环渤海地区城市密集区的空间识别与集聚特征

韩帅帅 ， 狄乾斌

(辽宁师范大学 海洋经济与可持续发展研究中心，辽宁 大连 116029)

环渤海地区城市密集区的空间识别与集聚特征

韩帅帅 ， 狄乾斌

(辽宁师范大学 海洋经济与可持续发展研究中心，辽宁 大连 116029)

在探讨城市密集区内涵和特征的基础上，以环渤海地区118个城市为研究区域，通过空间识别确定了6个城市密集区范围；利用城市GDP和人口数据，借助Theil系数、城市基尼系数和首位城市集聚度等方法，从空间差异、集聚程度和集聚效应三方面对城市密集区的集聚特征进行探究。结果显示：(1)以城市等级和社会经济数据为筛选标准确定了北京、天津等7个中心城市、38个标准市和77个其他城市；(2)以2 h通行时间确定了以京津、石家庄、沈阳、大连、济南和青岛为核心的城市密集区范围；(3)Theil系数表明环渤海地区整体差异较小，其中城市密集区区内差异大于区际，内部差异对整体差异的贡献率超过91%；(4)集聚类型划分中，京津地区属于强单中心，沈阳、大连和青岛地区属于弱单中心，济南和石家庄地区被归入弱多中心类型；(5)京津城市密集区强大的集聚效应破坏了“石家庄—黄骅”的双核结构链，重新构建了区域的经济结构格局。

城市密集区；空间识别；集聚特征；基尼系数;环渤海地区

0 引言

城市密集区(urban concentrated areas)是指在限定区域内，由一个或多个大中型城市作为核心、多个不同等级的城市组成的相对集聚、城市间保持强烈交互作用的城市空间布局形态[1]。城市密集区是城市化水平发展到高级阶段的产物，既是人口和资源的密集地区，也是一个国家经济发展、提升国际竞争力的核心区域[2]。其基本特征主要包括高密度的城市空间分布、较高的城市化水平、区域发展的整体性和多层次的城市体系结构[3]。中心城市通过对周边腹地的吸引和辐射逐渐成为城市密集区的中心，中心城市依靠集聚外围中小城市的资源发展壮大，同时也需要区域内的其他城市作为消费市场来分散和消纳中心城市的巨大产出，集聚和扩散成为密集区内城市相互联系的根本推动力，这种向心力和离心力主要通过交通和信息网络实现[4]。与城市密集区相近的概念主要有：城镇群体(town cluster)[5]、都市区(metropolitan area)[6]、城市带(megalopolis)[7]、城市群(urban agglomeration)[8]和都市连绵区(metropolitan interlocking region)[9]等，都是指一定地域范围内由多个城市构成的城市群体形态，与之相比，城市密集区更强调城市分布的密度与形态、密集区内部城市功能和分工以及城市等级体系等。

自1967年R.Dickinson提出“conurbation”的概念[10]，西方国家的学者对城市密集区进行了一系列研究：C.B.Fawcett将城市集群定义为具有连续性质的城市建成区域[11]，J.Gottman以英国东北部沿海为例分析了城市带在空间形态分布上的特征[12]，T.G.McGee提出“desakota”的概念，指在大城市间交通走廊地带的落后地区发生的密集经济和商业行为[13]。近年来，国内学者对于城市密集区进行了更为细致的研究：从地域空间看，学者对于城市密集区的相关研究主要集中于东北[14-16]、兰州—西宁[17-18]、沪宁杭[19-20]和沿海三大经济区[21]等地，但大多简单地将城市密集区看作数量众多城市的集聚地，而没有从城市密集区的内涵和特征角度对其做进一步限制性阐述，从而混淆了城市密集区与城市群、城市带的差别；从研究内容看，主要是从城市集群的空间结构形态[22-24]、城市等级体系及综合评价[25-27]、城市集群发育驱动力及地域构成判别[28-30]等方面对城市密集区进行全面而深入的研究，但对于城市密集区的划分程序和识别标准却较少涉及，而只有建立在科学合理的识别基础之上的城市集群研究才具有较高的价值和可信度。

