, 张子龙, 陈兴鹏Geographic detection of spatial-temporal difference and its influencing factors on county economic development: A case study of Gansu province
HUXueyao, ZHANGZilong, CHENXingpeng通讯作者:
收稿日期:2017-12-4
修回日期:2019-02-15
网络出版日期:2019-04-20
版权声明:2019《地理研究》编辑部《地理研究》编辑部 所有
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (5771KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
经济地理学相关理论（如增长极理论、核心-边缘理论、不平衡增长理论等）表明某区域的经济发展不仅依靠其内在因素,而且也越来越受到周边地区的影响,即经济发展具有空间溢出效应[1]。相关研究表明,一个地区的增长溢出对区域经济共同增长具有明显的推动作用[2]。正是由于区域之间这种相互作用,使得不同区域之间发生合作与竞争,在空间上往往表现为空间趋同与剥夺。负向的溢出,即核心城市的极化作用对周边县域经济发展的负向影响[3],也称之为“空间剥夺”[4];相反,正向的溢出体现为俱乐部趋同或空间收敛[5,6],在空间上直观表现为经济发展水平相近的区域之间愈发呈现出空间集聚状态。本文以NICH指数和人均实际GDP为县域经济发展的测度指标,对县域经济发展的空间集聚状态和时空演变进行动态分析,对于把握经济要素的空间流动规律以及区域经济发展的空间格局演变趋势具有重要意义。经济发展的空间差异及其演化一直是经济地理学的研究热点之一。早期对于区域发展空间差异的刻画,多使用非空间的时序统计方法,如变异系数[7]、基尼系数、泰尔指数、广义熵指数等统计学方法[8]。由于缺乏空间视角,这些指标难以反映出具体区域的空间变化及其对邻近区域的影响,难以揭示区域经济差异的格局及其演化机制[9]。此外,正是由于忽略区域经济差异中的时空尺度问题,也使得不同****得出的结论有较大的分歧[10]。基于此,研究者们逐步关注空间因素在区域差异分析中的作用与区域之间的相互关系,注重数据的空间依赖性和空间异质性。该时期代表性的研究方法是ESDA（空间数据探索分析）,它是一系列利用统计学原理和图形图表相结合对空间信息的性质进行分析与鉴别,对指标空间格局特征进行有效探测的方法[11]。近年来相关研究不断转向小尺度的县域单元,原因在于县域是中国经济发展的最基本单元和空间载体,具有发展的相对自主性与功能完整性。县域尺度研究能够对省域内部经济发展活力进行细致的刻画。此外,县域经济格局的动态研究有助于揭示区域内经济差异的演变机制,对指导县域发展、缩小城乡和区域发展差距以及实现区域整体可持续发展具有重要的理论和现实意义[12]。李小建等首次将县域经济发展数据与图形数据结合来分析整个中国的经济差异[13]。也有****利用ESDA进行具体省域的县域单元的研究并取得了不错的成效[14]。现有大部分研究多利用传统的因子分析方法[15]、回归分析[16]、主成分分析[17]等来对空间差异的机制进行分析,却难以揭示影响空间经济差异背后的各因素的差异。地理探测器（Geographical Detector）最初被应用到影响地方性疾病发生的环境风险因子的探测[18,19]。其具有两大明显优势：一方面可以分析定量数据也可以分析定性数据,另一方面可以探讨自变量对因变量的交互作用关系[20]。其被广泛运用到自然和社会领域,探测各种现象空间分异的驱动因子以及影响因子的交互作用,例如土地利用[21]、精准扶贫[22]、自然区划[23]、农业发展[24]、人口分布[25]、区域经济[26]、气象[27]等,并取得了很好的效果。因此,本研究利用地理探测器模型,探测甘肃省及其不同分区县域经济发展影响因素的作用强度和地域差异,为进一步理解甘肃区域经济格局形成的内在机理,制定县域经济转型发展政策措施提供科学依据。
2 研究方法与数据来源
2.1 研究方法
