EN中文

地理科学 >

2023 , Vol. 43 >Issue 5: 763 - 773

DOI: https://doi.org/10.13249/j.cnki.sgs.2023.05.001

城市演化与收缩专栏

城市形态结构对空间紧凑发展的影响机制分析——以上海为例

  • 陈飞 , 1 ,
  • 李永贺 , 1, * ,
  • 张帅 2 ,
  • 马晓晴 1 ,
  • 于艺婷 1
展开
  • 1.上海应用技术大学城市建设与安全工程学院，上海 201418
  • 2.同济大学设计创意学院，上海 200092
李永贺。E-mail:

陈飞 （1975—）， 男，河南商丘人， 副教授，博士，主要从事城市低碳与紧凑发展研究。E-mail:

收稿日期: 2022-03-11

  修回日期: 2022-08-11

  网络出版日期: 2023-05-20

基金资助

上海市哲学社科规划项目(2022BCK001)

版权

版权所有©《地理科学》编辑部 2023
收起

Impact of urban morphological structure on space compact development: A case study of Shanghai

  • Chen Fei , 1 ,
  • Li Yonghe , 1, * ,
  • Zhang Shuai 2 ,
  • Ma Xiaoqing 1 ,
  • Yu Yiting 1
Expand
  • 1. College of Urban Construction and Safety Engineering, Shanghai Institute of Technology, Shanghai 201418, China
  • 2. College of Design and Innovation, Tongji University, Shanghai 200092, China

Received date: 2022-03-11

  Revised date: 2022-08-11

  Online published: 2023-05-20

Supported by

Shanghai Office of Philosophy and Social Science(2022BCK001)

Copyright

Copyright ©2023 Scientia Geographica Sinica. All rights reserved.
Fold

摘要

基于空间紧凑发展内涵，构建综合指数模型，分析2005—2020年上海空间紧凑度的演变特征并与国内外城市进行比较，进一步利用时空地理加权回归模型分析城市形态结构对空间紧凑度的影响效应。研究发现：① 空间紧凑度呈现中心高外围低的圈层式分布特征，中心城区普遍趋于稳定，外围城区增长较快，且与其他同类城市比较处于高紧凑发展水平；但受政策及规划影响，紧凑度分指标在空间格局上存在显著差异。② 城市密度与空间紧凑度呈倒“U”型关系，功能混合度和用地形态与空间紧凑度呈近线性关系，且城市密度与之关联性最强。③ 整体上城市密度和功能混合度均对空间紧凑发展产生促进效应，而用地形态表现出抑制效应；分区尺度上形态、功能和密度要素对空间紧凑度的影响效应存在显著差异。④ 通过中心城区与外围城区的差异性空间结构调整，控制国土空间规划形态结构指标来提升城市紧凑发展水平。

关键词： 空间紧凑度; 城市形态结构; 城市用地形态; 功能混合度; 城市密度

本文引用格式

陈飞 , 李永贺 , 张帅 , 马晓晴 , 于艺婷 . 城市形态结构对空间紧凑发展的影响机制分析——以上海为例[J]. 地理科学, 2023 , 43(5) : 763 -773 . DOI: 10.13249/j.cnki.sgs.2023.05.001

Abstract

The disorderly sprawl of land hinders the effectiveness of urban operations. Achieving compact development through optimized territorial spatial planning tools has become a crucial issue for high-quality urban development. This is particularly true for large cities where there is a significant disparity in land expansion rates between the suburbs and the central urban areas. Thus, this study emphasizes the importance of targeted zoning optimization suggestions to achieve efficient space utilization. Based on the connotation of spatially compact development, a comprehensive index model is constructed to analyze the evolution characteristics of spatial compactness in Shanghai during 2005-2020 and compare it with domestic and foreign cities. In addition, a polynomial functional relationship regression model is used to explore the correlation between the sub-indices of urban form structure and spatial compactness, as well as the factors contributing to any differentiation observed. Finally, a Geographically and Temporally Weighted Regression model is used to analyze the effect of urban morphological structure on spatial compactness from the perspective of different city districts. Research Findings: 1) Shanghai is at a high level of compact development compared to similar cities. The pattern of spatial compactness is circular. It shows a high center and a low periphery, with the central region generally tending to be stable and the peripheral region growing faster. However, there are significant differences in the spatial pattern of compactness sub-indicators due to the influence of policies and planning. Compared with domestic and foreign cities, Shanghai presents the characteristics of highly compact development. 2) Urban density has an inverted "U"-shaped relationship with spatial compactness, and correlation is the strongest. In contrast, the mix degree of urban function and land-use form have a nearly linear relationship with spatial compactness, respectively. 3) Overall, it is evident that land-use form can inhibit spatially compact development, though both urban density and the mix degree contribute to it. At the zoning scale, the impacts of form, function, and density on spatial compactness vary dramatically. In the peripheral urban areas, the impacts of the three types of factors on spatial compactness align with the overall findings. However, in the central urban areas, urban density tends to have a negative effect on improving spatial compactness, while land-use form has a notable positive impact. 4) An adjustment to the spatial and morphological structures associated with territorial spatial planning may facilitate compact development within core and periphery areas. Specifically, the central urban areas should prioritize reducing urban density and optimizing land use structure, while the peripheral urban areas should focus on improving urban attractiveness and reducing land use fragmentation.

