EN中文

地理科学 >

2023 , Vol. 43 >Issue 12: 2119 - 2129

DOI: https://doi.org/10.13249/j.cnki.sgs.2023.12.006

建成环境视角下县域空间韧性动态变化及响应机制研究

  • 陈晓红 , 1 ,
  • 马雪菲 1, 2 ,
  • 王颖 1 ,
  • 谷岳 1 ,
  • 刘海涵 1 ,
  • 李启才 1 ,
  • 潘玮 , 3, *
展开
  • 1.哈尔滨师范大学地理科学学院，黑龙江 哈尔滨 150025
  • 2.杭州智拓空间规划设计有限公司，浙江 杭州 310000
  • 3.哈尔滨市城乡规划设计研究院，黑龙江 哈尔滨 150010
潘玮。E-mail:

陈晓红（1978—），女，山东日照人，博士，教授，博士生导师，研究方向为人地系统韧性。E-mail:

收稿日期: 2022-12-01

  修回日期: 2023-03-10

  录用日期: 2023-04-07

  网络出版日期: 2024-01-12

基金资助

黑龙江省自然科学基金项目(JJ2023LH0720)

黑龙江省哲学社会科学研究规划项目(21JLE323)

哈尔滨师范大学2022年社会服务能力提升项目(1305123124)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Dynamic change and response mechanism of county spatial resilience under the perspective of built environment: A case of Harbin-Changchun Urban Agglomeration

  • Chen Xiaohong , 1 ,
  • Ma Xuefei 1, 2 ,
  • Wang Ying 1 ,
  • Gu Yue 1 ,
  • Liu Haihan 1 ,
  • Li Qicai 1 ,
  • Pan Wei , 3, *
Expand
  • 1. College of Geography Science, Harbin Normal University, Harbin 150025, Heilongjiang, China
  • 2. Hangzhou Zhituo Space Planning and Design Company, Hangzhou 310000, Zhejiang, China
  • 3. Harbin Urban and Rural Planning & Design Institute, Harbin 150010, Heilongjiang, China

Received date: 2022-12-01

  Revised date: 2023-03-10

  Accepted date: 2023-04-07

  Online published: 2024-01-12

Supported by

Natural Science Foundation of Heilongjiang(JJ2023LH0720)

Philosophy and Social Sci ences Research Program of Heilongjiang(21JLE323)

Harbin Normal University 2022 Social Service Capacity Improvement Project(1305123124)

Copyright

Copyright reserved © 2023.
Fold

摘要

韧性是高质量发展的基石，县域作为中国最基本的行政单元，探索其空间韧性的动态演变规律，对区域空间高质量发展研究具有重要意义。以哈长城市群63个县域为研究对象，基于空间“暴露-抵御-适应”维度，运用空间自相关、VAR模型等研究方法，分析其2000—2020年空间韧性的动态变化及响应机制。研究表明：① 2000—2020年，哈长城市群空间韧性指数有所上升，但县域整体空间韧性不强，始终以较低韧性为主。② 哈长城市群空间上整体呈现四周高中间低的“盆地式”格局，其中，低韧性区以抱团状分布于哈长城市群中部地区，中韧性区与高韧性区呈“聚点式”位于哈长城市群东西两侧。③ 哈长城市群县域空间韧性不同等级韧性区域间空间差异性显著，同等级韧性区域间有明显空间集聚特征，但集聚趋势减弱。④ 经济基础对哈长城市群县域空间韧性的冲击最为强烈，与空间韧性间形成显著的动态响应关系；哈长城市群县域空间韧性对社会需求与环境管控的响应具有时滞性，波动起伏较小，对空间韧性起推动作用。

关键词： 空间韧性; 暴露-抵御-适应; 县域; 哈长城市群

本文引用格式

陈晓红 , 马雪菲 , 王颖 , 谷岳 , 刘海涵 , 李启才 , 潘玮 . 建成环境视角下县域空间韧性动态变化及响应机制研究[J]. 地理科学, 2023 , 43(12) : 2119 -2129 . DOI: 10.13249/j.cnki.sgs.2023.12.006

Abstract

Resilience is the cornerstone of high-quality development. County is the most basic administrative unit in China, exploring the dynamic evolution law of its spatial resilience is of great significance to the high-quality development of regional space. This paper takes 63 counties in the Harbin-Changchun Urban Agglomeration as the research object, and analyzes the dynamic changes of their spatial resilience and response mechanism from 2000 to 2020 based on the dimension of spatial "exposure-resistance-adaptation", using spatial autocorrelation, VAR model and other research methods, in order to further improve the theoretical system of China's spatial resilience research and provide reference for other urban agglomeration counties in China. At the same time, this paper provides new ideas for the regional system to adapt to complex disturbances by accurately quantifying and diagnosing the dynamic changes of county spatial resilience in the Harbin-Changchun Urban Agglomeration. The results show that: 1) From 2000 to 2020, the resilience index of the Harbin-Changchun Urban Agglomeration has increased, but the overall county spatial resilience is not strong and is always dominated by lower resilience, and the geographical distribution of spatial resilience in 63 counties is concentrated. 2) The Harbin-Changchun Urban Agglomeration spatially presents a 'basin-like' pattern with a high surrounding and a low center, in which the low-resilience zone is distributed in the central part of the Harbin-Changchun Urban Agglomeration in the shape of a group, and the middle-resilience zone and the high-resilience zone are located on the east and west sides of the Harbin-Changchun Urban Agglomeration in the shape of a 'cluster'. 3) The spatial variability of different levels of resilient areas in the county spatial resilience of the Harbin-Changchun Urban Agglomeration is significant, and the spatial clustering characteristics between resilient areas of the same level are significant, but the trend of clustering is weakening. 4) The spatial resilience of counties in the Harbin-Changchun Urban Agglomeration was initially affected by its own development. With the evolution of time, the three factors of economic foundation, social demand and environmental control have had different degrees of impact on spatial resilience. The response of the spatial resilience of counties in the Harbin-Changchun Urban Agglomeration to economic foundation is the most active, forming a significant dynamic response relationship with the spatial resilience. The response of the spatial resilience of counties in the Harbin-Changchun Urban Agglomeration to social demand and environmental control has a time lag and less fluctuation, which is a driving force for the improvement of the spatial resilience of counties.

