哈长城市群城市韧性的时空格局演变及动态模拟研究

doi:10.13249/j.cnki.sgs.2020.12.006

摘要/Abstract

摘要：

哈长城市群作为引领东北地区高质量发展的重要增长极，其城市韧性的提升对提高东北地区高质量发展的强韧性及可持续性具有重要意义。以2010—2018年哈长城市群11个地级市为例，基于“生态?经济?社会?工程”的评估框架构建城市韧性评价体系。采用熵权?TOPSIS评价模型对哈长城市群城市韧性进行综合测度，并运用ArcGIS空间分析工具、BP神经网络模型等方法探讨其时空格局演变规律及动态模拟。结果表明：① 哈长城市群城市韧性整体水平较低；较高、高度韧性主要分布在核心地区，呈“点状零散”分布，低度、较低韧性主要分布在外围地区，呈“边缘广泛分布”的空间格局。② 从其演化趋势类型特征看，2010—2018年，呈发散趋势的城市多于呈收敛趋势的城市，表明城市韧性在演化过程中空间差异呈逐渐增大趋势。③ 经济恢复力、工资收入、金融资本、公共资源保障、教育水平、交通设施水平等是影响哈长城市群城市韧性的主要因素。④ 在动态模拟方面，2020—2030年，城市韧性发展较缓慢，韧性等级逐渐降低，且以一级韧性和二级韧性为主，韧性等级较高的城市所占比重较少。在未来发展趋势上，城市韧性时空差异明显，东西方向上呈现“东高西低”态势，在南北方向上呈“倒U型”式分布，表明哈长城市群内部核心城市韧性高点突出，多数外围城市韧性偏低。

关键词: 城市韧性, 城市韧性动态模拟, 哈长城市群, BP神经网络模型

Abstract:

The Harbin-Changchun Urban Group is an important growth pole leading the economic development of Northeast China. The improvement of urban resilience of the Harbin-Changchun Urban Group is of great significance to the promotion of the all-round revitalization of the Northeast region and the sustainable development of cities. This article takes 11 prefecture-level cities in the Harbin-Changchun Urban Group from 2010 to 2018 as examples, Constructing an urban resilience evaluation system based on the evaluation framework of “ecology-economy-society-engineering”. Using the entropy weight-TOPSIS evaluation model to comprehensively measure the urban resilience of the Harbin-Changchun Urban Group, And using ARCGIS spatial analysis tools, BP neural network model, etc. to explore its temporal and spatial pattern evolution and dynamic simulation research. The result showed that: ① The overall level of urban resilience in the Harbin-Changchun Urban Group is low. The higher and higher resilience is mainly distributed in the core area, which is distributed in “spots and scattered”. The low and lower resilience are mainly distributed in the peripheral areas, showing a spatial pattern of “widely distributed on the edge”. ② Judging from the characteristics of the types of evolution trends, from 2010 to 2018, more cities showed a divergent trend than a convergent trend, indicating that the spatial differences in urban resilience gradually increased during the evolution process. ③ Economic resilience, wage income, financial capital, public resource protection, education level, and transportation facilities are the main factors that affect the resilience of the “Harbin-Changchun” urban agglomeration. ④ In terms of dynamic simulation, from 2020 to 2030, the development of urban resilience will be slower, and the resilience level will gradually decrease, and the first-level and second-level resilience are the main ones. Cities with higher resilience levels account for a smaller proportion. In terms of future development trends, the temporal and spatial differences of urban resilience are obvious. The east-west direction shows a trend of “high in the east and low in the west”, with an “inverted U-shaped” distribution in the north-south direction, indicating that the high resilience points of individual core cities in the Harbin-Changchun Urban Group are prominent and Most marginal cities are characterized by low resilience.

Key words: urban resilience, dynamic simulation of urban resilience, Harbin-Changchun Urban Group, BP neural network model

中图分类号:

F299.2

陈晓红, 娄金男, 王颖. 哈长城市群城市韧性的时空格局演变及动态模拟研究[J]. 地理科学, 2020, 40(12): 2000-2009.

