长三角城市群城市土地经济密度的空间差异与格局演变
发布时间：2021-08-22 10:09
以长三角城市群26座地级及以上行政区市府所在城市为研究对象,利用泰尔指数、变差系数及探索性空间数据分析,对其2008—2017年间土地经济密度的空间差异与格局演变进行测算与分析。结果显示:（1）长三角城市群城市土地经济密度整体处于较高水平且呈现逐年增加的态势;研究区的泰尔指数和变差系数在10年间均呈下降趋势,但区间和区内分别存在着差异,且对城市土地经济密度差异起着重要作用。（2）长三角城市群城市土地经济密度存在着显著的全局空间集聚效应,但是Moran’s I指数较低,空间自相关的特征在长三角城市群城市土地经济密度的格局中表现不明显,其集聚程度低,整体呈弱集聚格局。（3）长三角城市群内大多数城市的土地经济密度受其经济发展的空间邻近效应和极化效应的影响,在地理空间上存在着明显的相互依赖性,呈现集聚的特征。
【文章来源】：管理学刊. 2020,33(04)CSSCI
【文章页数】：10 页
【部分图文】：
2008-2017年长三角城市群城市土地经济密度差异图
从图3可以得知，2008年落在Moran散点图四个象限中的城市数各不相同，第Ⅰ象限的点数最多，第Ⅲ象限次之，再次是第Ⅱ象限，第Ⅳ象限则没有城市落入。其中上海、无锡、绍兴、宁波、南通、嘉兴、常州等12座城市位于第Ⅰ象限，表现为正相关关系，是强城市土地经济密度集聚城市（H-H），即城市土地经济密度高观测值的区域单元与同是高观测值的区域单元发生集聚，主要原因在于上海是长三角城市群的经济引擎，苏州、无锡等城市又位于经济发展的第一梯队，它们无论从经济规模、产业结构还是收入水平上都具有明显的优势，这些城市空间溢出效应突显，在自身土地经济密度逐步提高的同时，对周边城市也形成显著的正向带动作用，但不同城市的扩张强度和方向仍存在着差异。同样表现为正相关关系的合肥、安庆、南京等9座城市位于第Ⅲ象限，是弱城市土地经济密度集聚城市（L-L），即城市土地经济密度低观测值的区域单元与同是低观测值的区域单元发生集聚。以舟山、杭州为代表的其他城市分别位于第Ⅱ、Ⅳ象限，为负空间自相关关系（L-H或H-L）。这些城市与周围城市的相互吸引能力有限，经济发展系统与城市土地利用系统的耦合效应不强，从而造成“中心高（低）”或“四周低（高）”的负相关现象。扬州同时跨越了第Ⅰ、Ⅳ象限。与2008年相比，2013年有小幅度的变化，即开始位于第Ⅰ象限（H-H）的绍兴迁跃到了第Ⅱ象限（L-H），镇江则从第Ⅱ象限（L-H）迁跃到第Ⅰ象限（H-H），但大部分城市还位于第Ⅰ、Ⅲ象限。2013—2017年间，除宣城由原来的第Ⅳ象限（H-L）迁跃到第Ⅲ象限（L-L）外，其余城市基本没有变化。总之，从第Ⅰ、Ⅲ象限城市土地经济密度局部的H-H和L-L来看，从某种程度上可以认为长三角城市群城市土地经济密度在地理空间上存在着明显的相互依赖性，呈现集聚的特征。根据Moran散点图仅能识别出长三角城市群城市土地经济密度局部所存有的几种空间相关特征，然而，这些空间特征的显著性如何却没有得到印证，也无法给出一个具体的定论。为能够深度解决该问题并能够确定局部空间集聚或产生异常值的具体位置，需要对其进行空间关联局域指标（LISA）分析。依据所计算出的局部Moran’s I统计量的Z值，甄别出其集聚或异常特征的显著性[16]。这里基于Geoda和ArcGIS软件，绘制2008年、2013年和2017年长三角城市群城市土地经济密度的LISA集聚图并输出其他年份的LISA集聚结果。
