近几十年，在全球气候变暖的背景下，极端天气所引发的自然灾害事件频繁发生，严重影响城市的公共安全。其中内涝灾害居于前列，中国约有50%的人口和70%的财产暴露在内涝的威胁下^[1]。为了更好地应对以内涝为代表的城市灾害，韧性城市的理念被提了出来^[2]，人们对城市内涝灾害风险及其防治也随着该理念的不断发展有了新的认识。洛克菲勒基金会^[3]认为韧性城市强调人、社区、机关、企业、系统在遭受长期压力和突发性的动荡时，能够生存、适应及增长。黄弘等^[4]将韧性城市定义为：能够有效应对来自外部与内部的经济社会、技术系统和基础设施的冲击和压力，能在遭受重大突发事件后维持城市的基本功能、结构和系统，并能迅速恢复、进行适应性调整、可持续发展的城市。因此，在面对内涝灾害时，城市不仅需要单纯地防灾，还应该具备适应内涝和快速恢复的能力。在涉及风险评估时，不能仅考虑基础设施的排涝能力，还需要考虑政府的应急能力、城市各系统的恢复速度^[5]、市民的防灾减灾意识等更多社会层面的指标。

现阶段，已有国内外学者探索应对内涝灾害的城市韧性评估模型。陈长坤等^[6]从抵抗力、恢复力和适应力三大属性出发，建立了雨洪情境下的韧性评估模型；郑艳等^[7]构建了评估城市发展、绿色基础设施和灰色基础设施应对内涝灾害能力的韧性指数；程元^[8]研究了暴雨灾害下城市韧性的测度问题，选取与内涝最有直接关系的指标构建了陕西省韧性评价体系；Balica等^[9]、Rosenzweig等^[10]、Mugume等^[11]则侧重于研究雨洪预测模型以考量城市内涝韧性。也有很多学者将研究主体缩小到社区，Orencio等^[12]构建的韧性指标评估模型包含7个方面；Qasim等^[13]从社会、经济、制度和物理4个层面确定了社区洪水灾害韧性指标；李彤玥^[14]分析了韧性城市的理论演变及特性，并分别构建了应对洪水的韧性城市评价指标体系和基于社会、经济、制度、基础设施4个维度的社区韧性评价指标体系；姜宇逍^[15]明确了韧性社区与海绵社区的区别，建立了三级指标体系。但是，现有的内涝灾害相关的韧性评估体系大多为灾损评估，过度重视客观因子，却忽视主观因子；已有的内涝灾害韧性评估研究虽然考虑了工程-非工程相结合，但是仍然局限于顶层政策层面，而缺乏对底层策略的研究，即缺乏对抗灾实施者、承灾受害者的提升指导。

在模型算法方面，定量评估是韧性评价的主要方法，即通过构建指标体系、选用相应的数学方法、建立运算模型来达到量化的目的。国内外使用最为广泛的是层次分析法(analytic hierarchy process, AHP)，即对指标进行分层，通过专家咨询确定同一层中各指标的重要性，计算指标所占权重，最后通过层层递进的加权计算得出最终的韧性值。Orencio等^[12]采用AHP计算了沿海社区的韧性指数；Qasim等^[13]采用专家打分法计算了巴基斯坦开伯尔-普赫图赫瓦省3个地区的社区韧性指数；姜宇逍^[15]运用AHP-综合模糊分析法构建了社区内涝灾害韧性评价体系; 邱桐等^[16]采用AHP确定主观权重，采用熵权法(entropy weight method, EWM)确定客观权重，研究了城市地下空间的综合韧性。此外，陈长坤等^[6]利用逼近理想解排序法(technique for order of preference by similarity to ideal solution based on Kullback-Leibler divergence, KL-TOPSIS)对武汉市的韧性进行评估；苏伯尼等^[17]通过二维水力学模型模拟积水的时空分布，建立了一套针对城市暴雨内涝灾害的定量风险评估方法，但与前述基于AHP方法的研究相比，其指标涉及面相对较少。

本文遴选出影响中国城市内涝的致灾、抗灾、承灾三类特征指标，形成一套能完整描述城市各层面应对内涝灾害的韧性指标体系，通过可视化方法，展示各指标在适应性、应对性和恢复性上的性能。结合地理信息系统(geographic information system, GIS)和AHP，建立了城市内涝灾害韧性定量评估模型。最后，以江苏省昆山市为例开展应用研究，结合分析结果提出韧性强化策略。本研究成果为城市应对内涝灾害韧性理论的完善提供了数据支撑，对提高城市抗涝减灾能力具有重要的现实意义。

