安徽省城市紧凑度与土地利用效率耦合分析

2019-02-10唐辉陈松林

亚热带资源与环境学报 2019年4期

唐辉，陈松林,b*

(福建师范大学 a. 地理科学学院；b. 福建省亚热带资源与环境重点实验室，福州 350007)

0 引言

土地作为城市成长的载体，一直是城市问题研究中不可回避的一个要素。近代以来，尤其是工业革命以后，工业化带动城市化，全球范围内人口向城市大量集中，导致城市数量和规模成倍扩大，对土地资源的需求也日益加大。然而，在城市化进程中，许多问题也逐渐凸显，如城市边界的盲目扩张以及城市周边土地不合理的开发利用，导致大量土地资源浪费；城市内部结构的不合理规划造成交通拥堵、人口过度集中、住房紧张、环境污染等问题。在城市的成长过程中，城市边界不断向外延伸，以获取更多的发展资源为必然趋势[1]，人们无法控制城市发展对土地的需求，但是可以通过减少城市无节制的盲目扩张从而导致的城市土地低效利用[2]。针对此问题，西方学者率先提出了紧凑城市的概念。城市紧凑度是一个综合概念，它是评价城市综合发展水平的重要指标之一[3]。紧凑城市的核心思想是城市土地的高密度开发、混合集约利用以及发展公共交通，紧凑城市要求能够在经济、土地、交通、人口、形态等诸多方面反映城市“高效”和“高质”发展的程度[4]。改革开放以来，随着中国工业化水平的提升，城市化进程也随之加快，但是城市化过程中的不合理规划导致城市土地资源供需矛盾的加剧，同时居民生活水平的提升也进一步激化了人们对城市生活和生态现状的不满[2]，而城市建设过程中对土地资源无节制的开发又导致环境问题愈发严峻，如何在有限的土地资源基础上提升城市的效率和品质受到越来越多学者的关注[5]。通过探究城市空间结构的紧凑度和城市土地利用效率之间的关系，可以清晰掌握目前城市土地利用的现状，并依此把握城市在未来土地开发和利用的主要方向。

1 指标体系构建及研究方法

1.1 指标体系构建

1.1.1 紧凑度评价指标体系

城市土地的紧凑利用并不意味着限制城市成长过程中对土地资源的需求或者盲目提高城市密度，而是鼓励城市在满足自身发展的同时，避免毫无节制的蔓延而造成的资源浪费现象。从前人的研究结果来看，一些规模较小的城市土地紧凑度反而会高于部分大城市[6]。因此，在开展针对城市土地紧凑的研究时，不仅要从城市的用地规模方面考量，更要结合城市的用地效率和土地利用结构进行综合探究，在城市用地、人口、经济和生态等方面寻求一个平衡点。评价指标体系的构建需要遵循指标的系统性、可比性、相关性、动态性、前瞻性和可获取性的原则[7]，以确保评价结果的准确性、科学性和有效性。在已有研究基础上，结合安徽省城市总体发展水平现状，本研究从土地利用紧凑、经济紧凑、人口紧凑和基础设施紧凑4个方面构建安徽省城市紧凑度评价指标体系[8]。

1.1.2 城市土地利用效率评价体系

从投入指标和产出指标两个方面构建安徽省城市土地利用效率的评价指标体系[9]。城市的发展离不开土地、资本和劳动力的投入[10]，因此，在投入指标的构建上，选取市辖区建成区面积、固定资产投资、地方财政支出和从业人员数作为二级指标；相较于投入指标，城市的产出指标更加灵活，根据安徽省城市实际情况并综合其他学者的研究，选取经济效益、社会效益和环境效益作为产出指标，分别包括市辖区地区生产总值、地方财政收入、社会消费品零售总额和园林绿地面积。

表 1 安徽省城市紧凑度评价指标体系Table 1 Evaluation index system of urban compactness in Anhui Province

