国家城市规模分布的时空演化特征及影响因素——基于LandScan的全球实证研究

doi:10.18306/dlkxjz.2021.11.002

地理科学进展 ›› 2021, Vol. 40 ›› Issue (11): 1812-1823.doi: 10.18306/dlkxjz.2021.11.002

国家城市规模分布的时空演化特征及影响因素——基于LandScan的全球实证研究

王妤¹^,²^,³(), 孙斌栋¹^,²^,³^,^*(), 张婷麟¹^,²^,³

1. 华东师范大学中国行政区划研究中心,上海 200241
2. 崇明生态研究院,上海 202162
3. 华东师范大学城市与区域科学学院,上海 200241

收稿日期:2021-01-11 修回日期:2021-04-26 出版日期:2021-11-28 发布日期:2022-01-28
通讯作者: *孙斌栋(1970— ),男,河北阜平人,教授,博士生导师,主要从事城市地理、城市规划和区域经济研究。E-mail: bdsun@re.ecnu.edu.cn
作者简介:王妤(1992— ),女,河北唐山人,博士生,主要从事城市地理、区域经济研究。E-mail: taibeidezuoan@163.com
基金资助:
国家社会科学基金重大项目(17ZDA068);华东师范大学未来科学家和优秀学者培育计划项目(WLKXJ202010)

Spatio-temporal change and influencing factors of city size distribution: Global empirical research based on LandScan data

WANG Yu¹^,²^,³(), SUN Bindong¹^,²^,³^,^*(), ZHANG Tinglin¹^,²^,³

1. Research Center for China Administrative Division, East China Normal University, Shanghai 200241, China
2. Institute of Eco-Chongming, Shanghai 202162, China
3. School of Urban & Regional Science, East China Normal University, Shanghai 200241, China

Received:2021-01-11 Revised:2021-04-26 Online:2021-11-28 Published:2022-01-28
Supported by:
Major Program of National Social Science Foundation of China(17ZDA068);Training Program for Future Scientists and Outstanding Scholars of East China Normal University(WLKXJ202010)

摘要/Abstract

摘要：

洞悉世界各国城市规模分布规律有助于推动形成合理的城镇格局和促进国家经济高质量发展。论文基于2000—2018年LandScan等数据库,按照统一的人口集聚标准创新性地识别了全球各国的城市,分析了国家城市规模分布的时空演化特征、影响因素及其异质性。研究发现：全球各国城市规模分布在研究期间内呈波动均衡的态势。从空间演化来看,非洲、南美洲国家城市规模分布逐渐均衡,而亚洲、欧洲国家出现极化趋势;从现状比较来看,非洲国家城市规模分布的极化程度居于首位,欧洲国家则最为均衡。河流密度、城市人口密度以及工业化水平提高会促进城市规模分布均衡发展,而地形起伏度、国家不稳定程度增加则会强化其极化程度。相比于其他要素,社会经济要素(尤其是城市人口密度)对城市规模分布的影响在不同收入水平、产业结构和政府干预程度的国家间异质性最为明显。研究深化了对城市规模分布及其形成机理的规律性认知,为形成合理的城市规模分布提供了有力的实证支撑。未来中国应通过构建适度均衡的城市规模分布体系、扩大内外双向开放以及应用新一代信息技术,重塑国家经济地理格局。

关键词: 城市规模分布, 高质量发展, 影响因素, 异质性, 全球

Abstract:

Understanding the patterns of city size distribution around the world is important for the formation of reasonable city size distribution and high-quality national economic development. Based on a panel two-way fixed effects model and multiple databases such as LandScan from 2000 to 2018, this study identified the spatial and temporal change characteristics of city size distribution at the national level and analyzed its influencing factors as well as their heterogeneity based on global cities with a uniform definition. It was found that city size distribution across countries showed a fluctuating equalizing trend. In terms of spatial change, African and South American countries showed gradually equalized city size distribution, while Asian and European countries showed a trend of polarization. In a comparison of the present situation, African countries lead in the polarization of city size distribution, while European countries are the most equalized. Higher river densities, city population densities, and industrialization levels promote a equalized city size distribution, while larger topographic relief and national unrest reinforce their polarization. Compared to other factors, the socioeconomic factors (especially urban population density) have the most significant impact on the heterogeneity of city size distribution across countries with different income levels, industrial structures, and levels of government intervention. Although increased city population density contributes to a more equalized city size distribution overall, it has a significant polarizing effect in service-dominated and weak government intervention countries and a less pronounced effect in high-income countries. The balancing effect of industrial development on city size distribution and the polarizing effect of increased railway density are more significant in low-income countries, manufacturing-dominated countries, and countries with weak government intervention. Increased economic development significantly contributes to the polarization of city size distribution in service-dominated and weak government intervention countries and the expansion of openness contributes to the equalization of city size distribution in high-income countries. The increase in city population and internet penetration contributes to polarization and equalization of the city size distribution in countries with strong government intervention, and the increase in government spending only has a balancing effect on the city size distribution in countries with strong government intervention. This study deepens the knowledge of the patterns of city size distribution and its formation mechanism, and provides strong empirical support for the formation of a reasonable city size distribution. In the future, China should reshape the national economic geography by constructing an appropriately equalized city size distribution, expanding the two-way internal and external openness, and applying new generation information technologies.

Key words: city size distribution, high-quality development, influencing factors, heterogeneity, globe

王妤, 孙斌栋, 张婷麟. 国家城市规模分布的时空演化特征及影响因素——基于LandScan的全球实证研究[J]. 地理科学进展, 2021, 40(11): 1812-1823.

WANG Yu, SUN Bindong, ZHANG Tinglin. Spatio-temporal change and influencing factors of city size distribution: Global empirical research based on LandScan data[J]. PROGRESS IN GEOGRAPHY, 2021, 40(11): 1812-1823.

