城市作为人类活动的基本场所，是集自然与人文多重要素于一体的复杂自适应系统^[1]. 随着我国城市发展进入高风险时代，诸如环境污染、生态超载、资源利用率低、人口过度集中等城市面临的环境风险日益凸显^[2，3]. 而城市韧性用以表征城市遭受外部扰动后保持或恢复城市各系统正常运行的能力，被视为城市发展过程中抵御和消解风险的有效途径^[4]，为城市灵活应对复杂环境下的不确定风险提供了有效的研究视角^[5]. 因此，从减少风险、增进韧性的角度出发，探究城市面临的环境风险与城市韧性之间的关系，对推动城市可持续发展具有重要意义.

目前，基于风险视角的城市韧性研究表明韧性理念逐渐与城市发展融合，主要集中在风险与韧性的定量评估以及风险对韧性的影响机制两方面. 环境风险与城市韧性的定量评估是揭示其影响机制的前提与基础，在环境风险评估方面，基于“危险性-暴露性-脆弱性”的风险评估框架成为城市自然灾害风险研究的主流^[6~8]，相关研究聚焦于微观要素对环境的危害程度^[9，10]，侧重于生态环境风险评估^[11]，对环境风险的综合性评估有所不足；随着环境风险的复合性、系统性与网络性进一步增强，城市所面临的环境风险已扩展至自然与人为风险相互交织的多元风险^[12，13]，因此对于环境风险的评估需综合考虑气候变化、城市生态、城市发展以及人类活动等方面的风险^[14，15]. 在城市韧性评估方面，现有研究聚焦于城市韧性的动态与复杂性倾向^[16]，强调城市系统在面对外部干扰的预防、吸收、适应和转化能力^[17，18]，考虑城市社会、经济、生态、设施以及空间结构等要素^[19，20]，形成了以复杂性为导向的研究范式^[21]. 其中，Datola^[22]提出基于能力视角的韧性评估框架，强调韧性评估需考虑城市系统保持或迅速恢复到预期功能的能力以及适应、变化和改造限制未来发展的适应能力；朱庆莹等^[23]认为城市韧性应扩展至全生命周期多性能的内涵，因此研究在综合现有研究对城市韧性抵抗能力、适应能力和恢复能力等关键能力探讨的基础上，对城市应对未来不确定性风险的转型能力进行探讨，构建基于能力视角的“抵抗能力-适应能力-恢复能力-转型能力”四维的城市韧性评估框架.

在环境风险对城市韧性的影响机制方面，现有研究在自然灾害扰动视角主要聚焦于气候变化^[24]、洪水^[25，26]和火灾^[27]等方面以探讨城市韧性的抗灾恢复能力；对于人为压力干扰的研究主要集中于公共卫生事件对于城市韧性的冲击以及突发社会经济事件造成的风险对韧性的干扰^[28~30]，多采用空间相关性分析、地理加权回归、耦合协调分析以及计量模型等方法探究具体环境风险事件对城市韧性的影响^[31，32]，相对而言缺少综合性影响研究；同时目前国内外学者对二者关系的探讨多聚焦于城市群、市、县等行政区级别，较少涉及到微观尺度的时空变化研究，因此从格网尺度展开研究有助于了解环境风险与城市韧性的时空关系的深层次动态^[33]；此外现有针对环境风险影响城市韧性的路径研究较少，而中介效应模型不仅能够探讨变量之间的直接影响，还能够有效识别间接影响路径^[34]，采用该方法开展影响路径研究对完善二者关系研究、识别关键影响路径、促进城市减少风险和增进韧性等方面具有重要意义. 基于此，本研究以近10 a以来城市化发展迅速和环境风险多样的西安市为例，基于1 km格网尺度，在对2010~2020年西安市环境风险与城市韧性时空分异综合评估的基础上，通过双变量空间自相关揭示二者时空关联；结合地理加权回归模型分析环境风险对城市韧性影响的时空异质性；最后从城市视角出发，利用中介效应模型探讨环境风险对城市韧性的影响路径，以期为西安市提出行之有效的风险治理与韧性提升举措，促使城市实现可持续发展目标.

