EN中文

PROGRESS IN GEOGRAPHY >

2021 , Vol. 40 >Issue 1: 124 - 134

DOI: https://doi.org/10.18306/dlkxjz.2021.01.012

Typical Cases of Rural-Urban Integration Development

Spatial characteristics and formation mechanism of coordinated development of urbanization in the Yangtze River Delta

  • FAN Qingyu , 1 ,
  • YANG Shan , 2, *
Expand
  • 1. College of Urban, Resources and Environmental Science, Jiangsu Second Normal University, Nanjing 211200, China
  • 2. School of Geographical Science, Nanjing Normal University, Nanjing 210023, China

Received date: 2020-06-28

  Request revised date: 2020-08-25

  Online published: 2021-03-28

Supported by

National Natural Science Foundation of China(41771171)

Soft Science Research Funded Project of Nanjing(202001014)

Copyright

Copyright reserved © 2021
Fold

Abstract

Based on the national strategy of Yangtze River Delta economic integration and regional coordinated development and after measuring the urbanization coordination level of 41 cities in the Yangtze River Delta from 2001 to 2016, this study analyzed the spatial characteristics and formation mechanism of the coordinated development of urbanization in the Yangtze River Delta by using the methods of Theil Index, center of gravity track, hotspot analysis, and spatial econometric model. The results show that: 1) the overall difference of urbanization coordination level in the Yangtze River Delta is fluctuating and decreasing, and intra-provincial differences are shrinking while the difference between the provinces is expanding; the spatial distribution of the coordination level of urbanization in the Yangtze River Delta is generally higher in the east and lower in the west. The pattern of coordinated development of urbanization has experienced little change in the northwest-southeast direction and the center of gravity is relatively stable over the years, but the spatial correlation scope and dispersion degree are expanding. 2) According to the characteristics of spatial agglomeration, there is a significant positive spatial autocorrelation in the coordination level of urbanization in the Yangtze River Delta. The hotspots are gradually converging to the economically developed areas such as Shanghai, Southern Jiangsu, and Northern Zhejiang. The cold spots are stably distributed in Northern Anhui, Southern Anhui, and southern Zhejiang. 3) All factors that affect the spatial characteristics of coordinated development of urbanization are significantly positive. The level of economic development still dominates coordinated regional development of urbanization. Population agglomeration is more obvious for the improvement of the level of coordinated development of urbanization of neighboring cities. Giving full play to the driving role of the highly coordinated area of urbanization will realize the balanced development of the Yangtze River Delta.

Key words： urbanization; coordinated development; spatial characteristics; spillover effect; Yangtze River Delta region

Cite this article

FAN Qingyu , YANG Shan . Spatial characteristics and formation mechanism of coordinated development of urbanization in the Yangtze River Delta[J]. PROGRESS IN GEOGRAPHY, 2021 , 40(1) : 124 -134 . DOI: 10.18306/dlkxjz.2021.01.012

进入21世纪,伴随着城镇化的快速发展,中国的人口与经济活动不断向城市集聚,建成区面积逐渐扩大,城市的空间形态由单个城市向都市圈、城市群等组织形态转换,城市群已成为中国城镇化的主体形态。为了推动中国规模最大的长江三角洲城市群向高质量发展,2019年12月党中央、国务院印发了《长江三角洲区域一体化发展规划纲要》,明确提出到2025年,长三角地区常住人口城镇化率达到70%,形成区域协调发展新格局[1]。因此,将城镇化协调发展与区域一体化推进结合起来,优化空间关系,充分发挥区域内各城市的比较优势,实现大中小城市协调发展,为全国区域一体化发展提供示范。
城镇化涉及人口、经济和土地等众多要素的增长和相互作用关系,Friedmann[2]认为“城镇化是多维的包含空间的复杂过程”,包含人口城镇化、土地城镇化和经济城镇化等多个子系统,其中人口城镇化是核心,土地城镇化是载体,经济城镇化是动力。发达国家城镇化开始较早,城镇化发展水平较高,速度比较稳定,且在市场经济背景下各要素结构相对均衡,经过200多年的发展,有些国家已进入逆城市化阶段。学者们的关注重点主要围绕城镇化景观变化、逆城镇化过程中的人口再城市化、土地再利用等问题,强调以提升人的幸福感为目标,侧重于研究城镇化发展过程与全球生态环境变化的动态关系。Geyer[3]在1996年首次提出逆城市化概念,随后部分学者分别以不同区域为案例地,分析了逆城市化的形成原因、特征和发展趋势[4,5,6];一些学者更是从人口流动、土地扩张的视角分析人口再城市化带来的机遇与挑战,及城镇化过程中土地扩张的速度和对土地景观的影响程度,重新评估城镇化进程中城市空间重构并倡导土地再利用模式等等[4,7-10];有些学者通过分析生物群落的生存环境和迁徙规律间接揭示城镇化发展对资源环境和生物种群的影响[11,12,13]。
与国外发达国家进入逆城市化阶段相比,中国正处于由计划经济向市场经济过渡的转型期,人口、土地和经济城镇化这些子系统的协调关系已成为区域可持续发展的关键问题之一[14,15]。目前,国内对城镇化协调发展尚无统一的概念,但均认为城镇化整体水平高不代表各子系统间协调程度高,人口增长、建设用地扩张、经济发展等要素需彼此协调,相互促进[16,17,18,19]。长三角地区作为中国城镇化和经济发展水平最高的区域,学者们围绕城镇化协调发展方面做了相关研究。边雪等[20]基于人口、产业和用地结构的相对关系,采用三角模型将长三角地区的城镇化协调关系模式划分为6种类型,且6种关系模式在空间上邻近、时间上趋同。曹广忠等[21]从城镇化进程中的人口、产业、用地结构3个维度探究长三角地区的协调关系和适宜性评价尺度,发现区域城镇化水平的空间格局呈中心—外围的分布态势且趋于稳定。孙东琪等[22]从长三角的城镇化效率和经济发展水平的耦合协调水平进行研究,发现其总体经历了缓慢上升—急剧上升—缓慢下降—急剧下降的倒“U”型发展过程。周艳等[23]以长三角城市群为例,在分析城市土地扩张与人口增长的总体耦合态势及演变、空间耦合特征及格局的基础上,探讨影响因素和驱动机制;王锋等[24]从人口、土地、经济和社会4个维度对长三角地区城镇化协调水平进行测度与对比分析,发现长三角地区在2013年之前各个维度下城镇化发展水平在波动中不断提高,随后趋于下降;Xu等[25]发现长三角地区的城镇化协调水平整体表现出明显的空间自相关,而局部空间相关模式以高—高(H-H)和低—低(L-L)型集聚为主;范擎宇等[26]从系统论的角度综合考虑人口、土地和经济城镇化3个子系统的时间过程和空间变化,发现长三角地区城镇化协调发展呈现“一极独大、三角核心、周边低平”的空间形态且具有明显的路径依赖和空间锁定特征,并从城镇化协调发展过程识别其交互机制。
已有研究主要集中在城镇化协调发展水平的测度、模式、空间格局及空间关联等方面,而从城镇化各个子系统的协调关系分析区域发展的空间特征,并从空间相互作用即空间溢出视角剖析其形成机理的研究较少。因此,本文以长三角地区41个地级市为例,将城镇化的人口、土地和经济3个子系统的相互作用过程和长三角地区空间格局紧密结合起来,通过测度长三角地区的人口、土地和经济城镇化协调水平,分析城镇化协调发展的空间特征并从空间溢出的角度探究其形成机理,有助于科学认识城镇化发展规律和区域空间形态,为中国城镇化健康和可持续发展提供参考借鉴。

