(qū)的各級城鄉(xiāng)規(guī)劃中, 目前仍無成熟的理論體系和技術(shù)[10]. 近年來, 在浙江省4大都市圈高速發(fā)展的同時, 城市各類問題頻發(fā), 城市內(nèi)外的潛在風(fēng)險呈現(xiàn)出形式多樣、關(guān)系復(fù)雜等特征. 風(fēng)險在制約城市經(jīng)濟(jì)、社會發(fā)展的同時, 還嚴(yán)重威脅城市居民的生命健康與財產(chǎn)安全. 例如, 2020年突發(fā)的新冠肺炎疫情、南方地區(qū)多輪強(qiáng)降水造成的洪澇災(zāi)害等危機(jī)事件, 浙江省各地級市的城市安全環(huán)境都受到了嚴(yán)重沖擊, 因此亟需關(guān)注浙江省的城市韌性建設(shè), 著力推動各地級市的城市系統(tǒng)韌性提升. 目前, 浙江省形成了“工業(yè)化超前、城市化滯后”的錯位局面, 城市發(fā)展面臨嚴(yán)重問題, 且有關(guān)浙江省城市韌性的研究較少.

本文以浙江省11個地級市為研究對象, 采用BP神經(jīng)網(wǎng)絡(luò)和熵值法, 通過經(jīng)濟(jì)、社會、環(huán)境和設(shè)施4個維度構(gòu)建城市韌性評價體系, 以期為優(yōu)化浙江省城市空間格局, 應(yīng)對潛在的災(zāi)害提供理論依據(jù).

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

浙江省位于我國東南沿海地區(qū)(118°～123°E, 27°12′～31°31′N). 據(jù)2021年《浙江統(tǒng)計(jì)年鑒》, 截至2020年底全省轄11個地級市, 37個市轄區(qū)、53個縣級市. 研究區(qū)位置如圖1所示.

圖1 研究區(qū)位置

1.2 數(shù)據(jù)來源

本文數(shù)據(jù)來源: 2011—2020年的《中國城市統(tǒng)計(jì)年鑒》《浙江自然資源與環(huán)境統(tǒng)計(jì)年鑒》《浙江經(jīng)濟(jì)普查年鑒》《城市供水統(tǒng)計(jì)年鑒》《浙江統(tǒng)計(jì)年鑒》以及浙江省杭州市、寧波市、溫州市等11個地級市的地方統(tǒng)計(jì)年鑒等. 針對部分?jǐn)?shù)據(jù)的缺失, 采用插值法填補(bǔ)數(shù)據(jù).

2 研究方法

2.1 評價指標(biāo)體系

Mayunga[11]通過社會、經(jīng)濟(jì)、物質(zhì)、人力和自然5個角度具體量化了社區(qū)災(zāi)害韌性, 將城市韌性理論研究初步量化到實(shí)際應(yīng)用中. Bruneau等[12]提出了社區(qū)韌性評價4維模型, 4個維度包含技術(shù)、組織、社會和經(jīng)濟(jì), 各維度均需要滿足魯棒性、冗余性、智慧性和快速性4個基本特性, 但是該評價系統(tǒng)缺乏考慮城市設(shè)施、醫(yī)療等系統(tǒng), 不同維度的量化分析方法還不夠具體. 此外, 國內(nèi)不同領(lǐng)域的多名學(xué)者從自身研究出發(fā), 圍繞環(huán)境、社會、經(jīng)濟(jì)以及文化等多個方向建立了不同的城市韌性評價體系[13-15].

