黄河流域兰西城市群工业集聚与污染集聚的空间交互影响

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

贾卓^,¹^,², 杨永春¹^,², 赵锦瑶¹, 陈兴鹏¹^,²

1.兰州大学资源环境学院,兰州 730000

2.兰州大学西部环境教育部重点实验室,兰州 730000

The spatial correlation and interaction between industrial agglomeration and pollution agglomeration of Lanzhou-Xining urban agglomeration in the Yellow River Basin

JIA Zhuo^,¹^,², YANG Yongchun¹^,², ZHAO Jinyao¹, CHEN Xingpeng¹^,²

1. College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China

2. Ministry of Education Key Laboratory of Western China's Environmental Systems, Lanzhou University, Lanzhou 730000, China

收稿日期:2020-11-11修回日期:2021-03-2

基金资助:

第二次青藏高原综合科学考察研究项目(2019QZKK1005)
国家自然科学基金项目(41601606)
教育部人文社会科学研究基金项目(15YJC790034)
兰州大学中央高校基本科研业务费专项资金资助项目(lzujbky-2021-70)

Received:2020-11-11Revised:2021-03-2
作者简介 About authors
贾卓（1984-）,男,陕西咸阳人,副教授,硕士生导师,研究方向为生态经济与区域空间规划。 E-mail: jiazhuo@lzu.edu.cn

摘要
城市群是黄河流域高质量发展的主要载体,理清城市群工业集聚与污染集聚的空间交互影响对城市群工业协同发展和污染联防联控具有现实意义。基于空间统计方法和空间联立方程模型,利用2010—2017年黄河流域兰西城市群41个县（区）数据分析工业集聚与污染集聚的空间交互影响。结果表明：工业集聚与污染集聚的空间格局均具有非均衡性和“路径依赖”。工业集聚与污染集聚之间存在“荣辱与共”的交互影响,工业集聚既促进污染集聚,污染集聚也促进工业集聚。工业集聚与污染集聚均具有空间依赖性,相邻县（区）之间的工业集聚与污染集聚存在空间交互影响。人口密度和经济水平既促进工业集聚,也促进污染集聚;环境规制既抑制工业集聚,也抑制污染集聚;政府干预、市场化率和投资水平促进工业集聚;技术水平抑制污染集聚,但产业结构却促进污染集聚。研究认为,工业协同发展是污染联防联控的根本,形成工业共建和污染共治的空间合力是黄河流域城市群高质量发展的必然选择。
关键词： 兰西城市群;工业集聚;污染集聚;空间交互影响;黄河流域

Abstract

Urban agglomeration is the main carrier of ecological protection and high-quality development of the Yellow River Basin. Therefore, the analysis of the spatial relationship between industrial agglomeration and pollution agglomeration of the urban agglomeration has a practical significance to the coordinated development of industry and joint prevention and control of pollution. Based on the spatial statistical methods and spatial simultaneous equation model, this paper analyzes the interaction between industrial agglomeration and pollution agglomeration by using the data of 41 counties in the Lanzhou-Xining urban agglomeration in the Yellow River Basin from 2010 to 2017. The results show that the spatial patterns of industrial agglomeration and pollution agglomeration are unbalanced and "path-dependent". Industrial agglomeration and pollution agglomeration between counties are characterized by "shared weal and woe". Industrial agglomeration can accelerate pollution agglomeration, and pollution agglomeration in turn can intensify industrial agglomeration. Both industrial agglomeration and pollution agglomeration have spatial dependence. There is spatial interaction between industrial agglomeration and pollution agglomeration between adjacent counties. Population density and economy accelerate not only industrial agglomeration, but also pollution agglomeration; environmental regulation inhibits both industrial agglomeration and pollution agglomeration; government intervention, marketization rate and investment level accelerate industrial agglomeration; technological level inhibits pollution agglomeration, but industrial structure accelerates pollution agglomeration. It is concluded that the coordinated industrial development is the fundamental basis of joint prevention of pollution. It is an inevitable choice to construct a spatial synergy of industrial co-construction and pollution co-governance for the ecological protection and high-quality development of urban agglomeration in the Yellow River Basin.

Keywords：Lanzhou-Xining urban agglomeration;industrial agglomeration;pollution agglomeration;spatial correlation and interaction;Yellow River Basin

PDF (9156KB)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
贾卓, 杨永春, 赵锦瑶, 陈兴鹏. 黄河流域兰西城市群工业集聚与污染集聚的空间交互影响[J]. 地理研究, 2021, 40(10): 2897-2913 doi:10.11821/dlyj020201097
JIA Zhuo, YANG Yongchun, ZHAO Jinyao, CHEN Xingpeng. The spatial correlation and interaction between industrial agglomeration and pollution agglomeration of Lanzhou-Xining urban agglomeration in the Yellow River Basin[J]. Geographical Research, 2021, 40(10): 2897-2913 doi:10.11821/dlyj020201097

1 引言

黄河流域是中国人地矛盾最为紧张的区域之一,“黄河流域生态保护和高质量发展”对中国的生态安全和经济社会发展具有重要的战略意义^[1]。兰西城市群、宁夏沿黄城市群、呼包鄂榆城市群、关中平原城市群、晋中城市群、中原城市群和山东半岛城市群等地区既是黄河流域的经济发展核心区,也是污染防治重点区,城市群的绿色转型对推进黄河流域高质量发展具有重要的现实意义^[2]。兰西城市群作为黄河流域的资源开发重点区和国家能源化工基地,工业集聚在有效推动城市群经济社会繁荣的同时也导致污染集聚^[3]。那么对于工业化加速推进的兰西城市群而言,工业集聚与污染集聚之间是否具有空间趋同性,工业集聚与污染集聚之间是否具有相互作用,工业集聚与污染集聚之间是否具有空间交互影响,这些问题都有待于论证。因此,对黄河流域兰西城市群工业集聚与污染集聚的空间交互影响开展研究必要且迫切。

工业集聚通过污染效应和自净效应的均衡对污染集聚产生影响。一方面,工业集聚的污染效应导致污染排放量增加并促进污染集聚。工业集聚导致工业生产规模扩大,通过规模效应增加原材料消耗和污染排放^[4]。采用降低环境准入门槛以吸引企业和资本促进工业集聚时,工业集聚过程更易造成污染集聚^[5]。工业集聚过程中部分企业会表现出“搭便车”行为,而不愿意改善环境,导致工业的集聚区域变为“污染天堂”^[6]。工业集聚在推动生产效率提高时虽能降低污染排放强度,但也会造成工业生产规模扩大,使得污染排放总量不减反增,从而促进污染集聚^[7]。工业集聚过程中环境规制被视为争夺资源的博弈工具,地方政府通常会采用“逐底竞争”的环境规制,从而形成“污染避难所”,促进污染集聚^[8]。另一方面,工业集聚的自净效应导致污染排放减少并抑制污染集聚。工业集聚过程中居民对当地环境质量产生更高的诉求,从而迫使政府采取更严格的环境规制,加大对污染防治的投入,污染集聚得以抑制^[9]。工业集聚所产生的知识溢出能够促进技术进步,从而抑制污染集聚^[10]。工业集聚通过构建产业之间的共生互惠关系,减少污染排放量和抑制污染集聚^[11]。工业集聚过程中通过环境规制调动企业污染减排积极性来抑制污染集聚^[12]。由此可知,污染效应和自净效应的角力决定工业集聚对污染集聚的影响程度^[13]。

污染集聚通过污染红利和环境规制对工业集聚产生影响。一方面,污染集聚是对环境要素的过渡使用,环境要素的比较优势产生污染红利,促进工业集聚。污染集聚的区域具有吸引污染型企业进入该区域的低廉环境成本,从而促进工业集聚^[14]。“环境生产要素理论”认为,环境要素能够替代部分其他生产要素以促进工业集聚^[15]。地方政府为推动经济发展而采用较弱的环境规制,通过较低的环境成本来促进工业集聚^[16]。另一方面,当污染集聚不断增加时,污染集聚将会抑制工业集聚。污染集聚使本区域内清洁型产业的生产活动被抑制,从而降低工业集聚^[17]。当污染集聚超过区域环境承载力时,将导致本区域内的清洁型企业外迁和抑制外区域清洁型企业进入,从而抑制工业集聚^[18]。居民改善环境质量的诉求使地方政府执行更严格的环境规制,此时污染型企业会转移到其他区域,外区域的污染型企业被限制进入本区域,从而抑制工业集聚^[19]。由此可知,环境规制具有调控作用,当环境规制较弱时,污染集聚区域具有污染红利,能够促进工业集聚;当环境规制较强时,污染集聚超过区域环境容忍阈值,污染集聚会抑制工业集聚^[20]。

工业集聚在空间上呈现依赖性和溢出性,导致污染集聚也具有依赖性和溢出性,若忽略空间因素对工业集聚与污染集聚相互作用的影响,估计结果将会出现偏差。一方面,工业集聚具有空间效应,能够通过产业链延伸、技术交流、人员流动等方式对周边区域的工业集聚产生影响^[21]。工业集聚有利于环保技术溢出和基础设施共享,当本区域工业集聚向周边区域溢出时,也伴随着清洁生产技术向周边区域溢出,从而影响周边区域的污染集聚^[22]。工业集聚的空间依赖性和空间溢出性导致其不能独善其身,工业集聚通过直接效应和间接效应对本区域和周边区域的工业集聚和污染集聚产生影响^[23]。另一方面,污染集聚作为工业集聚的衍生品,污染物具有空间扩散的特征,导致本区域污染集聚对周边区域的污染集聚产生影响^[24]。污染集聚意味着本区域具有更低的环境成本,更易形成“污染避难所”,吸引周边区域的企业流向本区域,从而影响周边区域的工业集聚^[25]。工业集聚促使污染企业在空间上形成污染集聚,污染集聚通过污染红利又会吸引更多的污染企业集聚,污染集聚通过劳动力成本、环境规制、产业关联、生产技术等中介因素影响着本区域和相邻区域的工业集聚和污染集聚^[26]。由此可知,工业集聚和污染集聚在区域之间所表现的空间非均衡性和空间相关性是导致工业集聚与污染集聚发生空间交互作用的原因。因此,将空间交互影响作为理解工业集聚与污染集聚相互作用的有效视角,将空间因素纳入分析工业集聚与污染集聚的相互作用模型中开展研究具有合理性^[27]。

