城镇化与水生态环境耦合协调时空演变及驱动因素——以长江中下游城市群为例

肖 圣，多玲花*，邹自力

（1. 东华理工大学江西生态文明建设制度研究中心，江西·南昌 330013；2. 东华理工大学测绘工程学院, 江西·南昌 330013；3. 自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室，江西·南昌 330013）

城市化是推进我国经济高速发展的重要举措，其对城乡一体化、新农村建设意义巨大。在我国乡村振兴、国土空间规划的推动下，城镇化建设进行得如火如荼，一方面通过专项投资、引入外来资本、公共基础设施等的巨大空间集聚，促进了我国经济的高速发展[1]，另一方面，粗放式的扩张模式也带来了各种各样的问题[2]，最为人们所关注的就是其与生态环境的矛盾，这引发了人们对城镇化的结构、质量和速度之间匹配关系的讨论[3-5]。然而我国城镇化大多为蔓延式的扩张模式，重点关注于城镇化的建设规模与速度，并未重视其内涵建设水平即城镇化质量水平，从而造成城市经济发展的同时还面临着众多环境问题的威胁[6]，故城镇化建设应把生态文明建设纳入其中，着重考虑如何实现城市经济与生态的可持续发展。其中水生态环境问题尤为关键[7]。那么，在城镇化快速发展的背景下，如何测度深受影响的城市水生态环境水平？二者耦合协调度的时序变化与演变特征如何？各影响因素在不同区域的作用差异程度?

通过对城镇化进程与水生态环境相互作用关系的动态变化研究，综合测度城镇化与水生态环境综合水平，依托耦合协调度模型揭示二者耦合协调度的时空演化规律，为认知城市发展变化趋势提供依据。同时运用GWR模型定量评估二者协调水平的影响因素的作用差异，可为实现城市高质量可持续发展提供针对性的规划建议。故正确认识城镇化与水生态环境的耦合互动关系，探讨二者的耦合机制及驱动因素作用效应对推动城市高质量发展有重要的意义[8]。

随着新型城镇化和生态文明建设等战略的提出，引起了国内外不同学科学者的广泛关注，分别从不同的角度进行了探讨。关于城镇化的相关研究较为丰富，学者们多从不同视角、不同尺度对其进行探究，主要可分为研究方法、研究方向、研究尺度几类，从研究方法来看，大多基于城镇化的概念内涵选取不同评价指标构建评价体系，其中有的基于城镇化率等单一指标[9]，有的基于人口、社会、经济、生态等多方面指标[10-12]，还有的从城镇化进程的内在分析，根据其城镇化的结构、规模和效益进行评价分析[13]，由于学者对概念有着不同的理解，故从不同视角选取指标[14]。同时，在选定评价指标后需确定其权重，而相应方法的选择也有所不同，有定性、定量之法[15]，也有二者相结合的综合分析[16]；从研究方向来看，除单单分析测度城镇化水平之外，更多的是研究其空间特征与驱动因素，为此，众多学者运用空间自相关、重心迁移及标准差椭圆、空间分区等方法模型对城市城镇化水平的空间演变规律进行探究[17]，而影响因素的分析主要可分为定性、定量分析，常以定量分析为主；从研究尺度来看，有国、省、市、县、乡五级，为城镇化的高质量建设提供了理论与实践依据。水生态环境方面的研究则从强调对水体资源与其它要素的均衡布局[18]、扩展到水资源的承载力价值[19]再到水生态文明的内涵界定与评价体系建设[20-21]，其内涵折射出当今社会发展水平变化不断地体现出水资源方面的各种价值意义。