1 研究方法与指标说明

1.1 空间特征分析法

空间特征分析法主要分为2个部分：① 构建耦合协调度模型,对长三角地区各城市城镇化协调水平进行测度分析[26];在测度结果上,借助泰尔指数[27]度量长三角地区全域和江苏、浙江和安徽三省城镇化协调发展的区域差异。② 分析长三角地区城镇化协调发展的空间特征。首先,利用自然断裂点法对长三角地区41个城市的城镇化协调水平测度结果进行分级,通过可视化方式清晰展示长三角地区城镇化协调发展的分布格局。其次,引入重心坐标模型中的重心移动距离D和移动角度θ,分析2001—2016年长三角地区城镇化协调发展的整体空间特征及动态演化过程。进一步结合GIS中的标准差椭圆分析中的转角、主轴半径和辅轴半径3个参数,描述各城市城镇化协调水平的整体空间分布状态[28]。重心模型公式如下：
X = ∑ i = 1 n w i x i ∑ i = 1 n w i , Y = ∑ i = 1 n w i y i ∑ i = 1 n w i
D = ( x i - x j ) 2 + ( y i - y j ) 2
式中：X、Y分别为某年长三角地区城镇化协调水平的重心坐标; x i 、 y i 分别为次级空间单元i的重心坐标,wi为空间单元i的属性值;D表示2个不同年份之间重心移动的距离;(xi, yi)、(xj, yj)分别为长三角地区城镇化协调水平的第i和j年的重心坐标。移动角度θ反映了不同年份重心移动的方向,正东方向为0;0<θ<90°为重心向东北移动,90°<θ<180°时,重心向西北方向移动;-90°<θ<0为重心向东南移动;-180°<θ<-90°为重心向西南移动。
最后,通过全局空间自相关和局部空间自相关来确定长三角地区城镇化协调水平的空间集聚特征。全局空间自相关选择Global Moran′s I来衡量,该方法可以描述地理要素的整体空间集聚状况[29];局部空间自相关主要用热点分析(Getis-Ord Gi*)来观测,该方法能够有效识别空间上具有相关性的地理变量的高值或者低值要素发生聚类的位置,即高值簇和低值簇[30]。通过热点分析探测长三角地区城镇化协调水平的冷热点区变化,可有效观测其时空格局的演化特征。Getis-Ord Gi*的计算公式如下[30]：
G i * = ∑ j = 1 n w ij X j / ∑ j = 1 n X j
式中：wij是空间权重,当市域单元i和j相邻时,wij为1,反之为0;Xj为市域单元j的城镇化协调水平。为了方便比较,一般通过以下公式将Gi*进行标准化处理：
Z ( G i * ) = [ G i * - E ( G i * ) ] / Var ( G i * )
式中：E(Gi*)和Var(Gi*)分别为Gi*的数学期望值和方差。当Z(Gi*)显著为正,则该区域属于城镇化协调水平的高值集聚分布区(热点区);反之,显著为负则是城镇化协调水平的低值集聚分布区(冷点区)。

