EN中文

地理科学进展 >

2024 , Vol. 43 >Issue 12: 2457 - 2469

DOI: https://doi.org/10.18306/dlkxjz.2024.12.010

研究论文

大连市人海关系地域系统韧性演化及海陆梯度性特征分析

  • 李博 , 1 ,
  • 王一雯 1 ,
  • 李欣媛 2 ,
  • 孙思 1
展开
  • 1.教育部人文社科重点研究基地“辽宁师范大学海洋可持续发展研究院”，辽宁 大连 116029
  • 2.辽宁师范大学地理科学学院，辽宁 大连 116029

李博(1983— )，女，吉林长春人，教授，博士生导师，主要从事区域发展与海洋经济地理研究。E-mail:

收稿日期: 2024-04-02

  修回日期: 2024-06-14

  网络出版日期: 2024-12-23

基金资助

教育部人文社会科学重点研究基地重大项目(22JJD790029)

辽宁省属本科高校基本科研业务费专项(LJ212410165005)

收起

Resilience change and land-sea gradient characteristic analysis of the human-sea regional system in Dalian City

  • LI Bo , 1 ,
  • WANG Yiwen 1 ,
  • LI Xinyuan 2 ,
  • SUN Si 1
Expand
  • 1. Key Research Base of Humanities and Social Sciences of Ministry of Education, Institute of Marine Sustainable Development, Liaoning Normal University, Dalian 116029, Liaoning, China
  • 2. School of Geography, Liaoning Normal University, Dalian 116029, Liaoning, China

Received date: 2024-04-02

  Revised date: 2024-06-14

  Online published: 2024-12-23

Supported by

Major Project of Humanities and Social Sciences Research Base of Ministry of Education(22JJD790029)

Special Fund for Basic Research Business Expenses of Undergraduate Colleges in Liaoning Province(LJ212410165005)

Fold

摘要

韧性是全球变化和环境与发展研究的热点和重要领域，为区域可持续发展研究提供了新的研究框架和有效的分析工具。论文将人海关系地域系统和韧性相结合，构建人海关系地域系统韧性的理论逻辑框架，综合内部因素和外部干扰，获取多源空间大数据，结合层次分析、核密度分析和GIS空间分析法构建指标体系，采用探索性数据分析的方法进行韧性的时空演化和海陆梯度性特征分析。结果表明：① 大连市人海关系地域系统韧性呈现“中部低南北高、沿海低内陆高”的空间分布特征，且逐年递增，缓慢向好，沿海和内陆具有明显的区域差异性；② 大连市人海关系地域系统韧性具有蔓延效应，在持续热点周围零散增加新增热点；③ 大连市人海关系地域系统韧性具有明显的海陆梯度性特征，各准则层韧性由高到低依次为生态环境韧性、气候变化韧性、资源水平韧性和人类活动韧性；整体韧性呈现出距海越远、韧性水平越高的梯度性特征。因此，对于沿海城市的韧性调控在微观上可结合海陆梯度性特征进行分区、分特色治理，宏观上在保证低碳经济的基础上提高海洋经济发展水平，制定蓝碳经济发展蓝图。

关键词： 人海关系地域系统; 韧性; 海陆梯度性特征; 大连市

本文引用格式

李博 , 王一雯 , 李欣媛 , 孙思 . 大连市人海关系地域系统韧性演化及海陆梯度性特征分析[J]. 地理科学进展, 2024 , 43(12) : 2457 -2469 . DOI: 10.18306/dlkxjz.2024.12.010

Abstract

Resilience is a hot topic in global change and environment and development research, providing a new research framework and practical analytical tool for regional sustainable development studies. This study combined the human-sea regional system with resilience to construct a theoretical framework for the resilience of the human-sea regional system. It integrated internal factors and external disturbances, obtained multi-source data, combined hierarchical analysis, kernel density analysis, and GIS spatial analysis methods to construct an indicator system, and used exploratory data analysis (ESDA) methods to analyze the spatiotemporal change of resilience and the characteristics of land-sea gradient. The main results are as follows: 1) The resilience of the human-sea regional system in Dalian City presents a spatial distribution characteristic of low in the middle and high in the south and north, and low along the coast and high inland, and it increases year by year. The coastal and inland regions exhibit distinct regional differences. 2) The resilience of the system has a spreading effect, with new hot spots sporadically appearing around the continuous hot spots. 3) The resilience of the system has clear land-sea gradient characteristics. The resilience of each criterion layer is ranked in descending order as the resilience of the ecological environment, the resilience to climate change, the resilience of the resources as well as the resilience of human activities; overall resilience presents the gradient characteristic of the further away from the sea, the higher the resilience level. Therefore, the resilience regulation of coastal cities can be combined with the characteristics of the land and sea gradient for detailed governance at the micro level, and improve the level of development of the marine economy at the macro level by developing a low-carbon economy, and formulate a blueprint for the development of a blue-carbon economy.

Key words： human-sea regional system; resilience; land-sea gradient characteristics; Dalian City

