中国城市创新网络韧性的演化特征与多维邻近机制——结构与功能的双视角

doi:10.3969/j.issn.1004-9479.2026.08.20250127

世界地理研究 ›› 2026, Vol. 35 ›› Issue (8): 110-125.DOI: 10.3969/j.issn.1004-9479.2026.08.20250127

• 城市与产业 • 上一篇

中国城市创新网络韧性的演化特征与多维邻近机制——结构与功能的双视角

王玉珊¹(), 王光辉²(), 胡骁宇³^,⁴, 刘勤⁵

^1.肇庆学院经济与管理学院，肇庆 526061
^2.中国科学院地理科学与资源研究所，北京 100190
^3.景德;镇学院经济管理学院，景德镇 333400
^4.澳门科技大学可持续发展研究所，澳门 999087
^5.东华理工大学数字经济与资源管理学院，南昌 330000

收稿日期:2025-02-28 修回日期:2025-06-03 出版日期:2026-08-15 发布日期:2026-08-26
通讯作者: 王光辉
作者简介:王玉珊（1990—），女，博士，讲师，研究方向为城市与区域经济，创新网络，E-mail：ysw0327@163.com
基金资助:
国家自然科学基金面上项目(72374191);国家自然科学基金地区项目(42461027);国家“万人计划”青年拔尖人才项目(E44S0000AJ);广东省哲学社会科学规划项目(GD25YYJ09);广东省哲学社会科学规划项目(GD26CYJ52);广东省普通高校创新团队项目(2024WCXTD004)

Evolutionary characteristics and multidimensional proximity mechanism of resilience in Chinese urban innovation networks: A dual perspective of structure and function

Yushan WANG¹(), Guanghui WANG²(), Xiaoyu HU³^,⁴, Qin LIU⁵

^1.Economic and Management College, Zhaoqing University, Zhaoqing 526061, China
^2.Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100190, China
^3.School of Economics and Management, Jingdezhen University, Jingdezhen 333400, China
^4.Institute of Sustainable Development, Macau University of Science and Technology, Macau 999087, China
^5.Digital Economy and Resource Management College, East China University of Technology, Nanchang 330000, China

Received:2025-02-28 Revised:2025-06-03 Online:2026-08-15 Published:2026-08-26
Contact: Guanghui WANG

摘要/Abstract

摘要：

提升城市创新网络韧性，有助于构建安全的国家创新体系，保障城市创新职能的发挥。本文基于2011—2020年中国346个城市间合作申请发明专利的数据，构建中国城市创新网络，从“结构-功能”的双视角和“节点韧性-连边韧性-整体韧性”三维韧性出发，构建网络韧性体系；并采用中断模拟仿真和GIS空间分析技术，刻画网络结构韧性的时序演化与空间格局，并运用负二项回归模型检验多维邻近机制。结果表明：①2011—2020年，中国城市创新网络形成以“北京-上海-深圳-成都”为顶点的菱形网络架构，并形成“一核引领、多极联动、多区协同”的发展格局。②中国城市创新网络呈现结构稳定、功能稳健与韧性增强的趋势，关键节点和关键连边对网络结构稳定与功能稳健具有决定性影响，而边缘城市的脆弱性亟待关注。研究发现，优势节点及其网络联系多位于菱形框架内，而脆弱节点多位于西北、东北部的中小城市或少数民族聚集区。③多维邻近是驱动网络韧性的关键机制。地理邻近、认知邻近、社会邻近和文化邻近均有助于城市间结构韧性与功能韧性的提升。

关键词: 城市创新网络, 网络韧性, 结构韧性, 功能韧性, 时空分异, 多维邻近

Abstract:

