我国城市空间扩张的时空特征及驱动因素分析
2022-05-30何雄王神坤
何雄 王神坤
摘 要：利用2001-2013年共13年的DMSP/OLS全球夜间灯光数据，提取全国城镇建成区面积动态变化，分析我国城市空间扩张的时空特征，并运用空间计量模型（SLM和SEM）研究分析城市空间扩张的驱动因素，研究结论如下：（1）我国城市空间扩张总体上呈逐渐增长的趋势，但其扩张速率和年增长面积也会随着社会经济的变化而产生波动;（2）我国城市空间扩张存在显著的空间相关性，较强的正向空间依赖关系，总体空间差异逐渐减小;（3）城市固定资产投资、交通通达性、产业结构优化、人口规模扩大及对外开放水平显著提高了城市空间扩张水平。
关键词：城市空间扩张;DMSP/OLS全球夜间灯光数据;驱动因素
中图分类号：F129.9; F291 文献标识码：A DOI：10.3963/j.issn.1671-6477.2022.04.012
中国的城市建成区面积由1984年的8842平方公里增加到2015年的40941平方公里，增长幅度为463.03%，城市空间扩张速度较快。而城镇人口由1984年的2.4017亿人增加到2015年的7.7116亿人，增长幅度达到321.09%，这表明中国的土地城镇化速度明显快于人口城镇化速度，我国城市空间扩张过程中存在“蔓延”现象，即以“摊大饼式”向周围区域无序扩张。作为世界上最大的发展中国家，我国城市建设用地的利用正在面临着十分严峻的局面[1]。近年来，虽然从国家层面上多次出台相关宏观调控政策，意图遏制城市的无序扩张，促进集约节约型土地利用，但是总体上我国城市空间无序扩张的脚步并未曾止步。因此，研究城市空间扩张的动态变化和驱动因素，对症下药来遏制城市空间的无序扩张，对于现阶段人多地少、城市化进程加快的中国而言具有十分重要的现实意义。
本文从空间视角出发，通过构建城市空间扩张的影响机制，运用空间计量经济模型研究城市空间扩张的驱动因素，并用实证结果检验理论假说是否符合实际，最后提出相关政策建议，以期能有效应对我国城市的无序扩张。
一、相关文献综述
在城市空间扩张的态势研究中，张少楠等[2]通过对比研究郑州市近20年的建成区的扩张特征，发现其扩展方式以同心圆模式为主，外延性拓张为辅。也有部分学者运用遥感影像，利用GIS和RS等相关工具分析城市空间扩张的趋势和模式。杨孟禹等[3]运用DMSP/OLS全球夜间灯光数据构建城市规模指数，发现城市规模存在空间竞争现象。Lopez等以航空影像为基础，通过实证回归分析了莫雷利亚市的边远地区的土地利用方式以及类型的变化，并给出了相应的预测。John Gibson通过卫星监测数据分析了印度1992—2002年共21年间的城市土地利用的类型转换，认为印度的城市扩张所需要的土地主要是由林地、灌木和草地转换而来。
关于城市空间扩张的驱动力的研究中，陈万旭等[4]运用地理空间加权回归模型实证分析认为，经济发展、人口数量和交通发展水平是城市空间扩张的主要驱动力，但其对城市用地扩张的影响具有明显的区域差异性。郭瑞敏等[5]通过实证研究发现城市扩张与经济发展之间不存在格兰杰因果关系，但是城市扩张与第二、三产业GDP之间存在库兹涅茨倒U曲线关系。在我国特殊的制度安排下，城市扩张很难单纯地从经济学视角去解释，需要从政府行为的角度去解读[6]，包括分税制、土地制度、GDP考核制度等诸多方面。张耀宇等[7]指出不同行政级别和不同规模的城市在城市空间扩张的驱动机制上存在明显差异。杨孟禹和张可云[8]运用两区制空间杜宾模型对城市扩张的空间竞争进行实证研究，认为不同行政等级、规模以及城市群内外的城市扩张具有明显的空间异质性。李建伟等[9]以西安市为例，对城市空间扩张与新区形成的世纪进行耦合分析，发现城市空间扩张与人口——城市扩张弹性具有较强的相关性。