由于世界技术革命的不断发展与陆域资源的不断枯竭，人类将发展目光转向海洋，通过开发海洋资源、发展海洋经济的方式缓解人口不断增长带来的环境压力[1]。沿海城市依靠其海洋的资源优势和区位优势，以13.5%的土地承载了43.4%的人口，平均城市化率在63%以上，创造着55%以上国民生产总值，实现60%以上的进出口贸易。然而，由于沿海地区在海洋资源、区位优势、人口流动、港口腹地和开发开放程度等方面存在显著差异，使得该地区在可持续发展中面临诸多挑战。这些挑战包括海洋资源枯竭、人口聚集、生态环境破坏以及极端天气事件的频率和强度的加大，尤其在新一轮沿海开发战略的背景下愈发明显。如何让沿海城市在保持其发展势头的同时，提升化解人海矛盾的能力；如何让系统在面对各种不确定的干扰因素和外部扰动时，保持系统“韧性”的适应力和活力；如何让区域合理应对各种危机和挑战，满足居民的基本生活、安全等需求?这些成为了地理学研究的新课题。
近年来，在全球变化研究不断升温的背景下，得益于若干国际科学计划的推动，催生了一门整合地理学、生态学、环境科学、经济学和社会学等相关学科的新兴学科——“可持续科学”[2]。20世纪末，加拿大生态学家霍林提出韧性可以用来解释可持续发展含义的理念[3]，并首次将韧性的思想引入了人类和自然二者共同作用的人类生态学领域。进入21世纪，学者们逐渐将韧性思想应用到地域系统可持续发展研究中[4]。2013年5月，洛克菲勒基金会宣布启动100个韧性城市倡议，“城市”开始成为地域系统韧性的研究热点[5]。学者们主要将“人地关系地域系统”看作城市所依托的地域系统主体，以SESs(social- ecological systems)理论[6-7]、CAS(complex adaptive system)理论[8]、适应性循环[9]等系统内在演化理论以及设施、生态、社会和经济等韧性城市的4个维度[10]为基础，构建城市的韧性指标体系，采用综合指数法[11⇓-13]、函数模型[14-15]、社会网络模型[16-17]、韧性成熟度模型[18]等方法进行行政区划尺度的城市韧性评价；或从横向对比和纵向探究两方面进行城市韧性影响的研究，前者多从城市群的角度出发关注城市韧性的空间分异特征[19⇓-21]，后者结合不同的人文和环境要素，探讨灾害扰动[22-23]、基础设施[24]、社会经济[25-26]等要素对城市韧性的影响。2018年以来，学者们开始不断拓展韧性研究的地域系统视角，从地域系统内部各子系统、各组分之间的相互作用机制入手进行韧性研究[27]。耿艺伟等[28]采用“要素—结构—功能”原理搭建乡村地域系统韧性的研究框架，进行乡村地域系统韧性的类型识别和驱动机制研究；汤礼莎等[29]将乡村人居环境弹性划分为自然和社会两大组成要素，探讨其形成的空间分异特征和机制；应超等[30]构建“本底—运行—效率”评价体系进行东海海岸带的县域城市韧性研究。除了地域系统视角不断拓展外，韧性的研究尺度也逐渐向精细化发展，很多学者开始从生态子系统韧性[31]着手，进行栅格尺度的韧性演化分析[32-33]。
通过对韧性研究的国内外文献进行梳理发现，现有的韧性研究成果丰硕，但现有研究具有以下两个特征：① 研究对象多以“人地系统”为依托，将内陆区域作为研究主体，关于沿海地区韧性的研究也多从城市的物质结构出发[34]，或在指标体系构建上无法突出海洋要素对系统韧性的影响[30]，对于沿海城市的“海洋”特色有所忽略。② 研究尺度多以行政区划为主，虽然现有系统韧性研究已经逐渐从城市尺度过渡至县域尺度和区划尺度，但更精细化的栅格尺度韧性的研究内容较少，且集中在生态子系统韧性。不断丰富的地域系统韧性视角和更加精细化的系统韧性尺度是系统韧性研究的趋势所在[34]。因此，本文基于韧性理论和人海关系地域系统基础概念，提出人海关系地域系统韧性的定义：人海关系地域系统中人、海、陆三要素相互作用构成的子系统在不同的空间尺度上共同承受来自系统内外部的扰动和急性冲击的压力，通过系统的自我调控使得人海关系地域系统进入新状态的能力。基于多源空间数据的可获取性，结合具有空间属性的多源数据和具有人海关系地域系统特色的指标，构建人海关系地域系统韧性的指标体系，分析大连市人海关系地域系统韧性的时空演化和海陆梯度地带性特征。因此，本文可以解决微观尺度的韧性测度问题，从实践层面为中国沿海地区的可持续发展提供韧性层面的评价方式。

1 理论框架与研究方法

1.1 区域概况与数据来源

大连市具有典型的人海系统特性，由于人—海—陆三要素对社会—经济—环境子系统的相互作用，使得该系统的韧性在空间上也具有明显的海陆梯度性特征。然而，随着沿海地区社会经济的快速发展，人、海、陆之间的矛盾逐渐加深[1](图1)。
图1 大连市人海关系地域系统概况

Fig.1 Overview of the human-sea regional system in Dalian City

本文的数据来源详见表1，针对不同的数据类型和属性特征进行不同的预处理，具体如下：
表1 数据来源

Tab.1 Data sources

数据类型 数据名称 来源
遥感数据 CLCD土地利用数据 Zenodo数据库
数字高程 地理空间数据云
夜间遥感数据 HARVARDDataverse
归一化植被指数 国家生态科学数据中心
气候数据 温度 Zenodo数据库
降水量 Worldclim数据集
地理数据 人口密度 WorldPop数据集
全国行政区划数据 地理监测云平台
自然保护区数据 中华人民共和国生态环境部
统计数据 《全国农产品成本收益资料汇编》 国家统计局
POI数据 涉海企业 高德、百度
网站数据 涉海科研成果 中国知网
(1) 多源遥感数据：本文采用的遥感数据包括CLCD土地利用数据、数字高程模型(DEM)、Landsat7/8遥感影像最大归一化植被指数(NDVI)产品、采用跨传感器矫正方案得到的2010、2015、2020年三期的NPP-VIIRS夜间灯光数据产品等。借助ArcGIS软件对遥感数据进行校正、投影、镶嵌、提取等处理；
(2) 气候数据：通过全国NetCDF格式的气象数据(分辨率1 km)中每月的PRE(降水)、TMP(均温)进行数据转换、波段叠加、栅格计算、掩膜提取等处理；
(3) 地理数据：利用卫星遥感影像、土地利用类型数据、人口统计资料等，在高程、地貌等多种空间数据的支撑下，获取2010、2015、2020年三期的人口密度数据(1 km)；通过官方网站获取自然保护区数据，进行人工筛选、GIS空间处理等过程；
(4) 统计数据：通过官方网站进行申请下载获取，进行标准化、GIS空间分析等处理；
(5) POI数据：通过Python爬虫获取2010、2015、2020年的兴趣点数据，根据关键词“海洋”“渔”“水产品”“船”等8个关键词进行初步数据清洗，然后再通过人工筛选，剔除与涉海无关的企业；
(6) 网站数据：通过CNKI文献检索，分别以“大连”“海洋”为关键词检索2010、2015、2020年发布的文献。为防止检索遗漏，核对POI数据中的科研机构。最终对获取到的文献，对前三名作者的所属科研机构进行统计，筛选出位于大连市的科研机构所发表的文献数(表征涉海科研成果)。

