碳排放约束下资源枯竭型城市韧性效率评估——基于MinDS超效率模型和GML指数.pdf

35ENVIRONMENTAL PROTECTION Vol.51 No.13 2023资源枯竭型城市是指矿产资源开发进入衰退或枯竭过程的城市。随着矿产资源的耗尽，城市面临着生态环境恶化、地质灾害频发等问题，导致城市的经济发展停滞不前，城市应对风险和干扰的能力不足1。中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要明确提出建设“韧性城市”的思路，使城市在面对外界干扰和冲击时，拥有恢复、保持或改善原有系统特征和关键功能的能力2。资源枯竭型城市不仅要提升城市韧性，还要关注提升城市韧性所付出的成本，即韧性效率。近年来，随着我国对碳排放问题越来越重视，城市的经济增长和生态环境保护之间的矛盾成为资源枯竭型城市治理的另一个难点。为了实现城市可持续发展，城市治理方式须与低碳、节能、环保的理念相结合。因此，在低碳发展理念下，资源枯竭型城市可持续发展的重点在于提升城市韧性效率，基于最少的资源消耗实现碳排放约束下资源枯竭型城市韧性效率评估基于MinDS超效率模型和GML指数*文/冯东梅 高婷Assessment of Tenacity Efficiency of Resource Exhausted Cities Under Carbon Emission ConstraintsBased on MinDS Super Efficiency Model and GML Index摘 要 在国家低碳发展政策的背景下，如何利用最小的资源投入获得最大的城市韧性是资源枯竭型城市提高城市治理水平、实现可持续发展的关键。基于MinDS超效率模型和GML指数方法测度20102019年资源枯竭型城市韧性效率和全要素生产率，并从不同地区、不同资源类型角度进行对比分析。研究结果表明：20102019年资源枯竭型城市的整体韧性效率较高但未达到理想效率值1；碳排放量较高的城市韧性效率普遍偏低，经济相对发达的城市韧性水平较高；资源枯竭型城市全要素生产率整体缓慢上升，其主要得益于技术进步；从不同地区看，东北地区的韧性效率最高，其次为西部地区、中部地区、东部地区，且地区间韧性效率差异较小；从不同资源类型来看，冶金型韧性效率最高，其次为石油型、其他型、森工型、煤炭型。关键词 资源枯竭型城市；碳排放；城市韧性；韧性效率；MinDS超效率模型；GML指数*基金项目：科技部重点项目“西露天矿区环境地质灾害风险评估”（2017YFC1503102）城市更高的韧性水平。资源枯竭型城市韧性效率评估为城市可持续发展政策的制定提供依据。1973年生态学家霍林首次提出将事物面对风险时恢复到最初状态的能力定义为“resilience”，即“韧性”3。此后，韧性的概念经历工程韧性4、生态韧性5、演进韧性6三次变革。韧性研究逐渐应用到经济、社会等领域，韧性理念与城市的结合开拓了韧性理念的新视野。国内学者对于城市韧性研究较晚，少数学者对城市韧性效率评估开展了初步探索。邹佳雯等7将资金、人员等作为投入，以经济韧性、生态韧性、社会韧性、基础设施韧性作为产出，利用传统DEA模型对2017年中国32个发达城市的韧性效率进行了评估，明确城市韧性效率与城市发达程度呈正相关；彭翀等8构建了“成本能力能效”评估模型，将资本、人力、资源等要素作为投入成本，经济韧性、生态韧性、社会韧性、工程韧性作为能力产出，利用SBM模型评估了2018年长江经济带沿线126个城市的韧性。但是，针对低碳发展和城市韧性的研究，少有学者将碳约束作为城市韧性评估中的重要因素，大多数研究仅处于城市规划层面。例如：郑艳等9认为，在城市治理中需要协同考虑二氧化碳减排和灵活应对气候灾害风险；廖茂林等10认为发展低碳韧性城市是解决“先污染后治理、先破坏后恢复”城市问题的重要手段，其关键在于城市生态规划。纵观上述研究成果，对城市韧性效率的研究，在研究对象上，缺少以资源枯竭型城市为主体的研究；在研究内容上，缺乏对某一时期的动态分析；在研究方法上，已有的研究采用传统的DEA模型和SBM模型，其存在同比例增减投入产出要素、投入和产出要素无效率值最大化等不合理之处，易导致评价结果产生偏差。