收缩情境下城市用地结构时空格局演变及动力机制——以中国东北地区为例

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

宋洋^,¹^,², 朱道林^,¹^,³, YEUNG Godfrey², 徐阳⁴^,⁵, 张立新⁶^,⁷

1.中国农业大学土地科学与技术学院,北京 100193

2.新加坡国立大学地理系,新加坡 117570

3.中国土地政策与法律研究中心,北京 100193

4.武汉大学经济与管理学院,武汉 430072

5.新加坡国立大学经济系,新加坡 117570

6.北京大学城市与环境学院,北京 100871

7.北京大学-林肯研究院城市发展与土地政策研究中心,北京 100871

Spatio-temporal evolution and driving mechanism of urban land use structure with the context of urban shrinkage: Evidence from Northeast China

SONG Yang^,¹^,², ZHU Daolin^,¹^,³, YEUNG Godfrey², XU Yang⁴^,⁵, ZHANG Lixin⁶^,⁷

1. College of Land Science and Technology, China Agricultural University, Beijing 100193, China

2. Department of Geography, National University of Singapore, Singapore 117570, Singapore

3. Center for Land Policy and Law, Beijing 100193, China

4. Economics and Management School, Wuhan University, Wuhan 430072, China

5. Department of Economics, National University of Singapore, Singapore 117570, Singapore

6. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China

7. Peking University-Lincoln Institute of Land Policy, Beijing 100871, China

通讯作者: 朱道林（1966-）,男,安徽金寨人,教授,博士生导师,主要研究方向为土地经济与土地政策。E-mail:dlzhu@cau.edu.cn

收稿日期:2020-05-15接受日期:2020-08-31网络出版日期:2021-05-10

基金资助:

中国国土勘测规划院专项研究项目.20190911902
教育部国家留学基金委资助“国家建设高水平大学公派研究生项目”.201906350155

Received:2020-05-15Accepted:2020-08-31Online:2021-05-10
作者简介 About authors
宋洋（1990-）,男,山东济宁人,博士研究生,主要研究方向为城市土地利用与管理。E-mail:young_song@hotmail.com

摘要
构建城市用地结构时空格局演变分析框架,引入信息熵和偏移份额模型定量剖析2000—2017年中国东北地区城市用地结构时空格局演变特征,通过计量经济模型分阶段对比分析收缩情境下东北地区城市用地结构演变的动力机制。结果表明：东北地区城市用地总面积持续增长,用地结构信息熵整体呈现先上升、后下降的趋势。2011年以后,城市用地结构有序性、多样性不断提升,单一优势地类主导作用显著下降。公共设施用地、道路交通用地及绿地与广场用地为增长型地类,是东北地区城市用地规模扩张和结构演变的主要动因。用地结构竞争性偏移量具有显著的空间非均衡性,总体与辽中南和哈长两大城市群空间格局基本吻合,新增城市用地的集聚效应不断凸显。城市人口规模变迁、城市经济发展水平提升、产业结构升级与城市居住条件改善对城市用地结构演变具有显著的正向驱动作用。收缩情境下,各因素的拉动作用逐渐减弱,国家宏观政策的约束力不断增强,城市公共服务水平改善的强需求成为驱动用地结构演变的外在动力。
关键词： 城市用地结构;信息熵;偏移份额模型;东北地区;城市收缩

Abstract

Based on the analysis framework of spatio-temporal evolution of urban land use structure with the context of shrinkage, this study introduced the Information Entropy Model and the Shift-Share Model to examine the spatio-temporal evolution characteristics of urban land use structure in Northeast China, using panel data from 2000 to 2017. The dynamic mechanism of structural evolution of urban land use in Northeast China was analyzed by econometric model. The results demonstrated that: (1) the total area of urban land in Northeast China increased continuously since 2000, while the information entropy of urban land use structure increased firstly and then decreased. After 2011, with the improvement of diversity and equilibrium degree of urban land use structure, the order of urban land use structure has been enhanced and the leading role of single dominant land type has been significantly reduced. (2) The three types of urban land, i.e., land for public facilities, land for road, street and transportation and land for green space and square were growing, which is the main reason for the rapid increase of the total urban land area in the study region. (3) There exists significant spatial imbalance of competitiveness of different urban land types, which evolve constantly in different regions, and the overall spatial pattern is basically consistent with the distribution pattern of the two major urban agglomerations of central and southern Liaoning city groups and Harbin-Changchun megalopolis. Meanwhile the agglomeration effect of new-added urban land area is increasingly prominent. (4) The dynamic change of urban population, urban economic development, the upgrading and adjustment of industrial structure, and the improvement of urban living conditions all have significant positive impact on the dynamic evolution of urban land use structure in Northeast China. In the context of urban shrinkage, the effect of various factors is gradually weakened, and the binding force of national macro policies is increasing. Meanwhile, the demand for the improvement of urban public services has become the external driving force for the evolution of urban land use structure. To realize the overall revitalization of Northeast China, differentiated measures should be taken to reverse the trend of population loss, and boost the vitality of regional economic development.

Keywords：urban land use structure;information entropy;shift-share model;Northeast China;urban shrinkage

PDF (3113KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
宋洋, 朱道林, YEUNG Godfrey, 徐阳, 张立新. 收缩情境下城市用地结构时空格局演变及动力机制——以中国东北地区为例. 地理研究[J], 2021, 40(5): 1387-1403 doi:10.11821/dlyj020200410
SONG Yang, ZHU Daolin, YEUNG Godfrey, XU Yang, ZHANG Lixin. Spatio-temporal evolution and driving mechanism of urban land use structure with the context of urban shrinkage: Evidence from Northeast China. Geographical Research[J], 2021, 40(5): 1387-1403 doi:10.11821/dlyj020200410

