长江经济带城市土地经济密度空间格局演变及驱动因素

尚 鹏，周国华,b*，崔树强,b，彭焕智，陈奕璋

(湖南师范大学，a. 地理科学学院，b. 地理空间大数据挖掘与应用湖南省重点实验室，中国 长沙 410081)

在新型城镇化阶段，经济高质量发展要求与资源环境约束收紧并存，依靠大规模土地要素投入拉动经济增长已难以为继[1,2]，“以地谋发展”的模式功能不再，效力日渐衰竭[3]。城市吸引大量人口导致土地资源需求激增[4]，人地关系相互作用产生的空间冲突已逐步影响到城市健康发展[5,6]，国土开发思路必须由“增量扩张”向“存量挖潜”转变[7]。因此，挖掘土地资源潜力，探索合理的土地经济密度水平，对提升土地集约利用水平和拉动城市经济持续增长具有重要意义。

目前，有关土地经济密度研究主要集中在以下方面：一是土地经济密度水平测度方面。考虑到建成区面积作为城市经济活动的主要空间载体，二、三产业增加值能够更直观地体现城市经济增长的效率，学者们常用单位建成区面积上的二、三产业增加值来测度城市土地经济密度水平[8,9]。此外，也有学者以城镇建设用地[10]或城乡建设用地[11]上的二、三产业增加值进行度量。其中，城镇建设用地是各类用地中开发程度最高、利用最为充分的土地类型，对城镇建设用地经济密度的研究具有较强的典型性。而测度城乡建设用地经济密度能够凸显乡村建设用地对区域经济的贡献，可更全面地反映土地利用的经济效益。还有学者从区域和发展视角出发，认为地区生产总值的增加与土地经济密度的增长是协同发展的，以单位土地面积的地区生产总值来表征地区经济发展质量和土地利用集约状况[12,13]。二是土地经济密度时空演化方面，学者们多借助泰尔系数、变异系数、马尔可夫链、核密度估计、空间自相关等模型，就不同尺度下的土地经济密度空间分异[14]、动态演变[15]、时空演化[16]开展研究。三是影响因素研究方面，土地经济密度的时空格局变化是一个复杂的过程，受产业结构、资本投入、科技水平、对外开放程度等多因素综合作用的影响[17-21]。此外，吴一洲等从资源禀赋角度出发，发现自然资源禀赋对不同地区土地经济密度水平有着差异化影响[22]。曹广忠等将地理区位纳入分析范畴，发现沿海水路、内陆水路和航空等口岸区位对土地经济密度的影响作用相异[23]。

已有研究为本文提供了良好的理论和方法支撑，但有待进一步丰富和完善。研究方法上，以往研究常用相关分析[24]、多元线性回归[25]、空间计量模型[26]、地理加权回归[27]等定量模型探究其影响因素，但以上模型难以深入分析各因素间的相互联系，交互作用探讨不足。研究对象上，大量文献聚焦于全国及省市研究，缺少对长江经济带等重大国家战略发展区域的城市土地经济密度研究。基于此，本文以长江经济带为研究区，以108个地级及以上城市为研究单元，测度2003—2018年长江经济带城市土地经济密度水平，综合运用核密度估计、探索性空间数据分析揭示其空间演变规律，并借助地理探测器等模型识别其空间演变的驱动因素。研究结果可为长江经济带优化国土开发格局、推进区域协调发展以及科学编制《长江经济带国土空间规划》提供有益参考。

1 研究区域、方法和数据

1.1 研究区概况

长江经济带是以流域为基础、以长江为纽带、以城市为基本单元的重大国家战略发展区域，横跨中国东中西三大地区，覆盖上海、浙江、江苏、安徽、江西、湖南、湖北、重庆、四川、贵州、云南等共9省2市，土地面积205.23 万km2。2019长江经济带年常住人口6.02亿人，其中城镇人口3.65亿人；城镇化水平61.70%，超出全国平均水平(60.60%)；地区生产总值45.78万亿元，占比超过全国的45%，是中国综合实力最强，发展势头最好的区域之一。作为城镇化快速发展区域，长江经济带生态环境及农地保护与城镇化建设的矛盾日益突出。在“共抓长江大保护, 不搞大开发”的发展理念下，探索如何以较少的土地资源消耗获得较大的经济效益显得尤为及时和必要。

1.2 研究方法

1.2.1 城市土地经济密度测度方法 在测度城市土地经济密度值上，参考已有研究[27,28]，以单位建成区面积的二、三产业增加值来度量城市土地经济密度水平。其中，建成区面积能够真实反映城市实际开发建设规模，而二、三产业增加值可直观反映城市经济发展效率，相比其他测度指标，该方法更具现实性和针对性。计算公式如下：