1.2 理论框架

人海关系地域系统作为人文要素和自然环境要素相互作用的典型系统，研究一定地域范围内人海地理空间的结构特性及其矛盾演变规律，是人海之间相互作用的表现形式[35]，包含不同的子系统和人类社会、陆域、海域三大组成要素，子系统间和元素间相互影响并根据收到的信息调整自身的状态和行为(自适应性)[36]。其中，“海域”是指为该地域人类的社会经济等活动提供资源和场所的海域，与“陆域”(地域系统内人类居住的陆域区域)共同构成该系统的“供方”。两者作为人海关系地域系统的资源基础，共同维持人类社会的运转。人类是该系统运转的核心，主要作为该系统的“受方”，通过海域和陆域获取其生存发展的物质、向“供方”排放废物，进行该系统的运转。同时，该系统的正常运转受到供受双方的“供给—接受”平衡影响。由于“受方”的快速扩张，供求关系失衡，“供方”资源枯竭、环境破坏，使得“受方”所能获取的物质量减少，形成一种恶性的、不可持续的循环发展，该系统终会面临崩溃瓦解。除了系统内部运转的慢性压力会造成系统崩溃外，外部的台风、暴雨等和内部的危险品事故、疫情等急性冲击事件以及全球变暖引起的海平面上升、海水温度上升等慢性压力事件也会导致该系统的崩溃。人海关系地域系统韧性正是抵御这种崩溃瓦解的系统内在能力，人类作为具有主观能动性的主体，承担该系统的核心作用，可以通过政策、规划手段对慢性压力进行人工干涉，从而使得韧性向好发展，不断形成趋近可持续发展的新系统。与此同时，如果没有得到正确的科学引导，人类的干预也有可能具有负向影响(最坏情况)，使得系统韧性降低，向崩溃瓦解的新系统迈步。急性冲击通常具有难以预测性，人类只能通过正确的干预措施提高应对慢性压力的系统韧性，进而缓解急性冲击。在系统面对急性冲击时，通常由系统内部固有的韧性进行抵御，抵御成功即维持原系统，抵御失败则通过人类后期恢复使其从崩溃瓦解中脱离，最糟糕的情况是面临崩溃无法修复。
因此，选择缓慢变化的、可人为调节的慢性压力作为韧性的评估准则，从应对慢性压力的角度出发构建由人类活动进行直接干涉的人类活动韧性，由自然本底值构成并受人类后天开发—保护影响的生态环境韧性，由人类进行自身发展所需要的资源开发活动决定的资源水平韧性三个内部准则层韧性，和受人类长期影响的外在气候变化韧性一个外部准则层韧性共同组成的人海关系地域系统韧性准则层，并依据人海关系地域系统的人、海、陆三个组成要素之间的相互作用关系进行指标层的选取(图2)。该准则层韧性的构建主要从人和环境两个角度进行，不同于常规的基于PSR(pressure-state-response)和SESs模型的韧性准则层构建，从人类活动、资源水平、生态环境和气候变化进行韧性准则层构建可以更好地从空间上进行因地制宜的管理。韧性并非是完全的平衡[34]，可根据不同的优势韧性水平实施更好的分区分特色韧性治理。
图2 人海关系地域系统韧性逻辑框架

Fig.2 A conceptual framework of the resilience of the human-sea regional system

1.3 研究方法

1.3.1 空间数据标准化处理和指标赋权

目前多数学者在进行韧性指标体系构建时，由于研究指标存在量纲上的差异，多选择归一化和标准化法对面板数据进行去量纲处理。GIS中的模糊隶属度空间分析是空间数据的标准化处理，其基于属于指定集合的概率对输入数据进行重分类或转换至介于0~1的范围内，模糊线性变换函数将在指定的最小值和最大值之间应用线性函数。如果最小值大于最大值，则建立负线性关系(负坡度)。由于本文指标所依托的地理数据存在量纲的差异并存在部分负向指标，为了GIS叠加分析和空间比较的可行性，借鉴相关研究，选用线性函数的原则进行模糊隶属度处理，将标准化处理拓展至空间数据。
Z α i j = ( X α i j - X m i n ) / ( X m a x - X m i n )
式中：α=1,2,…,p；i=1,2,3,…,m；j=1,2,3,…,n，分别表示年份、栅格和指标；Xmax、Xmin分别表示所有年份所有地区中第j指标的最大值和最小值；Zαij、Xαij为第α年份第i栅格第j指标的标准化值和原始值。经过处理，所有的指标值都在[0,1]范围内。
由于部分遥感数据(如土地利用数据)在短时间内变化不明显，因此选取三期数据作为研究的时间尺度。在综合指标体系的测度中，主观赋权法和客观赋权法是确定指标权重最常用的两种方法。由于空间数据获取具有局限性，韧性各指标提供的信息量差异悬殊，无法进行客观熵值赋权法确权。因此，基于时间尺度的局限性，以及为了更好地反映指标信息熵值的效用价值，本文采用层次分析法计算各个指标的权重系数。

1.3.2 GIS空间分析

由于地理数据存在尺度上的差异，为了降低该原因造成的数据精度降低，先对不同尺度的研究指标分别做无量纲化处理，再采用GIS空间分析的方法，将所有数据化为1 km的栅格尺度。
(1) 涉海数据处理
由于涉海数据的难获取性，参考相关韧性研究选取人均海岸线长度、涉海自然保护区面积和涉海企业数量、涉海科研论文成果。根据大连市行政区划的矢量数据，在GIS中对各行政区划的海岸线进行提取统计；由于自然保护区空间分布的矢量数据少于自然保护区名录的数据，因此根据可获取到的辽宁省自然保护区名录和全国自然保护区名录，先对涉海的自然保护区进行筛选，然后统计各行政区划的涉海自然保护区面积。对根据POI数据和网站数据统计出来的涉海企业和涉海科研成果点数据进行空间转换，然后进行核密度估计。
(2) 部分生态环境指标处理。
生态系统服务价值(ecosystem services valuation，ESV)数据可以用来反映人海关系地域系统中各种地类的生态价值，包括海岸带地区的滩涂地和沿海湿地等海洋水域，是根据大连市当量因子表、标准当量因子、土地利用数据在ArcGIS Pro中进行栅格计算得到的。其中价值当量因子表参考谢高地等[37]进行制作；标准当量因子基于《全国农产品收益汇编》资料，根据大连市的生产情况，确定玉米、大豆、稻谷为大连市的主要经济作物，获取2010、2015、2020年的辽宁省三种主要作物的净利润，据此计算得到；土地利用数据是根据CLCD土地利用数据，在ArcGIS Pro中结合价值当量因子表重分类获得。
标准当量因子计算：
D i = S r i × F r i + S w i × F w i + S c i × F c i
式中：D表示1个标准当量因子的生态系统服务价值量(元/hm2)，i表示年份； S r i、 S w i和 S c i分别表示i年稻谷、小麦和玉米的播种面积占三种作物播种总面积的百分比(%)； F r i、 F w i和 F c i分别表示i年辽宁省稻谷、小麦和玉米的单位面积平均净利润(元/hm2)。
生境质量是根据《生态环境状况评价技术规范》，将重分类为林地、草地、水域、湿地、耕地、建设用地、未利用地的CLCD数据，进行1 km×1 km渔网(create fishnet)的分区统计，然后根据下式进行栅格计算器计算：
H Q α i j = A b i o × ∑ j = 1 n ( W j × E i j )
式中：α=1,2,3,…,p；i=1,2,3,…,m；j=1,2,3,…,n，分别表示栅格、年份、用地类型；HQ表示生境质量，W示生境质量中各类用地的权重，E代表栅格内各类用地的面积，Abio指生境质量指数的归一化系数。

