安徽省城镇化质量测度与时空分异研究

吴红霞， 张雪茹， 洪永胜， 聂 艳*

(1.华中师范大学 地理过程分析与模拟湖北省重点实验室， 武汉 430079；2.南京师范大学 地理科学学院， 南京 210023)

安徽省城镇化质量测度与时空分异研究

吴红霞1， 张雪茹2， 洪永胜1， 聂 艳1*

(1.华中师范大学 地理过程分析与模拟湖北省重点实验室， 武汉 430079；2.南京师范大学 地理科学学院， 南京 210023)

城镇化是人口、经济、社会、生态和空间等多因素共同作用的结果，兼顾“质”与“量”、“时”与“空”的协调发展至关重要.该文以安徽省为研究区，从人口发展、经济发展、社会发展、生态环境、城乡统筹发展及开放程度6个维度构建城镇化质量评价指标体系，借助构建的基于粒子群优化投影寻踪和系统聚类相结合的城镇化质量测度的新方法，对安徽省16个地级市2005年、2010年、2014年的城镇化质量进行测度.研究结果表明：1)2005年～2014年安徽省城镇化质量不断提升，近10年的增长幅度为10.35%，3个研究时点各地级市城镇化质量的首末位差(3.375 4、3.275 7、3.029 5)、标准差(0.825 8、0.804 0、0.732 7)和变异系数(54.19%、51.81%、43.57%)显示各地级市城镇化质量存在差距但逐渐缩小.2)根据城镇化质量投影值的变化将安徽省城镇化质量分为高质量、较高质量、中等质量、较低质量、低质量5种类型，空间上具有一定的聚集特征，呈现“两高两低”空间分布格局.3)经济发展、社会发展、生态环境是安徽省城镇化质量发展的主要驱动因素.研究结果对制定安徽省城镇化发展战略、促进16地市城镇化协调发展具有重要的参考意义.

投影寻踪； 系统聚类； 城镇化质量； 时空演变； 安徽省

我国人口城镇化率从1996年的30%上升到2014年54.77%仅用了18 a；法国和美国城镇人口比重从25%上升到75%大约用了120 a.按照城市发展“纳瑟姆曲线”显示，我国目前和未来几十年的城镇化发展仍处于快速发展阶段，但速度不是城镇化进程的全部内涵[1-2].在快速发展的城市化进程中，由于质量不高，会导致城乡发展不协调、生态环境破坏等一系列问题.因此，如何在保证当前城市化高速增长的前提下，提高城市化质量，保证城市化“质”与“量”协调发展，已经引起政府和学者的高度重视[3].目前，国内学者对城镇化质量的研究主要集中在城镇化质量的内涵、指标体系的构建、城镇化质量提升对策、城镇化质量与规模协调等方面，积累了不少成果[4-6].但是就城镇化质量的研究仍需进一步完善和丰富，首先，在研究区域上，对经济发达、城市化水平较高的东部沿海地区的研究较多，对欠发达地区的研究较少.研究视角上，仅有的几篇关于中部地区城镇化质量研究，焦点仍停留在指标体系的构建和城镇化质量的测度上，较少从时间序列和空间视角上对城镇化质量进行分析.此外，从已有的研究来看，较少涉及城市对外开放程度及可持续发展指标.研究方法上，对城镇化质量多采用主成分分析法、层次分析法、熵值法、熵权TOPSIS法等常规方法对其进行综合测度[7-9].然而主成分分析法和层次分析法在确定权重时主观性太强，易偏离评价目标，熵值法和熵权TOPSIS法虽然较好克服了确定权重时的主观性，但权重值大小易受样本差异程度的影响.20世纪70年代由Friedman提出的投影寻踪(projection pursuit，PP)方法是一种新型的多元数理统计分析方法，实证表明该方法具有客观、适用、评价结果更符合实际等特点，目前已广泛应用于农业、工业、水文、气象、环境科学等领域，但鲜有应用到城镇化质量测度分析方面的研究[10-13].因此，本文以安徽省为研究区域，在传统的投影寻踪法基础上，借助于粒子群算法(Particle Swarm Optimization，PSO)全局寻优能力强、收敛速度快的特性进一步拓广，通过粒子群算法寻找最佳投影方向向量，进而获得样本最佳投影值(评价值)，根据投影值的大小从时、空两方面对研究区城镇化质量演变特征及其原因进行定量分析，以期为促进新型城镇化健康发展及制定城镇发展决策提供参考.