基于已有的相關(guān)研究, 本文運(yùn)用AHP方法的分層思想, 按照目標(biāo)層、準(zhǔn)則層和指標(biāo)層確定總體層級. 以浙江省城市韌性水平為目標(biāo)層, 選取經(jīng)濟(jì)、社會、環(huán)境、設(shè)施4大城市子系統(tǒng)作為準(zhǔn)則層, 影響城市子系統(tǒng)的代表指標(biāo)作為指標(biāo)層, 每層包含5項(xiàng)三級指標(biāo), 共計(jì)20項(xiàng)(表1). 其中過高的外資使用金額易加劇國內(nèi)經(jīng)濟(jì)結(jié)構(gòu)的失衡, 對本土經(jīng)濟(jì)產(chǎn)生一定程度的擠占效應(yīng), 因此將此類指標(biāo)作為負(fù)向指標(biāo); 作為負(fù)向指標(biāo)的還有城鎮(zhèn)失業(yè)人員數(shù)量、社會撫養(yǎng)比、二氧化硫排放、工業(yè)廢水排放. 其余指標(biāo)均定義為正向指標(biāo).

2.2 熵值法

熵值法可以對影響城市系統(tǒng)韌性的變異程度進(jìn)行客觀評價, 其變異大小與其重要性成正比, 與其所處信息熵成反比. 指標(biāo)對城市韌性影響程度越高, 其所占權(quán)重越大, 反之則越小[16]. 使用熵值法確定各項(xiàng)指標(biāo)的權(quán)重, 既可以合理規(guī)避人工臆斷所造成的主觀影響, 也可以有效克服多指標(biāo)變量間的信息重疊問題[17]. 本文采用熵值法, 計(jì)算影響浙江省城市韌性的20個三級評價指標(biāo)所占權(quán)重.

使用熵值法計(jì)算前先將影響城市韌性等級的20項(xiàng)原始數(shù)據(jù)進(jìn)行歸一化處理.

正向指標(biāo)歸一化處理公式為:

反向指標(biāo)歸一化處理公式為:

本文的正向指標(biāo)指代與城市韌性具有正相關(guān)關(guān)系, 正向指標(biāo)越大, 影響城市韌性的積極性越強(qiáng); 反向指標(biāo)與城市韌性具有負(fù)相關(guān)關(guān)系, 影響城市韌性消極性越強(qiáng), 則負(fù)向指標(biāo)越大.

2.3 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典學(xué)習(xí)算法, 在自動化控制、人工智能等領(lǐng)域已得到了廣泛應(yīng)用. Clelland最早提出BP神經(jīng)網(wǎng)絡(luò)的概念[18], 其基本結(jié)構(gòu)組成由一個輸入層、多個隱藏層和一個輸出層組成, 每層包含若干神經(jīng)元節(jié)點(diǎn), 結(jié)構(gòu)如圖2所示. 其中1～X為個樣本的輸入層, 1～為模型中個隱藏層,為BP神經(jīng)網(wǎng)絡(luò)的輸出層.

利用Matlab中newff函數(shù)構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò), 將經(jīng)濟(jì)、社會、環(huán)境、設(shè)施城市子系統(tǒng)中共計(jì)20項(xiàng)三級指標(biāo)以及熵值法計(jì)算后的權(quán)重作為輸入層數(shù)據(jù), 城市子系統(tǒng)韌性得分作為輸出層數(shù)據(jù). 構(gòu)建拓?fù)浣Y(jié)構(gòu)為20×10×1的BP神經(jīng)網(wǎng)絡(luò)模型, 輸入層神經(jīng)元1～20, 隱藏層神經(jīng)元10個, 輸出層神經(jīng)元1個, 學(xué)習(xí)速率設(shè)置為0.01, 訓(xùn)練精度設(shè)置為1×10-3, 最大訓(xùn)練次數(shù)設(shè)置為1000次. 輸出的城市韌性評價在[0,1]區(qū)間. 不斷優(yōu)化后得到上述20個輸入層指標(biāo)與城市韌性強(qiáng)度間的關(guān)聯(lián), 進(jìn)而對浙江省各城市的城市復(fù)合韌性進(jìn)行評價.