Key words： spatial compactness; urban morphological structure; land-use form; mix degree; urban density

从区域及城市国土空间格局上推动紧凑发展，是进入高质量发展阶段的前提。博希埃定律认为：中心城区土地扩张，造成了人口密度降低；随着技术的进步和产业升级，人口回流，城郊密度逐渐下降[1]。空间紧凑发展水平随城市密度变化经历同样的过程，因此该定律指出了城市形态结构变化与空间紧凑发展水平的逻辑关系。上海市城市总体规划（2017—2035） （https://ghzyj.sh.gov.cn） 提出，加快构建“网络化、多中心、组团式、集约型”空间结构，为城市形态结构和空间紧凑发展的关系研究赋予了重要的理论意义及实践价值。
已有研究主要聚焦在空间紧凑发展的内涵、指标及与城市形态结构的关联性上。20世纪70年代，城市空间快速扩张，资源环境压力不断增大，为提高城市运行效率，学者提出了空间紧凑发展理念，通过城市形态调整解决低密度蔓延问题[2]。同时期，空间紧凑发展理念延伸出新的理论内涵，包含密集化的土地利用方式、集中化的空间活动及高强度的城市布局[3]。90年代欧共体发布《城市环境绿皮书》[4]，界定城市紧凑特征为“高密度、土地混合使用，以及注重社会和文化的多样性”。随后，功能多样性和高密度特征融入到空间紧凑发展理论中[5]。国内关于空间紧凑发展的研究始于本世纪初期新城市主义规划及精明增长理论引入，结合资源节约及环境友好型社会理念，认为空间紧凑发展是一种土地混合利用和密集开发策略[6]，强调严格控制城市增长边界、以公交布局引导城市低碳紧凑式开发[7]，包括产业紧凑、空间紧凑和交通紧凑等类型[8]。在紧凑发展测度指标上以紧凑度来表征，早期主要关注圆形率法、长轴法和外接圆法等[9]，该类方法虽然具有不同的特点，但重点聚焦单一的城市形态或功能[10]，对紧凑度的考量较为片面，无法反映其真实内涵。随着研究深入，多指标测度方法涌现，立足城市规划视角，从密度、功能及可达性上建立城市紧凑度综合指数模型[11]；立足城市综合发展视角，从人口、交通、功能、福利及规模等维度[12-14]构建空间紧凑度综合评价指标体系。在城市形态结构与空间紧凑度关联性上存在3种模式，部分学者认为两者存在并列关系，利用城市形状及破碎度指数，结合紧凑度来综合反映城市空间结构特征[15-16]。另有学者认为两者间存在包含关系，并将形态结构作为评价空间紧凑度的一个维度，以形态结构、功能集聚及边界进深来综合评价空间紧凑发展水平[17]，通过比较功能紧凑度及形态紧凑度的相关研究成果，发现功能紧凑度提升更能促进城市可持续发展[18]。还有少数学者认为两者互为表里关系，形态结构是空间紧凑度的外部表征，后者是反映城市形态结构是否合理的内部具象，通过研究形态结构对空间紧凑发展的影响效应，认为趋圆形城市更具有紧凑性[19]，形态结构扩张会对空间紧凑发展造成差异性影响[20]。
综上，已有文献从空间紧凑发展的内涵、指标及城市形态结构对其影响上积累了一定的成果，对当前城市空间紧凑发展实践具有指导意义。但受研究视角与模型方法所限，仍存在不足：一是空间紧凑度的测度指标多基于城市形态或经济社会维度，而缺乏对各类设施的均衡布局及通勤效率的考量；二是在两者关联性上，缺乏实证层面的分析；三是在研究尺度上，缺乏深入城市内部分区尺度上进行差异性比较及对应规划实施层面的具体落实。因此，本研究在理清空间紧凑发展概念内涵基础上，立足城市多元系统特征，从城市设施布局、土地利用及空间扩张3个维度构建综合指数模型，进一步研判空间紧凑度及与形态结构的关联性；并利用时空地理加权回归模型分析后者对前者的影响效应及作用机制；最后，将回归结果可视化，分析分区尺度的差异性原因机制，提出实现集约紧凑发展的对策建议。城市空间结构的调整有其内在逻辑及共性特征，对空间紧凑度与城市形态结构关系研究及后者对前者作用机制分析为国土空间规划调控提供了可操作工具，同时，分区尺度的研究能精细化指导与上海在发展阶段与结构特征存在一定共性的城市进行紧凑开发。

1 研究方法、研究范围与数据来源

1.1 数据来源及研究范围

研究区范围包括上海市15个行政区（崇明区除外）内的建成区，根据上海市城市总体规划（2017—2035）划分中心城区与外围城区。通过中国科学院资源环境科学与数据中心网站（https://www.resdc.cn/Default.aspx） 获取30 m×30 m中国土地利用类型栅格数据，预处理后利用ArcGIS10.6提取分析工具得到研究区2005—2020年建成区数据；通过高德开放平台API接口获取城市各类设施POI点数据；然后在WorldPop世界人口统计平台（https://www.worldpop.org/acknowledgements） 获取区域调整后的中国1 km×1 km的人口规模栅格数据，利用分区统计工具获取建成区人口规模。研究区范围内各区中央商务区（CBD）根据实际坐标标绘所得，面积及周长数据均由地理信息系统计算所得。