Enhancing the resilience of urban innovation networks helps to build a secure national innovation system and safeguard urban innovation functions. Based on data on cooperative invention patent applications among 346 Chinese cities from 2011 to 2020, this paper constructs China's urban innovation network. From the dual perspective of "structure and function" and the three-dimension framework of "node-edge-overall resilience," it builds a network resilience system. In addition, this study adopts disruption simulation and GIS spatial analysis to characterize the temporal dynamics and spatial patterns of network structural resilience, and utilizes a negative binomial regression model to test the multidimensional proximity mechanisms. The results show that: ① From 2011 to 2020, China's urban innovation network formed a diamond?shaped network architecture with Beijing, Shanghai, Shenzhen, and Chengdu as its vertices, and developed a pattern of "one core leading, multiple poles interacting, and multiple regions coordinating". ② The network exhibited a trend of structural stability, functional robustness, and enhanced resilience. Key nodes and key edges exerted a decisive influence on structural stability and functional robustness. It was found that advantaged nodes and their network linkages are mostly located within the diamond framework, whereas vulnerable nodes are mostly found in small and medium?sized cities in the northwest and northeast, or in areas with concentrated ethnic minority populations. ③ Multidimensional proximity is a key mechanism driving network resilience. Geographic proximity, cognitive proximity, social proximity, and cultural proximity all contribute to enhancing both structural resilience and functional resilience among cities.

Key words: urban innovation networks, network resilience, structural resilience, functional resilience, spatiotemporal differentiation, multidimensional proximity

王玉珊, 王光辉, 胡骁宇, 刘勤. 中国城市创新网络韧性的演化特征与多维邻近机制——结构与功能的双视角[J]. 世界地理研究, 2026, 35(8): 110-125.

Yushan WANG, Guanghui WANG, Xiaoyu HU, Qin LIU. Evolutionary characteristics and multidimensional proximity mechanism of resilience in Chinese urban innovation networks: A dual perspective of structure and function[J]. World Regional Studies, 2026, 35(8): 110-125.

图/表 7

表1 负二项回归模型的变量说明与计算方法

Tab. 1 Variables and their explanation of negative binomial regression model

类别	变量		变量说明与计算
被解释变量	Rds	结构韧性	连边失效后的网络连通损失，计算见式（1）、式（2）
被解释变量	Rde	功能韧性	连边失效后的网络效率损失，计算见式（3）、式（4）
解释变量	GeoPro	地理邻近	城市间的最短公路距离，使用百度地图官方API获取的最短距离表示
	CogPro	认知邻近	城市间认知环境的相似性，运用城市创新创业指数（IRIEC）的差值的绝对值表示。IRIEC由新建企业数量、吸引外来投资、吸引风险投资、专利授权数量和商标注册数量5个维度构建
	CulPro	文化邻近	根据城市 $i$ 与城市 $j$ 是否属于同一方言区而定。如果两个城市属于同一方言区，该数值设置为1，否则为0^[41]。方言数据来源于《中国语言地图集》，分类精度采用中类
	SocPro	社会邻近	城市间知识基础的相似性，使用知识专业化水平的差值的绝对值表示。城市知识专业化水平用城市知识型产业的区位熵来衡量^[42]
控制变量	IndSim	产业相似	城市 $i$ 与城市 $j$ 的产业结构高级化水平的差值的绝对值，产业结构高级化水平使用城市第三产业占GDP比值表示
	EcoSim	经济相似	城市 $i$ 与城市 $j$ 的夜间灯光的均值差值的绝对值
	ResSim	人资相似	城市 $i$ 与城市 $j$ 的研发行业的员工数量占比的差值的绝对值
	EduEnv	教育环境	城市 $i$ 与城市 $j$ 的科学和教育财政支出的乘积
	OpeEnv	对外环境	城市 $i$ 与城市 $j$ 的外商投资占比的乘积

