長江經(jīng)濟(jì)帶城市災(zāi)害風(fēng)險與應(yīng)對能力耦合分析

張達(dá) 石云 李祖昊 黃譯萱

摘要：長江經(jīng)濟(jì)帶具有復(fù)雜多變的地理環(huán)境與水文條件，分析其主要城市的自然災(zāi)害風(fēng)險以及評估綜合應(yīng)對能力的適應(yīng)性具有現(xiàn)實緊迫性。建構(gòu)了自然災(zāi)害風(fēng)險和綜合應(yīng)對能力評價指標(biāo)體系，評價分析了2014～2020年間重慶、武漢、上海3座中心城市的自然災(zāi)害風(fēng)險與綜合應(yīng)對能力之間協(xié)調(diào)性程度的變化趨勢及差異性，采用灰色關(guān)聯(lián)度法分析探究其影響因素。研究表明：① 2014～2020年間長江經(jīng)濟(jì)帶中心城市自然災(zāi)害風(fēng)險系統(tǒng)與綜合應(yīng)對的協(xié)調(diào)程度存在差異。其中，重慶市的整體協(xié)調(diào)度相對優(yōu)于武漢市和上海市。武漢市和上海市自然災(zāi)害風(fēng)險和綜合應(yīng)對能力協(xié)調(diào)度呈波動起伏變化的特征。② 自然地理環(huán)境、城市經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、人口特征對不同城市的協(xié)調(diào)度表現(xiàn)出差異化的影響力。研究成果對提高長江經(jīng)濟(jì)帶城市的抗風(fēng)險能力和減少風(fēng)險損失具有重要意義。

關(guān) 鍵 詞：長江經(jīng)濟(jì)帶；自然災(zāi)害風(fēng)險；中心城市；耦合協(xié)調(diào)度；灰色關(guān)聯(lián)分析

中圖法分類號：TU984.116;X4

文獻(xiàn)標(biāo)志碼：A

DOI：10.16232/j.cnki.1001-4179.2024.05.002

0 引 言

自然災(zāi)害頻繁發(fā)生，給城市的經(jīng)濟(jì)、社會和人民生命財產(chǎn)帶來了巨大的損失。提高城市的自然災(zāi)害綜合應(yīng)對能力，可以有效降低自然災(zāi)害帶來的損失，保證國家的經(jīng)濟(jì)穩(wěn)定和人民的生命財產(chǎn)安全。因此，研究城市自然災(zāi)害風(fēng)險與綜合應(yīng)對能力適應(yīng)性具有現(xiàn)實緊迫性。

國內(nèi)外學(xué)者對于城市風(fēng)險管理開展了不同方面的研究。其中國外學(xué)者的研究主要包括災(zāi)害風(fēng)險識別與評估^［1］、城市脆弱性^［2］、災(zāi)害風(fēng)險減輕策略^［3］以及風(fēng)險管理政策與機制^［4］等領(lǐng)域。他們的關(guān)注點主要集中在界定和監(jiān)測災(zāi)難風(fēng)險^［4］，并側(cè)重于防災(zāi)公共政策制定^［5］、水文地質(zhì)^［6］以及洪水災(zāi)害^［7］對城市的影響等；并運用遙感^［8］、移動地理信息系統(tǒng)^［9］等新方法對城市災(zāi)害風(fēng)險管理進(jìn)行定量研究。相較于國外，國內(nèi)的城市災(zāi)害風(fēng)險管理起步較晚。由于中國城市風(fēng)險具有密集性、流動性、疊加性等特點，城市自身面臨著脆弱性增大、風(fēng)險預(yù)警和救援機制不完善、科技進(jìn)步支撐不足等問題。為此，國內(nèi)學(xué)者開展了城市應(yīng)對能力綜合評估^［10］、風(fēng)險管理現(xiàn)狀分析^［11］、對策制定^［12-13］等研究。在面對復(fù)雜多變的城市風(fēng)險時，管理部門運用大數(shù)據(jù)^［14-15］、人工智能^［16-17］等技術(shù)為城市應(yīng)急決策提供依據(jù)?？梢?，目前國內(nèi)外學(xué)者都在城市風(fēng)險管理領(lǐng)域進(jìn)行了不同層面和角度的研究，為城市風(fēng)險治理提供了理論支持和實踐經(jīng)驗。

