中国城市群技术知识单中心与多中心探究

城市空间组织的多中心、网络化特征受到区域经济研究关注。但由于发展阶段、空间尺度、研究视角的差异,城市区域多中心格局有待商榷,知识经济时代解读知识流作用下的城市空间组织应成为经济地理学重点破解的命题。基于中国知识产权局2014年申请和联合申请发明专利数据,运用社会网络分析法和基尼系数,从知识生产和知识网络层面,对京津冀、长三角、珠三角、长江中游、成渝五大城市群技术知识形态多中心和多尺度功能多中心进行测度。研究发现：① 城市群技术知识创新呈现网络化模式,但在形态和功能上多呈现单中心格局,与已有研究基于城市间基础设施联系、企业联系、科学知识联系广泛认同城市群呈现多中心格局的观点不同;② 城市群技术知识网络结构具有空间异质性,国家尺度技术知识流强度的空间不均衡性更加显著,强联系由少数核心城市控制;③ 形态和功能多中心程度存在区域差异,同城市群创新基础、经济实力、协同发展水平有关;④ 功能多中心程度具有尺度敏感性,区域尺度功能多中心程度高于国家尺度。研究结论有助于引发对城市空间组织理论的再思考。     

北京都市区人口—就业分布与空间结构演化

本研究应用非参数计量方法,实证刻画北京都市区人口—就业空间分布演化,揭示在快速城市化和城市增长背景下,北京都市区空间结构特征及发展趋势。研究发现,北京都市区人口和就业分布都呈现多中心空间结构。20 世纪80 年代以来,随着人口郊区化,北京都市区人口次中心数量不断增加,并由近郊向远郊扩展,人口分布呈现明显的分散化和多中心化趋势,但人口分散的空间范围还比较有限。与人口的分散化趋势不同,2004-2008 年,北京都市区就业仍呈现向心集聚的趋势,造成远郊就业次中心的影响不断被弱化,都市区空间结构的多中心性有所降低。这说明北京都市区的单中心或强中心结构可能并未从根本上改变,且人口的分散化和就业的向心集聚导致宏观面上人口—就业的空间失衡。北京都市区多中心空间结构的形成,需要强化郊区次中心的集聚能力,同时注重人口—就业的平衡布局,这是未来北京都市区空间结构调整的重点。     

2000―2010年广州人口空间分布变动与多中心城市空间结构演化测度

基于广州市第五次和第六次人口普查中的常住人口数据,运用空间分析法、单中心密度模型和多中心密度模型分析法对广州市人口空间分布和多中心城市空间结构进行研究。结果表明,研究时段内广州人口空间动态变化表现为“内圈层（近郊区）快速增长、外圈层慢速增长、核心圈层（核心区）和外圈低速增长”,核心圈层的人口继续增长并向四周扩散,表明广州人口变动的郊区化现象明显,已呈现多中心特征,由2000年的“1个中心（人民公园）2个次中心（白云区的新景街和海珠区的凤阳街）”演变至2010年的“1个中心（人民公园）4个次中心（白云区的同德街、海珠区的凤阳街、天河区的棠下街和沙河街）”,次中心的人口集聚功能逐渐增强,对城市人口分布影响逐渐增大。     

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

从有向多值关系视角,以中原城市群为案例区,对比分析静态网络、百度信息网络、综合交通网络的空间结构,选择经济、文化、行政、时间距离方面的7个因素构建关系回归模型,剖析3个网络的影响因素。结果表明：①3个网络之间的相关系数表现为：百度信息网络与综合交通网络>百度信息网络与静态网络>综合交通网络与静态网络且其值均高于0.582,表明整体的相似性大于差异性;②在空间结构上,3个网络均表现出以郑州为中心,以京广线和陇海线为发展轴,郑州、开封、新乡、洛阳、许昌构成了骨干网络,并形成辐射与集聚优势共存的中心片区;在中心片区之外,3个网络表现出明显的差异性特征。网络节点的辐射与集聚能力在百度信息与综合交通网络中均是正相关,而在静态网络中则是负相关;③关系回归模型的7个因素均对3个网络产生了不同程度的影响,其中企业合作、行业结构相似、经济制度邻近是影响3个网络相似性较强的因素,而收入差距、文化相似、行政隶属、平均时间距离是影响它们之间差异性的因素。本研究为关系转向下的城市体系研究提供了新的思路。     

