基于ESDA的重庆市城镇化发展空间格局分析

胡晨成等

摘要：将区域城镇化差异分析方法与探索性空间数据分析（ESDA）法相结合，借助工具性软件Arcgis9.3和Geoda，对重庆市2004、2008和2012年3个时段的城镇化相对发达指数水平进行了区域差异分析，通过计算全局空间自相关指标和局部空间自相关指标，探讨重庆市城镇化发展存在的差异性，并对差异原因进行了分析。分析得知重庆市区域城镇化水平在空间上表现出较为明显的局部空间自相关集聚格局。针对结果，提出了提高城镇化水平的建议。

关键词：城镇化发展；相对城镇化发达指数；探索性空间数据分析；空间相关性；重庆市

中图分类号：F207；301 文献标识码：A 文章编号：0439-8114（2015）18-4647-05

DOI：10.14088/j.cnki.issn0439-8114.2015.18.064

城镇化是社会生产力发展的产物，城镇化水平的高低已经成为衡量地区社会经济发展水平最重要的标志之一。国内外学者针对城镇化的不同方面进行了不同的研究。许彦曦等[1]、李恒义[2]研究了城市扩展模式和资源利用。彭文武[3]、厉以宁[4]、周凯等[5]、王文龙[6]分析了城镇化的问题，提出了发展新思路。大多数研究只是基于经济数据如地区GDP、居民消费水平进行传统的回归分析，其理论假设前提是数据本身在统计上是独立的、呈正态分布[7，8]。然而，不同区域城镇化空间数据往往具有一定的空间自相关性，而空间自相关性中蕴含一些有用的信息，必须采用合适的方法予以解决[9]。本研究以城镇化相对发达指数为基础，探讨以ESDA为主的空间分析方法在县域城镇化空间相关性研究中的应用，为重庆市乃至整个西南山地区域的城镇化发展提供科学参考依据。

1 研究区域

重庆市地势由南北向长江河谷逐级降低，西北部和中部以丘陵、低山为主，渝东南靠大巴山和武陵山两座大山脉，幅员面积8.24万km2，下辖38个行政区（县），有19个区（万州区、黔江区、涪陵区、渝中区、大渡口区、江北区、沙坪坝区、九龙坡区、南岸区、北碚区、渝北区、巴南区、长寿区、江津区、合川区、永川区、南川区、綦江区、大足区）；19个县（潼南县、铜梁县、荣昌县、璧山县、梁平县、城口县、丰都县、垫江县、武隆县、忠县、开县、云阳县、奉节县、巫山县、巫溪县、石柱土家族自治县、秀山土家族苗族自治县、酉阳土家族苗族自治县、彭水苗族土家族自治县）。重庆市府所在地习惯被称为主城（主城九区：渝中区、九龙坡区、南岸区、沙坪坝区、江北区、巴南区、北碚区、渝北区和大渡口区），其中市区所在地渝中区、九龙坡区、南岸区、沙坪坝区、江北区和大渡口区等六区的城镇化率接近100%，因此，将渝中区、九龙坡区、南岸区、沙坪坝区、江北区和大渡口区共计六区作为一个整体，称为“市区”，即以市区和其他32个区（县）作为基本研究区域。

3 结果与分析

以重庆市区和其他32个区（县）区域城镇化相对发达指数为基础数据，利用Arcgis9.3和Geoda095i实现制图功能和空间探索性分析功能，得到重庆市城镇化发达程度分区图、Moran散点图和LISA聚集图以及空间自回归模型分析结果。

3.1 重庆市区域城镇化发展的空间分布特征

以城镇化相对发达指数确定的城镇化发达分区为基础，对重庆市2004、2008和2012年城镇化发展的空间分布特征进行了分析（图1）。

由图1可知，重庆市城镇化水平西部地区明显发达于渝东南和渝东北。在三期城镇化发达分区图中，渝东北的万州区始终处于城镇化的发达区，而其周围城市则处于不发达区或欠发达区，原因是万州区拥有重庆市最大的航运码头，交通便利，在重庆直辖之前经济发展就高于周边地区；重庆直辖之后，万州作为重庆第二大城市，得益于其交通区位优势和经济基础，城镇化速度高于周边区县。图中以市区为中心的周围区（县）构成的都市圈为重庆市城镇化发达地区和次发达地区，以渝东北和渝东南为城镇化欠发达地区和不发达地区，这与重庆市的地区经济发展水平和交通区位优势相吻合，与重庆市委、市政府规划的重庆市“一圈两翼”“1小时经济圈”包括主城九区，以及永川区、江津区、合川区、南川区、涪陵区、长寿区、潼南县、铜梁县、大足区、荣昌县、璧山县、綦江区；渝东北翼万州区、城口县、巫溪县、巫山县、开县、云阳县、奉节县、梁平县、忠县、垫江县、丰都县；渝东南翼黔江区、秀山县、酉阳县、石柱县、彭水县、武隆县的区域发展格局相吻合。