一级指标二级指标二级指标含义土地利用紧凑市区开发利用强度/%建成区面积/市区面积用地利用率/%城市建设用地面积/建成区面积人均建设用地面积/(m2·人-1)城市建设用地面积/市常住人口居住用地占比/%居住用地面积/建成区面积经济紧凑人均GDP/(元·人-1)GDP/市常住人口第二三产业产值占比/%第二三产业产值/GDP经济增长弹性/%GDP增长率/城市建设用地面积增长率单位面积产出强度/(元·m-2)GDP/市区面积投入产出比/%固定资产投资总额/GDP人口紧凑市区人口密度/(人·m-2)市常住人口/市区面积居住人口密度/(人·m-2)市常住人口/居住用地面积人口就业密度指数(人·m-2)城镇单位就业人员数/市区面积人口增长弹性/%市常住人口增长率/城市建设用地面积增长率第二三产业人员占比/%第二三产业从业人员数/就业总人数基础设施紧凑公共交通运营线路网密度/(km·km-2)运营线路总长度/市区面积万人拥有公交车辆/辆公共汽电车客运总数/市区常住人口人均城市道路面积/m2市区人口/城市道路面积燃气普及率/%建成区用气人口/市常住人口万人医院床位数/(个·万人-1)医院床位数/市常住人口建成区绿化覆盖率/%建成区绿化覆盖面积/建成区面积

表 2 城市土地利用效率评价指标体系Table 2 Evaluation index system of urban land use efficiency

一级指标要素二级指标投入指标土地投入市辖区建成区面积/km2资本投入固定资产投资/万元地方财政支出/万元劳动力投入从业人员数/人产出指标经济效益市辖区地区生产总值/万元地方财政收入/万元社会效益社会消费品零售总额/万元环境效益园林绿地面积/hm2

1.2 研究方法

1.2.1 城市紧凑度模型

由于评价指标含义不同，量纲不同会影响评价结果的准确性，为使同一指标的数据能进行相互比较，通过将指标变量进行标准化处理消除影响[11]。各城市的紧凑程度采用多因素综合评价模型的方法进行计算并根据测算结果判断其紧凑水平的高低。紧凑度计算结果数值越大表明城市紧凑度水平越高，反之，则表明城市紧凑度水平越低。

根据评价指标体系分别对参评指标的原始数据xij(其中xij表示第i项指标的第j个原始数据；i=1，2，．．．m；j=1，2，．．．n；m表示指标数；n表示研究区域个数)通过极差标准化方法(公式1、2)统一进行相关处理。正向指标

pij=(xij-ximin)/(ximax-ximin)

(1)

负向指标

pij=(ximax-xij)/(ximax-ximin)

(2)

由于本研究所选取的指标均为正向指标，所以仅采取式(1)进行数据标准化处理即可。

熵值法是指用来判断某个指标的离散程度的数学方法，能在一定程度上减少一般评价方法中的主观性。其原理是: 通过计算不同指标的信息熵，依据各项指标观测值所提供的数值大小来确定各项指标的权重。在土地利用系统中，相对于指标理想值而言，指标值变化越慢，得到的信息熵就越小，其效用值越小，指标权重就越小；反之指标权重就越大[12]。根据熵值法的计算步骤和公式(3～5)，对安徽省16个目标城市市辖区的原始数据进行相关处理，并根据信息熵的测算结果确定评价指标体系中不同指标的相应权重。

(3)

(4)

第i项指标的权重Wi:

(5)

研究区城市紧凑度指数采用指标标准化后数值加权求和法计算，公式为:

(6)

式(6)中，Fi为综合评价值;wi为第j个评价因子的权重;yj为第i个对象第j项指标的标准化值。

1.2.2 数据包络分析

1.2.3 城市紧凑度及土地集约度

借用物理学的容量耦合的概念和模型来计算城市紧凑度和城市土地利用效率的耦合度，耦合指两个或两个以上的物理系统间的各要素在耦合作用下存在密切配合和相互影响的关系。耦合度能够表示系统间耦合关系的量纲，但是耦合度只能在一定程度上反映子系统间相互作用的程度，不能够反映每个子系统间协调状况的好坏，因此引入耦合协调度指标研究系统间的互动发展关系[15-16]。协调度指的是一种有效协调和彼此适应程度，能够衡量系统内部各要素的耦合协调发展度，反映系统间协调状态和变化趋势[17]。在借鉴物理学中的耦合系数模型的基础之上，结合城市紧凑度和土地利用效率之间相互作用的关系，采用耦合模型进行相关研究[18]：

