《Sustainable Futures》：Spatial assessment of urban resilience to extreme rainfall and dynamic validation using post-event traffic data
编辑推荐：
评估城市对极端降雨的韧性对于气候变化和快速城市化背景下的可持续发展至关重要。然而，现有的韧性评估通常仅依赖静态指标，缺乏基于真实灾害情景的实证验证。为弥补这一差距，本研究开发了一个多子系统、多尺度的极端降雨下城市韧性评估框架，并利用动态移动数据进行了验证。以深
评估城市对极端降雨的韧性对于气候变化和快速城市化背景下的可持续发展至关重要。然而，现有的韧性评估通常仅依赖静态指标，缺乏基于真实灾害情景的实证验证。为弥补这一差距，本研究开发了一个多子系统、多尺度的极端降雨下城市韧性评估框架，并利用动态移动数据进行了验证。以深圳市为研究区域，研究人员构建了一个涵盖生态、社会、经济和基础设施子系统的综合指标体系。采用熵权TOPSIS（Entropy-weighted TOPSIS, EWM-TOPSIS）模型量化韧性，并在四个尺度（包括1km网格、街道、社区和交通分析区（TAZ））上识别了空间聚类模式。认识到交通网络构成了城市韧性的物理骨架，本研究利用韧性三角形（Resilience Triangle）理论，并使用了2023年9月7日特定暴雨事件期间的城市尺度出租车起讫点（OD）数据，来验证基础设施子系统的韧性。结果显示深圳市的韧性存在显著的空间异质性。关键的是，从出租车轨迹得出的动态恢复模式与模型的高韧性区域表现出强相关性，证实了所提出的评估框架准确反映了城市抵御和恢复洪水冲击的物理能力。本研究为分层城市韧性评估和管理提供了一个经过科学验证的框架。
**论文解读文章**
**研究背景与问题**
在全球气候变化和快速城市化背景下，极端降雨事件频发且强度增加，对城市系统造成严重威胁。例如，2023年中国因洪水灾害直接经济损失超过2445亿元。现有城市韧性评估多依赖静态指标体系（如统计年鉴数据），缺乏对真实灾害情景的实证验证，且评估尺度多局限于宏观区域（如城市群）或微观局部（如单个社区），难以捕捉城市内部精细的空间异质性。此外，交通网络作为城市韧性的物理骨架，其运行状态是衡量系统功能恢复能力的关键指标，但已有研究较少利用动态交通数据对理论评估结果进行验证。为此，本研究旨在开发一个多子系统、多尺度（1km网格、街道、社区、交通分析区）的评估框架，并利用灾后出租车轨迹数据验证其有效性，以解决三个核心问题：如何构建精细的韧性评估框架？城市韧性在次单元尺度上的空间聚类特征如何？静态指标评估与实际极端降雨事件中城市系统表现的一致性如何？
**研究人员开展的研究**
研究人员以深圳市为案例区，构建了涵盖生态、社会、经济、基础设施四个子系统的综合指标体系（共23个指标），采用熵权TOPSIS（EWM-TOPSIS）模型客观计算各指标权重并量化韧性得分。随后，在四个空间尺度（1km网格、74个街道、665个社区、1058个交通分析区（TAZ））上，通过空间自相关分析（Global Moran's I和Local Moran's I）识别韧性聚类模式。为验证评估结果，利用2023年9月7日台风“海葵”残余环流引发的极端暴雨事件（最大累积降雨469.0mm），基于韧性三角形（Resilience Triangle）理论和SARIMA模型预测基线，从出租车GPS轨迹数据（2023年8月12日至9月8日）中提取恢复速度（RS）、韧性退化率（RDR）、最大性能损失比（MPLR）和系统韧性得分（R）等指标，量化交通系统性能退化与恢复过程，并与TOPSIS评估结果进行交叉验证（计算均方误差MSE和平均绝对误差MAE）。该研究发表在《Sustainable Futures》。
**主要关键的技术方法**
1. 构建多子系统指标体系（生态、社会、经济、基础设施），利用熵权TOPSIS（EWM-TOPSIS）模型确定指标权重并计算韧性得分。
2. 采用空间自相关分析（Global Moran's I和Local Moran's I）识别不同尺度下的韧性聚类模式（High-High、Low-Low等）。
3. 基于韧性三角形（Resilience Triangle）理论，结合SARIMA模型预测正常性能基线，从出租车轨迹数据中计算恢复速度（RS）、韧性退化率（RDR）、最大性能损失比（MPLR）和系统韧性得分（R），量化交通系统在极端降雨下的动态响应。