3 韌性分析結(jié)果

3.1 城市韌性總體分析

通過熵值法計(jì)算得出浙江省各地級市2011—2020年影響城市韌性的三級指標(biāo)權(quán)重, 歷年權(quán)重取平均值, 即可得到浙江省城市韌性評價指標(biāo)權(quán)重(表2). BP神經(jīng)網(wǎng)絡(luò)模型經(jīng)過103次的訓(xùn)練, 誤差下降至0.001以下, 完成目標(biāo)精度要求(圖3). 將浙江省各地級市經(jīng)濟(jì)、社會、環(huán)境、設(shè)施4個城市子系統(tǒng)的20類數(shù)據(jù)歸一化后輸入訓(xùn)練完畢的BP神經(jīng)網(wǎng)絡(luò)模型中, 運(yùn)行迭代后輸出2011—2020年間浙江省11個地級市的經(jīng)濟(jì)、社會、環(huán)境、設(shè)施4個子系統(tǒng)的韌性得分, 使用自然間斷點(diǎn)法將得分分割成5個等級, 得到BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)評價標(biāo)準(zhǔn)(表3). 設(shè)定1級為低韌性, 2級為較低韌性, 3級為中等韌性, 4級為較高韌性, 5級為高韌性. 等級由低到高指示城市韌性逐漸增大.

表2 浙江省城市韌性評價指標(biāo)權(quán)重

表3 城市韌性等級評價標(biāo)準(zhǔn)

浙江省城市總體韌性水平發(fā)展趨勢如圖4所示. 浙江省2011—2020年韌性發(fā)展整體較為平穩(wěn). 2011—2014年出現(xiàn)明顯下降趨勢, 由2011年的0.45降至2014年的0.33; 2014—2017呈現(xiàn)上升趨勢, 由2014年的0.33上升到2017年的0.38; 增長率達(dá)到15.15％; 2017—2020年呈現(xiàn)“下降-上升-平穩(wěn)”的發(fā)展趨勢. 得益于浙江省原始城市韌性水平較強(qiáng), 雖然10年間的韌性發(fā)展沒有明顯的上升趨勢, 但全省整體韌性仍然維持在中高韌性水平.

圖4 浙江省城市韌性發(fā)展水平

3.2 單系統(tǒng)韌性時序分析

將歸一化后2011—2020年浙江省各地級市城市韌性指標(biāo)權(quán)重輸入BP神經(jīng)網(wǎng)絡(luò)模型中, 得到浙江省11個地級市的經(jīng)濟(jì)、社會、環(huán)境、設(shè)施系統(tǒng)的韌性指數(shù), 繪制各地級市的單系統(tǒng)城市韌性水平時序, 結(jié)果如圖5～8所示.

利用自然間斷點(diǎn)法, 將浙江省各地級市10年韌性平均得分分成3類. 從圖5可以看出, 浙江省經(jīng)濟(jì)韌性發(fā)展平均得分中杭州市與寧波市為第一梯隊(duì), 10年間平均得分維持在0.70以上. “十二五”至“十三五”期間, 杭州市逐漸轉(zhuǎn)型至以數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)為核心, 結(jié)合文化創(chuàng)意產(chǎn)業(yè)、金融服務(wù)產(chǎn)業(yè)、旅游休閑等產(chǎn)業(yè)協(xié)同發(fā)展的新興多元產(chǎn)業(yè)結(jié)構(gòu). 寧波市結(jié)合自身優(yōu)勢, 著力推動傳統(tǒng)制造業(yè)產(chǎn)業(yè)、港口業(yè)和高新技術(shù)產(chǎn)業(yè)集群的信息化. 舟山市、溫州市、紹興市、嘉興市、臺州市為第二梯隊(duì), 經(jīng)濟(jì)韌性指數(shù)上下波動不明顯, 基本保持不變. 麗水市、湖州市、金華市、衢州市為第三梯隊(duì). 從發(fā)展趨勢看, 浙江省各地級市經(jīng)濟(jì)韌性變化幅度較小, 發(fā)展較為平穩(wěn). 臺州市的經(jīng)濟(jì)韌性上升幅度居全省第一, 從“十二五”至“十三五”期間增長達(dá)79.33％.

