长三角地区城市空间相互作用的多维分析

朱 虎 啸，欧 向 军,2*，李 自 鹏，刘 雷，唐 乐

(1.江苏师范大学地理测绘与城乡规划学院，江苏 徐州 221116；2.江苏师范大学城镇化研究中心，江苏 徐州 221116；3.淮阴工学院建筑工程学院，江苏 淮安 223001)

0 引言

城市空间相互作用强度是衡量区域发展水平和竞争力的重要指标[1]，常用引力模型测度，即通过引力表示城市之间进行经济活动和资源流动的强度。城市空间相互作用研究不仅可以为城市规划、中心城市辐射带动作用及城市网络结构解析提供理论基础，而且对空间资源配置、区域分工协作及可持续发展等具有重要指导作用[2-5]。城市空间相互作用在地理学中的广泛应用源于20世纪60年代的计量革命[6]，学者们多从空间联系演化[7]、等级规模[8]、可达性[9]等方面开展研究。我国对城市空间相互作用的研究相对较晚，如运用引力模型，通过人流、物流、信息流的分析概括出经济区的内向型和外向型经济腹地[10]，从而对经济地域进行区划；通过省域和地级市域两个层次测度中国城市间的空间联系强度[11]，揭示中国城市体系的空间联系状态及演变过程；通过城市经济联系强度占区域经济联系强度总量的比重量化经济地理位置[12]，探讨区内和区际城市经济联系主要方向等。随着城市间要素流动的多样化与复杂化，学者们从城市质量、城市间距离、引力系数等方面对引力模型进行了修正，并采用社会网络分析、多中心性指数等方法对区域网络结构及节点中心性进行研究[13-15]。区域城市空间相互作用的研究经历了从外在特征到区域内部网络结构[16]及城市在区域中所扮演角色[17]的不断推进，研究方法逐渐从单一的空间相互作用测度模型演变为与社会网络分析等多种方法的结合。综合已有研究案例，基于引力模型的大尺度区域城市空间相互作用分析多采用城市间空间直线距离，与实际交通距离存在一定误差；此外，对于空间相互作用测度结果可与城市经济发展水平等相关数据进行对比和叠加分析，以进一步探索区域发展格局。

长三角地区作为我国经济发展活跃、开放程度高、创新能力强的区域，一直是国内外学者研究的重点区域[18-21]。在当前构建以国内大循环为主体、国内国际双循环相互促进的新发展格局背景下，重新审视其城市空间相互作用的多维特征、探析其中心区域范围及城市子群划分并提出空间结构优化的对策建议具有重要时代意义。因此，本文通过城市综合发展质量评价指标体系及百度地图中时间距离对引力模型进行修正，并将测度结果与夜间灯光数据进行对比，综合运用标准差椭圆法及凝聚子群法对城市空间相互作用进行多维分析，科学探讨长三角区域协调发展方面存在的问题并提出对策建议，以期为充分发挥长三角各城市的比较优势、推动区域一体化发展、提升其在世界经济格局中的能级和水平、加快构建以国内大循环为主体的新发展格局提供参考。

1 研究方法及数据来源

1.1 研究方法

(1)引力模型及其修正。引力模型在地理学中应用的本质是距离衰减规律，本文借鉴文献[22-24]对引力模型参数进行修正，可测度出城市间的空间相互作用强度。1)对城市质量的修正：基于熵值法[25]从规模发展、经济发展、社会发展、创新发展和绿色发展五方面测算出城市综合发展质量，遵循指标选取的科学性、系统性、数据可获得性原则，构建包含1个一级目标、5个二级指标和20个三级指标的长三角地区城市综合发展质量评价指标体系(表1)。2)对引力系数和城市间距离的修正：鉴于可达性是城市间相互联系的重要基础，本文采用两城市间的可达性系数α对引力系数进行修正，以时间距离tij代替城市间的空间距离(式(1))，其引力衰减指数取值为1[26，27]，并将可达性定义为两城市间最小时间成本(式(2)、式(3))[1]。

表1 长三角地区城市综合发展质量评价指标体系Table 1 Evaluation index system of urban comprehensive development quality in the Yangtze River Delta

Fij=αiQiQj/tij

(1)

(2)

(3)

(2)夜间灯光平均指数。夜间灯光影像是反演区域经济发展的数据源[28，29]，利用灯光强弱与社会经济因子间存在的正相关关系可以开展社会经济因子评估研究。由于区域内夜间灯光总量指数(TNLI)(式(4))[30]受市域面积的影响，因此本文采用区域内夜间灯光平均指数(ANLI)(式(5))衡量城市经济发展水平。

(4)

ANLI=TNLI/n

(5)

