地理科学 2017 , 37 (10): 1459-1468 https://doi.org/10.13249/j.cnki.sgs.2017.10.002

Orginal Article

徐州都市圈产业结构转型城镇空间响应的时空异质性

仇方道, 金娜, 袁荷, 单勇兵, 白亮宇

江苏师范大学地理测绘与城乡规划学院,江苏徐州 221116

Spatio-temporal Difference of Influencing Factors and Strength of Urban Space Response to the Transition of Industrial Structure in Xuzhou Metropolitan Area

Qiu Fangdao, Jin Na, Yuan He, Shan Yongbing, Bai Liangyu

School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, Jiangsu, China

中图分类号: TU984

文献标识码: A

文章编号: 1000-0690（2017）10-1459-10

收稿日期: 2016-12-11

修回日期: 2017-03-5

网络出版日期: 2017-10-20

基金资助: 国家自然科学基金项目（41371146、41671123、41671122）资助

作者简介:

作者简介：仇方道（1970-）,男,江苏徐州人,教授,博士,主要从事经济地理与区域可持续发展研究。E-mail:qiufangdao@163.com

展开

摘要

整合ESDA和GWR 模型,以徐州都市圈为例,分析了2005~2014年成长型都市圈产业结构转型城镇空间响应强度及其影响因素的时空异质性特征,发现：① 研究期内徐州都市圈产业结构转型城镇空间响应程度不断增强,同期各县域间差异呈持续增大趋势;② 徐州都市圈产业结构转型城镇空间响应强度差异格局的多尺度性特征显著。城乡尺度上,呈现以地级市市区为中心向外围降低的圈层式区域格局;省际边界区域尺度上,呈现向鲁南>皖北>苏北>豫东的区域格局演变趋势;③ 强响应县域主要向京沪铁路沿线地区集聚,城镇空间扩展轴线正在形成。弱响应县域在皖苏、豫皖边界地区集中,形成了产业结构转型城镇空间响应强度较低走廊;④ HH型县域主要集中于地级市市区及其周围地区,LL型县域在豫皖苏边界区域的黄河故道沿线地区集聚,表明南北差异正成为徐州都市圈产业结构转型城镇空间响应强度关联性差异的主要表征;⑤ 徐州都市圈产业结构转型城镇空间响应的主要影响因素作用程度呈现对外开放>经济水平>创新能力>政府调控能力的特征,且空间不均衡性显著。

关键词： 产业结构转型 ; 城镇空间响应强度 ; 时空异质性 ; 徐州都市圈

Abstract

using the methods of Exploratory Spatial Data Analysis (ESDA) and Geographical weighted regression model (GWR), the article analyzes the spatial-temporal characteristics of urban space response to industrial structure transformation and its influencing factors of Xuzhou metropolitan area, a growing metropolitan, from 2005 to 2014. There are five main findings: First, the strength of urban space response to industrial structure transformation showed an upward trend in Xuzhou metropolitan area, and the difference among the various counties increased continuously at the same time. Second, The difference pattern of the strength of urban space response to industrial structure transformation in Xuzhou metropolitan area had significant multi-scale characteristics. In urban and rural scale, it showed a circle distribution pattern which gradually reduced from the center of prefecture-level city to the surrounding country; in inter-provincial border region scale, South Shandong had the highest urban space response, followed by North Anhui, North Jiangsu and East Henan. Third, The counties with high urban space response mainly distributed along the Beijing-Shanghai Railway (Xuzhou-Jining), and urban space expansion axis was forming. The low urban space response area mainly agglomerated in the border between Anhui and Jiangsu, Henan and Anhui. Fourth, the H-H counties mainly distributed in the center of prefecture-level city and its surrounding area, and the L-L counties mainly located in the old course of Yellow River area through the North Jiangsu, East Henan and North Anhui, which showed that the difference between the South and the North of Xuzhou metropolitan area are becoming the main characteristics of urban space response level to industrial structure transformation. Finally, we found that the level of opening had the greatest effects on urban space response, followed by economic development, innovation ability and government management; furthermore, the spatial imbalance was significant.

Keywords： industrial structure transformation ; strength of urban space response ; spatio-temporal difference ; Xuzhou metropolitan area

PDF (693KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

仇方道, 金娜, 袁荷, 单勇兵, 白亮宇. 徐州都市圈产业结构转型城镇空间响应的时空异质性[J]. 地理科学, 2017, 37(10): 1459-1468 https://doi.org/10.13249/j.cnki.sgs.2017.10.002

Qiu Fangdao, Jin Na, Yuan He, Shan Yongbing, Bai Liangyu. Spatio-temporal Difference of Influencing Factors and Strength of Urban Space Response to the Transition of Industrial Structure in Xuzhou Metropolitan Area[J]. Scientia Geographica Sinica, 2017, 37(10): 1459-1468 https://doi.org/10.13249/j.cnki.sgs.2017.10.002

随着中国工业化和城镇化进程的快速推进,产业结构与城镇空间相互作用关系研究日益成为经济地理学关注的热点问题^[1~3]。产业结构转型能够推动城镇空间扩展及空间形态的演变,是城镇空间结构演化的动力^[3,4]。城镇的发展促使不同城镇之间的联系更加紧密,逐步形成以大城市为核心,由不同规模、职能的城镇组成的都市圈。近年来,都市圈作为中国新型城镇化发展的主要地域组织形式日益受到重视,但中国的都市圈多处于经济增长速度快、产业结构变化快、空间形态变化快、城镇化进程快的成长阶段,而产业结构升级及空间重组不仅驱动都市圈空间结构与形态变化,而且是都市圈内城市间相互作用的主要表征^[5]。因此,探讨成长型都市圈产业结构转型的城镇空间响应格局及驱动机制,有利于促进都市圈合理分工格局形成及协同发展,也是当前学术界关注的重要领域。目前,国内外有关产业结构与城镇化发展的研究,主要体现在以下方面：关于工业化对城镇化的影响。工业化是城镇化发展的动力,但不同时期不同产业对城镇化的作用不同。在工业化初期和中期,工业化的聚集效应对城镇化的发展有带动拉升作用,而到了工业化后期,第三产业则成为城镇化发展的主要动力^[6~8]。此外,还有学者从协调发展、互动机理视角探讨了工业化与城镇化的关系^[9,10]。关于产业结构对城镇化的影响。产业结构转型升级引起产业、人口、资金等要素的重新配置,致使城镇地域形态发生变化^[11,12],现代工业和现代服务业主要分布在城镇化成熟地区^[13],由此推动城镇化水平提高。关于产业结构演变的城镇化响应。主要是通过构建产业结构演变的城镇化响应测度模型,定量研究区域产业结构演变的城镇化响应强度的时空格局、地域类型、空间效应及驱动机理^[14,15]。关于产业结构与城镇空间结构关系。产业结构转型与空间结构演变之间具有密切的内在关联关系,产业结构转型重组有利于城镇空间要素布局优化,而城镇空间结构优化能显著提高城镇运营效率和现代化水平^[3,16]。在产业结构对城镇空间影响方面,产业集聚为城镇化扩展了地理空间,降低了城镇化成本,并有效地实现了城镇规模的扩张^[17]。并以珠三角城镇群为例,探讨了城镇群产业结构演变的城镇空间响应强度时空差异、地域类型^[18]。在产业发展对城镇空间影响机制方面,随着产业分工合作的进一步加强,城市间的产业分工合作更趋于合理,促进不同城市体系之间相互融合,进一步扩大了区域的空间范围,形成了“巨型城市”,即都市圈、都市连绵区^[19]。Kunzmann^[20]等从城镇等级体系和城镇功能入手,认为企业的生产地域分工是导致城镇空间职能转变的决定性因素。综合来看,当前有关研究多是重视产业结构演变城镇化响应程度,忽视影响机制的探讨;重视国家、省域、城市等不同尺度的研究,而基于都市圈（城市群）特别是成长型都市圈的研究成果尚不多见。因此,以徐州都市圈为案例,采用空间自相关和地理加权回归等方法,研究成长型都市圈产业结构转型城镇空间响应的时空异质性特征,并揭示其影响因素,试图为成长型都市圈特别是徐州都市圈产业结构转型与城镇空间协同发展决策提供科学依据。

1 研究区概况

徐州都市圈地处苏鲁豫皖4省接壤区域,是《全国国土规划纲要》所确定的重点开发区域——东陇海地区的组成核心,也是“一带一路”上重要节点区域,包括徐州、连云港、宿迁、淮北、宿州、枣庄、济宁、商丘8市,除连云港、商丘外,其余6市均为《全国资源型城市可持续发展规划》所界定的资源型城市。2014年,该都市圈面积66 540 km²,人口5 115.26万人,GDP18 211.82亿元,分别占全国的0.69%、3.74%和2.83%。2005~2014年三次产业产值比例由18.80:49.25:31.95调整为12.59:48.52:38.89,城镇化率由30.33%增长至44.61%;城镇建设用地面积由1 232.20 km²增加到2 050.28 km²,年均增长率为5.82%,表明产业结构非农化转型是依赖于城镇空间拓展来支撑的。近年来,伴随着资源型产业的衰退,产业系统的脆弱性增强,由此导致城镇空间要素配置的急剧改变。本研究通过探讨徐州都市圈产业结构转型城镇空间响应强度的区域异质性规律及其影响因素,揭示中国成长型都市圈产业结构转型与城镇空间演变的互动规律,有助于推动产业结构转型与城镇空间协同发展。

2 研究方法

2.1 产业结构转型城镇空间响应强度测度模型

区域产业结构转型城镇空间响应是指区域产业结构转型所引起的城镇空间规模、形态、结构、效率等要素发生改变的过程,体现了城镇空间对产业结构转型响应与适应程度,可以采用“产业结构转型的城镇空间响应指数”来衡量。关于城镇空间与产业结构转型衡量指标的选取学术界尚未取得一致意见,不少研究成果强调应该通过构建综合评价指标体系进行测度,但实际工作中操作性不强。本研究认为土地城镇化率是城镇建设用地与区域土地总面积的比值,是都市圈城镇空间总体状况的集中体现;产业非农化率是第二、三产业等非农产业产值占地区生产总值的比例,反映都市圈产业结构转型升级状况。二者的发展变化具有关联性,作为衡量区域产业结构与城镇空间发展状况的主要指标已得到广泛应用。基于此,并借鉴相关研究成果^[15,18],本研究构建出区域产业结构转型城镇空间响应指数（RI）度量模型,计算公式为：