1.2 模型

1.2.1 空间紧凑度模型

空间紧凑发展本质上是以实现土地集约利用、提高城市运营效率为目的的高质量发展模式，着重强调设施布局的均衡与可达、土地利用的复合与集聚以及空间扩张模式的连续与收敛，体现城市空间的临近性、聚合性与连接性综合作用结果 （图1）。因此，本研究认为，空间紧凑度可通过连接度、临近度和聚合度来综合测度，其中，连接度借鉴生态学中连接性理论，根据地理学中的城市边界维数，选取基于几何测度关系的圆形率法衡量城市建成区形态与同面积下理想形态的差距，反映建成区空间连接性和地块破碎化程度[21]。借鉴Angel的研究，临近度表达城市中心对周边地区的可达性，在单中心城市形态下，临近度升高可减小居住地到中央商务区的通勤距离；基于空间经济理论，聚合度衡量产业、公共服务设施及经济活动在一定地理空间范围内的集聚程度[21-22] （表1）。
图1 空间紧凑度内涵示意

Fig. 1 Diagram of the connotation of spatial compactness

表1 空间紧凑度指标汇总

Table 1 Spatial compactness index summary table

紧凑度指标 公式 来源 内涵 指标解释
临近度 $N = {{\overline R } \mathord{\left/ {\vphantom {{\overline R } {\overline {{L_P}} }}} \right. } {\overline {{L_P}} }}$ 参考文献[22] 临近可达性 $\overline R $表示建成区等面积圆随机点到中心点的距离；
$\overline {{L_P}} $表示建成区内居住点到商业中心平均距离
聚合度 $M = {{\overline L } \mathord{\left/ {\vphantom {{\overline L } {\overline {{L_C}} }}} \right. } {\overline {{L_C}} }}$ 参考文献[22] 设施集聚性 $\overline L $表示建成区等面积圆内随机点之间的平均距离；
$\overline {{L_C}} $表示各功能POI点之间的平均距离
连接度 $ J = {{{\text{2}}\sqrt {\pi A} } \mathord{\left/ {\vphantom {{{\text{2}}\sqrt {\pi A} } {{P_L}}}} \right. } {{P_L}}} $ 参考文献[21] 地块连接性 $A$表示建成区面积； ${P_L}$表示建成区周长
根据三者内涵，本研究利用耦合协调度方法建构综合指数模型来表征空间紧凑度：
$ \begin{split} &R=\sqrt[\leftroot{-1}\uproot{12}{{3}}]{\dfrac{N\times M\times J}{{\left(N+M+J\right)}^{3}}}=\dfrac{3\sqrt[3]{N\times M\times J}}{N+M+J}\\ &T={\lambda }_{1}N+{\lambda }_{2}M+{\lambda }_{3}J\\ &C=\sqrt{RT}\end{split} $
式中，C为空间紧凑度，R为耦合度，T为协调度，N、M和J分别对应临近度、聚合度和连接度，λ1、λ2和λ3分别对应空间紧凑度分指标权重。

1.2.2 城市形态结构模型

基于已有研究[23-24]，从用地形态、功能混合及城市密度3个层面来量化城市形态结构（表2）。用地形态采用Boyce-Clark形状指数方法，反映城市形状的一般特征[25]；功能混合度采用龙瀛等提出对香农指数的优化模型[26-27]，按照用地功能共分为16类，其数值介于0~16；城市密度采用单位建成区上的人口数量，表征土地空间强度。
表2 城市形态结构指标汇总

Table 2 Urban morphological structure indicators

形态结构指标 公式 来源 内涵 指标解释
用地形态 $F = \displaystyle\sum\limits_{i = 1}^{{n} } {\left| {\Bigg[\Bigg({ { {r_i} } \mathord{\left/ {\vphantom { { {r_i} } {\displaystyle\sum\limits_{i = 1}^n { {r_i} } } } } \right. } {\displaystyle\sum\limits_{i = 1}^n { {r_i} } } }\Bigg) \times 100\Bigg] - \dfrac{ {100} }{n} } \right|}$ 参考文献[25] 布局形态 ri是辐射点i的半径，表示图形优势点距外围辐射点的
长度，优势点可取中央商务点中心，n为
辐射半径个数，本研究取n=32
功能混合度 $D = {{\rm{e}}^{ - \sum\limits_{i = 1}^n { {P_i}\ln ({P_i})} } }$ 参考文献[26-27] 功能形态 Pi表示第i类土地类型的出现概率
城市密度 $S = {{{P_0}} \mathord{\left/ {\vphantom {{{P_0}} L}} \right. } L}$ / 强度形态 P0建成区人口规模，L表示建成区面积

1.2.3 多项式函数关系回归模型

空间紧凑度与城市形态结构的相关性存在多种线性可能性，而多项式函数关系模型比一般模型在检验是否存在多种可能性上更有优势。为准确判断两者的关联性特征，采用此模型中三次函数分析两者的曲线关系，若拟合效果不是最优，则选择降次后的二次或一次多项式。
$ C = \alpha {\text{ + }}{\lambda _{\text{1}}}x + {\lambda _2}{x^2} + {\lambda _3}{x^3} + \eta $
式中，C为空间紧凑度，x为城市形态结构的分指标，λ1、λ2和λ3分别表示一次项、二次项和三次项的系数，α为常数项，η为随机误差项。