Chen Xiaohong, Lou Jinnan, Wang Ying. Evolution and Dynamic Simulation of the Temporal-Spatial Pattern of Urban Resilience in Harbin-Changchun Urban Group[J]. SCIENTIA GEOGRAPHICA SINICA, 2020, 40(12): 2000-2009.

图/表 8

图1

Table 1

Evaluation index system of urban resilience of “Harbin-Changchun” Urban Group"

目标层	子目标层	指标层	指标单位及性质	指标含义
注：表中“+”号代表该指标为正向指标，“?”号代表该指标为负向指标。
城市韧性	经济韧性	人均GDP（X₁）	元/（+）	经济总量
		人均固定资产投资（X₂）	元/人（+）	投资强度
		第三产业占GDP比重（X₃）	%（+）	经济结构
		实际利用外资金额（X₄）	万美元（+）	外贸依存度
		公共财政收入占GDP比重（X₅）	%（+）	经济增长
		人均金融机构存款余额（X₆）	元/人（+）	经济恢复力
		教育支出占财政支出的比重（X₇）	%（+）	教育投入
		科学支出占财政支出的比重（X₈）	%（+）	科技投入
	社会韧性	在岗职工平均工资（X₉）	元（+）	居民工资收入
		人均城乡居民存储年末余额（X₁₀）	元/人（+）	金融资本
		每万人拥有全市医院、卫生院床位数（X₁₁）	张（+）	医疗卫生投入
		公共管理与社会组织人员占总人口比（X₁₂）	%（+）	社会管理水平
		城镇登记失业人口占总人口比重（X₁₃）	%（?）	失业结构
		百人公共图书馆藏书（X₁₄）	册/百人（+）	公共资源保障
		每万人中普通高等学校在校学生数（X₁₅）	人（+）	教育水平
		第三产业从业人员比重（X₁₆）	%（+）	就业结构
	生态韧性	人均绿地面积（X₁₇）	m²（+）	环境保育水平
		建成区绿化覆盖率（X₁₈）	%（+）	城市绿化水平
		城镇生活污水集中处理率（X₁₉）	%（+）	环境治理响应
		工业固体废物综合利用率（X₂₀）	%（+）	废物综合利用
		生活垃圾无害化处理率（X₂₁）	%（+）	环境整治情况
		万元GDP工业废水排放量（X₂₂）	t（?）	环境污染压力
		万元GDP工业SO₂排放量（X₂₃）	t（?）	废气排放强度
	工程韧性	人均生活用水量（X₂₄）	t（?）	水资源利用效率
		燃气普及率（X₂₅）	%（+）	燃气资源供给
		人均用电量（X₂₆）	kWh（?）	电力发展水平
		每万人拥有的公共汽车量（X₂₇）	辆（+）	交通设施水平
		人均城市道路面积（X₂₈）	m²（+）	基础设施建设
		每万人拥有的国际互联网用户数（X₂₉）	户（+）	网络普及程度