综上所述,工业集聚与污染集聚之间的空间交互影响既是区域高质量发展所需面对的现实问题,也是环境经济地理学探讨的科学问题。已有文献证明空间因素在工业集聚与污染集聚的交互作用过程中起到不可或缺的作用^[28],而采用单向的空间计量模型估算两者之间的关系可能会产生估算结果偏差,通过空间联立方程模型分析工业集聚与污染集聚之间的双向空间反馈效应更为合理^[29]。由于工业发展水平和环境污染程度在省域、市域和县域层面存在差异,在差异化工业发展政策和污染治理政策的背景下,基于县域尺度数据能够更准确刻画城市群工业集聚与污染集聚的空间交互影响^[30]。基于此,以黄河流域兰西城市群为研究靶区,基于2010—2017年城市群41个县（区）数据,采用空间统计方法和空间联立方程模型分析工业集聚与污染集聚的空间交互影响,以期为黄河流域兰西城市群工业协同发展和污染联防联控提供空间瞄准的决策依据。

2 研究方法及数据来源

2.1 研究区概况

兰西城市群是黄河流域上游重要的跨省城市群,工业发展和污染防控之间的矛盾突出,包括兰州市、西宁市等6个市（州）所辖的41个县（区）^[31]。兰西城市群在黄河流域所有城市群中人口总量占比5.71%、经济总量占比3.47%、工业废水排放量占比2.13%、工业二氧化硫排放量占比3.41%、工业烟（粉）尘排放量占比4.06%,总体而言兰西城市群的高质量发展水平在黄河流域城市群中处于末位^[32]。兰西城市群作为黄河上游甘肃省和青海省的重要发展载体,对维护国土安全和生态安全、促进西北地区繁荣稳定起到重要的支撑作用^[33]。兰西城市群的人口规模和工业规模在甘、青两省举足轻重,2017年兰西城市群常住人口为1413.12万人,占甘肃、青海两省常住人口3224.09万人的43.83%;2017年兰西城市群工业增加值1261.67亿元,占甘肃、青海两省工业增加值2541.00亿元的49.65%。兰西城市群工业污染物排放量在甘、青两省工业污染排放总量中占比高,2017年兰西城市群工业废水排放量6358.46万t,占甘肃、青海两省工业废水排放量18425.57万t的34.50%;工业二氧化硫排放量7.81万t,占甘肃、青海两省工业二氧化硫排放总量20.55万t的36.55%;工业烟（粉）尘排放量8.12万t,占甘肃、青海两省工业烟（粉）尘排放总量19.74万t的41.13%。兰西城市群作为黄河流域重要的工业基地和能源基地,石油化工、有色冶金、盐化工、装备制造、建材及能源供应等污染密集型工业在国民经济中占有绝对优势,城市群污染密集型工业带来的环境压力日益增强^[34]。因此,以黄河流域兰西城市群作为研究靶区,分析工业集聚与污染集聚的空间交互影响具有代表性和合理性。

2.2 研究方法

2.2.1 集聚指标赫芬达尔指数、基尼系数、区位熵等通常被用来表征集聚程度,但这些指标未有效考虑空间偏倚,而地理集中度指数被认为是刻画工业集聚和污染集聚的有效工具,因此,采用地理集中度指数分别计算工业集聚和污染集聚^[35]：

（1）

R_{ij} = \frac{(\frac{x_{ij}}{\overset{n}{\sum_{i = 1}} x_{ij}})}{(\frac{TE R_{i}}{\overset{n}{\sum_{i = 1}} TE R_{i}})}

式中：考虑到工业集聚与不同物理形态的污染物相互作用过程中可能存在差异化,分别采用工业废水、工业二氧化硫、工业烟（粉）尘代表三种物理形态的工业污染物;

R_{ij}

为县（区）

i

第

j

年的工业集聚、污染集聚;

x_{ij}

为县（区）

i

第

j

年的工业增加值、污染排放量;

TE R_{i}

表示县（区）

i

的行政区面积;

n

为黄河流域兰西城市群的41个县（区）。

2.2.2 空间统计方法采用单变量全局Moran's I分析黄河流域兰西城市群41个县（区）工业集聚和污染集聚各自的空间依赖性,单变量Moran's I在-1~1之间,用P值检验显著性^[36]。

图1

新窗口打开|下载原图ZIP|生成PPT
图1黄河流域兰西城市群地理区位及空间范围

Fig. 1Geographical position and spatial extension of Lanzhou-Xining urban agglomeration in the Yellow River Basin

采用双变量全局Moran's I分析黄河流域兰西城市群41个县（区）工业集聚与污染集聚之间的空间交互性。双变量全局Moran's I在-1~1之间,用P值检验显著性^[37]：

（2）

I_{ab} = \frac{n \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j \neq 1}} W_{ij} Z_{i}^{a} Z_{j}^{b}}{(n - 1) \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j \neq 1}} W_{ij}}

式中：

I_{ab}

为双变量全局Moran's I;

n

为黄河流域兰西城市群的41个县（区）;

W_{ij}

为基于Queen's原则的地理空间权重矩阵;

Z_{i}^{a}

为县（区）

i

的工业集聚;

Z_{j}^{b}

为县（区）

j

的污染集聚。

2.2.3 空间联立方程模型空间联立方程模型较传统空间计量模型而言,不仅能考虑被解释变量的空间特征也能考虑内生变量之间的交互反馈和空间溢出,因此采用空间联立方程模型分析工业集聚与污染集聚之间的空间交互影响^[38]。STIRPAT模型被广泛应用于环境影响实证分析中,以污染集聚为被解释变量,工业集聚、人口密度、经济水平、经济水平二次项、技术水平和产业结构为解释变量,构建污染集聚方程（公式3）^[39]。工业集聚作为工业活动的空间表现形式,新经济地理学理论认为,工业活动的空间集聚与人口因素、经济发展、政府管理等因素密切相关,以工业集聚为被解释变量,污染集聚、人口密度、经济水平、政府干预、市场化水平和投资水平为解释变量,构建工业集聚方程（公式4）^[40]。考虑到工业集聚与污染集聚的空间效应,将工业集聚空间滞后项和污染集聚空间滞后项均分别纳入到工业集聚方程和污染集聚方程中,构建空间联立方程模型,表示为^[41]：

（3）

\ln PO L_{it} = α_{0} + α_{1} \ln I_{jt} + α_{2} \overset{N}{\sum_{i \neq j}} W_{ij} \ln P O L_{jt} + α_{3} \overset{N}{\sum_{i \neq j}} W_{ij} \ln I_{jt} + α \sum \ln X_{it} + ε_{it}

（4）

\ln I_{it} = β_{0} + β_{1} \ln PO L_{it} + β_{2} \overset{N}{\sum_{i \neq j}} W_{ij} \ln I_{jt} + β_{3} \overset{N}{\sum_{i \neq j}} W_{ij} \ln PO L_{jt} + β \sum \ln Y_{it} + η_{it}

式中：

PO L_{it}

为污染集聚;

I_{it}

为工业集聚;

\overset{N}{\sum_{i \neq j}} W_{ij}

为基于Queen's原则的地理空间权重矩阵。

2.2.4 变量说明 ① 内生变量。包括工业集聚（

I_{it}

）和污染集聚（

PO L_{it}

）两个内生变量,工业集聚（

I_{it}

）采用工业增加值的地理集中度,污染集聚（

PO L_{it}

）采用污染排放总量的地理集中度。② 控制变量。除工业集聚（

I_{it}

）和污染集聚（

PO L_{it}

）之外,将人口、经济、政策等因素作为控制变量。在污染集聚方程中,将人口密度（

P_{it}

）作为控制变量,人口密度越高的地区生产规模越大,其环境污染就越严重,采用单位面积人口数量表示;将经济水平（

A_{it}

）作为控制变量,采用人均GDP表示,根据环境库兹涅茨曲线（EKC）假说,经济发展水平是影响环境污染的重要因素,采用经济水平的二次项（

A_{it}^{2}

）以检验“环境库兹涅茨曲线”是否存在;将环境规制（

E_{it}

）作为控制变量,衡量环境规制的方法主要包括过程估算和结果估算,但从污染治理结果视角衡量环境规制更为有效,因此采用污染密度法估算环境规制,环境规制的值越大表示污染治理强度越大,环境规制的值越小表示污染治理强度越弱^[42];将技术水平（

T_{it}

）作为控制变量,技术水平提高可以使企业采用污染减排技术,从而减少污染物排放,采用能耗强度（万元GDP标准煤消耗强度）表示技术水平;将产业结构（

G_{it}

）作为控制变量,产业结构是影响污染排放的重要因素,采用第二产业增加值与地区生产总值的比值表示。在工业集聚方程中,将人口密度（

P_{it}

）作为控制变量,人口密度更高的地区拥有更多的社会劳动力资源,采用单位面积常住人口数表示;将经济水平（

A_{it}

）作为控制变量,采用人均GDP表示;将环境规制（

E_{it}

）作为控制变量,采用污染密度法估算环境规制,环境规制的值越大表示污染治理强度越大,环境规制的值越小表示污染治理强度越弱;将政府干预（

Z F_{it}

）作为控制变量,地方政府通过财政手段和政策手段能够有效促进工业集聚,采用一般公共预算支出表示;将市场化率（

S C_{it}

）作为控制变量,市场化率越高则表明资源的有效流动更高效,工业企业更容易集聚,采用社会消费品零售总额表示;将投资水平（

T Z_{it}

）作为控制变量,固定资产投资是社会固定资产再生产的重要手段,投资水平的增加意味着有更高的规模扩大再生产能力,从而有效促进工业集聚,采用固定资产投资额表示。

2.2.5 研究假设基于空间联立方程模型,通过图2中的8条路径分析黄河流域兰西城市群工业集聚与污染集聚的空间交互影响。路径1和路径2表示工业集聚与污染集聚的交互影响,路径1表示本县（区）工业集聚对本县（区）污染集聚的影响,由系数

β_{1}

检验;路径2表示本县（区）污染集聚对本县（区）工业集聚的影响,由系数

β_{2}

检验。路径3表示工业集聚的空间依赖性,由系数

α_{2}

检验。路径4表示污染集聚的空间依赖性,由系数

α_{3}

检验。路径5和路径6表示县（区）间工业集聚与污染集聚的空间交互影响,路径5表示相邻县（区）工业集聚对本县（区）污染集聚的影响,由系数

α_{3}

检验;路径6表示相邻（区）污染集聚对本县（区）工业集聚的影响,由系数

β_{3}

检验。路径7表示社会经济因素对本县（区）污染集聚的影响,由系数

α

检验。路径8表示社会经济因素对本县（区）工业集聚的影响,由系数

β

检验。

图2

新窗口打开|下载原图ZIP|生成PPT
图2黄河流域兰西城市群工业集聚与污染集聚空间交互影响

Fig. 2The spatial interaction between industrial agglomeration and pollution agglomeration of Lanzhou-Xining urban agglomeration in the Yellow River Basin

