基于多源數據的江蘇省城市韌性影響因子分析

舒文杰,胡晉山,康建榮

(江蘇師范大學 地理測繪與城鄉(xiāng)規(guī)劃學院,江蘇 徐州 221116)

0 引言

“十四五”規(guī)劃建議明確提出,要建設韌性城市,提高城市治理管理水平,加強城市風險防控。近年來,如何提高城市抵御、適應不確定風險的能力,建設有韌性能力的城市正成為當前地理學、城市規(guī)劃及其相關學科領域亟待探索的新課題。

韌性(Resilience),源自拉丁語“resilire”,最初被應用于工程學、物理學,代表材料受到形變作用后恢復至原始狀態(tài)的能力[1]。1956年,Holling提出“適應性循環(huán)”理論[2],被眾多學者運用到地理學、生態(tài)學,城市規(guī)劃學等領域研究中,該理論被廣泛認為是現代城市韌性理論的思想基礎。當前,雖然不同學科對城市韌性的概念定義不盡相同,但部分內容形成共識,即城市面對擾動時,具備適應、抵抗、恢復的能力[3]。近年來,學者們關于城市韌性的研究多側重于韌性測度[4,5],如通過計算霧霾災害指標評估城市災害韌性[6],以城市群研究尺度評價城市韌性空間格局[7-9],從人居環(huán)境、經濟發(fā)展與環(huán)境質量、日常活動-環(huán)境系統角度分析城市生態(tài)韌性[10-12]。隨著研究成果的不斷豐富,相關研究人員開始逐漸聚焦于城市韌性的影響因素探討,并立足于多種測度模型探究影響城市韌性的深層次因素。如:物理學耦合模型[13]、計量經濟學回歸模型[14]、障礙因子診斷模型[15,16]、相關性分析[17,18]、結構方程模型[19]。而對于城市韌性影響因子的研究,現有的研究數據多采用社會發(fā)展統計公報、城市統計年鑒,數據來源單一重復,缺少多元化及科學全面性[20]。因此,本文基于經濟、社會、基礎設施、生態(tài)4個維度構建城市綜合韌性評價體系,借助熵值法對江蘇省13個地級市進行城市韌性測算,分析城市韌性空間分異格局。引入多源數據如POI(point of interest,興趣點)數據、OSM(open street map,路網)數據、AQI(air quality index,空氣質量指數)數據、遙感數據以及統計年鑒數據,建立影響因子,彌補傳統統計年鑒數據在實證研究時數據廣度和深度的不足。運用地理探測器模型探究影響因子對江蘇省城市綜合韌性的影響程度。相關研究結論以期為江蘇省及其他省份城市管理建設提供借鑒。

1 數據來源與研究方法

1.1 數據來源及預處理

本文使用的數據包括統計年鑒數據、多源遙感數據、POI數據、OSM數據和AQI數據。受數據獲取難度和新冠疫情的影響,2020年后統計局發(fā)布的城市年鑒數據存在大量缺失,使得疫情期間基于統計數據的江蘇省城市韌性定量分析工作難以進行。研究數據的時間尺度為2019年,空間尺度為江蘇省全域。

其中,POI數據通過高德地圖API接口運用Python爬蟲獲取,總共獲得了5 461 314條數據,經過清洗整理后得到20種中類功能點的相關數據,包括社會設施和交通設施,共485 815條數據。多源遙感數據包括夜間燈光數據、DEM數據和NDVI歸一化植被數據集。夜間燈光數據從NOAA/NGDC網站下載,經過校正和裁剪操作得到江蘇省各城市的夜間燈光均值。DEM數據來自地理空間數據云,通過統計和計算得到研究區(qū)的地形起伏度。NDVI歸一化植被數據表示城市的植被覆蓋率,數據來自中國科學院資源環(huán)境科學與數據中心,經過處理得到2019年江蘇省各城市的歸一化植被指數均值。OSM數據為開源地圖數據,通過網站(http://www.openstreetmap.org/)下載得到2019年全國的路網數據集,并經過處理得到江蘇省的路網信息。AQI數據來自空氣質量在線監(jiān)測分析平臺,獲取了2019年江蘇省各城市的月度空氣質量數據,并計算得到年度均值作為城市生態(tài)環(huán)境指標。統計數據主要使用了2020年《中國城市統計年鑒》、2020年《江蘇省統計年鑒》和2020年各地市國民經濟和社會發(fā)展統計公報。對于部分缺失數據,采用了線性插值法進行補缺。

