中国大陆核心城市韧性发展预测及动态空间分异研究

doi:10.16265/j.cnki.issn1003-3033.2025.03.0075

摘要/Abstract

摘要：

为提高城市治理水平及促进可持续发展,基于2011—2020年中国大陆25个核心城市(直辖市、省会城市与自治区首府)的面板数据,通过理想解逼近(TOPSIS)-熵权法分析中国大陆核心城市的韧性测度,并通过反向传播(BP)神经网络模型预测2026与2029年这些核心城市的韧性情况,从而对区域板块韧性的动态空间分异情况开展研究。结果表明:各城市韧性指数标准差在0.180上下波动,城市间的韧性离散程度相对稳定,但存在一些城市韧性指数呈逐年下降趋势;城市韧性预测指数的标准差在2026年降至0.173,城市间的韧性离散程度降低,城市韧性差距缩小。在2014、2020、2026和2029年4个时间截面中,城市韧性空间异质格局演变相对稳定,城市韧性水平排位如下:东部地区>中部地区>西部地区>东北地区,其中,东部地区的经济及基础设施韧性最高,中部地区的社会及生态韧性最高。

关键词: 核心城市, 城市韧性预测, 空间分异格局, 反向传播(BP)神经网络模型, 自然间断点法

Abstract:

In order to improve urban governance and promote sustainable development, the resilience measurement of core cities in Chinese mainland was analyzed based on panel data from 25 core cities (municipalities directly under the central government, provincial capitals, and regional capitals) between 2011 and 2020. Technique for order preference by similarity to an ideal solution(TOPSIS)-Entropy Weight Method was applied. The resilience situation for 2026 and 2029 was predicted using a BP neural network model. This research aimed to explore the dynamic spatial differentiation of regional resilience. The results show that the standard deviation of the resilience index across cities fluctuates around 0.180, with the resilience disparity between cities remaining relatively stable. However, some cities show a downward trend in their resilience index year by year. The standard deviation of the predicted resilience index for 2026 decreases to 0.173, indicating a reduction in the resilience disparity between cities and a narrowing of the resilience gap. In the four time points of 2014, 2020, 2026, and 2029, the spatial heterogeneity of urban resilience evolves relatively stably. The urban resilience rankings are as follows: Eastern region > Central region > Western region > Northeastern region. Among them, the economic and infrastructure resilience in the Eastern region is the highest, while the social and ecological resilience in the Central region is the highest.

Key words: core cities, prediction of urban resilience, spatial heterogeneous pattern, back propagation(BP)neural network, natural intermittent point method

中图分类号:

X913.1安全运筹学

许慧, 叶泽鸿, 周启琳, 张日芬. 中国大陆核心城市韧性发展预测及动态空间分异研究[J]. 中国安全科学学报, 2025, 35(3): 179-186.

XU Hui, YE Zehong, ZHOU Qilin, ZHANG Rifen. Resilient prediction and dynamic spatial differentiation of core Chinese mainland cities[J]. China Safety Science Journal, 2025, 35(3): 179-186.