1 材料与方法 1.1 研究区概况

西安市（107°40′~109°49′E，33°42′~34°45′N）位于陕西省中部（图 1），地势南高北低，地处关中平原腹地，北临渭河南接秦岭，是西北五省中唯一的一座特大城市，下辖新城、碑林、莲湖、灞桥、未央、雁塔、阎良、临潼、长安、高陵和鄠邑这11个区以及蓝田和周至这2县. 截至2023年底，西安市常住人口达1 307.82万人，地区生产总值达12 010.76亿元，城镇化率达79.88%. 西安市在经济飞速发展的同时面临着城市热岛效应突出、高温热浪事件频发^[35]、内涝灾害显著、碳排放量逐年增加^[36]等环境问题以及人口过度集中与结构性失业等社会组织矛盾，其所面临的环境污染与社会压力不容忽视. 由于西安市面临的环境风险与日俱增，给城市韧性发展带来了挑战^[37]，因此亟须在西安市开展环境风险干扰下的城市韧性变化研究，为更好地制定区域发展政策提供理论基础与数据支撑.

1.2 数据来源与处理

本研究所用的栅格数据包括DEM数据与土地利用数据，空间分辨率为30 m，NDVI与NPP数据空间分辨率为1 km，均来自中国科学院资源环境科学与数据中心（https://www.resdc.cn/）；本研究涉及的气象数据包括气温、降水和潜在蒸散发逐月数据，空间分辨率为1 km，均来自地球系统科学数据中心（https://www.geodata.cn/）；PM_2.5数据空间分辨率为0.01°，源自圣路易斯华盛顿大学大气成分分析组（https://sites.wustl.edu/acag/datasets/surface-pm2-5/#V5.GL.01）；夜间灯光数据空间分辨率为1km，来源于国家青藏高原数据中心（https://data.tpdc.ac.cn/）. 研究采用的矢量边界数据来自中国科学院资源环境科学与数据中心；2010~2020年西安市各区县社会经济数据来源于《西安统计年鉴》《国民经济与社会发展统计公报》和区县政府工作报告等文件，碳排放量数据来源于全球大气研究排放数据库（EDGAR）；缺失值统一采用插值法进行补齐.

为确保研究空间分析的精准性，将所有数据按照西安市行政区范围进行镶嵌、裁剪和投影至WGS_1984_UTM_Zone_49N并重采样至1km分辨率. 参考现有研究^[33，38]与数据精度，在ArcGIS 10.8中划定了1 km×1 km的渔网面，将研究区划分为10 537个分析单元，对数据进行网格化处理以确保数据空间结构的一致性.

1.3 研究方法 1.3.1 环境风险与城市韧性评估

研究将环境风险定义为西安市面临的气候变化、城市生态、城市发展以及人类活动这四维度多元风险，共选取9个指标（表 1）. 参考Urquiza等^[24]的研究，考虑到气候与变化引致的不确定性增加给城市管理带来了新的挑战，选取年平均气温和降水量2项指标衡量气候变化风险；水体与植被的萎缩无疑会为城市带来生态损失，因此选取水域面积占比和NPP指数2项指标衡量城市生态风险；参考西安市城市扩张实际情况与张辛欣等^[39]和陈姜全等^[40]的研究，选取建设用地占比、人口自然增长率和失业率这3项指标衡量城市发展风险；结合西安市高能耗和高排放的特性，参考Jiang等^[41]的研究，选取碳排放量和夜间灯光指数来衡量西安市人类活动风险.

本研究认为城市韧性是西安市在应对不确定风险扰动时所表现出的抵抗能力、适应能力、恢复能力以及转型能力的共同作用，其中参考现有研究^{[4，16，23，42]}，将抵抗能力视为城市系统能够抵御风险并维持系统关键功能不受毁灭性破坏的能力，将适应能力界定为城市保障基本服务职能、资源以及居民生活稳定的能力；恢复能力则是指城市在风险干扰时，通过自我调整使系统快速恢复至初始状态的能力；考虑西安市城市定位和实际情况，将城市韧性转型能力界定为实现从传统的高耗能、高污染路径，向多元化、创新驱动和低能耗的方向调整的能力. 结合城市韧性能力涉及的经济、社会、生态和基础设施多方面情况，选取24个指标进行测度（表 2）.

为确保结果的客观性，在环境风险和城市韧性指标体系构建的基础上，运用主客观相结合的AHP-熵值法组合赋权对西安市环境风险和城市韧性进行综合评价，并采用综合指数法对环境风险值和城市韧性值进行测算.

