1. 中国海洋大学 环境科学与工程学院, 山东 青岛 266100;
2. 中国海洋大学 管理学院, 山东 青岛 266100
收稿日期：2020-09-01
基金项目：国家自然科学基金资助项目(71603142)；山东省社会科学规划研究项目(19CXSXJ05)。
作者简介：王雨枫(1989 -)，男，四川绵阳人，中国海洋大学博士研究生;
曹洪军(1957-)，男，山东潍坊人，中国海洋大学教授，博士生导师。
摘要：为了探究东北地区城市扩张无序与经济发展缓慢的症结, 基于DMSP, VIIRS夜间影像与城市统计数据, 以哈长-辽中南城市群172个区县构建了城市扩张热点等指数, 定量揭示了城市群时空扩张路径及驱动因素.结果表明: 城市群扩张在2005—2009年期间达到了高峰, 之后扩张速率持续下降, 中心城市资源集中, 次中心城市发展乏力; 城市群扩张整体表现为环哈长-大庆及辽中南经济带为中心的向心集聚特征, 其西部比东部扩张快, 南部比北部扩张快; 城市群扩张的驱动因子整体上以第一、二产业，人口及GDP为主.从时空趋势看, 产业结构调整、人口流失及经济增长疲软等是城市扩张变化的主要影响因素.研究结果可为哈长-辽中南城市群未来发展的规划提供参考.
关键词：夜间灯光城市用地扩张驱动因素区域协同发展哈长-辽中南城市群
Spatial-Temporal Characteristics and Driving Factors for Urban Agglomeration in Harbin-Changchun and Central-Southern Liaoning Province
WANG Yu-feng1, CAO Hong-jun1,2
1. College of Enviromental Science and Engineering, Ocean University of China, Qingdao 266100, China;
2. College of Management, Ocean University of China, Qingdao 266100, China
Corresponding author: CAO Hong-jun, E-mail: hongjunsd@163.com.
Abstract: Aiming to investigate the crucial reason of urban sprawl disorder and slow economic development in Northeast China thoroughly, as well as quantitatively reveal the path of spatial-temporal expansion and the driving factors of urban agglomeration, such model indexes as urban expansion hotspots and driving forces with 172 districts and counties in the city cluster of Harbin, Changchun and central-southern Liaoning Province were constructed based on DMSP, VIIRS night images, and urban statistics data. The results indicated that the expansion of urban agglomeration reaches its peak during 2005—2009 and continues to decline after the peak, and the resources of central cities are concentrated while the development of sub-central cities is weak. Centripetal agglomeration centering around Harbin, Changchun, and the economic belt of central-southern Liaoning Province reflects the overall performance of urban agglomeration, with the western and southern areas expanding faster than the eastern and northern areas. The primary/secondary industries, population, and GDP are the main driving factors of urban agglomeration. From the perspective of spatial-temporal trend, industrial structure adjustment, population loss and weakening growth are the main influencing factors of the changes on urban agglomeration. The results of this research can provide reference for the future development planning of the city cluster of Harbin, Changchun and central-southern Liaoning Province.
Key words: night lightsurban land expansiondriving factorsregional coordinated developmentHarbin-Changchun and central-southern Liaoning urban agglomeration
随着全球经济与贸易一体化进程不断深入, 中国的经济发展也突破了行政管辖的局限, 开始朝着以跨区域经济共同体发展的城市群模式推进, 城市与城市之间按地理和资源优势重新分工并协同发展[1].由于城市化发展导致大量的农耕地转型成城市建设用地, 造成了生态破坏、水土流失、人口城镇化虚高, 并引发了人地矛盾升级、环境污染加剧以及生态退化等一系列问题[2].研究城市建设用地的时空演化不仅可以响应国家对土地资源合理利用的号召, 还可以揭示城市空间扩张的多组织聚集与扩散的特征、发展趋势以及其驱动因素的形成机制等[3], 对于推动城市间区域协同发展与产业组织结构优化等具有重要的理论价值和现实意义.
当前高分辨率三维空间信息获取及数据处理具有局限性, 且传统二维统计面板数据缺乏空间信息及数据源误差等, 造成大尺度、长时间序列的城市群空间演进很难获得较为真实的反映[4].而美国国家海洋大气局(National Oceanic and Atmospheric Administration, NOAA)提供的全球夜间灯光数据DMSP/OLS(1992—2013)(defense meteorological satellite program’s)，NPP/VIIRS(2012—)(visible infrared imaging radiometer suite)具有反应度高、时空连续性强、可获取性容易等优点, 比较适合开展大尺度、长时空的城市群空间扩张动态研究[5].因此, 本文基于空间视角, 采用城市扩张的相关模型指数, 探讨了2000—2019年哈长-辽中南城市群空间扩张的时空特征、空间格局及其驱动机制, 以期对哈长-辽中南城市群未来的城市空间形态演变、土地资源合理统筹、社会协调分工合作提供参考.