表1 负二项回归模型的变量说明与计算方法

Tab. 1 Variables and their explanation of negative binomial regression model

类别	变量		变量说明与计算
被解释变量	Rds	结构韧性	连边失效后的网络连通损失，计算见式（1）、式（2）
被解释变量	Rde	功能韧性	连边失效后的网络效率损失，计算见式（3）、式（4）
解释变量	GeoPro	地理邻近	城市间的最短公路距离，使用百度地图官方API获取的最短距离表示
	CogPro	认知邻近	城市间认知环境的相似性，运用城市创新创业指数（IRIEC）的差值的绝对值表示。IRIEC由新建企业数量、吸引外来投资、吸引风险投资、专利授权数量和商标注册数量5个维度构建
	CulPro	文化邻近	根据城市 $i$ 与城市 $j$ 是否属于同一方言区而定。如果两个城市属于同一方言区，该数值设置为1，否则为0^[41]。方言数据来源于《中国语言地图集》，分类精度采用中类
	SocPro	社会邻近	城市间知识基础的相似性，使用知识专业化水平的差值的绝对值表示。城市知识专业化水平用城市知识型产业的区位熵来衡量^[42]
控制变量	IndSim	产业相似	城市 $i$ 与城市 $j$ 的产业结构高级化水平的差值的绝对值，产业结构高级化水平使用城市第三产业占GDP比值表示
	EcoSim	经济相似	城市 $i$ 与城市 $j$ 的夜间灯光的均值差值的绝对值
	ResSim	人资相似	城市 $i$ 与城市 $j$ 的研发行业的员工数量占比的差值的绝对值
	EduEnv	教育环境	城市 $i$ 与城市 $j$ 的科学和教育财政支出的乘积
	OpeEnv	对外环境	城市 $i$ 与城市 $j$ 的外商投资占比的乘积

图1 中国城市创新网络空间格局（2011年、2020年）注：该图基于自然资源部标准地图服务网络下载的审图号为GS（2020）4619号的标准地图制作，底图无修改。下同。

Fig. 1 Spatial pattern of China's urban innovation network （2011， 2020）

图2 不同攻击方式下网络连通性和传输性的变化（2011年、2020年）

Fig. 2 Changes in network connectivity and transmission under different attacks （2011， 2020）

表2 结构韧性和功能韧性排名前十位的城市（2011年、2020年）

Tab. 2 Top 10 cities for structural resilience and functional resilience (2011,2020)

排名	2011年				2020年
排名	城市	结构韧性	城市	功能韧性	城市	结构韧性	城市	功能韧性
1	北京	0.044 6	北京	0.166 4	北京	0.032 1	北京	0.221 2
2	上海	0.033 4	深圳	0.129 4	上海	0.020 8	上海	0.051 9
3	南京	0.020 6	上海	0.104 9	南京	0.019 5	南京	0.050 6
4	广州	0.018 9	苏州	0.083 0	西安	0.019 4	深圳	0.035 7
5	武汉	0.018 6	南京	0.035 0	武汉	0.018 3	杭州	0.033 4
6	深圳	0.018 6	天津	0.027 7	深圳	0.017 4	广州	0.032 1
7	天津	0.017 6	广州	0.026 2	成都	0.016 0	成都	0.025 5
8	杭州	0.015 8	杭州	0.023 8	广州	0.015 7	天津	0.024 5
9	成都	0.015 3	成都	0.022 4	杭州	0.015 2	武汉	0.022 7
10	西安	0.013 5	武汉	0.018 4	天津	0.014 7	西安	0.022 1

表3 结构韧性和功能韧性排名前十位的城市对（2011年、2020年）

Tab. 3 Top 10 city pairs for structural resilience and functional resilience (2011,2020)

排名	2011年				2020年
排名	城市对	结构韧性	城市对	功能韧性	城市对	结构韧性	城市对	功能韧性
1	北京-上海	0.030 2	北京-上海	0.002 6	北京-南京	0.018 3	北京-上海	0.000 7
2	北京-抚顺	0.018 3	北京-南京	0.002 2	北京-上海	0.015 7	北京-南京	0.000 7
3	北京-深圳	0.013 5	北京-武汉	0.002 1	北京-天津	0.014 6	北京-西安	0.000 7
4	北京-天津	0.013 3	北京-天津	0.002 1	北京-成都	0.011 3	北京-武汉	0.000 7
5	北京-南京	0.008 7	北京-广州	0.002 1	北京-杭州	0.009 5	北京-深圳	0.000 7
6	杭州-台州	0.008 6	北京-深圳	0.002 1	北京-石家庄	0.008 9	北京-成都	0.000 6
7	成都-攀枝花	0.006 4	北京-杭州	0.002 0	北京-济南	0.007 7	北京-广州	0.000 6
8	北京-东营	0.005 8	北京-成都	0.002 0	北京-西安	0.007 2	北京-杭州	0.000 6
9	上海-广州	0.005 7	北京-西安	0.001 9	北京-合肥	0.007 0	北京-天津	0.000 6
10	北京-成都	0.005 6	北京-沈阳	0.001 9	北京-武汉	0.006 5	北京-长沙	0.000 6

