EN中文

经济地理 >

2025 , Vol. 45 >Issue 3: 160 - 170

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.03.016

三农、土地与生态

长三角地区生态韧性抵抗—适应—恢复的耦合协调及影响机制

  • 周怡静 , 1 ,
  • 张长淦 1 ,
  • 尹上岗 , 1, ※ ,
  • 孙恬 2
展开
  • 1.浙江师范大学 地理与环境科学学院，中国浙江 金华 321004
  • 2.湖南财政经济学院 经济地理学院，中国湖南 长沙 410205
※尹上岗（1993—），男，博士，副教授，研究方向为城市地理与区域发展。E-mail：

周怡静（2000—），女，博士研究生，研究方向为城市地理与区域可持续发展。E-mail：

收稿日期: 2024-04-03

  修回日期: 2024-09-02

  网络出版日期: 2025-05-13

基金资助

国家自然科学基金项目(42301231)

教育部人文社会科学研究项目(23YJCZH282)

浙江省自然科学基金项目(ZCLQ24D0101)

湖南省教育厅科研项目(22C0688)

金华市公益性技术应用研究项目(2023-4-029)

收起

Coupling Coordination and Influencing Mechanisms of Ecological Resilience in the Yangtze River Delta Region：A Resistance-Adaptation-Recovery Framework

  • ZHOU Yijing , 1 ,
  • ZHANG Changgan 1 ,
  • YIN Shanggang , 1, ※ ,
  • SUN Tian 2
Expand
  • 1. College of Geography and Environmental Sciences，Zhejiang Normal University，Jinhua 321004，Zhejiang，China
  • 2. School of Economic Geography，Hunan University of Finance and Economics，Changsha 410205，Hunan，China

Received date: 2024-04-03

  Revised date: 2024-09-02

  Online published: 2025-05-13

Fold

摘要

增强生态韧性是推动生态文明建设的重要途径，提升生态韧性协调性是区域高质量发展的内在要求。文章基于抵抗—适应—恢复三维框架构建指标体系，并借助动态耦合协调度模型、地理探测器和空间杜宾模型等方法，分析了2012—2021年长三角生态韧性内部子系统耦合协调的时空变化规律及其影响机制。结果表明：①长三角生态韧性三大指数呈缓慢上升态势。各子系统在时间上呈现增长趋势，在空间上呈现“东南高、西北低”的分布特征。②长三角生态韧性协同水平不断提升。其中抵抗力和恢复力的演化方向由负转正，演化速度也有不同程度提高；而适应力的演化方向则由正转负，演化速度减缓。偏离协调度在长三角大格局上呈现东南低西北高的分布特征。③经济发展、科技创新、产业结构、对外开放和城镇化水平是影响生态韧性耦合协调度的主导因子，同时在外源扰动和内核驱动的双重作用下，生态韧性耦合协调度受到社会调控机制、经济动力机制和自然约束机制的综合影响。

关键词： 生态韧性; 耦合协调; 高质量发展; 科技创新; 产业结构; 自然因素; 长三角地区

本文引用格式

周怡静 , 张长淦 , 尹上岗 , 孙恬 . 长三角地区生态韧性抵抗—适应—恢复的耦合协调及影响机制[J]. 经济地理, 2025 , 45(3) : 160 -170 . DOI: 10.15957/j.cnki.jjdl.2025.03.016

Abstract

Ecological resilience plays a pivotal role in sustainable urban development. Enhancing ecological resilience is a critical pathway for advancing ecological civilization, improving the coordination of ecological resilience is an inherent requirement for achieving high-quality regional development. Based on a three-dimensional framework of resistance-adaptation-recovery, this study constructs an index system and analyzes the spatiotemporal dynamics and influencing mechanisms of the coupling coordination among internal subsystems of ecological resilience in the Yangtze River Delta from 2012 to 2021 by the means of dynamic coupling coordination degree model, geographical detector, and spatial Durbin model. The results show: 1) The three dimensions of ecological resilience in the Yangtze River Delta show a gradual upward trend. Each subsystem demonstrates a growth trend over time and displays a spatial distribution characterized by "high in the southeast of the Yangtze River Delta, low in the northwest of the Yangtze River Delta". 2) The coordination level of ecological resilience in the Yangtze River Delta has continuously improved. The evolution direction of resistance and recovery shifted from negative to positive, with their evolution speeds also increasing to varying degrees. In contrast, the evolution direction of adaptation shifted from positive to negative, and its evolution speed slowed down. The degree of deviation coordination in the region displays a spatial distribution characterized by "low in the southeast of the Yangtze River Delta and high in the northwest of the Yangtze River Delta". 3) Economic development, scientific and technological innovation, industry structure, openness to the global market, and urbanization level are the primary drivers influencing the coupling coordination degree of ecological resilience. Additionally, under the dual effects of external disturbances and internal forces, the coupling coordination degree of ecological resilience is comprehensively influenced by social regulation mechanism, economic power mechanism, and natural constraint mechanism.

Key words： ecological resilience; coupling coordination; high-quality development; scientific and technological innovation; industrial structure; natural factor; Yangtze River Delta region