2.3 数据来源

2010—2017年黄河流域兰西城市群41个县（区）的常住人口、工业增加值、第二产业增加值、地区生产总值等经济社会数据来源于2011—2018年《甘肃发展年鉴》、2011—2018年《青海统计年鉴》,以及历年兰州市、西宁市、白银市、定西市、临夏州和海东市等6个市（州）统计年鉴,根据GDP平减指数将经济数据调整为2010年不变价格。2010—2017年黄河流域兰西城市群41个县（区）的污染排放量及能耗强度数据来源于兰州市、西宁市、白银市、定西市、临夏州和海东市等6个市（州）的环境统计业务系统。2010—2017年黄河流域兰西城市群41个县（区）的行政区划总体调整较小,为便于对比,空间数据以中国科学院资源环境科学与数据中心2015年中国县级行政边界数据为基准。

3 工业集聚与污染集聚空间特征分析

3.1 工业集聚空间格局分析

采用ArcGIS 10.2分别将2010年和2017年黄河流域兰西城市群41个县（区）工业集聚分为4个等级并进行空间可视化。如图3所示：工业集聚与工业发展水平的空间格局基本重叠,工业集聚高值区主要集中在工业发展水平较高的县（区）,主要包括兰州市、西宁市所辖的工业核心县（区）。工业集聚低值区连片分布在工业发展水平待提高的县（区）,主要包括白银市、定西市、临夏州及海东市所辖的传统农业县（区）。工业集聚高值区和工业集聚低值区之间存在的“虹吸效应”诱发城市群工业集聚的空间格局呈现非均衡性,其原因在于兰西城市群的工业集聚高值区和工业集聚低值区之间在发展政策、基础设施、区位条件、工业基础等方面存在显著差异,导致人口、资金、技术等因素通过虹吸效应不断地由工业集聚低值区向工业集聚高值区流动^[43]。由于大量的资源密集型企业和资金密集型企业在地区经济结构中的占比高,政府及国有企业在地区资源配置中具有主导权,从而导致兰西城市群工业集聚的非均衡格局存在“路径依赖”^[44]。

图3

新窗口打开|下载原图ZIP|生成PPT
图3黄河流域兰西城市群工业集聚空间格局

Fig. 3Spatial pattern of industrial agglomeration of Lanzhou-Xining urban agglomeration in the Yellow River Basin

3.2 污染集聚空间格局分析

采用ArcGIS 10.2分别将2010年和2017年黄河流域兰西城市群41个县（区）污染集聚分为4个等级并进行空间可视化。如图4所示：污染集聚与工业集聚的空间格局存在空间趋同性,污染集聚高值区主要集中在兰州市、西宁市所辖的工业核心县（区）,与此同时在污染集聚的高值区周边形成了污染集聚的次高值区,在白银市、定西市、临夏州及海东市所辖的传统农业县（区）形成了连片状分布的污染集聚低值区。兰西城市群作为国家能源化工基地,虽然对石油化工、有色冶金、盐化工、建材及能源供应等高污染企业努力进行绿色转型,但因资金、人才和技术等瓶颈而导致绿色转型过程缓慢,使污染集聚空间格局呈现非均衡性和“路径依赖”^[45]。

图4

新窗口打开|下载原图ZIP|生成PPT
图4黄河流域兰西城市群污染集聚空间格局

Fig. 4Spatial pattern of pollution agglomeration of Lanzhou-Xining urban agglomeration in the Yellow River Basin

3.3 工业集聚与污染集聚的空间相关性分析

采用Geoda1 6.0分别计算2010—2017年黄河流域兰西城市群工业集聚和污染集聚的单变量全局Moran's I及其显著性。结果表明（表1）：工业集聚、工业废水集聚、工业二氧化硫集聚和工业烟（粉）尘集聚的单变量全局Moran's I均为正,且通过显著性检验,即工业集聚和污染集聚均具有空间依赖性,但不同污染物的空间依赖性存在差异。采用Geoda1 6.0计算2010—2017年黄河流域兰西城市群工业集聚与工业废水集聚、工业集聚与工业二氧化硫集聚、工业集聚与工业烟（粉）尘集聚的双变量全局Moran's I及其显著性。结果表明（表1）：相邻县（区）之间的工业集聚与污染集聚存在空间交互影响,工业集聚与工业废水集聚、工业集聚与工业二氧化硫集聚、工业集聚与工业烟（粉）尘集聚的双变量全局Moran's I均为负,且通过显著性检验,即工业集聚与污染集聚之间存在空间负相关性。工业集聚与不同污染物集聚的空间交互影响存在差异,工业集聚与工业二氧化硫集聚的空间交互影响最强,工业集聚与工业废水集聚的空间交互影响最弱,工业集聚和工业烟（粉）尘集聚的空间交互影响处于中间。

Tab. 1
表1
表12010—2017年黄河流域兰西城市群工业集聚与污染集聚Moran's I统计
Tab. 1Moran's I of industrial agglomeration and pollution agglomeration of Lanzhou-Xining urban agglomeration in the Yellow River Basin from 2010 to 2017

年份	单变量 Moran's I				双变量 Moran's I
年份	工业集聚	工业废水集聚	工业二氧化硫集聚	工业烟（粉）尘集聚	工业集聚与工业废水集聚	工业集聚与工业二氧化硫集聚	工业集聚与工业烟（粉）尘集聚
2010	0.250^***	0.195^***	0.245^***	0.280^***	-0.119^***	-0.171^***	-0.142^***
2011	0.236^***	0.202^***	0.239^***	0.196^***	-0.122^***	-0.168^***	-0.110^***
2012	0.247^***	0.214^***	0.308^***	0.219^***	-0.109^***	-0.199^***	-0.121^***
2013	0.255^***	0.215^***	0.306^***	0.229^***	-0.137^***	-0.211^***	-0.124^***
2014	0.285^***	0.185^***	0.286^***	0.231^***	-0.130^***	-0.219^***	-0.147^***
2015	0.275^***	0.189^***	0.289^***	0.244^***	-0.126^***	-0.209^***	-0.160^***
2016	0.278^***	0.178^***	0.267^***	0.261^***	-0.112^***	-0.202^***	-0.164^***
2017	0.279^***	0.181^***	0.278^***	0.262^***	-0.117^***	-0.191^***	-0.160^***

注：^***表示统计值在1%水平下显著。

新窗口打开|下载CSV

4 工业集聚与污染集聚的空间交互影响分析

4.1 工业集聚与污染集聚的空间联立方程模型检验

通过空间相关性检验可知,工业集聚和污染集聚具有空间相关性,估算模型中的空间因素不可忽略。为使实证数据更符合正态分布并消除模型异方差性,在利用STATA软件进行模型估算之前对所有变量对数处理。为表明空间联立方程模型的稳健性和有效性,对比传统空间计量模型和空间联立方程模型,表2给出了空间滞后模型（SLM）和空间误差模型（SEM）的估算结果,表3给出了空间联立方程模型的估算结果。对比表2和表3的估算结果知：空间联立方程模型较传统空间计量模型而言,估算结果中变量系数显著性有一定提高,符号未发生明显变化,说明估算结果具有稳健性。在表2中的空间滞后模型（SLM）对应的拉格朗日乘数（LM）值及稳健形式下的拉格朗日乘数（R-LM）值均比空间误差模型（SEM）对应的拉格朗日乘数（LM）值及稳健形式下的拉格朗日乘数（R-LM）值更显著,因此判断空间滞后模型（SLM）的拟合效果更优,在表2中呈现空间滞后模型（SLM）的估算结果^[46]。空间联立方程模型属于过度识别,故采用广义空间三阶段最小二乘法（GS3SLS）对空间联立方程模型进行估算（表3）^[47]。空间联立方程模型既考虑了内生变量的空间相关性,又考虑了工业集聚和污染集聚之间的双向反馈效应,提高了估算结果的有效性。在考虑空间因素的情况下能够更有效的分析工业集聚与污染集聚之间的空间交互影响,因此基于表3中的空间联立方程模型估算结果进行以下分析和讨论^[48]。

Tab. 2
表2
表22010—2017年黄河流域兰西城市群工业集聚与污染集聚的空间估算结果
Tab. 2Estimation results of spatial econometrics of industrial agglomeration and pollution agglomeration of Lanzhou-Xining urban agglomeration in the Yellow River Basin from 2010 to 2017

变量	污染集聚方程			工业集聚方程
变量	工业废水	工业二氧化硫	工业烟（粉）尘	工业废水	工业二氧化硫	工业烟（粉）尘
WlnPOL	0.050^***(2.17)	0.082^***(2.28)	0.069^***(2.83)	-	-	-
WlnI	-	-	-	0.043^***(2.25)	0.057^***(2.94)	0.031^***(2.27)
lnPOL	-	-	-	0.130^***(2.74)	0.175^***(3.07)	0.121^***(2.62)
lnI	0.352^***(6.59)	0.371^***(6.37)	0.397^***(6.81)	-	-	-
lnP	0.152^***(3.08)	0.207^***(3.22)	0.214^***(3.17)	0.231^***(5.23)	0.252^***(5.48)	0.210^***(5.07)
lnA	0.138^***(3.17)	0.203^***(3.75)	0.227^***(3.35)	0.237^**(4.55)	0.231^**(4.19)	0.207^**(4.30)
(lnA)²	-0.105^**(2.31)	-0.132^**(2.62)	-0.189^**(2.66)	-	-	-
lnE	-0.114^**(-2.68)	-0.121^**(-3.21)	-0.127^**(-3.01)	-0.092^**(-2.75)	-0.114^**(-3.25)	-0.109^**(-3.22)
lnT	-0.075^**(2.20)	-0.107^**(2.74)	-0.102^**(2.58)	-	–	-
lnG	0.374^***(5.03)	0.390^***(5.44)	0.412^***(5.75)	-	-	-
lnZF	-	-	-	0.187^***(2.97)	0.175^***(2.72)	0.180^***(2.89)
lnSC	-	-	-	0.251^***(4.35)	0.277^***(4.86)	0.270^***(2.58)
lnTZ	-	-	-	0.310^***(5.72)	0.321^***(5.87)	0.334^***(5.92)
Log-L	-331.741	-310.462	-341.258	-320.534	-301.871	-334.247
ACI	0.865	0.734	0.810	0.833	0.801	0.871
SC	1.237	0.894	0.935	1.157	0.941	0.972
LM spatial Lag	28.364	25.749	20.489	15.321	13.257	16.362
Robust LM spatial Lag	22.674	21.387	17.685	12.302	11.368	12.354
LM spatial Error	7.231	6.657	6.017	3.654	3.528	3.807
Robust LM spatial Error	2.374	2.210	1.987	2.687	2.147	2.347

