自改革开放以来中国的城市化水平快速提升，城镇人口迅速增长。伴随而来的城市内涝、交通拥堵、水资源短缺、生态空间破碎、环境污染^[1-5]等一系列城市问题日益突出，使得城市人居环境发生着剧烈变化。城市人居环境作为人类生活的自然—社会复杂巨系统，面临着各种自然灾害与社会危机，不同城市人居环境在面对冲击后，恢复程度存在着较大的差异，其韧性水平可以直接反映出人居环境应对各种冲击的能力，并密切关乎着居民的福祉^[6]。

韧性（resilience）最早源于工程学领域，表示物体在遭受外力作用后恢复到原来状态的能力，它兼有弹性与恢复力这两个方面的含义。弹性的概念起源于生态学，其定义由Holling首次引入，主要被理解为系统在受到冲击时“反弹”到正常功能的能力^[7]。而恢复力强调从不可预见的灾难中恢复而不是抵抗所有可能的灾难的能力，准备以便减轻危险和减少后果的能力，以及根据过去的教训不断适应和发展的能力^[8]。此后，韧性概念被其他学科采纳和修改，并被广泛运用到不同的学科领域中^[9]。国外学者多运用构建框架模型的方法研究影响城市韧性的各种要素，研究领域主要涉及建筑工程、基础设施、自然灾害等。如构建海岸社区弹性模型^[10]、交通网络拓扑模型^[11]分析自然灾害对社区、基础设施韧性的影响；探讨大数据下的智慧城市和制度优势与城市韧性的关系^[12]。国内城市韧性研究起步较晚，21世纪初我国科研学者逐渐兴起了对城市韧性的研究，国内学者多从城市的不同维度出发构建韧性评价指标体系来对不同尺度的区域韧性进行研究。主要研究维度有规模、密度、形态、经济、社会、生态、工程等；主要研究工具方法有空间杜宾模型（SDM）、生态基础设施工具、生态足迹与生态承载力工具、“源—汇”景观平均距离指数、Gephi社会网络分析工具、Shift—Share分解方法、GIS空间分析和叠加功能方法；主要研究尺度包括地级市、城市群、全国等^[13-19]。

国外人居环境的研究起源于19世纪50年代道萨迪亚斯创立的“人类聚居学”^[20]；国外学者热衷于探讨空间要素、人与城市要素的关系，如欧洲城市宜居性和主观幸福感之间的相关性^[21]；城市生态系统与人类健康的关系^[22]；紧凑的城市形式和小型住房与人类福祉之间的矛盾关系^[23]；空间因素对城中村宜居性的影响分析^[24]等。国内学者对人居环境的研究始于吴良镛院士建立的人居环境科学体系，国内学者主要以不同级别行政区划和各类型自然地理区划为研究尺度展开研究^[25]；城市人居环境质量、宜居性、适宜度、时空演变、类型^{[26, 27]}等成为国内学者研究的热点主题；国内学者多以吴良镛院士提出的5大系统为基础构建不同的指标体系，运用熵值法、GIS空间分析法、耦合协调度模型、地理探测器模型等方法对人居环境进行研究^{[28, 29]}。

综上所述，国内外对城市韧性和城市人居环境的研究已取得丰硕成果，但仍存在一些不足。首先，城市韧性的研究主要探讨城市各类基建设施应对自然灾害所做出的反应，突出强调公共服务系统的优化升级，忽视了人居环境自身内在机理的相互作用；其次，城市人居环境的研究多侧重于对城市要素进行定量评价，缺乏对人居环境系统是如何抵抗冲击的研究。城市韧性和城市人居环境与居民的生活质量密切相关，为了更好的探究城市人居环境应对冲击的能力，建设可持续发展的人居环境，有必要将韧性机理与人居环境相结合。本文将韧性原理引入到人居环境中，基于DPSIR模型构建城市人居环境韧性评价指标体系，对城市人居环境韧性进行定量研究，并借助地理探测器模型进一步探究城市人居环境韧性作用机理，为提升城市人居环境韧性水平提供参考与理论依据。

