基于ESDA-GWR的浙江省土地城镇化空间特征及影响因素分析

俞振宁，吴次芳

（浙江大学土地与国家发展研究院， 浙江 杭州 310058）

基于ESDA-GWR的浙江省土地城镇化空间特征及影响因素分析

俞振宁，吴次芳

（浙江大学土地与国家发展研究院， 浙江 杭州 310058）

研究目的：以浙江省76个县级单元为例，探索土地城镇化水平的空间分布特征及其影响因素，为进一步揭示土地城镇化驱动机制提供参考。研究方法：探索性空间数据分析（ESDA）和地理加权回归（GWR）模型。研究结果：（1）浙江省土地城镇化具有“点—带—块”状结构特征。土地城镇化水平较高的杭州主城区、宁波主城区、温州市区等是土地城镇化水平较高的集聚“点”；浙西南区域的衢州和丽水所辖县市形成了土地城镇化水平较低的分布“带”；绍兴、宁波和台州所辖县市形成了土地城镇化水平低值“块”。（2）由社会经济指标归纳的国内动力和国外动力与土地城镇化水平都呈正相关关系，国内动力的回归系数在空间上主要是从北向南呈递减趋势，而国外动力的回归系数由西北向东南呈递增的趋势。研究结论：（1）浙江省土地城镇化水平空间差异明显，具有一定的正的空间自相关性；（2）浙江省土地城镇化影响因子具有明显的空间分异性；（3）GWR模型相比于OLS模型更适用于土地城镇化水平影响因素分析。关键词：土地利用；土地城镇化；空间特征；影响因素；ESDA-GWR；浙江省

1　引言

中国正经历着人类历史上规模最大的人口城镇化进程［1］。2014年中国统计年鉴显示，中国城镇人口比重已经达到了53.73%。近5年来，中国城镇人口比重年均增长1.35%，城镇人口共增加了8599万人。与此同时，根据国土资源部土地利用变更调查数据，2009—2013年城镇用地规模占城乡用地规模的比重也从28.18%稳定增长至31.22%，城镇用地、村庄用地规模分别扩展了132.95×104hm2和43.09×104hm2。

土地城镇化作为城镇化研究的重要内容［2］，受到了城市地理学、城市规划、土地科学等多学科的积极关注。从研究内容看，主要分成以下三个方面：（1）土地城镇化的内涵、特征和度量方法。土地城镇化是地表空间景观向城镇形态的转化过程，也是土地利用属性和产权属性转变的结果［3-4］。基于对其概念理解的不同侧重，其度量方法主要有单指标和复合指标方法。单指标方法主要利用城镇建成区面积占区域总面积的比重［5］或城镇工矿用地占城镇村及工矿用地的比重［6］来衡量；复合指标方法则是从土地利用的投入、效率、结构等方面进行加权测算，但是实际所采用的二级指标并不统一，且操作过程仍有较多问题［7］。剖析以上测度方法的核心，借鉴人口城镇化的接受度最高的测度方法［8］，在实体空间上与之相对应的土地城镇化水平可以用城镇建设用地与城乡建设用地的比值来表示［4］。（2）土地城镇化与人口城镇化的匹配关系。众多学者从全国［5］、区域［3］和个案城市［2］三个空间尺度开展了广泛的研究，但是这些研究在时间维度上主要集中于第二次全国土地利用调查之前，对于二调之后关注不够，在空间维度上主要是省级和地市级，基于县级尺度的研究并不多见。（3）土地城镇化的驱动因素分析。土地城镇化是一个复杂的系统变化过程，受多重因素的影响和制约［7］，尤其是分税制改革以后，制度和管理方面的因素大大推进了土地城镇化进程［9］。总体而言，对于土地城镇化的驱动因素分析主要停留在定性分析阶段，缺乏实证检验。

