EN中文

地理科学 >

2022 , Vol. 42 >Issue 10: 1778 - 1787

DOI: https://doi.org/10.13249/j.cnki.sgs.2022.10.010

多元流视角下黄河流域城市网络空间结构及其影响因素

  • 赵金丽 , 1 ,
  • 张学波 , 2 ,
  • 任嘉敏 1 ,
  • 陈肖飞 3
展开
  • 1.山东师范大学地理与环境学院，山东 济南 250358
  • 2.曲阜师范大学地理与旅游学院，山东 日照 276800
  • 3.河南大学黄河文明与可持续发展研究中心暨黄河文明省部共建协同创新中心，河南 开封 475001
张学波。E-mail:

赵金丽（1989−），女，山东聊城人，博士，讲师，主要从事城市地理和金融地理研究。E-mail:

收稿日期: 2021-02-12

  修回日期: 2021-10-10

  网络出版日期: 2022-10-20

基金资助

教育部人文社会科学青年基金项目(19YJCZH262)

国家自然科学基金项目(42071150)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatial Structure and Influencing Factors of Urban Network in the Yellow River Basin Based on Multiple Flows

  • Zhao Jinli , 1 ,
  • Zhang Xuebo , 2 ,
  • Ren Jiamin 1 ,
  • Chen Xiaofei 3
Expand
  • 1. College of Geography and Environment, Shandong Normal University, Jinan 250358, Shandong, China
  • 2. School of Geography and Tourism, Qufu Normal University, Rizhao 276800, Shandong, China
  • 3. Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center on Yellow River Civilization, Henan Province and Ministry of Education, Henan University, Kaifeng 475001, Henan, China

Received date: 2021-02-12

  Revised date: 2021-10-10

  Online published: 2022-10-20

Supported by

Social Science Humanity Foundation of Education Ministry(19YJCZH262)

National Natural Science Foundation of China(42071150)

Copyright

Copyright reserved © 2022.
Fold

摘要

运用社会网络分析方法，从金融、信息和交通等多要素流视角对黄河流域城市网络的层级、格局与方向进行了分析，并借助QAP回归分析方法揭示其空间结构的影响因素。结果表明：① 黄河流域各要素城市网络中心性地区差异显著，交通网络差异最大且规模分布最为集中，西部中小城市交通发展滞后；信息网络差异较小，人口大市和旅游城市中心性较高；金融网络差异最小且规模分布最为分散，东部地区整体优势最为显著。② 黄河流域主干金融网络连通了流域各中心城市及山东、河南各市，形成菱形网络；主干信息网络呈现为以省域中心城市为核心的若干星形组团；主干交通网络以主要交通干线为轴，形成轴辐式网络，且各主干网络均是以西安、郑州和济南为核心。③ 城市间金融联系择优连接最为明显，信息联系以择优连接为主，在河南、山东表现出一定的邻近连接，交通联系邻近连接特征最为明显，形成若干交通次中心。④ 城市全球化水平、行政等级和政府职能转变力度及省际行政壁垒是影响黄河流域城市网络空间结构的主要因素。

关键词： 黄河流域; 多要素流; 城市网络; 社会网络分析

本文引用格式

赵金丽 , 张学波 , 任嘉敏 , 陈肖飞 . 多元流视角下黄河流域城市网络空间结构及其影响因素[J]. 地理科学, 2022 , 42(10) : 1778 -1787 . DOI: 10.13249/j.cnki.sgs.2022.10.010

Abstract

Based on finance, information and traffic flow, the urban network structure of the Yellow River Basin is analyzed from the perspective of hierarchy, pattern, direction and influencing factors by using social network analysis method. The results show that: 1) There are significant regional differences in the centrality of the urban network based on various factor flows in the Yellow River Basin. The traffic network has the largest difference and the most concentrated size distribution, and the traffic development of small and medium-sized cities in the western China lags behind. The difference of information network is relatively small and the centrality of cities with large population or rich tourism resources is relatively high. The financial network has the smallest difference and the most decentralized size distribution, and the eastern region has the most significant overall advantage. 2) The backbone financial network has connected the central cities of the basin and the cities of Shandong and Henan, forming a diamond network; the backbone information network appears as several star clusters with the provincial central cities as the core; the backbone traffic network is composed of several groups with the traffic trunk as the axis, and the backbone networks are all centered on Xi'an, Zhengzhou and Jinan. 3) The preferential attachment and geographic proximity interactions are important mechanisms in the development of basin urban network. The financial network is absolutely dominated by the preferential attachment; the information network is also dominated by the preferential connection, but it shows certain geographical proximity features in Shandong and Henan; while the transportation network is dominated by the geographical proximity interaction, forming several traffic sub-centers. 4) The level of globalization, administrative hierarchy and government functional transformation, and provincial boundary barriers are the main factors influencing the urban network spatial structure in the Yellow River Basin.