1 引言

1978—2019年,中国城镇人口数量从1.72亿增加到8.48亿。2020年,年末常住人口城镇化率超过60%^[1]。作为城镇化质量与进程最直观的反映,中国城市建设用地总面积从1981年的6720 km²增长至2019年的58307.7 km^2[2],呈现显著的指数增长和快速扩张趋势,城镇化地区的用地结构特征不断演变^[3]。城市用地结构是产业、居住、服务、交通等城市功能要素空间分布的重要表现形式,不仅包含城市内部各种功能的用地比例和空间结构,同时也包含不同用地之间相互影响、作用的关系。近年来,城市用地结构及其演变研究逐渐成为土地资源管理学、城市地理学和城市规划学等众多学科关注的核心问题之一。国内外****基于西方政治经济学、城市经济学与社会学等不同理论视角,对不同空间尺度下城市土地利用结构的时空格局演变^[4]、城市土地利用结构效率的空间分异^[5]、城市建设用地变化态势及其调控^[6]等内容进行了大量卓有成效的探究。信息熵与均衡度模型、洛伦茨曲线-基尼系数、偏移份额模型等不断发展并成为城市用地结构研究的主流方法。相关研究除关注典型国家和地区的大型或特大型城市外^[7],对城市群尺度用地结构演变机理^[8]、小城镇用地结构特征^[9]的探究也均有涉及。

在中国新型城镇化发展的当前阶段,增长情境下的城市用地扩张与空间结构演变仍然是学界和管理层关注的主流热点。但在快速城镇化和立体交通网络发展的带动下,中国城市和城市群发展的极化效应不断加剧^[10],东南沿海地区特大城市与城市群的虹吸效应持续凸显,部分中小城市和东北地区面临转型发展的老工业城市则出现了不同程度的城市人口流失、经济衰退、土地废弃与房屋空置、城市活力下降等一系列问题。随着城市规模的持续扩张,城市空间结构日益复杂,城市土地利用问题不断凸显^[11]。全球社会经济环境不断变化,蔓延与增长已不再是城市演替唯一的标准路径,城市收缩正逐渐成为城市发展的新模式与新常态^[12]。1970年代,起源于德国政府对于人口流失问题的关注,城市收缩（urban shrinkage）的概念开始萌生。1988年,H?u?ermann正式提出“收缩城市”的概念^[13]。多年来,作为城市可持续发展研究的重要内容,国际城市收缩研究主要集中于收缩城市的定义和识别、形成原因及演化机制、管理政策和规划响应,以及收缩城市与人居环境改善等方面。国内收缩城市研究起步较晚,相关****在引介国际研究及中外对比研究的基础上^[14],对中国收缩城市的识别和界定^[15]、区位分析及类型划分^[16]、演化过程及演化特征^[17]、理论框架及动力机制^[18]等问题展开了多维度、多尺度的广泛探究。总结来看,既有研究更多聚焦城镇化进程中的城市用地扩张、城市用地结构失调等土地资源不合理配置问题,鲜有研究关注收缩发生下的城市用地结构问题。面对城市用地结构问题的阶段性、演变规律的复杂性和演变动力的综合性,基于中国特殊转型发展背景下的城市用地结构演变研究仍需进一步丰富。

从早期的“东北现象”到近年来的“新东北现象”,东北地区不少城市都出现了不同程度的城市收缩现象,人口密度持续降低、城市用地大量闲置、城市活力不断下降^[19]。2019年3月,国家发改委发布的《2019年新型城镇化建设重点任务》中,首次提出了“收缩型城市”,并明确要求收缩型中小城市要瘦身强体,严控增量、盘活存量。2020年4月,国家发改委再次发布《2020年新型城镇化建设和城乡融合发展重点任务》,进一步明确提出稳妥调减收缩型城市市辖区,审慎研究调整收缩型县（市）的要求。城市收缩作为中国新型城镇化建设面临的挑战之一,也正逐渐成为学界和政策界关注的新命题。有鉴于此,本文构建城市用地结构时空格局演变分析框架,以中国东北地区为例,引入信息熵和偏移份额模型定量测度东北地区34个地级城市用地结构时空格局演变特征,进而通过计量经济模型分阶段对比分析收缩情境下东北地区城市用地结构演变的动力机制,以期为探寻“精明收缩”理念下城市土地资源合理配置的转型路径,促进东北城市尤其是收缩城市“瘦身强体”提供参考。

2 理论基础与研究框架

城市土地利用系统是一个耦合自然、社会与经济要素的复杂巨系统。其特定的空间结构与功能,不仅在空间尺度上表现出不同的格局与组合关系,也在时间尺度上具有一定的演替特征和规律。在城镇化进程的不同阶段,城市规模的外部增长与城市内部空间结构的有序更新往往同时进行。经济发展和城镇化进程的推进既催生了城市建设用地总规模不断增加,也促进了不同地类占比的“此消彼长”。而作为城市与城市群发展的主要载体^[20],城市用地结构及其空间格局的演变直接影响城市整体功能的发挥^[21]。

21世纪初,陈彦光等****基于对广州、郑州等城市的实证研究,总结了城市用地结构的熵值定律。谭永忠、吴次芳等****通过对不同区域用地结构信息熵的演变分析,进一步验证了以信息熵表征和探究城市土地利用系统演化的科学性和可行性。此后,作为判定城市土地利用系统有序程度及其演化方向的关键指标,信息熵被引入不同尺度、不同类型城市土地利用结构演变研究中并推广开来。城市土地利用系统是一个有序的耗散结构系统^[22],以熵表征耗散结构系统的无序化程度,熵值越高,系统的有序性则越低;熵值越低,系统的有序性则越高。即城市用地结构信息熵越高,则代表不同地类转换越快,城市用地结构越趋于均衡状态,城市土地利用系统的有序性则不断降低;反之亦然。

城市用地结构的动态演变是城市用地结构与功能的自组织过程^[23],也是与外界进行广泛的物质、能量和信息交流的结果。快速城镇化阶段,城市用地结构信息熵的变化主要由农用地转变为城市建设用地所引起的,如开发区和大学城建设、新城和副中心建设、工矿业外迁、居住外迁及房地产开发等。随着中国社会经济的快速发展,城市人口数量的变迁、经济发展水平的提高、城市产业结构的升级调整和经济全球化的推进都为城市用地结构的动态演变提供了源源不断的动力,进而促进城市用地结构加快调整。与此同时,城市建成区内部存量用地结构的不断调整也会促进城市用地结构信息熵的不断变化。尤其在城市建设用地增量空间不断压缩的背景下,包括城市更新、城中村改造、城市内部道路修建与调整、城市环境绿化的改善等也成为城市用地结构演变的主要动力。近年来,随着中国土地市场化水平地不断提升、耕地保护与土地节约集约利用政策的强化实施、居民环保意识的增强,严控建设用地规模、调整用地结构逐渐得到强化,这些均成为影响城市土地利用系统演变的强动力。城市土地利用系统的规模扩张、内部结构完善和等级提升都是城市有序性增加的表现^[24]。因此,一定程度上来看,快速城镇化进程所带来的新增建设用地面积的增加以及城市建成区内部存量建设用地的更新和演替共同促进了城市用地结构信息熵的动态变化。城市用地结构信息熵动态演变的实质则是系统内部正、负熵流之间动态“博弈”的结果与体现（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1城市用地结构演变机理

