观潮 · 模式预报与气象 AI 观察
数智化提升沿海城市台风灾害韧性：55 城 13 年面板 OLS 系数 0.1626，北方效应强于南方
> 数智化投入能不能转化为台风灾害韧性？这篇用 2011—2023 年 55 个沿海城市、715 个观测的面板数据，以 OLS 与 Logit 为基准、随机森林与 XGBoost 相互印证，并配 SHAP 解释和 shift-share 工具变量处理内生性。结论：数智化水平系数 0.1626（1% 水平显著），剔除与韧性指标重合的项后仍有 0.1587；包容性绿色增长和要素市场错配都是正向调节；韧性趋势增强型、枢纽型、耦合成熟型城市效应更强，北方沿海强于南方。但数智化对韧性网络度中心性的影响不显著——「区域协同强化」与「本地自立增强」两种机制方向相抵，作者也承认现有证据不足以确证这一推断。
缺的是哪一块
台风以「风—雨—潮—涝」多灾种叠加形式冲击沿海城市，风险沿电力、通信、交通和产业链跨部门、跨区域传导。数字基础设施、大数据和 AI 技术虽然能提升风险感知、预警发布和资源调度效率，但平台分割、数据标准不一和基层应用能力不足可能造成「强技术、弱转化」困境——数智化能否真正转化为韧性，取决于技术投入之外的城市发展阶段、治理基础和区域协同条件。
既有研究分散在三块：数字技术应用、城市韧性测度、海洋灾害风险评估，把数智化放进台风灾害韧性统一分析框架的系统研究此前缺乏。这篇要补的是三件事：效应识别（有没有用）、调节机制（什么条件下更有用）、网络视角（对城市间韧性关联有什么影响）。
指标与方法怎么搭的
被解释变量：台风灾害韧性 TDR，按台风冲击的时间序列拆成三个维度、经熵权法合成——防御抵抗力（灾前工程防护与应急准备）、恢复适应力（灾后生命线维持与功能恢复）、重组更新力（灾后中长期结构优化与治理转型），指标覆盖排水设施、避难通道、应急物资、医疗、通信、社区组织、经济活力、防灾减灾财政支出等。
核心解释变量：数智化水平 DII，分数字化与智能化两个维度、熵权法测度。数字化维度用互联网宽带接入用户数、计算机服务和软件业从业人员占比、数字普惠金融指数；智能化维度用人工智能产业专利授权数、工业机器人安装密度，以及显卡进口总额作为 AI 算力的代理变量。
调节变量：包容性绿色增长 IGG（经济增长、收入分配、福利普惠、环境保护四维组合赋权）；要素市场错配 FMM（城市要素市场发育程度与样本最高值的相对差距，数值越大错配越重）。
方法组合：OLS 与 Logit 为基准（双向固定效应），引入随机森林与 XGBoost 处理非线性和交互，SHAP 量化特征贡献；韧性关联网络用 3 年滚动窗口 Pearson 相关法构建城市间二值邻接矩阵，计算度中心性。数据来自 Wind、百度指数、中国海关数据库、CNRDS、国际机器人联合会（IFR）等，缺失值用插值法和移动平均法补齐。
模型效能先导检验给出一个值得注意的结果：仅用 DII 时各模型 AUC 仅 0.421—0.522；纳入全部变量后 Logit、RF、XGBoost 的 AUC 分别为 0.689、0.647、0.621——Logit 的综合判别能力反而最高，说明线性模型已能捕捉数据中的稳定结构，RF 与 XGBoost 的增量价值主要在非线性与局部异质性识别上。作者明确不以算法复杂度评判优劣，而是两类模型相互印证。
原文图 1：2011—2023 年我国沿海城市台风灾害韧性与数智化水平的时序趋势。两类指数均波动上升，北部、东部、南部三条曲线与全样本均值走势接近。原图注明：趋势同向变化不能直接推断因果关系，净效应需由计量模型识别。
结果数字
主效应
检验 · 结果
OLS（双向固定效应） · DII 系数 0.1626，1% 水平显著
Logit 边际效应 · 显著为负（降低城市落入低韧性类别的概率）
RF/XGBoost 边际效应 · 均为正、跨折方向一致
剔除重合指标后 OLS · 系数 0.1587，5% 水平显著
shift-share 工具变量 2SLS · 第二阶段 DII 系数 0.1034（t 值 21.18），1% 水平显著
工具变量的构造：城市至杭州的球面距离（非时变空间暴露度）乘以上一年度样本城市数智化水平均值（时变冲击）。相关性来自杭州作为数字基础设施与 AI 产业集聚地，距离影响技术扩散与算力接入成本；外生性依赖球面距离为前定地理特征、上一年度均值先期确定。
