滇中城市群城市韧性时空格局演变及动态预测研究

吴菊平，潘玉君，骆华松，高大帅

（1.云南师范大学 地理学部，云南 昆明 650500；2.云南师范大学 研究生院，云南 昆明 650500）

城市作为复杂的社会生态系统，自形成以来便持续地遭受着来自外部和自身的各种冲击与扰动[1]。这些冲击和扰动具有很强的不确定性，在一定程度上难以避免。如何提高城市韧性发展水平以应对冲击与扰动，增强区域韧性能力、提高城市可持续发展水平，是21 世纪以来城市地理领域研究的热点问题[2]。滇中城市群作为我国西南地区社会经济发展的重要增长极，其城市韧性研究对降低城市脆弱性、促进区域均衡和可持续发展具有重要意义。

通过文献梳理发现：（1）从研究区域看，城市群城市韧性研究多以发达、典型区域为主，如：长三角[3-5]、珠三角[6-7]、京津冀[8-9]和长江中游城市群[10-11]等，对西部边疆城市群城市韧性的关注甚少，还没有形成普适性的科学评价方法。（2）从研究尺度看，国内外学者多从宏观和中观尺度对城市韧性进行研究。如：从全球和全国宏观尺度对城市韧性及影响因素进行研究[12-14]；从省域中观尺度对城市韧性时空格局及影响因子进行探析[2,15-16]，以县域微观尺度对边疆城市群城市韧性研究比较少见。（3）从研究进展来看，鲜有学者对西部边疆城市群城市韧性进行动态模拟预测及未来发展趋势的分析研究[2,17-18]。综上，本文以滇中城市群为研究区域，以县域为研究尺度，以韧性理论为指导，选取2005 年、2010 年、2015 年和2019 年4 个时间截面，构建城市韧性评价指标体系，运用熵值法、热点分析法（Getis-Ord Gi*）和Jenks 自然最佳断裂点法首次对滇中城市群城市韧性的测度及时空格局演变进行实证分析，运用BP 神经网络模型对2025 年和2033 年城市韧性进行预测，以期丰富和拓展西部边疆城市群城市韧性研究体系，为滇中城市群未来可持续发展提供科学参考。

1 研究区概况、数据来源与研究方法

1.1 研究区概况

滇中城市群位于我国云南省中东部（图1），地处北纬22°59′34″～27°3′19″，东经100°43′7″～104°43′7″，其范围包括昆明市、曲靖市、楚雄彝族自治州、玉溪市及红河哈尼族彝族自治州北部7 个县市（泸西县、弥勒市、开远市、蒙自市、个旧市、建水县、石屏县），共49 个县（市、区）[19]。滇中城市群是国家19 个城市群中集低纬高原、边疆民族、正在发展、规模缺失、生态脆弱、山—坝形态等于一体的特色城市群，国土面积为11.14万平方千米，占云南省总面积的28.3%。

图1 研究区示意图

1.2 数据来源

研究所用数据主要来源于《云南统计年鉴》（2006—2020 年）、《中国县域统计年鉴》（2006—2020 年）、《中国城市统计年鉴》（2006—2020 年）和《中国统计年鉴》（2006—2020 年），其他少量数据从云南省的州志、县志和《国民经济和社会发展统计公报》中获取。部分缺失数据采用插值法、自回归拟合方法和相邻年份均值法来补全和矫正[20]。

1.3 指标体系构建

1.3.1 评价指标体系

滇中城市群虽然位于国家正式规划的19 个城市群之列，但经济发展仍然比较薄弱。在参考相关文献和借鉴已有研究成果[2,21-24]的基础上，结合滇中城市群的实际，考虑数据的可获得性，秉持数据全面性与系统性、适用性与有效性、可得性与代表性、现实性与前瞻性原则，从社会、经济和生态3 个视角选取人口城镇化率、人均消费指数、农民年人均可支配收入等15 个三级指标构建滇中城市群城市韧性测度指标体系（表1）。

表1 滇中城市群城市韧性测度指标体系

1.3.2 评价指标权重确定

为了研究结果的客观性和准确性，本文采用熵值法对各项指标赋予权重。由于熵值法需要进行对数运算，而原始数据进行标准化处理后会出现零值，因此对标准化数据进行正向平移1 个单位[20]：