Fig. 1Evolution mechanism of urban land use structure

现有文献侧重于关注增长情境下的城市土地利用问题,鲜有研究探讨收缩情境下城市用地结构的时空格局演变及动力机制。鉴于此,本文拟从下述三个方面进行扩展。其一,选用东北地区34个地级城市2000—2017年面板数据,引入信息熵模型和偏移份额模型定量测度2000年以来东北地区城市用地结构的时空格局演变特征及演变规律。其二,通过经济计量模型检验和总结东北地区城市用地结构演变的动力机制,并通过增长情境和收缩情境下的分阶段对比分析,深入探究收缩情境下城市用地结构演变动力的阶段变化。其三,通过探究收缩情境下城市用地结构的时空格局演变及其动力机制变化,为转变东北城市用地结构、提高土地利用效率提供相应的政策启示。

3 研究方法与数据来源

3.1 研究方法

3.1.1 信息熵模型 1948年,为测度系统信息量与不确定性程度,美国数学家香农基于信息论提出了信息熵的概念。引入城市用地结构的研究中,能够反映城市土地利用系统的有序性和多样性。假设一个区域的土地总面积为S,该地区具有m种结构类型,每种土地结构类型面积为S_i,则有：

（1）

S = \overset{m}{\sum_{i = 1}} S_{i} (1,2, \dots, m)

各土地利用类型占城市用地的比例为：

（2）

P_{i} = \frac{S_{i}}{S}, \sum^{} P_{i} = 1

根据信息论原理并参考信息熵指数,定义城市土地利用结构信息熵公式为：

（3）

H = - \overset{m}{\sum_{i = 1}} P_{i} \ln P_{i}

式中：H为信息熵（为方便计算,取自然对数）,单位为比特（Nat）,其大小反映城市用地类型的多少和各类型用地面积分布的均匀程度。根据熵值最大和最小原理,当区域处于未开发时,熵最小,即H_min=0;当区域已发展成熟,各类土地利用类型趋于稳定,即S₁=S₂=?=S_m=S/m时,土地利用结构信息熵最大,H_max=lnm。由此可以看出,地类越多,各职能内的面积相差越小,土地利用系统的有序性越高,熵值越大。

基于信息熵公式,可得到均衡度（J）和优势度（I）公式：

（4）

J = \frac{H}{H_{\max}} = - \frac{\overset{m}{\sum_{i = 1}} P_{i} \ln P_{i}}{\ln m}

（5）

I = 1 - J

式中：均衡度J是实际城市用地结构信息熵与最大值之比,其取值范围J∈[0, 1],用于描述城市土地利用类型之间面积大小差异,均衡度越大,表明各类结构用地的面积相差越小,均衡度越高;优势度I则反映区域某一种或几种主要土地利用类型的支配程度,与均衡度、多样性呈反比。

3.1.2 偏移份额模型 1960年代,为探究区域发展差异,美国****Dunn等提出偏移份额模型,后经崔功豪等^[25]进一步改进。该模型将一定研究期内的区域经济增长总量分解为份额量（NS）、结构性偏移量（IM）与竞争性偏移量（RS）,以此探究区域经济结构调整的可行路径。偏移份额模型已广泛应用于城市经济增长、产业结构调整和城市用地结构演变等研究领域^[26]。本研究引入该模型探究东北地区城市用地结构的动态变化及城市用地的空间配置差异。

（1）份额量（NS）。表示基期研究区域内某城市的某地类参照研究区域城市用地总面积的平均增长速度（R）所能增加的量,反映研究区域城市用地增长对各研究单元的“配给效应”。

（6）

N S_{ij} = U_{i j}^{0} ? R

（7）

R = [\overset{S}{\sum_{i = 1}} \overset{M}{\sum_{j = 1}} (U_{ij}^{t}) - \overset{S}{\sum_{i = 1}} \overset{M}{\sum_{j = 1}} (U_{ij}^{0})] \frac{}{\overset{S}{\sum_{i = 1}} \overset{M}{\sum_{j = 1}} (U_{ij}^{0})}

式中：

U_{ij}^{0}

、

U_{ij}^{t}

分别为区域j第i类城市用地在研究初期和末期的面积。

（2）结构性偏移量（IM）。表示基期研究区域内某城市的某地类参照该地类的平均增长速度（R_i）所能增长的量与NS_ij的差值,以识别某地类在各类城市用地中是否处于增长优势。

（8）

I M_{ij} = U_{ij}^{0} ? (R_{i} - R)

（9）

R_{i} = [\overset{M}{\sum_{j = 1}} (U_{ij}^{t}) - \overset{M}{\sum_{j = 1}} (U_{ij}^{0})] \frac{}{\overset{M}{\sum_{j = 1}} (U_{ij}^{0})}

（3）竞争性偏移量（RS）。表示基期研究区域内某地类分别参照该地类实际增长速度（R_ij）与该地类平均增长速度（R_i）所能增长的量的差值,以比较研究区域内各研究单元某地类增长与其他研究单元相比是否具有竞争优势。

（10）

R S_{ij} = U_{ij}^{0} ? (R_{ij} - R_{i})

（11）

R_{ij} = (\frac{U_{ij}^{t} - U_{ij}^{0})}{U_{ij}^{0}}

3.2 研究区域与数据来源

东北地区作为新中国工业的摇篮,经济发展于建国初期率先起步,为新中国的建设和发展提供了强有力的支持。经历了过去数十年的过度工业化之后,东北地区步入社会经济发展的转型期,大量东北地区资源型城市因资源过度开采而演化为资源枯竭型城市^[27],经济增长乏力、建设用地无序蔓延、城市人口持续流失、工业用地低效利用、住宅空置等城市收缩现象不断出现。根据国家统计局公布的年末常住人口数据,2010年以后,东北三省年末常住人口数量相继进入低速增长阶段,并先后开始出现不同程度的下降趋势（图2）,整体呈现出全域性收缩的特征^[28]。

