Exploration of Urban Subsystem Coupling Coordination Based on Resilience in Luohe City

Xinyu Wang; Zhen Shi; László Kollányi; Yang Yang; Manshu Liu; Xiaoyan Zhang

doi:10.36249/4d.67.3700

Szerzők

Wang Xinyu Magyar Agrár- és Élettudományi Egyetem Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék
Shi Zhen Magyar Agrár- és Élettudományi Egyetem, Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék
Kollányi László Magyar Agrár- és Élettudományi Egyetem, Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék
Yang Yang Magyar Agrár- és Élettudományi Egyetem, Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék
Liu Manshu Magyar Agrár- és Élettudományi Egyetem, Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék
Zhang Xiaoyan Eötvös Loránd Tudományeegyetem, Természettudományi Kar, Földtudományi Doktori Iskola

DOI:

https://doi.org/10.36249/4d.67.3700

Kulcsszavak:

Városi ellenálló képesség, Társadalom-gazdaság-ökológia, Kapcsolási koordinációs fok, ECO modell, Rendszerelmélet

Absztrakt

Az urbanizáció fokozódásával Kínában is nőnek a városi területek területhasználati problémái. A probléma megoldása a mennyiségről a minőségre történő várostervezési módszerek adaptálása. A rendszerszemlélet , a koordináció és az integráció tervezésben elősegíti, hogy a városi területek ellenállóbbá váljanak a kockázatokkal szemben. Jelen tanulmány Luohe város (Kína) 2022-es adatait használja példaként a rendszerek közötti összekapcsolódás koordinációs fokának (CCD) számításához, az ellenálló képesség kiépítését akadályozó tényezők megtalálásához, és az azt akadályozó tényezők térbeli heterogenitásának további feltárásához. A módszer három modellezés eredményeit használ (“szintetikus értékelési modell”, a “csatolási értékelési modell”, “akadálydiagnosztikai modell”) az egyes alrendszerek értékelésére és elemzésére. Az eredmények a következők: A szintetikus értékelés szerint az átlagos városfejlesztési érték 0,48, a magas értékű régiók a délkeleti beépített övezetben csoportosulnak. A városcsatlakozási koordináció átlagos értéke 0,66, a koordinációs szint 7 (mérsékelt koordináció). A városi fejlettségi fok pozitívan korrelál a CCD-vel. Globálisan a gazdaság a legfőbb akadályozó tényező a rugalmas növekedés szempontjából, de az ökoszisztémák, természeti területek korlátozásai nagyobbak és szélesebb körű hatással bírnak. Ez a tanulmány hozzájárul a városi, nagyváros területek belső hierarchikus rendszerének megértéséhez, és hozzájárulhat a területek az harmomikus fejlesztéséhez, a városi ellenálló képesség, reziliencia növeléséhez.

Szerző életrajzok

Wang Xinyu, Magyar Agrár- és Élettudományi Egyetem Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék

PhD-hallgató
e-mail: sdwangxinyuxw@126.com
Shi Zhen, Magyar Agrár- és Élettudományi Egyetem, Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék

PhD-hallgató
e-mail: Shi.Zhen@PhD.uni-mate.hu
Kollányi László, Magyar Agrár- és Élettudományi Egyetem, Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék

egyetemi docens, CSc
e-mail: kollanyi.laszlo@uni-mate.hu
Yang Yang, Magyar Agrár- és Élettudományi Egyetem, Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék

PhD-hallgató
e-mail: Yang.Yang@phd.uni-mate.hu
Liu Manshu, Magyar Agrár- és Élettudományi Egyetem, Tájépítészeti, Településtervezési és Díszkertészeti Intézet, Budapest, Tájtervezési és Területfejlesztési Tanszék

PhD-hallgató
e-mail: lms_1002@163.com
Zhang Xiaoyan, Eötvös Loránd Tudományeegyetem, Természettudományi Kar, Földtudományi Doktori Iskola

PhD-hallgató
e-mail: zxy@student.elte.hu

Hivatkozások

Ribeiro, P. J. G., & Gonçalves, L. A. P. J. (2019). Urban resilience: A conceptual framework. SCS, 50, 101625. https://doi.org/10.1016/j.scs.2019.101625.

Lhomme, S., Serre, D., Diab, Y., & Laganier, R. (2012). Urban technical networks resilience assessment. In D. Serre, B. Barroca, & R. Laganier (Eds.), Resilience and Urban Risk Management (pp. 109–117). CRC Press.

Batty, M. (2002). Thinking about cities as spatial events. Environment and Planning B: Planning and Design, 29, 1–2. https://doi.org/10.1068/b2901ed.

Büyüközkan, G., Ilıcak, Ö., & Feyzioğlu, O. (2022). A review of urban resilience literature. SCS, 77, 103579. https://doi.org/10.1016/j.scs.2021.103579.

City Resilience Index. (2014). City resilience framework. The Rockefeller Foundation and ARUP.

Meerow, S., Newell, J. P., & Stults, M. (2016). Defining urban resilience: A review. Landscape and Urban Planning, 147, 38–49. https://doi.org/10.1016/j.landurbplan.2015.11.011.

Assumma, V., Bottero, M., Datola, G., Pezzoli, A., & Quagliolo, C. (2021). Climate change and urban resilience. Preliminary insights from an integrated evaluation framework. In C. Bevilacqua, F. Calabrò, & L. D. (Eds.), International Symposium: New Metropolitan Perspectives (pp. 676–685). Springer International Publishing.

