删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

安徽省土地城镇化空间分异特征及驱动因素识别

本站小编 Free考研考试/2021-12-29

张珂¹^,²^,³^,, 程久苗¹^,³^,, 费罗成¹^,³, 洪德和¹^,³

1. 安徽师范大学地理与旅游学院,芜湖 241000

2. 上海广境规划设计有限公司,上海 201800

3. 安徽师范大学土地评价与规划研究中心,芜湖 241000

Spatial differential characteristics and driving factors of land urbanization in Anhui Province

ZHANGKe¹^,²^,³^,, CHENGJiumiao¹^,³^,, FEILuocheng¹^,³, HONGDehe¹^,³

1. College of Geography and Tourism, Anhui Normal University, Wuhu 241000, China

2. Shanghai Grand Planning & Design Co.,Ltd., Shanghai 201800, China;

3. Center for Land Evaluation and Planning, Anhui Normal University,Wuhu 241000, China

通讯作者:通讯作者:程久苗,E-mail：jmcheng@mail.ahnu.edu.cn
收稿日期:2018-01-19
修回日期:2018-07-15
网络出版日期:2018-10-25
版权声明:2018《资源科学》编辑部《资源科学》编辑部
基金资助:

国家自然科学基金青年项目（71603003）

作者简介:
-->作者简介：张珂,女,安徽铜陵人,硕士生,主要从事土地利用规划与土地政策研究。E-mail：zkkiki@126.com

展开

摘要
科学度量土地城镇化的空间变化,实现人口、土地、产业三位一体的中国特色新型城镇化道路,是推动中国城镇化高质量发展的关键问题。本文运用经验贝叶斯修正的空间自相关指数,探索分析安徽省土地城镇化的总体空间分布、空间分异格局及局部空间差异,借助R语言支持下的地理加权回归模型识别其驱动因素,为提升新型城镇化质量,协调区域发展提供决策参考。研究结果显示：① 安徽省土地城镇化水平区域差异明显,以铜陵、合肥、马鞍山、蚌埠、黄山、芜湖、淮南及滁州等地市的部分市辖区为核心,构成的高值集聚斑块日益凸显;以安徽省农产品主产区为核心,向四周渐进式扩展的环绕式空间结构则为低值区;② 省内土地城镇化水平存在空间关联性,局部空间分异显著;③ 土地城镇化受人口、产业、投资、产出等因素影响,影响强度呈区域差异特征,土地城镇化驱动类型可沿淮河分为以北地区的人口—投资驱动型及以南地区的人口—产业驱动型。

关键词：土地城镇化;空间分异特征;驱动因素;安徽省
Abstract
Measuring the spatial change of land urbanization scientifically and achieving a new type of urbanization with Chinese characteristics by the trinity of population, land and industry, is the key question to promote the high-quality development of urbanization in China. We explored and analyzed the overall spatial distribution, spatial differentiation pattern and regional spatial disparities of land urbanization by using the spatial autocorrelation indicators adjusted by empirical bayes (EBI) in Anhui Province. And we adopted geographically weighted regression (GWR) supported by R to identify the driving factors, so that it can provide decision-making reference for promoting the quality of new urbanization and balancing the development between regions. We found: ①Regional difference of land urbanization is obvious in Anhui Province,high-value aggregation space form like patch was increasingly emerging with some stadsdistricts of Tongling、Hefei、Ma’anshan、Bengbu、Huangshan、Wuhu、Huainan and Chuzhou as the core. The circular spatial structure extending to the surrounding area was a low-value area with the main agricultural producing area as the core. ②The spatial correlation existed in the level of land urbanization in Anhui Province and local spatial differentiation was significant. ③In addition, land urbanization was affected by the population, industries, investment and output. The influence intensity was characterized by regional differences. Driving types of land urbanization along with Huaihe River could be classified as population-investment type in north of the river and population-industry type in south.

Keywords：land urbanization;spatial differential characteristics;driving factors;Anhui Province

-->0
PDF (20455KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
张珂, 程久苗, 费罗成, 洪德和. 安徽省土地城镇化空间分异特征及驱动因素识别[J]. 资源科学, 2018, 40(10): 2060-2072 https://doi.org/10.18402/resci.2018.10.14
ZHANG Ke, CHENG Jiumiao, FEI Luocheng, HONG Dehe. Spatial differential characteristics and driving factors of land urbanization in Anhui Province[J]. RESOURCES SCIENCE, 2018, 40(10): 2060-2072 https://doi.org/10.18402/resci.2018.10.14

1 引言

中国目前正处于快速城镇化阶段,农业人口不断向城镇迁移,城市建设用地不断扩张。《国务院关于深入推进新型城镇化建设的若干意见》[国发（2016）8号]^[1]、《安徽省人民政府关于印发国家新型城镇化试点省安徽总体方案的通知》[皖政（2015）15号]^[2]等重要文件均已对城镇化的重要性做出了指示,土地城镇化作为城镇化研究的重要内容,倍受学术界及社会各界的关注。土地资源重新配置作为城镇化的重要表征,对城镇化高质量提升及深入推动中国社会经济高质量发展的作用日益突显。科学度量土地城镇化的空间变化,实现人口、土地、产业三位一体的中国特色新型城镇化道路,是推动中国城镇化高质量发展的重要课题之一。文献梳理结果显示,关于土地城镇化的研究,既有成果主要聚焦于：① 土地城镇化的内涵与度量方法^[3,4,5];② 与人口城镇化的耦合测度^[6]及其影响因素^[7]和失调原因^[8];③ 人口、土地、经济、产业等多要素耦合研究及其演变^[9,10]。与土地城镇化空间分异及其驱动因素相关的研究主要有：① 构建土地城镇化率理想值,通过对土地城镇化与人口城镇化间动态耦合关系的探讨,验证理想值的合理性,并深入分析其影响因素^[11];② 基于土地城镇化合理规模的度量方法,从人地要素匹配的角度分析土地城镇化合理规模的影响因素^[12];③ 土地城镇化的空间相关性及其影响因素^[13,14];研究方法上,已有研究多运用空间自相关指数等空间统计分析法对土地城镇化或人口城镇化的空间格局进行分析^[15,16,17]。随着空间统计分析技术的完善与研究的逐步深入,国内已有****将经验贝叶斯修正的空间自相关指数应用于各研究领域^[18,19,20],但空间维度多以省市级为主,以县级为基本研究单元的成果为数不多。
传统的相关分析^[21]、多元回归分析^[22]以及主成分分析^[23]等常应用于驱动因素研究,却忽略了研究单元间的区域差异性,难以充分表征数据的空间特性。地理加权回归模型（GWR）是一种针对空间非平稳性行之有效的方法,可探测变量的空间分异性,在中小尺度的空间回归分析方面优势显著^[24]。故相较传统回归分析方法,GWR模型更优,并在地价^[25,26,27]、土地利用覆盖变化^[28]、农户生计资本^[29]等研究领域中得到广泛应用,成效显著。
安徽省作为首批新型城镇化试点省及长江经济带中继站,对土地城镇化空间格局、局部分异及驱动因素的研究尚未深入。鉴此,本文以县级单元为空间分析尺度,运用经验贝叶斯修正的全局自相关指数（EBI）与局部自相关指数（EBI_i）,综合R语言编程与GIS技术,探究安徽省土地城镇化的空间分布格局、局部空间分异,识别其驱动因素,重点揭示其区域差异性、规律性分布态势,为推动安徽省高质量城镇化发展提供决策参考。