图3 优势节点和脆弱节点的空间分布（2011年、2020年）

Fig. 3 Spatial distribution of dominant nodes and vulnerable nodes （2011， 2020）

表4 负二项回归检验结果

Tab. 4 Negative binomial regression test results

变量	结构韧性				功能韧性
变量	模型1	模型 2	模型3	模型4	模型5	模型6	模型7	模型8
GeoPro	-0.001	-0.002	-0.001	-0.005	-0.327^***	-0.365^***	-0.776^***	-0.546^***
	(0.000)	(0.004)	(0.017)	(0.010)	(0.053)	(0.043)	(0.119)	(0.059)
CogPro	0.006^***	0.022^***	0.041^***	0.027^***	0.093^***	0.050^***	0.074^***	0.001
	(0.001)	(0.002)	(0.002)	(0.003)	(0.002)	(0.003)	(0.004)	(0.004)
SocPro	7.623^***	8.336^***	-1.856	6.143^***	37.526^***	13.144^***	-1.497	22.166^***
	(0.739)	(0.770)	(1.564)	(1.162)	(3.987)	(3.636)	(6.134)	(5.436)
CulPro	0.000^*	0.000	0.000	-0.000	0.155^***	0.092^***	0.069^**	-0.092
	(0.000)	(0.000)	(0.000)	(0.000)	(0.031)	(0.027)	(0.028)	(0.064)
IndSim		0.038^**	0.085^***	0.031^*		1.670^***	1.599^***	1.503^***
		(0.019)	(0.019)	(0.019)		(0.084)	(0.088)	(0.084)
EcoSim		0.043^***	0.036^***	0.047^***		0.306^***	0.191^***	0.284^***
		(0.012)	(0.013)	(0.012)		(0.058)	(0.063)	(0.058)
ResSim		0.327^***	0.337^***	0.349^***		1.395^***	1.349^***	1.304^***
		(0.045)	(0.046)	(0.046)		(0.200)	(0.201)	(0.195)
EduEnv		-2.335^***	-2.520^***	-2.322^***		1.078^***	0.944^***	1.004^***
		(0.119)	(0.123)	(0.119)		(0.059)	(0.062)	(0.057)
OpeEnv		0.157^*	0.348^***	0.183^*		1.193^***	1.247^***	1.146^***
		(0.094)	(0.097)	(0.095)		(0.114)	(0.112)	(0.112)
GeoPro²			0.003				0.395^***
			(0.013)				(0.097)
CogPro²			-0.002^***				-0.001^***
			(0.000)				(0.000)
SocPro²			1.178^***				1.992^***
			(0.142)				(0.568)
GeoPro×CogPro				-0.052^***				-0.555^***
				(0.014)				(0.039)
GeoPro×SocPro				16.407^**				82.590^***
				(6.498)				(19.215)
GeoPro×CulPro				0.025				0.002
				(0.031)				(0.190)
Year FE	YES	YES	YES	YES	YES	YES	YES	YES
City FE	YES	YES	YES	YES	YES	YES	YES	YES
R²	0.202	0.253	0.410	0.137	0.274	0.351	0.286	0.287