1 指标体系构建

在参考国内外已有指标体系的基础上，结合中国现行标准，如《全国综合减灾示范社区标准》《海绵城市建设指标体系》等，以城市韧性作为研究主体，以“应对灾害、恢复能力、适应变动”作为研究目的，考虑内涝灾害致灾因素复杂、抗灾设施单一、承灾系统多维的特点，进行指标初选。现有韧性城市评价及内涝风险评价体系涉及降雨、地形、地貌、排水设施、次生灾害、避灾设施、灾情传递、灾害应对、医疗条件、生活保障、产业经济、受灾对象、就业恢复这13个方面。在此基础上，依据独立性、全面性、可空间量化性原则，筛选设计了41个基础评价指标，如表 1所示。

将这13个方面分别对应至内涝灾害致灾、抗灾、承灾过程。致灾因子表示的是影响形成径流的自然因素，包含降雨、地形和地貌；抗灾因子表示的是影响灾损的人为因素，包含排水设施、次生灾害、避灾设施、灾情传递、灾害应对；承灾因子表示的是影响灾后恢复的人为因素，包含医疗条件、生活保障、产业经济、受灾对象和就业恢复。再将致灾因子、抗灾因子、承灾因子融合为内涝韧性指数，体现城市应对内涝灾害的综合能力。具体指标和层次结构如图 1所示。

本套指标体系是基于韧性城市的“适应性、应对性、恢复性”三大核心特性构建的。适应性既体现为城市根据外界环境的变化而调整、适应的能力^[27]，也体现在其理解风险并在规划建设过程中进行准备以更好地与未来风险相适应的能力；应对性体现城市对灾害事件进行预防准备、监测预警并在事件发生后应急处置的能力；恢复性体现城市维持业务连续性水平并从灾害事件影响中迅速恢复的能力^[4]。

由于三类因子及其细化指标与三大核心特征并非简单的一一对应关系，传统指标体系较难直观地将每个指标与城市韧性进行联系。为立体展现各指标在应对内涝灾害不同阶段、不同层面的韧性表现，设计了城市应对内涝灾害的韧性概念图，如图 2所示。

致灾因子中，降雨类指标是城市内涝灾害风险基准的体现，影响城市在规划建设过程中应具备的基础适应力；地形类指标是城市自身特性和纵向规划建设的主要体现，既影响城市在规划建设过程中所具备的可调整性，也影响灾害事件中的预防准备能力；地貌类指标是城市下垫面规划及建设的主要体现，既影响内涝灾害中形成的径流总量(风险基准)，也影响灾害中径流调蓄及灾害后积水排空能力。

抗灾因子中，排水设施类及灾害应对类指标分别是城市抗灾设施和措施的体现，合理的设施建设和民众应对可以有效提高城市处置内涝事件的能力，针对未来风险而开展的设施规划和应对提升也可以一定程度提高城市的适应性；避灾设施类指标是城市对受灾民众安置能力的体现，既影响城市对受灾群体的保障能力，也影响民众自身从灾害中恢复的速度；次生灾害类及灾情传递类指标分别是城市对灾害预防准备和监测预警能力的体现，影响内涝事件发生时的应急处置能力。

承灾因子中，受灾对象类、产业经济类、生活保障类及医疗条件类指标既在灾害事件中影响城市受灾程度和救援能力，也在灾害发生后与就业恢复类指标共同影响民众生活及城市经济的恢复速度；此外，部分生活保障类指标(如农作物面积)在内涝这一特定灾害中也影响城市下垫面特性，因而对城市适应力也有一定作用。

2 韧性评估模型框架及数据处理方法 2.1 数据标准化

对于矢量数据，需要在已有行政区的矢量图中自行添加字段进行数据的录入和处理。数据表是数据库中重要的数据管理对象，每一个数据表均包含一个具体主题的信息，所有字段都无空值。

