-
近年来,长江经济带地区城市化发展迅速,2017年城市化率已达到58.52%,是中国综合实力、战略支撑最强的区域之一,但快速城市化的同时仍然面临着资源破坏、水体污染严重、生产方式单一等问题。2016年5月国务院印发的《长江经济带发展规划纲要》中强调“保护生态环境,推进新型城市化”等,均体现出加强生态环境保护在长江经济带发展中的重要地位。为了寻找新的经济增长动力,提高全要素生产率、保护生态环境和减少资源浪费成为必然,这也是长江经济带和谐健康发展的重要举措。因此,对于长江经济带沿线城市的城市化质量综合发展水平差异和时空演化特征、制约其发展的因素、城市群间是否存在差异等都需要进一步展开必要的探讨,这对长江经济带整个地区的经济、社会以及生态的可持续发展都有着重大意义。
-
城市化进程是指人口城市化、社会城市化、经济城市化以及空间城市化等逐渐演化的过程,主要表现在乡村人口逐渐向城市人口推进、城市经济扩张、自然资源和空间结构不断扩张等方面。一般来讲,城市化发展的基础是经济增长,城市化表现的主要特征是人口城市化和空间城市化,最终目标是提高居民生活质量综合水平[22]。同样,生态环境也是一个多维概念。为此,本文将依据科学性、全面性和数据可获得性原则,结合长江经济带沿线城市实际情况,从人口、经济、社会和空间四个维度构建城市化发展指数,从生态环境状态、压力、响应三个维度构建生态环境发展指数[23-25],如表1所示。
表 1城市化综合发展评价指标体系
目标层 功能层 准则层 指标层 城市化综合发展水平 城市化水平 人口城市化 城镇人口所占总人口比重/% 城市人口密度/(平方千米/人) 第二、三产业从业人员的比重/% 经济城市化 人均GRP/元 第二产业占GDP比重/% 第三产业占GDP比重/% 人均使用外资金额数/(美元/人) 专利授权数量/件 人均工业产值/(元/人) 社会城市化 城镇失业率/% 每百人图书馆藏书数量/(册/百人) 每万人拥有公共汽车车数量/(辆/万人) 燃气、自来水普及率/% 每万人拥有医生、床位数量/(个/万人) 每万人在校大学生人数量/(人/万人) 空间城市化 人均城市道路面积多少/(平方米/人) 城市建成区面积占市区面积/% 生态环境水平 生态环境状态 人均公园绿地面积/(平方米/人) 建成区绿化覆盖率/% 生态环境压力 人均工业废水、生活用水排放量/(吨/人) 人均工业CO2、SO2排放量/(克/人) 人均工业烟尘排放量/吨 生态环境响应 污水集中处理能力/万立方米 一般工业固体废弃物综合利用率/% 生活垃圾无害化处理率/% 本文以2008—2017年长江经济带沿线108个地级城市为研究对象,分别是上游、中游、下游三大经济带区域,主要包括:泛成渝城市群云、贵、渝和川等省市的31个城市,中三角城市群鄂、湘、赣和皖等省市的52个城市,长三角城市群的沪、苏、浙省市的25个城市;数据主要来源于《中国城市统计年鉴》《中国环境统计年鉴》以及年鉴相关统计公报或统计资料。
-
采用优劣解距离法(Technique for Order Preference by Similarity to an Ideal Solution ,TOPSIS,又称为“逼近理想解排序法”)以消除指标确权过程中主观因素的影响。TOPSIS法由Wang和Yoon[26]在1981年提出,它通过规范化后的数据矩阵,找出目标决策中理想解和反理想解,然后计算出各评价目标与“理想解”和“反理想解”的尺度距离;获得贴进度值,再根据理想的贴进度值进行排序,以此来判别评价目标优差的标准[27]。贴进度取值范围为[0,1],值越接近1,说明评价目标越优,相反,值越接近0,则评价目标越接近最劣水平。同时选择熵权法来计算权重。基于熵权法的TOPSIS模型基本计算操作步骤如下[28]。
1)数据标准化
正向指标为
$$ {{\textit{z}}'_{ij}} = \frac{{{{\textit{z}}_{ij}} -{\rm{ min}} {{\textit{z}}_j}}}{{{\rm{max}} {{\textit{z}}_j} - {\rm{min}} {{\textit{z}}_j}}}\;\;\;\;\;\; {1 \leqslant {i} \leqslant {m}\;\;\;\;\;\;1 \leqslant {j} \leqslant {n}} $$ (1) 逆向指标为
$${{\textit{z}}'_{ij}} = \frac{{{\rm{max}} {{\textit{z}}_j} - {{\textit{z}}_{ij}}}}{{{\rm{max}} {{\textit{z}}_j} - {\rm{min}} {{\textit{z}}_j}}}\;\;\;\;\;\;\ {1 \leqslant {i} \leqslant {m}\;\;\;\;\;\;1 \leqslant {j} \leqslant {n}} $$ (2) 其中,
${{\textit{z}}'_{ij}}$ 是经过规范化的值,所有的指标数值处于[0,1]内;${{\textit{z}}_{ij}}$ 为第$i$ 年第$j$ 项原始值$ (i=1,2,\cdots ,m, $ $ j=1,2,\cdots ,n)$ ;${\rm{min}}{{\textit{z}}_j}$ 、${\rm{max}}{{\textit{z}}_j}$ 分别表示第$j$ 项原始值的最小值和最大值。2)熵权矩阵计算