注：^*、^**、^***分别表示在10%、5%、1%的统计水平下显著;括号内的值为t值;WlnPOL、WlnI分别表示污染集聚和工业集聚的空间滞后项。

新窗口打开|下载CSV

Tab. 3
表3
表32010—2017年黄河流域兰西城市群工业集聚与污染集聚空间联立方程估算结果
Tab. 3Estimation results of space simultaneous equation of industry agglomeration and pollution agglomeration of Lanzhou-Xining urban agglomeration in the Yellow River Basin from 2010 to 2017

变量	污染集聚方程			工业集聚方程
变量	工业废水	工业二氧化硫	工业烟（粉）尘	工业废水	工业二氧化硫	工业烟（粉）尘
WlnPOL	0.047^***(3.85)	0.052^***(4.25)	0.039^***(3.31)	-0.021^***(3.27)	-0.034^***(3.78)	-0.030^***(3.52)
WlnI	-0.027^***(4.32)	-0.019^***(5.74)	-0.022^***(3.62)	0.019^***(3.55)	0.022^***(4.35)	0.020^***(3.78)
lnI	0.335^***(7.36)	0.385^***(7.95)	0.366^***(7.82)	-	-	-
lnPOL	-	-	-	0.152^***(3.50)	0.141^***(4.19)	0.127^***(3.81)
lnP	0.177^***(4.37)	0.193^***(4.52)	0.206^***(4.28)	0.297^***(4.26)	0.320^***(5.07)	0.344^***(5.67)
lnA	0.135^***(2.38)	0.190^***(2.85)	0.185^***(2.75)	0.273^***(3.54)	0.282^***(3.18)	0.218^***(3.20)
(lnA)²	-0.114^**(-2.07)	-0.128^*(-1.96)	-0.172^*(-1.96)	-	-	-
lnE	-0.123^**(-3.18)	-0.138^**(-3.44)	-0.125^**(-3.21)	-0.101^**(-2.88)	-0.117^**(-3.55)	-0.112^**(-3.45)
lnT	-0.075^*(-2.20)	-0.084^*(-2.55)	-0.092^*(-2.82)	-	-	-
lnG	0.316^***(4.68)	0.354^***(4.93)	0.326^***(4.88)	-	-	-
lnZF	-	-	-	0.162^***(3.25)	0.150^***(3.07)	0.174^***(3.41)
lnSC	-	-	-	0.244^**(5.36)	0.251^**(5.74)	0.262^**(5.80)
lnTZ	-	-	-	0.297^***(6.32)	0.303^***(6.33)	0.321^***(6.52)
cons	-3.257^***(-7.36)	-4.369^***(-6.37)	-5.22^***(-6.21)	-5.721^***(-4.54)	-4.292^***(-5.33)	-4.017^***(-4.39)
LogL	-385.321	-355.364	-365.321	-	-	-
ACI	0.724	0.696	0.710	-	-	-
SC	0.821	0.730	0.885	-	-	-

注：^*、^**、^***分别表示在10%、5%、1%的统计水平下显著;括号内的值为t值;cons为截距项;WlnPOL、WlnI分别表示污染集聚和工业集聚的空间滞后项。

新窗口打开|下载CSV

4.2 污染集聚方程估算结果分析

从表3估算结果可知：工业集聚的系数

α_{1}

显著正,验证了路径1存在,表明县（区）内工业集聚对污染集聚具有促进作用。本县（区）工业集聚增加1%,使本县（区）工业废水集聚、工业二氧化硫集聚和工业烟（粉）尘集聚分别提高0.335%、0.385%和0.366%。兰西城市群的污染密集型企业主要为大型国企,此类企业在污染排放方面具有较强议价能力,在污染红利的作用下,通过产业链延伸会吸引更多的污染密集型企业迁入,使得城市群的污染集聚愈加增强。污染密集型企业的集聚过程对环境质量要求高的清洁型企业产生排斥作用,使兰西城市群的污染密集型企业的集聚程度不断加强,导致该城市群形成污染集聚不断加强的循环累积效应。污染集聚的空间滞后项系数

α_{2}

显著为正,验证了路径4存在,表明县（区）之间污染集聚存在空间依赖性。相邻县（区）工业废水集聚增加1%,使本县（区）工业废水集聚提高0.047%;相邻县（区）工业二氧化硫集聚增加1%,使本县（区）工业二氧化硫集聚提高0.052%;相邻县（区）工业烟（粉）尘集聚增加1%,使本县（区）工业烟（粉）尘集聚提高0.039%。兰西城市群的工业集聚呈现空间依赖性导致工业集聚造成的污染集聚也具有空间依赖性,本县（区）污染集聚会通过空间溢出加剧周边县（区）的污染集聚,说明城市群污染治理时,需要注重联防联控和共管共治。工业集聚的空间滞后项系数

α_{3}

显著为负,验证了路径5存在,表明相邻县（区）工业集聚对本县（区）污染集聚具有空间交互影响。相邻县（区）工业集聚增加1%,使本县（区）工业废水集聚、工业二氧化硫集聚和工业烟（粉）尘集聚分别减少0.027%、0.019%和0.022%。相邻县（区）工业集聚通过空间交互影响对本县（区）污染集聚起到抑制作用的原因在于：相邻县（区）工业集聚通过空间溢出能够促进本县（区）工业集聚,从而促进城市群的工业集聚规模效应,推动工业集聚的环境自净效应发挥作用,以基础设施共享、产业链延伸等形式使相邻县（区）和本县（区）实现工业生产整合,提高资源利用效率,有效抑制本县（区）污染集聚。工业集聚的空间效应导致相邻县（区）的清洁生产技术通过空间迁移作用向本县（区）迁移,进而抑制本县（区）污染集聚^[49]。

人口密度、经济发展水平、产业结构的系数均显著为正,环境规制和技术水平的系数均显著为负,验证了路径7存在。人口密度加剧污染集聚,人口密度增加1%,使工业废水集聚、工业二氧化硫集聚和工业烟（粉）尘集聚分别增加0.177%、0.193%和0.206%。当拥有更大的人口密度时,更多的产品被生产以满足居民的物质需求,从而导致污染物排放增加和污染集聚。经济发展水平及其二次项的估计系数分别显著为正和负,经济发展水平和污染集聚之间存在倒“U”型关系,经济发展水平加剧污染集聚,经济发展水平增加1%,使工业废水集聚、工业二氧化硫集聚和工业烟（粉）尘集聚分别增加0.135%、0.190%和0.185%,表明随着经济水平增加会导致污染排放量增加,污染集聚随着经济水平增加而加剧。环境规制能够抑制污染集聚,环境规制提高1%,使工业废水集聚、工业二氧化硫集聚和工业烟（粉）尘集聚分别降低0.123%、0.138%和0.125%。地方政府在博弈经济利益和环境质量之间的关系时会采取差异化的环境规制,随着黄河流域生态保护和高质量发展战略实施,以及污染防治攻坚政策的深入推进,作为黄河上游的兰西城市群对环境质量的重视程度逐步增强,更为严厉的“逐顶竞争”环境规制被制定和执行^[50]。技术水平抑制污染集聚,技术水平提高1%,使工业废水集聚、工业二氧化硫集聚和工业烟（粉）尘集聚分别降低0.075%、0.084%和0.092%。技术水平虽然能够抑制污染集聚,但是作用效果有限,这是因为“技术回弹”效应在工业生产中较为普遍,技术水平虽能有效降低污染排放强度,却不能有效减少污染排放总量。产业结构促进污染集聚,产业结构提高1%,使工业废水集聚、工业二氧化硫集聚和工业烟（粉）尘集聚分别提高0.316%、0.354%和0.326%。在工业化推动城市群发展的背景下,国民经济结构中第二产业的占比增加是导致污染集聚的重要因素。

4.3 工业集聚方程估算结果分析

从表3估算结果可知：污染集聚的系数

β_{1}

显著为正,验证了路径2存在,表明县（区）内污染集聚对工业集聚具有促进作用。本县（区）工业废水集聚增加1%,使本县（区）工业集聚增0.152%;本县（区）工业二氧化硫集聚增加1%,使本县（区）工业集聚增加0.141%;本县（区）工业烟（粉）尘集聚增加1%,使本县（区）工业集聚增加0.127%。兰西城市群作为黄河流域重要的工业基地,石油化工、有色冶金、盐化工、建材及能源供应等污染密集型产业在国民经济总量中占有优势。处于工业化中后期的兰西城市群,以环境质量为代价的发展模式依然存在,在兰西城市群发展过程中通过污染红利促进工业集聚。工业集聚的空间滞后项系数

β_{2}

显著为正,验证了路径3存在,表明县（区）之间工业集聚存在空间依赖性。相邻县（区）工业集聚增加1%,使本县（区）工业集聚增加0.019%~0.022%。兰西城市群县（区）之间存在较强的工业关联性,相邻县（区）工业集聚所产生的溢出效应能够促进本县（区）工业集聚,相邻县（区）和本县（区）之间的工业活动的交互影响有利于城市群的工业发展。此外,相邻县（区）工业集聚所产生的技术溢出效应也有利于本县（区）工业集聚。污染集聚的空间滞后项系数

β_{3}

显著为负,验证了路径6存在,表明相邻县（区）污染集聚对本县（区）工业集聚具有空间交互影响。相邻县（区）工业废水集聚增加1%,使本县（区）工业集聚降低0.021%;相邻县（区）工业二氧化硫集聚增加1%,使本县（区）工业集聚降低0.034%;相邻县（区）工业烟（粉）尘集聚增加1%,使本县（区）工业集聚降低0.030%。相邻县（区）污染集聚通过空间交互影响对本县（区）工业集聚起到抑制作用的原因在于：相邻县（区）污染集聚说明在相邻县（区）有较弱的环境约束和较低的环境成本,相邻县（区）通过污染红利吸引本县（区）工业企业向相邻县（区）迁移,从而对本县（区）工业集聚产生离心作用,抑制本县（区）工业集聚。相邻县（区）污染集聚也说明相邻县（区）具有更大工业规模和更完善的基础设施,致使本县（区）工业企业向相邻县（区）迁移,进而抑制本县（区）工业集聚^[51]。

