《Frontiers in Environmental Science》:Characteristics and driving factors of urban resilience and sustainability evolution: an XGBoost-SHAP model approach
编辑推荐:
城市韧性与可持续性(USR)在应对快速城市化、气候不确定性和社会经济转型带来的挑战中至关重要。城市可持续性(US)强调平衡的长期发展以及资源的有效利用。相反,城市韧性(UR)侧重于城市吸收冲击、恢复和适应的能力。尽管侧重点不同,但这些维度相互依赖且相互促进。本
城市韧性与可持续性(USR)在应对快速城市化、气候不确定性和社会经济转型带来的挑战中至关重要。城市可持续性(US)强调平衡的长期发展以及资源的有效利用。相反,城市韧性(UR)侧重于城市吸收冲击、恢复和适应的能力。尽管侧重点不同,但这些维度相互依赖且相互促进。本研究引入了一个综合分析框架,旨在调查2000年至2023年间中国300个城市USR的时空演化、驱动机制和内部耦合动态。研究人员开发了一个包含经济、社会和生态维度的综合指标体系,以促进这一分析。随后,使用改进的熵权TOPSIS模型量化了USR水平。通过Dagum基尼分解、核密度估计和空间马尔可夫链检验了区域差异和动态转变。此外,使用XGBoost-SHAP量化了多维驱动因素的相对重要性和交互作用。研究得出了五个主要发现。首先,全国范围内的USR水平持续上升。这一进展将先前的“东高西低”格局转变为更平衡的多中心结构,标志着显著的收敛。经济发展、财政自给率和社会福祉是显著的正向驱动因素。相反,就业压力和空气污染产生显著的负向效应。SHAP依赖性和交互分析揭示了显著的非线性和协同效应。这些发现强调了协调的经济和财政政策以及战略性创新投资对于增强韧性的关键重要性。将可解释机器学习与基于系统的评估相结合,增强了对可持续性-韧性关系的理解,并深化了对城市治理的分析。PLS-SEM阐明了经济、社会和生态可持续性基础如何通过线性路径贡献于韧性。这种方法揭示了US-UR耦合的内部机制。这些见解表明,增强韧性需要社会经济协调发展战略,此外还需要建立强大的财政缓冲并实施因地制宜的针对性创新。
城市韧性与可持续性(USR)是应对快速城市化、气候不确定性和社会经济转型挑战的关键概念。城市可持续性(US)强调长期平衡发展与资源高效利用,而城市韧性(UR)侧重于城市吸收冲击、恢复和适应的能力。尽管两者侧重点不同,但相互依赖、相互促进。然而,现有研究常将韧性与可持续性分离,缺乏统一分析框架;实证研究受限于狭窄的空间或时间范围,难以揭示长期演化规律和区域异质性;传统计量模型难以捕捉多驱动因素间的非线性关系和交互效应。为填补这些空白,研究人员基于2000—2023年中国300个城市的面板数据,构建了涵盖经济、社会、生态维度的综合USR指标体系,采用改进的熵权TOPSIS模型量化USR水平,运用Dagum基尼系数分解、核密度估计和空间马尔可夫链分析时空演化与区域差异,利用XGBoost-SHAP框架量化驱动因素的相对重要性和交互效应,并通过PLS-SEM揭示可持续性子维度向韧性能力转化的路径机制。研究发现:USR水平持续上升,区域差异先扩大后收敛,空间格局从“东高西低”转变为多中心结构;经济发展水平、居民生活水平和财政自给率是主要正向驱动因素,就业压力和空气污染为负向因素,且存在显著非线性阈值效应和协同交互作用;PLS-SEM表明经济和社会可持续性作为上游驱动因素,通过风险抵抗、适应调整和恢复增长等韧性维度间接影响USR,生态可持续性则存在短期权衡与长期增益。该研究发表于《Frontiers in Environmental Science》,为理解可持续性与韧性的耦合机制提供了新视角,并为城市治理提供了基于可解释机器学习的实证依据。
研究人员主要采用以下关键技术方法:改进的熵权TOPSIS模型(用于量化USR综合水平);Dagum基尼系数分解(分析区域差异来源);核密度估计与空间马尔可夫链(刻画动态演化与转移特征);XGBoost-SHAP框架(量化驱动因素重要性与非线性交互效应);PLS-SEM(检验可持续性向韧性转化的路径机制)。样本数据来源于2000—2023年中国300个城市的面板数据,涵盖香港、澳门、台湾以外的地级市,数据来自《中国环境统计年鉴》《中国区域统计年鉴》《中国科技统计年鉴》及EPS全球数据统计平台等。