根据熵的定义,来确定评价指标的熵
${E_{ij}}$ $$ {E_{ij}} = - \frac{1}{{\ln m}}\left( {\sum\limits_{i = 1}^m {{f_{ij}}\ln {f_{ij}}} } \right)\;\;\;\;\;\;\;\; {f}_{ij}={{\textit{z}}}_{ij}^{'}{\sum\limits_{i=1}^{m}{{\textit{z}}}_{ij}^{'}} $$ (3) 计算评价指标的熵权系数
${\omega _j}$ $${\omega _j} = \left( {1 - {E_j}} \right)\Biggr/\left( {n - \sum\limits_{j = 1}^m {{E_j}} } \right)$$ (4) 由熵权系数和规范化矩阵,建立权重规范化值
${v_{ij}}$ 的权重规范化矩阵$$ {{\boldsymbol{v}}}_{ij}=\left[\begin{array}{ccc}{v}_{11}& \cdots & {v}_{1j}\\ \vdots & \ddots & \vdots \\ {v}_{i1}& \cdots & {v}_{ij}\end{array}\right]={\omega }_{j}\times {\rm{{\textit{z}}}}_{ij}^{'}\;\;\;\;\;\;i = 1,2, \cdots ,m\;\;\;\;\;\;j = 1,2, \cdots ,n $$ (5) 3)计算理想解和反理想解
由权重规范化值
${v_{ij}}$ 确定理想解${A^ + }$ 和反理想解${A^{ - }}$ $${A^ + } = \left\{ {\mathop {{\rm{max}}}\limits_{1 \leqslant i \leqslant m} \;\;{{{v}}_{{ij}}}{\rm{| }}j = 1,2, \cdots ,n} \right\} = \left\{ {v_1^ + ,v_2^ + \cdots ,v_n^ + } \right\}$$ (6) $${A^{ - }} = \left\{ {\mathop {{\rm{m}}{\rm{in}}}\limits_{1 \leqslant i \leqslant m} \;{v_{ij}}| j = 1,2 \cdots ,n} \right\} = \left\{ {v_1^ - ,v_2^ - \cdots ,v_n^ - } \right\}$$ (7) 4)计算距离尺度
计算各个目标到理想解和反理想解的距离,目标到理想解
${A^ + }$ 的距离为${S^ + }$ ,到反理想解${A^{ - }}$ 的距离为${S^{ - }}$ $$ {S^ + } = \sqrt {\sum\limits_{j = 1}^n {{{\left( {{v_{ij}} - v_j^ + } \right)}^2}} } \;\;\;\;\;\;i=1,2,\cdots ,m $$ (8) $$ {S^{ - }} = \sqrt {\sum\limits_{j = 1}^n {{{\left( {{v_{ij}} - v_j^{ - }} \right)}^2}} }\;\;\;\;\;\;i=1,2,\cdots ,m $$ (9) 其中,
${V^ + }$ 与${V^{ - }}$ 分别表示第$j$ 个目标到理想解和反理想解的距离;${v_{ij}}$ 表示第$i$ 个目标第$j$ 个指标权重规范化值;${S^ + }$ 表示评价目标与最优目标接近度,${S^ + }$ 值越小,则越优。5)确定理想的贴近度
$ {C}_{i} $ $$ {C_i} = S_i^ - /\left( {S_i^ + + S_{\rm{i}}^{ - }} \right)\;\;\;\;\;\;i = 1,2, \cdots ,m $$ (10) 其中,
${0} \leqslant {C_i} \leqslant {1}$ 。当${C_i} = {0}$ 时,${A_i} = {A^{ - }}_{}$ ,表示该目标为最劣目标;当${C_i} = {1}$ 时,${A_i} = {A^ + }$ ,该目标为最优目标;根据相关研究成果[29-30],将理想解的贴近度${C_i}$ 划分为四类,即:${{0\sim 0}}{{.4}}$ 为较差,${0}{{.4\sim 0}}{{.6}}$ 为一般,${0}{{.6\sim 0}}{{.8}}$ 为良好,${0}{{.8\sim 1}}$ 为优秀。${C_i}$ 值越大,该目标越优,则为最优评标目标。 -
本文主要采用基尼系数和锡尔系数对长江经济带城市群之间以及城市群内部城市化质量水平差异性进行分析。二者都是来反映城市化质量发展差异的情况。采用两种系数,是为了检验指数的计算是否正确,以保证城市化质量差异测度的准确性;锡尔系数不仅能反映差异变化大小趋势,还可以对其表达式进行分解,来反映城市群和城市群之间的差异以及城市群内部差异对总差异影响大小。基尼系数越大,空间分布就越不均匀,它能从整体上分析区域间时空差异特征,更能反映出研究范围组内和组间的差异分布。具体计算公式为