1数据来源与研究方法

1.1数据来源

结合安徽省“十五”到“十二五”规划及城镇化发展态势，将研究时点确定为2005年、2010年和2014年.以安徽省2014年最新的地市级行政区为城镇化质量评价单元，共16个；因为2011年原巢湖市一分为三，2005年、2010年的原巢湖市所辖县的相关数据根据行政区调整方案分别并入对应的合肥市、芜湖市和马鞍山市，确保3个研究时点的数据和行政界线的一致性，使得结果具有可比性.人口、GDP、居民收入等数据来源于《安徽统计年鉴》(2006年、2011年、2015年)、原巢湖市统计年鉴(2006年、2011年)、中国农村统计年鉴(2006年、2011年、2015年)、《中国城市统计年鉴》(2006年、2011年、2015年).评价单元界线来自1∶50万安徽省行政区划图，借助ArcGIS10.1建立空间数据库.

1.2研究方法

1.2.1粒子群优化的投影寻踪模型 投影寻踪(projection pursuit，简称PP)是一种分析处理非正态、非线性高维数据的统计方法.基本思想是把高维数据投影到低维空间上，通过约束条件寻找出反映原高维数据特征的投影，达到在低维空间上进行数据分析的目的.投影寻踪模型在降维过程中涉及到高维全局寻优问题，传统优化算法在寻优时存在参数调整复杂、收敛速度慢等缺点，而粒子群算法是同时具有局部和全局搜索能力，优化性能高、搜索能力强.因此，本研究拟采用基于粒子群优化投影寻踪模型对安徽省城镇化质量进行测度，主要步骤包括：构建原始指标矩阵、原始数据标准化处理、构建投影指标函数、投影目标函数的优化、评价值计算等[12-14]，并令最佳投影方向为a*.

1.2.2系统聚类法 系统聚类法是一种研究分类问题的多元统计方法，在聚类分析中应用最为广泛[15-16].先将n个变量各自作为一类，设定变量与变量、类与类之间的距离，再将距离最近的两类合并成一个新类，计算新类与其他类之间的距离，重复进行两个最近类的合并，每次减少一类，直至所有变量合并为一类为止.常用聚类树形图来表示变量的类别关系.

本研究结合粒子群优化投影寻踪模型，以最佳投影方向为各评价指标的权重，累加计算得到各样本的城镇化质量综合投影值，采用Matlab 2015b软件对各样本的综合投影值进行系统聚类分析，样本与样本间的距离采用欧氏距离测度，划分安徽省16地市的城镇化质量等级.

2安徽省城镇化质量测度与时空演变特征

2.1安徽省城镇化质量测度指标体系的构建

城镇化质量的衡量应是质与量的结合，既要考虑人口数量和经济发展总量，也要考虑城市居民的生活、环境质量与可持续发展潜力；此外，从系统论的角度来看，一个区域和国家是一个具有耗散结构的开放系统，要使这个系统的城市化健康发展，就必须从系统外部获得负熵值作为城市化发展的能力或抵消城市化发展过程中的不经济.由此可见，开放性对于区域城镇化可持续发展具有重要作用.基于城镇化质量的内涵和已有的研究成果[1，5，7-8，17]，结合安徽省的实际情况及数据的可获得性，在咨询高校、安徽省发改委等15个专家的意见，从人口、经济、社会、生态环境、城乡统筹、开放程度6个方面共选取28项指标构建了安徽省区域城镇化质量评价指标体系(表1).在城乡统筹发展质量准则层中，通过设置差异系数实现各个指标层数据获取.计算公式为yi=1-(ni/ci)，yi为城乡之间i指标的差异系数，ni为农村i指标的实际值；ci为城市i指标实际值[18].