图/表 5

表1

图1

表2

表3

表4

参考文献 17

[1]	张明斗, 冯晓青. 中国城市韧性度综合评价[J]. 城市问题, 2018(10):27-36.
	ZHANG Mingdou, FENG Xiaoqing. Comprehensive evaluation on Chinese cities' resilience[J]. Urban Problems, 2018(10): 27-36.
[2]	张鹏, 于伟, 张延伟. 山东省城市韧性的时空分异及其影响因素[J]. 城市问题, 2018(9):27-34.
	ZHANG Peng, YU Wei, ZHANG Yanwei. Spatial-temporal differentiation and its influencing factors of Shandong province's urban resilience[J]. Urban Problems, 2018(9):27-34.
[3]	王文瑞, 郭子萍, 万炜, 等. 兰州市城市韧性时空特征研究:基于规模-密度-形态分析框架[J]. 兰州大学学报:自然科学版, 2021, 57(1):39-46.
	WANG Wenrui, GUO Ziping, WAN Wei, et al. Temporal and spatial characteristics of urban resilience in Lanzhou: based on the perspective of "size-density-morphology"[J]. Journal of Lanzhou University:Natural Sciences, 2021, 57(1):39-46.
[4]	吴菊平, 潘玉君, 骆华松, 等. 滇中城市群城市韧性时空格局演变及动态预测研究[J]. 生态经济, 2023, 39(8):95-105.
	WU Juping, PAN Yujun, LUO Huasong, et al. Spatial-temporal pattern evolution and dynamic prediction of urban resilience in Dianzhong urban agglomeration[J]. Ecological Economy, 2023, 39(8):95-105.
[5]	李梦杰, 刘德林. 中原城市群城市灾害韧性时空演变及障碍因子研究[J]. 中国安全科学学报, 2022, 32(9):144-151. doi: 10.16265/j.cnki.issn1003-3033.2022.09.2072
	LI Mengjie, LIU Delin. Spatial-temporal evolution and obstacle factors of urban disaster resilience in Zhongyuan urban agglomeration[J]. China Safety Science Journal, 2022, 32(9):144-151. doi: 10.16265/j.cnki.issn1003-3033.2022.09.2072
[6]	JACOB C M, BRIANA D, DI RENZO G C, et al. Building resilient societies after COVID-19: the case for investing in maternal, neonatal, and child health[J]. The Lancet Public Health, 2020, 5(11):624-627.
[7]	周文. 人口转变过度论:人口负增长下对传统人口转变理论的再思考[J]. 人口与经济, 2023(3):85-99.
	ZHOU Wen. Excessive demographic transition: Rethinking the traditional demographic transition with negative population growth[J]. Population & Economics, 2023(3):85-99.
[8]	马光明, 丁波鹦. 产业结构、居民工作时间与人口出生率[J]. 审计与经济研究, 2023, 38(1):96-106.
	MA Guangming, DING Boying. Industrial structure, residents' working hours and birth rate[J]. Journal of Audit & Economics, 2023, 38(1):96-106.
[9]	杨丽, 孙之淳. 基于熵值法的西部新型城镇化发展水平测评[J]. 经济问题, 2015(3):115-119.
	YANG Li, SUN Zhichun. The development of western New-type urbanization level evaluation based on entropy method[J]. On Economic Problems, 2015(3):115-119.
[10]	黄琼, 崔子怡. 中国城市韧性发展水平测度、差异分解与动态演变及障碍因子识别[J]. 统计与决策, 2023, 39(13):106-111.
	HUANG Qiong, CUI Ziyi. Measurement, differences decomposition, dynamic evolution and obstacle factor identification of urban resilience development level in China[J]. Statistics & Decision, 2023, 39(13):106-111.
[11]	张雅宁, 司鹄. 城市综合韧性能力时空动态评估模型:以传染病为例[J]. 中国安全科学学报, 2023, 33(10):39-45. doi: 10.16265/j.cnki.issn1003-3033.2023.10.0042
	ZHANG Yaning, SI Hu. Spatial-temporal dynamic evaluation model of urban comprehensive resilience: taking infectious diseases as an example[J]. China Safety Science Journal, 2023, 33(10):39-45. doi: 10.16265/j.cnki.issn1003-3033.2023.10.0042
[12]	陈子曦, 青梅. 中国城市群高质量发展水平测度及其时空收敛性研究[J]. 数量经济技术经济研究, 2022, 39(6):42-60.
	CHEN Zixi, QING Mei. Research on the measurement of the high-quality development level of China's urban agglomerations and its temporal and spatial convergence[J]. Journal of Quantitative & Technological Economics, 2022, 39(6):42-60.
[13]	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
[14]	王林靖, 葛星, 钟敏. 十大城市群经济韧性的区域差异、动态演进及收敛性分析[J]. 统计与决策, 2024, 40(10):112-117.
	WANG Linjing, GE Xing, ZHONG Min. Regional differences, dynamic evolution, and convergence analysis of economic resilience in the top ten urban agglomerations[J]. Statistics & Decision, 2024, 40(10):112-117.
[15]	管卫华, 徐慧, 吴巍, 等. 基于新发展理念的南京城市韧性综合及动态预测研究[J]. 地理科学, 2024, 44(4):681-692. doi: 10.13249/j.cnki.sgs.20221098
	GUAN Weihua, XU Hui, WU Wei, et al. Comprehensive urban resilience and dynamic prediction of Nanjing city based on the new development concept[J]. Scientia Geographica Sinica, 2024, 44(4):681-692. doi: 10.13249/j.cnki.sgs.20221098
[16]	许慧, 叶泽鸿. 中国核心城市韧性测度及空间异质格局研究[J/OL]. 生态经济:1-27[2024-07-24]. http://kns.cnki.net/kcms/detail/53.1193.f.20240723.1328.002.html.
	XU Hui, YE Zehong. Resilience measurement and spatial heterogeneous patterns of core cities in China[J/OL]. Ecological Economy:1-27[2024-07-24]. http://kns.cnki.net/kcms/detail/53.1193.f.20240723.1328.002.html.
[17]	王会强, 黄飞虎, 彭舰, 等. 基于时间依赖和变量交互的多元时间序列预测[J/OL]. 计算机科学:1-15[2024-06-25]. http://kns.cnki.net/kcms/detail/50.1075.TP.20240624.1903.008.html.
	WANG Huiqiang, HUANG Feihu, PENG Jian, et al. Multivariate time series forecasting based on temporal dependency and variable interaction[J/OL]. Computer Science:1-15[2024-06-25]. http://kns.cnki.net/kcms/detail/50.1075.TP.20240624.1903.008.html.