(7)

本研究主要涉及城市紧凑度和城市土地利用效率两个指数，因此n=2，根据前文中城市紧凑度与城市土地利用效率的计算公式，二者间的耦合度计算可以采用如下公式：

(8)

根据国内相关研究结果和本次研究的最终目的，并结合安徽省城市发展现状，更好地刻画城市紧凑度、城市土地利用效率之间的耦合协调关系，制定耦合协调度评价标准[19](表3)。

故城市紧凑度和城市土地利用效率的协调度模型采用如下计算公式：

表 3 耦合协调度取值区间Table 3 Value range of coupling coordination degree

序号耦合协调度协调等级类型10≤D≤0.3严重失调Ⅰ20.3

(9)

式(9)中：D为城市紧凑度和城市土地利用效率协调度指数，反映了二者之间的耦合协调关系，D值越大，说明城市紧凑度和城市土地利用效率之间的协调度越高，发展水平越好，反之，D值越小，表明二者之间的协调度越低，发展水准也相对较低[20]；C为城市紧凑度和土地利用效率两个系统的耦合度；F为城市紧凑度和城市土地利用效率间的耦合协调指数，其对应的是两者间的协同效应，一般情况下取值范围控制在(0，1)之间，α、β分别为城市紧凑度、城市土地利用效率的权重系数[21]。

2 研究区概况和数据来源

安徽省位于华东地区，是中国中部地区重要省份，总体呈南北向分布，按传统观念一般可划分为皖南和皖北地区，南、北地区间由于地理环境、生活方式和经济发展程度的差异，城市发展水平也不尽相同。安徽省自然资源丰富，人口密集，2016年全省总人口6 196万人，城镇化率为51.99%，低于全国平均水平的57.35%。根据第二次全国土地调查数据，安徽省土地总面积为1.401×105km2，建设用地总量为1.87×106hm2，人均建设用地0.11 hm2。由于对土地的不合理开发利用，导致安徽省在城市建设用地方面存在着土地利用效率低，城市内部结构不合理等问题，这些问题严重阻碍了安徽省城市的健康发展与城市建设质量。中国城市化进程已经进入关键时期，如何提高城市化水平，优化城市土地利用效率，提升城市品质，已经成为安徽省城市建设中亟需解决的问题。秉承发现和解决此类问题的理念，本研究以安徽省16个地级市(巢湖市于2011年撤市，为保持样本数量前后的一致性，故不参与研究)作为研究目标，对安徽省的城市紧凑度和土地利用效率展开相关探究。

数据主要来源于2006—2017年《安徽统计年鉴》《中国城市建设年鉴》《中国城市统计年鉴》等，部分年份缺失数据由前1年份数据代替或者取前后2年的平均值。

3 安徽省的城市紧凑度分析

3.1 城市紧凑度测度

表 4 城市紧凑度变化统计量Table 4 Statistics of changes in city compactness

统计值年份2007200820092010201120122013201420152016平均值0.2970.3100.3130.3140.3130.3130.3140.3150.3150.316最大值0.6050.6100.6790.6700.7430.6550.6640.7020.6890.682最小值0.1270.1240.1450.1440.1830.1750.1480.1750.1880.204中位数0.2590.2690.3000.2560.2520.2430.2830.2710.3090.279方差0.0260.0210.0220.0240.0220.0200.0220.0240.0170.015

