长三角地区城乡融合发展水平测度及其时空特征分析

施建刚 段锴丰 吴光东

摘要：城乡融合发展水平的科学测度是城乡关系问题由定性分析转向定量评估的基础。在科学把握城乡融合发展时代内涵的基础上，选取加速遗传算法投影寻踪模型测度了2003—2018年长三角地区27座中心区城市的城乡融合发展水平，并采用核密度估计、探索性空间分析、趋势面分析等方法对其城乡融合发展水平的时空特征进行了分析。研究发现：（1）在研究期内，长三角地区城乡融合发展水平总体上呈波动上升趋势;（2）苏州、无锡、上海的城乡融合发展水平明显高于其他城市，而安庆、池州、滁州则为城乡融合发展水平排名最后三位的城市;（3）该地区城乡融合发展水平空间分布存在显著的正向全局空间自相关性，且呈现出“弱相关→强相关→弱相关→强相关”的螺旋演进态势;（4）该地区城乡融合发展水平在东西方向和南北方向均大致呈现出“倒U型”的空间分异特征。

关键词：长三角; 城乡融合发展; 水平测度; 时空特征; 投影寻踪模型

F299.27 A 0078 12

一、 引 言

破除城乡二元结构壁垒，解决区域发展不平衡不充分问题，是缓解“人民日益增长的美好生活需要和不平衡不充分的發展之间的矛盾”的关键所在，也是实现共同富裕的必然要求。城乡关系是最基本的社会经济关系[1]，在区域发展过程中，必须将城市和乡村作为一个有机整体，缩小城乡发展差距，促进城乡良性互动、协调共生，进而实现由城乡分离走向城乡融合之转变。为此，中国政府相继于2002年十六大报告中提出“城乡统筹发展”、2012年十八大报告中提出“城乡发展一体化”以及2017年十九大报告中提出“城乡融合发展”等重大战略性论述。从“城乡统筹发展”到“城乡发展一体化”，再到“城乡融合发展”，这一过程本质上是“城乡融合”思想在不同历史阶段的继承与升华①，这种政策导向的演进反映了我国对形塑新型城乡关系的不懈努力和逐步深化，顺应了不同历史阶段城乡关系演进的时代特征及发展趋势[23]。

在中国城乡关系由二元结构走向融合发展的演进过程中，如何科学定量地衡量城乡关系的演进状态成为学术界需要重点关注的课题，而城乡融合发展水平的科学测度是城乡关系问题由定性分析转向定量评估的基础。现有研究主要通过构建综合评价指标体系对城乡关系演进状态进行定量测度。例如，周江燕等[4]、周佳宁等[5]、赵德起等[6]对全国省域层面的城乡一体化、融合状态进行了定量评价，从全国整体视角探索了城乡关系的演进状态。由于我国幅员辽阔，不同地区自然条件和人文地理环境差异明显，故城乡关系研究亦有必要落实到区域层面，因地制宜地探索区域城乡融合发展的现实状态，方能有效制定促进不同区域城乡融合的方针政策。为此，在区域层面，漆莉莉[7]、刘融融等[8]、张新林等[9]、张海朋等[10]分别对我国中部地区、西北地区、淮海经济区和环首都地区的城乡融合、协调发展程度进行了定量测度。

尽管现有研究对城乡关系演进状态开展了较为丰富的定量探索，但其研究尺度多集中在国家或省域层面，对城市尺度的分析较为缺乏，且缺少对区域内部城乡融合发展水平时空特征的考察。此外，鲜有研究对长江三角洲（以下简称“长三角”）地区的城乡融合发展水平进行定量测度。长三角地区是我国综合实力最强的区域之一，在我国社会主义现代化建设全局中具有重要的战略地位和突出的带动作用。该地区以上海，江苏省的南京、苏州、无锡、常州、盐城、泰州、扬州、镇江、南通，浙江省的杭州、温州、宁波、湖州、金华、嘉兴、绍兴、台州、舟山，安徽省的合肥、马鞍山、芜湖、铜陵、滁州、安庆、池州、宣城27座城市为中心区，辐射带动整个地区高质量发展。城乡融合发展作为解决长三角地区城乡矛盾的重要手段，对促进该地区区域一体化发展具有重要意义。鉴于此，本文以长三角地区为研究对象，在科学把握城乡融合发展时代内涵的基础上，构建了一套城乡融合发展水平测度指标体系，并基于2003—2018年该地区27座中心区城市的面板数据对城乡融合发展水平进行评价，进而对其城乡融合发展水平的时空特征进行了分析。本文的研究结果不仅可以丰富现有城乡融合理论体系，亦可为制定促进长三角地区城乡融合发展的方针政策提供科学依据。