数据库的建立是基于各指标原始的意义和计量单位，通常每个指标原始数据的量纲和数量级各不相同。当各指标间的水平相差很大时，直接用原始数据进行分析会突出数值较高的指标在综合分析中的作用，而削弱数值较低指标的作用。因此，为了保证分析结果的可靠性，需要对各指标的原始数据进行标准化处理。在遴选出的41项指标中，有些指标对城市韧性起积极作用，称之为正向指标；有些指标对城市韧性起消极作用，称之为负向指标。采用极值法(离差标准化)对原始数据进行标准化处理。对于正向指标，

$ Y_{i}=\frac{x_{i}-\min x_{i}}{\max x_{i}-\min x_{i}}. $

(1)

对于负向指标，

$ Y_{i}=\frac{\max x_{i}-x_{i}}{\max x_{i}-\min x_{i}} . $

(2)

式中：x_i为指标原始数据，Y_i为标准化处理后的数据^[28]。

2.2 模型架构

图 3展示了城市应对内涝灾害的韧性评估模型架构。

对城市韧性的综合评估基于加权平均数计算，

$ R=\omega_{1} Y_{1}+\omega_{2} Y_{2}+\cdots+\omega_{n} Y_{n}. $

(3)

式中：R为每层次计算得到的分数，ω_i为权重。

韧性评估模型共分为3个模块：指标录入模块、指标处理模块和韧性评估模块。指标录入模块为模型的基本输入模块，基于前期调研分析，判断各指标的分辨率即指标统计的口径是以格网为单位还是以行政区为单位。例如，河网密度、水面率等可以从各类数据库里下载获取分辨率较高的栅格数据；而交通、医疗等数据的统计口径多为行政区甚至是全市，就只能获得矢量数据。通过ArcGIS的转换功能将矢量数据转化成栅格数据，实现指标基本单元的统一。指标处理模块对无法直接反映指标的数据进行空间化处理，并对所有数据进行标准化处理得到Y_i。之后，将数据输入至韧性评估模块，使用AHP方法计算每个指标的权重ω_i，通过对每一层加权平均值的计算，得到栅格层面城市应对内涝的韧性值，再转化为基于城市行政区划的韧性值。

2.3 权重确定

采用层次分析法确定各指标的权重。邀请防灾领域、城市规划领域、土建领域、社会学领域的15位学者、从业人员和管理人员对指标体系中同一层次的指标的重要程度进行打分，取平均值后选择最接近的标度。根据影响内涝灾害的主要因子及其相互间的属性关系，构造层次结构模型，由上到下分为目标层、准则层和指标层。本套指标体系中，目标层为一级指标，准则层为二级指标，指标层为三级和四级指标。对同一层次要素的重要性进行两两比较，构造判断矩阵，利用数学方法计算矩阵的特征向量值，最大特征向量值对应的列矩阵即为每一个指标的权重。应用MATLAB 2011b对所有指标进行权重计算，结果如表 2所示。表 2中，权重表示本指标对上级指标的贡献度，组合权重表示本指标对一级指标(城市韧性)的贡献度。

2.4 研究区域及数据类型

选取江苏省昆山市作为研究区域。该区域地处太湖流域下游的阳澄淀泖区，河网密布，地势平坦，自然坡度较小，内涝灾害频繁。昆山市内涝灾害主要由梅雨和台风暴雨两种雨型所致。梅雨历时长、分布广、雨量大，多发生在6~7月间，灾情较为严重的1954、1991、1999年洪涝灾害都是由梅雨造成的。台风是昆山市夏秋季节主要的灾害性天气之一，当台风登陆过境并伴有强暴雨发生时，对暴雨集中区的雨水管网及某些圩区来说，极易造成较严重的灾情。本文通过各指标数据的采集及综合评估，分析昆山市应对内涝灾害的韧性状况，识别薄弱环节，并针对性地设计韧性提升策略。

根据指标统计口径的不同，原始数据可分为栅格数据和矢量数据。栅格数据大多来自自然属性的指标，如降雨、地形、地貌等，矢量数据大多来自社会属性的指标，如灾害应对、灾情传递等。图 4展示了昆山市的行政区域划分。行政区域是大部分矢量数据的基本评估单元。

