《Land》：An Integrated Resilience–Risk “4R-3r” Model for Measuring Community Disaster Resilience (CDR)
编辑推荐：
在灾害风险加剧的背景下，社区灾害韧性（Community Disaster Resilience，CDR）日益受到学者与政策制定者的关注。然而现有CDR测度大多忽视风险，导致多数评估无法表明韧性是否相对于当地风险条件充足。为弥补此缺口，研究人员提出一种集成的基
在灾害风险加剧的背景下，社区灾害韧性（Community Disaster Resilience，CDR）日益受到学者与政策制定者的关注。然而现有CDR测度大多忽视风险，导致多数评估无法表明韧性是否相对于当地风险条件充足。为弥补此缺口，研究人员提出一种集成的基于比值（ratio-based）的“4R-3r”模型用于测度CDR，其中4R代表韧性的四个典型属性（resourcefulness资源fulness、robustness鲁棒性/稳健性、redundancy冗余性、rapidity快速性），3r表示风险的三个维度（hazard致灾因子、exposure暴露、vulnerability脆弱性）。研究人员将“4R-3r”模型应用于上海浦东新区1385个社区，结合空间分析并以基于回归的检验进行验证。结果表明：（1）固有韧性（inherent resilience）与固有风险（inherent risk）呈现不同的空间格局，产生碎片化且不连续的CDR分布；在低CDR社区中约87%属于低4R–高3r类型，需优先治理关注；（2）CDR指数对观测到的韧性表现的解释力优于4R指数；（3）“4R-3r”模型能够实现社区尺度的韧性赤字与风险驱动因子的维度诊断。研究发现为识别风险超过韧性能力的社区以及为类似城市情境中优先实施靶向韧性干预提供了诊断依据。
研究背景与问题提出：在全球暴雨、台风、地震、热浪、火灾等灾害造成严峻经济社会损失的背景下，《兵库行动框架（Hyogo Framework for Action）》推动了基于社区的减灾范式转变，英、美等国相继出台社区韧性（CDR，Community Disaster Resilience）规划与战略框架。既有CDR测度多沿用部门维度（社会、经济、基础设施等），常将风险相关指标混入同一维度，削弱概念精度；即便承认风险–韧性关联，也多将风险置于概念背景而非评估核心，指标以环境代理变量为主，致灾因子（hazard）、暴露（exposure）、脆弱性（vulnerability）三维度未系统纳入，导致评估结果无法判断韧性是否匹配当地风险条件，易误导资源配置。为此，研究人员将风险从边缘背景提升为评价框架固有组分，构建集成固有韧性（4R：resourcefulness资源fulness、robustness鲁棒性/稳健性、redundancy冗余性、rapidity快速性）与固有风险（3r：hazard致灾因子、exposure暴露、vulnerability脆弱性）的比值（ratio-based）“4R-3r”模型，以CDR＝4R／3r表达韧性能力相对于固有风险的充足程度，论文发表于《Land》。
主要关键技术方法：研究人员采用三步流程：建立CDR＝4R／3r比值公式；构建指标体系与测度模型并结合回归验证；以上海浦东新区1385个社区为样本（数据源自第一次全国自然灾害风险普查、2021年NPP/VIIRS夜间灯光、OpenStreetMap路网、中国主要城市绿地数据集等，参照2021年截面），指标经min–max归一化后用熵权法（entropy weighting method）赋权，4R各维度线性聚合得固有韧性、3r各维度线性聚合得固有风险，分母为零时以非零分母第1百分位数替换；rapidity以基于高斯的两步浮动 catchment区（2SFCA，two-step floating catchment area）测空间可达性为代理变量，距离阈值按设施等级与本地标准设定（如Ⅰ/Ⅱ/Ⅲ类应急避难所半径5000 m、1000 m、500 m，消防站1500 m等）；空间分析采用ArcGIS 10.6生成核密度（kernel density）表面；模型效度以街道尺度台风应急转移率（转移安置人数／受影响人数，2019–2021均值）为因变量，分别建立仅含4R（M1）与含CDR（M2）的OLS回归对比。