1.3.3 探索性空间数据分析

为了能够更加直观地观测到韧性的时空演变，在ArcGIS Pro中创建合适大小的渔网将大连市均等分割为14304个1 km×1 km的网格。综合分析数据特征后，选用优化热点分析的空间数据特征挖掘方法对2010、2015和2020年的大连市人海关系地域系统的韧性进行处理分析。采用Getis-Ord Gi*统计数据创建具有统计显著性的热点和冷点的地图。通过在增加距离时评估聚类强度的方式来寻找最佳分析等级，最后确定的最佳距离为2334 m，根据最佳距离生成冷热点地图。采用地学信息图谱的方式将优化热点分析的结果进行编码、分类，从而更加直观地表现韧性在时间和空间尺度上的分布和变化情况。
(1) 韧性的时空可视化
依据韧性的数值范围进行分等定级是对韧性进行定量分析的必要手段，但会使韧性整体的空间信息有所缺失。因此，将韧性根据自然断点法分等定级，划分为较低韧性、低韧性、中等韧性、较高韧性、高韧性5类进行面积统计，从时间尺度进行大连市人海关系地域系统韧性的整体分析。然后，采用拉伸的表达方式对韧性进行空间可视化，结合现有研究和人海关系地域系统的4个准则层，从空间尺度对大连市的人海关系地域系统韧性进行整体分析。为便于讨论韧性的时空变化，将韧性依据优化热点分析的Bin值划分为高韧性、无显著变化和低韧性3类；根据三期的栅格韧性情况，制作地学信息图谱，将所有栅格划分为新增热点、连续热点、减弱的热点、振荡的热点等类别，从时空尺度进行分析。
(2) 海陆梯度特征分析
海陆梯度地带性是自然地理中地带性分布规律的一种，指由于海陆相互作用引起地理环境从沿海向内陆有规律变化的地理特征。基于对大连市人海关系地域系统韧性的时空演化分析，发现大连市的人海关系地域系统韧性也具有明显的海陆梯度特征，而人海关系地域系统是由人海陆三者相互作用构成的，据此推断人海关系地域系统也具有由人—海—陆三者相互作用引起该系统韧性从沿海向内陆有规律变化的特征。综合考量大连市的形态特征和韧性的空间分布特征，以5、10、15、20 km的距离带作为距离梯度进行人海关系地域系统韧性的海陆梯度分析。

1.3.4 人海关系地域系统韧性的指标体系构建

在人海关系地域系统韧性逻辑框架的基础上，参考韧性和城市韧性以及各子系统韧性的测度[38]、人海关系地域系统弹性和脆弱性的评估[39]、系统韧性分类的解读[40]等相关研究成果，结合人海关系地域系统韧性的逻辑框架，基于慢性压力和人类可干涉的角度，综合子系统和组成要素的交互影响，构建由人类活动、资源水平、生态环境三个内部韧性准则层和气候变化一个外部韧性准则层，共11个指标构成的人海关系地域系统韧性指标体系(表2)。
表2 大连市人海关系地域系统韧性指标体系

Tab.2 Resilience indicator system of the human-sea regional system in Dalian City

目标层 准则层(权重) 指标层(权重) 指标解释(属性)
人海关系地域系统韧性 人类活动(0.3659) 夜间灯光指数(0.4306) 反映人类活动强弱(+)
人口密度(0.1889) 反映人类活动密度(-)
涉海企业数量(0.2459) 反映海洋对人类的影响(+)
涉海科研成果(0.1346) 反映人类对海洋的贡献(+)
气候变化(0.1238) 气温(0.6667) 反映该地区基本气候变化情况(-)
降水(0.3333) 反映该地区基本气候变化情况(-)
资源水平(0.2326) 人均海岸线长度(0.3333) 反映人海系统海洋资源水平(+)
生态系统服务价值ESV(0.6667) 反映该地区生态价值(+)
生态环境(0.2778) NDVI(0.5000) 反映该地区植被覆盖度(+)
海洋类型保护区面积(0.2500) 反映海洋生境保护质量(+)
生境质量(0.2500) 反映生物多样性指数(+)
其中，人类活动韧性从人类活动程度和人类与海洋之间的相互作用情况来考虑。人类活动强弱采用夜间灯光指数来表示，反映地区的经济发展、治理能力以及社会的基础设施和抗风险能力，对系统韧性具有正向作用[41]；人类活动密度采用人口密度来表示，用来反映人口的聚集程度、人类对环境的影响程度，对系统韧性的影响为负[42]；涉海企业数量反映海洋对人类社会经济的推动作用，为正向指标；涉海科研成果反映人类社会对海洋发展、保护做出的贡献程度。资源水平韧性可以用海洋和陆地两者的资源情况来表示。人均海岸线长度反映海陆环境的自然本底值情况和人类的干扰程度，为正向指标[30]；生态系统服务价值反映该地区的生态价值，为正向指标。生态环境韧性从海陆的生态水平和人类对生态的保护情况考量。NDVI反映地区的植被覆盖度[21]，生境质量可以反映该地区的生物多样性指数[21]，海洋类型保护区面积可用来反映人类对海洋生态环境的保护情况[39]，均为正向指标。除了内在因素之外，人海关系地域系统同时受到外在条件的变化进行改变和更新。世界卫生组织(WHO)指出，气候变化是人类面临的最大健康威胁，因此气候变化也是人类自全球变暖以来受到的最大外在威胁。而其除了大范围的全球化作用外，还会受到局部人类活动的干扰，如城市热岛效应会导致城市上空的温度高于城郊，进而影响降水。因此，将温度和降水两个最基本的气候因素看作系统外部韧性因素，共同作为气候变化的指标层纳入韧性指标体系的构建。
依据对人海关系地域系统的影响类型，将人海关系地域系统韧性划分为人类活动、气候变化、生态环境和资源水平4类。借鉴相关研究，遵循科学性、数据可获取性、可操作性和代表性原则，选取11个指标构建大连市人海关系地域系统韧性评价指标体系(表2)。指标体系分为3层。第一层为目标层：人海关系地域系统韧性；第二层为准则层：人类活动韧性、气候变化韧性、生态环境韧性和资源水平韧性；第三层为指标层，分别从正、负两个方面反映其对人海关系地域系统的影响。当指标性质为正，其值越大，表明其对人海关系地域系统韧性贡献值越强；当指标性质为负，其值越大，表明其对人海关系地域系统韧性贡献值越弱；反之则反。同时根据层次分析法，获取各准则层和指标层的权重。

