环境科学  2025, Vol. 46 Issue (7): 4592-4601   PDF    
引用本文
鲁方圆, 张郴, 贾添羽, 黄震方, 徐敏. 长江经济带城市生态韧性时空演化特征及其驱动机制[J]. 环境科学, 2025, 46(7): 4592-4601.
LU Fang-yuan, ZHANG Chen, JIA Tian-yu, HUANG Zhen-fang, XU Min. Spatio-temporal Evolution Characteristics and Driving Mechanisms of Urban Ecological Resilience in the Yangtze River Economic Belt[J]. Environmental Science, 2025, 46(7): 4592-4601.
长江经济带城市生态韧性时空演化特征及其驱动机制
鲁方圆1,2, 张郴1,2, 贾添羽1,2, 黄震方1,2, 徐敏3     
1. 南京师范大学地理科学学院，南京 210023;
2. 江苏省地理信息资源开发与利用协同创新中心，南京 210023;
3. 金陵科技学院人文学院，南京 210038
收稿日期: 2024-07-15; 修订日期: 2024-08-21
基金项目: 国家自然科学基金项目（41871141，42071175，42101233）
作者简介: 鲁方圆（1999~），女，硕士研究生，主要研究方向为目的地可持续发展，E-mail：221302063@njnu.edu.cn
通信作者: 张郴, E-mail：zhangc@njnu.edu.cn
摘要: 城市作为经济发展和生态治理的核心，增强其韧性水平对实现城市可持续发展具有重要意义. 基于“抵抗力-适应力-恢复力”这3个维度构建城市生态韧性评价指标体系，利用熵值法对2006~2020年长江经济带城市生态韧性进行测度；并运用时空地理加权回归（GTWR）模型探索城市生态韧性驱动机制. 结果表明：①2006~2020年长江经济带城市生态韧性均值总体呈上升态势，并且区域间生态韧性差异显著，下游地区显著优于中游和上游地区. ②长江经济带城市生态韧性呈现出从低等级向高等级演替的规律，直辖市或省会城市作为区域发展的核心极化效应突出，但较低及以下级别生态韧性区仍占较大比例，城市整体生态韧性提升潜力大. ③长江经济带城市生态韧性时空演变特征由多种因素综合驱动并呈现出一定的规律性，其中科技投入、对外开放和经济水平显著促进城市生态韧性的提升.
关键词: 城市生态韧性      长江经济带      时空演化      驱动机制      时空地理加权回归（GTWR）     
Spatio-temporal Evolution Characteristics and Driving Mechanisms of Urban Ecological Resilience in the Yangtze River Economic Belt
LU Fang-yuan1,2 , ZHANG Chen1,2 , JIA Tian-yu1,2 , HUANG Zhen-fang1,2 , XU Min3     
1. School of Geographic Science, Nanjing Normal University, Nanjing 210023, China;
2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China;
3. School of Humanities, Jinling Institute of Technology, Nanjing 210038, China
Abstract: As key drivers of economic development and ecological governance, cities play a pivotal role in regional development. However, rapid industrialization and urbanization have brought challenges such as ecological degradation and resource shortages. Enhancing urban ecological resilience is crucial to addressing these issues. One effective approach is constructing ecological resilience assessment models. This study develops an urban ecological resilience assessment model for the Yangtze River Economic Belt, focusing on "evolutionary resilience" and based on the "resistance-adaptability-recovery" dimensions. The model assesses urban ecological resilience from 2006 to 2020. Utilizing the geographically and temporally weighted regression (GTWR) model, the study identifies the primary drivers of ecological resilience and examines their mechanisms. Key findings include: ① From 2006 to 2020, the average urban ecological resilience in the Yangtze River Economic Belt increased overall, with significant regional disparities, there was a notably better performance in downstream areas compared with that in the midstream and upstream regions. ② There was a general trend of progression from lower to higher levels of urban ecological resilience, with major cities, including municipalities and provincial capitals, showing strong core polarization effects in regional development. However, many areas still exhibited low or lower levels of resilience, indicating significant room for improvement. ③ The spatiotemporal evolution of urban ecological resilience in the Yangtze River Economic Belt was influenced by multiple factors, with notable contributions from technological investment, foreign trade openness, and economic level.
Key words: urban ecological resilience      Yangtze River Economic Belt      spatio-temporal evolution      driving mechanisms      geographically and temporally weighted regression(GTWR)     

随着工业化和城市化进程的快速推进，城市面临着生态破坏、资源短缺和环境污染等一系列生态环境挑战. 这些问题导致城市抵御生态风险的能力不断下降，成为制约城市可持续发展的重要因素. 作为经济发展和生态治理的核心，城市如何最大程度地减轻不可预测因素的冲击增强其生态韧性，已成为亟待解决的关键问题.

“韧性（resilience）”概念最初应用于物理学中，是指系统或个体受到外部冲击或扰动后能够恢复至原状态的能力[1，2]. 20世纪70年代，生态学家霍林将韧性思想引入到生态学领域，提出了“生态韧性”，并将其定义为生态系统应对外界扰动后恢复至原始状态或维持其功能和结构的能力[3，4]. 随着智慧化城市建设需求的增加[5，6]，韧性思想也从自然生态学逐渐向社会生态学演进，拓展到城市领域[7，8]，形成了“城市生态韧性”这一概念，被用于描述城市系统的发展、适应和恢复的能力[9].