Key words： the Yellow River Basin; multiple factor flows; urban network; social network analysis

黄河流域横跨中国北方东、中、西三大地理阶梯[1]，经济社会发展相对滞后且地区发展差异较大，发展不充分、不协调是制约其高质量发展的突出问题，亟需从空间异质视角审视流域空间结构及其内部不同地市在全流域的功能地位和关联关系，为推动形成优势互补高质量发展的经济空间发展新格局提供决策依据，丰富和深化基于地理单元的区域高质量发展研究[2,3]。
伴随着城市间空间结构从行政区划的等级空间模式向网络化功能空间模式的转变，学者们也开始从网络视角透视区域空间结构和空间关联。当前，国内外学者主要通过基础设施和企业组织2种路径进行城市网络研究。其中，基础设施路径主要是基于城市间航班数量、铁路客货流、公路客运班次等各类交通流[4~6]和互联网、电话通信等不同媒介的信息流[7,8]等构建城市联系矩阵；企业组织路径主要是基于企业总部−分支或母−子公司等内部联系及企业间合作服务等外部联系构建城市联系矩阵[9~11]。另外，学者们也在社会文化、人口、知识与创新等层面开展了城市网络相关研究[12,13]。
综合来看，在研究尺度上，既有研究主要集中在全球、国家和区域尺度，其中一国内部的研究主要集中在省域和城市群尺度，缺乏对于流域尺度的全景式分析，然而当前流域尤其是大河流域已成为中国大区域经济发展主系统的重要组成，全流域协同推进生态治理和高质量发展对促进中国合理布局生产力、实现区域协调发展具有重要意义，因此亟需深化流域空间网络研究；在研究视角上，相较于早期主要探讨单要素流形式下的城市网络，当前部分研究开始尝试多重网络的比较研究，但主要集中在不同类型交通流、信息流间的对比研究[14~16]，缺乏对于企业组织、基础设施两类路径构建下的城市网络对比研究；在研究方法上，除借助社会网络分析方法进行空间结构研究外，学者们尝试借助统计分析方法和社会网络分析方法，开展城市网络空间结构的机理研究。
鉴于此，本文以黄河流域为研究区，基于企业组织和基础设施两类路径对流域城市网络空间结构及其影响因素进行研究。其中，在企业组织层面，鉴于金融在现代经济发展中的重要作用，选取金融企业组织网络测度城市联系，基础设施层面选取交通流和信息流两类要素流测度城市联系，以期从企业、交通和信息联系等多视角透视流域内部城市关联网络的层级、格局与方向，从空间异质视角解析流域内部不同城市间的资源要素联系及其相应的空间协调状况，丰富流域地理单元空间组织结构研究，为推动流域不同地市间合作交流、优化流域空间结构及促进流域高质量发展提供有益参考。

1 数据来源与研究方法

1.1 数据来源

1.1.1 研究区域

综合自然、经济、文化和行政区划等因素，并参考相关学者的既有研究[2,17,18]，本研究的黄河流域主要包括青海、甘肃、宁夏、内蒙古（不含蒙东地区）、山西、陕西、河南、山东，下辖88个地级市（州、盟）和1个省直辖县级市（济源市），共计89个研究单元（图1）。流域横贯东、中、西三大经济地带，自西向东跨越青藏高原、内蒙古高原、黄土高原、华北平原等多种地形区，高原山地、温带大陆性、温带季风等多种气候区及干旱、半干旱、半湿润、湿润等多种降水类型区[2]，地理分异格局显著。
图1 黄河流域研究区域

Fig. 1 The study area of the Yellow River Basin

1.1.2 数据收集与处理

对于黄河流域城市间金融联系，主要基于金融企业总部−分支这一关系型数据进行测度。为保证数据的可获得性和代表性，分别基于中国银行业协会（ https://www.china-cba.net）、证券业协会（ https://www.sac.net.cn）公布的2019年排名数据及2019年各保险公司的保费收入排名，选取排名前50的领先企业作为研究样本，其中保险公司分别选取排名前25的寿险和财险公司，涵盖了国有、股份制和民营等不同性质的全国性和区域性金融机构；其次，借助企查查（ https://www.qcc.com）采集各企业总部及分支机构的地理位置、等级等相关信息；最后借助Taylor提出的链锁网络模型测度两两城市间金融联系，其中银行按照“总部、一级分行、二级分行、支行或分理处”的等级结构分别赋值4、3、2和1分，证券按照“总部、分公司、营业部”的等级结构分别赋值4、2和1分，保险按照“总部、分公司、中心支公司、支公司或营销服务部”的等级结构分别赋值4、3、2和1分，未布局则赋值为0，最终构建城市间金融联系矩阵。
对于城市间信息联系，主要基于城市间百度搜索量进行测度，利用百度指数网站（ http://index.baidu.com）的查询功能，依次获取2019全年度两两城市间搜索指数的整体日均值，构建城市间信息联系矩阵，并以两两城市间分别的网络关注度乘积表征城市间信息流强度。
对于城市间交通联系，主要基于城市间铁路交通联系进行测度，这是由于在流域这一空间尺度，在铁路、公路和航空等主要运输方式中，铁路运输较为适宜，且铁路运输既实现了大面积国土覆盖，又存在较显著的空间差异。由于铁路班次相对固定，因此选取处于非假期时段且未受到疫情扰动的2019年11月20日数据为代表，利用12306网站（ https://www.12306.cn）的查询功能，采集城市间普通列车和高速列车频次，并考虑到高速交通的时间优势和溢出效应，基于专家打分法对两者进行赋权，最终取平均值确定高速列车（0.67）和普速列车（0.33）权重，以此构建城市间交通联系矩阵。
城市社会经济统计数据主要来源于《中国城市统计年鉴》[19]和各城市的国民经济和社会发展统计公报。