2 研究区概况、数据来源与研究方法

2.1 研究区概况

安徽省地处中国华东地区,位于114°54′E–119°37′E和29°41′N–34°38′N,地跨长江、淮河中下游,与江苏、浙江及山东等地接壤。全省地势西南高、东北低,地形复杂多样,以平原、丘陵、山地为主,属暖温带与亚热带的过渡地区。
作为中部崛起战略的桥头堡,安徽省不断加快步伐,深度融入“一带一路”建设、长江经济带发展、京津冀协同发展三大国家战略,发展势头迅猛。截至2015年底,安徽省实现地区生产总值22 005.63亿元,全省常住人口达6143.60万人,下辖16个地级市,44个市辖区、6个县级市及55个县。同期,全省土地总面积约14.01万km²,其中,城镇村及工矿用地约1.63万km²,占比约11.63%。

2.2 数据来源

土地城镇化既是土地利用形态的转变,同时也是土地权属变更的表现。基于土地城镇化内涵的不同理解,度量方法亦有所不同,主要包括单一指标与多重复合指标。部分****以单一指标对土地城镇化水平进行衡量,多以城镇建成区面积与区域总面积比值^{[30,31,32,33]}或城镇工矿用地与城镇村及工矿用地比值进行表征^[34,35],亦有****从土地利用投入、产出、结构、景观等方面构建复合指标体系对土地城镇化水平进行综合考量^[36,37,38]。复合指标法虽可较全面地反映土地城镇化的内涵,但在实际操作过程中二级指标选取标准不一,指标体系各异,易造成数值结果差异较大。故本文借鉴人口城镇化的测度方法,以城镇用地规模占城乡用地规模的比值作为土地城镇化水平测算的主要数据源^[39,40,41],旨在揭示土地城镇化的空间格局。以安徽省下辖105个县级单元作为基本空间单元,反映土地城镇化水平的2015年土地利用变更调查数据来自国土资源部门^1）(1）安徽省2015年土地利用变更调查数据为安徽省国土资源部门的第二次土地利用现状调查2015年变更数据。);土地城镇化驱动因素数据来自2016年安徽省各市、县统计年鉴。

2.3 研究方法

2.3.1 经验贝叶斯修正的全局空间自相关
全局空间自相关旨在揭示某要素观测值在研究区域内是否与其邻近单元的观测值存在关联性,以探索空间集聚特征或异常值。Global Moran’s I为常用指数,因土地城镇化是一个比率,分析比率变量的空间自相关时,其固有的方差不稳定性背离方差稳定性的基本假设,尤以区域间的基数值存在差异时,不稳定性更为显著,Moran’s I统计易得出虚假推论^[42,43,44]。采用经验贝叶斯方法修正的全局空间自相关指数EBI,以避免比率的方差不稳定性。其表达式为：

EBI = \frac{m}{\overset{m}{\sum_{i = 1}} \overset{m}{\sum_{j \neq 1}} W_{ij}} \cdot \frac{\overset{m}{\sum_{i = 1}} \overset{m}{\sum_{j \neq 1}} W_{ij} R_{i} R_{j}}{\overset{m}{\sum_{i = 1}} {(R_{i} - \overset{?}{R})}^{2}}

（1）
式中EBI为经验贝叶斯修正后的全局空间自相关指数;

W_{ij}

为空间权重,其中i、j分别表示县级单元i和县级单元j;

R_{i}

、

R_{j}

为综合变量,

R_{i} = \frac{(p_{i} - b)}{\sqrt[]{V_{i}}}

R_{j} = \frac{(p_{j} - b)}{\sqrt[]{V_{j}}}

p_{i}

、

p_{j}

分别表示经验贝叶斯修正后的单元i、j的土地城镇化水平,

V_{i}

、

V_{j}

为修正后土地城镇化水平的方差,b为修正后土地城镇化水平均值;

{\overset{?}{R}}_{}

为

R_{i}

均值;m为研究区县级单元总数。
其假设检验一般采取得分检验方式,即以标准值Z表示：

Z = \frac{EBI - E (EBI)}{\sqrt[]{VAR (EBI)}}

（2）
式中E（EBI）、VAR（EBI）分别表示EBI的均值和方差。当

|Z| > 1.96

时,拒绝

H_{0}

假设（

p < 0.05

）,可认定存在空间自相关性,即研究对象存在显著的空间集聚状态。EBI取值范围为（-1,+1）,其值越接近 +1,土地城镇化正向空间自相关的趋势愈发显著,若为0,则呈随机分布态势。
2.3.2 经验贝叶斯修正的局部空间自相关
局部空间自相关可揭示土地城镇化单元数值与其邻近单元数值之间的关联性,识别局部区域内的空间集聚与孤立,常用 LISA（Local Indicators of Spatial Association）进行表征^[45]。其中,Moran’s I_i是Moran’s I的分解形式,运用经验贝叶斯方法对Moran’s I_i指数进行修正,得到经验贝叶斯修正的局部空间自相关指数EBI_i,定义为：

EB I_{i} = (R_{i} \sqrt[]{V_{i}}) \overset{m}{\sum_{j = 1}} W_{ij} (R_{j} \sqrt[]{V_{j}})

（3）
式中

EB I_{i}

表示经验贝叶斯修正的局部空间自相关指数,其余各参数含义同EBI。利用

EB I_{i}

及其标准化值

Z_{i}

可判断区域

i

与邻域的关联类型：① HH,县区i与其周边县区的土地城镇化水平均较高,形成高值集聚;② LL,低值集聚;③ HL,高值孤立点被低值环绕;④ LH,低值孤立点被高值包围（表1）。
Table 1
表1
表1EBI_i数值、标准化值与局部关联特征
Table 1The value of EBI_i, standardized value and local correlation characteristics

EBI_i	Z_i	关联类型
> 0	> 0	HH
> 0	< 0	LL
< 0	> 0	HL
< 0	< 0	LH

新窗口打开
2.3.3 地理加权回归模型（GWR）
GWR 是一种改进的空间线性回归模型,其表达式为：

\begin{array}{l} y_{i} = β_{0} (u_{i}, v_{i}) + \sum_{j}^{=} β_{j} (u_{i}, v_{i}) X_{ij} + ξ_{i} \\ (i = 1,2, \dots, m; j = 1,2, \dots, n) \end{array}

（4）
式中

y_{i}

为县级单元i的土地城镇化水平;