**4.1 城市韧性与可持续性演化的特征**
通过Dagum基尼系数分解、核密度估计和空间马尔可夫链分析,研究人员发现:2000—2023年,中国USR水平持续上升,全国基尼系数从2000年的0.120升至2010年的0.166,后降至2023年的0.139,表明区域差异先扩大后收敛。东部城市保持领先,但中西部城市呈现追赶效应,空间格局从“东高西低”转变为多中心、低梯度结构。核密度曲线显示分布从单峰低值右移,中期出现双峰极化,后期回归单峰高值收敛。空间马尔可夫链转移矩阵表明,低USR城市向上转移概率较高,高USR城市保持稳定,整体存在路径依赖和惯性。
**4.2 基于XGBoost-SHAP模型的驱动因素识别**
**4.2.1 驱动因素重要性比较分析**
通过XGBoost模型(经超参数调优:迭代700次、最大深度5、学习率0.164、特征采样比0.65、子采样率0.75)拟合后,训练集R
2=0.9925,测试集R
2=0.9593,表明模型泛化能力强。SHAP重要性排序显示:经济发展水平(DL)贡献最大,其次为居民生活水平(LL)、财政自给率(FSSR)和生命保障(LS),这四个变量解释力远超其他指标。就业压力(EP)和空气污染(AQ)为负向因素。经济、社会、财政类变量正向促进USR,而风险压力类变量负向抑制。
**4.2.2 驱动因素预测分析**
SHAP依赖图揭示了非线性阈值效应:DL、LL、FSSR等呈单调正向影响;AQ和EP呈显著负向;土地利用率(LUR)呈倒U型;投资规模(IS)呈S型;科技投入(TI)和创新产出(IO)在高水平时加速提升USR。这些发现表明,经济繁荣、收入增长和财政自主是核心驱动力,但需避免过度投资和生态退化。
**4.2.3 驱动因素交互分析**
SHAP交互值分析显示,DL与LL、DL与FSSR、DL与LS等关键变量对存在正向协同效应。当两个变量同时处于高水平时,USR提升超过各自贡献之和(“1+1>2”效应)。例如,高经济发展与高居民收入结合才能最大化USR;高财政自给率放大经济增长的韧性效益。生命保障(LS)在经济薄弱城市边际贡献更大,而在经济发达城市作用减弱。
**4.2.4 稳健性检验**
通过改变核心参数(迭代次数、学习率)、时间窗口和标准化方法,模型测试集R
2保持在0.8464–0.9802之间,表明核心关系稳定,不受极端值或预处理方式影响。
**4.3 基于PLS-SEM模型的影响机制分析**
PLS-SEM模型(SmartPLS 4.0.9.5,5000次自助抽样)检验了经济、社会、生态可持续性(ECOND、SOCD、ECOLD)与韧性维度(风险抵抗RR、适应调整AA、恢复增长RG)对USR的路径系数。结果表明:经济发展(ECOND)显著正向影响社会发展(SOCD,β=0.657)、生态发展(ECOLD,β=0.274)及三个韧性维度,并通过间接路径增强USR。社会发展(SOCD)是最关键的传导枢纽,对AA(β=0.717)、RR(β=0.716)和RG(β=0.586)均有强正向效应,且对USR直接效应最大(β=0.312)。生态发展(ECOLD)对AA和RG正向,但对RR有微弱负向(β=?0.036),反映短期权衡。韧性内部,RR正向促进AA(β=0.169),但负向影响RG(β=?0.074),AA对RG影响不显著,但AA对USR直接效应最强(β=0.341),RG对USR正向(β=0.185)。整体上,USR通过层级传递、跨维度强化和选择性权衡实现耦合。
**总结讨论**
讨论部分指出,研究结果强调了经济与财政政策协调、创新投资以及因地制宜策略对提升韧性的关键作用。PLS-SEM揭示了可持续性向韧性转化的线性路径,而XGBoost-SHAP补充了非线性阈值和交互效应,二者互补。研究还指出,东部城市应侧重治理现代化与社会公平,中部需平衡产业升级与生态修复,西部应扩大基本服务与生态基建。此外,城市类型(成熟都市、老工业基地、新兴城市群)需要差异化政策。
**研究结论**
本研究利用2000—2023年中国300个城市的面板数据,系统调查了USR的时空演化、驱动因素和内部影响机制。应用了包括熵权TOPSIS、空间不平等分解、动态转移分析、PLS-SEM和可解释机器学习在内的综合分析框架。研究发现:中国USR水平随时间持续上升,从显著区域差异逐渐收敛;经济发展、社会福利和财政自给率是主要驱动因素,合计解释超过60%的方差;科技投入和教育具有加速正向效应。PLS-SEM结果揭示了清晰的跨维度传导机制,表明可持续性与韧性在功能上相互交织,而非简单共存。经济和社会可持续性是USR的关键上游驱动因素(路径系数β=0.657,p<0.001),主要通过风险抵抗、适应调整和恢复增长等韧性能力发挥影响。基于上述结论,建议建立整合治理系统,加强财政政策与社会保障的联动,推动创新驱动发展,强化生态治理,并实施区域差异化策略。