江苏省城市洪涝韧性评价及影响因素研究

2022-07-27陈军飞周子月

水利经济 2022年4期

嵇娟，陈军飞,2,3，周子月

(1.河海大学商学院，江苏南京 211100； 2.长江保护与绿色发展研究院，江苏南京 210098；3.江苏长江保护与高质量发展研究基地，江苏南京 210098)

改革开放以来，中国经历了历史上最大规模、最快速度的城镇化进程，城镇化率从1978年的20%增长到2021年的64.72%，城镇常住人口从1.7亿人增加到9.1亿人[1]。在城镇化进程中，城市作为一个复杂的社会系统发挥着关键作用。与此同时，城市在发展过程中不断经受诸多因素的冲击和威胁，特别是极端天气带来的暴雨、洪涝等自然灾害。我国许多城市都依河流、湖泊而建，更容易受到雨洪灾害的影响。根据水利部《中国水旱灾害防御公报》，2020年全国百座城市进水受淹或者发生内涝，受灾人口高达7 861.5万人，直接经济损失2 669.8亿元，占当年GDP的0.26%[2]。2021年，河南郑州发生特大暴雨，造成重大人员伤亡和财产损失。面对如此严峻的自然灾害考验，如何提高城市应对洪水灾害的能力和城市自身韧性，最大程度消除雨洪灾害带来的消极影响，是城市发展需要关注和妥善应对的问题之一。因此，深入研究城市洪涝韧性评价问题，有助于提高城市洪涝韧性，促进城市健康可持续发展。

1 文献综述

“韧性”一词最初用来描述金属在受到外力冲击时保持稳定或恢复到原始状态的能力[3]。生物家霍林[4]将韧性引入生态学领域，认为韧性是系统在危机发生时预测和解决外部冲击的能力，同时保持其主要功能。随着这一概念的深入研究，亦有学者指出，韧性不仅可以长时间抵抗干扰，还可为城市提供机会和手段，以系统更新和新轨迹的形式应对干扰[5]。随后，工程韧性[6]、经济韧性[7]、生态韧性[8]的提出进一步丰富了韧性理论的内涵。韧性的概念更经常被用作指导有关城市的科学和政治讨论的首要原则，并且提高韧性已成为近几十年来有关城市的灾害风险发展计划的核心组成部分。城市洪涝韧性是指城市抵御洪涝、重建物理损坏和减少社会经济损失、保障城市系统正常运行以及适应未来洪涝灾害的能力[9]。

城市韧性的量化有助于有效引导城市建设和发展，因此，其测度和影响因素一直是学术界的热点研究问题。国内外学者主要运用系统论和生态学相关研究方法和工具进行城市韧性评估，关注城市韧性评价、时空演化、城市规划等，其中熵值法在城市韧性测度方面应用最广泛。例如：孙亚南等[10]结合熵值法和泰尔指数来衡量江苏省13个地级市的韧性差异，通过障碍度模型诊断其主要障碍因子并分析城市韧性的空间关联网络；彭翀等[11]构架了成本-能力-能效的城市韧性评估模型，测度长江经济带126个城市的韧性成本、韧性能力和韧性能效，然后通过GWR模型识别其主要影响因素和驱动机制；石涛[12]利用熵值法，从生态、经济、社会、基础设施4个层面计算黄河流域51个城市的韧性水平，并借助空间计量模型探寻其驱动要素；李雪铭等[13]基于DPSIR框架，运用熵值法和地理探测器技术综合测度长三角地区26个城市的人居环境韧性，认为教育水平、经济动力和能源压力是主要影响因子。一些学者应用全生命周期法、TOPSIS法、系统动力学等来衡量城市韧性。例如：Li等[14]构建了灾害全周期的洪涝韧性综合评价体系，涵盖洪涝前的抗灾能力、洪涝后的应对和恢复能力，并提出专家权重的最大共识模型克服评价指标中的不确定信息；缪惠全等[15]基于城市灾后恢复的4个阶段(救援、避难、重建、复兴)，从政府与管理、经济与发展、社区与人口、住房与设施和环境与文化共5个维度建立城市韧性评价体系；Moghadas等[16]应用AHP和TOPSIS的混合多标准决策方法，比较评估伊朗首都德黑兰的雨洪韧性能力；Lu等[17]提出了一种基于粒子群优化算法-神经网络-熵权法的混合算法用于评估城市群的灾害韧性；Datola等[18-19]建立了多维的系统动力学模型来评估城市韧性，分析和模拟了与城市系统经济、社会、环境和基础设施方面相关的城市弹性问题。