相对而言，人口城镇化的驱动机制研究成果则比较丰富。人口城镇化的驱动因子主要可分为3类：经济因素（实际利用外资金额、固定资产投资额等）、社会因素（产业结构演变、社会商品零售额等）、政府因素（国家政策、城市规划等）［10］。在研究方法方面，比较常用是相关分析、主成分分析、多元回归分析、灰色关联分析等［11-12］。自然基础和历史背景的多样性决定了中国城镇化的区域差异不可避免［13］，因此忽视地理因素的相关研究，其解释力是有限的，甚至结论会相差很大。随着越来越多的空间分析方法被应用于社会经济研究领域，地理加权回归（GWR）模型在土地利用/覆被变化、城市地理等领域得到了广泛应用，取得了较好的结果［14］。

浙江省是中国经济增长速度最快的省份之一，但是省内的区域发展差异却不容忽视。浙江省辖11个地级市，下分90个县级行政区，包括32个市辖区、22个县级市、35个县和1个自治县。由于各地级市统计年鉴统计口径的问题，本文归并其中的32个市辖区为18个，以76个县级单元为研究对象，运用探索性空间数据分析（Exploratory Spatial Data Analysis， ESDA）和GIS的空间表达方法，在描述浙江省土地城镇化水平的空间分布特征的基础上，综合多元回归模型和地理加权回归模型对土地城镇化的驱动因素进行探讨，以期揭示土地城镇化的动力机制，为协调区域发展提供一定的参考。

2　数据来源与研究方法

2.1数据来源

土地利用变更调查数据来自国土资源部，选择了2013年浙江省各县域（市辖区）的城市、镇和村庄三项用地规模数据，基于文献述评，选择城镇用地规模占城乡用地规模的比值来表示土地城镇化水平；土地城镇化驱动因子的数据则来自于2014年浙江省11个地级市的统计年鉴。

2.2研究方法

2.2.1探索性空间数据分析 探索性空间数据分析（ESDA）的核心是全局空间自相关分析和局部空间自相关分析。本文采用最常用的Moran’I指数来检验浙江省土地城镇化水平是否在空间上集聚，Moran’I定义为：

为了进一步揭示区域局部的差异，还需要进行局部空间自相关分析。局部空间自相关程度可以用LISA （Local Indicators of Spatial Association）来描述，而Local Moran’I是 LISA常用指数。Local Moran’I定义如下：

式（2）中，zi、zj表示相应区域的土地城镇化水平的标准化形式，Ji为区域i的邻里集。

2.2.2地理加权回归模型 在GWR模型中，回归系数不再是假定常数，而是在特定区位下利用邻近属性值进行局部回归估计得到的，随着空间位置变化而变化的变数。GWR模型表示为：

式（3）中，βj（j = 1，2，…，n）是变量xij在空间位置（ui，vi）处的局部系数，将随空间位置的变化而变化。本文运用ArcGIS10.2软件中的GWR工具，采用常用的AICc方法设定模型带宽，实现建模。

3　结果与分析

3.1浙江省土地城镇化的空间特征

根据2013年全国土地利用变更调查结果，2013年末浙江省城镇村及工矿用地为96.69×104hm2（折合1450.34×104亩），占浙江省陆域面积的9.50%。其中，城镇用地规模为38.87×104hm2，村庄用地规模为51.54×104hm2，城镇用地规模占城乡用地规模的比重为42.99%，即浙江省的土地城镇化水平为42.99%。浙江省的76个县级单元的土地城镇化水平属性值空间可视化结果表明局部空间差异明显（图1），排名前十的县级单元城镇用地规模达13.88×104hm2，占全省比重达35.72%，平均土地城镇化水平达70.69%，而排名后十位的县级单元城镇用地规模仅为1.19×104hm2，占全省比重为3.07%，平均土地城镇化水平仅为17.84%。总体而言，浙江省土地城镇化水平呈现东高西低，沿海高于内陆的基本格局。