第i(i=1,2,…,n)年第j(j=1,2,…,m)项指标的比重值qij为：

熵值ej的表达公式为：

式中：k大于0，k=1/ln(n)，ej≥0。

目标层评价指标j的权重wj的计算公式为：

准则层指标权重计算公式为：

式中：s表示分系统韧性指标所包含的指标数。

1.4 研究方法

1.4.1 Jenks自然断裂点法

Jenks 自然断裂点法是指类内差异最小，类间差异最大，是Jenks 提出的一种地图分级算法，认为数据本身有断点，可利用数据这一特点分级；算法原理是聚类结束时组间方差最大、组内方差最小。

1.4.2 热点分析法

热点分析法（Getis-Ord Gi*）是识别局部区域空间自相关的一种有效方法[25]，用于衡量区域内局部区域与相邻空间单元的相关性。与全局莫兰指数（Moran’s Ⅰ）相比，热点分析法（Getis-Ord Gi*）指数不仅能进一步分析局部区域的空间聚类特征，还可以对区域进行具有统计学意义的“高值区”和“低值区”研判[20,26-27]。热点分析法指数的计算公式为[28]：

对Gi*(d)进行标准化处理：

式中：E(Gi*)和Var(Gi*)分别为Gi*的期望值和方差；wij为距离d内的空间权重，若i和j空间单元邻接，则wij为1，若i和j空间单元不邻接，则wij为0[20]。Z(Gi*)为热点分析指数经过标准化处理后得到的Z值，采用Z检验Gi*的空间集聚特征，若Z(Gi*)显著为正，为高值空间集聚，即热点区；反之，若Z(Gi*)为负，表明该区域为低值空间集聚，即冷点区；Z(Gi*)值接近零，则说明该区域没有明显的空间集聚性，为随机分布区域[29]。

1.4.3 BP神经网络预测模型

本文的BP 神经网络模型是使用Python 软件通过编程构建，采用三层反向传播神经网络模型，包括输入层（自变量）、隐藏层和输出层[2,30]。输入层神经元数量（n）与输入的自变量个数相同，隐藏层神经元数量设定为2n-2 个，输出层神经元数量为一个。输入层输入不同韧性指数作为自变量，经过隐藏层的中间处理，输出得到韧性预测结果。

1.4.4 滇中城市群城市韧性测度模型

根据滇中城市群城市韧性评价指标体系和指标权重，构建的城市韧性测度模型如下：

式中：S(a)、E(b)、E(c)分别表示城市的社会韧性、经济韧性和生态韧性，具体测度模型如下：

2 滇中城市群城市韧性测度与时空格局演变

2.1 城市韧性测度总体特征

2005—2019 年滇中城市群城市韧性的总体特征表现为：（1）滇中城市群城市韧性整体水平不高，指数区间范围为0.040 52～0.361 83。（2）在2005 年、2010 年、2015 年和2019 年，城市韧性的极差分别是0.302 81、0.266 24、0.321 31、0.232 22。2019 年城市韧性测度指数较2005 年城市韧性测度指数的极差有所缩小，说明区域内城市间韧性差距在逐渐缩小。（3）从总体来看，各城市的城市韧性测度指数呈上升的态势，虽然部分城市韧性指数时降时升，但总体呈上升的趋势。（4）西山区、五华区、官渡区和盘龙区在2005—2019 年城市韧性测度指数始终高于滇中城市群49 个县（市、区）的城市韧性测度指数的均值。

2.2 城市韧性时序演变特征

由图2 可知，在2005—2019 年，滇中城市群城市韧性指数最高值为0.361 83，最低值为0.040 52。从整体来看，昆明市五华区、盘龙区、官渡区、西山区、呈贡区、石林县、安宁市和玉溪市红塔区的韧性度随着时间的变化一直处于比较高的位置，楚雄州和红河州（北部7 县）的城市韧性度一直都不高。部分城市的城市韧性度在2005—2019 年处于逐年下降态势。如2005 年红塔区的城市韧性度是0.348 57，2019 年红塔区的城市韧性度为0.180 38。安宁市2005 年城市韧性度是0.318 50，2019 年安宁市的城市韧性度是0.165 92。

图2 滇中城市群2005—2019年城市韧性时序演变

2.3 城市韧性空间演变特征

2.3.1 城市韧性空间分异格局

运用ArcGIS10.2 软件的Jenks 自然最佳断裂点法对2005 年、2010 年、2015 年和2019 年滇中城市群城市韧性测度指数进行分级聚类，结果见图3。