中國是世界上自然災(zāi)害最為嚴(yán)重的國家之一，尤其是長江經(jīng)濟(jì)帶作為一個重要的區(qū)域，其覆蓋范圍廣泛，人口眾多，經(jīng)濟(jì)總量龐大，具有復(fù)雜多樣的地質(zhì)地貌環(huán)境和特殊多變的氣候水文條件，在自然災(zāi)害防治方面面臨著更加復(fù)雜和嚴(yán)峻的形勢。 近些年，為了護(hù)航長江經(jīng)濟(jì)帶區(qū)域發(fā)展，政府部門從全流域的視角開展了相關(guān)防災(zāi)減災(zāi)工作。氣象部門在長江全流域開展氣象災(zāi)害風(fēng)險普查，評估致災(zāi)因子危險性，構(gòu)建相關(guān)數(shù)據(jù)庫。長江航務(wù)管理局啟動了長江干線自然災(zāi)害綜合風(fēng)險普查，進(jìn)一步梳理了長江干線航道、通航建筑物等承災(zāi)體基本信息。2023年10月12日，習(xí)近平主持召開進(jìn)一步推動長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展座談會，強調(diào)進(jìn)一步推動長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展，指出努力建設(shè)安瀾長江，科學(xué)把握長江水情變化，堅持旱澇同防同治，統(tǒng)籌推進(jìn)水系連通、水源涵養(yǎng)、水土保持，強化流域水工程統(tǒng)一聯(lián)合調(diào)度，加強跨區(qū)域水資源豐枯調(diào)劑，提升流域防災(zāi)減災(zāi)能力。本次研究以長江經(jīng)濟(jì)帶人口集聚程度較高的上中下游中心城市為研究對象，旨在構(gòu)建自然災(zāi)害風(fēng)險和綜合應(yīng)對能力評價指標(biāo)體系，評價分析2014～2020年期間重慶、武漢、上海3座中心城市自然災(zāi)害風(fēng)險與綜合應(yīng)對能力兩系統(tǒng)協(xié)調(diào)性程度的變化趨勢及差異性，并采用灰色關(guān)聯(lián)度法分析探究其影響因素。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

協(xié)調(diào)度體系評價數(shù)據(jù)來源于重慶、武漢、上海三座城市2015～2021年的統(tǒng)計年鑒、人民政府網(wǎng)站、應(yīng)急管理部官網(wǎng)、紅十字會官網(wǎng)和地方住建部門官網(wǎng)等權(quán)威渠道。本文影響因素數(shù)據(jù)采集自3座中心城市2014～2020年間氣象部門所提供的相關(guān)資料。

1.2 研究方法

1.2.1 構(gòu)建評價指標(biāo)體系

基于前人的研究成果^［18-19］以及上海、武漢、重慶的城市特征與自然地理環(huán)境特征，按照綜合性與可行性原則構(gòu)建自然災(zāi)害風(fēng)險與應(yīng)對能力的綜合評價體系見圖1?？紤]長江沿線自然災(zāi)害種類繁多，且區(qū)域性特征明顯，此次統(tǒng)計承災(zāi)體災(zāi)損的主要自然災(zāi)害類型為洪澇災(zāi)害、重污染天氣、氣象災(zāi)害、地震災(zāi)害、地質(zhì)災(zāi)害，以上統(tǒng)計確保了各城市自然災(zāi)害風(fēng)險指標(biāo)體系的多維性。

1.2.2 綜合評價指標(biāo)的計算

采用主成分分析法對自然災(zāi)害風(fēng)險與自然災(zāi)害綜合應(yīng)對能力雙系統(tǒng)進(jìn)行定量分析，為提高數(shù)據(jù)質(zhì)量和精確度，確保不同尺度特征的可比性，并增強模型的穩(wěn)定性和可靠性，對數(shù)據(jù)進(jìn)行歸一化處理。

X_ij=（T_i-T_j）/S（1）

式中：T_i為歷年的指標(biāo)數(shù)據(jù)；T_j為選取時段的平均值；X_ij為T_i歸一化后的數(shù)據(jù)；S為T_i指標(biāo)的標(biāo)準(zhǔn)差。

借助SPSSAU軟件，對歸一化處理后的數(shù)據(jù)進(jìn)行主成分分析，通過向量變換的方法，建立各個因子及研究對象之間的數(shù)學(xué)模型，確定兩者之間的數(shù)學(xué)關(guān)系式，進(jìn)而得出系數(shù)矩陣以及初始因子載荷矩陣，最終得到自然災(zāi)害風(fēng)險與自然災(zāi)害綜合應(yīng)對能力的關(guān)鍵指標(biāo)及其權(quán)重分配情況，其計算公式為

F_K=Z_n1X₁+Z_n2X₂+…+Z_ngX_j（2）

式中：Z_ng為n個主成分系數(shù)的得分系數(shù)；X_j為標(biāo)準(zhǔn)化后的標(biāo)準(zhǔn)值；F_K為K個主成分因子的得分。

綜合得分是方差解釋率與成分得分相乘后求和計算得到。

1.2.3 綜合指標(biāo)耦合協(xié)調(diào)度的計算

耦合協(xié)調(diào)度模型用于分析事物的協(xié)調(diào)發(fā)展水平。耦合度指兩個或兩個以上系統(tǒng)之間的相互作用影響，實現(xiàn)協(xié)調(diào)發(fā)展的動態(tài)關(guān)聯(lián)關(guān)系，可以反映系統(tǒng)之間的相互依賴相互制約程度。協(xié)調(diào)度指耦合相互作用關(guān)系中良性耦合程度的大小，它可體現(xiàn)出協(xié)調(diào)狀況的好壞。

耦合協(xié)調(diào)度模型涉及3個指標(biāo)值的計算，分別是耦合度C值，協(xié)調(diào)指數(shù)T值，耦合協(xié)調(diào)度D值。計算公式分別為

式中：n表示系統(tǒng)數(shù)量（本文選取2）;U_n表示系統(tǒng)值。T=β₁U₁+β₂U₂+…+β_nU_n（4）式中：β₁、β₂、…、β_n代表權(quán)重，該值使用上文主成分分析結(jié)果賦值。D=Sqrt（C×T）（5）