2019年12月中共中央、国务院印发《长江三角洲区域一体化发展规划纲要》指出：“坚持生态保护优先，把保护和修复生态环境摆在重要位置，加强生态空间共保，推动环境协同治理，夯实绿色发展生态本底，努力建设绿色美丽长三角”。2023年2月，国务院批复《长三角生态绿色一体化发展示范区国土空间总体规划（2021—2035年）》，该示范区横跨沪苏浙（约2300 km2），强调以生态优先、绿色发展为导向，旨在实现绿色经济、高品质生活、可持续发展有机统一，在长江三角洲区域一体化发展中更好发挥示范引领作用。作为国家长三角一体化制度创新试验田，其建设成效直接辐射全域41个城市，在此背景下，统筹发展与保护，提高生态韧性协调性，增强应对外部冲击的能力，不仅是示范区的内在需求，也是长三角地区整体可持续发展的关键。
韧性概念源自工程学领域，最初用于描述系统在面对干扰时恢复平衡的速度、应对危机能力以及适应新环境的综合能力[1]。随着可持续发展理念的兴起，韧性概念被广泛应用于城市研究领域[2]。生态韧性关注城市生态系统的可持续发展，对于维护和改善人居环境、推进生态修复与治理等具有基础性作用，是践行生态文明理念、构建人与自然和谐共生新格局的关键所在[3]。在生态系统遭遇外部干扰时，生态韧性通过其内在的自组织、学习能力与适应性，展现出吸纳并转化干扰因素，维持其功能、结构与特性稳定性的能力[4]。这些能力可以概括为抵抗力、适应力和恢复力，它们共同构成了生态韧性的核心内容，支撑着复杂适应系统在变化中保持稳定性。
目前，生态韧性的研究主要集中在4个方面：①将生态韧性纳入城市韧性体系，对城市韧性进行综合测度[5]。学界主要通过熵值法、层次分析法、主成分分析法等方法确定各指标权重[6]，运用综合指数法、函数模型法、社会网络模型法等方法综合测度城市韧性的发展水平[7]，如陈晓红等用熵权—TOPSIS模型对哈长城市群城市韧性进行综合测度，并对其时空格局及演变趋势进行探究[8]。②将生态韧性视为城市可持续发展的重要能力，探究城市生态韧性的空间格局及影响因素[9]。此类研究以重要的经济区或生态区为案例地，如京津冀城市群、长三角城市群、黄河流域、鄱阳湖流域等[10⇓-12]，运用ESDA、核密度、空间马尔可夫链等方法分析生态韧性的空间格局及演化规律，并构建影响生态韧性的指标体系，利用GTWR模型、STIRPAT模型等方法分析生态韧性的影响因素[13-14]。③探究特定因素对生态韧性的影响。此类研究主要集中在城镇化、景观格局等方面对生态韧性的影响，如通过空间杜宾模型、中介效应模型等方法研究环境规制对生态韧性的影响[15]，并提出了“波特假说”“绿色悖论效应”等观点。④以生态韧性为主体，探讨生态韧性与其他因素的互动关系。如运用收敛模型[16]、Tapio脱钩模型[11]等方法研究城市化与生态韧性的协调关系，利用Dagum基尼系数分解法、超效率SBM模型等方法研究生态韧性与经济发展质量的耦合协调关系[17]，并通过耦合协调度、协调影响力研究绿色技术进步与生态韧性耦合协调关系[18]。
纵观以上研究，尽管视角各异、内容多样，但多将生态韧性作为城市韧性的组成或作为整体与其他因子进行互动研究，较少关注生态韧性系统内部子系统耦合协调性。基于此，本文根据Francis提出的韧性的3种能力[19]，构建以抵抗力、适应力、恢复力为准则层的生态韧性协调指标体系，探究生态韧性内部各系统时空格局变化及其耦合协调特征，同时运用地理探测器和空间计量模型对生态韧性耦合协调度的影响因子和影响程度进行评估，旨在为生态韧性城市建设和长三角地区的协调可持续发展提供可操作的政策建议和规划指导。

1 抵抗—适应—恢复的耦合机理

生态系统韧性是衡量生态系统应对扰动和变化能力的关键指标，其内在机理一直是学界关注的焦点。本文从抵抗力、适应力和恢复力三大子系统的耦合机制出发，揭示生态韧性系统的本质特征和运作原理（图1）。
图1 生态韧性内部三大子系统的动态相互关系

Fig.1 Dynamic interactions within ecological resilience subsystems

从复杂适应系统理论的角度，生态韧性系统是一个由多元要素相互作用、动态适应外部环境变化的复杂整体。抵抗力、适应力和恢复力是维持生态稳态的三大核心能力，其协同发展对于系统整体韧性的充分体现至关重要。Panarchy理论[20]进一步阐明，生态系统由多个嵌套循环构成，3种能力在不同时空尺度上的协调状态决定了系统在各个层级上的韧性表现。从非线性动力学的角度看[21]，生态韧性系统是一个多稳态并存的非线性动力系统，3种能力的协调发展有助于系统保持在期望的吸引子区域内，避免陷入非预期状态或发生剧变。信息论视角[22]则将生态韧性理解为系统对信息输入与处理的能力，3种能力的协调发展确保了系统对各类信息的高效响应。
抵抗力、适应力与恢复力是相互联系、相互补充的三大子系统。抵抗力为系统在外部冲击面前维持稳定奠定了坚实的基础，使系统能够直接抵御干扰，减缓或规避干扰的影响。适应力是指城市生态系统在受到外部风险压力后自我调整和适应的能力，赋予系统在持续压力下调整自身结构与功能的灵活性，确保系统能够保持有序运转。恢复力是指生态系统在遭受风险压力和自然资源破坏后，通过直接或间接的自然恢复过程，在长期内恢复甚至“升级”到更高水平状态的能力和潜力。相关研究指出[23]，这3种能力具有内在协同和时序继起，抵抗力通过降低系统内生风险，为适应力和恢复力预留窗口期；适应力支持生态系统动态调整；恢复力的高效发挥能够巩固系统抗扰动基础，为适应力和抵抗力升级赋能。三者优化的动态平衡可最大限度地提高系统整体的稳健性和可持续发展能力，避免偏重某一方面而忽视整体性。
耦合是系统或要素间相互作用、相互影响的现象。协调是系统或要素之间相互配合、和谐一致的良性相互关联[24]。生态韧性系统内部的3个子系统存在显著的多向互动协同作用，共同构成了对外部冲击的完整防御机制。高度协调的耦合能够通过优化资源分配和信息交流提高系统抵御外部干扰的能力，帮助生态系统快速感知环境变化并做出相应调整，增强适应力，加速系统的恢复过程。