由于指标的单位不同会对计算结果造成误差，因此首先对初始数据进行标准化处理。运用Matlab对原始数据逐年进行处理，可以得到各个城市不同年份对应指标的标准化值和权重，对二者数值一一对应相乘并汇总，得到安徽省各城市近10年来的城市紧凑度的最终得分，在此基础上对安徽省2007—2016年城市紧凑度变化统计结果进行分析。由表4中可以看出，近10年来安徽省城市紧凑度的平均值、中位数、最大值和最小值均有所提升，但上升幅度不大。其中平均值由2007年的0.297上升至2016年的0.316，10年间总体提升了6.4%，中位数由2007年的0.259上升至0.279，最大值和最小值也呈现上升的趋势；与此同时，方差则整体呈下降的趋势，这也充分说明安徽省城市整体的紧凑度波动趋势逐年稳定。

3.2 地市城市紧凑度变化趋势分析

简单的数据分析并不能直观地反映出不同城市的紧凑度现状及变化，为了更加深入细致地把握安徽省各城市紧凑度变化的趋势，这里针对16个地级市10年间的城市紧凑度变化趋势依次展开分析。

从图1中不同城市的紧凑度变化看，共有10个城市的紧凑度呈整体上升的趋势，6个城市出现不同程度的下降。呈上升趋势的城市有：合肥、宿州、蚌埠、阜阳、滁州、六安、宣城、铜陵、池州和安庆，其中增幅较为明显的有六安、阜阳、宣城、滁州和安庆，前后10年间分别增长163.3%、79.3%、50.2%、45.9%和40.3%；呈下降趋势的城市有：淮北、亳州、淮南、芜湖、芜湖、马鞍山和黄山，其中马鞍山、芜湖和池州降幅较为显著，分别下降了33.6%、27.8%和25.2%。

图 1 安徽省16市2007—2016年城市紧凑度变化Figure 1 Change of urban compactness in 16 cities of Anhui from 2007 to 2016

表 5 城市紧凑度时空差异Table 5 Spatiotemporal difference of city compactness

年份变异系数年份变异系数20070.54320120.45320080.46520130.47020090.47420140.48720100.49320150.40920110.47520160.384

图 2 安徽省城市紧凑度变异系数Figure 2 Variation coefficient of urban compactness in Anhui

表 6 城市土地利用动态效率Table 6 Dynamic efficiency of urban land use

年份综合效率纯技术效率规模效益20070.9340.9820.95020080.9520.9740.97820090.9610.9830.97820100.9880.9920.99520110.9840.9900.99420120.9770.9910.98620130.9770.9940.98320140.9880.9920.99620150.9720.9810.99120160.9580.9750.982

变异系数可以更清晰地反映出城市紧凑度在区域上的差异变化。根据安徽省16个城市10年间紧凑度值，引入变异系数进行计算，得到表5中的变异系数值。根据表5中10年的数据可以发现，安徽省城市紧凑度的变异系数总体较大，但有逐渐减小的趋势。在2007—2014年这一阶段变异系数值始终稳定在0.50左右，处于空间差异较大的水平，但从2015年开始变异系数值开始显著下降，到2016年，变异系数值降至0.384，10年下降了29.3%，这表明安徽省城市间的紧凑度差异正在逐渐缩小。为更直观展现整体的变化趋势，制作出变异系数值的折线图，从图2可以看出，近10年间安徽省城市紧凑水平差异值整体下降趋势显著，且大致呈现出随时间的推移波动下降的趋势。

4 安徽省的城市土地利用效率分析

4.1 动态效率测算结果及分析

采用DEA的CCR和BCC模型，以投入为导向，运用DEAP 2.1软件，对2007—2016年安徽省16个地级市的城市土地效率进行逐年的测算，得到安徽省10年间城市土地利用的综合效率、纯技术效率和规模效益的得分(表6)。

通过分析各得分的折线图(图3)可以清晰直观了解安徽省土地利用的综合效率、纯技术效率和规模效益在10年间的变化趋势。

根据图3(a)，安徽省土地利用的综合效率呈现先增后降的趋势，但总体有所提升，综合效率值由2007年的0.934上升至2016年的0.958，2010—2014年综合效率较为稳定，并且在2010年和2014年达到最大值0.98。根据图3(b)可以看出，安徽省土地利用的纯技术效率变化趋势为先降低后增长再降低的态势，由2007年的0.982下降至2008年的0.974，随后波动上升，在2013年达到最大值0.994，随后持续下降至2016年的0.975。根据图3(c)可知，安徽省土地利用的规模效益从2007年的0.950上升至2016年的0.982，相对于综合效率和纯技术效率而言总体变化较为平稳，呈稳中上升的态势。