图3 滇中城市群城市韧性空间分异格局演变

根据图3 中2005 年城市韧性的分类结果得出，Ⅱ类地区和Ⅲ类地区数量占比最多，Ⅳ类地区数量占比最少。在2005 年，滇中城市群城市韧性整体水平不高，高值区有五华区、盘龙区、官渡区、安宁市和红塔区。2010 年城市韧性水平有明显提升，Ⅴ类地区较2005 年有所增加，由原来的5 个县（区）变成了五华、盘龙、官渡、西山、呈贡、安宁、红塔、开元和麒麟9 个市（区），高值区有向核心城市集聚的趋势。2015 年滇中城市群城市韧性整体水平较2010 年略有提高，具体表现在Ⅰ类地区数量占比减少，Ⅱ类地区和Ⅲ类地区数量占比增多。2019 年，滇中城市群城市韧性持续保持增长趋势，具体表现在Ⅱ类和Ⅲ类较低韧性城市的减少，Ⅳ类较高韧性城市的增加。总体来看，2005—2019 年，滇中城市群城市韧性指数大于均值的城市占比均未超过47%，区域整体韧性水平不高。城市韧性指数高值区自2010 年开始向滇中城市群的五华区、盘龙区、官渡区和西山区等核心县域城市集聚。

2.3.2 城市韧性冷热点分布格局

运用ArcGIS 软件的热点分析（Getis-Ord Gi*）模块对2005 年、2010 年、2015 年和2019 年滇中城市群城市韧性测度指数进行冷热点计算，并通过Jenks 自然最佳断裂点法将Z值划分为热点区、次热点区、随机分布区、次冷点区和冷点区这5 种类型（图4）。

图4 滇中城市群2005—2019年城市韧性冷热点分布格局

从图4 可知：（1）从2005 年开始，城市韧性测度指数冷热点分布格局中热点区的城市一直分布在五华区、西山区和盘龙区及其周边县域城市，且热点区分布格局相对稳定；（2）次热点区表现出以热点区为中心，分布在热点区的周围，具有一定的规律性。从图4 可以看出，2015 年次热点区面积最大；（3）随机分布区只在2010 年分类中出现，其他3 个时间截面都没有随机分布区；（4）在2005 年、2010 年、2015 年和2019 年这四个时间段内，滇中城市群49 个县（市、区）的城市韧性测度指数表现出“热点恒热”的现象，冷点区分布比较分散，没有规律性。

3 滇中城市群城市韧性发展预测

3.1 城市韧性指数预测

3.1.1 模型训练及损失函数

在机器学习术语里，因变量和自变量被称为训练数据。一个县域的自变量被称为一个样本，对应的韧性被称为标签，而用于预测标签（韧性）的不同自变量叫做特征值，特征值用来表征样本的特点。在模型训练时，需要衡量预测值与真实值之间的误差。在试验中，使用2005 年的韧性自变量作为样本特征，2015 年的因变量作为标签。将他们放入到构建好的神经网络模型中进行训练，直到误差函数收敛，不再变小为止（图5）。本研究经过多次训练后，误差均小于0.005，达到目标训练精度要求，训练完成。

图5 神经网络训练损失率下降过程

3.1.2 城市韧性指数预测结果与分析

利用上述经过训练的BP 神经网络映射关系，输入2015 年和2019 年的滇中城市群城市韧性数据得出2025年和2033 年城市韧性预测的数据，结果见表2、表3。

表2 滇中城市群城市韧性2025年预测值

表3 滇中城市群城市韧性2033年预测值

结合表2、表3 得知：（1）社会韧性和经济韧性预测指数较高的城市一直分布在滇中城市群昆明市的14 个县（市、区）内，高值区的分布比较稳定。（2）社会韧性和经济韧性预测指数的空间分布具有高度相似性，经济韧性好的城市，社会韧性一定好；社会韧性好的城市对经济韧性的发展具有助推作用。（3）生态韧性指数高的区域集中分布在滇中城市群的西南部，该区域处于哀牢山一线，有着丰富的自然生态资源。（4）从2025 年和2033 年滇中城市群城市韧性预测指数的平均值来看：经济韧性＞社会韧性＞生态韧性，经济韧性预测指数平均值最高，社会韧性预测指数平均值次之，生态韧性预测指数平均值最小。