参考文献 46

[1]	HOLLING C S. Resilience and stability of ecological systems. Annual Review of Ecology & Systematics, 1973, 4(1): 1-23.
[2]	GILLY J P, KECHIDI M, TALBOT D. Resilience of organisations and territories: The role of pivot firms. European Management Journal, 2014, 32(4):596-602.
[3]	BALLAND P A, RIGBY D, BOSCHMA R. The technological resilience of US cities. Cambridge Journal of Regions, Economy and Society, 2015, 8(2):167-184.
[4]	KURTH M, KOZLOWSKI W, GANIN A, et al. Lack of resilience in transportation networks: Economic implications. Transportation Research Part D, 2020, 86: 102419.
[5]	MA H, LI Y, HUANG X. Proximity and the evolving knowledge polycentricity of megalopolitan science: Evidence from China's Guangdong-Hong Kong-Macao Greater Bay Area, 1990–2016. Urban Studies, 2021,58(12):2405-2423.
[6]	DAI L, DERUDDER B, CAO Z, et al. Examining the evolving structures of intercity knowledge networks: The case of scientific collaboration in China. International Journal of Urban Sciences, 2023,27(3):371-389.
[7]	LECHNER C, FRANKENBERGER K, FLOYD S W. Task contingencies in the curvilinear relationships between intergroup networks and initiative performance. Academy of Management Journal, 2010,53(4):865-889.
[8]	LIU X M, LI D Q, MA M Q, et al. Network resilience. Physics Reports-Review Section of Physics Letters, 2022, 971:1-108.
[9]	MA H T, XU X F, LI X Z, et al. Towards innovation resilience through urban networks of co-invention: A case study of cities in China. Frontiers in Earth Science, 2022,10:974219.
[10]	LI L, LIN H, LYU Y. Technology cluster coupling and invulnerability of industrial innovation networks: The role of centralized structure and technological turbulence. Scientometrics, 2022, 127(3): 1209-1231.
[11]	杨伟,李福玲,张晓泉.人工智能产业创新网络结构韧性内生因素研究——以上海为例.科研管理,1-21.
	YANG W, LI F, ZHANG X. Research on endogenous factors of structural resilience of artificial intelligence industry innovation network taking Shanghai as an example. Science Management, 1-21
[12]	SHEKHTMAN L M, DANZIGER M M, HAVLIN S. Recent advances on failure and recovery in networks of networks. Chaos Solitons & Fractals the Interdisciplinary Journal of Nonlinear Science & Nonequilibrium & Complex Phenomena, 2016, 2: 28-36.
[13]	魏龙,党兴华,成泷.不确定性双元对技术创新网络脆弱性的影响:网络惯例的中介作用.管理评论, 2018, 30(07):64-76.
	WEI L, DANG X, CHENG L. The impact of uncertainty duality on the vulnerability of technological innovation networks: The mediating role of network practices. Management Review, 2018, 30(07): 64-76.
[14]	ELKHIDIR E, MANNAKKARA S, HENNING T, et al. A pathway towards resilient cities: National resilience knowledge networks. Cities, 2023, 136:104243.
[15]	LOZANO S, ARENAS A. A model to test how diversity affects resilience in regional innovation networks. Journal of Artificial Societies & Social Simulation, 2007, 10(4): 8.
[16]	BOSCHMA R. Proximity and innovation: A critical assessment. Regional Studies, 2005, 39(1): 61-74.
[17]	冯瑜满,马丽,金凤君.中国人工智能创新合作网络的时空格局及其影响因素分析.地理科学,2025,45(01):130-140.
	FENG Y, MA L, JIN F. Spatio-temporal pattern and its influencing factors of artificial intelligence innovation cooperation network in China. Geographical Science, 2025,45(01): 130-140.
[18]	黄颖敏,黄蔷,邹小华,等.中国稀土产业创新网络演化与影响机制.世界地理研究,2026,35(2):96-113.
	HUANG Y, HUANG Q, ZOU X, et al. Evolution and influence mechanism of China's rare earth industry innovation network. World Regional Studies, 2026,35(2):96-113.
[19]	SAMPSON R C. R&D alliances and firm performance: The impact of technological diversity and alliance organization on innovation. Academy of Management Journal, 2007, 50:364-386.
[20]	LIU J, MA T. Innovative performance with interactions between technological proximity and geographic proximity: Evidence from China electronics patents. Technology Analysis & Strategic Management, 2019, 31(6):667-679.
[21]	POLYAKOV M, POLYAKOV S, IFTEKHAR M S. Does academic collaboration equally benefit impact of research across topics? The case of agricultural, resource, environmental and ecological economics. Scientometrics, 2017, 113(3):1385-1405.
[22]	戴靓,刘承良,王嵩,等.长三角城市科研合作的邻近性与自组织性.地理研究, 2022, 41(9):2499-2515.
	DAI L, LIU C, WANG S, et al. Proximity and self-organizing mechanisms underlying scientific collaboration of cities in the Yangtze River Delta. Geographical Research, 2022, 41(9):2499-2515.
[23]	LIM H, HAN C. National borders transcended: The impact of geographical proximity on the growth of global innovation networks among cities in East Asia. International Journal of Urban Sciences, 2023, 27(4):570-598.