2.2安徽省城镇化质量时序演变特征

表1 安徽省城镇化质量评价指标体系

从表2可知，安徽省16地市城镇化质量综合投影值总体呈小幅上升趋势，从2005年的24.384 0上升到2014年的26.907 2，增长幅度为10.35%，而10年间安徽省城镇化率增长幅度达到38.59%，城镇化质量并没有随城镇化率快速提高而大幅度上升，说明两者相关性并不显著.就区域内部而言，2005年～2014年，合肥、马鞍山、芜湖、铜陵、蚌埠5个城市的城镇化质量综合投影值均高于全省平均值，其余11个城市基本低于省平均值.从动态变化趋势来看，亳州、滁州、宣城综合投影值呈上升态势；合肥、淮北、宿州、芜湖、池州、黄山呈波动上升趋势；马鞍山呈下降趋势；阜阳、淮南、六安、铜陵、安庆呈波动下降趋势.这也是造成安徽省城镇化质量小幅上升的原因.

表2 安徽省16地市城镇化质量综合投影值及排序

另一方面，从综合投影值的首末位差、标准差和变异系数来看，研究区域内各地级市综合投影值差距较大，但差距在缓慢缩小.2005年综合投影值最高和最低的城市分别为合肥和池州，两市首末位差为3.375 4，2010年和2014年综合投影值最高和最低的城市均分别为合肥和宿州，两市首末位差分别为3.275 7、3.029 5，首末位差逐渐缩小；再分别计算2005年、2010年和2014年安徽省16地市城镇化质量综合投影值的标准差(分别为0.825 8、0.804 0、0.732 7)和变异系数(分别为54.19%、51.81%、43.57%)，可以发现安徽省16地市之间城镇化质量差距呈现缓慢减小的趋势.

2.3安徽省城镇化质量空间演变特征

对2005年、2010年、2014年安徽省16地市的城镇化质量综合投影值进行聚类分析，得到3个时间段的城镇化质量聚类谱系图(图1).根据聚类结果，将全省16地市划分为5种类型：高质量城镇化地区、较高质量城镇化地区、中等质量城镇化地区、较低质量城镇化地区、低质量城镇化地区(图2).结果显示，安徽省城镇化质量发展不平衡，呈现东高西低，中间高南北两侧低的地域差异.

图1 安徽省16个地级市城镇化质量聚类谱系(2005年，2010年，2014年)Fig.1 The cluster pedigree of urbanization quality of 16 cities in Anhui Province(in 2005， 2010， 2014)

2005年，高质量城镇化地区仅有合肥1个城市，较高质量城镇化地区有马鞍山、芜湖两个地市；中等质量城镇化地区仅有铜陵1个地市；较低质量城镇化地区包括淮北、蚌埠、淮南、安庆4个地市，低质量城镇化地区包括亳州、宿州、阜阳、滁州、六安、宣城、池州、黄山8个地市.合肥作为省会城市，经济发展基础好，拥有良好的区域和政策环境，其城镇化质量始终处在最高等级；从图2可以看出，相对第二、三等级的城市呈片状集中分布，马鞍山、铜陵矿产资源丰富、工业水平和城镇化水平较高；芜湖是安徽省第二大城市，新兴工业发达，因此城镇化质量相对较高.城镇化质量处在较低类型区的城市呈片状分布在淮河平原及皖南山区.总体来说，2005年安徽省城镇化质量整体水平不高，差距明显，较高城镇化质量城市较少，较低城镇化质量城市较多，地区差异大.

2010年，安徽省城镇化质量空间分布变化较为明显，亳州、滁州、宣城、池州、黄山5地市相对等级有所上升，进入较低质量城镇化地区.合肥仍位居最高等级行列，相对第二等级城市中，马鞍山的城镇化质量被芜湖超越，这主要是因为芜湖充分发展具有较强竞争力的汽车及零部件、电子电器、材料三大支柱产业，促使经济的快速发展，虽然马鞍山通过调整产业结构降低经济发展对矿产资源的依赖，但成效不显著.总体上，2010年安徽省城镇化质量处于上升阶段，城镇化质量综合得分的差异有一定改善.