如何有序推进城市空间扩张，杨建坤和曾龙[10]指出官员晋升激励促进城市空间扩张，认为应该推进地方官员的考核评价体系改革，将人口城市化等纳入城市化考核。刘琼等[11]认为要想实现对城市土地无序扩张的管控，可以用土地税代替土地出让金，从而打断土地财政对城市扩张的推动作用。顾乃华和陈秀英[12]引入城市扩张、财政约束等概念，分析经济集聚与劳动生产率的关系，提出应该引导地方政府在城市扩张过程中以打造城郊一体化的主导优势产业为目标。高燕语和钟太洋[13]依据中国土地市场的特征构建相关回归分析模型，揭示土地市场结构对城市扩张影响的区域异质性，应该合理规划和控制我国的土地市场。
虽然关于城市空间扩张的研究已取得了非常丰富的成果，但是也存在一定的不足之处：一是其研究对象主要是针对某一特定的城市居多，如武汉、南京、广州等;二是关于城市空间扩张的影响因素分析的研究方法较少，且缺乏空间视角的回归分析。基于此，本文将经濟发展、社会状况、政策制度等作为城市空间扩张的影响因素，以全国265个地级及以上城市面板数据构建空间计量模型，实证分析研究城市空间扩张的影响因素。
二、我国城市空间扩张的时空特征
（一）数据来源
DMSP/OLS灯光数据由美国国家海洋大气管理局（NOAA）下属的国家地球物理数据中心（National Geophysical Data Center，NGDC）定期发布，它比其他同等类型的遥感影像数据要小，较有利于数据的提取分析;同时，DMSP/OLS可以在夜间探测城镇灯光、道路灯光、车流灯光、生活区灯光、工业区灯光等，在一定程度上可以反映人类社会的经济活动信息。目前夜间灯光数据已广泛应用于城市经济各方面问题的研究[14]。
（二）研究方法
1.原始夜间灯光数据的校正
（1）数据的提取和预处理。本文提取中国区域的相关灯光影像进行研究，将灯光影像数据的投影坐标系转换为兰伯特等面积投影（Lambert Conformal Conic），网格重采样为1km2，根据中国行政边界裁剪出分辨率为1km的中国区域的DMSP/OLS夜间平均强度的稳定灯光数据。根据研究需要，本研究仅提取了2001年至2013年共13年的夜间灯光数据。
（2）夜间灯光数据的饱和校正和相互校正。本文参考曹子阳等[15]的方法，选用F16卫星2006年的黑龙江省鹤岗市的数据作为标准数据集，确定为不变目标区域，因为通过将其夜间灯光数据与社会经济数据的对比分析发现鹤岗市一直都处于相对稳定的发展过程。借鉴曹子阳等的研究，构建幂数回归方程（1）：
DNc=aDNb（1）
式中：DNc表示校正后的像元DN值;DN为待校正的像元DN值;a和b为幂数回归得到的相关估计参数（如表1所示），运用得到的相关参数可以通过幂数回归方程对每一期相关的灯光影像数据进行校正。经过校正后的夜间灯光影像数据具有可比性并且在一定程度上消减了灯光数据的饱和效应。
（3）同一年份不同卫星传感器的夜间灯光影像数据校正。在样本期内部分年份存在两组夜间灯光数据观测值，因此需要对这些存在两组数据的年份进行一定的整合处理。本文参考刘修岩的做法[16]，对于同一年份两颗卫星的夜间灯光数据进行如下计算处理：
式中：DNA和DNB为同一年份不同卫星经饱和校正和相互校正的夜间灯光强度DN值;DNc表示经过同一年份不同卫星传感器校正的栅格灯光DN值。