关于城镇化与水生态环境的耦合协调方面，众多文献大多为对城镇化与生态环境的耦合协调研究，其中存在一些不足[22-23]。首先，主要的研究侧重于城镇化或水生态单方面，对子系统之间的相互内在作用研究较少，研究方向多为城镇化与整体生态环境，生态环境系统从社会、经济、资源环境等综合方面评价，选取指标过于广泛，缺乏对某一方面资源的针对性，难以反映出水资源环境实际状况；其次，城镇化与水生态环境水平的综合评价涉及规模—结构—效益以及压力—状态—响应等多个子系统，确定科学合理的权重是其评价关键所在。TOPSIS法常用于解决多维度评价问题，依托于研究区的实际客观数据，而熵值法则能依据数据的差异程度对指标赋权，充分利用各指标信息确定指标权重，是较为客观的赋权方法。故熵值法与TOPSIS模型结合后，相比模糊综合评判法、层次分析法等评价方法，更加适用于本文研究评价；最后，其研究多为一省或一市，对于多城市集聚而成的城市群以及多城市群集聚而成的超大城市群的相关研究较少，而城市群之间的相互协同辐射作用对于我国城市的城镇化建设以及资源格局配置影响较大。长江中下游城市群内含多个城市群，对我国经济发展意义重大，其丰富水体资源的生态环境在城市协调高质量发展过程中的重要性不言而喻，是城市可持续发展的关键维度。为此，本文选取长江中下游城市为研究样本，从城镇化与水生态环境的作用关系分析入手，利用压力—状态—响应模型构建评价指标体系并用熵值TOPSIS法计算评价水平，然后运用空间自相关与GWR模型进行探究，从动态分析的角度，对2005-2020年城镇化与水生态环境的耦合发展及其驱动因素进行研究和分析，以期为城市高质量发展提供科学依据。

1 研究区域概况

长江的中下游是长江经济带的主要组成部分，它包括许多城市群，涵盖了上海、江苏、浙江、安徽、江西、湖南、湖北7省市（图1），地理位置优越，是全面推进城镇化建设的主要地区，在我国区域的发展模式中发挥着重要作用。同时，它还具有调节区域气候、防洪排涝、优化水质等生态功能。然而随着城镇化进程的加快，过于追求高经济水平，未能重视城镇化“质”的发展，导致长江中下游区域水生态环境水平不断降低，出现各种环境问题。故本文以长江中下游城市群为研究区，但考虑到仙桃、天门和潜江等5个城市行政区划范围变化较大，相关数据的缺失较多，对其剩余的77个地级市（州）进行分析评价。

图1 研究区地理范围Fig.1 Geographical scope of the study area

2 研究方法与数据来源

2.1 指标体系构建

为了科学合理地评价各城市城镇化水平，从城市的结构-规模-效益三方面选取12个指标，来构建城市化评价指标体系（表1）。而关于水生态环境水平的评价，本文根据城镇化与水生态环境两系统间相互作用的复杂关系，并结合现有相关研究，基于PSR模型从水生态环境受到的压力、当前状态以及响应3个方面选取10个代表性指标构建水生态环境评价指标体系。城市的快速建设发展，生产生活用水的增加、工业三废的排放和建设用地的扩张对水生态环境系统施加一定压力。压力可采用人口密度、人均用水量、工业废水排放量、非农业用地比例等指标来表现。人类的用水现状和水生态环境系统状态可用建成区绿化覆盖率、居民家庭用水量及湿地面积比例等指标来表现。人类对水生态环境系统的改变做出响应来实现人水和谐，城市可持续发展，可用污水集中处理率、人工湿地面积增加量以及水利环境和公共设施管理人员指标来表现。这不仅考虑到水生态环境系统的健康状况，而且考虑到城镇化进程对水生态环境系统的影响作用，充分体现二者的内在联系。

表1 城镇化与水生态环境系统指标体系Table 1 Index system of urbanization and water ecological environment system

为了考察城镇化与水生态环境的动态耦合协调关系，本文分别以2005-2020年长江中下游77个城市的面板数据为研究样本。其中，人均GDP、固定资产投资额、单位就业人员、二三产业从业人员比重等城镇化类指标具体数据来自于各城市相应年份的统计年鉴及《中国城市统计年鉴》；水生态环境类指标如水域湿地占比、非农业用地比例、居民生活用水量、工业废水排放等指标，具体数据来源于各市相应的统计年报、统计年鉴和各省水资源公报以及中科院土地利用遥感数据。另外，对于部分缺失数据的处理，采用趋势外推法或插值法处理，以保证数据的完整性和准确性。