Key words： spatial resilience; exposure-resistance-adaptation; county level; Harbin-Changchun Urban Agglomeration

为推进区域发展，中国建设用地需求不断增大，生态空间比重减少[1]，致使空间结构脱节，区域系统自我调节能力大幅降低，建成环境面临严峻挑战。韧性是系统应对扰动时抵御风险的能力，韧性联盟确定了4个韧性研究的优先主题，分别为代谢流、管理网络、建成环境以及社会动力学[2]，韧性思维认定研究对象遵循自适应循环理论，存在一定阈值，且要素间具有关联性。因此，需要正确看待建成环境受到的多重压力，提升建成环境空间韧性，增强抵抗扰动能力以契合空间规划发展的需要。
空间韧性概念研究源于生态系统领域[3]，Allen认为空间韧性是在复杂系统空间要素不断变化的情况下产生的反馈贡献[4]。空间韧性由于受到居民生活与空间资源等多重因素的影响，往往需通过特定指标进行衡量[5]，同时需要考虑多样性、冗余性、抵御性等原则[6]。空间韧性研究涵盖了韧性评价[7-9]、动力机制以及影响方式[10-11]等多方面，研究内容侧重区域物质结构与社会等维度，强调空间资源配备对危机扰动的抵御与转化。在空间规划的框架中，多通过制定提高韧性导向下的政策，评估国家、区域、农村等建设[12-13]。国内学者致力于韧性建设理论研究，在应对城市灾害方面取得一定成果[14-15]，研究视角由灾害管理转向韧性管理[16]，研究内容侧重城市韧性的动力机制[17-18]、城市固有韧性[19-21]以及城市总体韧性研究[22-24]等，评价尺度上多以特定城市或乡村为研究单元，较少涉及县级尺度。
纵观国内外研究发现，学者们将空间韧性研究聚焦在国家、区域/地方等宏观尺度或个别社区、村庄等微观视角上，县级尺度涉及较少；评价体系多基于某一子系统，尚未与区域系统要素结合，并且难以将理论与规划实际相结合。县城是中国城镇体系的重要组成部分，在促进新型城镇化发展中发挥着关键作用[25-27]。全国县城建成区面积由2010年的1.66亿km2涨至2020年的2.09亿km2[28]，县城作为推进城镇化的重要载体，县城空间韧性是区域高质量发展中的重要一环。因此，本文以哈长城市群为例，选定以县城为核心的县域作为研究载体，构建基于“暴露性-抵御性-适应性”的空间韧性研究框架，探究其2000—2020年的空间韧性演化规律，剖析经济、社会、生态等系统的响应机制，有利于进一步完善中国空间韧性研究的理论体系，并在一定程度上为中国其他城市群县域空间韧性的协调优化、高质量国土空间规划提供借鉴与参考。

1 空间韧性分析框架

空间韧性内涵针对区域空间系统所面对的不确定性，追求空间差异背景下系统自适应能力的提升，最终实现人地关系和谐共存[29]。当系统外界单一或多重扰动干扰区域空间时，往往产生正负向综合系统影响，包括空间暴露阶段所产生的负向影响和在空间抵御、适应阶段的正向影响，由于其作用方向和强度显著不同，系统内部经过不断地抗衡后方形成区域空间韧性，并将此结果反馈给区域空间系统。因此，本文认为空间韧性框架需要厘清“灾前-灾中-灾后”三大应急管理流程，同时考虑区域空间暴露性、空间抵御性、空间适应性，进而实现区域空间“灾前预防-灾中抵御-灾后适应”3个阶段，有效阻遏扰动延递（图1）。
图1 基于“暴露-抵御-适应”的空间韧性分析框架

Fig. 1 Spatial resilience evaluation framework based on "exposure-resistance-adaptation"

其中，空间暴露性是指区域空间运转中承受扰动过程的灾前阶段，是评价区域空间内部各要素受到扰动影响程度的重要指标，与空间韧性呈负相关；空间抵御性对应在面临风险全过程下的灾中抵御阶段，强调在外界扰动释放影响区域空间运转能量时，区域内部经济、布局、基础设施等空间要素共同作用使得区域空间表现出的抵挡灾害的能力，与空间韧性具有正相关性；空间适应性是扰动后区域空间的再学习与创新阶段，核心是人与扰动风险间的交互作用在区域空间上的表现，强调区域内部经济生产、教育医疗等空间要素仍能保障当前区域人民生活正常运转及对未来区域适灾以获取重新发展的能力，与空间韧性呈正相关。
对于区域发展而言，空间暴露性、空间抵御性与空间适应性三者之间相互依存，共同反映空间韧性。本文强调建成环境视角下县域系统在单位建设用地面积上表现出抵抗扰动的程度，以精准量化、诊断哈长城市群县域空间韧性动态变化规律，为区域系统适应复杂扰动提供新的思路。