H i = α w i + β w j

(1)

式中，H_i为指标权重，w_i为层次分析法所得权重，w_j为熵值法所得权重，α和β值均为0.5.

采用综合指数法分别对环境风险值和城市韧性值进行测算，计算公式如下：

Z = ∑ i = 1 n H i C i j

(2)

式中，Z为环境风险或城市韧性值，C_ij表示第i年第j个指标下的值.

1.3.2 双变量空间自相关

为了探寻环境风险和城市韧性之间的集聚情况和依赖特征，研究引入双变量空间全局自相关探索二者的空间关联性，计算公式如下：

I = ∑ i = 1 n ∑ j = 1 n W i j x i - x ¯ y j - y ¯ / S 2 ∑ i = 1 n ∑ j = 1 n W i j

(3)

在此基础上使用双变量局部空间自相关进一步揭示局部空间聚集模式，计算公式如下：

I i = ( x i - x ¯ ) ∑ j = 1 n W i j ( y j - y ¯ ) / S 2

(4)

式中，I和I_i分别为双变量全局和局部空间自相关指数； x i 、 y j 分别为自、因变量在格网i、j的观测值； x ¯ 、 y ¯ 分别为因、自变量平均值； W i j 为格网i和j的空间权重矩阵； S 2 为全局样本方差；n为格网总数.

1.3.3 地理加权回归模型

为进一步理解环境风险和城市韧性之间的空间相互作用，深入解释二者的局部空间关系，研究选用地理加权回归模型（GWR）测度西安市环境风险对城市韧性的影响程度.

Y i = β 0 ( u i , v i ) + ∑ k = 1 m β k ( u i , v i ) X i k + ε i

(5)

式中， Y i 为位置i处城市韧性值； X i k 为位置i处环境风险值；m为自变量数；β₀（u_i，v_i）为截距项；β_k（u_i，v_i）为回归系数； ε i 为随机误差项.

1.3.4 中介效应模型

由于中介效应模型能够很好地探析变量产生的间接效应，本研究运用该模型检验环境风险对城市韧性的作用路径，设置固定效应模型作为基准回归模型，模型建立如下：

R E S = α 0 + α 1 E R + α 2 X + ε 1

(6)

M = β 0 + β 1 E R + β 2 X + ε 2

(7)

R E S = γ 0 + γ 1 E R + γ 2 M + γ 3 X + ε 3

(8)

式中， R E S 为城市韧性； E R 为环境风险；X为控制变量；M为中介变量； α 0 、 β 0 和 γ 0 为常数项； α 1 、 α 2 、 β 1 、 β 2 、 γ 1 、 γ 2 和 γ 3 为变量系数； ε 1 、 ε 2 和 ε 3 为随机扰动项.

研究设置城市韧性为因变量，环境风险为自变量，参考范晓鹏等^[43]对西安都市圈中心城区空间结构演变的影响机制研究，选取城市发展规模、整体消费能力、交通基础设施和人口流动情况作为中介变量，设置经济发展增长、科技文化投入和产业发展结构作为控制变量，相关变量描述如表 3所示.

2 结果与分析 2.1 西安市环境风险时空分异

2010~2020年环境风险整体水平波动上升，表现出升中有降的趋势（图 2）. 其中2010~2019年西安市环境风险水平在0.4左右波动变化，在2020年显著上升达到最高值0.45，这一现象与重大公共卫生事件节点吻合，反映出突发事件为西安市带来的更大风险挑战. 从不同维度来看，气候变化风险呈轻微上升趋势，表明气候变化逐渐成为影响环境风险的重要因素；城市生态风险在研究期有小幅降低，表明西安市持续推进的城乡增绿扩容举措行之有效；而城市发展风险与人类活动风险波动较大，这意味着城市扩张过程中资源和人口压力逐渐增大. 总而言之，随着城市化进程的不断推进，大规模、高强度的城市发展与人类活动加剧了城市主体的脆弱性与敏感性，给城市风险防控带来前所未有的挑战.