从国内外的相关研究成果可知，大部分学者都是从省域、区域、国家的层面评估城市韧性水平及其影响因素，并表现出有宏观层面向微观层面延伸的趋势，但是仍然存在一定局限：一是未考虑不同灾害对城市韧性指标体系构建的影响；二是当前的评价方法大多通过较为主观的方式，缺乏客观性。本文基于压力-状态-响应(pressure-state-response， PSR)框架构建城市洪涝韧性评价指标体系，基于实数编码加速遗传算法的投影寻踪模型(projection pursuit based on real-coded accelerated genetic algorithm， RAGA-PP)测度江苏省13个地级市洪涝韧性水平，并应用灰色关联度法分析其主要影响因素，以期为增强江苏省应对洪涝灾害能力、提高城市洪涝韧性提供参考。

2 模型构建与指标选取

2.1 研究方法

2.1.1基于实数编码加速遗传算法的投影寻踪模型

投影寻踪(projection pursuit， PP)是在应用数学、统计学、计算机科学和技术相结合的基础上发展起来的一种统计模型，通过一定的组合投影方式将多维数据投影到低维子空间上，以分析高维数据的结构特点。PP模型有效避免了评价指标权重因人而异的随机性，为高维复杂问题的综合评价提供了明显的优势。

假设城市样本集为{xij|i=1,2,…,n;j=1,2,…,m},其中xij是第i个城市第j个指标值，n和m分别为城市个数和评价指标总数。PP模型的主要建模过程如下[20]：

步骤1样本评价指标值的标准化。为了消除城市洪涝韧性评价指标量纲不统一的影响，采用极值法对指标数据进行规范化处理。正向和反向指标归一化公式分别为:

(1)

(2)

式中xjmax、xjmin分别为第j个样本指标值的最大值和最小值。

步骤2构建城市洪涝韧性投影指标函数。PP模型核心就是找出最能体现城市洪涝韧性评价指标数据特征的最佳投影方向向量。将m维指标数据{xij|j=1,2,…,m}转化为用向量a=(a1,a2,…,am)表示的各指标在各自投影方向上的最佳方向向量，则第i个样本在的最佳一维线性空间的投影特征值zi可以表示为

(3)

式中:aj是单位向量a的分量。投影值zi的局部投影点之间应该尽可能保持密集状态，可以更好地分为几组，但是在整体上投影点应可能分散。基于此，投影指标函数可以表示为

Q(a)=SzDz

(4)

其中

rij=|zi-zj|

步骤3优化城市洪涝韧性投影指标函数。对于确定的城市洪涝韧性评价指标集，指标函数Q(a)的变化受到投影方向a的变化影响，不同的投影方向代表不同的数据结构特征，最优投影方向能够最大限度地反映高维数据的特征。因此，求解最佳投影方向能够解决投影函数最大化问题。指标函数最大化问题可以表示为

maxQ(a)=SzDz

(5)

(6)

步骤4确定城市洪涝韧性最优投影值。根据式(5)，可得到最优投影方向向量a，代入式(3)可得各城市的投影指标值，即代表各城市的洪涝韧性水平。

在PP模型中，最优投影方向的识别即投影对象函数的最优解，是PP模型有效性和问题解决的关键步骤。基于实数编码的加速遗传算法(real-goded accelerated genetic algorithm， RAGA)，模拟了适者生存和群体内染色体信息的交换机制，其能够像加速遗传算法一样从局部优化中脱颖而出，以更高的概率实现全局优化，同时也克服了二进制编码计算负载大、全局优化速度慢等缺点，增强了算法的优化能力。因此，本文构建基于RAGA-PP模型[21]的城市洪涝韧性评价模型，模型评价流程如图1所示。

图1 RAGA-PP模型评价流程

2.1.2灰色关联度分析

灰色关联度分析是对一个系统发展变化态势的定量描述和比较，用来测算因素序列与特定序列之间紧密程度的计算方法。只有厘清系统或者因素间的关联关系，才能对系统有更为透彻的认识，分清主次因素。因此，本文运用灰色关联度分析诊断雨洪视角下城市韧性影响因素的重要程度。若测算的韧性值与各指标的关联度均大于0.5，表明指标对城市洪涝韧性有影响，关联度数值越大，则指标对城市洪涝韧性的影响程度越大[22]。