目前，国内外学者围绕城市生态韧性展开了一定研究，研究内容主要从概念演进[10~12]、理论框架辨析[13，14]、指标体系构建[15，16]、韧性水平测度[17~19]和影响机制探究[20，21]等视角进行梳理. 随着研究的深入与拓展，学者们也开始探索生态韧性与城镇化水平[22，23]、经济发展[24，25]和环境气候[26，27]之间的关系. 长江经济带作为我国重要的经济地带和生态安全屏障，横跨东、中、西部三大地区，沿线城市分布广且数量多，其生态系统具有一定的时空复杂性. 科学地认识长江经济带城市生态韧性演化特征及其驱动机制，对于制定有效的生态保护策略和实现区域的可持续发展具有重要意义.

基于此，本文以长江经济带地级及以上单元作为研究对象，从“抵抗力-适应力-恢复力”这3个维度构建了测度城市生态韧性的评价指标体系，探讨沿线城市生态韧性的时空演变特征，并在识别生态韧性主要驱动因素的基础上，借助时空地理加权回归（GTWR）模型分析各驱动因素的时空异质性，以期为城市可持续发展提供理论依据和决策支持.

1 材料与方法 1.1 研究区概况

长江经济带是国家战略性区域发展规划的重要组成部分，以长江为纽带，横跨我国东、中、西三大区域，涵盖了沪、苏、浙、皖、赣、鄂、湘、渝、川、贵和云等11个省市，形成了东中西互动、上下游联动的协调发展新格局. 长江经济带作为区域合作的协调发展带和重要的生态功能区，目前面临着生态风险和经济发展的双重挑战，因此如何增强城市韧性成为该地区面临的重要问题. 考虑数据的可得性剔除了部分城市，最终确定了108个地级及以上城市（图 1）.

图 1 研究区概况 Fig. 1 Overview of the study area

1.2 研究方法 1.2.1 熵值法

本文采用熵值法对长江经济带城市生态韧性进行测度. 熵值法是一种依据各项指标的数据离散程度来确定指标权重的客观赋权法，能够有效减少主观因素的干扰[28]. 熵值越小，表示该指标变异程度和信息量越大，在评价体系中的权重和对综合评价的影响也越大. 计算步骤及公式如下[29，30].

（1）标准化处理消除数据量纲和量级差别：

$ \text { 正向: } \quad x_{i j}=\frac{X_{i j}-\min X_j}{\max X_j-\min X_j} $ (1)
$ \text { 负向: } \quad x_{i j}=\frac{\max X_j-X_{i j}}{\max X_j-\min X_j} $ (2)

式中，xij为第i个城市第j项指标的标准化，Xij为原始指标值，maxXj和minXj分别为第j项指标最大和最小值，i=1, 2,…,n；j=1, 2,…,m；n和m为样本中城市的个数和评价指标数.

（2）指标归一化pij：

pij=xij∑i=1nxij (3)

（3）计算指标熵值ej：

ej=-k∑i=1npijln(pij) (0≤ej≤1) (4)

（4）计算指标权重wj：

wj=1-ej∑j=1m1-ej (0≤wj≤1) (5)

（5）计算城市生态韧性值Sj：

Sj=∑j=1nwj∙xij (6)
1.2.2 时空地理加权回归

本文采用时空地理加权回归（GTWR）模型探究长江经济带城市生态韧性的时空异质性. 该模型将时间维度引入到传统地理加权回归（GWR）中[31，32]，能够同时考虑空间和时间的非平稳性，揭示解释变量和因变量之间的时空关系. 模型公式如下[33]：

Yi=β0xi,yi,ti+∑j=1Nβkxi,yi,tiXik+εi (7)

式中，Xik为第i个城市的第k个解释变量，Yi为因变量； N为解释变量的个数；xi,yi为第i个城市的空间坐标，ti为第i个城市的时间坐标；β0xi,yi,ti为回归常数；βkxi,yi,ti为解释变量Xik的回归系数； εi为模型的随机误差项.

1.2.3 城市生态韧性评估模型

当前，城市生态韧性评估模型尚未形成统一的指标体系，大多研究基于韧性特性从城市抵抗、响应和转型这3个维度[34]及规模、密度和形态这3个维度[35]展开探究. 在考虑长江经济带城市生态系统基础属性和环境特点后，本文从“演化韧性”视角，强调生态系统在面对冲击时自我抵抗、综合预防和实现可持续发展的能力，并参考相关研究成果[36~38]，建立了基于“抵抗力-适应力-恢复力”的城市生态韧性评价指标体系（表 1）.

表 1 城市生态韧性评价指标体系 Table 1 Evaluation index system of urban ecological resilience

1.3 数据来源

本文以2006~2020年国家“十一五”至“十三五”规划期间为时间段，社会经济数据来源于2007~2021年长江经济带各城市的统计年鉴和统计公报；地形起伏度根据DEM高程数据计算得到，来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn）；部分缺失数据通过插值法补全.