2 研究方法与数据来源

2.1 研究区概况

本文研究区为哈长城市群63个县域（或县级市）（图2），其空间高质量发展面临众多挑战：①县域经济是国民经济的基本，哈长城市群以农业发展为主，第一产业在县域经济中占比36.9%[28]，空间质量提升的经济支撑力量薄弱，与全国平均水平相比仍有较大差距。②数据显示哈长城市群县域农村人口约0.12亿[28]，人口承载能力较弱，县域空间建设难以支撑农民就近城镇化发展。③城乡生态空间问题凸显，以哈尔滨市所辖地域为例，除宾县与五常市外，其他县（市）均未达到空气质量二级标准[28]。因此，由于哈长城市群县域空间脆弱性明显，探讨哈长城市群县域空间韧性，对助力哈长城市群空间高质量发展尤为重要。
图2 哈长城市群县域空间分布

Fig. 2 Spatial distribution of counties in Harbin-Changchun Urban Agglomeration

2.2 空间韧性指标体系及模型构建

2.2.1 指标体系构建

本文中哈长城市群县域空间韧性的综合测度具体从空间暴露性、空间抵御性、空间适应性3方面进行，共计18项指标（表1）。
表1 哈长城市群县域空间韧性评价指标体系

Table 1 Spatial resilience evaluation indicator system of counties in Harbin-Changchun Urban Agglomeration

准则层 指标层 指标示意 指标性质
　　注：+为正向指标，-为负向指标。
空间暴露性 自然气候暴露度 年降水量/建设用地面积 -
边界形态暴露度 地形起伏度 -
碳排放量暴露度 碳排放量/建设用地面积 -
大气污染暴露度 PM2.5/建设用地面积 +
人口空间集聚度 人口空间分布指数 -
紧凑度指数 +
空间抵御性空间经济发展 财政支出/建设用地面积 +
人均地区生产总值 +
社会空间保障 医疗卫生床位数/（建设用地面积×人口规模） +
人群活动活跃度 人口密度 +
总从业人口/建设用地面积 +
土地多样性 多样性指数 +
空间适应性经济生产适应力 公共预算收入/建设用地面积 +
规模以上工业总产值/建设用地面积 +
粮食产量/建设用地面积 +
社会保障适应力 基本建设投资完成额/建设用地面积 +
居民生活适应力 城乡居民储蓄存款/建设用地面积 +
空间暴露性反映哈长城市群各县域受外界干扰时产生的扰动情况，其中，暴雨内涝为哈长城市群频发的灾害之一，用降水量和地形起伏度来表征自然扰动；用区域内的碳排放量及大气污染程度表征人为扰动；用紧凑度指数与地形起伏度从空间边界角度评价区域的暴露性，紧凑度指数越小、地形坡度较高的条件下，区域空间遭遇风险的可能性越高；在哈长城市群协同发展背景下，县域间人口流动性增大，风险的传播与人口流动具有密切联系，一定程度上加重区域暴露性危机，因此，将人口空间集聚度作为空间暴露性指标。
空间抵御性反映区域面对扰动或预防危机影响时所具备的抵抗能力，空间抵御力越强，区域越稳定。在空间经济发展指标层下，财政支出与人均地区生产总值表征区域抵御扰动时的经济基础；医疗床位数表征社会空间保障；人群活动活跃度指标层下，人口密度与就业表征居民生活状态下对外界扰动的抵御力度；随着区域建设用地扩张，草地、水体等被侵占，土地多样性水平在一定程度反映区域空间抵御能力，因此空间抵御性主要从人群活动活跃度、土地多样性、社会空间保障及空间经济发展方面选取指标。
空间适应性主要指区域空间调动社会经济等多方资源在风险降临之后表现出的更新与修复能力，核心在于人与扰动风险的交互作用在空间上的表现，空间适应性越强，区域应对扰动后的调节能力就越强。判定区域适应情况应关注区域经济生产是否正常运转、居民生活是否具有保障以及外界对区域的投资情况。因此，空间适应力选取经济生产适应力、社会保障适应力、居民生活适应力方面的指标。
其中，紧凑度指数作为区域空间形态的重要表征指数[30]，可以有效反映区域空间斑块的完整性与聚集程度。紧凑度指数介于0和1之间，指数越大，越有利于形成高效集约的城市发展战略，提升空间韧性。表达式如下：
$ D = 2{\sqrt {\pi Q}\Big/ Y} $
式中，D为紧凑度指数，Y为研究区外围轮廓周长，Q为研究区面积。
土地多样性指数常用来衡量区域空间的内部形态特征，随着城市化进程的不断加快，土地变成一种重要且稀缺的资源[31]。对区域发展而言，建成区面积增多会带来一定经济效益，区域的多样性指数越大，区域抵抗风险能力愈强，区域发展越具有生机。表达式如下：
$ C = - \displaystyle\sum\limits_{i = 1}^j {{P_i}} {\log _2}{P_i} $
式中，C为多样性指数，其中，j为研究区有几种用地类型，Pi为第i种用地类型的面积在整个区域用地的百分比。

2.2.2 空间韧性综合测度模型

在对空间韧性的测度中，空间暴露性与空间韧性具有负相关性；空间抵御性与其具有正相关性；空间适应性与区域自身发展有关，可作为空间韧性乘数，即自身适应能力对空间韧性起倍数作用。因此，构建县域空间韧性模型，表达式如下：
$ R = f\left\{ {E,S,V} \right\} = \left( {S - E} \right) \times V $
式中，R表示哈长城市群各县域空间韧性指数；E、S、V分别表示空间暴露性指数、空间抵御性指数、空间适应性指数。各指数均由熵值法进行加权求和获取，如空间暴露性指数（ E ）计算如下式，以此类推，可求空间抵御性指数（S）、空间适应性指数（V ）。
$ E = \displaystyle\sum\limits_{j = 1}^n {{w_j}} {x_{ij}} $
式中，wj与xij分别是3个方面指标所代表的权重及标准化值；n为各维度指标数量，本文n=6。