1.2 空间计量模型

在运用空间自相关分析确定观测对象存在空间关联的基础上,建立空间计量模型以反映地理观测对象的空间效应,即以长三角地区41个城市为基础的城镇化协调发展的空间相互作用效应。常用的空间计量模型有空间误差模型(Spatial Error Model, SEM)、空间滞后模型(Spatial Lag Model, SLM)和空间杜宾模型(Spatial Durbin Model, SDM)等。由于空间杜宾模型同时包含了自变量和因变量的空间依赖效应,且比SLM和SEM的形式更具一般性,解释能力更为有效[31]。因此,本文选择SDM模型分析长三角地区城镇化协调水平的空间效应。SDM模型构建如下[31]：
y it = δ ∑ j = 1 n w ij y jt + α x it + β ∑ j = 1 n w ij x jt + μ i + ν t + ε it
式中：yit和xit分别代表第t年城市i的城镇化协调水平及其影响因素属性值;wij为基于邻近标准构建的空间权重;δ为空间滞后系数;α和β分别为相关影响因素的回归系数向量和空间交互系数向量;μi和νt代表空间和时期效应;εit为服从独立同分布的空间误差项。
若β=0,δ≠0,SDM可简化为SLM;若β+αδ=0,SDM可简化为SEM[31]。由于SDM模型所得的回归系数还需要利用偏微分对模型中的直接效应和间接效应进行分解[31],分解后得到的直接效应表示本城市自变量对因变量的弹性;间接效应表示邻近城市自变量对本城市因变量的弹性,即溢出效应。

1.3 变量选择与指标说明

根据城镇化内涵和城镇化协调发展的基本要求[32,33,34,35,36,37],选择城镇化的人口、土地和经济3个核心指标,分别采用城镇人口占比、建成区面积比重和三产占比来表征人口城镇化、土地城镇化和经济城镇化。长三角地区大多城市已进入工业化中后期,上海市及大多数地级市的城镇化发展质量在经济领域更多地体现在第三产业变化上,选择三产占比更符合长三角地区城镇化发展现状和规律[37]。
原始数据主要来源于2002—2017年的《中国城市统计年鉴》及各省与地级市统计年鉴。考虑行政区划的调整和数据的连续性及与当前宏观政策的衔接性,按最新行政区划进行城镇人口、三产经济和建成区面积数据分割和合并处理。

2 城镇化协调发展的空间特征

2.1 城镇化协调发展的区域差异分析

运用总体差异、组内差异以及组间差异的泰尔指数反映长三角地区城镇化协调水平的区域差异。泰尔指数由2001年的0.066下降为2016年的 0.040,表明长三角地区城镇化协调水平区域差异呈波动下降趋势。从分解结果看,组内差异贡献程度逐渐缩小,由0.751降至0.515,组间差异贡献程度逐渐扩大,由0.249上升到0.485。进一步对比3个省份的泰尔指数(图1)发现3个省份的城镇化协调水平区域差异均在缩小,其中安徽省的泰尔指数下降最为明显,从2001年的0.080下降到2016年的0.023,表明城镇化发展逐渐呈现均衡化;而江苏和浙江2省泰尔指数变化不大,但2009年后浙江的城镇化协调水平区域差异一直大于江苏省,这在一定程度与2008年全球金融危机的影响有关。
图1 长三角地区城镇化协调水平区域差异

Fig.1 Regional differences of urbanization coordination level in the Yangtze River Delta

2.2 城镇化协调发展的区域分布特征

在ArcGIS 10.2中对长三角地区2001、2009和2016年3个年份的城镇化协调水平进行可视化处理(图2)。其中高协调城市由单核向双核再向轴线发展,2001年上海是唯一城镇化高协调城市,2009年增加了南京,2016年又有江苏省的苏州、无锡、常州和浙江省的杭州加入。较高协调城市呈现2个特征：一是数量提升明显,由2001年5个增加到2016年18个;二是分布范围扩大,从2001年独立分散于各省市,发展到2016年连片分布,主要集中分布在高协调城市的周边,受长三角中心城市辐射带动作用明显。中等协调和低协调城市多位于皖南、皖北和浙南地区,且低协调城市数量一直在减少。
图2 长三角地区城镇化协调水平空间分布

Fig.2 Spatial distribution of urbanization coordination level in the Yangtze River Delta

为整体分析长三角地区城镇化协调发展的动态演化特征,引入重心坐标模型进行描述。
首先,根据长三角地区41个城市16 a的协调水平均值等级分布情况(图3),可以看出高协调城市只有上海、南京和无锡。中等协调城市有21个,占研究区半数以上,且多位于江苏和浙江2省,而低协调城市主要分布在安徽省,浙江也有2个城市位列其中。进而选择2001、2005、2009、2013和2016年等5个年份的城镇化协调水平的重心坐标偏移轨迹。协调水平的重心分布于119°06′43″E~119°13′50″E和31°29′54″N~31°33′47″N之间,东西跨度约7′7″,南北跨度3′53″,重心整体向东北偏移,偏移距离在3.919~10.110 km之间,偏移距离不大。与长三角地区几何中心(118°55′20″E, 31°29′7″N,南京市溧水区内)相比,重心均在几何中心的东北侧移动,且大多位于南京市内,只有2013年位于常州市内,表明长三角地区城镇化协调发展相对均衡。
图3 长三角地区城镇化协调水平重心偏移轨迹