2 结果与分析 2.1 城市生态韧性时空演变特征 2.1.1 城市生态韧性时间演变特征分析

对2006~2020年长江经济带城市生态韧性的总体水平进行统计性分析（见表 2）. 总体来看，城市生态韧性均值由2006年的0.061 2增长至2020年的0.197 4，年均增长0.9%，呈缓慢增长的趋势；标准差由0.035 8增至0.135 8，年均增长0.67%，与均值增长趋势一致，表明长江经济带城市生态韧性在不断提高，长江经济带城市抵御内外部潜在威胁的能力有所提升. 从区域来看，下游地区（0.215 0） > 上游地区（0.105 3） > 中游地区（0.038 2），下游地区的城市生态韧性水平具有显着优势，这是因为下游属于经济发达地区，具有充足的资源支持和技术条件，可以迅速应对不确定性风险. 而中游、上游地区与下游地区相比在经济发展、社会意识和基础设施等方面存在一定差异，特别是中游地区承载着下游大量高污染、高消耗型工业的负担，对生态环境造成显著压力；上游地区由于地理位置、生态敏感及脆弱性等问题，基础设施建设不足，城市在抵抗外来风险时的能力有所欠缺. 从省际来看，2006~2020年各省份城市生态韧性中只有上海（0.637 8）和重庆（0.307 5）超过长江经济带生态韧性总体均值（0.126 9）. 从地级市尺度来看，超过生态韧性均值的城市有7个，分别为南京（0.325 4） > 杭州（0.271 5） > 成都（0.249 4） > 苏州（0.230 3） > 无锡（0.163 3） > 昆明（0.141 5） > 长沙（0.138 3），除苏州和无锡外，其余城市均为直辖市或省会城市，“核心-边缘”结构明显，直辖市或省会城市作为区域发展核心的极化效应突出.

表 2 长江经济带城市生态韧性时间演变特征 Table 2 Temporal evolution characteristics of urban ecological resilience in the Yangtze River Economic Belt

2.1.2 城市生态韧性空间格局演化分析

选取2006年、2010年、2015年和2020年4个代表性时间节点，借助ArcGIS平台根据自然断点法将城市生态韧性水平划分为5个等级[39]，分别为低生态韧性区（Ⅰ级，韧性值< 0.1）、较低生态韧性区（Ⅱ级，0.1≤韧性值< 0.2）、中等生态韧性区（Ⅲ级，0.2≤韧性值< 0.3）、较高生态韧性区（Ⅳ级，0.3≤韧性值< 0.4）和高生态韧性区（Ⅴ级，韧性值≥0.4）这5种类型，如图 2所示.

图 2 长江经济带城市生态韧性空间格局演化 Fig. 2 Spatial pattern evolution of urban ecological resilience in the Yangtze River Economic Belt

由图 2可知，2006~2020年长江经济带高生态韧性区域增加，低生态韧性区域减少，表现为下游地区生态韧性最高，上游次之，中游最低的非均衡分布. 具体来看，2006年长江经济带城市的生态韧性等级普遍较低，除上海为Ⅲ级中等生态韧性区，南京、重庆和成都为Ⅱ级较低生态韧性区外，其余城市均为Ⅰ级低生态韧性区；2010年，上海升级为Ⅴ级高生态韧性区，南京升级为Ⅲ级中等生态韧性区，重庆和成都韧性等级保持不变，杭州、武汉、苏州和无锡等多个城市升级为Ⅱ级较低生态韧性区；2015年，上海生态韧性等级保持V级不变，南京、重庆、杭州和武汉升级为Ⅳ级较高生态韧性区，无锡和成都升级为Ⅲ级中等生态韧性区，长沙和昆明升级为Ⅱ级较低生态韧性区；2020年，除南昌和贵阳外，直辖市及省会城市均达到Ⅲ级中等生态韧性，下游地区半数城市升级为Ⅱ级较低生态韧性区，长江经济带城市生态韧性的整体发展状况良好.

总体上，城市生态韧性空间演化呈现出从低等级韧性向高等级韧性演替的规律，并且“极化-扩散”现象显著具有明显的“核心-边缘”结构. Ⅲ级、Ⅳ级和Ⅴ级生态韧性区域在缓慢增加，Ⅰ级和Ⅱ级生态韧性区域仍占较大比例，可以看出长江经济带城市生态韧性总体水平较低；而Ⅲ级及以上生态韧性区域主要分布在城市群（长三角城市群、长江中游城市群、成渝城市群和江淮城市群）中心节点区域，并且直辖市及省会城市的生态韧性等级明显高于周边城市.

2.2 城市生态韧性驱动因素分析

为探析长江经济带城市生态韧性的驱动因素，参考已有相关研究成果[40，41]，综合考虑长江经济带地域发展特征和数据的可得性，从地理、社会和经济这3个方面入手选取人口密度、地形因素、科技投入、环境规制、经济水平、对外开放和财政支持这7个因素进行分析. 同时，对各变量之间的多重共线性使用方差膨胀因子（variance inflation factor，VIF）进行检验. 具体见表 3.

表 3 城市生态韧性驱动因素描述性统计1） Table 3 Descriptive statistics of ecological resilience driving factors

（1）人口密度  人口的扩张导致城市生态资源的争夺加剧，加大了生态系统负荷，本文使用人口密度表征城市生态系统在人口压力下的韧性特征.