$$G = \sum\limits_{i = 1}^n {\sum\limits_{i = j}^n {\left| {{x_i} - {x_j}} \right|} } /2{n^2}\,\overline \mu $$ (11) $$I = \sum\limits_i^k {\sum\limits_j^k {\left\{ {\left( {{x_{ij}}/\mu } \right)\log \left[ {\left( {{x_{ij}}/\mu } \right)/{P_{{ij}}}/P} \right]} \right\}} } $$ (12) 其中,G和I分别代表城市质量发展水平的基尼系数与锡尔系数(指数);
${x_i}$ 、${x_j}$ 分别表示$i$ 、$j$ 个城市的城市化质量发展水平;$\overline \mu $ 代表平均城市化质量发展水平;$n$ 表示城市数量;基尼系数的值介于${{0\sim 1}}$ 之间,数值越小,差异越小,反之则差异越大。基尼系数在${0}{{.2}}$ 以下为“高度平均”,${0}{{.2\sim 0}}{{.3}}$ 为“相对平均”,${0}{{.3\sim 0}}{{.4}}$ 为“比较合理”,${0}{{.4\sim 0}}{{.5}}$ 为“差异较大”,${0}{{.5}}$ 以上为“差异严重”。 -
$$I = \sum\limits_{i = 1}^n {\left\{ {\left( {\frac{{{x_i}}}{\mu }} \right)×\log \left[ {\left( {\frac{{{x_i}}}{\mu }} \right)/\left( {{P_{i}}/P} \right)} \right]} \right\}} + \sum\limits_{i = 0}^n {{x_{ij}}/\mu \left\{ {\sum\limits_j^k {\left( {{x_{ij}}/{x_i}} \right)×\log \left[ {\left( {{x_{ij}}/{x_i}} \right)/{P_{{ij}}}/P} \right]} } \right\}} $$ (13) 其中,
$\mu $ 为每个时期城市化质量发展水平的总和;${x_i}$ 、${x_{ij}}$ 为第$i$ 城市群、第$i$ 城市群$j$ 个城市的城市化质量发展水平;$P$ 为当期规模人口总数;${P_i}$ 为$i$ 城市群人口总数;${P_{{ij}}}$ 为$i$ 城市群中第$j$ 个城市人口。$I$ 为锡尔总指数,数值越接近0,表明差异化程度越小,数值越大,表明差异化程度越大。通过计算以上两个系数,揭示长江经济带三大城市群城市化质量发展差异以及变动的趋势,分析城市群内及城市群间对总体差异的影响态势。 -
表2为城市化综合发展水平评估值,由表2可以看出,2008—2017年长江经济带沿线各个城市城市化质量水平估值得分总体上不高,其中排前三名的是上海、南京和重庆,均值得分分别为0.431、0.384和0.370;排名后三名的是衡阳、宿州和赣州,均值得分为0.049、0.051和0.052;从标准差可以看出,2008—2017年,部分城市在总体上变化不大,还有部分城市总体上呈现出很大的差异特征。虽然部分城市总体上比较稳定,如上海、徐州、苏州、镇江和宁波等,但也有部分城市呈现出一定差异性,如连云港由2008年的0.063上升到2017年的0.273,排名由第78名上升到第11名;杭州由2008年的0.149上升到2017年的0.432,排名由第20名上升到第2名;表明综合质量上升;再如台州由2008年的0.092下降到2017年的0.098,排名由第37名下降到第64名;临沧由2008年的0.186下降到2017年的0.111,排名由第17名下降到第51名,表明城市化质量明显下降。
表 2城市化综合质量发展水平评估值
城市 2008年 排序 2017年 排序 城市 2008年 排序 2017年 排序 城市 2008年 排序 2017年 排序 城市 2008年 排序 2017年 排序 上海 0.453 1 0.408 5 蚌埠 0.103 32 0.138 38 十堰 0.178 18 0.099 62 泸州 0.061 81 0.099 62 南京 0.281 6 0.486 1 淮南 0.081 53 0.127 43 宜昌 0.079 54 0.193 19 德阳 0.082 51 0.078 77 无锡 0.135 22 0.221 16 马鞍山 0.078 55 0.120 45 襄阳 0.074 58 0.146 30 绵阳 0.088 42 0.072 88 徐州 0.126 23 0.187 20 淮北 0.083 50 0.068 92 鄂州 0.109 29 0.215 17 广元 0.139 21 0.417 4 常州 0.209 15 0.178 21 铜陵 0.317 5 0.319 8 荆门 0.093 36 0.109 52 