图2

新窗口打开|下载原图ZIP|生成PPT
图22000—2018年东北三省年末常住人口变化趋势

Fig. 2Changing trends of permanent resident population in Northeast China, 2000-2018

本文研究对象确定为东北地区黑龙江、吉林和辽宁三省的34个地级城市。因数据缺失,黑龙江大兴安岭地区、吉林延边朝鲜族自治州不在研究范围之内。研究时段确定为2000—2017年,涵盖了21世纪以来的第十、第十一与第十二个五年计划。研究所需各城市用地数据来源于《中国城市建设统计年鉴（2000—2017年）》,各城市年末总人口、城市人均GDP、第二三产业产值、地方财政一般预算支出以及房地产开发投资完成额等相关社会经济数据来源于《中国城市统计年鉴（2001—2018年）》《黑龙江省统计年鉴（2001—2018年）》《吉林省统计年鉴（2001—2018年）》和《辽宁省统计年鉴（2001—2018年）》,个别缺失数据运用插值法进行插补处理。其中,城市土地利用结构数据分类涉及《城市用地分类与规划建设用地标准（GB137-90）》（旧标准）和《城市用地分类与规划建设用地标准（GB50137-2011）》（新标准）2套标准。为保证研究区域用地结构数据地一致性与可比性,参考许芸鹭等^[29]****的研究,依据新旧用地标准的制定和转换原则,对城市用地结构数据进行归并处理,将公共管理与公共服务及商服用地合并为公共设施用地,对外交通用地及道路广场用地合并为道路交通用地,特殊用地归并至市政公用设施用地。本文所研究的城市用地类型归结为居住用地、公共设施用地、工业用地、仓储用地、道路交通用地、市政公用设施用地和绿地与广场用地七大类。

4 东北地区城市用地结构时空演变规律

以2000—2017年东北三省各地级市城市用地结构数据为基础,测算并分析东北地区城市用地结构时空格局演变特征及规律。

4.1 东北地区城市用地结构时序演变特征分析

研究期内,东北地区城市用地总面积持续增长,由2000年的2567.64 km²增长到2017年的4855.03 km²,净增长2287.39 km²,年平均增长率达4.53%。其中,公共设施用地、绿地与广场用地以及道路交通设施用地涨幅最高,分别为174.05%、113.71%和107.64%。工业用地和居住用地涨幅分别为86.98%、77.13%;仓储用地与市政公用设施用地涨幅较低,分别为23.99%、1.83%。东北地区城市用地构成中,居住用地占比最高,达30%以上;其次为道路交通用地、公共设施用地、工业用地、绿地与广场用地,占比分别位于22%~25%、9%~16%、11%~15%、8%~11%之间。此外,市政公用设施用地、仓储用地比例较低,占比分别位于3%~7%、3%~5%之间（表1）。总体来看,东北地区城市生活及生产用地占比仍处于主导地位,绿地与广场用地占比相对稳定,城市公共服务设施用地与仓储用地依旧匮乏。

Tab. 1
表1
表12000—2017年东北地区城市用地结构占比与信息熵、均衡度和优势度
Tab. 1Proportion, information entropy, equilibrium degree and dominance degree of urban land use structure in Northeast China, 2000-2017

年份	城市用地结构占比（%）							信息熵	均衡度	优势度
年份	居住用地	公共设施用地	工业用地	仓储用地	道路交通用地	市政公用设施用地	绿地与广场用地	信息熵	均衡度	优势度
2000	34.03	9.29	24.42	4.57	13.55	5.66	8.49	1.7156	0.8816	0.1184
2001	33.78	9.23	24.36	4.31	13.65	5.23	9.45	1.7150	0.8813	0.1187
2002	33.73	9.30	24.19	4.43	13.85	5.27	9.22	1.7176	0.8827	0.1173
2003	34.27	9.55	23.64	4.32	13.25	5.57	9.41	1.7189	0.8833	0.1167
2004	33.46	9.99	23.92	4.09	13.36	5.62	9.57	1.7245	0.8862	0.1138
2005	32.75	10.17	24.34	3.84	13.65	5.77	9.47	1.7269	0.8875	0.1125
2006	32.29	10.13	23.22	3.76	14.27	6.70	9.63	1.7436	0.8960	0.1040
2007	33.16	10.33	22.78	3.89	14.27	5.97	9.61	1.7348	0.8915	0.1085
2008	32.54	10.25	22.56	4.17	14.66	5.75	10.07	1.7441	0.8963	0.1037
2009	32.48	10.59	23.23	4.10	14.83	5.24	9.53	1.7346	0.8914	0.1086
2010	32.99	10.54	22.47	3.81	14.73	5.22	10.23	1.7325	0.8903	0.1097
2011	32.63	9.56	22.60	3.77	14.98	6.31	10.16	1.7404	0.8944	0.1056
2012	33.43	15.69	20.97	3.49	11.91	3.97	10.54	1.7202	0.8840	0.1160
2013	33.23	14.69	22.48	3.57	12.00	3.84	10.18	1.7146	0.8811	0.1189
2014	32.99	14.93	22.50	3.40	12.30	3.81	10.07	1.7138	0.8807	0.1193
2015	33.30	14.59	22.40	3.21	13.66	3.40	9.45	1.7023	0.8748	0.1252
2016	31.43	14.13	24.35	3.13	14.60	3.14	9.20	1.7020	0.8747	0.1253
2017	31.87	13.46	24.15	3.00	14.88	3.05	9.60	1.6974	0.8723	0.1277

新窗口打开|下载CSV

研究期内,以2008年为峰值,东北地区城市用地结构信息熵与均衡度整体均呈现先上升、后下降的趋势,信息熵最高值为2008年的1.7441Nat,2017年下降至最低值1.6974Nat（图3）。从城市用地结构信息熵的整体演变过程可以看出,东北地区城市用地结构在研究期内的18a间经历了由“低级有序-高级无序-相对稳定”的演变历程。自2011年以后,信息熵值由1.7404连续下降至期末的1.6974,表明在2011—2017年期间,东北地区城市用地结构有序性不断增强,用地结构的多样性和均衡度不断提升,单一优势地类的主导作用显著下降。与此同时,研究期内城市用地总面积增长率与信息熵的变化呈现出显著的共振趋势,这也表明新增城市用地总面积是引起区域用地结构信息熵变化的主要原因。具体来看,2000—2011年期间,历年城市用地总面积保持高速增长,年增长率多保持在2%以上,随着这一阶段城市用地面积的快速扩张,城市用地结构信息熵呈现连续上升趋势。2011年以后,新增城市用地面积比例逐渐下降,城市用地总面积增长率多低于2%。随着城市用地面积扩张速度的逐渐回落,新增城市用地面积对用地结构信息熵的拉动作用不断下降,因此信息熵亦呈现下降趋势。

