长江中游城市群城市化与生态环境耦合协调分析及模拟预测

贺清云, 李慧平, 欧阳晓

长江中游城市群城市化与生态环境耦合协调分析及模拟预测

贺清云, 李慧平, 欧阳晓*

湖南师范大学资源与环境科学学院, 长沙 410081

研究长江中游城市群的城市化与生态环境耦合协调的特征为城市群实现高质量发展提供理论参考。以长江中游城市群28 个城市为研究对象, 运用耦合协调模型定量分析2006—2017年城市化与生态环境耦合的时空演变规律, 同时运用LSTM深度学习模型预测2018—2022年城市化与生态环境耦合协调发展。“城市群—城市”的多重视角下, 长江中游城市群城市化与生态环境的耦合协调度呈现波动上升趋势。其中, 长沙、武汉、南昌3 个中心城市在城市群中具有带动性作用; 长江中游城市群城市化与生态环境耦合协调发展空间格局形成以武汉、长沙、南昌三个中心城市为核心的多中心空间结构。空间格局表现出空间异质性, 尚未形成一体化的耦合协调空间格局; 预测结果表明2018—2022年长江中游城市群城市化与生态环境耦合协调度整体有所提升, 但整体提升速度较慢; 大部分城市耦合协调度延续了增长的趋势, 升级为初级以上的协调发展等级。

城市化与生态环境; 耦合协调; 深度学习; 长江中游城市群

0 前言

城市化发展需要生态环境要素提供支撑, 并对生态系统造成深刻的变化[1], 可能导致生态环境质量的下降[2]。其中, 城市化引起的土地利用类型的变化被认为是生态环境质量下降的主要驱动因素, 具有重大的生态风险[3], 如何提高城市化与生态环境协调发展是实现区域可持续发展的关键[4]。长江中游城市群是我国重点建设的国家级城市群, 其快速的城市化发展导致城市无序开发、资源浪费和环境污染等“城市病”日趋加重, 针对城市群的生态环境问题, 国家提出长江中游城市群应该把握城市发展新规律, 探索适合城市群的新型城镇化模式。因此, 基于耦合协调发展视角研究长江中游城市群城市化与生态环境二元关系也势在必行。

目前, 国内外对城市化与生态环境的相关研究主要包括三个方面: ①有关城市化与生态环境耦合协调的理论研究, 基于城市化发展与生态环境之间存在的复杂线性关系, 方创琳等学者构建“多要素—多尺度—多情景—多模块—多智能体”集成的时空耦合动力学模型的理论框架[5]。②生态环境对城市化的响应关系研究, 如运用回归分析模型[6]、斯皮尔曼模型[7–8]等相关性分析方法, 定量分析城市化过程中整个生态环境系统或分项的生态服务价值变化规律。③城市化与生态环境耦合协调关系研究, 主要是从测度分析[9–12]、变化规律[13–14]、机制研究[5,15]等不同角度对二元之间的非线性关系进行了综合分析, 研究多采用模糊物元模型[16]、耦合协调度模型[17–18]、熵变方程模型[19]等方法对二元之间的耦合规律性进行探讨[18–21]。随着城市化与生态环境耦合协调发展研究的不断深入, 研究体系已经逐渐较为完善, 但仍存在一些不足: ①城市化与生态环境耦合协调发展研究主要是集中在时序上的变化研究, 其空间演化研究较少; ②缺乏对研究区未来年份耦合协调发展水平预测, 通过历史数据得到的耦合协调度具有滞后性, 不利于“防患于未然”。基于此, 本文以长江中游城市群为研究对象, 采用城市化与生态环境耦合协调模型和空间相关分析模型, 对2006—2017年协调发展水平时空演变特征进行分析, 为城市群实现一体化建设提供理论指导。同时利用深度学习LSTM模型预测未来5 年长江中游城市群城市化与生态环境耦合协调发展水平, 探讨其发展趋势并提出提升耦合协调发展水平的对策措施, 为区域实现可持续发展提供科学依据和参考。