（4）夜间灯光影像数据的连续性校正。经过相互校正和饱和校正、同一年份不同卫星传感器的校正，仍然存在着同一传感器的灯光亮度DN值异常波动的问题，夜间灯光影像数据依然不具有连续性。根据张鹏强等的研究可知[17]，前一年的夜间灯光影像的像元亮值应该不大于后一年的该区域的灯光影像的像元DN值。由于灯光影像数据“异常波动”的存在，有部分年份的数据是违背这一研究结论的;而且近20多年来，随着我国社会经济的发展，我国城镇面积不断扩大，人口不断增多，按常理来说，人类的灯光活动范围也应该是逐渐扩大的。因此，为了确保数据更加贴近现实情况，本文将灯光影像数据的不连续问题作出如下校正：
式中：DN（n-1，j）、DN（n，j）、DN（n+1，j）分别表示第n-1年、第n年、第n+1年经过相互校正和饱和校正、同一年份不同卫星传感器的校正后夜间灯光影像数据的j像元的DN值。
经过三大步骤校正处理后的DMSP/OLS夜间灯光影像数据，解决了可比性问题以及饱和效应问题，可以用来作为城市经济研究的样本。
2.城镇建成区面积的提取
参考张梅等的做法[18]，采用边界阈值法运用经过相互校正和饱和校正、同一年份不同卫星传感器的校正、影像间的连续性矫正的DMSP/OLS灯光影像数据，基于胡焕庸线对于城镇建设用地进行提取。其具体方法和步骤如下：
首先，在Arcgis10.2中利用分割面工具按照胡焕庸线将中国图层分为两半;接着，将东西两部分矢量图层转换为与DMSP/OLS像元大小一致且单个像元位置一致的栅格数据（tiff影像）;然后，在一定范围内通过二分法逐步实验慢慢缩小范围进行调整确定阈值，利用估算的东西部各一个阈值对中国城镇建成区面积进行二值化（1 km2分辨率的情况下，1个像元表示1平方公里的面积）提取，将提取的城镇建成区面积与统计数据比对，并不断调整阈值，直到某一阈值下基于灯光数据提取的城镇建成区总量面积与统计数据最为接近时，即认为该阈值是这一城市在特定年份下的最适阈值（胡焕庸线以东的阈值为34，胡焕庸线以西的阈值为25），所对应的城镇建成区范围可以反映这一城市在此年份下的城镇建成区空间格局，将提取的建成区面积作为城市空间扩张指数。下面以2010年为例，对于运用DMSP/OLS夜间灯光数据提取的中国城镇建成区面积予以展示，如图1所示。
（三）实证分析
1.我国城市空间扩张的面积变化
由灯光数据显示，全国城镇建成区面积由2001年的133 726平方公里增长到2013年的247 393 km2（见图2），一共增加了113 667 km2，增加了约85%，这意味着我国城市空间在本研究期内进行了较为快速的扩张，并且增长幅度呈现较为平稳的态势。
为了更好地了解我国城市空间扩张的变化趋势，本文以2001年为基本起点，将城市空间扩张在研究期内分为四个阶段，分别是2001—2004年、2004—2007年、2007—2010年、2010—2013年，以2001年—2013年DMSP/OLS夜間灯光数据提取的城镇建成区面积数据通过Arcgis10.2软件绘制如图3所示的城市空间扩展变化图，并通过不同的颜色对不同阶段的城市空间扩展予以区分。根据色块的分布情况，我们可以初步判断得出我国城市空间扩张主要集中在胡焕庸线的东侧区域，且有逐步连成片的趋势，如珠三角、长三角、京津冀等地区;而胡焕庸线西侧的区域的城市空间扩张变化幅度则相对较小且呈零散化、碎片化的发展，也有极个别城市的城市空间发生了急剧的膨胀，如内蒙古自治区的鄂尔多斯市在研究期内建成区面积扩张了接近5倍。
2.城市空间扩张的速率变化
研究城市空间扩张的时空特征，也可以利用土地利用动态模型来分析城市建成区面积的动态变化趋势。其相关计算公式如下：
式中：K表示城市空间扩张的动态变化幅度;Da表示期初城镇建成区面积;Db表示期末城镇建成区面积;T表示时间长度。结合上述公式，本文运用DMSP/OLS灯光数据提取的2001—2013年城市建成区面积的相关数据，计算各年份相应的城市空间扩张动态变化幅度（即城市建成区面积年增长速度），如表2和图4所示。