图3

新窗口打开|下载原图ZIP|生成PPT
图32000—2017年东北地区城市用地结构信息熵与面积增长率变化

Fig. 3Information entropy and growth rate of urban land use in Northeast China, 2000-2017

4.2 东北地区城市用地结构空间演变特征分析

4.2.1 空间演变特征分析就空间维度看,2000年,信息熵高值城市数量较少,主要包括哈尔滨、沈阳、朝阳、铁岭、长春和大连等省会城市和经济发展较快的城市。低值与次低值城市数量较多,基本覆盖东北三省的大部区域。2006年和2011年,伴随东北地区社会经济发展的不断提速,城市用地面积不断增加,城市用地结构进入快速调整期,黑河、白城、大庆和葫芦岛也逐渐成为信息熵高值区,信息熵高值城市数量呈现不断增加的趋势。相应的,低值与次低值城市数量则不断减少,仅包括鸡西、鹤岗、双鸭山、白山、本溪、锦州、辽源和四平等城市。2017年,除大庆、黑河外,齐齐哈尔与双鸭山城市用地结构信息熵显著增长,成为信息熵高值区。此外,黑龙江、吉林两省的大部分城市用地结构信息熵均有增加,逐渐进入城市用地的快速发展与调整期。低值城市依然分布在黑龙江东部及辽宁西部地区,主要包括鸡西、七台河、葫芦岛等城市。整体来看,研究期内,东北地区城市用地结构信息熵值高值区呈现由省会及重点城市,向二三线中等城市,再向三四线小城市逐级扩散的空间演进过程（图4）。这也在一定程度上说明,城市用地结构的动态演变与城市规模和城市发展进程存在密切的联系。

图4

新窗口打开|下载原图ZIP|生成PPT
图42000—2017年东北地区城市用地结构信息熵空间格局变化

Fig. 4Spatial evolution of urban land use structure information entropy in Northeast China, 2000-2017

表2反映了2000—2017年东北地区城市用地结构性偏移量分析结果。就测算结果可知,研究期内各城市用地结构性偏移量演变特征相同：① 公共设施用地、道路交通用地、绿地与广场用地三类用地的结构性偏移量均为正值,表明这三类用地为增长型结构,其增长率超过东北地区城市用地的总体增长率,是东北地区城市用地总面积快速上涨的主要动因。② 居住用地、工业用地、仓储用地与市政公用设施用地四类用地的结构性偏移量均为负值,即这四类用地均为衰减性结构,其增长率均低于东北地区城市用地的总体增长率。③ 研究期内,东北地区衰减性结构共转移320.84 km²新增用地到增长性结构,其中,市政公用设施用地与居住用地贡献度最高,分别为39.49%、32.56%。就偏移量的分配来看,增长性结构中的公共设施用地为主要的转入地类,转入比例达63.14%;道路交通用地、绿地与广场用地转入比例分别为20.12%、16.74%。就空间格局来看,偏移量主要分配至包括沈阳、长春、哈尔滨和大连在内的省会城市及区域性重点城市;相比之下,本溪、阜新、白山、辽源、通化、绥化、黑河等城市所得偏移份额占比很小。

Tab. 2
表2
表22000—2017年东北地区城市用地结构性偏移量
Tab. 2Structural offsets of urban land in Northeast China, 2000-2017

	居住用地	公共设施用地	工业用地	仓储用地	道路交通用地	市政公用设施用地	绿地与广场用地
沈阳	-7.5107	19.4225	-0.9948	-6.7956	4.3689	-23.5235	3.3540
大连	-7.7678	15.4377	-1.1050	-6.4962	6.5107	-15.4090	3.9697
鞍山	-3.4116	7.8081	-1.0074	-1.9463	4.0033	-4.3278	4.2455
抚顺	-3.2788	8.0884	-0.7838	-3.2090	2.2977	-4.9124	1.3717
本溪	-1.8881	1.5548	-0.5283	-1.4971	0.9651	-1.1343	0.5418
丹东	-2.0376	2.8802	-0.2275	-1.1001	1.3920	-3.0277	1.2214
锦州	-2.6642	7.6721	-0.2614	-1.6794	1.1525	-3.0539	0.5762
营口	-2.1404	3.4835	-0.3099	-1.1717	1.3734	-1.2215	0.3694
阜新	-3.6483	0.1699	-0.1476	-1.7575	0.7981	-0.7853	0.8865
辽阳	-1.5701	5.3781	-0.6006	-2.1741	0.9521	-4.4848	1.9528
盘锦	-2.4681	2.0051	-0.1906	-2.3108	1.5293	-2.3733	0.9382
铁岭	-1.2783	3.4665	-0.1602	-1.1586	1.2064	-1.4048	0.8865
朝阳	-0.7832	2.7613	-0.0342	-0.9959	0.6087	-0.6806	0.8127
葫芦岛	-2.0663	3.6704	-0.3542	-0.7486	1.2769	-2.1639	0.6452
长春	-3.8803	25.0130	-0.6973	-3.1049	7.1343	-7.4340	2.9625
吉林	-4.3227	2.8802	-0.6187	-2.7990	1.4755	-4.8949	1.6622
四平	-1.3871	3.0587	-0.2089	-1.1196	1.2398	-1.6927	0.4063
辽源	-1.3058	1.7502	-0.2159	-0.7160	0.4640	-0.8900	0.6107
通化	-1.5940	1.7927	-0.1231	-0.5207	0.6700	-1.0994	0.1354
白山	-1.2006	1.3254	-0.0683	-0.2994	0.3433	-1.9196	0.2832
松原	-1.6179	2.8632	-0.1048	-0.6704	0.5661	-0.5584	1.2288
白城	-1.1719	3.8233	-0.0991	-1.0415	0.7795	-0.8725	0.6156
哈尔滨	-5.4874	16.6187	-0.8915	-5.5589	4.7846	-9.8596	3.5166
齐齐哈尔	-5.2853	4.7579	-0.5567	-5.2074	1.9487	-3.0539	1.2313
鸡西	-4.9912	3.1946	-0.2939	-1.6338	1.4198	-1.2215	0.5565
鹤岗	-2.6905	2.6593	-0.3634	-1.5297	0.7275	-1.2652	1.7263
双鸭山	-3.5754	3.2286	-0.2108	-0.9764	1.2806	-0.6108	0.5171
大庆	-5.7505	11.8778	-0.5962	-6.2488	4.0849	-6.2299	1.5613
伊春	-7.8180	12.2686	-0.3995	-4.3677	2.2754	-3.2458	8.8949
佳木斯	-1.9407	1.8097	-0.2612	-2.3433	1.2917	-1.5793	2.3321
七台河	-4.2558	14.7665	-0.4695	-1.8877	3.0159	-8.1931	1.8174
牡丹江	-1.8176	3.7384	-0.2340	-1.4971	1.4476	-1.3961	1.1082
黑河	-0.5859	1.1895	-0.0358	-0.9764	0.5568	-0.6980	0.0739
绥化	-1.2795	0.1699	-0.0632	-0.9113	0.6125	-1.4833	0.6895
总计	-104.4716	202.5850	-13.2171	-76.4507	64.5535	-126.7008	53.7017

