The evolution and mechanisms of megalopolitan knowledge polycentricity of Guangdong-Hong Kong-Macao Greater Bay Area
MAHaitao通讯作者:
收稿日期:2018-05-15
修回日期:2018-11-2
网络出版日期:2018-12-20
版权声明:2018《地理学报》编辑部本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (5379KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
知识经济的时代背景与创新型国家建设的战略需求下,中国城市群的使命将会由经济高地向创新中心转向。中国的城镇化是影响21世纪人类社会发展的一件大事,中国的城市群又是国家推进新型城镇化的空间主体[1],因此发展条件较好的国家级城市群更应肩负起时代使命,引领国家的经济转型和创新发展,以更好地参与全球竞争。实际上,城市群的早期界定就特别强调其创新特征,法国地理学家戈特曼认为城市群具有新趋势、新知识和创新的孵化器功能,这种功能对习惯(habit)与稳定性是一种挑战,能使城市群充满活力,在全球的地位更加重要[2,3]。之后,城市群内部城市之间的创新和创意活动及其耦合交互关系也引起关注[4,5],中国著名城市群研究专家姚士谋在《中国城市群》一书中专门探讨过高新技术产业对城市群的作用,认为高新企业的关联可以促进城市群城市网络的形成并增强创新竞争力[6];陆天赞等对美国东北部城市群与长三角城市群的创新网络进行了对比研究,发现美国东北部城市群呈现“多中心”复杂网络组织与长三角的“单中心”简单网络结构呈鲜明对照[7]。然而,现有城市群创新网络的研究,特别是针对国内城市群的研究十分欠缺,亟待开展。“多中心性”和“多中心主义”作为理解城市区域空间结构的新手段和新视角,近年来得到城市区域研究和规划界较多关注[8,9,10,11],也可为城市群创新网络研究提供新思路。多中心的概念最早可以追溯到现代城市规划的早期历史,作为一种分析性的描述被霍华德、格迪斯以及芒福德等论述,其初衷是利用多中心的空间结构疏散单中心结构过度集中的人口和经济活动[12,13,14]。霍尔在《世界城市》一书提出将阿姆斯特丹、海牙、乌特勒支和鹿特丹共同组成多中心的都市区与伦敦、纽约竞争[15]。多中心概念得到广泛研究,是在欧盟区域发展基金出资开展“欧洲多中心巨型城市区域可持续发展管理”(POLYNET)国际合作项目之后,该项目运用通勤客流和高端服务流对西北欧8个城市群的功能网络及多中心特征进行了研究,在欧盟空间规划和政策制定中发挥了重要作用。此后,美国把多中心列入“美国2050远景规划”重大议题[16];中国特大城市空间规划广泛应用多中心概念[17],国内研究者也对中国城市群的多中心网络特征进行了实证研究[18,19,20]。然而,现有研究多用人口规模、交通流和企业关系开展城市群的多中心测度,对城市群创新网络及其多中心的关注还不够。Li等对长三角城市群的知识多中心性及其演化进行了探讨,发现长三角城市群的知识生产和知识合作正走向更加多中心的空间结构,在城市群尺度担负起了知识孵化器的作用,而在国家尺度又展示出知识合作枢纽的角色,该研究为城市群的知识创新网络结构研究领域打开了局面[21,22]。
国务院2017年《政府工作报告》提出要研究制定粤港澳大湾区城市群发展规划以后,粤港澳大湾区城市群的发展上升到国家战略,将目标定位在带动国家经济发展及建设世界级湾区城市群上,并强调提升协同创新能力。基于国家的战略目标,在现有长三角城市群知识多中心的研究基础之上,本文选择具有“一国两制”独特政治体制特征的粤港澳大湾区城市群为研究对象,运用多中心性测度方法和国际期刊论文合著数据,探讨粤港澳大湾区城市群的属性多中心和不同空间尺度的功能多中心的演化特征。本研究一方面有助于深刻认识知识经济时代城市群区域知识多中心性的地理特征和尺度规律,另一方面有助于深入理解“一国两制”情境下粤港澳大湾区城市群知识多中心性的演进过程和形成机制,并可为粤港澳大湾区城市群构建多中心发展格局及制定协同创新战略提供参考。
2 研究设计
2.1 研究区域