城市空间扩张的发展态势是城市社会经济发展等多种因素综合作用的结果，也意味着它可以从侧面反映社会经济发展。根据图4所示，城市建成区面积的扩张速率在研究期内呈现“W”型变动趋势，分别在2004年和2009年陷入增长低谷。查阅有关资料发现，2004年中央政府对于土地市场秩序进行深入的整顿和规范，全面清理了各类开发区，并且对农用地转非农建设用地实行为期半年的暂停审批;与此同时，还制定了《关于深化改革严格土地管理的决定》，这一系列举措有效遏制了各个城市无序的城市扩张，相当于拦腰斩断了城市空间的扩张面积，扩展面积仅相当于2003年的五分之三，也就降低了2004年城市空间的扩张速率（仅为2.92%）;而2009年是我国经济形势较为严峻的一年，企业倒闭、工厂关门、农民工提前返乡，中央政府为稳定经济增发展态势实施4万亿“铁、公、基”等基础设施的投资刺激计划，但由于投資建设需要一定的周期，因此并未在夜间灯光的测度中反映出来，从而导致2009年的城市建成区扩张面积缩减（2275km2）和扩张速率（1.10%）的下降。
综上，我国城市空间扩张总体上呈逐渐增长的趋势，但其扩张速率和年增长面积也会随着社会经济的变化而产生波动。
3.城市空间扩张的空间相关性分析
（1）城市空间扩张的全局自相关性。全局MoransI指数的计算公式如下：
上述公式中，xi表示第i个地区的观测值，n为地区总数，Wij为空间权重矩阵，表示区域i和区域j之间的影响程度。
本研究通过运用Stata14.0软件对于我国265个地级及以上城市2001—2013年的城市空间扩张的空间相关性进行检验。利用经济距离空间权重矩阵计算全局MoransI指数，其计算结果如表3所示。
由表3中的MoransI指数和P值的结果可知，2001-2013年，我国地级以上城市城市空间扩张MoransI指数均通过了在1%置信区间下的显著性检验，且MoransI指数的取值范围在0.178～0.233范围之间，这意味着我国265个地级及以上城市的空间扩张水平具有明显的空间相互作用。以时间序列为观察视角，我们可以发现，各城市之间的空间扩张的相关性呈现出逐步增强的趋势，这从侧面表明各城市之间具有一定的竞争性，或者说是晋升竞争所导致的各城市追逐模仿性。随着我国各城市经济水平的竞争压力不断增强，各城市政府官员为获取有利地位，就会在人才、企业、技术等各方面展开争夺与竞争，推动城市空间扩张。从2001-2013年各地级及以上城市的空间扩张整体的相关性检验中，MoransI指数为0.221且通过了1%水平下的显著性检验，总的来看，各地级及以上城市空间扩张依然具有较强的空间依赖关系，因此在城市空间扩张的驱动机制及的影响因素时不能忽略经济距离的作用和空间依赖关系。
（2）城市空间扩张的局域自相关性。运用Geoda软件绘制2001年和2013年城市空间扩张的LISA集聚图LISA集聚图，将城市空间扩张的局部差异可视化，研究其空间分布特征如图5和图6所示，LISA空间集聚图的颜色越深说明空间相关性越高。
由图5和图6可知，在2001-2013年期间我国城市空间扩张的空间特征发生了一些变化：其一，高-高集聚的城市有所增加，并且主要集中在沿海地区以及部分内陆省份的省会城市和中心城市，这与社会经济发展的需求相适应;其二，低-低集聚的城市有所减少，但其集中分布在内陆省份和西南区域的趋势没有发生根本性的变化，其中部分北方内陆城市由低-低集聚转变为低-高集聚;其三，总体上来说，我国城市空间扩张的空间差异还是比较明显的，沿海与内陆、省会城市与普通地级市之间存在较大的差距，但城市空间扩张的区域性空间集聚格局有所增强，整体上确实存在着正向的空间效应。