1 研究区域与数据1.1 研究区概况哈长-辽中南地区由黑龙江、吉林及辽宁组成, 区域地跨东经118°~135°, 北纬48°~55°, 包括中国哈长和辽中南两个国家级城市群, 同时也是中国重要的重工业基地, 矿产、木材及粮食等自然资源来源地.建国初期, 哈长-辽中南地区工业总产值曾占全国74%, 然而随着矿产资源枯竭、产业结构僵化、人口流失及老龄化加剧等一系列问题, 哈长-辽中南的经济发展正逐渐失去活力, 据2019年经济统计, 哈长-辽中南GDP总量为4.2万亿元, 占全国GDP总量的4.21%, GDP连年下降, 甚至近年来GDP出现了负增长的现象, 因此研究哈长-辽中南城市群城市空间扩张, 对于探究东北地区经济发展症结具有重要的价值.
1.2 数据预处理本研究使用的城市空间地理数据来源于NOAA提供的夜间灯光数据DMSP, VIIRS, 其中DMSP影像的空间分辨率为1 km, VIIRS为500 m.DMSP影像数据存在的问题[6]包括: ①DN值在城市市区过饱和现象; ②长时间序列年际影像DN值波动不连续现象; ③同年份不同卫星传感器获取的DN值差异现象.而VIIRS影像数据存在的问题包括: ①存在火光点及背景噪声; ②与DMSP分辨率不一致; ③与DMSP的DN值计算起始不一致.基于已有文献的研究基础, 本研究使用ArcGIS平台, 通过6个环节, 最终提取出基本符合现状的城市群空间边界数据(图 1).①通过投影变换、重采样、矢量裁剪等步骤, 初步构建2000—2019年哈长-辽中南城市群夜间灯光数据集; ②对同年度两颗卫星的DMSP影像DN值进行年内数据整合; ③对不同年份的DMSP影像通过不变目标区域法进行DN值连续性校正; ④对VIIRS影像去除火光点及背景噪声; ⑤以校正后的DMSP影像做参考, 对VIIRS影像的DN值进行年际连续性校正(图 1); ⑥以统计年鉴数据为基础, 采用经验阈值法确定城镇建成区空间范围的灯光亮度阈值, 提取城市群空间边界.
图 1(Fig. 1)
 | 图 1 研究区DMSP影像校正对比Fig.1 Comparison of DMSP image correction in the study area (a)—校正前灯光影像(2000)；(b)—校正后灯光影像(2000)；(c)—校正前灯光影像(2015)；(d)—校正后灯光影像(2015). |
本文参考了政府政策、社会经济水平、行政区划等综合因素[7], 选择鞍山市作为基本参照目标, 根据其20年来的城镇建成区统计面积逐年确定夜间灯光的阈值, 然后用阈值对哈长-辽中南城市群城市进行建成区灯光范围提取, 并用提取的灯光空间面积与《中国统计年鉴》、东北三省《城市统计年鉴》(2000—2019)的数据进行对比(图 2).本次研究过程中使用的数据主要包括, 2000—2013年DMSP夜间稳定灯光数据, 2012—2019年VIIRS月度合成稳定灯光数据, 2000—2019年哈长-辽中南城市群地级市、区县统计年鉴数据(包括建成区面积、社会经济数据等).