二、 城乡融合发展的内涵阐释

当前，城乡融合发展已经明确成为主导中国未来城乡关系演进的核心方向[11]。伴随着新时代工业化、信息化、城镇化和农业现代化的快速推进，城乡经济社会联系日益紧密，空间关联不断增强，城乡融合发展被不断赋予新的时代内涵。不同学科领域通常从不同角度对城乡融合发展的本质进行解读。以刘易斯二元经济论为代表的新古典经济学理论从城乡资源配置的角度探讨城乡融合发展的内涵，认为城乡融合应追求城乡资源要素的优化组合以实现生产效益最优[1213]。社会学理论强调城乡区域以及城乡参与主体之间的公平性，认为城乡融合发展意味着城乡居民享受平等的社会福利、均等的公共服务以及同质的生活条件[14]。生态学理论认为，城乡融合发展是指城乡区域生态群落合理分布，城乡经济社会发展与生态环境和谐共生，共同实现可持续发展[1516]。经济地理学在传统经济学的基础上继续拓展，强调城乡融合发展必须注重城乡区域的空间关联[1718]，认为城乡融合是以一体化基础设施体系和交通体系为支撑，城乡空间实现动态均衡的过程[1920]。系统论则将城乡融合发展视为城乡相互作用形成的多层次、多要素的复杂关联系统，主张城乡融合应是经济、人口（人类）、社会、区域（空间）、环境（自然）等多维系统的协调有序发展[1][21]。

基于上述理论背景，多数学者认为，城乡要素的双向自由流动是城乡融合发展的关键，城乡融合发展本质上是在城乡发展要素自由流动、公平和共享的基础上实现城乡协调、一体化发展[1][6][11][20][2223]。例如，高帆[23]从四个方面描绘了城乡融合发展的时代内涵，其认为城乡融合发展意味着：（1）城乡要素流动性与再配置功能增强;（2）城乡产业多样化特征增强;（3）城乡空间交错化程度攀升;（4）城乡居民社会福利均等化程度提高。根据流动要素的类型，部分学者认为城乡融合发展的核心在于实现“人”“地”以及“资本”的融合[8][24]。此外，学者们普遍认为，城乡融合发展应强调从经济一维向社会（生活）、经济、空间、生态环境等多维度拓展，并重视不同维度之间的平衡发展[9][16]。例如，何仁伟[20]应用城乡空间均衡模型和等值化曲线刻画了城乡融合发展的内涵与机理，指出城乡融合发展是基于空间结构优化及制度供给创新的社会、经济、环境全面融合的发展，其最终目标是为了实现城乡多维均衡发展、居民生活品质相当。杨志恒[25]认为，城乡融合发展是以城乡资源要素流动为主线，通过协调制度、产业、设施和生态环境等方面以实现经济协作联合、空间平等有序、生态本底约束以及社会相互认同的发展。周佳宁等[5][2627]将“流空间”和“城乡等值化”的理念置于中国城乡关系发展背景下，提出城乡融合发展应该体现为经济、社会、人口、空间和生态环境的多维空间重构。

基于上述对城乡融合发展的内涵阐释，本文认为，城乡融合发展的本质内涵在于，以尊重城乡功能特征及分工差异为前提，以城乡要素自由流动和资源公平共享为基础，通过经济自发力量与政策制度力量相结合，破除城乡二者在经济、社会、空间等维度的二元对立关系，实现城乡经济、人口、社会、空间及生态多维度全面协调共生、良性互动、深度融合和共同繁荣。

三、 评价指标体系构建和数据获取

（一） 评价指标体系构建

城乡融合发展既是城乡关系演进的目标，也是一种状态和过程。因此，城乡融合发展水平测度指标体系中应同时包含反映“城乡差距缩小”的对比类指标以及反映“城乡共同繁荣”的状态类指标。为了科学测度长三角地区各中心区城市2003—2018年的城乡融合发展水平，基于上述城乡融合发展的本质内涵，参考当前涉及城乡融合发展水平评价的现有文献[5][17]，同时遵循系统性、科学性、全面性和可获得性等原则，本文从“经济融合”“人口融合”“社会融合”“空间融合”和“生态融合”五个维度设计构建了城乡融合发展水平测度指标体系，如表1所示。

（二） 数据获取

城乡融合发展水平测度所使用的相关原始数据主要来源于长三角地区各中心区城市历年统计年鉴、《中国城市统计年鉴》、政府网站以及统计公报等;对于部分缺失的数据采用线性插值法的方式进行补全。