（2）地形因素  地势通过调节水文循环、物种分布以及提供生态系统的空间异质性等方式对生态韧性产生影响，本文选择地形起伏度表征自然地理特征对生态系统的影响.

（3）科技投入  科学技术水平的提高能够开发生态恢复和修复技术，为生态保护和减少资源消耗提供新方法，本文使用政府科学技术支出来表征科技投入对生态韧性的影响.

（4）环境规制  政府通过法律约束或推动产业转型等方式促进环境治理，提升生态系统的稳定性和适应能力，本文选取政府环境治理投资额来表征政府环境规制水平.

（5）经济水平  经济水平的提高可以提供经济发展成果用于生态保护和可持续发展项目，增强区域的生态韧性，本文使用人均国内生产总值（GDP）来表征经济水平对生态韧性的影响.

（6）对外开放  对外开放程度反映了城市与外部环境的互动程度和交流密度，影响资源流动、环境承载能力以及生态系统的稳定性，本文采用进出口总额来表征对外开放程度.

（7）财政支持  本文选择政府财政支出占GDP比例表征政府对环境保护的财政投入情况.

2.2.1 模型检验

基于ArcGIS软件对长江经济带城市生态韧性驱动因素进行统计分析. 结果见表 4，GTWR模型的回归参数在AICc、R2和调整后的R2方面均优于OLS和GWR模型，表现出更高的拟合优度和模型精度. 因此，本文选用GTWR模型的回归结果分析驱动因素的时空演化特征.

表 4 模型参数结果 Table 4 Model parameter results

2.2.2 驱动因素时间演化特征分析

运用GTWR模型对2006~2021年长江经济带城市生态韧性驱动因素进行回归分析，并绘制各系数随时间变化的箱线图（图 3）.

图 3 驱动因素回归参数的时间演化趋势 Fig. 3 Temporal evolution trend of regression parameters for driving factors

2006~2020年研究期间，人口密度（PD）在长江经济带城市生态韧性贡献中基本为负向，但波动在0.04以内，可见人口密度对长江经济带城市生态韧性负向抑制作用较小，并且在“十二五”规划（2011~2015年）和“十三五”规划（2016~2020年）时间段内分别出现了倒“U”型和“U”型曲线关系，这与杨柳青青等[42]提出的人口密度与生态效率之间存在门槛效应相吻合. 地形因素（TR）对生态韧性的影响，除2006年、2007年和2011年个别城市的回归系数为负向外基本上呈现正向贡献，并且数值较大，这表明地形起伏高的地区人类活动对其的干扰小，因而生态韧性指数高；此外，高起伏地形通常具有复杂的微气候和多样的生态环境，这有助于提高生物多样性和生态系统的稳定性. 综合来看，地形起伏度在维持和提升城市生态韧性方面具有重要作用.

与人口密度相反，科学投入（ECT）在长江经济带生态韧性中的贡献基本为正向，且贡献率较大. 这表明，增加在科学技术领域的投入有助于提升区域的生态韧性. 这种正向贡献可能源于科学技术进步促进了环境保护和资源管理技术的创新与应用，从而有效减轻了生态系统的压力，增强了其恢复力和适应能力. 因此，科学技术支出的增加不仅是经济发展的驱动力，也是提升生态韧性的重要驱动因素. 环境规制（GER）的生态韧性回归系数在2012年前呈现波动增加，而在2012年后则表现为波动降低并呈现抑制作用. 这一变化反映了政府环境治理政策在不同时期的执行效果和社会经济背景的差异. 2012年“十二五”规划政策逐渐落实，迅速下降的生态韧性回归系数与规制政策的复杂化及其带来的经济和管理问题有关. 为解决这一问题，需要进一步优化环境规制政策，在严格保护生态环境的同时，实现经济发展与社会稳定的平衡.

与科学投入相同，对外开放（IE）和经济水平（PGDP）在长江经济带城市生态韧性贡献中基本为正向，且贡献率较大；进出口总额的波动幅度超过2，而人均地区生产总值的波动幅度则超过7，这表明进出口总额和人均地区生产总值对长江经济带城市生态韧性具有显著影响，开放的经济环境有助于吸引外资和先进技术，提升经济发展水平进而提升了生态韧性，这与王文宇等[43]研究一致. 财政支持（GE）在一定程度上体现了政府在经济活动中的参与程度和对公共服务、基础设施和环境保护等方面的财政投入力度，从总体上看回归系数呈现为波动下降的趋势，并且回归系数大致在0上下波动，说明政府的财政投入对城市生态韧性影响并不显著.

2.2.3 驱动因素空间分异特征分析

利用自然断点法对长江经济带生态韧性各驱动因素的空间异质性进行可视化（图 4）. 人口密度和政府财政支出占GDP比例、人均地区生产总值在空间异质性上分布相近，而科学技术支出与进出口总额呈现出相似的分布.

