河南省城市韧性的非线性归因与精准治理:一种集成机器学习与地理加权随机森林方法

《Ecological Indicators》:Nonlinear attribution and precision governance of urban resilience in Henan: An integrated machine learning and Geographically Weighted Random Forest approach

【字体: 大 中 小 】 时间:2026年07月23日 来源:Ecological Indicators 8.7

编辑推荐:

  理解城市韧性(UR)的时空演化及相关指标的解释性贡献,对于以韧性为导向的区域治理至关重要,尤其是在欠发达的内陆地区。本文利用河南省18个地级市2014-2023年的面板数据,构建了一个包含生态、经济、社会、基础设施、制度和技术创新(EESIIT)的多维评估框架

  
理解城市韧性(UR)的时空演化及相关指标的解释性贡献,对于以韧性为导向的区域治理至关重要,尤其是在欠发达的内陆地区。本文利用河南省18个地级市2014-2023年的面板数据,构建了一个包含生态、经济、社会、基础设施、制度和技术创新(EESIIT)的多维评估框架,明确将技术创新作为一个额外维度,以扩展传统的五维度UR评估框架。研究人员首先采用GIPPM-EWM-CWGT方法量化UR;随后,集成GBDT、GWRF和PDPs,以筛选关键解释性指标,检验其空间异质性的解释性贡献,并探索非线性边际响应模式。进一步采用多场景模拟和IRPU指数来评估未来UR轨迹和城市特定的边际干预效率。主要发现:(1) 河南省UR表现出明显的城市间分异、区域不均衡和时间波动性,大多数城市在2019年前有所改善,而在2020年后下降或波动。郑州和洛阳形成了主要高值中心,空间自相关随时间减弱,但局部差异依然存在。(2) 地方政府一般公共预算收入、研发人员数量、城市人口密度和公共安全支出比例被确定为四个关键解释性指标,占总特征重要性的66%。它们的局部重要性在空间上有所不同,PDPs进一步显示,财政能力和研发人员具有阶梯式边际响应,人口密度在某些城市表现出早期响应后趋于稳定,公共安全支出表现出逐渐累积的响应。(3) 2024-2035年的情景模拟显示,较高的干预强度通常会产生更大的UR改善,而IRPU分析揭示了各城市在边际效率上的显著差异。这些发现表明,UR治理应根据地方韧性约束和边际响应特征,采取空间差异化和城市特定的策略。
**论文解读:基于集成机器学习与地理加权随机森林的河南省城市韧性非线性归因与精准治理研究**

**研究背景与问题**

在全球气候变化加剧、极端天气事件频发以及经济持续转型的背景下,城市系统正面临日益复杂的不确定性和系统性风险。城市韧性(UR),即城市抵抗、吸收、适应并从干扰中快速恢复的能力,已成为区域可持续发展与国土空间治理的关键议题。河南省地处中国中部,是连接东西南北的战略走廊,也是重要的粮食生产基地和中原城市群的核心空间载体。然而,快速城镇化使其18个地级市面临洪水、水资源短缺、产业结构调整压力及基础设施老化等多重挑战。2021年郑州“7·20”极端暴雨事件进一步凸显了极端条件下城市系统的脆弱性及提升UR的紧迫性。

现有UR研究多围绕生态、经济、社会、基础设施和制度等维度构建评估框架,侧重于评估城市依赖现有资源抵抗冲击并从中恢复的能力,而对城市在复合风险下持续学习、系统重构和路径转型的内生能力关注有限。此外,传统研究方法(如线性回归或全局模型)在处理高维、非线性及空间非平稳性关系时面临局限性,难以区分紧密相关指标的相对解释性贡献,可能掩盖不同区域指标解释性贡献的局部差异,并且不擅长探索非线性边际响应模式。因此,亟需一个能够整合多维评估、全局非线性筛选、局部空间异质性分析、非线性响应探索与情景模拟的综合框架,以实现对UR的精准归因与差异化治理。