$\begin{matrix} RI = (UC / L \frac{)}{(} NI / G) \end{matrix}$ （1）

式中,RI 值增大,表示城镇空间对产业结构转型的响应强度增大,亦即城镇空间扩展快于产业结构转型,反之,表示响应强度减弱;UC为i区域城镇建设用地;L 为i区域土地总面积;NI为i区域非农产业产值,为第二产业和第三产业产值之和;G为i区域地区生产总值。

2.2 空间自相关分析

探索性空间数据分析(ESDA)是一种以揭示空间单元之间的空间关联作用机制为核心的空间数据分析方法与技术的集合,包括全局空间自相关和局部空间自相关^[21]。全局空间自相关是指在确立研究区内各研究单元的空间权重后,运用Moran’s I指数测度研究区域内地区之间的整体相关性,意在说明研究区域是否存在显著的空间自相关程度^[22],全局Moran’s I 指数取值范围在[-1,1]之间,正值表示徐州都市圈产业结构转型城镇空间响应程度较强(或较弱) 的区域单元在空间上呈显著集聚状态;负值则表明区域产业结构转型城镇空间响应强度与其周边区域具有显著的空间异质性;如果等于0,表示徐州都市圈不同研究单元的产业结构转型城镇空间响应强度不存在空间关联性。局部空间自相关从更加细致的视角,衡量研究区域内某一具体空间单元与其相邻空间单元相关变量的关联程度及显著性的方法,并结合局部Moran’s I散点图或集聚图等形式揭示空间异质性规律。局部Moran’s I 指数为正值时,说明存在局部空间正相关关系,具有相似值的变量发生空间聚集;局部Moran’s I 指数为负值时,说明存在局部空间负相关关系,集聚发生在不相似值之间^[23]。受篇幅所限,具体计算公式见文献^[24]。

2.3 地理加权回归模型

地理加权回归模型主要基于不同地理位置上的因素变量存在异质性的思想,在进行影响因素分析时,将研究区每个观测对象带入回归参数里,并将邻近观测数据的子样本数据进行局部回归分析,从而不仅可以更好地反映出研究变量在空间上存在依赖性,而且能展现空间分异规律^[23,25]。

徐州都市圈各个空间单元之间经济水平、资源禀赋、产业结构层次、城镇发展水平差异较大,因此本研究采用GWR 构建都市圈产业结构转型城镇空间响应驱动因素空间差异回归模型,揭示不同因素对于不同空间单元的差异化影响规律,为因地制宜促进徐州都市圈产业结构与城镇空间协同发展提供决策依据,计算公式为^[26]：

$\begin{matrix} Y_{i} = β_{0} (κ_{i}, η_{i}) + \overset{n}{\sum_{q = 1}} β_{q} (κ_{i}, η_{i}) x_{iq} + ε_{i} \end{matrix}$ （2）

式中,Y_i为第 $\begin{matrix} i \end{matrix}$ 空间单元的产业结构转型城镇空间响应指数; $\begin{matrix} (κ_{i}, η_{i}) \end{matrix}$ 是空间单元i的地理坐标; $\begin{matrix} β_{0} (κ_{i}, η_{i}) \end{matrix}$ 空间单元i的回归方程常数项; $\begin{matrix} β_{q} (κ_{i}, η_{i}) \end{matrix}$ 为空间单元i的第q个影响因素变量的回归系数,x_iq为空间单元i的第q个影响因素变量; $\begin{matrix} ε_{i} \end{matrix}$ 为残差项。本研究采用GWR模型开展产业结构转型城镇空间响应影响因素研究的主要思路为：首先对各空间单元产业结构转型城镇空间响应强度的差异特征进行检验,以消除基础数据的空间不稳定性;其次是选择Adaptive 核函数,该函数构建的最关键问题是最优带宽的确定。采用赤池信息准则（AIC）加以确定。最后构建徐州都市圈产业结构转型城镇空间响应强度的GWR模型进行模拟。运用地理加权回归模型研究徐州都市圈产业结构转型城镇空间响应强度区域差异的驱动因子,可以将数据的空间特性纳入模型中,更加客观准确地揭示数据的空间非平稳性^[27,28]。

3 数据来源与影响因素指标说明

3.1 数据来源

本研究以县域为研究单元,包括县、县级市、地级市市区,依据2014年行政区划,共包括41个县域;研究时段为2005~2014年。涉及到数据主要来源于2005~2015年的徐州都市圈所属各市的统计年鉴,以及江苏、山东、河南、安徽4省统计年鉴^[29~32]和城市建设统计年报,还有相应年份的《中国城市统计年鉴》^[33]等。研究中城镇空间规模以城镇建设用地为表征指标。

3.2 影响因素指标说明

为深入研究各影响因素对产业结构转型城镇空间响应强度影响的差异性,在相关研究^[15]的基础上,综合考虑徐州都市圈的实际情况,本研究选取经济水平、对外开放、政府调控、投资强度、创新能力、产业结构层次、人口等诸多影响指标,但经过GWR模型的检验,剔除共线性高的指标,保留经济水平、对外开放、政府调控、创新能力4个指标作为自变量,依次测度这4个因素,对徐州都市圈产业结构转型城镇空间响应强度影响作用的异质性特征。具体指标说明如下：① 经济水平。区域经济水平决定了其发展阶段,进而决定了产业结构层次以及城镇空间演化快慢,因此,经济水平也就左右着产业结构转型城镇空间响应程度。故具体指标选为人均地区生产总值（元/人）;② 对外开放。对外开放程度反映了区域产业结构转型和城镇空间拓展可以从外部获取各种要素资源的能力,这种外部的支持能力可以加速区域产业结构转型和城镇化发展,具体指标以人均实际利用外资（美元/人）表示;③ 政府调控能力。政府投资政策对区域产业结构转型及城镇发展起着引导作用,而政府调控能力的强弱主要通过政府财政支出的投资方向来反映,因此,本研究以人均地方财政支出（元/人）作为具体指标;④ 创新能力。近年来,创新能力的不断提升是徐州都市圈产业结构转型升级和城镇建设的持续动力。考虑到数据的可得性,本研究以人均科技支出（元/人）来表示。

4 产业结构转型城镇空间响应强度的异质性特征

4.1 时间演变特征

2005年以来,徐州都市圈产业结构转型城镇空间响应呈增强趋势,产业结构转型城镇空间响应指数由0.023提高到0.035,增幅达52.17%。主要是由于该都市圈土地城镇化率由1.86%增大到3.13%,增幅达67.91%,远高于产业非农化率增幅（8.69%）,显示出城镇空间扩展快于产业非农化转型（图1）,也进一步说明徐州都市圈城镇空间对产业结构转型的响应作用在不断增强,城镇空间快速扩张有可能造成空间的粗放式利用,因此,促进该都市圈城镇空间与产业结构协同发展应引起有关部门的关注。

显示原图| 下载原图ZIP| 生成PPT

图1 2005~2014年徐州都市圈产业结构转型城镇空间响应指数变化

Fig. 1 Variation of the coefficient of urban space response to the industrial structure transformation in Xuzhou Metropolitan Area from 2005 to 2014

4.2 区域差异特征

4.2.1 总体差异呈持续拉大之势

图2显示,2005~2014年以标准差测度的徐州都市圈产业结构转型城镇空间响应强度的绝对差异呈逐年拉大趋势,而以变差系数测度的相对差异呈波动性扩大趋势。而从各县域产业结构转型城镇空间响应指数的频率密度分配曲线看,偏态系数C>0,表明其区域差异呈正偏态分布,且近年来有向正态分布趋近之势。从空间集聚态势看,2005~2014年徐州都市圈产业结构转型城镇空间响应指数的Moran’I指数由-0.087演变为-0.029,说明该都市圈不同县域单元之间产业结构转型城镇空间响应指数趋于分散化。

显示原图| 下载原图ZIP| 生成PPT

图2 2005~2014年徐州都市圈产业结构转型城镇空间响应指数区域差异

Fig. 2 Regional difference of coefficients of urban space response to the industrial structure transformation in Xuzhou Metropolitan Area from 2005 to 2014

4.2.2 强响应县域扩展轴线正在形成

图3可知,2005年产业结构转型城镇空间响应指数高于研究区平均值的县域有8个,主要分布于京沪铁路（徐州-济宁段）沿线地区,到2014年增加到12个,占该类县域的比例由53.33%上升到80.0%,可见,京沪铁路沿线地区已成为城镇空间对产业结构转型的强响应地区。值得注意的是东陇海铁路（徐州-商丘段）沿线该类县域个数由2005年的6个减少到2014年的4个,表明该沿线地区产业结构转型对城镇空间扩展的影响在减弱,促进产业结构转型与城镇空间协同发展是推进东陇海地区崛起的必然选择,也是打造“一带一路”重要节点区域的战略举措。

显示原图| 下载原图ZIP| 生成PPT

图3 2005~2014年徐州都市圈产业结构转型城镇空间响应程度的区域差异演变

Fig.3 Regional differentiation change of coefficients of urban space response to the industrial structure transformation in Xuzhou Metropolitan Area from 2005 to 2014

4.2.3 弱响应县域空间集聚范围呈扩大趋势

2005~2014年产业结构转型城镇空间响应指数低于徐州都市圈平均值的县域有19个分布在东陇海铁路沿线及以南地区,2014年增加到20个（图3）,尤其是低于研究区平均值50%及以上县域个数由12个增加到14个,在皖苏边界、豫皖边界地区形成了该类县域的高度集中区,而且越接近省际边界地区,分布越集中,需要制定更加精准的区域政策促进该类地区产业和城镇化协调发展。

4.2.4 差异格局的多尺度性特征显著

整个都市圈尺度上,研究期内徐州都市圈产业结构转型城镇空间响应强度高的县域呈现相对稳定的以徐州市区、枣庄市区、济宁市区、连云港市区、淮北市区、商丘市区为中心的多极化空间格局特征;城乡尺度上,地级市市区产业结构转型城镇空间响应指数平均为0.071,而外围地区为0.027,呈现以城市为中心向外围降低的圈层式区域格局;省际边界区域尺度上,呈现由鲁南>豫东>苏北>皖北的格局演变为鲁南>皖北>苏北>豫东的格局,究其原因是鲁南非资源型产业的迅速发展,大大推动了开发区、产业园区、城市新区建设,城镇空间扩展较快;豫东因中原经济区战略的实施,工业化推进较快,而城镇空间对产业非农化的响应处于下降趋势。