2 研究区域与方法

2.1 研究区概况与数据来源

2.1.1 研究区概况

根据《长三角区域一体化发展规划纲要》（2019年），长三角地区包含直辖市上海以及江苏省、浙江省和安徽省全域41个城市，总面积约为35.8万km2，人口超过2.5亿。长三角是中国经济发展的活跃地带，涵盖不同发展水平的城市与地区，可作为研究区域协调发展与生态文明建设的典型案例地。但是，随着城市化进程的加速，环境污染和生态退化问题日益严重，对长江流域的生态安全产生了影响[25]。因此，研究长三角生态韧性，评估经济社会发展与生态系统弹性之间的耦合协调关系，对促进区域高质量发展和构建和谐的城市生态文明至关重要。

2.1.2 数据说明及来源

生态韧性是指生态系统抵抗外源扰动对其平衡状态的破坏，长期承受外界干扰并随着时间的推移恢复平衡的自我调节能力。它会在一段时间内相对稳定，但在系统状态的影响下不断波动和变化[26]。本文基于城市生态学视角，根据抵抗力、适应力和恢复力的特征与关系建立指标体系以反映长三角生态韧性综合水平及其演变过程（表1）。生态系统抵抗力的强弱可以通过生态系统服务的规模来表征，生态系统服务功能是指生态系统在短期内为人类的生产、生活提供众多服务价值的能力，因此选取人口密度、碳排放总量、工业SO2排放量、化肥施用量（折纯）、可吸入细颗粒物年平均浓度、城市建设用地占市区面积比例等有关人口、工农商业发展的功能性指标。适应力选取水利、环境和公共设施管理业从业人员数量、排水管道长度、市容环境卫生公用设施固定资产投资、污水处理能力、生活垃圾处理能力、一般工业固体废物综合利用率等人类面对扰动的短期应对性指标。恢复力选取建成区绿化覆盖率、人均绿地面积、人均水资源占有量、景观格局指数为代表的资源直接恢复性指标和以地方财政环境保护支出、绿色技术创新水平为代表的间接恢复性指标。
表1 区域生态韧性指标体系及说明

Tab.1 Evaluation index system of regional ecological resilience and its explanation

目标层 准则层 指标层 单位 归一化 权重
生
态
韧
性
水
平		 抵抗力 人口密度 人/km2 反向 0.2703
碳排放总量 万t 反向 0.0696
工业SO2排放量 t 反向 0.0508
化肥施用量（折纯） 万t 反向 0.1597
可吸入细颗粒物年平均浓度 μg/m3 反向 0.3655
城市建设用地占市区面积比重 % 反向 0.0840
适应力 水利、环境和公共设施管理业从业人员数量 万人 正向 0.1032
排水管道长度 km 正向 0.1576
市容环境卫生公用设施固定资产投资 亿元 正向 0.3050
污水处理能力 万m3/日 正向 0.2482
生活垃圾处理能力 t/日 正向 0.1819
一般工业固体废物综合利用率 % 正向 0.0041
恢复力 建成区绿化覆盖率 % 正向 0.0233
人均绿地面积 m2/人 正向 0.1581
人均水资源占有量 m3/人 正向 0.2815
景观格局指数 - 正向 0.0553
地方财政环境保护支出 亿元 正向 0.2746
人均绿色专利数量 个/人 正向 0.2071
本文研究时期为2012—2021年，数据来源于2013—2022年《中国城市统计年鉴》《中国城市建设统计年鉴》、各省市统计年鉴及统计公报，个别缺失数据采用插值法和移动平均法进行补充。

2.2 研究方法

2.2.1 熵值法

熵值法（Entropy Method）是一种用于评价和排序具有多个评价指标的方案或决策对象的多指标决策方法。熵值法能够客观反映各指标的信息效用大小，避免了信息缺失等问题，是较为合理的多指标决策赋权方法，在各类评价体系中得到了广泛应用[27]。本文通过熵值法计算各指标权重（表1）。

2.2.2 动态耦合协调度模型

不同于传统静态模型，动态耦合协调模型能够捕捉时间维度上的变迁，动态评估系统在不同时间节点的协调状态，更为精确地刻画生态系统韧性的时空特征[28]。
生态韧性系统的演化过程可以表示为一个非线性系统[29]，计算模型如下：
d x t d t = f x 1 ,   x 2 ,   ⋯ x n
式中：f为系统元素的非线性函数。根据李雅普诺夫第一近似理论，非线性系统的运动稳定性可以通过一次近似系统的特征根来衡量。计算模型如下：
d x t d t = a 1 x 1 + a 2 x 2 + ⋯ a n x n
式中：ai为线性近似参数。将生态韧性系统视为由抵抗力、适应力和恢复力3个子系统组成的复合系统，分别用R、A和C表示，其演化可通过非线性拟合方法得到对应的变化曲线方程如下：
R = d F ( R ) d t = a 1 f ( R ) + a 2 f ( A ) + a 3 f ( C ) , V R = d R d t A = d F ( A ) d t = b 1 f ( R ) + b 2 f ( A ) + b 3 f ( C ) , V A = d A d t C = d F ( C ) d t = c 1 f ( R ) + c 2 f ( A ) + c 3 f ( C ) , V C = d C d t
式中：VR、VA和VC分别代表子系统的演变速度，其符号表示了对应子系统的演化方向。整个系统的演化速度由这3个子系统的演变速度共同决定，记作V=（VR，VA，VC）。根据子系统演化速度的符号判断各子系统复合演化的耦合发展阶段，具体见表2。
表2 耦合协调阶段及说明