新窗口打开|下载CSV

4.2.2 空间配置格局分析通过偏移份额模型计算得出2000—2017年东北地区不同地类竞争性偏移量,在ArcGIS10.3的支持下,进一步将东北地区按照竞争性偏移量的区域差异划分为高值区、中值区与低值区三个类型区,并绘制东北地区城市用地结构竞争性偏移量的空间格局分布图,据此分析东北地区城市用地结构空间配置格局特征（图5,见第1396页）。

图5

新窗口打开|下载原图ZIP|生成PPT
图52000—2017年东北地区城市用地结构竞争性偏移量空间格局

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2020）4619号地图绘制,底图无修改。
Fig. 5Competitive offsets of urban land use structure in Northeast China, 2000-2017

2000—2017年,东北地区城市用地结构竞争性偏移量呈现出显著的空间非均衡性,总体空间格局与辽中南城市群和哈长城市群两大城市群分布格局基本吻合。两大城市群各类城市用地竞争性偏移量均处于较高水平,除两大城市群以外的其他城市则存在普遍的城市用地负偏移现象。随着城市群内部各类资源的重组、区域产业合作与分工作用不断加强,东北地区新增城市用地的集聚效应不断凸显。就测算结果来看,公用设施用地、市政公用设施用地和绿地与广场用地三类用地竞争性偏移量除集中于两大城市群外,还分布在黑龙江佳木斯、七台河、黑河、伊春、双鸭山和鸡西等城市。近年来,伴随两大城市群基本发展格局的形成,沈阳、大连、长春和哈尔滨,充分发挥区域性大城市在经济、人才、科技等方面的优势,通过自身的辐射力和吸引力,全面带动城市群内部其他中小城市与小城镇的协同发展。两大城市群正处于城市群功能整合升级的关键阶段,城市空间结构与产业布局亟待重构与转型,各类城市用地需求旺盛,因此成为是东北地区居住用地、工业用地、道路交通用地等各类新增城市用地的主要汇集区域。相反,除两大城市群以外的其他城市则成为居住用地、工业用地、仓储用地与道路交通用地的主要流失区,这也在一定程度上说明经济发展水平的空间失衡对于不同新增城市用地类型竞争优势的形成具有重要的影响。

5 收缩情境下东北地区城市用地结构演变的动力机制分析

5.1 驱动因素分析框架

根据推拉理论的基本思想^[30],城市用地结构的演变是在城市土地利用系统内部要素变迁和外部宏观社会经济环境变化等多种“推力”和“拉力”共同作用下的结果。基于前文分析,进一步通过计量经济模型定量考察收缩情境下影响东北地区城市用地结构变化的主要驱动因素,以此厘清用地结构演变过程中的宏观动力机制。2010年以后,东北三省年末常住人口数量进入低速增长阶段,不同城市相继出现潜在收缩或显著收缩趋势。据此,本研究以2010年为界,将18年的研究区间划分为2000—2009年和2010—2017年两个定量研究阶段,以对比分析增长情境与收缩情境下东北地区城市用地结构演变动力机制的差异性。

借鉴以往研究成果,本文以城市用地结构信息熵（lnInform）为被解释变量,表征城市用地结构变化情况。鉴于学界目前多以人口数量变化作为判定城市收缩的标准^[12],本文选择各城市年末总人口（lnPop）考察人口变迁对城市用地结构演变的影响。同时,本文选取城市人均GDP（lnGDPpc）、第三产业产值/第二产业产值（lnIndus）、地方财政一般预算支出（lnExpend）以及房地产开发投资完成额（lnRes）分别考察城市经济发展水平、城市产业结构的高级化程度、城市公共服务状况改善和城市居住条件改善（表3）。此外,2000年以来,国务院分别于2003年、2009年与2016年先后发布《关于实施东北地区等老工业基地振兴战略的若干意见》《关于进一步实施东北地区等老工业基地振兴战略的若干意见》《关于全面振兴东北地区等老工业基地的若干意见》。随着东北振兴战略的实施,东北地区社会经济迅速复苏、发展显著加快,各城市用地结构先后进入快速调整期。据此,参考匡兵、卢新海等^[31]的研究方法,本文依据东北振兴系列政策发布的时间将研究区间划分为2000—2003年、2004—2009年、2010—2015年以及2016—2017年四个阶段,并分别赋值1、2、3、4,通过引入此虚拟变量以考察国家政策调控对东北地区城市用地结构演变的影响。基于此,本研究通过OLS估计并解析收缩情境下东北地区城市用地结构演变的影响因素。模型构建如下：

（12）

\begin{array}{l} \ln Infor m_{it} = α_{0} + α_{1} \ln Po p_{it} + α_{2} \ln GDPp c_{it} + α_{3} \ln Indu s_{it} + \\ α_{4} \ln Expen d_{it} + α_{5} \ln Re s_{it} + α_{6} Polic y_{it} + ε_{it} \end{array}

式中：被解释变量lnInform_it为城市用地结构信息熵;lnPop、lnGDPpc、lnIndus、lnExpend、lnRes以及Policy为各解释变量;α₀是常数项;α₁~α₆为各解释变量系数;ε_it为随机干扰项。