2.2.3 空间自相关

本文用全局空间自相关中的莫兰指数（Moran's I）反映哈长城市群县域空间是否存在聚集或离散的趋势以及这种趋势的强度和显著性[31]。

2.3 驱动因素的指标选取及模型构建

2.3.1 驱动因素指标选取

随着韧性研究的不断深入，学者们发现人与环境之间具有错综复杂的关系[32]，对韧性产生影响的主要包括人文与环境两方面。人文层面对区域韧性的影响主要是经济、社会等要素。经济发展水平是区域演进的内生动力，影响空间韧性的调节与控制[33]，对区域生态、环境以及社会稳定有直接影响。工业化水平表征哈长城市群发展的根本驱动力[34]。人口就业情况与家庭储蓄情况可通过为区域经济发展提供劳动力、促进社会资源有效运作等手段带动韧性提升，同时，社会层面内基础设施建设也会影响区域基础稳定。环境层面对区域韧性的影响对于以工农业发展为主的哈长城市群而言，主要表现在保障人居环境、维护土地肥力活性及缓解热岛效应等方面，通过加强对环境的管控力度，抑制污染程度，可以增强区域危机时的抵抗能力，保障区域空间可持续发展。基于以上分析，本文基于经济、社会、生态视角，构建“经济基础-社会需求-环境管控”三大系统，共9项指标（表2），综合分析哈长城市群县域空间韧性的响应机制。
表2 哈长城市群县域空间韧性驱动因素指标体系

Table 2 Indicator system of factors influencing the spatial resilience of counties in Harbin-Changchun Urban Agglomeration

目标层 指标层 属性 指标示意
　　注：+为正向指标，-为负向指标。
经济基础
（EB）		 经济增长（x1） + 公共财政收入占GDP比重
经济结构（x2） + 第二产业占GDP比重
工业化水平（x3） + 规模以上工业总产值/规模工业企业个数
社会需求
（SN）		 就业情况（x4） + 从业人员数/年末总人口
储蓄保障（x5） + 人均城乡居民存储余额
基础设施（x6） + 每万人拥有的医疗床位数
环境管控
（EC）		 人居环境质量（x7） - PM2.5排放量/绿地面积
土地肥力活性（x8） - 化肥施用量/耕地面积
机械碳排放强度（x9） - CO2排放量/农业机械总动力

2.3.2 向量自回归模型

向量自回归（VAR）模型可以有效地反映同一系统下多种变量间的相互依存关系，解释各种影响因子对研究变量冲击构成的影响。本文构建的VAR模型包含县域空间韧性（R）、经济基础（EB）、社会需求（SN）、环境管控（EC）4个变量，并作为系统的内生变量，目的在于分析经济基础、社会需求、环境管控三大驱动因子对县域空间韧性的动态响应。本文滞后期数为1期，表达式如下：
$ {R}_{t}={\beta }_{10}+{\beta }_{11}{R}_{t-1}+{\beta }_{12}{EB}_{t-1}+{\beta }_{13}{SN}_{t-1}+{\beta }_{14}{EC}_{t-1}+{\varepsilon }_{Rt} $
$ {EB}_{t}={\beta }_{20}+{\beta }_{21}{R}_{t-1}+{\beta }_{22}{EB}_{t-1}+{\beta }_{23}{SN}_{t-1}+{\beta }_{24}{EC}_{t-1}+{\varepsilon }_{EBt} $
$ {SN}_{t}={\beta }_{30}+{\beta }_{31}{R}_{t-1}+{\beta }_{32}{EB}_{t-1}+{\beta }_{33}{SN}_{t-1}+{\beta }_{34}{EC}_{t-1}+{\varepsilon }_{SNt} $
$ {EC}_{t}={\beta }_{40}+{\beta }_{41}{R}_{t-1}+{\beta }_{42}{EB}_{t-1}+{\beta }_{43}{SN}_{t-1}+{\beta }_{44}{EC}_{t-1}+{\varepsilon }_{ECt} $
式中，t为研究时限，R、EB、SN、EC为内生变量，εRt、εEBt、εSNt、εECt分别对应4个变量的随机扰动项，β10、β11……β44分别为待估系数矩阵中的系数向量。

2.4 数据来源

本文以哈长城市群63个县域为研究对象，时间跨度为2000—2020年，并选取2000年、2010年、2020年3个时间截面具体分析，数据来源见表3。
表3 数据来源与说明

Table 3 Data sources and descriptions

数据类型 数据来源
注：由于时间跨度较大，个别缺失数据由相应年份统计公报补齐。
地形起伏度 地理空间数据云（http://www.gscloud.cn）
人口空间分布指数 中国科学院资源环境科学数据中心（http://www.resdc.cn）
行政区划矢量数据 国家基础地理信息中心（http://www.resdc.cn）
土地利用数据 中国科学院资源环境科学数据中心（http://www.resdc.cn）
大气污染数据 国家统计局（http://www.stats.gov.cn/）
社会经济指标 《中国县域统计年鉴》[35]（2001年、2011年、2021年）
《吉林统计年鉴》[36]（2001年、2011年、2021年）
《黑龙江统计年鉴》[37]（2001年、2011年、2021年）

3 哈长城市群县域空间韧性时空格局演变

3.1 哈长城市群县域空间韧性总体特征

对2000—2020年哈长城市群县域空间韧性指数进行描述性统计分析（表4），结果表明：① 哈长城市群63个县域整体空间韧性不高，平均值呈上升趋势。② 标准差结果表明63个县域空间离散程度较小，但县域间差异性小幅度增大。③ 变异系数逐年增大且2010—2020年趋势明显，表明县域空间韧性指数在研究期内空间差异明显。④ 偏态指数均为正值，且2020年增长明显，表明在县域空间发展进程中哈长城市群高等级韧性区数量增加。⑤ 峰态系数呈现递增态势且2000—2020年增长明显，表明63个县域内空间韧性相似地域分布集中。
表4 哈长城市群县域空间韧性描述性统计