2.2 数据标准化处理

由于城镇化和水生态环境各指标存在数量级、量纲和正负作用差异，故对原始数据进行标准化处理，计算公式如下：

正向指标：

负向指标：

式中：xij为标准化数据，Xij为原始数据，maxXij与 minXij分别为原始数据的最大值和最小值。

2.3 熵值TOPSIS模型

常用的评价赋权法有AHP、熵值法、德尔菲法及主成分分析法，其中主、客观分析方法中最常用的方法为熵值法，依据数据变异程度来确定客观权重，更为客观科学，确权结果见表1。TOPSIS也叫最优劣解法，可用于多目标问题的决策评价，能较大程度地利用统计数据，其结果可反映各评价方案之间的差距，结果越靠近1，表明评价对象水平越高；反之，则评价水平为差。在本文中，借助于熵值法对指标因子进行赋权，并且利用TOPSIS法确定排序，由于熵值法与TOPSIS法应用较多[24]，具体计算过程这里不再重复。

2.4 耦合协调相对发展度模型

本文通过耦合协调相对发展度模型计算城镇化与水生态环境的耦合协调度与相对发展度，评价二者耦合协调程度与相对发展快慢，具体公式如下[25]：

式中：C表示耦合度；u1i表示i市城镇化水平的综合得分；u2i表示i市水生态环境的综合得分；D为二者耦合协调度；T表示城镇化与水生态环境的综合评价值；x、y为权重，各取0.5；参考以往相关研究，本文以0.2、0.4、0.5、0.6和0.8为分界点，将耦合协调度D分为严重、中度、濒临失调，勉强、良好和优质耦合协调6种类型；E为城镇化水平与水生态环境水平的相对发展度，当0＜E≤0.8时，表示城镇化水平滞后，制约水生态环境的保护，当0.8＜E＜1.2时，表示二者同步发展，当E≥1.2时，表示水生态环境水平滞后，制约城镇化高质量发展。

2.5 空间自相关模型

莫兰指数（Moran′s I）常用于空间数据分析中的全局度量，它可以度量空间中临近单元的相关程度，但该指数只能体现全局或局部各城市是否相关及相关方向，并不能具体指出各城市处于什么相关类型，是否显著，故本文通过Lisa集聚图进行表征。计算公式如下：

式中：n为城市数；m为i城市邻近城市数；wij为其空间权重元素；xi、xj为耦合协调度在城市i和j上的值；x¯为耦合协调度均值；S2表示方差。

2.6 地理加权回归

GWR模型可将研究对象的空间位置信息引入到回归模型之中，充分考虑其空间异质性，并通过不同区域回归参数反映影响因素的区域差异程度。模型公式如下：

式中：yi为i城市的耦合协调度；β0为截距，(ui，vi)为i城市的坐标，β0为城市的常数项；βk(uk，vk)为i城市第k影响因子的系数，xik为城市i第k个影响因子；εi为随机误差项。

3 结果分析

3.1 城镇化与水生态环境水平分析

通过熵值TOPSIS法计算长江中下游城市群2005-2020年城镇化与水生态环境水平综合得分值，具体见表2。

表2 2005-2020年长江中下游城市城镇化与水生态环境综合指数Table 2 The comprehensive index of urbanization and water ecological environment in study area from 2005 to 2020

（1）城镇化水平分析

由表2可知，2005—2020年长江中下游城市群城镇化整体水平呈现上升趋势，由2005年的0.143提升到2020年的0.167。运用ArcGIS软件的自然断点法，将计算得到的2020年城镇化与水生态环境水平的综合指数划分为五个层次（图2）。

图2 2020年长江中下游城镇化与水生态环境综合指数空间分布Fig.2 The spatial distribution of comprehensive index of urbanization and water ecological

由图2可知，各城市城镇化水平差异较大，大多数城市城镇化水平处于偏低层次。只有上海、苏州和南京三个城市位于第一层次，城镇化得分分别为0.745、0.483、0.486。众所周知，上海、苏州、南京经济发达，发展资源丰富，基础设施条件优越，故其工业总产值、人均GDP以及就业人员等指标远超其他城市。第二层次主要为沿海城市以及各省份省会城市，如杭州、合肥、长沙、武汉等城市，城镇化指数分布在0.273～0.409之间。其中，第二层次的省会城市依托其省会地位，可获得省内较多资源倾斜，沿海城市则依据其地区交通便利，港口资源丰富等优势，其GDP、固定资产额、建成区面积等指标也处于良好态势。中等层次水平城市有芜湖（0.176）、绍兴（0.228）、黄山（0.205）等区域，这部分城市大多分布于第二层次城市周边，受到发达城市的经济溢出效应较多。而处于最低水平的主要为湖南、安徽、江西部分城市，如永州（0.035）、张家界（0.044）、抚州（0.062）等城市，这些城市居于中部地区，不具备沿海城市的优越地理条件，同时省内分配资源有限，发展程度较为迟缓，产值较低，因此处于最低水平层次。