根据2016年5月国务院批准的《长江三角洲城市群发展规划》，其发展定位是面向全球、辐射亚太、引领全国的世界级城市群。长三角城市群由苏、浙、皖、沪三省一市的26个地级及以上城市组成，区域面积21.17万平方公里，占国土面积的2.2%。截至2018年底，城市群年末总人口1.54亿人，占全国总人口的11%，城镇化率72%，GDP总量高达17.86万亿元，占全国GDP总量的19.8%。2019年5月审议通过的《长江三角洲区域一体化发展规划纲要》将长三角地区一体化发展进一步上升为国家战略，再一次明确指出长三角地区在全国的经济地位及对区域发展的带动作用，一体化与高质量成为长三角地区协同发展的两个关键点，城市人居环境韧性日益成为检验其一体化与高质量是否协同发展的重要标准。

本文选取长三角地区26个地级及以上城市作为研究对象，数据主要来源于2007年、2011年、2015年和2019年《中国城市统计年鉴》和各省市统计年鉴，以及2006年、2010年、2014年、2018年各省市统计公报；部分气象数据来自各市气象局官网及全国温室数据系统网站。

图 1表示城市人居环境韧性评价系统DPSIR模型，DPSIR模型分别代表：“驱动力D”、“压力P”、“状态S”、“影响I”、“响应R”5个维度，是PSR模型和DSR模型的优化与发展，该模型可以从系统的角度上分析经济、社会、环境、政策等各要素之间的内在联系^[30]。

图 1(Fig. 1)

图 1 城市人居环境韧性评价系统DPSIR模型 Fig.1 DPSIR Model of Urban Human Settlements Resilience Evaluation System

本文引入DPSIR模型构建城市人居环境韧性评价指标体系，共涉及11个要素层和37个指标（表 1），其中驱动力主要指提高城市人居环境韧性水平的动力要素，这里包括经济动力和社会动力2个要素层10个指标；压力是指对城市人居环境韧性水平施加压力的要素，这里包括生态压力、人口压力和能源压力3个要素层7个指标；状态是指在驱动力与压力的共同作用下城市人居环境韧性水平所呈现的现状，这里包括产业现状和社会现状2个要素层7个指标；影响则表示各要素对社会、自然环境所产生的结果，这里包括社会资源和教育水平2个要素层5个指标；响应是指为应对自然、社会等各种冲击，人类社会所采取的应对措施，这里包括污染治理和社会投入2个要素层8个指标。

表 1(Tab. 1

表 1 城市人居环境韧性水平评价指标体系 Tab.1 Evaluation Index System of Urban Human Settlements Resilience Level

表 1 城市人居环境韧性水平评价指标体系 Tab.1 Evaluation Index System of Urban Human Settlements Resilience Level

由于各项指标值的量纲与量级不同，利用极差归一化的方法对原始指标值进行处理。归一化公式如下：

正向指标：

(1)

负向指标：

(2)

适度指标：

(3)

式中：a_ij为人居环境韧性原始指标值，a_max为指标中的最大值，a_min为指标中的最小值，n表示指标数量，A_ij为归一化后的指标值，b_max为原始指标值与平均值差值中的最大值，b_min为原始指标值与平均值差值中的最小值。

运用熵值法对指标权重进行客观赋权，可以有效避免主观法赋权所产生的主观随意性，本文利用熵值法对标准化后的数据进行熵值和权重的计算，并在权重的基础上计算出城市人居环境韧性指数，具体公式见文献^[17]。

基于城市人居环境韧性指数，采用GIS中值分段法对城市人居环境韧性水平类型进行划分（表 2）。

表 2(Tab. 2

表 2 城市人居环境韧性水平划分标准 Tab.2 Standards for the Resilience Level of Urban Human Settlements

表 2 城市人居环境韧性水平划分标准 Tab.2 Standards for the Resilience Level of Urban Human Settlements

基于对地理层的空间变异分析，本研究主要采用王劲峰等^[32]的因子探测器分析城市人居环境韧性5大准则层的内部驱动因子X对Y即城市人居环境韧性的影响；利用交互探测识别影响城市人居环境韧性水平的因子之间的作用关系。模型如下：

(4)

式中：q为影响因子对城市人居环境韧性的影响力；h代表因子X的分层，N_h和N分别代表层h和全区的单元数；σ²_h和σ²分别代表层h和全区的Y值方差。q的值域为[0, 1]，值越大表明因子X对属性Y的解释力越强，反之则越弱^[33]。

根据韧性指数得出2006、2010、2014、2018年4个年份的长三角城市群城市人居环境韧性排序（表 3）。长三角城市群城市人居环境韧性水平不断提升，人居环境韧性指数平均值由2006年的0.3699上升至2018年的0.5183，4个年份的韧性指数平均值上海（0.5998）最高，盐城（0.3171）最低；各城市发生了明显的位序变化，根据位序变化特点可以将26个城市划分为以下四种情况：