本文选择以粤港澳大湾区城市群(Guangdong-Hong Kong-Macao Greater Bay Area Megalopolis, GBA)为研究对象,其范围包括广东省的广州、深圳、佛山、东莞、惠州、肇庆、珠海、中山、江门9个地级市(即珠三角城市群① (①珠三角城市群是中国的五个国家级城市群(京津冀城市群、长三角城市群、珠三角城市群、长江中游城市群和成渝城市群)之一[1],2016年GDP总量为67905.33亿元,占全国的9.13%,仅次于长三角和京津冀,排名第三。))和香港、澳门两个特别行政区,共11个城市组成(图1)。珠三角城市群与香港、澳门具有紧密的地缘、商缘和人缘关系[23],使得这些城市实际上构成了一个存在紧密联系的次国家跨境的城市区 域[24]。然而,虽同属一个主权国家,但港澳同珠三角之间又存在一条历史原因遗留下来的境界线,形成了“一国、两制、三个关税区”的独特管理格局。三地存在政治制度、法律体系和行政体系的差异,这些体制隔阂相比省界、市界给城市间联系带来更多障碍。这一区域被认为是“世界最具活力的经济区域之一”[25],区域内部的体制障碍及其跨界管治和城市间经济联系是研究者关注的两个焦点问题[26,27]。近年来,国家政府积极推进粤港澳合作,粤港澳大湾区建设写入“十九大”报告,纳入国家战略,提出建设世界级湾区城市群,粤港澳大湾区城市群再一次成为关注焦点[28,29]。显示原图|下载原图ZIP|生成PPT
图1粤港澳大湾区城市群范围示意图
-->Fig. 1Guangdong-Hong Kong-Macao Greater Bay Area
-->
2.2 数据选取及获取
所谓知识,是由前人经验积累形成的、抽象的、传达概念的一种形式,有隐性和显性之分。知识生产是一种隐性和显性知识相互作用、相互转换的知识创造过程[30],相比物质的生产和交换,知识的转移和交流并未造成转出方的损失,且有益于双方知识的累积增长,并可激发新知识的产生[31]。显性知识与隐性知识无法真正区分,往往相伴而生,而且隐性知识难以测度,因此,本文以显性知识为载体探讨知识联系。显性知识的表征常采用的是论文[21-22, 32]和专利[33,34],由于粤港澳大湾区城市群跨境的合作专利量相对较少,难以表征城市群知识联系的全局特征,相比而言,合作论文比合作专利数据更充足,可获得性较强,因此选择使用论文发表来表征城市的知识生产,用合作论文反映城市间知识联系。与相关研究[21, 32, 35]保持一致,本文使用“Web of Science”(WOS)核心合集数据库而不是中国国内数据库,主要原因为:① WOS核心合集数据库是世界上最具权威和影响力的数据库之一,收录范围广、质量高,能够反映较高水平的知识生产和合作;② 中国一直致力于提高研究成果的国际知名度,中国作者在WOS的出版量显著增加[36,37];③ 为了比较不同地理尺度的知识联系,从WOS可以获得区域、国家和全球3种地理尺度的合作论文数据,而中国国内数据库以中文为主,难以获取全球尺度的合作论文数据。
为了反映GBA城市与不同地理尺度主要城市间的知识合作,需要筛选确定国家尺度和全球尺度的城市。结合中国国土地域辽阔的特征,参考同类研究不同地理尺度城市的选取方法[21],这里国家尺度城市选取了49个,基本涵盖了所有省会和直辖市等国家重要知识城市②(②选取国家重要知识城市采用了Li等[21]的标准,即WOS发文量在500篇以上的城市,便于开展对比。);全球尺度的城市使用Taylor等所评选出的123个全球城市[38]和Matthiessen等所评选的TOP 30全球科学知识中心城市[39];最后叠加确定了132个全球主要知识城市。
为了深刻认知粤港澳大湾区城市群知识多中心性的演化过程,考虑到香港和澳门分别在1997年和1999年回归的时间节点,便于对比回归前后多中心性及网络格局的变化,将时间尺度定为1990-2016年,共27个年份。因此本文的基础数据为11个城市27年的发文量,以及11个城市之间、11个城市同49个国内知识城市和132个全球知识城市27年的论文合作数量,共11×(10+49+132)×27 = 56727个数据③(③数据来自于WOS网站,综合采用了地址和邮编等城市的位置信息进行搜索,并对拼写相同的城市等问题进行了排查修正。)。总体看,GBA所有城市发文量从1990年的1352篇持续增长至2016年56868篇,增长了42倍,年均增长15.47%(图2)。
显示原图|下载原图ZIP|生成PPT
图21990-2016年粤港澳大湾区城市群国际期刊论文发表总量的增长演变
-->Fig. 2Number and growth rate of GBA's WOS publications, 1990 to 2016
-->
2.3 测度方法
知识多中心被定义为一个区域的知识生产及区域内外知识合作的多中心结构[21],因此知识多中心可进一步划分为属性多中心和功能多中心,类似于Burger等所提出的形态多中心和功能多中心[40]。这里,属性多中心性反映城市群内部知识生产在各城市间分布的差异;而功能多中心性则反映各城市同城市群内外城市开展知识合作的分布差异。多中心性的测度通常采用位序—规模(rank-size)的方法[9, 40]。在本文的测度中,由于1990-2000年间多个城市的合作论文数据为0,致使多个城市处于同一位序,造成斜率不能真实反映多中心程度。因此,参考Li等的做法[21],选择使用基尼系数测度多中心性。基尼系数作为衡量区域差异与集中程度的经典指标被广泛使用。这里按年份分别用洛伦兹曲线与绝对平均线所围合的面积除以绝对平均分布时下半三角形的面积比来计算基尼系数,用于反映各年知识生产和合作在城市群区域的集中程度。基尼系数越高表示区域差异越大,多中心越不明显。为了使指标数值变化与多中心程度变化呈现出同向的变动趋势,对基尼系数取负值再加上1,使得数值变动范围处在[0, 1]区间内。为了刻画GBA城市的知识生产能力差异,用各城市的发文数求取基尼系数,以衡量GBA知识生产能力的多中心程度,公式如下:
式中:DPF为属性多中心度;GF为GBA各城市发文量的基尼系数。
测度功能多中心性,分别用GBA城市与城市群尺度城市、国家尺度城市和全球尺度城市的合作论文量求取基尼系数,公式如下:
式中:DPA为功能多中心度;GA为GBA各城市在不同尺度的合作发文量的基尼系数。
当DPF/DPA等于0时,区域内城市之间差距最大,单中心程度最高;当DPF/DPA等于1时,区域内城市处于均衡状态,多中心程度最高。
3 GBA知识多中心的演化过程
选择香港、广州和深圳3个核心城市(表1)来测度GBA城市群的属性多中心度和功能多中心度④(④对于城市网络而言,核心城市的增长同外围城市的增长存在紧密联系,核心城市主导了城市群的多中心程度,因此用少数几个核心城市测算多中心,实际上并没有忽视外围城市。Meijers认为“多中心的测度并不需要考虑所有城市,单或多中心的程度一般是根据少数几个大城市的规模和空间分布来判断”[9];Li等在测度长三角城市群多中心性时选择了上海、南京、杭州和苏州4个核心城市[21]。本文选择这3个城市的原因:首先从排名来看,前3名城市相对固定,而第4名城市一直处于变化之中;其次,第4名不论是在形态上还是在功能都占据了较小的份额,难以称之为核心城市;第三,前3名拟合程度优于前4名,所得出的基尼系数更为准确。),表2显示这3个城市不管是发文量还是在不同地理尺度上的合作发文量,都在城市群中占据了很高的比重。图3是对GBA城市群1990-2016年间的属性多中心度和在不同地理尺度上的功能多中心度的测度结果。Tab. 1
表1
表1“一国两制”情境下GBA的核心与非核心城市划分
Tab. 1Core cities and non-core cities in GBA in the context of one country and two systems
核心城市 | 非核心城市 | |
---|---|---|
内地 | 广州,深圳 | 佛山,东莞,惠州,肇庆,珠海,中山,江门 |
特别行政区 | 香港 | 澳门 |
新窗口打开
Tab. 2
表2
表21990-2016年前三位城市(广州、香港、深圳)的发文量与合作论文量及占城市群总量的比例
Tab. 2The top three cities’ publications and co-publications at different geographical scales and their respective shares to the GBA's total, 1990 to 2016
年份 | 发文量 | 城市群尺度 | 国家尺度 | 全球尺度 | |||||||
---|---|---|---|---|---|---|---|---|---|---|---|
篇数 | 占比(%) | 篇数 | 占比(%) | 篇数 | 占比(%) | 篇数 | 占比(%) | ||||
1990 | 1350 | 99.85 | 34 | 100.00 | 62 | 100.00 | 154 | 98.09 | |||
1995 | 3133 | 99.15 | 18 | 100.00 | 273 | 97.50 | 485 | 96.61 | |||
2000 | 8742 | 99.14 | 306 | 94.44 | 1687 | 99.00 | 1330 | 99.11 | |||
2005 | 14628 | 97.23 | 817 | 94.12 | 4043 | 97.87 | 2521 | 98.40 | |||
2010 | 25895 | 95.58 | 2828 | 89.95 | 10163 | 96.12 | 6764 | 98.13 | |||
2015 | 46573 | 92.09 | 10022 | 83.95 | 26542 | 92.89 | 26783 | 96.83 | |||
2016 | 51928 | 91.31 | 11680 | 82.52 | 30215 | 91.58 | 31115 | 95.85 |
新窗口打开
显示原图|下载原图ZIP|生成PPT
图31990-2016年GBA功能多中心和属性多中心比较