四、 研究方法

（一） 加速遗传算法投影寻踪模型（RAGA-PPC）

考虑到城乡融合发展水平评价指标体系的多维特征，本文采用加速遗传算法投影寻踪模型（RAGA-PPC）对长三角地区城乡融合发展水平进行科学评价。该方法将投影寻踪模型（Projection Pursuit Classification， PPC）和基于实数编码的加速遗传算法（Real Coded Accelerating Genetic Algorithm， RAGA）相结合，综合了PPC和RAGA方法各自的优势[28]。同传统的主、客观赋值方法相比，该方法可有效避免主观因素的影响，同时得出的评价结果也相对客观，因而更具适用性、稳健性和准确性。应用RAGA-PPC方法测度长三角地区城乡融合发展水平的主要步骤如下：

步骤1 评价样本指标集的归一化处理。以长三角地区各中心区城市作为研究对象，构建各指标的初始样本集合：{X*（i，j）|i=1，2，3，…，n;j=1，2，3，…，p}。其中X*（i，j）为第i个样本城市的第j个评价指标值，n，p分别为样本城市的个数和评价指标的数目。为消除量纲对整体评价结果的影响，对采集的数据进行归一化处理：

若该指标属性为“正”：

X（i，j）=X（i，j）-Xmin（j）Xmax（j）-Xmin（j）（1）

若该指标属性为“负”：

X（i，j）=Xmax（j）-X（i，j）Xmax（j）-Xmin（j）（2）

其中，Xmin（j）和Xmax（j）分别为第j个评价指标的最小值和最大值，X（i，j）为评价指标值的归一化处理结果。

步骤2 投影指标函数的构建。PPC可以将p维数据{X（i，j）|i=1，2，3，…，n;j=1，2，3，…，p}综合成以a={a（1），a（2），…，a（p）}为最佳投影方向的一维投影值Z（i）。

Z（i）=∑pj=1a（j）·X（i，j）， i=1，2，…，n（3）

其中，a为单位长度向量。投影指标函数Q（a）的表达式为：

Q（a）=Sz·Dz（4）

其中，Sz和Dz分别为投影值Z（i）的标准差和局部密度，计算公式如下：

Sz=∑ni=1[Z（i）-E（z）]2n-1（5）

Dz=∑ni=1∑nj=1[R-r（i，j）]·u[（R-r（i，j））]（6）

其中，E（z）为投影值Z（i）的平均值，R为局部密度的窗口半径。R的取值要确保窗口内投影点的个数不能过少，避免滑动平均偏差太大，可根据多次试验来确定。r（i，j）代表样本之间的距离，r（i，j）=|Z（i）-Z（j）|。u（R-r（i，j））为单位跃阶函数。当R≤r（i，j）时，该函数值为0;当R≥r（i，j）时，该函数值为1。

步骤3 投影指标函数的优化。对于确定的樣本指标集，投影方向a的变化会导致投影指标函数Q（a）发生变化，投影指标函数取最大值时，对应的向量反映了最佳投影方向，即最大概率暴露多维度数据结构特征的投影方向。最佳投影方向可以通过应用RAGA方法求解高维全局非线性最优问题进行估计。在本文中，选定父代初始种群规模 N = 400，交叉概率ρ= 0.80，变异概率ρm=0.80，优秀个体数目选定为n=15个，a=0.05，加速次数为30。经运算得出最佳投影值a*，然后将其代入式（4）可以得到最大化目标函数，即：

Max Q（a）=Sz·Dz（7）

s.t.∑pj=1 a2（j）=1， a∈[0，1]（8）

步骤4 综合评价分析。将步骤3求得的最佳投影向量a*代入式（3），可得到各样本城市的投影值Z*（i），即长三角地区27座中心区城市的城乡融合发展水平值。

（二） 核密度估计（KDE）

为探究长三角地区城乡融合发展水平的动态变化趋势，本文应用核密度估计法（Kernel Density Estimation， KDE）对其时序动态演进特征进行分析。核密度估计法可以通过探究函数曲线收敛范围以及收敛度的变化，对城乡融合发展水平总体差异在不同阶段的动态演进状况进行可视化展示。其优势在于：（1）可通过连续的密度曲线对随机变量的数据分布形态以及时序动态演进状况进行直观呈现，而不需要进行任何形式的模型参数假设。（2）可直接对随机变量本身的数据特征进行分析，避免了参数模型估计形式的主观影响。结合分布形式以及核密度函数图的位置、形状和峰度特征，可以对长三角地区城乡融合发展水平在不同时期的变化情况进行判断，从而探究其时序动态演进特征。