Masnavi, M. R., Gharai, F., & Hajibandeh, M. (2019). Exploring urban resilience thinking for its application in urban planning: A review of literature. International Journal of Environmental Science and Technology, 16, 567–582. https://doi.org/10.1007/s13762-018-1860-2.

Panahi, R., Gargari, N. S., Lau, Y., & Ng, A. K. (2022). Developing a resilience assessment model for critical infrastructures: The case of port in tackling the impacts posed by the Covid-19 pandemic. Ocean & Coastal Management, 226, 106240. https://doi.org/10.1016/j.ocecoaman.2022.106240.

Shutters, S. T., Muneepeerakul, R., & Lobo, J. (2015). Quantifying urban economic resilience through labour force interdependence. Palgrave Communications, 1, 1–7. https://doi.org/10.1057/palcomms.2015.10.

Wang, X., Yao, X., Shao, H., Bai, T., Xu, Y., Tian, G., Fekete, A., & Kollányi, L. (2023). Land use quality assessment and exploration of the driving forces based on location: A case study in Luohe City, China. Land, 12, 1–17. https://doi.org/10.3390/land12010257.

Cui, X., Yang, S., Zhang, G., Liang, B., & Li, F. (2020). An exploration of a synthetic construction land use quality evaluation based on economic-social-ecological coupling perspective: A case study in major Chinese cities. International Journal of Environmental Research and Public Health, 17(10). https://doi.org/10.3390/ijerph17103663.

Dong, L., Longwu, L., Zhenbo, W., Liangkan, C., & Faming, Z. (2021). Exploration of coupling effects in the Economy–Society–Environment system in urban areas: Case study of the Yangtze River Delta Urban Agglomeration. Ecological Indicators, 128, 107858. https://doi.org/10.1016/j.ecolind.2021.107858.

Yang, L. (2019). Evaluating the urban land use plan with transit accessibility. SCS, 45, 474–485. https://doi.org/10.1016/j.scs.2018.11.042.

Ariken, M., Zhang, F., & Weng Chan, N. (2021). Coupling coordination analysis and spatio-temporal heterogeneity between urbanization and eco-environment along the Silk Road Economic Belt in China. Ecological Indicators, 121, 107014. https://doi.org/10.1016/j.ecolind.2020.107014.

Lin, Y., Peng, C., Chen, P., & Zhang, M. (2022). Conflict or synergy? Analysis of economic-social-infrastructure-ecological resilience and their coupling coordination in the Yangtze River Economic Belt, China. Ecological Indicators, 142, 109194. https://doi.org/10.1016/j.ecolind.2022.109194.

Tian, Y., Zhou, D., & Jiang, G. (2020). Conflict or coordination? Multiscale assessment of the spatio-temporal coupling relationship between urbanization and ecosystem services: The case of the Jingjinji Region, China. Ecological Indicators, 117, 106543. https://doi.org/10.1016/j.ecolind.2020.106543.

Liu, F., Zhang, Z., Shi, L., Zhao, X., Xu, J., Yi, L., Liu, B., Wen, Q., Hu, S., & Wang, X. (2016). Urban expansion in China and its spatial-temporal differences over the past four decades. Journal of Geographical Sciences, 26, 1477–1496. https://doi.org/10.1007/s11442-016-1339-3.

Wang, X., Dong, X., Liu, H., Wei, H., Fan, W., Lu, N., Xu, Z., Ren, J., & Xing, K. (2017). Linking land use change, ecosystem services and human well-being: A case study of the Manas River Basin of Xinjiang, China. Ecosystem Services, 27, 113–123. https://doi.org/10.1016/j.ecoser.2017.08.013.

Cong, X. (2019). Expression and mathematical property of coupling model, and its misuse in geographical science. Economic Geography, 39(4), 18–25.

Ermida, S. L., Soares, P., Mantas, V., Göttsche, F. M., & Trigo, I. F. (2020). Google earth engine open-source code for land surface temperature estimation from the landsat series. Remote Sensing, 12, 1471. https://doi.org/10.3390/rs12091471.

Li, Z., Yang, X. M., Meng, F., Chen, X., & Yang, F. S. (2017). The Method of Multi-source Remote Sensing Synergy Extraction in Urban Built-up Area. Journal of Geo-Information Science, 19, 1522. https://doi.org/10.3724/SP.J.1047.2017.01522.

Wang, X., Kollányi, L., Shi, Z., Liu, M., & Yang, Y. (2022). Study On Land Use Aggregation Pattern of Luohe City Based On Spatial Heterogeneity. Proceedings of the Fábos Conference on Landscape and Greenway Planning, 7(1), Article 56. https://doi.org/10.7275/0j3n-x734.

Luo, J., Zhou, C., Leung, Y., & Ma, J. (2002). Finite mixture model and its EM clustering algorithm for remote sensing data. Journal of Image and Graphic, 7, 336–340. https://doi.org/10.11834/jig.200204119.

Zhou, L., Dang, X., Sun, Q., & Wang, S. (2020). Multi-scenario simulation of urban land change in Shanghai by random forest and CA-Markov model. Sustainable Cities and Society, 55, 102045. https://doi.org/10.1016/j.scs.2020.102045.

Sheng, Q., Yang, T., & Hou, J. (2015). Continuous Movement and Hyper-link Spatial Mechanisms——A Large-scale Space Syntax Analysis on Chongqing’s Vehicle and Metro Flow Data. Journal of Human Settlements in West China, 30, 16–21. https://doi.org/10.13791/j.cnki.hsfwest.20150503.

Diakoulaki, D., Mavrotas, G., & Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The critic method. Computers & Operations Research, 22, 763–770. https://doi.org/10.1016/0305-0548(94)00059-h.