Fig.3 Trajectory of the center of gravity of urbanization coordination level in the Yangtze River Delta

5个年份城镇化协调水平标准差椭圆的参数(表1)表明,转角从2001年的141.357°增加到2013年的144.287°,随后降至2016年的142.648°,长三角地区城镇化协调水平的空间格局整体呈西北—东南方向,且具有较大稳定性。标准差椭圆的主轴半径、辅轴半径均呈现先增大后减小的特征,分别由2001年的277.469 km、166.897 km延长至2016年的278.774 km、168.932 km,相应延长1.305 km、2.035 km。与主轴半径相比,辅轴半径延长相对较多,城镇化协调水平的空间关联范围和离散程度增大。
表1 长三角地区城镇化协调水平重心参数

Tab.1 Gravity parameters of urbanization coordination level in the Yangtze River Delta

年份 重心坐标参数 标准差椭圆参数
重心(经度, 纬度) 方向 偏移/km 转角/(°) 主轴半径/km 辅轴半径/km
2001 119°06′43″E, 31°32′28″N — — 141.357 277.469 166.897
2005 119°07′00″E, 31°29′54″N 东南 4.755 141.357 278.890 168.875
2009 119°09′20″E, 31°30′32″N 东北 3.919 142.809 278.599 169.160
2013 119°13′50″E, 31°31′39″N 东北 7.476 144.287 277.629 169.267
2016 119°08′01″E, 31°33′47″N 西北 10.110 142.648 278.774 168.932

2.3 城镇化协调发展的空间集聚特征

通过Global Moran's I刻画长三角地区城镇化协调发展的整体空间关联特征(图4)。2001—2016年长三角地区城镇化协调水平的全局Moran's I值均为正,从2001年的0.142波动上升到2016年的0.321,且通过0.10的显著性检验;2009年以前的多数年份的Z值小于1.96,未通过0.05的更严格水平显著性检验,2009年以后城镇化协调水平的全局Moran's I值均在0.01水平上显著,说明长三角地区城镇化协调水平具有显著的正向空间自相关性,城镇化协调水平等级相同的城市在空间上趋于邻近,集聚程度逐年增强。
图4 长三角地区城镇化协调水平的Moran's I值及其变化

Fig.4 Moran's I value of urbanization coordination level in the Yangtze River Delta and its changes

为进一步探索其局部空间关联演化特征,采用热点分析中冷热点区变化进行反映。总的来说,热点区主要分布在经济比较发达的苏南、浙北和上海等长三角地区的核心地带,冷点区主要分布在经济欠发达的皖北、皖南和浙南等长三角地区的外围地带(图5)。2001年城镇化协调水平的冷热点格局呈明显的圈层结构,以长江为轴心,热点区逐步过渡到冷点区,其中,热点区主要分布在芜湖—南京—常州—苏州—上海的沿江连线上,次热点区以前者为中心向外辐射到合肥、滁州、铜陵、宣城、湖州、舟山、扬州、泰州和南通等地,而冷点区和次冷点区主要分布在苏北、皖北、皖南和浙南等地。2009年热点区逐渐收缩;次热点区逐渐扩大,安徽省的芜湖、马鞍山,江苏省的南京、无锡均由前期的热点区转变成次热点区;冷点区也进一步扩大,皖北地区均变成冷点区。2016年热点区进一步向东部集聚,在2009年的基础上增加了南通、泰州、扬州、南京、无锡、湖州;次热点区主要分布在江苏的盐城、连云港、淮安、宿迁,安徽的滁州、马鞍山、芜湖以及浙江的舟山、宁波、绍兴和台州;皖北的冷点区有所减少,但安庆—池州—黄山—衢州—丽水—温州连线上的冷点区自2001年一直相对稳固;次冷点区主要有江苏的徐州,安徽的宿州、淮北、合肥、六安、宣城,以及浙江的杭州、金华。
图5 长三角地区城镇化协调水平的热点分布

Fig.5 Hotspot distribution of urbanization coordination level in the Yangtze River Delta

3 城镇化协调发展的形成机理

城镇化协调发展是一个复杂的过程,受多种因素共同影响。本文在已有研究基础上[38,39,40,41],选取经济发展水平、区位交通条件、人口集聚效应、科技创新能力和政府宏观调控5项指标作为自变量,纳入空间计量模型进行实证分析。各指标说明如下：① 经济发展水平(Pgdp),经济发展是城镇化协调发展的重要驱动力,选取人均GDP进行表征,以2001 年为基年进行GDP指数平减;② 区位交通条件(Tra),区位交通引导着区域城镇化协调发展的空间分异,该指标通过铁路里程、公路里程、内河航道里程和民航线路数按照一定权重加总求和得到;③ 人口集聚效应(Pop),人口集聚和扩散强度在一定程度上影响着城镇化协调发展,选择市区人口密度进行表征;④ 科技创新能力(Tec),科学技术作为第一生产力,推动着城镇化向高质量发展,选取每百万人科研从业人员数进行表征;⑤ 政府宏观调控(Gov),政府在城镇化进程中助推产业升级和转型,是人口、土地、经济城镇化协调发展的保障力量,选择二三产业增加值占GDP的比重表征。考虑到各自变量之间可能存在相互影响,本文在对变量进行因果关系检验和回归分析前,采用主成分分析法以消除多重共线性的影响。