3.2 城市韧性预测指数空间演变特征

3.2.1 城市韧性预测指数空间分异格局

运用ArcGIS10.2 软件的Jenks 自然最佳断裂点法对2025 年和2033 年滇中城市群城市社会韧性预测指数、经济韧性预测指数和生态韧性预测指数进行分级聚类，结果见图6～图8。

图6 滇中城市群城市社会韧性预测指数空间分异格局演变

（1）根据2025 年和2033 年滇中城市群城市社会韧性预测指数聚类结果（图6），可以看出：①总体上滇中城市群社会韧性发展缓慢，韧性程度逐渐降低，Ⅴ类、Ⅳ类地区逐渐减少，Ⅰ类、Ⅱ类地区逐渐增多。高、较高值区逐渐减少，低、较低值区逐渐增多。②高值区主要分布在五华区、盘龙区、官渡区、西山区和安宁市，且比较固定。低值区主要分布在禄劝县、寻甸县、会泽县、姚安县、南华县和牟定县，并有向东北和西部方向扩散的趋势。③较低值区在整个滇中城市群中占比最多，在滇中城市群的东部、东北和西北呈连片分布状态。

（2）根据2025 年和2033 年滇中城市群城市经济韧性预测指数聚类结果（图7），可以看出：①滇中城市群经济韧性指数整体上呈逐渐上升的趋势。Ⅴ类地区增多，Ⅰ类地区减少。高值区逐渐增多，低值区逐渐减少。②高值区主要分布在五华区、盘龙区、官渡区、西山区、呈贡区和澄江市，并有向东南方向扩张的态势。低值区大面积收缩，全部转变为较低值区，从侧面反映了滇中城市群城市经济韧性在逐步提升。较低值区在滇中城市群的东部、东北和西北呈连片分布状态。③2025 年，较高值区分布比较分散，没有明显的规律。2033 年，较高值区分布在高值区的周围，并有向高值区靠拢的趋势。④从图6 和图7 可以看出，经济韧性和社会韧性预测指数的高值区在空间分布上具有高度的相似性，都主要集聚在中心城市。

图7 滇中城市群城市经济韧性预测指数空间分异格局演变

（3）根据2025 年和2033 年滇中城市群城市生态韧性预测指数聚类结果（图8），可以看出：①整体上，2025 年和2033 年，滇中城市群城市生态韧性预测指数空间分异格局变化不大。Ⅴ类地区、Ⅳ类地区在数量和空间分布上几乎没有变化。高、较高值区没有明显的变化，低值区数量在缓慢增多。②高值区集中分布在滇中城市群的西南部和西北部，西南部处于哀牢山一线，光照时间长、气温高、雨热条件好，为生态环境的发育和形成提供了优良的自然条件。③经济韧性指数高的城市，生态韧性指数相对较低。生态韧性预测指数“高者恒高”“低者恒低”现象显著。

图8 滇中城市群城市生态韧性预测指数空间分异格局演变

3.2.2 城市韧性预测指数冷热点分布格局

运用ArcGIS 软件的热点分析（Getis-Ord Gi*）模块对2025 年和2033 年滇中城市群城市韧性预测指数进行冷热点计算，并通过Jenks 自然最佳断裂点法将Z值划分为热点区、次热点区、随机分布区、次冷点区和冷点区这5 种类型（图9～图11）。

图9 滇中城市群城市社会韧性预测指数冷热点分布格局演变

（1）根据2025 年和2033 年滇中城市群城市社会韧性预测指数冷热点分布格局（图9），可以得知：①热点区主要集中在核心城市，且分布格局比较固定；冷点区呈减少的趋势，并逐渐向外围扩散。随机分布区面积最广，呈连片分布状态。②从整体来看，热点区、次热点区、随机分布区、次冷点区、冷点区分布格局具有一定的规律。随机分布区在外围，冷点区、次冷点区、次热点区、热点区呈现一定的圈层结构。③冷点区向东北方向转移，次热点区减少，并向热点区集聚。

（2）根据2025 年和2033 年滇中城市群城市经济韧性预测指数冷热点分布格局（图10），可以看出：①滇中城市群经济韧性指数热点区、次热点区逐渐增多；次冷点区大面积减少；增加了随机分布区。②经济韧性预测指数的热点区分布在核心城市。次热点区逐渐向滇中城市群的南部转移。冷点区向东北方向偏移。③从图9 和图10 可以看出，经济韧性和社会韧性预测指数在热点区分布格局上具有高度的相似性，都集聚在核心城市。