研究结果：
4.1. Descriptive Statistics（描述性统计）：研究人员对1385个社区的CDR、4R、3r值计算描述统计，4R与3r的标准差均接近各自均值，表明样本在社区尺度上韧性与风险差异显著，CDR作为比值进一步放大变异。
4.2. Spatial Disparities Between CDR, 4R and 3r（CDR、4R与3r的空间分异）：通过核密度分析发现，4R与3r高值均集聚于中心城区，但峰值不完全重合；中心城区部分社区高固有风险而韧性偏弱，部分反之，叠加后CDR未形成连续高值区而呈碎片化、不连续表面，反映韧性与风险受不同逻辑驱动（后者与沿海暴露、集中建成环境相关，前者与资源投放、治理能力相关）。
4.3. Cross-Classification of CDR Levels and 4R-3r Types（CDR等级与4R-3r类型的交叉分类）：研究人员将CDR按分位数划为高、中高、中低、低四档，4R-3r空间按中位数切分为高4R–高3r、低4R–高3r、高4R–低3r、低4R–低3r四类；低CDR社区中约87%为低4R–高3r类型（共302个），属双重劣势需优先干预；低4R–低3r分布于全部CDR档（20～186个），说明两者均低时微小差值可致CDR大幅变动、结果较不可预测；各类在空间上交错散布而非大片集聚。
4.4. Multi-Dimensional Results of the “4R-3r” Model（“4R-3r”模型的多维结果）：七个维度热力图显示，hazard高值集中于东部沿海，exposure高值在北侧中心城区，vulnerability呈北高南低梯度（密集建成区虽资源多但敏感性高）；rapidity空间格局与应急设施可达性相关，resourcefulness、robustness、redundancy分布较分散无主导趋势；街道四分位分类（↑最高维度、↓最低维度）可定位各街道相对短板（如某些街道hazard最高、某些rapidity最低、某些resourcefulness最高），支持靶向诊断。
4.5. Validation of the “4R-3r” Model（“4R-3r”模型验证）：以街道尺度台风转移率为因变量，M1（仅4R）系数小且不显著，调整R2为－0.010；M2（CDR）系数负显著，调整R2升至0.332，说明CDR越高则所需应急转移率越低，CDR相比单独4R能显著解释实际韧性表现，验证模型效度。
讨论部分总结：研究人员指出，CDR应理解为固有韧性（4R）相对于固有风险（3r）的充分程度，而非脱离情境的绝对属性；验证表明4R单独无法解释灾害结果而CDR可，交叉分类显示相同CDR可来自不同4R-3r组合，印证CDR是能力与环境交互的关系产物。空间上4R与3r集聚逻辑不同导致CDR碎片化，说明统一政策难解高度局部化的韧性–风险失衡；低4R–高3r社区散嵌于各类区域而非成片集群，易被传统筛查遗漏，交叉分类可揭示此类隐性错配。治理含义有三：评估应显性纳入固有风险三维度以支持风险调整的资源分配；CDR碎片化需社区级差异化治理而非行政区一刀切；应按4R-3r交叉类型与维度诊断（如高vulnerability配教育动员与避难可达性改善、低rapidity配应急设施覆盖）实施 deficit-specific干预。最后研究人员讨论局限：模型依赖多源社区级数据（可移植性受数据可得性约束）；指标选取兼顾操作性与代表性（如夜间灯光代理经济暴露可能有饱和混合用地局限，社区微消防站等细粒度数据缺）；熵权反映样本离散度但可能低估理论重要而空间变异小的指标；验证仅用研究区台风转移率，需跨灾害、跨区域、纵向检验。结论重申“4R-3r”模型通过集成固有韧性与固有风险提供风险调整的CDR测度，能揭示社区尺度隐性韧性–风险错配，为空间差异化、赤字导向治理提供操作基础，伴随社区数据完善与本地化指标、跨情境验证可支持更广泛比较评估。