(u_{i}, v_{i})

为县级单元i的中心坐标;

β_{0} (u_{i}, v_{i})

为i的回归常数;

β_{j} (u_{i}, v_{i})

是i点上的第j个回归参数,由i点的空间位置决定;

X_{ij}

为各驱动因子

X_{j}

在i点的具体数值;

ξ_{i}

是随机误差。本研究选用修正的赤池信息准则（AICc）来确定最佳带宽^[46]。

3 安徽省土地城镇化空间分异格局

3.1 土地城镇化总体空间分布特征

以组间方差最大、组内方差最小为聚类条件,运用Jenks自然断点法对研究区域进行聚类分析^[47,48,49]。将安徽土地城镇化水平由低至高划分为5个等级：0.092 70~0.212 10;0.212 11~0.344 40;0.344 41~0.497 00;0.497 01~0.688 10;0.688 11~0.877 60,得到安徽省土地城镇化水平定量空间分布图（图1）。结果显示：安徽省土地城镇化水平总体呈南高北低、东高西低分布态势,且空间结构特征较为显著:以铜陵、合肥、马鞍山、蚌埠、黄山、芜湖、淮南及滁州等地市的部分市辖区为核心,构成土地城镇化高值聚集斑块;以安徽省农产品主产区为核心,向四周渐进式扩展的环绕式空间结构,为土地城镇化水平较低区域。

显示原图|下载原图ZIP|生成PPT
图12015年安徽省土地城镇化水平空间分布示意
-->Figure 1The spatial distribution of land urbanization in Anhui Province in 2015
-->

3.2 基于EBI的全局空间分异格局

采用经验贝叶斯修正的全局自相关指数对研究单元进行空间分析,基于Rook的多边形邻接性生成空间权重矩阵,得到EBI散点分布图及序列经验分布图（图2）。结果显示土地城镇化水平EBI值为0.363 52,Z值为6.254 20,大于正态分布95%置信水平下的验阈值1.96。表明安徽省土地城镇化水平存在空间集聚性且较为显著,即土地城镇化水平较高的县级单元,其邻近单元的属性值亦较高,土地城镇化水平较低的县级单元其周围县级单元的属性值亦较低。

显示原图|下载原图ZIP|生成PPT
图22015年安徽省土地城镇化Moran散点及序列经验分布
-->Figure 2The EBI scatter diagram and sequence experience of land urbanization level in Anhui Province in 2015
-->

3.3 基于EBI_i的局部空间差异分析

基于经验贝叶斯修正的局部自相关指数深入探索区域与其周边单元之间的局部空间关联性,生成LISA集聚图（图3）。低低（LL）区主要出现在宿州、阜阳、亳州、六安及淮南,形成“低值聚集面”;由高值县区形成高高（HH）聚集点,包括蚌埠蚌山区、合肥蜀山区、包河区及庐阳区、芜湖弋江区,形成“高值点”;唯一高低（HL）区位于阜阳市颍州区,即颍州区土地城镇化水平远高于邻近县级单元的土地城镇化低值;低高（LH）区主要是马鞍山博望区及当涂县、黄山歙县,三个区域的土地城镇化水平较低,被周围土地城镇化水平高值地区包围,故形成“孤立点”,与土地城镇化水平总体空间分布较为一致。

显示原图|下载原图ZIP|生成PPT
图32015年安徽省土地城镇化EBI_i集聚状态示意
注：行政区编码参见图1。
-->Figure 3The EBI_i cluster state of land urbanization level in Anhui Province in 2015
-->

4 R语言支持下GWR土地城镇化驱动因素识别

4.1 因子选取

土地城镇化受多重因素影响,机制较为复杂。既有研究成果显示：人口、产业、投资、产出均对城镇土地扩张具有推动作用^[50,51,52],但因区域资源禀赋、经济发展水平的不同而存在些许偏差。鉴此,基于现有研究成果及数据可获取性,从人口、产业、投资、产出等四个驱动层次选取驱动因子,如表2所示。城镇化进程中,农村人口向城镇转移,人口城镇化水平可在一定程度上反映人口城乡流动对土地城镇化的影响,故将其纳入人口驱动指标。二三产业比重可反映产业结构调整及科技创新等因素对土地城镇化的影响,故将其纳入产业驱动指标。投资拉动经济发展,地均固定资产投资总额可直接体现以基础设施为主的城市建设对土地城镇化的影响,故选为投资驱动的考察指标之一。投资主体的多元化,推动了区域经济的全面发展,与其紧密相连的地均实际利用外资金额可反映城市投资与土地城镇化的相关关系,故纳入投资驱动指标。地均GDP作为反映区域经济产出的常用指标,可体现经济综合发展水平对土地城镇化的影响,故选取为产出驱动层指标之一。地均工业产值可直接表征区域工业化水平,一定程度上反映工业发展对土地城镇化的影响,故纳入产出驱动层指标。地均公共财政收入的高低是区域公共产品供给能力与产业集聚能力的体现,故将其纳入产出指标层,以表征区域财政收入与土地城镇化的相互关联。地均社会消费品零售总额除反映区域市场发育水平外,同时亦是区域经济活力的重要表现,故选取为产出指标。
Table 2
表2
表2安徽省土地城镇化驱动因子理论体系
Table 2The theory framework of driving factors of land urbanization in Anhui Province

驱动层	指标层（变量,单位）	预期影响方向
人口	人口城镇化水平（Pop,%）	+
产业	二三产业比重（Bz,%）	+
投资	地均固定资产投资总额（Pgdzc,元/km²）	+
	地均实际利用外资金额（Pwz,元/km²）	+
产出	地均GDP（PGDP,元/km²）	+
	地均工业产值（Pgycz,元/km²）	+
	地均公共财政收入(Pczsr,元/km²)	+
	地均社会消费品零售总额（Pshxf,元/km²）	+

新窗口打开
假设上述因子对安徽省土地城镇化发展均会形成有效影响,在统计分析软件SPSS20.0中,将安徽省土地城镇化水平选取为因变量,各驱动因子为自变量,导入回归分析模型,并以逐步回归法（stepwise）进行分析^[53,54],回归结果显示地均工业产值、地均公共财政收入、地均GDP等3个变量因共线性较强需剔除（表3）,其余5个变量均进入模型。至此,得到安徽省土地城镇化的有效驱动因子指标体系（表4）。
Table 3
表3
表3基于逐步回归结果的安徽省土地城镇化驱动因素排除变量
Table 3The exclusive variables of driving factors of land urbanization based on the stepwise regression results in Anhui Province

模型	Beta In	t	Sig.	偏相关	容差
地均工业产值	-0.017 00	-0.811 00	0.419 00	-0.082 00	0.877 00
地均公共财政收入	0.001 00	0.063 00	0.950 00	0.006 00	0.990 00
地均GDP	0.005 00	0.234 00	0.816 00	0.024 00	0.971 00