在显著性水平α = 0.05的水平下，土地城镇化水平的Moran’I系数为0.1218，且计算结果通过了Z值检验（P-value = 0.03），说明浙江省土地城镇化水平在县域层面存在显著为正的空间自相关，呈现趋同趋势，即土地城镇化水平较高的县级单元多与周围其他相应值较高的县级单元在空间上集聚，而土地城镇化水平较低的县级单元多与周围其他相应值较低的县级单元在空间上集聚。

LISA的分析结果进一步表明浙江省土地城镇化具有“点—带—块”状结构特征（图2）。土地城镇化水平最高的县级单元是杭州主城区（84.37%，不包括萧山区、余杭区和富阳区）、其次是宁波主城区（78.14%，不包括鄞州区）和温州市区（72.15%），此外，慈溪市（66.91%）、绍兴市越城区（66.18%）和义乌市（63.87%）也具有较高的土地城镇化水平。在LISA集聚图上，这些县级单元形成了高—高关联区域，成为了土地城镇化水平较高的集聚“点”，其邻近县域的土地城镇化水平也较高；土地城镇化水平最低的则是富阳区（12.47%）、洞头县（14.42%）、长兴县（18.28%）和开化县（18.32%）。从LISA集聚图看，低—低关联区域主要分布于浙西南区域的衢州和丽水所辖县市，形成了土地城镇化水平较低的分布“带”，其周边区域土地城镇化水平也相对较低；低—高关联区域则主要是绍兴、宁波和台州所辖县市，形成了土地城镇化水平低值“块”，而其周边区域土地城镇化水平较高，两者的空间差异程度较大；高—低关联区域只有衢州的柯城区，形成了土地城镇化高值孤立“点”，其邻近县域土地城镇化水平仍较低。

图1　2013年浙江省土地城镇化水平的空间分布Fig.1 The spatial distribution pattern of land urbanization in Zhejiang Province in 2013

图2　2013年浙江省土地城镇化水平的LISA集聚图Fig.2 The LISA cluster map of land urbanization in Zhejiang Province in 2013

3.2浙江省土地城镇化的影响因素分析

3.2.1模型构建 土地城镇化是一个复杂系统，其不仅受到国内各种社会经济因素的影响，还受到国外各种因素的共同作用。本文从经济发展、产业发展、人口转移、科技创新、基础设施、制度环境6个方面，基于各类因子的相关性、数据可获得性等因素，选取了平均每公顷城乡建设用地面积的固定资产投资总额、社会消费品零售总额、实际利用外资金额、工业总产值作为核心因子（表1）。为了消除多重共线性的影响，采用因子分析，得到两个主因子。为了突出全球化对中国土地城镇化的影响，综合考虑将其命名为国内动力和国外动力。

表1　动力因子及其指标体系Tab.1 Driving forces and indicator system

以2013年浙江省县域土地城镇化水平为被解释变量，国内动力和国外动力为解释变量，构建OLS模型，分析解释变量影响程度，结果如表2所示，回归方程及两个因子均通过了显著性检验。根据两个因子的系数，可以发现在其他条件均保持不变的情况下，国外动力每增加一个单位，土地城镇化率会增加5.9%，略高于国内动力的5.0%。说明对于浙江省来讲，国内资金投入、市场发育以及工业化对土地城镇化水平的影响在现阶段已经相对不强烈，有一部分原因是这些因素会同时推动农村建设用地的扩张［15］，从而在整体上对土地城镇化的影响相对较弱。外资利用则相对集中于城镇建设用地之上，对于城镇化进程有着较为直接和明显的影响。

表2　OLS模型参数估计及检验结果Tab.2 Parameter estimation and test results of the OLS model

在OLS模型的基础分析上，构建GWR模型再分析发现，GWR模型的拟合优度为0.567（表3），相比于OLS模型的0.429有很大程度的提高，说明GWR模型的拟合效果要明显优于OLS模型。各县级单元局部回归模型的标准化残差的范围是［-2.23，2.42］，包含于正态分布函数在0.01水平下的置信区间［-2.58，2.58］，表明GWR的标准化残差在0.01的显著性水平下是随机分布的。进一步的全局空间自相关分析表明，标准化残差的Moran’I系数为0.0073，Z值检验并不显著（P-value = 0.38），说明标准化残差在空间上呈随机分布，GWR模型整体效果较好。