城市密集区是依据城市密度和城市间联系而划分的一种经济区域，对于城市密集区的研究首要任务是科学地确定密集区的范围和边界。因此，本研究在已有研究成果之上，建立城市密集区的识别标准和操作方法，对环渤海地区县级以上城市的空间格局进行探索性划分，并在此基础上，以2013年城市人口和GDP数据为参考，对各个城市密集区的集聚特征进行定量化描述。进行城市密集区空间识别和集聚特征分析的主要意义在于：一是尝试建立城市密集区的空间识别标准和识别流程，重新构造基于交通联系的城市密集区空间范围和结构；二是打破以欧氏距离表征的高密度的城市密集区特征，探索以经济和人口为代表的城市密集区的内在集聚特征；三是通过探讨环渤海地区各城市密集区的空间形态和集聚特征，为国家制定城市发展规划和区域发展政策提供科学依据，也为城市自身经济和社会发展水平的提升提供参考。

1 数据与方法

1.1 研究区概况

环渤海地区主要包括辽宁、河北、山东、北京和天津3个省2个市， 行政区域面积523 409 km2，占全国的10.52%。以2013年为例，环渤海地区年末总人口25 043万人，国内生产总值132 207.92亿元，分别占全国总量的18.4%和23.2%，平均人口密度478.45人/km2，是全国平均水平的2倍。环渤海地区分布着辽宁沿海经济带、京津冀协同发展和山东半岛蓝色经济区等已上升为国家战略的经济发展区和天津滨海新区、青岛西海岸新区和大连金普新区等国家级新区，包括：北京、天津2个直辖市，沈阳、大连、济南、青岛4个副省级城市，石家庄1个省会城市，以及38个地级市和77个县级市*为避免城市体量过大，将北京市的密云县、延庆县，天津市的宁河县、静海县和蓟县分离出来，单独以县级市对待；长海县和长岛县等海岛县不单独计算，数据分别归入大连市和烟台市市区中。以此环渤海地区共计118个城市。，共计118个城市。因此，环渤海地区城市经济发展水平较高，城市等级层次分明，人口稠密，在全国城市空间分布中具有典型性和代表性。

1.2 数据来源

数据主要分为空间数据和面板数据。空间数据来源于中国国家基础地理信息系统全国1∶400万数据库，利用ArcGIS 10.0软件提取环渤海地区118个城市的点状数据、线状边界以及面状图层等数据，经过与最新版的国家地图核对校准之后作为备用数据。面板数据主要使用城市的年末总人口和GDP数据，其中，密云县、延庆县的人口和GDP数据来自各县的2013年国民经济和社会发展统计公报，宁河县、静海县和蓟县数据来自《天津统计年鉴2014》，其余城市的人口和GDP数据均来自《中国城市统计年鉴2014》。

1.3 研究方法

1.3.1 Theil系数及一阶段嵌套分解。Theil系数又称为锡尔熵，最早由Theil和Henri于1967年提出[31-32]。根据算法不同，Theil系数可分为Theil系数T和Theil系数L，两者区别在于Theil系数T是以GDP为权重计算，Theil系数L则是以人口为权重计算[33]。

以Theil系数T计算方法为例。公式为：

(1)

式中：n为区域个数；yi为区域i中GDP占整个区域的比重；pi为区域i中人口占整个区域的比重。T越大，表示各区域间经济发展水平的差异越大。为了探索小尺度下较小单元间的差异，可以对Theil系数T做一阶段分解，则表示整体区域差异的Theil系数为：

(2)

式中：Yij为第i个区域第j市的GDP；Y为整个区域的GDP总量；Pij为第i个区域第j市的人口；P为整个区域的人口总数。定义第i区域的区际差异为：

(3)

进一步，Theil系数Tp可以分解为：

(4)