1.2.4 时空地理加权回归模型

为进一步研究城市形态结构对空间紧凑度影响效应，引入时空地理加权回归模型[28]。公式如下：
$ {y}_{i}={\beta }_{0}({u}_{i},{v}_{i},{t}_{i})+{\displaystyle \displaystyle\sum _{k=1}^{p}{\beta }_{k}({u}_{i},{v}_{i},{t}_{i}){x}_{ik}+{\varepsilon }_{i}}\text{，}i=1,\mathrm{2} \cdots,n $
式中， $ {y}_{i} $为第i个样本点的被解释变量，n表示样本数量， $ \left({u}_{i},{v}_{i},{t}_{i}\right) $分别表示第i个样本点的x、y坐标和对应时间， $ {\beta }_{0}\left({u}_{i},{v}_{i},{t}_{i}\right) $为第i个样本点的常数项， $ {\beta }_{k}({u}_{i},{v}_{i},{t}_{i}) $为第k个解释变量在第i个样本点的回归系数，xik表示第i个样本点的第k个解释变量，p表示第i个样本点的解释变量个数，εi表示残差项。

2 结果与分析

2.1 空间紧凑度时空演变特征

从不同分区来看（图2），指数介于0.44~0.88，最大和最小的区分别为黄浦区和青浦区，前者是后者的2倍；由于空间规划渐进性及发展时序性，空间紧凑度呈现中心高、外围低的圈层递减式分布格局。2005年、2010年、2015年及2020年，中心城区空间紧凑度的平均值分别为0.66、0.66、0.67和0.68，处于高紧凑发展状态，但由于土地资源开发饱和，指数增幅较小。而随着上海多中心发展格局确立，外围城区对人口吸引力增强，空间紧凑度显著提升，但部分区如浦东新区因分散式发展，空间破碎化程度较高，空间紧凑度呈下降趋势。
图2 空间紧凑度分布格局与演化特征

Fig. 2 Spatial compactness distribution pattern and evolutionary characteristics

分阶段来看，2005—2010年，中心城区3类空间紧凑度均未发生明显变化。随着中心城区产业转移及整体交通体系不断完善，外围城区临近度和聚合度大幅提升，交通可达性及设施集聚性逐步增强，多中心结构初具雏形。与此同时，产业及人口规模增加也导致外围城区快速扩张，连接度显著下降，用地破碎化程度增高，尚未形成高协同性城市功能组团。2010—2015年，建设用地总量控制，开发模式从蛙跳式向填充式转变，外围城区连接度提高，空间扩张趋势得到缓解，内部组团逐渐成型，多中心格局初步形成。2015—2020年，随着国土空间规划编制展开以及五大新城空间发展格局确立，东西两翼逐渐发挥区域增长极作用，辐射性增强，外围城区3类紧凑度普遍提升，多中心城市格局完全形成（图3）。
图3 空间紧凑度分指标分布格局与演化特征

Fig. 3 Distribution patterns and evolutionary characteristics of spatial compactness sub-indicators

对比国内外城市，按照城市发展阶段与扩张方式，可分为快速扩张、资源集约与后工业内涵增长3种类型（表3）。与其他快速扩张型城市相比，上海土地扩展速度较慢而人口增速较快，发展模式更加紧凑集中；与资源集约型城市相比，后者受土地资源及环境约束，紧凑发展水平低于上海；与后工业化内涵增长型城市相比，后者人口密度较低且前期属于蔓延型增长，虽然后期城市中心复兴运动，在空间结构调整上更加关注城市环境质量，但蔓延增长格局短期难以改变。值得注意的是，中国城市化进程起步较晚，快速扩张型城市与后两类城市相比，城市空间扩张的同时有效促进了人口城市化，因此紧凑度提升速度较快。
表3 1990—2010空间紧凑度与城市形态结构的城市层面比较

Table 3 City-level comparison of spatial compactness and urban morphological structure in 1990—2010

指标 快速扩张型城市 资源集约型城市 后工业内涵增长型城市
上海 北京 广州 香港 东京 新加坡 纽约 伦敦 巴黎
　　注：1.以上数据由《Atlas of Urban Expansion—The 2016 Edition Volume 1: Areas and Densities》（http://www.atlasofurbanexpansion.org/data）文献整理所得；2.邻近度、聚合度、用地形态增长率均为1990—2010年均增长率。
建成区扩张速率/% 1.60 6.70 6.80 0.80 2.40 0.70 0.30 0.20 1.30
城市人口增加速率/% 3.50 5.20 5.10 0.50 0.80 2.30 0.20 1.10 0.80
开敞空间下降率/% 2.70 −1.50 0.90 0.60 0.40 1.20 0.20 0.50 0.60
邻近度 1990年 0.80 0.90 0.82 0.66 0.84 0.68 0.69 0.83 0.86
2000年 0.90 0.70 0.71 0.69 0.83 0.72 0.70 0.82 0.85
2010年 0.96 0.80 0.79 0.69 0.84 0.74 0.70 0.82 0.85
增长率/% 0.40 0.90 0.80 0.00 0.10 0.30 0.10 0.00 0.10
聚合度 1990年 0.79 0.89 0.80 0.65 0.83 0.69 0.67 0.80 0.84
2000年 0.90 0.69 0.69 0.68 0.81 0.72 0.69 0.79 0.82
2010年 0.95 0.77 0.77 0.68 0.82 0.75 0.69 0.79 0.83
增长率/% 0.40 0.80 0.70 −0.10 0.10 0.30 0.00 0.00 0.10
用地形态 1990年 竖矩形 圆形 星形 H形 圆形 横矩形 菱形 圆形 星形
2000年 正方形 横矩形 扁矩形 H形 菱形 横矩形 菱形 圆形 横矩形
2010年 圆形 H形 横矩形 H形 正方形 横矩形 菱形 圆形 横矩形

