新型城镇化背景下绿地—经济发展模型的综合研究——以江苏省为例

吕蕊汐，吕忠全，王惜凡，于祯艨，吕欣晔

（1.南京林业大学理学院，南京 210037；2.南京林业大学经济管理学院，南京 210037；3.南京市第九中学南京 210018）

1 引言

城镇化是城镇空间扩张、非农产业及非农人口向城镇聚集的过程。截止到2018 年底，中国城镇化累计提升41.7%，达到了59.6%；但在城镇化高速发展过程中一系列生态污染问题的突显，严重阻碍了中国城镇化的可持续发展道路。2014年3月，国家正式发布了《国家新型城镇化规划（2014-2020年）》，提出新型城镇化应合理划定生态保护红线，扩大城市生态空间，增加森林、湖泊、湿地面积等。人均公园绿地面积作为衡量城市绿化水平的重要指标[1]，随着近年来新型城镇化进程中经济的发展而不断提升[2]。

国内已有不少学者对影响人均公园绿地面积的经济社会因素进行研究。吴啸慧等人借助因子探测选取影响长三角地域人均公园绿地面积的指标，其中包括地理环境因子和社会经济因子，并通过地理探测得出自然环境因子与社会因子的交互对于人均公园绿地面积的增长呈现一致正向强化作用的结论[3]。赵芳将城镇化分为人口、土地、经济三方面，利用1996-2013的江苏省时间序列数据建立VAR 自回归模型，检验城镇化和人均绿地面积的长期均衡关系及动态发展趋势，得出人均公园绿地面积的增长是这三方面因素综合作用的结果[4]。殷文彧等人通过定性分析，研究GDP、人口、建成区面积这三个社会经济因素对人均公园绿地面积的影响[5]。Hongpeng Guo[6]等人在文章中使用熵权法建立中国农业在城镇化发展影响下的评价等级模型；Jia Wan[7]等人通过指标建立耦合协调模型对生态系统和城镇化的协调程度进行空间计量分析。

2 数据选取与分析

本文选定的研究区域为江苏省地级市主城区、各县级市以及部分附属的区、县，共计72个样本。数据来源是《中国城市建设统计年鉴》，各地《统计年鉴》或《统计公报》。对数据缺失的县、市进行插值处理。指标数据如表1所示。

表1 变量描述性统计

3 人均公园绿地面积与新型城镇化经济的综合得分计算模型

3.1 熵权法计分模型介绍

熵权法[8]是一种相对客观的评价方法，本文通过赋予不同指标权重计算经济发展和人均公园绿地面积的混合模型得分，进而对不同区域新型城镇化经济和生态的协调发展进行更客观的评价。本文选取指标均为正向指标，统一量纲计算方式为为第i个县市第j个指标标准化后的数据。yij表示第i个县市的第j个指标在m个县市中的比重。wj表示第j个指标的在n个指标中的权重：ej表示第j个指标的信息熵。县市人均公园绿地面积的城镇化经济发展模型的综合得分S：

3.2 模型结果

利用熵权法得出江苏省从北到南地区各地级市的综合得分及排名，结果如表2所示。

①苏北地区。从表2可以观察到苏北地区中宿迁市的综合得分明显低于其他四个地级市。其中，得分最高的徐州市是我国重要的煤炭产地和电力基地，但由于前期对矿产资源盲目地开采和消耗，导致其在可持续发展道路上遇到阻碍。在新型城镇化背景下，徐州市政府加大对生态环境修复和湿地景观开发等资源-环境项目的固定投资比例。这些政策的实施不仅正向推动了生态绿地的建设情况还反向促进了产业转型升级、降低单位GDP能耗。利用模糊数学计量分析模型可以发现从2010-2013年徐州在经济和环境的发展度始终保持高级协调状态。反观得分最低的宿迁市，其人均公园绿地面积水平良好，但企业普遍层次不高、生产观念落后、科技支撑作用不足、科技基础薄弱成为其发展过程中的短板[9]。宿迁市科技研发经费投入仅占GDP比重约为1.57%，远低于江苏省和全国平均水平，其高新技术产业发展阻滞、影响经济增长。但宿迁市生态发展态势良好，截至2018 年宿迁全市生态高效农业面积累计达13.83hm2，全面实施成片林营造、村庄绿化、农林防护田、道路河道绿化等四大林业重点工程建设。因此如何做到经济同生态绿化协调持续发展，是宿迁市政府现在面临的挑战。