2.1.1 NICH指数 将相对发展速率（Nich）作为测度县域经济发展活力的指标[28,29],即：式中：Y0、Yt分别表示整个区域研究初期和末期的人均实际GDP;Y0i、Yti分别表示第i个县（市）研究初期和末期的人均实际GDP。Nich值大于1表示人均GDP增量快于全省增量。此外,为分析过去十年甘肃省各县（市）相对发展速率的空间差异,引入公式：
式中：Nicht和Nicht-1分别表示t时间段和t-1时间段的相对发展速率,根据k值的正负将各个县（市）分为增长区和下降区[30]。
2.1.2 冷热点分析（Getis-Ord Gi*） Getis-Ord Gi*指数用于局部空间相关性分析,可以识别研究区内经济热点区和冷点区的空间分布。表达式为：
对Gi*(d)检验的标准化统计量为：
式中：Xj为空间单元j的属性值;Wij为权重;E(Gi*)和VAR(Gi*)分别为Gi*(d)的数学期望和变异系数。若Z(Gi*)显著为正,表明i地区是高值集聚区,属于经济发展的热点区域,反之,则为冷点区。以2001—2005年、2006—2010年、2011—2015年的NICH指数作为观测值,对甘肃省县域经济发展冷热点进行动态分析,能够更好地分析甘肃省县域经济发展规律与未来趋势。
2.1.3 地理探测器（Geographical Detector） 地理探测器用于分析地理现象空间分异规律并探测其内外影响因素,表达式为：
式中：q为探测因子对因变量空间分异的解释程度,取值[0,1],值越大说明该因素对区域经济空间分异的影响越大,通过各因素之间q值的对比,可以识别出影响研究区域经济空间差异的决定性因素。n为研究区域的总样本数;σ2为研究区域的总离散方差;L为次级区域样本数;ni、σi2分别为区域i的样本数和离散方差[31]。为便于与以往研究进行比较,本文运用人均实际GDP作为地理探测器测度指标。
2.2 研究区概况与指标体系确定
甘肃省呈西北-东南向狭长地带,跨青藏高原、黄土高原和河西绿洲三大自然地带,是丝绸之路经济带的重要节点。2014年,甘肃被列入国家贫困省,具有贫困面广、贫困人口多和贫困程度深的特点,其中有国家级贫困县43个。区域发展差距大是甘肃发展的显著特征,随着经济进一步发展,其区域发展不平衡问题也日益突出。以甘肃省2015年87个县市（包括17个市辖区、4个县级市、58个县、7个自治县以及嘉峪关市(嘉峪关市为地级市,无县（区）级行政单元。)）为研究单元,同时参考相关研究成果[32,33,34],将甘肃省划分为4个区,分别是河西地区、陇中地区、陇东南地区和南部民族地区,以2001—2015年人均实际GDP表示各县市经济发展水平,在兼顾数据可获取性和指标质量的基础上确定相关指标体系（表1）。相关指标数据来源于《甘肃发展年鉴》《甘肃省统计年鉴》《中国县（市）社会经济统计年鉴》以及各县市统计年鉴和社会经济发展统计公报。Tab. 1
表1
表1甘肃省区域经济差异影响因素及指标
Tab. 1Influencing factors and its index of regional economic difference in Gansu
| 探测因子 | 探测因素 | 指标 |
|---|---|---|
| X1 | 人口流动规模 | 流动人口比率（%） |
| X2 | 城镇化 | 城镇人口比重（%） |
| X3 | 经济基础 | 2001年人均GDP（万元） |
| X4 | 工业化水平 | 人均工业总产值（万元） |
| X5 | 市场规模 | 人均社会消费品零售额（万元） |
| X6 | 产业支撑能力 | 第二产业比重（%） |
| X7 | 投资水平 | 人均固定资产投资（万元） |
| X8 | 非市场化 | 国有企业就业比例（%） |
| X9 | 行政区类型 | 属于市辖区记为2,否则记为1 |
| X10 | 扶贫政策 | 属于国家级扶贫重点县记为2,否则为1 |
新窗口打开
3 结果分析
3.1 区域经济发展的空间演化
分别计算甘肃省87个县（市）在2001—2005年、2006—2010年、2011—2015年人均实际GDP的相对发展速率并进行可视化（图1）,以期末时间表示研究时间段。可以看出甘肃省县域经济发展具有如下特征：