图/表 6

图1

表1

图2

图3

表2

国家城市规模分布影响因素及异质性

变量	Pareto1(ln)
变量	所有国家	高收入国家	低收入国家	制造业为主国家	服务业为主国家	强政府干预国家	弱政府干预国家
河流密度(ln)	0.3790^***	0.3860^***	0.4830^***	0.4670^***	0.3900^***	0.5130^***	-0.0038
	(0.1120)	(0.1050)	(0.1570)	(0.1650)	(0.1210)	(0.0860)	(0.1830)
地表粗糙度(ln)	-0.1050^*	-0.0435^***	-0.2580^***	-0.0317^**	-0.0574	-0.0282^**	-0.2850^***
	(0.0571)	(0.0119)	(0.0426)	(0.0158)	(0.1660)	(0.0139)	(0.0452)
人均GDP(ln)	0.0358	0.0372	-0.0069	7.43E-05	-0.1250^*	-0.0617	-0.1740^**
	(0.0553)	(0.1030)	(0.0776)	(0.0798)	(0.0657)	(0.0777)	(0.0763)
城市人口(ln)	-0.0727	0.1230	-0.0710	0.0221	-0.2090	-0.3260^**	0.1830
	(0.1030)	(0.2570)	(0.1120)	(0.1420)	(0.1990)	(0.1510)	(0.2010)
城市人口密度(ln)	0.1880^**	-0.0349	0.1820^**	0.2150^***	-0.1190^*	0.1380^*	-0.1470^*
	(0.0918)	(0.0659)	(0.0812)	(0.0665)	(0.0688)	(0.0731)	(0.0868)
进出口贸易总额占	0.0257	0.1440^*	-0.0518	-0.0767	-0.1000	-0.0132	-0.0916
GDP比重(ln)	(0.0531)	(0.0759)	(0.0499)	(0.0523)	(0.0805)	(0.0598)	(0.0600)
工业增加值占	0.1780^**	-0.1980	0.2240^***	0.1760^*	0.1640	0.0368	0.3350^***
GDP比重(ln)	(0.0714)	(0.1420)	(0.0796)	(0.0918)	(0.1350)	(0.1090)	(0.0975)
制造业与服务业	-0.0803	0.1030	0.00924	0.0413	0.0371	0.0792	-0.0467
增加值之比(ln)	(0.0704)	(0.0871)	(0.0521)	(0.0499)	(0.0909)	(0.0562)	(0.0493)
铁路密度(ln)	-0.0145	-0.0051	-0.1040^*	-0.1270^**	-0.0074	0.0016	-0.1510^**
	(0.0089)	(0.0092)	(0.0571)	(0.0523)	(0.0076)	(0.0050)	(0.0671)
互联网普及率(ln)	-0.0078	0.0234	-0.0005	0.0008	0.0158	0.0215^**	-0.0236
	(0.0110)	(0.0282)	(0.0141)	(0.0139)	(0.0182)	(0.0104)	(0.0153)
政府支出占	0.0347	-0.0353	0.0786	0.1290	0.0890	0.2800^**	0.0227
GDP比重(ln)	(0.0643)	(0.1040)	(0.0646)	(0.0779)	(0.0874)	(0.1170)	(0.0786)
公民政治权利半自由	-0.0371	0.0571^**	-0.0922	-0.0655	-0.3440^***	-0.1930^**	-0.1690^*