Tab. 3
表3
表3城市土地利用结构时空格局演变影响因素选择及描述
Tab. 3The description and explanation of driving factors of urban land use structure

解释变量	变量名称	变量符号	定义	单位
因变量	城市土地利用结构	lnInform	信息熵值	比特（Nat）
自变量	城市人口规模	lnPop	城市年末总人口数量	万人
	经济发展水平	lnGDPpc	城市人均GDP	元/人
	产业结构升级	lnIndus	第三产业产值/第二产业产值	%
	城市公共服务状况	lnExpend	地方政府一般财政支出	亿元
	城市居住条件改善	lnRes	房地产开发投资完成额	万元
	国家政策因素	Policy	虚拟变量	-

新窗口打开|下载CSV

5.2 动力机制分析

基于2000—2017年东北地区各城市面板数据,通过Stata15.1软件,以各城市用地结构信息熵（lnInform）为被解释变量进行回归分析。表4模型Ⅰ报告了2000—2017年全样本回归结果,模型Ⅱ、Ⅲ分别报告了2000—2009年（增长情境下）与2010—2017年（收缩情境下）分阶段估计结果。在此,进一步阐述各因素对城市用地结构的影响及其阶段性变化。

Table 4
表4
表4模型估计结果
Table 4Results of estimated model

变量名称	（Ⅰ）全样本	（Ⅱ）增长情境	（Ⅲ）收缩情境
lnPop	0.1340***	0.0985***	0.0690*
	（0.0205）	（0.0334）	（0.0371）
lnGDPpc	0.0445**	0.0544**	0.0107
	（0.0182）	（0.0227）	（0.0334）
lnIndus	0.0442***	0.0608***	0.0289
	（0.0129）	（0.0176）	（0.0203）
lnExpend	0.00345	0.00996	0.0688**
	（0.0108）	（0.0131）	（0.0308）
lnRes	0.0193***	0.0212**	0.0160
	（0.0072）	（0.0104）	（0.0114）
Policy	-0.0669***	-0.0489	-0.0563**
	（0.0176）	（0.0320）	（0.0248）
_cons	1.0810***	0.826***	0.7410***
	（0.0907）	（0.1268）	（0.2358）
R²	0.2080	0.2530	0.2180
N	612	340	272

注：***、**、* 分别为1%、5%、10%显著水平;括号中的数字表示标准误差。

新窗口打开|下载CSV

城市人口规模变迁直接驱动城市用地结构动态调整。模型Ⅰ结果显示,城市人口规模（lnPop）回归系数高达0.134,且在1%水平下正向显著。该结果与卢新海等^[32]****的研究结论一致,城市人口规模增长越快,促进城市用地结构演变的“拉力”则越大。城市人口规模的增加会进一步促进对居住用地、工业用地、道路交通用地、绿地与广场用地等各类城市用地的引致性需求,进而导致城市用地结构的动态演变。但就模型Ⅱ、Ⅲ估计结果对比来看,两阶段城市人口规模估计系数虽然都通过了显著性检验,但在第二阶段回归系数显著降低,进一步表明东北地区人口的不断流失对城市用地结构演变的驱动作用明显下降。2010年以来,东北地区人口增长不断放缓并出现持续下降的趋势,受城市人口不断流失的影响,各类城市用地增长动力不足,城市用地结构演变逐渐趋缓。

城市经济发展水平的提升是影响用地结构演变的主要动因。就模型Ⅰ估计结果看,经济发展水平（lnGDPpc）回归系数为0.0445,在5%水平下显著为正。城市经济发展水平与城市用地的规模和结构密切相关,二者存在着显著的耦合影响效应^[33]。在经济发展的强驱动下,城市生产性、生活性用地类型的规模和比例都会受到直接或间接的影响。但从模型Ⅱ、Ⅲ估计结果对比来看,经济发展水平（lnGDPpc）回归系数在第二阶段变为不显著,这表明在2010—2017年期间,经济发展对城市用地结构调整的带动作用逐渐趋弱。除显著的人口流失外,经济发展乏力也是城市收缩的主要表现之一。因此,着力解决收缩型城市经济发展动力不足的普遍症结,促进人口、产业等要素与城市用地结构调整的良性互动更为迫切。

产业结构升级是城市用地结构动态演变的内在驱动因素。模型Ⅰ中,产业结构升级（lnIndus）回归系数为0.0442,且在1%水平下正向显著。不同产业对城市用地的类型、数量、质量和区位要求存在较大差异,城市产业结构和发展水平决定了用地结构的模式和特征,城市产业结构的调整和升级也将直接引起城市用地结构的演变^[32]。从模型Ⅱ、Ⅲ估计结果对比来看,产业结构升级（lnIndus）在第二阶段未通过显著性检验,表明收缩情境下产业结构升级对城市用地结构演变的“拉力”明显下降。除出现显著的人口流失外,收缩型城市也多具有产业用地闲置和城市活力下降等伴生现象。东北地区产业发展长期具有高要素投入、高资源消耗的特征。进一步拉长产业链条,加快发展接续产业,推进产业转型阶段的城市用地置换,将继续成为各城市实现转型发展和精明增长的关键^[34]。

城市公共服务改善逐渐成为用地结构演变的外在动力。就模型Ⅰ、Ⅱ估计结果看,城市公共服务状况改善（lnExpend）均未通过显著性检验。但在模型Ⅲ中,该回归系数为0.0688,且在5%水平下显著为正。这也在一定程度上表明,在新型城镇化进程的不断推动下,地方财政一般预算支出的不断增加,城市公共交通、城市绿化等公共服务状况得到显著改善。如前文所述,研究期内,公共设施用地、道路交通用地、绿地与广场用地三类用地为增长型结构,这三类用地面积的大幅增加是东北地区城市用地总面积快速上涨的主要动因。城市人均绿地面积与人均道路交通用地面积等指标得到明显提高,城市居民生活状况的改善与城市用地结构之间的互馈效应不断凸显。

城市居住条件改善是驱动城市用地结构动态演变的重要因素。模型Ⅰ结果显示,城市居住条件改善（lnRes）回归系数为0.0193,且在1%水平下正向显著。就模型Ⅱ、Ⅲ估计结果对比来看,城市居住条件改善（lnRes）回归系数在第二阶段变为不显著。前述结果显示,居住用地期内增长率低于东北地区城市用地的总体增长率,是衰减性结构的地类之一。这也侧面反映了,受东北地区人口流失的影响,房地产开发建设对于用地结构演变的带动作用不断下降。居高不下的住宅空置率也成为东北地区城市收缩的典型现象之一。