显示原图|下载原图ZIP|生成PPT图1甘肃省县域经济空间格局
-->Fig. 1The spatial pattern of county economy development in Gansu province
-->
（1）甘肃省县域经济发展活力与发展水平空间格局基本吻合。Nich高值区主要集中在人均经济水平发达和较发达的河西和陇中地区,包括城关区、七里河区、红古区、白银区以及河西地区的阿克塞县、玉门市、金川区及嘉峪关市等;Nich低值区基本分布在不发达和欠发达的陇东南和南部民族地区,形成集中成片的分布状态。呈现出一定的“马太效应”,即：人均经济水平高的地区发展速度越快,人均经济水平低的地区发展速度越慢。
（2）城区（包括县级市）和非城区县域的发展活力呈现不均衡状态,且不均衡状态在更大空间尺度上呈现异质性（表2）。河西地区、陇中地区以及南部民族地区的城区（包括县级市）相对发展速率快于县域,陇中地区尤其明显。而陇东南地区尤其是陇南和庆阳,一般表现为县域的相对发展速率快于城区（包括县级市）。河西地区和陇中地区Nich值明显高于陇东南地区和南部民族地区,特别是甘肃省南部民族地区各县市Nich值全部小于1。
Tab. 2
表2
表2甘肃省Nich指数比较
Tab. 2Comparison of the Nich index among 87 counties in Gansu
| 2005年 | 2010年 | 2015年 | |
|---|---|---|---|
| 河西地区Nich指数最高的5个县市 | 阿克塞 (5.75)、金川 (5.49)、玉门 (3.64)、嘉峪关 (3.04)、肃北 (2.96) | 玉门 (4.60)、肃南 (4.25)、金川 (3.45)、肃北 (3.27)、嘉峪关 (3.26) | 玉门(4.94)、阿克塞 (4.20)、金川(3.88)、肃南(2.91)、嘉峪关(2.77) |
| 陇中地区Nich指数最高的5个县市 | 西固 (6.70)、白银 (3.89)、七里河(3.48)、红古 (3.42)、城关 (2.49) | 西固 (5.29)、红古 (4.98)、白银 (3.46)、七里河 (2.76)、皋兰 (2.30) | 红古(6.01)、皋兰(4.53)、白银(3.80)、七里河(3.41)、永登(3.30) |
| 陇东南Nich指数最高的5个县市 | 庆城(1.59)、成县(1.45)、崆峒(1.42)、华亭(1.30)、华池(1.27) | 庆城(2.85)、华池(2.09)、华亭(1.48)、灵台(1.21)、崆峒(1.14) | 庆城(2.36)、华池(1.33)、崆峒(1.18)、秦州(1.08)、合水(0.89) |
| 南部民族地区Nich指数最高的5个县市 | 玛曲(0.94)、碌曲(0.91)、合作(0.88)、临夏(0.68)、夏河(0.59) | 合作(0.74)、迭部(0.58)、碌曲(0.55)、夏河(0.49)、卓尼(0.48) | 临夏(0.77)、合作(0.72)、碌曲(0.17)、临夏(0.45)、迭部(0.43) |
新窗口打开
（3）甘肃省各县域整体经济实力逆势提升具有很大挑战。由图1可知,人均GDP类型中,发达地区占比最小,从2005年的11.49%增加到2015年的12.64%,而不发达区占比最大,一直持续在44%左右,欠发达地区占比从2005年的22.99%增加到2015年的29.89%,较发达地区所占占比从2005年的21.84%下降到2015年的14.94%,说明甘肃省大部分县域仍属于不发达地区,区域整体发展水平仍比较落后,且欠发达地区数量在不断扩大。根据k值发现,2011—2015年受国家宏观经济进入新常态的影响,县域经济普遍存在市场疲软、供给过剩等问题,甘肃省64%的县域发展速率呈现下降的状态。在内外经济压力下,甘肃省进一步提升县域经济整体实力,将面临巨大的挑战。
3.2 经济热点区域演化
利用ArcGIS计算各县市的局部空间关联指数Getis-Ord Gi*,并进行可视化（图2）。甘肃省经济冷热点区域演化具有以下特征：
显示原图|下载原图ZIP|生成PPT图2甘肃省经济发展活力冷、热点区演化