3.1 因果关系检验

判断一个变量的变化与另一个变量变化的因果关系,需要用因果检验方法。本文选择Granger因果检验方法对模型中自变量与因变量之间的空间关系进行检验,即对长三角地区城镇化协调水平(Y)与经济发展、区位交通、政策调控等多方面的动力因子的时间序列数据进行Granger因果关系检验。根据表2的检验结果,各动力因子与长三角地区城镇化协调水平之间至少存在单向因果关系,且通过了0.01的显著性检验。
表2 城镇化协调水平与影响因子的Granger因果关系检验结果

Tab.2 Granger causality test results of the coordination level of urbanization and influencing factors

原假设 F统计量 概率(P) 结论
Y不是Pgdp的Granger原因 0.064 0.938 接受原假设
Pgdp不是Y的Granger原因 5.560 0.004 拒绝原假设***
Y不是Tra的Granger原因 10.126 <0.001 拒绝原假设***
Tra不是Y的Granger原因 9.389 <0.001 拒绝原假设***
Y不是Pop的Granger原因 0.501 0.524 接受原假设
Pop不是Y的Granger原因 6.358 <0.001 拒绝原假设***
Y不是Tec的Granger原因 25.366 <0.001 拒绝原假设***
Tec不是Y的Granger原因 0.566 <0.001 拒绝原假设***
Y不是Gov的Granger原因 1.587 0.164 接受原假设
Gov不是Y的Granger原因 12.208 <0.001 拒绝原假设***

注：***代表显著性在1%水平上拒绝原假设。

3.2 回归参数估计

研究长三角地区城镇化协调水平的影响因素时必须考虑研究单元的空间位置信息,以表明单元之间是否具有明显的空间依赖性。利用空间计量模型可以解决研究对象的空间关系这一问题,但在运用式(5)估计之前,首先需要运用(稳健)拉格朗日乘数((Robust)LM)进行参数检验(表3),比较SEM和SLM哪个模型更为合适。根据(Robust)LM检验发现,检验结果均在0.01水平上显著,表明长三角地区城镇化协调水平解释模型的空间依赖性存在空间滞后项和空间误差项。然后,需要通过瓦尔德(Walds)和似然比(LR)检验来判断SDM是否可以简化为SEM和SLM。根据表3,检验结果均在0.01水平上显著,即长三角地区城镇化协调水平的SDM不可简化为SLM和SEM。Hausman检验结果在0.05水平上接受具有固定效应的SDM,故选择固定效应最为合适。
表3 空间计量模型检验结果

Tab.3 Spatial measurement model test results

检验方法 统计值 概率 检验方法 统计值 概率
LM-spatial lag 234.98 <0.01 Wald-spatial lag 256.56 <0.01
Robust LM-spatial lag 19.36 <0.01 LR-spatial lag 246.23 <0.01
LM-spatial error 276.38 <0.01 Wald-spatial error 298.28 <0.01
Robust LM-spatial error 75.16 <0.01 LR-spatial error 401.29 <0.01
在长三角地区城镇化协调水平的SDM回归结果中(表4),具有空间固定效应(SF)的SDM回归结果参数中的Loglikelihood和Adj.R2值均大于无固定效应(NF)、时间固定效应(TF)和时空固定效应(STF),故应该选择具有空间固定效应的SDM模型对长三角地区城镇化协调水平的影响因素进行参数估计和分析。
表4 长三角地区协调水平演变的SDM回归结果

Tab.4 SDM regression result of the change of coordination level in the Yangtze River Delta

变量 NF TF SF STF 变量 NF TF SF STF
Pgdp 0.441* 0.555* 0.601** 0.542** W*Pgdp 0.302** 0.289* 0.311** 0.262**
Tra 0.207* 0.362* 0.378** 0.241** W*Tra 0.406* 0.241** 0.305* 0.157*
Pop 0.102** 0.147* 0.301* 0.158 W*Pop 0.204* 0.204* 0.196 0.457
Tec 0.268* 0.458** 0.324** 0.314* W*Tec 0.356* 0.225** 0.241** 0.238*
Gov 0.254* 0.347** 0.365*** 0.401** W*Gov 0.044 0.124** 0.187* 0.224**
Adj.R2 0.854 0.768 0.898 0.505 δ 0.350 0.247** 0.275** 0.089*
Loglikelihood -160.247 -145.260 -88.052 -89.222