Tab.2 Stage and explanation of coupling coordination

发展阶段 （VR，VA，VC） 具体说明
拮抗耦合 （-，-，-） 抵抗力、适应力和恢复力都处于恶化的状态
磨合耦合 （+，-，-） 抵抗力得到加强，但适应力和恢复力仍在恶化
（-，+，-） 适应力开始得到提升，但抵抗力和恢复力仍在下降
（-，-，+） 适应力有所提升，但抵抗力和适应力不足
初级耦合 （-，+，+） 适应力和恢复力较强，但抵抗力下降
（+，-，+） 抵抗力和恢复力得到加强，但适应力不足
（+，+，-） 抵抗力和适应力都得到了加强，但恢复力不足
优质耦合 （+，+，+） 抵抗力、适应力和恢复力都得到了加强，系统表现出高度协调性和整体韧性
考虑R、A、C为坐标轴的三维直角坐标系，当系统完全协调发展时，R=A=C，此时系统演化状态与原点所形成向量的方向向量为=（1，1，1）。在系统演化过程中，任一时刻系统演化状态与完全协调发展之间的夹角a满足：
a = a r c c o s U · U 0 U U 0
夹角a被称为偏离协调度，取值范围为0°~55°（arccos 3 3），反映子系统发展偏离最佳协调发展的程度，数值越小表示子系统越接近均衡发展状态。

2.2.3 基于最优参数的地理探测器模型

基于最优参数的地理探测器模型，通过筛选解释力q值最高的离散化方案作为地理探测分析的前置条件，以提高地理事物空间分层异质性探测的整体分析能力。计算公式见相关文献[30]。

2.2.4 空间计量模型

空间计量模型是考察地理事物空间关联性的主要模型，其中SDM模型包含内生和外生的空间效应，参数估计不受遗漏变量空间依赖程度的影响，应用范围更广。计算公式见相关文献[31]。

3 抵抗力、适应力和恢复力时空分布格局及耦合协调性分析

3.1 抵抗力、适应力和恢复力时空分布格局

结合2012年“美丽中国”和“绿色发展”的提出，2016年国家“十三五”规划，2021年《中华人民共和国长江保护法》的正式实施，选取并利用Origin软件将2012、2016和2021年长三角城市抵抗力、适应力和恢复力可视化（图2~图4）。具体如下：
图2 2012—2021年长三角城市抵抗力指数

Fig.2 Resistance index in cities of the Yangtze River Delta from 2012 to 2021

图3 2012—2021年长三角城市适应力指数

Fig.3 Adaptability index in cities of the Yangtze River Delta from 2012 to 2021

图4 2012—2021年长三角城市恢复力指数

Fig.4 Recovery index in cities of the Yangtze River Delta from 2012 to 2021

①抵抗力指数是城市对生态风险的缓冲和吸收能力的重要标志。2012年，长三角城市抵抗力指数的高值区集中在浙中南和皖南，低值区分散出现在上海和皖北。2016年，长三角城市的抵抗力指数普遍增长，形成“南强北弱”的空间趋势。到2021年，城市间抵抗力差距缩小，但空间分布保持稳定。浙南和皖南地区通过调节体系结构，增强了对生态压力的抵抗性，而上海等发达城市则因高度城市化导致生态系统脆弱性增加，抵抗力相对较低。
②适应力指数是城市对生态压力作出反应以及调整速度和效率的关键指标。2012年，上海成为适应力指数的绝对高值城市，南京、苏州、杭州等地形成高值区；低值区则分布在皖北和浙西南地区。2016年，上海保持领先，其他城市适应力指数稍有增长；低值区主要呈线状分布在长三角西南部。到2021年，长三角大部分城市的适应力指数持续增长，上海保持显著优势，其余高值区聚集在浙北、苏南以及皖中地区。研究期间，上海受益于雄厚的科技创新实力，适应力始终领先，苏南和浙北地区通过区域一体化增强了与上海的交流合作，出现了适应力指数的俱乐部趋同现象。相比之下，皖北和皖南等地区由于受区位和资源禀赋的制约，适应力较弱。
③恢复力指数是评价城市生态系统在遭受扰动后自我修复能力的关键指标。2012年，高恢复力的区域主要集中在南部山区，如黄山、丽水等地；低值区则集中在北部平原，如阜阳、亳州和泰州等城市。2016年，黄山成为唯一的高值区，而浙南地区恢复力有所退化，苏北地区则有所提高。到2021年，上海、南京、苏州、无锡和丽水等地的恢复力增强，而皖北地区恢复力相对较弱，这与传统产业结构导致的生态系统脆弱性有关。
总体来看，2012—2021年长三角地区生态韧性的3个维度均呈现波动上升的态势，抵抗力和恢复力在区域内部的整体差异有所收敛。得益于生态文明理念的指导，长三角地区统筹区域发展，加强了生态系统保护，促进了生态韧性的整体提高。然而，从空间分布上看，3种韧性均形成了“南高北低”的格局，江浙地区因气候资源优越，经济实力雄厚，为韧性建设提供了有力支撑。此外，适应力在东南沿海地区更为突出，这与上海等城市在科技和体制的创新优势密不可分。

3.2 动态耦合协调度的时空演变分析

3.2.1 抵抗力、适应力和恢复力的演变趋势分析

本文计算了长三角地区各城市抵抗力、适应力和恢复力的演化速度和方向，并分别统计各年份的平均值和标准差。由表3可知，2012—2016年抵抗力和恢复力的演化速度加快，但方向倾向于弱化；适应力则表现出积极的正向发展趋势。三者的标准差均围绕0.03小幅波动，显示城市间演化速度差异相对稳定。2016—2021年，抵抗力和恢复力的演化方向转为正向，但演化速度有所下降；而适应力则出现显著的负向转变，演化速度进一步减缓。标准差分析显示，城市间在抵抗力和恢复力上的差异减少，而适应力的演化速度差异则显著扩大，反映出城市间在适应力方面的异质性增强。
表3 2012—2021年长三角地区VR、VA和VC演变趋势

Tab.3 Evolution trend of VR, VA and VC in the Yangtze River Delta (2012-2021)