图 2(Fig. 2)
 | 图 2 研究区统计年鉴数据与夜间灯光数据增速对比Fig.2 Comparison of statistical yearbook and night light growth rate in the study area |
2 研究方法2.1 空间扩张强度指数空间扩张强度指数能够反映出城市空间扩张的强度水平, 主要的数据源为城镇空间扩张面积、研究周期以及研究对象的行政总面积, 其表达式:
 | (1) |
2.2 空间扩张热点指数城市群空间扩张与单一城市空间扩张不同, 其会受到周边核心城市虹吸效应的影响, 选择Getis-Ord General Gi*指数测度城市群空间扩张的局部关联性, 识别出城市群扩张的热点区及冷点区的空间分布, 提高分析的精确度, 表达式:
 | (2) |
 | (3) |
2.3 驱动因子模型结合哈长-辽中南城市群实际情况, 本次研究选取了对城市建设用地扩张有重要影响的社会经济驱动因子, 包括GDP(X1)、第一、二产业产值比重(X2)、第三产业产值比重(X3)、总人口(X4)、非农业人口比重(X5)、城镇化率(X6)及全社会固定资产投资额(X7)等7个指标[8], 进一步对驱动因子进行定量分析, 测算各因子与城市建设用地面积(Y)的灰色关联度表达式:
 | (4) |
3 城市群扩张特征分析3.1 城市群扩张强度对DMSP, VIIRS夜间灯光影像进行时空连续性校正后, 获取了2000—2019年哈长-辽中南城市群城镇空间扩张数据.通过公式(1)计算出扩张指数(表 1), 四个阶段中哈长-辽中南城市群整体扩张强度指数分别为0.04, 0.06, 0.04, 0.04;中心城市(区)的扩张强度指数分别为0.18, 0.22, 0.14, 0.11;次中心城市(县)的扩张强度指数分别为0.01，0.02，0.02，0.02.通过扩张指数结果分析, 哈长-辽中南城市群的扩张速率在2005—2009年之间达到了高峰, 由0.04增长到0.06, 但是期间经历了2008年的全球金融危机, 哈长-辽中南城市群的重工业及进出口受到了较大的影响, 之后为了响应国家的绿色产能号召, 哈长-辽中南城市群主动关停了很多高耗能、高污染的企业和产业链, 同时由于产业结构僵化、人口流失等因素, 城市扩张及经济持续增长乏力, 甚至近年来, 连续出现了GDP负增长的现象, 反映城市扩张的扩张指数则一直处于0.04的水平, 夜间灯光基本上反映出了20年来哈长-辽中南城市群的经济和城市建设进程.从以城区为主的中心城市和以县城为主的次中心城市的扩张指数看, 哈长-辽中南城市群中心城市空间扩张指数均远大于次级中心城市, 城市发展呈现出以中心城市为主、次中心城市发展疲软、全域资源向省会城市集中的不平衡现象.
表 1(Table 1)
 表 1 研究区空间扩张指数(2000—2019)Table 1 Spatial expansion intensity index of the study area(2000-2019)
| 表 1 研究区空间扩张指数(2000—2019) Table 1 Spatial expansion intensity index of the study area(2000-2019) |
3.2 城市群扩张热点用灯光数据计算哈长-辽中南城市群172个区县四个周期的Getis-Ord Gi*指数, 用自然断裂点法分类完成空间扩张的热点冷点分布图(图 3).总体而言, 在20年周期内, 哈长-辽中南城市群城市扩张经历了起伏, 扩张的热点面积先升高后降低(其中四个时间段热点区域面积占比分别为21.37%, 25.14%, 27.72%, 25.12%), 扩张的冷点面积则先降低后升高(其中四个时间段冷点区域面积占比分别为63.42%, 51.26%, 39.25%，49.34%), 其中扩张的热点出现在环哈长-大庆及辽中南经济带(图 4).
图 3(Fig. 3)
 | 图 3 研究区空间扩张热点分析(2000—2019)Fig.3 Analysis of hot spots in the study area′s space expansion(2000—2019) (a)—2000—2004；(b)—2005—2009；(c)—2010—2014；(d)—2015—2019. |
图 4(Fig. 4)
 | 图 4 研究区空间扩张格局(2000, 2009, 2019)年Fig.4 Spatial expansion pattern of the study area (2000, 2009, 2019) |
2000—2004年, 城市群扩张的热点区形成了一南一北两个区域.以环哈尔滨-大庆为中心, 形成了扩张的热点核心区域, 在南部初步形成了沈阳-大连经济带扩张热点区域, 而牡丹江、延边等都处于扩张的冷点区.2005—2009年, 扩张的热点区域面积持续上升, 而冷点区域面积持续下降.其中环哈长-大庆为中心的扩张热点区域快速上升, 而辽中南经济带扩张热点区域的面积基本不变, 但是扩张的高值区域比重变大, 而扩张的冷点区面积持续下降, 其中冷点中的低值区面积占比由48.23%下降到26.52%.2010—2014年, 扩张的热点区域面积继续上升, 而冷点区域面积逐步持续下降.其中环哈长-大庆的扩张热点区域面积基本保持不变, 但是扩张的高值区比重由41.25%上升到45.31%, 而辽中南经济带扩张热点区域则进一步扩大面积, 其中扩张的高值区比重由41.61%上升到44.72%.2015—2019年, 扩张的热点区域面积开始下降, 而冷点区域面积开始上升.其中环哈长-大庆的扩张热点区域面积基本不变, 而环渤海城市扩张热点的面积开始下降, 且高值区由44.72%下降到38.27%, 扩张的冷点区面积开始上升, 扩张低值区面积比重由18.25%上升到31.61%.总体而言, 哈长-辽中南城市群西部城市扩张的热度比东部高, 南部受北京、天津的带动, 城市扩张热度比北部高, 东北部一直处于冷点区, 西南部城市近年采取了一系列的激励政策, 城市开发的热度有所提高.