L=P/S,

(1)

式中：L为城市土地经济密度；P为二、三产业增加值；S为城市建成区面积。

1.2.2 核密度估计分析 核密度估计是研究不均衡分布的一种非参数检验方法，主要用于估计随机变量的概率密度，以连续的曲线来展现随机变量的分布形态[29]。其基本原理是：假设随机变量X1，X2，…，XN同分布，密度函数f(x)未知，则可通过经验分布函数得到密度函数的估计[9]。本文应用核密度估计可有效展示城市土地经济密度的动态变化。具体而言，核密度估计包括多种类型，如Epanechnikov、高斯核(Gaussian)、三角核(Triangular)、四次核(Quartic)等，选择应用广泛的高斯核作为核函数的表达形式。密度函数和高斯核函数计算公式如下：

(2)

(3)

式中：f(x)为密度函数；X表示观测值；x表示观测值的平均值；N为观测值数目；K(·)表示高斯核函数；h表示带宽，对核密度曲线的平滑度和核密度估计的精确度有重要影响。带宽越大，估计精度越低，曲线越平滑；带宽越小，估计精度越高，曲线越不平滑。

1.2.3 探索性空间数据分析 探测性空间数据分析是一种揭示研究对象空间变化规律和空间相互作用的数据分析方法，其中，全局莫兰指数和局部莫兰指数是其两种常用的分析方法，已被广泛应用于地理现象空间格局分析。因此，采用此方法来探究长江经济带城市土地经济密度的全局及局部空间聚类分布特征。

1)全局空间自相关 全局空间自相关是对整个区域某一要素属性或某种地理现象的空间特征描述，能够反映其是否存在相关性和集聚性。本文通过测算全局莫兰指数来判断长江经济带城市土地经济密度总体格局是否存在空间集聚。全局莫兰指数计算公式如下：

(4)

2)局部空间自相关 局部自相关是用来进一步分析某一要素属性或某种地理现象在局部的相关特性，局部莫兰指数计算公式如下：

(5)

1.2.4 地理探测器模型 地理探测器是探测地理事物空间分异性探究其背后的驱动力的统计学方法。具体包括分异及因子探测、交互作用探测、风险探测和生态探测等4个探测工具[30]。本文主要采用分异及因子探测和交互探测来识别城市土地经济密度空间分异的驱动因素。计算公式如下：

(6)

1.3 指标选取与数据来源

本文以长江经济带为研究区，以地级及以上城市为研究单元，由于巢湖、毕节、铜仁存在行政区划调整，基于数据的可比性和可获取性，最终选取108个城市为研究对象。此外，为更深入地探讨较长时间尺度上城市土地经济密度的空间演变规律，时间跨度为2003—2018年。研究所使用的数据涵盖海拔、地形起伏度、行政边界、建成区面积、地区生产总值等空间及社会经济资料。数据的具体来源如下：①海拔、地形起伏度数据来源于地理空间数据云(http：//www.gscloud.cn)提供的DEM数字高程数据；②各级行政边界数据来源于全国地理信息系统(http：//www.webmap.cn/)提供的1∶100万全国基础地理数据库；③建成区面积以及其他社会经济数据来源于《中国城市统计年鉴》和《中国城市建设统计年鉴》，部分补充数据来自于各省市统计年鉴以及各地市国民经济与社会发展统计公报。

2 长江经济带城市土地经济密度空间格局演变特征

2.1 时序变化特征

图1 长江经济带城市土地经济密度水平的时序变化

运用Eviews 10.0软件，绘制了主要年份的长江经济带城市土地经济密度核密度曲线，探索其时序变化规律。图1显示，随着时间推移，核密度曲线由多峰分布逐渐演化为单峰分布，主峰高度持续下降，主峰宽度不断拉长，表明长江经济带城市土地经济密度多极分化程度逐步降低。此外，研究期内核密度曲线右移明显，曲线右尾偏离中心且存在拖尾形态，说明长江经济带城市土地经济密度水平逐步提升，高密度城市数量增加，低密度城市数量减少，城市间土地经济密度水平差距呈现扩大态势。