式中：TWR为地带内的差异；TBR为地带间的差异。

1.3.2 基尼系数与首位城市集聚度。城市空间结构和形态的测度主要有2种思路：一是对于城市集群整体的紧凑度、集聚程度和分布状况的分析，如基尼指数、帕累托指数等，适用于发育较成熟、城市体系层次分明的区域；二是关注区域内中心城市对周边其他城市的带动和影响，如首位城市集聚度，适用于空间极化特征明显、城市间规模差异较大的地区。本研究采用基尼系数和首位城市集聚度对城市密集区的集聚特征进行分析和归类，不仅描绘城市密集区整体的集聚状况，也可以对内部空间结构的差异做出比较[34]。

马歇尔的城市基尼系数计算公式为：

Gi=Ui/2Si(n-1),i=1,2,…，n。

(5)

式中：U为城市密集区中两两城市间的人口或GDP之差的绝对值总和；S为城市密集区总的人口数或GDP总量；n为城市密集区内城市数量；Gi反映第i个城市密集区中的人口或经济的集中程度。Gi取值范围[0,1]，越接近0，表示密集区内城市分布越分散；越接近1，表示在空间上城市分布越集中。

首位城市集聚度表征城市密集区中首位城市的人口数或GDP占整个密集区人口总数或经济总量的比重。

城市基尼系数表征城市密集区的整体集中程度(强—弱)，首位城市集聚度表示城市密集区内部空间结构特征(单中心—多中心)，因此，依据基尼系数和首位城市集聚度可以对城市密集区的集聚特征进行简单分类：基尼系数和首位城市集聚度都高，表明城市密集区具有很强的单中心结构(强单中心)；基尼系数高而首位城市集聚度低，表明城市布局处于紧凑状况，但无明显极化现象(强多中心)；基尼系数低而首位城市集聚度高，表明城市密集区经济结构较松散，有中心城市但是差异不明显(弱单中心)；基尼系数和首位城市集聚度都低，表明城市密集区空间结构分散，中心城市也不突出。

2 城市密集区的空间识别

2.1 空间识别的主要方法

城市密集区的空间识别方法大致分为两类：1)模型法，利用几何图形、数学算法等手段进行地域切割，如引力模型[35]、Voronoi图[36]、场强模型[37]、GIS中的空间可达性[38]等；2)实证法，通过筛选一些测度指标和数据来确定城市密集区的范围和边界[39]，将定性和定量结合起来，研究进展较为深入。

本研究以实证法为依据，综合模型法的特点，以社会经济统计数据和GIS技术为支撑，通过城市属性、规模的分析确定大致范围，采用空间通达性的测算进行城市密集区的边界确定，最后通过对城市密集区城市体系结构的讨论最终确定城市密集区。

2.2 空间识别的主要标准

城市密集区的空间识别主要包括人口规模、城市面积、经济总量、城市数量、交通密度、通勤率等指标，随着研究的深入，城市密集区的判定标准也在发生变化。结合环渤海地区城市分布的实际状况，确定城市密集区的识别标准主要包括以下几点。

1)基础条件。即城市密集区发育的内部和外部条件，是城市密集区形成的环境基础。主要包括较高的城市和人口密度，以交通干线带动的交通走廊效应明显，非农人口占有较高比重，有高等级城市带动区域经济增长，地区GDP总量高于外围城市等。

2)中心城市。是城市密集区中处于核心引领地位、对密集区内其他城市具有强劲辐射带动作用的大型城市，一般具有级别高、规模大和经济发达等特点。在此，取具有省级意义的城市，如直辖市、副省级城市和省会城市以及年末总人口在200万以上、非农人口占比大于50%的特大或超大型城市。据此，环渤海地区的中心城市主要有北京、天津、沈阳、大连、济南、青岛和石家庄。

3)城市体系。城市密集区内的城市体系以完整的等级规模体系存在，主要包括中心城市、标准市和其他城市。标准市是指城市密集区中城市化水平高、具备一定区域影响力的城市，标准市多寡在一定程度上反映城市密集区发育水平的高低。在此取地级及以上城市、年末人口在50万以上、第三产业占比较高、人口和经济建设水平在全国城市平均水平以上的城市作为标准市。其他城市是除中心城市和标准市外包含在城市密集区内的其他中小型城市，主要指县级市。