新窗口打开
Table 4
表4
表4安徽省土地城镇化驱动因子指标体系
Table 4The index system of driving factors of land urbanization in Anhui Province

驱动层	指标层（变量）	预期影响方向
人口	人口城镇化水平（Pop）	+
产业	二三产业比重（Bz）	+
投资	地均固定资产投资总额（Pgdzc）	+
	地均实际利用外资金额（Pwz）	+
产出	地均社会消费品零售总额（Pshxf）	+

新窗口打开

4.2 基于R语言的空间权重可视化

空间权重矩阵为GWR运算时的一项重要参数,反映105个研究单元所代表的各要素间的空间关系。空间关系概念化涵盖多种定义,本研究选取符合“地理学第一定律”的反距离权重^[55,56,57]。将shp图层导入R语言,调用spdep包进行读取,绘制中心点,设置queen=T,以nbdists函数计算空间邻域距离,nb2listw函数将其转换为空间权重矩阵,最后以plot、colornumeric等命令进行可视化^[58,59,60]（图4）。由图4可知,各研究单元的空间距离越近（即位于色带的红色端）,其权重越大,反之,距离越远（位于色带的紫色端）,则权重越小。

显示原图|下载原图ZIP|生成PPT
图4基于R语言的空间权重矩阵可视化注：行政区编码参见图1。
-->Figure 4Visualization of spatial weight matrix based on R
-->

4.3 GWR分析结果

以2015年安徽省土地城镇化水平为被解释变量,以5个驱动因子为解释变量,运用ArcGIS10.0软件中的空间关系建模模块,构建GWR模型,其拟合优度为0.813 50,参数估计结果见表5。进一步对标准化残差进行全局自相关分析,其Moran’s I系数为0.076 30,P-Value=0.190 00,Z值检验结果非显著,即标准化残差并未出现空间聚类现象,呈随机分布,GWR模型整体高度适用。
Table 5
表5
表5GWR模型参数估计结果
Table 5Parameter estimation results of GWR model

模型参数	数值
Bandwidth	195 066.912 50
Residual Squares	0.955 70
Effective Number	12.901 50
Sigma	0.101 90
AICc	-170.103 90
Adjusted R²	0.813 50

新窗口打开

4.4 安徽省土地城镇化驱动因素分析

GWR模型估计结果显示：五个驱动因子的回归系数均为正值,即人口城镇化水平、二三产业比重、地均固定资产投资总额、地均实际利用外资金额、地均社会消费品零售总额的提高对安徽省土地城镇化发展具有正向推动作用,与预期影响方向一致。各因素影响强度为：人口城镇化率>二三产业比重>地均实际利用外资金额>地均固定资产投资总额>地均社会消费品零售总额。值得注意的是,各因素之间区域差异性显著且省内各区域的主导驱动因子也不尽相同。
（1）人口城镇化率。从全省看,县级空间单元的人口城镇化水平与土地城镇化水平呈正相关,相关系数呈“北-中-南”递增态势,且东部高于西部,形成“阶梯式”空间形态,其中低值位于阜亳片区,高值位于铜池、黄山片区（图5a）。深究之,这种区域差异特征与人口的流动密切相关。皖南地区自然资源丰富,乡村旅游休闲产业较发达,实现了旅游带动下的人口就地城镇化,外出流动较少。皖北地区作为省内典型劳动力输出地,跨省市人口外流现象突出,异地城镇化概率提高,当地城镇化的人口驱动力相对较弱。相较以现代工业体系为主的皖中地区及以第三产业为主的皖南地区,其人口城镇化与土地城镇化的正向变化关系则显得较弱。

显示原图|下载原图ZIP|生成PPT
图5基于GWR模型的土地城镇化水平驱动因素回归系数空间分布
注:行政区编码参见图1。
-->Figure 5The driving factors of land urbanization level, regression coefficient spatial distribution map based on GWR model
-->

（2）二三产业比重。从全省看,该因子对土地城镇化发展具有正向影响,但相关系数由皖北向皖南递增,形成分级式梯度（图5b）。这种分布特征与省内各县区的区位优势密切关联。皖江城市带中的合肥、芜湖、马鞍山、铜陵、池州、安庆、宣城等市,区位优越、工业基础扎实、开放程度高、创新潜力大,是安徽省工业化城镇化的引领地区,其二三产业发展必将扩大城镇用地需求,从而带动土地城镇化。而皖北地区的阜亳、淮蚌及淮宿片区,与皖江经济带、中原城市群距离较远,处于有效辐射的边缘地带,区位条件差,其二三产业发展受限,对土地城镇化的推动作用有限。
（3）地均实际利用外资金额。从全省看,该因子与土地城镇化水平呈正相关关系,其数值由南向北递增,每增加一个标准单位,土地城镇化水平相应增加1.07%~3.48%不等（图5c）。2015年,宿州、蚌埠、阜阳等市实际利用外资金额相应增长14.70%、14.70%、13.90%,均已超出全省平均水平10.40%,位于全省增速前列。该地区外资投入增速提高,为乡镇企业发展注入生机,带动相关工业及服务业发展,就业扩大,进而影响城镇化。其技术溢出效应通过直接或间接推动产业结构优化升级作用于土地城镇化,是皖北城镇化发展的主导因素之一。
（4）地均固定资产投资总额。从全省看,该因子与土地城镇化水平具有同向变化关系,影响强度由皖北向皖南逐渐减弱（图5d）。加大固定资产投资力度,尤其是基础设施投资,将导致用地需求急剧上涨,通过间接的“就业效应”拉动人口集聚,从而推动土地城镇化步伐加快。地均固定资产投资总额对安徽省土地城镇化的影响分布特征,原因主要在于各地区固定资产投资增幅水平。当前皖北地区的固定资产投资基数虽处于较低水平,但其增速较快。2015年皖北地区固定资产投资增加15.80%,增幅高于全省平均水平3.10%,增速已超皖中、南地区。固定资产投资的稳步提升,大大提高其对土地城镇化的识别度与敏感度。
（5）地均社会消费品零售总额。从全省看,该因子与土地城镇化水平呈正向变化关系（图5e）,影响强度由皖北向皖南递减,这一高影响力说明该地区土地城镇化的发展与地均社会消费品零售总额关联紧密。皖北地区处于经济振兴阶段,社会消费品零售总额与土地城镇化虽处于较低水平,但增长快,提升空间大。2015年皖北地区社会消费品零售总额增长15.25%,增幅超出全省平均水平3.30%。其中淮南、阜阳、蚌埠增速高达31.80%、12.75%、12.65%,为全省社会消费品零售总额增速高梯度区。其快速增长给土地城镇化带来的拉动效应更加显著,二者的依赖性更强。

