面向氣候風險的長三角中心區城市韌性評估及時空演變

摘要：全球氣候變化帶來更強的氣候風險，對城市韌性評價能夠找出城市發展中應對風險的薄弱環節并提出改進的意見。從氣候風險視角出發分析城市在面對多種災害風險下的韌性變化，從承災體脆弱性、孕災環境敏感性、致災因子危險性和防災減災能力4個維度構建氣候風險下的韌性評估體系，提供理論基礎。通過構建基于投影尋蹤的遺傳算法模型和耦合激勵評價模型進行非線性評估，對長三角中心區2010—2021年間的相關指標和綜合韌性進行評價，分析影響城市韌性變化的主要影響因素，識別其分布的時空演變特征。最后根據結果提出長三角中心區城市韌性提升的建議，為相關研究提供借鑒。

關鍵詞：氣候風險；時空演變；城市韌性；耦合激勵法；非線性評估

文章編號 1673-8985（2024）03-0143-08 中圖分類號 TU984 文獻標志碼 A DOI 10.11982/j.supr.20240321

0 引言

近10年來全球氣候形勢愈發嚴峻，IPCC報告顯示2011—2020年間全球地表溫度比1850—1906年提升了1.09℃，全球地表溫度是過去2 000年內增速最快的50年，2020年為近10年最暖的年份，全球平均溫度較工業化前水平高出1.2℃左右。2010—2020年期間，高脆弱性地區的洪水、干旱和風暴造成的人類死亡率比低脆弱性地區高出15倍。2013—2020年間全球災害風險中洪澇災害和熱帶風暴災害發生頻率最高，分別占總災害次數的47.2%和32.1%，僅2020年災害造成直接損失達1.8萬億美元。根據聯合國統計，中國在自2000年以來的20年間發生577起災害事件，居全球首位，僅2020年造成直接經濟損失達2 000多億美元。城市作為人口聚集和經濟發展的主要場所，氣候風險對城市的影響最為嚴重，城市發展過程中對環境的改造增加了城市面對氣候風險的危險性，人口聚集和工業生產造成的高溫熱島，城市硬化土地也會加重城市內澇，導致災害風險的危險性加重，氣候風險給城市的基礎設施、交通、衛生和能源供給等方面帶來壓力，不利于城市的可持續發展。為了更好地應對逐漸增強的氣候風險，學者們從風險評估和城市韌性等角度對城市進行評價，以期找出城市系統中的薄弱環節，提升城市應對風險的能力和韌性。

有關城市韌性的研究經歷了工程韌性、生態韌性到演進韌性的過程[1-2]。目前城市韌性研究包括對城市整體和城市子系統進行的評估研究，主要涉及經濟、社區、生態、基礎設施、網絡結構等方面[3-7]。在研究尺度上包括全國、區域、城市和社區等[8]78，[9-12]，其研究重點大多關注城市內部系統的韌性結構，對于外部災害風險的沖擊對城市的影響有所忽視。其研究方法較為成熟，一般采用傳統的層次分析、熵值法、TOPSIS等方法[8]80，[13]，[14]29。這些方法主要采用線性模型解決城市的復雜系統問題，存在一定誤差和主觀性，因此有學者已經采用非線性的模糊算法對目前算法進行優化[15]17，[16]1654。面向風險的韌性評估主要集中在洪澇、強降水、高溫等單災種風險的韌性評價[17-20]，其研究方法是通過構建模擬模型找出城市或區域的薄弱環節，或是通過歷史數據對區域進行綜合評價。多災種風險的韌性評價的研究方法主要有兩種：一是基于災害鏈構建災害之間的影響關系模型進行評價，能夠很好地闡述災害之間的影響關系，多應用于臺風—暴雨、寒潮、干旱和地震的研究[21-23]；二是耦合疊加[24-25]，該方法適應性較強，無需災害之間存在強因果關系，能夠針對不同需要采用相應的耦合疊加方法。但風險評價關注的重點是致災因子的危險性，往往從災害頻率和災害強度評價災害的風險，對城市系統的防災能力關注度有所不足。綜上，學者們在城市氣候適應性評價中往往考慮到城市與災害風險的對抗作用，一般會從城市的脆弱性、暴露度、災害的危險性等方面構建指標[26]，單個城市的適應性評價中單災種氣候風險主要通過構建模型找出災害分布特征[27-28]，面向區域的多災種研究則需要考慮災害之間的影響關系，在評價中采用障礙度或激勵來表征災害之間的聯系[29]162，[30]。筆者認為城市韌性應當兼顧外部因素和內部因素的影響，是城市面對災害風險過程中展現出來的抵御、恢復和適應能力，因此本文從災害風險的視角對城市韌性進行評價分析，兼顧氣候風險的影響和城市系統結構，通過非線性模型評價氣候風險下的城市韌性。