与2010年比较，2014年安徽省城镇化质量空间分布没有发生显著变化，但组内变化明显，组内显著变化主要发生在较低质量城镇化和低质量城镇化类型区的地级市中.蚌埠地处全国中部六省的安徽省北部，随着中央“中部崛起”战略的实施以及东部发达地区产业梯度的转移，蚌埠过度地带的区位优势逐渐凸显出来，城镇化质量随之得到明显改善.滁州位于安徽省最东部，是皖江城市带承接产业转移示范区第一站，具有良好的区位条件，依靠合肥的辐射带动作用，大力发展高新技术产业及扬子空调、东菱电器等制造业，不断增强经济实力，使城镇化质量得到大幅度提升.亳州是我国重要的药材集散中心，区域内药材种植面积占全国的1/10左右，药片产量占全国1/4左右，境内有京九铁路、济广高速公路等多条交通路线，提高了药材外运能力，促进经济发展，从而带动城镇化综合发展水平的提高.池州和黄山是安徽“两山一湖”旅游区的重要组成部分，城镇化质量综合排名分别居于全省第10、第12位.池州的三次产业结构为21.5∶38.1∶40.4，第三产业发达，但经济实力不强，引进外资力度不够，直接影响到池州城镇化质量的提高.黄山是国际旅游城市，旅游业发达.2014年，接待国际旅游游客107.52万人，旅游外汇收入达12 022万美元，但是在经济发展过程中面临着与池州相似的问题，旅游业发达，对外贸易发展低迷；虽然黄山的旅游外汇收入和接待外来游客的吸引力高于池州，但是城镇化质量并没有由此上升.

图2 安徽省城镇化质量测度结果空间分布Fig.2 The spatial distribution of the urbanization qualityin Anhui Province

3安徽省城镇化质量时空演变的原因探讨

为进一步探究安徽省城镇化质量时空格局变化的原因及城镇化质量各子系统的发展情况，基于人口、经济、社会、生态环境、城乡统筹、开放程度6维度的投影值及综合投影值，对安徽省城镇化质量时空演变的原因进行分析.

2005年经济、社会和生态环境质量对安徽省16地级市城镇化质量贡献作用比较大，而人口、城乡统筹发展质量和开放程度质量贡献则比较小，尤其是开放程度质量(图3).省会合肥人口、经济、社会发展及开放程度4个维度的投影值均居16地市之首，开放程度质量远超过其他城市；但是合肥在打造现代化大都市的过程中，未能积极发挥辐射效应，带动周边城市及城乡的协调发展，致使其城乡统筹发展质量投影值较低.处在相对第二、三等级的马鞍山、芜湖、铜陵的人口、经济、社会发展质量以及各维度的综合投影值均高于全省平均水平，但开放程度质量远不及合肥，在今后发展过程中，有待进一步扩大对外开放力度，吸引和利用外来资金、技术.相对第四等级的城市中，淮北、蚌埠、淮南和安庆6个维度的投影值均略高于全省平均水平.亳州、宿州、阜阳、滁州、六安、宣城、池州和黄山的城镇化质量发展水平具有一定的相似性，即6个维度的投影值以及综合投影值均低于全省平均水平，致使该8个地市城镇化质量位列于相对第五等级城市.

图3 安徽省城镇化质量各子系统投影值(2005年)Fig.3 Projection values of sub-system of urbanization quality in Anhui Province(in 2005)

2010年各维度对城镇化质量的贡献作用变化不明显，经济、社会发展质量仍发挥着重要作用，人口和开放程度质量的提升也成为城镇化质量改善的重要因素之一(图4).全省城镇化质量的空间格局变化主要发生在城镇化质量相对处于第四、第五等级的地市中.其中，亳州、滁州、宣城、池州、黄山的人口、经济、社会和生态环境质量投影值整体处于提升状态，城镇化质量有所提高，相对等级从低质量类型上升为较低质量类型.安庆、六安、阜阳和蚌埠相对等级没有发生变化，但在省内城镇化质量综合投影值排名下降2～6位.“十一五”期间蚌埠全面实施城市大建设，全年新建改建道路38条，在保障性安居工程建设等项目实施下推动经济的快速发展，忽视了社会发展，科研教育、污水处理、绿化等社会文化教育和基础服务设施亟待完善；阜阳是安徽的人口大市，2010年人均GDP仅为9 476元，经济发展滞后，经济基础薄弱间接影响了对生态环境的保护和发展，同时教育力量的薄弱、科研基地的缺乏以及统筹城乡协调发展政策措施的难以开展等诸多障碍，使得城镇化质量难以上升；安庆是安徽重要的石油化工和纺织加工业基地，2010年地方生产总值达988亿元，社会经济事业得到迅速发展，但在期间，人口发展质量并没有提升，从全省第8位下降至第13位；此外，工业发展过程中对资源依赖较大，引发了空气质量下降、污水处理效率低下等环境问题，致使安庆城镇化质量总体呈现下降趋势；六安位于皖西大别山区，是农业大市，工业基础薄弱，在经济、社会、城乡统筹以及开放程度质量发展中取得的成效相对较小.