②苏中地区。根据表2，苏中地区综合得分情况依然是各地级市内中心城市的分数远高于周围附属区域，其中南通市除主城区外，其余地区综合分数水平差距很小。人均公园绿地面积值各地级市之间平均水平大致相同，但地级市内各县、区级市的水平仍有较大差异。根据解娟娟[10]的研究结果表示苏中地区生态绩效一直大于江苏平均值，在一定情况上表明苏中地区在解决生产技术落后、治理环境污染、解决资源不合理使用等环境问题上已经逐渐具备向苏南地区靠近的能力。其中，南通市前期经济结构未调整的情况下，重工业比重较大导致工业废弃物的排放量较多，生态绩效在大多数情况下不高，但在2011 年以后，南通的发展情况开始转好，逐渐超过扬州和泰州。泰州市在2008 年以前绿色经济发展稳居苏中地区第一位，但后期明显发展具有一定的局限性，在2008 年以后开始处于中下游状态。扬州市绿色发展水平增长幅度一直较为平稳，综合分数也很乐观。

③苏南地区。根据表2，常州和镇江的综合得分明显低于苏南地区其他地级市，但其部分区域中人均公园绿地面积值较高。南京市地级市内综合得分情况和人均公园绿地面积值高低的分布情况有一定的差异性，说明南京市部分区域经济发展情况弱于主城区，但生态发展潜力要高于主城区。根据相关文献[11]分析，南京市和苏州市综合得分高居榜首的原因是南京的城镇化水平较高、基础设施较为完善、人才引入多、科学技术水平先进且人文素质较高、环境保护意识强，绿地建成和城镇化经济发展耦合度高；苏州市的经济条件受益于其优越的地理环境，苏州市距离上海较近，位于长江三角洲的中心位置，是上海经济辐射圈的最先受益者，同时为了维护苏州园林景区的旅游业及其附属产业的经济收入，政府在生态环境保护方面投入力度也很大，综合上述条件苏州市的人均公园绿地面积和城镇化经济发展模型的分数远远高于其他地级市。无锡市发展前景虽然很乐观，但仍面对一些挑战。首先无锡市同苏州一样具有地理位置优越性，但上海、杭州、南京近年来对人才的吸引力要远远超过无锡市，因此如何提高城市自身的竞争力是无锡市需要思考的问题；其次无锡自身的地域面积较小，对土地的开发建设强度已经接近“红线”标准，如何在有限的土地资源上进行开发置换，保持或提高现有人均公园绿地面积的水平也是无锡市需要面对的难题。

4 基于聚类和空间计量分析的综合得分评估组合模型

4.1 综合得分的空间自相关分析

4.1.1 全局Moran’s I检验[13]

在进行回归分析之前，为了探究因变量是否受空间的影响，首先应进行全局Moran'sI检验。Moran'sI指数可以描述区域整体的综合得分的空间关联性和差异程度[6]。

4.1.2 空间滞后模型

空间滞后模型在计算公式中没有显示时间序列的分布，在一般情况下被认为是一种“纯空间递归”。但空间滞后模型本身包含时间因素和时间滞后效应,因此在一定程度上，空间滞后模型并不是一种纯静态分析。其计算公式如下：

ρ是空间自回归系数，X 是自变量矩阵，W是空间权重矩阵，WY 是空间滞后因变量，在这个模型中空间滞后因变量作为一个自变量进入模型。

4.2 型组合结果

4.2.1 市人均公园绿地面积和城镇化经济发展模型的综合得分聚类结果

设置迭代次数为1 000 次，聚类数为8。各聚类中心分数值和聚类结果如表3 和图4 所示。

表3 各县市人均公园绿地面积的城镇化经济发展模型的综合得分聚类中心值

图4 各县市人均公园绿地面积的城镇化经济发展模型的综合得分聚类结果

结合表2 中的综合分数情况可以发现低分段（4～9 分）大面积聚集在苏中和苏北区。中等分数段（10～20分）大面积聚集在苏南地区，少部分聚集在苏北和苏中地区。其他高分数段少部分聚集在苏北和苏中被中等分数段区域包围的中心地段，其他大面积聚集在苏南地区。从发展全局上看苏南地区很大程度上领先于苏北和苏中地区。