-->Fig. 2Evolution of the hot spots of economic growth vitality in Gansu
-->
总体而言,经济发展活力冷热点格局保持相对稳定,变化缓慢,自2001年以来,未发生变化的区域占总数的76.67%,很大部分区域保持着原有格局。在总体格局相对稳定情况下,冷、热点区数量发生一定的变化,其中热点区域由14.44%下降到12.22%,冷点区由35.56%增加到38.89%,说明甘肃经济发展活力的核心区域有所缩小,而经济发展的外围区域有扩大的趋势。
从冷热点空间分布看,热点区域初步形成以兰州和酒泉地区（包括嘉峪关）为“极核”的空间格局,2005年,兰州和酒泉所辖县域（区）的GDP占全省GDP的36.96%,2015年增加到37.99%,大于全省GDP的1/3,兰州和酒泉是甘肃省经济最具活力的地区,是甘肃省经济发展的核心地区。河西地区、陇中地区形成沿陇海铁路形成的热点区、次热点区走廊,呈现很明显的由“点”带动“轴线”发展的模式。而陇东南地区和南部民族地区,由于区位条件差及经济基础薄弱等原因,整体处于冷点区和次冷点区,在甘肃省的经济地位没有得到根本性变化,形成了以陇南为核心的连绵冷点区和次冷点区,并不断地集聚。总之,甘肃省经济热点县域单元始终向河西、陇中地区集聚,以陇中为分界线呈西北、东南向两极发展,不平衡“哑铃状”格局非常明显,重心向西北倾斜,且这种空间格局在不断强化。换言之,甘肃省县域经济发展空间不平衡现象突出且呈现不断加剧的趋势。
3.3 区域经济空间差异的影响因素探测
利用自然断点法将探测因子进行空间分类[35]（5类）,对自变量进行分层,然后利用地理探测器计算出各探测因子对各县（市）经济发展影响能力值q及主导交互因子（表3）。为了弥补地理探测器无法探测出影响因素的正负作用,将人均实际GDP和探测因子（数量型）分别作为因变量和自变量,作散点图（图3）,通过趋势线识别探测因子对经济发展正向和负向作用。
显示原图|下载原图ZIP|生成PPT图32015年探测因子对甘肃省经济发展水平影响的散点分布
-->Fig. 3Scatter diagrams of the influence of detection factor on economic level of Gansu in 2015
-->
Tab. 3
表3
表32015年甘肃省及分区经济发展水平影响因子探测结果
Tab. 3Detected results of impact factors contributing to economic level of Gansu and its subregions in 2015
| 探测因子 | q | ||||
|---|---|---|---|---|---|
| 全省 | 河西地区 | 陇中地区 | 陇东南地区 | 南部民族地区 | |
| X1 | 0.37 | 0.32 | 0.28 | 0.07 | 0.44 |
| X2 | 0.57 | 0.55 | 0.80 | 0.30 | 0.48 |
| X3 | 0.75 | 0.68 | 0.90 | 0.41 | 0.74 |
| X4 | 0.85 | 0.90 | 0.68 | 0.84 | 0.44 |
| X5 | 0.36 | 0.14 | 0.82 | 0.30 | 0.82 |
| X6 | 0.39 | 0.60 | 0.67 | 0.61 | 0.24 |
| X7 | 0.68 | 0.84 | 0.60 | 0.37 | 0.38 |
| X8 | 0.52 | 0.52 | 0.59 | 0.01 | 0.09 |
| X9 | 0.09 | 0.004 | 0.57 | 0.08 | 0.39 |
| X10 | 0.29 | 0.10 | 0.28 | 0.10 | 0.26 |
| 主导交互因子 | X1 | X2 | X2 | X3 | X5 |
| 主导交互因子q值 | 0.96 | 0.98 | 0.98 | 0.95 | 0.95 |
新窗口打开