結(jié)合耦合協(xié)調(diào)度等級劃分標(biāo)準(zhǔn)，針對協(xié)調(diào)程度和等級進(jìn)行劃分耦合協(xié)調(diào)度等級劃分標(biāo)準(zhǔn)，如表1所列。

1.2.4 灰色關(guān)聯(lián)度的計算

由于數(shù)據(jù)體量較少，適合采用灰色關(guān)聯(lián)法進(jìn)行分析，通過關(guān)聯(lián)度（即關(guān)聯(lián)性大小）度量數(shù)據(jù)之間的關(guān)聯(lián)程度，從而輔助決策。本文利用SPSSAU軟件計算灰色關(guān)聯(lián)度^［20-22］，包括以下步驟：

在確定母序列和特征序列后，由于數(shù)據(jù)的量綱（單位）并不相同，因此需要進(jìn)行標(biāo)準(zhǔn)化處理。

式中：x（k）為子序列，y（k）為處理后所得的子序列。由于同一個因素的序列的量級差別不大，所以通過除以初值就能將這些值都整理到1這個量級附近。

完成數(shù)據(jù)進(jìn)行無量綱化處理后，求解母序列和特征序列之間的灰色關(guān)聯(lián)系數(shù)值，計算公式為

式中：min_imin_k|x₀（k）-x_i（k）|為兩極最小差，max_imax_k|x₀（k）-x_i（k）|為兩級最大差，ρ為分辨系數(shù)。對于某一個因素，其中的每個維度進(jìn)行計算，得到一個新的序列，這個序列中的每個點就代表著該子序列與母序列對應(yīng)維度上的關(guān)聯(lián)性。

計算出灰色關(guān)聯(lián)系數(shù)值后，對關(guān)聯(lián)度值進(jìn)行計算，計算公式為

式中：W_k為各指標(biāo)權(quán)重；δ_i（k）為灰色關(guān)聯(lián)系數(shù)。

2 結(jié)果與分析

2.1 自然災(zāi)害風(fēng)險與綜合應(yīng)對能力比較

將重慶、武漢和上海各城市指標(biāo)數(shù)據(jù)進(jìn)行處理后，計算其自然災(zāi)害風(fēng)險與綜合應(yīng)對能力綜合得分，結(jié)果見表2。

由表2可知，長江經(jīng)濟(jì)帶中心城市自然災(zāi)害風(fēng)險綜合得分呈波動變化，其中正向演進(jìn)最為明顯的是武漢市。武漢市在2014～2016年期間保持著穩(wěn)定增長的態(tài)勢，雖然在2017年稍有下降，但在2018～2020年再次出現(xiàn)增長。重慶市的自然災(zāi)害風(fēng)險綜合得分波動幅度最大，在2014～2016年期間迅速增長，隨后在2016～2018年迅速下降，在2018～2020年間有小幅度回升的趨勢。相比之下，上海市的自然災(zāi)害風(fēng)險綜合得分雖然也有正向演進(jìn)，但并不十分明顯。2014～2017年期間，上海市處于較低的自然災(zāi)害風(fēng)險水平，而在2018年迅速上升后稍有回落。由此可見，上海市的自然災(zāi)害風(fēng)險較低，但有上升趨勢。武漢市的自然災(zāi)害風(fēng)險綜合得分整體上呈現(xiàn)出波動的趨勢，盡管存在早期年份風(fēng)險增加的情況，但后期年份自然災(zāi)害風(fēng)險相對均衡。而重慶市面臨的自然災(zāi)害風(fēng)險較大，并且近幾年來仍然保持較高風(fēng)險水平。

由表2可知，長江經(jīng)濟(jì)帶3座中心城市自然災(zāi)害綜合應(yīng)對能力綜合得分都呈上升趨勢，且都在2020年到達(dá)峰值。武漢市的自然災(zāi)害綜合應(yīng)對能力綜合得分增幅最為明顯，除了2015～2016年增幅較緩?fù)?，其余年份較快增長。上海市的自然災(zāi)害綜合應(yīng)對能力綜合得分增幅雖不及武漢市，總體呈現(xiàn)急緩急形態(tài)變化，在2014～2016年和2018～2020年增長較快，2016～2018年增長較緩。重慶市的自然災(zāi)害綜合應(yīng)對能力綜合得分與上海和武漢相比波動幅度較小，2020年重慶市綜合應(yīng)對能力與其他兩個城市之間還存在一定的差距，需要不斷完善。

綜合分析，上海、武漢和重慶三座城市的自然災(zāi)害綜合應(yīng)對能力在2014～2020年期間有所改善。其中，上海市和武漢市的自然災(zāi)害綜合應(yīng)對能力綜合得分逐年上升，且波動幅度較大，而重慶的自然災(zāi)害綜合應(yīng)對能力綜合得分波動較小，但整體呈上升趨勢。

2.2 自然災(zāi)害風(fēng)險與綜合應(yīng)對能力耦合協(xié)調(diào)度

長江經(jīng)濟(jì)帶中心城市2014～2020年間自然災(zāi)害風(fēng)險與綜合應(yīng)對能力耦合協(xié)調(diào)度數(shù)據(jù)的計算結(jié)果見表3、圖2。