1.2 研究方法

主要运用社会网络分析方法，借助UCINET和ArcGIS软件对黄河流域城市金融、信息和交通网络的空间结构进行分析和可视化，并对其影响因素进行分析。首先对各城市加权中心度进行测度，并采用首位城市与第二位城市的加权中心度之比计算首位度，运用位序−规模法则，计算Zipf指数，探讨黄河流域城市层级体系及空间分异；其次对城市间联系强度进行分析，探讨黄河流域各城市间网络关联度；然后对各城市的首位和前3位的联系流节点进行分析，探讨流域各中心城市的影响范围；最后借助QAP （Quadratic Assignment Procedure，二次指派程序）回归分析探讨黄河流域城市网络空间结构的影响因素。

2 多元流视角下黄河流域城市网络空间结构特征

2.1 多元流视角下黄河流域城市网络中心性

2.1.1 城市网络中心性等级结构

借助UCINET软件进行网络中心性分析，计算各要素流视角下黄河流域各节点的加权中心度，绘制位序−规模图（图2）。在曲线整体走向上，各曲线在高位序区间最为陡峭，中间位序较为平缓，末端存在一定的“跌落”现象，这些跌落的城市大都位于青海省边远地区，与其它城市存在显著差距。计算中心性首位度和Zipf指数发现，在位序−规模分布特征上，交通网络中心性首位度最大，达到了1.23，Zipf指数为2.28，表明交通网络中心性规模分布比较集中，大城市很突出，中小城市不够发育，大部分城市间交通联系仍需要依赖高点度的核心节点；信息网络和金融网络首位度均略大于1，其中信息网络Zipf指数为0.72，金融网络Zipf指数为0.39，表明信息网络和金融网络中小城市比较发育，尤其是金融网络规模分布最为分散，且变异系数也最低，仅为0.41，各城市间发展差异相对较小。
图2 黄河流域多要素城市网络中心性位序−规模分布曲线

Fig. 2 The rank-size curves of network centrality based on different factor flows in the Yellow River Basin

2.1.2 城市网络中心性空间分布格局

利用ArcGIS软件对黄河流域各节点加权中心度进行可视化，并利用自然断裂点分级方法将其分为5个等级（图3）。
图3 黄河流域多要素城市网络中心性空间分布格局

Fig. 3 Spatial patterns of network centrality based on different factor flows in the Yellow River Basin

金融网络第一层级是郑州、济南、西安、太原、青岛和呼和浩特，其中郑州凭借郑州银行和中原银行的良好发展态势，总部金融发展势头强劲，综合中心性最高，济南作为异地金融机构拓展区域业务的主要基地，在证券和保险扩张网络中中心性得分最高，西安作为西部中心城市，对异地保险机构跨区域扩张的吸引力低于济南和郑州，中心性也相对较低；其次为太原和青岛，其中太原对于异地城商行跨区域扩张的吸引力相对较小，青岛则是6个城市中唯一缺乏证券公司总部的城市，呼和浩特中心性最低。第二层级是烟台、威海、临沂、洛阳、宝鸡、兰州等城市，其中1/2集中在山东半岛城市群，这些城市凭借区位优势和市场规模优势，证券和银行网点数量较多，网络中心性相对较高，其余集中在流域西部的省会及其周边城市。第三层级是许昌、新乡、晋中、吕梁、菏泽等城市，这些城市高度集中在河南、山西中南部及山东西部。第四及第五层级集中在流域西部各省（区），其中第五层级城市高度集中在青海，是金融行业市场扩张的洼地。
信息网络第一层级是西安、郑州、青岛和济南，其中西安凭借优越的旅游资源优势和深厚的文化积淀，对外吸引力强，加权点入度最高，郑州则凭借区位优势和广阔的腹地优势，对外信息辐射力强，加权点出度最高；其次是青岛和济南，其中青岛在点入度和点出度上均高于济南。第二层级是太原、兰州、临沂、潍坊、洛阳等城市，除省会城市外，其余大都是山东及河南的人口大市，点出度大于点入度，凭借信息辐射获得较高的网络中心性；第三层级城市数量较多，分散布局在山东、河南及陕西等省；第四层级集中在山西、甘肃及内蒙古，第五层级集中在宁夏和青海，这些城市点入度大都大于点出度，更多的是依赖外部城市的信息辐射与其建立联系，其中商洛、酒泉和张掖等城市凭借丰富的旅游资源，点入度中心性相对较高。
交通网络第一层级是郑州、西安和济南，3个城市都是重要的交通枢纽，也正在积极打造米字形的高铁网，其中郑州得益于中部区位优势，腹地广阔，中心性最高，济南中心性最低且和郑州、西安有一定差距；第二层级是洛阳、兰州、商丘、潍坊和淄博等城市，主要分布在陇海−兰新线和胶济沿线，其中胶济沿线城市更多的是依赖此沿线各城市间较为频繁的高速铁路频次获得较高的中心性，与其它地区城市间的交通联系大都低于陇海−兰新沿线各市；第三层级主要分布在陇海−兰新线西段、京广线和青太客运专线；第四层级城市主要是与省（区）外城市间交通联系较弱，除集中在鲁南地区外，还集中在呼和浩特、太原及兰州周边；第五层级则大都位于交通末梢，与其它所有城市的交通联系都较弱，主要集中在青海、宁夏、甘肃、晋北、陕北和晋鲁豫交界地区，个别城市位于黄河三角洲。
综合来看，在单个城市层面上，各网络的三大核心节点一般是郑州、西安和济南，但济南的核心地位最不突出，尚未发挥好其东部沿海的区位优势，对黄河流域城市网络辐射带动作用相对较弱；在地区层面上，网络中心性自东向西依次下降，其中东部地区在金融发展上整体优势最为凸显，在交通建设上与中部地区相比优势不大，西部地区则是在交通建设上劣势最为凸显。