4.3 空间关联特征

为了准确探讨徐州都市圈各个县域产业结构转型城镇空间响应的空间关联关系,采用GeoDA软件计算出2005、2010和2014年3个年份的徐州都市圈各个县域产业结构转型城镇空间响应指数的Local Moran’s I值,并绘制出散点图（图4）。图4显示：① H-H型,是指自身与周边产业结构转型城镇空间响应强度均较高且差异较小的县域,二者呈现正相关关联特征。2005~2014年该类县域由4个增加到7个,呈现向徐州-济宁地区集聚趋势。而苏北、皖北、豫东3个地区除徐州市区外,均无此类县域分布,说明整个都市圈产业结构转型城镇空间响应极化趋势明显,而鲁南则呈明显的扩散之势;② L-L型,是指自身与周边产业结构转型城镇空间响应程度均较低且空间差异较小的县域,二者呈正相关关联特征。研究期内该类县域个数由13个增加到14个,主要呈现向黄河故道沿线地区集聚趋势,形成了产业结构转型城镇空间弱响应县域的分布走廊,此类县域二者的协同发展应引起地方政府的高度关注;③ H-L型,是指自身产业结构转型城镇空间响应程度较高,而周边县域较低,且差异较大的县域,二者呈负相关关联特征。近10 a来该类县域数量由11个减少到8个,逐步呈现以地级市市区为主体的特征。需要指出的是,苏北的泗阳、泗洪,豫东的柘城等县域转变为LL型区域,显示出与周围县域趋同特征;苏北的沛县转变为LH型区域,表现出与周围县域差异拉大特征。宿迁市区由LL型转变为HL型区域,呈现出日益显著的空间极化趋势;④ LH型,是指自身产业结构转型城镇空间响应程度较低,而周边较高,且空间差异较大的县域,二者呈现负相关关联特征。2005年以来该类县域个数由13个减少为12个,数量变化不大,但分布格局呈现向鲁南地区集聚趋势。

显示原图| 下载原图ZIP| 生成PPT

图4 2005~2014年徐州都市圈产业结构转型城镇空间响应的空间关联类型

Fig.4 Spatial interaction types of coefficients of urban space response to the industrial structure transformation in Xuzhou Metropolitan Area from 2005 to 2014

以上说明,2005年以来徐州都市圈产业结构转型城镇空间响应程度的差异主要是由于HH型县域以地级市市区为主体,而LL型县域在苏皖、豫皖边界区域的黄河故道沿线地区集聚,表明南北差异正成为徐州都市圈产业结构转型城镇空间响应程度差异的主要表征。

5 产业结构转型城镇空间响应的影响因素分析

运行GWR4.0软件,对GWR模型的检验结果表明（表1）,拟合系数R²随着时间的变化呈现先快速上升后缓慢下降。2005、2010、2014年Local R²分别为-0.01763~0.0088、-0.0028~0.0478和-0.0064~0.0194,表明GWR模型对徐州都市圈产业结构转型城镇空间响应的解释能力呈增强趋势。

表1 GWR模型检验结果

Table 1 GWR estimation results

指标	2005年	2010年	2014年
Local R²	0.4862~0.8820	0.4338~0.9736	0.6782~0.8600
Sigma	0.0369	0.03074	0.0554
R²	0.8539	0.9602	0.8862
调整R²	0.7685	0.9260	0.8309
AICc	-129.1014	-131.7737	-100.3681

新窗口打开

表2显示,研究期内对外开放对徐州都市圈产业结构转型城镇空间响应强度的影响作用最强,经济水平次之,其后依次为创新能力、政府调控能力。趋势上,2005~2014年经济水平对徐州都市圈产业结构转型城镇空间响应的影响作用先增强后减弱;对外开放和政府调控能力的影响作用呈减弱之势,而创新能力的影响作用呈现先降后增趋势,主要是由于“十一五”期间科技支出虽呈增长趋势,但多注重传统产业技术改造,对城镇空间的影响相对减弱,而进入“十二五”以来,伴随着“双创”工作的推进,由此带来现代服务业集聚区、物流园区、高新区等园区建设,使得城镇空间对产业结构转型的响应作用增强。

表2 各影响因素对徐州都市圈产业结构转型城镇空间响应的平均影响系数

Table 2 Average regression coefficient of driving factors of urban space response coefficients to the industrial structure transformation in Xuzhou Metropolitan Area in 2005-2014

	经济水平	对外开放	政府调控能力	创新能力
2005年	0.0153	0.0229	0.0095	0.0151
2010年	0.0219	0.0200	0.0088	0.0011
2014年	0.0087	0.0201	-0.0080	0.0148

新窗口打开

从经济水平看（图5）,研究期内经济水平对徐州都市圈产业结构转型城镇空间响应的影响作用具有明显的区域不均衡性。2005年民权、睢县、宁陵、商丘市区、金乡、嘉祥、柘城、虞城、梁山、枣庄市区、鱼台11个县域经济水平的影响程度高于其他县域,主要分布在豫东及鲁南的西部地区,而经济水平影响较低的县域包括沭阳、灌南、宿迁市区、睢宁、淮北市区、濉溪、泗阳、宿州市区、泗洪、泗县、灵璧11个县域,主要分布在该都市圈的东南地区,总体上呈现西北高东南低的分布格局。2014年经济水平对产业结构转型城镇空间响应的回归系数有所下降,且呈现西高东低的分布格局。总体来看,2005~2014年徐州都市圈经济水平对产业结构转型城镇空间响应的影响作用呈现西高东低的区域格局,分别形成以睢县为中心的西部高值区和以连云港市区为中心的东部低值区,呈现明显的空间集聚性特征。究其原因在于,西部县域经济水平较低,随着中原城市群、沿淮城市群战略的实施,这些县域多以城镇化发展为重点,带动产业结构转型升级,因此,经济水平对产业结构转型城镇空间响应的影响作用较强,而东部地区特别是苏北地区经济水平相对较高,多重视制造业转型升级、现代服务业发展,与之相比,城镇建设慢于产业结构升级,对产业结构转型的响应弱于西部地区。

显示原图| 下载原图ZIP| 生成PPT

图5 经济水平回归系数

Fig.5 Regression coefficient of economic development level

从对外开放看(图6),2005年以人均实际利用外资来反映的对外开放对徐州都市圈产业结构转型城镇空间响应的影响呈现西高东低的阶梯状区域格局。2010年对外开放对产业结构转型城镇空间响应的影响程度显示出东西相对较高而中部地区低的“凹”字型格局。2014年则演变为北高南低的区域格局,主要是由于近年来东陇海铁路沿线以南地区开放型经济发展相对缓慢,外资对现代农业、现代制造业和服务业发展的促进作用有所下降,使得其对产业结构转型城镇空间响应的影响作用较低,而东陇海铁路沿线及以北地区因外资对产业结构和城镇化建设的促进作用较强（如连云港中哈国际物流合作基地建设）,其影响程度相对较高,表明外部环境对产业结构转型城镇空间响应的影响有增强趋势。

显示原图| 下载原图ZIP| 生成PPT

图6 对外开放回归系数

Fig.6 Regression coefficient of opening to the outside world

从政府调控能力看(图7),2005和2010年政府调控能力对产业结构转型城镇空间响应的影响显示出明显的东西高而中间低的“凹”字型格局,特别是苏北和豫东地区地方财政支出多注重城镇建设,使得地方财政支出的影响作用较强,而中间的枣庄-淮北一线地区地方财政支出低（如滕州仅占GDP的7.06%）,对城镇建设推动作用较低,使得城镇建设相对滞后于产业结构转型。2014年呈现宿迁-济宁-商丘一线地区影响作用较高而由此向两侧地区影响作用程度较低的“凸”字型格局,尤其是灌南、淮北市区、邹城、灌云、东海、连云港市区、永城、宿州市区、濉溪9个县域的政府调控能力的影响作用最弱（回归系数为-0.042）,表明地方财政支出已经制约该类县域的城镇空间扩展,降低了产业结构转型对城镇空间的影响。

显示原图| 下载原图ZIP| 生成PPT

图7 政府调控能力回归系数

Fig.7 Regression coefficient of government regulation ability

从创新能力看(图8),2005年创新能力回归系数高值区分别形成民权、徐州市区、泗洪为中心的“三核”鼎力的格局;2010年则形成以邳州为中心向外逐渐降低的圈层式格局;2014年形成由徐州市区、淮北市区和宿州市区等组成的核心区域向外递减的核心-边缘型格局,以上表明徐州市区及周围县域作为都市圈的核心区域,高校等科研机构较为密集,创新能力对产业发展和城镇建设的促进作用一直维持在较高水平,也进一步说明将徐州建设成为淮海经济区中心城市决策的正确性。

显示原图| 下载原图ZIP| 生成PPT

图8 创新能力回归系数

Fig.8 Regression coefficient of innovation ability

6 结论

整合ESDA和GWR模型,研究了2005~2014年徐州都市圈产业结构转型城镇空间响应程度的时空格局及影响因素的区域不均衡性,结论如下：

1）在构建区域产业结构转型城镇空间响应指数模型的基础上,揭示出2005~2014年徐州都市圈产业结构转型城镇空间响应呈增强趋势,各县域间产业结构转型城镇空间响应的总体差异呈持续拉大之势,且呈正偏态分布特征,折射出成长型都市圈因工业化快速推进,造成产业结构转型升级带来的城镇空间响应呈增强之势。

2）徐州都市圈产业结构转型城镇空间响应强度差异格局的多尺度性特征显著。整个都市圈尺度上,形成相对稳定的以徐州市区、枣庄市区、济宁市区、连云港市区、淮北市区、商丘市区为核心的强响应县域集聚高地;城乡尺度上,呈现以地级市区为中心向外围降低的圈层式区域格局;省际边界区域尺度上,呈现向鲁南>皖北>苏北>豫东的区域格局演变趋势。显示出成长型都市圈因缺乏典型的中心城市,造成其产业结构转型城镇空间响应呈现以地级市区为中心的多极化格局。