4. 通过均方误差（MSE）和平均绝对误差（MAE）进行TOPSIS结果与交通韧性结果的交叉验证。样本队列来源：深圳市出租车GPS数据（2023年8月12日至9月8日），涵盖暴雨事件前后。
**研究结果**
**4.1 城市韧性子系统的空间评估**
通过分析生态、社会、经济、基础设施子系统指标的空间分布，发现：生态子系统指标（如年降水量、河流密度、地形指数等）呈现显著空间异质性，降水东高西低，地质灾害敏感区集中在中东部山区；社会和经济子系统指标（人口密度、夜间灯光指数）显示城市中心高暴露与高经济承载力并存；基础设施子系统指标（医疗设施可达性、应急避难所可达性、路网密度等）高度集中在西部和中部城市化区域，边缘地区结构冗余度低。
**4.2 城市韧性的多尺度空间格局**
基于熵权TOPSIS模型计算韧性得分，并采用Jenks自然断点法分为五级。在四个尺度上，高韧性区域（得分>0.4）主要集中于福田CBD、南山科技创新走廊和罗湖商业核心区，而低韧性区域（得分<0.2）分布在坪山工业区、大鹏生态保护区及盐田港腹地。不同尺度揭示出精细差异：1km网格尺度显示核心区内存在局部低韧性单元（如罗湖布心社区、盐田明珠社区），街道尺度韧性分布更均衡但空间自相关最弱（Moran's I=0.2917），社区和TAZ尺度则呈现更明显的聚类效应。
**4.3 空间相关性分析**
Global Moran's I指数在所有尺度上均显著为正（p<0.01），但强度差异明显：1km网格尺度最强（I=0.9056），TAZ尺度次之（I=0.7430），社区尺度（I=0.4721），街道尺度最弱（I=0.2917）。LISA聚类图显示，High-High聚类集中在中心城区和交通走廊，Low-Low聚类主要位于老旧社区（如城中村）和外围工业区，空间离群点（High-Low、Low-High）揭示了相邻单元间的韧性梯度差异。
**4.4 基于灾后交通数据的动态验证**
利用出租车轨迹数据和韧性三角形理论，量化了2023年9月7日暴雨期间交通系统的性能退化与恢复。SARIMA模型预测的基线速度与实际速度对比显示：最大性能损失比（MPLR）为25%，恢复速度（RS）仅0.02，韧性退化率（RDR）高达56.57，系统韧性得分（R）为0.802。在TAZ尺度上，高韧性区域（得分>1.485）集中在福田CBD、南山科技园、前海自贸区等地，低韧性区域（得分<0.766）主要在坪山、龙岗、盐田等地。与TOPSIS结果交叉验证显示，两者整体一致（MSE=0.0625），但存在局部偏差：北部（如龙华）TOPSIS高估韧性（正误差），东部（如龙岗、坪山）TOPSIS低估韧性（负误差），中心城区误差接近零。
**讨论与结论**
讨论部分指出，韧性空间异质性反映了核心-边缘梯度，基础设施指标（尤其是医疗设施和应急避难所可达性）对整体韧性贡献最大，生态指标（河流密度、土地利用类型）也起重要作用，而社会经济指标在高度城市化的深圳中贡献相对较低。动态验证证实了静态评估与实际情况的一致性，但强调了极端降雨发生在通勤高峰时会放大交通中断效应。研究建议在低韧性区域优先改善基础设施连通性和生态调节能力，在历史密集区采用分散式自然解决方案（如透水路面、袖珍公园）。局限性包括：当前框架主要关注空间分异，未充分捕捉时间演化；出租车数据仅代表交通系统，未来应纳入地铁刷卡数据、手机信令等多源动态数据。
**研究结论翻译**
本研究开发了一个集成的城市韧性评估框架，结合了多子系统指标体系、熵权TOPSIS（EWM-TOPSIS）评估、多尺度空间分析和基于灾后移动数据的验证。通过将静态空间评估与动态功能性能相结合，所提出的框架为评估极端降雨条件下的城市韧性提供了综合方法。主要发现可总结如下：首先，深圳在不同空间尺度（包括1km网格、街道、社区和交通分析区（TAZ））上表现出显著的城市韧性空间异质性。其次，基础设施相关指标对整体韧性评估贡献最大，突出了关键城市服务能力在极端降雨适应中的重要性。第三，韧性评估结果与灾后出租车移动性能之间的一致性证明了所提出框架在表征静态韧性能力和动态恢复性能方面的有效性。本研究通过提供一个可迁移的评估框架，整合了客观指标赋权、多尺度空间评估和基于真实移动数据的实证验证，为城市韧性研究做出了贡献。研究结果可以通过帮助决策者识别脆弱区域并在日益增加的极端降雨风险下优化资源配置，来支持有针对性的韧性规划。