图 4 驱动因素回归参数的空间分异特征 Fig. 4 Spatial heterogeneity characteristics of regression parameters for driving factors

人口密度（PD）与生态韧性的回归系数基本为负相关，表明人口密度的增加所带来的自然资源消耗加重了生态环境负荷，对生态韧性产生负向作用；此外，在浙南、赣南、皖南以及滇南地区存在正相关，其余城市皆为负相关并且中游、下游地区的人口密度对生态韧性的影响大于上游地区，这与中下游地区的经济活动密切人口集聚有关. 合理控制人口密度，对于提升生态韧性具有促进作用[44]. 而财政支持（GE）和经济水平（PGDP）在空间分异上均表现东高西低的空间格局，从下游到中游再到上游地区的生态韧性回归系数逐渐由正值变为负值，对生态韧性的影响逐渐负面. 这与下游地区由于经济发达，产业基础雄厚，财政支出较高，能够投入更多资源用于生态保护和恢复有关，这种变化趋势表明不同区域在经济发展水平和财政投入方面存在显著差异，政府部门需合理分配财政资源以促进区域经济均衡发展.

科技投入（ECT）和对外开放（IE）与生态韧性回归系数基本表现为正相关，并且两者在空间格局分异上均表现为西高东低，科学技术支出和进出口总额对生态韧性的正向影响在上游地区表现得更为显著. 尽管上游地区经济基础较为薄弱，但在科技和贸易方面的进步为其生态系统提供了更多的保护和恢复手段，一定程度上弥补了经济发展水平的不足，以此带动了生态环境的改善；而下游地区虽具有较高的科技和贸易水平，但其高密度的经济活动和人口压力，使得其生态韧性的提升效果有限，需要更高效、绿色的科技应用和贸易模式来缓解高强度压力，以实现经济发展与生态保护的平衡.

从长江经济带整体来看，地形因素（TR）的回归系数对起伏度较低的中游地区正向贡献最大，对地势平坦的下游苏北地区则是负向抑制作用，而地形起伏度相对较高的西部地区和苏南地区则处于正向低值区，这表明不同区域间由于自身地形特征导致地形因素对生态韧性的贡献率有所差异；然而分别分析上游、中游和下游地区的地形因素与生态韧性回归系数的关系，则发现区域内部与以往研究“地势越高区域生态环境质量越高”的结论一致[41，45].

而环境规制（GER）的生态韧性回归系数均为负值，表明政府环境规制对生态韧性产生了抑制作用，并且空间分异呈对称分布，下游沿海地区和上游地区负向回归系数最大依次向中部地区逐渐减小. 这是由于下游沿海地区人口密度较高、工业化和城市化程度高，导致环境压力大，而西部地区地形复杂、生态环境脆弱，现有规制措施未能充分考虑地方实际需求，导致对生态韧性的负面抑制作用大. 政府应继续总结和推广有效的环境规制经验，进一步平衡经济活动与生态保护，增强政策的正面效果.

3 讨论

基于上述研究结论，长江经济带城市生态韧性虽呈现上升趋势，但区域间存在显著的不均衡性. 为此，提出以下建议以推进长江经济带城市生态韧性发展：①推动区域生态韧性协同发展. 鉴于长江经济带各地区在经济发展和资源配置方面存在显著差异，政府在制定生态保护和城市规划政策时应强化区域间的协同发展. 通过实施差异化支持和区域合作机制，特别是对低韧性区域进行重点倾斜，以缩小低韧性区域的发展差距，提升整体生态韧性水平. ②发挥核心城市辐射示范效应. 直辖市或省会城市作为区域发展的核心，应充分发挥资金和技术优势，强化对周边较低生态韧性地区的支持. 通过推进核心城市的项目和技术转移，促进“核心-边缘”结构的均衡发展，发挥核心城市在区域内部均衡发展的辐射示范作用. ③综合考虑多因素影响因城施策. 由于城市发展水平的差异，各城市的生态韧性受到驱动因素影响程度各异. 因此，在制定相应的生态韧性保护措施时，需要综合考虑各地的自然环境和社会经济背景，制定因地制宜的政策，并根据实际情况进行动态调整，以确保措施的有效性和适应性.

同时，本文仍存在一定的局限性：首先囿于数据可获取性以及完整性，本文在构建生态韧性评估模型时未考虑遥感数据、问卷调查等多源数据的融合，未来需进一步优化指标体系，以充分整合多源数据，以提高评估的准确性和全面性；其次，本文选取了7个驱动因素探究城市生态韧性时空异质性，但缺乏城市环境检测、自然灾害以及相关利益主体等调查数据，后续将综合多类数据进行更全面地分析和研究.

4 结论

（1）从生态韧性的时空序列演变特征来看，2006~2020年长江经济带城市生态韧性均值由0.061 2增至0.197 4，年均增长0.9%，总体呈上升的态势，城市抵御内外部潜在威胁的能力不断提升. 此外，区域间生态韧性差异显著，下游地区显著优于中游和上游地区.

（2）从生态韧性的空间格局演化来看，长江经济带城市生态韧性呈现出从低等级向高等级演替的规律，直辖市或省会城市作为区域发展的核心极化效应突出，具有明显的“核心-边缘”结构. 同时，较低及以下生态韧性区范围占比大，可见长江经济带城市生态韧性仍有较大提升空间.