4.2.2 全局自相关检验

Moran’s I检验结果如下图所示，其中莫兰指数经过999 次随机化处理，Z 值为13.422，P 值为0.000。这说明莫兰指数值为0.697 经过统计性检验，并且人均公园绿地面积和城镇化经济发展模型的综合得分在空间上具有显著的相关性。显著相关性的意义是邻近区域彼此具有强烈的相似性或差异性。进一步探究上述显著相关性的类别，需要进行局部自相关检验。

图5 Moran’s I检验结果

4.2.3 局部自相关检验

经过局部自相关检验，得到LISA 显著地图如下所示：

图5 LISA显著地图

其中黑色区域为L-L区域即低综合分数值区域被同样低的综合分数区域包围；深灰色区域为HH区域即高综合分数区域被同样高的综合分数区域包围。同样大面积集聚在苏北地区和苏南地区。

4.2.4 空间滞后模型检验

以综合分数结果作为自变量，六项经济指标和人均公园绿地面积值作为解释变量进行空间上的回归分析得到结果如表4所示。

表4 各省市综合分数空间回归结果

表4 中，人均GDP、第三产业占GDP 的比重、人均公园绿地面积均对综合分数有正向且显著的影响；城镇居民可支配收入、社会消费品零售总额、进出口总额、固定资产投资额虽然对综合分数有正向的影响，但效果并不显著。首先针对人均GDP 和绿地建设之间的联系，参考洪顺发等人[15]的研究成果，经过格兰杰关系检验得出城市建成区绿地率与人均GDP 互为正向因果关系的结论。城市绿地具有“绿磁效应”和消费者“需求效应”，即舒适的生态环境为人们提供了休闲娱乐的精神消遣，在一定程度上吸引企业或者居民投资或入驻，促进消费者的消费水平，从而带动当地旅游业、服务业等相关第三产业的发展。反推此现象的原因，由绿色产业带动起来的经济效应具有良好的发展态势，这种良性经济趋势会引来投资者更多的资金去建设绿地景观，绿地建设又得到进一步发展。因此，人均GDP 和人均公园绿地面积建设是一种双向共赢的发展指标，其作用的结果直接体现在第三产业占GDP的比重上。

根据唐茂钢等人[12]的研究结果可以验证两种假设：假设一是当经济发展处于较低水平时，城镇居民的可支配收入不高，国家和政府以民生为前提大力发展工业企业的同时，对生态功能的重视程度和投入不足，导致企业在生产过程中对土地的生态功能破坏严重，绿地面积缩减；假设二是经济发展较好时，城镇居民的可支配收入水平也较高，居民对生活标准不断提高、更注意生态的休闲功能性，此时国家和政府重视生态的经济作用，加大生态修复和建设的投入，使土地的生态价值大幅度提高，绿地建设效果显著。但从回归结果中可以看出，城镇居民的可支配收入对综合分数的贡献度不高，可基本判定江苏省目前大部分处于假设一的情况，结合上文结论，尤其要注重苏北地区煤炭、矿产资源的开采过程以及重工业的转型工作，加大生态修复力度和对环境造成重大污染的企业的处罚力度。产业结构得到一定优化后，由假设一情况转变为假设二情况，会进一步促进江苏省新型城镇化生态和经济的协调发展。回归结果中，综合分数最不显著的3个因素分别是社会消费品零售总额、进出口总额和固定资产投资额，根据上述分析总结回归结果反映出的指标作用网络如图6所示。

图6 指标相互作用网络

分析地区的时间滞后性和空间滞后性。结合前述，通常情况下政策从地级市的核心城区开始实施，再由核心城区周边的城市模仿学习，依此类推，逐渐形成产业包围圈逐层发展。在政策的传播和宣传过程中需要一定的时间让其他区域逐渐接受并改良自身的发展模式，这个时间序列就产生了一种滞后效应，即核心城区经济高速发展，周围城区会在以后的一段时间波动向上发展；核心城区发展受阻，周围城区在一段时间后发展速度也会降低。在绿地开发中思考这种效应，良好的生态居住环境也是现代人的精神需求，在选择居住地时，大多数人内心更偏好绿地建设较好的区域，这种消费趋势促进了绿地面积建设的改良，与经济效益相仿，这种注重生态修复和建设的可持续发展理念也会从核心城区形成包围圈并逐级向周围区县扩散，这是一种空间滞后性。