极端天气事件以及由气候变化和人类活动引起的自然灾害的频率和强度都在增加（IPCC，2021年），严重扰乱了社会经济系统的正常运行（Marin和Modica，2017年）。这些扰乱尤为明显，因为级联和高度可变的反应破坏了农业（Malik等人，2022年）、能源（He等人，2019年）和交通（Debortoli等人，2019年；Lenzen等人，2023年）等关键子系统的稳定性，经常打破它们的平衡。根据EM-DAT数据库的数据，2022年全球自然灾害的直接经济损失比1992年至2021年的平均水平高出53%，凸显了灾害造成的损失日益严重。此外，海洋热浪和海平面上升等灾害的长期影响可能导致供应链中断（Smith等人，2021年）、供需失衡以及损失扩散（Lenzen等人，2019年；Villase?or-Derbez等人，2024年），进一步加剧了经济系统的脆弱性、敏感性和不平等。因此，解决社会经济系统如何在面对这些干扰时保持核心功能、快速恢复并适应变化，对于实现可持续发展至关重要。
随着从灾害管理向风险管理的转变，韧性已成为应对系统脆弱性的关键概念（Wei等人，2004年；Manyena等人，2019年）。韧性这一概念起源于生态学领域，此后在工程学（Holling，1996年）、社会学（Keck和Sakdapolrak，2013年）和经济学（Rose，2004年）中得到广泛应用。最初，韧性研究侧重于被动吸收冲击，现在则强调主动适应和抵抗力（Nelson等人，2007年；Pike等人，2010年；Zhong等人，2024年）。韧性的焦点也从个体功能的短期恢复转变为复杂系统的长期自我组织和协调演化（Zhang等人，2016年；Carr，2019年；Zhu等人，2024年），这与可持续发展目标高度一致。
现有研究已经开发了多维韧性评估方法，这些方法纳入了抵抗力、恢复力、吸收能力、适应性和可转型性等指标（Rose和Krausmann，2013年；Angeon和Bates，2015年；Li等人，2024年；Tscholl等人，2024年；Ozdemir，2024年）。这些方法通过构建指数来量化系统抵御不确定事件的能力。此外，基于复杂适应系统（CAS）理论的研究日益突出（Griffith等人，2019年；Tu等人，2019年；Karakoc等人，2023年；Wu等人，2024年）。它强调系统在冲击后的动态恢复率，通常通过移除关键节点来分析复杂网络中的级联故障。
社会经济系统的韧性评估往往面临局限性。基于指数的方法可能受到指标选择不完整或不相关以及区域适用性有限的问题。同样，基于CAS的分析有时会忽视非均衡条件下灾害的跨区域和跨部门涟漪效应。然而，投入产出（IO）模型提供了一个综合工具，用于捕捉经济系统的复杂相互依赖性，包括区域间扩散和供应链传播，使其特别适用于分析灾害韧性（Okuyama和Santos，2014年；Galbusera和Giannopoulos，2018年；Klimek等人，2019年）。基于IO和可计算一般均衡（CGE）模型的现有研究通常使用总产出损失来衡量韧性。这些模型关注上游生产效应并模拟时间依赖的恢复过程（Rose和Liao，2005年；Barker和Santos，2010年；Rose和Wei，2013年；Pant等人，2014年；He等人，2017年）。然而，这种以产出为导向的分析强调生产活动，而忽视了消费方面的响应和下游影响（Steenge和Bo?karjova，2007年）。例如，在海洋热浪期间，鱼类和甲壳类动物的减产限制了蓝色食品的供应。尽管存在短期消费刚性，但它往往迫使消费者转向营养价值较低的替代品。
在全球化和区域专业化背景下，灾害影响不仅限于部门间的溢出效应，还由于部门间的相互依赖性而扩展到区域间的经济损失（Kharrazi等人，2015年；Cottrell等人，2019年；Lenzen等人，2019年；Sun等人，2024年）。因此，我们强调不仅要捕捉灾害冲击下调整消费行为所带来的经济损失，还要捕捉系统向新的灾后均衡过渡过程中出现的级联部门间和区域间效应。因此，本研究中定义的韧性反映了社会经济系统抵抗、适应和调整灾害造成的消费方面负面影响的的能力。我们使用灾后消费损失作为韧性指标，重点关注非均衡条件下的消费方面响应。值得注意的是，这一定义与联合国国际减灾战略（UNISDR）2009年对韧性的定义一致。
在此基础上，我们通过多区域投入产出（MRIO）表来衡量基于阈值的社会经济系统韧性，包括抵抗力、适应能力和调整能力。它评估了消费者对灾害引起的生产中断的响应。本研究中比较的四种投入产出灾害分析方法都将事件矩阵纳入IO模型（Steenge和Bo?karjova，2007年；Schulte in den B?umen等人，2014年；Faturay等人，2020年；Li等人，2022年），这种方法最初由Steenge和Bo?karjova（2007年）引入，用于估计外部冲击下的潜在灾后消费。因此，这些方法产生的相对消费损失可以直接比较。随后，我们计算这些相对消费损失，并根据损失是否超过预定义的韧性阈值来识别非韧性地区和部门。这些识别出的地区和部门内的绝对消费损失作为社会经济系统韧性的指标。重要的是，根据Schulte in den B?umen等人（2014年）的方法，非韧性地区和部门的消费损失可以作为系统抵抗能力的指标。它表明了系统在阻止损失通过供应链进一步传播方面的有效性，从而维持基本的运营稳定性。借鉴Faturay等人（2020年）的研究，非韧性地区和部门的消费损失表明了系统通过优化需求-产出-库存分配在多个地区和部门间的适应能力。它反映了系统在空间和部门分配上的灵活性，以分散或重新分配由灾害引起的需求和产出短缺，从而管理不确定性冲击并降低灾害影响的集中风险。此外，通过整合Li等人（2022年）提出的投入替代机制，它更全面地捕捉了系统在微观生产要素层面的调整能力。它突显了系统通过替代和重组关键生产投入来快速重构生产配置的能力，从而在灾害情景中保持或恢复供应链的灵活性。
总体而言，本研究创新性地实现了社会经济系统韧性的可比评估，不仅涵盖了直接受影响的地区和部门，还包括通过供应链联系间接受影响的地区和部门。抵抗力、适应能力和调整能力共同捕捉了系统韧性的多方面性质。特别是，调整能力在最小化灾后消费损失和加强整体系统韧性方面至关重要。通过考虑损失预防、适应性响应和调整机制，本研究提供了对社会经济系统如何应对灾害风险的更全面理解。为了说明本研究的应用，我们对北美和太平洋经合组织的蓝色食品系统（包括淡水和海洋生态系统中的渔业、甲壳类动物和软体动物）在海洋热浪影响下的韧性进行了分析（Tigchelaar等人，2022年）。尽管研究集中在这些地区，但所提出的框架可扩展到不同的空间背景。最终，通过识别非韧性地区和部门，本研究为政府的有针对性的监测和干预提供了基础，也为区域灾害风险管理和工业灾害预防及缓解政策提供了科学指导。