中国市域空间结构的特征及其影响因素

优化与重构人口的空间分布格局是当前国家战略决策的重点研究领域之一。首先,利用2000年和2010年人口普查数据,通过帕累托指数、赫芬达尔指数和首位比重指数刻画了中国城市市域空间结构的特征及其演化;其次,从自然地理、社会经济和政府干预3个方面系统地揭示了区域空间结构形成与演化的影响因素。结果表明：① 相对于胡焕庸线以西地区,胡焕庸线以东的市域更偏向多中心;中国市域空间结构相对稳定,有微弱的向多中心发展的趋势;②市域空间结构的形成主要受政府干预影响,自然地理和社会经济的作用相对较弱。具体而言,地表粗糙程度、城市行政等级和政府支出占比会推动区域空间结构朝单中心方向发展;而土地面积、县/县级市内国家级开发区个数、市域内政府间竞争以及人均公路里程则使得空间结构朝均衡的多中心方向演进。     

中国城市群多中心网络的拓扑结构

在既有理论基础上扩展了城市群多中心网络的度量工具,考察中国12个城市群总部—分支机构的企业关联网络,比较梳理了地级城市空间联系的拓扑结构。实证研究发现：①包括长三角、珠三角和京津冀三大典型城市群在内,中国城市群内部网络系统的拓扑结构依然发育不完善,在联系数据方面均呈现出一定的稀疏矩阵特征,空间组合关系均为树状结构。②总部区位(出度)的层级性差异均高于分支机构区位(入度)的层级性差异,显示出城市群内部空间“流”的不对称性。③针对12个城市群内部网络的拓扑结构聚类分析表明：长三角、珠三角、京津冀、山东半岛、海峡西岸地区的城市群内部网络联系较为紧密,呈现出一定程度的一体化网络特征;其中三大典型城市群存在明显的企业总部集聚核心,其余城市群内部的网络联系松散,跨城企业联系比重较低,在拓扑结构上大多呈现出以省会或副省级城市为指向的向心式联系。     

关中平原城市群物流企业空间格局演化及影响因素研究

基于关中平原城市群物流企业微观地理数据,使用平均最近邻、核密度估计和标准差椭圆分析方法,从不同空间区域和不同企业类型维度,探究2005、2010、2015、2019年4个时间点关中平原城市群物流企业空间演化特征,并构建面板数据回归模型探究影响城市群物流企业空间分布的主要因素。结果表明：关中平原城市群物流企业聚集程度不断加深,聚集区由“单核”向“条带式斑点状”演化,整体沿“东北-西南”方向聚集分布,西安都市圈是城市群内物流企业的核心聚集区;城市群不同空间区域物流发展不均衡;不同类型物流企业空间格局演化特征不同;上一年度物流企业数量、邮政业务总量和社会消费品零售总额对物流企业空间集聚具有积极作用。     

上海都市区就业—人口空间结构演化特征

研究以非参数模型计量为基础,从集聚—分散维度和单中心—多中心维度刻画了上海都市区就业、人口空间演化特征,并与北京都市区的研究结果进行了横向比较。研究表明,上海都市区的就业和人口不断向外扩散,同时近、远郊均出现了稳定的再集中,就业和人口的空间多中心性都在增强。而北京只存在人口的分散化和多中心化,就业却呈现集中化和单中心化的态势。因而,上海都市区的就业—人口空间匹配程度高于北京。产业结构差异是造成北京、上海两地就业空间演化特征分异的原因之一,上海制造业比重高于北京,郊区的制造业集聚强化了近、远郊吸纳就业能力,促进了多中心空间结构的形成。北京和上海中心城区的就业、人口规模仍在扩张,导致近邻地区被包络在内,原有的次中心逐渐消失,因而,科学确定中心城区的增长边界,有效防止邻近蔓延,应当成为特大城市未来发展的关注重点。     