1 研究区域与数据来源

长江中游城市群是国家特大型城市群之一, 包括武汉城市圈、环长株潭城市群以及环鄱阳湖城市群三大子城市群(如图1)。2017年, 长江中游城市群面积为32.61 万平方公里, 总人口1.25 亿人; 经济综合实力初见成效, GDP总额达到7.9 万亿, 位居全国城市群中的第五位; 城市化发展速度较快, 城市化水平为59%, 高出全国2.5 个百分点。本文以长江中游城市群为研究对象(其中仙桃市、潜江市、天门市三个属于湖北省的副地级市, 为了对比的合理性, 研究对象去掉了这三个城市)。数据来自2007—2018年的《中国统计年鉴》、《中国城市统计年鉴》及湖北、湖南、江西等省的统计年鉴和相关地市统计年鉴。

2 研究方法

2.1 城市化与生态环境耦合协调内涵分析及其指标体系构建

城市化是多要素组合而成的综合整体[22–24], 人口、经济、空间和社会是城市化最主要的构成要素, 为了更好的量化城市化水平, 本文将从人口城市化、空间城市化、经济城市化以及社会城市化四个方面表征城市化。人口集聚、城市扩张等城市化发展过程中, 时刻从生态环境系统获取能量、物质等, 从而城市化与生态环境之间客观存在相互作用关系。人口城市化与生态环境的关系表现为一方面人口快速集聚到城市, 造成交通拥堵、环境污染等“城市病”, 造成生态环境的破坏; 另一方面人口的需求水平的提高, 将进一步激化人口与环境供给的矛盾, 增加对自然资源的消耗压力。经济城市化与生态环境的关系表现为一方面经济发展需要消耗生态环境系统中的自然资源, 同时产生污染物对生态环境造成破坏; 一方面随着经济水平的提升, 产业结构以第三产业为主, 将提高对自然资源的利用效率, 减少环境污染。空间城市化与生态环境的关系表现为城市扩张对土地利用类型进行改变, 导致生态环境质量的下降, 同时空间城市化衍生出来的交通、地产等建设给城市带来了噪声、空气等污染。社会城市化与生态环境的关系表现为通过教育、创新等途径提高生产和生活中节约和集约的理念和方式, 从本质上提高生态环境建设效率。

图1 研究区域和范围

Figure 1 Study area and scope

采用指标评价法来评价区域的城市化以及生态环境发展状况, 需严格按照指标筛选的基本原则: ①科学性原则。城市化和生态环境是由多要素组成的综合复杂整体, 要求选取的指标能够准确具体的反映研究对象的内涵和特征; ②独立性原则。选取的指标要尽量避免所反映的信息存在重叠的现象, 保证指标的相对独立性; ③可行性原则。确保指标体系所需数据便于搜集, 易于理解且具有可比性和可预测性; ④系统性和全面性原则。指标体系需全面系统的涵盖城市化和生态环境的各个层面, 综合反映系统的全貌, 同时也要考虑各组成要素的系统性[25–27]。因此, 根据指标选取的有关原则, 基于对城市化与生态环境耦合协调内涵分析, 结合以重工业发展为主的长江中游城市群, 同时参照相关研究成果[ 27–29], 构建城市化与生态环境两大子系统的综合评价指标体系。采用客观的熵值法计算权重, 在一定程度上克服了主观赋权的局限性, 具体处理过程如下。在获取原始数据后, 由于各指标的纲量、数量级及指标的正负向取向存在一定的差异, 需要对正负趋向性指标进行标准化处理, 具体步骤如下公式(1)和公式(2)所示:

根据标准化处理后的结果, 第项指标的熵值(e)按照公式(4)计算, 第项指标的权重(w)按公式(6)计算。其中为指标数,为评价年数。

根据以上公式处理确定城市化指标体系和生态环境指标体系中基础指标的权重, 处理结果如表1。

2.2 耦合协调度模型

进行指标标准化, 根据熵值法求得各指标的权重, 采用综合分析模型, 得到城市化系统与生态环境系统, 再构建耦合协调度模型进行计算[14,22]。

(8)

(9)

其中,别表示城市化与生态环境耦合度和耦合协调度。表示城市化与生态环境两个子系统所占和份额下的综合协调数, 其中+=1, 由于城市化与生态环境在耦合协调过程中作用相同, 故设定=0.5[26–27]。借鉴乔标[9]、刘耀彬[18]对耦合协调度等级划分的标准, 根据的大小, 对耦合协调类型进行等级划分, 0<≤0.50属于失调衰退类; 0.50<≤0.59属于勉强协调发展类; 0.60<≤0.69初级协调发展类; 0.70<≤0.79中级协调发展类; 0.80<≤0.89良好协调发展类; 0.90<≤1.00高度协调发展类。