3）强响应县域主要向京沪铁路（徐州-济宁段）沿线地区集聚,且范围仍在扩大,城镇空间扩展轴线正在形成。此外,东陇海铁路沿线（连云港-商丘段）产业结构转型对城镇空间扩展的影响在减弱,处于极核发展阶段。弱响应县域集中分布于皖苏和豫皖边界地区,形成了产业结构转型城镇空间响应的弱势走廊,省际边界区域产业结构转型与城镇空间协同发展问题应引起相关省份的重视。成长型都市圈产业结构转型城镇空间响应的区域格局与经济发展水平的区域差异具有一致性。

4）空间关联上,HH型县域主要集中于地级市市区及其周围地区,LL型县域在贯穿苏北、豫东、皖北3个地区的黄河故道沿线地区集聚,HL型县域数量减少且分布分散,LH型县域呈现向鲁南地区集聚趋势,表明南北差异正成为徐州都市圈产业结构转型城镇空间响应强度差异的主要表征。

5）徐州都市圈产业结构转型城镇空间响应的主要影响因素的重要程度呈现对外开放>经济水平>创新能力>政府调控能力的特征,且整体上均减弱之势。经济水平的影响系数呈现西高东低的区域格局,分别形成以睢县为中心的西部高值区和以连云港市区为中心的东部低值区,空间集聚性特征显著;对外开放的影响系数呈现由西高东低的阶梯状区域格局演变为东陇海铁路沿线（连云港-商丘段）及以北地区强而以南地区弱的北高南低格局;政府调控能力的影响系数呈现由苏北、豫东地区高而鲁南-皖北地区低的“凹”字型格局演变为宿迁-济宁-商丘地区较高而两侧地区较低的“凸”字型格局;创新能力的影响系数呈现由以民权、徐州市区、泗洪为中心的“三核鼎立”的格局演变为以徐州市区、淮北市区和宿州市区为核心向外递减的核心-边缘型格局。表明成长型都市圈不同因素对产业结构转型城镇空间响应的影响作用程度不同,且同一因素在对不同地区的影响也呈现显著的空间差异。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	焦华富,杨显明. 煤炭资源型城市产业结构演替与空间形态演变耦合——以安徽省淮南市为例 [J]. 地理学报, 2016, 71(6): 998-1009. [本文引用: 3] [Jiao Huafu, Yang Xianming. Relationship between Industrial Structure Evolution and Urban Spatial form Succession of the Coal Resource-based Cities: A Case study of Huainan City. Acta Geographica Sinica, 2016, 71(6): 998-1009.] [本文引用: 3]
[2]	郝俊卿,曹明明,王雁林. 关中城市群产业集聚的空间演变及效应分析——以制造业为例 [J].人文地理, 2013, 28(3): 96-100. [Hao Junqing, Cao Mingming, Wang Yanlin. A Study on Spatial Evolution and Effect of Industrial Agglomeration of Guanzhong City-regions in the Middle of Shannaxi Province: A Case of Manufacturing Industries. Human Gepgraphy, 2013, 28(3): 96-100.]
[3]	罗守贵, 李文强. 都市圈内部城市间的互动与产业发展[M].上海:格致出版社, 2012: 16-18. [本文引用: 3] [Luo Shougui, Li Wenqiang.The Interaction among Cities and Industrial Development within a Metropolitan Area. Shanghai: Truth & Wisdom Press, 2012:16-18.] [本文引用: 3]
[4]	张庭伟. 1990 年代中国城市空间结构的变化及其动力机制 [J].城市规划,25(7):7-14. [本文引用: 1] [Zhang Tingwei. Study on the Dynamic Mechanism and Spatial Structure Evolution of Chinese City in 1990's. City Planning Review, 2001, 25(7):7-14.] [本文引用: 1]
[5]	毛琦梁,董锁成,黄永斌,等. 首都圈产业分布变化及其空间溢出效应分析 [J].地理研究,2014,33(5):899-914. [本文引用: 1] [Mao Qiliang, Dong Suocheng, Huang Yongbin et al. Spatial Spillovers Effects and Spatial Pattern of Manufacturing Industries Evolvement in the Capital Metropolitan Region of China. Geographical Research, 2014, 33(5): 899-914.] [本文引用: 1]
[6]	Kuznets S. Population, Capital, Growth: Selected Essays [M]. New York: Norton, 1973. [本文引用: 1]
[7]	Richard W, Robert D. Lewis Beyond the Crabgrass Frontier: Industry and the Spread of North American Cities, 1850-1950 [J]. Journal of Historical Geography, 2001, 27(1):3-19. https://doi.org/10.1006/jhge.2000.0266 URL 摘要 The conventional story of suburbanization in Canada and the United States portrays an outward movement of residences from the cities that only since World War II has been fuelled by the dispersal of employment to the urban fringe. This prevailing wisdom needs considerable revision. In this essay we present a theoretical interpretation of industrial suburbanization. We argue that the outward spread of factories and manu facturing districts has been a distinctive and important feature of North American urbanization since the middle of the nineteenth century. The paper begins with a discussion of how industrial decentralization has been repeatedly misinterpreted as new and unprecedented, rather than an extension of past trends. In contrast to the prevailing interpretation, we claim that industrial suburbanization is the product of a combination of the economic logic of geographical industrialization, investment in real estate, and political guidance by business and government leaders. The result has been extensive, multinodal metropolitan regions.
[8]	姜会明,王振华. 吉林省工业化、城镇化与农业现代化关系实证分析 [J]. 地理科学, 2012, 32(5):591-595. [本文引用: 1] [Jiang Huiming, Wang Zhenhua. Empirical Analysis on the Relationship Among Industrialization, Urbanization and Agricultural Modernization in Jilin Province. Scientia Geographica Sinica, 2012, 32(5):591-595.] [本文引用: 1]
[9]	孙平军,丁四保,修春亮,等. 东北地区“人口-经济-空间”城市化协调性研究 [J].地理科学, 2012, 32(4): 450-457. [本文引用: 1] [Sun Pingjun, Ding Sibao, Xiu Chunliang et al. Dynamic Evolution Research on Non-conformity of Urban Construction Land Input in China. Scientia Geographica Sinica, 2012, 32(4): 450-457.] [本文引用: 1]
[10]	张晓阳. 构建贵州工业化与城镇化协调发展的联动机制 [J].贵州社会科学, 2012, (12): 95-98. https://doi.org/10.3969/j.issn.1002-6924.2012.12.021 URL [本文引用: 1] 摘要为确保贵州实施工业强省战略和城镇化带动战略的可持续推进,实现＂三化同步＂的战略目标,必须采取切实有效的政策措施,解决好已经严重不协调的工业化和城镇化问题。根据发达国家和我国发达地区的成功经验,将产业园区的建设和城镇体系建设科学结合起来,是解决好贵州工业化和城镇化严重不协调的重大战略机遇。 [Zhang Xiaoyang. Constructing the Linkage Mechanism of the Coordinated Development of Industrialization and Urbanization in Guizhou. Guizhou Social Sciences, 2012, (12): 95-98.] https://doi.org/10.3969/j.issn.1002-6924.2012.12.021 URL [本文引用: 1] 摘要为确保贵州实施工业强省战略和城镇化带动战略的可持续推进,实现＂三化同步＂的战略目标,必须采取切实有效的政策措施,解决好已经严重不协调的工业化和城镇化问题。根据发达国家和我国发达地区的成功经验,将产业园区的建设和城镇体系建设科学结合起来,是解决好贵州工业化和城镇化严重不协调的重大战略机遇。
[11]	Murata Y. Rural-urban Interdependence and Industrialization [J]. Journal of Development Economics, 2002, 68(1): 1-34. https://doi.org/10.1016/S0304-3878(02)00004-4 URL [本文引用: 1] 摘要 This paper presents a model of industrialization through rural rban interdependence. It shows how an economy with a low cost share of industrial inputs in agricultural production and a low expenditure share of manufactured goods, together with a limited variety of industrial inputs, can be caught in a low development trap. By escaping from the trap the economy moves toward more roundabout methods of agricultural production, mass consumption of manufactured goods, and urbanization. The transition from the low development trap to industrialization is consistent with the historical evidence on Japan.
[12]	Davis J C, Henderson J V. Evidence on the Political Economy of the Urbanization Process [J]. Journal of Urban Economics, 2003, 53(1):98-125. https://doi.org/10.1016/S0094-1190(02)00504-1 URL [本文引用: 1]
[13]	Hermelin B. The Urbanization and Suburbanization of The Service Economy: Producer Services and Specialization in Stockholm [J]. Geografiska Annaler, 2007, 89(s1):59-74. https://doi.org/10.1111/j.1468-0467.2007.00260.x URL [本文引用: 1] 摘要 This article highlights cities and urban regions as the focal point of the growth and geography of post-industrial and postmodern service activities. Based on an empirical study of Sweden's capital city region, it illustrates the presence of multiple patterns as far as the structure and geography of urban economic development are concerned. Using statistical data for all employees in Stockholm and its surrounding region in 1993 and 2002, the service sector workforce is analysed by industry (finance, producer services, IT services, media and amenities) and categorized according to levels of education, employment status (self-employed or employed) and workplace size. As prior research would lead us to expect, the results show the importance of Stockholm for the development of post-industrial and postmodern service activities in Sweden. For the investigated sectors, 54 per cent of the employees in Sweden are employed in the Stockholm region, compared with 20 per cent for all sectors. It also shows the importance of these sectors for the economic development of Stockholm. The employment growth in these sectors between 1993 and 2002 amounted to 50 per cent of the total employment growth in the Stockholm region over this period. Finally, and most importantly, the study identifies a variety of development paths, differentiated by sector, and by central, semi-peripheral and peripheral locations within the region.