2.2.1 重慶市耦合協(xié)調(diào)度分析

重慶市2014～2017年間耦合協(xié)調(diào)度呈現(xiàn)穩(wěn)步增長趨勢。重慶市2014年間自然災(zāi)害發(fā)生數(shù)量較少，基礎(chǔ)設(shè)施完善，避難場所充足，救災(zāi)物資與資金儲備雄厚。城市綜合應(yīng)對能力遠(yuǎn)超自然災(zāi)害風(fēng)險，耦合協(xié)調(diào)度較低。2015年重慶市實施五大功能區(qū)域發(fā)展戰(zhàn)略，全市一體化發(fā)展效能顯著提升;2017年重慶市自貿(mào)區(qū)正式掛牌，一大批電子信息巨頭落戶，推動了重慶市的進(jìn)一步經(jīng)濟(jì)發(fā)展。重慶市2014～2017年間自然災(zāi)害綜合應(yīng)對能力逐年提高。2015～2017年間，重慶市自然災(zāi)害數(shù)量大量增加，自然災(zāi)害風(fēng)險亦逐年上升。2014～2017年重慶市耦合協(xié)調(diào)度逐漸升高，說明該時段重慶市綜合應(yīng)對能力與自然災(zāi)害風(fēng)險雙系統(tǒng)逐漸平衡。2018～2020年間重慶市自然災(zāi)害數(shù)量逐年降低，指標(biāo)耦合協(xié)調(diào)度走向出現(xiàn)逐步回落現(xiàn)象。

2.2.2 武漢市耦合協(xié)調(diào)度分析

武漢市耦合協(xié)調(diào)度的變化走向總體呈現(xiàn)“M”形。2014～2017年間出現(xiàn)大幅上揚后又小幅下降的變化走向。2014年間，武漢市自然災(zāi)害較少，城市綜合應(yīng)對能力遠(yuǎn)大于自然災(zāi)害風(fēng)險，出現(xiàn)輕度失調(diào)狀態(tài)。2015年9月7日，中共中央辦公廳、國務(wù)院辦公廳印發(fā)了關(guān)于推進(jìn)全面創(chuàng)新改革試驗的總體方案。2015～2016年間武漢市迎來經(jīng)濟(jì)騰飛，城市基礎(chǔ)設(shè)施更趨完善，醫(yī)療資源富裕，自然災(zāi)害綜合應(yīng)對能力進(jìn)一步提升。2015～2016年間，武漢市自然災(zāi)害頻發(fā)，損失嚴(yán)重，自然災(zāi)害風(fēng)險提高，該時段城市自然災(zāi)害綜合應(yīng)對能力亦平衡發(fā)展，武漢市耦合協(xié)調(diào)度均為優(yōu)質(zhì)協(xié)調(diào)。2017年武漢市自然災(zāi)害數(shù)量大幅下降，經(jīng)濟(jì)損失減少，城市綜合應(yīng)對能力相關(guān)指標(biāo)仍在上升，故耦合協(xié)調(diào)度略微下降，評價為良好協(xié)調(diào)。

武漢市2018～2020年間耦合協(xié)調(diào)度出現(xiàn)先上升，然后回落，2020年驟然大幅下降的狀態(tài)。2018、2019年武漢市自然災(zāi)害數(shù)量明顯增多，經(jīng)濟(jì)損失增加。武漢市2018、2019年GDP體量仍在高速騰飛，經(jīng)濟(jì)高速發(fā)展帶動自然災(zāi)害綜合應(yīng)對能力的提升，該時期城市耦合協(xié)調(diào)度評價仍為優(yōu)質(zhì)協(xié)調(diào)。2020年間，由于當(dāng)時武漢市醫(yī)療資源擠兌，應(yīng)急財政補助全力支持醫(yī)療部門工作，城市全面封控，經(jīng)濟(jì)增長放緩，影響了自然災(zāi)害綜合應(yīng)對能力，故協(xié)調(diào)度大幅下降。

2.2.3 上海市耦合協(xié)調(diào)度分析

上海市2014～2015年間，耦合協(xié)調(diào)度急劇上升，由輕度失調(diào)到優(yōu)質(zhì)協(xié)調(diào);2016～2017年間，耦合協(xié)調(diào)度峰回路轉(zhuǎn)，急劇下滑，重新回到輕度失調(diào)狀態(tài)。其中2014、2017年，上海市自然災(zāi)害較少，綜合應(yīng)對能力卻在逐步提升，出現(xiàn)自然災(zāi)害綜合應(yīng)對能力遠(yuǎn)超自然災(zāi)害風(fēng)險的現(xiàn)象，其耦合協(xié)調(diào)度處于輕度失調(diào)狀態(tài)。