5 结论与讨论

5.1 结论

以土地城镇化水平为研究视角,采用经验贝叶斯改进的全局自相关、局部自相关及地理加权模型等空间分析方法及计量模型,分析了安徽省105个县区单元土地城镇化的空间分异特征,深入探索其驱动因素,得到如下结论：
（1）传统的空间自相关指数以方差稳定性假设为基础进行计算,忽略了因基数值差异造成的比率变量的方差不稳定性。为克服此弊端引入经验贝叶斯对空间自相关指数进行修正,通过采用混合逼近法,固定比率变量的边缘期望与边缘方差,对安徽省土地城镇化的空间分异特征进行了有效分析,成功得出其空间关联和集聚特征,结果显著且与客观实际相符。本文研究结果成功验证了经验贝叶斯修正的空间自相关指数于土地城镇化空间分异研究的高度适用性。
（2）安徽省土地城镇化水平在空间分布上呈集聚规律。南北差距较为悬殊,由铜陵、合肥、马鞍山、蚌埠、黄山、芜湖、淮南及滁州等地市的部分市辖区形成了高值聚集斑块;以农产品主产区为核心,向四周渐进式扩展,形成土地城镇化水平的低值环绕式空间结构。
（3）不同区域表现出显著的空间关联性与异质性。EBI指数显示,呈空间集聚性和趋同性的各县域单元表现出相似的土地城镇化水平;EBI_i指数则进一步凸显出各县域单元与其邻近单元的空间异质性,高值点、低值点被周围具有差异属性值的空间单元所包围。表现为合芜蚌片区部分市辖区形成的高高聚集、以阜亳和淮宿片区为主构成的低低聚集、阜阳市颍州区被周围低值环绕形成的高值孤立点以及马鞍山市博望区、当涂县、黄山市歙县被周围高值环绕形成的低值孤立点。
（4）土地城镇化驱动因素区域差异明显。人口城镇化率、二三产业比重、地均固定资产投资总额、地均实际利用外资金额、地均社会消费品零售总额等五个因子与土地城镇化水平均呈正相关,各区域内影响强度具有一定差异性和敏感性。皖北地区土地城镇化主导驱动因素为人口城镇化率、及地均实际利用外资金额,皖中南地区则为人口城镇化率、二三产业比重所驱动。据此,可将安徽省土地城镇化驱动类型分为淮河以北的人口-投资驱动型及淮河以南的人口-产业驱动型。

5.2 讨论

（1）土地城镇化的空间分异特征表现出不同区域间土地资源配置与经济发展水平差异的相互关联。安徽省区域差异特征显著,应制定新型城镇化的区域差异化政策,以期缓解地区差异,实现新型城镇化由高水平向高质量的转变,推动区域协调发展与城乡一体化。在人口-投资驱动型的皖北地区,应推动人口就地城镇化,创建完善的人才支持体系,适当扩大资本投入规模,拉动内需;在人口-产业驱动型的皖中南地区,加快产业结构优化升级,保持土地、人口、产业的紧密联系与协同发展^[61,62,63]。
（2）本文从人口、产业、投资、产出等视角对土地城镇化驱动因素进行选取,因指标量化及数据收集难度较大,故并未涉及相关政策因素,指标体系的全面性有所欠缺。因此,如何将政策因素纳入指标体系以进行驱动因素的全面分析,在后续研究中将进行深入探讨。
（3）本文以2015年截面数据为支撑对土地城镇化进行空间分异研究,仅考虑空间特征,未形成系统的时间序列,对土地城镇化空间分异特征在时间轨迹上的变化未做深入分析。在保证数据完整的基础上,尽可能多地选取时间点,全面分析土地城镇化的时空分异特征将为今后主要的研究方向。
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