2.2 城市形态结构与空间紧凑度关联性分析

采用多项式函数关系模型对2005—2020年上海空间紧凑度和形态结构分指标进行拟合曲线分析，探究两者在时间序列上的变化逻辑，研究结果（图4）呈现3种情景。
图4 2005—2020年城市形态结构与空间紧凑度拟合曲线

Fig. 4 Fitting curve of urban morphological structure and spatial compactness from 2005 to 2020

情景1，城市密度与空间紧凑度呈现倒“U”型关系，拟合值R2为0.871 8，拐点值为3.61万人/km2，拐点前，城市处于外延式增长阶段，连接度、临近度及聚合度随城市密度提升而同步增长；拐点后，城市进入内涵式发展，城市密度的增长无法进一步提高空间紧凑度（图4a），反而会因为密度过高造成城市拥堵、环境质量下降等一系列城市问题，导致空间紧凑发展水平下降。如香港和新加坡等属于典型的高密度城市，但相比其他城市紧凑发展水平却较低（表3）。情景2，功能混合度增加能够有效提升城市空间利用效率、促进城市可持续发展[29]。空间紧凑度随功能混合度提高而持续升高，拟合值R2为0.720 9，两者呈正相关（图4b）。情景3，用地形态与空间紧凑度接近线性关系，拟合值R2为0.692 7，拐点值接近0.74（标准化后）。根据潘竟虎等人将用地形态按照数值大小分为圆形及正方形等模式[30]，结合城市扩张地图集中200余种城市形态[31]，发现在城市层面形态越趋于规则，如圆形或矩形，空间紧凑度就越高，如上海、伦敦和巴黎等城市（表3）。从分区层面，城市各区为扁矩形或H形等时，空间紧凑发展水平较高；为X形或星形等时，空间紧凑发展水平较低；与城市层面的结论基本一致（图4c）。

2.3 城市形态结构对空间紧凑度的影响效应分析

为进一步分析城市形态结构对空间紧凑度的影响效应，以后者为被解释变量，前者的分指标为解释变量，构建回归模型。

2.3.1 回归模型检验

首先利用普通最小二乘法（OLS）模型对研究数据进行检验，结果显示，解释变量方差膨胀因子（VIF）值均<7.5，没有表现出明显冗余性，不存在共线性问题；同时显著性检验P值均<0.05，模型结果显著（表4）；进一步地，P[Koenker（BP）]具有统计学上的显著性，则需要根据稳健概率蒙卡托检验和稳健回归P值来确定系数显著性，两者检验值均<0.05，说明改变参数时，模型结果仍然保持比较稳定一致的解释，通过了系数稳健性检验；同时联合F统计量和卡方统计量结果表明模型整体具有显著性，且P（Jarque-Bera）不显著，否定了模型可能出现片面性预测结果（表5）。通过上述检验，验证了回归模型建构的合理性，为下一步的研究提供了依据。
表4 回归模型检验结果

Table 4 Regression model test results

指标 VIF t P 稳健回归检验 稳健回归P值 稳健概率蒙卡托检验
　　注：S为城市密度，F为用地形态，D功能混合度；/为无此项。
常数项 / 9.555 0.000 10.767 0.000 0.000
S 4.283 4.631 0.000 3.598 0.000 0.000
D 4.193 3.372 0.001 3.102 0.003 0.000
F 1.090 −2.762 0.008 −5.590 0.001 0.000
表5 回归模型拟合优度结果比较

Table 5 Comparison of regression model goodness-of-fit results

指标 OLS TWR GWR MGWR GTWR
　　注：S为城市密度，F为用地形态，D功能混合度；P*<0.05,P**<0.01,P***<0.001 ；/为无此项。
常数项 0.417*** 0.440*** 0.665** 0.000* 0.438*
S 0.072*** 0.027* 0.087* 0.559*** 0.045*
D 0.044*** 0.509 0.063* 0.403*** 0.495*
F −0.001*** −0.137** −0.026** −0.168** −0.133**
R2 0.809 0.945 0.809 0.809 0.925
残差平方和（RSS） 0.284 0.084 0.284 11.446 0.114
赤池信息准则（ALC） / −140.837 78.869 / /
阿凯克信息准则（ALCc） −139.726 −175.136 −139.726 81.980 −75.284
联合F统计量 79.186 / / / /
联合卡方统计量 384.725 / / / /
P[Koenker (BP)] 0.010* / / / /
P(Jarque-Bera) 0.112 / / / /

2.3.2 回归结果及模型比较

OLS回归虽然可以在一定程度上反映空间紧凑度与形态结构的关系，但为了解决空间数据的非平稳性问题及验证回归结果的稳健性，本研究进一步尝试了时间加权 （TWR）、地理加权 （GWR）、多尺度地理加权 （MGWR）和时空地理加权回归模型（GTWR），并对拟合结果进行比较分析（表5）。各模型回归结果解释变量的正负影响、显著性和相对大小基本保持一致，验证了结果的稳健性，其中，城市密度和功能混合度对空间紧凑发展表现出正向效应，用地形态为负向效应，原因在于适度的城市密度提升能够促使单位土地利用更加高效，增加城市活力[32]；而功能混合度的提升，一方面能够有效提升单位土地经济价值，另一方面可以提供更多地就业机会，进一步提升城市密度；同时形态越规则的城市，地理距离上的可达性往往越高，设施的服务半径重叠范围也越大，促使城市内部单元间的联系更加紧密。
从多个模型回归结果中择选阿凯克信息准则（AICc）指标和拟合优度（R2）指标比较不同模型的拟合优劣，R2值越大、AICc值越小，表示模型越具有优势。结果显示，AICc(GTWR) < AICc(MGWR) < AICc(OLS） = AICc (GWR) < AICc (TWR)、R2 (MGWR)<RGWR)=R2 (OLS) < RGTWR) < R2 (TWR)，通过比较，GTWR表现出更好的拟合结果，因此，本研究下文的分析将基于该模型结果展开。