因此，在低碳发展的背景下，本文将资源枯竭型城市作为研究对象，将碳排放量作业务业务36为城市韧性效率的非期望产出，城市韧性水平作为期望产出，利用MinDS超效率模型对20102019年24个资源枯竭型城市的韧性效率进行评估，结合GML指数探索各城市的全要素生产率动态变化及其驱动因素，为提高城市韧性效率提供决策依据，为推进资源枯竭型城市的可持续发展提供参考。研究方法MinDS超效率模型DEA模型是评价目标对象多投入多产出相对有效的方法。不包含松弛变量，投入与产出模型同比例增减，这是传统DEA模型的弊端。SBM模型虽然考虑了非径向松弛变量，但其将目标函数效率值最小化，同时决策单元（DMU）有效时，其效率值为1，随着有效DMU数量的增多，会出现多个效率值为1的DMU，无法进行进一步的比较。MinDS超效率模型采用强有效前沿上距离最近的点作为投影点，克服了传统DEA模型和SBM模型存在的问题，可以得到合理的城市韧性效率，有效DMU的效率值一般大于1，可以进行比较、排序。在Aparicio的设计基础上11，分两个阶段建立MinDS超效率模型，主要公式如下：（1）（2）（3）（4）（5）（6）（7）式中：为决策单元的效率值；、分别为投入要素、期望产出、非期望产出种类；、分别为城市韧性效率的投入要素、期望产出、非期望产出的权重系数。GML指数由于MinDS超效率模型只能测算各年份的城市韧性效率，无法分析连续时间段上的韧性效率。因此，本文将其与Global Malmquist-Luenberger（GML）指数法相结合进行研究。GML源于Malmquist-Luenberger生产率指数（ML指数），其可对所研究的全要素韧性效率进行跨期比较12。GML指数在规模效率可变的条件下，可分解为技术效率指数（EC）和技术进步指数（TC），从而进一步研究效率变动的决定因素，发现驱动城市韧性全要素生产率变化的内在因素。本文采用GML指数分析24个资源枯竭型城市韧性全要素生产率的动态变化。公式如下：（8）式中：为邻期资源枯竭型韧性全要素效率，为资源枯竭型城市韧性效率提升，反之为效率下降；为全局方向性距离函数；为邻期决策单元的实际生产与生产前沿面接近的程度；为邻期生产前沿面的移动。资源枯竭型城市韧性效率指标体系构建与数据获取指标体系构建（1）投入指标本文研究对象为全国24个资源枯竭型城市，包括乌海、淮北、铜陵、景德镇、新余、萍乡、辽源、伊春、铜川、七台河、盘锦、枣庄、黄石、韶关、焦作、濮阳、抚顺、阜新、石嘴山、双鸭山、白山、鹤岗、泸州、白银。由于DEA模型要求样本数量大于指标数量总和的两倍以上，而MinDS超效率模型是基于DEA模型的改进，因此其指标数量要满足DEA模型的要求，指标数量不可无限增加。城市韧性效率的投入是指达到城市韧性水平的各项资源投入。结合已有的研究成果，投入指标均包括资本、劳动力两大要素。此外，彭翀等8提出代表能源投入的全社会用电量是城市韧性效率最显著的影响因素，科技投入反映城市韧性中的学习创新能力，用以表征资源枯竭型城市韧性效率的创新投入。为此，本文在资本、劳动力两大要素基础上增加了能源投入与科技投入要素，并遵循系统性、易获取性、代表性等原则，确定了资源枯竭型城市韧性效率投入指标，包括科技支出、年末单位从业人员数量、全社会用电量、全社会固定资产投资总额。（2）产出指标一是期望产出指标：城市韧性。产出指标中的城市韧性指标大多从城市经济、社会等多个城市系统组成要素中选取，未反映城市对应的干扰过程。为了弥补当前韧性效率中韧性能力产出不能反映城市内部之间关系的不足，本文引入DPSIR框架构建资源枯竭型城市韧性的内部逻辑关系，将整体系统划分成具有因果关系的驱动力（D）、压力（P）、状态（S）、影响（I）、响应（R）5个系统元素，以反映城市韧性应对风险的过程，综合体现环境、经济、社会之间的相互作用关系（见图1）。37ENVIRONMENTAL PROTECTION Vol.51 No.13 2023驱动力是促使资源枯竭型城市系统运行状态发生变化的内在动力，从经济驱动、人口驱动及资源驱动三个方面进行指标选取。压力是指资源枯竭型城市在发展过程中面临的压力，从环境压力、社会压力两个方面进行指标选取。状态是指资源枯竭型城市通过各系统相互作用，维持城市结构功能并使其承受干扰的冲击，从经济、人口、环境、基础设施四个方面进行指标选取。