遂宁 0.226 10 0.149 29 苏州 0.214 13 0.347 6 安庆 0.091 38 0.080 75 孝感 0.067 72 0.059 98 内江 0.082 51 0.108 53 南通 0.107 30 0.230 15 黄山 0.071 64 0.426 3 荆州 0.071 64 0.083 72 乐山 0.065 76 0.083 72 连云港 0.063 78 0.273 11 滁州 0.056 92 0.080 75 黄冈 0.054 96 0.059 98 南充 0.067 72 0.069 90 淮安 0.071 64 0.102 59 阜阳 0.058 89 0.073 85 咸宁 0.049 101 0.100 61 眉山 0.062 80 0.066 95 盐城 0.072 60 0.123 44 宿州 0.045 105 0.056 103 随州 0.101 33 0.169 23 宜宾 0.087 45 0.112 50 扬州 0.078 55 0.118 47 六安 0.055 94 0.053 106 长沙 0.061 81 0.116 49 广安 0.061 81 0.102 59 镇江 0.097 34 0.141 36 亳州 0.048 103 0.075 83 株洲 0.218 12 0.069 90 达州 0.048 103 0.088 68 泰州 0.075 57 0.130 41 池州 0.042 106 0.073 85 湘潭 0.086 47 0.108 53 雅安 0.059 84 0.058 101 宿迁 0.055 94 0.085 70 宣城 0.051 98 0.078 77 衡阳 0.068 71 0.083 72 巴中 0.058 89 0.074 84 杭州 0.149 20 0.432 2 南昌 0.089 40 0.072 88 邵阳 0.038 108 0.059 98 资阳 0.069 70 0.065 96 宁波 0.278 7 0.273 11 景德镇 0.071 64 0.086 69 岳阳 0.067 72 0.092 67 贵阳 0.123 25 0.142 34 温州 0.088 42 0.108 53 萍乡 0.072 60 0.067 93 常德 0.073 59 0.142 34 六盘水 0.066 75 0.145 31 嘉兴 0.097 34 0.157 27 九江 0.114 27 0.078 77 张家界 0.091 38 0.289 10 遵义 0.065 76 0.136 39 湖州 0.086 47 0.118 47 新余 0.171 19 0.128 42 益阳 0.059 84 0.084 71 安顺 0.063 78 0.078 77 绍兴 0.123 25 0.195 18 鹰潭 0.430 2 0.252 13 郴州 0.071 64 0.108 53 昆明 0.249 8 0.151 28 金华 0.089 40 0.108 53 赣州 0.051 98 0.053 106 永州 0.052 97 0.054 105 曲靖 0.226 10 0.159 25 衢州 0.124 24 0.248 14 吉安 0.059 84 0.056 103 怀化 0.059 84 0.057 102 玉溪 0.088 42 0.132 40 舟山 0.056 92 0.309 9 宜春 0.072 60 0.078 77 娄底 0.084 49 0.093 66 保山 0.041 107 0.073 85 台州 0.092 37 0.098 64 抚州 0.058 89 0.052 108 重庆 0.394 3 0.345 7 邵通 0.197 16 0.119 46 丽水 0.051 98 0.076 82 上饶 0.072 60 0.063 97 成都 0.104 31 0.108 53 丽江 0.388 4 0.141 36 合肥 0.087 45 0.159 25 武汉 0.241 9 0.145 31 自贡 0.059 84 0.067 93 普洱 0.049 101 0.176 22 芜湖 0.070 69 0.143 33 黄石 0.213 14 0.164 24 攀枝花 0.110 28 0.095 65 临沧 0.186 17 0.111 51 -
由表2可知,2008—2017年长江经济带各城市城市化综合发展水平均值总体上都不高,其中以上海、南京、无锡、徐州等25个长三角地区的城市化综合发展水平均值得分最高,得分为0.168;重庆、成都、自贡和攀枝花等31个泛成渝地区城市次之,得分均值为0.121;合肥、芜湖、蚌埠和淮南等52个中三角城市第三,得分均值为0.105。由此表明“长江经济带下游长三角地区城市城市化质量>上游的泛成渝地区城市化质量>中三角地区城市城市化质量”的空间特征①。