三、我国城市空间扩张驱动因素的实证分析
（一）指标选取与数据来源
通过分析我国城市空间扩张的变化趋势可知，我国大部分城市的空间扩张规模呈现急速增长趋向，并且在一定程度上存在着空间相互影响作用。社会因素、经济发展因素、政策制度因素会推动城市用地需求增加，促进城市空间扩张。因此，本文拟采用全国265个地级及以上城市2001-2013年的相关面板数据，从全国层面上整体分析城市空间扩张的驱动机制及其驱动因素。其中以城市空间扩张为被解释变量，在城市经济因素层面选用城市经济发展水平、社会固定资产投资、产业结构水平，在社会因素层面选用人口因素、交通基础设施建设、通勤成本，在政策制度因素层面选取对外开放程度、土地财政，共3个方面8个变量来研究城市空间扩张的驱动机制及驱动因素，具体如表4所示。
考虑到数据的可得性，本文选取2001—2013年全国265个地级及以上城市的相关指标数据，并运用空间计量模型进行回归分析。其中土地出让收入来自历年《中国国土资源统计年鉴》，历年汇率平均价和历年居民消费价格指数来自2014年《中国统计年鉴》，其余数据主要来自历年《中国城市统计年鉴》、《中国区域经济统计年鉴》、各城市历年《国民经济和社会发展统计公报》和《统计年鉴》，本文还利用插值法补齐了极个别缺失数据。表5为主要变量原始数据的描述性统计。
（二）模型构建
1.空间滞后模型
空间滞后模型，考虑了变量的内生交互效应，其形式上与时间滞后模型比较相似，但加入了空间权重矩阵，因此也被称为空间自回归模型（Spatial Autoregression Model，SAR）。其模型是：
CZit=αi+ρWCZit+β1Xit+ηt+εit
式中：被解释变量CZit表示i城市第t年的城市空间扩张规模;X表示控制变量;ρ为空间自相关系数;W为空间权重矩阵;β为估计参数;η表示时间固定效应;α表示未观测到的城市固定效应;ε为随机误差项，且一般满足ε=N（0，σ2）。
2.空间误差模型
空间误差模型是在线性模型的基础上考虑扰动项的空间滞后项，也是对因变量Y有影响但并未包含在自变量之中的因素存在某种空间依赖关系，或者是不可观测的随机冲击存在空间依赖关系。其表达式如下：
CZit=αi+β1Xit+λWεit+ηt
式中：Wεit为空间误差项，λ为空间误差系数，其他参数的解释同上。
3.设定空间权重矩阵
空间权重矩阵的本质是所研究对象之间的“距离”程度，该距离可以是地理距離，也可以是经济距离，甚至可以是“社会距离”（如人际关系的亲疏）。空间权重矩阵W的n*n阶表达形式如下所示：
式中：n为该矩阵空间单元的个数;wij代表i区域和j区域之间的空间依赖关系，其权重就越大，则这种空间依赖关系就越强，并且这种依赖性随着“距离”的增加而减小。在对空间数据进行实证研究之前，空间权重矩阵可以通过权重值计算获得。
本文选取经济距离权重矩阵，经济权重（Economic Based Weights Matrix）基于空间单元产生空间效应的经济指标（本文采用人均GDP）的绝对值来构建，取值为经济指标之差的绝对值的倒数。其表达式W为：
其中Yi=1T∑Tt=1Yit（区域i在t时间内的人均GDP的平均值），i≠j。同时为了减少和消除区域之间可能存在的外在影响，本研究将经济距离矩阵进行标准化，使得行元素之和为1。
（三）实证分析
因为我国城市空间扩张具有空间相关效应，因而可以选用空间滞后模型（SLM）和空间误差模型（SDM），同时选用空间计量模型也更加契合DMSP/OLS全球夜间灯光数据的空间属性。利用Stata14、Eviews和Geoda等软件对于空间计量经济模型进行回归分析，得到的相关空间计量结果如表6所示。