2.3 耦合协调度空间自相关模型

本文选取空间自相关模型来检验长江中游城市群城市化与生态环境耦合发展是否冲破行政区划的壁垒, 形成城市间的空间交互作用。其中, Moran’s表示全局空间相关, 公式为[28–31]:

表1 城市化与生态环境耦合发展水平综合评价指标体系

2.4 耦合协调度预测模型

深度学习具有3 层网络结构, 包括输入层、隐藏层和输出层, 根据输入的信号特征, 通过网络训练和预测的算法, 能够挖掘信号潜在的发展规律。随着深度学习的应用越来越广泛, 部分模型被于时间序列数据的分析和预测。其中, LSTM模型在时间序列数据的分析和预测中能够提高预测的精度, 适合处理和预测时间序列中间间隔和延迟非常长的重要事件[32]。然而, LSTM模型的应用非常有限, 特别是对于城市化与生态环境耦合协调度时间序列预测这一研究问题, 目前还未发现相关研究。本文选择城市化指数和生态环境指数作为实验对象, 以预测误差最小为目标, 并设定训练集和验证集的比例为6:4(2006—2013年168 个数据点作为训练集, 2014— 2017年112 个数据点作为验证集), 提出了一种基于LSTM循环神经网络的耦合协调度预测方法。

本文采用平均绝对百分误差()评价城市化与生态环境耦合协调度预测模型的预测精度, 计算公式如下。

3 城市化与生态环境耦合协调发展时空变化特征

3.1 耦合协调度的时间维度变化特征

利用前文构建的城市化与生态环境耦合协调模型, 计算长江中游城市群28 个地级市2006—2017年的耦合协调度, 结果如图2所示。

从图2可以看出, 城市群视角下的城市化与生态环境的耦合协调度由2006年的0.612增加到2017年的0.678, 呈现波动上升趋势, 增长速度缓慢, 一直处于初级协调发展阶段。2006—2017年, 长江中游城市群处于城市群发展0初期[33], 城市群的发展容易受国内外经济环境影响, 期间2008年城市群受到全球金融危机和国内自然灾害的短暂影响, 城市化质量与生态环境质量都有所下降; 2013年受国家经济处于调整和国际金融环境不景气等因素的影响, 城市群的城市化发展受到阻碍, 生态环境在生态文明理念的背景下各方合力推动其保持上升的态势。2008年和2013年城市群的耦合协调度有所下降, 在政府的宏观调控下, 城市化发展迅速做出调整, 耦合协调发展也相应的发生转变, 恢复其增长趋势。与路娟等学者提出的长江经济带中游地区城市化与生态环境整体协调度不断上升的观点吻合[34–35]。

从图3可以看出, 2006—2017年, 城市视角下大部分的城市化与生态环境耦合协调度演化趋势较为稳定, 长沙、武汉和南昌的耦合协调曲线发展趋势基本一致, 并且与整个城市群的曲线发展趋势相似, 表明城市化与生态环境耦合协调发展具有中心城市带动作用。其他城市的曲线基本为波浪形且上升趋势明显, 初级协调发展的城市有所增加, 黄石、荆门、孝感、咸宁、益阳、景德镇、宜春、抚州纷纷从勉强协调发展加入了初级协调发展行列; 只有娄底的曲线为波浪形且下降趋势, 娄底作为城市群内具有代表性的资源型城市, 依靠资源发展城市, 导致生态环境遭受破坏, 同时, 由于资源的枯竭制约城市化的发展, 其耦合协调度处于下降趋势。针对城市视角的协调度发展趋势, 梁龙武等学者在对京津冀城市群城市化与生态环境时空分异研究中也指出, 京津两市的协调水平为中度协调以上水平, 高于城市群内其他地区, 且各地市存在不同的变化趋势[36]。