[15]	[Yu Z N, Wu C F.Analysis on spatial characteristics and influence factors of land urbanization from the perspective of ESDA-GWR in Zhejiang province [J]. China Land Sciences, 2016, 30(3): 29-36. ] [本文引用: 1]
[16]	王枫, 李灿. 基于ESDA的广东省城镇建设用地空间分布模式分析 [J]. 水土保持研究, 2014, 21(2): 167-171+17. [本文引用: 1] [Wang F, Li C. Analysis on spatial distribution patterns of urban construction land in Guangdong Province based on ESDA [J]. Research of Soil and Water Conservation,2014, 21(2): 167-171+17. ] [本文引用: 1]
[17]	胡艳兴, 潘竟虎, 李瑶. 基于ESDA-GWR的甘肃省人口城镇化空间动态分析 [J]. 人口与发展, 2015, 21(1): 41-49+67. [本文引用: 1] [Hu Y X, Pan J H, Li Y. Space dynamic analysis of population urbanization in Gansu Province based on ESDA-GWR [J]. Population & Development, 2015, 21(1): 41-49+67. ] [本文引用: 1]
[18]	杨杨, 吴次芳. 泛长江三角洲区域经济空间差异分析-基于经验贝叶斯修正的空间自相关指数 [J]. 长江流域资源与环境, 2011, 18(5): 513-518. [本文引用: 1] [Yang Y, Wu C F.Regional economic disparities in Pan-Yangtze river delta-based on EBI and EBIi [J]. Resources and Environment in the Yangtze Basin, 2011, 18(5): 513-518. ] [本文引用: 1]
[19]	杨杨, 吴次芳, 韦仕川, 等. 中国建设用地扩展的空间动态演变格局-基于EBI和EBIi的研究 [J]. 中国土地科学, 2008, 31(1): 23-31. [本文引用: 1] [Yang Y, Wu C F, Wei S C, et al. Spatial variation of construction land expansion in China: based on EBI and EBIi [J]. China Land Sciences, 2008, 31(1): 23-31. ] [本文引用: 1]
[20]	贝涵璐, 吴次芳, 冯科, 等. 土地经济密度的区域差异特征及动态演变格局-基于长江三角洲地区的实证分析 [J]. 自然资源学报, 2009, 23(11): 1952-1962. [本文引用: 1] [Bei H L, Wu C F, Feng K, et al. Regional disparity and dynamic evolution of land economic density evidence from the Yangtze River Delta Area [J]. Journal of Natural Resources, 2009, 23(11): 1952-1962. ] [本文引用: 1]
[21]	霍炳男. 中国区域城镇化发展差异的影响因素研究-基于1992-2015年省际面板数据的经验分析 [J]. 经济问题探索, 2017, 37(4): 76-82. [本文引用: 1] [Huo B N.Research on the factors influencing the development of regional urbanization in China-based on the empirical analysis of provincial panel data from 1992 to 2015 [J]. Inquiry into Economic Issues, 2017, 37(4): 76-82. ] [本文引用: 1]
[22]	欧向军, 甄峰, 秦永东, 等. 区域城市化水平综合测度及其理想动力分析-以江苏省为例 [J]. 地理研究, 2008, 27(5): 993-1002. [本文引用: 1] [Ou X J, Zhen F, Qin Y D, et al. Study on compression level and ideal impetus of regional urbanization: the case of Jiangsu Province [J]. Geographical Research, 2008, 27(5): 993-1002. ] [本文引用: 1]
[23]	曹广忠, 王纯洁, 齐元静. 我国东部沿海省区城镇化水平影响因素的空间差异 [J]. 地理研究, 2008, 32(6): 1399-1406. [本文引用: 1] [Cao G Z, Wang C J, Qi Y J.The comparative analysis of urbanization affecting factors among the coastal provinces in eastern China in the transition period [J]. Geographical Research, 2008, 32(6): 1399-1406. ] [本文引用: 1]
[24]	Fotheringham A S, Brunsdon C, Charlton M E.Geographically Weighted Regression: The Analysis of Spatially Varying Relationships [M]. West Sussex: John Wiley, 2002. [本文引用: 1]
[25]	曹天邦, 黄克龙, 李剑波, 等. 基于GWR的南京市住宅地价空间分异及演变 [J]. 地理研究, 2013, 32(12): 2324-2333. [本文引用: 1] [Cao T B, Huang K L, Li J B, et al. Research on spatial variation and evolution of residential land price in Nanjing based on GWR Model [J]. Geographical Research, 2013, 32(12): 2324-2333. ] [本文引用: 1]
[26]	单玉红, 聂俊成. 基于GWR模型的武汉市住宅地价影响因素研究 [J]. 华中农业大学学报(社会科学版), 2014, 33(5): 111-118. [本文引用: 1] [Shan Y H, Nie J C.Influencing factors of residential land price in Wuhan based on GWR model [J]. Journal of Huazhong Agricultural University(Social Sciences Edition), 2014, 33(5): 111-118. ] [本文引用: 1]
[27]	张静, 张丽芳, 濮励杰, 等. 基于GWR模型的城市住宅地价的时空演变研究-以江苏省为例 [J]. 地理科学, 2012, 32(7): 828-834. [本文引用: 1] [Zhang J, Zhang L F, Pu L J, et al. Research on spatio-temporal variation of urban residential land price based on GWR model: a case study of Jiangsu Province [J]. Scientia Geographica Sinica, 2012, 32(7): 828-834. ] [本文引用: 1]
[28]	邵一希, 李满春, 陈振杰, 等. 地理加权回归在区域土地利用格局模拟中的应用-以常州市孟河镇为例 [J]. 地理科学, 2010, 30(1): 92-97. [本文引用: 1] [Shao Y X, Li M C, Chen Z J, et al. Simulation on regional spatial land use patterns using geographically weighted regression: a case study of Menghe Town, Changzhou [J]. Scientia Geographica Sinica, 2010, 30(1): 92-97. ] [本文引用: 1]
[29]	任国平, 刘黎明, 付永虎, 等, 基于GWR模型的都市城郊村域农户生计资本空间差异分析-以上海市青浦区为例 [J]. 资源科学, 2016, 38(8): 1594-1608. [本文引用: 1] [Ren G P, Liu L M, Fu Y H, et al. Spatial differentiation of rural household livelihood capital in metropolitan suburbs based on GWR model: a case study of Qingpu District in Shanghai [J]. Resources Science, 2016, 38(8): 1594-1608. ] [本文引用: 1]
[30]	李培祥. 广东人口城市化与土地城市化关系研究 [J]. 安徽农业科学, 2008, 36(29): 12955-12958. [本文引用: 1] [Li P X.Study on relation between population urbanization and land urbanization in Guangdong [J]. Journal of Anhui Agricultural Sciences, 2008, 36(29): 12955-12958. ] [本文引用: 1]
[31]	田莉. 我国城镇化进程中喜忧参半的土地城市化 [J]. 城市规划, 2011, 34(2): 11-12. [本文引用: 1] [Tian L.Urbanization of land in urbanization process of China: boon or bane? [J]. City Planning Review, 2011, 34(2): 11-12. ] [本文引用: 1]
[32]	张飞, 孔伟. 我国土地城镇化的时空特征及机理研究 [J]. 地域研究与开发, 2014, 32(5): 144-148. [本文引用: 1] [Zhang F, Kong W.Analysis on spatio-temporal characteristic and influence mechanism of land urbanization in China [J]. Areal Research and Development, 2014, 32(5): 144-148. ] [本文引用: 1]
[1]	中华人民共和国国务院公报. 关于深入推进新型城镇化建设的若干意见 [EB/OL]. (2016-02-06)[2018-07-10]. .URL [本文引用: 1] [ Gazette of the State Council of the People's Republic of China. Some Opinions on Further Promoting the Construction of New Urbanization [EB/OL]. (2016- 02- 06) [2018- 07- 10]. ]URL [本文引用: 1]