中国副省级及以上特大城市人口空间分布与多中心性研究

基于第五、六次人口普查数据及年鉴统计数据,选取我国12 个副省级以上特大城市为研究对象,运用GIS 探索性空间数据分析等方法对我国特大城市的人口时空演化及其空间结构特征进行研究。结果显示：（1）我国特大城市人口增长态势明显,总量差距逐步缩小,人口分布呈“总体均衡、局部集中”的格局。（2）近域扩张特征明显,城市内部人口密度差别较大,特大城市局部地区人口空间极化与空间扩散效应并存。（3）各城市人口分布多中心性存在明显的分化特征,且随着时间的推移特大城市的多中心程度有弱化趋势。     

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

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

中国人口城市化的影响要素与空间格局

利用2000年第五次人口普查数据和相关统计资料对中国人口城市化的影响要素和空间格局进行分析和研究。从城市角度分析中国人口城市化的影响要素后发现:中国城市人口规模与经济实力要素、社会发展要素和消费要素显著相关,与经济结构要素相关性不显著;运用GIS技术分析中国人口城市化的空间格局发现:中国县级人口城市化空间格局存在明显的东北、中部和西南"三元"结构,省级人口城市化体现出"三区(即京津沪区、渝鄂区和藏新区)、三带(东部带、中部带和北部带)"的空间格局。     

黄山市土地出让区位选择空间特征与影响因素研究

随着全国旅游业快速发展和城镇化进程加速推进,旅游城市土地投资和开发日益强盛。以典型旅游城市黄山市为案例,以1870宗城市出让用地为样本,采用数理统计、GIS空间分析等方法,分析其土地出让区位选择空间特征与影响因素。研究发现：① 商服、住宅、工业三类用地与用地总和的出让均属于凝聚型空间分布状态,分布均衡度均较低。② 城市东南部和区县城区是土地出让热点集中地区,城市外围地域是冷点集中地区。住宅用地热点地区主要集中于城市近郊、重要旅游区周围;工业用地热点地区主要集中于开发区、工业园区和重要交通沿线;商服用地热点区域主要集中于城市商业集聚区、大型公共设施和旅游景区周围、重要交通设施附近。③ 土地出让区位选择呈点状集聚、线状网络并存,表现为“东南部分布密度较高、西北部分布密度较低”“中心城区密集、外围区县稀疏,县城密集、一般乡镇分散”“交通指向显著、呈带状分布”布局特征。④ 土地出让区位选择涉及城镇化推动的城市内生型、自然环境优美的资源依托型、要素流动便利的交通指向型和集聚经济优势的开发区集中型四种选择模式。⑤ 土地出让区位选择是自然条件、人口经济发展水平、政策制度、城镇化建设、交通设施、旅游发展等因素综合作用的结果,也是政府、企业、居民等不同主体相互作用与博弈的结果。地形对土地出让区位选择的空间约束性和指向性显著;土地出让与人口规模、经济发展水平有较高匹配度;土地政策、城市规划对用地出让的规模和方向有重要影响;交通和旅游快速发展对于土地出让具有明显影响。     

中国人口死亡率空间格局演变及其影响因素

人口死亡率是人口转型关键因素之一,而人口转型又关系着地区社会经济发展质量。以2000—2015年粗死亡率数据为基础,通过变异系数、趋势分析和空间自相关分析中国人口死亡率空间格局差异及演变态势,并结合偏最小二乘回归定量分析人口死亡率影响因素。结果发现：（1）中国人口死亡率大致呈西北、东北和东南低,中部及西南高态势,且各时段人口死亡率降低省份高于增长省份;（2）中国各省死亡率变异系数差异悬殊,且在空间趋势中东西方向呈现两端低中间高、南北方向由两端低中间高向北低南高转变;（3）人口死亡率全局空间集聚程度不断减弱,区域差异缩小,且局部空间上以高-高和低-低聚集为主;（4）人口老龄化是人口死亡率提升的主要推动因子,其次分别为工业废水排放总量、突发环境事件次数和气候条件等。人均生产总值对人口死亡率起主要抑制作用,其次分别为每千人口床位数、每十万人口大学平均在校生数、人均用水量和空气质量。农作物受灾面积合计对人口死亡率在不同年份作用力不一致。     