4.2 静态效率测算结果及分析

截取安徽省各个城市2007年、2012年和2016年的土地利用效率进行横向对比研究，并分别从综合效率、纯技术效率和规模效益进行分析(表7)。

(1)从综合效率方面来看，2007—2016年间呈增长态势的城市有淮南、滁州、六安、芜湖和池州，其中滁州、六安、芜湖和池州在2016年综合效率达到了1，淮南在2012年综合效率也达到了1，但是随后又出现回落趋势，在2016年综合效率值为0.922，但和2007年的0.785相比，仍有显著提升；而亳州、宿州、蚌埠、阜阳的综合效率出现不同程度的下降，其中亳州、蚌埠、阜阳3个城市的综合效率由开始的1分别下降至0.877、0.892和0.777，宿州则呈先升后降的态势，由2007年的0.972上升至2012年的1，随后又回落至2016年的0.950，但综合效率值总体都出现不同程度的下降；淮北则保持综合效率总体不变的状态，前后10年波动不明显，2007年和2016年均为0.877。根据以上研究可以发现，除了始终处于效率前沿的6个城市之外，其余10个城市中，5个城市的综合效率呈上升趋势，4个城市出现不同程度的下降，1个城市保持不变，总体上增减幅度大致相同，这也与安徽省10年间综合效率大体保持不变的态势基本吻合。

(2)从纯技术效率和规模效益层面来看，2007—2012年间，有3个城市的技术效率出现一定程度的增减变化，规模效率发生变化的城市共有7个，但是在总体的效率变化值方面纯技术效率明显要高于规模效率，分别为0.009和0.016，这说明在前期城市土地利用效率变化中，规模效率的变化起着至关重要的作用，其影响要高于纯技术效率；在2012—2016年间，纯技术效率和规模效率出现变化的城市

图 3 2007—2016土地利用效率动态变化Figure 3 Dynamic change of land use efficiency from 2007 to 2016

城市综合效率2007年2012年2016年纯技术效率2007年2012年2016年规模效益2007年2012年2016年规模收益状况2007年2012年2016年合肥1.0001.0001.0001.0001.0001.0001.0001.0001.000不变不变不变淮北0.8770.8590.8770.9370.8650.8770.9350.9931.000递减递减不变亳州1.0001.0000.9131.0001.0000.9441.0001.0000.967不变不变递增宿州0.9721.0000.9501.0001.0000.9850.9721.0000.965递增不变递增蚌埠1.0000.9840.8921.0001.0000.9621.0000.9840.928不变递减递减阜阳1.0000.9840.7771.0001.0000.8851.0000.9840.878不变递减递减淮南0.7851.0000.9220.8891.0000.9530.8831.0000.968递减不变递减滁州0.8370.9521.0001.0001.0001.0000.8370.9531.000递增递增不变六安0.8830.9481.0000.8890.9901.0000.9930.9581.000递增递减不变马鞍山1.0001.0001.0001.0001.0001.0001.0001.0001.000不变不变不变芜湖0.8610.9101.0001.0001.0001.0000.8610.9101.000递减递减不变宣城1.0001.0001.0001.0001.0001.0001.0001.0001.000不变不变不变铜陵1.0001.0001.0001.0001.0001.0001.0001.0001.000不变不变不变池州0.7261.0001.0001.0001.0001.0000.7261.0001.000递增不变不变安庆1.0001.0001.0001.0001.0001.0001.0001.0001.000不变不变不变黄山1.0001.0001.0001.0001.0001.0001.0001.0001.000不变不变不变平均值0.9340.9770.9580.9820.9910.9750.9500.9860.982———

图 4 安徽省效率前沿城市分布Figure 4 Distribution of efficiency frontier cities in Anhui Province