表 3(Tab. 3

表 3 长三角城市群城市人居环境韧性水平及排序 Tab.3 The Resilience Level and Ranking of Urban Human Settlements in the Yangtze River Delta Urban Systems

表 3 长三角城市群城市人居环境韧性水平及排序 Tab.3 The Resilience Level and Ranking of Urban Human Settlements in the Yangtze River Delta Urban Systems

（1）上海、苏州、无锡、杭州、南京和宁波6个城市排名一直较为靠前。其中上海和苏州的位序一直排在前2位，4个年份的韧性指数平均值分别为0.5998和0.5850，排在第1和第2位；杭州的位序在3—5位之间波动，4个年份的韧性指数平均值为0.5456，排在第3位；无锡的位序在3、4位徘徊，4个年份的韧性指数平均值为0.5421，排在第4位；南京的位序在4—6位之间变化，4个年份的韧性指数平均值为0.5263，排在第5位；宁波2006、2010、2018年位序排名均为第7位，2014年排在第5位，4个年份的韧性指数平均值为0.5068，排在第6位。排名靠前的城市有以下特点：上海、苏州和无锡经济实力强悍；杭州和南京作为省会城市，是全省的政治、经济、文化中心，并拥有较为完善的基础设施；宁波是首批沿海开放城市和计划单列市，综合实力较强。

（2）安庆、盐城、池州和宣城4个城市排名一直倒数，其中盐城、宣城和池州4个年份的韧性指数平均值分别为0.3171、0.3258和0.3288，排名分别处于倒数第1、第2和第3位。安庆的位序一直在21、22位之间变化；盐城的位序由2006年的第23位变化至2018年的第26位；池州的位序在24与25位之间变动；宣城的位序由2006年的26位变化至2018年的24位。这4个城市全部位于长三角城市群的最外围，受上海市的辐射作用较弱，区位优势不足。

（3）合肥、镇江、湖州、马鞍山、舟山、台州和滁州7个城市的人居环境韧性水平位序整体呈上升趋势。其中舟山的位序变化最显著，由2006年的第20位上升到2018年的第13位，这离不开其优越的地理位置与港口优势；受政策支持，2005年长三角区域规划总体方案将台州纳入，台州成为长三角扩容第一城；合肥2010年加入长三角经济协调会，2014年依据《国务院关于依托黄金水道推动长江经济带发展的指导意见》的出台，合肥正式划入了长三角，并成为与南京、杭州并列的长三角城市群副中心城市，经济实力不断增强；镇江、滁州和湖州分别受南京、合肥和杭州的辐射带动作用，城市人居环境韧性水平位序呈上升趋势。

（4）绍兴、嘉兴、南通、金华、铜陵、芜湖、扬州、泰州和常州9个城市的人居环境韧性水平位序整体呈下降趋势，其中绍兴和铜陵下降幅度较大，分别由2006年的第6和第15位下降到2018年的第12和第23位，这些城市由于人居环境韧性水平增速较慢，导致城市人居环境韧性水平位序出现相对下降的状态。

长三角城市群城市人居环境韧性水平空间演变特征显著（图 2），呈现出两种空间演变格局：一是以沿长江、钱塘江和沿海城市为3条轴带向南北两侧递减的整体变化格局；二是以上海为主核心，杭州、南京、合肥为副核心的区域递减变化格局。城市人居环境韧性水平较高的城市主要为上海、苏州这类经济发达的城市，城市人居环境韧性水平较低的城市主要分布在城市群的外围，受上海及省会城市的辐射作用较弱。

图 2(Fig. 2)

图 2 2006、2010、2014、2018年长三角城市群城市人居环境韧性水平空间分布格局 Fig.2 The Spatial Distribution Pattern of the Resilience Level of Urban Human Settlements in the Yangtze River Delta Urban Systems in 2006, 2010, 2014, and 2018