Table 1

Table 2

图2

图3

Table 3

图4

图5

参考文献 34

[1]	Roy M. Planning for sustainable urbanisation in fast growing cities: Mitigation and adaptation issues addressed in Dhaka, Bangladesh[J]. Habitat International, 2009, 33 (3): 276-286. doi: 10.1016/j.habitatint.2008.10.022
[2]	Muller B. Mending man’s ways: Wickedness, complexity and offroad travel[J]. Landscape and Urban Planning, 2016, 154: 93-101. doi: 10.1016/j.landurbplan.2016.03.020
[3]	Chiang Y C. Exploring community risk perceptions of climate change—A case study of a flood-prone urban area of Taiwan[J]. Cities, 2018, 74: 42-51. doi: 10.1016/j.cities.2017.11.001
[4]	Samuelsson K, Giusti M, Peterson G D, et al. Impact of environment on people’s everyday experiences in Stockholm[J]. Landscape and Urban Planning, 2018, 171: 7-17. doi: 10.1016/j.landurbplan.2017.11.009
[5]	Liao K H, Let A, Van Nguyen K. Urban design principles for flood resilience: Learning from the ecological wisdom of living with floods in the Vietnamese Mekong Delta[J]. Landscape and Urban Planning, 2016, 155: 69-78. doi: 10.1016/j.landurbplan.2016.01.014
[6]	Ao ki, Naomi. Adaptive governance for resilience in the wake of the 2011 Great East Japan Earthquake and Tsunami[J]. Habitat International, 2016, 52: 20-25. doi: 10.1016/j.habitatint.2015.08.025
[7]	Bouzarovski S, Salukvadze J, Gentile M. A socially resilient urban transition? The contested landscapes of apartment building extensions in two post-communist cities[J]. Urban Studies, 2011, 48 (13): 2689-2714. doi: 10.1177/0042098010385158
[8]	Cowell M M. Bounce back or move on: Regional resilience and economic development planning[J]. Cities, 2013, 30: 212-222. doi: 10.1016/j.cities.2012.04.001
[9]	Hudec O, Reggiani A, iserová M. Resilience capacity and vulnerability: A joint analysis with reference to Slovak urban districts[J]. Cities, 2018, 73: 24-35. doi: 10.1016/j.cities.2017.10.004
[10]	McClintock N, Mahmoudi D, Simpson M, et al. Socio-spatial differentiation in the sustainable City: A mixed methods assessment of residential gardens in metropolitan Portland, Oregon, USA[J]. Landscape and Urban Planning, 2016, 148: 1-6. doi: 10.1016/j.landurbplan.2015.12.008
[11]	Marsal-Llacuna M L, Segal M E. The intelligenter method (I) for making “smarter” city projects and plans[J]. Cities, 2016, 55 (6): 127-138.
[12]	李彤玥. 韧性城市研究新进展[J]. 国际城市规划, 2017, 32 (5): 15-25. doi: 10.22217/upi.2015.284
	Li Tongyue. New progress in study on resilient cities[J]. Urban Planning International, 2017, 32 (5): 15-25. doi: 10.22217/upi.2015.284
[13]	倪晓露, 黎兴强. 韧性城市评价体系的三种类型及其新的发展方向[J/OL]. http://kns.cnki.net/kcms/detail/11.5583.TU.20190909.0952.002.html, 2020-11-06
	Ni Xiaolu, Li Xingqiang. The three approaches for the assessment on “resilient city” and its new directions in the future. http://kns.cnki.net/kcms/detail/11.5583.TU.20190909.0952.002.html, 2020-11-06.
[14]	孙澄, 解文龙. 规划协同的韧性计分卡评价方法及其在国土空间规划中的应用价值解析[J/OL]. http://kns.cnki.net/kcms/detail/11.5583.TU.20200727.1017.002.html, 2020-11-06.