2.2 多元流视角下黄河流域城市网络空间联系格局

利用ArcGIS软件对城市间各要素联系进行可视化，并利用自然断裂点分级方法将城市间联系分为5级，以最高级别的联系为骨架网络，以前3个等级的联系为主干网络（图4）。
图4 黄河流域多要素城市网络空间联系格局

Fig. 4 Spatial relations of urban network based on different factor flows in the Yellow River Basin

西安、郑州、青岛、济南、太原及呼和浩特各城市间金融联系最为密切，形成了6个核心节点相互连通的骨架网络；次一级金融联系显著增多，主要集中在各核心节点与山东省各城市间，以及兰州、包头、西宁与银川等西部中心城市间；中等层级联系进一步拓展，集中在黄河流域中心城市与山东及河南各城市间，形成了两个相互交错的闭合式菱形主干网络。
西安、郑州、济南、青岛与其周边城市间信息联系最为密切，形成了以西安、郑州为核心和以济南、青岛为核心的两大孤立的骨架网络；次一级信息联系主要从各核心节点向外发散，连通了各核心节点与其省域内部各城市，且将两大骨架网络组团相互连通；中等层级联系进一步扩展，形成了兰州、太原和呼和浩特等次一级中心节点，并以各中心节点为核心形成了多个星形网络，且各星形网络通过西安这一核心节点实现了直接或间接联系。
郑州、西安及兰州等陇海−兰新沿线各市之间及济南、青岛等胶济沿线各市之间的交通联系最为密切，形成了以济南为核心和以西安、郑州为核心的两大孤立的发散式骨架网络；次一级交通联系仍集中在两大铁路干线沿线各市之间，另外，郑州与京广沿线各市，太原与同蒲铁路沿线各市间联系也较为密切；中等层级交通联系显著向西扩展，形成了兰州、太原等次一级交通枢纽，总体上形成了以西安、郑州、兰州为核心的中西部组团和以济南为核心的东部组团，且两大主干网络组团仅依赖郑州−济南连通。
综合来看，在城市间联系强度的层级特征上，金融网络各城市间联系强度差异最小，主干网络覆盖了约13%的城市对，而交通主干网络和信息主干网络覆盖了不足3%的城市对，却分别占到了城市间总联系值的56%和43%；在空间组织模式上，金融主干网络呈现为闭合式的菱形网络，交通主干网络呈现为以交通干线为轴的轴辐式网络，信息主干网络呈现为若干放射型的星形网络。

2.3 多元流视角下黄河流域城市联系空间指向性

在黄河流域城市联系区域差异性分析基础上，对黄河流域城市联系的空间指向性进行分析。分别选取各城市节点的首位（TOP1）和前3位（TOP3）的联系流，确定联系流节点[20]，对城市联系的空间指向性进行分析（图5、图6）。
图5 黄河流域各城市不同要素联系最大优势流

Fig. 5 Top 1 dominant flow of cities in multiple networks in the Yellow River Basin

图6 黄河流域各城市不同要素联系前三位优势流

青海非省会城市存在多个并列的第二、三位金融联系流，为提高图的可读性，未展示其第二、三位金融联系流

Fig. 6 Top 3 dominant flows of cities in multiple networks in the Yellow River Basin

2.3.1 城市金融联系的空间指向性

大部分省会城市作为首位流联系节点连接了省（区）内城市，但甘肃各城市的首位联系城市是西安而不是兰州，一方面是由于部分金融机构特别是证券企业在西安成立西北分公司，统筹管理西北地区的市场业务，另一方面是由于兰州总部金融发展较为落后，缺少全国领先的金融企业，导致甘肃各市与西安的金融联系相对强于兰州；青海省也较为特殊，除西宁外，其余各市与西安、济南等大部分第一层级城市的金融联系大小一致，缺乏规模突出的最大优势联系流，主要是由于这些城市对金融服务投资不具吸引力，域内外来的金融机构多是国有或大型股份制银行、保险公司等，而总部位于流域内部的多是处于成长期的区域性金融机构，这些企业尚未投资扩张到这一边远地区；对于各省会的首位联系城市，郑州、太原和呼和浩特的首位联系城市是济南，西宁、兰州、银川的首位联系城市是西安，而西安和济南互为首位城市，在Top1城市网络中处于核心地位。
第二、三位金融联系流受行政阻隔的影响较小，绝大部分城市的第二、三位金融联系城市是西安、郑州或济南，三城市在黄河流域的连接优势最为突出；太原、青岛、兰州连接城市数量也相对较多，青岛主要连接了省内部分城市及内蒙古部分城市，兰州则仅连接了省内各城市。

