城市空地：城市化热潮的冷思考

城市空地早已“隐藏”在增长与收缩这一对立而又统一的城市化进程中。然而,学术界对其研究尤为不足,国内研究更为滞后。通过文献溯源分析建立城市空地概念,在地块、样带、地区和国家尺度比较分析城市空地的类型、成因及价值,对当今世界城市化热潮做出冷思考。结果表明：① 城市空地在土地覆被、土地用途、土地权属3个维度发生类型分化;② 城市空地格局特征在地块、样带、地区和国家尺度分异明显;③ 城市空地直接成因包括地块分割过于破碎、地块形状不规则、居住人口减少及“去工业化”、土地投机、投资不足、环境问题;④ 城市空地已沦为城市社会、经济和生态空间的“灰色”区域,是增强城市可持续性的潜在资源。此外,有必要遵循“类型划分—格局与过程研究—成因解析—转换机制—影响及价值评估—利用监管”的逻辑框架,从“社会—体制—经济—生态”互动视角,通过不同城市化阶段或地区比较,在微观（地块）、中观（城市样带/地区）、宏观（国家）多尺度开展城市空地研究,以服务于城市更新和土地供给侧结构性改革。     

中国城市舒适物评价指标体系构建与实证

随着城市经济向新知识经济转型,舒适物被认为是影响高端人才移入和城市经济增长的最重要因素。在西方研究基础上,基于中国国情,探索性地构建了中国舒适物系统的综合指标体系,其中包括自然、文化、商业、交通、卫生和社会等6个一级指标以及34个二级指标。结合中国26个主要人口聚居城市的舒适物指标数据,对不同城市的舒适物综合指数水平进行测评;同时对测评结果的差异进行了解释分析。研究发现：① 城市舒适物综合水平呈现出比较大的差距,北上广深等大城市明显高于中西部城市;进一步聚类分析表明,中国大城市的舒适物水平既存在差异,也存在舒适物发展上的共同特征;② 与西方城市人口普遍重视自然舒适物相反,商业舒适物和交通便利程度是影响中国城市舒适物总体水平的最重要因素,卫生服务设施、文化舒适物、商业舒适物与城市吸引力和宜居程度总体评价的相关性最高,这说明中国目前的经济增长模式仍以物质消费为主,而人才流动主要看重舒适物中的文化和消费设施发达程度、卫生医疗水平和交通便利程度,对自然舒适物和社会舒适物等“软”环境的重视不如西方国家;③ 中国城市舒适物结构呈现出比较复杂的状态,表现为发展不均衡的结构类型。城市舒适物评价指标体系构建紧扣舒适物概念和内涵,具有操作性和延伸性,一方面根据评价结果可以判断中国大城市舒适物水平的优劣与结构特征,另一方面评价结果可用于进一步分析其与城市经济、人才、企业等变量的关系,从而完善中国转型期城市发展和增长理论。     

再生性资源型城市工业化与城镇空间耦合格局及驱动因素——以徐州市为例

整合脱钩模型、耦合协调模型和工业化城镇空间响应测度模型,采用ESDA和GWR等方法,以镇域为研究单元,分析了2003~2015年徐州市工业化与城镇空间耦合格局及影响因素。结果表明：徐州市工业化与城镇空间的脱钩关系呈现由无脱钩向绝对脱钩状态演化,二者之间的耦合协调程度呈增强趋势,但耦合作用不强;徐州市镇域工业化城镇空间响应程度呈波动性增强之势,各镇域间差异在逐渐增大;徐州工业化城镇空间响应强度差异的“一带”、“两翼”格局正在形成,交通区位优越类镇域尤为显著,表明再生性资源型城市工业化城镇空间响应的禀赋基础正在发生改变; 弱响应镇域主要集中于远离城市且区位不便的区域,持续表现为冷点区域,与经济发展水平的区域格局具有一致性;徐州市工业化城镇空间响应的影响因素作用程度呈现政府调控>投资因素>发展阶段>基础设施的特征,且均呈减弱之势,但各因素的影响作用表现出显著的空间异质性。     

琼海市小城镇空间发展预测

本文在对琼海市的小城镇进行综合分析基础上,选取具有代表性的中原镇、博鳌镇进行分析,研究了该城镇建成区发展的最大规模,未来的发展模型,并与相应的规划作了比较,结果表明,采用这种方法进行小城镇的发展预测是一种的可行的方法。     

江苏省城乡统筹的空间格局分析

现代城市与乡村通过多要素相互联系与相互作用,客观上构成了一个复杂的社会经济地域系统。在系统分析城乡关系的基础上,以指标体系的形式和层次分析方法,分析江苏13个地级市域的城乡统筹分布特征:1)全省城乡统筹度自南向北递减;2)全省三大区域城乡统筹空间格局呈“哑铃”状;3)全省13个市域城乡统筹度按各市域的经济实力排列,呈现“U”型变化规律;4)影响全省城乡统筹的因素集中表现为区域发展政策、大城市的辐射带动、乡村经济的不断增长、外来投资的地区倾向、城乡居民对平等的追求,城乡基础设施建设成为全省城乡统筹发展的平台。     