年份 VR VA VC
平均值 标准差 平均值 标准差 平均值 标准差
2012 -0.0085 0.0384 0.0099 0.0345 0.0004 0.0314
2013 -0.0129 0.0336 0.0001 0.0397 0.0127 0.0272
2014 0.0377 0.0390 0.0118 0.0348 0.0049 0.0259
2015 0.0396 0.0284 -0.0068 0.0492 0.0125 0.0162
2016 -0.0192 0.0377 0.0080 0.0337 -0.0154 0.0320
2017 0.0102 0.0349 0.0073 0.0341 0.0096 0.0216
2018 0.0202 0.0302 0.0053 0.0464 0.0143 0.0182
2019 0.0201 0.0234 0.0061 0.0353 -0.0005 0.0233
2020 0.0305 0.0246 0.0165 0.0582 0.0253 0.0375
2021 0.0113 0.0255 -0.0064 0.0595 0.0129 0.0286
综合来看，2012—2021年长三角城市生态系统的内部结构和功能不断优化，协同发展水平显著提高。其中，抵抗力不仅方向转为正向，演化速度加快，而且城市间波动性减少，稳定性增强；适应力方向由正转负，演化速度减缓，城市间差异性增大；恢复力从负向转为正向发展，演化速度提升，城市间差异波动缩小，稳定性提高。

3.2.2 偏离协调度的时空演变分析

利用ArcGIS软件对2012、2016和2021年长三角地区偏离协调度及其发展阶段进行空间可视化处理（图5）。2012—2021年长三角地区城市生态韧性的发展阶段和协调偏离度经历了显著变化。2012年，多数城市处于磨合耦合和初级耦合阶段，仅有南通、宁波、合肥等6市达到优质耦合阶段，而处于拮抗和磨合耦合的城市集中在皖西北。2016年，优质耦合城市全部退化，而拮抗和磨合耦合城市转移至扬州、温州、马鞍山、六安，总数量未变。到2021年，整体发展阶段提升，拮抗耦合城市减至1个，磨合耦合城市数量大幅减少至11个，初级耦合城市数量增加，优质耦合城市增至11个，且在江浙皖三省均匀分布，显示出长三角地区生态韧性正逐渐接近最佳协调状态。从协调偏离度分析来看，2012—2016年，多数城市生态韧性的内部抵抗力、适应力和恢复力发展更趋均衡，如上海、苏州、南京、宿州的偏离协调度显著下降，表明这些城市生态韧性协调发展良好。然而，也有城市如徐州和淮北的偏离协调度上升，反映出生态韧性发展的不均衡。2016—2021年，杭州、无锡、马鞍山、合肥的偏离协调度显著下降，生态韧性发展更加均衡，而宿州、宣城和黄山的偏离协调度有所上升，表明新的不均衡出现。
图5 长三角地区城市偏离协调度时空分异格局演变

Fig.5 Spatiotemporal distribution of deviation coordination degree in cities of the Yangtze River Delta （2012-2021）

总体而言，2012—2021年长三角多数城市生态韧性的协调发展得到改善，尤其是常州、盐城、马鞍山、杭州等城市在生态韧性均衡发展方面取得显著进步，这反映出区域生态韧性的整体提升和城市间发展差异的缩小。

4 生态韧性耦合协调的影响因素分析

4.1 影响因素选取

生态韧性耦合协调度在长三角地区存在显著空间差异，受社会、经济、自然因素共同影响。本文基于区域经济学、城市地理学相关理论，结合已有的生态韧性研究实践[32]，并考虑指标因素的客观性、科学性与可获得性等原则，选取常住人口城镇化率、R&D经费比例、人均GDP、香农多样性指数等8项具体指标构建影响因素体系（表4）。
表4 生态韧性耦合协调度的影响因素及说明

Tab.4 Influencing factors of coupling coordination degree of ecological resilience and their explanations

因素分类 影响因素 具体指标 测度方法 单位
社会因素 城镇化发展水平 常住人口城镇化率 城镇人口/常住人口 %
科技创新水平 R&D经费比例 R&D经费投入/GDP %
环境规制水平 环境规制强度指数 政府工作报告中与“环境保护”相关词汇的频率 -
经济因素 经济发展水平 人均GDP GDP/常住人口 元/人
产业结构水平 第二产业比重 第二产业增加值/GDP %
对外开放水平 人均使用外资金额 实际使用外资金额/常住人口 美元/人
自然因素 生境多样性水平 香农多样性指数 生态系统中物种的丰富度和均匀度 -
地形地貌 地形坡度 - -
各因素选取理由如下：①城镇化发展水平：常住人口城镇化率是衡量城市化和经济发展水平的重要指标。城镇化进程加快伴随人口集中，增加了生态系统压力[10]。②科技创新水平：科技创新能力是增强环境适应力和应对灾害的关键技术支撑，对提高生态韧性至关重要。③环境规制水平：环境规制强度反映政府在环境管理中的监管效能，是调控企业和公众环境行为的关键制度因素[14]。④经济发展水平：人均GDP作为经济发展状况的指标，其提高意味着在环境建设和生态保护有更强的财政投入，但也可能伴随资源消耗和污染排放的增加[18]。⑤产业结构水平：产业结构是经济发展与生态环境之间的纽带，调整产业结构能有效影响资源利用强度和污染排放，进而影响区域生态韧性[11]。⑥对外开放水平：人均使用外资金额显示城市的对外开放程度和外资吸纳能力，外资的引入有助于产业技术升级和提高环境规制及生态保护水平[6]。⑦生境多样性水平：物种数量和物种丰富度直接影响生态系统的多样性，香农多样性是评估生态系统健康和韧性的科学定量工具[33]。⑧地形地貌：地形坡度是反映某区域地表形态和地貌特征的重要指标，复杂地形可增强生态系统的稳定性与韧性[34]。