-->Fig. 3Degree of attribute polycentricity and functional polycentricity at different geographical scales of the GBA's knowledge system, 1990-2016
-->
3.1 属性多中心性的演变
GBA的属性多中心性在1991-1994年间有所下降,之后表现为持续增长(图3),从1994年0.2788上升到2016年的0.7743。这表明GBA城市群知识生产的多中心程度越来越高,广州和深圳的论文发表量与香港的差距在不断的缩小。图4展示了GBA所有城市发文量的结构变化,可以清晰反映出GBA知识生产多中心性增强的内部原因。香港“一核独大”是前期的突出特征,但这种格局不断发生改变,目前阶段已经发展为香港、广州、深圳“三足鼎立”、其他城市“涓流成溪”的新格局。香港是GBA发表国际期刊论文的领跑者,占城市群发文总量的比重最高时达到了95.86%(1994年)。虽然在区域中的地位表现出持续下滑的态势,但对城市群知识生产的历史贡献无可替代。广州发文量的持续快速增加是GBA知识生产格局演变中的又一突出特征(与香港持续减少成鲜明对照),是区域属性多中心提升的关键力量。广州2012年发文量首次超越香港,此后便完全替代香港,成为了区域知识生产新的首位城市。广州2016年的发文量达到香港的1.3倍,占城市群总量的42.78%。深圳的追赶与崛起是GBA属性多中心变化中的又一股力量,2016年的发文量接近香港的一半,占城市群总量的15.91%(2000年仅为0.78%),俨然已经成为GBA知识生产的新增长极。尽管目前仍与广州和香港存在较大差距,但可以预判这种趋势下深圳在城市群知识生产中的地位还会进一步提升。显示原图|下载原图ZIP|生成PPT
图41990-2016年GBA所有城市国际刊物发文量的结构演变
-->Fig. 4Share of GBA cities' WOS publications to the GBA's total, 1990 to 2016
-->
香港高等教育的国际化程度使香港在回归之前就奠定了在GBA知识生产格局中的优势地位。澳门虽然同香港一样属于特别行政区,实行“一国两制”和具有较高国际化程度,但因体量较小,在GBA知识生产中的地位并不突出。广州的国际期刊发文量及占比快速增加,受Andersson等对中国科学知识的空间政治偏向及省际边界效应的研究启发[35],这或许得益于广州作为省会城市在科研机构、研究人员和科研经费等方面的优势。深圳是中国的经济特区,具有紧邻香港的区位优势,在2000年前后建设大学城、虚拟大学园并通过与中国内地和香港名校合作的方式致力发展高等教育和科学研究,这使得深圳的知识生产能力及区域地位得到极大提升。其他城市在GBA知识生产中的地位都较低,但从发展上看在城市群中的地位(所占比例)都有微弱增加的态势。
3.2 不同空间尺度的功能多中心性演变
3.2.1 城市群尺度 GBA内部城市间的国际期刊论文合作在20世纪90年代才刚刚起步,2000年时全部合作论文仅300余篇,2000年之后快速增长。这些合作主要集中在香港、广州和深圳三城之间,但三城合作量占城市群的比重不断降低,从2000年的94.44%降低到2016年的82.52%(表2)。测算结果显示,在城市群尺度的功能多中心性大大提升,从2000年的0.66上升到2016年的0.96(图3)。从图5a可以看出,在城市群尺度的合作中,香港和广州呈现出“携手共进”或“齐头并进”的态势,深圳则步步紧跟;表明这3个城市实际上已经建立了稳定的知识同盟关系,实现了3个城市的同步增长,基本实现了从双核心(香港、广州)向三核心(香港、广州、深圳)的转变。从具体数据看,城市群尺度功能多中心性的提升主要源于深圳同香港合作的快速发展。2004年深圳的首位合作城市由广州变为香港;2014年深圳取代广州成为香港的首位合作城市⑤(⑤2014年香港中文大学深圳校区正式设立,这种合作模式极大推动了香港和深圳的科学研究合作。);深圳与香港虽然存在体制障碍,但地理邻近性所带来的知识跨界合作超越了制度邻近性下产生的省内知识合作,显示出深圳合作倾向的转变。然而这并不意味着境界所隐喻的体制障碍的消失,仅反映了香港与(特区)深圳的特别关系。实际上广州同境内8城建立了更广泛的合作,而不是像香港一样主要同少数高等级城市建立联系。2016年香港同广州、深圳的合作量占香港全部合作量的96.27%,而广州同香港、深圳的合作量仅占广州全部的67.17%。显示原图|下载原图ZIP|生成PPT
图51990-2016年各城市在不同尺度的合作发文量
-->Fig. 5Number of GBA cities' co-publications at different geographical scales, 1990-2016
