106国道沿线样带市域建成区绿地率空间分异格局及影响机理研究

2019-09-10刘俪胤刘志强王俊帝洪亘伟

中国城市林业 2019年4期

刘俪胤刘志强王俊帝洪亘伟

摘要：文章采用地理探测器，以建制市作为样本单元，探究106国道沿线样带1996-2016年建成区绿地率的空间分异格局，进一步分析“社会-自然”作用机理。研究表明：1）样带市域建成区绿地率总体差异明显，呈“南北高中间低”的空间格局，市域间差异逐渐减小，年均增幅呈“中部快两头慢”的规律;2）经济实力和自然作用力等复杂动力相互作用是造成差异的主要成因，其中人均GDP、园林城市、人均建成区面积是主要驱动因素;3）经济发展水平是造成建成区绿地率区域差异的决定性因素，国家政策进一步强化空间分异性，自然条件具有双向影响力，框定样带初期市域建成区绿地率空间分布基本格局，支撑前期發展，制约后期建设。该研究以期为科学制定区域城市绿地建设政策提供理论依据，进一步协调自然与社会经济对城市绿地的影响作用。

关键词：建成区绿地率，空间分异，影响机理，地理探测器，样带，106国道

DOI：10.3969/j.issn.1672-4925.2019.04.001

长期以来，国内学者针对城市绿地建设水平空间分异格局及影响因素等内容，在不同尺度上开展了大量探究。李双金等[1]对中国287个地级及以上城市中心城范围内的绿地进行多尺度评估。刘志强等[2-4]采用空间分析和数理统计方法研究20年我国不同行政单元建成区绿地率时空分异特征及影响因素分析。李方正等[5]对我国289个地级市及以上城市进行绿化空间差异分析。国内学者研究方法从定性分析向定量探析转化，对多驱动因子的选择与考察也日趋全面，且广泛运用回归分析、空间统计分析等方法，学科综合性较强[5-6]。然而目前对区域差异格局演变及影响因素的探究多是基于行政划分单元，缺乏以典型空间为研究范围的探索。对典型性、代表性空间范围进行空间分异格局及影响机理研究，能更有效、深刻地剖析城市绿地建设水平区域发展规律。

样带是沿着一个主导驱动因素在梯度上有规律变化或具有明显差异特征的线状研究区域类型[7]。样带分析有助于深入了解不同自然条件、社会经济发展程度对不同区域城市绿地建设水平的影响程度。106国道沿线样带贯穿我国南北线，研究其建成区绿地率空间分异格局和影响因素有助于完善我国城市绿地相关研究[8]。因此，以106国道沿线样带为研究范围，综合运用地理探测器、空间分析等方法，研究样带市域建成区绿地率空间分异格局及影响机理，为促进我国城市绿地建设水平格局优化发展提供理论依据。

1研究范围、数据来源与研究方法

1.1样带概况

106国道沿线样带（下文简称106样带），北起北京，南至广州，全程2476km，东西以106国道为中线向两侧各扩出100km，包含京、津、冀、豫、鲁、皖、赣、鄂、湘和粤10个省（市）。106样带是中国南北经济发展要素差异显著的典型样带，在我国城镇化建设及绿地发展中占有举足轻重的地位[8]。同时，106样带自然条件具有梯度性变化，城市绿地具有明显的空间差异化。

1.2研究区域、数据来源与因素选取

本文依据106国道所经过的省（市），以县级市及以上等级建制市为基本单元，至2016年底，106样带内共有96个城市。鉴于1996年我国城市数量逐渐确定，故以1996-2016年为研究时段，建成区绿地率为被解释变量，数据来源于《中国城市建设统计年鉴（报）》[9]。

综合考虑样带多种差异，根据指标选取的科学性、连续性、可获取性，将自然环境细化的6个因素指标和社会经济细化的8个因素指标，作为地理探测器分析的探测因子（表1），并根据研究需要进行探测因子级别划分。