（1）除非市场化（国有企业就业比例）外,各数值型探测因子对甘肃省整体县域经济发展呈现正向作用（图3）,且县域经济发展的影响因子存在明显的地域差异性。由表3可知,无论是单一因子还是交互因子,影响甘肃省、河西地区、陇中地区、陇东南地区以及南部民族地区各县市经济发展的因子影响力值不尽相同。利用地理探测器计算各影响因子之间相互组合对县域经济发展的影响能力值q,选取其中最大q值,即主导交互因子,从表3中可以看出主导交互因子q值明显高于单一因子的q值,具有明显的交互作用,且全省和各地区的主导交互因子存在明显差异。各地区县域经济的发展是多重要素共同作用的结果,促进甘肃省各地区县域经济的进一步发展需要采取多管齐下的正向激励政策。
（2）主导甘肃省整体县域经济发展的因素为工业化水平（0.85）和经济基础（0.75）,主导交互因子为人口流动规模
（3）河西地区包括酒泉、张掖、武威、嘉峪关、金昌以及敦煌和玉门两个县级市,自2001年以来,该地区一直处于甘肃省县域经济发展的热点区域。主导该地区县域经济发展的因素为工业化水平（0.90）、投资水平（0.84）、城镇化
（4）包括兰州和白银在内的陇中地区是甘肃省县域经济发展的另一个增长极,影响该地区县域经济发展的主要因素为经济基础（0.90）、市场规模（0.82）、城镇化（0.80）、城镇化
（5）陇东南地区地处陕、甘、川三省交界,位于“关中-天水”经济区的西端。该地区县域经济发展呈现出由秦州区和麦积区向外围、由东向西降低的趋势。经地理探测器分析（表3）,主导交互因子为经济基础
（6）南部民族地区包括临夏回族自治州和甘南藏族自治州,是甘肃省县域经济发展的冷点区,县域经济发展水平普遍偏低,且集中成片。由表3可知,除主导交互因子（0.95）外,各影响因子对该地区县域经济发展决定力普遍不强,其县域经济发展受到市场狭小、经济基础薄弱、投资不足、水资源不足等经济因素和自然环境双重制约。农牧业抵御灾害能力差,工业基础薄弱,中心城区辐射范围有限,生活水平较低,县域经济发展处于低水平均衡发展状态。
4 结论与讨论
4.1 结论
利用NICH指数及冷热点方法对2001—2015年甘肃省87个县（市）的经济发展时空差异及其空间演化进行分析,并基于地理探测器定量分析了经济发展水平影响因子的作用强度,主要结论如下：（1）甘肃省县域经济发展活力存在显著的地域分异特征,与经济发展水平相吻合,经济发展活力呈现西北强东南弱、县域与城区发展不平衡的空间分异特征,河西地区和陇中地区经济发展活力值明显高于陇东南地区和南部民族地区,河西地区、陇中地区以及南部民族地区的城区（包括县级市）相对发展速率快于县域,陇东南地区尤其是陇南和庆阳,表现为县域的相对发展速率快于城区（包括县级市）。此外,甘肃省整体经济发展水平仍处于较为落后的状态,且经济发展活力呈现下降态势,在此内外背景下提升甘肃省整体县域经济实力具有很大挑战与压力。
（2）甘肃省自2001年以来,县域经济发展活力热点区域演化呈现相对稳定特征,随着时间的推移,经济发展活力热点区和冷点区在数量上没有发生显著改变,空间上,河西地区、陇中地区则形成沿陇海铁路形成的热点区、次热点区走廊,呈现很明显的由“点-轴”发展模式。冷点区很大程度上分布在陇东南地区和南部民族地区,甘肃县域经济以陇中为分界线西北、东南向两极发展,中心城区的极化作用不断加强,由此导致重心向西北倾斜的不平衡“哑铃状”空间格局不断强化。
（3）从主导因子看,影响甘肃省县域经济发展的主导因素存在地域差异性：主导甘肃省整体县域经济发展的因素是工业化水平;主导河西地区、陇中地区、陇东南地区以及南部民族地区县域经济发展的因素分别是工业化水平、经济基础、工业化水平和市场规模。从交互因子看,影响甘肃省县域经济发展的因素具有明显交互作用：主导甘肃省整体县域经济发展的交互因子是人口流动规模
4.2 讨论
（1）根据上述结论,未来甘肃省在提升县域经济活力方面将面临较大压力,必须以新一轮西部大开发和丝绸之路经济带建设为契机,创新发展思路,充分发挥本地特色优势,将特色资源有效转换成比较优势,培育发展具有特色的产业体系,以避免县域之间的同质化竞争,提升经济发展的集聚力。（2）本文基于NICH指数,对甘肃省县域经济发展不平衡格局、空间模式进行了动态分析,利用地理探测器探讨全省及四大分区经济发展水平的影响因子强度和地域差异,为经济发展影响机制的研究提供了新的可行方法。但是,县域经济发展水平及空间差异涉及内容广泛,深受自然条件和社会经济要素的综合影响,其指标体系远比当前指标体系反映的内容更为丰富,空间格局特征更为复杂,如何更进一步地科学表征经济发展水平和更切合实际地纳入影响因素,需要更进一步探讨。此外,由于受到数据可获取性的限制,目前分析仅限于县域空间尺度和连续性的横向对比,对不同典型县域差异化经济发展水平的时空动态、微观机理、政策考虑及特色发展路径等有待深入研究。