[33]	潘爱民, 刘友金. 湘江流域人口城镇化与土地城镇化失调程度及特征研究 [J]. 经济地理, 2014, 33(5): 63-68. [本文引用: 1] [Pan A M, Liu Y J.The degree of imbalance between population urbanization and land urbanization of Xiangjiang River Basin [J]. Economic Geography, 2014, 33(5): 63-68. ] [本文引用: 1]
[2]	安徽省人民政府公报. 关于印发国家新型城镇化试点省安徽总体方案的通知 [EB/OL]. (2015-04-22)[2018-07-10]. .URL [本文引用: 1] [ Gazette of People's Government of Anhui Province. Notice on the Issuance of the General Plan of New Urbanization in Anhui Province as National Pilot [EB/OL]. (2015- 04- 22) [2018- 07- 10]. ]URL [本文引用: 1]
[34]	林坚. 中国城乡建设用地增长研究[M]. 北京: 商务印书馆, 2009. [本文引用: 1] [Lin J.Research on the Growth of Urban and Rural Construction Land in China[M]. Beijing: The Commercial Press, 2009. ] [本文引用: 1]
[3]	吕萍, 周滔, 张正峰, 等. 土地城市化及其度量指标体系的构建与应用 [J]. 中国土地科学, 2008, 22(8): 24-28. [本文引用: 1] [Lv P, Zhou T, Zhang Z F, et al. Construction and application of land urbanization and corresponding measurement index system [J]. China Land Sciences, 2008, 22(8): 24-28. ] [本文引用: 1]
[35]	王洋, 王少剑, 秦静. 中国城市土地城市化水平与进程的空间评价 [J]. 地理研究, 2014, 32(12): 2228-2238. [本文引用: 1] [Wang Y, Wang S J, Qin J.Spatial evaluation of land urbanization level and process in Chinese cities [J]. Geographical Research, 2014, 32(12): 2228-2238. ] [本文引用: 1]
[4]	鲁德银. 论中国特色的土地城镇化道路 [J]. 农村经济, 2010, 27(8): 30-32. [本文引用: 1] [Lu D Y.The discussion on the road of land urbanization with Chinese characteristics [J]. Rural Economy, 2010, 27(8): 30-32. ] [本文引用: 1]
[36]	薛欧, 赵凯, 陈艳蕊, 等. 陕西省土地城市化水平评价分析 [J]. 山东农业大学学报: 自然科学版, 2011, 42(3): 415-421. [本文引用: 1] [Xue O, Zhao K, Chen Y R, et al. Evaluation of land urbanization in Shannxi Province [J]. Journal of Shandong Agricultural University (Natural Science), 2011, 42(3): 415-421. ] [本文引用: 1]
[5]	严蓓蓓. 内涵式城镇化: 完全城镇化的内涵、制约因素及实现路径 [J]. 行政论坛, 2013, 19(6): 88-92. [本文引用: 1] [Yan B B.Connotative urbanization: the connotation, restricting factors and the realization way of the complete urbanization [J]. Administrative Tribune, 2013, 19(6): 88-92. ] [本文引用: 1]
[37]	尤仪霖, 刘志强, 林存晖, 等. 我国土地城镇化对建成区绿地率的影响分析-基于1996-2013年省际数据 [J]. 城市发展研究, 2017, 23(1): 143-147. [本文引用: 1] [Yu Y L, Liu Z Q, Lin C H, et al. The impact analysis of the land urbanization to green space rate of built district in China: based on the time series data and the provincial panel data from 1996 to 2013 [J]. Urban Development Studies, 2017, 23(1): 143-147. ] [本文引用: 1]
[6]	严思齐, 吴群. 土地城镇化与人口城镇化的非协调性和互动关系 [J]. 中国人口·资源与环境, 2016, 26(11): 28-36. [本文引用: 1] [Yan S Q, Wu Q.Incoordination between urban expansion and urban population growth and their interaction [J]. China Population, Resources and Environment, 2016, 26(11): 28-36. ] [本文引用: 1]
[38]	王丽艳, 郑丹, 游斌. 实现人口城镇化与土地城镇化良性互动发展问题研究 [J]. 当代经济研究, 2014, 24(12): 62-69. [本文引用: 1] [Wang L Y, Zhen D, You B.Research on realization of benign interaction between population urbanization and land urbanization [J]. Contemporary Economic Research, 2014, 24(12): 62-69. ] [本文引用: 1]
[7]	范进, 赵定涛. 土地城镇化与人口城镇化协调性测定及其影响因素 [J]. 经济学家, 2012, 23(5): 61-67. [本文引用: 1] [Fan J, Zhao D T.Coordination and influencing factors between land urbanization and population urbanization [J]. Economist, 2012, 23(5): 61-67. ] [本文引用: 1]
[39]	李昕, 文婧, 林坚. 土地城镇化及相关问题研究综述 [J]. 地理科学进展, 2012, 30(8): 1042-1049. [本文引用: 1] [Li X, Wen J, Lin J.Review of research on land urbanization and related studies [J]. Progress in Geography, 2012, 30(8): 1042-1049. ] [本文引用: 1]
[8]	李小敏, 陈多长. 我国人口城镇化与土地城镇化失调原因分析 [J]. 改革与战略, 2014, 29(12): 105-110. [本文引用: 1] [Li X M, Chen D C.An analysis on the reason of China's population urbanization and land urbanization disorders [J]. Reformation and Strategy, 2014, 29(12): 105-110. ] [本文引用: 1]
[40]	曹萍, 任建兰. 山东省土地城镇化时空格局演变研究 [J]. 江苏农业科学, 2017, 44(20): 264-268. [本文引用: 1] [Cao P, Ren J L.Study on the spatial and temporal pattern of land urbanization in Shandong province [J]. Jiangsu Agricultural Sciences, 2017, 44(20): 264-268. ] [本文引用: 1]
[9]	祝明明, 董莹, 田玲玲, 等. 湖北省人口-经济-土地城镇化的空间格局及其耦合协调性研究 [J]. 湖北大学学报(自然科学版), 2017, 39(5): 531-538. [本文引用: 1] [Zhu M M, Dong Y, Tian L L, et al. Coupling coordination and spatial pattern among population, economic and land urbanization in Hubei [J]. Journal of Hubei University( Natural Science), 2017, 39(5): 531-538. ] [本文引用: 1]
[41]	郭付友, 李诚固, 陈才, 等. 2003年以来东北地区人口城镇化与土地城镇化时空耦合特征 [J]. 经济地理, 2015, 34(9): 49-56. [本文引用: 1] [Guo F Y, Li C G, Chen C, et al. Spatial-temporal coupling characteristics of population urbanization and land urbanization in Northeast China [J]. Economic Geography, 2015, 34(9): 49-56. ] [本文引用: 1]
[10]	朱海英, 张琰飞. 秦巴山片区中心城市人口、产业、土地城镇化耦合协调度演变研究 [J]. 地域研究与开发, 2017, 36(1): 40-44. [本文引用: 1] [Zhu H Y, Zhang Y F.Coupled coordination evolution of population urbanization, industry urbanization and land urbanization of the key cities in Qinba Mountain Area [J]. Areal Research and Development, 2017, 36(1): 40-44. ] [本文引用: 1]
[42]	Marshall R J.Mapping disease and mortality rates using empirical Bayes estimators [J]. Applied Statistics, 1991, 40(2): 283-294. [本文引用: 1]
[43]	王法辉. 基于GIS的数量方法与应用[M]. 北京: 商务印书馆, 2009. [本文引用: 1]
[11]	刘耀林, 李纪伟, 侯贺平, 等. 湖北省城乡建设用地城镇化率及其影响因素 [J]. 地理研究, 2014, 32(1): 132-142. [本文引用: 1] [Liu Y L, Li J W, Hou H P, et al. Study on urbanization rate of urban-rural construction land and its influencing factors: a case study of Hubei Province [J]. Geographical Research, 2014, 32(1): 132-142. ] [本文引用: 1]
[43]	[Wang F H.The Quantity Method and Application Based on GIS[M]. Beijing: The Commercial Press, 2009. ] [本文引用: 1]
[44]	Anselin L. Exploring Spatial Data with GeoDa: A Workbook [EB/OL]. (2005-03-06)[2018-01-19]. .URL [本文引用: 1]