注：***、**和*分别代表回归参数在0.01、0.05和0.10水平上显著,下同;W*代表空间交互项。

3.3 影响机理分析

分析长三角地区城镇化协调发展及其影响因素时还需考虑空间溢出效应,根据表4中SF列的回归结果,城镇化协调水平的空间溢出系数δ为0.275,且通过0.05的显著性检验,说明各城市间城镇化协调水平相互影响。为了更准确反映各因素对长三角地区城镇化协调发展的影响程度,将空间效应分解为直接效应和间接效应。结果表明,各因素对城镇化协调发展影响均显著为正(表5)。从总效应来看,经济发展一直是长三角地区城镇化协调发展的主导因素,政府宏观调控、区位交通条件和科技发展水平的作用强度次之,人口集聚效应的弹性系数最小。进一步分析直接效应和间接效应,其中经济发展水平(Pgdp)、政府宏观调控(Gov)、区位交通条件(Tra)和科技创新能力(Tec)对城镇化协调水平的直接效应均大于间接效应,这些因子每正向变化1%,将会促进本城市城镇化协调水平分别提高0.302%、0.214%、0.207%、0.202%,同时邻近城市也相应地提升0.156%、0.131%、0.123%、0.112%,这表明经济发展对城镇化协调发展起着决定性作用,城市经济发展水平越高,吸引人口流入,土地进一步扩张,促进自身和其邻近城市的城镇化协调发展;政府宏观调控充分体现在中国体制背景下,通过对产业升级转型的优化调控对本地城镇化协调水平起着明显作用,进而带动相邻城市的城镇化协调发展;区位交通条件和科技创新能力是城镇化人口流动和产业结构转型的条件,在一定程度上发挥着支撑作用;人口集聚效应(Pop)的间接效应系数(0.152)要高于直接效应系数(0.127),对邻近城市城镇化协调水平的影响要高于本地城市,说明一定地域范围内,城市间人口的流动与再分布,对邻近城市城镇化协调水平的提升作用更加明显。
表5 空间效应分解结果

Tab.5 Spatial effect decomposition results

空间效应 Pgdp Gov Tra Tec Pop
直接效应 0.302*** 0.214*** 0.207** 0.202* 0.127**
间接效应 0.156*** 0.131* 0.123* 0.112* 0.152*
总效应 0.458*** 0.345* 0.330** 0.314* 0.279*

4 结论与讨论

中国城镇化实现高质量发展需要人口、土地和经济3大关键要素彼此协调发展,城镇化协调发展有助于推动长三角地区一体化发展,健全区域协调互动机制,提升区域整体竞争力,形成分工合理、优势互补、各具特色的协调发展格局。本文在测度长三角地区人口、土地和经济城镇化协调水平的基础上,分析城镇化协调发展的空间特征并探究其形成机理,得到以下结论：
(1) 2001年以来,长三角地区城镇化协调发展的区域差异呈波动下降趋势;江苏和浙江两省因受上海的辐射影响较强,城镇化协调发展在研究期间的区域差异小且降速慢,而安徽省因受上海的辐射影响较弱,城镇化协调发展水平与其他两省存在差距,但是省内差异却在快速缩小。
(2) 长三角地区高协调城市数量逐渐增加,从上海单核逐渐到上海、南京的双核再到上海、苏州、无锡、常州和杭州的轴线发展。低协调城市数量趋于减少,多位于皖南、皖北和浙南等地。长三角地区城镇化协调发展格局呈西北—东南方向且变化不大,历年重心较为稳定,尽管与区域几何中心(位于南京溧水区内)比较接近,但空间关联范围和离散程度呈扩大趋势。
(3) 长三角地区城镇化协调水平具有显著的正向空间自相关性,且集聚程度逐年增强。热点区主要集聚在经济社会比较发达的苏南、浙北和上海等长三角地区的核心地带,冷点区主要分布在经济社会相对落后的皖北、皖南和浙南等长三角地区的外围地带。
(4) 长三角地区城镇化协调发展格局除受多种因素共同作用,还存在显著的空间溢出效应影响。经济发展水平是影响长三角城镇化协调发展最大的动力因子,其次是政府宏观调控、区位交通条件、科技创新能力和人口集聚效应。人口集聚效应与其他4个因素不同,空间溢出的间接效应大于直接效应。鉴于各影响因素对城镇化协调发展的影响程度不同,差异化城镇化发展政策、合理发挥各种因素的作用是实现区域城镇化高质量协调发展的前提。
城镇化是一个复杂的系统,不仅包括人口、土地和经济等核心要素,还包括社会、文化和环境等其他因素。本文立足于城镇化快速发展阶段变化特征明显的核心指标进行协调水平演化的空间特征及其影响机理的研究,易于评价和对比。随着中国城镇化水平由量向质的转变,应基于城镇化高质量发展的现实需求,扩大指标选择范围,整合经济社会和遥感解译等多元数据,使城镇化协调发展研究更加科学合理,进而为城乡融合发展和区域一体化建设提供具有中国特色的思想和理论基础。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中共中央国务院. 长江三角洲区域一体化发展规划纲要 [EB/OL]. 2019-12-01 [2020-08-25]. http://www.xinhuanet.com/politics/2019-12/01/c_1125295202.htm.

[ CPC Central Committee. Outline of the Yangtze River Delta regional integration development plan. 2019-12-01 [2020-08-25]. http://www.xinhuanet.com/politics/2019-12/01/c_1125295202.htm.]

[2]
Friedmann J. Four theses in the study of China's urbanization[J]. International Journal of Urban and Regional Research, 2006,30(2):440-451.

[3]
Geyer H. Expanding the theoretical foundation of differential urbanization[J]. Tijdschrift voor Economische en Sociale Geografie, 1996,87(1):44-59.

DOI PMID

[4]
Halfacree K. From dropping out to leading on? British counter-cultural back-to-the-land in a changing rurality[J]. Progress in Human Geography, 2006,30(3):309-336.

[5]
Geyer Jr H S, Geyer H S. Polarisation reversal in South Africa: How widespread is the trend[J]. South African Geographical Journal, 2016,98(2):289-307.

[6]
Mitchell C J A. The patterns and places of counter-urbanization: A 'macro' perspective from Newfoundland and Labrador, Canada[J]. Journal of Rural Studies, 2019,70:104-116.