3.3 城市群扩张驱动因素在对城市扩张驱动因子分析之前, 本文对选定的7个驱动因子进行了相关性检验, 结果显示因子X1~X7与城市空间扩张的相关性系数分布在0.86~0.95之间, 表明选定的驱动因子与城市扩张有着显著的相关性.按照驱动因子与城市扩张的灰色关联系数r的排序值, 依次为第一、二产业产值比重(X2) > 非农业人口比重(X5) > 总人口(X4) > GDP(X1) > 第三产业产值比重(X3) > 城镇化率(X6) > 全社会固定资产投资额(X7)(表 2).通过灰色关联模型的分析结果可知, 哈长-辽中南城市群扩张的主要驱动因子是第一、二产业、人口以及GDP, 其他因素也有一定的影响.
表 2(Table 2)
表 2 城市扩张驱动因子的回归分析Table 2 Regression analysis of driving factors of urban expansion
| 表 2 城市扩张驱动因子的回归分析 Table 2 Regression analysis of driving factors of urban expansion | |||||||||||||||||||||||||||||||||||
1) 产业结构调整.产业结构调整即调整第一、二、三产业在城市发展过程中的占比, 其中第一产业(农业)、第二产业(重工业)产值增长是目前推动哈长-辽中南城市群发展的首要驱动因子, 其关联度为0.95.根据2000—2019年黑龙江、吉林及辽宁《统计年鉴》数据, 2000年哈长-辽中南城市群的第一、第二产业产值占比61.53%, 而到2019年其占比下降至48.43%, 但是仍然远远高于以第三产业为主的长三角、珠三角城市群.第一、二产业一直是东北地区城市建设的主要驱动因子, 第一、二产业的发展短期内促进了城市居住、公共基础等建设.与长三角、珠三角以市场力主导城市空间扩张不同, 哈长-辽中南城市群扩张仍然以政府主导, 以第二产业(重工业、资源开采)及第一产业(农业)为主导的传统经济结构模式, 随着时代的发展, 其产业结构已经不适应以第三产业(科技、服务、旅游等)为主导的市场开放经济, 而政府投资主要集中在省会城市及资源型城市, 尤其是资源型城市短期内粗放式扩张, 导致了地区资源短缺和空间结构失衡, 城市间恶性竞争加剧[9].
2) 人口因素.哈长-辽中南非农业人口及总人口在推动城市扩张的驱动力因素方面位于第2, 3位, 与城市扩张的灰色关联度为0.89, 0.92.哈长-辽中南总人口与非农业人口在2012年达到极值后开始逐渐下降, 这与其城市扩张热点先升高后降低的变化趋势相符, 表明人口因素在城市扩张方面具有重要的驱动作用.21世纪初, 哈长-辽中南城市群总人口约为5 600万, 而截至2019年, 其总人口约为7 200万, 虽然总人口有所增长, 但是非农业人口占比却持续下降, 城区人口外流明显, 根据《统计年鉴》数据分析, 黑龙江、吉林及辽宁总人口持续下降, 造成了哈长-辽中南城市群人口增长速度放缓.由于哈长-辽中南城市群产业结构单一、国企也以农业及重工业为主, 很多高技术人才无法找到对口的企业.另一方面, 企业运转低效, 福利待遇较低, 与东南沿海地区形成了比较明显的差距, 出现人口流失的现象[10].
3) 经济增长.GDP与全社会资产投资额是经济层面的重要指标, 其与城市扩张的灰色关联度达到了0.7左右, 表明经济增长与城市扩张有明显的关联度.2000—2019年期间, 哈长-辽中南城市群GDP增长了5.27倍, 社会固定投资总额增长了20.32倍, 政府层面投资资金为农业及工业提供了用地、基础设施及相关的支持, 导致城市建设用地增加, 促进了城市发展.但是重工业也造成了经济体制转型困难, 农业及重工业掌握了大部分社会资源, 却低效运转, 甚至很多国企需要从银行贷款支付工资, 而作为市场经济重要的标志——非公有经济, 在经济体系中占比较低, 这也拉低了经济发展的速度.