2.3.2 城市信息联系的空间指向性

省会城市作为首位流联系节点连接了省内绝大多数城市，山东省较为特殊，有两大首位联系城市，济南辐射范围为省会都市圈和鲁南地区，青岛辐射范围为胶东经济圈；对于各省会的首位联系城市，西安、郑州、呼和浩特、济南的首位联系城市均是其省域内次中心城市，西宁、银川、兰州和太原的首位联系城市均是西安，西安在Top1城市网络中居于核心地位。
第二、三位信息联系流一定程度上打破了省际行政阻隔，尤其是西部地区各城市表现出显著的择优连接特征，第二、三位信息联系流节点主要是邻近省（区）的中心城市，但河南和山东各市绝大多数的第二、三位信息联系流局限在省域内部，形成了洛阳和临沂等若干次中心节点。西安在黄河流域的连接优势最为突出，连接了西部地区所有城市、中部地区部分城市及东部的青岛，信息辐射与汇聚能力最强；其次是青岛，但其连接的城市约1/2仍集中在山东省，另外的集中在晋中地区和宁夏，晋中地区各市主要得益于地理邻近优势，宁夏则主要得益于与山东较为密切的经贸合作和民间往来；兰州连接的城市也较多，但主要局限在邻近的青海；郑州、济南、呼和浩特连接的城市相对较少，太原、西宁的连接城市为0。

2.3.3 城市交通联系的空间指向性

省会城市是主要的首位流联系节点，但在次区域尺度，产生了若干次一级的首位流联系节点，形成了若干小组团，例如在山东省，除以济南为核心的大组团外，在胶东半岛、鲁西南、鲁南和三角洲地区形成了若干小组团，这些组团内部的城市对外交通联系一般较小，处于交通网络的边缘位置；对于各省会的首位联系城市，大部分省会的首位联系城市是其省域内次中心城市，Top1城市网络核心城市不突出。
第二、三位交通联系流与主要交通干线走向较为一致，主要局限在省域内部，且流向最为分散，次一级中心节点数量较多，各中心城市的连接优势均不突出。西安连接的省外城市数量最多，但主要局限在洛阳、运城、天水等邻近省（区）的城市；其次是济南和兰州，连接了Top1网络中省域内部的独立小组团，另外兰州还连接了海东、宝鸡等邻近省（区）的城市；德州、洛阳等次级交通枢纽连接的城市数量也相对较多，连接了省内部分城市和邻近省（区）的城市。
综合来看（表1），金融联系表现出显著的择优连接特征，所有城市的Top1和Top3金融联系流均指向区域中心城市，其中西安凭借对西部地区的金融辐射，在Top1金融联系流中优势突出，济南则在Top3金融联系流中优势突出；交通联系表现出一定的邻近连接特征，一方面网络内部中心节点数量众多，在次区域形成若干次一级交通中心，另一方面各省会城市连接的城市也大都局限在省域内部或邻近省份城市，尤其是东部地区的济南和青岛与中西部地区交通联系较弱；信息联系方面，Top1信息联系流表现出显著的择优连接，绝大多数城市首位联系流指向省域中心城市，Top3信息联系流在连接区域中心城市之外，也指向地理邻近城市，形成了若干次一级中心节点，其中在河南和山东表现的最为显著。
表1 黄河流域多要素城市空间组织网络的主要统计量

Table 1 The statistics on multiple network organizations in the Yellow River Basin

金融网络 信息网络 交通网络
Top1 Top3 Top1 Top3 Top1 Top3
全部中心节点数 9 9 12 34 29 58
前3名节点连接比重/% 59.8 68.8 49.4 40.4 39.0 21.8
连接城市总数量 西安 34 70 15 60 9 19
郑州 24 77 17 24 16 20
济南 27 87 11 15 6 14
太原 17 34 10 10 7 10
兰州 6 17 12 23 6 14
呼和浩特 12 14 5 7 4 9
青岛 6 24 5 24 0 4
银川 10 11 4 6 3 6
西宁 6 6 7 7 3 3
连接省区外城市数量 西安 25 61 6 51 1 11
郑州 7 60 0 7 1 4
济南 12 72 0 0 0 0
太原 7 24 0 0 0 0
兰州 6 6 0 10 1 6
呼和浩特 7 9 0 1 0 3
青岛 6 19 0 9 0 0
银川 7 7 0 2 0 2
西宁 0 6 0 0 0 0