2 结果与分析

2.1 大连市人海关系地域系统韧性的时空演化

图3~4表示2010—2020年每隔5年的大连市人海关系地域系统韧性的空间分布和各准则层韧性的面积转移情况。从时空角度来看，大连市人海关系地域系统韧性整体呈现“中部低南北高、沿海低内陆高”的空间分布格局，并随着时间递增，缓慢向好发展。在时间尺度上，大连市人海关系地域系统韧性整体上呈现略微向好发展的趋势。低韧性、较低韧性呈现向中等韧性、较高韧性和高韧性流转的趋势。人类活动、气候变化和资源水平准则层的高韧性面积占比均呈上升趋势，生态环境韧性的高韧性面积占比略微下降。可见，大连市的人海关系地域系统整体上保持现有韧性水平，但需要加强对生态环境的保护，在保持该系统社会经济活动发展势头的同时，做好生态保护和修复。通过人类干涉作用使得人海关系地域系统中的各子系统协调可持续发展。
图3 目标层及各准则层韧性的面积转移情况

Fig.3 Areal variation of resilience of the target layer and the criterion layer

图4 2010—2020年大连市人海关系地域系统韧性的时空演化

Fig.4 Spatial and temporal change of the resilience of the human-sea regional system in Dalian City during 2010-2020

从图4d可以看出，人海关系地域系统韧性变化的冷热点主要为零散分布的持续冷点和持续热点，在持续热点周围零散增加新增热点，证明该系统韧性在时空上具有蔓延的效应。持续冷点主要集中在中部和沿海地区，热点主要集中在旅顺口和北部丘陵地区以及长海县。持续冷点在市域范围内零散分布并向周围蔓延，与大连市的城市扩张方式紧密相关。2010—2020年大连市的城市扩张方式为多点式扩张，并且城市扩张的重心转移到北部，这也与现有研究保持一致[34]，因此这些区域社会基础设施和经济活动仍需要发展，生态环境水平一般，整体韧性水平较低。热点的形成主要有三种不同的原因：① 旅顺口区。旅顺口区的经济发展以旅游业为主，近年来，政府高度重视林业生态建设，绿色发展理念深入人心，生态环境水平高，且旅顺口位于大连市最南端，海岸线为行政区划线的3倍左右，海洋资源丰富。② 北部丘陵地带。该区域植被覆盖度高，陆域资源丰富，因此生态环境和资源水平优秀。由于地形不利于人类居住，且具有较丰富的陆域生态资源，使得人类活动程度较低，生态环境和资源水平较高。内部的低人类活动和高生态环境、资源水平也在一定程度上提高了该区域的外部气候变化韧性，这些原因共同造成了北部丘陵地带韧性水平高的局面。③ 海岛群。长海县成为热点是由于其作为大连市唯一一个由群岛组成的行政区，具有丰富的海岸线资源和生态资源，捕捞业、深海养殖业、远洋捕捞业等海洋产业发展成熟，但由于是岛屿，人口密度较低，基础设施建设较差，综合来看，由较高的资源水平和生态环境提高了其整体韧性水平。

2.2 大连市人海关系地域系统韧性的海陆梯度特征

观察图5可以发现，人海关系地域系统韧性呈现“离海越近、韧性越低”的海陆梯度特征。主要原因在于：受到地形和海洋资源的影响，人类聚集在海岸带附近进行频繁的社会经济活动，同时对海岸带的生态环境带来负面影响，资源水平降低，从而导致近海区域具有较低的韧性水平。
图5 大连市人海关系地域系统韧性的海陆梯度特征

Fig.5 Land-sea gradient characteristics of the resilience of the human-sea regional system in Dalian City

(1) 人类活动韧性：人类活动韧性呈离海越近、韧性越高的海陆梯度特征。距海10 km内较高；超过10 km后随着距离的递增，韧性减速变缓。主要原因是海岸带具有丰富的海洋资源，往往成为人类活动聚集的地方。在10 km范围内，分布着中心城区的核心区、旅顺口都市新区、皮口—杨树房都市组团、花园口都市组团、庄河都市组团、长兴岛都市组团、太平湾都市组团和长海都市组团共8个人类活动聚集区。因此，人口密度、基础设施建设、经济发展水平、教育资源丰富程度、企业集聚程度较高，进而使得离海越近的区域人类活动韧性越高。并且受制于地形影响，大连市为长白山余脉，内陆部分丘陵聚集，不适宜人类聚集，因而离海越远，人类活动韧性越低。
(2) 资源水平韧性：资源水平韧性整体上随距海距离的增加而增加，距海越近，韧性的年际变化越大。主要原因是沿海地带地势平坦，人类活动密集，导致该区域的本底生态系统服务价值较低，因此资源水平韧性较低。内陆地区为丘陵地带，林地耕地分布广泛，因此具有较高的本底生态系统服务价值。
(3) 生态环境韧性：生态环境韧性随距海距离的增加而增加，增幅呈“急—缓—急”的变化趋势，年际间差异较大。主要原因是在距海10 km范围内地势平坦，人类活动聚集区密集且规模不断扩大，人类活动影响频繁，导致在持续的高强度开发中，离海越近，生态系统韧性越低；随着离海距离的增加，地形逐渐由平原过渡为丘陵，海拔逐渐升高，山林广布，不适宜人类活动，并且受到生态环境政策的保护，中部地区多为禁止开发区和限制开发区，因此生态环境韧性较高。
(4) 气候变化韧性：气候变化韧性随距海距离的增加而增加，且增幅平缓。气候变化韧性作为外部韧性准则层，主要受到海陆相互作用、纬度地带性、垂直地带性和全球气候变化等综合自然因素的影响。由于海陆间的相互作用，导致近海区域降水量较大，年均温差大；由于纬度和海拔的差异，导致南部丘陵地区气候变化韧性较高；在受到自然因素影响的同时，也会受到人类活动的微弱影响，人类的部分社会经济活动会导致所处区域的温度上升，进而导致气候变化韧性的降低，而大连市的人类活动聚集区主要位于距海岸带10 km范围内，加剧了气候变化韧性的海陆梯度特征。