**本研究开展的内容、结论与意义**

本研究针对上述问题,构建了一个集成框架。首先,研究人员构建了包含生态、经济、社会、基础设施、制度和技术创新(EESIIT)的六维UR评估指标体系,明确将技术创新纳入其中。其次,采用改进的投影寻踪模型(GIPPM)结合熵权法(EWM)和组合权重博弈理论(CWGT)量化UR。随后,集成梯度提升决策树(GBDT)筛选关键解释性指标,利用地理加权随机森林(GWRF)分析其局部空间异质性,并借助部分依赖图(PDPs)探索非线性边际响应模式。最后,基于多情景模拟和单位增量韧性指数(IRPU)评估未来UR轨迹及城市特定边际干预效率。研究得出以下结论:河南省UR呈现显著的城市间分异、区域不均衡与时间波动,多数城市在2019年前改善,2020年后下降或波动。地方政府一般公共预算收入、研发人员数量、城市人口密度和公共安全支出比例是四个关键解释性指标,其局部重要性存在空间异质性,且边际响应模式呈现非线性(如阶梯式、早期响应后稳定、累积式)。情景模拟与IRPU分析表明,不同城市对干预强度的边际效率响应差异显著,需采用空间差异化和城市特定的韧性治理策略。该研究发表在《Ecological Indicators》期刊上,其意义在于通过引入技术创新维度扩展了UR理论框架,并通过集成空间机器学习方法,为UR的精准归因与差异化治理提供了方法论和决策支持。

**主要技术方法**

本研究使用的主要技术方法包括:(1) 基于混沌粒子群遗传算法(CPSGA)与序列二次规划(SQP)混合优化策略的梯度改进投影寻踪模型(GIPPM),用于高维数据降维与客观赋权。(2) 熵权法(EWM)与组合权重博弈理论(CWGT),用于融合GIPPM的投影信息与EWM的熵信息,确定综合权重。(3) 梯度提升决策树(GBDT),用于从31个评价指标中筛选具有较高相对解释贡献的关键指标。(4) 地理加权随机森林(GWRF),采用高斯核函数和75km固定带宽,基于留一城市空间交叉验证优化,用于分析关键指标解释贡献的局部空间异质性。(5) 部分依赖图(PDPs),用于揭示关键指标的非线性边际响应模式。(6) 多情景模拟(设定2%、5%、8%、10%的年均干预强度)与单位增量韧性指数(IRPU),用于评估未来韧性轨迹及城市间边际干预效率差异。样本队列来源于河南省18个地级市2014-2023年的面板数据。

**研究结果**

**4.1 城市韧性的时空演化**:通过GIPPM-EWM-CWGT方法量化UR,发现河南省UR呈现明显的城市间分异,郑州水平最高(平均0.808),洛阳次之(0.525),濮阳、信阳、周口、驻马店等较低。时间上,多数城市在2014-2019年间UR总体上升,2020年后出现下降或波动。全局Moran's I显示,UR空间自相关在研究期内为正但逐渐减弱,从2014年显著(0.173)降至2023年不显著(0.038),表明整体空间依赖性随时间减弱,但局部Moran's I分析显示局部差异依然存在。区域层面,豫中地区UR水平最高,豫西次之,而豫北、豫东、豫南低于全省平均。子系统分析表明,经济韧性(ECR)、基础设施韧性(IFR)、制度韧性(ISR)和技术创新韧性(TIR)呈上升趋势,而社会韧性(SR)在2016-2017年达到峰值后下降,生态韧性(ER)波动,表明社会和生态韧性成为后期UR提升的约束。

**4.2 关键解释性指标的全局归因与时空分布**:通过比较六种集成学习模型,选择GBDT进行全局非线性筛选。GBDT模型的特征重要性排序显示,四个指标(x8: 地方政府一般公共预算收入、x27: 研发人员数量、x12: 城市人口密度、x22: 公共安全支出比例)占总特征重要性的66%,是解释UR分数变异的关键指标。时空分布图显示,财政能力和研发人员资源高度集中于郑州;人口密度分布更动态且多中心;公共安全支出比例时间波动性大,空间分布更分散。

**4.3 关键解释性指标的空间异质性与非线性响应**:GWRF模型性能优于OLS、SRT、RF和GWR。局部特征重要性分析显示,四个关键指标的解释性贡献存在显著空间异质性:财政能力(x8)在豫中-豫西地区局部重要性更高;研发人员(x27)在豫西-豫西南地区重要性更高;人口密度(x12)在豫北-豫东北地区重要性更高;公共安全支出(x22)在豫南-豫东南地区重要性更高。PDPs分析进一步揭示了非线性边际响应模式:财政能力和研发人员呈现阶梯式响应,在达到一定水平后边际贡献增加;人口密度在某些城市呈现早期响应后进入平台期;公共安全支出呈现逐渐累积的响应模式。