[14]	吴雪玲,邓伟,谢芳婷,等. 四川省产业结构演变的城镇化响应研究 [J]. 地理科学, 2013, 33(9):1066-1073. [本文引用: 1] [Wu Xueling, Deng Wei, Xie Fangting et al. The Urbanization Response to the Evolvement of Industrial Structure in Sichuan Province. Scientia Geographica Sinica, 2013, 33(9):1066-1073.] [本文引用: 1]
[15]	刘艳军,李诚固. 东北地区产业结构演变的城镇化响应机理与调控 [J].地理学报, 2009,64(2): 153-166. https://doi.org/10.11821/xb200902003 URL [本文引用: 3] 摘要首先提出了产业结构演变城市化响应的概念,通过分析1953-2005年东北地区产业结构演变城市化响应的过程与偏差,构建产业结构演变的城市化响应强度系数模型、产业结构演变的城市化响应机理模型,探讨东北地区产业结构演变的城市化响应形态及空间效应,并划分产业结构演变城市化响应的地域类型。研究表明：1953-2005年东北地区城市化水平与产业结构变动整体呈波动性变化,城市化与非农产业发展存在一定的偏差;东北地区产业结构演变的城市化响应系数不断增大,表明城市化对产业结构演变的响应强度在不断增大,产业结构演变城市化响应强度具有空间差异性;城市经济密度提高、城市人口密度和规模的扩大以及区域人口数量的增长是东北地区产业结构变化的主要动力因素;东北地区产业结构演变的城市化响应形态包括各类开发区、都市经济区、城市产业整合体、交通经济带、资源型城市和口岸型城市等,各类形态的发育对产业结构演变发挥了重要的空间效应;东北地区可以划分为大城市地域、资源—加工地域、传统农业地域、边境口岸地域、生态环境脆弱地域五种地域类型,产业结构优化与城市空间的整合、协调是各地域类型的主要调控模式。 [Liu Yanjun, Li Chenggu. Regulation Model and Mechanism of Urbanization Response to the Industrial Structure Evolvement in Northeast China. Acta Geographica Sinica, 2009,64(2): 153-166.] https://doi.org/10.11821/xb200902003 URL [本文引用: 3] 摘要首先提出了产业结构演变城市化响应的概念,通过分析1953-2005年东北地区产业结构演变城市化响应的过程与偏差,构建产业结构演变的城市化响应强度系数模型、产业结构演变的城市化响应机理模型,探讨东北地区产业结构演变的城市化响应形态及空间效应,并划分产业结构演变城市化响应的地域类型。研究表明：1953-2005年东北地区城市化水平与产业结构变动整体呈波动性变化,城市化与非农产业发展存在一定的偏差;东北地区产业结构演变的城市化响应系数不断增大,表明城市化对产业结构演变的响应强度在不断增大,产业结构演变城市化响应强度具有空间差异性;城市经济密度提高、城市人口密度和规模的扩大以及区域人口数量的增长是东北地区产业结构变化的主要动力因素;东北地区产业结构演变的城市化响应形态包括各类开发区、都市经济区、城市产业整合体、交通经济带、资源型城市和口岸型城市等,各类形态的发育对产业结构演变发挥了重要的空间效应;东北地区可以划分为大城市地域、资源—加工地域、传统农业地域、边境口岸地域、生态环境脆弱地域五种地域类型,产业结构优化与城市空间的整合、协调是各地域类型的主要调控模式。
[16]	朱玉明. 城市产业结构调整与空间结构演变关联研究 [J].人文地理,2001, 16(1):84-87. [本文引用: 1] [Zhu Yuming. Study of Industray Structrure Adjust Impact on the Urban Structure-Take Ji’nan City as a Example. Human Geography, 2001, 16(1):84-87.] [本文引用: 1]
[17]	关兴良,魏后凯,鲁莎莎,等. 中国城镇化进程中的空间集聚、机理及其科学问题 [J]. 地理研究, 2016,35(2): 227-241. https://doi.org/10.11821/dlyj201602003 URL [本文引用: 1] 摘要构建科学合理的城镇化空间格局,是推进新型城镇化的内在要求,对提升城镇化质量和推动城镇化健康发展具有重要意义。基于统计数据和地理信息技术,深刻揭示了中国城镇化进程中的空间集聚态势及其造成的突出矛盾,从理论视角综合考察了城镇化进程中的空间集聚形成机理,并简要探讨了优化城镇化空间格局的政策建议。研究表明,改革开放以来中国城镇化进程中的空间集聚态势十分明显,人口、资源、要素和产业大规模向东部沿海地区集聚,并在空间上形成了若干个城市和人口密集区。造成这种空间集聚态势的因素是多方面的,自然本底条件和资源禀赋的地带性差异起到基础性作用,国家发展战略的东部偏向及资源要素的空间集聚效应是外部条件,而更深层次的基本动力源于区域之间日益拉大的发展差距。应该看到,改革开放以来中国人口与产业向东部地区集聚具有一定的历史必然性,但二者的空间集聚未能协同一致,由此导致两个"不协调",即人口分布与产业及就业岗位分布的不协调及人口、经济分布与资源环境承载能力的不协调。这两个"不协调"造成了数以亿计的"两栖"农民工跨区域迁移、能源与大宗商品的跨区域流动、局部地区资源环境面临巨大压力、不稳定因素和社会矛盾日益激化等突出问题。要构建高效、均衡、安全的城镇化空间格局,其本质就是要实现区域协调发展,即不单纯要强调人的繁荣,还要强调地域的繁荣。"产业西进"和"人口东移"是优化中国城镇化空间格局和形态的战略重点。 [Guan Xingliang, Wei Houkai, Lu Shasha et al. Patterns and Driving Mechanism of Spatial Agglomeration during the Urbanization Process in China. Geographical Research, 2016, 35(2): 227-241.] https://doi.org/10.11821/dlyj201602003 URL [本文引用: 1] 摘要构建科学合理的城镇化空间格局,是推进新型城镇化的内在要求,对提升城镇化质量和推动城镇化健康发展具有重要意义。基于统计数据和地理信息技术,深刻揭示了中国城镇化进程中的空间集聚态势及其造成的突出矛盾,从理论视角综合考察了城镇化进程中的空间集聚形成机理,并简要探讨了优化城镇化空间格局的政策建议。研究表明,改革开放以来中国城镇化进程中的空间集聚态势十分明显,人口、资源、要素和产业大规模向东部沿海地区集聚,并在空间上形成了若干个城市和人口密集区。造成这种空间集聚态势的因素是多方面的,自然本底条件和资源禀赋的地带性差异起到基础性作用,国家发展战略的东部偏向及资源要素的空间集聚效应是外部条件,而更深层次的基本动力源于区域之间日益拉大的发展差距。应该看到,改革开放以来中国人口与产业向东部地区集聚具有一定的历史必然性,但二者的空间集聚未能协同一致,由此导致两个"不协调",即人口分布与产业及就业岗位分布的不协调及人口、经济分布与资源环境承载能力的不协调。这两个"不协调"造成了数以亿计的"两栖"农民工跨区域迁移、能源与大宗商品的跨区域流动、局部地区资源环境面临巨大压力、不稳定因素和社会矛盾日益激化等突出问题。要构建高效、均衡、安全的城镇化空间格局,其本质就是要实现区域协调发展,即不单纯要强调人的繁荣,还要强调地域的繁荣。"产业西进"和"人口东移"是优化中国城镇化空间格局和形态的战略重点。
[18]	陈伟莲,张虹鸥,吴旗韬,等. 珠江三角洲城镇群产业结构演变的城镇空间响应强度 [J]. 热带地理, 2014, 34(4): 544-552. [本文引用: 2] [Chen Weilian, Zhang Hong’ou, Wu Qitao et al. Urban Space Response to the Evolution of Industrial Structure in the Pearl River Delta. Tropical Geography, 2014, 34(4): 544-552.] [本文引用: 2]
[19]	Gottmann J. Megalopolitan Systems around the World [J]. Croatian Geographical Bulletin, 1976, 38(6): 103-111. https://doi.org/10.1016/0020-7837(76)90009-1 URL [本文引用: 1] 摘要 This symposion will focus on the Great Lakes Megalopolis, the vast complex of metropolitan and urbanized areas that straddles the boundary between Canada and the United States and winds around the network of waterways and water spaces of the St Lawrence and the
[20]	Louis Albrechts, Patsy Healey, Klaus R. Kunzmann. Strategic Spatial Planning and Regional Governance in Europe [J]. Journal of the American Planning Association, 2003, 69(2):113-129. https://doi.org/10.1080/01944360308976301 URL [本文引用: 1] 摘要 Barrie Maguire's image of a woman stitching together the Irish landscape reflects the central question behind this Longer View: What will recent strategic spatial planning efforts in Europe give us? In the case of Northern Ireland, the quilt sewn from separate pieces of the landscape might represent that state's desire to establish cohesion while respecting diversity. Albrechts, Healy, and Kunzmann show that there and elsewhere, spatial planning efforts are stitching together new regional patterns for many parts of Europe. Maguire is a graduate of Notre Dame University and comes from a family of artists. He has worked as a creative director at Hallmark Cards, a book designer and illustrator, and a newspaper editorial illustrator. Since visiting Ireland in 1998, he has focused on painting. He lives in Pennsylvania, and more of his work can be seen on his family's Web site, http://www.maguiregallery.com. This article examines recent experiences in Europe in the preparation and use of strategic spatial frameworks to guide territorial development in city regions. It discusses the recent revival of interest in such strategic planning and the driving forces that create the momentum for it. We examine three cases recognised as in the forefront of this revival: the 1996 Spatial Strategy for the Hanover City Region, the 1997 Spatial Structure Plan for Flanders, and the 2001 Northern Ireland Regional Development Strategy. Each is described in terms of context and motivations, policy approaches and concepts, institutional arenas, impacts, and outcomes. The article concludes with general lessons from these cases and the European experience generally for the enterprise of strategic spatial planning.
[21]	马荣华,顾朝林,蒲英霞,等. 苏南沿江城镇扩展的空间模式及其测度 [J].地理学报,2007,62(10) : 1011-1022. https://doi.org/10.3321/j.issn:0375-5444.2007.10.001 URL [本文引用: 1] 摘要定义了城镇边界的划分规则,通过卫星遥感影像获取了苏南沿江地区1984年、1991年、2000年和2005年的城镇边界,利用分形维数（半径维数、网格维数、相关维数、边界维数）、紧凑度指数以及空间自相关指数（Global MoranI、Local Moran I）,定量揭示了区域城镇扩展的空间模式。结果表明：分形度量可以定量揭示区域城镇的空间分布特征以及空间组织结构,空间自相关可以定量揭示城镇的空间扩展过程、聚簇模式,二者相互结合,可以测度区域内城镇扩展的空间模式,揭示城市群/城市连绵区的形成过程;苏南沿江地区城镇扩展从改革开放初期自发的以大城市为中心的点状扩展模式,经历了由政策驱动下以融合填充为主导的点-轴延伸模式,发展到以经济辐射联系为策动力基于区域产业空间组织的城镇连绵集聚模式,一个大的城市群正在形成。特别自2000年以来,城市群的空间结构特征日益显现。区域内城市的多中心现象始终存在,但空间极化作用逐渐削弱。 [Ma Ronghua, Gu Chaolin, Pu Yingxia et al. Urban Spatial Sprawl Pattern and Metrics in South of Jiangsu Province along the Yangtze River. Acta Geographica Sinica, 2007, 62(10): 1011-1022.] https://doi.org/10.3321/j.issn:0375-5444.2007.10.001 URL [本文引用: 1] 摘要定义了城镇边界的划分规则,通过卫星遥感影像获取了苏南沿江地区1984年、1991年、2000年和2005年的城镇边界,利用分形维数（半径维数、网格维数、相关维数、边界维数）、紧凑度指数以及空间自相关指数（Global MoranI、Local Moran I）,定量揭示了区域城镇扩展的空间模式。结果表明：分形度量可以定量揭示区域城镇的空间分布特征以及空间组织结构,空间自相关可以定量揭示城镇的空间扩展过程、聚簇模式,二者相互结合,可以测度区域内城镇扩展的空间模式,揭示城市群/城市连绵区的形成过程;苏南沿江地区城镇扩展从改革开放初期自发的以大城市为中心的点状扩展模式,经历了由政策驱动下以融合填充为主导的点-轴延伸模式,发展到以经济辐射联系为策动力基于区域产业空间组织的城镇连绵集聚模式,一个大的城市群正在形成。特别自2000年以来,城市群的空间结构特征日益显现。区域内城市的多中心现象始终存在,但空间极化作用逐渐削弱。