（三） 探索性空间分析（ESDA）

探索性空间分析（Exploratory Spatial Data Analysis， ESDA）是一种揭示变量之间的空间异质性、空间依赖性以及空间自相关性的方法[29]。地理学第一定律认为，事物之间存在一定程度上的相互关联。随着区域城乡之间联系日益紧密，要素流动不断加强，同一区域内的城乡发展必定存在紧密关联[5]，故此本文采用ESDA方法中主流的Morans I指数来度量长三角地区城乡融合发展水平的空间相关性。Morans I指数可分为全局Morans I指数和局域Morans I指数，分别可用来探究样本整体和局域的空间集聚或离散状况。二者的计算公式分别为：

I=∑ni=1∑nj=1ωij（xi-）（xj-）S2∑ni=1∑nj=1ωij（9）

Ii=（xi-）∑nj=1ωij（xj-）S2（10）

式中，xi和xj分别代表区域i和j的地理属性观测值，为观测值的平均数。n代表样本城市的个数。S2为样本方差。ωij为地理距离空间权重矩阵，ωij=1/dij2，dij表示两座城市的地理空间质心欧式距离[26]。I为全局Morans I指数，其取值范围为[-1，1]。若I>0，则说明存在空间正相关效应;若I<0，则说明存在空间负相关效应;若I=0，则表示不存在空间自相关效应，即属性数据在空间上随机分布。Ii为局域Morans I指数，可以反映本地区域观测值同周围相邻区域观测值之间的相似程度。若Ii>0，说明局部区域相邻要素同类属性的相似值空间集聚;若Ii<0，则说明局部区域相邻要素不同类属性的非相似值空间集聚;若Ii=0，则表示局部区域相邻要素值空间随机分布[30]。根据局域Morans I指数，可以将局域空间集聚分为高值—高值相邻（High-High，HH）、低值—高值相邻（Low-High，LH）、低值—低值相邻（Low-Low，LL）和高值—低值相邻（High-Low，HL）四种类型。

（四）趋势面分析

趋势面分析是一种利用数学曲面模拟呈现地理系统要素在空间上的分布规律和变化趋势的方法。其本质上是通过运用回归分析的原理，以最小二乘法拟合一个二维非线性函数，进而直观地呈现地理要素在空间上的分布规律和变化趋势。趋势面分析方法可以帮助揭示长三角地区各中心区城市城乡融合发展水平的空间分异规律。

五、 结果分析

（一） 长三角地区城乡融合发展水平的总体变化特征分析

运用加速遗传算法投影寻踪模型，得出长三角地区27座中心区城市城乡融合发展水平均值，如图1所示。可以发现，2003—2018年16年间长三角地区城乡融合发展水平总体上呈现波动上升趋势。其中，2003—2008年为城乡融合发展水平快速上升阶段，而2008—2018年为城乡融合发展水平波动阶段。总体来看，长三角地区城乡融合发展水平上升幅度不大，年增长率仅为0.49%。

运用核密度估计法，本文分别对2003年、2008年、2013年和2018年长三角地区城乡融合发展水平进行了核密度估计，以此从全域视角刻画长三角地区城乡融合发展水平的时序演进特征（见图2）。

首先，从核密度年度曲线的重心位置来看，2003—2008年重心位置向右迁移，2008—2013年向左迁移，2013—2018年则基本保持不变。这表明在研究期内长三角地区城乡融合发展水平整体呈现出先上升后下降继而水平波动的演进特征。

其次，从核密度曲线主峰的波峰高度来看，2003—2008年有所上升，2008—2013年略微下降，2013—2018年则出现较大幅度的回升。这说明长三角地区各城市间城乡融合发展水平差异呈现先缩小再扩大继而再缩小的变化趋势。

再次，从核密度曲线的波峰数量来看，2008年和2018年出现主峰和次峰双峰共存的情况，说明这两年长三角地区各城市的城乡融合发展水平呈现一定程度的两极分化格局。2003年和2013年的波峰个数仅为1个，说明未出现两极分化。

最后，从核密度曲线的左右拖尾来看，各年对应曲线的左侧拖尾大于右侧拖尾，呈现左偏分布的特征，且2003—2018年左侧拖尾呈加长趋势。这表明左侧城市的数量较右侧更多，即研究期内城乡融合发展水平值小于平均值的城市个数更多，且低值区城市占比有所增加，城乡融合发展水平低值集聚分布明显。

由核密度分析可以发现，总体来看，长三角地区城乡融合发展在整体发展水平、城市间差异、极化程度等方面均体现了随时间波动变化的动态演进特征。

（二） 长三角地区城乡融合发展水平的城市层面分析

根据长三角地区27座中心区城市的城乡融合发展水平测度结果，绘制各城市2003—2018年城乡融合发展水平箱形图，如图3所示。

箱形图的优势在于它不仅可以反映数据的离散分布情况，还可以进行多组数据分布特征的比较。图3中每座城市对应的箱形图最上部和最下部两条水平线分别代表箱形图的上边缘和下边缘;箱形的上下两边分别代表上四分位点和下四分位点;箱形内部的水平横线代表的是城乡融合发展水平的中位数，可以用于比较各城市城乡融合发展程度的平均水平;箱形图附近的圆点则代表异常值。