人口密度、经济发展水平、政府干预、市场化率和投资水平的系数均显著为正,环境规制的系数显著为负,验证了路径8存在。人口密度对工业集聚起到促进作用,人口密度增加1%,工业集聚提高幅度在0.297%~0.344%,表明拥有较高的人口密度时,工业企业可以轻松获得劳动力和投入较低的劳动力成本,从而有利于促进工业集聚。经济水平对工业集聚起到促进作用,经济水平增加1%,工业集聚提高幅度在0.273%~0.282%,此结果符合新经济地理学的经典理论。环境规制对工业集聚具有抑制作用,环境规制增加1%,工业集聚降低幅度在0.101%~0.117%。环境规制作为改善地区环境质量和促进工业绿色发展的措施具有非线性调控作用,在环境规制强度较弱时,环境规制有利于实现生产技术的创新补偿效应,促进区域繁荣和工业提质增效;随着环境规制不断增强,企业的环境成本将逐步增加,企业的利益空间被逐步挤占,此时环境规制的促进作用将逐步弱化并转化为抑制工业集聚的因素。现阶段兰西城市群的污染集聚通过污染红利促进工业集聚,严格的环境规制会提高企业环境成本,在经济利益的驱使下企业会迁往环境规制较弱的区域^[52]。政府干预对工业集聚起到促进作用,政府干预增加1%,工业集聚提高幅度在0.150%~0.174%。政府通过财政支付转移的杠杆作用能够促进生产要素集聚,从而有利于工业集聚。市场化率对工业集聚具有促进作用,市场化率增加1%,工业集聚提高幅度在0.244%~0.262%。市场化率水平的提高有利于生产要素有效流通,吸引更多的资源集聚,从而促进工业集聚。投资水平对工业集聚具有促进作用,投资水平增加1%,工业集聚提高幅度在0.297%~0.321%。投资水平的增加能促进经济要素积累和基础设施完善,从而促进工业集聚。

5 结论与讨论

5.1 结论

（1）工业集聚和污染集聚的空间格局存在空间趋同性。工业集聚和污染集聚的高值区主要集中在兰州市、西宁市所辖的工业核心县（区）,工业集聚和污染集聚的低值区主要集中在白银市、定西市、临夏州、海东市所辖的工业欠发达县（区）。“虹吸效应”导致城市群工业集聚格局呈现非均衡性和“路径依赖”,污染密集型企业的缓慢绿色转型导致污染集聚空间格局呈现非均衡性和“路径依赖”。

（2）工业集聚与污染集聚之间存在“荣辱与共”的交互影响,工业集聚既促进污染集聚,污染集聚也促进工业集聚。工业集聚对污染集聚的影响通过两条路径：一是本县（区）内工业集聚通过规模效应促进污染集聚;二是相邻县（区）工业集聚通过扩散作用对本县（区）污染集聚产生抑制作用,工业集聚对污染集聚的促进作用强于抑制作用。污染集聚对工业集聚的影响通过两条路径：一是本县（区）内污染集聚通过污染红利促进工业集聚;二是相邻县（区）污染集聚通过离心作用对本县（区）工业集聚产生抑制作用,污染集聚对工业集聚的促进作用强于抑制作用。

（3）工业集聚和污染集聚均具有空间依赖性,相邻县（区）之间的工业集聚与污染集聚存在空间交互影响,各县（区）的工业集聚和污染集聚与相邻县（区）密切相关。相邻县（区）污染集聚能够促进本县（区）污染集聚,相邻县（区）工业集聚却抑制本县（区）污染集聚。相邻县（区）工业集聚能够促进本县（区）工业集聚,相邻县（区）污染集聚却抑制本县（区）工业集聚。

（4）在县（区）内人口密度、经济发展水平、环境规制、政府干预、市场化率和投资水平对本工业集聚有显著影响,在县（区）内人口密度、经济发展水平、环境规制、技术水平和产业结构对污染集聚有显著影响。人口密度和经济水平既能促进工业集聚,也能促进污染集聚。环境规制既能抑制工业集聚,也能抑制污染集聚,环境规制具有“双刃剑”的特征。政府干预、市场化率和投资水平能够促进工业集聚;技术水平能够抑制污染集聚,产业结构却能够促进污染集聚。

5.2 讨论

（1）黄河流域城市群既是黄河流域高质量发展的核心区,也是环境污染综合治理的重点区,虽然黄河流域各城市群的自然资源禀赋、经济发展条件各不相同,但是坚守经济发展的环境底线,推动工业绿色转型是黄河流域城市群实现高质量发展的共同之路。工业协同发展是污染综合治理的基础,没有共同的工业提质增效便不会有长远的污染共管共治,形成工业共建和污染共治的空间合力是黄河流域城市群高质量发展的必然选择。

（2）位于中国西部腹地、黄河上游的兰西城市群正处于工业化中期向后期缓慢过度的阶段,以环境质量为代价的发展模式依然存在。环境政策和污染减排技术虽然在短期能够有效抑制污染集聚,但长期而言,须通过产业结构和能源结构的调整才能实现工业绿色转型。因此兰西城市群既需要通过增加技术密集型产业在国民经济结构中的比例以实现经济高质量发展,也需要对既有的传统工业进行清洁化的升级改造。

（3）工业集聚与污染集聚存在空间交互影响作用,说明城市群的污染集聚既是环境问题,也是发展问题,协调工业发展和污染治理之间的矛盾是黄河流域城市群所面临的共同问题。工业集聚和污染集聚的空间效应导致工业集聚和污染集聚与周边区域密切相关,所以在制定工业发展政策和环境治理政策时应构建城市群层面的工业发展对话平台和环境污染治理联动机制以防止形成“污染天堂”,通过政府力、企业力、市场力和社会力共同推动工业绿色转型和提质增效。

（4）地理因素对工业集聚与污染集聚及其空间交互作用具有重要影响。工业企业的区位选择通常会重点考虑区域的地理因素,工业企业会在特定的地理空间集聚,且这种集聚不断累积和强化,形成工业集聚和污染集聚的空间非均衡分布,例如在兰州市和西宁市所辖的地理因素较好的县（区）形成了工业集聚高值区和污染高值区。城市群作为黄河流域生态保护和高质量发展重要载体,对地理因素约束下的城市群工业集聚与污染集聚空间交互影响的认知,有助于城市群的工业健康发展和污染减排。

致谢：

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,对论文研究思路的完善、结果分析、结论梳理、言语表达等方面均给予了细致的修改意见,使文章质量获得显著提升,关于“考虑环境规制的非线性调控作用”的建议使研究逻辑更加通顺,在此深表谢意。

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]

汪芳, 安黎哲, 党安荣, 等. 黄河流域人地耦合与可持续人居环境
地理研究, 2020, 39(8):1707-1724.

DOI:10.11821/dlyj020200217 [本文引用: 1]

黄河流域是中国人地矛盾最为紧张的区域之一,承担着生态安全建设和经济社会发展的重任。自古以来人类和黄河始终处于共同进化的过程中,近年来伴随经济发展而来的生态保护压力也日益增加,流域水资源脆弱性和风险更甚,为化解人地矛盾,需探究城镇聚落和河流的动态耦合机制。在“黄河流域生态保护和高质量发展”上升为重大国家战略之际,从城乡规划、自然地理、环境考古、生态学、水文水资源、土地资源管理等多领域视角,聚焦黄河流域人地关系的空间分异和演化规律,以及资源和生态保护的困境与机遇。建成环境与自然环境的平衡是可持续发展的基础,应将黄河流域视为自然及人文环境相互影响与依存的“生命共同体”,并从系统性和交叉性、地方性和适应性等方面探讨可持续发展策略。

[ Wang

Fang

, An

Lizhe

, Dang

Anrong

, et al. Human-land coupling and sustainable human settlements in the Yellow River Basin
Geographical Research, 2020, 39(8):1707-1724.] DOI: 10.11821/dlyj020200217.

[本文引用: 1]

[2]

方创琳. 黄河流域城市群形成发育的空间组织格局与高质量发展
经济地理, 2020, 40(6):1-8.

[本文引用: 1]

[ Fang

Chuanglin

. Spatial organization pattern and high-quality development of urban agglomeration in the Yellow River Basin
Economic Geography, 2020, 40(6):1-8.] DOI: 10.15957/j.cnki.jjdl.2020.06.001.

[本文引用: 1]

[3]

杨永春, 穆焱杰, 张薇. 黄河流域高质量发展的基本条件与核心策略
资源科学, 2020, 42(3):409-423.

[本文引用: 1]

[ Yang

Yongchun

, Mu

Yanjie

, Zhang

Wei

. Basic conditions and core strategies of high-quality development in the Yellow River Basin
Resources Science, 2020, 42(3):409-423.] DOI: 10.18402/resci.2020.03.01.

[本文引用: 1]

[4]

胡志强, 苗长虹, 袁丰. 集聚空间组织型式对中国地市尺度工业SO₂排放的影响
地理学报, 2019, 74(10):2045-2061.

DOI:10.11821/dlxb201910007 [本文引用: 1]

集聚外部性是集聚影响工业污染排放的重要机制,不同的集聚空间组织型式具有不同的污染排放行为和减排效果。以中国285个地市工业SO2排放为例,依据集聚经济理论,将集聚空间组织型式细分为集聚密度、企业地理临近度、专业化、多样性、相关多样性、非相关多样性等不同类型,在系统分析工业SO2排放与集聚空间格局的基础上,通过构建计量经济模型,考察了不同集聚空间组织型式对工业SO2排放强度的影响。结果表明：① 工业SO2排放强度与工业集聚密度在空间上具有非对称性,污染排放强度西高东低,工业集聚密度、企业地理临近、多样性、相关和非相关多样性为东中高西部低;② 工业集聚对工业SO2排放强度的影响存在空间溢出效应,相邻地区集聚密度、多样性和相关多样性水平的上升有利于本区域工业污染排放强度的下降,但专业化水平的上升则会提升本区域的工业污染排放强度;③ 提高集聚密度、引导企业集中布局有利于工业SO2排放强度下降,多样且关联的产业组织结构有利于污染减排,而专业化和非关联产业的集中会提高污染排放强度;④ 集聚型式对工业SO2排放强度的影响存在区域和城市规模上的异质性,集聚密度、企业地理临近、多样性和相关多样性对中西部污染减排的作用比东部明显,专业化和非相关多样性不利于东中部地区的污染减排;城区人口规模20万以下的小城市提高集聚密度、减少多样性特别是非相关多样性更有利于污染减排;城区人口规模20~50万的小城市和50~100万的中等城市,提高企业的地理接近度和多样性水平特别是相关多样性水平,有利于其降低污染排放强度;城区人口规模在100万以上的大城市,提高集聚密度和产业多样性水平在一定程度上有利于其污染减排,但其减排效果因拥挤效应而明显下降;⑤ 进一步降低工业SO2排放强度,需要走集聚化道路,坚持提高集聚密度,因地制宜引导企业集中布局,着力提高产业在关联基础上的多样性水平,加强区域间联防联控,重视区域间的产业联系与环保合作。

[ Hu

Zhiqiang

, Miao

Changhong

, Yuan

Feng

. Impact of industrial spatial and organizational agglomeration patterns on industrial SO₂ emissions of prefecture-level cities in China
Acta Geographica Sinica, 2019, 74(10):2045-2061.] DOI: 10.11821/dlxb201910007.