隨著經濟發展，城市的安全越來越受到重視。但近些年來長三角中心區城市氣候風險日益嚴峻，嚴重地影響了城市的經濟發展和居民安全。研究長三角中心區氣候風險下的韌性，有助于更好地理解和應對氣候變化對社會、經濟和生態系統的影響。通過長三角韌性研究，可以識別和評估長三角中心區城市的脆弱性、環境敏感性，并找到提高其適應能力和抵御能力的有效策略。另外，氣候韌性研究為可持續發展提供指導，通過探索韌性的評估及實踐，達成可持續發展目標，將防災減災深度融合進城市規劃中，減少城市面對氣候風險的損失。本文基于氣候風險的視角對長三角中心區城市韌性進行綜合評價，通過耦合激勵法評價長三角中心區城市氣候風險，并基于投影尋蹤的遺傳算法進行綜合韌性評估，通過評價找出城市韌性的薄弱環節并提出相應對策，根據時空分布特征分析長三角中心區城市韌性的變化情況。

1 研究區概況及數據來源

1.1 研究區概況

本文研究范圍為中共中央、國務院印發的《長江三角洲區域一體化發展規劃綱要》中提出的長三角中心區，包含27個城市（見圖1）。研究范圍位于長江下游地區，地處亞熱帶季風氣候區，具有明顯的季風氣候特征及明顯的高溫、強降水、干旱等自然災害風險。自1990年以來，長三角的高溫天頻率增長速度為1.3 d/10 y[31]，給城市供水供電帶來巨大壓力。2013年遭遇干旱，農業受影響面積達1 476.8萬畝（約9 845.3 km2）。2020年受到厄爾尼諾線性影響，長江中下游地區梅雨季降水達753.9 mm，為1961年以來之最。2022年7月，長江流域遭受1961年以來最嚴重的干旱，經濟損失達1 300多億元。隨著氣候的變化長江下游地區災害的致災性及造成的損失愈發嚴重。長三角地區是我國城鎮化水平、經濟發展活力最高的地區之一，截至2022年，人口已達2.37億人，GDP為27.6萬億元，占全國的24.1%。但城市發展與環境之間的矛盾愈發強烈，城市建設帶來的工業廢氣排放、城市建設施工粉塵、汽車尾氣排放加重了城市大氣環境的風險壓力。本文的研究范圍具有較強的典型性，人為和自然氣候風險的危險性較高，且城市發展速度較快，在快速發展中人地問題較為明顯，對其他地區氣候風險下城市韌性研究具有參考意義。

1.2 數據來源與預處理

本文采用的人均道路面積、工業生產總值、人均GDP、建成區面積、綠地率、城鎮化率、千人床位數、全國市政公用設施建設、居民失業參保人數、城鎮家庭可支配收入、排水管網密度、人均用電供應量、二氧化硫濃度、二氧化氮濃度均來自《中國城市建設統計年鑒》，各省、市的地方年鑒，以及統計局公布數據。氣象數據來源于各地氣象站數據和國家地球系統科學數據中心，城市水網密度根據歷年OSM數據中提取的水網數據計算，缺失數據采用平均增長率進行推算。