图10 滇中城市群城市经济韧性预测指数冷热点分布格局演变

（3）根据2025 年和2033 年滇中城市群城市生态韧性预测指数冷热点分布格局（图11），可以得知：①热点区主要集中在滇中城市群的西南部，个别城市分布在滇中城市群的西北部。热点区数量增加缓慢。冷点区面积大量减少，次冷点区面积大量增加。②冷点区逐渐向滇中城市群的核心城市集聚，从侧面反映了经济韧性越强的城市，越需要重视生态环境的保护。③从整体来看，冷点区、次冷点区主要分布在滇中城市群的中东部，分布格局比较固定，“热点恒热”现象显著。

图11 滇中城市群城市生态韧性预测指数冷热点分布格局演变

4 结论与对策

4.1 结论

基于对城市群城市韧性研究的探析和拓展，利用ArcGIS 空间分析法对滇中城市群城市韧性空间分异特征及冷热点分布格局进行研究，主要结论如下：

（1）从整体来看，滇中城市群城市韧性整体水平一般，中心城市社会韧性和经济韧性水平高于其他城市，“高者恒高”“热点恒热”的现象显著。

（2）在2005 年之前，城市群的发展重心在楚雄市和玉溪市。自2005 年之后，滇中城市群的发展重心向昆明市的五华区、盘龙区、官渡区和西山区偏移，并以这4 个区为中心向四周辐射，带动区域内其他县（市、区）的发展。

（3）滇中城市群城市韧性在各时间截面均表现出中心城市韧性度高，外围城市韧性度低的态势，空间聚类特征明显。滇中城市群城市韧性冷热点分布具有明显的圈层结构，具体表现为中心城市热，外围城市冷。

（4）动态预测方面，通过对2025 年和2033 年滇中城市群韧性演变趋势可以看出，城市韧性预测指数高值区和热点区都有向中心城市集聚的态势。社会韧性预测指数与经济韧性预测指数在高值区的空间分异和冷热点分布格局上具有高度的相似性，主要分布在滇中城市群的五华区、西山区、官渡区和盘龙区等中心城市。生态韧性预测指数的高值区集中分布在滇中城市群的西南部和西北部。

4.2 对策

城市韧性建设具有复杂性、艰巨性和长期性，短时间内难以取得显著成效[31]。根据滇中城市群内各城市自身特点和资源优势，提出增强城市韧性的管理对策。

（1）推进城市间资源互补和空间互补。滇中地区矿产资源、水资源、生物资源和旅游资源非常丰富，互补性极强，城市之间可以进行资源交换，形成互补。同时，滇中城市群内各城市发展水平不同，核心城市向外拓展的空间受限，支撑城市的空间利用率低。进一步加强昆明都市圈建设，扩大昆明的辐射能力，“以圈鼎城”，促进城市群整体向上发展。

（2）推进城市间产业互补和服务互补。滇中城市群各城市间在烟草、有色金属、化工、机械制造等重点产业存在结构趋同、缺乏深层次的沟通与协作，阻碍了滇中城市群高新技术产业向更大规模、更高层次发展。因而，滇中城市群应在区域内形成资源互享，共建产业协同合作平台，构建有重点、分层次的可持续发展产业分工体系，促进城市间产业适度协同发展，建设绿色可持续发展的城市群。

（3）共筑生态屏障，保护生态空间。坚持生态产业化、产业生态化发展理念，促进滇中城市群内外生态建设联动发展，推进重点生态功能区建设，建立多元的生物多样性保护体系，维护区域生态安全。贯彻落实滇中城市群国家主体功能区制度，加强滇中城市群生态空间管制，严守滇中城市群生态保护红线、严格保护永久基本农田，划定城镇开发边界。加快生态环境监测网络建设，探索建立多元化生态保护补偿机制。

（4）强化智能驱动，助力技术韧性。推动互联网、大数据、云计算、区块链、人工智能等数字科技快速发展，建设滇中城市群城市感知体系，实时监测风险，实现感知设备的集约统筹建设、分建共享以及有效管理，实现资源共享和互联互通[32]。加强数字治理，破解“条块分割”“碎片化”城市发展难题，通过数字化方式逐步弥合城市治理不同部门间的“信息鸿沟”，增强滇中城市群城市韧性。