圖5 浙江省地級市經(jīng)濟(jì)韌性得分

從圖6社會韌性發(fā)展平均得分可以看出, 麗水市和杭州市處于第一梯隊(duì), 10年間平均得分在0.65以上. 杭州市近年來通過提高大學(xué)生租房補(bǔ)貼、高層次人才購房補(bǔ)貼等政策, 吸引中高層次人才入駐, 同時不斷提升本地高校質(zhì)量, 培養(yǎng)出大批優(yōu)質(zhì)畢業(yè)生. 麗水市逐步完善人才儲備政策, 創(chuàng)造新崗位與新機(jī)遇, 一定程度上降低了居民失業(yè)率與社會撫養(yǎng)比. 溫州市、寧波市、嘉興市、舟山市、紹興市為第二梯隊(duì), 10年間平均得分在0.50上下. 其余4個地級市為第三梯隊(duì), 10年間平均得分在0.30以下. 從發(fā)展趨勢看, 浙江省各地級市社會韌性變化趨勢分異明顯, 其中臺州市、湖州市和衢州市的社會韌性水平整體呈現(xiàn)上升趨勢, 而寧波市和溫州市則呈現(xiàn)小幅下降趨勢. 寧波市數(shù)字產(chǎn)業(yè)的缺失導(dǎo)致其對外部人才的吸引力不足, 同時高等院校數(shù)量過少, 阻礙了本地中高層次人才的孵化, 導(dǎo)致社會韌性逐年下降. 在2017—2020年期間, 浙江省各地級市的社會韌性水平呈現(xiàn)“下降-上升-平穩(wěn)”的勢態(tài), 體現(xiàn)浙江省各地級市的社會保障體系正在逐步完善.

從圖7浙江省地級市環(huán)境韌性發(fā)展的平均得分可以看出, 舟山市為第一梯隊(duì), 10年間平均得分在0.80以上. 舟山市主要以第一產(chǎn)業(yè)和第三產(chǎn)業(yè)為主, 近年來依托海洋經(jīng)濟(jì)不斷更新產(chǎn)業(yè)結(jié)構(gòu), 其產(chǎn)生的二氧化硫、工業(yè)污水排放與杭州市、寧波市對比相對較少; 同時, 舟山市人均綠地面積與水資源利用率高, 使其環(huán)境韌性平均水平維持在0.80以上. 除衢州市和紹興市外其余8個地級市為第二梯隊(duì), 平均得分在0.30上下. 衢州市和紹興市為第三梯隊(duì), 平均得分低于0.20. 從發(fā)展趨勢看, 浙江省各地級市的環(huán)境韌性呈現(xiàn)從震蕩到平穩(wěn)的趨勢. 其中衢州市的環(huán)境韌性上升幅度居全省第一, “十二五”至“十三五”期間增長76.75％. 近年來, 衢州市積極響應(yīng)浙江省3輪“811”環(huán)保行動, 解決了重點(diǎn)環(huán)境污染問題, 加快建設(shè)生態(tài)立市, 提升了城市環(huán)境韌性.