2.3.3 GTWR模型结果分析

根据GTWR结果，该模型的整体解释能力为92.5%，在其他解释变量保持不变的情况下，1%的用地形态、城市密度或功能混合度变化将分别引起0.13%、0.05%和0.50%的空间紧凑度改变，功能混合度相较其他两类要素的影响效应更为显著。进一步可视化模型残差分区分布情况，并对其进行空间自相关分析（图5a-d，表6），结果显示，模型残差的空间自相关值在−0.05~0.22，且均不显著，表明不存在空间依赖性，该模型有效解决了空间异质性问题，验证了选用该模型的合理性。
图5 城市形态结构分类指数回归系数与残差时空演化特征

Fig. 5 Regression coefficients and spatiotemporal evolution characteristics of urban morphological structure classification index

表6 残差空间自相关值

Table 6 Residual spatial autocorrelation values

残差空间自相关 2005年 2010年 2015年 2020年
Moran's I指数 −0.051 0.193 0.158 0.221
预期指数 −0.071 −0.071 −0.071 −0.071
方差 0.029 0.025 0.019 0.025
Z得分 0.117 1.656 1.676 2.469
P 0.907 0.098 0.094 0.054
对城市形态结构分指标的回归系数进行可视化，结果如图5e-p所示。整体而言，从系数绝对值的平均值大小来看，影响程度从高到低排序为：城市密度、用地形态和功能混合度。从影响效应来看，功能混合度上升对空间紧凑度提升存在正向效应，且影响程度在不断增强，而且作用于中心城区比外围城区的效应更加显著，这是由于功能混合度提升会带来空间上的集聚效应，且中心城区因服务设施完善、产业基础好，要素集聚能力要优于外围城区。用地形态和城市密度在空间格局上产生了差异性影响，前者在外围城区中对空间紧凑发展普遍产生负向作用，而在中心城区中产生正向作用，且随着交通及各类设施不断完善，影响作用在不断减弱；后者在中心和外围城区产生了与前者相反的影响效应。表明中心城区人口密度越过适宜拐点，土地开发强度过于饱和，无法进行有效的用地形态调整，导致内部运行效率下降，而外围城区人口吸引力不足且用地形态较不规则，阻碍了空间紧凑度提升。
分区来看，中心城区中，徐汇、长宁和闵行等区因形态多为竖矩形且受限于土地资源而无法进行有效调整，其用地形态指数对空间紧凑度正向影响最高，前者每提升1%会促使后者升高0.4%；杨浦、虹口等区由于人口密度过高而配套服务设施不足，城市密度对空间紧凑度产生的负向效应与功能混合度的正向效应最为显著；外围城区中，尤以浦东、奉贤和金山等区因发展早期蔓延式扩张模式，用地形态与空间紧凑度负相关性最大，前者每提升1%会导致紧凑度下降0.1%；松江和宝山等区由于建成区紧邻中心城区而相对缺乏产业支撑及服务设施吸引力，功能混合度提升对空间紧凑发展影响最为显著，前者每提升1%会促使后者提升0.3%；青浦、奉贤和金山等区由于距离中心城区较远，人口吸引力不足，城市密度提升对空间紧凑发展非常重要。

3 结论及建议

3.1 结论

通过实证分析城市形态结构与空间紧凑度的特征、关联性及前者对后者的影响效应，得到结论如下：
1）城市空间紧凑度总体上呈现中心高外围低的圈层式分布格局。中心城区空间紧凑度较高且趋于稳定，外围城区空间紧凑度低但增速较快。在分指标上存在显著差异性，中心城区聚合度与连接度保持稳定，临近度略有下降；外围城区聚合度与临近度在快速提升，部分区的连接度呈下降趋势。在总体紧凑发展水平保持稳定的情况下，仍然存在局部优化空间来适应未来城市发展需求。
2）功能、强度和形态要素与空间紧凑度之间的关系存在差异性。空间紧凑度随土地功能混合度升高不断提升；而城市密度与之存在倒“U”型关系，存在适度密度拐点，超过拐点，密度提升会导致空间紧凑度降低；用地形态与之存在近线性关系，趋于规则的城市用地形态更有利于空间紧凑发展，理想的或者可持续的城市用地形态是否存在尚无定论，但城市发展应更多地“向里看”，建设空间发展紧凑高效的，以及多样化、公交引导的包容性多中心城市更加适应当前发展需求。
3）影响效应上，城市密度和功能混合度均会对空间紧凑发展产生促进作用，且前者作用效果更显著，但用地形态表现出抑制作用，其中，外围城区形态结构三类要素对空间紧凑度的影响效应与整体结果相符，然而中心城区城市密度对空间紧凑度提升普遍存在负向效应，用地形态表现出显著正向效应，与整体结果的影响效应恰好相反。