3.2 城镇化发展区域差异的空间分析

对重庆市区（县）相对城镇化发达指数进行空间自相关性分析之前，需要建立研究区内各村之间的空间邻近关系。根据各县（区）域之间的邻接拓扑关系，采用二进制邻接权重矩阵。

3.2.1 全局空间自相关 利用公式（1）计算出全局空间自相关的MoranI指数和其他相关指标（表1）。从表1可以看出，2004、2008和2012年3个阶段的全局MoranI指数分别为0.533 5、0.586 3和0.636 6，属于正相关范围，且相关性极为显著。3个时段均采用正态分布1%置信区间双侧检验阈值2.58为上下界限，假设检验Z值分别为6.71、7.18和7.56，均大于2.58，这说明重庆市区（县）相对城镇化发达指数具有空间集聚特征，即高值区域与高值区域相邻接，低值区域与低值区域相邻接。因此，重庆市区（县）相对城镇化发达指数并不是完全随机分布，其在空间分布上具有较强的正相关性，存在着空间分布上的显著集聚模式。即城镇化发达地区与发达地区相邻，城镇化欠发达地区与欠发达地区相邻，具有显著地空间关联性。3个时段期间，重庆市区（县）相对城镇化发达指数的空间集聚程度基本上保持在一个相对稳定、发展的状态，MoranI指数由2004年的0.533 5上升到2012年的0.636 6，说明重庆市各区（县）的城镇化水平在不断提高，集聚程度也在不断提高。

3.2.2 局部空间自相关 全局Morans I统计量是一种对空间自相关的全局评估，仅说明所有区域与周边地区之间空间差异的平均程度，存在忽略了空间过程的局部或小范围潜在不稳定性问题[21，22]，同时也不能指出哪些区域集聚，集聚的类型是什么。因此，需要通过局部空间自相关分析集聚的高值或低值所在区域。局部空间自相关分析通常采用Local Moran散点图和Lisa图来度量。

1）Moran散点图。在Moran散点图中，4个象限分别代表了不同的集聚类型。第一象限（HH）代表高值区域被高值区域所包围，称为扩散效应区；第二象限（LH）表示低值区域被高值区域所包围，称为过渡区；第三象限（LL）代表低值区域被低值区域所包围，称为低速增长区；第四象限（HL）表示高值区被低值区所包围，称为极化效应区[23]。第一、三象限表示空间正相关，与周边区（县）发展程度相同；第二、四象限表示空间负相关，与周边区（县）发展程度差异较大。在5%的显著水平下计算出重庆市区（县）相对城镇化发达指数的Moran散点图（图2），3个时段的Moran散点图显示，大多数区（县）位于第一、三象限，均表现出了正的空间自相关。其中，低低聚类区（县）的数目略多于高高聚类区（县）。Moran散点图有助于发现非典型地区，如高低和低高类型的地区，即偏离全局正的空间自相关的地区[24]。从图2可知，高低和低高类型区（县）较少，如高低类型的区（县）始终只有万州区，低高类型区（县）自始至终是荣昌县、璧山县、铜梁县、潼南县。高高类型主要分布在市区周围，即“1小时经济圈”内。低低类型重要分布渝东北和渝东南区（县），即“重庆经济两翼内”。这从总体上揭示出重庆市城镇化发展水平在空间分布上的不均衡性，即城镇化发达地区、次发达地区集中在市区周围，欠发达区和不发达区分布在距市区较远的渝东北、渝东南的特征。上述结果反映了重庆市城镇化发展水平一直存在着空间自相关性和异质性，揭示出重庆市城镇化发展区域分异的空间格局及演变过程。