（2）水生态环境水平分析

2005—2020年水生态环境整体水平呈下降趋势，由2005年的0.237下降至2020年的0.217（表2）。2020年各省份水生态环境水平差异明显，上海（0.607）、苏州（0.531）、武汉（0.471）等城市处于第一层次水平，南京、无锡、南昌、岳阳等城市稍次，水平值于0.290-0.402之间。可以发现，经济发达城市其水生态环境水平也较高，如第一层次城市的城镇化程度亦处于一二层次，属于经济强势城市；结合二三层次城市的空间分布，发现这些城市大多沿长江水系资源分布，如湘江、汉水、洞庭湖以及鄱阳湖水体资源，水系资源丰富，经济中等，因此其水域湿地占比、水利环境和公共设施管理人员等指标具有显著优势，水生态环境处于中高水平。而其余城市经济水平低下、水体自然资源一般，导致相应的水生态指标不理想，因此水生态环境水平较差，位于四五层次。

3.2 城镇化与水生态环境耦合协调的时空演变分析

（1）耦合协调相对发展度变化分析

为探究城镇化与水生态环境之间的耦合协调关系，此处通过各个城市的耦合协调度与相对发展度进行表征，具体分布见图3。从耦合协调度来看，绝大多数城市城镇化与水生态环境的耦合度处于濒临失调与中度失调阶段，良好与优质耦合协调阶段水平的城市只有个别城市，如上海、苏州、南京及武汉等，样本期末整体阶段变化趋势不大。2005-2010年，变化有长沙从濒临失调至勉强耦合协调，武汉从勉强耦合协调状态转换至良好耦合协调状态，而常州、绍兴、宁波从勉强耦合协调降至濒临失调阶段，其它城市基本不变；2010-2020年期间，协调状态改善城市有扬州、镇江，从濒临至勉强，状态降低的有无锡、长沙，从良好至勉强，还有4个城市由中度失调改善至濒临失调阶段。可以看出，各城市城镇化与水生态环境的耦合协调程度存在小幅度的提升，但总体水平阶段不变，高耦合协调与中度失调阶段变化很小，变化存在于中间阶段，缓和城市之间的差异程度。

图3 城镇化与水生态环境相对发展度与耦合协调度Fig 3 The relative development degree and coupling coordination degree of urbanization and water ecological environment

从相对发展度来看，各城市状态差异显著，变化波动较大；2005-2010年，先前处于城镇化滞后阶段的赣州、邵阳、衡阳、扬州及徐州等市转变成同步发展状态，说明其经济发展水平与水生态环境相协调，处于同步发展阶段的南京、杭州、长沙及湘潭等市则变为水生态环境滞后阶段，表明其城市发展已超过水生态环境水平。2010-2015年，城市经济发展愈加迅速，更多城市由城镇化水平滞后阶段至同步发展阶段、同步发展阶段至水生态环境滞后阶段，主要为浙江、江苏及安徽等省内城市，2015-2020年，其变化趋势与先前不同，更多的是与之前相反的趋势方向，武汉、宜昌、徐州、镇江及台州等城市均从水生态环境滞后阶段转换至同步发展阶段，黄石、九江、连云港及盐城等市从同步发展阶段至城镇化水平滞后阶段。由此可见，在2015-2020年内，随着经济建设快速发展的同时，我国提出生态文明的建设，在此背景下水生态环境水平得到重视与治理，因此才会呈现出如此趋势。

（2）耦合协调度的空间关联性分析

本文采用Moran's I 指数来刻画城镇化与水生态环境耦合协调度的空间关联特征，由图4可知，城镇化与水生态环境耦合协调度的局部Moran′s I 指数主体分布于第一、三象限，即“高—高”“低—低”集聚型，为空间正相关；少部分城市为二、四象限，为“低—高”“高—低”型，存在两极分化现象。同时，研究期末整体空间格局较为稳定，类型变化的城市较少，约占研究区的9.091%，并通过LISA集聚图将各个时间点局部空间自相关的空间分布状况表现出来，具体见图5。