4)互相联系。城市密集区的边界确定是城市密集区研究的关键问题。边界是城市密集区中心城市的最远辐射距离，一般以中心城市的交通通达性作为边界划分的依据。根据环渤海地区城市交通可达性的测度显示，距离中心城市2 h的通行时间，可划入中心城市的辐射范围。以中国铁道部12306网站和各省市主要客运站网站的购票系统查询结果作为依据，其中以铁路通行时间为主*当12306网站查询结果出现高铁、动车、特快或普通车次等不同的通行时间时，以可利用的最短通行时间的车次计。，汽车通行时间为辅。为简化模型，忽略航空飞行的通行时间。在GIS中，当城市的点状数据被划入某城市密集区中，则整个城市一并归入此城市密集区，因此，城市密集区的边界由各个城市的市域边界组成。

据此，环渤海地区城市密集区的空间识别标准设定如下：具备完整的城市等级体系，有至少1个200万人口以上、具有省级意义、作为区域交通枢纽的超大或特大型城市成为中心城市；有至少1个标准市和其他城市；以中心城市为核心，各城市与中心城市的通行时间在2 h以内。

2.3 空间识别的过程

2.3.1 城市集群划分。依据环渤海地区城市分布的空间格局，结合已有的城市密集区的空间识别标准，以7个中心城市的分布为依据，参照标准市和其他城市的分布情况，最终确定以京津、石家庄、沈阳、大连、济南和青岛为中心城市的6个城市密集区(北京和天津距离较近，通行时间约35 min，以2 h为通行时间的城市密集区重叠严重，故将北京和天津合并)，范围大致包括中心城市及以中心城市为核心的250～300 km范围内的地级市和县级市。

2.3.2 城市密集区边界识别。以中心城市为原点，通行时间在2 h内的城市划入以该中心城市为核心的城市密集区(图1)。当城市密集区边界出现重叠时，则以最小时间成本原则结合行政区划原则确定城市的归属[1]。共有78个城市划入城市密集区的范围，占环渤海地区城市总数的66.1%，京津城市密集区入选城市最多，高达21个，大连城市密集区包含城市最少，仅为7个。

说明：为方便观察，图中城市密集区以中心城市名称命名，如以沈阳为中心城市的城市密集区命名为“沈阳”。

图1 基于2 h通行时间的环渤海地区城市密集区划分
Fig.1 The division based on two-hours traffic circle of urban concentrated areas in the Bohai rim region

2.3.3 城市密集区范围的确定。利用2013年环渤海地区各城市的社会经济数据，对城市等级、经济规模、人口规模、第三产业比重等指标进行筛选，在GIS支持下，判定各城市的归属，6个城市密集区的空间分布见图2。

图2 环渤海地区城市密集区的空间分布和范围Fig.2 The spatial distribution and range of urban concentrated areas in the Bohai rim region

整体上看，这些城市密集区在空间格局上呈现明显的集聚趋势，且分布形态与交通干线的走势一致。从图2可以看出，在辽宁西南与河北接壤处、山东东北部地区也分布着数量众多的城市，包括大量符合识别标准的标准市和县级市，但由于缺少符合条件的中心城市的带动作用，地区经济发展水平有限、人口集聚程度较低，且距离其他中心城市较远，故未能入选城市密集区。从内部结构看，各城市密集区的城市体系构成显示(表1)，京津地区包含城市数目最多，中心城市和县级市的数量也最多；沈阳和济南地区的标准市数量达到7个，二者占城市密集区标准市总数的56%，但沈阳地区的县级市数量最少；石家庄地区的县级市数量也达到12个；大连和青岛地区的标准市各有1个，但大连城市密集区拥有的城市总数最少，只有8个。因此，从城市体系构成的角度看，京津城市密集区的发育最成熟，大连和青岛城市密集区的发育程度最低。

表1 环渤海地区城市密集区的城市体系构成 个

Tab.1 The urban system formation of urban concentrated areas in the Bohai rim region