對數據進行預處理后，統計目標地區連續高溫天數、最高連續無降水天數、空氣質量低于二級的天數等數據，柵格數據通過數據處理變更為面板數據以確保數據類型相同，并對數據進行標準化處理，通過正負向指標對數據進行同趨勢化處理。

2 城市韌性非線性評估模型構建

2.1 氣候風險下的城市韌性概念界定與機制分析

韌性研究目前在工程學、社會學和經濟學等方面運用廣泛，工程學中強調土木工程基礎設施在面對災害時其材料、結構、系統的機能退化和恢復方法；社會學中針對社區和政治經濟層面進行研究[32]；經濟韌性從產業結構、制度環境、社會資本、文化因素等方面評價韌性的強度。雖然研究視角有所差異，但都強調韌性需要具有抵抗和恢復適應的能力。災害風險視角下的韌性評價往往通過致災因子、孕災環境和承災體等進行評價[33]，部分學者考慮到城市本身的防御性，在通過原有評價指標的基礎上增加了城市的防災減災能力[34]。本文從氣候風險角度對城市韌性進行評價，通過城市內部系統與外部風險之間的關系來展現氣候變化下的城市韌性，其中外部風險為致災因子的危險性，選擇的致災因子為長三角中心區具有普遍性的4種氣候風險。影響城市韌性的內部因素分為城市系統和城市環境，其中城市系統包括城市的承災體和防災減災能力，承災體是城市的脆弱性和暴露度的體現，是城市系統運轉的重要指標因素，也是氣候風險破壞最為嚴重的部分，并從傳統韌性視角出發考慮社會、經濟、基礎設施、環境等傳統韌性評價指標。防災減災能力是從社會保障、醫療衛生、防災意識等方面構建抵御災害的評價指標，體現城市抵御災害的能力和災后恢復的能力；城市環境體現在孕災環境上，長三角中心區在快速城鎮化的同時也對生態環境造成影響，城市的藍綠空間能夠緩解城市的高溫及強降水帶來的影響，良好的城市生態環境能促進城市抵御災害的能力，反之會增強氣候風險帶來的威脅；外部風險的致災因子體現災害風險對城市的沖擊破壞能力，影響城市系統的正常運行，同時城市系統的生產生活會增強致災因子的危險性并提升孕災環境的敏感性（見圖2）。

2.2 城市韌性評價指標體系構建

本文選取4個一級指標、27個二級指標構建城市韌性評價表（見表1），其中致災因子的選擇基于長三角中心區的自然和人為影響的常見氣候風險，包括高溫、干旱、強降水和大氣污染4種災害風險，從風險視角以災害發生頻率和災害強度為標準選擇12個指標，通過耦合激勵法計算出各災種的危險性評價，通過非線性模型得到長三角中心區綜合氣候風險；承災體由人口密度、人均GDP、道路密度、工業生產總值、建成區面積5個二級指標構成，從經濟、人口、環境、基礎設施、產業等傳統韌性研究的角度來評價城市系統的脆弱性；孕災環境敏感性二級指標為植被率、河網密度和城鎮化率；防災減災能力是城市韌性最主要的體現方式，通常選用市政工程、應對災害的能力、社會保障和居民防災意識等方面構建評價指標，本文選擇千人病床數、居民防災意識、城市市政公用設施、失業保障、人均可支配收入、排水管網密度和人均用電量8個指標作為二級指標。

2.3 基于耦合激勵法的致災因子危險性

在風險視角下的城市韌性評價中，城市需要考慮應對多種氣候風險，及災害之間的相互作用關系。耦合激勵法是針對多災種風險研究的一種方法，通過對集結值的大小進行調整從而突出不同評價對象之間的差異[35]，實現激勵目的。即對無法造成破壞的風險或造成輕微損失的風險給予負向激勵，減少其在風險評估中的權重；對災害風險較大破壞力較強的災害給予正向激勵，以增加其權重，增加其在綜合氣候風險中的影響。耦合激勵法是源于統計學的計算方法，多用于反映災害之間的相互作用，是一種觸發、耦合或聯動的關系，用以描述不同風險之間的模糊關系的非線性評價方法[29]164。致災因子在城市可承受范圍內造成的損失和破壞較小，隨著災害的強度上升，其破壞力不斷增加，在達到拐點后風險的破壞力會呈指數增加，從而造成人員傷亡和重大經濟損失。在氣候風險評價中并沒有明確統一的激勵標準，根據災害風險十年一遇的標準，筆者認為前20%的情況屬于氣候風險較為嚴峻，而后20%的情況屬于影響較小的氣候風險，因此本文選取a1=0.2和a2=0.8作為兩個激勵點，在此基礎上計算分布位數：