由图 3（a）和3（b）可知，研究期内西安市环境风险空间差异显著，具有明显“中心-外围”特征. 其中，2010年西安市高度与重度风险区集中分布于中心城区，形成了核心城区重度风险，次核心区高度风险，外围过渡带中度风险以及边缘较低风险的分布格局，显现出较强中心效应与边缘效应；而2020年西安市环境风险分布格局大体与2010年相似，但整体环境风险水平有所加剧，其变化主要表现在城市核心区环境风险水平上升并扩展至周边区域以及城乡过渡带中等风险区占比明显提升两方面. 由图 3（c）可知，2010~2020年西安市不同环境风险等级均存在向相邻环境风险等级转化的现象，在空间上主要表现为核心城区由高度风险向重度风险转化；次核心区产生了中度风险向高度风险的过渡；外围城区由较低风险向中度风险演化；边缘区域潜在风险区转化为较低风险区，较低风险区转化为中度风险区的趋势. 其中，主要的转移类型为外围城区的较低风险区向中度风险转变，主要归因于高强度的城市设施与功能建设造就的土地过度开发问题以及产业结构固化与转型滞后造就的社会压力致使区域城市发展风险显著上升；而西部周至县与东部蓝田县边缘出现了潜在风险向较低风险转移区，主要是由于城市功能外溢与旅游开发造就的人类活动强度提升^[44]而引致的环境风险等级变化；秦岭北麓区域环境风险等级几乎没有产生变化，这主要与区域相对优越的生态调控能力相关^[45]；虽然核心城区环境风险等级未发生明显的转移与变化，但其持续承载高强度的环境风险无疑加剧了区域脆弱性与环境风险溢出的可能性.

2.2 西安市城市韧性时空分异

2010~2020年西安市城市韧性整体水平逐年提升（图 4），从0.37增长至0.54，增幅超50%，表现出较强可持续发展潜力，但仍有较大提升空间. 随着经济社会的发展，抵抗能力、适应能力、恢复能力以及转型的能力均呈现波动上升态势，其中抵抗能力始终占据主导地位，表明西安市在面对外部冲击时的应对能力具有稳定性与平衡性；适应能力的变化相对稳定；恢复能力呈现上升趋势，这表明西安市在面对突发事件时，能较快恢复正常运行；而转型能力尽管增长幅度较小，但其对城市韧性的贡献程度不断加大，这与西安城市建设的绿色化、专业化倾向现状相符. 总体而言，由于西安市不断加大社会保障投资力度，修复并完善基础设施建设，使系统快速适应并恢复至初始状态的能力逐步提升，城市韧性随之提升.

由图 5（a）和5（b）可知，研究期内西安市城市韧性大体表现出南高北低的梯度格局，呈片状分布模式. 其中2010年西安市整体韧性水平不高，城市韧性较高值区大致位于长安区与雁塔区，除北部的高陵区为较低韧性以外，其余区县整体为中等韧性区，具有多团块分布特征；而2020年西安市整体城市韧性水平有了较大提升，形成了高韧性区分布于秦岭北麓长安区段，中等韧性分布于高陵区、阎良区南部，其余区县普遍为较高韧性区的趋于一致性的空间格局. 由图 5（c）可知，就城市韧性等级而言，除雁塔区、长安区中北部以及阎良区西南边缘区域未发生城市韧性等级的跃迁，其余区域实现了城市韧性等级的提升，特别是长安区南部跃迁为高韧性区. 其中主要的城市韧性转移类型为中等韧性向较高韧性的过渡，覆盖包括中心城区在内的9个区县，这表明西安市持续推进的治污减霾和能源消费清洁化等举措在促进城市韧性恢复能力建设方面具有成效^[37]；此外位于西安市北部的高陵区城市韧性等级出现明显变化，由较低韧性向中等韧性与较高韧性演化，这一现象表明高陵区城市发展逐渐脱离了产业结构单一化限制与生态系统的持续退化的问题，从传统农业向文旅融合的复合型农业进行过渡，显著提升了城市韧性的恢复能力与转型能力.

2.3 西安市环境风险对城市韧性的影响 2.3.1 环境风险与城市韧性的空间关系

为揭示西安市环境风险与城市韧性在局部尺度上的空间相关程度，运用GeoDa软件对西安市环境风险与城市韧性进行双变量空间自相关分析，并在此基础上通过z检验（P < 0.05）绘制LISA聚类图. 结果显示，西安市环境风险与城市韧性存在“高-高”、“低-低”、“高-低”和“低-高”这4类空间关联模式（图 6），2010年与2020年环境风险与城市韧性的双变量空间自相关指数分别为0.26与0.45，表明2010~2020年西安市环境风险与城市韧性之间呈现存在明显的空间正相关性，整体表现出聚合特征且正向效应显著增强.