表3　GWR模型参数估计及检验结果Tab.3 Parameter estimation and test results of the GWR model

3.2.2结果分析

（1）国内动力对土地城镇化水平影响的空间变异特征。浙江省各县级单元的国内动力与土地城镇化水平都呈正相关关系（图3）。国内动力的回归系数在空间上主要是从北向南呈递减趋势。最大值是舟山市下辖的嵊泗县（0.154）和岱山县（0.120），表明现阶段国内动力对这两个海岛县土地城镇化水平影响最大；其次影响相对较大的区域主要是浙北（杭嘉湖平原）和浙东北（宁绍平原和舟山群岛）地区，回归系数主要在0.078—0.099；国内动力对浙南（山地）地区的土地城镇化水平影响最弱，回归系数主要在0.037—0.044。结合浙江省“七山一水二分田”的地形来看，国内动力对土地城镇化的影响与地形分布有一定的关联，总体上从高到低依次是：岛屿区、平原区、盆地区、丘陵区和山地区。这说明土地城镇化水平较大地受制于地理因素，同样的资金投入、市场发育以及工业化在不同地形下产生的影响是不同的。

（2）国外动力对土地城镇化水平影响的空间变异特征。浙江省各县级单元的国外动力与土地城镇化水平都呈正相关关系（图4）。从回归系数的空间分布看，由西北向东南回归系数呈递增的趋势，最大值是温州的苍南县（0.114），最小值出现在衢州的开化县（0.034）。从东南方向进行比较可以发现，国外动力对浙江沿海地区的影响明显高于内陆地区，这说明沿海地区相比于内陆地区存在更多的土地城镇化优势。

图3　GWR模型国内动力回归系数空间分布Fig.3 Spatial distribution of the regression coefficients of domestic force in the GWR model

图4　GWR模型国外动力回归系数空间分布Fig.4 Spatial distribution of the regression coefficients of foreign force in the GWR model

4　结论与讨论

4.1浙江省土地城镇化水平空间差异明显，具有一定的正的空间自相关性

浙江省土地城镇化水平在县域层面存在显著为正的空间自相关，呈现趋同趋势。局部空间自相关分析表明浙江省土地城镇化具有“点—带—块”状结构特征。土地城镇化水平较高的杭州主城区、宁波主城区、温州市区等是土地城镇化水平较高的集聚“点”；浙西南区域的衢州和丽水所辖县市形成了土地城镇化水平较低的分布“带”；绍兴、宁波和台州所辖县市形成了土地城镇化水平低值“块”。

4.2浙江省土地城镇化影响因子具有明显的空间分异性

GWR模型分析结果表明，国内动力和国外动力与土地城镇化水平都呈正相关关系，但具有不同的空间分异特征。国内动力的回归系数在空间上主要是从北向南呈递减趋势，并且与浙江省的地形有一定的关联；国外动力的回归系数由西北向东南呈递增的趋势，说明沿海地区相比于内陆地区存在更多的土地城镇化优势。

4.3GWR模型相比于OLS模型更适用于土地城镇化水平影响因素分析

分别运用OLS模型和GWR模型分析浙江省土地城镇化水平的影响因素，发现GWR模型可以更深刻地揭示土地城镇化水平影响因子的空间分异性，但从两个模型的拟合度和残差来看，本文从社会经济角度所归纳的土地城镇化影响因子仍不全面，还需要从地理因素、政策因素等角度予以分析。本文将土地城镇化驱动因素分为国内因素和国外因素，也在一定程度上揭示了全球化及国际化也对中国土地城镇化有着较为直接的影响，例如，全球产业链的国际分工和上下游关系也对土地利用变化和土地城镇化存在较大的影响，而在目前的研究中这些因素鲜有考虑。如何更全面深入地分析土地城镇化的驱动机制还需要今后继续探讨。

（References）：

［1］ Chen Q， Song Z. Accounting for China’s urbanization［J］ . China Economic Review， 2014， 30（9）: 485 - 494.

