黄河流域城市群城镇化与生态环境耦合协调预测

孙 斌，徐 渭，薛建春，侯思杰

(内蒙古科技大学 经济与管理学院，内蒙古 包头 014010)

0 引 言

2019年9月，习近平总书记作出加强黄河治理保护、推动黄河流域高质量发展的重大部署。黄河流域城市群是黄河流域高质量发展重心区和环境污染综合治理与生态保护重点区，在推进黄河流域生态保护和高质量发展过程中具有很高战略地位[1]。黄河流域城市群包括呼包鄂榆、宁夏沿黄、兰西、关中平原、中原、山东半岛和晋中7个城市群[2]。除了山东半岛城市群发育成熟，其余城市群尚处于雏形阶段，总体发育和城镇集聚程度偏低[3]，在面临发展迫切需求的同时，还需克服发展中忽视“外部经济性”所造成的流域污染治理和生态保护难题。因此，有必要对黄河流域城市群城镇化与生态环境耦合协调发展进行研究，深入挖掘存在的问题，结合实际提出政策建议，为地区探索城镇化与生态环境耦合协调发展提供借鉴。

国内外学者针对城镇化与生态环境相互作用及耦合关系已开展了大量研究。其主要包括：①理论研究及演变规律分析。在国外，不同学者及研究机构先后提出了PSR(Pressure-state-response)模型、EKC曲线(Environmental Kuznets Curve)和脱钩理论，丰富了相关理论研究[4-6]；在国内，黄金川等对耦合规律曲线进行了推演[7-8]，方创琳等构建了多集成时空耦合动力学模型，提出“耦合魔方”概念[9-11]。②城镇化与生态环境耦合实证研究。国外学者在世界各地均进行了大量相关案例研究[12-13]；刘耀彬等构建耦合发展模型探寻发展规律[14-15]；陈晓红等分析了未来耦合关系演变趋势[16]；邓宗兵等探寻了地区城镇化与生态环境耦合驱动机制[17]；赵建吉等对黄河流域城镇化与生态环境影响因素进行了研究[18]。③不同尺度上的研究。多数学者选用城市或生态特殊区；部分学者选用不同城市群进行研究分析[19-22]；还有一些学者以流域为尺度进行了相关研究。例如，马艳对长江经济带城镇化与生态环境交互关系进行了测度与推演验证[23]；高红贵等对长江经济带进行了耦合测度[24]。④对于不同复杂非线性系统，学者们使用多种方法进行了评价与预测。宋学锋等利用SD模型对江苏省城市化与生态环境耦合进行了情景模拟分析[25]；冯雨雪等使用灰色预测模型对青藏高原城镇化与生态环境耦合协调进行预测[26]；蔡文静等对西北五省进行了生态-经济-城镇化系统的耦合预测分析[27]。

总体而言，现有研究仍存在一些不足之处。首先，现有研究的评价指标选取在高质量发展内涵上表现不足；其次，以往研究通常以黄河流域某一城市群作为研究区，黄河流域城市群是一个“3+4”的空间组织格局，需要全流域视角的整体研究；最后，尽管研究方法较为丰富，但对耦合关系的模拟和预测相对较少。城镇化和生态环境间相互作用具有长期性和累积性，单纯评估现状难免有滞后性和被动性。耦合协调度时间序列包含了线性趋势和非线性趋势，因此，本文使用ARIMA模型预测线性趋势，并用BP神经网络模型对ARIMA模型的误差进行预测，以期使预测效果达到最优。

基于此，本文以黄河流域7个城市群为基本研究单元，在PESS(Population-economic-sociology-space)模型和PSR模型基础上建立体现高质量发展内涵的城镇化与生态环境评价指标体系，运用耦合协调度模型对耦合协调度进行测度，并构建ARIMA-BP组合模型预测2020～2025年黄河流域城市群耦合协调度，探讨其耦合发展趋势并提出未来发展建议。