3 结论与讨论

3.1 结论

本文基于人海关系地域系统韧性的内部因素和外部干扰，从慢性压力和多源空间数据的角度构建人海关系地域系统韧性的指标体系，得出大连市2010、2015、2020年三期人海关系地域系统韧性的时空演化情况，并发现大连市的人海关系地域系统韧性在该系统内部人—海—陆三者的相互作用和外部气候变化的影响下，呈现出明显的海陆梯度特征。得到的主要结论如下：
(1) 大连市人海关系地域系统韧性整体呈现：“中部低南北高、沿海低内陆高”的空间分布格局。韧性在时空上具有蔓延的效应：韧性变化冷热点主要为零散分布的持续冷点和持续热点，在持续热点周围增加相应的新增热点。
(2) 大连市的人海关系地域系统韧性具有明显的海陆梯度特征。整体韧性呈现距海越远、韧性越高的梯度分布规律。各准则层韧性由高到低依次为生态环境韧性、气候变化韧性、资源水平韧性和人类活动韧性。人类活动韧性的年际间差异最小，气候变化韧性的年际间波动较大，资源水平韧性的年际间差异最大。除了人类活动韧性外，气候变化韧性、资源水平韧性和生态环境韧性都呈现出距海越远、韧性越高的梯度分布规律。
(3) 对于内部准则层韧性，不同的海陆梯度带具有不同的优势韧性。0~10 km是人类活动韧性优势带，>15 km是气候变化韧性和生态环境韧性优势带，>20 km是资源水平韧性优势带。

3.2 讨论

本文发现，大连市人海关系地域系统具有明显的海陆梯度特征，结合人海关系地域系统是由人类社会、陆域、海域三大组成要素共同组成的要素基础，可将人海关系地域系统韧性依据距海距离、准则层韧性水平划分为4类：内陆社会经济发展区、内陆资源保护区、沿海社会经济发展区和沿海资源保护区，从微观层面上，对韧性进行分区、分特色治理(图6)。在宏观政策调控方面，人类活动韧性的低值区呈现蔓延式增长趋势，与现有研究保持一致[34]，应控制好开发强度，限制开发边界。在限制土地利用开发的基础上，加大涉海企业和科技创新的投资力度，在保证低碳经济的基础上提高海洋经济发展水平，制定蓝碳经济发展蓝图。
图6 人海关系地域系统韧性的政策调控方针

Fig.6 Policy control of the resilience of the human-sea regional system

本文结合多源大数据，构建了人海关系地域系统韧性的逻辑框架，尝试从栅格尺度进行人海关系地域系统韧性的评估，从人类活动、气候变化、生态环境和资源水平4个准则层对大连市的人海关系地域系统韧性进行时空演化分析，探讨市域尺度的人海关系地域系统在不同空间上进行可持续发展的优势韧性，并探索了人海关系地域系统韧性的海陆梯度特征，为沿海城市将海洋作为系统组成要素纳入韧性的考量提供了探索路径，对未来沿海城市栅格尺度上的韧性研究提供了参考依据。为了使得研究具有一定的推广性和适用性，在指标选取上本文结合韧性和人海关系地域系统的相关研究，选取了具有普适性、易得性、代表性的指标进行指标体系构建。此外，本文将多源时空数据引入人海关系地域系统韧性研究的指标体系，能从空间上直观观察韧性的时空分布格局和演变情况，解决了用面板数据对市域尺度进行韧性评估的单一性。
本文尚有一些局限性，需要未来的研究深入探索和讨论。在研究区域的选取上，本文仅从大连市着手进行韧性的时空演化和海陆梯度特征分析，今后可以考虑从全国沿海地区着手，以达到对全国沿海地区的人海关系地域系统韧性进行海陆梯度性规律探究的目的；在对人海关系地域系统韧性的理论探索上，可以将视角从韧性状态转向韧性过程，探索系统韧性演化的过程机制，进而更好地提出促进城市可持续发展的韧性优化措施。受限于海洋空间数据的难获取性，本文在指标选取方面对海洋数据涉及较少，因此未来可在海洋资源水平方面完善指标体系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李博, 史钊源, 韩增林, 等. 环渤海地区人海经济系统环境适应性时空差异及影响因素[J]. 地理学报, 2018, 73(6): 1121-1132.

DOI

[Li Bo, Shi Zhaoyuan, Han Zenglin, et al. Spatio-temporal difference and influencing factors of environmental adaptability measurement of human-sea economic system in Bohai Rim region. Acta Geographica Sinica, 2018, 73(6): 1121-1132.]

DOI

[2]
Kates R W, Clark W C, Corell R, et al. Sustainability science[J]. Science, 2001, 292: 641-642.

PMID

[3]
Holling C S. Understanding the complexity of economic, ecological, and social systems[J]. Ecosystems, 2001, 4: 390-405.

[4]
Folke C. Resilience: The emergence of a perspective for social-ecological systems analyses[J]. Global Environmental Change, 2006, 16(3): 253-267.

[5]
Spaans M, Waterhout B. Building up resilience in cities worldwide: Rotterdam as participant in the 100 resilient cities programme[J]. Cities, 2017, 61: 109-116.

[6]
孙阳, 张落成, 姚士谋. 基于社会生态系统视角的长三角地级城市韧性度评价[J]. 中国人口·资源与环境, 2017, 27(8): 151-158.