影响是指资源枯竭型城市面对干扰，为了提高城市的适应性采取的一系列措施，从产业结构调整、经济开放性、环境治理、基础设施维护四个方面进行指标选取。响应是指资源枯竭型城市通过自身的创新、学习，创造出一个新的系统的能力，从创新人才、创新技术及创新投入三方面进行指标选取。本文在已有的城市韧性研究的基础上13-15，为全面反映资源枯竭型城市的特征，共建立22个二级指标（见表1）。由于城市韧性水平测度指标体系中包含的指标较多，为了避免主观赋权所产生的偏差，考虑指标变异性大小的同时兼顾指标之间的相关性，完全利用数据自身的客观属性进行科学评价，利用CRITIC方法计算研究期内各城市的韧性水平。二是非期望产出指标：碳排放量。碳排放量采用联合国政府间气候变化专门委员会（IPCC）公布的2006年IPCC国家温室气体清单指南（以下简称IPCC指南）中能源部分提供的基准方法计算16。能源表1 资源枯竭型城市韧性指标体系系统层指标层指标说明指标属性驱动力人口自然增长率人口驱动正向GDP增长率经济驱动正向人均GDP正向资源产品产量增长率资源驱动负向压力单位GDP粉尘排放强度环境压力负向单位GDP二氧化硫排放量负向单位GDP工业废水排放量负向城镇登记失业率社会压力负向状态人口密度人口状态正向建成区绿化覆盖率环境状态正向财政自给率经济状态正向职工平均工资正向人均城市道路面积基础设施状态正向影响第三产业产值GDP占比产业结构调整正向一般工业固体废物综合利用率环境治理正向污水处理达标率正向城市维护建设资金支出基础设施维护正向当年实际使用外资数量经济开放性正向响应万人授权专利数创新技术正向科技支出创新投入正向每万人在校大学生数量创新人才正向万人科技研究、技术服务人员和地质勘查数量正向表2 能源碳排放系数表能源种类原煤焦煤原油汽油煤油柴油燃料油天然气热力电力折算成标准煤/（t标准煤/t）0.71430.97141.42861.47141.47141.45711.42861.3334.120.345碳排放系数/（t碳/t标准煤）0.75590.8550.58570.55380.57140.59210.61850.44860.670.272类型及碳排放系数见表2，能源碳排放量计算公式如下：（9）式中：为能源 的碳排放系数；为能源种类；为能源 的消费量，值来源于IPCC指南缺省值，原始数据单位为J，为与统计数据单位一图1 基于DPSIR框架的资源枯竭型城市韧性机理图驱动力压力状态影响响应增强引起促进直接作用潜在影响减缓恢复再生干扰业务38致，将其转化成标准煤，转化系数为1104t标准煤等于2.93105GJ。最终确定的资源枯竭型城市韧性效率指标体系见表3。数据获取资源枯竭型城市韧性效率各项指标数据来源于20102019年中国城市统计年鉴中国能源统计年鉴、各地方年鉴、统计公报及政府网站等。其中，2019年各城市的城市维护建设资金支出指标数据缺失，采用指数平滑法中的二次平滑法进行预测，根据最佳的预测效果确定ALPHA值为0.05。其他部分缺失数据采用最小二乘法进行填补。结果分析碳排放约束下资源枯竭型城市韧性效率（1）总体分析运用MinDS超效率模型计算24个资源枯竭型城市20102019年的韧性效率值，24个城市各年的碳排放量均值、城市韧性水平均值及韧性效率均值的变化见图2。资源枯竭型城市碳排放总量呈现先上升后下降再上升的态势，20152017年碳排放量下降是由于2015年国家再次对碳减排目标进行重申与加码，产业结构的调整和低碳技术的应用使得碳减排目标取得阶段性成果。资源枯竭型城市的韧性综合水平在研究期内呈现缓慢、稳定的上升趋势。由韧性效率曲线可知，20112014年韧性效率呈上升趋势，20152017年呈现微弱的波动变化，2011年与2018年的韧性效率大幅下降，这主要是由于在城市韧性水平缓慢上升的同时碳排放量大幅度上升。资源枯竭型城市的整体韧性效率平均值为0.95，未达到有效值1，在考虑碳排放量因素下城市韧性效率未达到理想状态，对于城市各种资源的投入而言，城市韧性水平没有达到较好的效果。