上海市2018～2019年間，耦合協(xié)調(diào)度再度呈現(xiàn)出急劇上升的現(xiàn)象，耦合協(xié)調(diào)度結(jié)果均為優(yōu)質(zhì)協(xié)調(diào)，2020年上海市耦合協(xié)調(diào)度為中度失調(diào)。2018、2019年間，上海市自然災(zāi)害頻發(fā)。2018年《長三角地區(qū)一體化發(fā)展三年行動計劃》發(fā)布，上海市提高了基礎(chǔ)設(shè)施與避難場所的建設(shè)質(zhì)量與數(shù)量，醫(yī)療資源更為充足，應(yīng)急管理人才儲備日益雄厚，城市綜合應(yīng)對能力大幅提升。2020年間自然災(zāi)害發(fā)生次數(shù)大幅下降。2020年正值流行病暴發(fā)伊始，上海市全面封控。同年4月，上海出臺健全公共衛(wèi)生應(yīng)急管理體系的若干意見。同年12月，上海市疾控中心新建工程項目開工。城市應(yīng)急專家數(shù)量與醫(yī)療資源大幅上漲，醫(yī)療資源大力傾注于流行病防治與治愈流行病患者，故自然災(zāi)害風(fēng)險與綜合應(yīng)對能力出現(xiàn)中度失調(diào)現(xiàn)象。

2.2.4 協(xié)調(diào)度對比分析

對比長江經(jīng)濟(jì)帶中心城市上海、武漢和重慶自2014～2020年間的自然災(zāi)害風(fēng)險與應(yīng)對能力的耦合協(xié)調(diào)度情況，可以看出：在2014～2017年期間，上海的耦合協(xié)調(diào)度先急劇上升后大幅下降，武漢市的耦合協(xié)調(diào)度先上升后小幅下降，而重慶市的耦合協(xié)調(diào)度整體處于上升狀態(tài)，并在2017年達(dá)到峰值。在2017～2020年期間，上海市的耦合協(xié)調(diào)度先呈上升趨勢，在2020年急劇下降；武漢市的耦合協(xié)調(diào)度也呈小幅上升，但在2020年大幅下降；重慶市的耦合協(xié)調(diào)度在2019年前小幅下降，2020年持續(xù)大幅下降?？傮w而言，這3個城市的耦合協(xié)調(diào)度都呈現(xiàn)出波動性，其中上海市波動程度較為明顯。武漢市和重慶市的耦合協(xié)調(diào)度在2014～2015年急劇上升，2016～2018年小幅波動。2020年開始3座城市的耦合協(xié)調(diào)度整體均急劇下滑。

3 耦合協(xié)調(diào)度差異影響因素分析

3.1 影響因素的選取

總結(jié)前人的研究成果^［23-25］，結(jié)合長江經(jīng)濟(jì)帶自然環(huán)境與人類活動特征，選取出長江經(jīng)濟(jì)帶中心城市自然災(zāi)害風(fēng)險與綜合應(yīng)對能力耦合協(xié)調(diào)度的影響因素（表4）。

3.2 影響因素分析

利用灰色關(guān)聯(lián)法分別計算出2014～2020年重慶市、武漢市、上海市3座城市耦合協(xié)調(diào)度與影響因素指標(biāo)的關(guān)聯(lián)程度（表5）。

由于數(shù)據(jù)冗雜，將各年份數(shù)據(jù)進(jìn)行均值化綜合排序（圖3）。根據(jù)關(guān)聯(lián)度排序結(jié)果筆者從4個角度進(jìn)行差異分析。

（1）自然地理環(huán)境角度。上海市位于華東地區(qū)，屬亞熱帶季風(fēng)氣候，充沛的水汽條件導(dǎo)致了上海市洪澇災(zāi)害風(fēng)險增加。故年降水量與年平均氣溫是重要的影響因素。武漢市地處江漢平原東部、長江中游，長江及其最大支流漢水在此交匯，市內(nèi)江河縱橫、湖港交織，發(fā)達(dá)的水系網(wǎng)絡(luò)映射了年平均氣溫與河流密度是重要的影響因素。重慶市地處中國西南部，城市西北部和中部以丘陵、低山為主，東南部靠大巴山和武陵山兩座大山脈，坡地較多。地貌的多樣性造就重慶市豐富的植被資源，故平均植被指數(shù)是其耦合協(xié)調(diào)度重要的影響因素。

（2）城市經(jīng)濟(jì)發(fā)展角度。上海市是中國國際經(jīng)濟(jì)、金融、貿(mào)易、航運、科技創(chuàng)新中心。作為經(jīng)濟(jì)中心的上海市，人均GDP是其重要的影響因素。武漢市是長江經(jīng)濟(jì)帶核心城市、中部崛起戰(zhàn)略支點、全面創(chuàng)新改革試驗區(qū)，人均GDP這一指標(biāo)對其耦合協(xié)調(diào)度的影響十分顯著。重慶市是西部大開發(fā)重要戰(zhàn)略支點，與武漢市相似，人均GDP是其重要的影響因素。3座城市規(guī)模等級因素關(guān)聯(lián)程度具有明顯差異性。地理區(qū)位、交通條件更為優(yōu)越的上海市對協(xié)調(diào)度的影響關(guān)聯(lián)度明顯高于武漢市和重慶市。