1.3研究方法

运用ArcGIS1O.3软件，依据相关标准对样带建成区绿地率进行统计分类，计算各城市建成区绿地率年均增幅，直观呈现样带市域建成区绿地率空间差异格局等特征。

采用地理探测器分析样带影响因素。该方法可检验单变量空间分异性，也可通过检验两个变量空间分布的一致性探测可能的因果关系[11-12]。

1）因子探测。因子探测是说明这种因素对地理事物发生发展是否具有决定意义[12]。

式（l）中，P为影响因素对建成区绿地率的影响力探测指标;n为城市数量;n：为次一级区域样本数;m为次级区域个数;σ为样带城市建成区绿地率的方差;σ为次一级区域建成区绿地率方差。P的取值区间为[0，1]，P=0时，表明建成区绿地率空间分布不受影响因素的驱动，P值越大说明因素对建成区绿地率的影响越大。

2）交互探测。交互探测可定量表征两个影响因子对于建成区绿地率空间分布格局作用关系[12]。

2样带市域建成区绿地率空间分异格局及演变

为展示样带建成区绿地率空间分布及演变特征，分别选取1996，2006及2016年作为样本时间节点，根据《城市园林绿化评价标准》（GB/T50563-2010）[13]临界值29.0%，31.O%0和35.0%，将其划分为低、较低、中、高等级，并绘制空间分布格局图。

2.1样带市域建成区绿地率空间格局演变特征

106样带市域建成区绿地率经历了由“低水平基本均衡→两端渐强中部局部突出→南北高中部较弱”的空间格局演变过程（图1）。20年间样带内建成区绿地率水平明显提升，整体差异呈大幅缩小趋势，区域均衡性有所增加。从城市等级数量看，高水平城市大幅增加，主要分布于京津冀、郑州都市圈以及武汉城市圈周边。2016年低、较低等级城市数量锐减，主要分布样带中部。样带不同地区建成区绿地率空间格局及演变各不相同。样带内中心和大城市绿地发展虹吸效应明显造成了样带中南部地区差异较大：两湖地区是重要商品粮生产基地，耕地保护政策限制建成区规模扩张[14-15]，制约城市绿地建设水平提高，导致不均衡性。

2.2样带市域建成区绿地率增长类型

计算各城市年均增幅，利用自然断点法将样带内建成区绿地率的增幅分为低、中、高3个等级，并将其可视化（图2）。

结果表明：年均增幅类型绝大多数呈高、中增幅，其中高增幅占41.67%，局部城市之间空间分异特征显著。从增幅水平来看，呈“郑州周边>武汉周边>长株潭地区>广州周边>京津冀的”空间分布格局。高增幅主要集中在郑州都市圈、武汉城市圈及周边;中等增幅主要分布在京津冀及周边;低增幅多位于样带两端。总体而言，高、中增幅城市主要集中在样带中部及大城市周边，其建成区绿地率1996年大多为低等级，后达到中、高等级;低增幅多位于样带南北两端，因其属于经济较发达地区，基础水平较高，故增速缓慢。

3样带市域建成区绿地率空间分异影响机理

3.1因子探测分析

为探究单一因子对建成区绿地率影响程度，将所有因子贡献量（P）进行对比（图3）。各因子对建成区绿地率均具影响作用，且贡献量随时间及其他因子变化而变化。排列因子探测20年贡献量均值为人均GDP>园林城市>人均建成区面积>三产/二产>人口密度>建成区路网密度>年均温>地貌类型>≥10℃积温>园林绿化固定投资占比>人口>年均降水>干湿度>海拔高程，由此可见，社会经济因子较自然因子作用显著，自然因子影响力呈现波动中下降趋势。

1）经济水平是直接推动力。人均GDP呈绝对主导态势，它是影响样带内建成区绿地率的核心因素，并间接影响人口密度和产业结构影响力。京津冀、武汉城市圈和广州作为全国经济重心，人口和产业空间集聚力强，推动城市土地快速扩张，建成区绿地率明显高。而样带南部如广州因区位优势，接受港澳地区产业转移和“三来一补”产业兴起[16]，进一步扩大周边差异。人口密度和产业结构直接受经济影响，直接反应地区城镇化水平。样带中部人口密度小，产业扩展能力不足，建设用地需求量小，城市绿地前期发展较为缓慢。