由图3可以看出，安庆、滁州、合肥、上海、温州、舟山等城市對应的箱形较长，说明这些城市的城乡融合发展水平值在2003—2018年期间波动较大;相比之下，常州、金华、南京、苏州、扬州等城市的城乡融合发展水平16年内的变化幅度不大，保持了稳健的发展态势。对比各城市的城乡融合发展水平中位数可以发现：苏州、无锡、上海三座城市的城乡融合发展水平明显高于其他城市;其余城乡融合发展水平相对领先的城市有常州、杭州、湖州、嘉兴、南京、宁波、扬州、镇江、舟山等;而安庆、池州和滁州则为城乡融合发展水平排名最后三位的城市，有必要因地制宜进行政策引导，促进其城乡融合发展。从省级层面来看，江苏和浙江两省的城乡融合发展水平高于安徽省，这与区域城乡经济社会发展及城镇化水平有一定关系。

（三） 长三角地区城乡融合发展水平的时空格局演变

1. 全局空间格局演变特征

利用全局Morans I指数计算公式，借助GeoDa软件对2003—2018年长三角地区各年城乡融合发展水平的全局Morans I指数进行测算，测度结果如图4所示。

结果显示：2003—2018年长三角地区各年城乡融合发展水平的全局Morans I指数均为正值，在0.209—0.618之间，且各年的P-Value均小于0.05，即各年均通过了显著性检验。这一结果表明，研究期内长三角地区城乡融合发展水平空间分布存在显著的正向全局空间自相关性，即本地城市的城乡融合发展水平不仅会对相邻城市产生影响，也会受到相邻城市的影响。总体来看，2003—2018年全局Morans I指数呈现出先上升后下降再上升的变化趋势，说明在整个研究期内长三角地区城乡融合发展水平的全局空间自相关性呈现出“弱相关→强相关→弱相关→强相关”的螺旋演进态势。

2. 局域空间格局演变特征

全局Morans I指数虽然可以从宏观上验证长三角地区城乡融合发展水平存在正向全局空间自相关性，但是无法对该地区的局域空间格局特征进行具象化展示。故此，有必要利用局域Morans I指数来刻画长三角地区城乡融合发展水平的局域空间格局特征。为了考察该地区城乡融合发展水平的局域空间分异变化，本文绘制了2003年、2008年、2013年和2018年城乡融合发展水平的局域Morans I散点图，如图5所示。

图5通过四个象限将局域空间格局形态划分为四类：（1）第一类为高—高集聚型（HH，位于第一象限）。该类型代表本区域城乡融合发展水平较高，其周围相邻城市的城乡融合发展水平也相对较高，表现为“中心高，四周高”的高水平空间均衡关联集聚状态。（2）第二类为低—高集聚型（LH，位于第二象限）。该类型代表本区域城乡融合发展水平较低，但其周围相邻城市的城乡融合发展水平相对较高，表现为“中心低，四周高”的空间非均衡关联集聚状态。（3）第三类为低—低集聚型（LL，位于第三象限）。该类型代表本区域城乡融合发展水平较低，其周围相邻城市的城乡融合发展水平也相对较低，表现为“中心低，四周低”的低水平空间均衡关联集聚状态。（4）第四类为高—低集聚型（HL，位于第四象限）。该类型代表本区域城乡融合发展水平相对较高，但是其周围相邻城市的城乡融合发展水平相对较低，表现为“中心高，四周低”的空间非均衡关联集聚状态。参考已有类似研究成果[31]，将HH型地区定义为扩散互溢区，LH型地区定义为极化效应区，LL型地区定义为低速增长区，HL型地区定义为落后过渡区。由图5可以看出：长三角地区城乡融合发展在各阶段均存在一定程度上的局部空间集聚现象，扩散互溢区和低速增长区两种空间分异特征占据该地区城乡融合发展演变的主导;城乡融合发展的整体水平形成了以上海、苏州、无锡、嘉兴等城市为代表的高值簇（HH）和以池州、安庆、芜湖、马鞍山等城市为代表的低值簇（LL）为主的局部空间集聚特征，在空间上大致呈现为以上海和安庆为端点，由东向西逐级递减的阶梯状分布格局。