式中：DNi为区域内第i个栅格像元对应的灯光值；n为区域内栅格像元数量。

(3)标准差椭圆(Standard Deviational Ellipse，SDE)。SDE是测度区域经济差异和发展水平的重要方法，可反映城市发展水平的方向性和集中程度。椭圆空间分布范围表示研究对象空间分布的主体区域，其中，椭圆中心表示区域的平均中心，长轴表示地理要素在空间分布上的主趋势方向，长轴与短轴之比表示地理要素在主次方向上的离散程度，椭圆面积表征空间格局总体要素的集中程度[31]。

(4)凝聚子群。当网络中某些行动者之间的关系特别紧密而结合成一个次级团体时，在社会网络分析中则称该团体为凝聚子群[32]，凝聚子群的密度较高，说明处于该凝聚子群内部的行动者之间联系紧密。本文应用网络凝聚子群中的分块模型[33]对长三角地区内部结构进行划分，该模型从整体的角度研究网络结构特点。

1.2 研究区域与数据来源

本文研究区域范围为2019年12月中共中央、国务院印发的《长江三角洲区域一体化发展规划纲要》中划定的长江下游地区3省(江苏省、浙江省、安徽省)1市(上海市)全域，共41个地级以上城市，该区域在国家现代化建设大局和全方位开放格局中具有举足轻重的战略地位，对推动长三角一体化发展、增强长三角地区创新和竞争能力以及引领全国高质量发展、建设现代化经济体系意义重大。

本文城市综合发展质量评价指标的数据源于中国统计出版社出版的《中国城市统计年鉴2019》《江苏省统计年鉴》《浙江省统计年鉴》《安徽省统计年鉴》及部分城市的2018年国民经济和社会发展统计公报；城市之间的时间距离源于百度地图API的轻量级驾车路线规划数据；夜间灯光数据源于跨传感器校正的2018年全球“类NPP-VIIRS”夜间灯光数据集[34]，能够更直观地刻画灯光亮度的空间变化，有效降低溢出效应的影响。

2 结果分析

2.1 城市综合发展质量测度及相互作用强度分析

根据城市综合发展质量评价指标体系，运用熵值法计算出各城市的综合发展质量，利用ArcGIS的自然断点法将41个城市综合发展质量由低到高划分为5个层级并进行可视化展示(图1)。长三角地区城市综合发展质量呈现明显的区域差异性，排名前三的城市分别为上海、南京和杭州，皆位于第一层级；苏州、无锡、合肥、宁波、常州、湖州、绍兴共7个城市位于第二层级，剩余31个城市中11个城市位于第三层级、12个城市位于第四层级、8个城市位于第五层级，已形成特大、超大、大、中、小城市俱备的城市体系。受资源禀赋和历史发展条件等影响，长三角地区城市综合发展质量整体呈现由沿海向内陆、由沿江向南北两侧衰减的现象，且江苏和浙江明显强于安徽，区域内城市综合发展质量空间格局总体呈“中间高，两头低”的地域分异格局，“中心—外围”特征显著。

图1 长三角地区城市综合发展质量空间格局Fig.1 Spatial pattern of urban comprehensive development quality in the Yangtze River Delta

根据修正的引力模型得到长三角地区820对城市空间相互作用，并用自然断点法将城市空间相互作用强度划分为5个等级，绘制出网络结构(图2)。在820对城市空间相互作用中，仅苏州—无锡、杭州—绍兴、扬州—镇江3对城市间存在高空间相互作用强度，且两对位于江苏，一对位于浙江，安徽省内城市空间相互作用整体偏弱；中等空间相互作用强度及以上的仅有84对，占总数的10.24%，低空间相互作用强度有572对，占总数的69.76%，可见长三角地区大部分城市间空间相互作用的紧密性仍需加强。

图2 长三角地区城市空间相互作用网络结构Fig.2 Urban spatial interaction network structure in the Yangtze River Delta

2.2 最大引力线及空间相互作用总量分析

基于城市空间相互作用网络，统计出长三角地区各城市与其他城市空间相互作用最大的城市对，可视化表达为最大引力线(图3a)，可以看出，最大引力线主要集聚在长江流域，形成较为连贯的网络结构，北部的最大引力线呈小范围集聚态势，而浙南地区的最大引力线则呈离散布局状态。大部分城市与其空间相互作用最强的城市位于同一省域范围内，跨省行政边界的最大引力线有淮北与徐州、滁州与南京、黄山与衢州、湖州与苏州，处于江苏省边缘的城市与省外城市的空间作用能力相对较强，这主要是由于江苏省内综合发展质量高的城市多毗邻省际边界线，如淮海经济区的中心城市徐州、南京都市圈的中心城市南京等，对周边城市都有很好的辐射带动作用。最大引力线多指向邻近城市和综合发展质量较高的城市，呈现出邻近地域指向性和中心城市指向性，且邻近地域指向性更明显，表明时间距离依然是限制长三角地区城市空间相互作用的重要因素。

