《Land》:Unlocking Urban Ecological Resilience: A Configurational Analysis Through the Lens of Risk Identification, Resource Mobilization, Institutional Adaptation, and Structural Carrying Capacity
编辑推荐:
城市生态韧性对于缓解环境风险、支持绿色城市转型和促进可持续发展至关重要。然而,现有研究主要通过线性和单因素方法解释城市生态韧性,对技术、金融、制度和结构条件共同塑造韧性结果的组态机制关注不足。基于韧性理论(resilience theory)、社会-生态系统理
城市生态韧性对于缓解环境风险、支持绿色城市转型和促进可持续发展至关重要。然而,现有研究主要通过线性和单因素方法解释城市生态韧性,对技术、金融、制度和结构条件共同塑造韧性结果的组态机制关注不足。基于韧性理论(resilience theory)、社会-生态系统理论(socio-ecological system theory, SES)和协同学(synergetics),本研究构建了一个“风险识别–资源动员–制度适应–结构承载能力”分析框架。以中国249个地级市为案例,研究人员采用模糊集定性比较分析(fuzzy-set qualitative comparative analysis, fsQCA)考察六个前因条件——金融科技(FinTech)、绿色金融(green finance)、环境规制强度(environmental regulation intensity)、经济发展(economic development)、产业结构(industrial structure)和城市化(urbanization)——如何组合产生高与非高城市生态韧性。前因条件数据为2021年,城市生态韧性数据为2023年,以捕捉韧性建设条件的滞后效应。结果表明,没有任何单一条件构成高城市生态韧性的必要条件,表明韧性是由多条件联合而非孤立决定因素塑造的。充分性分析识别出两条产生高城市生态韧性的路径。两条路径均以金融科技、经济发展和城市化作为共同基础条件,而绿色金融和产业结构在不同城市背景下发挥互补作用。具体而言,第一条路径反映了“风险识别–资源动员–结构承载能力”机制,而第二条路径反映了“风险识别–结构承载能力”机制。相比之下,五个组态导致非高城市生态韧性,呈现出明显的因果不对称性。非高韧性主要与技术反馈、资源动员和空间承载能力的联合缺失相关,而非高韧性路径的简单逆转。这些发现表明,应根据城市的技术、金融、制度和结构禀赋,通过差异化、基于组合的策略来提升城市生态韧性。
**论文解读:解锁城市生态韧性——基于风险识别、资源动员、制度适应与结构承载能力的组态分析**
**研究背景与问题**
随着城市化加速,城市系统面临严峻的资源约束、环境压力和生态风险。城市生态韧性(urban ecological resilience)作为城市社会-生态系统抵抗、吸收、适应并从生态与环境扰动中恢复的能力,已成为生态文明和可持续城市发展的关键基础。中国已将生态文明提升为核心战略,十四五规划明确强调增强生态系统稳定性和自我恢复能力。然而,现有研究多采用线性或单因素方法解释韧性,忽视了技术、金融、制度和结构条件如何共同形成韧性增强的组态机制。此外,方法上依赖回归或空间计量模型,难以捕捉多重并发因果、等效性和因果不对称性。因此,本研究旨在回答三个问题:(1)是否存在单个必要条件导致高城市生态韧性?(2)哪些条件组合可产生高城市生态韧性?(3)高与非高韧性的机制是否具有因果不对称性?该论文发表在《Land》期刊。
**研究内容与结论**
研究人员基于韧性理论、社会-生态系统理论和协同学,构建了“风险识别–资源动员–制度适应–结构承载能力”分析框架,选取金融科技(FinTech)、绿色金融、环境规制强度、经济发展、产业结构和城市化作为六个前因条件,对249个中国地级市案例进行模糊集定性比较分析(fsQCA)。前因条件测量于2021年,城市生态韧性测量于2023年,以捕捉滞后效应。结果表明:无单一条件是高韧性的必要条件;充分性分析识别出两条高韧性路径,均以金融科技、经济发展和城市化为共同基础,绿色金融和产业结构起互补作用,分别对应“风险识别–资源动员–结构承载能力”和“风险识别–结构承载能力”机制;五条非高韧性路径呈现因果不对称性,主要与技术反馈、资源动员和空间承载能力的联合缺失相关。研究意义在于揭示了韧性提升需采用差异化组合策略,而非单一因素干预。