	Sun Cheng, Xie Wenlong. Plan integration for resilience scorecard and its significance for spatial planning. http://kns.cnki.net/kcms/detail/11.5583.TU.20200727.1017.002.html, 2020-11-06.
[15]	白立敏, 修春亮, 冯兴华, 等. 中国城市韧性综合评估及其时空分异特征[J]. 世界地理研究, 2019, 28 (6): 77-87. doi: 10.3969/j.issn.1004-9479.2019.06.2018403
	Bai Limin, Xiu Chunliang, Feng Xinghua, et al. A comprehensive assessment of urban resilience and its spatial differentiation in China[J]. World Regional Studies, 2019, 28 (6): 77-87. doi: 10.3969/j.issn.1004-9479.2019.06.2018403
[16]	张帅, 王成新, 李博. 东北三省城市经济弹性空间分异及其影响因素研究[J]. 人文地理, 2019, 34 (4): 73-80.
	Zhang Shuai, Wang Chengxin, Li Bo. Spatial differentiation of urban economic elasticity and its influencing factors in northeast-China[J]. Human Geography, 2019, 34 (4): 73-80.
[17]	谭俊涛, 赵宏波, 刘文新, 等. 中国区域经济韧性特征与影响因素分析[J]. 地理科学, 2020, 40 (2): 173-181.
	Tan Juntao, Zhao Hongbo, Liu Wenxin, et al. Regional economic resilience and influential mechanism during economic crises in Ch-ina[J]. Scientia Geographica Sinica, 2020, 40 (2): 173-181.
[18]	彭翀, 林樱子, 顾朝林. 长江中游城市网络结构韧性评估及其优化策略[J]. 地理研究, 2018, 37 (6): 1193-1207.
	Peng Chong, Lin Yingzi, Gu Chaolin. Evaluation and optimization strategy of city network structural resilience in the middle reaches of Yangtze River[J]. Geography Research, 2018, 37 (6): 1193-1207.
[19]	杨天荣, 匡文慧, 刘卫东, 等. 基于生态安全格局的关中城市群生态空间结构优化布局[J]. 地理研究, 2017, 36 (3): 441-452.
	Yang Tianrong, Kuang Wenhui, LiuWeidong, et al. Optimizing the layout of ecospatial structure in Guanzhong urban agglomeration based on the ecological security pattern[J]. Geography Research, 2017, 36 (3): 441-452.
[20]	彭翀, 陈思宇, 王宝强. 中断模拟下城市群网络结构韧性研究——以长江中游城市群客运网络为例[J]. 经济地理, 2019, 39 (8): 68-76.
	Peng Chong, Chen Siyu, Wang Baoqiang. Analyzing city network’s structural resilience under disruption scenarios: A case study of passenger transport network in the middle reaches of Yangtze River[J]. Economic Geography, 2019, 39 (8): 68-76.
[21]	郑艳, 翟建青, 武占云, 等. 基于适应性周期的韧性城市分类评价——以我国海绵城市与气候适应型城市试点为例[J]. 中国人口·资源与环境, 2018, 28 (3): 31-38.
	Zheng Yan, Zhai Jianqing, Wu Zhanyun, et al. A typology analysis on resilient cities based on adaptive cycle[J]. China population · resources and environment, 2018, 28 (3): 31-38.
[22]	李艳, 陈雯, 孙阳. 关联演化视角下地理学区域韧性分析的新思考[J]. 地理研究, 2019, 38 (7): 1694-1704.
	Li Yan, Chen Wen, Sun Yang. New reflections on the analysis of regional resilience in geographical sciences from a relational-dynamic perspective[J]. Geography Research, 2019, 38 (7): 1694-1704.
[23]	修春亮, 魏冶, 王绮. 基于“规模—密度—形态”的大连市城市韧性评估[J]. 地理学报, 2018, 73 (12): 2315-2328. doi: 10.11821/dlxb201812004
	Xiu C-hunliang, Wei Ye, Wang Qi. Evaluation of urban resilience of Dalian city based on the perspective of “Size-Density-Morphology”[J]. Acta Geographica Sinica, 2018, 73 (12): 2315-2328. doi: 10.11821/dlxb201812004
[24]	人民网. 哈长城市群消费活力指数研究报告[R]. 人民日报出版社,2018.
	People.cn. Research Report on Consumption Vigor Index of Harbin-Changchun Urban Group. People’s Daily Press,2018.
[25]	国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2011-2019.
	National Bureau of Statistics of China. China City Statistical Yearbook. Beijing: China Statistics Press, 2011-2019.