2.2 空间分布特征

依据长江经济带城市土地经济密度标准化值，将计算结果分为低值区、次低值区、中值区、次高值区和高值区5类，详见图2。具体而言，2003年，城市土地经济密度水平普遍较低，密度均值为2.58 亿元/km2。上海市和玉溪市密度值相对较高，分别达到11.10 亿元/km2和10.59 亿元/km2。值得注意的是云南省玉溪市，城区面积不大，但产业特色明显，经济发展突出，土地集约利用水平较高。2008年，城市土地经济密度水平有一定程度提高，密度值高于5 亿元/km2的城市有32个，数量占比达到29.63%，主要分布在交通便利的沿海和沿江地区，长江三角洲附近呈现集中连片之势，且有向中西部逐渐扩展趋势。2013年，城市土地经济密度水平得到整体提升，中高值区经济“溢出效应”显现，极大带动了周围地区发展。2018年，各城市土地经济密度水平显著提高，密度均值达到9.30 亿元/km2，较2003年增长260.47%。城市土地经济密度较高地区遍布长江东、中、西三大地区，且就城市数量而言，东部>中部>西部，城市群和都市圈地区是其主要聚集区。此外，低值区仅剩15座城市，主要分布在经济基础薄弱、发展后劲不足的边缘城市。研究发现，长江经济带城市土地经济密度具有明显的地域分异特征，整体上呈现出“东高西低”、“中心高边缘低”的空间分异格局，城市群、都市圈和区域中心城市为成为高值分布集聚区。

图2 长江经济带城市土地经济密度水平的空间分布图

2.3 空间关联特征

为揭示长江经济带城市土地经济密度空间关联特征，本文运用GeoDa软件对城市土地经济密度水平进行空间自相关检验。如表1所示，2003年全局莫兰指数在5%显著性水平(临界值为1.96)下通过检验，其他年份的全局莫兰指数均在1%显著性水平(临界值为2.58)下通过检验，且各年份全局莫兰指数均为正值，表明长江经济带城市土地经济密度存在显著的正向相关性和空间集聚性。从演变趋势来看，研究期内城市土地经济密度全局莫兰指数分别为0.156，0.236，0.274和0.273，经历了快速上升到平稳增长到基本稳定的变化过程，说明长江经济带城市土地经济密度空间相关性不断增强，空间集聚态势不断显现，空间格局逐渐形成，分布特征相对稳定。

表1 长江经济带城市土地经济密度的全局莫兰指数

为探究区域内部各城市间土地经济密度的空间关联格局，绘制LISA集聚图分析城市土地经济密度的高-高(H-H)、低-低(L-L)、高-低(H-L)、低-高(L-H)4种关联类型(图3)。从图3可以看出，H-H区集聚分布明显，主要集中在长三角地区，且有沿海、沿江延伸扩散态势，空间范围不断扩大，集聚程度逐渐增强。近年来，长三角地区大力推进一体化建设，群域经济、圈域经济能够充分发挥上海、南京等大城市的示范效应，可有效促进长三角地区城市土地经济密度水平的整体提升。L-L区零散分布，滇西南、川东北、湘西南、皖西北等地是其分布的主要区域，以上地区多为区域边缘，受历史和地理条件的限制，经济活力不足，土地利用粗放，逐渐沦为城市土地经济密度的冷点洼地。H-L和L-H区分布在H-H和L-L集聚区外围，两种类型区数量较少，产生的空间负相关性对整体空间关联格局影响甚微。其中，H-L区主要分布在重庆、长沙、武汉、南昌和攀枝花等中西部发达城市，以上城市经济发展基础较好，土地经济密度水平较高，极化效应逐渐凸显，但对周边城市的带动作用有待进一步提高。L-H区数量整体波动不大，空间分布相对稳定。未来城市开发建设应充分抓住热点区带来的“溢出效应”，发挥城市自身的比较优势，实现经济持续增长与土地集约利用的双重目标。

图3 长江经济带城市土地经济密度水平的LISA集聚图

3 长江经济带城市土地经济密度空间演变的驱动因素

3.1 指标体系

探索性空间数据分析表明长江经济带城市土地经济密度具有明显的空间异质性特征。已有研究证实城市土地经济密度水平差异受到资本、人口、科技等多种因素的综合影响[22,25]。借鉴已有研究，结合区域实际，本文从城市自然地理条件、对外开放程度、投资消费水平、人口与劳动资源、科技创新发展5个方面，选取9个指标对长江经济带城市土地经济密度空间分异的驱动因子展开分析(图4)。城市自然地理条件是影响土地利用和城市建设的基础要素，海拔高度(X1)和地形起伏度(X2)直接影响着城市土地经济密度水平；城市对外开放程度体现城市开放性水平，影响城市经济贸易往来和经济发展质量，进而影响土地经济效益，选取地均利用外资额(X3)和客货运总量(X4)加以分析；城市投资消费水平是拉动城市经济增长重要驱动力，单位面积投资和消费水平越高则单位经济体量越大，选取地均固定资产投资额(X5)和人均社会消费品零售总额(X6)进行量化分析；城市人口和劳动资源作为城市经济的集聚要素，在一定程度上反映了城市发展活力和发展效益，选取常住人口数量(X7)和二、三产业从业人员(X8)展开分析；城市科技创新能力是推动城市高质量建设、可持续发展的重要途径，直接影响城市投入产出效益和集约利用水平，选取科技财政支出占公共预算支出比重(X9)加以分析。