十年间24个城市的各项投入均有所增加，使城市在经济、社会、环表3 资源枯竭型城市韧性效率指标体系属性要素指标投入指标资本投入全社会固定资产投资总额劳动力投入年末单位从业人员数量能源投入全社会用电量科技投入科技支出产出指标期望产出城市韧性非期望产出碳排放量表4 资源枯竭型城市分类分类城市韧性 效率等级城市韧性水平等级碳排放量等级城市城市数量/个第一类高高高乌海1第二类高高低淮北、铜陵、景德镇、新余、萍乡5第三类高低低辽源、伊春、铜川、七台河4第四类低高高盘锦、枣庄、黄石、韶关、焦作、濮阳6第五类低低高抚顺、阜新、石嘴山、双鸭山4第六类低低低白山、鹤岗、泸州、白银4图2 20102019年资源枯竭型城市韧性效率、韧性水平及碳排放总量变化情况图3 不同地区的资源枯竭型城市韧性效率变化情况165016001550150014501400135013001.11.00.90.80.70.60.50.4碳排放量/t城市韧性水平及效率2010 2011 2012 2013 2014 2015 2016 2017 2018 2019年份 碳排放城市韧性城市韧性效率 东北地区中部地区东部地区西部地区整体1.21.11.00.90.80.70.6韧性效率2010 2011 2012 2013 2014 2015 2016 2017 2018 2019年份39ENVIRONMENTAL PROTECTION Vol.51 No.13 2023境等方面获得了全面发展，但是城市韧性效率提升并不明显，这是由于过去几十年的粗放式资源开采，造成环境污染、城乡能耗及碳排放量大量增多等问题，增加了城市压力，使得城市韧性水平提高缓慢，产生了严重的抑制作用。（2）城市层面分析按照城市韧性水平、城市韧性效率及碳排放量均值将24个资源枯竭型城市划分成6个类型（见表4）。除了乌海市以外，城市碳排放量越大韧性效率越低。乌海市处于“三高”（高城市韧性效率、高城市韧性水平、高碳排放量）状态，其生态环境脆弱及以煤焦化产业为主的产业结构共同导致城市碳排放量高于绝大部分城市，制约了城市韧性效率的进一步提升。淮北、铜陵等城市韧性水平、韧性效率、碳排放量三方面指标都较好。辽源、伊春等城市虽然在发展过程中城市韧性水平较低，但是其城市的碳排放量相对较低且城市投入偏低，尤其是伊春市作为森工型城市，具有较好的碳中和优势，城市韧性的投入产出效率较高。盘锦、枣庄等城市应对风险的能力较强，但是粗放的产业发展产生了巨大的二氧化碳排放量，严重制约了城市韧性效率的提升。阜新、抚顺等城市的治理水平不理想，城市难以应对内部和外部的干扰，必须进行政策、产业等方面的大幅调整。白山、鹤岗等城市处于“三低”（低城市韧性效率、低城市韧性水平、低碳排放量）状态，欠发达的经济体系导致城市韧性水平较低，进而影响城市韧性效率。（3）不同地区分析根据资源枯竭型城市分布及评价结果1，东北地区资源枯竭型城市韧性效率的均值为0.998，西部、中部、东部的韧性效率均值依次为0.928、0.924、0.865，各地区之间的资源枯竭型城市韧性效率差距不大，均未达到DEA有效值1。但是，近几年来东北地区的韧性效率波动较大（见图3），通过持续增加成本投入所形成的城市韧性不稳定，需要加快东北地区资源枯竭型城市的转型速度。从2013年开始，中部和西部地区的城市韧性效率非常接近，两地区的韧性效率差距很小。东部地区的城市韧性效率低于整体资源枯竭型城市水平，这主要是由于韶关和枣庄两个城市工业活动较多，产生的碳排放量与其他环境污染指标较高，严重制约了城市韧性的表5 资源枯竭型城市韧性GML指数及其分解值城市及地区累计变化值几何变化值城市及地区累计变化值几何变化值GMLECTCGMLECTCGMLECTCGMLECTC抚顺1.3661.1550.9561.0351.0960.978黄石1.2911.0291.1881.0291.0091.019阜新0.9561.2590.7590.9951.0260.970中部地区1.0340.9511.1391.0030.9891.014盘锦0.9521.3160.7230.9951.0310.965枣庄0.9600.7691.2480.9950.9711.025辽源0.8840.6851.2920.9860.9591.029韶关1.2061.0751.1221.0211.0081.013白山1.1671.1371.0261.0171.0141.003东部地区1.0830.9221.1851.0080.9891