-->
3.2.2 国家尺度 在国家尺度上的功能多中心性表现出波动增长的态势,在发展同国内城市科学合作的不同阶段出现了“一核极化加强”和“多中心程度增强”的反向交替特征。2000年之前出现过两次极化过程;2000年后多中心性增长较为明显,多中心度从2000年的0.41增长到2016年的0.81(图3)。3个核心城市同国内城市的合作发文量占GBA所有城市同国内城市合作发文总量的占比从2000年的99.00%降低到91.58%(表2)。图5b展示了GBA所有城市同国内城市合作发文量的变化情况,可以看出香港作为首位核心城市的地位被广州取代,转折点是2010年,之后的阶段香港与广州的差距越来越大。在国际期刊论文合作上,香港在前期同国内城市的合作上占优,但广州在后期快速发展并实现超越,这显然得益于它同这些城市具有相同的科研体制,与Zhang等的研究结论“拥有相同背景的行为者在进行知识共享时可能会更容易”相一致[41]。推动在国家尺度上功能多中心性增长的,一方面是广州的追赶和超越,另一方面则是深圳的快速发展。深圳与香港的差距,2011年是3786篇,2016年缩小到3049篇。在同国内城市的知识联系上,广州和深圳的制度邻近优势相比香港更为显著。
3.2.3 全球尺度 GBA城市在发展同全球科学城市的知识合作中,3个核心城市的作用更为突出。从表2的占比上看,三城占比虽然不断下降,但2016年的历史最低值仍高达95.85%。在全球尺度上的功能多中心性经历了1990-2000年间的徘徊阶段、2000-2011年间的提升阶段和2011年后的下降阶段,多中心度从2000年0.31增长到2011年的0.68后又降低到2016年的0.64(图3)。在全球联系中,香港长期占据主导地位,引领了GBA面向全球城市的知识合作;而且在2013年后又表现出加速增长的态势,进一步拉大了与广州、深圳的距离。广州积极发展同全球城市的知识合作,试图更大程度地发挥在全球尺度的对外联系功能,曾经一度(2012年和2013年)超过香港成为GBA的首位核心城市,但最终又被香港反超(图5c)。深圳同全球城市的知识联系明显弱于香港和广州,表明其承担GBA城市群在全球尺度的对外知识联系功能还不够显著。
3.3 多中心性的比较
比较属性和功能多中心以及不同地理尺度的功能多中心性,有助于更好地理解城市群知识生产和知识联系的多中心结构特征。3.3.1 不同地理尺度的功能多中心比较 比较图3中的3条功能多中心性曲线,发现地理尺度越大,功能多中心性会越小;图6也显示出城市群内部城市间知识合作结构具有最高的多中心性,之后依次是城市群的城市与国家尺度的城市合作、城市群的城市与全球尺度的城市合作。这是Hall、Taylor、Hanssens、Li等在不同研究中的相同发现[21, 38, 42-43],也是本研究的结果。这或许与城市群内部的城市等级及其功能分工有关,承担全球功能的核心城市在全球尺度上相比国家尺度和区域尺度具有更高的极化和控制能力,因此全球尺度的功能多中心性会比另两个尺度低。就GBA而言,香港作为GBA城市群面向全球知识合作的功能枢纽,相比其他城市在全球联系上具有更高的控制力。
显示原图|下载原图ZIP|生成PPT
图6GBA城市在不同尺度合作中的合作论文增长
-->Fig. 6Growth of GBA cities' co-publications at different geographical scales at three time points
-->
3.3.2 属性与功能的多中心性比较 GBA的属性多中心度略低于国家尺度的功能多中心度,略高于全球尺度的功能多中心度。这表明GBA的次核心城市⑥(⑥GBA城市群中的次核心城市是指排名第2和第3位的核心城市。在不同年份和方面的排名中,次核心城市所指并不一致。)在城市群内部知识生产中的地位弱于同国内城市知识合作的地位、强于同全球城市知识合作的地位。这与长三角城市群(YRDR)知识多中心性的研究结果不同,长三角城市群的属性多中心度在2001-2011年间既高于全球尺度也高于国家尺度[21]。这表明GBA的次核心城市(2000-2016年间有13个年份的次核心城市是广州和深圳)同国内城市的知识合作角色相比长三角城市群的次核心城市(南京、杭州、苏州)同国内城市的知识合作角色相对而言要强一些,与核心城市(香港)的差距相对弱一些。这或许与GBA城市群内部港澳与珠三角之间存在境界线及体制障碍有关,广州也因此在国内城市知识联系中从次核心城市上升为首位核心城市。