图4 城市土地经济密度驱动因素作用框架

3.2 探测结果

根据地理探测器模型，得到各驱动因子的解释力q值及其显著性水平，q值越大表明该指标解释力越强。由表2可知，2003年和2008年，对城市土地经济密度空间分异较大的因子是地均固定资产投资额(X5)和地均利用外资额(X3)；2013年和2018年地均固定资产投资额(X5)和地均利用外资额(X3)指标对城市土地经济密度的分异的影响依据显著，但影响程度逐渐弱化，人均社会消费品零售总额(X6)、二三产业从业人员数量(X8)、常住人口数量(X7)、科技财政支出占公共预算支出比重(X9)以及客运量与货运量总和(X4)等指标解释力增强，说明城市土地经济密度分异愈加受到多元要素的影响，人口、劳动力、科创能力以及客货运输成为重要的驱动因子。研究期内自然地理条件的q值最小，以2018年为例，平均海拔、地形起伏度的q值分别为0.155 3和0.121 0，相比其他驱动因素，自然条件对城市土地经济密度地域分异的作用较小。

表2 长江经济带城市土地经济密度探测结果

以2018年为探究年份，运用地理探测器中的交互探测工具，分析驱动城市土地经济密度空间分异因子的交互作用，交互探测结果如表3和表4所示。就交互作用的解释力q值而言，两两交互作用的影响因子解释力大于单因子作用的解释力，人均社会消费品零售总额(X6)与二、三产业从业人员(X8)的交互作用的解释力q值最高，为0.740 5；海拔高度(X1)与地形起伏度(X2)交互作用的解释力q值最低，为0.213 1。就交互作用类型而言，均为增强型关系，包括双因子增强型和非线性增强型，不存在相互独立的因子；海拔高度(X1)与地均利用外资额(X3)、客运量与货运量总和(X4)，地形起伏度(X2)与地均利用外资额(X3)、客运量与货运量总和(X4)，地均固定资产投资额(X5)与客运量与货运量总和(X4)、常住人口数量(X7)交互作用时产生非线性增强效应；在45组交互类型中，有39组呈现双因子增强效应，6组呈现非线性增强效应，双因子增强型占总类型比重的86.67%，绝大多数因子为交互协同作用，表明长江经济带城市土地经济密度的分异是多因子交互驱动的结果。

表3 长江经济带城市土地经济密度交互作用探测结果

表4 长江经济带城市土地经济密度交互作用关系

自然地理条件是影响城市开发建设、资源利用的基础要素。因子探测结果显示，自然地理条件的q值一直维持在0.05～0.2，对城市土地经济密度地域分异存在一定影响。长江经济带横跨东中西三部，区域差异明显。海拔、地形等自然地理条件直接影响城市经贸往来、交通建设和产业布局，造成各地用地规模与经济发展情况相异，影响城市土地集约利用水平。

对外开放程度侧面展示了城市发展的“软实力”。良好的开放环境不仅推动着经济持续增长，也促进了城市经济效益的不断提升。上述分析显示，外资投入对加快城市建设和提高土地产出效益具有十分重要的作用。对外开放程度高的城市，投资者更易倾向资金和技术的投入，而非依赖大规模土地扩张，从而避免了土地粗放利用，提高了城市土地经济效益。

投资和消费是促进城市经济发展的重要抓手。上述分析表明，固定资产投资对土地经济密度水平存在显著影响，与客货运量及人口数量的交互作用产生了非线性增强效应，q值分别达到0.662 8 和0.714 6。资产投资可通过降低生产成本、提高生产利用效率，为土地高效集约利用提供良好的外部环境。单位面积上投入的资金越多，则人口、产业等要素集聚的效果越明显；而居民消费能力升级会对居住、商业等生活生产空间产生新的需求，拉动各类空间经济效益提升，从而促进城市土地经济密度增长。