1 研究区概况与数据来源

1.1 研究区概况

黄河发源于青藏高原巴颜喀拉山脉，流经青、川、甘、宁、蒙、晋、陕、豫、鲁等9个省区，流域面积约占全国面积的8.28%。黄河流域是中国重要生态屏障、经济发展重要地带和脱贫攻坚重要区域，对国家经济发展和生态安全具有重要意义。黄河流域范围和城市群分布如图1所示。由于黄河流域不同城市群在城市构成上略有重叠，且考虑到部分城市群内个别县级市和少数民族自治州数据缺失严重情况，所以选择7个城市群中58个核心城市作为城市群构成样本，在此基础上进行数据收集及研究。

图1 黄河流域城市群分布

1.2 数据来源

以黄河流域7个城市群58个核心城市为基本单元，开展2000～2019年各城市群城镇化与生态环境耦合协调度研究，并对2020～2025年耦合协调度预测结果进行空间上的演变展示。数据来源包括各年份《中国城市统计年鉴》及各省份、各地级市统计年鉴等，部分指标数据来源于各城市历年社会经济统计公报，并通过数据处理方法进行缺失值填补。

2 分析方法

2.1 城镇化与生态环境评价指标体系构建

本文选择在PESS模型和PSR模型基础上选取29个指标表征高质量发展中的开放、协调、共享、创新、绿色理念，建立城镇化和生态环境评价指标体系(表1、2)。其中，指标权重通过熵值法进行确定，保证了权重客观性。

表1 城镇化评价指标体系

2.2 耦合协调度模型

耦合是指两个或两个以上系统通过受自身和外界各种作用而相互影响，耦合度模型已经被广泛使用在城镇化与生态环境间复杂的耦合机理研究中，具体计算过程如下所示。

表2 生态环境评价指标体系

(1)耦合度计算，其表达式为

(1)

式中：C为城镇化与生态环境系统的耦合度，0≤C≤1；F(x)和G(y)分别为基于城镇化评价指标x与生态环境评价指标y收集到的数据，使用熵权法客观赋权并综合评价得到的城镇化系统和生态环境系统评价值；k是调节系数，k≥2，通常来说k=2。

(2)系统综合发展指数和耦合协调度计算，其表达式为

T=α×F(x)+β×G(y)

(2)

(3)

式中：D为耦合协调度；T为城镇化与生态环境系统综合发展指数；α和β为待定系数，分别表示城镇化系统和生态环境系统评价值的重要程度，除特殊情境外，通常取α=β=0.5。

借鉴其他学者对协调类型的划分[28]，本文将耦合协调度划分为10个等级(表3)。

表3 耦合协调度等级分类

2.3 ARIMA-BP组合模型

2.3.1 ARIMA模型

ARIMA(p,d,q)模型中的3个参数p、d、q分别是模型的自回归项阶数(AR模型阶数)、差分阶数、移动平均项阶数(MA模型阶数)。ARIMA模型实质上是在自回归移动平均模型的基础上针对非平稳序列进行d阶差分，使其预测精度得以提升。如果原始时间序列非平稳，那么要先对其进行差分处理直至平稳，在这个阶段就可以确定差分阶数d，然后对ARIMA模型进行定阶，确定使结果最优的自回归项阶数p和移动平均项阶数q。ARIMA模型的一般表达式为

yt=c+φ1yt-1+…+φpyt-p+θ1εt-1+…+θqεt-q+εt

(4)

式中：yt为t阶差分序列；εt为t阶噪声序列；φp为p阶AR模型拟合参数；θq为q阶MA模型拟合参数；c为常数。

2.3.2 BP神经网络模型

BP神经网络是按照误差逆向传播算法进行训练的多层神经网络。其在结构上包括输入层、隐含层、输出层3种，学习过程包括信号的前向传播和误差的逆向反馈，信息由输入层经过隐含层到达输出层后，比较输出值与期望值之间的误差[29]。若误差较大，预测结果不理想，则误差将会逐层逆向传播到输入层，同时不断调整和迭代直至预测结果较为理想，实现收敛。

2.3.3 ARIMA-BP组合模型

ARIMA模型是基于线性技术对时间序列数据进行预测的一种方法，但对非线性预测结果可能存在一些不合理的误差，而BP神经网络可以很好地预测非线性数据[30]。实际问题中，线性与非线性同时存在，单纯使用ARIMA模型或BP神经网络模型难免会存在较大误差，不能很好地预测实际问题。因此，本文使用ARIMA-BP组合模型对黄河流域城市群城镇化与生态环境耦合协调度进行预测。