4.2 因素探测分析

为分析长三角地区生态韧性耦合协调度的影响因素，本文对偏离协调度进行正向化处理，并运用基于最优参数的地理探测器模型中因子探测工具识别2012、2016和2021年的关键因素。
由表5可知，经济发展水平是长三角生态韧性耦合协调度的主导驱动因子，其解释力在3个研究年份均超过0.930，位居第一。科技创新水平同样重要，解释力始终保持在0.710以上，并且显著性强。产业结构水平的解释力上升，从第四位升至第三位，表明产业结构的升级转型对耦合协调度的影响加大。对外开放水平的解释力在2012和2016年较高，但在2021年显著下降。城镇化发展水平和生境多样性水平在2012和2016年解释力较低，但在2021年显著上升。环境规制水平在2016年影响显著，地形地貌在3个研究年份中的解释力均不显著。
表5 2012、2016和2021年生态韧性耦合协调度的影响因素探测结果

Tab.5 Detection results of influencing factors of coupling coordination degree of ecological resilience in 2012，2016 and 2021

特征变量 2012 2016 2021
q p q p q p
社会因素 城镇化发展水平 0.408 0.688 0.144 0.142 0.441*** 0.000
科技创新水平 0.744*** 0.000 0.777*** 0.000 0.710*** 0.000
环境规制水平 0.342 0.371 0.190** 0.011 0.071 1.000
经济因素 经济发展水平 0.932*** 0.000 0.941*** 0.000 0.956*** 0.000
产业结构水平 0.141*** 0.006 0.493*** 0.000 0.486*** 0.003
对外开放水平 0.530*** 0.000 0.517*** 0.009 0.329 0.406
自然因素 生境多样性水平 0.215 0.886 0.202 0.951 0.314** 0.020
地形地貌 0.157 1.000 0.109 0.300 0.201 0.999

注：***、**、*分别表示变量在1%、5%和10%上显著。表6、表7同。

4.3 空间溢出效应分析

4.3.1 空间相关性分析

由表6可知，2012—2021年长三角生态韧性的全局莫兰指数持续上升，正相关性显著，显示区域间生态韧性相互影响，空间依赖性逐年增强，生态结构趋于有序。
表6 长三角生态韧性全局莫兰指数(2012—2021年)

Tab.6 Global Moran's index of ecological resilience in the Yangtze River Delta (2012-2021)

年份 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
Moran's I 0.167** 0.215*** 0.287*** 0.238*** 0.265*** 0.161*** 0.241*** 0.229*** 0.297*** 0.224***

4.3.2 空间模型选择分析

在地理距离空间权重矩阵下，LM检验、LR检验及Wald检验统计量取值均拒绝原假设，表明选择SDM模型是合理且有效的。根据Hausman检验结果，表明使用双向固定效应下的SDM模型更为合理。

4.3.3 空间溢出效应分解

根据地理学第一定律，区域生态韧性不仅受本地条件制约，还受邻近地区发展影响，研究空间溢出效应至关重要。基于地理探测器模型结果，本文选取解释力前五的驱动因子，进一步探究其影响的直接效应和间接效应（表7）。具体分析如下：
表7 长三角生态韧性空间溢出效应(2012—2021年)

Tab.7 Spatial spillover effects of ecological resilience in the Yangtze River Delta (2012-2021)

变量 直接效应 间接效应 总效应
经济发展水平 0.00618** 0.0132* 0.0194**
（0.0030） （0.0073） （0.0079）
科技创新水平 0.00285 -0.0164** -0.0136*
（0.0019） （0.0065） （0.0069）
产业结构水平 -0.00474* 0.0123* 0.00752
（0.0026） （0.0067） （0.0068）
对外开放水平 0.00207** -0.00169 0.000375
（0.0010） （0.0027） （0.0032）
城镇化发展水平 -0.000686 0.00256 0.00188
（0.0011） （0.0023） （0.0025）

注：括号内数值为标准误。

①经济发展水平对生态韧性具有显著的正向直接和间接影响，符合环境库兹涅茨曲线假说和生态现代化理论，表明经济增长通过增加环保投资和技术创新，增强了地区生态韧性。间接效应表明，经济发达地区通过技术溢出、政策示范与产业链优化等途径，能够显著提升邻近地区的生态韧性。
②科技创新对生态韧性的空间效应呈非线性特征。直接效应不显著，间接效应显著为负。这可能源于创新的“创造性破坏”本质，本地资源效率提升和清洁技术应用可能被创新过程中的资源消耗和环境压力抵消。负向间接效应可能与区域间创新竞争和资源重新配置有关，导致创新资源集中在中心地区，削弱周边地区生态治理能力。
③产业结构水平的直接影响显著为负，间接效应显著为正。短期内，第二产业比重增加可能加剧资源消耗和环境压力，影响生态韧性。然而，产业结构优化升级通过促进区域间经济和技术交流，产生积极外部效应，提升周边地区生态韧性。
④对外开放水平的直接影响为正，间接效应不显著。外资引入和技术交流直接提升生态韧性，但间接效应不显著可能与区域发展不均衡、路径依赖等因素有关。增长极理论指出，外资集中在中心地区虽促进经济增长，但可能限制边缘地区生态韧性的提升。
⑤城镇化发展水平对生态韧性的影响统计上不显著，可能反映城镇化进程中正负效应相互平衡。这表明城镇化进程中需更重视生态友好型发展模式，以确保正面贡献。

4.4 主导因子影响机制

基于定量探测长三角生态韧性耦合协调度的空间分异主导因子，本文将其归纳为社会调控机制、经济动力机制和自然约束机制，剖析其驱动机制，有助于进一步拓宽对生态韧性耦合协调度与社会经济自然环境交互作用的理论认知（图6）。
图6 长三角生态韧性耦合协调度影响机制

Fig.6 Impact mechanism of coupling coordination degree of ecological resilience in the Yangtze River Delta