中华老字号企业空间分异及影响因素研究

以全国1128家中华老字号企业为研究对象,运用平均最邻近指数、核密度分析、不均衡指数、空间自相关分析、热点分析等经济地理分析模型,借助ArcGIS软件,对中华老字号的空间分布密度、区域分异特征、均衡态势、空间自相关性进行了计量分析。在此基础上,就中华老字号的行业类型结构特征进行了系统梳理,并揭示了其空异间分异格局与特征。最后,运用地理联系率、矢量数据缓冲区分析、相关性分析等方法揭示了其内在影响因素。研究发现：① 中华老字号的空间分异呈现2个高密度区、1个次级高密度区和多个高集聚区,核心-边缘结构较为明显,老字号企业主要集中在近现代以来经济基础较好、市场开放程度较高的华北、东部沿海地区,多以沿海开放口岸、省会城市、主干路网为核心,呈寄生状集聚。② 中华老字号企业在空间上并非随机性分布,而是呈现显著的空间自相关性。老字号企业在全国的分布呈现“集聚化,纺锤状”的分异格局,极化现象较为突出。③ 中华老字号企业的冷、热点区由长江中下游平原向南北依次呈现为“热点区-次热点区-次冷点区-冷点区”的梯度分异格局。④ 酒类、医药类、餐饮服务类老字号企业分布呈现“地区集聚化,行业集群化”格局,其他类型老字号企业在全国各地区的分布则呈现“地域均衡化,行业多元化”特征。⑤ 中华老字号的空间分异格局、类型结构特征是资源禀赋与发展基础、地域传统与社会变迁、经济发展与消费市场、文化旅游与消费需求等生产与消费多元因素共同作用及影响的结果。基于此,从中华老字号空间管理、统筹发展、资源要素优化配置、传承创新等方面提出了发展建议。     

2000-2010年中国不同地区人口密度变化及其影响因素

人口空间分布及其集疏变化是区域发展规划的重要科学基础之一。2000-2010年中国人口变化格局及其驱动因素有待进一步梳理。鉴于此,以分县为基本研究单元,利用2000年与2010年两次人口普查数据,首先根据人口密度变化将中国不同地区划分为快速增加、缓慢增加、缓慢降低和快速降低四个类型,并分析其空间格局与地域特征。在此基础上,选取11个自然与社会经济因素,利用偏最小二乘法 (PLS),对全国及四类地区的人口密度变化影响因素及其地域差异进行了定量分析。研究结果表明：① 相较于2000年,2010年全国超过60%的分县单元人口密度增加,平均增速为21人/km²,主要分布在城镇密集地区;不到40%的分县单元人口密度减少,平均降低13人/km²,主要分布在人口密集省份、老城区和边境地区;② 自然因素与社会经济因素对人口密度变化均有影响,但社会经济因素影响更大。高经济发展水平、医疗条件和通讯能力是人口密度增加的主要“拉力”,而地区内稠密的人口是人口密度降低的主要“推力”。上述结论基本理清了中国近10年来人口增减变化空间分布格局及其地域影响因素,可为未来人口发展和区域规划提供有益的借鉴。     

中国高技术产业创新空间分布及其影响因素——基于面板数据的空间计量分析

本文基于2003-2012年省域面板数据,采用地统计方法分析中国高技术产业创新的空间分布,并运用空间计量模型对其影响因素进行探讨。研究发现：中国高技术产业创新存在明显的空间差异,其中东部地区的创新水平明显高于中部和西部地区;2003-2012年间,高技术产业创新整体空间差异表现出先扩大后缩小的趋势,空间分布呈现出先集聚后扩散的变化特征;相邻省域间的创新水平存在明显溢出现象,研发资金投入、研发人员投入、高校研发水平、企业规模和市场开放度均对高技术产业创新起到促进作用,且研发人员投入和市场开放度还能进一步促进相邻地区的创新发展,而企业规模则对相邻地区的创新存在负面影响。因此,加大对中西部地区研发资金和研发人员投入,重视高校在创新发展中的作用,破除区域壁垒促进技术流动以及加大市场开放度,都有利于提高整体创新水平和缩小创新空间差异。     