图1为2008—2017年长江经济带地以各个分地区城市化质量发展水平比较,由图1可以看出,整个长江经济带地区、长三角地区、长江中三角地区和长江泛成渝地区的城市化质量平均水平均呈现出上升的态势。长江经济带城市化质量发展的态势为:由2008年的0.110上升到2017年的0.143,在原来的基础上增长了30%;长江三角地区增长幅度最大,由2008年的0.127上升到2017年的0.210,增长了65.35%;而中三角地区增长幅度最为平缓,由2008年的0.091上升到2017年的0.113,增长了24.17%;三大城市群的整体城市化质量发展水平呈现出由长江经济带东西两岸向中心递减的趋势,即“长三角地区>泛成渝地区>中三角地区”的空间格局。
-
根据评估值,从长江经济带整体、长江经济带三大城市群间以及三大城市群内部三个层次,对城市化发展水平的差异进行分析。
-
1)总体差异测算
目前测算地区总体差异的方法有很多,如差异系数法、锡尔系数和基尼系数法等,本文采用锡尔系数[31]和基尼系数[32]两种方法,以检验指数计算的准确率,保证城市化质量差异测算的准确性;利用式(11)和式(12)测算了长江经济带城市化质量。测算结果如图2所示。
从图2可以看出,锡而指数由2008年的0.971下降到2017年的0.838,相对于2008年减少了13.70%;虽然在2013年出现了很大的波动,出现了上升的阶段,但总体态势呈现下降趋势。而基尼指数由2008年的0.351下降到2017年的0.332,整体基尼系数保持在0.340左右,相对于2008年下降了5.41%。锡尔指数和基尼指数下降的态势,表明长江经济带城市化综合质量发展水平差异有所缩小。这主要是因为在“十一五”和“十二五”期间国家提出的对于长江经济带要依托长江三角城市群、长江中游城市群和泛成渝城市群,促进中部崛起和西部开发的政策,以及近年来党中央积极号召建设生态文明,修复长江生态困境,全面建设区域间协调发展机制等,从而转变了长江经济带下游、中游、上游间差距拉大的趋势,使城市化质量发展水平差异也在整体上缩小。
2)总体差异分解
利用锡尔指数将总体差异划分为组间差异与组内差异的特征[式(13)],对总体差异进行分解,来显示城市群间差异和城市内部差异对其总差异的影响,如图3所示。
结合图2和图3分析2008—2010年长江经济带城市群间以及城市群内城市化质量发展水平的差异性;城市群间由2008年的0.610下降到2017年的0.352,缩小了42.30%;在城市群内由2008年的0.401上升到2017年的0.460,增长了14.71%;这同时反映了长江经济带地区总体差异在减小,空间单元越小,城市化质量差异性发展格局明显的现象。
以上也可以看出城市群间和城市群内对总差异的影响。2008—2014年,城市群间由2008年的0.610减少至2014年的0.482,贡献率也由2008年的59.96%减少至2014年的52.27%,虽然期间出现了很大的增幅,使总差异在2014年的基础上减小9.4%,但对总体差异影响是很小的。2015—2017年城市群内贡献率超过了城市群间的贡献率,这反映出城市群内部之间差异性逐渐扩大,总差异减小的趋势发生改变,在此期间城市内部差异扩大9.52%,城市内贡献率增长5.25%。
-
根据式(13)推算出三大城市群间的差异性,分析长江经济带城市群之间城市化发展水平变化特征,如图4所示。
由图4可以看出,曲线总体数值最大的为长三角与中三角,同时说明两城市群之间差异最大,曲线排第二的为长三角和泛成渝地区,说明两城市群间差异较小,最后看出中三角和泛成渝曲线最小,这也说明两者差异不明显。产生以上结果的可能性因素是国家政策对该区域经济的扶持和资助,如西部大开发政策,对西部地区资金大量的投入、项目的优先安排、加强财政支付转移等政策。政策资金的投入使当地的资源合理充分利用,城市化发展实现飞跃式前进;而处于中三角的湘、鄂等地区虽然有政策支持,但在发展过程中存在着依赖性,所以导致了城市化发展过程中的缓慢。
从图4曲线可知,2008—2017年长江经济带三大城市群间城市化质量差异发展水平逐渐减小。进一步表明在此期间城市间差异减小,从而总差异减小。十年间城市群之间城市化质量差异性由高到低转变,长江经济带的长三角与中三角、中三角和泛成渝以及长三角与泛成渝之间的差异分别减小了29.94%、16.32%和30.13%。这主要得益于国家政策:中部地区崛起以及西部地区大开发战略的推进,使长江经济带三大城市群的差异性逐步改善;在2013年后曲线迅速减小,表明长三角与中三角差距逐步减少,这是因为以武汉为首的城市圈,积极响应政府的政策建立了“环境友好、资源节约”型社会,强调绿色发展、科学发展的政策使泛成渝地区与长三角地区的差距也在减小。
-
城市群内部比较,由式(13)计算得出图5,百分数表示此城市群内部差异值在三大城市群内部所占差异之和的比重。
从图5中可以看出,2008—2017年长江经济带中的长三角城市群由2008年的0.031上升到2017年的0.110,均值为0.062;中三角城市群由2008年的0.148上升到2017年的0.233,均值为0.191;泛成渝城市群由2008年的0.220下降到2017年的0.152,均值为0.153。从均值可以看出中三角城市群差异最大,泛成渝次之,长三角差异最小。因此说明,中三角城市群对其内部差异贡献最多;从差异变化看,长三角变化增加了254.84%、中三角增加了57.43%、泛成渝增加了−30.91%。也同时反映了长三角地区城市群差异急速扩大,中三角地区城市群差异逐渐扩大,泛成渝地区城市群差异减小。