1.2 研究方法

1.2.1 城市韌性評價體系

參考已有研究成果,從經濟-社會-基礎設施-生態(tài)4個維度構建城市綜合韌性評價體系[21,22]。其一是城市經濟韌性,表現為城市面對未知因素沖擊時表現的經濟穩(wěn)定性,共設有6個評價指標;其二是城市社會韌性,表現為城市遭受沖擊時維持社會穩(wěn)定能力,共設有5個評價指標;其三是城市基礎設施韌性,表現為城市基礎設施的建設及服務水平,共設有5個評價指標;其四是城市生態(tài)韌性,表現為城市發(fā)展過程中遭受自然災害的抵抗能力,共設有7個評價指標,詳見表1。

表1 城市韌性指標體系及權重

熵值法通過數據的信息熵即信息的無序程度來客觀地度量數據指標的相對幅度,是一種客觀賦權法,相比層次分析法能夠克服其主觀評價,使得數據評價更具備可信度。其公式如下:

(1)

(2)

式(1)、式(2)中,yij為已標準化后的數據矩陣,xij為第i個城市、第j項指標的數據值,min(xij)為數據矩陣中第j項中最小的數據值,max(xij)為數據矩陣中第j項中最大的數據值。當數據指標在評價分析中呈現正向作用時,采用式(1),當數據指標在評價分析中呈負向作用時,采用式(2)。

(3)

(4)

(5)

式(3)中ej為第j項指標的熵值,k=1/lnm,其中m為評價指標的數據;式(4)中pij為第j項指標下第i個樣本值占該指標的比重;式(5)中wij為指標權重,eij為熵值,n為指標個數。

Yi=∑wij×yij

(6)

Xi=∑Wi×Yi

(7)

Si=∑Qi×Xi

(8)

式(6)中Yi為評價指標的得分,wij為其評價指標權重;式(7)中Xi為子系統韌性指標的得分,Wi為子系統韌性指標權重;式(8)中Si為城市綜合韌性指標的得分,Qi為城市綜合韌性指標權重。

通過式(5)、式(7)對數據進行處理,得到2019年江蘇省子系統韌性權重4項,各個韌性評價指標權重23項,其中負向指標4項,正向指標19項,計算結果見表1。

城市綜合韌性的空間分布特征受多種因素共同影響,參考相關學者研究成果[13,23-28],將多源數據清洗、加工處理后,從地理空間、生態(tài)環(huán)境、基礎設施、城市發(fā)展、成本投入5個方面,最終選取12個影響因子,驗證不同因子對城市韌性空間分異的驅動影響。影響因子的指標釋義及計算方法見表2。

表2 城市韌性影響因子指標及計算方法

1.2.2 地理探測器

地理探測器是由王勁峰[29]提出的一種探測地理空間分異性的統計方法,其因子探測及交互作用探測能有效的度量空間分異背后的驅動因子[30,31]。

(9)

地理探測器的交互作用探測可以分析不同因子對城市韌性的影響情況,交互作用探測首先通過探測不同因子對城市韌性的q值影響,得到q(X1)、q(X2),再根據兩兩因子交互得到q(X1∩X2)。通過比較三者之間的關系,得到5種交互作用類型,結果見表3。

表3 雙因子交互探測類型

2 結果分析

2.1 城市韌性空間分異特征

利用表2中2019年江蘇省各子系統韌性權重,通過式(8)計算得到江蘇省13個城市韌性分值并進行排名,見表4?；诒?的數據運用自然斷裂法在ArcGIS10.3中對城市韌性等級進行分類,如圖1所示。

圖1 江蘇省城市韌性空間分布格局

表4 江蘇省城市綜合韌性得分

從城市綜合韌性表現看(圖1(e)),江蘇省的城市韌性在空間分布上顯示出顯著的分異特征,江蘇南部的城市韌性水平明顯高于中部和北部。蘇南地區(qū)的城市,如蘇州市、南京市、無錫市、常州市和鎮(zhèn)江市,表現出中高級別的城市綜合韌性。其中,蘇州市和南京市的城市綜合韌性顯著高于其他蘇南城市,處于江蘇省內的領先水平。位于江蘇中部地理空間的城市,如南通市、揚州市、泰州市和鎮(zhèn)江市,其綜合韌性水平處于較低或中等級別,城市綜合韌性均值達到0.357。而蘇北地區(qū)的城市,主要包括徐州市、淮安市、鹽城市、連云港市和宿遷市,其綜合城市韌性均值為0.211。這種差異的原因在于蘇南地區(qū)的城市在快速發(fā)展經濟的同時,也在城市基礎設施建設和城市管理方面取得了顯著進展,從而提高了城市在面對各種未知因素時的抗干擾能力和快速恢復能力。相對于江蘇北部地區(qū),南部地區(qū)具有較多高韌性水平的城市,形成了南北城市綜合韌性的空間分異格局。