2）LISA集聚图。Moran散点图并没有指出各个区（县）空间自相关的程度，LISA图正好弥补了这个缺陷，LISA值是衡量空间单元属性和周围单元的相近（正相关）和相异（负相关）程度的指标[18]。根据局部Morans I指数值，在其5%显著性条件下，绘制出重庆市区（县）相对城镇化发达指数水平局部空间自相关集聚类型的LISA集聚图（图3）。

城镇化水平空间差异较小、区域本身城镇化水平较高且周围区域城镇化水平较高的城市（高高型）。2004和2008年落入“高高”象限的均为市区周围区县，2012年在2008年基础上多了大足区；然而，图3显示，3个时段具有“高高”类型显著的LISA值始终是市区（渝中区、九龙坡区、南岸区、沙坪坝区、江北区和大渡口区）、北碚区、渝北区、巴南区和江津区。反映了这一时期重庆市城镇化“扩散效应”区（县）是与市区、北碚区、渝北区、巴南区和江津区靠近的綦江区、南川区、永川区、涪陵区、长寿区和合川区，其向外辐射的力度稍嫌不足，辐射范围始终未能冲出“1小时经济圈”。这些高高型的城市由于本身经济基础较好，区域位置特别好，相应城镇化水平也较高。但是平均量却只有不到30%。

城镇化水平空间差异较小、区域本身城镇化水平较低且周围区域城镇化水平较低的城市（低低型）。2004和2008年落入“低低”象限的均为渝东北区县和渝东南，2012年在2004年基础上多了秀山县。但是，图3显示，2004、2008年两时段具有“低低”类型显著的LISA值始终是渝东北的巫溪县、巫山县和奉节县，渝东南的酉阳县、黔江区和彭水县；2012年在2008年的基础上又多了渝东南翼的秀山县。反映了这一时期重庆市城镇化“低速增长”区（县）是与渝东北翼的巫溪县、巫山县和奉节县，渝东南翼的酉阳县、黔江区和彭水县相邻的武隆县、大足区、丰都县、垫江县、石柱县、忠县、梁平县、云阳县、开县和城口县。这些区（县）距离重庆市区较远，区位劣势明显，绝大部分为山区，并且部分区（县）位于三峡库区，属于三峡库区生态保护区域范围，区域内多受生态退耕、环境保护的影响，工业经济不发达导致二三产业吸收农村剩余劳动力的能力有限，最终导致城镇化水平偏低。今后发展中应重点关注这一区域，给予政策和其他优惠帮助其发展。

城镇化水平空间差异较大、区域本身城镇化水平较高但周围区域城镇化水平较低的区（县）（高低型）。图3显示，2004年没有出现这种类型；2008年只有万州区属于这一类型，主要原因在于其周围的开县、云阳县、梁平县、忠县和石柱县城镇化水平较万州区要低很多；到2012年随着万州区周围区（县）城镇化水平的快速发展，这种“高低”类型现象也随之消失。

城镇化水平差异较大、区域本身城镇化水平较低且周围区域较高的城市（低高型）。图3显示，2004、2008和2012年这种类型的区（县）只有一个，即璧山县，原因在于璧山旁边紧靠市区城市带，城市带整体城镇化水平相对较高。其他从集聚图上看到的空白区域城镇化水平与周围相比没有明显的特征，但是符合总体的城镇化分布特征。随着“高高”类型的扩散效应，这一地区是未来城镇化水平快速发展的潜在区域。

4 结论与建议

利用区域城镇化差异分析方法完善的ESDA方法，包括MoranⅠ指数、Moran散点图和LISA等来有效地分析了2004、2008和2012年3个时段的区域城镇化相对发达指数的空间分布特征，揭示空间联系的结构，认识其内在规律性及其动态演变过程，并对空间格局成因进行了科学分析。

1）重庆市整体城镇化水平较低，区域“二元结构”差异明显。从Moran散点图和LISA聚集图中可以看出，重庆市有42.11%的区（县）处于城镇化发展低速增长的“低低”区。经过近10年的发展，这种情况基本没有变化，着说明重庆市整体城镇化水平还比较低；在LISA聚集图中出现两个显著区域，且显著“低低”区域范围进一步扩大，区域城镇化发展水平差异明显。