生态韧性的协调度受外生动力机制和内生动力机制的综合影响。外生动力机制指驱动耦合协调度发展变化的各种外在动力要素的有机组合，包括国家战略和政府政策的实施等，它们通过引导和塑造生态韧性的发展路径和资源配置等影响其协调度。内生动力机制则是指系统内部的自发力量和因素，与经济发展和自然禀赋密切相关。内、外生动力机制不断交互、循环、融合，推动着耦合协调度的不断优化。具体如下：
①社会调控机制是生态韧性耦合协调度增长的驱动引擎。作为中国城镇化水平最高、创新能力最强、环境治理水平最先进的区域之一，长三角为生态高质量发展提供了实践样本。影响因素测度结果显示，科技创新和城镇化发展水平对生态韧性的耦合协调起关键作用。长三角紧扣“一体化”和“高质量”两个关键词，大力推进G60科创走廊和长三角科技创新共同体建设，促进创新主体集聚和创新成果涌现。这不仅直接促进了产业结构优化升级，还通过知识溢出和技术扩散产生正向外部效应。同时，长三角因地制宜地发挥宏观调控作用，借助自上而下的布局和自下而上的探索，深化城镇化，提高财政科技支出，强化环境规制，赋能高校协作，深化人才引进，加速创新资源汇聚、科学技术融合和产业创新发展。
②经济动力机制是生态韧性耦合协调度内核稳健的核心。作为内生动力，经济机制是生态韧性提升的立足点和突破口。影响因素测度显示，经济发展水平、产业结构水平和对外开放水平对生态韧性协调度起关键作用。近年来，长三角地区注重经济发展与生态保护的互动共生关系，以低碳发展和点绿成金为目标和手段，实现生态韧性的稳步提升。优越的经济基础为生态环境治理和绿色发展提供了坚实的物质保障，同时改善的生态环境反过来促进了经济发展。例如，江苏依托光伏和新能源产业的发展，展示了经济优势转化为生态韧性的潜力；长三角城市加速推动第二产业向高端、智能和绿色转型，实施创新驱动策略；作为互联网之都，杭州大力发挥工业互联网核心作用，充分释放新科技和业态潜力。长三角地区还积极建设现代产业结构，融入全球经济体系，引进外资、技术和管理经验，强化产业协同合作，鼓励推动专精特新企业国际化，提升区域经济的开放度和创新能力。这些举措不仅推动了经济持续发展，也为生态环境保护和可持续发展提供了有力保障。
③自然约束机制是生态韧性耦合协调度可持续发展的基础保证。影响因素测度显示，生境多样性水平的解释力由弱转强。2012—2021年长三角通过新型城镇化和生态文明改革，提升了生物多样性和生态系统质量，生境多样性对生态韧性的解释力逐年增强。随着高质量发展的推进，生境多样性的提升效应在2021年得到进一步强化，为生态韧性的持续提升提供了有力支撑。

5 结论与建议

5.1 结论

本文以长三角地区41个城市为研究对象，从抵抗力、适应力和恢复力3个维度构建生态韧性评估模型，测度并分析了2012—2021年各子系统时空变化特征、耦合协调规律及影响机制。主要结论如下：
①长三角生态韧性指数总体上呈缓慢上升态势。在时间上，除适应力外，城市间各指数的差距逐渐缩小。空间分布上，各指数呈现“东南高、西北低”的格局，高值集中在上海、江苏南部、浙江北部，低值分布在安徽北部和西部地区。
②长三角生态系统不断优化，协同发展水平提升。抵抗力和恢复力逐渐转为正向发展，演化速度也有不同程度提高；而适应力的演化方向从正向转为负向，且速度趋缓。协调发展在多数城市中得到了改善，偏离协调度呈“东南低西北高”分布。
③生态韧性耦合协调度是多层次多种类因子综合作用的结果。因子探测发现，经济发展和科技创新是关键因素，产业结构和对外开放的影响力有所变化。外源扰动和内核驱动通过社会调控、经济动力和自然约束的三维驱动机制，共同影响长三角生态韧性耦合协调度的动态变化。

5.2 建议

为促进长三角地区生态韧性的协调发展，本文提出以下建议：
①持续促进经济发展，合力支持科技创新。为了解决长三角生态韧性协调问题，实现高质量一体化发展，必须以经济为基础，依托经济内生力量推动科技创新，开辟发展新领域新赛道。完善的科技创新体系和政策将科技创新与生态绿色发展高度融合，持续提升生态韧性协调度。
②产业结构生态化调整，景观环境共保联治。一方面，要建设绿色制造体系，推进清洁生产，促进重点领域节能降碳，做强做优绿色低碳产业，进一步形成可持续生产生活方式。另一方面，要加强长三角绿色生态一体化，确保生态保护红线无缝衔接，推动联合执法，最大限度发挥一体化协作效益。同时，加强生态屏障、生态廊道保护及景观空间布局改善，增强环境抗风险能力。
③强化生态系统综合韧性，推动协同发展。加强发达与欠发达城市之间、大城市与中小城市之间的协同发展，完善省际绿色基础设施规划，建立区域互利共赢的利益分享机制和协调机制。要充分发挥上海、南京、杭州、合肥等中心城市的辐射带动作用，促进周边欠发达城市结合自身实际，提升整体生态韧性协调能力。
随着城市扩张和人口增长带来的生态压力不断加大，建设生态韧性城市已经成为生态文明建设的共识。本文仅聚焦于长三角生态韧性耦合协调性及外部因子对其影响机制的研究，后续应增加内部三维度之间的相互关系及其影响机制的研究，注重从韧性内部出发的影响因素交互耦合机制分析，同时深入探讨生态韧性整体与内部子维度的发展关系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Nunes D M, Tomé A, Pinheiro M D. Urban-centric resilience in search of theoretical stabilisation?A phased thematic and conceptual review[J]. Journal of Environmental Management, 2019,230:282-292.

[2]
赵瑞东, 方创琳, 刘海猛. 城市韧性研究进展与展望[J]. 地理科学进展, 2020, 39(10):1717-1731.

DOI

[3]
Zhang C G, Zhou Y J, Yin S G. Interaction mechanisms of urban ecosystem resilience based on pressure-state-response framework:A case study of the Yangtze River Delta[J]. Ecological Indicators, 2024,166:112263.