综上所述, 近年来哈长-辽中南城市群产业结构调整、人口外流及经济增长疲软等因素导致了人口红利逐渐减弱, 对于外商投资的吸引力也弱于京津冀、山东半岛等市场经济活跃的城市群.面对当前的局面, 应该提高外商投资的植根性与特色化, 才能保持东北地区城市群经济与城市扩张的可持续发展.应该改变以引进粗加工、高污染、低附加值外商投资的特点, 积极引进具有高技术、高附加值的外资企业, 并与京津冀、山东半岛主导产业形成错位发展并强化自身的优势产业, 鼓励本地企业及产业外延到全国及世界, 强化高端产业对东北亚、东南亚的辐射及合作.当前在国家推动绿色产能、提高经济耗费比的宏观政策下, 东北地区应积极响应并作出调整, 关停一大批低附加值、高污染的乡镇企业，走出产业链升级重构等困境.
4 结语哈长-辽中南城市群空间扩张在2005—2009年达到了高峰, 之后受到2008年全球金融危机与后续产业调整的影响, 中心城市资源集中, 次中心城市发展乏力, 整体扩张增速已经明显下降, 经济与城市建设后继乏力.哈长-辽中南城市群空间扩张热点整体表现出以环哈长-大庆及辽中南经济带为中心的向心集聚特征, 基本形成了一大一小的扩张热点区域轴线, 同时其北部、东部的城市扩张一直处于冷点区域.整体而言, 其西部城市扩张比东部强, 南部扩张热度比北部高.哈长-辽中南城市群扩张的驱动因子整体上以第一、二产业、人口及GDP为主, 应该积极扩大对外贸易引进高附加值科技产业, 整合内部低端、高污染企业及产业链并加强城市间的分工合作, 促进错位式发展.
哈长-辽中南城市群发展策略的制定, 不能盲目地学习长三角、京津冀以及西部城市群, 应该基于本地现实情况, 制定: ①减少行政干预, 促进产业结构转型; ②提高人口红利, 吸引高科技人才就业; ③发展本地优势经济产业, 引进高附加值外资, 培育经济增长点等个性化发展方案.
参考文献
| [1] | Tian Y. Mutualistic pattern of intra-urban agglomeration and impact analysis: a case study of 11 urban agglomerations of mainland China[J]. ISPRS International Journal of Geo-Information, 2020, 9(10): 565-583. DOI:10.3390/ijgi9100565 |
| [2] | 易平涛, 李雪, 周莹, 等. 生态城市评价指标的筛选模型及应用[J]. 东北大学学报(自然科学版), 2017, 38(8): 1211-1216. (Yi Ping-tao, Li Xue, Zhou Ying, et al. The screening model and application of eco-city evaluation indicators[J]. Journal of Northeastern University(Natural Science), 2017, 38(8): 1211-1216.) |
| [3] | Wang X X, Shi R, Zhou Y. Dynamics of urban sprawl and sustainable development in China[J]. Socio-Economic Planning Sciences, 2020, 70: 100736. DOI:10.1016/j.seps.2019.100736 |
| [4] | Han J W. Can urban sprawl be the cause of environmental deterioration? based on the provincial panel data in China[J]. Environmental Research, 2020, 189: 109954. DOI:10.1016/j.envres.2020.109954 |
| [5] | Xu P F, Jin P B, Cheng Q. Monitoring regional urban dynamics using DMSP/OLS nighttime light data in Zhejiang Province[J]. Mathematical Problems in Engineering, 2020, 2020: 1-10. |
| [6] | Cao X, Hu Y, Zhu X L, et al. A simple self-adjusting model for correcting the blooming effects in DMSP-OLS nighttime light images[J]. Remote Sensing of Environment, 2019, 224: 401-411. DOI:10.1016/j.rse.2019.02.019 |
| [7] | Liu X J, Ning X G, Wang H, et al. A rapid and automated urban boundary extraction method based on nighttime light data in China[J]. Remote Sensing, 2019, 11(9): 1126-1141. DOI:10.3390/rs11091126 |
| [8] | Tang J, Zhu H L, Liu Z, et al. Urban sustainability evaluation under the modified TOPSIS based on grey relational analysis[J]. International Journal of Environmental Research and Public Health, 2019, 16(2): 256-277. DOI:10.3390/ijerph16020256 |
| [9] | Guo Y H, Tong L J, Mei L. The effect of industrial agglomeration on green development efficiency in Northeast China since the revitalization[J]. Journal of Cleaner Production, 2020, 258: 120584. DOI:10.1016/j.jclepro.2020.120584 |
| [10] | You H L, Jin C, Sun W. Spatiotemporal evolution of population in Northeast China during 2012—2017:a nighttime light approach[J]. Complexity, 2020, 2020: 1-12. |