.019鹤岗0.9090.6761.3450.9890.9571.033泸州1.1411.1720.9731.0151.0180.997双鸭山0.5980.4921.2150.9440.9241.022铜川0.9420.6991.3490.9930.9611.034伊春0.7800.8070.9660.9730.9760.996白银1.6861.4551.1591.0601.0431.017七台河1.0871.0621.0231.0091.0071.003石嘴山0.8710.5591.2150.9850.9371.022东北地区0.9670.9541.0340.9940.9941.000乌海1.3860.7211.9221.0370.9641.075淮北1.0590.8131.3031.0060.9771.030西部地区1.2050.9211.3241.0180.9841.029铜陵0.9911.0550.9390.9991.0060.993煤炭1.0130.8651.2041.0000.9821.015景德镇0.9280.6881.3480.9920.9591.034冶金1.2511.1381.0771.0231.0151.008萍乡0.9591.0080.9510.9951.0010.994石油0.9521.3160.7230.9951.0310.965新余1.0351.0141.0211.0041.0021.002森工0.9730.9720.9960.9950.9951.000焦作1.2201.0221.1281.0221.0091.013其他1.0350.9301.1611.0030.9881.015濮阳0.7880.9741.2330.9740.9521.024整体1.0720.9371.1701.0050.9891.0151根据国务院印发的全国资源型城市可持续发展规划（20132020年）中的资源城市类型划分，煤炭型城市包括阜新、抚顺、七台河、辽源、淮北、萍乡、枣庄、焦作、铜川、石嘴山、韶关、濮阳、乌海、鹤岗、双鸭山；冶金型城市包括铜陵、黄石、白银、新余；森工型城市包括伊春、白山；石油型城市包括盘锦；其他类型城市包括景德镇（陶瓷）、泸州（天然气）。业务40提升。（4）不同资源类型分析从不同资源类型来看，城市韧性效率由高到低依次为冶金型、石油型、其他型、森工型、煤炭型，效率均值依次为0.960、0.946、0.930、0.916、0.887。石油型城市韧性效率除了2010年、2016年以外，均大于有效值1且总体高于其他城市（见图4）。石油型城市通常有较大的城市经济规模和较高的城市治理水平，在面对内外部的干扰时，城市韧性能力较强，这与国内学者一般认为石油型城市发展好于煤炭型和冶金型城市的观点一致17。煤炭型城市和冶金型城市均属于环境污染较强、碳排放强度较大的城市，煤炭型城市整体韧性水平较低，城市韧性效率始终低于资源枯竭型城市平均水平。森工型城市工业活动产生的碳排放量较少，有着良好的自然资源优势，生态环境较好，碳中和能力高于其他城市，但是城市整体经济水平较低，面对风险的维持性和适应性及学习创新能力较差，城市整体韧性水平较低，导致森工型城市的韧性效率较低。景德镇市与泸州市的韧性效率差距较大，导致此类型城市的韧性效率均值保持在中等水平。碳排放约束下资源枯竭型城市韧性全要素生产率全要素生产率是指“生产活动在一定时间内的效率”，是衡量单位总投入的总产量的生产率指标。在MinDS超效率模型的静态评价基础上，利用GML指数法对20102019年24个资源枯竭型城市韧性的全要素生产率动态变化及内在驱动因素进行定量分析，结果见表5。20102019年，GML指数累计变化值为1.072，整体上升7.2%，几何变化值为1.005，年平均增长率为0.5%，资源枯竭型城市韧性全要素生产率呈现缓慢上升的趋势。由GML指数分解值可知，技术进步TC指数累计上升17%，年平均上升1.5%，表明技术进步是近10年促进资源枯竭型城市韧性效率提升的关键因素，这也决定了在“双碳”背景下我国资源枯竭型城市加强城市技术创新的重要性。技术效率EC的累计变化值为0.937，累计下降6.3%，技术效率的略微下降抑制了资源枯竭型城市韧性效率的提高，传统的城市治理方式与碳排放治理水平降低严重制约城市的发展。