Table 4 Descriptive statistics of the spatial resilience of counties in Harbin-Changchun Urban Agglomeration

统计量 2000年 2010年 2020年
平均值 -0.0072 -0.0237 -0.0047
标准差 0.0228 0.0614 0.0667
变异系数 -3.1333 -2.5962 -14.1970
偏态系数 4.1905 5.1467 7.5287
峰态系数 20.7671 38.6348 58.7542

3.2 哈长城市群县域空间韧性时空格局演变

运用自然断点法将哈长城市群县域空间韧性指数（R）划分为5级：分别是低韧性（R≤-0.02）、较低韧性（-0.02＜R≤0.01）、中韧性（0.01＜R≤0.04）、较高韧性（0.04＜R≤0.07）、高韧性（R＞0.07）。
整体来看（图3），2000—2020年哈长城市群县域空间韧性呈上升趋势，以较低韧性区为主。具体为：① 2000年哈长城市群县域空间韧性以较低韧性区为主，呈东西向连片分布，占全域的85.7%。低韧性区位于哈长城市群中心地带，共7个县域。高韧性区呈零星分布，仅绥芬河市与延吉市2个。无中韧性区与较高韧性区。② 2010年哈长城市群县域空间韧性由低韧性区主导，占比57.1%。较低韧性区降为26个，空间上呈半环状，位于哈长城市群周边地带，其中讷河市、海伦市等18个县市由较低韧性区下降至低韧性区，延吉市由高韧性区下降至较低韧性区，高韧性区仅绥芬河市1个。无中韧性区与较高韧性区。③ 2020年哈长城市群县域空间韧性仍以较低韧性区为主，占比为80.9%。全域无较高韧性区。低韧性区主要集聚在哈尔滨、长春等辖区的县（市），共肇东市、扶余市等10个。中韧性区零散分布在哈长城市群内，仅杜尔伯特蒙古族自治县1个。高韧性区仅有延吉市1个。
图3 2000年、2010年和2020年哈长城市群县域空间韧性空间分布

Fig. 3 Spatial distribution of urban spatial resilience in counties of Harbin-Changchun Urban Agglomeration in 2000, 2010 and 2020

3.3 哈长城市群县域空间韧性指数空间集聚特征

本文通过全局自相关测度（表5）的结果显示：总体上Moran's I均为正值，哈长城市群县域空间韧性在空间上存在正相关关系，但Moran's I指数呈下降趋势并逐渐趋近于0，表明哈长城市群县域空间韧性总体空间相关性较低，集聚趋势减弱。从整体上看，哈长城市群县域空间韧性空间上呈随机分布。
表5 2000年、2010年和2020年哈长城市群县域空间韧性全局Moran's I指数

Table 5 Global Moran's I index of spatial resilience of counties in Harbin-Changchun Urban Agglomeration in 2000, 2010 and 2020

Moran's I指数及统计量 2000年 2010年 2020年
Moran's I 0.1082 0.0501 0.0172
Z-score 1.4337 0.9995 1.0761
P-value 0.1517 0.3176 0.2819

4 哈长城市群县域空间韧性响应机制分析

4.1 数据平稳性检验及滞后阶数选择

为保证结果的有效性，本文对数据进行了ADF检验。通过对检验结果的统计整理与对比分析（表6），得到仅EB与SN在ADF检验中通过了1%的显著性水平，拒绝原假设，具有平稳关系。为保证检验数据具有同阶单整关系，本文对数据进行一阶拆分，得到D（EB）、D（SN）、D（EC）、D（R），在相同置信水平下检验结果均为平稳序列，因此，影响因素数据采用一阶单整序列。
表6 哈长城市群县域空间韧性驱动因素数据的平稳性检验

Table 6 Stationarity test for data on factors influencing the spatial resilience of counties in the Harbin-Changchun Urban Agglomeration

变量 ADF检验 显著性水平 结论
P值 T统计量 1%临界值
　　注：EB为经济基础、SN为社会需求、EC为环境管控、R为空间韧性；D（*）为变量一阶拆分结果。
EB 0.0190 -3.861438 -4.297073 平稳
SN 0.0057 -4.696677 -4.297073 平稳
EC 0.9130 -0.153483 -4.420595 不平稳
R 0.0758 -2.934348 -4.297073 不平稳
D（EB） 0.0008 -6.524414 -4.420595 平稳
D（SN） 0.0376 -3.538265 -4.582648 平稳
D（EC） 0.0021 -5.696232 -4.420595 平稳
D（R） 0.0067 -3.107970 -2.886101 平稳
在构建VAR模型滞后阶数选择中，当滞后阶数为1时，AIC（Akaike information criterion）、SC（Schwarz criterion）、HQ（Hannan-quinn）准则具有10%的显著性，对数自然比最优。
同时，对VAR模型进行平稳性检验结果显示，全部根均位于单位圆内，表明本文构建的VAR模型具有稳定性。

