机器学习辅助的城市韧性评估与驱动因素识别：以长江经济带为例的实证研究

《Sustainable Cities and Society》：An interpretable machine learning-assisted urban resilience evaluation and determinants identification: A case study of the Yangtze River Economic Belt, China

　　本文提出了一种可解释的机器学习框架，系统评估了长江经济带城市韧性时空演变规律。研究综合运用熵权法、耦合协调度模型和障碍度模型，揭示了城镇化与城市绿地（UGS）的协同发展机制，发现特大城市已实现初步协调而大型城市仍处于转型阶段。研究为促进高质量城市转型提供了量化依据和策略建议。

　　

研究亮点

研究设计

为探究城市绿地（UGS）与城镇化之间的耦合协调发展关系，本研究包含四个主要组成部分。第一部分是对UGS和城镇化发展的综合评估。在广泛文献综述的基础上，分别构建了UGS和城镇化的多维指标体系。熵权法被用于客观评估指标及其对应维度的权重，而相对发展指数则用于分析两个系统之间的相对发展状态。

城市绿地的时空特征

图3展示了2005年至2021年间35个研究城市的UGS指数。各城市的年均UGS发展水平差异显著（图3a），而其总体趋势在17年间呈现持续增长（图3c）。如图3b所示，平均UGS指数从2005年的0.083上升至2021年的0.238，对应年均增长率为6.156%。在三种城市规模类别中，超大城市始终表现出最高的UGS指数和最强劲的增长势头，而大型城市的增长则相对温和。

城市绿地与城镇化发展的变化

在可持续发展日益受到重视的背景下，2005年至2021年间，UGS和城镇化的发展水平显著提高。同时，发展水平与城市规模呈正相关，其中超大城市的表现明显优于特大城市，而大型城市则持续落后。这种模式可能归因于较大城市享有的战略优势，例如优先的政策支持（如“生态优先”）和更强的经济基础，这使其能够投入更多资源进行绿地建设和生态保护。相比之下，中小城市可能面临资源限制和发展压力，导致UGS发展相对滞后。值得注意的是，超过一半的城市UGS扩张滞后于城镇化步伐，尽管同步性增强的趋势正在显现。

耦合协调度的时空演变

UGS与城镇化之间的耦合协调度（CCD）在2005年至2021年间呈现出稳定的上升轨迹（图5a）。具体而言，平均CCD从2005年的0.285（轻度失调）稳步上升至2021年的0.521（勉强协调），表明两个系统之间的互动和协同作用显著增强。就城市规模而言，超大城市在协调水平上领先，到2021年大部分已达到初级协调状态。特大城市和大型城市则经历了从失调到协调的过渡阶段，但截至研究期末，许多城市仍处于轻度失调或濒临失调状态。从空间分布看，沿海地区和主要城市群的城市CCD普遍高于内陆城市，反映出区域经济发展的不平衡对协调关系的影响。

影响因素分析

为识别影响UGS与城镇化协调发展的关键因素，本研究采用了障碍度模型和固定效应面板回归分析。障碍度分析结果显示，绿地与公园面积、工业用地面积、公路里程、从业人员数量、高级产业结构（AIS）和政府干预是阻碍协调水平提升的主要障碍因子。面板回归模型进一步证实了这些因素对耦合协调度（CCD）的显著影响，并且其影响程度逐年增强。值得注意的是，政府干预在初期表现为负向影响，但随着时间推移逐渐转向正向促进，表明政策调控的效应具有时滞性。这些发现为制定差异化的城市发展政策提供了实证依据。

结论

本研究系统评估了2005年至2021年间中国35个大城市UGS和城镇化的演进轨迹，考察了它们的耦合协调关系，并识别了影响其同步发展的关键因素。首先，UGS和城镇化的发展趋势均显示出显著的积极进展，其耦合协调度总体呈上升态势。研究发现城市规模有助于提升协调程度，超大城市的协调水平最高。其次，绿地与公园面积、工业用地面积、公路里程、从业人员数量、高级产业结构和政府干预显著影响协调水平，且其影响逐年增强。最后，研究建议城市应根据自身类型特征和约束条件，推动UGS与经济增长和土地利用优化的整合发展，以促进更有效的协同发展。