	(0.0801)	(0.0223)	(0.0775)	(0.0542)	(0.0683)	(0.0918)	(0.0857)
公民政治权利自由	-0.0941	—	-0.1580^*	-0.1150^**	—	-0.1910^*	—
	(0.0656)	—	(0.0840)	(0.0562)	—	(0.0980)	—
中等脆弱	-0.0410	0.0054	-0.0422	-0.0640^*	-0.0331	-0.0578^**	-0.0701^*
	(0.0317)	(0.0362)	(0.0272)	(0.0362)	(0.0519)	(0.0288)	(0.0410)
高等脆弱	-0.1370^*	—	-0.1380^**	-0.1410	0.0648	-0.0017	-0.1670
	(0.0721)	—	(0.0621)	(0.0915)	(0.1050)	(0.0707)	(0.1180)
时间	控制	控制	控制	控制	控制	控制	控制
国家	控制	控制	控制	控制	控制	控制	控制
常数	-0.6120	-1.8450	0.5860	-2.9570	6.9020	5.9960	-1.1140
	(2.3500)	(5.7770)	(2.8920)	(3.4140)	(4.1670)	(3.9190)	(4.7470)
观测值	303	131	172	187	116	194	109
样本国家数	89	30	59	67	44	55	45
R²	0.413	0.441	0.639	0.588	0.484	0.575	0.712

表2

表3

本文与近年来全球尺度城市规模分布影响因素相关研究对比

比较内容	本文	张亮靓等^[9]	盛科荣等^[15]	Soo^[28]
研究样本	全球89个国家	全球100多个国家	57个国家和地区	全球73个国家
人口数据来源	Landscan人口数据、欧空局土地利用类型数据	2014年《世界城市化展望》	City Population数据库	City Population数据库
计量方法	面板固定效应模型	截面回归、面板固定效应模型	截面回归	混合横截面回归
研究内容	城市规模分布时空演化城市规模分布影响因素不同类型国家影响因素异质性分析	城市规模分布演变城市规模分布影响因素	城市规模分布类型划分城市规模分布影响因素	验证Zipf定律的适用性城市规模分布影响因素
主要结论	(1) 2000—2018年,国家城市规模分布总体均衡发展,而亚洲、欧洲部分国家城市规模分布有所极化 (2) 众多影响因素中,河流密度、城市人口密度、工业增加值占GDP比重的增加会促进城市规模分布向均衡发展;地表粗糙度、国家脆弱指数上升导致城市规模分布极化;城市人口和密度、工业化水平、经济发展水平、开放水平、交通基础设施水平以及政府干预程度对国家城市规模分布的影响均存在异质性,会因国家收入水平、产业结构和政府干预程度的不同存在差异	(1) 1950—2010年,国家城市规模分布逐渐分散 (2) 从影响要素来看,土地面积、人口密度、二三产业产值占GDP比重促进城市规模分布的均衡;进出口贸易额占GDP比重、国家脆弱指数促进城市规模分布的极化;人均GDP先促进城市规模分布极化后促进城市规模分布均衡;城市化率、每百人固定电话订阅数、每百人互联网用户以及Freedom自由度对城市规模分布的影响不明显	(1) 全球各国城市规模分布分为5种类型 (2) 影响因素层面,进出口贸易额占GDP比重、每千人机动车拥有量以及民主化或降低首位城市的集聚度;区域人口数量、人均GDP会促使人口向高位序城市集聚;而城市化率对城市规模分布的影响则不显著	(1) 全球73个国家中,大部分国家城市规模分布都不符合Zipf定律 (2) 影响因素中,人口规模,人均GDP、规模经济、政府支出占GDP比重、战争促进了城市规模分布的分散;二三产业产值占GDP比重、交通成本促进了城市规模分布的集聚;进出口贸易额占GDP比重、土地面积对城市规模分布的影响不明显