3.3.3 不同阶段的多中心性比较 从较长时间段来看,不管是功能多中心还是属性多中心,GBA的多中心度既有下降、也有上升的时段。多中心度下降意味着首位核心城市进一步极化,控制力加强;多中心度上升意味着次核心城市的加快发展,缩小了同首位核心城市的差距。首位核心城市和次核心城市竞相发展,推动了GBA总体的多中心性向更高水平发展。从图3中可以看出,1990-2000年间的多中心性总体有所下降或保持平稳;2000-2010年间的多中心性均保持较快增长;2010-2016年间的多中心性出现分化,城市群尺度快速增长、国家尺度平稳增长、全球尺度反向增长。图7则直观展示出各城市在3个时段的论文合作情况,可以看到广州国内尺度联系的快速增长并在2014-2016时段超过香港,香港国内尺度的联系2014-2016阶段比2004-2006阶段减少,但全球尺度保持了快速增加。可见,GBA多中心性的发展是一种具有周期性的、渐进增长的过程。需要长期的观测,才能清晰地认识多中心所处状态和发展方向。
显示原图|下载原图ZIP|生成PPT
图7不同时段GBA城市合作论文的分尺度比较
-->Fig. 7Comparison of GBA cities' co-publications at different geographical scales at three time periods
-->
4 GBA知识多中心的演化机制
4.1 网络结构演化的推动
为了深入理解GBA功能多中心性变化的内在原因,以及进一步探讨核心城市所发挥的轮轴/枢纽作用,绘制了3个时间段的城市间知识合作网络图(图8)。研究过程中,构建了1990-2016年间27个年份的城市间知识联系矩阵,但为了更为清晰地反映网络的主体结构及其变化特征,选择3个年份段1994-1996年、2004-2006年、2014-2016年。这样选择的考虑:① 20世纪90年度初期GBA城市的国际期刊发文量比较少,为避免数量太少无法反映网络结构特征,没有选择前几年的论文合作;② 香港1997年回归中国、澳门1999年回归中国,为了便于比较香港、澳门回归前与回归后的差别,选择了回归前的1994-1996年作为参考;③ 为了平滑单一年份合作发表论文可能产生的突变,选择3年合作量的平均值;④ 为了反映网络主要结构(线条太多会显得杂乱,掩盖主要联系),每个年段都选了一个切分值(分别为5、30、180);⑤ 为了不掩盖城市间的真实联系和城市对外合作实际量,图中线条粗细和点大小反映的是实际量,而不是区间;⑥ 为了反映城市在不同地理尺度的枢纽功能,将所有城市按全球尺度、国家尺度和城市群尺度进行区分。显示原图|下载原图ZIP|生成PPT
图8GBA城市与不同地理尺度城市的知识合作网络演化图
注:图例中知识联系用城市间论文合作量(篇)反映;节点中心度用城市对外论文合作量(篇)反映,即一个城市与文中所选其他191个城市的合作论文总量;以上数据均为3年平均值。
-->Fig. 8The evolution of GBA's knowledge networks at different geographical scales
-->
依据3个时段的城市间知识合作网络,可以得出不同时期GBA城市群在不同尺度上的知识联系格局特征,通过比较3个时段网络格局可以揭示其多中心性演化的内在成因。
(1)1994-1996年期间:GBA的知识合作网络以香港为绝对核心,香港的对外论文合作量占全部合作的84.31%。广州的个体网络完全处于香港的个体网络中。同全球知识城市的合作基本上是由香港建立的。同国内知识城市的合作主要发生在香港和广州,分别占GBA所有城市同国内城市合作量的77.00%、20.57%。城市群内部的主要合作发生在广州和香港之间。可见,港澳回归之前,香港承担着这一时段GBA对接全球和国家知识城市的核心职能,广州仅分担了小部分对接国家知识城市的职能。
(2)2004-2006年期间:GBA的知识合作网络仍是以香港为绝对核心,广州仍处于香港的个体网络中,但香港的核心地位有所下降,香港对外知识合作量占全部合作的比重降至64.83%。同全球知识城市的合作中,广州开始发挥作用,但相对香港仍微不足道。国家尺度方面,同香港联系的国内城市有半数以上也同广州发生了联系,北京仍是合作的首位城市。城市群内部的主要合作仍发生在香港和广州之间,相比1994-1996年时期的最大变化是深圳的出现,它与广州和香港建立了新的三角关系。香港仍承担着这一时段GBA对接全球和国家知识城市的核心职能,但广州的地位开始提升,深圳加入了核心城市之列。可见,港澳的回归推动了珠三角城市同港澳的科学合作,也助推了珠三角城市(特别是广州、深圳)同全球知识城市和国家知识城市在国际期刊上的知识联系。