ARIMA-BP组合模型的表达式为

Dt=Lt+Nt

(5)

式中：Dt为真实值；Lt为原始数据中的线性部分；Nt为非线性残差部分。

使用ARIMA模型进行预测，得到预测值Lt′，则预测残差(Et)为

Et=Dt-Lt′

(6)

使用BP神经网络模型对Et进行预测，得到预测值Et′。ARIMA-BP组合模型得到的最终预测值Dt′为

Dt′=Et′+Lt′

(7)

3 实证分析

3.1 城镇化与生态环境耦合协调度分析

根据城镇化与生态环境耦合协调模型，对2000～2019年黄河流域城市群耦合协调度进行测度，结果如图2所示。

图2 2000～2019年黄河流域城市群耦合协调度演变

由图2可见，7个城市群城镇化与生态环境耦合协调度总体呈上升趋势。山东半岛城市群2005年之后超过中原城市群成为耦合协调度最高的城市群，起步早、发展快、区位优势明显、综合实力较强、生态资源独具特色是其耦合协调度较高的原因；中原城市群承接了东部大量资本和产业，区域发展活力和创新能力得到一定提高，但相较于山东半岛城市群耦合协调度稍低；关中平原城市群地理位置较优，总体保持上升趋势，仅在2012年、2016年出现了下降波动；呼包鄂榆城市群在2002年以前耦合协调度较差，和兰西城市群基本相同，之后一直保持积极增长态势，由2003年的0.407增长到2005年的0.458，2005年之后增长速度变慢，主要是由于呼包鄂榆城市群资源密集，经济增长更多依赖资源消耗，易陷入“资源诅咒”，且城镇化发展过程中牺牲了生态环境成本；晋中城市群耦合协调度增长较为稳定，2015年之后增长速度变慢，依靠煤炭等资源来实现经济增长所引发的生态环境胁迫效应在一定程度上抑制了耦合协调度；宁夏沿黄城市群在2000年至2003年耦合协调度最高，其后多次出现下降，增长幅度不大，20年内耦合协调度仅增加了0.102，且2019年耦合协调度居于7个城市群末位；兰西城市群以有色金属、盐化工和石油化工产业为主，地区发展相对贫困，总体上耦合协调度最低，分别在2008年和2015年出现波动，耦合协调度突然升高并下降，主要受到生态环境发展水平影响。

3.2 城镇化与生态环境耦合协调预测分析

3.2.1 ARIMA模型时间序列预测分析

使用ARIMA模型进行7个城市群的城镇化与生态环境耦合协调度时间序列预测分析，预测未来6年的变化趋势。由于每个城市群的原始时间序列数据存在差异，ARIMA模型的参数选取方面也不尽相同(表4)，通过自相关和偏自相关分析进行模型参数确定。使用ARIMA模型预测7个城市群城镇化与生态环境耦合协调度的结果见表5。

表4 ARIMA模型参数选取情况

表5 ARIMA模型预测结果

3.2.2 BP神经网络模型残差预测分析

将ARIMA模型预测得出的结果与真实值进行比较得出绝对误差，利用MATLAB 2017a构建BP神经网络模型对误差进行预测。由于误差年份为2001～2019年，所以模型样本量为19。同时，考虑到时间序列数据的特征，选择输入层神经元个数为3，输出层神经元个数为1，采用滑动窗口法生成训练集样本作为输入层输入，即将前三年的误差作为输入值，其后一年的误差作为输出值，构建前三年误差与后一年误差的非线性函数，最终19个样本滑动生成16个矩阵样本，即在MATLAB中输入矩阵为3*16，输出矩阵为1*16。

对7个城市群进行预测后的效果评估，2004～2019年组合模型的平均预测精度如表6所示。其中，模型平均相对误差是指2004～2019年每个城市群不同预测模型相对误差均值，可见每个城市群预测精度均有一定提升，提升程度各有不同，但总体上ARIMA-BP组合模型预测效果较为理想。