[Sun Yang, Zhang Luocheng, Yao Shimou. Evaluating resilience of prefecture cities in the Yangtze River Delta region from a socio-ecological perspective. China Population, Resources and Environment, 2017, 27(8): 151-158.]

[7]
岳俞余, 彭震伟. 乡村聚落社会生态系统的韧性发展研究[J]. 南方建筑, 2018(5): 4-9.

[Yue Yuyu, Peng Zhenwei. Research on the development of resilient social ecosystems in rural settlements. South Architecture, 2018(5): 4-9.]

[8]
史晨辰, 朱小平, 王辰星, 等. 韧性城市研究综述: 基于城市复杂系统视角[J]. 生态学报, 2023, 43(4): 1726-1737.

[Shi Chenchen, Zhu Xiaoping, Wang Chenxing, et al. Review and prospect of resilient cities: From the perspective of urban complex systems. Acta Ecologica Sinica, 2023, 43(4): 1726-1737.]

[9]
Smit B, Wandel J. Adaptation, adaptive capacity and vulnerability[J]. Global Environmental Change, 2006, 16(3): 282-292.

[10]
Zhao R D, Fang C L, Liu J, et al. The evaluation and obstacle analysis of urban resilience from the multidimensional perspective in Chinese cities[J]. Sustainable Cities and Society, 2022, 86: 104160. doi: 10.1016/j.scs.2022.104160.

[11]
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

[Bai Limin, Xiu Chunliang, Feng Xinghua, et al. A comprehensive assessment of urban resilience and its spatial differentiation in China. World Regional Studies, 2019, 28(6): 77-87.]

DOI

[12]
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.

DOI

[Chen Xiaohong, Lou Jinnan, Wang Ying. Evolution and dynamic simulation of the temporal-spatial pattern of urban resilience in Harbin-Changchun urban group. Scientia Geographica Sinica, 2020, 40(12): 2000-2009.]

DOI

[13]
焦柳丹, 王驴文, 张羽, 等. 基于多木桶模型的长三角城市群韧性水平评估研究[J]. 世界地理研究, 2024, 33(1): 96-106.

DOI

[Jiao Liudan, Wang Lvwen, Zhang Yu, et al. Resilience assessment of the Yangtze River Delta urban agglomeration based on multi-barrel model. World Regional Studies, 2024, 33(1): 96-106.]

DOI

[14]
Li G J, Kou C H, Wang Y S, et al. System dynamics modelling for improving urban resilience in Beijing, China[J]. Resources, Conservation and Recycling, 2020, 161:104954. doi: 10.1016/j.resconrec.2020.104954.

[15]
李瑞奇, 黄弘, 周睿. 基于韧性曲线的城市安全韧性建模[J]. 清华大学学报(自然科学版), 2020, 60(1): 1-8.

[Li Ruiqi, Huang Hong, Zhou Rui. Resilience curve modelling of urban safety resilience. Journal of Tsinghua University (Science and Technology), 2020, 60(1): 1-8.]

[16]
彭翀, 林樱子, 顾朝林. 长江中游城市网络结构韧性评估及其优化策略[J]. 地理研究, 2018, 37(6): 1193-1207.

DOI

[Peng Chong, Lin Yingzi, Gu Chaolin. Evaluation and optimization strategy of city network structural resilience in the middle reaches of Yangtze River. Geographical Research, 2018, 37(6): 1193-1207.]

[17]
魏石梅, 潘竟虎. 中国地级及以上城市网络结构韧性测度[J]. 地理学报, 2021, 76(6): 1394-1407.

DOI

[Wei Shimei, Pan Jinghu. Network structure resilience of cities at the prefecture level and above in China. Acta Geographica Sinica, 2021, 76(6): 1394-1407.]

DOI

[18]
Sherrieb K, Norris F H, Galea S. Measuring capacities for community resilience[J]. Social Indicators Research, 2010, 99: 227-247.

[19]
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. Urban Problems, 2018(9): 27-34.]

[20]
汪永生, 李玉龙, 王文涛. 中国海洋生态经济系统韧性的时空演化及障碍因素[J]. 生态经济, 2022, 38(5): 53-59.

[Wang Yongsheng, Li Yulong, Wang Wentao. Spatial and temporal changes and obstacle factors of marine ecological-economic resilience in China. Ecological Economy, 2022, 38(5): 53-59.]

[21]
王松茂, 牛金兰. 山东半岛城市群城市生态韧性的动态演化及障碍因子分析[J]. 经济地理, 2022, 42(8): 51-61.

DOI

[Wang Songmao, Niu Jinlan. Dynamic evolution and obstacle factors of urban ecological resilience in Shandong Peninsula urban agglomeration. Economic Geography, 2022, 42(8): 51-61.]

DOI

[22]
赵自妍. 突发公共危机事件中自组织对城市韧性的影响: 以H市极端暴雨为例[J]. 中国应急救援, 2022(2): 17-22.

[Zhao Ziyan. The impact of self-organization on city resilience in emergent public events: Taking the extreme rainstorms in H City as an example. China Emergency Rescue, 2022(2): 17-22.]

[23]
魏峰, 殷文星, 胡本田. 新冠肺炎疫情冲击下长三角经济韧性及影响因素分析[J]. 工业技术经济, 2023, 42(1): 119-128.

[Wei Feng, Yin Wenxing, Hu Bentian. Economic resilience and influencing factors of Yangtze River Delta under the impact of COVID-19. Journal of Industrial Technology and Economy, 2023, 42(1): 119-128.]

[24]
彭坤杰, 许春晓, 贺小荣. 长三角地区城市人居环境韧性水平演化特征[J]. 经济地理, 2023, 43(6): 74-84.

DOI

[Peng Kunjie, Xu Chunxiao, He Xiaorong. Spatiotemporal evolution characteristics of urban human settlement resilience in Yangtze River Delta. Economic Geography, 2023, 43(6): 74-84.]

DOI

[25]
Roy K C, Cebrian M, Hasan S. Quantifying human mobility resilience to extreme events using geo-located social media data[J]. EPJ Data Science, 2019, 8: 18. doi: 10.1140/epjds/s13688-019-0196-6.

[26]
赵巍, 徐筱雯. 数字经济对农业经济韧性的影响效应与作用机制[J]. 华南农业大学学报(社会科学版), 2023, 22(2): 87-96.

[Zhao Wei, Xu Xiaowen. Effect and mechanism of digital economy on the resilience of agricultural economy. Journal of South China Agricultural University (Social Science Edition), 2023, 22(2): 87-96.]