表3

参考文献 32

[1]	联合国. 世界城市化展望 (2018修订版)[EB/OL]. 2018-05-16 [2021-01-01]. https://www.un.org/development/desa/publications/2018-revision-of-world-urbanization-prospects.html .
	[United Nations. World Urbanization Prospects (2018 Revised Version). 2018-05-16 [2021-01-01]. https://www.un.org/development/desa/publications/2018-revision-of-world-urbanization-prospects.html . ]
[2]	国家统计局. 中国农村发展报告(2020) [EB/OL]. 2020-08-19 [2021-01-01]. http://www.stats.gov.cn/ .
	[National Bureau of Statistics. China rural development report (2020). 2020-08-19[2021-01-01]. http://www.stats.gov.cn/ .]
[3]	Auerbach F. Das gesetz der bevolkerungskoncentration[J]. Petermanns Geographische Mitteilungen, 1913, 49(1):73-76.
[4]	Zipf G K. Human behavior and the principle of least effort[M]. Cambridge, USA: Addison-Wesley, 1949: 375-376.
[5]	沈体雁, 劳昕. 国外城市规模分布研究进展及理论前瞻-基于齐普夫定律的分析[J]. 世界经济文汇, 2012(5):95-111.
	[ Shen Tiyan, Lao Xin. Research progress and theoretical prospect of foreign city size distribution: Based on the analysis of Zipf's law. World Economic Papers, 2012(5):95-111. ]
[6]	魏守华, 周山人, 千慧雄. 中国城市规模偏差研究[J]. 中国工业经济, 2015, 33(4):5-17.
	[ Wei Shouhua, Zhou Shanren, Qian Huixiong. Research on the deviation of urban scale in China. China Industrial Economics, 2015, 33(4):5-17. ]
[7]	万庆, 吴传清, 罗翔, 等. 中国城市规模分布时空演化特征: 基于“五普”和“六普”人口统计数据的实证研究[J]. 经济地理, 2018, 38(4):81-90.
	[ Wan Qing, Wu Chuanqing, Luo Xiang, et al. Spatial and temporal evolution characteristics of China's city size distribution. Economic Geography, 2018, 38(4):81-90. ]
[8]	孙斌栋, 金晓溪, 林杰. 走向大中小城市协调发展的中国新型城镇化格局: 1952年以来中国城市规模分布演化与影响因素[J]. 地理研究, 2019, 38(1):75-84. doi: 10.11821/dlyj020180443
	[ Sun Bindong, Jin Xiaoxi, Lin Jie. China's new pattern of urbanization toward coordinated development of large, medium and small cities: Evolution and determinants of city size distribution since 1952. Geographical Research, 2019, 38(1):75-84. ]
[9]	张亮靓, 孙斌栋. 极化还是均衡: 重塑大国经济地理的战略选择: 城市规模分布变化和影响因素的跨国分析[J]. 地理学报, 2017, 72(8):1419-1431. doi: 10.11821/dlxb201708007
	[ Zhang Liangliang, Sun Bindong. Polarization or convergence: Strategy of reshaping economic geography of large countries: A cross-country study on the evolution and determinants of city size distribution. Acta Geographica Sinica, 2017, 72(8):1419-1431. ]
[10]	王超, 阚瑷珂, 曾业隆, 等. 基于随机森林模型的西藏人口分布格局及影响因素[J]. 地理学报, 2019, 74(4):664-680. doi: 10.11821/dlxb201904004
	[ Wang Chao, Kan Aike, Zeng Yelong, et al. Population distribution pattern and influencing factors in Tibet based on random forest model. Acta Geographica Sinica, 2019, 74(4):664-680. ]
[11]	李琬, 孙斌栋, 刘倩倩, 等. 中国市域空间结构的特征及其影响因素[J]. 地理科学, 2018, 38(5):672-680. doi: 10.13249/j.cnki.sgs.2018.05.004
	[ Li Wan, Sun Bindong, Liu Qianqian et al. The features and determinants of spatial structure in chinese prefecture-level city regions. Scientia Geographica Sinica, 2018, 38(5):672-680. ]
[12]	赵彤彤, 宋邦国, 陈远生, 等. 西藏一江两河地区人口分布与地形要素关系分析[J]. 地球信息科学学报, 2017, 19(2):225-237. doi: 10.3724/SP.J.1047.2017.00225
	[ Zhao Tongtong, Song Bangguo, Chen Yuansheng, et al. Analysis of population distribution and its spatial relationship with terrain elements in the Yarlung Zangbo River, Nyangqu River and Lhasa River region, Tibet. Journal of Geo-information Science, 2017, 19(2):225-237. ]
[13]	刘修岩, 李松林, 陈子扬. 多中心空间发展模式与地区收入差距[J]. 中国工业经济, 2017(10):25-43.
	[ Liu Xiuyan, Li Songlin, Chen Ziyang. Polycentric development and its effect on regional income disparity. China Industrial Economics, 2017(10):25-43. ]
[14]	刘修岩. 空间效率与区域平衡: 对中国省级层面集聚效应的检验[J]. 世界经济, 2014, 37(1):55-80.
	[ Liu Xiu-yan. Spatial efficiency and regional balance: An examination of agglomeration effects at the provincial level in China. The Journal of World Economy, 2014, 37(1):55-80. ]
[15]	盛科荣, 金耀坤, 纪莉. 城市规模分布的影响因素: 基于跨国截面数据的经验研究[J]. 经济地理, 2013, 33(1):66-71, 65.