表6 ARIMA-BP组合模型平均预测精度

通过使用训练之后的BP神经网络模型对误差进行预测，并将预测得到的误差与使用ARIMA模型预测得到的线性部分进行相加，得到最终ARIMA-BP组合模型的预测值，结果如表7所示。

由表7可见，各个城市群在未来6年内耦合协调度预测值总体呈上升趋势。山东半岛城市群耦合协调度在2023年突然由0.785 4下降到0.696 9，但

表7 ARIMA-BP组合模型预测结果

依旧排在城市群之首。其次是呼包鄂榆城市群和中原城市群，呼包鄂榆城市群在2021年耦合协调度由上一年的0.644 0下降为0.588 0，其后不断上升并逐渐超过中原城市群。晋中城市群和关中平原城市群在2023年分别上升和下降，关中平原城市群在下降之后持续上升，而晋中城市群则基本保持不变。宁夏沿黄城市群和兰西城市群的耦合协调度排在7个城市群的末位，宁夏沿黄城市群基本保持稳定且缓慢上升趋势，而兰西城市群则出现多次波动情况。将预测结果进行空间演变，结果如图3所示。

由图3可以看出，空间演变过程呈现东部山东半岛城市群、西北部呼包鄂榆城市群和中部中原城市群耦合协调度较高，其余中西部城市群耦合协调度偏低的空间格局。到2025年，山东半岛城市群城镇化与生态环境将进入良好协调阶段，呼包鄂榆城市群处于中度协调阶段，关中平原城市群、中原城市群、晋中城市群处于初级协调阶段，而宁夏沿黄城市群、兰西城市群依旧处于勉强协调阶段，耦合协调度尚不乐观。

图3 2020～2025年黄河流域城市群耦合协调度预测结果空间演变

4 结 语

(1)2000～2019年黄河流域城市群耦合协调度呈上升态势，总体上山东半岛城市群耦合协调度最高，兰西城市群耦合协调度最低且出现波动。7个城市群耦合协调特征由轻度失调、濒临失调转为勉强协调、初级协调，总体上耦合程度并不理想，2000～2019年7个城市群均未达到较高的耦合协调状态。

(2)通过构建ARIMA-BP组合模型对未来6年黄河流域城市群城镇化与生态环境耦合协调度进行预测，探寻未来发展趋势。结果显示：未来6年，7个城市群城镇化与生态环境耦合协调度均有提高，耦合协调度等级有一定提升，且呈现出东部山东半岛城市群、西北部呼包鄂榆城市群和中部中原城市群耦合协调度较高，其余中西部城市群耦合协调度偏低的空间格局。山东半岛城市群从初级协调转为中度协调，预计在2025年转为良好协调；呼包鄂榆城市群则从初级协调转为中级协调；除宁夏沿黄城市群和兰西城市群以外，其余城市群城镇化与生态环境耦合协调度基本达到协调状态，在2025年均进入初级协调或已超越初级协调阶段。

(3)对于黄河流域城市群的未来发展，首先,要抓住发展中的主要矛盾，既要高质量发展，继续推进城镇化建设，又要关注到发展所带来的环境污染等现象。能源型流域城市群(如呼包鄂榆城市群、晋中城市群)对矿产资源和水资源依赖突出，绿色转型和污染治理任务艰巨，因此,需格外关注生态环境污染问题;兰西城市群生态环境脆弱，地广人稀，经济发展相对滞后，要多依靠创新驱动，用空间规划引领资源利用和环境治理。其次，要制定个性化发展策略，实现区域协同发展。从上述结果分析可以看出，不同城市群未来发展仍存在一定差异。山东半岛城市群未来依旧发挥其在流域发展中的龙头作用，但相比全国其他发育成熟的城市群而言，科技创新能力与和核心竞争力不够突出，今后仍需增强在全国的综合竞争力;关中城市群和中原城市群地处平原，是中西部战略发展重地，今后要继续提升区域整体发展水平，推动除省会城市以外其他次级中小城市发展壮大。此外，宁夏沿黄城市群和兰西城市群在7个城市群中耦合发展状况相对不佳，需进一步补齐发展短板，推进城镇化过程，强化生态环境保护力度，这样才能尽快实现全流域城市群的协同发展。