[27]
资明贵, 周怡, 罗静, 等. 山区乡村地域系统韧性测度及影响因素研究: 以大别山区罗田县为例[J]. 地理科学进展, 2022, 41(10): 1819-1832.

DOI

[Zi Minggui, Zhou Yi, Luo Jing, et al. Measurement and influencing factors of rural regional system resilience in mountainous areas: A case study of Luotian County in the Dabie Mountains. Progress in Geography, 2022, 41(10): 1819-1832.]

DOI

[28]
耿艺伟, 李效顺, 陈伟强, 等. 乡村地域系统韧性类型识别与驱动机制研究: 以豫东平原区商丘市睢阳区为例[J]. 地理科学进展, 2023, 42(9): 1755-1768.

DOI

[Geng Yiwei, Li Xiaoshun, Chen Weiqiang, et al. Identification of rural regional system resilience types and driving mechanism: Taking Suiyang District, Shangqiu City as an example. Progress in Geography, 2023, 42(9): 1755-1768.]

DOI

[29]
汤礼莎, 龙花楼, 戈大专. 乡村人居环境弹性形成的空间分异特征与机制: 以洞庭湖区为例[J]. 地理学报, 2023, 78(6): 1339-1354.

DOI

[Tang Lisha, Long Hualou, Ge Dazhuan. Spatial differentiation characteristics and mechanism of rural human settlement resilience formation: A case study of Dongting Lake area. Acta Geographica Sinica, 2023, 78(6): 1339-1354.]

DOI

[30]
应超, 李加林, 刘永超, 等. 东海海岸带县域城市韧性演化及影响因素[J]. 地理学报, 2024, 79(2): 462-483.

DOI

[Ying Chao, Li Jialin, Liu Yongchao, et al. The spatiotemporal evolution and influencing factors of resilience of county-level cities in the East China Sea coastal zone based on "background-operation-efficiency". Acta Geographica Sinica, 2024, 79(2): 462-483.]

DOI

[31]
王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报, 2021, 76(4): 973-991.

DOI

[Wang Shaojian, Cui Zitian, Lin Jingjie, et al. Coupling relationship between urbanization and ecological resilience in the Pearl River Delta. Acta Geographica Sinica, 2021, 76(4): 973-991.]

DOI

[32]
夏楚瑜, 董照樱子, 陈彬. 城市生态韧性时空变化及情景模拟研究: 以杭州市为例[J]. 生态学报, 2022, 42(1): 116-126.

[Xia Chuyu, Dong Zhaoyingzi, Chen Bin. Spatio-temporal analysis and simulation of urban ecological resilience: A case study of Hangzhou. Acta Ecologica Sinica, 2022, 42(1): 116-126.]

[33]
薛飞, 张念慈, 夏楚瑜, 等. 城市生态韧性水平空间评估及驱动力分析: 以北京市通州区为例[J]. 生态学报, 2023, 43(16): 6810-6823.

[Xue Fei, Zhang Nianci, Xia Chuyu, et al. Spatial evaluation of urban ecological resilience and analysis of driving forces: A case study of Tongzhou District, Beijing. Acta Ecologica Sinica, 2023, 43(16): 6810-6823.]

[34]
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.

DOI

[Xiu Chunliang, Wei Ye, Wang Qi. Evaluation of urban resilience of Dalian City based on the perspective of "size-density-morphology". Acta Geographica Sinica, 2018, 73(12): 2315-2328.]

DOI

[35]
李博. 人海关系地域系统脆弱性与适应性理论、方法与实证[M]. 北京: 科学出版社, 2018: 64-67.

[Li Bo. Theoretical, methodological, and empirical studies on the vulnerability and adaptability of the human-sea territorial system. Beijing, China: Science Press, 2018: 64-67.]

[36]
Webber S, Leitner H, Sheppard E. Wheeling out urban resilience: Philanthrocapitalism, marketization, and local practice[J]. Annals of the American Association of Geographers, 2021, 111(2): 343-363.

[37]
谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254.

[Xie Gaodi, Zhang Caixia, Zhang Leiming, et al. Improvement of the evaluation method for ecosystem service value based on per unit area. Journal of Natural Resources, 2015, 30(8): 1243-1254.]

DOI

[38]
方叶林, 程雪兰, 苏雪晴, 等. 一体化进程对旅游经济的空间溢出效应: 以长三角城市群为例[J]. 地理科学, 2021, 41(9): 1546-1555.

DOI

[Fang Yelin, Cheng Xuelan, Su Xueqing, et al. The spatial spillover effect of integration progress on tourism economy: A case study of the Yangtze River Delta urban agglomeration. Scientia Geographica Sinica, 2021, 41(9): 1546-1555.]

DOI

[39]
李博, 崔宝元, 郭宇剑, 等. 环渤海地区人海关系地域系统弹性评价[J]. 海洋经济, 2020, 10(3): 31-43.

[Li Bo, Cui Baoyuan, Guo Yujian, et al. Evaluation of regional system resilience of human-sea relations in the Bohai Rim. Marine Economy, 2020, 10(3): 31-43.]

[40]
赵瑞东, 方创琳, 刘海猛. 城市韧性研究进展与展望[J]. 地理科学进展, 2020, 39(10): 1717-1731.

DOI

[Zhao Ruidong, Fang Chuanglin, Liu Haimeng. Progress and prospect of urban resilience research. Progress in Geography, 2020, 39(10): 1717-1731.]

DOI

[41]
吴浩, 江志猛, 林安琪, 等. 基于隐性—韧性—显性的武汉城市资源环境承载力空间特征[J]. 地理学报, 2021, 76(10): 2439-2457.

DOI

[Wu Hao, Jiang Zhimeng, Lin Anqi, et al. Analyzing spatial characteristics of urban resource and environment carrying capacity based on covert-resilient-overt: A case study of Wuhan City. Acta Geographica Sinica, 2021, 76(10): 2439-2457.]

DOI

[42]
丁煜莹, 杨习铭. 河南省城市韧性评价及障碍因子诊断分析[J]. 兰州财经大学学报, 2021, 37(5): 109-123.

[Ding Yuying, Yang Ximing. Evaluation of urban resilience and analysis of obstacle factors in Henan Province. Journal of Lanzhou University of Finance and Economics, 2021, 37(5): 109-123.]

Options
文章导航

/

〈 〉