根據圖1(a)和(b)以及表4的結果顯示,在城市子系統韌性方面,除了鎮(zhèn)江市和常州市外,其他江蘇城市的基礎設施韌性和社會韌性在地理空間上呈現集聚特征,并與城市的綜合韌性(圖1(e))相似。生態(tài)韌性較高的城市主要包括揚州市和南通市,而中等和較低水平的生態(tài)韌性城市則環(huán)繞在高值生態(tài)韌性城市的周邊(圖1(c))。從經濟韌性上看,高值和中值韌性的城市主要集中在蘇南區(qū)域,代表性城市包括蘇州市、南京市、無錫市和常州市等。而低值和較低值韌性的城市主要集中在蘇北區(qū)域,例如徐州市、連云港市和宿遷市等(圖1(d))。需要注意的是,盡管徐州市位于蘇北城市圈內,但其經濟韌性排名在全省中位居第7位,屬于蘇北區(qū)域中經濟韌性較強的城市。

2.2 城市韌性的空間分異機理分析

根據地理探測器模型,將江蘇各城市韌性值作為因變量,12個影響因子作為自變量進行因子探測,其中各影響因子的數據經自然間斷法處理后得到分類數據,然后將上述數據與各城市韌性值導入地理探測器模型計算得到各影響因子的q值。計算結果見表5,根據探測結果將探測q值超過0.800,且顯著性水平通過5%判定為城市韌性主導影響因子。

表5 影響因子地理探測結果

從表5可以看出,共有7個影響因子指標通過5%水平的顯著性檢驗,其中1個因子通過1%水平顯著性檢驗,q值均高于0.8的空氣質量指數(X4)、水電投入指數(X11)、社會設施密度(X5)、城鎮(zhèn)就業(yè)人口(X12)為影響江蘇省城市韌性的主導因子。其中,地形因子(X1)未通過顯著性檢驗,且q值影響力僅為0.077,表明研究區(qū)地形起伏度特征并未制約江蘇省城市韌性空間格局形成。

單因子分析可以解釋單因子變量對城市韌性影響作用,因子交互探測可以進一步識別不同因子兩兩交互作用下對城市韌性影響情況。經過雙因子探測分析,12個影響因子交互影響q值、交互作用類型見表6。

表6 交互因子探測結果

從表6可以看出,雙因子交互作用下對城市韌性的解釋力均大于單因子的解釋力,且交互作用類型多為雙因子增強,極少為非線性增強。空氣質量指數(X4)、社會設施密度(X5)、水電投入指數(X11)、城鎮(zhèn)單位就業(yè)人口(X12)4個因子與其他單因子交互作用極大推動城市韌性空間分異格局的形成,雙因子交互q值均處于0.900以上,此結果進一步說明影響城市韌性的空間差異的主導因素取決于成本投入、基礎設施、生態(tài)環(huán)境共同影響。

在定量探測影響江蘇省城市綜合韌性主導影響因子和雙因子交互的基礎上,進一步分析探討城市韌性空間分異的內在機理,有助于為城市韌性科學管理、省域韌性協調發(fā)展提供參考。

1)成本投入。成本投入包含2個影響因子,其中水電投入指數與城鎮(zhèn)單位就業(yè)人口的q值分別排行第2、第4,表明成本投入與城市韌性水平有著較為顯著的影響關系。城鎮(zhèn)就業(yè)人口代表著城市勞動力,充沛的勞動力可以促進城市產業(yè)及科技創(chuàng)新進步發(fā)展,有助于城市社會經濟提升,起到激發(fā)城市活力,推動城市韌性水平提升作用[32]。水電投入同時又是當地城市經濟活躍的代表變量,也象征著當地二三產業(yè)發(fā)展規(guī)模。研究指出,城市經濟發(fā)展水平的提升能夠推動城市生產規(guī)模變遷、產業(yè)結構升級,進而促進城市韌性水平提升[13]。江蘇省南部區(qū)域城市如南京市、蘇州市,是經濟相對發(fā)達區(qū)域,經濟韌性水平處于高值水平(圖1(d))。因此,成本投入是影響江蘇省城市韌性空間分異的重要因素。