（3）產(chǎn)業(yè)結(jié)構(gòu)角度。上海市工業(yè)化指標(biāo)影響因素關(guān)聯(lián)度遜色于武漢市與重慶市，屬于末端。作為超級大都市，上海市的發(fā)展逐步轉(zhuǎn)向第三產(chǎn)業(yè)，高新技術(shù)的提升與土地資源的稀缺，使得上海市工業(yè)化占比較少，故工業(yè)化指標(biāo)關(guān)聯(lián)度數(shù)值小。武漢市工業(yè)化指標(biāo)這一影響因素關(guān)聯(lián)度位居所有影響因素之首。武漢市是中國重要的工業(yè)基地，又因其得天獨厚的地理區(qū)位以及發(fā)達(dá)的水系網(wǎng)絡(luò)，使得武漢市工業(yè)化指標(biāo)是其協(xié)調(diào)度最為關(guān)鍵的影響因素。重慶市工業(yè)化指標(biāo)影響因素關(guān)聯(lián)度位居第3。重慶市經(jīng)濟(jì)建設(shè)基本形成大農(nóng)業(yè)、大工業(yè)、大交通、大流通并存的格局，工業(yè)化體量十分巨大。

（4）人口角度。人口是承災(zāi)體亦是城市綜合應(yīng)對能力重要組成部分。3座城市人口密度的影響關(guān)聯(lián)程度具有較大差異性。這與城市本身地理區(qū)位、城市集聚程度與對外聯(lián)系等因素均有關(guān)聯(lián)。其中，上海市和武漢市兩者人口密度關(guān)聯(lián)度相當(dāng)。重慶市由于人口密度較小，對自然干擾程度較低。自然環(huán)境本身具有較強的自愈能力，人口密度的變化將對協(xié)調(diào)度的影響較為敏感。人口資源在3座城市的協(xié)調(diào)度關(guān)聯(lián)性均較小?？梢姡丝谫Y源對協(xié)調(diào)度貢獻(xiàn)還需要加強。

從以上分析可以得出城市自然災(zāi)害風(fēng)險往往取決于城市自然地理環(huán)境基礎(chǔ)。處于長江下游的上海市氣候濕潤，年降水量是其重要的影響因素。長江中游腹地武漢市，發(fā)達(dá)的水系網(wǎng)絡(luò)使得河流密度這一影響因素不可忽視?！吧匠恰敝貞c平均植被指數(shù)對其協(xié)調(diào)度影響顯著。從城市自然災(zāi)害綜合應(yīng)對能力角度思考，致災(zāi)因子兼承災(zāi)體的人口因素不可忽視，人口密度是3座城市協(xié)調(diào)度的重要影響因素，但人口資源因素的貢獻(xiàn)率較小。人均GDP這一影響因素反映了該城市經(jīng)濟(jì)總體發(fā)展水平，是城市自然災(zāi)害綜合應(yīng)對能力的的決定性因素。城市產(chǎn)業(yè)結(jié)構(gòu)的構(gòu)成也是城市自然災(zāi)害應(yīng)對能力的體現(xiàn)，完備的產(chǎn)業(yè)體系對應(yīng)對能力起正向作用。城市工業(yè)化指標(biāo)對于武漢市、重慶市而言是重要的影響因素，由于經(jīng)濟(jì)重心逐漸向第三產(chǎn)業(yè)轉(zhuǎn)移，故上海市的城市工業(yè)化指標(biāo)相關(guān)影響系數(shù)較低。

4 結(jié)論與討論

4.1 結(jié) 論

本文選取重慶、武漢、上海3座長江經(jīng)濟(jì)帶中心城市，建立中心城市自然災(zāi)害風(fēng)險系統(tǒng)與綜合應(yīng)對能力系統(tǒng)的指標(biāo)體系。利用SPSSAU軟件計算灰色關(guān)聯(lián)度，獲取2014～2020年期間重慶市、武漢市和上海市自然災(zāi)害風(fēng)險系統(tǒng)與自然災(zāi)害綜合應(yīng)對能力系統(tǒng)的綜合得分，利用系統(tǒng)耦合協(xié)調(diào)度模型，分別求出三座城市歷年綜合系統(tǒng)協(xié)調(diào)度及協(xié)調(diào)類型，通過灰色關(guān)聯(lián)法分析耦合協(xié)調(diào)度影響因素，并分析其可能原因，主要結(jié)論如下：

（1）通過耦合協(xié)調(diào)度模型計算結(jié)果可知，2014～2020期間長江經(jīng)濟(jì)帶上中下游中心城市自然災(zāi)害風(fēng)險系統(tǒng)與綜合應(yīng)對能力的協(xié)調(diào)程度存在較大差異。重慶市的整體協(xié)調(diào)度相對優(yōu)于武漢市和上海市。

（2）采用灰色關(guān)聯(lián)法計算出各影響因素相關(guān)度，得出以下結(jié)論：① 自然地理方面。長江經(jīng)濟(jì)帶中心城市分別位于長江上中下游，自然地理環(huán)境有較大差異。年平均降水量、河流密度、平均植被指數(shù)分別是上海市、武漢市、重慶市在自然地理角度的重要影響因素。② 城市經(jīng)濟(jì)發(fā)展方面。不論是超一線國際大都市上海，中部崛起戰(zhàn)略支點的武漢，西部大開發(fā)重點開發(fā)城市的重慶，人均GDP是決定性的影響因素，城市規(guī)模等級的影響關(guān)聯(lián)度差異性明顯 。③ 產(chǎn)業(yè)結(jié)構(gòu)方面。上海市重點發(fā)展第三產(chǎn)業(yè)，城市工業(yè)化指標(biāo)占比低；中國重要的工業(yè)基地武漢市，工業(yè)化指標(biāo)是其耦合協(xié)調(diào)度最為關(guān)鍵的影響因素。重慶市工業(yè)體量巨大，工業(yè)化指標(biāo)關(guān)聯(lián)度較高。④ 人口方面。人口密度關(guān)聯(lián)度整體高于人口資源。在人口密度關(guān)聯(lián)度對比中，重慶位于3座城市之首，但是人力資源關(guān)聯(lián)度位于3座城市之末。以上充分說明需要發(fā)揮人才在社會經(jīng)濟(jì)發(fā)展中的重要支撐作用。