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] | . . |
| [2] | . . |
| [3] | . |
| [4] | . . |
| [5] | . . |
| [6] | . . |
| [7] | . . |
| [8] | . . |
| [9] | . . |
| [10] | . . |
| [11] | . . |
| [12] | . 研究县域经济发展格局对揭示区域经济发展空间演化机制和实现县域经济的可持续发展具有重要的理论意义。基于中国2352 个县域单元1982、1990、2000 和2010 年的人均GDP数据，采用空间关联技术和变差函数分析了近30 年来中国县域经济发展格局的演化特点并探讨了其演化机制。结果表明：中国县域经济发展和增长存在正的空间自相关性；1982 年以来，经济发展的空间集聚程度逐渐增加，空间依赖程度增强；东部和华北北部地区是县域经济发展的热点区；县域经济发展存在空间呈异质性，经济发展的空间分异格局中的随机成分随时间推移不断降低；中国东南—西北向经济发展的均质性相对较好，空间差异较小；历史基础、经济区位、资源禀赋和区域发展政策等是中国县域经济发展格局演化的主要驱动因素。 . 研究县域经济发展格局对揭示区域经济发展空间演化机制和实现县域经济的可持续发展具有重要的理论意义。基于中国2352 个县域单元1982、1990、2000 和2010 年的人均GDP数据，采用空间关联技术和变差函数分析了近30 年来中国县域经济发展格局的演化特点并探讨了其演化机制。结果表明：中国县域经济发展和增长存在正的空间自相关性；1982 年以来，经济发展的空间集聚程度逐渐增加，空间依赖程度增强；东部和华北北部地区是县域经济发展的热点区；县域经济发展存在空间呈异质性，经济发展的空间分异格局中的随机成分随时间推移不断降低；中国东南—西北向经济发展的均质性相对较好，空间差异较小；历史基础、经济区位、资源禀赋和区域发展政策等是中国县域经济发展格局演化的主要驱动因素。 |
| [13] | . . |
| [14] | . . |
| [15] | . . |
| [16] | . . |
| [17] | . . |
| [18] | . |
| [19] | . |
| [20] | . . |
| [21] | . . |
| [22] | . . |
| [23] | . . |
| [24] | . . |
| [25] | . . |
| [26] | . . |
| [27] | . 利用地理探测器,结合Arc GIS技术及线性倾向率方法,对东北地区1960-2011年气温变化情况以及影响因素进行定量分析。研究结果表明,1960-2011年东北地区气温线性倾向率介于0.22~0.64℃/10 a之间,气温呈升高趋势,升温幅度由南向北逐渐增大;影响因子贡献量由大到小为植被类型、地貌类型、湿地率、GDP、土壤类型、人口密度、农田率、气候类型、海拔高度、森林率,自然因子影响气温变化的贡献量大于社会因子;因子之间具有交互作用,主要表现为协同作用和非线性协同作用,社会因子增强了自然因子的贡献量,共同导致气温变化。本研究为更加准确认识气温变化的影响因素及制定有效预防气候变化的相关政策提供科学依据。 . 利用地理探测器,结合Arc GIS技术及线性倾向率方法,对东北地区1960-2011年气温变化情况以及影响因素进行定量分析。研究结果表明,1960-2011年东北地区气温线性倾向率介于0.22~0.64℃/10 a之间,气温呈升高趋势,升温幅度由南向北逐渐增大;影响因子贡献量由大到小为植被类型、地貌类型、湿地率、GDP、土壤类型、人口密度、农田率、气候类型、海拔高度、森林率,自然因子影响气温变化的贡献量大于社会因子;因子之间具有交互作用,主要表现为协同作用和非线性协同作用,社会因子增强了自然因子的贡献量,共同导致气温变化。本研究为更加准确认识气温变化的影响因素及制定有效预防气候变化的相关政策提供科学依据。 |