3 多元流视角下黄河流域城市网络空间结构的影响因素

3.1 变量的选取和测度

地方、国家和全球力量之间的联系和响应对城市和区域发展有着深刻影响，部分学者尝试将城市区域空间组织研究纳入全球化、分权化和市场化分析框架中[21~23]。借鉴其分析框架，本文从全球化、市场化、分权化和一体化等方面探讨黄河流域城市网络的影响因素。
全球化力量重塑资本、信息等社会经济要素流动，且流域不同城市参与全球化的程度不同，不断重构流域空间组织形态。以跨国公司为主体、以国际直接投资为载体的要素跨国流动是经济全球化的主要表现形式，因此本文选择外商直接投资（FDI）表征全球化的影响，并对城市之间两两相减取绝对值，构建FDI差值关系矩阵。
市场化力量促使不同生产主体以利益为导向进行资源配置，推动各项生产要素的自由流动，而城市间比较优势的差异是生产主体基于逐利特性进行各项生产要素跨区域配置的基础，论文以产业结构差异性表征城市间比较优势差异，测度市场化对城市间社会经济联系的影响。综合考虑科学性和可行性，产业结构差异性测度主要利用各城市三次产业占比，借鉴联合国工业发展组织提出的工业结构相似系数计算方法，对各城市产业结构相似系数进行测度，并采用其倒数表征产业结构差异性。
分权化包括纵向的中央向地方的分权，也包括横向的政府向市场、社会的分权[24]。纵向的改革重塑了中央与地方政府以及地方各级政府间的权力关系，城市等级不同，权利也不同，结合行政设置、现实政治权力等因素，构建城市行政等级0-1网络，其中省会城市和计划单列市赋值为1，其它赋值为0；横向的改革推动政府职能转变，将相关权力、责任向市场组织与公共社会转移，由管理型政府向服务型政府转变，论文以政府干预程度测度政府的职能转变，干预程度越小表征政府职能的转变力度越大，其中政府干预程度采取地方财政支出占GDP比重进行测度，并对城市之间两两相减取绝对值，构建政府干预程度差值关系矩阵。
分权化改革在提高地方政府发展本地经济积极性的同时，也带来了市场分割和利益分割，伴随着市场化及全球化的推进，区域一体化发展日益成为主流之一，致力于打破行政阻隔和自然阻隔，破解区域治理的碎片化问题。近年来，黄河流域内部各省（区）也在积极探索以中心城市为核心带动区域一体化发展。为测度一体化的效应，鉴于黄河流域各省区横跨东、中、西等不同经济地带和华北湿润半湿润、西北干旱半干旱等若干个自然分区，分别构建省级和地区级行政边界0-1网络，引入虚拟变量1和0分别表示两市属同一个省份（地区）或不同省份（地区），并以黄秉维的中国综合自然区划为依据[25]，构建自然区边界0-1网络，引入虚拟变量1和0分别表示两市属同一个自然区或不同自然区。

3.2 结果分析

在变量选取和测度基础上，分别以城市间金融联系、信息联系和交通联系为被解释变量，利用QAP模型探讨各要素对城市间联系的影响（表2）。
表2 黄河流域城市间各要素联系的回归结果

Table 2 Regression results of urban multiple connections in the Yellow River Basin

类型 变量 金融网络 信息网络 交通网络
　　注：*、**、***分别表示10%、5%、1%的水平上显著。
全球化 外商直接投资差值 0.279*** 0.279*** 0.163***
市场化 产业结构差异性 0.083* 0.068** 0.045*
分权化 城市行政等级0-1网络 0.427*** 0.364*** 0.128***
政府干预程度差值 −0.353*** −0.079*** −0.060***
一体化 省级行政边界0-1网络 0.212*** 0.349*** 0.306***
地区行政边界0-1网络 −0.102*** 0.024 0.027
自然区边界0-1网络 0.011 0.054*** 0.077***
R2 0.500 0.397 0.183
结果显示，外商直接投资呈显著正相关，表明城市全球化水平的提高带来的开放活力，对城市间资源要素联系有显著的促进作用。产业结构的差异性对于城市间资源要素流动有一定促进作用，但影响较小，这主要是由于黄河流域各地市市场化程度仍存在一定差异，导致流域整体市场化力量的削减。城市权力等级对金融、交通和信息资源要素的汇聚与辐射能力均有显著的促进作用，表明各项资源尤其是金融资源仍高度集中于济南、西安、郑州等少数区域性中心城市；政府干预程度则呈显著负相关，表明城市政府传统职能向市场和社会的有序转移，有利于促进城市各项资源尤其是金融和信息资源的双向流动。处于不同省（区）对于城市间金融、交通和信息联系均有显著的抑制作用，处于不同经济地带或自然区则仅对城市间交通和信息联系有一定的抑制作用，且影响相对较小，表明当前省际行政分割导致的要素流动不畅是制约黄河流域各项生产要素自由流动和一体化发展的主要障碍，自然阻隔对于基础设施连通和民间往来的抑制作用相对较小。其中金融联系的行政壁垒，主要是源于金融机构按照行政区划设置组织体系和地方保护主义，导致城市商业银行等地方金融机构跨区域经营限制较多；交通建设的行政壁垒主要是源于当前黄河流域各省区都是在省域范围内围绕中心城市制定铁路建设规划，比如郑州、西安和济南都在积极建设米字形高铁网，但跨省区交通建设滞后；信息联系的行政壁垒主要源于居民对于本省区的认同感和归属感较强，而对于一衣带水的黄河文化的认同感和归属感不强。

4 结论与讨论

4.1 结论

基于企业组织和基础设施两种路径，从金融、信息和交通等多元要素流视角对黄河流域城市网络空间结构及其影响因素进行了分析，得出以下结论：
1）黄河流域交通网络中心性规模分布最为集中，中小城市交通发展滞后，金融网络规模分布则最为分散；各要素网络中心性地区差异显著，东部地区在金融发展上整体优势最为凸显，在交通建设上与中部地区相比优势不大，西部地区在交通建设上劣势最为凸显；各要素网络的核心节点一般是郑州、西安和济南，但济南核心地位不太突出。
2）黄河流域主干金融网络连通了流域各中心城市及山东、河南各市，形成了闭合式的菱形网络；主干信息网络呈现为以省域中心城市为核心的若干放射型的星形网络；主干交通网络以陇海−兰新和胶济沿线等主要交通干线为轴，形成轴辐式网络。
3）黄河流域城市间金融联系表现出显著的择优连接特征，西安和济南等流域中心城市连接优势突出；信息联系以择优连接为主，在河南、山东等地区表现出一定的邻近连接；交通联系邻近连接特征最为明显，在次区域形成若干交通次中心。
4）全球化、市场化、分权化和一体化因素共同作用于黄河流域城市网络空间组织结构。其中，城市全球化水平、行政等级和职能转变力度及省际行政壁垒是影响黄河流域城市网络空间结构主要因素。