［2］ 郭施宏，王富喜，高明. 山东半岛人口城市化与土地城市化时空耦合协调关系研究［J］ . 经济地理，2014，34（3）：72 - 78.

［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.

［4］ 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，2012，31（8）：1042 - 1049.

［5］ 谭术魁，宋海朋. 我国土地城市化与人口城市化的匹配状况［J］ . 城市问题，2013，18（11）：2 - 6.

［6］ 林坚. 中国城乡建设用地增长研究［M］ . 北京：商务印书馆，2009.

［7］ 吕萍，周滔，等. 土地城市化与价格机制研究［M］ . 北京：中国人民大学出版社，2008.

［8］ 陈明星，陆大道，张华. 中国城市化水平的综合测度及其动力因子分析［J］ . 地理学报，2009，64（4）：387 - 398.

［9］ 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，2011，35（2）：11 - 12.

［10］ 陈洋，李郇，许学强. 改革开放以来中国城市化的时空演变及其影响因素分析［J］ . 地理科学，2007，27（2）：142 - 148.

［11］ 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.

［12］ 曹广忠，刘涛. 中国省区城镇化的核心驱动力演变与过程模型［J］ . 中国软科学，2010，19（9）：86 - 95.

［13］ 周一星. 论我国城镇化的地域差异［J］ . 城市规划，1983，7（2）：17 - 21.

［14］ Clement F， Orange D， Williams M， et al. Drivers of afforestation in Northern Vietnam: assessing local variations using geographically weighted regression［J］ . Applied Geography， 2009， 29（4）: 561 - 576.

［15］ Li T， Long H， Liu Y， et al. Multi-scale analysis of rural housing land transition under China’s rapid urbanization: The case of Bohai Rim［J］ . Habitat International， 2015， 48（8）: 227 - 238.

（本文责编：仲济香）

Analysis on Spatial Characteristics and Influence Factors of Land Urbanization from the Perspective of ESDA-GWR in Zhejiang Province

YU Zhen-ning， WU Ci-fang
（Land Academy for National Development， Zhejiang University， Hangzhou 310058， China）

The purpose of this study is to explore the spatial characteristics and influence factors of land urbanization，taking 76 counties in Zhejiang Province as the study areas. The methods used include exploratory spatial data analysis and geographically weighted regression model. The main results could be summarized as follows: 1）It is obvious that the land urbanization level is different in Zhejing Province with certain positive spatial correlation. Land urbanization of Zhejiang Province has“spot-corridor-patch” structure characteristics. Hangzhou City， Ningbo City and Wenzhou City， are the high level “spots”； and the southwest of Zhejiang Province is the low level “corridor”； and the counties belong to Shaoxing City，Ningbo City and Taizhou City are the low level “patch”. 2）The influence factors present spatial heterogeneity. The domestic factor mainly shows a decreasing trend from north part to south part while the foreign factor increasing from northwest part to southeast part. 3）GWR model is more suitable for analyzing influence factors of land urbanization than OLS model.

land use； land urbanization； spatial characteristics； influence factors； ESDA-GWR； Zhejiang Province

F290，F301.2

A

1001-8158（2016）03-0029-08

10.11994/zgtdkx.20160317.142807

2015-11-11；

2016-02-21

国家社会科学基金重大项目（14ZDA039）。

俞振宁（1992-），男，浙江宁海人，博士研究生。主要研究方向为土地规划与空间分析。E-mail: yuzhenning@zju.edu.cn