圖6 浙江省地級市社會韌性得分

圖7 浙江省地級市環(huán)境韌性得分

從圖8浙江省地級市設(shè)施韌性發(fā)展的平均得分可以看出, 舟山市、寧波市、湖州市、杭州市處于第一梯隊(duì), 10年間平均得分在0.50以上. “十二五”至“十三五”規(guī)劃期間, 舟山市人口基數(shù)小, 人均基礎(chǔ)設(shè)施擁有量較多, 設(shè)施韌性平均水平居全省最高; 杭州市完善以公共交通為主導(dǎo)的城市出行系統(tǒng)、多式聯(lián)運(yùn)物流系統(tǒng), 不斷提升綜合交通服務(wù)能力和質(zhì)量; 寧波市加快發(fā)展大中運(yùn)量公共交通, 彌補(bǔ)之前地鐵軌道交通的缺失, 并優(yōu)化加密常規(guī)公交線網(wǎng)與公交專用道路網(wǎng). 溫州市和嘉興市為第二梯隊(duì), 平均得分在0.40上下. 其余5個地級市為第三梯隊(duì), 平均得分在0.30以下. 從發(fā)展趨勢看, 浙江省各地級市整體環(huán)境韌性發(fā)展呈現(xiàn)從震蕩到平穩(wěn). 2017—2019年期間, 浙江省城市設(shè)施韌性整體波動較大, 其中嘉興市、衢州市、臺州市和麗水市的設(shè)施韌性發(fā)展呈現(xiàn)峰值式的“上升-下降”趨勢; 杭州市和紹興市出現(xiàn)小幅上升趨勢; 其余5個地級市均呈現(xiàn)不同程度的下降趨勢. 其中衢州市的設(shè)施韌性上升幅度居全省第一, 從“十二五”至“十三五”期間增長達(dá)50.56％. 近年來, 衢州市加快建設(shè)高速公路網(wǎng)與城鄉(xiāng)道路網(wǎng), 建立城鄉(xiāng)快速交通連接體系, 同時增加并提升對市政基礎(chǔ)設(shè)施與便民服務(wù)設(shè)施的數(shù)量與質(zhì)量, 增強(qiáng)城市設(shè)施韌性.

圖8 浙江省地級市設(shè)施韌性得分

3.3 復(fù)合韌性空間分異特征

將經(jīng)濟(jì)、社會、環(huán)境、設(shè)施4個子系統(tǒng)各指標(biāo)的單一韌性得分, 加權(quán)平均后計(jì)算得出浙江省各地級市的復(fù)合韌性得分. 選取2011年、2015年和2020年的結(jié)果(圖9). 從圖9可以看出, 杭州市、舟山市和寧波市的城市復(fù)合韌性得分最高, 臺州市和衢州市最低. 全省平均城市復(fù)合韌性水平為0.37, 中等韌性評價及以上的地級市占比達(dá)81.82％. 浙江省城市復(fù)合韌性平均水平較高, 應(yīng)對各類災(zāi)害及恢復(fù)重建的能力較強(qiáng).

結(jié)合圖4和圖9, 在空間分異上可看出, 2011—2020年期間浙江省城市復(fù)合韌性水平呈現(xiàn)平穩(wěn)發(fā)展趨勢, 但部分地區(qū)的城市韌性水平產(chǎn)生差異. 2011年只有寧波市處于5級, 杭州市、溫州市和舟山市處于4級, 嘉興市、紹興市、金華市和麗水市處于3級, 湖州市處于2級, 衢州市和臺州市處于1級. 2015年各地級市復(fù)合韌性空間分布發(fā)生變化, 杭州市、寧波市和舟山市處于5級, 溫州市處于4 級, 嘉興市、金華市和麗水市處于3級, 紹興市、湖州市和臺州市處于2級, 衢州市處于1級. 2020年各地級市復(fù)合韌性水平變化幅度較小, 杭州市、寧波市、舟山市和溫州市處于5級, 嘉興市、金華市、麗水市、湖州市和紹興市處于3級, 衢州市和臺州市處于1級. 在空間分異上, 浙江省各地級市間的復(fù)合韌性水平發(fā)展不均衡. 高復(fù)合韌性城市的分布特征較為明顯, 出現(xiàn)以杭州市、寧波市、舟山市和溫州市構(gòu)成的三角形區(qū)域, 城市復(fù)合韌性水平自三角區(qū)域頂點(diǎn)向外圍遞減, 韌性分布具有明顯的差異化.