根据Moran散点图仅能识别出长三角城市群城市土地经济密度局部所存有的几种空间相关特征，然而，这些空间特征的显著性如何却没有得到印证，也无法给出一个具体的定论。为能够深度解决该问题并能够确定局部空间集聚或产生异常值的具体位置，需要对其进行空间关联局域指标（LISA）分析。依据所计算出的局部Moran’s I统计量的Z值，甄别出其集聚或异常特征的显著性[16]。这里基于Geoda和ArcGIS软件，绘制2008年、2013年和2017年长三角城市群城市土地经济密度的LISA集聚图并输出其他年份的LISA集聚结果。如图4所示，在2008年、2013年和2017年长三角城市群城市在四个象限上全通过了5%的显著性水平检验，将观测期的LISA集聚图结果汇总如表3。
【参考文献】：
期刊论文
[1]中国国家级经济技术开发区及其产业空间格局演化——基于地级及以上市面板数据实证研究[J]. 蔡善柱,陆林. 地理科学. 2019(03)
[2]河南省区域经济要素差异研究[J]. 徐亚芳,杨秀丽. 当代经济. 2019(02)
[3]长江经济带绿色全要素生产率的时空分异特征研究[J]. 易明,李纲,彭甲超,陈文磊. 管理世界. 2018(11)
[4]东北地区城市土地经济密度格局演变[J]. 周敏,胡碧霞. 城市问题. 2018(10)
[5]我国绿色发展指数的空间分布及地区差异探析——基于探索性空间数据分析法[J]. 魏和清,李颖. 当代财经. 2018(10)
[6]我国文化创意产业园区的时空分布——基于探索性空间数据分析[J]. 褚岚翔,黄丽. 企业经济. 2018(06)
[7]内蒙古自治区城镇土地经济密度的区域差异及其收敛性分析[J]. 王宏亮,郝晋珉,管青春,张益宾,祖健,王锦. 中国农业大学学报. 2018(02)
[8]中国地级以上城市土地经济密度差异的时空演化分析[J]. 匡兵,卢新海,周敏,饶映雪. 地理科学. 2017(12)
[9]网络时代下地区信息化发展空间关联分析——基于探索性空间数据分析（ESDA）方法的应用[J]. 张雪玲,吴明. 浙江学刊. 2018(01)
[10]成渝经济区土地经济密度时空特征及动态演变[J]. 罗刚,廖和平,房傲雪,李强,李义龙,廖涟漪. 西南大学学报(自然科学版). 2017(12)
本文编号：3357551
【文章来源】：管理学刊. 2020,33(04)CSSCI
【文章页数】：10 页
【部分图文】：
2008-2017年长三角城市群城市土地经济密度差异图
从图3可以得知，2008年落在Moran散点图四个象限中的城市数各不相同，第Ⅰ象限的点数最多，第Ⅲ象限次之，再次是第Ⅱ象限，第Ⅳ象限则没有城市落入。其中上海、无锡、绍兴、宁波、南通、嘉兴、常州等12座城市位于第Ⅰ象限，表现为正相关关系，是强城市土地经济密度集聚城市（H-H），即城市土地经济密度高观测值的区域单元与同是高观测值的区域单元发生集聚，主要原因在于上海是长三角城市群的经济引擎，苏州、无锡等城市又位于经济发展的第一梯队，它们无论从经济规模、产业结构还是收入水平上都具有明显的优势，这些城市空间溢出效应突显，在自身土地经济密度逐步提高的同时，对周边城市也形成显著的正向带动作用，但不同城市的扩张强度和方向仍存在着差异。同样表现为正相关关系的合肥、安庆、南京等9座城市位于第Ⅲ象限，是弱城市土地经济密度集聚城市（L-L），即城市土地经济密度低观测值的区域单元与同是低观测值的区域单元发生集聚。以舟山、杭州为代表的其他城市分别位于第Ⅱ、Ⅳ象限，为负空间自相关关系（L-H或H-L）。这些城市与周围城市的相互吸引能力有限，经济发展系统与城市土地利用系统的耦合效应不强，从而造成“中心高（低）”或“四周低（高）”的负相关现象。扬州同时跨越了第Ⅰ、Ⅳ象限。