為提高長江經(jīng)濟(jì)帶城市自然災(zāi)害風(fēng)險與綜合應(yīng)對能力協(xié)調(diào)度與適應(yīng)性，筆者提出3點相關(guān)建議：

（1）為了更好地了解當(dāng)?shù)爻袨?zāi)體、孕災(zāi)體以及地域特征，相關(guān)政府需要開展相關(guān)的普查工作。同時，政府應(yīng)加強災(zāi)害預(yù)警預(yù)報、應(yīng)急管理能力，制定更有效的防災(zāi)減災(zāi)措施，提升城市整體自然災(zāi)害防控水平。

（2）為提升城市自然災(zāi)害綜合應(yīng)對能力，建議注重城市產(chǎn)業(yè)發(fā)展的地域性與適應(yīng)性，優(yōu)化城市產(chǎn)業(yè)結(jié)構(gòu)，實現(xiàn)經(jīng)濟(jì)發(fā)展與災(zāi)害風(fēng)險降低之間的協(xié)調(diào)與平衡。提升城市管理與服務(wù)領(lǐng)域的消防、安全和環(huán)保等能力，加強城市多產(chǎn)業(yè)在自然災(zāi)害應(yīng)對中的資源整合、信息共享和社會協(xié)同等方面的綜合能力。同時，需要控制城市規(guī)模，減少城市承災(zāi)體的暴露度和脆弱性。

（3）為了提高城市自然災(zāi)害綜合應(yīng)對能力，需要注重人口因素。通過專業(yè)化的招聘渠道吸引應(yīng)急管理專家，提升整體應(yīng)對能力的專業(yè)性和水平。建立健全的人才培養(yǎng)機制，增強干部隊伍整體素質(zhì)和履職能力，以應(yīng)對日益復(fù)雜的自然災(zāi)害挑戰(zhàn)。同時，需要進(jìn)一步細(xì)化生態(tài)功能分區(qū)，在生態(tài)環(huán)境脆弱地區(qū)，控制人口密度，減少人類活動對自然環(huán)境的擾動，增強自然環(huán)境的自愈能力。

4.2 討 論

前人的研究大多關(guān)注單一自然災(zāi)害風(fēng)險或城市應(yīng)急方面，而忽略了考慮城市自然災(zāi)害風(fēng)險與應(yīng)對的協(xié)同作用。因此，本文著眼于構(gòu)建一個更全面、更綜合的理論框架，提高城市自然災(zāi)害綜合應(yīng)對能力。該耦合體系不僅能夠綜合考慮城市自然災(zāi)害風(fēng)險的多樣性和復(fù)雜性，還能夠突破傳統(tǒng)的學(xué)科邊界和研究視角，更好地解決城市自然災(zāi)害應(yīng)對中遇到的實際問題。在研究方法上，由于數(shù)據(jù)體量較小，不適合回歸分析，故采用灰色關(guān)聯(lián)度分析法，保證了計算方法的科學(xué)性與計算結(jié)果的準(zhǔn)確性。

本次研究在理論分析方面存在一定不足，需要進(jìn)一步加強與理論基礎(chǔ)的結(jié)合，并應(yīng)對相關(guān)實證研究的探討進(jìn)行更深入的闡述。雖然本文對中心城市展開了深入探究，但其研究范圍僅限于此，因此未來的研究需要將目光拓展至長江經(jīng)濟(jì)帶內(nèi)重點城市，構(gòu)建完整的協(xié)調(diào)度體系進(jìn)行綜合分析。

參考文獻(xiàn)：

［1］ANDREW F，WHITMAN C，ARTHUR W.Environmental hazards and rating urban core properties［J］.The Journal of Risk and Insurance，1970，37（3）：419-436.

［2］MEDD W，MARVIN S.From the politics of urgency to the governance of preparedness：a research agenda on urban vulnerability［J］.Journal of Contingencies and Crisis Management，2005，13（2）：44-49.

［3］ELLEN H C P L.Co-creation and co-production in municipal risk governance：a case study of citizen participation in a German city［J］.Public Management Review，2023，25（2）：376-403.

［4］弗蘭西斯·蓋斯奇埃爾，卡洛斯·科斯塔·波薩達(dá).大城市災(zāi)難風(fēng)險管理規(guī)劃框架研究：以波哥大首都區(qū)為例［J］.國際城市規(guī)劃，2009，24（3）：3-10.

［5］LALL V S，DEICHMANN.Density and disasters：economics of urban hazard risk［J］.World Bank Research Observer，2012，27（1）：74-105.

［6］EVANGELINA M F.A role for municipal governments in leveraging transformative change for urban disaster risk management：the experience of Santa Fe，Argentina，with urban flood risk［J］.Climate Risk Management，2022，35：100397.