[22]	Desmet K, Fachamps M. Changes in the Spatial Concentration of Employment across US. Counties: A Sectoral, Analysis 1972-2000 [J]. Journal of Economic Geography, 2005,5(3):65-72. https://doi.org/10.1093/jnlecg/lbh046 URL [本文引用: 1] 摘要 Using US county data, we estimate employment growth equations to analyze how the spatial distribution of jobs has changed between 1972 and 2000. We find that to
[23]	胡艳兴,潘竟虎,王怡睿. 基于 ESDA-GWR的 1997-2012 年中国省域能源消费碳排放时空演变特征 [J].环境科学学报, 2015,35(6): 1896-1906. https://doi.org/10.13671/j.hjkxxb.2014.1025 URL [本文引用: 2] 摘要 The driving factors of spatial heterogeneity in energy consumption-related carbon emission in China was analyzed by the methods of the gravity center migration, exploratory spatial data analysis (ESDA) and geographically weighted regression (GWR) model. Data from China Statistical Yearbook and China Energy Statistical Yearbook between 1997 and 2012 was adopted to evaluate the reliability of the method. The results showed that the gravity center of energy consumption-related carbon emission moved westward in the 16 years. There was a significant positive spatial correlation in energy consumption-related carbon emission among provinces. Global spatial autocorrelation increased first and decreased. Cold spot areas of energy consumption-related carbon emission enhanced, while the hot spot areas shrank in the 16 years. The six influential factors of carbon emission in a descending order were: total population>per capita GDP> proportion of coal consumption>total investment in fixed assets> proportion of second industry> aging rate of population, with aging rate of population the only negative in correlating with carbon emission. There was a significant change in spatial pattern in China. 13 provinces have been included in the super serious carbon emission area by the end of 2012, which reflected that China should strengthen the reduction of carbon emission. [Hu Yanxing, Pan Jinghu, Wang Yirui. Spatial-temporal Evolution of Provincial Carbon Emission in China from 1997 to 2012 Based on ESDA and GWR Model. Acta Scientiae Circumstantiae, 2015, 35(6): 1896-1906.] https://doi.org/10.13671/j.hjkxxb.2014.1025 URL [本文引用: 2] 摘要 The driving factors of spatial heterogeneity in energy consumption-related carbon emission in China was analyzed by the methods of the gravity center migration, exploratory spatial data analysis (ESDA) and geographically weighted regression (GWR) model. Data from China Statistical Yearbook and China Energy Statistical Yearbook between 1997 and 2012 was adopted to evaluate the reliability of the method. The results showed that the gravity center of energy consumption-related carbon emission moved westward in the 16 years. There was a significant positive spatial correlation in energy consumption-related carbon emission among provinces. Global spatial autocorrelation increased first and decreased. Cold spot areas of energy consumption-related carbon emission enhanced, while the hot spot areas shrank in the 16 years. The six influential factors of carbon emission in a descending order were: total population>per capita GDP> proportion of coal consumption>total investment in fixed assets> proportion of second industry> aging rate of population, with aging rate of population the only negative in correlating with carbon emission. There was a significant change in spatial pattern in China. 13 provinces have been included in the super serious carbon emission area by the end of 2012, which reflected that China should strengthen the reduction of carbon emission.
[24]	Anselin L. Interactive Techniques and Exploratory Spatial Data Analysis [M]//Longley P A et al. Geographical Information Systems (2nd ed). NewYork: John Wiley & Sons,1999: 253-266. [本文引用: 1]
[25]	肖宏伟,易丹辉. 基于时空地理加权回归模型的中国碳排放驱动因素实证研究 [J]. 统计与信息论坛, 2014, 29(2): 83-89. https://doi.org/10.3969/j.issn.1007-3116.2014.02.014 URL [本文引用: 1] 摘要基于2006-2011年中国省级区域面板数据,应用时空加权回归模型（GTWR）实证考察了各驱动因素对碳排放规模和碳排放强度影响的时空差异.研究结果表明：大部分解释变量的时空系数估计值显著,波动性较为稳定,符号与预期一致,各驱动因素及其外溢效应在不同区域存在较强的空间异质性,且表现出一定的空间梯度分布.若实现区域差异化碳减排,需要充分考虑空间异质性和外溢性. [Xiao Hongwei, Yi Danhui. Empirical Study of Carbon Emissions Drivers Based on Geographically Time Weighted Regression Model. Statistics and Information Forum, 2014, 29(2): 83-89.] https://doi.org/10.3969/j.issn.1007-3116.2014.02.014 URL [本文引用: 1] 摘要基于2006-2011年中国省级区域面板数据,应用时空加权回归模型（GTWR）实证考察了各驱动因素对碳排放规模和碳排放强度影响的时空差异.研究结果表明：大部分解释变量的时空系数估计值显著,波动性较为稳定,符号与预期一致,各驱动因素及其外溢效应在不同区域存在较强的空间异质性,且表现出一定的空间梯度分布.若实现区域差异化碳减排,需要充分考虑空间异质性和外溢性.
[26]	徐建华. 地理建模方法[M]. 北京: 科学出版社, 2010. [本文引用: 1] [Xu Jianhua. Geographical Modeling Methods.Beijing: Science Press, 2010.] [本文引用: 1]
[27]	Fotheringham A S, Charlton M, Brunsdon C. The Geography of Parameter Space: An Investigation of Spatial Non-stationarity [J]. International Journal of Geographical Information Systems, 1996, 10(5): 605-627. https://doi.org/10.1080/02693799608902100 URL [本文引用: 1] 摘要 Abstract included in text.
[28]	胡艳兴, 潘竟虎, 李真,等. 中国省域能源消费碳排放时空异质性的EOF和GWR分析 [J]. 环境科学学报, 2016, 36(5) : 1866-1874. https://doi.org/10.13671/j.hjkxxb.2015.0739 URL [本文引用: 1] 摘要利用自然正交函数(EOF)揭示中国各省份能源消费碳排放量变动的时空特征,借助地理加权回归模型(GWR)分析了碳排放量驱动因素的空间分布状况.研究结果表明:中国省域能源消费碳排放量整体处于增长状态,但其增长速度有减缓趋势;EOF第一模态结果显示,碳排放量以四川省为中心向南北方向扩散,低值区集中分布在西北地区和珠三角地区;第二模态结果显示,碳排放量增长速度表现出西南地区和东南沿海地区较快,而中部省份碳排放量增长速度较慢的态势.碳排放量影响因素的重要程度由大到小依次为:总人口变化量、人均GDP变化量、城镇化率变化量、二产比重变化量、贸易开放程度变化量和能源消耗强度变化量,其中,总人口变化量的影响程度最为剧烈,每当总人口变化1%时,碳排放量相应地会变化0.5358%. [Hu Yanxing, Pan Jinghu, Li Zhen et al. Spatial-temporal Analysis of Provincial Carbon Emissions in China from 1997 to 2012 with EOF and GWR Methods. Acta Scientiae Circumstantiae, 2016, 36(5): 1866-1874.] https://doi.org/10.13671/j.hjkxxb.2015.0739 URL [本文引用: 1] 摘要利用自然正交函数(EOF)揭示中国各省份能源消费碳排放量变动的时空特征,借助地理加权回归模型(GWR)分析了碳排放量驱动因素的空间分布状况.研究结果表明:中国省域能源消费碳排放量整体处于增长状态,但其增长速度有减缓趋势;EOF第一模态结果显示,碳排放量以四川省为中心向南北方向扩散,低值区集中分布在西北地区和珠三角地区;第二模态结果显示,碳排放量增长速度表现出西南地区和东南沿海地区较快,而中部省份碳排放量增长速度较慢的态势.碳排放量影响因素的重要程度由大到小依次为:总人口变化量、人均GDP变化量、城镇化率变化量、二产比重变化量、贸易开放程度变化量和能源消耗强度变化量,其中,总人口变化量的影响程度最为剧烈,每当总人口变化1%时,碳排放量相应地会变化0.5358%.
[29]	江苏省统计局. 江苏统计年鉴[M]. 北京:中国统计出版社, 2005-2015. [本文引用: 1] [Jiangsu Provincial Bureau of Statistics. Statistical yearbook of Jiangsu Province. Beijing: China Statistics Press, 2005-2015.] [本文引用: 1]
[30]	山东省统计局. 山东统计年鉴[M]. 北京:中国统计出版社, 2005-2015. [Shandong Provincial Bureau of Statistics. Statistical yearbook of Shandong Province.Beijing: China Statistics Press, 2005-2015.]
[31]	河南省统计局. 河南统计年鉴[M]. 北京:中国统计出版社, 2005-2015. [Henan Provincial Bureau of Statistics. Statistical yearbook of Henan Province.Beijing: China Statistics Press, 2005-2015.]
[32]	安徽省统计局. 安徽统计年鉴[M]. 北京:中国统计出版社, 2005-2015. [本文引用: 1] [Anhui Provincial Bureau of Statistics. Statistical yearbook of Anhui Province.Beijing: China Statistics Press, 2005-2015.] [本文引用: 1]
[33]	国家统计局. 中国城市统计年鉴(2005~2015)[M]. 北京:中国统计出版社,2005-2015. [本文引用: 1] [National Bureau of Statistics of the People's Republic of China. China City Statistical Yearbook. Beijing: China Statistics Press, 2005-2015.] [本文引用: 1]

