长江中游城市群城市土地利用效率空间溢出效应研究

城市群城市土地利用效率是城市群城市土地要素有效配置、合理利用以及城市经营管理水平的综合体现。在使用DEA方法得到2003～2015年长江中游城市群28个城市土地利用效率并且分析其变化趋势以及空间关联性的基础上,构建SDM模型对长江中游城市群的城市土地利用效率空间溢出效应进行分析。研究结果表明：（1）2003～2015年长江中游城市群城市土地利用效率总体呈波动变化趋势。长江中游城市群城市土地利用效率存在空间负相关关系,城市土地利用效率具有空间异质性;（2）通过构建SDM模型分析表明,外商直接投资额以及人均地区生产总值是长江中游城市群城市土地利用效率的主要驱动因素;（3）长江中游城市群城市土地利用效率的空间溢出效应较弱,在一定程度上反映了长江中游城市群城市之间的空间相互作用较弱,经济联系还不够紧密。因此,长江中游城市群需要进一步构建城市合作机制,提高城市土地利用系统的整体性和联动性,推进区域经济协同发展。     

长江中游城市群PM2.5时空特征及影响因素研究

近年来,伴随着工业化和城市化进程的加快,长江中游城市群灰霾天气持续增多,空气污染问题日益突出。基于2015年1月至2016年2月长江中游城市群189个空气质量监测站点的PM2.5逐时监测数据,采用普通克里金插值、探索性空间数据分析法和相关系数法,从年、季、月尺度上分析了PM2.5的空间分布格局及其影响因素。结果表明：（1）在年尺度上,长江中游城市群PM2.5浓度空间分布总体呈现出明显的北部高南部低,局部地区略有突出的特征,该区PM2.5浓度年均值为55.28 μg/m3,其中湖北省PM2.5的年均值为三省市最高,为68.17 μg/m3;其次为湖南省,年均值为53.66 μg/m3;江西省PM2.5的年均值较小,为44.01 μg/m3。（2）在季节尺度上,长江中游城市群PM2.5浓度表现出冬春季高,夏秋季低的现势性,这与区域内夏季高温多雨、冬季低温少雨的气候条件密切相关。（3）长江中游城市群PM2.5月浓度变化大致呈U形分布,1月份PM2.5浓度最高, 1~6月份,PM2.5浓度呈逐步下降趋势, 6~8月份,区域PM2.5浓度处于“U”字的谷底。（4）NO2、CO是影响PM2.5浓度的两项主控大气污染物,而降水量和相对湿度则是影响PM2.5浓度的两个重要气象因素。 关键词： PM2.5浓度;时空特征;气象因素;长江中游城市群     

基于熵权-云模型的城市群综合承灾度评价

为解决城市群综合承灾度评价过程中的模糊性与随机性问题,合理评估城市群的综合承灾度。从防灾、抗灾、救灾和恢复4个维度构建城市综合承灾度评价指标体系,提出基于云模型的城市群综合承灾度评价模型。以西北地区3个城市群为例,运用云模型对城市群的综合承灾度进行评价,通过熵权法进行赋权,最终确定算例城市群的综合承灾状况。结果表明:西北地区3个城市群承灾度等级均为Ⅱ级,承灾能力中等;该方法利用能综合反映多因素之间复杂关系的特征指标得出相应的评价等级,同时为地区内城市的承灾度大小判断提供参考,对提升城市群综合承灾度具有积极意义。     

长江中游城市群创新效率时空变化及溢出效应

选取2008～2019年长江中游城市群28个城市的面板数据,构建创新效率评价指标体系,运用三阶段DEA模型测算城市创新效率并揭示其时空变化特征。在此基础上,构建多种空间权重矩阵,运用空间杜宾模型分析影响城市创新效率的主要因素及其空间溢出效应。研究结果表明：(1)长江中游城市群创新效率整体呈波动变化趋势,各城市创新效率差异明显,其中南昌、武汉、宜昌、荆州和长沙等城市创新效率相对较高,景德镇、鹰潭、新余、孝感、岳阳和常德等城市相对较低。(2)城市创新效率空间格局总体呈现以武汉为核心、南昌和长沙为重要创新节点,向周围城市逐渐递减的特征,其中高效率地区由西向东演化的趋势日益明显,较高效率地区由分散布局转向相对集中分布,中效率地区集中成片分布,而低效率地区散落式分布且有减少趋势。(3)城市创新效率存在显著为正的空间溢出效应,并对关联城市的科技创新发展形成“涓滴效应”。(4)地区经济发展、教育支持和交通水平对城市创新效率具有显著的促进作用,而对外开放有负效应,市场结构、金融发展和人力资本能促进本城市创新效率提升,但对关联城市有负向溢出效应;固定资产投资对本城市创新效率有阻碍作用,但能促进关联城市创...     