其中“高-高”型主要集中在中心城区，覆盖城六区以及长安区北部，零星分布在临潼区、阎良区与鄠邑区，表现出较为明显的辐射与溢出现象，其主要原因是高人口密度与完备的基础设施网络在促进城市韧性建设的同时也提高了城市发展风险与人类活动风险；而“低-低”类型分布于秦岭北麓边缘，集中分布在周至县，零星分布在鄠邑区与蓝田县，这与秦岭作为西安市重要的生态屏障，在减缓环境风险的同时也限制了城市韧性建设有关；“高-低”类型数量在研究期内减少，集中分布在阎良区北部与高陵区南部，零星分布于城市次核心区，这可能是区域城市扩张受核心区外溢，城市韧性的提升与环境风险的激增速度不匹配而造就的；“低-高”聚类主要分布在长安区、鄠邑区与周至县南部边缘地带，表现出低环境风险与高恢复能力的并存格局. 双变量空间自相关分析揭示了西安市城市韧性与环境风险的协同与错配关系，随着时间变化，西安市城市韧性增长的同时环境风险水平增长的区域范围变大，充分体现了人类活动强度对区域环境与社会系统的复杂影响^[46].

2.3.2 环境风险对城市韧性影响的异质性

在揭示环境风险与城市韧性的空间关联特征基础上，仍需进一步探究环境风险影响城市韧性的空间异质性. 首先构建OLS与GWR模型，对比二者拟合结果可知OLS模型的拟合优度R²均低于0.25，而GWR模型拟合优度R²均达到0.8以上，且因此判断GWR模型是处理变量空间异质性更优的估计方法.

基于GWR模型的分析结果表明，西安市环境风险对城市韧性的影响方向存在显著的空间异质性，正相关区域与负相关区域呈明显的“核心-边缘”二分结构，且环境风险对城市韧性的影响程度进一步加深. 由图 7可知，2010~2020年西安市大部分地区环境风险对城市韧性存在显著的正相关关系且正相关区域辐射延伸，在空间上呈现以城六区为核心的中部集中连片分布特征，表现为环境风险上升伴随着同等甚至更强的城市韧性提升，即西安市城市主体在面临环境风险时，高强度的土地开发与城市扩张带来了显著的基建设施提升，致使区域通过完备的应急制度以及长期适应性调整致使自身更具韧性，实现了将风险驱动转化为韧性增长动力的正反馈机制；而回归系数负值区域主要分布在秦岭北麓生态屏障区以及西安市北部边缘区县，这主要与经济网络结构单一、基础设施建设薄弱以及生态保护政策的限制因素相关，使得城市韧性难以转化为有效的风险管理响应机制，形成风险压力削弱城市韧性的负反馈.

2.4 西安市环境风险对城市韧性的作用路径 2.4.1 环境风险对城市韧性的直接影响

综上可知，环境风险对城市韧性的影响并非是简单的线性过程，可能存在复杂的影响机制，因此从西安市整体视角出发探讨环境风险对城市韧性的影响路径很有必要. 表 4列（1）基准回归结果表明，环境风险与城市韧性水平呈正相关，当环境风险水平上升1个单位时，城市韧性水平上升0.159个单位，这种正相关可能是由于城市在面临环境风险干扰时，通过自身的抵抗、恢复、适应、转型能力相互作用不断提升自身抗灾承灾能力，进而提升了城市韧性以缓冲风险干扰，与反脆弱性理论相符^[47] . 尽管环境风险通常被认为是对城市韧性的威胁，但同时其也催化城市系统通过政策调控、技术变革和区域合作等方式改进其应对机制，并通过自我调整、学习和创新以增进韧性.

为进一步验证上述结果并减少内生性影响，分别以替换模型与替换变量的方式进行稳健性检验，表 4列（2）与列（3）为替换OLS模型以及岭回归模型检验；考虑所选样本中出现极值的可能性，列（4）对所有数据采用了缩尾处理进行检验；列（5）则采用城市发展风险替换环境风险值进行检验. 稳健性结果表明环境风险对城市韧性发展具有正向影响. 在稳健性检验的基础上，依据西安市社会经济发展现状，将西安市划分为城六区以及其他区县两大区域并检验其区域异质性. 由列（6）可知，西安市城六区环境风险对城市韧性水平具有显著正向影响，而城六区以外的区县则不显著，这表明环境风险对城市韧性的影响会受到城市发展规模大小、基础设施建设强度和人口与经济要素流动等多面影响，再一次印证了前文空间分析得出的环境风险对城市韧性的影响具有显著区域异质性的结论.