1) 栅格数据。

栅格数据的处理方式依具体的指标而定，大多会应用到ArcGIS的裁剪、转换、栅格计算器等功能。以径流系数为例，从中国科学院资源环境科学数据中心下载江苏省的土地利用图，通过裁剪获得昆山市的土地利用栅格图，涉及11类土地利用类型：水田、旱地、其他林地、高覆盖草地、河渠、湖泊、水库、城镇用地、农村居民地、沼泽地和裸土地。通过栅格计算器功能，利用条件函数，将11类土地利用类型转化为各地块的径流系数。图 5a以昆山市各地块径流系数为例，展示了栅格数据的评估结果。其中，径流系数的确定参考《昆山市防洪排涝规划》。

2) 矢量数据。

矢量数据一般从政府官网、城市统计年鉴、社会调研等途径获得，处理方式基本相同，即在建立的数据表中输入每个行政区的原始数值，通过简单的四则运算获得指标值，再通过要素转栅格功能得到栅格数据。

社会调研数据以居民减灾知识为例。首先设计包含内涝灾害、预警预防、应急处置等相关知识的问卷(含单选题和多选题)。在昆山市发放线上和线下问卷共600份，了解各区域居民对内涝灾害应急措施的掌握程度。剔除无效问卷(8份)后，进行计分统计(单选题正确得1分，错误得0分；多选题漏选按比例得分，错选得0分)。以行政区为单位，计算正确率(平均得分/总分)，取max x_i=1、min x_i=0进行标准化，得出各区域居民减灾知识掌握程度，录入矢量数据表中，最后转化为栅格数据。图 5b以居民减灾知识为例，展示了矢量数据转化为栅格数据后的评估结果。

3) 准则层和目标层数据。

应用ArcGIS的栅格计算器工具对上述数据进行标准化处理，将所有数据进行量纲归一化，之后将所有指标的权重代入栅格计算器中，计算准则层和目标层的数值。

3 结果及讨论

图 6反映了昆山市致灾、抗灾、承灾三大因子的综合评估结果。

致灾性能反映了城市发生内涝灾害的难易程度，是一个反向指标。从图 6a可以看出，昆山市中心城区的致灾性能最高，其韧性最低，这主要是由于中心城区的地势相对比较平坦，高程变化幅度小；就地貌而言，中心城区多为建设用地和居住用地，且建筑密度大，其径流系数也大，降雨无法就地入渗，形成内涝灾害的概率也相对较大。此外，水体附近的致灾性能低，这主要是由于水面率大，有足够的水体对强降雨进行调蓄。

抗灾性能反映的是区域抵抗内涝灾害的能力，基础设施的建设和居民应对灾害的能力这两方面尤为重要。图 6b中颜色较深且可以明显看出行政边界的是高新区。高新区的抗灾性能较强，从城市化进程角度来看，高新区一直是昆山市发展的重要区域，其基础设施建设完善，没有河流、重污染企业等次生灾害风险；从居民应对的角度而言，高新区的居民在减灾知识、减灾意识和减灾行为上均是各行政区中最好的。

承灾性能主要体现区域在内涝灾害来临后的恢复能力，经济实力越强的地区承受灾害的能力也越强，灾害所带来的损失越能够被接受。承灾性能涉及的指标大多以行政区划作为统计口径，从图 6c中可以明显看出行政边界。对于高新区、开发区、花桥镇等经济实力较好的行政区，医疗条件充足、多以二三产业为主、生活方面的保障设施众多、人均可支配收入高、文化层次高，其韧性自然就高。其他行政区大多是乡镇，以农村人口为主，虽然其人口密度小，但是人口的文化层次低、老龄化严重，且经济发展较差；内涝发生时，可能会出现预警信息接收不及时、转移困难等问题，故其韧性低。

由致灾性能、抗灾性能和承灾性能乘以各自的权重得到昆山市应对内涝灾害韧性分布图，如图 7a所示。将该栅格数据转为要素点，并和昆山市行政区划进行空间连接，则这些代表韧性的要素点就分布在昆山市的各行政区内。经过数据汇总，得到每个行政区内的韧性平均值，将各区的值等比扩大为0~1之间的数值，则可以得出每一个行政区综合相对韧性值(韧性值最高的行政区相对韧性值为1)，如图 7b所示。

图 7结果表明，昆山市中部的韧性最好，其次是北部和东部，韧性最差的是南部。其中，韧性最高的是高新区，然后依次是开发区、花桥镇、陆家镇、周市镇、千灯镇、周庄镇、张浦镇、巴城镇、淀山湖镇、锦溪镇。