4.2 哈长城市群县域空间韧性的驱动力脉冲响应

图4a为空间韧性受经济基础因素冲击后的脉冲响应轨迹，当经济基础给予一个正向的冲击后，D（R）当期即产生一个正向响应（0.14），第2期达到最大值（0.30），随后产生负响应状态，最终趋于稳定（0.00），说明空间韧性会瞬间响应来自经济基础因素的冲击，且响应时间持续时间较长。图4b表示受到来自社会需求因素的脉冲冲击后，D（R）在第1期出现时滞，第2期为最大负响应（-0.02），第3期出现最大正响应（0.05），随后出现正负响应小幅度循环且逐渐收敛，最终趋于稳定，说明社会需求在初期对空间韧性产生一定压力，但社会需求的产生也会对空间韧性提升促进作用。由图4c可知，在受到环境管控因素脉冲冲击后，D（R）在第1期具有短期时滞性，之后连续正响应到第5期，随后出现小幅度的负响应，到第8期趋于恒定状态（0.00），说明环境管控对于空间韧性影响基本为正向的。可见哈长城市群县域空间韧性受到经济基础、社会需求与环境管控三方冲击后，其响应方式有所差异，总体来看（图4d），空间韧性对于经济基础冲击的响应最为迅速与强烈，社会需求与环境管控因素对于空间韧性的影响存在滞后期。
图4 哈长城市群县域空间韧性脉冲响应函数

Fig. 4 Distribution of impulse response functions for spatial resilience in counties of Harbin-Changchun Urban Agglomeration

4.3 哈长城市群县域空间韧性驱动力的贡献率

为了进一步定量分析在县域空间韧性演化过程中3个影响因素的贡献率大小，对县域空间韧性D（R）进行方差分解。哈长城市群县域空间韧性最初主要受自身变动影响，具有持续性的动态发展趋势，伴随时间推移逐渐减弱，由表7可知，第1期自身结构冲击D（R）的贡献率高达88.2%，第7期后自身贡献率恒定在57.8%。区域内经济基础对空间韧性的贡献率第1期至第2期出现大幅度上升，达到42.5%，最后恒定在38.9%，其波动趋势与空间韧性自身存在此消彼长趋势。区域内社会需求与环境管控对哈长城市群县域空间韧性的贡献率较弱，仅为1.4%与1.9%。
表7 哈长城市群县域空间韧性脉冲响应方差分解

Table 7 Variance decomposition of impulse response to spatial resilience of counties in Harbin-Changchun Urban Agglomeration

1期 2期 3期 4期 5期 6期 7期 8期 9期 10期
　　注：数据均表示该内生变量对县域空间韧性的贡献率，单位%。
县域空间韧性 88.2 56.9 55.9 58.5 57.9 57.7 57.8 57.8 57.8 57.8
经济基础 11.8 42.5 41.0 38.3 38.9 39.0 38.9 38.9 38.9 38.9
社会需求 0.0 0.2 1.2 1.3 1.4 1.4 1.4 1.4 1.4 1.4
环境管控 0.0 0.4 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9

4.4 哈长城市群县域空间韧性驱动力的响应机制

依据脉冲响应结果，构建哈长城市群县域空间韧性驱动力的响应机制框架（图5）。
图5 哈长城市群县域空间韧性驱动力响应机制

Fig. 5 Response mechanism of spatial resilience driving forces of counties in Harbin-Changchun Urban Agglomeration

经济基础对哈长城市群县域空间韧性的响应最活跃，区域内经济发展与空间韧性间具有明显的联动（表7）。从短期视角来看，空间韧性对于经济的依赖性较强，经济基础对空间韧性的短期冲击较大。从长期视角来看，经济基础与空间韧性间存在强烈的互动关系，经济基础对空间韧性的贡献日渐明显，能激发空间韧性的提升。总体来看，经济高质量发展与空间韧性间具有良性互动，空间韧性提升是经济高质量发展的支撑与基础，经济的高质量是空间韧性提升的动力与目标。
社会需求对哈长城市群县域空间韧性的响应具有时滞性，波动幅度较小，仅在前期有小幅度上涨，之后保持稳定。从短期视角来看，由于社会需求受居民意志、政府政策、社会投入等因素影响，社会需求所产生的社会效应存在时滞，对空间韧性的影响较缓慢。从长期视角来看，短暂的小幅度波动后，社会需求对空间韧性的影响保持长期稳定状态。哈长城市群基础建设长期侧重大城市，县域空间内设施建设不足，为统筹城乡一体化发展，政府应推动县域设施建设，为区域发展提供根本保障，推进空间韧性提升。
环境管控对哈长城市群县域空间韧性响应的波动较小，但随着时间的演进，决定力随之加强，对空间韧性的影响十分有利。从短期视角来看，区域内加强管控力度，有助于营造绿色、和谐、稳定的区域空间，短期内提升空间韧性效果显著。从长期视角来看，建成环境与生态环境之间达成协调发展是一个复杂缓慢的过程，且环境管控力度对空间韧性的影响具有波动现象。