3.2 政策建议及讨论

根据以上结论，通过优化城市形态结构，提升空间紧凑发展水平的建议如下：
1）需要进一步通过国土空间规划控制指标，强化城市形态、功能和强度的控制，来提升空间紧凑发展水平。具体可根据城市内部不同分区特点，在用地形态、三区三线划定以及发展模式上体现差异化；通过公共服务设施、产业与居住区的合理布局以及资源环境承载力核算人口规模等方法合理确定城市密度；考虑用地单元功能规划的弹性可控与协同互补，综合提升城市单元土地功能混合度。
2）城市中心城区是人口高度聚集区域，城市密度提升存在临界值，当超过最优规模会因边际成本效应导致不经济[33]，需要通过城市更新引导和城郊产业互动来推动中心城区非核心功能疏解，合理控制人口密度。在规划引导上，一方面积极探索和构建城乡融合发展规划体系，推动城郊要素联动和人口转移，通过城市更新和土地置换提高经济密度和地块功能多样性；另一方面，采用更加集约高效的用地开发模式，对各类设施开发的实施时序和实施方式进行统筹安排，多样化配置公共服务设施，促进各类设施的均衡化、高效化和低碳化。
3）外围城区需要通过规划及政策引导关注建成区空间连续性、设施集聚性和通勤可达性。一方面通过用地布局、产业集聚及结构优化，保障区域公共服务设施配置高效，提高土地功能的多样性及复合性，吸引人口集聚、提升城市活力，逐步强化外围城区核心功能增长极作用。另一方面需要关注重点设施的空间布局，统筹安排各类设施的均衡化配置，优化公共服务设施的可达性，强化内部各节点之间的连接性；对于远郊区存在着土地破碎化、蛙跳式等问题，在满足一定比例的城市开敞空间下，鼓励通过有机更新或局部改造的方式，避免开发用地的“碎片化”问题。
以上结论及建议对中国城市现阶段有针对性的通过规划及政策引导，推动高质量紧凑发展，达到国际先进水平具有参考意义。需要指出的是，受数据可得性限制，城市层面的对比数据是由城市扩张地图集整理所得，本研究聚焦于分区尺度的影响效应分析，仅选取了上海15个区作为回归分析对象，而对于城市尺度或区域尺度的影响是否存在差异及产生差异的作用机理都有待于进一步的分析与验证。此外，上海属于超大型城市类型，对于其他等级类型城市内部分区的差异性影响机制进行比较分析将会更加有意义。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Bussiere R. The spatial distribution of urban populations[M]. Paris: Centre de Recherched' Urbanisme, 1970.

[2]
Dantzing G B, Saaty T L. Compact city: A plan for a liveable urban environment[J]. Contemporary Sociology, 1975, 4(4) 447

[3]
Newman P, Kenworthy J R. The transport energy trade-off: Fuel-efficient traffic versus fuel-efficient cities[J]. Transportation Research Part A General, 1988, 22(3) 163-174.

DOI

[4]
Commission of the European Communities. Green paper on the urban environment[R/OL]. http://aei.pitt.edu/1205/,1990-06-27.

[5]
Morrison N. The compact city: Theory versus practice—The case of cambridge[J]. Netherlands Journal of Housing and the Built Environment, 1998, 13(2) 157-179.

DOI

[6]
仇保兴. 紧凑度与多样性(2.0版): 中国城市可持续发展的两大核心要素[J]. 城市发展研究, 2012, 19(11) 1-12.

Qiu Baoxing. Compactness and diversity (Version 2.0): Two core elements of sustainable urban development in China[J]. Urban Studies, 2012, 19(11) 1-12.

DOI

[7]
马强, 徐循初. "精明增长"策略与中国的城市空间扩展[J]. 城市规划学刊, 2004, 151(3) 16-22.

Ma Qiang, Xu Xunchu. Smart growth policy and urban spatial expansion in China[J]. Urban Planning Forum, 2004, 151(3) 16-22.

[8]
方创琳, 祁巍锋. 紧凑城市理念与测度研究进展及思考[J]. 城市规划学刊, 2007(4) 65-73.

DOI

Fang Chuanglin, Qi Weifeng. Research progress and thinking of compact city and its measurement methods[J]. Urban Planning Forum, 2007(4) 65-73.

DOI

[9]
Cole J P. Study of major and minor civil divisions in political geography[C]. The 20th international geographical congress, Mimeographed, 1964.

[10]
林炳耀. 城市空间形态的计量方法及其评价[J]. 城市规划汇刊, 1998(3) 42-45+65.

Lin Bingyao. The calculation method of urban spatial form and its evaluation[J]. Urban Planning Forum, 1998(3) 42-45+65.

[11]
Burton, Elizabeth. Measuring urban compactness in UK towns and cities[J]. Planning and Design, 2016, 29(2) 219-250.

DOI

[12]
陈涛, 张越. 城市紧凑度对经济活力的影响机制——基于中国直辖市、省会城市的实证分析[J]. 城市问题, 2021(6) 34-42.

Chen Tao, Zhang Yue. A study on the mechanism of urban compactness on economic vitality: Based on the empirical analysis of direct-administered municipalities and provincial capitals in China[J]. Urban Problems, 2021(6) 34-42.

[13]
杨浩, 卢新海, 匡兵, 等. 城市紧凑度与碳排放强度的时空互动关系及驱动因素——以长株潭城市群为例[J]. 长江流域资源与环境, 2021, 30(11) 2618-2629.