2.4.2 环境风险对城市韧性的影响路径检验

在基准回归模型基础上，构建中介效应模型探索环境风险在影响城市韧性的过程中的具体影响路径. 由表 5可知，当引入中介变量时，交通基础设施、人口流动情况和整体消费能力这3个变量具有显著的中介效应. 其中，整体消费能力对城市韧性水平具有正向中介效应，中介效应值为0.105，其对城市韧性的影响主要反映在消费供需关系上，随着西安市极端天气和空气污染等环境风险加剧，消费者对于应急物资与健康产品的需求扩大，同时政府部门推行刺激消费的政策来以推动经济复苏，供需两端的并行变化造就了经济活动的活跃化倾向，因此城市韧性抵抗能力和恢复能力提升；交通基础设施对城市韧性具有负向中介效应，中介效应值为0.057，这表明虽然交通基础设施建设的优化、完善与维护成为加强西安市交通枢纽的抗灾能力建设的重要组成部分，但交通基础设施的扩展常伴有大量的土地开发和生态损失，不透水面的增加会加剧城市热岛效应，降低城市韧性适应能力；人口流动情况对城市韧性具有负向中介效应，中介效应值为0.037，这是由于环境风险的提升会直接加剧居民风险感知中的不确定性从而驱动人口外流，导致城市社会资本的丧失以及高技能劳动力市场的收缩，使得城市的老龄化问题加剧，进而影响经济活动的持续性和城市的创新能力，造成城市韧性转型能力的回落.

2.4.3 环境风险对城市韧性的影响路径变化

综上可知，整体消费能力、交通基础设施和人口外流情况都是西安市环境风险对城市韧性的间接影响路径，且这3条路径对城市韧性建设的作用强度与方向有所差异. 在此基础上，为进一步捕捉西安市各区县间经济结构、空间布局及社会流动性不同所导致的路径偏好，研究从路径类型变化视角出发探讨各区县影响路径的组合差异. 在对各区县3种间接影响路径的归一化的基础上，将各间接影响路径标准化值在所有间接路径标准化之和的占比量化为各路径对总体中介效应的贡献，并将占比大于60%的路径定义为单一主导影响路径，3条路径占比均大于20%的定义为多影响路径，其余定义为双主导影响路径.

由图 8可知，总体而言，研究期内整体消费能力路径以及交通基础设施路径呈增强趋势，人口流动情况路径整体呈削弱趋势. 就主导路径类型而言，研究期内影响路径整体呈单一化趋势，单一主导路径区县数量有所增加，总体占比从54%提升至77%，在空间分布上呈现明显圈层结构. 其中整体消费能力主导路径主要在西安市次核心区分布，这与西安市高新技术产业开发区空间分布相符，体现了消费市场的扩展对于提升城市韧性转型能力的重要意义以及西安市核心区的辐射带动作用；此外，该路径对于各区县的影响程度逐渐加深，主要是由于整体消费能力的提升能够同时驱动西安市供给侧与需求侧的变动，引导众多新兴产业的涌现，进而致使消费能力的提升转化为城市空间优化和产业结构升级的动力. 人口流动情况主导路径主要分布在城六区以外的区县中并发生了区县数量的减少，这与西安市非核心区囿于产业结构的限制和发展空间的不足，高技术与高学历人才流失现象严重，城市韧性的转型能力建设受到较大影响的现状相符. 本研究期内仅新城区为交通基础设施路径主导，表明西安市在城市发展过程中没有盲目追求经济增速而采取加大基建投资的手段.

双主导路径区县与多影响路径于西安市中部集聚，在研究期内表现为多影响路径区县转化为双主导路径与单一主导路径，双主导路径转化为单一主导路径的趋势. 在双主导路径与多影响路径区县的变化中出现人口流动情况路径消失现象，这主要是由于西安市主城区经济发展多元化、产业发展专业化以及文化软实力增强等众多因素的叠加效应，使得主城区就业机会与居民生活质量得到改善，城市吸引力提升，对于区域发展的限制有所缓解；而整体消费能力与交通基础设施双主导路径区县数量的增加表现出主导路径正负效应兼备的倾向，同时也提醒在西安市经济发展迅速的区域，交通基础设施建设应充分考虑环境承载能力，以优化交通空间布局为目标，减少诱发性交通需求以控制城市蔓延程度.

