2025年11月，陈阳老师在《Sustainable Cities and Society》发表论文《An interpretable machine learning-assisted urban resilience evaluation and determinants identification: A case study of the Yangtze River Economic Belt, China》。

该文重点分析和解决了复杂压力下城市韧性评估及其决定因素的非线性归因问题。现代城市系统面临着日益加剧的复合压力（如基础设施老化、极端气候冲击等），传统的线性评估模型往往难以有效捕捉韧性要素间复杂的非线性和交互特征，导致评估结果预测精度不足、解释性差，难以指导精准施策。本文以中国长江经济带（YREB）为案例，构建了涵盖经济、社会、生态等维度的指标体系，并创新性地提出了ML-MCDM-SHAP分析框架。该框架结合了多标准决策（MCDM）、机器学习（ML）和SHAP解释方法，首次尝试在微观尺度上量化非线性特征对城市韧性的具体贡献。研究发现，长江经济带城市韧性整体呈增长趋势，但东西部空间差距显著；治理能力与基础设施稳健性是影响韧性绩效的主导因素。与传统线性模型不同，该研究利用机器学习成功捕捉了各要素间的非线性关系和动态交互作用。此外，论文还识别出了四种城市韧性原型，并利用SHAP分析量化单个指标时空贡献。这一发现通过“打开机器学习的黑箱”，为政策制定者在平衡经济增长与生态可持续性方面提供了因地制宜的定量参考和干预策略。

该研究得到了国家自然科学基金青年项目（72304116）、江苏省社科基金青年项目（23EYC012）、国家统计科学研究项目（2025LY008）和江苏高校哲学社会科学研究一般项目（2022SJYB2200）的资助。

《Sustainable Cities and Society》期刊是Elsevier旗下国际性期刊，在城市环境研究领域具有顶尖影响力， JCR分区及中科院分区均被列为Q1，2024年影响因子为10.5，所涉及领域涵盖城市与社会的可持续发展、城市规划以及环境治理等方面。

论文链接: https://doi.org/10.1016/j.scs.2025.106930