将基于引力模型计算出的长三角地区各城市相互作用强度累加，得到各城市对外空间相互作用总量(图3b)，排名前10的城市分别是苏州、无锡、上海、南京、常州、杭州、镇江、扬州、湖州和嘉兴，其空间相互作用总量占比达42.6%，表明沿江发展带、沪宁合杭甬发展带是长三角地区城市空间相互作用最紧密区域。其中居于首位的苏州市既邻近上海市，又位于苏锡常都市圈内，具有显著的区位优势。受行政边界的隔阂及地形条件的限制，在江苏省与浙江省相邻区域形成城市空间相互作用“洼地”；省会城市中南京市(232.79)对外空间相互作用总量高于杭州市(217.94)、合肥市(132.41)；省域层面中区域对外空间相互作用总量最大的为江苏省(2 154.36)，是安徽省的1.29倍、浙江省的1.67倍，受限于丘陵地形的影响，经济较为发达的浙江省在城市空间相互作用上处于劣势。

图3 长三角地区各城市间最大引力线及空间相互作用总量Fig.3 Maximum gravity line and total amount of interaction of cities in the Yangtze River Delta

2.3 夜间灯光数据对比与叠加分析

(1)城市经济发展水平与空间相互作用总量对比。利用ArcGIS对校正后的长三角地区夜间灯光数据进行分区统计，计算出各城市的夜间灯光平均指数(图4)，可以看出，灯光平均指数高的区域与空间相互作用总量高的区域在空间分布上基本匹配。进一步利用线性回归模型计算出空间相互作用总量与夜间灯光均值之间的函数关系为y=15.929x+84.882，皮尔逊相关系数为0.665，通过0.01水平的显著性检验(双尾)，表明经济发展水平对城市空间相互作用总量贡献显著，经济发展水平较高的城市在整体城市空间相互作用网络中占据核心地位。结合各城市空间相互作用总量分析，区域内夜间灯光平均指数与空间相互作用总量较高的城市多沿长江流域分布，表明长三角地区在长江流域沿岸已形成产业协同、经济结构完善的城市群体系。

图4 长三角地区夜间灯光平均指数分布Fig.4 Nighttime light average index distribution in the Yangtze River Delta

(2)标准差椭圆分析与中心区域识别。利用ArcGIS分别计算出长三角地区城市对外空间相互作用总量和夜间灯光平均指数的标准差椭圆，结果显示,两个椭圆的长轴方向基本一致，呈现出东南—西北指向，椭圆中心分别位于常州市和无锡市，皆属于苏锡常都市圈，可见其在长三角地区的区位优势显著。从椭圆面积大小看，空间相互作用总量(163 049 km2)大于夜间灯光平均指数(106 717 km2)，表明城市空间相互作用集聚态势比城市经济发展水平更明显。将两个标准差椭圆的重叠区域视为长三角地区在城市空间相互作用和城市经济发展水平方面的中心区域(图5)，涉及的城市有上海市和江苏省的南京、淮安、盐城、扬州、泰州、苏州、无锡、常州、南通、镇江，浙江省的杭州、嘉兴、宁波、绍兴、湖州，安徽省的合肥、滁州、马鞍山、宣城、芜湖，共21个城市，占据了长三角全域一半以上的城市。非中心区域在长三角中心区域外围形成“C”形半圆地带，这与《长江三角洲区域一体化发展规划纲要》划定的中心区域范围基本一致。

图5 长三角地区标准差椭圆和中心区域识别Fig.5 Standard deviational ellipse and central area in the Yangtze River Delta

2.4 城市子群划分与空间格局分析

以41个城市间的空间相互作用强度计算结果为基础，构建41×41的空间相互作用矩阵，利用UCINET 6.2中的CONCOR法对长三角地区城市空间相互作用网络的内部结构进行凝聚子群划分，每一组子群是多个空间相互作用较强且结构类似的城市集合。如图6所示，二级子群中，长三角地区被划分为由东南向西北层次分明的4个子群，每个子群内部均有发展水平较高的城市，依次为以杭州和宁波为首的子群(空间相互作用总量936.74)、以上海和苏锡常为首的子群(空间相互作用总量1 469.84)、以南京为首的子群(空间相互作用总量1 762.40)、以合肥和徐州为首的子群(空间相互作用总量995.51)；对比各子群空间相互作用总量的变化可以看出,在空间分布上由以上海和苏锡常为首的子群向南北两端衰减，间接表明上海市对长三角地区的辐射带动作用有限，推动多中心格局的发展可减少其他子群对中心区域的依赖，以促进区域联系的均衡发展。