长三角城市群各城市人居环境韧性水平均有不同程度的上升（表 4），在2006、2010、2014和2018年4个时间节点中，人居环境低韧性与较低韧性水平的城市数量持续减少，前者分别为5、4、0、0个，后者分别为14、9、6、3个；中等韧性水平城市数量和高韧性水平城市数量不断增多，前者分别为7、8、10、11个，后者分别为0、1、2、5个；较高韧性城市数量整体也呈现为上升趋势，分别为0、4、8、7个。2006年较低韧性水平的城市数量最多共14个，中等韧性水平的城市数量次之为7个，低韧性水平的城市为5个，无较高韧性和高韧性的城市；2010年低韧性水平与较低韧性水平城市的数量均减少，中等韧性、较高韧性和高韧性的城市数量增加；2014年无低韧性水平的城市，较低韧性水平的城市数量进一步减少，中等韧性、较高韧性和高韧性水平的城市数量进一步增多；2018年较低韧性水平的城市数量进一步减少，高韧性水平的城市数量进一步增多，中等韧性和较高韧性水平的城市数量趋向稳定。

表 4(Tab. 4

表 4 2006、2010、2014、2018年长三角城市群城市人居环境韧性水平空间演变 Tab.4 The Spatial Evolution of the Resilience Level of Urban Human Settlements in the Yangtze River Delta Urban Systems in 2006, 2010, 2014, and 2018

表 4 2006、2010、2014、2018年长三角城市群城市人居环境韧性水平空间演变 Tab.4 The Spatial Evolution of the Resilience Level of Urban Human Settlements in the Yangtze River Delta Urban Systems in 2006, 2010, 2014, and 2018

对归一化后的指标值进行标准差计算，选取标准差最大的5个指标：状态准侧层下的X₁（普通高等学校数）、响应准则层下的X₂（教育支出占财政支出比重）、驱动力准则层下的X₃（非农产业占GDP的比重）、影响准则层下的X₄（每万人在校大学生数）、压力准则层下的X₅（每万人拥有公共汽车数），运用地理探测器技术探测其对城市人居环境韧性的影响并进行分析。

采用GIS-Jenks自然间断点分级法对5个变量原始数值量进行分类，并根据分类结果将原始数值量转化为类型量，将城市韧性指数和类型量分别导入地理探测器中所对应的因变量Y与自变量X中进行因子探测，q值越大表示自变量X对因变量Y的解释力越强。结果表明（表 5），X₃（非农产业占GDP的比重）q值4年均值为0.779，排在第1位，一直是4个时间截面中影响城市人居环境韧性的最强因子，非农产业占GDP比重的大小反映了一个城市二三产业的发展状况，更是一个城市经济水平的外在表现，在今后的城市发展中应继续大力发展实体经济，提升科技创新水平；X₅（每万人拥有公共汽车数）q值4年均值为0.697，排在第2位，说明能源压力对人居环境韧性的影响较大，大力开发清洁能源，加强对能源的循环利用与充分利用，是城市持续发展的基础；X₁（普通高等学校数）与X₄（每万人在校大学生数）q值4年均值分别为0.598、0.578，排在第3、第4位，说明高校及高学历人才是一个地区创新与发展的重要动力；X₂（教育支出占财政支出比重）q值4年均值为0.193，排在第5位，研究期内一直小于0.500，表明其对人居环境韧性的影响较小，说明城市财政在教育上的支出与在其它方面的支出并没有显著的优势，人才的培养离不开财政的支持，在不影响城市其他方面建设的前提下，可对人才培养上进行财政倾斜。

表 5(Tab. 5

表 5 城市人居环境韧性水平因子探测结果 Tab.5 Factor Detection Results of the Resilience Level of Urban Human Settlements

表 5 城市人居环境韧性水平因子探测结果 Tab.5 Factor Detection Results of the Resilience Level of Urban Human Settlements

利用交互探测评估因子之间的共同作用是否增加或减弱对城市人居环境韧性水平的解释程度（表 6）。因子交互作用结果显示，4个时间节点两两交互的因子作用值均大于单一因子的作用值，呈现出双因子增强与非线性增强的关系，表明因子之间的共同作用增加了对城市人居环境韧性水平的解释力；2006、2010、2014和2018年双因子交互作用q值分别有7、5、8、8个解释力达80%以上，表明双因子作用对城市人居环境韧性水平的影响显著，因子之间存在着密切的联系。

表 6(Tab. 6

表 6 城市人居环境韧性水平交互探测结果 Tab.6 Interactive Detection Results of the Resilience Level of Urban Human Settlements

表 6 城市人居环境韧性水平交互探测结果 Tab.6 Interactive Detection Results of the Resilience Level of Urban Human Settlements