[26]	黑龙江省统计局, 国家统计局黑龙江调查总队. 黑龙江统计年鉴[M]. 北京: 中国统计出版社, 2011-2019.
	Heilongjiang Provincial Bureau of Statistics, Survey Organization of Hei-longjiang of NBS. Heilongjiang Statistical Yearbook. Beijing: China Statistics Press, 2011-2019.
[27]	吉林省统计局, 国家统计局吉林调查总队. 吉林统计年鉴[M]. 北京: 中国统计出版社, 2011-2019.
	Jilin Statistical Bureau, Survey Office of the National Bureau of Statistics in Jilin. Jilin Statistical Yearbook. Beijing: China Statistics Press, 2011-2019.
[28]	Burton C G. A validation of metrics for community resilience to natural hazards and disasters using the recovery from Hurricane Katrina as a case study[J]. Annals of the Association of American Geographers, 2015, 105 (1): 67-86. doi: 10.1080/00045608.2014.960039
[29]	蔡建明, 郭华, 汪德根. 国外弹性城市研究述评[J]. 地理科学进展, 2012, 31 (10): 1245-1255. doi: 10.11820/dlkxjz.2012.10.001
	Cai Jianming, Guo Hua, Wang Degen. Review on the resilient city research overseas[J]. Progress in Geography, 2012, 31 (10): 1245-1255. doi: 10.11820/dlkxjz.2012.10.001
[30]	郭付友, 佟连军, 刘志刚, 等. 山东省产业生态化时空分异特征与影响因素—基于17地市时空面板数据[J]. 地理研究, 2019, 38 (9): 2226-2238. doi: 10.11821/dlyj020180474
	Guo Fuyou, Tong Lianjun, Liu Zhigang, et al. Spatial temporal pattern and influencing factors of industrial ecology in Shandong Province: Based on panel data of 17 cities[J]. Geographical Research, 2019, 38 (9): 2226-2238. doi: 10.11821/dlyj020180474
[31]	马雪莹, 邵景安, 徐新良. 基于熵权-TOPSIS的山区乡镇通达性研究——以重庆市石柱县为例[J]. 地理科学进展, 2016, 35 (9): 1144-1154. doi: 10.18306/dlkxjz.2016.09.009
	Ma Xueying, Shao Jingan, Xu Xinliang. Rural transportation accessibility in mountainous areas based on the entropy-weight TOPSIS method: A case study of Shizhu County, Chongqing Municipality[J]. Progress in Geography, 2016, 35 (9): 1144-1154. doi: 10.18306/dlkxjz.2016.09.009
[32]	李云良, 张奇, 李淼, 等. 基于BP神经网络的鄱阳湖水位模拟[J]. 长江流域资源与环境, 2015, 24 (2): 233-240. doi: 10.11870/cjlyzyyhj201502008
	Li Yunliang, Zhang Qi, Li Miao, et al. Using BP neural networks for water level simulation in Poyang Lake[J]. Resources and Environment in the Yangtze Basin, 2015, 24 (2): 233-240. doi: 10.11870/cjlyzyyhj201502008
[33]	周宏浩, 陈晓红. 东北地区可持续生计安全时空分异格局及障碍因子诊断[J]. 地理科学, 2018, 38 (11): 1864-1874.
	Zhou Honghao, Chen Xiaohong. Spatio-temporal evolution of sustainable livelihood security and study of its obstacle indicators in northeast China[J]. Scientia Geographica Sinica, 2018, 38 (11): 1864-1874.
[34]	Longley P A, Rhind D, Goodchild M. Geographic information systems and science[M]. Wiley, John & Sons, Incorporated, 2001.

统计量	2010年	2014年	2018年
平均值	0.4050	0.3852	0.3461
标准差	0.1356	0.1459	0.1638
变异系数	0.3350	0.3790	0.4730
偏态系数	0.5660	1.0230	1.8040
峰态系数	?1.2010	?0.5730	3.4230

年份	1	2	3	4	5	6	7	8	9	10
注：X_i（i=1,2,…,29）指标含义见表1；括号内数字表示该项指标因子对应的q值。
2010年	X₆（0.92）	X₄（0.89）	X₂₇（0.88）	X₁₃（0.82）	X₁₀（0.79）	X₁₄（0.78）	X₁₉（0.75）	X₁₅（0.74）	X₁₁（0.72）	X₉（0.61）
2014年	X₁₄（0.97）	X₉（0.96）	X₁₀（0.94）	X₂₂（0.93）	X₆（0.90）	X₁₅（0.88）	X₄（0.84）	X₂₄（0.84）	X₁₁（0.82）	X₂₇（0.81）
2018年	X₁（0.97）	X₄（0.97）	X₆（0.96）	X₉（0.96）	X₁₀（0.96）	X₁₅（0.95）	X₁₄（0.93）	X₂₉（0.91）	X₅（0.88）	X₂₆（0.82）