[本文引用: 1]

[5]

田光辉, 苗长虹, 胡志强, 等. 环境规制、地方保护与中国污染密集型产业布局
地理学报, 2018, 73(10):1954-1969.

DOI:10.11821/dlxb201810010 [本文引用: 1]

污染密集型产业在促进区域经济增长的同时会对区域生态环境带来巨大威胁,其发展布局会受到地方保护和环境规制的双重影响。1980-2014年中国污染密集型产业的发展经历了缓慢增长、快速扩张和结构转型3个阶段,总体呈现“分散—集中—分散”的空间特征,中部省份是现阶段承接污染密集型产业转移的主要地区。通过建立区域属性模型、区域—产业交互项模型,定量分析环境规制、地方保护对污染密集型产业布局空间变化的影响,检验“污染避难所假说”和“波特假说”,发现环境规制和地方保护已成为污染密集型产业布局的重要影响因素,但存在显著的产业异质性和区域差异性;污染程度高的产业易受到环境规制的影响;相比高税收产业,高国有比重的产业更易受到地方的保护;环境规制和地方保护作为两种相反的力量,彼此之间相互抑制;环境规制的作用在东部地区比较突出,而中、西部地区地方保护的作用更为明显。为防止中西部地区成为污染密集型产业的“避难所”,应因地因时制宜制定差异化政策,促进经济与环境保护的协调发展。

[ Tian

Guanghui

, Miao

Changhong

, Hu

Zhiqiang

, et al. Environmental regulation, local protection and the spatial distribution of pollution-intensive industries in China
Acta Geographica Sinica, 2018, 73(10):1954-1969.] DOI: 10.11821/dlxb201810010.

[本文引用: 1]

[6]

Wagner U

, Timmins C

. Agglomeration effects in foreign direct investment and the pollution haven hypothesis
Environmental and Resource Economics, 2009, 43(2):231-256. DOI: 10.1007/s10640-008-9236-6.

URL [本文引用: 1]

[7]

方时姣, 肖权. 中国区域生态福利绩效水平及其空间效应研究
中国人口·资源与环境, 2019, 29(3):1-10.

[本文引用: 1]

[ Fang

Shijiao

, Xiao

Quan

. Research on regional ecological well-being performance and spatial effect in China. China Population,
Resources and Environment, 2019, 29(3):1-10.] DOI: 10.12062/cpre.20181011.

[本文引用: 1]

[8]

Fredriksson P

, List J

, Millimet D

. Bureaucratic corruption, environmental policy and inbound US FDI: Theory and evidence
Journal of Public Economics, 2003, 87(7):1407-1430. DOI: 10.1016/S0047-2727(02)00016-6.

URL [本文引用: 1]

[9]

Grossman G

, Krueger A

. Economic growth and the environment
The Quarterly Journal of Economics, 1995, 110(2):353-377. DOI: 10.2307/2118443.

URL [本文引用: 1]

[10]

Dong

, Gong

, Zhao

. FDI and environmental regulation: Pollution haven or a race to the top
Journal of Regulatory Economics, 2012, 41(2):216-237. DOI: 10.1007/s11149-011-9162-3.

URL [本文引用: 1]

[11]

张可, 豆建民. 工业集聚有利于减排吗
华中科技大学学报: 社会科学版, 2016, 30(4):99-109.

[本文引用: 1]

[ Zhang

, Dou

Jianmin

. Do industrial agglomeration reduce emissions
Journal of Hua Zhong University of Science and Technology: Social Science Edition, 2016, 30(4):99-109.] DOI: 10.19648/j.cnki.jhustss1980.2016.04.018.

[本文引用: 1]

[12]

范庆泉, 张同斌. 中国经济增长路径上的环境规制政策与污染治理机制研究
世界经济, 2018, 41(8):171-192.

[本文引用: 1]

[ Fan

Qingquan

, Zhang

Tongbin

. A study of environmental regulations and pollution abatement mechanism on China's economic growth path
The Journal of World Economy, 2018, 41(8):171-192.] DOI: CNKI:SUN:SJJJ.0.2018-08-009.

[本文引用: 1]

[13]

贾卓, 初雪, 李晨曦, 等. 基于CNKI数据库文献计量的产业集聚环境效应研究
生态环境学报, 2018, 27(12):2367-2376.

[本文引用: 1]

[ Jia

Zhuo

, Chu

Xue

, Li

Chenxi

, et al. Environmental effects of industrial agglomeration based on the bibliometrical analysis of CNKI database
Ecology and Environmental Sciences, 2018, 27(12):2367-2376.] DOI: 10.16258/j.cnki.1674-5906.2018.12.025.

[本文引用: 1]

[14]

Olli

Tahvonen

, Jari

Kuuluvainen

. Economic growth, pollution, and renewable resources
Journal of Environmental Economics & Management, 1993, 24(2):101-118. DOI: 10.1006/jeem.1993.1007.

[本文引用: 1]

[15]

Ramon

. The environment as a factor of production: The effects of economic growth and trade liberalization
Journal of Environmental Economics and Management, 1994, 27(2):163-184. DOI: 10.1006/jeem.1994.1032.

URL [本文引用: 1]

[16]

张乐才. 污染红利与污染集聚的机理与实证
中国人口·资源与环境, 2011, 21(2):6-10.

[本文引用: 1]

[ Zhang

Lecai

. Mechanisms and empirical study of pollution dividend and pollution agglomeration. China Population,
Resources and Environment, 2011, 21(2):6-10.] DOI: 10.3969/j.issn.1002-2104.2011.02.002.

[本文引用: 1]

[17]

周锐波, 石思文. 中国产业集聚与环境污染互动机制研究
软科学, 2018, 32(2):30-33.

[本文引用: 1]

[ Zhou

Ruibo

, Shi

Siwen

. The interaction mechanism between industrial agglomeration and environmental pollution in China
Soft Science, 2018, 32(2):30-33.] DOI: 10.13956/j.ss.1001-8409.2018.02.07.

[本文引用: 1]

[18]

宋正. 生态文明视野下的中国工业化与城市化协调发展
城市发展研究, 2010, 17(10):21-25.

[本文引用: 1]

[ Song

Zheng

. Research on coordinated development of industrialization and urbanization in China from the view of conservation culture
Urban Studies, 2010, 17(10):21-25.] DOI: 10.3969/j.issn.1006-3862.2010.10.004.

[本文引用: 1]

[19]

徐敏燕, 左和平. 集聚效应下环境规制与产业竞争力关系研究
中国工业经济, 2013, (3):72-84.

[本文引用: 1]

[ Xu

Minyan

, Zuo

Heping

. Study on the relationship between environmental regulation and industrial competitiveness under agglomeration effect
China Industrial Economics, 2013, (3):72-84.] DOI: 10.19581/j.cnki.ciejournal.2013.03.007.

[本文引用: 1]

[20]

李炫榆, 宋海清, 李碧珍. 集聚与二氧化碳排放的空间交互作用
山西财经大学学报, 2015, 37(5):1-13.

[本文引用: 1]

[ Li

Xuanyu

, Song

Haiqing

, Li

Bizhen

. Spatial interaction between agglomeration and CO₂ emission
Journal of Shanxi University of Finance and Economics, 2015, 37(5):1-13.] DOI: 10.13781/j.cnki.1007-9556.2015.05.001.

[本文引用: 1]

[21]

罗胤晨, 谷人旭, 王春萌, 等. 县域工业集聚的空间效应分析及其影响因素
经济地理, 2015, 35(12):120-128.

[本文引用: 1]

[ Luo

Yinchen

, Gu

Renxu

, Wang

Chunmeng

, et al. An analysis of spatial effects and influencing factors in county-level industrial agglomeration
Economic Geography, 2015, 35(12):120-128.] DOI: 10.15957/j.cnki.jjdl.2015.12.017.

[本文引用: 1]

[22]

Duranton

, Puga

. Nursery cities: Urban diversity, process innovation and the life cycle of products
The American Economic Review, 2001, 91(5):1454-1477. DOI: 10.1257/aer.91.5.1454.

URL [本文引用: 1]

[23]

东童童, 李欣, 刘乃全. 空间视角下工业集聚对雾霾污染的影响
经济管理, 2015, 37(9):29-41.

[本文引用: 1]

[ Dong

Tongtong

, Li

Xin

, Liu

Naiquan

. The effect of industrial agglomeration to haze pollution based on spatial perspective
Business Management Journal, 2015, 37(9):29-41.] DOI: 10.19616/j.cnki.bmj.2015.09.006.

[本文引用: 1]

[24]

胡志强, 苗健铭, 苗长虹. 中国地市工业集聚与污染排放的空间特征及计量检验
地理科学, 2018, 38(2):168-176.

DOI:10.13249/j.cnki.sgs.2018.02.002 [本文引用: 1]

采用空间分析和计量模型等方法,研究中国285个地级及以上城市工业集聚和污染排放的空间特征及内在关系,结果表明：① 工业集聚与污染排放的重心分布、轨迹、距离、速度差异较大。东部的工业集聚水平高于中西部,工业污染中西部更突出。工业集聚与污染排放总体呈负相关关系,局域上分为低高、高低、低低3种关联类型。② 工业集聚在全国及东中西部均有利于降低工业污染,但是对不同区域减排作用的大小有所不同,作用由大到小依次是西部、中部和东部。③ 对于工业污染的防治,应继续走集聚化道路。东部要优化产业结构,控制合理的集聚规模;中西部应加强产业集聚,提高技术溢出的污染减排效应。

[ Hu

Zhiqiang

, Miao

Jianming

, Miao

Changhong

. Spatial characteristics and econometric test of industrial agglomeration and pollutant emissions in China
Scientia Geographica Sinica, 2018, 38(2):168-176.] DOI: 10.13249/j.cnki.sgs.2018.02.002.

[本文引用: 1]

[25]

豆建民, 张可. 空间依赖性、经济集聚与城市环境污染
经济管理, 2015, 37(10):12-21.

[本文引用: 1]

[ Dou

Jianmin

, Zhang

. Spatial dependency, economic agglomeration and urban pollution
Economic Management, 2015, 37(10):12-21.] DOI: 10.19616/j.cnki.bmj.2015.10.004.

[本文引用: 1]

[26]

戴其文, 杨靖云, 张晓奇, 等. 污染企业/产业转移的特征、模式与动力机制
地理研究, 2020, 39(7):1511-1533.