3 城市密集区的集聚特征

3.1 城市密集区差异的空间尺度

分别以城市密集区和单个城市为基本空间单元，采用2013年环渤海地区城市的GDP和人口数据，运用Theil系数一阶段分解方法，计算得出2013年环渤海地区6个城市密集区以及区际间的Theil系数(表2)。

表2 2013年环渤海地区及6个城市密集区的Theil系数Tab.2 The Theil coefficient of the Bohai rim region and six urban concentrated areas in 2013

由表2可知，无论是Theil系数T还是Theil系数L，环渤海地区的整体差异都很小(<0.1)，因此，整体上看，环渤海地区城市人口和GDP差异不会出现数量巨大的大值和小值，数值分布相对均匀。其中，区域内远远大于区域间的差异值，表明环渤海地区经济和人口分布的差异主要是由城市密集区内的城市分布不均造成的，区域内差异对于全局差异的贡献率约为91.23%～91.80%。城市密集区内部之间的差异比较显示，石家庄地区的差异最明显，高达39.90%～51.08%，京津地区和济南地区次之，沈阳地区最小。这说明，石家庄地区发展最不均衡，两极差异化显著，石家庄集中了外围大量的资源和人口，造成其他中小城市普遍落后，而京津地区则由于北京和天津依靠国家政策，经济高度发达，与其他地级市和县级市的距离拉大，造成差异变大。沈阳和大连地区本身就是我国发育最好的城市群之一，城市间的发展已由最初的竞争演变为和谐共进，因此，这2个城市密集区内的差异较小。

从计算方法角度来看，以GDP为权重的Theil系数T值大多数情况下都大于以人口为权重的Theil系数L值，表明在环渤海地区区际间和城市间，GDP空间分布的差异要大于人口的空间分布差异。

3.2 城市密集区的集聚程度及类型划分

环渤海地区6个城市密集区基尼系数和首位城市集聚度显示，GDP的集聚程度整体上高于人口的集聚程度(表3)。基尼系数均值GDP高于人口18个百分点，首位城市集聚度均值GDP高于人口12个百分点。当前环渤海地区处于快速发展时期，通过经济的高度集聚带动区域人口的集中是一个合理现象，随着经济的转型发展和产业结构的优化调整，这一趋势会逐渐发生变化。

表3 2013年环渤海城市密集区GDP和人口集聚程度Tab.3 The clustering degree of GDP and population of urban concentrated areas in the Bohai rim region in 2013

环渤海地区的城市密集区中，京津地区的基尼系数值最高，表明该地区城市经济和人口分布最集中，且两极分化严重；大连地区的首位城市集聚度值最高，表明大连1个城市集中了区域内52.3%的GDP和34.3%的人口，首位城市集聚度十分明显。而济南地区，无论是基尼系数还是首位城市集聚度基本都是最小值，说明以济南为核心的城市密集区，经济发展较为均衡，大中小城市差距不大，人口分布较为分散。基尼系数和首位城市集聚度结合，能够从整体和内部结构两方面反映城市密集区的集聚状况，因此，以这2个指标对城市密集区的经济和人口集聚特征进行类型划分(图3)。

从GDP的集聚类型看，各个城市密集区的值域分布非常典型，将0.38和0.67分别作为首位城市集聚度和城市基尼系数的分界值，6个城市密集区被归类于3类不同的集聚类型：1)首位城市集聚度和城市基尼系数都高的属于强单中心城市密集区，如北京，此类城市密集区规模较大，城市众多，城市间相互联系密切，有1个超强的中心城市作为首位城市引领区域发展，集聚特征是结构紧密，中心城市实力超强。2)首位城市集聚度较高而城市基尼系数较低的属于弱单中心类型，如沈阳、大连和青岛，此类城市密集区整体规模适中，中心城市集中了区域内大部分的经济和人口资源，城市间发展水平差距较小。3)首位城市集聚度和城市基尼系数都低的属于弱多中心类型，如石家庄和济南，在这2个城市密集区中，中心城市没有形成绝对的优势地位，外围中小城市与中心城市抢夺发展机会，城市间均衡发展；首位城市集聚度低而城市基尼系数高的属于强多中心类型，环渤海地区无此类型城市密集区。