| [28] | . 以县域为研究单元,以人均GDP为测度指标,利用EDSA与统计分析的方法,对1995~2006年淮海经济区县域经济差异的时空格局及空间作用类型进行了初步探索。结果表明:淮海经济区县域经济总体差异呈扩大趋势,苏北、鲁南、豫东、皖北4地区之间的差异以及苏北内部、鲁南内部差异是淮海经济区整体差异的主要贡献者;高水平县域沿主要交通线方向扩展,形成沿京沪线(泰安-徐州段)、兖石线、沿海3条经济发展轴;低水平县域沿京九线形成不发达走廊,并在豫皖边界地区出现低水平-低增长并陷入贫困陷阱的集聚区;根据县域与相邻县域的关系,将淮海经济区县域分为扩散型、极化型、“沉陷”型、“传染”型。 . 以县域为研究单元,以人均GDP为测度指标,利用EDSA与统计分析的方法,对1995~2006年淮海经济区县域经济差异的时空格局及空间作用类型进行了初步探索。结果表明:淮海经济区县域经济总体差异呈扩大趋势,苏北、鲁南、豫东、皖北4地区之间的差异以及苏北内部、鲁南内部差异是淮海经济区整体差异的主要贡献者;高水平县域沿主要交通线方向扩展,形成沿京沪线(泰安-徐州段)、兖石线、沿海3条经济发展轴;低水平县域沿京九线形成不发达走廊,并在豫皖边界地区出现低水平-低增长并陷入贫困陷阱的集聚区;根据县域与相邻县域的关系,将淮海经济区县域分为扩散型、极化型、“沉陷”型、“传染”型。 |
| [29] | . . |
| [30] | . <p>基于GIS 方法对1990 年以来江苏区域发展的均衡性进行了测度分析。首先，引入区域重心模型，对江苏省 几何、人口、经济(GDP)、外资(FDI)等主要重心的时空偏离进行了可视化测算，然后结合相关统计指标对江苏省区 域经济均衡性的时间特征和空间特征进行了系统分析。结果表明：(1)江苏的经济、外资重心相较人口重心有显著 的空间偏离，1990 年以来的人口重心呈东南向西北，复向西南，再折回西北的倒U 型空间位移趋势，经济重心则一 直向南偏东方向位移，而外资重心大致以2003 年为拐点，之前大体向南位移，之后逐渐向北偏东位移；(2)江苏省 区域经济不均衡性总体在加剧，相对发展速率呈现出南北不均衡，县域和市区不均衡，且苏南、苏中、苏北内部不均 衡性各有特点；(3)本世纪发展速率加快的县市主要在苏南和苏中空间范围的四个边角带上，呈“口”字型格局，苏 北为相对发展速率下降县市的主要分布区；(4)苏南初步形成了东部以苏州无锡为核心的高度发达趋同区和西部 的快速发展趋同区，苏北形成了盐城为代表的县域快速成长趋同区和以连云港为代表的县域缓慢发展趋同区。</p> . <p>基于GIS 方法对1990 年以来江苏区域发展的均衡性进行了测度分析。首先，引入区域重心模型，对江苏省 几何、人口、经济(GDP)、外资(FDI)等主要重心的时空偏离进行了可视化测算，然后结合相关统计指标对江苏省区 域经济均衡性的时间特征和空间特征进行了系统分析。结果表明：(1)江苏的经济、外资重心相较人口重心有显著 的空间偏离，1990 年以来的人口重心呈东南向西北，复向西南，再折回西北的倒U 型空间位移趋势，经济重心则一 直向南偏东方向位移，而外资重心大致以2003 年为拐点，之前大体向南位移，之后逐渐向北偏东位移；(2)江苏省 区域经济不均衡性总体在加剧，相对发展速率呈现出南北不均衡，县域和市区不均衡，且苏南、苏中、苏北内部不均 衡性各有特点；(3)本世纪发展速率加快的县市主要在苏南和苏中空间范围的四个边角带上，呈“口”字型格局，苏 北为相对发展速率下降县市的主要分布区；(4)苏南初步形成了东部以苏州无锡为核心的高度发达趋同区和西部 的快速发展趋同区，苏北形成了盐城为代表的县域快速成长趋同区和以连云港为代表的县域缓慢发展趋同区。</p> |