3 讨论

如何在实现城市高质量发展的前提下兼顾生态环境保护与人地关系的协调发展已成为实现西安市城市跨越式发展亟需解决的问题，而本研究在环境风险与城市韧性量化的基础上，讨论了二者的时空关联以及影响路径的区域差异，不仅为优化生态安全屏障与促进城市高质量发展提供了有力支撑，同时为实现西安市环境风险治理与城市韧性提升的协同提供了动态的研究视角.

3.1 环境风险与城市韧性的关系

本文借助双变量空间、GWR以及中介效应模型对西安市环境风险与城市韧性的关系、环境风险对城市韧性影响的空间异质性以及作用路径进行了分析，旨在为西安市的风险治理以及韧性建设提供行之有效的举措. 本研究发现：过去10 a西安市的环境风险与城市韧性呈显著正相关关系，这与现有风险治理研究认为风险会加剧城市系统的脆弱性而使其更易受损，风险事件对城市系统的冲击会破坏城市的可持续发展能力的观点有所不同，主要原因可能在于传统观点往往过于强调风险的负面影响，大多以防范化解重大安全风险为核心理念，忽视了城市系统通过在应对不断增大的挑战和压力的过程中逐渐变得更具适应力以匹配风险干扰的韧性作用过程. 本文与先前研究的差异性主要体现在，研究更强调城市韧性所提供的反脆弱性能力，结合空间分析与实证研究探讨了环境风险与城市韧性之间的复杂反馈作用机制，对多方面和多标量的环境风险与城市韧性发展之间的联系进行了量化. 未来在构建“风险-韧性”理论框架时，应充分强调城市韧性的升级与构建、阶段性特征以及其对环境风险响应的阈值效应^[48，49]，从而更深入地探索二者耦合机制.

3.2 研究不足与展望

本研究探讨了西安市环境风险与城市韧性的时空变化格局和二者之间交互关系，但仍存在不足之处：①在环境风险评估方面，虽然研究考虑了气候变化、生态、城市发展以及人类活动多维度等相关指标，相对全面地对其进行了刻画，但仍存在对于动态以及突发风险因子考虑不足的问题；此外研究聚焦于对风险自身的评估而非多元复杂风险关系的耦合评估，未来应将极端气候事件、突发自然灾害、社会安全隐患等因子纳入环境风险评价范围，突破静态与固定尺度的限制，构建动态、多尺度耦合的环境风险评估框架；②在数据的客观性方面，由于数据精度与尺度的是影响环境风险与城市韧性评估以及关系探讨的重要因素，研究基于1 km尺度展开研究虽然捕捉整体空间差异，但存在对于微地形内局地风险与韧性难以精准刻画的问题，因此未来应结合高分辨率数据进行多尺度对比研究，进一步探讨二者互动机制.

4 结论

（1）2010~2020年西安市环境风险水平波动变化，在空间上核心区风险水平显著上升并扩展至周边，表现出中心最高、外围次之和边缘最低的分布格局，“中心-外围”特征明显，主要发生较低风险向中度风险的转变；同期西安市城市韧性水平逐年增长，在空间上呈片状分布模式，表现出南高北低的梯度特征，主要发生中等韧性向较高韧性的转变.

（2）双变量空间自相关结果显示研究期西安市环境风险与城市韧性之间存在空间正相关关系且正向效应有所增强，主要是中心城区以“高-高”聚类为主；基于GWR模型的分析结果表明，西安市环境风险对城市韧性的影响方向与强度上存在显著的空间异质性，影响正相关区与负相关区呈明显的“核心-边缘”二分结构，且正向影响区域范围进一步蔓延.

（3）西安市环境风险对城市韧性具有直接影响与间接影响，存在整体消费能力、交通基础设施和人口流动情况3条间接影响路径，其中整体消费能力对城市韧性产生正向影响，交通基础设施与人口流动情况对城市韧性产生负面影响；主导影响路径类型呈现单一化趋势.