2.2 基于PSR框架的城市洪涝韧性评价指标体系

2.2.1城市洪涝韧性的PSR理论框架

PSR是由经合组织(OECO)与联合国环境规划署(UNEP)共同推出用于研究环境问题的框架体系，从压力、状态和响应3个维度动态地、系统地反映经济、社会和生态环境之间的相互作用。因此，参考相关文献[23-24]，本文构建基于PSR理论的城市洪涝韧性框架如图2所示。

图2 城市洪涝韧性的PSR理论框架

城市洪涝韧性是压力层的刺激性、状态层的敏感性和响应层的适应性的综合结果。城市雨洪系统在压力的刺激下会发生变化，容易发生洪水灾害，而城市的自然环境以及关键基础设施可以缓解一些压力。如果洪水压力过高，根据雨洪灾害传递的信号，城市将采取相应的应对措施进行洪水风险管理，然后对压力子系统和状态子系统做出反应。

2.2.2城市洪涝韧性的评价指标体系

本文以PSR理论框架为基础，借鉴国际上具有代表性的指标体系[25-27]，构建城市洪涝韧性的评价指体系(表1)，共包括18个具体指标。

其中，压力层子系统是给城市雨洪系统带来刺激的因素，压力越大，城市韧性越弱。年降水量和高程都会影响城市雨洪系统压力，降雨过多、地势低洼都容易引起雨洪灾害；此外，城市人口增多会使更多的人受到城市雨洪的威胁，从而加大系统压力，因此选取年降水量、高程、人口密度3个指标作为压力层因素。状态层子系统反映城市雨洪系统状态的敏感性，主要考虑自然和社会系统对雨洪的承受能力，选取了人均公园绿地面积、排水管网长度等7个指标。响应层的适应性则注重于城市系统对于雨洪来临后能够影响其做出反应的因素，这些因素能够停止、恢复和预防生态系统对于人类的威胁程度。例如，每万人医疗机构床位数越多代表人类遭受严重雨洪灾害后得到医疗保障程度越高，城市系统对于雨洪适应性越强；居民的灾害应急意识越强，面对风险时的抵御能力就越强，受到的伤害就越小。因此，选取可支配收入、防汛物资储备调拨能力、公众灾害应急意识、第三产业占比等8个因素。指标体系中共有14个正向指标，4个负向指标。对于正向指标来说，数值越大，城市洪涝韧性越强；反之，数值越小，城市洪涝韧性越弱。

表1 城市洪涝韧性评价指标体系及权重

2.3 数据来源

江苏省位于中国大陆东部沿海的长江三角洲地区，下辖13个地级市(南京、无锡、徐州、常州、苏州、南通、连云港、淮安、盐城、扬州、镇江、泰州、宿迁)，是中国人口密度和综合发展水平最高的省份之一。江苏省河湖众多，夏季雨量充沛，常年受雨洪灾害影响。因此，以江苏省为例评价城市洪涝韧性具有典型性和代表性。数据来源于《2020年江苏省统计年鉴》《2019年中国水旱灾害防御公报》、气象局网站、地理空间数据云、各地级市统计年鉴等。

3 结果与分析

3.1 城市洪涝韧性评价

3.1.1指标权重与分析

基于RAGA-PP的算法步骤，在MATLAB2018中编程建模，设定种群规模N=400，交叉概率为0.8，变异概率0.2，优化变量数目n=13，变异方向所需随机数M=10，加速次数=7，可得到各指标的最佳投影方向向量，数值越大，表明该指标对评价体系贡献度越高。根据投影方向向量的平方和恒为1，则可得到各指标权重及压力、状态和响应子系统的权重(表1)。

最佳投影方向单位向量数值越大，则对应指标在评价体系中所占权重越高，对城市洪涝韧性评价影响越大。在所选取的18个评价指标中，人口密度权重最大，表明该指标对城市洪涝韧性评价影响最为明显。公众灾害应急意识、排水管道长度、固定资产投资、第三产业占比、人均地区生产总值、防汛物资储备调拨能力对城市洪涝韧性影响较大；人均可支配收入、每万人医疗床位、建成区绿化率、人均住房面积、高等院校毕业生数、人均公共绿地面积、高程、年降雨量、社会保障及就业占财政支出比重对城市洪涝韧性评价贡献度相对较小。

通过汇总各项权重，得到压力、状态、响应3个子系统对城市洪涝韧性的影响程度，其权重分别为0.159、0.377和0.464。总体来看，状态子系统的敏感性和响应子系统的适应性对城市洪涝韧性的影响较大，这也体现了城市系统的特点，在面对外来灾害时，城市通过降低敏感性和提高适应性来抵御风险，很难减缓外界压力的刺激。同时，也在一定程度上表明，城市基础设施、生态状态、经济发展水平是提高城市洪涝韧性的关键。