[24]	SEDGLEY N, ELMSLIE B. Agglomeration and congestion in the economics of ideas and technological change. American Journal of Economics and Sociology, 2001(1):101-121.
[25]	LIU C L, GUI Q C, DUAN D Z, et al. Structural heterogeneity and proximity mechanism of global scientific collaboration network based on co-authored papers. Acta Geographica Sinica, 2017, 72(4):737-752.
[26]	CAO Z, DAI L, YANG Y, et al. Knowledge collaboration patterns of Chinese cities and their impacts on knowledge output: An empirical study based the "buzz-and-pipelines" model. Acta Geographica Sinica, 2022, 77(4):960-975.
[27]	MAN A, DUYSTERS G. Collaboration and innovation: A review of the effects of mergers, acquisitions and alliances on innovation. Technovation, 2005, 25(12):1377-1387.
[28]	HE C, JIN L, LIU Y. How does multi-proximity affect the evolution of export product space in China. Geographical Research, 2017, 36(9):1613-1626.
[29]	BROEKEL T. The co-evolution of proximities-A network level study. Regional Studies, 2015, 49(6):921-935.
[30]	LESZCZYŃSKA D, KHACHLOUF N. How proximity matters in interactive learning and innovation: A study of the Venetian glass industry. Industry and Innovation, 2018, 25(9):1-23.
[31]	马双,曾刚.多尺度视角下中国城市创新网络格局及邻近性机理分析.人文地理,2020,35(1):95-103.
	MA S, ZENG G. Analysis of China's urban innovation network pattern and its proximity mechanism from a multi-scale perspective. Human Geography, 2020, 35(1):95-103.
[32]	GUAN Y, LI L, LIU C. Resilience characteristics and driving mechanism of urban collaborative innovation network--A case study of China's new energy vehicle industry. Systems, 2023, 11(5):214.
[33]	TSOURI M, PEGORETTI G. Structure and resilience of local knowledge networks: The case of the ICT network in Trentino. Industry and Innovation, 2020, 28(7):860-879.
[34]	TÓTH G, ELEKES Z, WHITTLE A, et al. Technology network structure conditions the economic resilience of regions. Economic Geography, 2022, 98(4):355-378.
[35]	魏石梅,潘竟虎.中国地级及以上城市网络结构韧性测度.地理学报,2021,76(6):1394-1407.
	WEI S, PAN J. Measurement of the resilience of network structure in cities at and above the prefecture level in China. Acta Geographica Sinica, 2021, 76 (6): 1394-1407.
[36]	郭卫东,钟业喜,冯兴华.基于脆弱性视角的中国高铁城市网络韧性研究.地理研究,2022,41(05):1371-1387.
	GUO W, ZHONG Y, FENG X. A study on the resilience of China's high speed rail urban network from a vulnerability perspective. Geographical Research, 2022, 41 (05): 1371-1387.
[37]	SCHERNGELL T, BARBER M. Spatial interaction modelling of crossregion R&D collaborations: Empirical evidence from the 5th EU framework programme. Papers in Regional Science, 2009, 88(3): 531-546.
[38]	DU Y, WANG Q, WANG Z. Characteristics and mechanism of innovation networks in three major urban agglomerations of China from the perspective of multidimensional proximities. Scientia Geographica Sinica, 2023, 43(2):197-207.
[39]	YU Y, TOSYALI A, BAEK J, et al. A novel similarity-based link prediction approach for transaction networks. IEEE Transactions on Engineering Management, 2024, 71: 981-992.
[40]	XU Z, SUN T. The siphon effects of transportation infrastructure on internal migration: Evidence from China's HSR network. Applied Economics Letters, 2021, 28(13): 1066-1070.
[41]	ZHANG W Y, DERUDDER B, WANG J H, et al. An analysis of the determinants of the multiplex urban networks in the Yangtze River Delta. Tijdschrift voor Economische en Sociale Geografie, 2020, 111(2):117-133.
[42]	宓泽锋,邱志鑫,尚勇敏,等. 长三角区域创新集群的技术创新联系特征及影响探究——以新材料产业为例.地理科学, 2022,42(9):1522-1533.
	MI Z, QIU Z, SHANG Y, et al. Exploration of the characteristics and impact of technological innovation connections in the Yangtze River Delta Regional innovation cluster: Taking the new materials industry as an example. Geographical Science, 2022, 42(9):1522-1533.
[43]	WEI S M, PAN J H. Resilience of urban network structure in China: The perspective of disruption. ISPRS International Journal of Geo-Information, 2021, 10(12): 796.
[44]	HUANG L, WANG J, FANG Y, ZHAI T L, et al. An integrated approach towards spatial identification of restored and conserved priority areas of ecological network for implementation planning in metropolitan region. Sustainable Cities and Society, 2021, 69(6):102865.
[45]	ALBERT R, JEONG H, BARABÁSI A L. Error and attack tolerance of complex networks. Nature, 2000, 406(6794):378-382.
[46]	HOLLING C S. Understanding the complexity of economic, ecological, and social systems. Ecosystems, 2001, 4(5):390-405.