圖9 浙江省城市復(fù)合韌性等級空間分異與演化

4 結(jié)論與建議

4.1 結(jié)論

本研究采用BP神經(jīng)網(wǎng)絡(luò)與熵值法相結(jié)合, 對2011—2020年浙江省地級市城市韌性進(jìn)行評價, 在一定程度上避免人為因素帶來的主觀臆斷性. 通過不斷調(diào)試BP神經(jīng)網(wǎng)絡(luò)模型, 使模型輸出結(jié)果誤差值小, 能有效反映出浙江省各地級市城市單系統(tǒng)與復(fù)合韌性指標(biāo)的發(fā)展規(guī)律, 得出結(jié)論如下:

(1)浙江省11個地級市城市韌性發(fā)展趨勢總體較為平穩(wěn), 呈現(xiàn)扁平“W”型變化.

(2)城市單系統(tǒng)韌性發(fā)展中, 杭州市和寧波市的經(jīng)濟(jì)系統(tǒng)韌性主體地位凸顯, 呈現(xiàn)平穩(wěn)上升趨勢; 環(huán)境韌性整體發(fā)展趨勢較為平穩(wěn), 呈小幅波動狀態(tài); 社會系統(tǒng)與設(shè)施系統(tǒng)韌性指數(shù)均呈現(xiàn)震蕩趨勢. 城市復(fù)合韌性指數(shù)在2015年后呈現(xiàn)反彈上升趨勢, 可見浙江省正在逐步改變傳統(tǒng)的發(fā)展模式, 通過數(shù)字化實(shí)現(xiàn)自然資源保護(hù)協(xié)同經(jīng)濟(jì)社會發(fā)展的可持續(xù)發(fā)展.

(3)在城市單系統(tǒng)韌性空間分布上, 經(jīng)濟(jì)系統(tǒng)韌性空間分布呈現(xiàn)杭甬兩城高, 其余地級市低的格局; 社會系統(tǒng)韌性空間分布呈現(xiàn)麗水市和杭州市高, 其余地級市低的格局; 環(huán)境系統(tǒng)韌性空間分布呈現(xiàn)舟山市高, 其余地級市低的格局; 設(shè)施系統(tǒng)韌性空間分布呈現(xiàn)寧波市、杭州市和湖州市高, 其余地級市低的格局.

(4)至2020年, 杭州市、寧波市和舟山市的復(fù)合城市韌性達(dá)到5級, 即強(qiáng)韌性城市. 其余地級市主要集中在3級或4級, 即中等韌性和較高韌性, 僅紹興市、臺州市和衢州市處于較低和低韌性水平. 表明浙江省整體城市韌性水平較高, 但仍有提升空間.

(5)經(jīng)濟(jì)子系統(tǒng)中影響程度最高的指標(biāo)是外資使用金額, 社會子系統(tǒng)中影響程度最高的指標(biāo)是非農(nóng)就業(yè)人口比重, 環(huán)境子系統(tǒng)中影響程度最高的指標(biāo)是工業(yè)固體廢物綜合利用率和萬人二氧化硫排放, 設(shè)施子系統(tǒng)中影響程度最高的指標(biāo)是城市排水管道密度.

4.2 建議與對策

4.2.1 城市單系統(tǒng)韌性水平提升

(1)經(jīng)濟(jì)系統(tǒng)韌性提升: 杭州市和寧波市的經(jīng)濟(jì)系統(tǒng)韌性得分和發(fā)展趨勢均處全省前列, 兩市應(yīng)該輻射帶動周邊各地級市, 發(fā)展聯(lián)動產(chǎn)業(yè), 將自身富余的產(chǎn)業(yè)外包給周邊區(qū)域, 全面共同實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)增長. 經(jīng)濟(jì)基礎(chǔ)較差的衢州市、臺州市等地級市自身也需提高實(shí)力, 選擇因地制宜的產(chǎn)業(yè), 推進(jìn)城市經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)變.