从人口的集聚类型看，可将0.25和0.43分别作为首位城市集聚度和城市基尼系数的分界值。城市密集区的人口集聚类型与GDP集聚类型差别不大，主要区别在于沈阳城市密集区被划入强单中心类型，说明在辽宁中北部地区，沈阳集中了区域内接近50%的人口，且沈阳对于人口的集聚能力大于对经济的集聚能力。

图3 环渤海地区城市密集区GDP和人口集聚类型划分Fig.3 The classification of clustering of GDP and population of urban concentrated areas in the Bohai rim region

3.3 城市密集区的集聚效应对双核结构的影响

双核结构是某一特定区域中，由区域中心城市、港口城市及其连线所组成的一种空间结构模式[40]。由于兼顾了区域中心城市的居中性和港口城市的外向型，两者可以实现区位和社会发展的功能互补。通常地，双核结构中中心城市与港口城市依靠强大的区位和经济优势集中了区域内的大部分资源，在极化作用下会呈现双核城市经济发达而连线上的城市普遍衰落的现象。环渤海地区双核结构分布广泛(图4)，主要有北京—天津、沈阳—大连、石家庄—黄骅、济南—青岛等。

城市密集区内部在发展演化前期，中心城市会把外围中小城市的资源和发展机会集中到自身，从而自身发展壮大，形成以中心城市为核心的锥形区域经济空间结构，这种向心力现象被称为集聚效应。从图4看出，随着京津城市密集区的不断扩大，处于“石家庄—黄骅”双核结构中的黄骅市已经被纳入到京津城市密集区，从而脱离石家庄的辐射范围，黄骅作为京津城市密集区中的县级市服务于北京和天津，在城市密集区集聚效应影响下，黄骅的资源流向天津，造成“石家庄—黄骅”双核结构链的断裂。因此，城市密集区通过集聚效应打破了原来由区位关系形成的城市空间布局，重新构造了以城市集聚程度为标准的新的区域经济空间格局。

图4 环渤海地区城市密集区集聚效应对双核结构的影响Fig. 4 The effect of agglomeration effects on dual core structure of urban concentrated areas in the Bohai rim region

4 结论与讨论

4.1 结论

1)依据城市不同等级和社会经济数据，将118个城市分为3类：中心城市、标准市和其他城市。其中，中心城市有北京、天津和沈阳等7个。通过比较，以2 h作为通行时间，确定了京津、石家庄、沈阳、大连、济南和青岛6个城市密集区的边界范围。

2)利用Theil系数测度区域内、城市密集区之间的差异大小，表明区域整体差异较小，而城市密集区内部的差异对整体差异贡献最大；采用城市基尼系数和首位城市集聚度作为测度方法对6个城市密集区的集聚程度进行划分，北京属于强单中心型，沈阳、大连和青岛属于弱单中心型，济南和石家庄属于弱多中心型；最后通过分析发现，城市密集区的集聚效应破坏了“石家庄—黄骅”的双核结构链，重新构造了区域经济空间格局。

4.2 讨论

通过定量和定性结合的方法对环渤海地区的城市密集区进行划分，并探讨了其集聚特征，由于在研究中地域单元偏大，造成城市密集区边界重合严重，在后续研究中可以尝试以县为基本单位进行划分；由于缺少资料，城市密集区边界确定所使用的通行时间只能通过相关网站查询得来，随意性较大，为提高精度，后续中可利用GIS进行区域交通通达性测算，这样结果会更准确。

[1] 薛俊菲，陈雯，曹有挥.中国城市密集区空间识别及其与国家主体功能区的对接关系[J].地理研究，2012，32(1)：146-156.

[2] 顾朝林.城市群研究进展与展望[J].地理研究，2011，30(5)：711-784.