4.2 讨论

黄河流域地方保护和市场分割问题依然严峻，未来应以黄河流域生态保护和高质量发展战略为依托，以流域中心城市为核心，鼓励城市信用联盟、文旅联盟等各类联盟和流域合作组织的成立和发展，以各省会都市圈的协同发展为支撑带动全流域协同发展，同时流域各省区尤其是中西部地区应深化要素市场化配置改革，积极转变政府职能，创造良好的市场环境。另一方面，黄河流域中西部各地市参与全球化的水平较低，加剧了其在城市网络中的边缘化，未来应积极借势“一带一路”建设的深入实施，加大黄河流域中西部开放力度，主动融入“陆海内外联动、东西双向互济”的国家开放格局。
对于具体资源要素，金融发展方面，应积极开展同城化服务、跨区域授信、信息共享、监管体系一体化、“金融+”融合发展等的创新探索，促成各类金融要素内在流动与融合，进而带动其它资源要素的优化配置；交通发展方面，国家应加大对黄河流域跨省（区）间交通建设的支持力度，改善东部与中西部地区间的交通联系，同时培育和壮大次一级交通枢纽，带动网络边缘城市节点的发展；信息建设方面，应以黄河文化为精神纽带推动上中下游地区间民间往来和信息交流，提升流域居民对黄河文化的认同感和归属感。
本研究也存在一定局限性，同时也是下一步的研究方向。论文聚焦于流域内部各城市间联系，没有考虑域外联系对流域城市网络的影响，未来应综合考虑流域内部联系及与国家乃至全球其他城市间的域外联系，从流域−国家−全球等不同视域解析流域城市网络空间结构。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
徐勇,王传胜. 黄河流域生态保护和高质量发展: 框架、路径与对策[J]. 中国科学院院刊, 2020, 35(5): 875-883.

Xu Yong, Wang Chuansheng. Ecological protection and high-quality development in the Yellow River Basin: Framework, path, and countermeasure. Bulletin of Chinese Academy of Sciences, 2020, 35(5): 875-883.

[2]
李小建, 文玉钊, 李元征, 等. 黄河流域高质量发展: 人地协调与空间协调[J]. 经济地理, 2020, 40(4): 1-10.

Li Xiaojian, Wen Yuzhao, Li Yuanzheng et al. High-quality development of the Yellow River Basin from a perspective of economic geography: Man-land and spatial coordination. Economic Geography, 2020, 40(4): 1-10.

[3]
樊杰, 王亚飞, 王怡轩. 基于地理单元的区域高质量发展研究——兼论黄河流域同长江流域发展的条件差异及重点[J]. 经济地理, 2020, 40(1): 1-11.

DOI

Fan Jie, Wang Yafei, Wang Yixuan. High quality regional development research based on geographical units: Discuss on the difference in development conditions and priorities of the Yellow River Basin compared to the Yangtze River Basin. Economic Geography, 2020, 40(1): 1-11.

DOI

[4]
Wang J, Mo H, Wang F et al. Evolution of air transport network of China 1930–2012[J]. Journal of Transport Geography, 2014, 40: 145-158.

DOI

[5]
焦敬娟, 王姣娥, 金凤君, 等. 高速铁路对城市网络结构的影响研究——基于铁路客运班列分析[J]. 地理学报, 2016, 71(2): 265-280.

DOI

Jiao Jingjuan, Wang Jiaoe, Jin Fengjun et al. Impact of high-speed rail on inter-city network based on the passenger train network in China, 2003-2013. Acta Geographica Sinica, 2016, 71(2): 265-280.

DOI

[6]
杨浩然, 王潇萌, 张钦然, 等. 基于航空和高铁流的中国城市网络格局及演化[J]. 地理科学, 2022, 42(3): 436-445.

Yang Haoran, Wang Xiaomeng, Zhang Qinran et al. Pattern characteristics and dynamic evolution of urban network development in China based on the comparison between high-speed rail and airlines flows. Scientia Geographica Sinica, 2022, 42(3): 436-445.

[7]
甄峰, 王波, 陈映雪. 基于网络社会空间的中国城市网络特征——以新浪微博为例[J]. 地理学报, 2012, 67(8): 1031-1043.

DOI

Zhen Feng, Wang Bo, Chen Yingxue. China’s city network characteristics based on social network space: An empirical analysis of Sina Micro-blog. Acta Geographica Sinica, 2012, 67(8): 1031-1043.

DOI

[8]
Laharotte P A, Billot R, Come E et al. Spatiotemporal analysis of bluetooth data: Application to a large urban network[J]. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(3): 1439-1448.

DOI

[9]
Derudder B, Taylor P J, Ni P et al. Pathways of change: Shifting connectivities in the world city network, 2000-2008[J]. Urban Studies, 2010, 47(9): 1861-1877.