图6 长三角地区城市空间相互作用网络凝聚子群分析结果Fig.6 Analysis results of agglomerative subgroups of urban spatial interaction network in the Yangtze River Delta

从三级凝聚子群内部空间相互作用网络密度(表2)看，子群5网络密度最高(21.800)，表明以苏锡常为首的子群内各城市空间相互作用最紧密，其次是子群6(20.078)，即上海—湖州—嘉兴子群内城市空间相互作用较为紧密，子群8内部密度最小(4.878)，即浙南5市与安徽黄山市组成的子群内城市空间相互作用最为松散。从三级子群间的空间相互作用密度看，子群5与子群6之间的空间相互作用最强(18.981)，子群6与子群7之间的空间相互作用次之(13.677)，可见以上海为首的子群在以苏锡常为首的子群和以杭州、宁波为首的子群之间形成重要纽带，有利于发挥上海引领长三角地区发展的龙头作用；子群4与子群8空间相互作用最小(0.300)，即浙江南部与苏、皖北部两个子群之间缺乏联系，主要是受长三角地区南北狭长的地域分割以及省际边缘效应的影响所致。

表2 长三角地区城市空间相互作用网络凝聚子群密度Table 2 Agglomerative subgroup density of urban spatial interaction network in the Yangtze River Delta

3 结论与建议

本文基于修正的引力模型测度出长三角地区城市空间相互作用强度，然后对各城市的最大引力线和空间相互作用总量进行分析，与夜间灯光数据和标准差椭圆进行对比并识别出中心区域，最后，用凝聚子群法剖析区域内部结构。结果发现：1)长三角地区城市综合发展质量差异明显，呈现出“中心—外围”特征，形成完善的城市体系；2)最大引力线沿长江流域集聚，邻近地域指向性更明显，沿江发展带和沪宁合杭甬发展带是城市空间相互作用的集中区域；3)区域内城市经济发展水平与空间相互作用总量呈显著正相关，两者的标准差椭圆中心皆位于苏锡常都市圈内，呈东南—西北指向，其中心区域涉及21个城市，非中心区域在其外围形成“C”形地带；4)长三角地区内部结构由4个二级子群和8个三级子群构成，每个二级子群内皆有发展水平较高的城市，空间相互作用总量由以上海和苏锡常为首的子群向南北两端衰减，三级子群中以苏锡常为首的城市子群空间相互作用网络密度最大，且与周围的子群空间相互作用较强。

针对当前长三角地区城市空间相互作用存在的问题，从提升城市空间相互作用、促进区域经济一体化发展方面提出如下对策建议：1)加快中心城市建设，推动多中心格局形成。上海作为长三角地区唯一的超大城市，综合实力与空间相互作用总量均位居前列，但受区位因素制约，其对长三角区域内部城市的辐射带动作用有限。根据凝聚子群分析结果，结合各地资源禀赋、区位优势及区域优势产业，在苏北、皖北、皖西及浙南地区形成拉动区域经济快速发展的增长极；通过强化中心城市的辐射作用，带动周边地区共同发展，促进长三角地区经济发展和空间结构优化。2)推动经济转型发展，提高城市综合实力。长三角地区城市综合发展质量差异明显，经济结构不合理。因此，加快转型发展既是长三角地区解决经济结构深层矛盾的迫切要求，也是增加经济活力、提高经济效益、化解产能过剩的现实选择。针对不同类型的城市子群，尤其是南北两端的子群，应当以利好政策鼓励和吸引高层次人才落户，积极接受东部发达地区的产业转移，实现产业升级。东部子群中，减少苏锡常等地对上海的高度依赖，充分挖掘自身潜力，实现向创新型城市转型升级。3)协同建设一体化交通，缩短时间距离。加快建设集高铁、普铁于一体的现代轨道交通运输体系，构建高品质快速轨道交通网，提升省际公路通达能力，形成便捷的高速公路网络。加快南京、合肥、杭州、徐州等综合交通枢纽建设，加强城际经济发展交通联系，打通区域内东西发展轴线及省际交通要道，形成连通区域内外的交通运输网络。4)完善区域协调机制，强化省际经济合作。区域内部的行政壁垒及城市空间相互作用总量差异过大将影响城市间分工与协作，在构建新发展格局的背景下，地方政府过多采用行政手段调控经济活动和结构转型，既有悖于经济发展的客观规律，也不利于经济社会的长期稳定发展。将政府“有形之手”和市场“无形之手”有效结合，建立跨行政区的协调组织机构，统筹规划跨区域产业发展、空间结构布局、生态环境保护等重大问题，营造良好的区域协调发展环境。在区域内率先打破省际与省内的行政分割，促进产品、资金、人才、信息等生产要素充分流动，进而带动江苏北部、安徽西部和浙江南部等非中心区域的一体化发展，推动长三角地区率先形成新发展格局。