3.2 耦合协调度的空间维度变化特征

在GeoDa平台中计算出2006—2017年城市化与生态环境耦合协调度的Moran’s值, 如表2所示, Moran’s值为负值, 说明耦合协调度具有空间异质性, 其中由于值大于0.1, 表现出空间差异不显著, 但城市群仍尚未形成一体化的空间格局, 研究区域内城市化与生态环境耦合协调度较高的城市周边是耦合协调度较低的城市。且2006—2017年期间, Moran’s值并没有显著的下降趋势, 表明城市群内这种空间差异没有缩小。

图2 城市群视角下的城市化与生态环境耦合协调演化

Figure 2 Time series charts of urbanization and eco- environment in the urban agglomeration

图3 城市视角下的城市化与生态环境耦合协调度差异演化

Figure 3 The different evolution of the coupling degree from the perspective of city

表2 城市化与生态环境耦合协调度全局空间自相关结果

为了更加直观的分析市域视角的耦合协调发展空间差异特征, 本文选取2006年和2017年2 个作为代表年份分别作出相应的耦合协调度空间分布情况, 如图4。整体上看, 长江中游城市群城市化与生态环境耦合协调发展形成以武汉、长沙、南昌为核心的多中心空间结构, 且研究期间多中心空间结构基本上处于稳定的状态。从图4(a)可以看出, 2006年城市群的城市化与生态环境耦合协调发展空间格局以武汉、长沙、南昌为核心, 而勉强协调等级的城市围绕在武汉、长沙、南昌的周边, 形成多个“核心—边缘”的空间格局。而处于初级协调等级的城市则分布较为分散。从图4(b)可以看出, 2017年城市群的城市化与生态环境耦合协调发展空间格局, 较“十一五”开局(2006年)均衡性上有较大提高。但仍然以武汉、长沙、南昌为核心, 周边勉强协调发展等级的城市大部分升级为初级协调发展等级, 初级协调发展等级的城市个数增加并趋于连续的块状分布。从三大子城市群的层面可以看出, 武汉、宜昌、襄阳3 个城市在武汉城市群内耦合协调度等级较高, 与湖北省“一主(武汉)两副(宜昌、襄阳)”的空间发展一致; 长沙、株洲、湘潭3 个城市在环长株潭城市群内耦合协调度等级较高, 与湖南省“一核(长株潭城市群)三极(岳阳、郴州、怀化)”的空间发展一致; 南昌和九江2 个城市在环鄱阳湖城市群内耦合协调等级较高, 与江西省的“昌九走廊”的空间发展一致。

3.3 基于深度学习的耦合协调度发展预测分析

利用LSTM模型进行模型训练和验证, 城市化指数和生态环境指数的训练精度与训练次数关系, 如图5。LSTM模型训练精度与神经元数关系存在最优值, 训练次数达到200 次后精度达到平稳不再显著提高。根据训练得到的最优LSTM时间预测模型进行时间数据预测, 运用公式(7)计算, 精度达到94.2%和94.5%, 证明模型预测精度达到城市化与生态环境耦合协调度时间序列预测的要求。

在Tensorflow平台上预测2018—2022年长江中游城市群城市化与生态环境耦合协调度, 结果如表3所示。2018—2022年耦合协调度将延续前12 年的发展趋势, 整体水平将继续提高到0.686, 与城市群未来发展基本符合, 随着国家“新型城镇化”和“生态文明”的战略持续实施, 耦合协调发展整体将保持上升的趋势。相比于2017年, 宜昌、株洲、湘潭、九江、上饶由初级协调上升到中级协调; 鄂州、萍乡、新余由勉强协调上升到初级协调; 娄底和鹰潭仍处于勉强协调。

图4 城市化与生态环境耦合协调发展空间格局演变

Figure 4 The evolution of spatial pattern of urbanization and ecological environment

图5 LSTM训练误差和训练次数关系图

Figure 5 The relation diagram of LSTM training error and training times

表3 城市化与生态环境耦合协调发展预测

4 结论与政策建议

4.1 结论

基于城市化与生态环境耦合协调发展内涵分析, 构建符合长江中游城市群的城市化与生态环境耦合协调模型, 从“城市群—城市”多重视角对耦合协调发展水平进行分析, 得出如下结论:

(1)2006—2017年, 长江中游城市群城市化与生态环境的耦合协调度呈现波动上升趋势, 上升速度较为缓慢。其中, 长沙、武汉、南昌3 个中心城市在城市群耦合协调发展中起到主要的带动作用, 呈现出中心城市带动型特征。

(2)城市化与生态环境耦合协调空间格局存在区域差异性, 具有空间异质性。耦合协调发展空间格局形成了以武汉、长沙、南昌三个城市为核心的多中心空间结构。以三大子城市群的视角分析, 较高耦合协调度等级城市空间格局基本符合湖北、湖南以及江西省的空间发展规划。

(3)将LSTM深度学习模型运用到城市化与生态环境耦合协调度的预测。预测结果显示, 2018—2022年, 28 个地级市中只有鹰潭和娄底未达到初级协调发展水平, 其他城市均达到初级协调发展水平或更高层次的水平, 城市群城市化与生态环境耦合协调发展水平整体表现出增长的趋势, 但是增长速度较慢, 区域差异明显。该结果证明基于LSTM模型用于城市化与生态环境耦合协调度时间序列预测, 与城市群的实际情况非常吻合, 能够达到较好的精度。

4.2 政策建议

基于长江中游城市群处于城市化与生态环境耦合协调发展的初级协调阶段这一现状, 根据 “两型社会”和“生态文明”的建设要求, 对如何实现长江中游城市群的城市化和生态环境协调发展提出几点建议:

(1)28 个城市需要根据各自城市发展特征, 采取差异性的城市化与生态环境的耦合协调路径: 生态环境滞后型的城市需要严格控制建设用地规模, 提高土地集约利用水平, 降低污染排放, 避免原有生态系统的破坏, 比如降低重工业的污染排放, 利用先进的科学技术调整产业结构提高资源利用的效率; 城市化滞后型的城市需要在保证区域生态环境安全的前提下, 通过建立绿色基础设施和完善现代化的城市功能, 从人口、经济、社会和空间四个层面全面开拓高质量城市化发展的道路。

(2)城市群城市化与生态环境耦合协调发展水平整体表现出增长的趋势, 但是增长速度较慢。城市群要依托长江“黄金水道”的优势, 充分利用资源节约型和环境友好型“两型社会”建设的区域政策导向, 逐步调整城市群以重工业发展为主的产业结构, 做强装备制造业等产业, 进一步完善现代物流、港口物流、金融业等服务配套产业, 稳步推动高新技术产业的发展; 另一方面加大科研投入和有关的政策支持, 推动企业污染减排并提升能源利用效率, 以创新驱动城市群城市化和生态环境耦合协调水平的提升。

(3)耦合协调发展空间形成了以武汉、长沙、南昌三个城市为核心的多中心空间结构, 但是区域差异明显。耦合协调度较低的地区要充分考虑自身发展特点, 在突出本区域优势的前提下, 进一步借鉴学习武汉、长沙、南昌三市发展模式, 积极融入城市群协同发展。同时, 要从城市群的视角出发, 以行政力量破除区域联合发展障碍, 达成区域城市化水平协同高质量提升、生态环境联合治理保护的共识, 创建城市群协同发展机制, 逐步缩小区域间城市化与生态环境耦合协调发展水平的差异。

[1] GRIMM N B, FAETH S H, OLUBIEWSKI N E, et al. Global change and the ecology of cities[J]. Science, 2008, 319(5864): 756–760.

[2] TRATALOS J, FULLER R A, WARREN P H, et al. Urban form biodiversity potential and ecosystem services[J]. Landscape & Urban Planning, 2007, 83(4): 308–317.

[3] REES W, WACKERNAGEL M. Urban ecological footprints: why cities cannot be sustainable—and why they are a key to sustainability[J]. Environmental Impact Assess­ment Review, 2008, 16(4/6): 223–248.

[4] 王振波, 方创琳, 王婧. 1991年以来长三角快速城市化地区生态经济系统协调度评价及其空间演化模式[J]. 地理学报, 2011, 66(12): 1657–1668.

[5] 方创琳, 周成虎, 顾朝林, 等. 特大城市群地区城镇化与生态环境交互耦合效应解析的理论框架及技术路径[J]. 地理学报, 2016 ,71(4): 531–550.