5 结论与讨论

本文基于现有研究，通过扰动来袭时的“灾前-灾中-灾后”阶段，构建了“暴露性-抵御性-适应性”的分析框架，从经济、社会、生态3方面分析其空间韧性的响应机制，基本结论如下。
1）2004年东北振兴战略提出以来，黑龙江省与吉林省积极响应，全力推动哈长城市群建设，县域综合服务能力不断提升，空间韧性整体上涨，高等级韧性区域明显增多。
2）目前，哈长城市群空间韧性仍处于初级发展阶段，以较低韧性区分布为主，空间上呈现出中间低、四周高的态势，同等韧性区域间具有空间集聚性、不同等韧性区域间空间差异性显著。
3）从响应机制上看，经济基础是哈长城市群县域空间韧性最为活跃的影响因素，具有较长响应周期与波动，联动效应明显；社会需求与环境管控对空间韧性的贡献较弱，但整体上有助于空间韧性正向提升。
空间韧性作为县域发展能力的外在表现，可以有效反映县域应对扰动的能力，是推进县域高质量发展的根基。当前韧性研究侧重于城市生态-社会系统、社区系统等，注重衡量城市韧性系统的构成，多侧重自然灾害对社区、市域、省域的影响，缺乏从多主体角度对区域应对扰动时的作用过程及机制研究。
空间韧性研究尚处于探索阶段，本研究对于区域内扰动阈值界定尚不明晰，研究区域为单一城市群，缺少与其他城市群的对比分析。数据选择上仍较为片面，考虑到经济相关指标在长时间跨度内价值可能会产生变化，未来应多选取反映变化的指标，更精准地表征空间韧性。同时，如何顺应县域高质量发展路径，更全面了解县域空间所能承受的扰动阈值，保障县域空间生产、生活、生态需求，成为未来研究的重点。在东北地区经济活力与发展速度减缓的背景下，哈长城市群作为东北地区发展的强心剂，县域空间高质强韧更是推进新型城镇化发展的重要一环，未来研究应注重模拟调控空间韧性最优策略，为哈长城市群空间规划提供指导。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
袁贞贞, 王秋红, 王勇, 等. 多情景模拟下重庆市土地利用变化对生态系统健康的影响[J]. 生态学报, 2023, 43(20): 8279-8291.

Yuan Zhenzhen, Wang Qiuhong, Wang Yong et al. Impacts of land use change on ecosystem health in Chongqing under multi-scenario simulation. Acta Ecologica Sinica, 43(20): 8279-8291.

[2]
Renald A, Tjiptoherijanto P, Suganda E et al. To disaster prone city: Case study of Jakarta capital region[J]. Procedia Social and Behavioral Sciences, 2016, 227(6): 334-340.

[3]
Magnus N, Carl F. Spatial resilience of coral reefs[J]. Ecosystems, 2001, 4(5): 406-417.

DOI

[4]
Allen C R, Angeler D G, Cumming G S et al. Quantifying spatial resilience[J]. Journal of Applied Ecology, 2016, 53(3): 625-635.

DOI

[5]
Copeland S, Comes T, Bach S et al. Measuring social resilience: Trade-offs, challenges and opportunities for indicator models in transforming societies[J]. International Journal of Disaster Risk Reduction, 2020, 51(1): 101799.

[6]
Meerow S, Newell, Joshua P et al. Defining urban resilience: A review[J]. Landscape and Urban Planning, 2016, 147: 38-49.

DOI

[7]
Han F, Zhang S. Evaluation of spatial resilience of highway networks in response to adverse weather conditions[J]. ISPRS International Journal of Geo-Information, 2020, 9(8): 480.

DOI

[8]
Ma X F, Chen X H et al. Evaluation of urban spatial resilience and its influencing factors: Case study of the Harbin-Changchun Urban Agglomeration in China[J]. Sustainability, 2022, 14(5): 2899.

DOI

[9]
Cutter S L, Derakhshan S. Temporal and spatial change in disaster resilience in US counties, 2010-2015[J]. Environmental Hazards, 2018, 19(1): 10-29.

[10]
Suárez M., Gómez-Baggethun E, Benayas J et al. Towards an urban resilience index: A case study in 50 Spanish Cities[J]. Sustainability, 2016, 8(8): 774.

DOI

[11]
Wang W L, Wang J L et al. The effect of innovative entrepreneurial vitality on economic resilience based on a spatial perspective: Economic policy uncertainty as a moderating variable[J]. Sustainability, 2021, 13(19): 10677.

DOI

[12]
Eraydin, Ayda, Tuna Taşan-Kok. The evaluation of findings and future of resilience thinking in planning[J]. Resilience Thinking in Urban Planning, 2013(106): 229-239.

[13]
Angelidou M, Balla C, Manousaridou A et al. Spatial planning for urban resilience: Assessing current prospects though a multilevel approach and a use case in Northern Greece[J]. Regional Science Inquiry, 2018, 10(3): 33-45.

[14]
李鑫, 罗彦. 基于城市公共安全的韧性城市构建和规划思考[J]. 城市, 2017(10): 41-48.

Li Xin, Luo Yan. Thoughts on resilient city construction and planning based on urban public safety. City, 2017(10): 41-48.

[15]
刘志敏, 修春亮, 宋伟. 城市空间韧性研究进展[J]. 城市建筑, 2018(35): 16-18.

Liu Zhimin, Xiu Chunliang, Song Wei. Research progress of urban spatial resilience. Urban Architecture, 2018(35): 16-18.

[16]
孙立, 田丽. 基于韧性特征的城市老旧社区空间韧性提升策略[J]. 北京规划建设, 2019(6): 109-113.

Sun Li, Tian Li. Strategies for improving the spatial resilience of old urban communities based on resilience characteristics. Beijing Planning and Construction, 2019(6): 109-113.

[17]
李丽娜, 达良俊, 由文辉. 城市脆弱性驱动因子分析[J]. 城市问题, 2009(11): 18-21.

Li Lina, Da Liangjun, You Wenhui. Analysis of driving factors of urban vulnerability. Urban Issues, 2009(11): 18-21.

[18]
赵冬月, 陈长坤, 易亮, 等. 城市韧性多因素综合评估模型研究[J]. 中国安全生产科学技术, 2022, 18(5):54-59.

Zhao Dongyue, Chen Changkun, Yi Liang et al. Study on multi-factor comprehensive evaluation model of urban resilience. China Safety Production Science and Technology, 2022, 18(5):54-59.

[19]
李连刚, 张平宇, 谭俊涛, 等. 韧性概念演变与区域经济韧性研究进展[J]. 人文地理, 2019, 34(2): 1-7+151.

Li Liangang, Zhang Pingyu, Tan Juntao et al. Evolution of resilience concept and research progress of regional economic resilience. Human Geography, 2019, 34(2): 1-7+151.