中国城市创新网络韧性的演化特征与多维邻近机制——结构与功能的双视角

Evolutionary characteristics and multidimensional proximity mechanism of resilience in Chinese urban innovation networks: A dual perspective of structure and function

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 46

相关文章 15

编辑推荐

Metrics

[1]	杜志威, 周梦楚, 金利霞. 广东省县域人口高质量发展的时空分异与影响因素[J]. 世界地理研究, 2026, 35(5): 171-186.
[2]	吴骏, 晏发发, 李增福. 中国粮食安全视角下世界大豆贸易网络的韧性研究[J]. 世界地理研究, 2026, 35(2): 80-95.
[3]	林佳乐, 贺灿飞. 非洲国家间贸易网络演化特征及其影响因素[J]. 世界地理研究, 2026, 35(1): 18-31.
[4]	张筱娟, 刘程军. 不同尺度下长三角地区创新网络结构的韧性研究[J]. 世界地理研究, 2025, 34(11): 112-127.
[5]	陈伟, 蒋益飞, 刘志高. 全球镍资源贸易网络演化及其韧性研究[J]. 世界地理研究, 2025, 34(1): 1-15.
[6]	李颉, 许泽嘉, 林煦丹. 2000—2019年全球病毒性肝炎死亡率的时空分异与影响因素[J]. 世界地理研究, 2025, 34(1): 43-55.
[7]	王婷, 李禕, 周浩楠. 长三角地区跨界共建园：时空特征、城市偏好与影响机制[J]. 世界地理研究, 2024, 33(6): 102-115.
[8]	邬林果, 武荣伟, 杨德刚. 2000—2020年中国人口老龄化时空演变及影响因素研究[J]. 世界地理研究, 2024, 33(5): 163-176.
[9]	周玉涛, 李振福, 邓昭. 环渤海地区港口效率的时空分异、未来趋势及驱动因素研究[J]. 世界地理研究, 2024, 33(4): 142-154.
[10]	李文, 李德升, 胡浩, 胡森林. 长三角地区养老产业发展水平格局及影响因素研究[J]. 世界地理研究, 2024, 33(2): 123-135.
[11]	周锐波, 陈依楠, 覃远红. 全球高技术产品贸易网络演化及影响因素[J]. 世界地理研究, 2023, 32(6): 1-13.
[12]	尹旭, 李鹏, 封志明, 游珍, 肖池伟. 2000—2019年越南人口时空分异特征及其演变类型[J]. 世界地理研究, 2022, 31(5): 941-952.
[13]	白立敏, 修春亮, 冯兴华, 梅大伟, 魏冶. 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.
[14]	曹贤忠, 曾刚, 司月芳, 张海娜. 企业创新网络与多维邻近性关系研究述评[J]. 世界地理研究, 2019, 28(5): 165-171.
[15]	黄玉桃张学珍李侠祥张丽娟. 1950-2016年印度洪涝灾害时空分异特征[J]. 世界地理研究, 2019, 28(1): 24-31.