与2008年相比，2013年有小幅度的变化，即开始位于第Ⅰ象限（H-H）的绍兴迁跃到了第Ⅱ象限（L-H），镇江则从第Ⅱ象限（L-H）迁跃到第Ⅰ象限（H-H），但大部分城市还位于第Ⅰ、Ⅲ象限。2013—2017年间，除宣城由原来的第Ⅳ象限（H-L）迁跃到第Ⅲ象限（L-L）外，其余城市基本没有变化。总之，从第Ⅰ、Ⅲ象限城市土地经济密度局部的H-H和L-L来看，从某种程度上可以认为长三角城市群城市土地经济密度在地理空间上存在着明显的相互依赖性，呈现集聚的特征。根据Moran散点图仅能识别出长三角城市群城市土地经济密度局部所存有的几种空间相关特征，然而，这些空间特征的显著性如何却没有得到印证，也无法给出一个具体的定论。为能够深度解决该问题并能够确定局部空间集聚或产生异常值的具体位置，需要对其进行空间关联局域指标（LISA）分析。依据所计算出的局部Moran’s I统计量的Z值，甄别出其集聚或异常特征的显著性[16]。这里基于Geoda和ArcGIS软件，绘制2008年、2013年和2017年长三角城市群城市土地经济密度的LISA集聚图并输出其他年份的LISA集聚结果。
根据Moran散点图仅能识别出长三角城市群城市土地经济密度局部所存有的几种空间相关特征，然而，这些空间特征的显著性如何却没有得到印证，也无法给出一个具体的定论。为能够深度解决该问题并能够确定局部空间集聚或产生异常值的具体位置，需要对其进行空间关联局域指标（LISA）分析。依据所计算出的局部Moran’s I统计量的Z值，甄别出其集聚或异常特征的显著性[16]。这里基于Geoda和ArcGIS软件，绘制2008年、2013年和2017年长三角城市群城市土地经济密度的LISA集聚图并输出其他年份的LISA集聚结果。如图4所示，在2008年、2013年和2017年长三角城市群城市在四个象限上全通过了5%的显著性水平检验，将观测期的LISA集聚图结果汇总如表3。
【参考文献】：
期刊论文
[1]中国国家级经济技术开发区及其产业空间格局演化——基于地级及以上市面板数据实证研究[J]. 蔡善柱,陆林. 地理科学. 2019(03)
[2]河南省区域经济要素差异研究[J]. 徐亚芳,杨秀丽. 当代经济. 2019(02)
[3]长江经济带绿色全要素生产率的时空分异特征研究[J]. 易明,李纲,彭甲超,陈文磊. 管理世界. 2018(11)
[4]东北地区城市土地经济密度格局演变[J]. 周敏,胡碧霞. 城市问题. 2018(10)
[5]我国绿色发展指数的空间分布及地区差异探析——基于探索性空间数据分析法[J]. 魏和清,李颖. 当代财经. 2018(10)
[6]我国文化创意产业园区的时空分布——基于探索性空间数据分析[J]. 褚岚翔,黄丽. 企业经济. 2018(06)
[7]内蒙古自治区城镇土地经济密度的区域差异及其收敛性分析[J]. 王宏亮,郝晋珉,管青春,张益宾,祖健,王锦. 中国农业大学学报. 2018(02)
[8]中国地级以上城市土地经济密度差异的时空演化分析[J]. 匡兵,卢新海,周敏,饶映雪. 地理科学. 2017(12)
[9]网络时代下地区信息化发展空间关联分析——基于探索性空间数据分析（ESDA）方法的应用[J]. 张雪玲,吴明. 浙江学刊. 2018(01)
[10]成渝经济区土地经济密度时空特征及动态演变[J]. 罗刚,廖和平,房傲雪,李强,李义龙,廖涟漪. 西南大学学报(自然科学版). 2017(12)
本文编号：3357551
本文链接：https://www.wllwen.com/jingjifazhanlunwen/3357551.html