利用冪函數對區分不同激勵程度：

激勵偏好系數計算：

多災種風險計算，風險值、分布分數位、激勵系數和權重之間的關系表達式如下：

2.4 基于投影尋蹤法的遺傳算法的綜合韌性評估

韌性、脆弱性、風險評價是對系統內部復雜系統的評價，面對復雜問題更適合采用非線性的評價。目前學者已經采用模糊算法、投影尋蹤法等非線性模型[15]18，[16]1654，[29]164對傳統評價模型進行改進，確保評價結果更準確。投影尋蹤法能夠將多個指標投影到同一維度進行分析比較，盡可能保留數據本身的條件，使評價結果更加準確，因此本文采用基于投影尋蹤法的遺傳算法對指標數據進行處理，計算得到城市綜合韌性。

對標準化處理后的多維數據通過投影尋蹤法進行處理，在保留向量特征的情況下將數據投影到一個平面上進行統一的比較與計算。

為得到ω的唯一解，令ω之和為1，通過構建最小化的遺傳算法進行計算即可得到評價結果。

在對韌性曲線變化的研究中，學者在綜合風險研究中對風險和韌性劑量構建簡單的評價關系圖，闡述了風險與韌性之間的關系[36]，認為在構建[37]非線性模型時評估曲線應有相應的拐點，且拐點前后的增長速率存在明顯差異，城市韌性變化曲線與S曲線具有類似的變化趨勢，因此本文構建S曲線作為評價氣候風險下的城市韌性。

3 結果分析

3.1 氣候風險下的城市韌性評估

根據得到的評價結果，致災因子危險性始終處于較高水平，城市受到氣候風險的威脅較強，評價結果并沒有出現明顯的低值區域，耦合激勵評估高溫、干旱、強降水和大氣污染4種災害風險所求得權重w分別為0.00259、0.09141、0.40965和0.49635。數據表明，長三角中心區氣候風險主要來源于強降水和大氣污染，相比之下，高溫和干旱對長三角中心區城市的威脅較小。根據評估得到的投影向量分別為7.30954、-11.17407和4.86511。能夠看出，導致強降水氣候風險升高的主要因素為最高降水量和暴雨天數，且最高降水量在風險評估中影響較強，而最大連續降水天數向量為負說明連續降水天數與另外兩個指標變化情況不匹配，降低了強降水災害風險的危險性。這說明長三角中心區短時間極端降水是造成危險性上升的主要因素，而連續降水對強降水危險性影響較小。致災因子危險性評分在0.8以上的高風險城市主要集中在2013年和2016年，2013年主要影響東部沿海城市，2016年強降水主要集中在西部地區，另外舟山在2012年和2019年受到強降水災害風險較高；空氣質量低于二級的天數顯著降低，降低了大氣污染的危險性，在2010—2021年間大氣污染頻率降低較為明顯。總體上看，上海、南京、無錫、蘇州、常州、鎮江、嘉興、湖州、馬鞍山等城市氣候風險較高，南通、鹽城、杭州、寧波、溫州、臺州、舟山等城市氣候風險水平較低。在時間維度上，大氣污染風險評價在0.9以上的年份主要在2015年后，2021年大氣污染情況出現明顯好轉。長三角中心區城市在2016—2019年致災因子危險性評價較高，其主要原因為強降水和大氣污染兩種災害風險的共同作用（見圖3）。