（3）GTWR模型检验结果表明，研究期间长江经济带城市生态韧性时空演变特征由多种因素综合驱动并呈现出一定的规律性. 具体而言，人口密度（PD）和环境规制（GER）对城市生态韧性的贡献率基本呈负相关，其中人口密度存在门槛效应，对中游和下游地区的影响更显著；而环境规制对上游和下游的抑制作用更显著. 另一方面，地形因素（TR）、科技投入（ECT）、对外开放（IE）和经济水平（PGDP）对生态韧性的贡献主要呈正向趋势，在地形因素方面，除下游苏北地区存在负向抑制作用外，其余地区均为正向促进作用并对中游地区的影响更为显著；而科技投入和对外开放的空间格局分异表现为从上游到下游正向贡献率逐渐降低；经济水平对生态韧性的贡献率最大，除部分上游地区呈负相关外，均为正向贡献. 财政支持（GE）对生态韧性的贡献率大致维持在0上下波动，除江苏、浙江和安徽部分城市外，其余地区均呈负相关趋势.

参考文献
[1] Martin R. Regional economic resilience, hysteresis and recessionary shocks[J]. Journal of Economic Geography, 2012, 12(1): 1-32. DOI:10.1093/jeg/lbr019
[2] Rose A. Economic resilience to natural and man-made disasters: multidisciplinary origins and contextual dimensions[J]. Environmental Hazards, 2007, 7(4): 383-398. DOI:10.1016/j.envhaz.2007.10.001
[3] Folke C. Resilience: the emergence of a perspective for social-ecological systems analyses[J]. Global Environmental Change, 2006, 16(3): 253-267. DOI:10.1016/j.gloenvcha.2006.04.002
[4] Holling C S. Understanding the complexity of economic, ecological, and social systems[J]. Ecosystems, 2001, 4(5): 390-405. DOI:10.1007/s10021-001-0101-5
[5] Wilson G A, Hu Z P, Rahman S. Community resilience in rural China: the case of Hu village, Sichuan province[J]. Journal of Rural Studies, 2018, 60: 130-140. DOI:10.1016/j.jrurstud.2018.03.016
[6] 赵景柱, 崔胜辉, 颜昌宙, 等. 中国可持续城市建设的理论思考[J]. 环境科学, 2009, 30(4): 1244-1248.
Zhao J Z, Cui S H, Yan C Z, et al. Theoretical thinking in sustainable city construction of China[J]. Environmental Science, 2009, 30(4): 1244-1248.
[7] 管卫华, 徐慧, 吴巍, 等. 基于新发展理念的南京城市韧性综合及动态预测研究[J]. 地理科学, 2024, 44(4): 681-692.
Guan W H, Xu H, Wu W, et al. Comprehensive urban resilience and dynamic prediction of Nanjing city based on the new development concept[J]. Scientia Geographica Sinica, 2024, 44(4): 681-692.
[8] Godschalk D R. Urban hazard mitigation: creating resilient cities[J]. Natural Hazards Review, 2003, 4(3): 136-143. DOI:10.1061/(ASCE)1527-6988(2003)4:3(136)
[9] 吕添贵, 胡晗, 付舒斐, 等. 长三角地区城市生态韧性时空分异特征及影响因素[J]. 地域研究与开发, 2023, 42(1): 54-60.
Lyu T G, Hu H, Fu S F, et al. Spatio-temporal differentiation and influencing factors of urban ecological resilience in the Yangtze River Delta[J]. Areal Research and Development, 2023, 42(1): 54-60.
[10] Capdevila P, Stott I, Oliveras Menor I, et al. Reconciling resilience across ecological systems, species and subdisciplines[J]. Journal of Ecology, 2021, 109(9): 3102-3113. DOI:10.1111/1365-2745.13775
[11] 邵亦文, 徐江. 城市韧性: 基于国际文献综述的概念解析[J]. 国际城市规划, 2015, 30(2): 48-54.
Shao Y W, Xu J. Understanding urban resilience: a conceptual analysis based on integrated international literature review[J]. Urban Planning International, 2015, 30(2): 48-54.
[12] 李连刚, 张平宇, 谭俊涛, 等. 韧性概念演变与区域经济韧性研究进展[J]. 人文地理, 2019, 34(2): 1-7, 151.
Li L G, Zhang P Y, Tan J T, et al. Review on the evolution of resilience concept and research progress on regional economic resilience[J]. Human Geography, 2019, 34(2): 1-7, 151.
[13] 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.
Zhao R D, Fang C L, Liu H M. Progress and prospect of urban resilience research[J]. Progress in Geography, 2020, 39(10): 1717-1731.
[14] 魏冶, 修春亮. 城市网络韧性的概念与分析框架探析[J]. 地理科学进展, 2020, 39(3): 488-502.
Wei Y, Xiu C L. Study on the concept and analytical framework of city network resilience[J]. Progress in Geography, 2020, 39(3): 488-502.
[15] McPhearson T, Andersson E, Elmqvist T, et al. Resilience of and through urban ecosystem services[J]. Ecosystem Services, 2015, 12: 152-156. DOI:10.1016/j.ecoser.2014.07.012
[16] Botequilha-Leitão A, Díaz-Varela E R. Performance based planning of complex urban social-ecological systems: the quest for sustainability through the promotion of resilience[J]. Sustainable Cities and Society, 2020, 56. DOI:10.1016/j.scs.2020.102089
[17] 焦柳丹, 王驴文, 张羽, 等. 基于多木桶模型的长三角城市群韧性水平评估研究[J]. 世界地理研究, 2024, 33(1): 96-106.