	[ Sheng Kerong, Jin Yaokun, Ji Li. A study on the influencing factors of city size distribution based on country-level cross-sectional data. Economic Geography, 2013, 33(1):66-71, 65. ]
[16]	孙斌栋, 华杰媛, 李琬, 等. 中国城市群空间结构的演化与影响因素: 基于人口分布的形态单中心—多中心视角[J]. 地理科学进展, 2017, 36(10):1294-1303. doi: 10.18306/dlkxjz.2017.10.011
	[ Sun Bindong, Hua Jieyuan, Li Wan, et al. Spatial structure change and influencing factors of city clusters in China: From monocentric to polycentric based on population distribution. Progress in Geography, 2017, 36(10):1294-1303. ]
[17]	叶浩, 庄大昌. 城市体系规模结构研究的新方法: 位序累积规模模型[J]. 地理科学, 2017, 37(6):825-832. doi: 10.13249/j.cnki.sgs.2017.06.003
	[ Ye Hao, Zhuang Dachang. A new method for analyzing the size structure of urban system: Rank cumulative size model. Scientia Geographica Sinica, 2017, 37(6):825-832. ]
[18]	刘修岩, 文意豪. 中国省域城市体系多中心发展水平的测度与影响因素[J]. 浙江学刊, 2020(1):100-110.
	[ Liu Xiuyan, Wen Yihao. Analysis on the measurement and determinants of China's provincial polycentricity development level. Zhejiang Academic Journal, 2020(1):100-110. ]
[19]	Alonso-Villar O. Large metropolises in the third world: An explanation[J]. Urban Studies, 2001, 38(8):1359-1371. doi: 10.1080/00420980120061070
[20]	李威, 王珺, 陈昊. 国际贸易、运输成本与城市规模分布: 基于中国省区数据的研究[J]. 南方经济, 2017(11):85-102.
	[ Li Wei, Wang Jun, Chen Hao. International trade, transportation cost and city size distributions: Research on Chinese provincial data. South China Journal of Economics, 2017(11):85-102. ]
[21]	胡晨光, 孙久文, 王婷婷. 大都市带基础设施, 城市规模与城市经济增长: 一个中介效应与调节效应的综合分析框架[J]. 中国软科学, 2020(10):85-95.
	[ Hu Chenguang, Sun Jiuwen, Wang Tingting. Infrastructure, city size and city economic growth in megalopolis: A comprehensive analysis framework of mediating effect and moderating effect. China Soft Science, 2020(10):85-95. ]
[22]	鲍超, 陈小杰. 中国城市体系的空间格局研究评述与展望[J]. 地理科学进展, 2014, 33(10):1300-1311. doi: 10.11820/dlkxjz.2014.10.002
	[ Bao Chao, Chen Xiaojie. Review and prospect of research on the spatial pattern of China's urban system. Progress in Geography, 2014, 33(10):1300-1311. ]
[23]	Ioannides Y M, Overman H G, Rossi-Hansberg E, et al. The effect of information and communication technologies on urban structure[J]. Economic Policy, 2008, 23(54):202-242.
[24]	Tayyaran M R, Khan A M. The effects of telecommuting and intelligent transportation systems on urban development[J]. Journal of Urban Technology, 2003, 10(2):87-100. doi: 10.1080/1063073032000139714
[25]	Fan C C. The vertical and horizontal expansions of China's city system[J]. Urban Geography, 1999, 20(6):493-515. doi: 10.2747/0272-3638.20.6.493
[26]	Ades A F, Glaeser E L. Trade and circuses: Explaining urban giants[J]. The Quarterly Journal of Economics, 1995, 110(1):195-227. doi: 10.2307/2118515
[27]	Henderson J V, Wang H G. Urbanization and city growth: The role of institutions[J]. Regional Science and Urban Economics, 2007, 37(3):283-313. doi: 10.1016/j.regsciurbeco.2006.11.008
[28]	Soo K T. Zipf's law for cities: A cross-country investigation[J]. Regional Science & Urban Economics, 2005, 35(3):239-263.
[29]	Liu X P, Hu G H, Chen Y M, et al. High-resolution multi-temporal mapping of global urban land using landsat images based on the Google Earth Engine Platform[J]. Remote Sensing of Environment, 2018, 209:227-239. doi: 10.1016/j.rse.2018.02.055
[30]	Gabaix X, Ibragimov R. Rank-1 / 2: A simple way to improve the OLS estimation of tail exponents[J]. Journal of Business & Economic Statistics, 2011, 29(1):24-39. doi: 10.1198/jbes.2009.06157
[31]	Fujita M, Krugman P, Venables A J. The spatial economy: Cities, regions, and international trade [M]. Cambridge, USA: Massachusetts Institute of Technology Press, 2001: 283-285.
[32]	彭昱, 周尹. 城市人口集聚与服务业发展[J]. 财经问题研究, 2016(12):35-40.
	[ Peng Yu, Zhou Yin. City population concentration and service sector development. Research on Financial and Economic Issues, 2016(12):35-40. ]