从表6中的结果观察得知，当模型中增加空间权重矩阵这一变量后，回归模型的拟合优度比较符合预期，一系列解释变量的回归估计系数在一定程度上得到优化，从系数显著性水平来看，面板数据空间滞后模型（SLM）和面板数据空间误差模型（SEM）的各个系数基本保持在1%的显著性水平上显著，相比较而言空间滞后模型（SLM）的整体拟合系数更高，故选择该模型来分析。
8个变量中，城市固定资产投资、交通基础设施、通勤成本、产业结构优化、人口规模扩大，对外开放水平显著提高了城市空间扩张水平。
城市固定资产投资在1%的置信区间下显著为正，表明城市固定资产投资每增加1个百分点，城市空间扩张则会增加5.52个单位，意味着随着固定资产投资的不断增加，城市空间扩张的效应也会愈加明显。由于我国的固定资产投资以政府为主导，且政府投资对于基础设施建设有特殊的偏好，因此加大社会固定资产投资会带动城乡基础设施建设，从而增加用地需求，推动城市空间扩张。此外，近些年来高投资的房地产业发展迅猛，使得住宅呈现蔓延式扩展，加剧了城市空间的扩张。
通勤成本（bus）和交通基础设施建设（road）的回归估计系数在1%的显著水平下显著为正，其中通勤成本每增加一个百分点，城市空间扩张会增加7.45个单位，而交通基础设施每改善一个百分点，城市空间扩张则会增加6.85个百分点，这意味着城市空间扩张与城市交通状况（或者说是交通通达度）的改善具有显著的正向联系。城市公共交通体系的完善，会相应地扩大城市的可达范围，为住宅区的向外拓展和工业区之间的相互紧密联系提供了便利，模糊了城市与乡村之间的边界，促进了城市空间的向外扩张。
产业结构方面，我国产业发展和升级需要足够的城市空间结构来承载，因此产业用地需求的增长显著。同时，随着高速工业化向高质量工业化的转变及环境规制强度的提高，许多企业迁往郊区，助推了城市空间的无序蔓延。另外，产业结构的高级化、服务化的发展也会推进城市空间的扩张，这是因为产业结构的服务化和高级化会增加产业附加值，也就意味着会增加其所在区域单位面积内的产业承载能力，拓宽服务范围和半径，从而产生一种扩散力，刺激人口、产业向城市外围迁移，推动城市扩张。
人口规模方面，城市人口规模的扩大也会促进城市空间扩张。随着社会的发展进步，进城务工人员逐步融入城市，推进了人口城市化进程，无论是城市户籍人口规模还是城市常住人口规模都在不断扩大，城市新居民的居住需求导致对公共服务设施、公共服务产品的需求也随之增加，土地开发强度和速度也增加。与此同时，高房价也会使更多的住房刚性需求从主城区向郊区转移，此外，城市中心的拥挤效应也会迫使追求高质量居住需求的居民向环境较好的城市郊区迁移，造成居住分散化，助推了城市土地空间的扩张。
对外开放水平的回归估计系数在1%显著性水平下显著为正，对外开放水平每提升一个百分点，城市空间扩张水平就提升0.3个百分点，表明对外开放水平对于城市空间扩张具有显著的正向作用。自从2001年加入世界贸易组织以后，我国逐步提升开放水平，慢慢将一些领域向外资开放，吸引国外资本和先进管理技术的进入，从而促进了我国相关产业的发展，增加了就业岗位，促进了国民经济尤其是城市经济的发展，也导致了用地需求的增加;同时地方政府为获得“政治晋升”的胜利而竞相以更加开放的优惠条件引进外资[19]，进一步加剧了我国城市空间扩张。
四、结论与讨论
（一）研究结论
我国的快速城镇化发展导致了城市空间的无序扩张，威胁到我国基本农田“十八亿亩红线”，不利于我国城镇化格局的协调发展。为了促进我国城市空间的可持续发展，本文从空间视角对于城市空间扩张驱动机制和驱动因素进行了实证研究。首先，本文運用Arcgis10.2等软件对于DMSP/OLS全球夜间灯光数据进行校正并提取城镇建成区面积的相关信息。然后，本文基于夜间灯光数据分析了我国城市空间扩张的时空特征，包括城市空间扩张的面积变化、速率变化和空间相关性。最后，本文通过构建空间回归模型对于城市空间扩张的驱动因素进行实证分析并进行了相关的讨论，得出如下结论。