均为9个，但是变化值却出现显著改变，纯技术效率值超过了规模效率值，分别为0.036和0.005，这表明在后期城市土地利用效率的变化中，纯技术效率的影响越来越大，并对全省的城市土地利用效率起着更加显著的作用。

根据表7可知，10年间安徽省共有6个城市始终位于生产效率的前沿，分别是：合肥、马鞍山、宣城、铜陵、安庆和黄山。这些城市中除了省会合肥以外，基本上都位于皖南地区(图4)，由此可以得知，近10年来安徽省城市土地利用效率的区域差异显著，南方的城市土地利用效率普遍要优于北方的城市。

5 安徽省城市紧凑度与土地利用效率耦合协调性分析

将紧凑度和城市土地利用效率的测算结果代入耦合模型和协调度公式分别对安徽省城市紧凑度和城市土地利用效率的耦合度和协调度进行计算，并依据表3中制定的耦合协调类型划分标准对安徽省不同城市的耦合协调类型进行归类。根据计算和划分的结果，选取2007年、2012年和2016年3个时间节点进行分析(表8)。

表 8 耦合协调度数值及类型Table 8 Values and types of coupling coordination degree

城市2007年耦合度协调度类型2012年耦合度协调度类型2016年耦合度协调度类型合肥0.4720.653Ⅴ0.4830.652Ⅴ0.4870.655Ⅴ淮北0.4670.483Ⅲ0.4790.523Ⅳ0.4300.541Ⅳ亳州0.3730.479Ⅲ0.3740.496Ⅲ0.4260.457Ⅲ宿州0.3780.432Ⅲ0.2840.558Ⅳ0.3990.470Ⅲ蚌埠0.3890.541Ⅳ0.4470.533Ⅳ0.4740.514Ⅳ阜阳0.3220.428Ⅲ0.3870.449Ⅲ0.4450.442Ⅲ淮南0.4690.467Ⅲ0.4050.534Ⅳ0.4360.470Ⅲ滁州0.3880.415Ⅲ0.4140.470Ⅲ0.4480.439Ⅲ六安0.3590.388Ⅱ0.3860.430Ⅲ0.4520.513Ⅳ马鞍山0.4640.653Ⅴ0.4650.614Ⅴ0.4480.556Ⅳ芜湖0.4930.573Ⅳ0.4660.547Ⅳ0.4470.570Ⅳ宣城0.2740.497Ⅲ0.3560.476Ⅲ0.3410.531Ⅳ铜陵0.4250.625Ⅴ0.4590.602Ⅴ0.4480.575Ⅳ池州0.4510.465Ⅲ0.3740.513Ⅳ0.3750.475Ⅲ安庆0.3750.487Ⅲ0.3840.515Ⅳ0.4210.524Ⅳ黄山0.2880.621Ⅴ0.2420.645Ⅴ0.2820.596Ⅳ

根据耦合协调数值和类型划分结果可以看出，2007—2016年10年间，安徽省耦合协调度上升的城市一共有10座，下降的有6座。在耦合协调类型变化中，淮北、六安、宣城、安庆4个城市的协调类型呈现上升的趋势，尤其是六安，在2007年六安市是唯一一个出现中度失调的城市，但在2016年，已经转变为勉强协调；马鞍山、铜陵和黄山3个城市的协调度在后期有所下降，但仍然处于勉强协调；其余的9个城市则为保持耦合协调类型不变或者小幅变动的状态，尤其是省会合肥市，耦合协调度明显要优于其他城市，始终稳定在中等协调的状态。通过对耦合协调度和耦合协调类型变化分析可知，近10年来安徽省城市整体的耦合协调性稳定中有所上升。