DOI:10.11821/dlyj020190637 [本文引用: 1]

污染企业/产业的转移不仅重塑了区域发展格局,也改变了环境污染的分布,对区域可持续发展产生了显著影响。探讨污染企业/产业转移对于污染治理和区域协调发展具有重要意义。基于对相关文献的梳理,系统归纳了污染企业/产业的概念和类别,总结了污染企业/产业的转移特征、模式和动力机制。研究表明：① 官方文件、污染排放强度、污染排放规模是污染产业界定和分类的主要依据。② 污染企业/产业在不同的地理尺度上形成不同的转移模式：在城市内部形成分散式外围区转移、集中式功能区转移、远离敏感区转移三种模式;在省内城市间呈现出由发达城市向欠发达城市、由环境规制强的核心区向环境规制弱的边缘区的转移特征。邻省转移模式以经济较发达和环境规制较强的省份为中心,向邻近省份扩散,并形成向多省交界处、由河流上游省份向下游省份、沿交通线向次级城市的三种转移路径。跨省转移形成成本导向型、市场扩张型和政策推动型三种模式。③ 污染企业/产业的转移方向呈现出一定的特征和模式,包括区域、地理、经济、功能区、政策5种研究视角和15种转移方向。④ 污染企业的迁移方式包括整体迁移和部分迁移两种模式,后者包括迁移生产基地、工序外包、绿色并购与对外收购、建立子公司或分厂等。⑤ 影响污染企业/产业转移的因素既包括经济、社会、地理、政策等单因素,也包括多种因素的交互作用。在多维的复杂影响机制中,政府扮演了重要角色,企业的异质性、空间集聚效应、制度等都产生了重要的影响。最后讨论了国内相关研究的不足,并在此基础上提出一些思考和建议。

[ Dai

Qiwen

, Yang

Jingyun

, Zhang

Xiaoqi

, et al. Transfer characteristics, patterns and mechanisms of polluting enterprises and industries
Geographical Research, 2020, 39(7):1511-1533.] DOI: 10.11821/dlyj020190637.

[本文引用: 1]

[27]

刘瑜, 姚欣, 龚咏喜, 等. 大数据时代的空间交互分析方法和应用再论
地理学报, 2020, 75(7):1523-1538.

DOI:10.11821/dlxb202007014 [本文引用: 1]

空间交互是理解地表人文过程的重要基础,与空间依赖一起共同体现了地理空间的独特性、关联性以及对嵌入该空间的地理分布格局的影响,具有鲜明的时空属性,因此对于地理学研究具有重要意义。大数据为空间交互研究带来了新的机遇,能够使我们在不同时空尺度感知和观察空间交互模式并对其动态演化特征进行模拟和预测,从而为揭示人类活动规律及区域空间结构提供有力支持。本文在探讨空间交互与地理空间模式关系的基础上,描述了利用地理大数据感知空间交互的方式和定量模型,介绍了空间交互分析方法的研究进展及其在空间规划与交通、公共卫生、旅游等领域的应用情况,并就一些基本问题进行了讨论,以期为大数据支持下空间交互相关研究提供指导。

[ Liu

, Yao

Xin

, Gong

Yongxi

, et al. Analytical methods and applications of spatial interactions in the era of big data
Acta Geographica Sinica, 2020, 75(7):1523-1538.] DOI: 10.11821/dlxb202007014.

[本文引用: 1]

[28]

汪艳涛, 张娅娅. 生态效率区域差异及其与产业结构升级交互空间溢出效应
地理科学, 2020, 40(8):1276-1284.

DOI:10.13249/j.cnki.sgs.2020.08.006 [本文引用: 1]

基于包含非期望产出的超效率SBM模型测度中国30个省际地区生态效率,采用基尼系数、对数离差均值及泰尔指数分析不同地区生态效率差异情况,运用空间联立方程模型探讨产业结构升级与生态效率间的交互效应与空间效应。主要结论为：① 中国生态效率整体水平较低且发展不均衡,东部地区高于中西部地区,西部地区高于中部地区；② 基尼系数、对数离差均值及泰尔指数3个指标显示,东部地区省际间生态效率存在较大差异,且差异变化程度并没有显著改善,中部地区省际间生态效率差异较小,西部地区省际间生态效率差异呈现先下降,后上升,再下降的趋势。③ 产业结构升级与生态效率存在双向互促作用,产业结构升级与生态效率均存在正向溢出效应,并且产业结构升级与生态效率存在正向交互空间溢出效应。

[ Wang

Yantao

, Zhang

Yaya

. Regional difference of ecological efficiency and its interactive spatial spillover effect with industrial structure upgrading
Scientia Geographica Sinica, 2020, 40(8):1276-1284.] DOI: 10.13249/j.cnki.sgs.2020.08.006.

[本文引用: 1]

[29]

Kelejian H

, Prucha I

. Estimation of simultaneous systems of spatially interrelated cross sectional equations
Journal of Econometrics, 2004, 118(1-2):27-50. DOI: 10.1016/S0304-4076(03)00133-7.

URL [本文引用: 1]

[30]

周侃, 李会, 申玉铭. 京津冀地区县域环境胁迫时空格局及驱动因素
地理学报, 2020, 75(9):1934-1947.

DOI:10.11821/dlxb202009009 [本文引用: 1]

环境胁迫反映人类生产生活过程中污染物输出对区域环境系统产生的综合压力。本文基于县域污染物排放和人口社会经济数据库,运用熵权法综合测度县域环境胁迫指数（ESI）,解析2012—2016年京津冀地区环境胁迫的时空格局及各类主体功能区环境胁迫特征,并针对县域环境胁迫的空间效应,在STIRPAT模型框架基础上,运用地理加权回归方法定量估计县域环境胁迫的社会经济驱动力。结果表明：① 京津冀地区面临的环境胁迫态势显著缓解,2012年以来ESI降幅达到54.68%。其中,以北京、唐山、天津、石家庄等中心城区以及滨海新区下降最为显著,县域环境胁迫程度由中心城区向外围呈梯度递减,到2016年环境胁迫高等级县域已经消除;② 5年间京津冀地区县域环境胁迫的空间溢出效应趋强,并在津唐地区呈现空间锁定和路径依赖;③ 优化开发和重点开发区域两类城市化地区是京津冀水气环境的主要承压区,其环境胁迫程度占京津冀地区全域的65.98%,仍然是环境污染防治与管控的重点区域;④ 人口规模和经济发展水平是县域环境胁迫的控制性因素,此外还受环境处理技术水平、农业生产投入强度、国土开发强度以及城镇化等因素影响;⑤ 各驱动因素对县域环境胁迫的驱动作用存在空间异质性,需针对驱动力作用强度及其空间差异,采取差别化环境治理与源头减排对策,精准提升京津冀地区环境协同管制效果。

[ Zhou

Kan

, Li

Hui

, Shen

Yuming

. Spatiotemporal patterns and driving factors of environmental stress in Beijing-Tianjin-Hebei region: A county-level analysis
Acta Geographica Sinica, 2020, 75(9):1934-1947.] DOI: 10.11821/dlxb202009009.

[本文引用: 1]

[31]

方创琳, 鲍超, 马海涛. 2016中国城市群发展报告. 北京: 科学出版社, 2016: 257-262.

[本文引用: 1]

[ Fang

Chuanglin

, Bao

Chao

, Ma

Haitao

. China's Urban Agglomeration Development Report 2016. Beijing: Science Press, 2016: 257-262.]

[本文引用: 1]

[32]

马海涛, 徐楦钫. 黄河流域城市群高质量发展评估与空间格局分异
经济地理, 2020, 40(4):11-18.

[本文引用: 1]

[ Ma

Haitao

, Xu

Xuanfang

. High-quality development assessment and spatial heterogeneity of urban agglomeration in the Yellow River Basin
Economic Geography, 2020, 40(4):11-18.] DOI: 10.15957/j.cnki.jjdl.2020.04.002.

[本文引用: 1]

[33]

杨永春, 张旭东, 穆焱杰, 等. 黄河上游生态保护与高质量发展的基本逻辑及关键对策
经济地理, 2020, 40(6):9-20.

[本文引用: 1]

[ Yang

Yongchun

, Zhang

Xudong

, Mu

Yanjie

, et al. The basic logic and core strategies of ecological protection and high-quality development in the upper reaches of the Yellow River
Economic Geography, 2020, 40(6):9-20.] DOI: 10.15957/j.cnki.jjdl.2020.06.002.

[本文引用: 1]

[34]

方创琳, 王振波, 马海涛. 中国城市群形成发育规律的理论认知与地理学贡献
地理学报, 2018, 73(4):651-665.

DOI:10.11821/dlxb201804005 [本文引用: 1]

城市群是国家工业化和城镇化发展到高级阶段的产物,是高度一体化和同城化的城市群体,城市群形成发育过程是一个各城市之间由竞争变为竞合的漫长自然过程,遵循自然发展规律。中国正处在新型城镇化转型发展的新阶段,已进入21世纪引领全球城市群发展的新时代,中国城市群研究与建设的经验模式正在被全球城市群建设所效仿和借鉴。本文从理论上梳理并提出了城市群形成发育遵循的自然规律,包括城市群形成发育的阶段性规律、城市群多尺度空间集约利用传导规律、城市群空间晶体结构组合规律、城市群自然生长的育树成林规律和城市群可持续发展的梯度爬升规律。地理学家遵循这些发展规律,从学术理论、技术方法、决策支持和规划实践等方面为中国城市群的研究和发展做出了不可替代的重大贡献,主要包括提出并科学界定了城市群概念,提出了城市群空间范围的识别标准,创建了城市群空间集约拓展与布局仿真决策支持技术链,研制了城市群空间集约拓展与布局仿真决策支持系统软件链,提出了中国城市群空间组织的“5+9+6”新格局,研制出国内第一部《城市群规划技术规程》,编制完成了全国多数城市群发展规划,转化为国家决策的重要依据。未来中国城市群的发展与研究中,地理学家发挥作用的空间越来越大,地理学家肩负着不可推卸的责任使命,应责无旁贷地采用定性与定量相结合的研究方法,引用大数据、智能决策支持技术等新手段解决城市群发展面临的一系列问题,一如既往地为城市群发展吸纳众智、献计献策,发挥更大作用,做出更大贡献。

[ Fang

Chuanglin

, Wang

Zhenbo

, Ma

Haitao

. The theoretical cognition of the development law of China's urban agglomeration and academic contribution
Acta Geographica Sinica, 2018, 73(4):651-665.] DOI: 10.11821/dlxb201804005.