变量	单位	平均值	标准差	最小值	最大值
Pareto1(ln)	—	-0.218	0.241	-1.231	0.867
城市河流密度(ln)	km/km²	-1.324	0.531	-3.771	2.295
地表粗糙度(ln)	—	5.232	1.138	-0.698	8.213
人均GDP(ln)	美元/人	8.485	1.512	5.285	11.431
城市总人口(ln)	人	20.396	1.458	16.938	25.135
城市人口密度(ln)	人/km²	9.407	0.734	7.508	13.098
进出口贸易总额占GDP比重(ln)	%	4.257	0.546	-1.295	5.728
工业增加值占GDP比重(ln)	%	3.278	0.381	1.516	4.440
制造业与服务业增加值之比(ln)	—	-1.443	0.538	-3.678	0.725
铁路密度(ln)	km/100 km²	-4.341	1.462	-11.216	-2.095
互联网普及率(ln)	%	2.540	1.974	-8.794	4.602
政府支出占GDP比重(ln)	%	2.667	0.377	0.722	3.401
公民政治权利指数^①	—	3.489	2.157	1	7
国家脆弱指数^②	—	8.463	6.442	0	24

国家城市规模分布的时空演化特征及影响因素——基于LandScan的全球实证研究

Spatio-temporal change and influencing factors of city size distribution: Global empirical research based on LandScan data

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 32

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	王长建, 卢敏仪, 陈静, 罗皓, 汪菲. 城市网络视角下华为手机全球价值链的建构与重构[J]. 地理科学进展, 2022, 41(9): 1606-1621.
[2]	强文丽, 田楠, 刘爱民, 成升魁. 全球食物供给非均衡性演变及贸易影响[J]. 地理科学进展, 2022, 41(8): 1416-1427.
[3]	牛强, 张浩, 伍磊, 邹文筠. 近年来移动办公发展的城—郊异质性特征研究——基于2019年与2021年武汉市联通用户手机App使用大数据[J]. 地理科学进展, 2022, 41(8): 1428-1439.
[4]	管靖, 宋周莺, 刘卫东. 全球粮食贸易网络演变及其驱动因素解析[J]. 地理科学进展, 2022, 41(5): 755-769.
[5]	赵梓渝, 王士君, 陈肖飞, 韩钟辉. “全球—地方”视角下中国汽车生产网络的跨域关联与影响因素—— 一汽—大众案例[J]. 地理科学进展, 2022, 41(5): 741-754.
[6]	孙斌栋, 王言言, 张志强, 李琬. 中国城市规模分布的形态和演化与城市增长模式——基于Zipf定律与Gibrat定律的分析[J]. 地理科学进展, 2022, 41(3): 361-370.
[7]	王文宇, 贺灿飞. 关系经济地理学与贸易网络研究进展[J]. 地理科学进展, 2022, 41(3): 461-476.
[8]	谭均铭, 廖小罕. 地理信息技术应用下的无人机云端管理系统发展[J]. 地理科学进展, 2021, 40(9): 1451-1466.
[9]	宋金彦, 李仙德, 徐宁. 中国新创通信设备制造企业空间格局及其影响因素研究[J]. 地理科学进展, 2021, 40(6): 911-924.
[10]	党艺, 汤青, 余建辉, 张文忠, 李佳洺. 大型垃圾处理设施周边居民污染感知影响因素及空间特征[J]. 地理科学进展, 2021, 40(6): 980-990.
[11]	蓝雪, 刘承良, 罗荣婧, 阮家齐, 叶秋雨, 王杰. 中美博弈下的经济权力空间动态性与异质性[J]. 地理科学进展, 2021, 40(5): 825-838.
[12]	刘君洋, 朱晟君. “求人”还是“求己”：多尺度知识溢出与企业出口产品演化[J]. 地理科学进展, 2021, 40(3): 397-409.
[13]	杨宇, 何则. 能源地缘政治与能源权力研究[J]. 地理科学进展, 2021, 40(3): 524-540.
[14]	王睿, 张赫, 强文丽, 李凡, 彭竞仪. 基于城镇化的中国县级城市碳排放空间分布特征及影响因素[J]. 地理科学进展, 2021, 40(12): 1999-2010.
[15]	刘晔, 肖童, 刘于琪, 邱婴芝, 刘义, 李志刚. 城市建成环境对广州市居民幸福感的影响——基于15 min步行可达范围的分析[J]. 地理科学进展, 2020, 39(8): 1270-1282.