2）国家政策是有效引导力。政府决策影响力持续上升，一度超过经济作用，可见其对城市绿地发展有直接导向作用。创建园林城市作为改善生态和生活环境、提升城市品质最重要的政策丁具直接影响城市建设。政府决策能最大化调控城市要素高效配置，样带南北政策实施性最强，故其建成区绿地率差异较小。

3）土地供给和城市基础设施是原始动力。前期人均建成区面积和建成区路网密度贡献值均占主导地位，后逐年下降;2009年以后出现反弹，但力度不强。城市资源是建设发展的物质基础，是重要拉动力。土地供给是绿地增长的有效抓手，城市基础建设是促进绿地增长的内在驱动因素。早期城市建设处于探索阶段，城市绿地受限大，建成区面积小的城市无法充分扩展绿化建设[5]，比如郑州市周边。城市基础设施代表城市基础水平，水平高则潜力大，建成区路网密度大的城市绿地前期发展也更有优势。

4）自然因素具有双向作用力。自然因素作用不如社会经济因素明显，其作用相对静态[17]。建成区绿地率前期主要受水热影响，后期受地貌类型影响较大。城市建设初期，水热条件对绿地发展起支撑作用;但整体样带较全国而言，水热条件相对较好，后期对城市绿地发展的促进作用减小，此时地貌类型约束力明显上升，抑制作用渐突显。样带中南部城市地貌类型差异较大、海拔较高，地形起伏较大的地区不利于绿地发展，从而造成到后期地区差异较大。

3.2探测因子交互分析

各因素交互结果均呈增强作用。各类因子对建成区绿地率综合作用力高于任意一种因子单独作用，说明样带内建成区绿地率的空间分异是城市经济发展水平、自然作用力交互耦合作用的综合结果。

样带中社会经济因子交互作用占主导优势。表2显示：1）社会经济因子与任意因子交互值均明显高于自然因子之间的交互值，反映出样带绿地受社会经济影响更大。2）城市建设初期，建成区路网密度各类交互值占主導地位：建设中期，人均GDP各类交互值轮流占主导地位：建设后期，三产/二产各类交互影响逐渐增大，自然因子的各类交互值下降。

106样带社会要素空间差异最为显著，其影响力随时间的增加越发突出。城市发展初期，绿地直接受路网密度制约，此时建成区路网密度各类交互作用占主导，更加表明城市基础设施是样带的原始动力。城市发展中期，我国城镇化发展加速，最主要表现之一是将农用地转变为建设用地[15]，促进绿地建设，表明经济条件是影响样带内建成区绿地率最重要的组合因素。

样带市域均属于我国经济发展较好地区，产业结构不断推进，其调整引起人口类型转化、经济增长和城市物质形态加速演变，是城市绿地面积增加的内在需求和主要原因。样带南北两端部分城市2016年三产比重已接近80%，土地资源利用的重新分配使其对城市绿地需求不断增加[15]，因此，三产/二产的各类交互结果到城市发展后期逐渐成为主导因素。

4结论与对策

4.1结论

1）从空间分异来看，样带内建成区绿地率水平整体提升且趋向高水平发展，总体仍呈“南北高中间低”的空间格局。该分布特征大致与我国的经济发展及自然地理条件分布相似，表明我国城市建成区绿地率与社会经济及自然地理条件在空间上存在很强的关联性。

2）从差异变化看，样带内区域差异将长期存在，但逐步减小。20年间，建成区绿地率高水平城市数量持续增加，低水平城市数量快速减少，其年均增率呈现出样带中部快两头慢的规律，中低水平城市主要集中于样带中南部。