The Spatial and Temporal Differences of Urbanization Development Level in the Yangtze River Economic Zone
——Based on Empirical Analysis of 108 Cities
-
摘要:采用基于熵权法的TOPSIS模型对长江经济带沿线108个城市2008—2017年的城市化与生态环境发展水平进行评估,运用基尼系数和锡尔指数对长江经济带三大城市群之间和城市群内部城市化发展的水平及其构成进行分析。结果显示:从时间上看,长江经济带近年来城市化质量总体发展水平不高,且发展差异逐渐减小;从空间上看,三大城市群的整体城市化质量发展水平呈现出由长江经济带东西两岸向中心递减的趋势,即“长三角地区>泛成渝地区>中三角地区”的空间格局;总体差异的减小有利于三大城市群之间的差异减小;城市群内部差异的扩大,会导致总差异减小的趋势变缓;长三角、中三角及泛成渝三大城市群间综合发展水平呈现出一定差异性。Abstract:The paper uses the entropy method – TOPSIS model to evaluate the urbanization and ecological environment development levels of 108 cities along the Yangtze River Economic Belt from 2008 to 2017, and uses the Gini coefficient and the Theil Index to evaluate the level and composition of urbanization development among and within cities in the three major urban agglomerations along the Yangtze River Economic Belt. The results show that, from the temporal perspective, the overall development level of urbanization quality in the Yangtze River Economic Belt has not been high in recent years, and the development differences have gradually decreased; from the spatial perspective, the overall urbanization quality development level of the three major urban agglomerations has shown a change from the economic belt. The trend of decreasing from east to west to the center is the spatial pattern of “Yangtze River Delta Region> Pan-Chongqing Region>Middle Delta Region”; the reduction of the overall difference is conducive to the reduction of the difference between the three major urban agglomerations, and the difference within the urban agglomeration expansion will slow down the trend of total difference reduction; the comprehensive development of the three major urban agglomerations in the Yangtze River Delta, the Middle Delta, and the Pan-Chongqing City will show certain differences.注释:1) 限于篇幅,仅列出排名、年份数据。
-
表 1城市化综合发展评价指标体系
目标层 功能层 准则层 指标层 城市化综合发展水平 城市化水平 人口城市化 城镇人口所占总人口比重/% 城市人口密度/(平方千米/人) 第二、三产业从业人员的比重/% 经济城市化 人均GRP/元 第二产业占GDP比重/% 第三产业占GDP比重/% 人均使用外资金额数/(美元/人) 专利授权数量/件 人均工业产值/(元/人) 社会城市化 城镇失业率/% 每百人图书馆藏书数量/(册/百人) 每万人拥有公共汽车车数量/(辆/万人) 燃气、自来水普及率/% 每万人拥有医生、床位数量/(个/万人) 每万人在校大学生人数量/(人/万人) 空间城市化 人均城市道路面积多少/(平方米/人) 城市建成区面积占市区面积/% 生态环境水平 生态环境状态 人均公园绿地面积/(平方米/人) 建成区绿化覆盖率/% 生态环境压力 人均工业废水、生活用水排放量/(吨/人) 人均工业CO2、SO2排放量/(克/人) 人均工业烟尘排放量/吨 生态环境响应 污水集中处理能力/万立方米 一般工业固体废弃物综合利用率/% 生活垃圾无害化处理率/% 表 2城市化综合质量发展水平评估值