煤炭资源型城市产业结构演替与空间形态演变耦合——以安徽省淮南市为例

2016

... 随着中国工业化和城镇化进程的快速推进,产业结构与城镇空间相互作用关系研究日益成为经济地理学关注的热点问题^[1~3].产业结构转型能够推动城镇空间扩展及空间形态的演变,是城镇空间结构演化的动力^[3,4].城镇的发展促使不同城镇之间的联系更加紧密,逐步形成以大城市为核心,由不同规模、职能的城镇组成的都市圈.近年来,都市圈作为中国新型城镇化发展的主要地域组织形式日益受到重视,但中国的都市圈多处于经济增长速度快、产业结构变化快、空间形态变化快、城镇化进程快的成长阶段,而产业结构升级及空间重组不仅驱动都市圈空间结构与形态变化,而且是都市圈内城市间相互作用的主要表征^[5].因此,探讨成长型都市圈产业结构转型的城镇空间响应格局及驱动机制,有利于促进都市圈合理分工格局形成及协同发展,也是当前学术界关注的重要领域.目前,国内外有关产业结构与城镇化发展的研究,主要体现在以下方面：关于工业化对城镇化的影响.工业化是城镇化发展的动力,但不同时期不同产业对城镇化的作用不同.在工业化初期和中期,工业化的聚集效应对城镇化的发展有带动拉升作用,而到了工业化后期,第三产业则成为城镇化发展的主要动力^[6~8].此外,还有学者从协调发展、互动机理视角探讨了工业化与城镇化的关系^[9,10].关于产业结构对城镇化的影响.产业结构转型升级引起产业、人口、资金等要素的重新配置,致使城镇地域形态发生变化^[11,12],现代工业和现代服务业主要分布在城镇化成熟地区^[13],由此推动城镇化水平提高. 关于产业结构演变的城镇化响应.主要是通过构建产业结构演变的城镇化响应测度模型,定量研究区域产业结构演变的城镇化响应强度的时空格局、地域类型、空间效应及驱动机理^[14,15]. 关于产业结构与城镇空间结构关系.产业结构转型与空间结构演变之间具有密切的内在关联关系,产业结构转型重组有利于城镇空间要素布局优化,而城镇空间结构优化能显著提高城镇运营效率和现代化水平^[3,16].在产业结构对城镇空间影响方面,产业集聚为城镇化扩展了地理空间,降低了城镇化成本,并有效地实现了城镇规模的扩张^[17].并以珠三角城镇群为例,探讨了城镇群产业结构演变的城镇空间响应强度时空差异、地域类型^[18].在产业发展对城镇空间影响机制方面,随着产业分工合作的进一步加强,城市间的产业分工合作更趋于合理,促进不同城市体系之间相互融合,进一步扩大了区域的空间范围,形成了“巨型城市”,即都市圈、都市连绵区^[19].Kunzmann^[20]等从城镇等级体系和城镇功能入手,认为企业的生产地域分工是导致城镇空间职能转变的决定性因素.综合来看,当前有关研究多是重视产业结构演变城镇化响应程度,忽视影响机制的探讨;重视国家、省域、城市等不同尺度的研究,而基于都市圈（城市群）特别是成长型都市圈的研究成果尚不多见.因此,以徐州都市圈为案例,采用空间自相关和地理加权回归等方法,研究成长型都市圈产业结构转型城镇空间响应的时空异质性特征,并揭示其影响因素,试图为成长型都市圈特别是徐州都市圈产业结构转型与城镇空间协同发展决策提供科学依据. ...

... 探索性空间数据分析(ESDA)是一种以揭示空间单元之间的空间关联作用机制为核心的空间数据分析方法与技术的集合,包括全局空间自相关和局部空间自相关^[21].全局空间自相关是指在确立研究区内各研究单元的空间权重后,运用Moran’s I指数测度研究区域内地区之间的整体相关性,意在说明研究区域是否存在显著的空间自相关程度^[22],全局Moran’s I 指数取值范围在[-1,1]之间,正值表示徐州都市圈产业结构转型城镇空间响应程度较强(或较弱) 的区域单元在空间上呈显著集聚状态;负值则表明区域产业结构转型城镇空间响应强度与其周边区域具有显著的空间异质性;如果等于0,表示徐州都市圈不同研究单元的产业结构转型城镇空间响应强度不存在空间关联性.局部空间自相关从更加细致的视角,衡量研究区域内某一具体空间单元与其相邻空间单元相关变量的关联程度及显著性的方法,并结合局部Moran’s I散点图或集聚图等形式揭示空间异质性规律.局部Moran’s I 指数为正值时,说明存在局部空间正相关关系,具有相似值的变量发生空间聚集;局部Moran’s I 指数为负值时,说明存在局部空间负相关关系,集聚发生在不相似值之间^[23].受篇幅所限,具体计算公式见文献^[24]. ...

... ,1]之间,正值表示徐州都市圈产业结构转型城镇空间响应程度较强(或较弱) 的区域单元在空间上呈显著集聚状态;负值则表明区域产业结构转型城镇空间响应强度与其周边区域具有显著的空间异质性;如果等于0,表示徐州都市圈不同研究单元的产业结构转型城镇空间响应强度不存在空间关联性.局部空间自相关从更加细致的视角,衡量研究区域内某一具体空间单元与其相邻空间单元相关变量的关联程度及显著性的方法,并结合局部Moran’s I散点图或集聚图等形式揭示空间异质性规律.局部Moran’s I 指数为正值时,说明存在局部空间正相关关系,具有相似值的变量发生空间聚集;局部Moran’s I 指数为负值时,说明存在局部空间负相关关系,集聚发生在不相似值之间^[23].受篇幅所限,具体计算公式见文献^[24]. ...

煤炭资源型城市产业结构演替与空间形态演变耦合——以安徽省淮南市为例

2016

关中城市群产业集聚的空间演变及效应分析——以制造业为例

2013

关中城市群产业集聚的空间演变及效应分析——以制造业为例

2013

2012

... [3,4].城镇的发展促使不同城镇之间的联系更加紧密,逐步形成以大城市为核心,由不同规模、职能的城镇组成的都市圈.近年来,都市圈作为中国新型城镇化发展的主要地域组织形式日益受到重视,但中国的都市圈多处于经济增长速度快、产业结构变化快、空间形态变化快、城镇化进程快的成长阶段,而产业结构升级及空间重组不仅驱动都市圈空间结构与形态变化,而且是都市圈内城市间相互作用的主要表征^[5].因此,探讨成长型都市圈产业结构转型的城镇空间响应格局及驱动机制,有利于促进都市圈合理分工格局形成及协同发展,也是当前学术界关注的重要领域.目前,国内外有关产业结构与城镇化发展的研究,主要体现在以下方面：关于工业化对城镇化的影响.工业化是城镇化发展的动力,但不同时期不同产业对城镇化的作用不同.在工业化初期和中期,工业化的聚集效应对城镇化的发展有带动拉升作用,而到了工业化后期,第三产业则成为城镇化发展的主要动力^[6~8].此外,还有学者从协调发展、互动机理视角探讨了工业化与城镇化的关系^[9,10].关于产业结构对城镇化的影响.产业结构转型升级引起产业、人口、资金等要素的重新配置,致使城镇地域形态发生变化^[11,12],现代工业和现代服务业主要分布在城镇化成熟地区^[13],由此推动城镇化水平提高. 关于产业结构演变的城镇化响应.主要是通过构建产业结构演变的城镇化响应测度模型,定量研究区域产业结构演变的城镇化响应强度的时空格局、地域类型、空间效应及驱动机理^[14,15]. 关于产业结构与城镇空间结构关系.产业结构转型与空间结构演变之间具有密切的内在关联关系,产业结构转型重组有利于城镇空间要素布局优化,而城镇空间结构优化能显著提高城镇运营效率和现代化水平^[3,16].在产业结构对城镇空间影响方面,产业集聚为城镇化扩展了地理空间,降低了城镇化成本,并有效地实现了城镇规模的扩张^[17].并以珠三角城镇群为例,探讨了城镇群产业结构演变的城镇空间响应强度时空差异、地域类型^[18].在产业发展对城镇空间影响机制方面,随着产业分工合作的进一步加强,城市间的产业分工合作更趋于合理,促进不同城市体系之间相互融合,进一步扩大了区域的空间范围,形成了“巨型城市”,即都市圈、都市连绵区^[19].Kunzmann^[20]等从城镇等级体系和城镇功能入手,认为企业的生产地域分工是导致城镇空间职能转变的决定性因素.综合来看,当前有关研究多是重视产业结构演变城镇化响应程度,忽视影响机制的探讨;重视国家、省域、城市等不同尺度的研究,而基于都市圈（城市群）特别是成长型都市圈的研究成果尚不多见.因此,以徐州都市圈为案例,采用空间自相关和地理加权回归等方法,研究成长型都市圈产业结构转型城镇空间响应的时空异质性特征,并揭示其影响因素,试图为成长型都市圈特别是徐州都市圈产业结构转型与城镇空间协同发展决策提供科学依据. ...