[6] 邓宗兵, 宗树伟, 苏聪文, 等. 长江经济带生态文明建设与新型城镇化耦合协调发展及动力因素研究[J].经济地理, 2019, 39(10): 78–86.

[7] 郭庆宾, 刘静, 王涛. 武汉城市圈城镇化生态环境响应的时空演变研究[J]. 中国人口·资源与环境, 2016, 26(2): 137–143.

[8] Li Baojie, Chen Dongxiang, Wu Shaohua, et al. Spatio- temporal assessment of urbanization impacts on ecosystem services: Case study of Nanjing City, China[J]. Ecological Indicators, 2016, 71: 416–427.

[9] Lyu Rongfang, Zhang Jianming, Xu Mengqun, et al. Impacts of urbanization on ecosystem services and their temporal relations: A case study in Northern Ningxia, China[J]. Land Use Policy, 2018, 77: 163–173.

[10] 乔标, 方创琳. 城市化与生态环境协调发展的动态耦合模型及其在干旱区的应用[J]. 生态学报, 2005, 25(11): 3003–3009.

[11] 孙平军. 1994–2011年江苏省城市化与生态环境非协调性耦合关系的判别[J]. 长江流域资源与环境, 2014, 23(8): 1051–1056.

[12] 胡振鹏, 黄晓杏, 傅春, 等. 环鄱阳湖地区旅游产业—城镇化—生态环境交互耦合的定量比较及演化分析[J]. 长江流域资源与环境, 2015, 24(12): 2012–2020.

[13] 李强, 韦薇. 长江经济带经济增长质量与生态环境优化耦合协调度研究[J]. 软科学, 2019, 33(5): 117–122.

[14] 崔学刚, 方创琳, 刘海猛, 等. 城镇化与生态环境耦合动态模拟理论及方法的研究进展[J]. 地理学报, 2019, 74(6): 1079–1096.

[15] 胡彪, 张旭东, 程达, 等. 京津冀地区城市化效率与生态效率时空耦合关系研究[J]. 干旱区资源与环境, 2017, 31(8): 56–62.

[16] 王新杰,薛东前. 西安市城市化与生态环境协调发展模式演化分析[J]. 自然资源学报, 2009, 24(8): 1378–1385.

[17] 郭月婷, 徐建刚. 基于模糊物元的淮河流域城市化与生态环境系统的耦合协调测度[J]. 应用生态学报, 2013, 24(5): 1244–1252.

[18] 刘耀彬, 宋学锋. 城市化与生态环境耦合模式及判别[J]. 地理科学, 2005(4): 26–32.

[19] 闫璐璐, 王小梅, 柴彦威, 等. 基于熵变视角的生态脆弱区城市化与生态环境交互耦合发展研究——以西宁市为例[J]. 中国人口·资源与环境, 2016(S2): 39–43

[20] 段维佳. 城市化与生态环境交互耦合机制与规律性分析[J].环境与发展, 2017, 29(10): 185–190.

[21] 黄金川, 方创琳. 城市化与生态环境交互耦合机制与规律性分析[J]. 地理研究, 2003(2): 211–220.

[22] 刘巧婧, 王莉红．城市化与生态环境耦合协调关系研究——以杭州市为例[J]. 环境科学学报, 2018, 38(10): 4214– 4222

[23] 姜磊, 周海峰, 柏玲. 长江中游城市群经济—城市—社会—环境耦合度空间差异分析[J]. 长江流域资源与环境, 2017, 26(5): 649–656.

[24] 刘艳军, 刘德刚, 付占辉, 等. 哈大巨型城市带空间开发—经济发展—环境演变的耦合分异机制[J]. 地理科学, 2018, 38(5): 662–671.

[25] 王秀明, 张勇, 奚蓉, 等. 广东省城镇化与生态环境耦合协调的空间特征及影响因素研究[J]. 中国环境管理, 2019, 11(3): 100–106.

[26] 陈肖飞, 郭建峰, 姚士谋. 长三角城市群新型城镇化与生态环境承载力耦合协调研究: 基于利奥波德的大地伦理观思想[J]. 长江流域资源与环境, 2018, 27(4): 715– 724.