| [31] | . 建设国家级经济技术开发区（经开区）是中国扩大对外开放和促进区域发展的重要政策。历经30年多发展，国家级经开区已遍布全国，其个体间的发展差异也由于不同的动力机制而日趋显著。认识和探讨国家级经开区经济增长率的空间分异及其核心影响因素，对因地制宜制定发展策略、引导开发区高效发展具有重要意义。运用变异系数和地理探测器方法，分析2010年国家级经开区经济增长率的空间分异，并探测了其核心影响因素。结果表明：① 总体上，国家级经开区经济增长率在东中西三大区差异显著，呈现出高低高的U型格局；② 个体上，国家级经开区经济增长率在三大区内部存在不同分异特征，其中西部分异度最大、东部次之、中部最小；③ 探测因子决定力显示，主导三大地区国家级经开区经济增长率的核心要素明显不同；在所选出的5大核心影响因素中，中西东三大区呈现出由开发区内在因子主导向城市和区域性外在因子主导的转变趋势；④ 国家级经开区经济增长率及核心影响因素在三大区间的分异特征，一定程度上反映了开发区生命周期阶段性的演变规律。由此建议：近期内，中西部国家级经开区仍应聚焦于改进其自身发展要素；而从长远看，城市性和区域性的外部因子对经开区的影响将变得日益重要，亦即是经开区的未来发展将越来越依赖于与其所在城市和区域的有效融合。 . 建设国家级经济技术开发区（经开区）是中国扩大对外开放和促进区域发展的重要政策。历经30年多发展，国家级经开区已遍布全国，其个体间的发展差异也由于不同的动力机制而日趋显著。认识和探讨国家级经开区经济增长率的空间分异及其核心影响因素，对因地制宜制定发展策略、引导开发区高效发展具有重要意义。运用变异系数和地理探测器方法，分析2010年国家级经开区经济增长率的空间分异，并探测了其核心影响因素。结果表明：① 总体上，国家级经开区经济增长率在东中西三大区差异显著，呈现出高低高的U型格局；② 个体上，国家级经开区经济增长率在三大区内部存在不同分异特征，其中西部分异度最大、东部次之、中部最小；③ 探测因子决定力显示，主导三大地区国家级经开区经济增长率的核心要素明显不同；在所选出的5大核心影响因素中，中西东三大区呈现出由开发区内在因子主导向城市和区域性外在因子主导的转变趋势；④ 国家级经开区经济增长率及核心影响因素在三大区间的分异特征，一定程度上反映了开发区生命周期阶段性的演变规律。由此建议：近期内，中西部国家级经开区仍应聚焦于改进其自身发展要素；而从长远看，城市性和区域性的外部因子对经开区的影响将变得日益重要，亦即是经开区的未来发展将越来越依赖于与其所在城市和区域的有效融合。 |
| [32] | . . |
| [33] | . . |
| [34] | . 以甘肃省各县域作为研究单元，首先利用ArcGIS软件中的自然断点分级法，对其县域差异演化过程进行分析。其次采用变异系数、威廉森系数、最大最小系数，分析甘肃省各地区县域城镇化地域差异特征。最后利用地理探测器模型对县域城镇化地域分异成因进行分析。研究表明：（1）甘肃省各地区县域城镇化仍存在一定的差距，东西差距明显，而中部地区除兰州、白银地区城镇化进程突出外，其他地区发展缓慢。（2）各地区内部县域城镇化差异特征不尽相同，陇中地区主要表现为空间集聚和基础设施建设差异较大；河西地区主要表现为经济增长和社会发展差异大，南部地区城镇化率普遍偏低，内部差异不大。（3）各地区城镇化进程差异实质机理并不相同，除陇东地区受到基础设施建设的影响最为突出外，其他地区都显示为受经济增长及社会发展影响最大。 . 以甘肃省各县域作为研究单元，首先利用ArcGIS软件中的自然断点分级法，对其县域差异演化过程进行分析。其次采用变异系数、威廉森系数、最大最小系数，分析甘肃省各地区县域城镇化地域差异特征。最后利用地理探测器模型对县域城镇化地域分异成因进行分析。研究表明：（1）甘肃省各地区县域城镇化仍存在一定的差距，东西差距明显，而中部地区除兰州、白银地区城镇化进程突出外，其他地区发展缓慢。（2）各地区内部县域城镇化差异特征不尽相同，陇中地区主要表现为空间集聚和基础设施建设差异较大；河西地区主要表现为经济增长和社会发展差异大，南部地区城镇化率普遍偏低，内部差异不大。（3）各地区城镇化进程差异实质机理并不相同，除陇东地区受到基础设施建设的影响最为突出外，其他地区都显示为受经济增长及社会发展影响最大。 |
| [35] | . . |