（1）不同地区从不同地区来看，20102019年东北地区的韧性效率下降3.3%，技术效率以年平均0.2%的速率下降是导致东北地区城市韧性效率下降的主要因素。东北地区碳排放治理水平不如其他地区，城市环境治理压力较大，常年处于人口负增长状态，城市人口老龄化加重，以及面对干扰时城市的维持、学习能力较差。其他地区的城市韧性效率呈现上升趋势，中部地区、东部地区、西部地区的GML指数10年的累计变化值分别为1.034、1.083、1.205，累计增长3.4%、8.3%、20.5%。根据GML指数分解值，中部地区、东部地区、西部地区的TC累计变化值正增长、EC累计变化值负增长，说明技术进步是促进三大经济区韧性效率提升的主要因素。（2）不同资源类型从不同资源类型来看，冶金型、其他型、煤炭型、森工型、石油型城市的GML指数分别累计增长25.1%、3.5%、1.3%、-2.7%、-4.8%。冶金型城市韧性全要素生产率较高且增长幅度最大，从GML分解值来看，技术效率提升和技术进步共同推动城市韧性全要素生产率的提升。近年来，低碳技术的应用、低碳经济发展政策的实施，改善了冶金型城市碳排放量较高的现状，同时冶金型城市经济发展活跃、城市科技创新能力较强，提高了各项资源的有效利用率，进而成为城市韧性全要素生产率提升的主要驱动力。石油型城市韧性全要素生产率以年平均0.5%的速率下降，根据GML分解值，这主要源于技术退步，未来应进一步加强科学技术的创新、低端产业转型升级等。煤炭型和其他型城市韧性效率上升的主要原因为技术进步，其技术效率阻碍了城市韧性水平的提升，未来煤炭型城市需要在韧性政策、碳排放治理方式上进一步创新。森工型城市的GML指数以年平均0.5%的速率下降，城市的技术进步和技术效率均影响城市韧性的提高，此类型城市仍需要进一步促进产业升级并设计合理的低碳政策，以保证城市面对气候变化时可以有较强的韧性水图4 不同类型的资源枯竭型城市韧性效率变化情况1.31.21.11.00.90.80.70.62010 2011 2012 2013 2014 2015 2016 2017 2018 2019年份 煤炭型冶金型石油型森工型其他型整体韧性效率41ENVIRONMENTAL PROTECTION Vol.51 No.13 2023平保持城市可持续发展。结论与建议基于MinDS超效率模型和GML指数，在碳排放约束下对20102019年24个资源枯竭型城市的韧性效率、全要素生产率进行研究，得出的主要结论如下。（1）在碳排放约束下资源枯竭型城市的韧性效率呈现波动趋势，整体城市韧性效率较高但未达到DEA有效值1。资源枯竭型城市韧性全要素生产率呈现缓慢上升的趋势，其主要得益于技术进步；但是，碳排放治理水平有所降低，城市规模经济和技术进步没有良好互动。（2）从城市层面来看，经济相对发达的城市韧性水平较高，碳排放量低的城市韧性效率较高。从不同地区来看，驱动四大经济区韧性全要素生产率上升的因素均为技术进步。从不同资源类型来看，冶金型、煤炭型、其他类型城市的韧性效率呈现上升趋势，且全要素生产率驱动因素均为技术进步。森工型和石油型城市的韧性效率呈下降趋势，其中石油型城市的驱动因素为技术效率。根据以上实证分析，在气候变化的背景下，为了推进资源枯竭型城市低碳转型发展，提升城市应对气候变化的能力，本文提出几点建议。第一，应及时评估资源枯竭型城市的韧性水平和韧性效率，在应对气候变化时也应注意兼顾二者之间的平衡。第二，不同地区、不同资源类型的资源枯竭型城市应结合产业结构特点、资源禀赋，根据自身发展面临的压力与问题，差异化制定阶段性的韧性发展目标，实现韧性水平和韧性效率的稳步提升。第三，加强资源枯竭型城市的科技创新能力。基于GML指数分解，科学掌握资源枯竭型城市韧性内在驱动因素，科技创新不仅是节能减排的根本途径，还是增强城市韧性的重要手段。可通过吸引人才、增加城市科技创新投入等共同驱动城市技术进步，进而摆脱落后的生产方式。第四，调整产业结构。秉持“绿水青山就是金山银山”的理念，加快城市产业绿色转型，逐步淘汰高碳排放、高污染的企业，推动产业结构由“黑色体系”向“清洁体系”转变，改变资源产业主导城市经济的局面。参 考 文 献1范佳慧.