从研究期内各年四种类型城市数量的变化情况来看（图6），2003—2018年长三角地区城乡融合发展水平的局域空间格局总体上呈现“HH>LL>HL>LH”的数量特征。由局域空间格局演变特征不难发现，长三角地区城乡融合发展水平存在较大程度上的空间邻近同伴效应（HH和LL类型城市数量明显高于HL和LH类型城市数量），即当本地区周围相邻城市的城乡融合发展水平较高（低）时，本地区也更容易成为较高（低）城乡融合发展水平的城市，由此则形成了“弱者恒弱、强者恒强”的局域空间集聚格局。该空间格局形成的主要原因在于：长三角地区相邻城市在经济、社会、文化、资源禀赋等方面相似度较高，空间距离较近，交通成本较低，信息获取方便快捷，城市间相互联系频繁，因而在城乡融合发展相关政策措施的执行方面存在较大程度上的关联性，故而形成了地理上的空间溢出效应。总体来看，HH类型城市数量在波动中略微上升;LL类型城市数量则呈较明显的波动下降趋势;HL类型和LH类型城市基本维持在低数量波动态势中，该结果反映了研究期内长三角地区城乡融合发展空间格局中低水平集聚状态的城市正在朝高水平集聚状态的方向缓慢发展。

3. 长三角地区各中心区城市城乡融合发展水平的时空格局演变

选取研究期内2003年、2008年、2013年和2018年作为四个关键时间节点年份，运用ArcGIS软件中自然间断点法将长三角地区各中心区城市城乡融合发展水平划分为四个等级梯度，绘制各年的空间分布示意图，如图7所示。

图斑颜色由深到浅分别从高到低对应城乡融合发展水平的四个梯度。由图7可以看出：长三角地区城乡融合发展呈现出较明显的空间集聚效应，城乡融合发展水平接近的区域大多呈连片分布;城乡融合发展水平的相对高值区主要分布在长三角地区的中东部区域，而其相对低值区则主要分布在西部区域以及南部部分城市。结合各中心区城市城乡融合发展水平具体值的变化趋势来看，2003—2008年城市间城乡融合发展差距缩小，除上海和铜陵的城乡融合发展水平有所降低外，其余城市城乡融合发展水平均出现不同程度的提高。其中，泰州和湖州的城乡融合发展等级由第三梯度发展为第二梯度，常州和嘉兴则由第二梯度跻身为第一梯度;值得一提的是，尽管这一阶段金华的城乡融合发展水平有所提高，但由于其增长幅度有限，该城市的城乡融合发展等级却由第三梯度下降为第四梯度。2008—2013年期间城市间城乡融合发展差距略微增加，无锡、温州、湖州、嘉兴、合肥、铜陵、滁州7座城市的城乡融合发展水平有所增加，其余20座城市的城乡融合发展水平均出现下降情况。合肥、金華、温州的城乡融合发展等级由第四梯度上升为第三梯度这一阶段金华的城乡融合发展水平略微有所降低，但其下降幅度低于长三角地区整体水平的下降程度，故而该城市的城乡融合发展等级由第四梯度上升为第三梯度。，湖州和杭州则由第二梯度发展为第一梯度。2013—2018年期间，长三角地区城市间城乡融合发展差距再次缩小，南京、盐城、镇江、宁波、绍兴、舟山、台州、合肥、芜湖、安庆和池州11座城市的城乡融合发展水平出现不同程度的上升，其余16座城市的城乡融合发展水平则出现下降。其中，铜陵和金华的城乡融合发展等级由第三梯度下降为第四梯度，合肥、盐城、台州由第三梯度上升为第二梯度，南京和宁波由第二梯度跻身为第一梯度，而上海、常州、嘉兴、杭州则由第一梯度下降为第二梯度。

4. 长三角地区城乡融合发展水平的趋势面分析

利用ArcGIS软件中的全局趋势面分析工具，将2003—2018年期间长三角地区城乡融合发展水平作为高度属性Z值，各中心区城市的地理坐标作为水平属性X，Y值，采用二阶趋势面函数进行拟合，从全局层面拟合城乡融合发展水平同地理位置的函数关系，拟合结果如图8所示（图中X轴代表东西方向，Y轴代表南北方向）。