1.我国城市空间在本研究期内进行了较为快速的扩张，增长幅度呈现较为平稳的态势，且主要集中在胡焕庸线的东侧区域，且有逐步连成片的趋势;城市建成区面积的扩张速率在研究期内呈现“W”型变动趋势，分别在2004年、2009年陷入增长低谷;各地级及以上城市空间扩张依然具有较强的正向空间依赖关系，总体空间差异逐渐减小。
2.本文基于城市空间扩张驱动机制的理论分析，总结提炼出影响城市空间扩张的三个方面的因素——经济因素、社会因素、政策制度因素，并构建了空间计量模型（SLM和SEM）研究分析城市空间扩张的驱动因素，得出以下结果：（1）我国城市空间扩张存在显著的空间相关性。空间滞后模型（SLM）中的空间滞后项Wcz和空间误差模型（SEM）中的空间误差项Wε的回归系数均显著为正，说明城市空间扩张存在明显的正向空间相关性，城市空间扩张受周围城市空间扩张水平的影响较大。（2）在城市经济因素方面，城市经济发展的代理变量的回归系数为正但不显著，这可能与我国正处于快速城镇化阶段有关;城市产业结构水平在1%的显著性水平下显著为正，产业结构优化升级推动城市空间扩张，这是因为我国整体上处于后工业化阶段，产业发展需要更多的城市空间来承载;城市固定资产投资在1%的置信区间下显著为正，表明固定资产投资增加会增加城市空间扩扩张。（3）在社会因素方面，人口规模的回归估计系数在1%的显著性水平下显著为正，表明城市人口规模的扩大也会促进城市空间扩张;通勤成本和交通基础设施建设的回归估计系数在1%的显著水平下显著为正。（4）在政策制度因素方面，土地财政的回归估计系数在10%的显著性水平下对城市空间扩张存在正向影响;对外开放水平对于城市空间扩张具有显著的正向作用。
（二）政策讨论
基于以上结论，本文提出如下三条政策讨论：
第一，改革土地制度，确认我国集体土地的产权制度，特别是农村土地和集体所有土地的界限、权利约束机制等，使城市空间扩张更加科学、理性，实现农村集体用地与城市国有土地的有效接轨，规范土地交易，完善土地出让制度，降低“地价剪刀差”，降低地方政府对于土地财政的依赖。我国城市土地扩张主要依靠农业用地转城市建设用地，缺乏有效的产权确认机制及相关监督体系，这也是造成我国城市空间蔓延的重要因素。
第二，提高城市发展质量，促进城市科学发展，实现经济、土地、人口、社会的城镇化有机协调。应完善社保、医疗、养老、户籍、教育、就业等民生方面相关制度，积极推进农村人口市民化，实现以人为中心的和谐发展理念，全面推动新型城镇化，完善以城市群为主体构建大中小城市和小城镇协调发展的城镇化发展格局。
第三，优化产业结构，提高各城市用地类型的利用效率。通过前文的分析得知，城市经济发展是城市空间扩张的主要驱动力，而产业结构是城市经济发展的重要命门。城市建设用地是工业化和城市化发展的基础，也是社会经济发展的必然要求。然而，土地资源是有限的，无论是城市建设储备用地还是农转非的耕地。因此，协调好经济发展的用地需求和土地稀缺性之间的关系，保障土地资源的可持续利用的意义深远。综上，我们应该严格控制非建设用地的流转，优化调整产业结构和产业布局，弱化产业发展对于耕地保护的破坏。
[参考文献]
[1] 刘盛和.城市土地利用扩展的空间模式与动力机制[J].地理科学进展，2002（01）：43-50.
[2]张少楠，李小建，史焱文.基于GIS的郑州城市建成区空间扩张及影响因素[J].河南科学，2017，35（11）：1883-1888.