[7]
Stockdale A, Findlay A, Short D. The repopulation of rural Scotland: Opportunity and threat[J]. Journal of Rural Studies, 2000,16(2):243-257.

[8]
Charney I, Palgi M. Interpreting the repopulation of rural communities: The case of private neighbourhoods in Kibbutzim[J]. Population Space and Place, 2014,20(7):664-676.

[9]
Seto K C, Sánchez-Rodríguez R, Fragkias M. The new geography of contemporary urbanization and the environment[J]. Annual Review of Environment and Resources, 2010,35(1):167-194.

[10]
Halmy M W A, Gessler P E, Hicke J A, et al. Land use/land cover change detection and prediction in the northwestern coastal desert of Egypt using Markov-CA[J]. Applied Geography, 2015,63:101-112.

[11]
Parsons H, French K, Major R E. The influence of remnant bushland on the composition of suburban bird assemblages in Australia[J]. Landscape and Urban Planning, 2003,66(1):43-56.

[12]
Sandström U G, Angelstam P, Mikusiński G. Ecological diversity of birds in relation to the structure of urban green space[J]. Landscape and Urban Planning, 2006,77(1-2):39-53.

[13]
Solon J. Spatial context of urbanization: Landscape pattern and changes between 1950 and 1990 in the Warsaw metropolitan area, Poland[J]. Landscape and Urban Planning, 2009,93(3-4):250-261.

[14]
陈明星. 城市化领域的研究进展和科学问题[J]. 地理研究, 2015,34(4):614-630.

[ Chen Mingxing. Research progress and scientific issues in the field of urbanization. Geographical Research, 2015,34(4):614-630. ]

[15]
陈明星, 叶超, 陆大道, 等. 中国特色新型城镇化理论内涵的认知与建构[J]. 地理学报, 2019,74(4):633-647.

[ Chen Mingxing, Ye Chao, Lu Dadao, et al. Cognition and construction of the theoretical connotation for new-type urbanization with Chinese characteristics. Acta Geographica Sinica, 2019,74(4):633-647. ]

[16]
陆大道, 姚士谋. 中国城镇化进程的科学思辨[J]. 人文地理, 2007,22(4):1-5, 26.

[ Lu Dadao, Yao Shimou. A scientific thought about urbanization progress in China. Human Geography, 2007,22(4):1-5, 26. ]

[17]
方创琳, 王德利. 中国城市化发展质量的综合测度与提升路径[J]. 地理研究, 2011,30(11):1931-1946.

[ Fang Chuanglin, Wang Deli. Comprehensive measures and improvement of Chinese urbanization development quality. Geographical Research, 2011,30(11):1931-1946. ]

[18]
李小建, 罗庆. 新型城镇化中的协调思想分析[J]. 中国人口∙资源与环境, 2014,24(2):47-53.

[ Li Xiaojian, Luo Qing. The coordinating ideas of new-form urbanization. China Population, Resources and Environment, 2014,24(2):47-53. ]

[19]
王云, 马丽, 刘毅. 城镇化研究进展与趋势: 基于CiteSpace和HistCite的图谱量化分析[J]. 地理科学进展, 2018,37(2):239-254.

[ Wang Yun, Ma Li, Liu Yi. Progress and trend analysis of urbanization research: Visualized quantitative study based on CiteSpace and HistCite. Progress in Geography, 2018,37(2):239-254. ]

[20]
边雪, 陈昊宇, 曹广忠. 基于人口、产业和用地结构关系的城镇化模式类型及演进特征: 以长三角地区为例[J]. 地理研究, 2013,32(12):2281-2291.

[ Bian Xue, Chen Haoyu, Cao Guangzhong. Patterns of regional urbanization and its implications: An empirical study of the Yangtze River Delta region. Geographical Research, 2013,32(12):2281-2291. ]

[21]
曹广忠, 边雪, 刘涛. 基于人口、产业和用地结构的城镇化水平评估与解释: 以长三角地区为例[J]. 地理研究, 2011,30(12):2139-2149.

[ Cao Guangzhong, Bian Xue, Liu Tao. Comprehensive evaluation of the urbanization level in Yangtze River Delta Region: An index framework based on the population, economic structure and land use. Geographical Research, 2011,30(12):2139-2149. ]

[22]
孙东琪, 张京祥, 张明斗, 等. 长江三角洲城市化效率与经济发展水平的耦合关系[J]. 地理科学进展, 2013,32(7):1060-1071.

[ Sun Dongqi, Zhang Jingxiang, Zhang Mingdou, et al. Coupling relationship between urbanization efficiency and economic development level in the Yangtze River Delta. Progress in Geography, 2013,32(7):1060-1071. ]

[23]
周艳, 黄贤金, 徐国良, 等. 长三角城市土地扩张与人口增长耦合态势及其驱动机制[J]. 地理研究, 2016,35(2):313-324.

[ Zhou Yan, Huang Xianjin, Xu Guoliang, et al. The coupling and driving forces between urban land expansion and population growth in Yangtze River Delta. Geographical Research, 2016,35(2):313-324. ]

[24]
王锋, 张芳, 林翔燕, 等. 长三角“人口—土地—经济—社会”城镇化的耦合协调性研究[J]. 工业技术经济, 2018,37(4):45-52.