Jiao L D, Wang L W, Zhang Y, et al. Resilience assessment of the Yangtze River Delta urban agglomeration based on multi-barrel model[J]. World Regional Studies, 2024, 33(1): 96-106.
[18] Zhang S B, Lei J, Zhang X L, et al. Assessment and optimization of urban spatial resilience from the perspective of life circle: a case study of Urumqi, NW China[J]. Sustainable Cities and Society, 2024, 109. DOI:10.1016/j.scs.2024.105527
[19] 孙梓渊, 王赛鸽, 陈彬. 基于生态系统服务的生态安全格局构建与生态韧性评估——以长株潭城市群为例[J]. 生态学报, 2024, 44(11): 4650-4661.
Sun Z Y, Wang S G, Chen B. Construction of ecological security pattern and assessment of ecological resilience based on ecosystem services: a case study of Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Acta Ecologica Sinica, 2024, 44(11): 4650-4661.
[20] 薛飞, 张念慈, 夏楚瑜, 等. 城市生态韧性水平空间评估及其驱动力——以北京市通州区为例[J]. 生态学报, 2023, 43(16): 6810-6823.
Xue F, Zhang N C, Xia C Y, et al. Spatial evaluation of urban ecological resilience and analysis of driving forces: a case study of Tongzhou District, Beijing[J]. Acta Ecologica Sinica, 2023, 43(16): 6810-6823.
[21] Ye C S, Hu M S, Lu L, et al. Spatio-temporal evolution and factor explanatory power analysis of urban resilience in the Yangtze River Economic Belt[J]. Geography and Sustainability, 2022, 3(4): 299-311. DOI:10.1016/j.geosus.2022.09.004
[22] Zhang T, Sun Y X, Zhang X B, et al. Potential heterogeneity of urban ecological resilience and urbanization in multiple urban agglomerations from a landscape perspective[J]. Journal of Environmental Management, 2023, 342. DOI:10.1016/j.jenvman.2023.118129
[23] 刘海龙, 王改艳, 张鹏航, 等. 汾河流域新型城镇化与生态韧性耦合协调时空演变及协调影响力研究[J]. 自然资源学报, 2024, 39(3): 640-667.
Liu H L, Wang G Y, Zhang P H, et al. Spatio-temporal evolution and coordination influence of coupling coordination between new urbanization and ecological resilience in Fenhe river basin[J]. Journal of Natural Resources, 2024, 39(3): 640-667.
[24] 贺小荣, 王彗瑜, 石彩霞. 长三角地区旅游发展与生态韧性耦合协调关系[J]. 中国生态旅游, 2024, 14(1): 131-150.
He X R, Wang H Y, Shi C X. The coupling and coordination relationship between tourism development and ecological resilience in the Yangtze River Delta[J]. Journal of Chinese Ecotourism, 2024, 14(1): 131-150.
[25] 黄磊, 吴传清. 长江经济带城市工业绿色发展效率及其空间驱动机制研究[J]. 中国人口·资源与环境, 2019, 29(8): 40-49.
Huang L, Wu C Q. Industrial green development efficiency and spatial driven mechanism in cities of the Yangtze River Economic Belt[J]. China Population, Resources and Environment, 2019, 29(8): 40-49.
[26] Abdi R, Rogers J B, Rust A, et al. Simulating the thermal impact of substrate temperature on ecological restoration in shallow urban rivers[J]. Journal of Environmental Management, 2021, 289. DOI:10.1016/j.jenvman.2021.112560
[27] Zhao R, Li X, Wang Y, et al. Assessing resilience of sustainability to climate change in China's cities[J]. Science of the Total Environment, 2023, 898. DOI:10.1016/j.scitotenv.2023.165568
[28] 李华林, 张建军, 张耀方, 等. 基于不同赋权方法的北运河上游潜在非点源污染风险时空变化特征分析[J]. 环境科学, 2021, 42(6): 2796-2809.
Li H L, Zhang J J, Zhang Y F, et al. Analysis of spatial-temporal variation characteristics of potential non-point source pollution risks in the upper Beiyun River basin using different weighting methods[J]. Environmental Science, 2021, 42(6): 2796-2809. DOI:10.13227/j.hjkx.202010225
[29] 朱丽, 曹梦莹, 刘瑞杰. "双碳"目标下煤炭资源型城市能源转型评价与障碍因子[J]. 环境科学, 2024, 45(12): 6858-6869.
Zhu L, Cao M L, Liu R J. Evaluation of energy transition and barrier factors in coal resource cities under carbon neutral and peak carbon goals[J]. Environmental Science, 2024, 45(12): 6858-6869. DOI:10.3969/j.issn.1000-6923.2024.12.034
[30] 白立敏, 修春亮, 冯兴华, 等. 中国城市韧性综合评估及其时空分异特征[J]. 世界地理研究, 2019, 28(6): 77-87.
Bai L M, Xiu C L, Feng X H, et al. A comprehensive assessment of urban resilience and its spatial differentiation in China[J]. World Regional Studies, 2019, 28(6): 77-87.
[31] Huang B, Wu B, Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science, 2010, 24(3): 383-401. DOI:10.1080/13658810802672469