DOI

[10]
Pan F, He Z, Fang C et al. World city networks shaped by the global financing of Chinese firms: A study based on initial public offerings of Chinese firms on the Hong Kong Stock Exchange, 1999-2017[J]. Networks and Spatial Economics, 2019, 18(3): 751-772.

[11]
盛科荣, 杨雨, 孙威. 中国城市的网络地位及影响因素研究——基于上市公司500强企业网络视角[J]. 地理科学, 2020, 40(5): 740-750.

Sheng Kerong, Yang Yu, Sun Wei. Network position and underlying factors of cities in China: A study from corporate networks of the largest 500 public companies. Scientia Geographica Sinica, 2020, 40(5): 740-750.

[12]
Taylor P J. New political geographies: Global civil society and global governance through world city networks[J]. Political Geography, 2005, 24(6): 703-730.

DOI

[13]
Beaverstock J V. Transnational elites in global cities: British expatriates in Singapore’s financial district[J]. Geoforum, 2002, 33(4): 525-538.

DOI

[14]
宋琼, 赵新正, 李同昇, 等. 多重城市网络空间结构及影响因素——基于有向多值关系视角[J]. 地理科学进展, 2018, 37(9): 1257-1267.

DOI

Song Qiong, Zhao Xinzheng, Li Tongsheng et al. Spatial structures and influencing factors of multiple urban networks based on the perspective of directed-multivalued relation. Progress in Geography, 2018, 37(9): 1257-1267.

DOI

[15]
安俞静, 刘静玉, 乔墩墩. 中原城市群城市空间联系网络格局分析——基于综合交通信息流[J]. 地理科学, 2019, 39(12): 1929-1937.

An Yujing, Liu Jingyu, Qiao Dundun. Urban spatial connection and network structure in Zhongyuan Urban Agglomeration: A study based on integrated traffic and information flow. Scientia Geographica Sinica, 2019, 39(12): 1929-1937.

[16]
马丽亚, 修春亮, 冯兴华. 多元流视角下东北城市网络特征分析[J]. 经济地理, 2019, 39(8): 51-58.

Ma Liya, Xiu Chunliang, Feng Xinghua. Analysis of network characteristics of Northeast Cities from the perspective of multi-flow. Economic Geography, 2019, 39(8): 51-58.

[17]
李林山, 赵宏波, 郭付友, 等. 黄河流域城市群产业高质量发展时空格局演变研究[J]. 地理科学, 2021, 41(10): 1751-1762.

Li Linshan, Zhao Hongbo, Guo Fuyou et al. High-quality development spatio-temporal evolution of industry in urban agglomeration of the Yellow River Basin. Scientia Geographica Sinica, 2021, 41(10): 1751-1762.

[18]
陈肖飞, 郜瑞瑞 , 韩腾腾, 等. 人口视角下黄河流域城市收缩的空间格局与影响因素[J]. 经济地理, 2020, 40(6): 37-46.

DOI

Chen Xiaofei, Gao Ruirui, Han Tengteng et al. Spatial pattern and influencing factors of urban shrinkage in the Yellow River Basin from the perspective of population change. Economic Geography, 2020, 40(6): 37-46.

DOI

[19]
国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2019.

National Bureau of Statistics. China urban statistical yearbook. Beijing: China Statistical Publishing House, 2019.

[20]
吴康, 方创琳, 赵渺希. 中国城市网络的空间组织及其复杂性结构特征[J]. 地理研究, 2015, 34(4): 711-728.

Wu Kang, Fang Chuanglin, Zhao Miaoxi. The spatial organization and structure complexity of Chinese intercity networks. Geographical Research, 2015, 34(4): 711-728.

[21]
Wei Y H D, Yuan F, Liao H. Spatial mismatch and determinants of foreign and domestic information and communication technology firms in urban China[J]. The Professional Geographer, 2013, 65(2): 247-264.

DOI

[22]
季菲菲, 陈雯, 魏也华, 等. 长三角一体化下的金融流动格局变动及驱动机理——基于上市企业金融交易数据的分析[J]. 地理学报, 2014, 69(6): 823-837.

DOI

Ji Feifei, Chen Wen, Wei Yehua et al. Changing financial flow patterns and driving mechanisms of financial flows under the integration of the Yangtze River Delta: An analysis of the financial transaction data of listed companies. Acta Geographica Sinica, 2014, 69(6): 823-837.

DOI

[23]
林雄斌, 马学广, 晁恒, 等. 珠江三角洲巨型区域空间组织与空间结构演变研究[J]. 人文地理, 2014, 29(4): 59-65.

DOI

Lin Xiongbin, Ma Xueguang, Chao Heng et al. Research on spatial organizational successions of the PRD mega-region by global principal component analysis method. Human Geography, 2014, 29(4): 59-65.

DOI

[24]
罗震东. 分权与碎化——中国都市区域发展的阶段与趋势[J]. 城市规划, 2007(11): 64-70.

DOI

Luo Zhendong. Decentralization and fragmentation: Development stages and trend of metropolitan area in China. City Planning Review, 2007(11): 64-70.

DOI

[25]
刘明光. 中国自然地理图集(第三版)[M]. 北京: 中国地图出版社, 2010.

Liu Mingguang. Atlas of Physical Geography of China(3rd ed). Beijing: Sinomap Press, 2010.

Options
文章导航

/

〈 〉