3）样带内建成区绿地率空间差异是多重因素共同作用的结果。经济发展水平是造成绿地差异格局的决定性因素，自然条件具有双向影响，国家政策是重要影响因素，地理环境、产业结构也具有较大影响作用。造成城市绿地建设水平区域差异及演变的影响因素是经济实力和自然作用力等复杂动力相互作用的结果，并且各影响因素以及组合状况在不同区域、发展阶段所发挥的作用程度存在差异并处于变动之中。

4.2对策

针对样带内城市绿地建设水平存在区域差异的现象，各区域应从实际出发，制定适合本区域的绿地发展对策，提高绿地建设水平。

1）国家或区域级重大开发战略对绿地发展有直接引领作用，科学制订规划战略，重视落后城市短板作用。106样带绿地应是“协调、同步、一体化”发展，强调“绿地共生”理念，关注样带内绿地发展的关联性、互依性、拓展性等互助契合点。仍处于低水平的城市绿地规划是实现中国绿地区域一体化的关键环节[18-20]。同时应注重样带内大城市建设的溢出效应，控制核心城市绿地发展对周边的虹吸效应。

2）结合城市建成区绿地率的时空演变特征与主导驱动因子的作用机制，对106样带城市进行分类指导，因“绿”制宜。京津冀和广州等部分绿地水平高的城市属于绿地核心领导城市，应加快产业转移速度;样带中部部分绿地水平中等的城市属于重点绿地拓展城市，可借助城市规划扩大建成区面积，为绿地建设创造更大的发展空间：其余绿地水平低的城市属于加快绿地发展城市，应优先通过发展经济带动绿地面积增加以及政府加大开放优惠政策，双管齐下甚至多管齐下[21]。

3）重视多元化因素的综合效益，尊重驱动因子的差异化。通盘筹划多因素的整体作用，多方把控驱动力，实时把握其动态变化是准确找到限制绿地发展的关键环节，有助于进一步揭示城市绿地的演变机制[20]。在106样带中应尤为重视“人—地—财”综合作用，人口、土地、财政3大关键要素是保证城市绿地能够实现既定目标的基础。其组合方式直接影响在有效制度内能否供给支撑，是关系绿地发展的根本与长远的核心问题所在，对深化理论研究及实现区域绿地可持续发展具有重要的理论和现实意义[17、20-21]。

参考文献

[l]李双金，马爽，张淼，等.基于多源新数据的城市绿地多尺度评价：针对中国主要城市的探索[J].风景园林，2018，25（8）：12-17

[2]刘志强，林存晖，王俊帝，等.中国县级市建成区绿地率时空分异特征研究[J]风景园林，2018，25（11）：90-95

[3]刘志强，王俊帝，邵大伟，等.中国省域建成区绿地率空间格局演变分析[J].西北林学院学报，2019，34（1）：267-272.

[4]刘志强，王俊帝，洪亘伟，我国城市绿地与城市用地规模扩展关系分析：基于1996-2013年的省际面板数据[J].规划师，2016，32（6）：98-104.

[5]李方正，王瑞琦，李雄，等.中国城市绿化发展的空间差异及成因分析：基于289个地级市数据的实证研究[c]//中国风景园林学会2017年会论文集，2017-10，中国陕西西安：中国建筑工业出版社，2017：298-302.

[6]芮旸，唐蓓佩，王兴，等.国家园林城市时空演变特征及其影响机理[J].地理研究，2018，37（1）：20-36.

[7]刘彦随，杨忍.中国县域城镇化的空间特征与形成机理[J].地理学报，2012，67（8）：1011-1020

[8]鲁莎莎，关兴良，刘彦随，等.农业地域类型的识别及其演进特征：以106日道沿线典型样带区为例[J].地理科学进展，2013，32（4）：637-648.

[9]中华人民共和国住房和城乡建设部.中国城市建设统计年鉴（2016年）[G]北京：中国计划出版社，2017.

[10]徐新良，张亚庆.中国气象背景数据集.中国科学院资源环境科学数据中心数据注册与出版系统（http：//www.resdc. cn/

DOI） .2017.DOI： 10.12078/2017121301