[20]
杨敏行, 黄波, 崔翀, 等. 基于韧性城市理论的灾害防治研究回顾与展望[J]. 城市规划学刊, 2016(1): 48-55.

Yang Minhang, Bo Huang, Cui Xian et al. Review and prospect of disaster prevention research based on resilient city theory. Journal of Urban Planning, 2016(1): 48-55.

[21]
汪辉, 任懿璐, 卢思琪, 等. 以生态智慧引导下的城市韧性应对洪涝灾害的威胁与发生[J]. 生态学报, 2016, 36(16): 4958-4960.

Wang Hui, Ren Yilu, Lu Siqi et al. Urban resilience under the guidance of ecological wisdom to deal with the threat and occurrence of floods. Journal of Ecology, 2016, 36(16): 4958-4960.

[22]
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.

Xiu Liang, Wei Ye, Wang Qi. Evaluation of Dalian's urban resilience based on 'scale-density-form'. Acta Geographica Sinica, 2018, 73(12): 2315-2328.

[23]
张明斗, 冯晓青. 长三角城市群内各城市的城市韧性与经济发展水平的协调性对比研究[J]. 城市发展研究, 2019, 26(1): 82-91.

Zhang Mingdou, Feng Xiaoqing. Comparative study on the coordination between urban resilience and economic development level of cities in the Yangtze River Delta Urban Agglomeration. Urban Development Research, 2019, 26(1): 82-91.

[24]
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. Study on the temporal and spatial pattern evolution and dynamic simulation of urban resilience in Ha-Chang Urban Agglomeration. Scientia Geographica Sinica, 2020, 40(12): 2000-2009.

[25]
Holling, C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics, 1973, 4: 1-23.

DOI

[26]
刘志敏, 修春亮, 宋伟. 城市空间韧性研究进展[J]. 城市建筑, 2018, 304(35): 18-20.

Liu Zhimin, Xiu Chunliang, Song Wei. Research progress of urban spatial resilience. Urban Architecture, 2018, 304(35): 18-20.

[27]
新华社. 中办国办印发《关于推进以县城为重要载体的城镇化建设的意见》[N]. 人民日报, 2022-05-07(001).

The Xinhua News Agency. The State Office of the Central Committee issued the Opinions on Promoting the Construction of Urbanization with the County as an Important Carrier. People's Daily, 2022-05-07(001).

[28]
国家统计局. 中国县域统计年鉴[M]. 北京: 中国统计出版社, 2001-2021.

National Bureau of Statistics. China county statistical yearbook. Beijing: China Statistics Press, 2001, 2011, 2021.

[29]
杨秀平, 王里克, 李亚兵, 等. 韧性城市研究综述与展望[J]. 地理与地理信息科学, 2021, 37(6): 78-84.

Yang Xiuping, Wang Like, Li Yabing et al. Review and prospect of resilient city research. Geography and Geo-Information Science, 2021, 37(6): 78-84.

[30]
黄永斌, 董锁成, 白永平, 等. 中国地级以上城市紧凑度时空演变特征研究[J]. 地理科学, 2014, 34(5): 531-538.

Huang Yongbin, Dong Suocheng, Bai Yongping et al. Study on the spatio-temporal evolution characteristics of compactness of cities above prefecture level in China. Scientia Geographica Sinica, 2014, 34(5): 531-538.

[31]
孙久文, 周孝伦. 多维视角下的长三角城市群空间结构及其影响因素——基于NPP-VIIRS夜间灯光数据和高德人口迁徙数据[J]. 经济地理, 2023, 43(5): 78-88.

Sun Jiuwen, Zhou Xiaolun. Spatial structure and influencing factors of the Yangtze River Delta Urban Agglomeration from a multidimensional perspective: Based on NPP-VIIRs nighttime lighting data and Gaode's Population Migration Data[J]. Economic Geography, 2023, 43(5): 78-88.

[32]
布仁仓, 胡远满, 常禹, 等. 景观指数之间的相关分析[J]. 生态学报, 2005(10): 2764-2775.

Bu Rencang, Hu Yuanman, Chang Yu et al. Correlation analysis between landscape indices. Acta Ecologica Sinica, 2005(10): 2764-2775.

[33]
Lankao P R, Qin H. Conceptualizing urban vulnerability to global climate and environmental change[J]. Current Opinion in Environmental Sustainability, 2011, 3(3): 142-149.

DOI

[34]
刘涛, 曹广忠, 边雪, 等. 城镇化与工业化及经济社会发展的协调性评价及规律性探讨[J]. 人文地理, 2010, 25(6): 47-52.

Liu Tao, Cao Guangzhong, Bian Xue et al. Evaluation and regularity of coordination between urbanization and industrialization and economic and social development. Human Geography, 2010, 25(6): 47-52.

[35]
国家统计局. 中国县域统计年鉴(县市卷)[M]. 北京: 中国统计出版社, 2001, 2011, 2021.

National Bureau of Statistics. China statistical yearbook (county-level). Beijing: China Statistics Press, 2001, 2011, 2021.

[36]
吉林省统计局. 吉林统计年鉴[M]. 北京: 中国统计出版社, 2001, 2011, 2021.

Jilin Statistical Bureau. Jilin statistical yearbook. Beijing: China Statistics Press, 2001, 2011, 2021.

[37]
黑龙江省统计局. 黑龙江统计年鉴[M]. 北京: 中国统计出版社, 2001, 2011, 2021.

Heilongjiang Statistical Bureau. Heilongjiang statistical yearbook. Beijing: China Statistics Press, 2001, 2011, 2021.

Options
文章导航

/

〈 〉