**关键技术与方法**
主要采用模糊集定性比较分析(fsQCA)方法,这是一种基于集合论和案例导向的逻辑,适用于分析多重并发因果、等效性和因果不对称性。研究步骤包括:数据校准(采用百分位数法将原始数据转换为0-1的模糊集隶属分数)、必要性分析(检验单个条件是否为必要条件)、真值表构建(频率阈值设为3,原始一致性阈值0.80,PRI一致性阈值0.65)、充分性分析(识别核心与边缘条件)以及稳健性检验(调整频率阈值、校准锚点和一致性阈值)。样本来源为中国249个地级市,数据取自《中国统计年鉴》《中国城市统计年鉴》、EPS、Wind、CSMAR数据库及中国碳排放核算数据集(CEADs)等。
**研究结果**
**4.1 必要性分析**:所有前因条件及其否定集的必要性一致性均低于0.90,表明无单一条件是高或非高韧性的必要条件。金融科技的一致性最高(0.797),虽非严格必要条件,但作为关键支持条件。
**4.2 高城市生态韧性充分性分析**:识别出两条路径(H1和H2)。H1强调经济发展、城市化、金融科技和绿色金融的协同,体现“风险识别–资源动员–结构承载能力”机制,覆盖47个城市(如深圳、武汉),主要分布在东部及部分中西部和东北地区。H2突出经济发展、城市化、金融科技和产业结构,同时环境规制缺失,体现“风险识别–结构承载能力”机制,覆盖25个城市(如厦门、金华),也以东部为主。两条路径共享金融科技、经济发展和城市化作为共同基础条件。
**4.3 非高城市生态韧性充分性分析**:识别出五条路径(L1-L5),均非高韧性路径的简单逆转。L1为技术-经济-空间缺陷型;L2为系统性资源约束型;L3为无效规制压力型;L4为多维弱支撑型;L5为无效补偿型。金融科技和城市化的缺失反复出现,表明弱风险识别和弱空间承载能力是常见瓶颈。环境规制在部分非高路径中存在,但未能单独提升韧性。
**4.4 稳健性检验**:通过调整频率阈值(从3增至4)、校准锚点(从5/50/95百分位改为10/50/90百分位)和原始一致性阈值(从0.80升至0.85),核心组态逻辑保持稳定,金融科技、经济发展和城市化仍是高韧性的关键机制。
**总结讨论与结论**
**讨论部分**:实证结果支持了“风险识别–资源动员–制度适应–结构承载能力”框架。高韧性路径表明韧性是多种功能机制协同的结果,而非单一条件。H1和H2的差异体现了等效性,不同城市可通过不同机制组合实现高韧性。非高韧性路径的因果不对称性强调,政策干预应识别特定城市的瓶颈组合,而非简单强化单个有利条件。研究结果与国际城市韧性文献中关于复杂适应系统和“安全失败”逻辑的讨论一致。
**研究结论**(翻译原文结论部分):
第一,高城市生态韧性不依赖于任何单一前因条件。必要性分析显示六个条件及其否定的一致性均低于必要性阈值,确认韧性增强是多因果过程而非单因素结果。值得注意的是,高金融科技表现出相对较高的一致性,虽非严格必要条件,但作为韧性形成的强有力催化剂。因此,仅依赖孤立变量的净效应无法充分捕捉这些机制,需采用组态视角来解码此类复杂因果关系。
第二,高城市生态韧性的路径呈现出“共同基础加条件互补”的组态模式。金融科技、经济发展和城市化同时出现在两条高韧性路径中,作为共同基础驱动因素,表明风险识别、经济资源化与空间组织能力构成城市韧性的基石。在此基础上,绿色金融和产业结构分别通过资源动员和结构优化提供互补支持,形成主导的“风险识别–资源动员–结构承载能力”路径与补充的“风险识别–结构承载能力”路径。前者强调金融科技、绿色资本与城市基础设施的协同,后者表明技术赋能与强结构能力在特定情境下可产生补偿效应。
第三,非高城市生态韧性的驱动因素表现出显著因果不对称性。非高韧性并非高韧性组态的简单逆转,而是源于核心机制(风险识别、资源动员和结构能力)的系统性错配。在五条非高韧性组态中,金融科技和城市化的缺失反复作为核心条件出现,凸显风险识别与空间组织支持不足是主要瓶颈。最终,非高韧性表现为“弱技术反馈、弱资源动员、弱空间承载能力”的多维约束。在缺乏技术、金融和空间支柱的情况下,单独收紧环境规制或调整产业结构不足以显著提升城市生态韧性。