[32] 王海军, 张彬, 刘耀林, 等. 基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析[J]. 地理学报, 2018, 73(6): 1076-1092.
Wang H J, Zhang B, Liu Y L, et al. Multi-dimensional analysis of urban expansion patterns and their driving forces based on the center of gravity-GTWR model: a case study of the Beijing-Tianjin-Hebei urban agglomeration[J]. Acta Geographica Sinica, 2018, 73(6): 1076-1092.
[33] 张政, 周廷刚, 周志衡, 等. 长江中游城市群城市化对PM2.5浓度的多尺度驱动机制[J]. 环境科学, 2024, 45(3): 1304-1314.
Zhang Z, Zhou T G, Zhou Z H, et al. Multi-scale driving mechanism of urbanization on PM2.5 concentration in urban agglomeration in the middle reaches of the Yangtze River[J]. Environmental Science, 2024, 45(3): 1304-1314.
[34] 李连刚, 张平宇, 程钰, 等. 黄河流域经济韧性时空演变与影响因素研究[J]. 地理科学, 2022, 42(4): 557-567.
Li L G, Zhang P Y, Cheng Y, et al. Spatio-temporal evolution and influencing factors of economic resilience in the Yellow River basin[J]. Scientia Geographica Sinica, 2022, 42(4): 557-567.
[35] 王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报, 2021, 76(4): 973-991.
Wang S J, Cui Z T, Lin J J, et al. Coupling relationship between urbanization and ecological resilience in the Pearl River Delta[J]. Acta Geographica Sinica, 2021, 76(4): 973-991.
[36] 梁膑月, 曹春, 李锦超, 等. 近20年兰西城市群生态系统服务价值对土地利用转型的时空响应[J]. 环境科学, 2024, 45(6): 3329-3340.
Liang B Y, Cao C, Li J C, et al. Spatiotemporal response of ecosystem service value to land use change in the Lanzhou-Xining urban agglomeration over the past 20 years[J]. Environmental Science, 2024, 45(6): 3329-3340. DOI:10.13227/j.hjkx.202306222
[37] 朱金鹤, 孙红雪. 中国三大城市群城市韧性时空演进与影响因素研究[J]. 软科学, 2020, 34(2): 72-79.
Zhu J H, Sun H X. Research on spatial-temporal evolution and influencing factors of urban resilience of China's three metropolitan agglomerations[J]. Soft Science, 2020, 34(2): 72-79.
[38] 何刘洁, 郑博福, 万炜, 等. 长江经济带生态系统服务权衡与协同及其驱动因素[J]. 环境科学, 2024, 45(6): 3318-3328.
He L J, Zheng B F, Wan W, et al. Trade-off and synergy of ecosystem services in the Yangtze River Economic Belt and its driving factors[J]. Environmental Science, 2024, 45(6): 3318-3328. DOI:10.13227/j.hjkx.202307135
[39] 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.
Yin J J, Hu J, Huang Y X. Spatial-temporal evolution characteristics and dynamic prediction of urban resilience in urban agglomerations in middle reaches of Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2023, 32(11): 2312-2325.
[40] 仇方道, 尹鹏星, 谭俊涛, 等. 沿海城市经济韧性演化特征及影响机理——以连云港市为例[J]. 地理科学, 2023, 43(11): 1944-1955.
Qiu F D, Yin P X, Tan J T, et al. Evolution characteristics and influence mechanism of economic resilience in coastal cities: a case study of Lianyungang[J]. Scientia Geographica Sinica, 2023, 43(11): 1944-1955.
[41] 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.
Tao J Y, Dong P, Lu Y Q. Spatial-temporal analysis and influencing factors of ecological resilience in Yangtze River Delta[J]. Resources and Environment in the Yangtze Basin, 2022, 31(9): 1975-1987.
[42] 杨柳青青, 刘章生, 张麒. 中国城市人口集聚对城市生态效率的门槛效应研究[J]. 西南民族大学学报(人文社会科学版), 2019, 40(11): 153-157.
[43] 王文宇, 任卓然, 李伟, 等. 贸易壁垒、市场相关多样化与城市出口韧性[J]. 地理研究, 2021, 40(12): 3287-3301.
Wang W Y, Ren Z R, Li W, et al. Trade barriers, market related variety and export resilience of cities[J]. Geographical Research, 2021, 40(12): 3287-3301. DOI:10.11821/dlyj020210162
[44] 杨明洪, 刘昕禹, 吴晓婷. 中国人口结构对生态效率的影响研究[J]. 当代经济管理, 2022, 44(2): 58-67.
Yang M H, Liu X Y, Wu X T. Study on the effect of population structure on ecological efficiency in China[J]. Contemporary Economic Management, 2022, 44(2): 58-67.
[45] 农兰萍, 王金亮, 玉院和. 基于改进型遥感生态指数(MRSEI)模型的滇中地区生态环境质量研究[J]. 生态与农村环境学报, 2021, 37(8): 972-982.
Nong L P, Wang J L, Yu Y H. Research on ecological environment quality in central Yunnan based on MRSEI model[J]. Journal of Ecology and Rural Environment, 2021, 37(8): 972-982.