[3] 刘荣增.城镇密集区及其相关概念研究的回顾与再思考[J].人文地理，2003，18(3)：13-18.

[4] 乔家君，李小建.河南省城镇密集区的空间地域结构[J].地理研究，2006，25(2)：213-221.

[5] 马晓冬，马荣华，徐建刚.基于ESDA-GIS的城镇群体空间结构[J].地理学报，2004，59(6)：1048-1057.

[6] 孙斌栋，魏旭红.上海都市区就业-人口空间结构演化特征[J].地理学报，2014，69(6)：747-758.

[7] 谢志清，杜银，曾燕，等.长江三角洲城市带扩展对区域温度变化的影响[J].地理学报，2007，62(7)：717-727.

[8] 王丽，邓羽，牛文元.城市群的界定与识别研究[J].地理学报，2013，68(8)：1059-1070.

[9] 阎小培，郭建国，胡宇冰.穗港澳都市连绵区的形成机制研究[J].地理研究，1997，16(2)：22-29.

[10] Dickinson R.The City Region in Western in Europe[M].London:Routledge & Kegan Paul,1967：11-12.

[11] Fawcett C B.Distribution of the Urban Population in Great Britain[J].The Geographical Journal,1932,79(2):100-113.

[12] Gottman J.Megalopolis,or the Urbanization of the Northeastern Seaboard[J].Economic Geography,1957,33(3):189-220.

[13] McGee T G.The Emergence of Desakota Region in Asia:Expanding A Hypothesis[M]//Ginsburg N,McGee T G.The Extended Metropolis:Settlement Transition in Asia.Honolulu:University of Hawaii Press,1991:3-25.

[14] 姜博，马晓蕾，郎晓东，等.东北城市密集区空间运输联系演变规律分析[J].干旱区资源与环境，2013，27(9)：32-37.

[15] 姜博，初楠臣，孙雪晶，等.哈大齐城市密集区空间经济联系测度及其动态演进规律[J].干旱区资源与环境，2015，29(4)：59-64.

[16] 曹红阳，王士君.黑龙江省东部城市密集区城市流强度分析[J].人文地理，2007，22(2)：81-86.

[17] 张志斌，刘向来.兰州—西宁城镇密集区经济增长空间收敛性研究[J].地域研究与开发，2013，32(1)：18-23.

[18] 李丁，冶小梅，汪胜兰，等.基于ESDA-GIS的县域经济空间差异演化及驱动力分析——以兰州—西宁城镇密集区为例[J].经济地理，2013，33(5)：31-36.

[19] 宋蕾.都市密集区的气候风险与适应性建设——以上海为例[J].中国人口·资源与环境，2012，22(11)：6-12.

[20] 朱英明，李玉见.沪宁杭城市密集区市场化差异研究[J].长江流域资源与环境，2001，10(2)：118-126.

[21] 盛广耀.城市密集区人口变动研究——以长江三角洲、珠江三角洲和京津唐地区为例[J].经济地理，2007，27(6)：946-951.

[22] 方创琳，祁巍锋，宋吉涛.中国城市群紧凑度的综合测度分析[J].地理学报，2008，63(10)：1011-1021.

[23] 李娜.长三角城市群空间联系与整合[J].地域研究与开发，2011，30(5)：72-77.

[24] 李震，顾朝林，姚士谋.当代中国城镇体系地域空间结构类型定量研究[J].地理科学，2006，26(5)：544-550.

[25] 桑秋，张平宇，高晓娜，等.辽中城市群县域综合发展水平差异的时空特征分析[J].地理科学，2008，28(2)：150-155.

[26] 于涛方，顾朝林，李志刚.1995年以来中国城市体系格局与演变[J].地理研究，2008，27(6)：1407-1418.

[27] 王发曾，郭志富，刘晓丽，等.基于城市群整合发展的中原地区城市体系结构优化[J].地理研究，2007，26(4)：637-650.

[28] 王婧，方创琳.中国城市群发育的新型驱动力研究[J].地理研究，2011，30(2)：335-347.