... [3,16].在产业结构对城镇空间影响方面,产业集聚为城镇化扩展了地理空间,降低了城镇化成本,并有效地实现了城镇规模的扩张^[17].并以珠三角城镇群为例,探讨了城镇群产业结构演变的城镇空间响应强度时空差异、地域类型^[18].在产业发展对城镇空间影响机制方面,随着产业分工合作的进一步加强,城市间的产业分工合作更趋于合理,促进不同城市体系之间相互融合,进一步扩大了区域的空间范围,形成了“巨型城市”,即都市圈、都市连绵区^[19].Kunzmann^[20]等从城镇等级体系和城镇功能入手,认为企业的生产地域分工是导致城镇空间职能转变的决定性因素.综合来看,当前有关研究多是重视产业结构演变城镇化响应程度,忽视影响机制的探讨;重视国家、省域、城市等不同尺度的研究,而基于都市圈（城市群）特别是成长型都市圈的研究成果尚不多见.因此,以徐州都市圈为案例,采用空间自相关和地理加权回归等方法,研究成长型都市圈产业结构转型城镇空间响应的时空异质性特征,并揭示其影响因素,试图为成长型都市圈特别是徐州都市圈产业结构转型与城镇空间协同发展决策提供科学依据. ...

2012

年代中国城市空间结构的变化及其动力机制

2001

年代中国城市空间结构的变化及其动力机制

2001

首都圈产业分布变化及其空间溢出效应分析

2014

首都圈产业分布变化及其空间溢出效应分析

2014

Population, Capital, Growth: Selected Essays

1973

Lewis Beyond the Crabgrass Frontier: Industry and the Spread of North American Cities, 1850-1950

2001

吉林省工业化、城镇化与农业现代化关系实证分析

2012

吉林省工业化、城镇化与农业现代化关系实证分析

2012

东北地区“人口-经济-空间”城市化协调性研究

2012

东北地区“人口-经济-空间”城市化协调性研究

2012

构建贵州工业化与城镇化协调发展的联动机制

2012

构建贵州工业化与城镇化协调发展的联动机制

2012

Rural-urban Interdependence and Industrialization

2002

Evidence on the Political Economy of the Urbanization Process

2003

The Urbanization and Suburbanization of The Service Economy: Producer Services and Specialization in Stockholm

2007

四川省产业结构演变的城镇化响应研究

2013

四川省产业结构演变的城镇化响应研究

2013

东北地区产业结构演变的城镇化响应机理与调控

2009

... 区域产业结构转型城镇空间响应是指区域产业结构转型所引起的城镇空间规模、形态、结构、效率等要素发生改变的过程,体现了城镇空间对产业结构转型响应与适应程度,可以采用“产业结构转型的城镇空间响应指数”来衡量.关于城镇空间与产业结构转型衡量指标的选取学术界尚未取得一致意见,不少研究成果强调应该通过构建综合评价指标体系进行测度,但实际工作中操作性不强.本研究认为土地城镇化率是城镇建设用地与区域土地总面积的比值,是都市圈城镇空间总体状况的集中体现;产业非农化率是第二、三产业等非农产业产值占地区生产总值的比例,反映都市圈产业结构转型升级状况.二者的发展变化具有关联性,作为衡量区域产业结构与城镇空间发展状况的主要指标已得到广泛应用.基于此,并借鉴相关研究成果^[15,18],本研究构建出区域产业结构转型城镇空间响应指数（RI）度量模型,计算公式为： ...

... 为深入研究各影响因素对产业结构转型城镇空间响应强度影响的差异性,在相关研究^[15]的基础上,综合考虑徐州都市圈的实际情况,本研究选取经济水平、对外开放、政府调控、投资强度、创新能力、产业结构层次、人口等诸多影响指标,但经过GWR模型的检验,剔除共线性高的指标,保留经济水平、对外开放、政府调控、创新能力4个指标作为自变量,依次测度这4个因素,对徐州都市圈产业结构转型城镇空间响应强度影响作用的异质性特征.具体指标说明如下：① 经济水平.区域经济水平决定了其发展阶段,进而决定了产业结构层次以及城镇空间演化快慢,因此,经济水平也就左右着产业结构转型城镇空间响应程度.故具体指标选为人均地区生产总值（元/人）;② 对外开放.对外开放程度反映了区域产业结构转型和城镇空间拓展可以从外部获取各种要素资源的能力,这种外部的支持能力可以加速区域产业结构转型和城镇化发展,具体指标以人均实际利用外资（美元/人）表示;③ 政府调控能力.政府投资政策对区域产业结构转型及城镇发展起着引导作用,而政府调控能力的强弱主要通过政府财政支出的投资方向来反映,因此,本研究以人均地方财政支出（元/人）作为具体指标;④ 创新能力.近年来,创新能力的不断提升是徐州都市圈产业结构转型升级和城镇建设的持续动力.考虑到数据的可得性,本研究以人均科技支出（元/人）来表示. ...

东北地区产业结构演变的城镇化响应机理与调控

2009

城市产业结构调整与空间结构演变关联研究

2001

城市产业结构调整与空间结构演变关联研究

2001

中国城镇化进程中的空间集聚、机理及其科学问题

2016

中国城镇化进程中的空间集聚、机理及其科学问题

2016

珠江三角洲城镇群产业结构演变的城镇空间响应强度

2014

珠江三角洲城镇群产业结构演变的城镇空间响应强度

2014

Megalopolitan Systems around the World

1976

Kunzmann. Strategic Spatial Planning and Regional Governance in Europe

2003

苏南沿江城镇扩展的空间模式及其测度

2007

苏南沿江城镇扩展的空间模式及其测度

2007

Changes in the Spatial Concentration of Employment across US. Counties: A Sectoral, Analysis 1972-2000

2005

ESDA-GWR的 1997-2012 年中国省域能源消费碳排放时空演变特征

2015

... 地理加权回归模型主要基于不同地理位置上的因素变量存在异质性的思想,在进行影响因素分析时,将研究区每个观测对象带入回归参数里,并将邻近观测数据的子样本数据进行局部回归分析,从而不仅可以更好地反映出研究变量在空间上存在依赖性,而且能展现空间分异规律^[23,25]. ...

ESDA-GWR的 1997-2012 年中国省域能源消费碳排放时空演变特征

2015

Interactive Techniques and Exploratory Spatial Data Analysis

1999

基于时空地理加权回归模型的中国碳排放驱动因素实证研究

2014

基于时空地理加权回归模型的中国碳排放驱动因素实证研究

2014

2010

... 徐州都市圈各个空间单元之间经济水平、资源禀赋、产业结构层次、城镇发展水平差异较大,因此本研究采用GWR 构建都市圈产业结构转型城镇空间响应驱动因素空间差异回归模型,揭示不同因素对于不同空间单元的差异化影响规律,为因地制宜促进徐州都市圈产业结构与城镇空间协同发展提供决策依据,计算公式为^[26]： ...

2010

The Geography of Parameter Space: An Investigation of Spatial Non-stationarity

1996

... 式中,Y_i为第

\begin{matrix} i \end{matrix}

空间单元的产业结构转型城镇空间响应指数;

\begin{matrix} (κ_{i}, η_{i}) \end{matrix}

是空间单元i的地理坐标;

\begin{matrix} β_{0} (κ_{i}, η_{i}) \end{matrix}

空间单元i的回归方程常数项;

\begin{matrix} β_{q} (κ_{i}, η_{i}) \end{matrix}

为空间单元i的第q个影响因素变量的回归系数,x_iq为空间单元i的第q个影响因素变量;

\begin{matrix} ε_{i} \end{matrix}

为残差项.本研究采用GWR模型开展产业结构转型城镇空间响应影响因素研究的主要思路为：首先对各空间单元产业结构转型城镇空间响应强度的差异特征进行检验,以消除基础数据的空间不稳定性;其次是选择Adaptive 核函数,该函数构建的最关键问题是最优带宽的确定.采用赤池信息准则（AIC）加以确定.最后构建徐州都市圈产业结构转型城镇空间响应强度的GWR模型进行模拟.运用地理加权回归模型研究徐州都市圈产业结构转型城镇空间响应强度区域差异的驱动因子,可以将数据的空间特性纳入模型中,更加客观准确地揭示数据的空间非平稳性^[27,28]. ...

中国省域能源消费碳排放时空异质性的EOF和GWR分析

2016

... 式中,Y_i为第

\begin{matrix} i \end{matrix}

空间单元的产业结构转型城镇空间响应指数;

\begin{matrix} (κ_{i}, η_{i}) \end{matrix}

是空间单元i的地理坐标;

\begin{matrix} β_{0} (κ_{i}, η_{i}) \end{matrix}

空间单元i的回归方程常数项;

\begin{matrix} β_{q} (κ_{i}, η_{i}) \end{matrix}

为空间单元i的第q个影响因素变量的回归系数,x_iq为空间单元i的第q个影响因素变量;

\begin{matrix} ε_{i} \end{matrix}

中国省域能源消费碳排放时空异质性的EOF和GWR分析

2016

... 式中,Y_i为第

\begin{matrix} i \end{matrix}

空间单元的产业结构转型城镇空间响应指数;

\begin{matrix} (κ_{i}, η_{i}) \end{matrix}

是空间单元i的地理坐标;

\begin{matrix} β_{0} (κ_{i}, η_{i}) \end{matrix}

空间单元i的回归方程常数项;

\begin{matrix} β_{q} (κ_{i}, η_{i}) \end{matrix}

为空间单元i的第q个影响因素变量的回归系数,x_iq为空间单元i的第q个影响因素变量;

\begin{matrix} ε_{i} \end{matrix}

2005-2015

... 本研究以县域为研究单元,包括县、县级市、地级市市区,依据2014年行政区划,共包括41个县域;研究时段为2005~2014年.涉及到数据主要来源于2005~2015年的徐州都市圈所属各市的统计年鉴,以及江苏、山东、河南、安徽4省统计年鉴^[29~32]和城市建设统计年报,还有相应年份的《中国城市统计年鉴》^[33]等.研究中城镇空间规模以城镇建设用地为表征指标. ...

2005-2015

〈

〉

徐州都市圈产业结构转型城镇空间响应的时空异质性

Spatio-temporal Difference of Influencing Factors and Strength of Urban Space Response to the Transition of Industrial Structure in Xuzhou Metropolitan Area

1 研究区概况

2 研究方法

2.1 产业结构转型城镇空间响应强度测度模型

2.2 空间自相关分析

2.3 地理加权回归模型

3 数据来源与影响因素指标说明

3.1 数据来源

3.2 影响因素指标说明

4 产业结构转型城镇空间响应强度的异质性特征

4.1 时间演变特征

4.2 区域差异特征

4.3 空间关联特征

5 产业结构转型城镇空间响应的影响因素分析

6 结论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子