安徽省不同年份城市耦合协调度的时空分布特征(图5)。2007年、2012年和2016年，安徽省各城市耦合协调度存在着显著的非均衡性，但是随着时间的推移有逐渐缩小的趋势。2007年，耦合协调度较良好的城市主要集中在中部地区和东部沿江地带，这里也是安徽省城市发展水平相对较高的地区，其余地区城市除黄山和蚌埠，耦合协调度都处于较低的水平，尤其是西部和北部城市，甚至出现中度失调的现象。2012年安徽省城市的耦合协调度有显著提升，区域间的差异明显缩小，耦合协调类型达到协调的城市由2007年的6个增加至2012年的10个，且没有城市出现协调度降低的现象，其中2007年唯一一个协调类型为中度失调的城市六安也提升至轻度失调；从整体分布状态来看，耦合协调度较高的城市主要集中在中部一线呈南北方向分布，协调度较低度的城市仍然主要集中在西北部地区。2016年与2012年相比，全省城市协调度类型变化幅度较大，南北差异显著，南部城市的协调度显著高于北部地区；在耦合协调类型变化方面，共有5个城市出现下降，保持中度协调类型的仅剩合肥一个城市，而六安和宣城2个城市协调类型有所上升。纵观3个时间节点上个城市的耦合协调类型及其变化可知，安徽省2007—2016年城市耦合协调性呈现稳定上升的趋势，但是北部地区的城市协调度整体低于南部地区，尤其是西北部地区的城市，城市协调类型始终处于轻度失调的状态。

表 9 Moran’s I估计值Table 9 Moran’s I estimates

通过GeoDa软件计算安徽省城市3个时间点耦合协调度的Moran’s I 指数，并在9 999次空间排列次数下来检验其显著性水平[22]，从表9可以看出，2007、2012、2016年的Moran’s I 指数均大于零，表明安徽省城市紧凑度和土地利用效率的耦合协调度在这3个时间节点存在空间集聚特征，即耦合协调度较高的地区集聚或者耦合协调度较低的地区集聚。但随着时间的推移，Moran’s I 指数呈现出下降的态势，表明高-高和低-低集聚的特征在2007—2016年呈现出弱化的迹象，区域内的耦合协调度的高低值集聚分布在空间上呈逐步分散的状态，区域内城市的耦合协调度逐渐均衡。3个时间节点的Z值均通过5%的显著性检验，反映到空间层面则是安徽省城市紧凑度和土地利用效率间的耦合协调性的自相关性显著，空间的集聚与分散水平较高。

为了更直观的揭示每个空间的自相关关系，绘制安徽省各空间单元的耦合协调度LISA集聚图(图6)。根据集聚特征的不同可将耦合协调类型划分为4类[23]：①空间差异小，自身和周边城市的耦合协调度都较高(HH)；②空间差异小，自身和周边城市的耦合协调度都低(LL)；③空间差异大，自身耦合协调度低，但是周边城市的较高(LH)；④空间差异大，自身耦合协调度高，但是周边城市低。

图 5 2007年、2012年和2016年耦合协调类型空间分布Figure 5 Spatial distribution of coupling coordination types in 2007, 2012 and 2016

图 6 耦合协调度的热点演化Figure 6 Hot spot evolution of coupling coordination degree

根据选取的3个时间点对安徽省城市耦合协调度进行空间自相关分析，HH集聚的地区主要为省会合肥及中部沿江地区的城市，其中芜湖和铜陵始终处于HH集聚状态，表明安徽省南部地区，尤其是皖江流域城市耦合协调度普遍较高，空间差异较小；LL集聚主要出现在2007年和2016年的亳州，且同时期相邻的蚌埠为HL集聚，这充分说明皖北地区在这两个时间段的耦合协调度整体较低；LH集聚的城市在2007年主要集中在东部的滁州和宣城，2012年为宣城，2016年为池州，从位置的变化中可以看出，LH集聚有自北向南、自东向西的发展趋势。从宏观上分析，3个年份中，存在空间自相关且通过显著性检验的城市中，HH主要集中在皖江流域，LL主要在西北地区，而西部和北部大量城市没有通过显著性检验。这表明安徽省城市耦合协调度存在着显著的两极分化情况，HH集聚和LL集聚的中心在10年间并未出现明显的变化；同时，HH集聚并未对周边的城市起到辐射带动的作用。