城市 2008年 排序 2017年 排序 城市 2008年 排序 2017年 排序 城市 2008年 排序 2017年 排序 城市 2008年 排序 2017年 排序 上海 0.453 1 0.408 5 蚌埠 0.103 32 0.138 38 十堰 0.178 18 0.099 62 泸州 0.061 81 0.099 62 南京 0.281 6 0.486 1 淮南 0.081 53 0.127 43 宜昌 0.079 54 0.193 19 德阳 0.082 51 0.078 77 无锡 0.135 22 0.221 16 马鞍山 0.078 55 0.120 45 襄阳 0.074 58 0.146 30 绵阳 0.088 42 0.072 88 徐州 0.126 23 0.187 20 淮北 0.083 50 0.068 92 鄂州 0.109 29 0.215 17 广元 0.139 21 0.417 4 常州 0.209 15 0.178 21 铜陵 0.317 5 0.319 8 荆门 0.093 36 0.109 52 遂宁 0.226 10 0.149 29 苏州 0.214 13 0.347 6 安庆 0.091 38 0.080 75 孝感 0.067 72 0.059 98 内江 0.082 51 0.108 53 南通 0.107 30 0.230 15 黄山 0.071 64 0.426 3 荆州 0.071 64 0.083 72 乐山 0.065 76 0.083 72 连云港 0.063 78 0.273 11 滁州 0.056 92 0.080 75 黄冈 0.054 96 0.059 98 南充 0.067 72 0.069 90 淮安 0.071 64 0.102 59 阜阳 0.058 89 0.073 85 咸宁 0.049 101 0.100 61 眉山 0.062 80 0.066 95 盐城 0.072 60 0.123 44 宿州 0.045 105 0.056 103 随州 0.101 33 0.169 23 宜宾 0.087 45 0.112 50 扬州 0.078 55 0.118 47 六安 0.055 94 0.053 106 长沙 0.061 81 0.116 49 广安 0.061 81 0.102 59 镇江 0.097 34 0.141 36 亳州 0.048 103 0.075 83 株洲 0.218 12 0.069 90 达州 0.048 103 0.088 68 泰州 0.075 57 0.130 41 池州 0.042 106 0.073 85 湘潭 0.086 47 0.108 53 雅安 0.059 84 0.058 101 宿迁 0.055 94 0.085 70 宣城 0.051 98 0.078 77 衡阳 0.068 71 0.083 72 巴中 0.058 89 0.074 84 杭州 0.149 20 0.432 2 南昌 0.089 40 0.072 88 邵阳 0.038 108 0.059 98 资阳 0.069 70 0.065 96 宁波 0.278 7 0.273 11 景德镇 0.071 64 0.086 69 岳阳 0.067 72 0.092 67 贵阳 0.123 25 0.142 34 温州 0.088 42 0.108 53 萍乡 0.072 60 0.067 93 常德 0.073 59 0.142 34 六盘水 0.066 75 0.145 31 嘉兴 0.097 34 0.157 27 九江 0.114 27 0.078 77 张家界 0.091 38 0.289 10 遵义 0.065 76 0.136 39 湖州 0.086 47 0.118 47 新余 0.171 19 0.128 42 益阳 0.059 84 0.084 71 安顺 0.063 78 0.078 77 绍兴 0.123 25 0.195 18 鹰潭 0.430 2 0.252 13 郴州 0.071 64 0.108 53 昆明 0.249 8 0.151 28 金华 0.089 40 0.108 53 赣州 0.051 98 0.053 106 永州 0.052 97 0.054 105 曲靖 0.226 10 0.159 25 衢州 0.124 24 0.248 14 吉安 0.059 84 0.056 103 怀化 0.059 84 0.057 102 玉溪 0.088 42 0.132 40 舟山 0.056 92 0.309 9 宜春 0.072 60 0.078 77 娄底 0.084 49 0.093 66 保山 0.041 107 0.073 85 台州 0.092 37 0.098 64 抚州 0.058 89 0.052 108 重庆 0.394 3 0.345 7 邵通 0.197 16 0.119 46 丽水 0.051 98 0.076 82 上饶 0.072 60 0.063 97 成都 0.104 31 0.108 53 丽江 0.388 4 0.141 36 合肥 0.087 45 0.159 25 武汉 0.241 9 0.145 31 自贡 0.059 84 0.067 93 普洱 0.049 101 0.176 22 芜湖 0.070 69 0.143 33 黄石 0.213 14 0.164 24 攀枝花 0.110 28 0.095 65 临沧 0.186 17 0.111 51 -