图4 耦合协调度的局部Moran′s I指数散点分布Fig.4 Local Moran's I index scatter distribution of coupling coordination degree

图5 耦合协调度局部空间自相关LISA集聚分布Fig.5 LISA aggregation distribution of local spatial autocorrelation of coupling coordination degree

“高—高（H-H）”型，表明该城市与周边城市的耦合协调度均处于高水平，正向相互促进作用。2005年，该类型区域主要呈现单核集聚的空间格局，分布于上海、江苏东南部城市及浙江东北城市区域，集聚于一处，2010年，绍兴由“高—高”类型转变成不显著地区，2015年无变化，直至2020年“高—高”类型减少了三个城市，分别是湖州、无锡、常州。总体可以看出，2005-2020年“高—高”类型一直为单核集聚格局，分布较为稳定，但显现出逐渐减少的趋势，空间溢出效应减弱，应加强促进发挥该类型区域的辐射作用，实现其与周围区域的互促互进。

“高—低（H-L）”型，即本区域耦合协调度较高，相邻区域耦合协调度较低，空间相关性为负。样本期末，该类型区域极少，只有2015年存在一处即长沙，至2020年又转变为不显著类型。

“低—高（L-H）”型，表明该城市耦合协调度处于较低水平，而附近城市耦合协调度水平较高。2005年只有安徽宣城位于该类型区域，2020年湖州由“高—高”类型转换为该类型，这类城市由于附近城市水平较高，易造成劳动力、资本等资源大量流失，导致本地发展困难，形成“低—高”类型。

“低—低（L-L）”型，该城市与周边城市水平均处于较低水平，正向相关，其主要呈现“双核集聚”格局，分布于湖南省南部城市与江西省南部城市，共包含8个城市，呈现“带状”分布，还有阜阳、蚌埠市呈点状分布，2005-2020年该类型城市数量稳定，变化不大。该类型区域属于研究区中部，受自然资源及经济水平等条件的阻碍，城镇化规模、效益等方面均不理想，从而制约着二者协调水平的提升。从局部空间格局演变中可以发现，长江中下游城市耦合协调度集聚类型较稳定，变化趋势不大，且空间溢出效应较弱，未能充分发挥其影响作用。

4 耦合协调度区域差异影响因素分析

为深入探讨其影响因素，考虑收集数据的实际情况，本文从影响耦合协调度水平的城镇化结构、规模、效益及水生态环境等方面选取8个指标，对影响城市之间耦合协调水平显著差异的主导因素进行探究。首先通过计算 2020年长江中下游77个市级单位城镇化与水生态环境耦合协调度的单变量 Moran’I指数，判断其空间自相关性。计算结果Moran’I为0.242，具有显著性（p＜0.05），说明二者耦合协调度空间正相关。然后对解释变量进行OLS、空间自相关等变量检验，排除引起共线性（VIF＞7.5）及空间不相关的变量。最终建成区面积、固定资产额、人均绿地面积、水域湿地占比及工业总产值等5个指标满足分析条件，将其进行地理加权回归分析，探究各影响因素不同区域作用效应的差异分布特征。模型参数R2为0.916，表明该模型效果良好，并对残差进行空间相关性检验，Moran’I为-0.069，p=0.414，表明此模型残差空间相关性不显著，为随机分布，进一步验证了该模型效果良好。

由图6可知，5个解释变量回归系数的空间差异显著，呈现不同空间特征。人均绿地面积系数空间差异最大（回归系数为0.112～0.217），最强影响作用主要集中在湖南省各地级市，影响强度从西南部湖南地区到东北部上海、江苏地区逐渐减弱，区域分布特征差异明显，在空间上与此回归系数呈相反趋势的有水域湿地占比系数，其影响强度从上海地区至湖南江西地区逐步减小，可见两者因子的基本作用效果相反；固定资产投资额与工业总产值回归系数的空间趋势相似，均是从西北地区即湖北省内城市往东南地区浙江、江西地区方向影响强度逐渐衰减，固定资产投资额回归系数处于各水平城市较为均衡，而工业总产值处于中低水平较多，有56个城市处于中低水平影响作用，差异地区主要为江西省部分城市；建成区面积回归系数空间分布则与工业总产值回归系数空间分布大体相反，高水平系数分布于浙江、江西省份，并逐步向西北面下降。通过上述分析可知，各因子回归系数的空间特征差异较大，总体作用强度不一，集聚效应明显。