国家政策因素对城市用地结构的演变具有显著的约束作用。就模型Ⅰ、Ⅱ的估计结果来看,国家政策调控估计系数于研究期内显著为负。2000年以来,随着东北振兴战略的分阶段实施和深入推进,东北地区各城市着力控制城市建成区无序蔓延,优化和调整城市内部用地结构,提升城市用地产出效率,促进资源枯竭、产业衰退城市转型发展和精明增长取得显著成效。国家政策调控往往会在直接影响和限制城市用地面积的低效增长的同时,倒逼城市用地结构的内部调整和存量城市用地提质增效,城市用地增量空间不断压缩的现实约束会进一步影响商业用地、居住用地、工业用地等不同地类的组合模式和转换机制,进而影响城市用地结构的动态演变以及城市用地系统的内部运转。

6 结论与讨论

6.1 主要结论

以东北地区34个地级城市用地结构的时空变化为缩影,管窥2000年以来东北地区城市用地的结构性演进历程,透视收缩情境下用地结构演变的动力机制。主要结论总结如下：

第一,研究期内,东北地区城市用地总面积持续增长,不同地类面积涨幅存在显著差异。用地结构信息熵呈现先上升、后下降的趋势,经历了由“低级有序-高级无序-相对稳定”的演变历程。2011年以后,东北地区城市用地结构有序性不断增强,用地结构的多样性和均衡度显著提升,单一优势地类的主导作用逐渐下降。空间上,用地结构信息熵高值区呈现由省会及重点城市,向二三线中等城市,再向三四线小城市逐级扩散的空间演进过程。

第二,公共设施用地、道路交通用地、绿地与广场用地三类用地为增长型结构,是东北地区城市用地总面积快速上涨的主要动因。居住用地、工业用地、仓储用地与市政公用设施用地四类用地为衰减性结构,其增长率均低于东北地区城市用地的总体增长率。空间尺度上,衰减性结构偏移量主要分配至包括沈阳、长春、哈尔滨和大连在内的省会城市及区域性重点城市;本溪、阜新、白山、辽源、通化、绥化与黑河等城市所得偏移份额占比较低。

第三,东北地区城市用地结构竞争性偏移量呈现出显著的空间非均衡性,总体空间格局与辽中南城市群和哈长城市群两大城市群分布格局基本吻合。两大城市群各类城市用地竞争性偏移量均处于较高水平,除两大城市群以外的其他城市则存在普遍的城市用地负偏移现象。随着城市群内部各类资源的重组、区域产业合作与分工作用不断加强,东北地区新增城市用地的集聚效应不断凸显。

第四,城市用地结构的动态演变是国家宏观政策约束下,社会经济发展驱动的结果,也是城市自身发展历程的直接体现。城市人口规模变迁、城市经济发展水平的提升、产业结构升级与城市居住条件改善对城市用地结构演变具有显著的正向驱动作用。但在收缩情境下,各因素的拉动作用逐渐减弱,国家宏观政策的约束力不断增强,城市公共服务水平改善的强需求成为带动用地结构演变的外在动力。

6.2 讨论

城市人口规模变迁是城市用地规模增长和内部结构演变的直接动因。作为一种“席卷全球”的城市发展新常态,城市收缩也是中国新型城镇化面临的重要挑战之一^[35]。收缩情境下,东北地区城市用地面积增速依旧居高不下,形成了人口不断流失与用地持续扩张并存的新悖论,这背后各主体之间的利益博弈值得反思。同时需要注意的是,作为城市收缩的主要伴生现象,城市人口流失、产业用地闲置与住宅空置等问题的出现也为城市人口结构-用地结构-产业结构的系统化调整带来了可能^[36]。因此,一方面,东北地区收缩型城市亟需尽快扭转人口流失的趋势,吸引高端人才回流,加快产业转型升级,提振区域整体经济发展活力,实现区域人口-经济-土地综合效率的全面提升。另一方面,各收缩型城市应严控城市新增建设用地扩张,依托各类存量闲置用地,调整城市用地结构与空间布局,完善各类城市基础设施建设,提升城市宜居水平,实现“精明收缩”理念下收缩型城市的“瘦身强体”与良性发展^[37]。

21世纪以来的20年里,东北地区各城市以东北振兴政策的深入推进为契机,城镇化、工业化水平得到了全面提升。但经济发展水平的空间不平衡对于不同新增城市用地类型竞争优势的形成亦产生了重要影响。区域城市用地结构的格局演变具有显著的时空差异,这与不同城市的等级、规模以及发展阶段具有密切关系。辽中南城市群和哈长城市群两大城市群正处于城市群功能整合升级的关键阶段,城市空间结构与产业布局亟待重构与转型,各类城市用地需求旺盛,因此成为是东北地区居住用地、工业用地、道路交通用地等各类新增城市用地的主要汇集区域。相反,除两大城市群以外的其他城市则成为居住用地、工业用地、仓储用地与道路交通用地的主要流失区。因此,伴随两大城市群基本发展格局的形成,沈阳、大连、长春和哈尔滨应充分发挥省会城市和区域性大城市在经济、人才、科技等方面的优势,通过自身的辐射力和吸引力,全面带动城市群内部其他中小城市与小城镇的协同发展,从而实现东北地区的全面振兴。

致谢

两位匿名评审专家对本文结果分析和结论梳理等方面的修改意见,使本文获益匪浅。对于评审专家在审稿阶段投入的时间和精力,谨致谢忱。

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]

国家统计局. 中华人民共和国2020年国民经济和社会发展统计公报
(2021-02-28)[2021-03-15]. http://www.stats.gov.cn/tjsj/zxfb/202102/t20210227_1814154.html, 2021-2-28.

URL [本文引用: 1]

[ National Bureau of Statistics. Statistical bulletin of national economic and social development of the People’s Republic of China in 2020
(2021-02-28) [2021-03-15] http://www.stats.gov.cn/tjsj/zxfb/202102/t20210227_1814154.html, 2021-2-28. ]

URL [本文引用: 1]

[2]

住房和城乡建设部. 2019年城市建设统计年鉴. 北京: 中国统计出版社, 2019.