夜间灯光视角下长江经济带主体城市群的发展差异分析

长江经济带的五大城市群是该区域内城市化的主体,评估不同城市群的发展差异有助于准确理解该区域内的城市化进程。基于美国宇航局新一代夜间灯光遥感产品,利用灯光增长率、变异系数、位序-规模法则、灯光基尼系数等方法评估了2012～2020年长江经济带五大城市群的发展差异。通过比较城市群之间的差异,发现长三角城市群一直雄踞五大城市群之首,长江中游城市群的增长率最快,黔中城市群较滇中城市群发展更快,五大城市群的整体差异呈现先减少后增加的趋势;对于城市群内部的不同城市发展差异而言,长三角城市群呈现愈加均衡的趋势,而其它四个城市群的趋势不明显;对于城市群内部不同地理网格的发展不平衡度而言,长三角内部发展不平衡度在降低,而成渝城市群、滇中城市群和黔中城市群的不平衡度有上升的趋势,而长江中游城市群的变化趋势性不明显。总的来说,长三角城市群的核心城市已经产生了明显的辐射带动作用,而其它城市群虽然发展较快,但辐射带动效应尚不明显。最后,总结了各城市群发展差异的原因,并指城市群的交通建设以及寻找符合自身优势的发展战略有助于实现长江经济带的协同发展。     

基于能值分析的闽三角城市群代谢可持续性评估

城市群作为区域发展战略核心和经济建设的引擎,是城市间相互协同,发挥聚集效应一体化城市群体。城市代谢系统是城市发展过程中物质、能量、货币和人类劳动力综合协调的自组织系统。城市代谢系统失调被认为是导致城市人口负荷过载、城市环境污染严重和资源过渡消耗等城市可持续发展问题的主要原因,因而通过社会—经济—生态等多维度指标构建对城市群可持续发展评价尤为重要。本文以闽三角城市群为研究对象,基于能值分析方法结合城市代谢理论,从不同维度系统分析闽三角城市群能值代谢状况及可持续发展水平,并对不同城市群间和城市群内进行对比分析。研究发现：（1）2010—2017年闽三角城市群总能值总体呈现上升趋势,且不可更新资源能值比重增幅较大,表明经济发展以资源消耗为主,对城市群生态环境产生负面影响。同时,人口增长、土地空间限制和生态经济可持续发展之间存在一定矛盾。（2）从不同城市群之间对比来看,闽三角城市群与环太湖城市群在资源利用率和经济产出方面略有差距,但在能值货币比率和环境承载力等指标方面表现较好,反映出闽三角城市群社会经济与生态环境较为协调,生态文明建设取得较好效果。（3）从城市群内部结构对比来看,厦门、泉州、漳...     

京津冀城市群综合承灾能力时空异质性研究

基于2010—2020年京津冀城市群13个城市的调查数据,应用Kernel密度估计方法、空间自相关模型及Dagum基尼系数,分析不同时期京津冀城市群综合承灾能力时空动态演进分布格局及地区差异。结果表明：(1)在时间维度,2010—2020年京津冀城市群综合承灾能力总体呈现逐渐上升趋势,但京津冀城市群各市之间的承灾能力水平差距逐渐增大,区域整体呈现非均衡特征;(2)在空间维度,2010—2020年京津冀城市群综合承灾能力在空间分布上关联度较低,不存在显著的集聚或分散特征,但有局部地区产生聚集特点,属于“高-高”“低-低”空间聚集型城市较多,在此期间京津冀城市群综合承灾能力呈现空间集聚与空间分异并存;(3)京津冀城市群综合承灾能力的总体差异呈现上升趋势,北京-河北地区间差异最大,地区间差异是总体差异的主要来源。掌握京津冀城市群综合承灾能力的时空分布变化规律,并制订相应的防灾策略是京津冀城市群有效应对外部冲击以及实现京津冀地区协同与高质量发展国家战略的重要支撑。     

利用广义加性模型解析长江中游城市群城镇用地扩展驱动力

研究城镇用地扩展的时空驱动机制对城市群的科学可续发展与国土空间规划具有重要意义.利用广义加性模型(General Additive Model,GAM),选取社会经济因子、自然因子和邻域因子,解析长江中游城市群1990～2015年城镇用地扩展驱动力的时空分异特征,挖掘各子城市群的核心驱动力并对其进行功能识别.结果表明:(1)25年间,长江中游城市群驱动因子时空差异显著.核心城市武汉、长沙、南昌极化效应明显,涓滴效应逐渐显现,但城市群仍未打破行政区划壁垒.(2)三大子城市群的核心驱动因子差异显著.其中,人口和地均GDP对各子城市群城镇用地扩展影响最大,武汉城市圈和环鄱阳湖城市群的空间溢出效应高于长株潭城市群,且城镇用地扩展模式渐由单核驱动发展为双核驱动.(3)核心驱动因子与城市群城镇用地扩展之间具有显著的非线性关系,且呈现地域性和阶段性特征.(4)GAM模型能够解释城镇用地扩展过程中各因子之间的非线性关系,较Logistic和Nonliner-Logistic模型具有更高的拟合优度和验证精度,表明了其探索非线性驱动力的优势.     

京津冀城市群土地利用变化对热环境的影响研究

基于2000和2015年两期土地利用数据,运用WRF模式（Weather Research and Forecasting Model）模拟与数理统计方法,设计4组城市气温对比方案,定量模拟京津冀城市群土地利用时空格局变化对区域热环境的影响。结果表明： 1）2000—2015年城市群建设用地增加2 840 km²,94.37%由耕地转换而来; 2）北京土地利用变化对廊坊、天津和唐山气温变化的影响最为明显,天津的土地利用变化对廊坊气温变化的影响最为明显; 3）分季节来看,北京与天津的土地利用变化对城市群季均气温的影响排序为：秋季>夏季和春季>冬季; 4）其他地区土地利用变化使北京市年均气温增加0.07 ℃,且夏季降温作用明显,而该变化对天津市年均气温作用不明显,但秋季与冬季的增温区域形成了京津唐热环境连片发展的空间分布格局; 5）城市群土地利用变化对热环境影响表现出明显的“遥响应”特性,因而有必要从大尺度、泛区域的角度认识城市扩展对热环境的影响。