[29] 狄乾斌，韩帅帅.环渤海地区城市经济影响区的空间分异研究——基于“湖泊效应”和BASS模型[J].地理科学，2015，35(6)：690-697.

[30] 王开泳，陈田.珠江三角洲都市经济区地域构成的判别与分析[J].地理学报，2008，63(8)：820-828.

[31] 徐建华，鲁凤，苏方林，等.中国区域经济差异的时空尺度分析[J].地理研究，2005，24(1)：57-68.

[32] 王建军.基于Theil指数的广东省入境旅游经济时空差异研究[J].地域研究与开发，2012，31(1)：99-115.

[33] Takahiro A.Decomposing Regional Income Inequality in China and Indonesia Using Two Stage Nested Theil Decomposition Method[J].The Annals of Regional Science,2003,37(1):55-77.

[34] 李佳洺，张文忠，孙铁山，等.中国城市群集聚特征与经济绩效[J].地理学报，2014，69(4)：474-484.

[35] Huff D L.The Delineation of A National System of Planning Regions on the Basis of Urban Sphere of Influence[J].Regional Studies,1973,7(3):323-329.

[36] Ottaviano G I P,Pinelli D.Market Potential and Productivity:Evidence from Finnish Regional[J].Regional Science and Urban Economics,2006,36(5):636-657.

[37] Liang S M.Research on the Urban Influence Domains in China[J].International Journal of Geographical Information Science,2009,23(12):1527-1539

[38] 张倩，胡云锋，刘纪元，等.基于交通、人口和经济的中国城市群识别[J].地理学报，2011，66(6)：761-770.

[39] 方创琳.城市群空间范围识别标准的研究进展与基本判断[J].城市规划学刊，2009(4)：1-5.

[40] 陆玉麒.区域双核结构模式的形成机理[J].地理学报，2002，57(1)：85-95.

The Spatial Identification and Clustering Characteristics of Urban Concentrated Areas in the Bohai Rim Region

Han Shuaishuai ， Di Qianbin

(Center for Studies of Marine Economy and Sustainable Development of Liaoning Normal University, Dalian 116029, China)

Based on the discussion of the connotation and characteristics of urban concentrated areas,take the 118 cities in Bohai rim region as the research area, 6 urban concentrated areas were confirmed by the identification and utilization of city space; With the help of GDP and population data, Theil coefficient, Gini coefficient and the first city agglomeration method, the feature of urban concentrated areas were researched from the spatial difference, the degree of agglomeration and agglomeration effects. The results showed: (1)The paper identified 7 central cities, 38 standard cities and 77 other cities by city level and social economic data for screening standard; (2)With the passage of time 2 hours to determine the Beijing and Tianjin, Shijiazhuang, Shenyang, Dalian, Jinan and Qingdao as the core city of urban concentrated areas; (3)Theil coefficient indicates that the overall difference of the Bohai rim region was small, the difference within the urban concentrated area is bigger than the inter regional differences,of the overall difference,the internal difference’s contribution rate is more than 91%; (4)The cluster classification indicates that, Beijing-Tianjin area belongs to the strong single center, Shenyang, Dalian and Qingdao area belongs to the weak single center, Jinan and the Shijiazhuang area belongs to the weak multi-single center; (5)Under the strong agglomeration effects of the Beijing-Tianjin urban concentrated areas, the “Shijiazhuang-Huanghua”dual core structure chain is destroyed, and urban concentrated areas construct the pattern of regional economic structure again.

urban concentrated areas; spatial identification; clustering characteristics; Gini coefficient; Bohai rim region

2015-01-25；

2015-12-17

国家自然科学基金项目(41571127)；辽宁省高等学校优秀科技人才支持计划项目(WR2014005)

韩帅帅(1989-)，男，河南洛阳市人，硕士研究生，主要从事经济地理研究，(E-mail)hanss_89@yeah.net。

狄乾斌(1977-)，男，山东滕州市人，副教授，博士，主要从事经济地理研究，(E-mail)dqbwmn@163.com。

F290；X171.1

A

1003-2363(2016)01-0020-07