3.1.2江苏省城市洪涝韧性总体评价

式(3)计算得到江苏省13个地级市的城市洪涝韧性的综合投影值如表2所示。综合投影值的大小反映了城市洪涝韧性的强弱，即综合投影值越大，城市洪涝韧性越强，受到城市雨洪损害的程度越低。城市洪涝韧性值具体见表2。

表2 综合投影值和Z-scores值

根据表2对综合投影值大小进行排序，得到13个城市的洪涝韧性由大到小依次是南京、苏州、无锡、常州、南通、镇江、徐州、泰州、扬州、连云港、淮安、盐城、宿迁。其中，南京市洪涝韧性最高，其值为3.252 3，主要原因是南京作为江苏省省会，基础设施较好，教育公平水平最高，防汛物资储备调拨能力较强，公众灾害应急意识较强，医疗和通信服务最发达；宿迁市洪涝韧性最低，其值仅为0.668 4，主要原因在于宿迁市的基础设施建设以及教育、医疗服务都相对较弱。此外，各城市的洪涝韧性值差距明显，最高数值是最低数值的4.87倍。

为进一步分析城市空间分布特征，使用Z-scores方法[16]将江苏省城市洪涝韧性水平分为5个等级，Z-scores值如表3所示。通过对江苏省13个地级市进行分级统计，利用ArcGIS对城市洪涝韧性等级进行可视化处理，结果见图3。

图3 江苏省城市洪涝韧性等级区划

从城市洪涝韧性级别来看，江苏省没有处于低韧性等级的城市。其中，南京的城市洪涝韧性等级最高；较高韧性级别的城市有3个，分别为苏州、无锡、常州；中等韧性等级的城市有4个，分别为南通、镇江、徐州、泰州；较低韧性等级的城市有5个，分别为扬州、连云港、淮安、盐城和宿迁。从地理区位上来看，江苏省城市洪涝韧性水平具有明显的空间分异特征，基本呈南高北低状态，即苏南地区明显优于苏北地区。苏南是江苏省较为发达的地区，配套设施相对充足，宜居环境较好，这间接说明江苏省城市基础设施建设、教育、医疗等资源分布不均；苏北地区需要获得公平的发展和社会福祉，只有这样才能更好地提高江苏省的整体洪涝韧性水平。

3.2 城市洪涝韧性影响因素分析

采用灰色关联分析法，可计算得指标因素与城市洪涝韧性灰色关联度值如表3所示。

表3 指标与城市洪涝韧性的灰色关联度

灰色关联度数值越大，表明指标因素与城市洪涝韧性的关系越紧密，即指标对城市韧性的影响越大，反之亦然。根据表3可知，模型所选18个指标与城市洪涝韧性的关联度均在0.6以上，由此可知所选指标对城市洪涝韧性均有较大影响，指标选择较为合理。

图4 指标排序

通过对灰色关联度大小进行排序，可得影响城市洪涝韧性指标因素重要程度排序的雷达图(图4)。在城市洪涝韧性的评价指标中，防汛物资储备调拨能力关联度最高，高达0.953 8，由此说明在雨洪灾害来临时，快速的响应是城市对待洪涝风险最为重要的一步，政府以最快的速度做好应急响应，城市因洪涝造成的损失越小。公众灾害应急意识、居民人均可支配收入、第三产业占比、人均地区生产总值、排水管网长度、高等院校毕业生数这6个指标关联度均达到0.8以上，由此可知公众灾害意识、产业结构与经济发展、基础设施建设等与城市洪涝韧性息息相关。公众拥有较强的灾害意识，可以更好地预防和应对灾害，保护自身生命财产安全甚至辅助相关部门开展工作。通过城市运行实践可以发现，经济发展水平较高的城市在面对灾害时能够及时有效地启动减灾应急预案，且完善的基础设施系统以及充分的资金、人才能够保障城市功能的正常运行、恢复以及重建。每万人医疗床位数、人均住房面积、人均拥有道路面积、人均公共绿地面积、建成区绿化率这5个指标的值在0.7以上，剩余指标均在0.7以下。此外，从子系统角度分析，响应子系统中指标的关联度明显大于状态子系统和压力子系统，说明响应子系统对城市洪涝韧性的影响最大，政府不仅要提高应对灾害的应急响应能力，提高公众灾害意识，也要不断发展经济，以便更好地投入城市洪涝韧性建设。