针对「DII 与 TDR 指标构成重合可能造成虚假关联」的质疑，作者剔除了移动电话普及率、有线电视普及率、人均收入、人均财政收入、二三产业结构占比、防灾减灾财政支出等潜在重合项重新测算：模型预测性能不同程度下降，但 DII 的 SHAP 值仅小幅降低，OLS 系数从 0.1626 降到 0.1587 仍过 5% 显著性。
SHAP 分析中，财政支出强度的平均贡献最高，DII 在 RF 与 XGBoost 中都排第二且排序稳定。作者注明：SHAP 衡量的是预测贡献，因果推断仍要靠基准回归与稳健性检验。
调节效应（5 折与 8 折 XGBoost）
交互项 · 5 折系数 · 8 折系数 · 显著性
DII × 包容性绿色增长 · 0.2721 · 0.2798 · 均 1% 显著
DII × 要素市场错配 · 0.6514 · 0.6764 · 均 1% 显著
要素市场错配的交互项为正，反映的是错配程度高的城市里数智化对资源配置的「纠偏空间」更大，不是错配本身有利于韧性。
异质性分组（5 折 XGBoost）
分组 · 系数 · 显著性
韧性趋势减弱型 · 0.0969 · 不显著
韧性趋势稳定型 · 0.2657 · 1% 显著
韧性趋势增强型 · 0.4476 · 1% 显著
北方沿海城市 · 0.3519 · 显著为正
南方沿海城市 · 0.2111 · 显著为正
枢纽型（高中心性+高数智化） · 0.3485 · 1% 显著
吸收型（高中心性+低数智化） · 0.2817 · 1% 显著
辐射型（低中心性+高数智化） · 0.2516 · 1% 显著
孤立型（低中心性+低数智化） · 为正 · 不显著
数智化—韧性耦合成熟型（r>0.1） · 0.3320 · 5% 显著
起步型（\ · r\ · ≤0.1） · 为负 · 不显著
南北差异的机制：北方沿海城市台风暴露度相对较低，数智化技术更易转化为治理绩效；南方暴露度高，若数智化尚未充分嵌入排水防涝、应急调度和灾后修复等具体场景，正向效应可能被更强的复合灾害冲击稀释。拮抗型（r<−0.1）分组无样本、未纳入估计——样本期内没有出现数智化与韧性显著负向耦合的城市。
原文图 2：沿海城市台风灾害韧性的区域多维特征与指数分布。左图为三区域在应急物资保障、建筑物、排水基础设施、防灾减灾投入、经济活力等维度上的雷达图对比——北部在公用事业、生态绿化和社区组织方面相对突出，东部在排水设施、防灾投入和应急物资方面优势明显，南部在建筑、医疗、社区组织和公用事业方面表现较好；右图为三区域韧性指数箱线图，中位数接近但区域内部分化明显。
网络分析：唯一没做实的假设
台风灾害韧性网络呈「上升—回落—修复」的阶段性演化：度中心性由 2013 年 0.1246 升至 2015 年 0.1502，2016—2019 年持续回落，2020 年反弹后 2021 年再度降至 0.1212，2022—2023 年恢复至 0.1421。
而数智化水平对度中心性的影响，在无滚动窗口与 3 年滚动窗口下系数均为负且未通过显著性检验。
作者承认的限制
- 网络效应未识别干净。作者写明，不显著的结果可能源于「区域协同强化」与「本地自立增强」两种机制相互交织、方向相抵，使净效应难以被显著识别；「当前证据尚不足以确证上述推断，仅可为假设 3 提供方向性参考」。
- AI 算力是代理变量。显卡进口总额从供给侧近似反映算力硬件采购规模，但受海关商品口径、价格波动、转口贸易及进口地与最终使用地不一致的影响，「不能等同于实际算力存量」。
- SHAP 不是因果。机器学习模型中的 SHAP 贡献衡量预测贡献，因果结论依赖计量模型；RF/XGBoost 的边际效应通过 ±0.5 个标准差对称扰动计算，「不等同于 OLS 结构参数」。
- 两项稳健性检验未展示。文末注释写明：限于篇幅，两种稳健性检验结果未在正文中展示，作者自留备索。
- 韧性关联网络无方向性。网络为无向关联网络，不具备天然方向性，城市角色与耦合类型划分均不依赖网络边的方向性。
一句话判断
数智化对台风灾害韧性的提升在 55 城面板上经得起换模型、换工具变量、剔重合指标三轮折腾，边际条件也交代得清楚——治理基础成熟、网络位置占优的城市获益最大；但轮到城市间协同的网络分析，两种相反机制打了个平手，结论只能停在「方向性参考」。