研究城市人居环境韧性的意义。随着中国城市化水平的不断提升，城市之间的联系也越来越紧密，城市化的发展进一步呈现为都市圈和城市群的发展，中国十三五规划城市群达19个。城市群作为区域发展的增长极和人类最主要的生产生活区域，其人居环境面临着各种自然与社会的冲击，长三角城市群作为中国区域水平发展最高的城市群，对其人居环境韧性进行评价及分析有着重要的意义。城市人居环境与城市韧性已成为地理学研究的热点问题，但学术界对人居环境韧性的研究还极为少见，本文将韧性原理引入到人居环境中，定量对城市人居环境韧性水平时空演变特征及驱动力机制进行分析，充实了学术界对城市人居环境韧性这一领域的研究。

研究方法的合理性。首先基于DPSIR模型构建城市人居环境韧性评价指标体系。DPSIR模型广泛用于水资源评价、土地利用评价、环境承载力评价、生态安全评价等领域，其目的在于从系统要素的角度出发，分析各要素之间相互作用的原理，所以本文依据DPSIR模型构建城市人居环境韧性评价指标体系较为合理。其次利用熵值法及GIS空间分析法研究长三角城市群人居环境韧性水平的时空演化特征，取得了良好的效果。熵值法及GIS空间分析法在地理学中广泛应用于时空演化特征的研究，研究结果表明，城市人居环境韧性时空格局演化特征显著。最后利用地理探测器技术探究影响城市人居环境韧性水平的驱动力机制，学术界对地理现象影响机制的研究有多种方法，如传统回归分析模型、个体效应与时点效应模型、空间计量模型、空间滞后面板Tobit模型、地理加权回归模型、相关分析法、灰色关联分析等，但都缺少对多变量交互作用的识别，王劲峰等提出的地理探测器技术，可以有效识别多变量之间的关系，由于本文从系统要素之间相互作用的角度出发来构建的评价指标体系，所以利用地理探测器技术可以更好地达到探究其作用机理的效果。

建议与不足。结合分析结果，对提升城市人居环境韧性水平及优化空间布局，提出以下建议：其一，不断优化产业结构，助力产业经济升级转型，大力扶持企业创新，鼓励企业与国际市场接轨，合理有效地利用外资。其二，充分发挥长三角城市群各城市的独特优势，促进城市间交流与合作，继续推动长三角交通一体化进程。其三，合理开发利用清洁能源，多举措推动城市节能减排政策的落实，缓解城市能源压力问题。其四，推动教育事业高质量发展，鼓励各城市高校间及与国外高校间开展多领域多层次的交流合作，大力培养创新型人才。本文还存在以下不足：由于目前尚未形成对人居环境韧性评价科学统一的指标体系，所以今后的评价体系还需进一步完善与优化；目前关于城市人居环境韧性的研究只有极少的定性分析，无法较好地参考前人研究成果，今后还需对其持续地研究与探讨。

本文基于DPSIR模型构建城市人居环境韧性评价指标体系，综合运用熵值法、GIS空间分析法和地理探测器技术，对2006、2010、2014、2018年4个时间节点下的长三角城市群26个城市的人居环境韧性进行评价与分析，主要结论如下：

（1）从人居环境韧性水平时序演化来看，研究期内长三角城市群各城市人居环境韧性水平发生了显著的位序变化，位序排名较高的城市主要为经济强市和省会城市；位序排名较低的城市均分布在长三角城市群外围；上升型城市全部来自于中低位序；高、中、低位序的城市均出现下降型城市；人居环境韧性指数逐年升高，城市人居环境韧性水平不断提升。

（2）从人居环境韧性水平空间演化来看，研究期内长三角城市群城市人居环境韧性水平发生了明显的空间分布差异，呈现出两种演变格局，一是以长江、钱塘江和沿海城市为3条轴带向南北两侧递减的整体变化格局；二是以上海为主核心，南京、杭州、合肥为副核心的区域递减变化格局。各城市人居环境韧性水平均有不同程度的上升，人居环境低韧性与较低韧性水平的城市数量持续减少，中等韧性水平的城市数量和高韧性水平的城市数量不断增多，较高韧性水平的城市数量整体也呈现为上升趋势。

（3）由地理探测器因子探测与交互探测结果分析可知，经济动力、能源压力、教育水平是影响人居环境韧性水平的主导因子；因子之间的交互作用表现为非线性增强与双因子增强，进一步对城市人居环境韧性施加影响。