2）城镇化水平空间分布与区（县）所处的地理位置、资源状况和经济基础紧密相连。城镇化发展好的区（县）多集中在市区周围，基本都属于“重庆一小时经济圈”范畴之内，区内交通发达，靠近全市政治、经济、文化中心，经济基础较好；城镇化发展缓慢的区（县）处于渝东北和渝东南，距重庆市区较远，区位劣势明显，绝大部分为山区，并且部分区（县）位于三峡库区，属于三峡库区生态保护区域范围；城镇化发展水平高的（或低的）区（县）存在着显著的空间正相关性，说明区（县）城镇化发展是相互影响，但是发达地区的辐射带动作用始终局限在“1小时经济圈”中，没有辐射到“渝东南翼”和“渝东北翼”地区。

3）为实现区域城镇化协调发展，各地应因地制宜制定符合本区域的城镇化发展战略。渝东北地区的三峡库区范围内的区（县）应将城镇化发展和三峡库区生态保护相结合，大力发展特色农业就，利用三峡库区丰富的旅游资源，发展“无烟工业”——旅游业，来吸收农村人口就业。渝东南应将城镇化发展和少数民族特色文化发战结合起来，发展特色民族文化产业和旅游业。

参考文献：

[1] 许彦曦，陈 凤，濮厉届.城市空间扩展与城市土地利用扩展的研究进展[J].经济地理，2007，27（2）：296-300.

[2] 李恒义.海河流域城镇化与水资源利用关系研究[J].人民黄河，2013，35（2）：50-52.

[3] 彭文武.衡阳市城镇化进程的障碍与对策研究[J].经济地理，2011，37（7）：1124-1127.

[4] 厉以宁.牧区城镇化的新思路[J].北京大学学报（哲学社会科学版），2012，49（1）：5-10.

[5] 周 凯，蔡瑞林，王 彦.江浙沪城市群经济关系及空间运行的战略构想[J].现代经济探讨，2012（9）：75.

[6] 王文龙.新农村建设、伪城市化与农村“房奴”现象的危害[J].现代经济探讨，2013（5）：45.

[7] CLIFF A D，ORD J K.Spatial Processes：Models and Applications[M].London： Pion，1981.

[8] GOULD P R.Is statistics inference the geographical name for a wild goose[J]]Economic Geography，1970，46：439-448.

[9] 邱炳文，王钦敏，陈崇成，等.福建省土地利用多尺度空间自相关分析[J].自然资源学报，2007，22（2）：311-318.

[10] 李雅箐，李小娟，王彦冰.北京市房山区农村经济发展空间格局分析[J].地球信息科学学报，2011，13（3）：392-394.

[11] 胡良民，苗长虹，乔家君.河南省区域经济发展差异及其时空格局研究[J].地理科学进展，2002，21（3）：268-274.

[12] 韦素琼，张金前，陈健飞.基于空间自相关的闽台城镇建设用地分布研究[J].地理科学进展，2007，26（3）：11-17.

[13] GETIS A，ORD J K.The analysis of spatial association by use of distance statistics[J]. Geographical Analysis， 1992 （24）： 189-192.

[14] ROGER BIVAND. A review of spatial statistical techniques for 1ocation studies[EB/OL].[2014-04-08].http：//ppwww. nhh. nopgeopgibpgib1998pgib98-3plund. html.

[15] GOODCHILD M F.Spatial Autocorrelation. Concepts and Techniques in Modern Geography 47[M]. Norwich ：Geo Books，1986.

[16] 张松林，张 昆.局部空间自相关指标对比研究[J].统计研究，2007，24（7）：65-67.

[17] 张贞，魏朝富，尚 慧.丘陵山区耕地质量的空间格局分析[J].长江流域资源与环境，2010，19（8）：901-906.

[18] 曾庆泳，陈忠暖.基于GIS空间分析法的广东省经济发展区域差异[J].经济地理，2007，27（4）：558-561.

[19] 王春菊，汤小华.基于GIS的福建省人口数据空间化[J].地理与地理信息科学，2004，20（4）：72-74.

[20] ANSELIN L.Local indicators of spatial association LISA[J].Geo-graphical Analysis，1995，27（2）：93-115.

[21] 何 荣，陈端吕.湖南省县域单元人均GDP的空间相关性研究[J].湖南文理学院学报（自然科学版），2010，22（4）：84-86.

[22] 徐建华.计量地理学[M].北京：高等教育出版社，2006.

[23] 方叶林，黄震方，涂 伟，等.基于地统计分析的安徽县域经济空间差异研究[J].经济地理，2013，33（2）：33-34.

[24] 鲁 凤，徐建华.中国区域经济差异的空间统计分析[J].华东师范大学学报（自然科学版），2007（2）：48-50.