数值	2026年预测值	2029年预测值
维度	城市韧性
北京	0.726 703 38	0.727 967 88
广州	0.489 584 15	0.498 741 42
上海	0.787 817 92	0.790 998 29
昆明	0.180 146 92	0.187 241 30
西安	0.198 800 98	0.190 356 23
西宁	0.205 031 52	0.215 102 11
维度	社会韧性
北京	0.429 779 61	0.368 233 66
广州	0.769 228 32	0.771 362 50
上海	0.265 682 13	0.302 965 36
昆明	0.416 369 98	0.511 167 62
西安	0.517 251 12	0.420 632 42
西宁	0.462 985 42	0.556 522 56
维度	经济韧性
北京	0.770 621 47	0.759 152 72
广州	0.355 175 19	0.372 584 67
上海	0.938 749 48	0.939 416 66
昆明	0.161 118 23	0.170 342 78
西安	0.160 488 55	0.151 596 17
西宁	0.063 681 52	0.064 717 72
维度	生态韧性
北京	0.590 028 15	0.590 028 15
广州	0.723 628 88	0.723 628 88
上海	0.479 784 41	0.479 784 41
昆明	0.592 895 62	0.592 895 62
西安	0.488 489 58	0.488 489 58
西宁	0.544 610 21	0.544 610 21
维度	基础设施韧性
北京	0.432 885 46	0.452 365 50
广州	0.562 533 39	0.533 333 47
上海	0.572 478 56	0.585 394 85
昆明	0.205 609 46	0.187 467 29
西安	0.203 842 08	0.200 897 00
西宁	0.359 675 10	0.376 872 39

区域板块		东部地区	中部地区	西部地区	东北地区
年份	类/级别	东部地区	中部地区	西部地区	东北地区
2014年	Ⅰ类	北京、上海	—	—	—
	Ⅱ类	天津、广州	—	重庆	—
	Ⅲ类	济南、南京、杭州	武汉	成都	—
	Ⅳ类	福州	合肥、南昌、郑州、长沙	兰州、西安、昆明	沈阳
	Ⅴ类	石家庄	-	呼和浩特、西宁、银川、贵阳	哈尔滨
	级别	一级	二级	三级	四级
2020年	Ⅰ类	北京、上海	—	—	—
	Ⅱ类	南京、杭州、广州	—	重庆	—
	Ⅲ类	天津、济南、福州	武汉、合肥、郑州	成都	—
	Ⅳ类	—	南昌、长沙	西宁、兰州、西安、昆明	沈阳
	Ⅴ类	石家庄	—	呼和浩特、银川、贵阳	哈尔滨
	级别	一级	二级	三级	四级
2026年	Ⅰ类	北京、上海	—	—	—
	Ⅱ类	南京、杭州、广州	—	成都、重庆	—
	Ⅲ类	天津、济南、福州	武汉、合肥、郑州	—	—
	Ⅳ类	—	南昌、长沙	西宁、兰州、西安、贵阳、昆明	沈阳
	Ⅴ类	石家庄	—	呼和浩特、银川	哈尔滨
	级别	一级	二级	三级	四级
2029年	Ⅰ类	北京、上海	—	—	—
	Ⅱ类	南京、杭州、广州	—	成都、重庆	—
	Ⅲ类	天津、济南、福州	武汉、合肥、郑州	—	—
	Ⅳ类	—	南昌、长沙	西宁、兰州、西安、贵阳、昆明	沈阳
	Ⅴ类	石家庄	—	呼和浩特、银川	哈尔滨
	级别	一级	二级	三级	四级