图4 安徽省城镇化质量各子系统投影结果(2010年)Fig.4 Projection values of sub-system of urbanization quality in Anhui Province(in 2010)

2010年～2014年，亳州、滁州、六安、宣城、铜陵城镇化质量综合投影值均有不同程度的提升，但相对等级没有变化(图5).蚌埠随着经济、社会、生态环境、城乡统筹发展以及开放程度质量的整体提升，其相对等级由最初的较低质量类型上升为中等质量类型，排名紧随铜陵之后.合肥人口、经济、社会和开放程度质量投影值一直稳居第一，马鞍山、芜湖、铜陵位列其后；近几年马鞍山的经济发展受到资源限制，社会劳动生产率提升缓慢，产业结构升级面临巨大压力，致使经济发展趋缓，城镇化质量逐渐落后于芜湖，这也说明了经济和社会城镇化发展较好的城市往往城镇化质量综合投影值也较高.经济发展投影值较高的城市与皖江城市带承接产业转移示范区具有较好的拟合性，接受长三角的产业转移，引进资金和技术，促使经济得到发展.

图5 安徽省城镇化质量各子系统测评结果(2014年)Fig.5 Projection values of sub-system of Urbanization quality in Anhui Province(in 2014)

4结论

本文通过对安徽省16个地级市城镇化质量进行综合测度和等级划分，并探讨了引起城镇化质量时空演变的原因，研究结论如下.

1) 从时间上看：安徽省城镇化质量整体呈小幅度上升态势，各地级市城镇化质量差距明显，但差距逐渐缩小；2005年～2014年安徽省城镇化质量增长幅度为10.35%，增长幅度较小；从2005年～2014年安徽省16地市城镇化质量首末位差、标准差和变异系数来看，各地市之间城镇化质量存在差距，但差距呈现减小趋势.

2) 从空间格局变化来看：安徽省16地级市城镇化质量发展不平衡，空间差异显著.2005年～2014年，高质量城镇化地区仅有合肥1个城市；马鞍山和芜湖始终处于较高质量城镇化地区；宿州、阜阳和六安3个地市较其他地市城镇化质量发展较为缓慢，一直位列于低质量城镇化地区.整体看来，安徽省城镇化质量呈现“两高两低”空间分布格局，即东高西低，中部较高，南北低的区域差异.

3) 就时空演变原因而言：造成安徽省16地级市城镇化质量时空演变规律的主要原因是各地级市在人口、经济、社会、生态环境、城乡统筹发展以及开放程度对城镇化质量的作用程度各不相同，且6个方面的发展速度差异明显.其中，经济发展、社会发展、生态环境是安徽省城镇化质量发展的主要驱动因素.

[1] 徐 素， 于 涛， 巫 强. 区域视角下中国县级市域城市化质量评估体系研究-以长三角地区为例[J].国际城市规划， 2015， 26(1)：53-58．

[2] 侯学英. 中国城市化进程时空差异分析[M]. 北京：经济科学出版社， 2008.