Yang Hao, Lu Xinhai, Kuang Bing et al. Spatial-temoral interaction and driving factors of urban compactness and carbon emission intensity: A case study in Changsha-Zhuzhou-Xiangtan Urban Agglomeration[J]. Resources and Environment in The Yangtze Basin, 2021, 30(11) 2618-2629.

[14]
Saniroychansyah M, Farmawati A, Anindyah D S et al. Urban compactness effects on the distributions of healthy houses in Yogyakarta city[J]. Procedia-Social and Behavioral Sciences, 2016, 227: 168-173.

DOI

[15]
周春山, 叶昌东. 中国特大城市空间增长特征及其原因分析[J]. 地理学报, 2013, 68(6) 728-738.

Zhou Chunshan, Ye Changdong. Features and causes of urban spatial growth in Chinese metropolises[J]. Acta Geographica Sinica, 2013, 68(6) 728-738.

[16]
曹小曙, 梁斐雯, 陈慧灵. 特大城市空间形态差异对交通网络效率的影响[J]. 地理科学, 2019, 39(1) 41-51.

DOI

Cao Xiaoshu, Liang Feiwen, Chen Huiling. Influence of different spatial forms for metropolitans on transportation network efficiency[J]. Scientia Geographica Sinica, 2019, 39(1) 41-51.

DOI

[17]
Angel S. 城市星球[M]. 贺灿飞,等译. 北京: 科学出版社, 2015.

Angel S. Planet of cities. Translated by He Canfei et al. Beijing: Science Press, 2015.

[18]
蓝婷, 唐立娜, 徐智邦, 等. 基于Web of Science的城市空间紧凑度研究知识图谱分析[J]. 生态学报, 2022, 42(4) 1-11.

Lan Ting, Tang Lina, Xu Zhibang et al. Knowledge mapping analysis of urban compactness based on Web of Science[J]. Acta Ecologica Sinica, 2022, 42(4) 1-11.

[19]
Angel S, Jason P, Daniel L D. Ten compactness properties of circles: Measuring shape in geography[J]. Canadian Geographer, 2010, 54(4) 441-461.

DOI

[20]
沈清基, 徐溯源. 城市多样性与紧凑性: 状态表征及关系辨析[J]. 城市规划, 2009, 33(10) 25-34.

DOI

Shen Qingji, Xu Shuoyuan. Urban diversity and compactness: Characterization and relationship[J]. City Planning Review, 2009, 33(10) 25-34.

DOI

[21]
Richardson H. The economics of urban size[M]. Lexington: Lexington Books, 1973.

[22]
Angel S, Franco S A, Liu Y et al. The shape compactness of urban footprints[J]. Progress in Planning, 2018, 139: 100429

DOI

[23]
Huang J, X Lu X, M Sellers J. A global comparative analysis of urban form: Applying spatial metrics and remote sensing[J]. Landscape & Urban Planning, 2007, 82(4) 184-197.

[24]
贾梦圆, 刘晓阳, 陈天, 等. 中国地级及以上城市紧凑度测度[J]. 城市问题, 2019(11) 4-12.

Jia Mengyuan, Liu Xiaoyang, Chen Tian et al. Assessment of urban compactness in prefectural and above level cities of China[J]. Urban Problem, 2019(11) 4-12.

[25]
Boyce R R, Clark W A V. The concept of shape in geography[J]. The Geographical Review, 1964, 54: 561-572.

DOI

[26]
Soto V, Frias-Martinez V, Virseda J et al. Prediction of socioeconomic levels using cell phone records[C]// Girona, Spain: Proceedings of the 19th International Conference on User Modeling, Adaption, and Personalization, 2011: 377-388.

[27]
龙瀛, 茅明睿, 毛其智, 等. 大数据时代的精细化城市模拟: 方法、数据和案例[J]. 人文地理, 2014, 29(3) 7-13.

Long Ying, Mao Mingrui, Mao Qizhi et al. Fine-scale urban modeling and its opportunities in the "Big Data" era: Methods, data and empirical studies[J]. Human Geography, 2014, 29(3) 7-13.

[28]
Huang B, Wu B, Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science, 2010, 24(4) 383-401.

DOI

[29]
赵广英, 宋聚生. 城市用地功能混合测度的方法改进[J]. 城市规划学刊, 2022(1) 51-58.

Zhao Guangying, Song Jusheng. Improving the measurement of urban land-use mix[J]. Urban Planning Forum, 2022(1) 51-58.

[30]
潘竟虎, 戴维丽. 1990—2010年中国主要城市空间形态变化特征[J]. 经济地理, 2015, 35(1) 44-52.

Pan Jinghu, Dai Weili. Spatial-temporal characteristics in urban morphology of majior cities in China during 1990—2010[J]. Economic Geography, 2015, 35(1) 44-52.

[31]
Angel S, Parent J, Civco D L et al. Atlas of urban expansion—2016 edition, volume 1: Areas and densities[M]. New York: New York University, 2016.

[32]
Feng L A, Xg A, Hd A et al. How do population inflow and social infrastructure affect urban vitality? Evidence from 35 large- and medium-sized cities in China—ScienceDirect[J]. Cities, 2020, 100: 102454

DOI

[33]
Pakz M Z, Ik M. Rethinking urban density, vitality and healthy environment in the post-pandemic city: The case of Istanbul[J]. Cities, 2022, 124: 103598

DOI

Options
文章导航

/

〈 〉