(2)社會系統(tǒng)韌性提升: 紹興市、湖州市、臺州市和衢州市的社會系統(tǒng)表現(xiàn)較差, 需要重點(diǎn)專注醫(yī)療條件、就業(yè)環(huán)境、教育環(huán)境等重點(diǎn)領(lǐng)域的建設(shè). 目前應(yīng)著力推動數(shù)字化系統(tǒng)的普及, 實(shí)現(xiàn)全省居民辦理業(yè)務(wù)、就醫(yī)問診等流程的智能化、高效化.

(3)環(huán)境系統(tǒng)韌性提升: 浙江省內(nèi)的環(huán)境韌性水平通過不懈治理, 至2020年已處于較高水平. 應(yīng)該在堅(jiān)持現(xiàn)有環(huán)保政策的同時, 大力推進(jìn)城市發(fā)展和科技創(chuàng)新, 實(shí)現(xiàn)節(jié)能減排、資源回收利用的綠色環(huán)保生產(chǎn), 努力打造全國范圍內(nèi)“碳中和”示范點(diǎn).

(4)設(shè)施系統(tǒng)韌性提升: 浙江省各地級市設(shè)施韌性得分波動較大, 所以仍需不斷加大對交通路網(wǎng)、供水供氣、5G通信等城市基礎(chǔ)設(shè)施的投入, 以滿足城市內(nèi)日益增長的常住人口的需求.

4.2.2 城市復(fù)合韌性水平提升

浙江省城市復(fù)合韌性水平較高, 但仍有提升空間. 目前各地級市間仍存在明顯的差異. 應(yīng)由政府帶頭建立城市系統(tǒng)韌性的考察體系, 開展復(fù)合韌性管理模式, 將城市復(fù)合韌性作為城市先進(jìn)程度的重要指標(biāo), 促使各地級市制定多系統(tǒng)共同進(jìn)步的可持續(xù)發(fā)展目標(biāo). 同時, 要進(jìn)一步推動智慧城市的建設(shè), 提升城市系統(tǒng)應(yīng)對潛在風(fēng)險的冗余與系統(tǒng)抗擾動性, 從而增強(qiáng)城市的應(yīng)災(zāi)能力與災(zāi)后恢復(fù)及重建能力.

[1] Burton I, Kates R W, White G F. The Environment as Hazard[M]. New York: Guilford Press, 1993.

[2] Cutter S L, Barnes L, Berry M, et al. A place-based model for understanding community resilience to natural disasters[J]. Global Environmental Change, 2008, 18(4): 598-606.

[3] 修春亮, 魏冶, 王綺. 基于“規(guī)模-密度-形態(tài)”的大連市城市韌性評估[J]. 地理學(xué)報, 2018, 73(12):2315- 2328.

[4] 王麗華, 馬東輝. 城市韌性恢復(fù)能力與空間形態(tài)特征相互關(guān)系研究[J]. 武漢理工大學(xué)學(xué)報(信息與管理工程版), 2021, 43(3):197-202.

[5] 吳浩, 江志猛, 林安琪, 等. 基于隱性-韌性-顯性的武漢城市資源環(huán)境承載力空間特征[J]. 地理學(xué)報, 2021, 76(10):2439-2457.

[6] 陳丹羽. 基于壓力-狀態(tài)-響應(yīng)模型的城市韌性評估——以湖北省黃石市為例[D]. 武漢: 華中科技大學(xué), 2019.

[7] 白立敏, 修春亮, 馮興華, 等. 中國城市韌性綜合評估及其時空分異特征[J]. 世界地理研究, 2019, 28(6):77- 87.

[8] 孫才志, 曹強(qiáng), 鄒瑋. 基于熵效率模型的環(huán)渤海地區(qū)海洋經(jīng)濟(jì)系統(tǒng)韌性研究[J]. 寧波大學(xué)學(xué)報(理工版), 2020, 33(1):10-18.

[9] 繆惠全, 王乃玉, 汪英俊, 等. 基于災(zāi)后恢復(fù)過程解析的城市韌性評價體系[J]. 自然災(zāi)害學(xué)報, 2021, 30(1): 10-27.