[4]
刘玒玒, 刘书芳. 祁连山地区复合生态系统韧性时空演化及障碍因子识别[J]. 干旱区地理, 2024, 47(2):237-247.

DOI

[5]
Wang H, Liu Z, Zhou Y. Assessing urban resilience in China from the perspective of socioeconomic and ecological sustainability[J]. Environmental Impact Assessment Review, 2023,102:107163.

[6]
尹建军, 胡静, 黄宇瑄. 长江中游城市群城市韧性时空演化特征及动态预测研究[J]. 长江流域资源与环境, 2023, 32(11):2312-2325.

[7]
Bixler R P, Lieberknecht K, Atshan S, et al. Reframing urban governance for resilience implementation:The role of network closure and other insights from a network approach[J]. Cities, 2020,103:102726.

[8]
陈晓红, 娄金男, 王颖. 哈长城市群城市韧性的时空格局演变及动态模拟研究[J]. 地理科学, 2020, 40(12):2000-2009.

DOI

[9]
Derissen S, Quaas M F, Baumgärtner S. The relationship between resilience and sustainability of ecological-economic systems[J]. Ecological Economics, 2011, 70(6):1121-1128.

[10]
汪东川, 龙慧, 王康健, 等. 京津冀城市群城市化强度与生态韧性的耦合协调分析[J]. 生态学报, 2023, 43(15):6321-6331.

[11]
陶洁怡, 董平, 陆玉麒. 长三角地区生态韧性时空变化及影响因素分析[J]. 长江流域资源与环境, 2022, 31(9):1975-1987.

[12]
宋永永, 庞先峰, 唐宇, 等. 能源富集区社会—生态系统韧性演化与机理——以榆林市为例[J]. 经济地理, 2024, 44(1):32-44.

DOI

[13]
彭文斌, 曹笑天. 城市更新作用下生态韧性时空分异及其影响效应——以环长株潭城市群为例[J]. 经济地理, 2023, 43(10):44-52.

DOI

[14]
王松茂, 牛金兰. 山东省旅游经济与城市生态韧性协同演化研究[J]. 地理学报, 2023, 78(10):2591-2608.

DOI

[15]
吴朝霞, 许越, 孙坤. 城市集聚效应对绿色技术创新的影响研究——基于中国232个地级及以上城市的空间计量分析[J]. 经济地理, 2022, 42(10):25-34,71.

[16]
Li G Z, Wang L Q. Study of regional variations and convergence in ecological resilience of Chinese cities[J]. Ecological Indicators, 2023,154:110667.

[17]
赵领娣, 孙兆旭. 海岸带城市经济发展质量与生态韧性协同发展演化及空间收敛特征[J]. 经济地理, 2023, 43(7):119-129.

DOI

[18]
Li D, Yang W P, Huang R Y. The multidimensional differences and driving forces of ecological environment resilience in China[J]. Environmental Impact Assessment Review, 2023,98:106954.

[19]
Francis R, Bekera B. A metric and frameworks for resilience analysis of engineered and infrastructure systems[J]. Reliability Engineering and System Safety, 2014,121:90-103.

[20]
Holling C S. Understanding the complexity of economic,ecological,and social systems[J]. Ecosystems, 2001, 4(5):390-405.

[21]
Dakos V, Kéfi S. Ecological resilience:What to measure and how[J]. Environmental Research Letters, 2022, 17(4):043003.

[22]
Eason T, Garmestani A S, Stow C A, et al. Managing for resilience:An information theory-based approach to assessing ecosystems[J]. Journal of Applied Ecology, 2016, 53(3):656-665.

[23]
Sánchez-Pinillos M, Dakos V, Kéfi S. Ecological dynamic regimes:A key concept for assessing ecological resilience[J]. Biological Conservation, 2024,289:110409.

[24]
尹上岗, 孙恬, 朱奕衡, 等. 长三角地区城区面积-绿地面积异速增长关系及协调性研究[J]. 地理科学, 2024, 44(4):670-680.

DOI

[25]
宓泽锋, 曾刚, 周灿, 等. 长三角城市群生态文明建设问题及潜力研究——基于5大城市群的比较[J]. 长江流域资源与环境, 2018, 27(3):463-472.

[26]
Folke C, Carpenter S R, Walker B, et al. Resilience thinking:Integrating resilience,adaptability and transformability[J]. Ecology and Society, 2010, 15(4):20.

[27]
尹上岗, 姜晓艳, 姜海宁. 长三角地区房价、创新能力与城市品质的互动关系——基于PVAR模型的分析[J]. 地理研究, 2023, 42(10):2738-2758.

DOI

[28]
秦明慧, 刘秀丽. 海河流域水环境安全评价及动态耦合协调度分析[J]. 灌溉排水学报, 2023, 42(10):63-73.

[29]
Holling C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics, 1973, 4(1):1-23.

[30]
段健, 王维婷, 徐勇, 等. 近30年来青藏高原粮食供需平衡格局演变及驱动因素[J]. 生态学报, 2024, 44(22):10411-10426.

[31]
马丽君, 刘聪, 唐盈. 省域旅游业高质量发展促进共同富裕的空间效应分析[J]. 经济地理, 2024, 44(4):210-219.

DOI

[32]
石龙宇, 郑巧雅, 杨萌, 等. 城市韧性概念、影响因素及其评估研究进展[J]. 生态学报, 2022, 42(14):6016-6029.

[33]
Wang S B, Li Z Y, Long Y, et al. Impacts of urbanization on the spatiotemporal evolution of ecological resilience in the Plateau Lake Area in Central Yunnan,China[J]. Ecological Indicators, 2024,160:111836.

[34]
Yang X Y, Meng F, Fu P J, et al. Spatiotemporal change and driving factors of the Eco-Environment quality in the Yangtze River Basin from 2001 to 2019[J]. Ecological Indicators, 2021,131:108214.

Options
文章导航

/

〈 〉