2)基礎設施。基礎設施包含3個影響因子,其中社會設施密度、交通設施密度q值分別排行第3、第6。這表明基礎設施對城市韌性起到重要影響。一般來說,城市基礎設施相對完善,有助于城市抗災容災,在城市遭受自然災害、不確定災難事件后具備快速恢復、可持續(xù)發(fā)展能力,保證城市能夠正常運行[33]。基礎設施欠完善的城市,城市公共交通、社會設施在面對災害侵襲時易出現響應速度慢、交通擁堵、機動性低等問題,風險應對能力及城市災后恢復能力較低[33]。因此,基礎設施是影響江蘇省城市韌性空間分異的重要因素。

3)生態(tài)環(huán)境。生態(tài)環(huán)境包含2個影響因子,空氣質量指數、歸一化植被指數q值排行分別為第1及第5。說明生態(tài)環(huán)境是影響城市韌性空間分異主導因子。城市發(fā)展在一定程度上會對生態(tài)環(huán)境產生負向壓力,造成氣候異常、大氣污染、地下水污染等問題,易引發(fā)自然災害對城市社會造成經濟、生命損害。而高水平的生態(tài)韌性也同時具備了較高的區(qū)域生態(tài)風險防范能力,滿足人類社會基本的生態(tài)安全需求。因此,生態(tài)環(huán)境是影響江蘇省城市韌性空間分異的主導因素。

3 結論和討論

3.1 結論

基于2020年江蘇省統計年鑒數據建立城市韌性評價模型,對江蘇省城市韌性的空間格局進行了測算分析。利用POI數據、遙感數據及統計數據等多源數據,運用地理探測器模型探討了江蘇省城市韌性空間分異的影響機理。主要研究結論如下:①江蘇省城市綜合韌性表現出顯著的空間分異特征,城市綜合韌性水平自南向北逐漸降低,形成南部高于北部的空間格局。子系統城市韌性中,基礎設施韌性、社會韌性的地理空間分布與城市綜合韌性格局基本吻合。②江蘇省城市綜合韌性受地形起伏影響低,主要受到如:空氣質量指數、社會設施密度多個主導因子綜合作用。主導因子與其他因子兩兩交互作用下,雙因子交互作用,對城市綜合韌性的影響強度遠大于單因子影響,交互作用類型主要為雙因子增強。③江蘇省城市韌性空間格局形成與成本投入、基礎設施、生態(tài)環(huán)境3個因素密切相關。在影響機制上,成本投入影響著城市產業(yè)結構、科技創(chuàng)新能力的提升,有利于城市經濟韌性水平提升;城市基礎設施的多樣化程度,能夠為城市提供切實有效的生命防線,有助于提高城市基礎設施韌性水平;良好的生態(tài)環(huán)境能夠顯著促進城市生態(tài)韌性增強,在城市生態(tài)風險中扮演重要角色。

3.2 討論

基于上述對江蘇省城市韌性的空間格局及影響因素分析,為未來江蘇省城市韌性的建設提出以下幾點建議:①韌性水平協調發(fā)展。鑒于江蘇省南部城市相對較高的綜合韌性水平,政府可以通過引導投資和資源向北部城市傾斜,推動北部城市的發(fā)展,以實現區(qū)域平衡。②環(huán)境治理和污染防控。由于環(huán)境因素在城市綜合韌性中的重要性,政府應加大力度推進環(huán)境治理和污染防控工作。包括加強空氣和水質監(jiān)測,減少污染物排放,推動清潔能源使用,改善城市環(huán)境質量,提高城市韌性水平。③促進產業(yè)結構優(yōu)化和升級。表明成本投入對城市韌性具有重要影響。政府可以采取措施促進產業(yè)結構優(yōu)化和升級,鼓勵技術創(chuàng)新和知識密集型產業(yè)的發(fā)展,提高城市的經濟韌性和創(chuàng)新能力。

通過對江蘇省城市韌性空間分布及影響因子進行剖析,相關研究結論對城市管理有一定參考意義,但仍存在以下不足:①由于疫情影響,2020年之后的江蘇省統計年鑒數據嚴重缺失,未能分析近幾年江蘇省城市韌性空間分異格局,也未能探究不同影響因子對江蘇省城市韌性空間格局驅動機理。②研究方法上,未來可采用神經網絡、多種深度學習模型等方法進行一步論證成本投入、基礎設施、生態(tài)環(huán)境對城市韌性空間分布的影響,豐富及充實城市韌性研究內容。