**4.4 多场景模拟与城市特定边际干预效率**:基于训练好的GBDT模型进行2024-2035年多情景模拟,结果显示,在2%、5%、8%、10%四种干预强度下,UR均呈上升趋势,但8%和10%情景下的提升幅度更大。IRPU分析揭示了城市间边际效率的显著差异:鹤壁、漯河、南阳、济源在2%情景下达到最大IRPU,属于低强度敏感型城市;洛阳、周口在5%情景下,新乡、商丘在8%情景下达到最大IRPU,属于中强度增长型城市;郑州、开封、平顶山、安阳、焦作、濮阳、许昌、三门峡、信阳、驻马店在10%情景下达到相对最优,属于高强度激活型城市,但郑州的IRPU在所有情景下均为负值,表明仅提升所选指标可能不足以克服其结构约束。

**总结与讨论**

讨论部分指出,本研究构建的六维EESIIT框架通过纳入技术创新维度,将UR评估从侧重于抵抗与恢复扩展到适应与转化,有助于解释为何一些城市在物理防御网络受限时仍能实现更强的适应能力。在方法上,GIPPM-CPSGA-SQP混合优化策略改善了传统投影寻踪模型易陷入局部最优的问题,与EWM结合并通过CWGT进行平衡,提供了更稳健的量化基础。GBDT、GWRF与PDPs的集成框架,相比单一线性模型或全局模型,能更灵活地筛选关键指标、揭示其空间异质性贡献并探索非线性边际响应模式,为设计差异化韧性策略提供了依据。IRPU指数将分析重点从UR改善总量转向边际效率,为城市选择经济高效的干预强度提供了决策支持工具。

研究结论部分翻译如下:
(1) 河南省UR表现出明显的城市间分异、区域不均衡和时间波动性。城市层面,郑州始终保持最高UR水平,洛阳次之,而濮阳、信阳、周口和驻马店处于较低水平。时间上,多数城市UR在2014-2019年间总体上升,2020年后下降或波动。空间自相关分析显示,Moran's I保持正值但逐渐减弱,表明UR的整体空间依赖性随时间下降,但局部差异依然存在。区域层面,豫中地区UR水平最高,豫西次之,而豫北、豫东和豫南普遍低于全省平均水平。子系统分析进一步显示,ECR、IFR、ISR和TIR在研究期间有所改善,而SR在达到峰值后下降,ER波动,表明社会和生态韧性成为进一步UR提升的重要约束。
(2) 基于模型的归因结果揭示了空间异质性的解释性贡献和非线性边际响应模式。GBDT识别出地方政府一般公共预算收入(x8)、研发人员数量(x27)、城市人口密度(x12)和公共安全支出比例(x22)为在构建的UR指数中具有最高相对特征重要性的四个关键解释性指标。它们的局部重要性在空间上各不相同:财政能力在豫中-豫西地区局部重要性更高,研发人员在豫西-豫西南地区,人口密度在豫北-豫东北地区,公共安全支出在豫南-豫东南地区。这些指标也表现出非线性边际响应模式,具体而言,财政能力和研发人员呈现更明显的阶梯式响应,人口密度在某些城市表现出早期响应后趋于稳定,公共安全支出呈现出更逐渐的累积式响应。这些发现表明,不应将所选指标解释为对所有城市具有统一或独立的因果效应;相反,其基于模型的解释性贡献取决于当地发展条件和输入范围。
(3) 情景模拟和IRPU分析表明,UR的模拟改善需要城市特定的干预策略。2024-2035年的多情景模拟显示,在四种模拟干预强度下,河南省UR总体呈上升趋势,但8%和10%情景下的改善幅度大于2%情景。然而,IRPU结果显示,边际收益在不同城市间差异显著。鹤壁、漯河、南阳和济源在2%情景下达到最高IRPU,表明对低强度干预更敏感。洛阳和周口在5%情景下达到最大IRPU,而新乡和商丘在8%情景下表现最佳。其他城市,包括开封、平顶山、安阳、焦作、濮阳、许昌、三门峡、信阳、驻马店和郑州,在10%情景下达到相对最优,但郑州的IRPU在所有模拟情景下仍为负值。这些结果表明,统一的干预强度不太可能对所有城市同样有效。因此,河南省的UR治理应根据每个城市的边际响应特征采取差异化策略。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号