资源型城市的生态环境问题与综合整治--以济宁市为例

在对资源型城市可持续发展中面临的普遍性生态环境问题进行分析的基础上,结合济宁市的实例,对济宁市生态环境现状进行评估,并采用库茨涅茨曲线拟合分析,进而对济宁市生态环境进行预测。根据预测结果,提出了生态环境综合整治的重点。结果认为,济宁市生态环境问题比较严重,体现在煤烟型空气污染突出、水污染严重、采煤塌陷地日趋扩大、整体生态环境脆弱等,这些问题将直接影响其经济发展的可持续性。济宁市应以采煤塌陷地的综合整治为突破口,加大生态环境治理力度,科学划分生态功能区,因区进行生态保护与管制,做好资源型城市生态环境建设的试验与示范,构建生态型产业体系,使其自然生态系统更有效地支撑经济、社会的可持续发展。     

中国城市流动人口回流意愿的空间分异及影响因素

基于国家卫计委2016年流动人口动态监测数据（CMDS）,运用相关GIS空间统计工具探讨了中国279个地级及以上城市流动人口回流意愿空间分异问题,进而考察流动人口回流意愿的影响因素。研究发现：① 相比居留意愿及户籍迁移意愿,中国城市流动人口回流意愿偏低（6.17%）,其中,绝大多数流动人口（74.05%）的回流去向地是返回原居住地。城市规模、城市等级与流动人口回流意愿呈非对称“U型”格局。② 流动人口回流意愿总体上呈现出集聚分布模式,并具有显著的空间分异特征,长江三角洲、京津冀等城市群流动人口的回流意愿较高,成渝和哈长城市群流动人口回流意愿较低;东部地区流动人口回流意愿最高,东北地区的回流意愿最低;华南、中南和部分华东地区为回流意愿热点区,东北和华北地区为回流意愿的冷点区。③ 回流意愿受流动人口内部因素与流入地外部因素的共同影响,同时作为内部因素和外部因素的教育水平及经济发展变量对流动人口回流意愿的影响方向不同。④ 流动人口的家庭联系、社会网络、住房及经济因素是塑造流动人口空间格局的主要力量,流入地家庭规模及住房拥有率等对流动人口回流意愿产生抑制作用,非流入地家庭规模、流动次数、家庭收入支出比等对回流意愿产生促进作用。     

网络关联、空间溢出效应与中国区域经济增长——基于腾讯位置大数据的研究

以腾讯公司根据手机位置得到的中国地级及以上城市之间人口流动数据为基础,考察人口流动网络下地级市经济增长的空间关联模式及其演变,结合网络分析方法,测度地级市间经济增长的空间溢出效应。主要结论有：① 符合现实的空间权重矩阵应该是非对称的,且随着互动关系的改变而发生变化。② 人口流动网络等反应地级市之间互动的因素在经济增长空间溢出中发挥了重要作用。③ 基于网络的空间溢出效应是地级市经济增长的重要因素。     

中国城市碳排放强度的空间溢出效应及驱动因素探究（英文）

In this study, we adopt kernel density estimation, spatial autocorrelation, spatial Markov chain, and panel quantile regression methods to analyze spatial spillover effects and driving factors of carbon emission intensity in 283 Chinese cities from 1992 to 2013. The following results were obtained.(1) Nuclear density estimation shows that the overall average carbon intensity of cities in China has decreased, with differences gradually narrowing.(2) The spatial autocorrelation Moran's I index indicates significant spatial agglomeration of carbon emission intensity is gradually increasing; however, differences between regions have remained stable.(3) Spatial Markov chain analysis shows a Matthew effect in China's urban carbon emission intensity. In addition, low-intensity and high-intensity cities characteristically maintain their initial state during the transition period. Furthermore, there is a clear "Spatial Spillover" effect in urban carbon emission intensity and there is heterogeneity in the spillover effect in different regional contexts; that is, if a city is near a city with low carbon emission intensity, the carbon emission intensity of the first city has a higher probability of upward transfer, and vice versa.(4) Panel quantile results indicate that in cities with low carbon emission intensity, economic growth, technological progress, and appropriate population density play an important role in reducing emissions. In addition, foreign investment intensity and traffic emissions are the main factors that increase carbon emission intensity. In cities with high carbon intensity, population density is an important emission reduction factor, and technological progress has no significant effect. In contrast, industrial emissions, extensive capital investment, and urban land expansion are the main factors driving the increase in carbon intensity.