承災體脆弱性評價在2010年時差距較小，除了上海、蘇州、杭州和寧波城市脆弱性較低外，其他城市脆弱性都很高，后續10多年所有城市的脆弱性都出現明顯的下降。上海、南京、無錫、常州、蘇州、南通、杭州和寧波等城市脆弱性降低速率較快，其他城市脆弱性評價整體上呈現下降的趨勢，根據對脆弱性評價的投影向量結果，人口密度、建成區路網密度、工業生產總值、人均GDP和城市建成區面積分別為0.77588、-0.27664、-10.07085、17.70781、-7.13630。結果顯示，對脆弱性影響積極作用最強的是人均GDP指標，2010—2021年間人均GDP數據呈現明顯的上升，這也是城市脆弱性降低的主要原因。而對城市脆弱性降低負面作用較強的是工業生產總值，工業生產總值的增速雖然不及人均GDP增速，但其快速增長不可避免地會對環境產生破壞和污染。城市建成區面積的快速增長制約了部分城市脆弱性的下降幅度（見圖4）。

長三角中心區大部分城市孕災環境敏感性呈現增長態勢，根據孕災環境敏感性評價指標建成區綠化率、城市水網密度和城鎮化率的投影向量分別為-1.95990、-6.03972、8.99979，其中城鎮化率的提升是孕災環境敏感性增長的主要因素，人口大量聚集城市對城市環境、生活生產帶來巨大壓力，城鎮化率越高的城市敏感性也越高，省會和直轄市等高城鎮化率的孕災環境敏感性高于其他城市。西部城市的城鎮化率提升速度要高于東部城市，但其孕災環境敏感性的增長值處于中等水平。城市水網密度的提升是敏感性降低的主要因素，2010—2021年間長三角中心區水網密度明顯提升，對緩解城市高溫、增強城市強降水排水能力起到重要作用。上海、嘉興、銅陵三市綠化率有明顯下降，其原因主要是城市發展侵占城市藍綠空間，其他城市都有不同程度的增長，但變化程度不大，部分年份城市綠化率隨著城市發展出現短暫降低，這也加劇了城市環境的敏感性的上升（見圖5）。

城市防災減災能力指標醫院千人床位數、防災減災意識、全國城市市政公用設施建設、居民失業參保人數、城鎮家庭人均可支配收入、人均用電供應量、建成區排水管道密度投影向量分別為14.72448、73.53960、42.87677、28.94299、25.83035、-9.32456、 -175.58933，能夠看出長三角中心區城市醫療衛生、防災意識、市政公用設施建設、人均參保和可支配收入的變化對城市防災減災能力評估有明顯的積極影響，居民防災意識的提升是最重要的影響因素，且東西部城市居民的防災意識差距較大，東部地區居民的防災意識提升幅度較大，西部地區的提升幅度較小。能源供給能力和基礎設施建設是防災減災能力的主要制約因素，其增長跟不上城市的發展水平，制約了城市防災減災能力的提升。長三角中心區城市防災減災能力大多有明顯的提升，到2021年城市防災減災能力降低的有蕪湖、馬鞍山、銅陵、滁州和池州5座城市，主要集中在西部地區。這些城市的防災意識提升較弱，且市政公用設施建設撥款較少，經濟快速提升但相應的配套設施建設不夠完善及能源供給能力不足導致城市防災減災能力的下降。