图6 影响因子回归系数空间分异Fig.6 Spatial differentiation map of regression coefficients of impact factors

5 结论与建议

5.1 结论

基于长江中下游77个城市2005—2020年的数据资料，通过熵值TOPSIS法计算城镇化与水生态环境综合指数后，运用一系列模型方法对城镇化与水生态环境耦合协调的时空演变及驱动因素进行研究，主要有以下发现和结论：

（1）2005-2020年长江中下游城市城镇化和水生态环境水平呈上下波动变化态势，城镇化由2005年的0.143上升至2020年的0.167，水生态环境由0.237降至0.217，且二者空间格局主要特征较为相似，整体水平较低，以中等、较低水平城市为主体，城市间水平差异较大，存在极化现象，如上海、苏州等城市二者水平均较高，江西、安徽、湖南等地区中部经济欠发达城市则二者水平较低。

（2）从耦合协调度的时空演变来看，样本期末研究区域耦合协调度呈逐步上升的趋势，主体水平正由中度失调、濒临失调逐渐迈入勉强耦合协调阶段，主体区域分布于湖南、江西等地区，整体上呈带状集聚分布特征，但城市之间协调度差异有逐渐缩小，水平均衡化发展的趋势；从空间关联性来看，耦合协调度空间相关性显著，研究期末较少城市发生类型跃迁，空间格局较为稳定，同时高、低水平分布集聚于研究区东北、西南部。

（3）长江中下游各城市耦合协调度差异明显，不同因素的作用效应空间分异特征各不相同。其中，人均绿地面积系数空间差异最大，作用强度从西南部地区到东北部地区逐渐减弱，而各因素系数值以水域湿地占比指标最大，整体影响作用最强，效应最强处为东部沿海城市，可见不同城市耦合协调水平提升的关键要素各不相同。

5.2 建议

随着我国经济发展进入新阶段后，城镇化与水生态环境协调发展的研究更加意义深远，符合我国倡导的绿色高质量发展理念。城镇化高质量发展是我国城市建设转型、提升发展内涵的新模式，是协调发展理论的具体实践，因此，对城镇化与水生态环境的耦合协调发展进行研究，意义重大。本文通过GWR模型评估各个影响因素的作用差异程度，为不同区域城市制定针对性策略提供可靠依据。根据上文对长江中下游城市群耦合协调时空演变特征及驱动因素研究，可知其耦合协调水平虽呈现小幅提升趋势，但各城市差异较大，主体处于较低水平，且各指标影响作用的空间分异特征各不相同。研究区内城市可分为上海、江苏等耦合协调水平较高区域与中部地区耦合协调水平低下的区域，不同区域未来发展方向不一，为了使研究区总体耦合协调水平得到进一步提升优化，故提出以下政策建议：

对于上海、江苏以及浙江部分地区耦合协调水平较高的区域，应结合其关键影响因素综合考虑，在持续发挥其高新技术和经济优势前提下，积极促进城镇化与生态环境协调发展水平，如适当提高城市水域与湿地面积占比，同时，充分发挥各方面人才、经济资源及先进技术经验等要素的流动带动周边城市的建设发展，提升其耦合协调水平。中部地区耦合协调水平低下的区域，与上述经济发达地区相比，经济发展建设条件技术远远落后，耦合协调水平受工业总产值、固定资产指标等社会经济要素影响较大。为此，这部分城市应注重其社会经济的建设发展，对外应利用其资源及交通枢纽优势，依托长江流域城市群之间的密切联系提高城市经济开放水平，开展跨区域的合作。对内应充分发挥其自身发展特点，从自身优势出发打造重点发展产业、中心建设区域，促进城市社会经济建设，如各省应根据自身条件现状重点打造核心城市，形成多核发展格局，充分发挥局部中心城市的协同发展作用，加快城镇化滞后地区的基础设施、交通运输和人才培养等方面发展，大力提升城市城镇化质量水平，并在推进城市经济发展的同时，注重水生态环境的保持与修复，从而促进社会经济与生态资源的协同发展，逐渐缩小各地区城市之间差距，实现城市群整体的全面优化提升。