[27] 陈晓红, 吴广斌, 万鲁河. 基于BP的城市化与生态环境耦合脆弱性与协调性动态模拟研究——以黑龙江省东部煤电化基地为例[J]. 地理科学, 2014, 34(11): 1337–1343.

[28] 方创琳, 鲍超. 黑河流域水—生态—经济发展耦合模型及应用[J]. 地理学报, 2004, 59(5): 781–790.

[29] 高楠, 马耀峰, 李天顺,等. 基于耦合模型的旅游产业与城市化协调发展研究——以西安市为例[J]. 旅游学刊, 2013, 28(1): 62–68.

[30] 王毅, 丁正山, 余茂军, 等. 基于耦合模型的现代服务业与城市化协调关系量化分析——以江苏省常熟市为例[J]. 地理研究, 2015, 34(1): 97–108.

[31] 刘彦彤,赵爽. 京津冀城市群城镇化与生态环境耦合协调关系研究[J]. 江苏农业科学, 2019, 47(17): 330–333.

[32] HOCHREITER S, SCHMIDHUBER J. Long short-term memory[J]. Neural Computation, 1997, 9(8): 1735–1780.

[33] 路娟, 张勇. 长江经济带城市化与生态环境耦合、协调特征及时空演化规律研究[J]. 四川师范大学学报(社会科学版), 2018, 45(4): 85–93.

[34] 谢志祥, 任世鑫, 李阳, 等. 长江中游城市群城市效率水平测度及空间分异研究[J]. 长江流域资源与环境, 2015, 24(10): 1705–1710.

[35] 郭庆宾, 张中华. 长江中游城市群要素集聚能力的时空演变[J]. 地理学报, 2017, 72(10): 1746–1761.

[36] 梁龙武, 王振波, 方创琳, 等. 京津冀城市群城市化与生态环境时空分异及协同发展格局[J]. 生态学报, 2019, 39(4): 1212–1225.

Analyzing and predicting the urbanization and eco-environment coupling and coordination of The middle reaches of Yangtze River urban agglomerations

HE Qingyun, LI Huiping, OUYANG Xiao*

College of Resources and Environmental Sciences, Hunan Normal University, Changsha 410081, China

Researching the characteristics of the coupling and coordination between urbanization and eco-environment of urban agglomeration along the middle reaches of the Yangtze River provides some theoretical references for the high-quality development of urban agglomeration. This thesis, taking twenty-eight cities in the middle reaches of the Yangtze River as the research objects, takes a quantitative analysis of the time evolvement rules of the coupling between urbanization and eco-environment in 2006 to 2017 and then aims to predict its trend in 2018-2022 on a basis of the Coupling Coordination Model and the Deep Learning Model. The result shows the degree of coupling and coordination between urbanization and eco-environment of urban agglomeration in the middle reaches of the Yangtze River presents an upward fluctuating trend, among which these three cities : Wuhan, Changsha and Nanchang play a leading role with a multi-centers spatial structure centered on them. Nevertheless, this spatial pattern has not yet been an integrated coupled and coordinated one, manifesting spatial differentiation. The predicted results show that the degree of coupling and coordination between urbanization and eco-environment of urban agglomerations in the middle reaches of the Yangtze river will have been integrally improved but with a slow speed in 2018-2022, and most of the cities will keep an upward trend, upgrading to primary degree of coordination.

urbanization and ecological environment; coupling coordination;deep learning; urban agglomeration in the middle reaches of the Yangtze River

10.14108/j.cnki.1008-8873.2020.02.022

X22; F290

A

1008-8873(2020)02-182-09

2019-09-17;

2019-11-18

国家社会科学基金重大项目(18ZDA040)

贺清云(1955—)女, 教授, 博士生导师, 主要研究方向为城乡规划与区域发展

欧阳晓(1991—)男, 博士研究生, 主要研究方向为城市与区域发展, E-mail: 1075090536@qq.com

贺清云, 李慧平, 欧阳晓. 长江中游城市群城市化与生态环境耦合协调分析及模拟预测[J]. 生态科学, 2020, 39(2): 182–190.

PHE Qingyun, LI Huiping, OUYANG Xiao. Analyzing and predicting the urbanization and eco-environment coupling and coordination of The middle reaches of Yangtze River urban agglomerations[J]. Ecological Science, 2020, 39(2): 182–190.