图8显示：（1）整体来看，长三角地区城乡融合发展水平在东西方向和南北方向均大致呈现出“倒U型”的空间分异特征。（2）从具体表征来看，东西方向城乡融合发展水平从西部区域安庆、池州、合肥、铜陵等城市向中、东部区域常州、无锡、湖州、嘉兴、苏州、上海等城市大幅度递增，而至宁波、舟山等最东部城市出现小幅度回落。南北方向城乡融合发展水平则由南部区域温州、台州、金华、绍兴等城市逐步过渡到中部上海、湖州、嘉兴、苏州、无锡、常州等城市，进而到北部区域泰州、扬州、滁州、盐城等城市;其中以上海、苏州、无锡等城市为代表的中部区域城乡融合发展水平最高，分布在“倒U型”曲线的波峰位置，且保持稳定分布。（3）从各年空间分异的变化趋势来看，2003—2018年长三角地区城乡融合发展的空间分异规律基本保持不变。东西方向上，西部、中部和东部区域城市间城乡融合发展差距呈先扩大再缩小的趋势，至2018年东部区域城乡融合发展的相对水平明显提高，出现由西向东递增演变的特征;南北方向上，南部、中部和北部区域城市间的城乡融合发展差距也呈现出先扩大再缩小的趋势，至2018年北部区域城乡融合发展的相对水平明显提高，大致呈现由南向北递增演变的特征。

六、 结论与启示

本文在科学阐释城乡融合发展时代内涵的基础上，应用加速遗传算法投影寻踪模型对2003—2018年长三角地区27座中心区城市的城乡融合发展水平进行了测度，进而运用核密度估计、探索性空间分析、趋势面分析等方法分析了该地区城乡融合发展的时空特征。

研究的主要结论如下：（1）2003—2018年长三角地区城乡融合发展水平总体上呈波动上升趋势，且体现出先上升后下降继而水平波动的演进特征;各中心区城市间城乡融合发展水平差异呈先缩小再扩大继而再缩小的变化趋势，且低值集聚分布明显。（2）苏州、无锡、上海的城乡融合发展水平明显高于其他城市，而安庆、池州和滁州则为城乡融合水平排名最后三位的城市。（3）研究期内，该地区城乡融合发展水平空间分布存在显著的正向全局空间自相关性，且呈现出“弱相关→强相关→弱相关→强相关”的螺旋演进态势。该地区城乡融合发展的整体水平形成了以上海、苏州、无锡、嘉兴等城市为代表的高值簇（HH）和以池州、安庆、芜湖、马鞍山等城市为代表的低值簇（LL）为主的局部空间集聚特征，在空间上大致呈现为以上海和安庆为端点，由东向西逐级递减的阶梯状分布格局，且低水平集聚状态的城市正在朝高水平集聚状态的方向缓慢发展。（4）长三角地区城乡融合发展水平在东西方向和南北方向均大致呈现出“倒U型”的空间分异特征。

根据上述研究结论，本文得出以下几点政策启示：第一，应对长三角地区城乡融合发展的现实状态及时进行評估，综合考虑各地区城乡资源禀赋、经济发展阶段和产业结构特点等方面的差异性，因城施策制定促进各地区城乡融合发展的方针政策。第二，应适当增加对长三角西部和南部区域城乡发展的政策倾斜和资金支持，通过出台具体政策引导城乡融合发展水平相对落后的城市向东部、北部城市借鉴城乡发展经验，并加大资金投入，改善西部和南部地区农村公共服务和基础设施供给。第三，应制定区域内部城乡发展定向合作计划，加强长三角地区城际协同合作，充分发挥东北部地区对西南部地区城乡融合发展的溢出效应。

刘彦随.中国新时代城乡融合与乡村振兴[J].地理学报，2018，73（4）：637650.

[2] 姜长云.科学理解推进乡村振兴的重大战略导向[J].管理世界， 2018， 34（4）： 1724.

[3] 施建刚，段锴丰，吴光东，等.碳排放约束下长三角地区城乡融合发展效率[J] .经济地理，2021，41（6）：5767.

[4] 周江燕，白永秀.中国城乡发展一体化水平的时序变化与地区差异分析[J].中国工业经济，2014（2）：517.

[5] 周佳宁，秦富仓，刘佳，等.多维视域下中国城乡融合水平测度、时空演变与影响机制[J].中国人口·资源与环境，2019，29（9）：166176.

[6] 赵德起，陈娜.中国城乡融合发展水平测度研究[J].经济问题探索，2019（12）：128.

[7] 漆莉莉.中部地区城乡融合度的综合评价与分析[J].江西财经大学学报，2007（4）：1013.

[8] 刘融融，胡佳欣，王星.西北地区城乡融合发展时空特征与影响因素研究[J].兰州大学学报（社会科学版），2019，47（6）：106118.

[9] 张新林，仇方道，朱传耿.时空交互视角下淮海经济区城乡融合发展水平演化[J].自然资源学报，2020，35（8）：18671880.

[10] 张海朋，何仁伟，李光勤，等.大都市区城乡融合系统耦合协调度时空演化及其影响因素——以环首都地区为例[J].经济地理，2020，40（11）：5667.

[11] 戈大专，龙花楼.论乡村空间治理与城乡融合发展[J].地理学报，2020，75（6）：12721286.