［7］GARSCHAGEN M.Risky change？ Vietnam′s urban flood risk governance between climate dynamics and transformation［J］.Pacific Affairs，2015，88（3）：599-621.

［8］GHAFFARIAN S，KERLE N，F(xiàn)ILATOVA T.Remote sensing-based proxies for urban disaster risk management and resilience：a review［J］.Remote Sensing，2018，10（11）：1760.

［9］MONTOYA L.Geo-data acquisition through mobile GIS and digital video：an urban disaster management perspective［J］.Environmental Modelling and Software，2003，18（10）：869-876.

［10］周姝天，翟國方，吳天，等.全過程城市災(zāi)害風(fēng)險應(yīng)對能力綜合評估：以福建省廈門市為例［J］.上海城市規(guī)劃，2021（6）：99-105.

［11］劉暢，徐映梅.中國城市風(fēng)險管理現(xiàn)狀分析［J］.宏觀經(jīng)濟(jì)研究，2017（10）：145-149，181.

［12］陳婧，劉婧，王志強，等.中國城市綜合災(zāi)害風(fēng)險管理現(xiàn)狀與對策［J］.自然災(zāi)害學(xué)報，2006（6）：17-22.

［13］魏山忠.新時期長江防洪減災(zāi)方略［J］.人民長江，2017，48（4）：1-7.

［14］王慧敏，黃晶，劉高峰，等.大數(shù)據(jù)驅(qū)動的城市洪澇災(zāi)害風(fēng)險感知與預(yù)警決策研究范式［J］.工程管理科技前沿，2022，41（1）：35-41.

［15］李昌文，黃艷，嚴(yán)凌志.變化環(huán)境下長江流域超標(biāo)準(zhǔn)洪水災(zāi)害特點研究［J］.人民長江，2022，53（3）：29-43.

［16］魯鈺雯，翟國方.人工智能技術(shù)在城市災(zāi)害風(fēng)險管理中的應(yīng)用與探索［J］.國際城市規(guī)劃，2021，36（2）：22-31，39.

［17］鄭治斌，崔新強，田剛.長江經(jīng)濟(jì)帶氣象保障問題分析與機制創(chuàng)新研究［J］.人民長江，2017，48（1）：1-5.

［18］王玉靜.武陵山特困區(qū)貧困與自然災(zāi)害關(guān)系耦合研究［D］.成都：成都理工大學(xué)，2017.

［19］王明祎.城市自然災(zāi)害防治能力評價指標(biāo)體系研究［D］.貴陽：貴州大學(xué)，2009.

［20］鄧聚龍.灰色系統(tǒng)關(guān)聯(lián)空間［J］.模糊數(shù)學(xué)，1985，5（2）：1-10.

［21］鄧聚龍.灰色系統(tǒng)（社會·經(jīng)濟(jì)）［M］.北京：國防工業(yè)出版社，1985.

［22］劉思峰.灰色系統(tǒng)理論及其應(yīng)用［M］.9版.北京：科學(xué)出版社，2021：67-77.

［23］姚型浩.我國省會城市韌性現(xiàn)狀、耦合協(xié)調(diào)度和影響因素分析［D］.杭州：浙江大學(xué)，2022.

［24］劉燕.長江經(jīng)濟(jì)帶耦合協(xié)調(diào)發(fā)展測度和影響因素研究［D］.長沙：湖南大學(xué)，2018.

［25］張美芳.長江經(jīng)濟(jì)帶主要城市空間破碎化分異特征及其影響因素［D］.長沙：湖南師范大學(xué)，2020.

（編輯：黃文晉）

Coupling analysis on urban disaster risk and response capacity in Yangtze

River Economic BeltZHANG Da^1，2，SHI Yun¹，LI Zuhao，HUANG Yixuan¹

（1.College of Ecology and Environment，Institute of Disaster Prevention Science and Technology，Langfang 065201，China；2.College of Geographical Sciences，Hunan Normal University，Changsha 410006，China）

Abstract：The Yangtze River Economic Belt has complex and changeable geographical environment and hydrological conditions，analyzing the natural disaster risks of major cities and evaluating the adaptability of comprehensive response capabilities is crucial.We constructed an evaluation index system for natural disaster risks and comprehensive response capabilities.Additionally，the evolving trends and differences in coordination degree between natural disaster risks and comprehensive response capabilities were evaluated and analyzed for three central cities of Chongqing，Wuhan，and Shanghai City from 2014 to 2020.The gray correlation method was used to analyze and explore its influencing factors.The results showed that：① there were differences in the coordination degree between natural disaster risk systems and comprehensive responses in central cities of Yangtze River Economic Belt from 2014 to 2020.Among them，Chongqing′s overall coordination was relatively better than that of Wuhan and Shanghai City.The coordination degrees in Wuhan and Shanghai City were characterized by fluctuations.② Factors such as the natural geographical environment，urban economic development，industrial structure，and demographic characteristics have differential influences on the coordination of different cities.The above research results are of great significance for improving risk resistance capabilities and reducing risk losses of cities in the Yangtze River Economic Belt.

Key words：Yangtze River Economic Belt；natural disaster risk；central city；coupling coordination degree；gray correlation analysis