(3)2014-2016年期间:GBA的知识合作网络结构发生显著变化,香港的绝对核心已被广州撼动,香港仍是GBA对接全球知识城市的首位核心城市,但对接国内知识城市的首位核心被广州替代,香港和广州作为GBA的枢纽职能出现了明确分工。同全球知识城市的合作中,香港与全球知识城市的合作占GBA所有城市的50.23%(广州为39.22%);同国内知识城市的合作中,广州与国内知识城市的合作占GBA所有城市的44.12%(香港为29.90%)。图8c中可见,在全球尺度上,广州除了同美国城市匹兹堡单独联系外,其余联系均处于香港的个体网络中;国家尺度上,香港除了同苏州单独联系外,其余联系均处于广州的个体网络中。城市群内部的知识合作进一步加强,澳门、佛山和东莞进入了合作量超过180篇的联系网络中。深圳同香港的联系成为内部联系中最强的一条,深圳也开始承接一小部分对接全球和全国知识城市的功能,成为很具潜力的核心城市。
比较3个时期的网络结构,可以看到城市间科学合作网络加速发展的过程。广州、深圳的渐次崛起和新的重要知识城市的出现是城市群尺度知识网络格局演变的重要特征;国内知识城市从以香港为绝对合作伙伴城市转向以广州为绝对合作伙伴城市是国家尺度知识网络格局演变的重要特征;全球知识城市正在改变以香港为绝对合作伙伴城市的格局,开始向广州、深圳等GBA核心城市渗透(反言之,广州和深圳等城市不断增强在GBA对全球尺度知识联系中的地位和作用),是为全球尺度知识网络格局演变的重要特征。总之,GBA城市在国家和全球尺度功能分工的深化和新核心城市的成长是GBA功能多中心性增加的直接原因。
4.2 驱动机制分析
城市间知识网络结构的变化是GBA多中心演化的直接原因,那么推动网络演化进而驱动多中心演化的动力和作用机制是什么?研究认为,GBA多中心的演化,是受地理接近、制度接近和等级接近的影响,在全球、国家和区域不同空间尺度上及不同尺度之间,特别是GBA内珠三角和港澳跨境之间,通过研究人员移动、科研单位联动和政府政策推动及其行动主体间的相互作用实现的。GBA次核心城市知识存量与合作量的快速增长、内部城市间特别是跨境城市间科学合作网络的增密、以及广州和香港发挥国家和全球知识枢纽功能作用的演替,直接推动了知识多中心的演化(图9)。显示原图|下载原图ZIP|生成PPT
图9GBA多中心演化机制示意图
-->Fig. 9The mechanisms behind the evolution of knowledge polycentricity of GBA
-->
政府机构方面:对跨境的城市群而言,政府政策是主导力量,影响着科研机构和研究人员的行动,进而作用于知识网络及其多中心发展。① 港澳回归祖国之后,国家政府不断推动港澳和内地的经济合作和文化交流,并逐步重视科研的交流合作。特别是2003年内地与香港、澳门特区政府分别签署了《关于建立更紧密经贸关系的安排》(简称“CEPA”),开创了跨境制度性合作的新路径,也为港澳同内地的科研合作创造了条件。② 广东省身处前沿,同香港、澳门共建粤港合作联席会议和粤澳合作联席会议制度,推动粤港、粤澳开展包括科研合作在内的多方面合作交流。③ 珠三角各城市政府也在港澳合作方面积极行动,在科研合作方面最突出的是深圳市。例如,深圳与香港政府2004年启动高等教育合作[44],2007年签署《深港创新圈合作协议》,2017年共同打造“深港协同创新中心”,推动了深圳知识新核心的崛起。
研究人员方面:科研合作是研究人员之间的合作,研究人员是知识网络及其多中心演化的根本力量。研究人员之间的合作虽发生在个人之间,但受到政策设计的影响。粤港合作联席会议2001年第四次联席会议把人才培训和交流列为重要合作领域[45];粤港澳三地2012年联手建立了“粤港澳人才合作示范区”;这些政府政策都推动了三地间的人才流动,具体合作方式有学术交流、合作研究和异地兼职等。在人才流动性增加的背景下,广州和深圳加大了人才培育和引进力度,使得两市人才储备快速增长,是GBA属性多中心增加的重要推力之一。
科研单位方面:作为落实政策的主体和研究人员的依托,科研单位是知识网络构建与演变的重要支撑和中坚力量。① 广深二市新增一大批科研机构,缩小了与香港的差距。广东省高等学校由1995年的42家增长到2016年的149家,其中广州由25家增长到82家,深圳由2家增长到12家[46,47,48]。② 广深二市在异地新建或承接科研机构上大做文章,极大推动了异地科研合作。广州的中山大学和暨南大学等在深圳、珠海建立分校区,华南理工大学工程研究院在珠三角多个城市建立分院[49]。深圳承接了香港6所国际知名高校建设的分支机构[50],密切了深港科研关系。③ 深圳联合共建科研机构,主动发挥GBA对外知识枢纽功能。自1996年深圳市政府和清华大学共建清华大学深圳研究院以来,已有30余所GBA以外的内地知名高校或研究机构进入深圳虚拟大学园建立分支机构,俄罗斯莫斯科大学、美国加州大学伯克利分校等国际知名高校分支机构也落户深圳。