基于抖音粉丝量的中国城市网络关注度空间差异及其影响因素

基于抖音粉丝量数据,运用位序-规模法则、核密度估计、领域划分与模式组合等方法,对中国城市网络关注的空间差异进行分析,并对比了其与传统百度指数的差异。研究发现：① 关注度排名靠前的城市分别是北京、上海、广州、深圳、成都、杭州、重庆、西安、天津、南京等,并形成了长三角、珠三角、京津三大核心集聚区,反映出核心经济发展区的网络优势度。而中西部地区城市的关注度普遍不高,仅在成渝、中原、长江中游等地区形成微弱的集聚中心。② 从位序-规模法则看,拟合曲线偏离理想状态且q值大于1.3,反映出高关注城市在空间上的强影响作用并表现出一定的网络空间集聚效应。从四大分区看,东北和西部地区与整体类似,东部地区的高等级集聚效应进一步强化,而中部则较符合理想形态。③ 从领域划分与地域模式看,北京、上海、广州等高关注城市的核心领域是探店、旅游、美食、街拍、同城,方言、旅游类话题亦有较大的关注。中西部地区核心城市除了在特色美食、探店、街拍与东部地区有些类似外,还表现出房产、地铁等方面的特色,从侧面反映出该区域在城镇化建设、产业转型等方面面临的一些现实问题。从地域模式看,长三角属于多中心网络化,京津冀、珠三角、成渝、长江中游属于双中心点轴状,关中、中原属于单中心放射状,其余城市群则属于单中心或无中心离散状。④ 与百度指数对比看,抖音粉丝量在高水平区的集聚程度高,而在中西部城市群地区的集聚效应不明显。⑤ 从影响因素看,除了与经济发展水平尤其是现代服务业水平、信息化水平、交通物流保障相关外,与城市的创新性、高素质人才或高学历网民的活跃性参与、数字化推广、专业化运营相关性较大。     

The change in population density from 2000 to 2010 and its influencing factors in China at the county scale

Studying the change in population distribution and density can provide important basis for regional development and planning. The spatial patterns and driving factors of the change in population density in China were not clear yet. Therefore, using the population census data in 2000 and 2010, this study firstly analyzed the change of population density in China and divided the change in all 2353 counties into 4 types, consisting of rapid increase, slow increase, slow decrease and rapid decrease. Subsequently, based on the partial least square (PLS) regression method, we recognized the significant factors (among 11 natural and social-economic factors) impacting population density change for the whole country and counties with different types of population change. The results showed that: (1) compared to the population density in 2000, in 2010, the population density in most of the counties (over 60%) increased by 21 persons per km² on average, while the population density in other counties decreased by 13 persons per km². Of all the 2353 counties, 860 and 589 counties respectively showed rapid and slow increase in population density, while 458 and 446 counties showed slow and rapid decrease in population density, respectively. (2) Among the 11 factors, social-economic factors impacted population density change more significantly than natural factors. The higher economic development level, better medical condition and stronger communication capability were the main pull factors of population increase. The dense population density was the main push factor of population decrease. These conclusions clarified the spatial pattern of population change and its influencing factors in China over the past 10 years and could provide helpful reference for the future population planning.     

长江三角洲人口与经济空间格局演变及影响因素

人口与经济是反映区域差异的两大主要指标,其空间分布与区域差异的形成有密切关联。产业作为经济发展的基本载体,产业结构是影响人口与经济空间分布协调性的重要因素。在产业转移加快的背景下,长三角人口与经济空间分布格局也出现了一定的变化,对二者空间演变协调性研究具有重要的现实意义。本文运用重心、不一致指数及不均衡指数等方法,分析2000-2013年长三角人口与经济空间格局演变趋势及影响因素。结果表明,核心区经济增长有所放缓、边缘区经济增长加快,但人口向核心区集聚态势依然存在;基于不一致指数与不均衡指数的分析表明,与边缘区GDP快速增长导致区域GDP格局显著变化不同,边缘城市的人口增长并不显著且集中在部分城市;尽管人口与经济不一致指数分布格局呈现相对稳定的“核心—边缘”格局,但人口与经济增长不协调性增强推动了长三角人口与经济总体协调性的提高。本文尝试从市场、政府及人均GDP等因素对长三角人口与经济分布不协调的现象进行了解释。