[3] 罗腾飞， 邓宏兵. 长江经济带城镇化效率测度及时空差异研究[J]. 华中师范大学学报(自然科学版)， 2016， 50 (3)：423-434．

[4] 周克昊， 刘艳芳， 谭荣辉. 长江中游城市群综合发展水平时空分异研究[J].长江流域资源与环境， 2014， 23(11)：1510-1518．

[5] 李明秋. 郎学彬. 城市化质量的内涵及其评价指标体系的构建[J].中国软科学， 2010(12): 182-186．

[6] 张春梅， 张小林， 吴启焰， 等. 城镇化质量与城镇化规模的协调性研究-以江苏省为例[J]. 地理科学， 2013， 33 (1)：16-22．

[7] 郝华勇. 基于主成分分析法的武汉城市圈城镇化质量实证研究[J]. 武汉科技大学学报， 2012， 14 (3) ：291-294．

[8] 王富喜， 毛爱华， 李赫龙， 等. 基于熵值法的山东省城镇化质量测度及空间差异分析[J]. 地理科学， 2013， 33 (11)：1323-1329．

[9] 李江苏， 王晓蕊， 苗长虹， 等. 城镇化水平与城镇化质量协调度分析-以河南省为例[J].经济地理， 2014， 34(10)：70-78．

[10] 付 强， 赵小勇. 投影寻踪模型原理及其应用[M].北京：科学出版社， 2006．

[11] 邓楚雄， 谢炳庚， 李晓青， 等. 基于投影寻踪法的长株潭城市群地区耕地集约利用评价[J].地理研究， 2013， 32(11)：2000-2008.

[12] 聂 艳， 彭雅婷， 于 婧， 等. 基于量子遗传投影寻踪模型的湖北省耕地生态安全评价[J].经济地理， 2015， 35(11)：172-178．

[13] 谢贤健， 韦方强， 张 继， 等. 基于投影寻踪模型的滑坡危险性等级评价[J].地球科学-中国地质大学学报， 2015， 40(9)：1598-1606．

[14] 姜秋香， 付 强， 王子龙. 基于粒子群优化投影寻踪模型的区域土地资源承载力综合评价[J].农业工程学报， 2011， 27(11)：319-324．

[15] 刘明地， 李 仲， 吴启勋， 等. 枸杞产地的小波变换红外光谱的聚类分析鉴别[J]. 华中师范大学学报(自然科学版)， 2014， 48(6)：857-860，866．

[16] ROS F， GUILLAUME S. DENDIS: A new density-based sampling for clustering algorithm[J].Expert systems with applications， 2016， 56: 349-359．

[17] 吴佳妮. 中国新型城镇化质量综合评价研究[D].浙江：浙江工商大学， 2015．

[18] 陈鸿彬. 城乡统筹发展定量评价指标体系的构建[J]. 地域研究与开发， 2007， 26(2)：62-65．

Study on quality measurement and spatial-temporal differentiation of urbanization in Anhui Province

WU Hongxia1， ZHANG Xueru2， HONG Yongsheng1， NIE Yan1

(1.Key Laboratory for Geographical Process Analysis & Simulation， Hubei Province，Central China Normal University， Wuhan 430079;2.College of Geography Science， Nanjing Normal University， Nanjing 210023)

Urbanization is the result of multiple factors， such as population， economy， society， ecology and space. It is essential to coordinate the development of “quality” and “quantity” as well as “time” and “space”. Taking Anhui Province as an example， urbanization quality estimation system is established from six dimensions including population development， economic development， social development， ecological environment， urban and rural integration development， and degree of opening. Then the urbanization level of 16 cities in Anhui province in 2005， 2010 and 2014 are estimated based on the novel method of particle swarm optimization algorithm in combination of hierarchical cluster. The results indicate that: 1) the urbanization quality in Anhui province was generally on the rise and the whole growth rate was 10.35% from 2005 to 2014. The first-bottom difference (3.375 4， 3.275 7， 3.029 5)， standard deviation (0.825 8， 0.804 0， 0.732 7) and coefficient of variation (54.19%， 51.81%， 43.57%) of urbanization quality showed there was a gap between regions which was gradually reducing. 2) The urbanization quality of Anhui province was divided into five types including high quality， higher quality， moderate quality， lower quality and low quality according to the projection values. It had a certain characteristic of spatial aggregation， exhibiting the spatial distribution pattern of “two high and two low”. 3) The economic development， social development， and ecological environment were the main driving factors of the development of urbanization quality. The results would be an important reference in formulating urbanization development strategy or promoting the coordinated development of the 16 cities in Anhui province．

projection pursuit; hierarchical cluster; urbanization quality; spatial-temporal evolution; Anhui Province

2016-12-22.

国家自然科学基金项目(71403083)； 华中师范大学中央高校基本科研业务费专项资金(CCNU15A02049；CCNU16JCZX09).

1000-1190(2017)03-0389-08

F291.1

A

*通讯联系人. E-mail: nieyan@mail.ccnu.edu.cn.