制度接近、地理接近和等级接近不同程度地作用于城市知识网络构建和多中心性演化。广州的发展激发了香港依托体制和国际化优势(与全球知识城市的制度接近)发挥更大的全球尺度枢纽功能;香港的发展通过城市间联动带动了广州、深圳在全国尺度和全球尺度上发挥功能,激发广州发挥体制优势(与国家知识城市的制度接近和等级接 近[51])增强了在国家尺度的功能;香港、广州和深圳3个核心城市建立了合作同盟(发挥同一城市群的地理接近优势),形成相互促进、彼此关联的关系,激发了所有城市依托自身的独特优势、寻找自己的合适定位、发挥更专长的职能,最终使GBA城市群的知识生产成为了一个密不可分的整体。研究表明,虽然粤港澳大湾区城市群是一个存在制度差异和体制隔阂的城市群,内部的境界线给三地城市间建立创新联系带来各种障碍,但在港澳回归祖国及CEPA的推进下,港澳同珠三角的关系更加密切,其知识网络的多中心性和融合度总体不断提升。
5 结论与讨论
采用基尼系数测度多中心性的方法,使用WOS核心合集数据库中城市出版论文和城市间合著论文矩阵数据,对粤港澳大湾区城市群的知识多中心的演化过程与机制进行了研究,得到以下结论:(1)GBA城市群知识多中心性程度在波动中增长的趋势十分明显,同时表现出明显的阶段性特征。在GBA城市群知识生产总量(发文量)保持持续快速增长的情境下,其多中心性程度同样表现出增长趋势;但与知识生产总量持续增长不同的是,多中心性的增长呈现出阶梯式增长特征,即1900-2000年、2000-2010年和2010-2016年3个阶段的多中心性程度渐次增高,而各阶段又存在明显差异。这3个阶段的多中心性分别表现出波动、增长和分化的特征。这表明功能多中心性的演化同样具有尺度敏感性,演化趋势特征脱离不开自身空间尺度。城市群尺度的功能多中心性可能会不断趋近最大值,但全球尺度的功能多中心性波动发展中不会突破一条不确定的“红线”,只有少数城市能够发挥城市群轮轴/枢纽作用的格局难以改变。
(2)功能多中心性的尺度规律得到进一步证实。城市群内部城市间、内外城市间的联系发展以及核心城市作为对接国家和全球的枢纽作用,使得城市群区域存在不同空间尺度的功能多中心性。Nadin等认为功能多中心性具有尺度敏感性[52],在一个尺度上看是单中心,但在另一个尺度可能是多中心的。Hall等[42]和Talyor等[53]发现欧洲多中心城市区域在不同空间尺度上存在功能多中心的差异[42, 53]。Li等发现长三角城市群在区域、国家和全球尺度上的功能多中心性程度递减[21]。对GBA城市群的功能多中心性研究结果进一步证实了“地理尺度越大其功能多中心性越小”的规律性。当然,这一规律性还需要在不同全球化程度的城市群区域开展更多的实证检验,并持续关注。
(3)知识多中心的演化是研究人员、科研单位和政府机构共同作用的结果。受地理接近、制度接近和等级接近的影响,GBA城市在同区域内部城市、国家城市和全球城市建立科研联系时,会尽可能发挥自身地理优势、制度优势和等级优势,进而产生了不同核心城市在不同地理尺度上的知识多中心功能差异。然而,核心城市在形态多中心程度和功能差异化发展过程中,又相互促进、彼此关联,共同构成了知识合作与创新同盟,为粤港澳大湾区城市群全面协同创新奠定了良好基础。
(4)城市间知识联系不同于其它类型联系所构建的城市网络,其多中心性存在特定的现实隐喻。由于知识流具有自身独特属性,知识转出方的知识存量并不减少,而且交流双方都可能会受到激发并产生新的知识[32]。因此,知识网络多中心性程度越高,表明交流越频繁越深入,对双方城市都有正面影响,还会促进区域的知识创新与增长。知识的交流,特别是高水平的知识交流具有更大的跨越界限障碍的能力,这种交流相比物质流、资金流受体制的限制相对较小,且可能会对物质流、资金流产生正向影响。研究结果表明了GBA城市群知识网络在向着区域科学创新共同体的方向快速发展。GBA知识网络多中心性研究还可为其他类型(流)网络的多中心性研究提供参照,共同助力于粤港澳协同创新区的建设。
本文也存在局限和进一步研究的空间。① 知识具有多种类型,科学知识的载体不只有论文,而且代表技术知识的专利[33]以及高技术人才[54]、高技术企业对城市间知识交流的影响也很重要,都值得研究,特别是GBA的技术合作更需要加强研究;② 用国际期刊有助于探讨全球尺度知识网络的功能多中心,但会降低国家尺度和区域尺度功能多中心性的精准度,因此还需要探讨如何结合国际和国内期刊开展研究;③ 知识网络演替过程中核心城市的功能角色都发生了变化,其背后动力机制的研究有助于启发城市的创新实践;④ 如何推动粤港澳大湾区城市群知识多中心的健康发展,进一步推动科学研究的跨境融合和协同创新,也需要在系列研究基础上给出针对性政策建议,以更好服务于粤港澳大湾区的协同创新发展进程。
致谢:感谢2017年中国科学院大学生创新实践训练计划“珠三角湾区城市群的科学合作网络与功能多中心测度”项目的支持,及项目团队中山大学的覃小菲、陈楷锐、黄婷婷、杨静銮、庄林冰和西南大学的廖莹、杜彧、肖寒风等同学在数据收集整理方面的辛苦工作!
The authors have declared that no competing interests exist.