本研究通过从综合到细化的四级指标的分层评估，可以高效定位城市应对内涝韧性的薄弱区域和薄弱环节，从而有针对性地设计提升策略。在设计提升策略时，既可以通过进一步强化优势指标来带动相关联的劣势指标提升，也可以通过多个劣势指标协同改进，实现互补；同时，兼顾各四级指标的组合权重(对城市韧性的贡献度)，可以优先考虑高权重指标的改善。

以锦溪镇锦南圩为例。其行政区韧性为0.64，圩区韧性为0.51，属于韧性较差地区；但其组合权重最高的年均降雨量(0.098 7)、径流系数(0.222 0)、排涝标准(0.127 0) 3个指标与其他地区差异不大。虽然政府已在长期规划中通过常规的城市整体布局、排涝能力提升等方式进行改善，但由于周期长、投资大、提升有上限，因而不能持续有效地提升该区域的韧性。

考虑四级指标组合权重平均值(0.025 0)与中值(0.011 1)，结合该圩区指标评估情况，从居民、城市、政策三方面挖掘区域韧性提升潜力，涉及以下韧性提升策略：

1) 该区域社区减灾意识(组合权重0.026 6)较好，但居民减灾意识(组合权重0.013 3)较差，减灾知识(组合权重0.013 3)和行为(组合权重0.013 3)的认知度也比昆山市其他区域差，体现出社区对居民的相关宣传有效率不足，需进一步落实社区对所辖居民的宣传教育，充分发挥社区在提升城市韧性方面的重要作用。

2) 该区域水面率(组合权重0.074 0)、河网密度(组合权重0.013 8)均较高，说明其蓝色基础设施的工程条件好，但存在大量断头浜，如果对其进行沟通改造，既能够降低发生洪涝灾害的风险，又能够通过水系的连通增加水面率，提高该圩区对内涝的调蓄能力。

3) 该区域人均医疗财政投入(组合权重0.003 8)较低，万人拥有卫生技术人员数(组合权重0.005 7)也比其他区域少。因此，适当增加医疗财政投入、增加卫生技术人员，有助于提高该圩区的恢复性。

由此可见，通过指标体系的评估结果和指标间的关联性，可以有效地实现优势指标和劣势指标之间的联动，使两个或多个韧性相关指标相互影响、相互作用、同步提升，从而有效地提高区域的韧性。

4 结论

本文以韧性城市“适应性、应对性、恢复性”三大核心特征提升作为目标，构建了应对内涝灾害的多层次指标体系，分析了各级指标与韧性城市三大特征的一对多映射关系，并通过韧性概念图的构建，实现了该映射关系的直观展现。

基于GIS技术和AHP方法建立了韧性评估模型，并以江苏省昆山市为例进行了评估模型的应用。综合考虑韧性评估结果，可以高效定位城市应对内涝灾害的薄弱区域和环节，结合各四级指标的组合权重(对城市韧性的贡献度)，可以确定各指标的韧性提升潜力和效率。基于韧性评估模型的分析结果，结合现有的城市规划，考虑指标的互利互补，可实现针对特定区域的非常规韧性提升策略的挖掘与设计。

本研究虽然涉及指标众多，考虑因素较为全面，还针对具体城市进行了实地应用，但是仍有待完善优化之处，具体如下：

1) 指标处理。大部分指标是以行政区划作为数据搜集的单元，而在后续的评估中，不能够详细地呈现内涝灾害的空间分布规律，模糊了同一个行政区内不同空间的韧性评估结果，后续应该通过更为细致的数据搜集工作实现数据分布单元的细化。

2) 韧性评估。应用层次分析法进行韧性评估往往基于专家的个人主观认知，因此指标权重的计算存在一定的主观性，后续应该重点考虑如何削减指标权重确定的主观性，使韧性评估更加客观。

3) 提升策略。由于难以量化的指标多以行政区为单位(如社区减灾、居民减灾等)，而可量化的指标则以栅格为单位，因而在评估过程中对同一个行政区内不同空间位置的韧性进行了综合计算，使其失去了空间上的韧性差异。这也导致了城市韧性提升在空间、力度及体量上的精准施策存在困难。

4) 适用范围。本研究的评估只是对一个城市或区域内的相对韧性的评估，对于全国跨城市的评估和比较，还需要考虑城市间的差异，进行模型调整和指标补充。