破除“资源诅咒”建设韧性城市：基于山西省典型资源型城市的研究C/中国城市科学研究会,郑州市人民政府,河南省自然资源厅,等.2019城市发展与规划论文集.2019:796-803.2白玮.韧性城市建设的实践与启示J.宏观经济管理,2020(12):77-84.3HOLLING C S.Resilience and stability of ecological systemsJ.Annual Review of Ecology and Systematics,1973,4:1-23.4BERKES F,FOLKE C.Linking social and ecological systems for resilience and sustainability M/Linking social and ecological systems:Management practices and socialmechanisms for building resilience.Cambridge,UK:Cambridge University Press,1998:13-20.5CARPENTER S,WALKER B,ANDERIES J M,et al.From metaphor to measurement:Resilience of whatto whatJ.Ecosystems,2001,4(8):765-7816GUNDERSON L H.Adaptive dancing:Interactions between social resilience and ecological crisesM/Navigating social-ecological systems:Building resilience for complexity and change.Cambridge:Cambridge University Press,2003:33-52.7邹佳雯,翟国方,何仲禹,等.基于韧性效率评估的城市空间模式探讨C/中国城市规划学会,成都市人民政府.面向高质量发展的空间治理：2020中国城市规划年会论文集（01城市安全与防灾规划）.北京:中国建筑工业出版社,2021:321-330.8彭翀,林樱子,吴宇彤,等.基于“成本-能力-能效”的长江经济带城市韧性评估J.长江流域资源与环境,2021,30(8):1795-1808.9郑艳,王文军,潘家华.低碳韧性城市：理念、途径与政策选择J.城市发展研究,2013,20(3):10-14.10廖茂林,李菲菲,高佳琳.低碳韧性城市：可持续发展的必由之路J.城市,2017(11):60-66.11APARICIO J,RUIZ J L,SIRVENT I.Closet targets and minimum distance to the Pareto-efficient frontier in DEAJ.Journal of Productivity Analysis,2007(28):209-21812OH D.A global Malmquist-Luenberger productivity indexJ.Journal of Productivity Analysis,2010,34(3):183-197.13周倩,刘德林.长三角城市群城市韧性与城镇化水平耦合协调发展研究J.水土保持研究,2020,27(4):286-292.14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):77-87.15SANCHEZ A X,HEIJDEN J V D,OSMOND P.The city politics of an urban age:urban resilience conceptualisations and policiesJ.Palgrave Communications,2018,4(1):25.16苏泳娴,陈修治,叶玉瑶,等.基于夜间灯光数据的中国能源消费碳排放特征及机理J.地理学报,2013,68(11):1513-1526.17解星.资源枯竭型城市社会生态系统韧性评价及提升策略D.武汉:华中科技大学,2019.（冯东梅系辽宁工程技术大学教授；高婷，辽宁工程技术大学）