[ Wang Feng, Zhang Fang, Lin Xiangyan, et al. Study on coupling coordination degree among "population, land, economy and society" urbanization in the Yangtze River Delta Region. Journal of Industrial Technological Economics, 2018,37(4):45-52. ]

[25]
Xu D, Hou G L. The spatiotemporal coupling characteristics of regional urbanization and its influencing factors: Taking the Yangtze River Delta as an example[J]. Sustainability, 2019,11(3):822. doi: 10.3390/su11030822.

[26]
范擎宇, 杨山, 胡信. 耦合视角下长三角地区城镇化协调度的时空特征及交互机制[J]. 地理研究, 2020,39(2):289-302.

[ Fan Qingyu, Yang Shan, Hu Xin. Temporal and spatial characteristics and interaction process of urbanization coordination in the Yangtze River Delta region from the perspective of coupling. Geographical Research, 2020,39(2):289-302. ]

[27]
Theil H. Economics and information theory [M]. Amsterdam, the Netherlands: North Holland Publishing Company, 1967: 185-188.

[28]
樊杰, 陶岸君, 吕晨. 中国经济与人口重心的耦合态势及其对区域发展的影响[J]. 地理科学进展, 2010,29(1):87-95.

[ Fan Jie, Tao Anjun, Lv Chen. The coupling mechanism of the centroids of economic gravity and population gravity and its effect on the regional gap in China. Progress in Geography, 2010,29(1):87-95. ]

[29]
LeSage J, Pace R K. Introduction to spatial econometrics [M]. New York, USA: CRC Press, 2009.

[30]
Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 1992,24(3):189-206.

[31]
Elhorst J P. Specification and estimation of spatial panel data models[J]. International Regional Science Review, 2003,26(3):244-268.

[32]
陈明星, 陆大道, 张华. 中国城市化水平的综合测度及其动力因子分析[J]. 地理学报, 2009,64(4):387-398.

[ Chen Mingxing, Lu Dadao, Zhang Hua. Comprehensive evaluation and the driving factors of China's urbanization. Acta Geographica Sinica, 2009,64(4):387-398. ]

[33]
曹文莉, 张小林, 潘义勇, 等. 发达地区人口、土地与经济城镇化协调发展度研究[J]. 中国人口·资源与环境, 2012,22(2):141-146.

[ Cao Wenli, Zhang Xiaolin, Pan Yiyong, et al. Coordinate development among population, land and economy urbanization in developed area: The case of Jiangsu Province. China Population, Resources and Environment, 2012,22(2):141-146. ]

[34]
Liu Y Q, Xu J P, Luo H W. An integrated approach to modelling the economy-society-ecology system in urbanization process[J]. Sustainability, 2014,6(4):1946-1972.

[35]
朱江丽, 李子联. 长三角城市群产业—人口—空间耦合协调发展研究[J]. 中国人口·资源与环境, 2015,25(2):75-82.

[ Zhu Jiangli, Li Zilian. Coupling coordination development of Industry-population-space in city cluster of Yangtze River-Delta region. China Population, Resources and Environment, 2015,25(2):75-82. ]

[36]
张宇, 曹卫东, 梁双波, 等. 长江经济带城镇化协同演化时空格局研究[J]. 长江流域资源与环境, 2016,25(5):715-724.

[ Zhang Yu, Cao Weidong, Liang Shuangbo, et al. Research on the co-evolution temporal and spatial patterns of urbanization in Yangtze River economic belt. Resources and Environment in the Yangtze Basin, 2016,25(5):715-724. ]

[37]
范擎宇, 杨山. 协调视角下长三角城市群的空间结构演变与优化[J]. 自然资源学报, 2019,34(8):1581-1592.

[ Fan Qingyu, Yang Shan, Evolution and optimization of spatial structure of the Yangtze River Delta urban agglomeration from the perspective of coordination. Journal of Natural Resources, 2019,34(8):1581-1592. ]

[38]
欧向军, 甄峰, 秦永东, 等. 区域城市化水平综合测度及其理想动力分析: 以江苏省为例[J]. 地理研究, 2008,27(5):993-1002.

[ Ou Xiangjun, Zhen Feng, Qin Yongdong, et al. Study on compression level and ideal impetus of regional urbanization: The case of Jiangsu Province. Geographical Research, 2008,27(5):993-1002. ]

[39]
王亚华, 袁源, 王映力, 等. 人口城市化与土地城市化耦合发展关系及其机制研究: 以江苏省为例[J]. 地理研究, 2017,36(1):149-160.

[ Wang Yahua, Yuan Yuan, Wang Yingli, et al. Relationship and mechanism of coupling development between population and land urbanization: A case study of Jiangsu Province. Geographical Research, 2017,36(1):149-160. ]

[40]
吴一凡, 刘彦随, 李裕瑞. 中国人口与土地城镇化时空耦合特征及驱动机制[J]. 地理学报, 2018,73(10):1865-1879.

[ Wu Yifan, Liu Yansui, Li Yurui. Spatio-temporal coupling of demographic-landscape urbanization and its driving forces in China. Acta Geographica Sinica, 2018,73(10):1865-1879. ]

[41]
刘帅宾, 杨山, 王钊. 基于人口流的中国省域城镇化空间关联特征及形成机制[J]. 地理学报, 2019,74(4):648-663.

[ Liu Shuaibin, Yang Shan, Wang Zhao. Characteristics and formation mechanism of China's provincial urbanization spatial correlation based on population flow. Acta Geographica Sinica, 2019,74(4):648-663. ]

Options
Outlines

/

〈 〉