基于致災因子危險性、承災體脆弱性、孕災環境敏感性和防災減災能力進行綜合評價得到氣候風險下的城市韌性評價結果如圖6所示，在2010—2017年之間，長三角中心區大多數城市韌性的提升較緩慢，僅有合肥、南京、蘇州城市韌性提升速度較快。在2017年后長三角中心區城市韌性的提升速度加快，東部城市韌性的提升速度遠高于西部地區。截至2021年，上海至南京一帶城市韌性要高于周邊其他城市，省會城市相比其他城市擁有更好的經濟水平和提升韌性的相關政策支持，使得省會城市能夠更好地應對氣候風險。致災因子危險性、承災體脆弱性、孕災環境敏感性和防災減災能力的投影向量分別為9.72775、 -14.51390、-16.81207、22.59848，說明防災減災能力提升和致災因子的危險性下降對城市韌性提升起到了積極作用，城市防災減災能力的快速提升是韌性提升的關鍵，長三角中心區城市韌性增長與防災減災能力增長呈正相關。東部地區城市防災減災能力普遍呈現增長態勢，例如上海、南京、蘇州、無錫、杭州等城市韌性在2017年后普遍增長較快，而西部宣城、池州、銅陵、滁州等城市的防災減災能力持續下降導致城市韌性評價始終處于較低的水平。同時致災因子危險性對城市韌性提升有著積極作用，說明城市能夠較好地應對氣候風險變化帶來的影響。承災體脆弱性和孕災環境敏感性的評價為負，說明城市脆弱性和敏感性依舊較強，對城市韌性的提升有著較大的制約。結果表明，承災體脆弱性在西部和南部城市下降速度較慢，使得城市韌性評價結果提升較慢；而孕災環境敏感性在上海、南京、無錫、杭州、蘇州等發展水平較高的城市影響較強。

3.2 城市韌性的時空分布

對得到的韌性評價結果進行全局空間自相關分析，采用距離空間權重進行相關性分析。從表2和圖7可知，城市全局自相關評價在2017年前莫蘭指數較高且較為穩定，長三角中心區大部分城市韌性評價較低，以低—低聚集為主，高值區域主要是以上海為中心的東部地區，以及呈點狀分布的杭州、南京、合肥等高值地區。2018年后莫蘭指數有所下降，長三角東部地區城市韌性提升快于西部城市，寧波韌性提升速度較快，形成高值地區，使得分布更加分散，后3年東部地區城市韌性快速提升，形成以上海、蘇州為核心的高—高集聚區域。

綜上所述，城市韌性評價結果在空間上聚集主要是低—低集聚為主，2018年以來東部地區城市韌性提升迅速，形成以上海、蘇州為核心的高—高集聚區，西部地區和南部地區城市韌性提升速度較慢，韌性較低，依舊以低—低集聚為主。

4 結語與展望

本文以長三角中心區常見的4種氣候風險災害為對象，評價氣候風險下的城市韌性，通過耦合激勵法對災害之間的影響進行分析得到致災因子危險性的評價，運用基于投影尋蹤的遺傳算法對致災因子危險性、孕災環境敏感性、承災體脆弱性和防災減災能力進行綜合評價，得到以下結論。

（1）長三角中心區的主要氣象災害風險為強降水和大氣污染，在區域分布上有較明顯的差異性，危險性較高的年份為2013年和2016年，這兩年受到極端降水所引起的危險性評價上升。危險性高值區主要集中在東部地區和西部地區，兩地的大氣污染高于其他地區，且強降水天氣較多，2018年后大氣污染得到較好改善，氣候風險也有所下降。

（2）氣候風險下的城市韌性評價中，城市防災減災能力和致災因子危險性對城市韌性提升起到積極作用，而孕災環境敏感性的上升影響了城市韌性的提升，承災體脆弱性雖然下降但無法滿足城市發展的需求，因此應當更加重視城市系統內的薄弱環節，減少城市的脆弱性和暴露度，特別是長三角西部和南部城市，同時高韌性城市大都集中在東部地區，受到孕災環境的影響更強，需要注重降低城市孕災環境的危險性并注重城市藍綠空間建設。

本文針對氣候風險下的城市韌性評價，從風險視角展現城市韌性遭遇氣候風險的過程，同時對多種氣候風險通過耦合激勵綜合模型計算得到多種氣候風險的綜合評價，但研究受到數據制約只能以年為時間精度進行分析，對多災種風險的危險性評估存在誤差。另外，由于未能獲得城市市區氣象站數據及指標選擇的局限性，導致對評價結果有所影響。在后續研究中需完善多災種的氣候風險評價體系，從月、日的尺度對區域城市氣候風險進行評價，對城市內部各個系統構建更加精細的評價指標體系。