[12]	柳杨. 人地要素匹配视域下土地城镇化适度规模研究 [D]. 郑州: 郑州大学, 2014. [本文引用: 1] [Liu Y.The Study on the Moderate Scale of Land Urbanization from the View of Man-Land Factors Matching [D]. Zhengzhou: Zhengzhou University, 2014. ] [本文引用: 1]
[45]	Anselin L.Local indicators of spatial association-LISA [J]. Geographical Analysis, 1995, 27(2): 93-115. [本文引用: 1]
[46]	Brunsdon C, Fotheringham A S, Charlton M.Some notes on parametric significance tests for geographically weighted regression [J]. Journal of Regional Science, 1999, 39(3): 497-524. [本文引用: 1]
[13]	张立新, 朱道林, 杜挺, 等. 长江经济带土地城镇化时空格局及其驱动力研究 [J]. 长江流域资源与环境, 2017, 26(9): 1295-1303. [本文引用: 1] [Zhang L X, Zhu D L, Du T, et al. Spatio-Temporal pattern evolvement and driving factors of land urbanization in Yangtze river economic belt [J]. Resources and Environment in the Yangtze Basin, 2017, 26(9): 1295-1303. ] [本文引用: 1]
[47]	Jenks G F.The data model concept in statistical mapping [J]. International Yearbook of Cartography, 1967, 7(1): 186-190. [本文引用: 1]
[48]	朱奇峰, 杨勤科, 师动, 等. 坡度分级方法对坡度制图的影响 [J]. 水土保持通报, 2017, 36(3): 314-320. [本文引用: 1]
[14]	曹萍, 任建兰. 山东省土地城镇化时空格局演变研究 [J]. 江苏农业科学, 2017, 45(20): 264-268. [本文引用: 1] [Cao P, Ren J L.Study on spatial and temporal pattern evolution of land urbanization in Shandong Province [J]. Jiangsu Agricultural Sciences, 2017, 45(20): 264-268. ] [本文引用: 1]
[48]	[Zhu Q F, Yang Q K, Shi D, et al. Influence of slope classification method on slope mapping [J]. Bulletin of Soil and Water Conservation, 2017, 36(3): 314-320. ] [本文引用: 1]
[49]	武增海, 李涛. 高新技术开发区综合绩效空间分布研究-基于自然断点法的分析 [J]. 统计与信息论坛, 2013, 28(3): 82-88. [本文引用: 1] [Wu Z H, Li T.The comprehensive performance evaluation of the high-tech development zone: analysis based on the natural breakpoint method [J]. Statistics and Information Forum, 2013, 28(3): 82-88. ] [本文引用: 1]
[50]	吕可文, 苗长虹, 安乾. 河南省建设用地扩张及其驱动力分析 [J]. 地理与地理信息科学, 2012, 28(4): 69-74. [本文引用: 1] [Lv K W, Miao C H, An Q.Analysis on constructive land expansion and its driving forces in Henan Province [J]. Geography and Geo-Information Science, 2012, 28(4): 69-74. ] [本文引用: 1]
[51]	舒帮荣, 李永乐, 曲艺, 等. 不同经济发展阶段城镇用地扩张特征及其动力-以太仓市为例 [J]. 经济地理, 2013, 33(7): 155-162. [本文引用: 1] [Shu B R, Li Y L, Qu Y, et al. Urban land expansion characteristics and its forces under different stages of economic development: a case study of Taicang City [J]. Economic Geography, 2013, 33(7): 155-162. ] [本文引用: 1]
[52]	冯浩城, 杨青山. 基于遥感数据的建三江垦区城镇用地扩张时空特征及驱动力分析 [J]. 地理科学, 2017, 37(8): 1178-1185. [本文引用: 1] [Feng H C, Yang Q S.Spatio-temporal characteristics of urban expansion and its driving forces based remote sensing data in Jiansanjiang Reclamation Area [J]. Scientia Geographica Sinica, 2017, 37(8): 1178-1185. ] [本文引用: 1]
[53]	刘明. 一类新的多重共线性检验方法 [J]. 统计与信息论坛, 2012, 27(10): 14-16. [本文引用: 1] [Liu M.A new diagnosis approach of multicollinearity [J]. Statistics and Information Forum, 2012, 27(10): 14-16. ] [本文引用: 1]
[54]	游士兵, 严研. 逐步回归分析法及其应用 [J]. 统计与决策, 2017, 32(14): 31-35. [本文引用: 1] [You S B, Yan Y.Stepwise regression analysis and its application [J]. Statistics and Decision, 2017, 32(14): 31-35. ] [本文引用: 1]
[55]	覃文忠, 王建梅, 刘妙龙. 混合地理加权回归模型算法研究 [J]. 武汉大学学报(信息科学版), 2007, 32(2): 115-119. [本文引用: 1] [Qin W Z, Wang J M, Liu M L.Algorithm for mixed geographically weighted regression model [J]. Geomatics and Information Science of Wuhan University, 2007, 32(2): 115-119. ] [本文引用: 1]
[56]	Brunsdon C, Fotheringham A S, Charlton M.Geographically weighted summary statistics a framework for localized explanatory data analysis [J]. Computers, Environment and Urban Systems, 2002, 26(6): 501-524. [本文引用: 1]
[57]	Brunsdon C, Fotheringham A S, Charlton M.Geographically weighted regression: a method for exploring spatial nonstationarity [J]. Geographical Analysis, 1996, 28(4): 281-298. [本文引用: 1]
[58]	汤银才. R语言与统计分析 [M]. 上海: 上海师范大学, 2004. [本文引用: 1] [Tang Y C.R and Statistical Analysis [M]. Shanghai: Shanghai Normal University, 2004. ] [本文引用: 1]
[59]	容美平. 基于R的地理加权广义线性模型理论及应用研究 [D]. 广州: 暨南大学, 2011. [本文引用: 1] [Rong M P.Exploring the Theory and Application of Geographically Weighted Generalised Linear Models Based on R [D]. Guangzhou: Jinan University, 2011. ] [本文引用: 1]
[60]	杨中庆. 基于R语言的空间统计分析研究与应用 [D]. 广州: 暨南大学, 2006. [本文引用: 1] [Yang Z Q.Research and Application of Spatial Statistics Analysis Based on R [D]. Guangzhou: Jinan University, 2006. ] [本文引用: 1]
[61]	荣慧芳, 方斌. 基于重心模型的安徽省城镇化与生态环境匹配度分析 [J]. 中国土地科学, 2017, 31(6): 34-41. [本文引用: 1] [Rong H F, Fang B.Measurement of the matching degree between urbanization and ecology in Anhui based on barycenter model [J]. China Land Science, 2017, 31(6): 34-41. ] [本文引用: 1]
[62]	吕园. 区域城镇化空间格局、过程及其响应-以陕西省为例 [D]. 西安: 西北大学, 2014. [本文引用: 1] [Lv Y. Spatial Pattern, Process and Response of Regional Urbanization: A Case Study of Shaanxi Province [D]. Xi'an: Northwestern University, 2014. ] [本文引用: 1]
[63]	宋丽敏. 城镇化会促进产业结构升级吗-基于 1998-2014 年30省份面板数据实证分析 [J]. 经济问题探索, 2014, 37(8): 70-78. [本文引用: 1]
[15]	俞振宁, 吴次芳. 基于ESDA-GWR的浙江省土地城镇化空间特征及影响因素分析 [J]. 中国土地科学, 2016, 30(3): 29-36. [本文引用: 1]
[63]	[Song L M.Will urbanization promote the upgrading of industrial structure? Based on the empirical analysis of panel data of 30 provinces in 1998-2014 [J]. Inquiry into Economic Issues, 2014, 37(8): 70-78. ] [本文引用: 1]

安徽省土地城镇化空间分异特征及驱动因素识别

本站小编 Free考研考试/2021-12-29

Spatial differential characteristics and driving factors of land urbanization in Anhui Province

1 引言