[10] 劉復(fù)友, 劉旸. 韌性城市理念在各級城鄉(xiāng)規(guī)劃中的應(yīng)用探索——以安徽省為例[J]. 北京規(guī)劃建設(shè), 2018(2): 40-45.

[11] Mayunga J S. Understanding and applying the concept of community disaster resilience: A capital-based approach [EB/OL]. [2022-01-10]. https://xueshu.baidu.com/usercenter/ paper/show?paperid=bd2b455ddf7730a0616ba2d05e5195ab.

[12] Bruneau M, Chang S E, Eguchi R T, et al. A framework to quantitatively assess and enhance the seismic resilience of communities[J]. Earthquake Spectra, 2003, 19(4):733- 752.

[13] 李亞, 翟國方. 我國城市災(zāi)害韌性評估及其提升策略研究[J]. 規(guī)劃師, 2017, 33(8):5-11.

[14] 石媛, 衷菲, 張海波. 城市社區(qū)防災(zāi)韌性評價指標(biāo)研究[J]. 防災(zāi)科技學(xué)院學(xué)報, 2019, 21(4):47-54.

[15] 張明斗, 馮曉青. 長三角城市群內(nèi)各城市的城市韌性與經(jīng)濟(jì)發(fā)展水平的協(xié)調(diào)性對比研究[J]. 城市發(fā)展研究, 2019, 26(1):82-91.

[16] 郭顯光. 改進(jìn)的熵值法及其在經(jīng)濟(jì)效益評價中的應(yīng)用[J]. 系統(tǒng)工程理論與實(shí)踐, 1998, 18(12):98-102.

[17] 王富喜, 毛愛華, 李赫龍, 等. 基于熵值法的山東省城鎮(zhèn)化質(zhì)量測度及空間差異分析[J]. 地理科學(xué), 2013, 33(11):1323-1329.

[18] Mcclelland J, Rumelhart D, David E. Parallel Distributed Processing, Explorations in the Microstructure of Cognition, Volume 2: Psychological and Biological Models[M]. Cambridge: Massachusetts Institute of Technology Press, 1987.

Evaluation of urban resilience in Zhejiang Province based on BP neural network model and entropy method

KONG Jiahui, ZOU Yijiang*, SI Gangjie

( Faculty of Geography Science and Tourism Culture, Ningbo University, Ningbo 315211, China )

Taking Zhejiang Province as an example, this paper conducts a quantitative evaluation of the urban resilience for prefecture-level cities in Zhejiang Province from 2011 to 2020 by applying BP neural network and entropy method. Analyzes are made in terms of the single system resilience of economy, society, environment and facilities and their composite resilience, the purpose of which is to reveal the spatial distribution characteristics and development rules of urban resilience in Zhejiang Province. The results suggest that the development trend of toughness in Zhejiang Province is relatively stable, the spatial distribution of toughness level is variant from place to place, and the internal development is unbalanced. The toughness levels of both core and marginal regions show a trend of slow growth, and the differentiation pattern will not change in the short term.

Zhejiang Province; urban resilience; entropy value method; BP neural network; decision evaluation

2022?02?24.

寧波大學(xué)學(xué)報（理工版）網(wǎng)址: http://journallg.nbu.edu.cn/

國家自然科學(xué)基金（41801256）; 浙江省公益項(xiàng)目（GF19D010001）; 浙江省高校重大人文社科攻關(guān)計(jì)劃項(xiàng)目（2021GH014）.

孔家輝（1996－）, 男, 浙江寧波人, 在讀碩士研究生, 主要研究方向: 地圖學(xué)與地理信息系統(tǒng). E-mail: 1911073008@nbu.edu.cn

通信作者:鄒逸江（1963－）, 男, 江蘇宜興人, 博士/教授, 主要研究方向: 3S技術(shù)應(yīng)用研究. E-mail: zouyijiang@nbu.edu.cn

TU984.11+6; TP183

A

1001-5132（2022）04-0085-08

（責(zé)任編輯 史小麗）