[本文引用: 1]

[35]

贾卓, 陈兴鹏. 中国西部兰州-西宁城市群县域经济集聚格局与空间溢出研究
兰州大学学报: 社会科学版, 2019, 47(2):144-151.

[本文引用: 1]

[ Jia

Zhuo

, Chen

Xingpeng

. Research on county economic agglomeration pattern and spatial spillover in Lanzhou-Xining urban agglomeration in western China
Journal of Lanzhou University: Social Sciences, 2019, 47(2):144-151.] DOI: 10.13885/j.issn.1000-2804.2019.02.018.

[本文引用: 1]

[36]

刘海猛, 方创琳, 黄解军, 等. 京津冀城市群大气污染的时空特征与影响因素解析
地理学报, 2018, 73(1):177-191.

DOI:10.11821/dlxb201801015 [本文引用: 1]

京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM2.5的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM2.5浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM2.5浓度比周围郊区和农村平均高10~20 μg/m3;2014年仅有13.9%的区县空气质量达标,PM2.5浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM2.5每升高1%,将导致本地PM2.5至少升高0.5%;社会经济内因对PM2.5主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速>年均气温>人口密度>地形起伏度>第二产业占比>能源消费>植被覆盖度,人均GDP、年降水量和相对湿度对本地PM2.5没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度>地形起伏度>能源消费>人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。

[ Liu

Haimeng

, Fang

Chuanglin

, Huang

Jiejun

, et al. The spatial-temporal characteristics and influencing factors of air pollution in Beijing-Tianjin-Hebei urban agglomeration
Acta Geographica Sinica, 2018, 73(1):177-191.] DOI: 10.11821/dlxb201801015.

[本文引用: 1]

[37]

焦敬娟, 王姣娥, 刘志高. 东北地区创新资源与产业协同发展研究
地理科学, 2016, 36(9):1338-1348.

DOI:10.13249/j.cnki.sgs.2016.09.007 [本文引用: 1]

采用探索性空间数据分析和象限图法,以县区为基本研究单元,从空间和行业2个视角,探讨东北地区创新资源和产业发展的集聚性和协同性。通过研究发现：东北地区创新资源和产业发展均表现出明显的空间集聚性,主要集中在沈阳、大连、长春和哈尔滨等城市市辖区,但在市辖区内部集聚区存在较大差异,导致创新资源和产业发展协调性在四大城市市辖区及其周边县区呈严重偏离特征,尤其是汽车制造业和通用设备制造业,而医药制造业和专用设备制造业空间协同性较好;从行业分析,通用设备制造业、化学原料和化学制品制造业、医药制造业和专用设备制造业集聚了东北地区55%的发明专利,而43.3%的工业总产值集中在农副食品加工业、汽车制造业,黑色金属冶炼和压延加工业,非金属矿物制品业,石油加工、炼焦和核燃料加工业等5大行业,导致各行业创新资源和产业发展的协同性相对较低,且仅非金属制造业的协同性高于所有行业平均水平。

[ Jiao

Jingjuan

, Wang

Jiaoe

, Liu

Zhigao

. Relationship between innovation resources and industry development
Scientia Geographica Sinica, 2016, 36(9):1338-1348.] DOI: 10.13249/j.cnki.sgs.2016.09.007.

[本文引用: 1]

[38]

Cheng Z

. The spatial correlation and interaction between manufacturing agglomeration and environmental pollution
Ecological Indicators, 2016, 61(2):1024-1032. DOI: 10.1016/j.ecolind.2015.10.060.

URL [本文引用: 1]

[39]

贾卓, 强文丽, 王月菊, 等. 兰州-西宁城市群工业污染集聚格局及其空间效应
经济地理. 2020, 40(1):68-75, 84.

[本文引用: 1]

[ Jia

Zhuo

, QiangWenli, Wang Yueju, et al. The spatial characteristics and spatial effect of industrial pollution agglomeration in Lanzhou-Xining urban agglomeration
Economic Geography, 2020, 40(1):68-75, 84.] DOI: 10.15957/j.cnki.jjdl.2020.01.008.

[本文引用: 1]

[40]

金煜, 陈钊, 陆铭. 中国的地区工业集聚: 经济地理、新经济地理与经济政策
经济研究, 2006, (4):79-89.

[本文引用: 1]

[ Jin

, Chen

Zhao

, Lu

Ming

. Industry agglomeration in China: Economic Geography, New Economic Geography and policy
Economic Research Journal, 2006, (4):79-89.] DOI: CNKI:SUN:JJYJ.0.2006-04-007.

[本文引用: 1]

[41]

张可, 汪东芳. 经济集聚与环境污染的交互影响及空间溢出
中国工业经济, 2014, (6):70-82.

[本文引用: 1]

[ Zhang

, Wang

Dongfang

. The interaction and spatial spillover between agglomeration and pollution
China Industrial Economics, 2014, (6):70-82.] DOI: 10.19581/j.cnki.ciejournal.2014.06.007.

[本文引用: 1]

[42]

朱向东, 贺灿飞, 李茜, 等. 地方政府竞争、环境规制与中国城市空气污染
中国人口·资源与环境, 2018, 28(6):103-110.

[本文引用: 1]

[ Zhu

Xiangdong

, He

Canfei

, Li

Qian

, et al. Influence of local government competition and environmental regulations on Chinese urban air quality. China Population,
Resources and Environment, 2018, 28(6):103-110.] DOI: 10.12062/cpre.20171226.

[本文引用: 1]

[43]

Pierson

. Increasing returns, path dependence, and the study of politics
American Political Science Review, 2000, 94(2):251-267. DOI: 10.2307/2586011.

URL [本文引用: 1]

[44]

金凤君, 马丽, 许堞. 黄河流域产业发展对生态环境的胁迫诊断与优化路径识别
资源科学, 2020, 42(1):127-136.

[本文引用: 1]

[ Jin

Fengjun

, Ma

, Xu

Die

. Environmental stress and optimized path of industrial development in the Yellow River Basin
Resources Science, 2020, 42(1):127-136.] DOI: 10.18402/resci.2020.01.13.

[本文引用: 1]

[45]

贾卓, 陈兴鹏, 王鹏. 中国西部城市群产业结构测度及产业升级路径选择
重庆大学学报: 社会科学版, 2014, 20(5):1-8.

[本文引用: 1]

[ Jia

Zhuo

, Chen

Xingpeng

, Wang

Peng

. Discussion on industrial structure and industrial upgrading path of West China
Journal of Chongqing University: Social Science Edition, 2014, 20(5):1-8.] DOI: 10.11835/j.issn.1008-5831.2014.05.001.

[本文引用: 1]

[46]

Hoogstra G

. Gender, space, and the location changes of jobs and people: A spatial simultaneous equations analysis
Geographical Analysis, 2012, 44(1):47-64. DOI: 10.1111/j.1538-4632.2011.00833.

PMID:22329056 [本文引用: 1]

This article summarizes a spatial econometric analysis of local population and employment growth in the Netherlands, with specific reference to impacts of gender and space. The simultaneous equations model used distinguishes between population- and gender-specific employment groups, and includes autoregressive and cross-regressive spatial lags to detect relations both within and among these groups. Spatial weights matrices reflecting different bands of travel times are used to calculate the spatial lags and to gauge the spatial nature of these relations. The empirical results show that although population–employment interaction is more localized for women's employment, no gender difference exists in the direction of interaction. Employment growth for both men and women is more influenced by population growth than vice versa. The interaction within employment groups is even more important than population growth. Women's, and especially men's, local employment growth mostly benefits from the same employment growth in neighboring locations. Finally, interaction between these groups is practically absent, although men's employment growth may have a negative impact on women's employment growth within small geographic areas. In summary, the results confirm the crucial roles of gender and space, and offer important insights into possible relations within and among subgroups of jobs and people.

[47]

Gebremariam G

, Gebremedhin T

, Schaeffer P

. Analysis of county employment and income growth in Appalachia: A spatial simultaneous-equations approach
Empirical Economics, 2010, 38(1):23-45. DOI: 10.1007/s00181-009-0254-1.

URL [本文引用: 1]

[48]

梁伟, 杨明, 张延伟. 城镇化率的提升必然加剧雾霾污染吗?
地理研究, 2017, 36(10):1947-1958.

DOI:10.11821/dlyj201710011 [本文引用: 1]

城镇化率的提升是否会加剧雾霾污染?在当前国家大力推进新型城镇化建设的背景下,对于该问题的科学解答显得尤为必要。利用空气质量指数（AQI）对雾霾污染进行测度,构建空间联立方程研究,城镇化率和雾霾污染的交互关系及其空间效应,采用广义空间三阶段最小二乘法（GS3SLS）进行整体估计,结果表明,城镇化率的提升对雾霾污染有显著的负向影响,雾霾污染对城镇化率的提升具有显著的抑制作用,二者皆存在显著的空间溢出效应,周边地区的城镇化率和雾霾污染对本地区会产生负向影响。分组研究进一步验证了随着城镇化率的提升雾霾污染逐步减轻这一结论,组2（城镇化率≥60.8%）的估计结果明显比组1（城镇化率

[ Liang

Wei

, Yang

Ming

, Zhang

Yanwei

. Will the increase of the urbanization rate inevitably exacerbate haze pollution
Geographical Research, 2017, 36(10):1947-1958.] DOI: 10.11821/dlyj201710011.

[本文引用: 1]

[49]

Duranton

, Puga

. Nursery cities: Urban diversity, process innovation and the life cycle of products
The American Economic Review, 2001, 91(5):1454-1477. DOI: 10.1257/aer.91.5.1454.

URL [本文引用: 1]

[50]

薄文广, 徐玮, 王军锋. 地方政府竞争与环境规制异质性:逐底竞争还是逐顶竞争
中国软科学, 2018, (11):76-93.

[本文引用: 1]

[ Bo

Wenguang

, Xu

Wei

, Wang

Junfeng

. Local government competition and environmental regulation heterogeneity: race to the bottom or race to the top
China Soft Science, 2018, (11):76-93.] DOI: 10.3969/j.issn.1002-9753.2018.11.009.

[本文引用: 1]

[51]

Tahvonen

, Kuuluvainen

. Economic growth, pollution and renewable resources
Journal of Environmental Economics and Management, 1993, (24):101-118. DOI: 10.1006/jeem.1993.1007.

[本文引用: 1]

[52]

陶静, 胡雪萍. 环境规制对中国经济增长质量的影响研究
中国人口·资源与环境, 2019, 29(6):85-96.

[本文引用: 1]

[ Tao

Jing

, Hu

Xueping

. Research on the effects of environmental regulation on the quality of China's economic growth. China Population,
Resources and Environment, 2019, 29(6):85-96.] DOI: 10.12062 /cpre.20190332.

[本文引用: 1]