[12] 陈钊，陆铭.从分割到融合：城乡经济增长与社会和谐的政治经济学[J].经济研究，2008（1）：2132.

[13] 金成武.中国城乡融合发展与理论融合——兼谈当代发展经济学理论的批判借鉴[J].经济研究，2019，54（8）：183197.

[14] 杨林，郑潇.城市具备城乡融合发展的承载力吗？——来自100个地级市的证据[J].东岳论丛，2019，40（1）：121132.

[15] 刘玉邦，眭海霞.绿色发展视域下我国城乡生态融合共生研究[J].农村经济，2020（8）：1927.

[16] 施建刚.增强城乡融合发展的整体性协调性可持续性[J].国家治理，2020（21）：911.

[17] 廖祖君，王理，杨伟.经济集聚与区域城乡融合发展——基于空间计量模型的实证分析[J].软科学，2019，33（8）：5460，72.

[18] 车冰清，朱传耿，仇方道.淮海经济区城乡空间融合格局及形成机制[J].自然资源学报，2020，35（8）：18971907.

[19] 车冰清，陆玉麒，王毅.江苏省城乡空間融合的形态演化研究[J].长江流域资源与环境，2017，26（7）：10221031.

[20] 何仁伟.城乡融合与乡村振兴：理论探讨、机理阐释与实现路径[J].地理研究，2018，37（11）：21272140.

[21] 张富刚，刘彦随.中国区域农村发展动力机制及其发展模式[J].地理学报，2008（2）：115122.

[22] 刘春芳，张志英.从城乡一体化到城乡融合：新型城乡关系的思考[J].地理科学，2018，38（10）：16241633.

[23] 高帆.中国新阶段城乡融合发展的内涵及其政策含义[J].广西财经学院学报，2019，32（1）：112，35.

[24] 刘明辉，卢飞.城乡要素错配与城乡融合发展——基于中国省级面板数据的实证研究[J].农业技术经济，2019（2）：3346.

[25] 杨志恒.城乡融合发展的理论溯源、内涵与机制分析[J].地理与地理信息科学，2019，35（4）：111116.

[26] 周佳宁，毕雪昊，邹伟.“流空间”视域下淮海经济区城乡融合发展驱动机制[J].自然资源学报，2020，35（8）：18811896.

[27] 周佳宁，邹伟，秦富仓.等值化理念下中国城乡融合多维审视及影响因素[J].地理研究，2020，39（8）：18361851.

[28] 颜丽娟.加速遗传算法的投影寻踪模型在新农村建设评价中的应用[J].农业技术经济，2013（8）：9097.

[29] 王录仓，武荣伟，梁炳伟，等.中国农业现代化水平时空格局[J].干旱区资源与环境，2016，30（12）：17.

[30] 卢新海，杨喜，陈泽秀.中国城市土地绿色利用效率测度及其时空演变特征[J].中国人口·资源与环境，2020，30（8）：8391.

[31] 张立生.县域城镇化时空演变及其影响因素——以浙江省为例[J].地理研究，2016，35（6）：11511163.

The Measurement of the Urban-Rural Integration Development Level

in the Yangtze River Delta Region and the Analysis

of Its Spatio-Temporal Characteristics

SHI Jiangang1， DUAN Kaifeng1， WU Guangdong2

1. School of Economics and Management， Tongji University， Shanghai 200092， China;

2. School of Public Policy and Administration， Chongqing University， Chongqing 400044， China

The scientific measurement of the level of urban-rural integration development （URID） is the basis for the transition of urban-rural relationship study from qualitative analysis to quantitative assessment. Based on a scientific understanding of the connotation of URID， this paper measures the level of URID of 27 central cities in the Yangtze River Delta Region during 2003～2018 by applying the real coded accelerating genetic algorithm-projection pursuit classification （RAGA-PPC） method， and analyzes the spatio-temporal characteristics of URID by utilizing the methods including kernel density estimation， exploratory spatial data analysis and trend surface analysis. Results show that during the study period， the level of URID in the Yangtze River Delta Region shows a fluctuating upward trend; the level of URID in Suzhou， Wuxi and Shanghai is significantly higher than that of other cities， while Anqing， Chizhou and Chuzhou rank the last three places considering the level of URID; the spatial distribution of the level of URID in this region has significant positive global spatial autocorrelation， which shows a spiral evolution trend of “weak correlation → strong correlation → weak correlation → strong correlation”; the level of URID in this region roughly presents “inverted U-shaped” spatial differentiation characteristics in both the east-west direction and the north-south direction.

the Yangtze River Delta; urban-rural integration development （URID）; level measurement; spatio-temporal characteristics; projection pursuit classification