[3]杨孟禹，蔡之兵，张可云.中国城市规模的度量及其空间竞争的来源：基于全球夜间灯光数据的研究[J].财贸经济，2017，38（03）：38-51.
[4]陈万旭，李江风，熊锦惠，等.基于GWR的中国城市用地扩张驱动力差异性研究[J].河南大学学报（自然科学版），2018，48（05）：522-530.
[5]郭瑞敏，千怀遂，李明霞，等.广州市城市扩张和经济发展之间的关系[J].资源科学，2013，35（02）：447-454.
[6]冯严超，王晓红.土地财政、金融发展与城市扩张[J].贵州财经大学学报，2019（01）：25-36.
[7]张耀宇，陈利根，宋璐怡.中国城市用地扩张驱动机制的差异性研究[J].资源科学，2016，38（01）：30-40.
[8]杨孟禹，张可云.中国城市扩张的空间竞争实证分析[J].经济理论与经济管理，2016（09）：100-112.
[9]李建伟，刘科伟，尹怀庭.城市新区功能定位的理论方法与实证研究[J].城市发展研究，2015，22（07）：71-81.
[10]杨建坤，曾龙.官员晋升激励推动了城市空间扩张吗：基于263个地级及以上城市的经验证据[J].现代经济探讨，2019（08）：25-34.
[11]刘琼，欧名豪，盛业旭，等.不同类型土地财政收入与城市扩张关系分析：基于省际面板数据的协整分析[J].中国人口·资源与环境，2014，24（12）：32-37.
[12]顾乃华，陈秀英.财政约束、城市扩张与经济集聚密度、劳动生产率变动[J].经济学家，2015（06）：30-40.
[13]高燕语，钟太洋.土地市场对城市建设用地扩张的影响：基于285個城市面板数据的分析[J].资源科学，2016，38（11）：2024-2036.
[14]李德仁，李熙.夜光遥感技术在评估经济社会发展中的应用：兼论其对“一带一路”建设质量的保障[J].宏观质量研究，2015，3（04）：1-8.
[15]曹子阳，吴志峰，匡耀求，等.DMSP/OLS夜间灯光影像中国区域的校正及应用[J].地球信息科学学报，2015，17（09）：1092-1102.
[16]刘修岩，李松林，秦蒙.城市空间结构与地区经济效率：兼论中国城镇化发展道路的模式选择[J].管理世界，2017（01）：51-64.
[17]张鹏强，余旭初，刘智，等.多时相遥感图像相对辐射校正[J].遥感学报，2006（03）：339-344.
[18]张梅，黄贤金，揣小伟，等.胡焕庸线两侧城镇建设用地变化及其碳排放差异[J].资源科学，2019，41（07）：1262-1273.
[19]王晗，董平，柯文前，等.江苏省外商投资与区域经济发展的时空关系[J].经济地理，2014，34（1）：22-27.
（责任编辑 文 格）
Temporal and Spatial Characteristics and Driving Factors of Urban Spatial Expansion in China
HE Xiong， WANG Shen-kun
（School of Public Administration，Zhongnan University of Economics and Law，Wuhan 430074，Hubei，China）
Abstract：This study uses DMSP / OLS global night light data from 2001 to 2013 to extract the dynamic changes of urban built-up area in China，analyze the temporal and spatial characteristics of urban spatial expansion in China，and uses spatial econometric models （SLM and SEM） to analyze the driving factors of urban spatial expansion.The conclusions are as follows：（1） Chinas urban spatial expansion generally shows a gradual growth trend，but its expansion rate and annual growth area will fluctuate with the changes of social economy.（2） Chinas urban spatial expansion has significant spatial correlation，strong positive spatial dependence，and the overall spatial difference gradually decreases.（3） Urban fixed asset investment，transportation accessibility，industrial structure optimization，population expansion，and the level of opening to the outside world have significantly improved the level of urban spatial expansion.
Key words：urban spatial expansion;DMSP/OLS global night lighting data;driving factors