人口和劳动资源作为最活跃的发展要素，从发展角度看，一定的人口和劳动力规模为城市经济可持续发展提供了可能。探测结果显示，2003—2018年间，常住人口数和二三产业从业人员数q值分别增长了30.91%和36.35%，影响作用显著。劳动力规模较大的城市吸引力强、经济体量大，充足的人力资源可大大提高生产力水平，提升土地利用效率，进而推动土地经济密度的持续增长。

创新是发展的第一动力。近年来，随着科学技术的迅猛发展，科技创新对提高劳动生产率和优化资源配置的影响越来越大。因子探测显示，2018年科技创新发展因素的q值为 0.022，且通过了显著性检验。政府加大对科技的投入有利于加快知识形态生产力转化为现实形态生产力，从而不断提升城市经济发展质量和促进土地集约高效利用。

4 结论与讨论

本文以长江经济带为研究区，综合运用核密度估计、探索性空间数据分析、地理探测器等模型探究了长江经济带城市土地经济密度空间演变特征及其驱动因素，揭示了各驱动因子在城市土地经济密度演变过程中的作用及交互关系，主要研究结论如下：

(1)从时间变化特征看，2003—2018年间，长江经济带城市土地经济密度水平不断提升，分化现象得到改善，各城市土地经济密度水平提升明显，2018年密度均值达到9.30 亿元/km2，较2003年增长260.47%。但核密度曲线存在明显的拖尾现象，地区差异仍在扩大。从空间变化特征看，研究区内城市土地经济密度水平地域分异明显，整体上呈现出“东高西低”、“中心高边缘低”的空间分异格局，高值区城市数量东部>中部>西部，长江三角洲城市群、长江中游城市群、成渝经济圈以及玉溪等区域中心城市成为高值中心，且有中心向外围扩散态势，辐射扩散效应显著。

(2)全局空间自相关分析表明，长江经济带城市土地经济密度水平存在明显的空间正自相关性，其相关程度先后经历了快速上升-平稳增长-基本稳定的变化过程，空间分布特征逐步趋稳。局部空间自相关分析表明，H-H区存在显著的集聚格局，主要分布在长三角地区，沿海及沿江扩散趋势明显。L-L区分布零散，多为区域边缘，滇西南、川东北、湘西南、皖西北是其分布的主要区域。

(3)长江经济带城市土地经济密度空间分异特征是多因素交互驱动的结果。因子探测结果显示固定资产投资和外资利用对城市土地经济密度空间分异具有十分重要影响，但随着时间变化，影响程度逐渐减弱，而居民消费、人口与劳动力、科技创新、客货运量等社会经济因素对城市土地经济密度地域分异的影响逐渐增强；交互探测结果显示各驱动因子间的两两交互作用具有非线性增强和双因子增强效应，双因子交互作用比单因子作用对于城市土地经济密度空间分异的解释力更为显著。

上述分析表明，长江经济带城市土地经济密度水平整体呈现上升趋势，但区域差异明显；驱动因素多元化和交互作用逐渐显现，但作用程度有待提高。因此，未来应对城市土地经济密度高值区与低值区、高高集聚区(H-H)与低低集聚区(L-L)实施差异化管理，城市群、都市圈、发达城市等土地经济密度高值区应继续保持并扩大既有优势，以科技创新和要素集聚推动资源高效利用，助力土地经济密度整体提升；充分发挥高高集聚区(H-H)的辐射带动作用，将资本、技术、人力等资源扩散到周边城市，提升低值区接受辐射能力；改善低值区及低低集聚区(L-L)经济发展条件，破除资源依赖，通过创新驱动、交通驱动、跨区域合作驱动等方式改变边缘城市土地经济密度水平低、发展活力不足的现实状况；提升驱动因素的多元及交互支撑能力，各城市立足自身地理环境和发展优势，将扩大开放水平、提升消费水平、吸引社会投资、加快交通建设和吸引人口流入作为提高土地经济密度的重要突破点，并注意多种政策工具的交互运用，形成驱动合力。

土地扩张和经济集聚和是城市发展的客观规律，规模经济和集约利用有利于提高单位经济效益、形成“集聚效应”，但随着经济发展加快和经济效益不断提升，过高的土地经济密度是否导致成本过度上涨并产生“拥挤效应”值得进一步关注和探讨。土地经济密度具有明显的尺度效应，宏观尺度缺少对更细小单元的关注与挖掘，微观分析不足。此外，受数据获取限制，本文在驱动因素指标构建上仍有待改进，对制度和政策等难以量化指标分析不足，如何科学全面的选取及分析驱动因素指标将是未来研究需要完善的重点。