[1] 余江, 张凤青. 基于群决策网络分析法的中国“两型社会”综合评价[J]. 资源开发与市场, 2016, 32(3): 284-287, 307.doi:10.3969/j.issn.1005-8141.2016.03.006 [2] 毕洪丽, 蔡永鸿. 辽宁省城镇化背景下市民化居民的生活满意度调查研究[J]. 农业经济, 2016(3): 80-82.doi:10.3969/j.issn.1001-6139.2016.03.033 [3] 谢治春. 生活质量提高、城镇化推进与经济增长: 基于1960—2011年9国面板数据的实证分析[J]. 上海经济研究, 2014(7): 14-21. [4] MUSA H D, YACOB M R, ABDULLAH A M, et al. Delphi exploration of subjective well-being indicators for strategic urban planning towards sustainable development in Malaysia[J]. Journal of Urban Management, 2018, 38: 184-194. [5] MAIA L M, LUCAS K, MARINHO G, et al. Access to the Brazilian City: from the perspectives of low-income residents in Recife[J]. Journal of Transport Geography, 2016, 25: 4289-4299. [6] NIU Y, DONG L C, NIU Y, et al. Resident-defined measurement scale for a city’s products[J]. Landscape and Urban Planning, 2017, 167: 177–188.doi:10.1016/j.landurbplan.2017.06.011 [7] LIANG Z X, HUI T K. Residents’ quality of life and attitudes toward tourism development in China[J]. Tourism Management, 2016, 57: 56-67.doi:10.1016/j.tourman.2016.05.001 [8] 李陈. 中国36座中心城市人居环境综合评价[J]. 干旱区资源与环境, 2017, 31(05): 1-6. [9] MACKE J, CASAGRANDE R M, SARATE J A, et al. Smart city and quality of life: citizens’perception in a Brazilian case study[J]. Journal of Cleaner Production, 2018, 182: 717−726. [10] 刘双艳, 张晓林. 中国农村居民生活质量评价[J]. 经济问题, 2018(10): 90-93. [11] BAI, X, SHI P, LIU Y. Realizing China's Urban dream[J]. Nature, 2014, 509: 158-160.doi:10.1038/509158a [12] Shang J, Li P, Li L, et al. The relationship between population growth and capital allocation in urbanization[J]. Technological Forecasting & Social Change, 2018. [13] 翁钢民, 潘越. “人口-生态-空间-经济-社会”多维城镇化状态评估: 基于改进证据理论[J]. 数学的实践与认识, 2018, 48(21): 21-31. [14] 周蕾, 王冲. 中国旅游产业—新型城镇化: 生态环境耦合协调度实证研究[J]. 西南交通大学学报(社会科学版), 2016, 17(6): 122-129, 141. [15] 冯霞, 刘新平. 中东部城镇化与生态环境压力耦合演变对比分析: 以豫苏两省为例[J]. 江西社会科学, 2017, 37(1): 80-87. [16] 职建仁, 王紫燕. 低碳经济下重庆新型城镇化建设研究[J]. 中国农业资源与区划, 2016, 37(12): 57-61.doi:10.7621/cjarrp.1005-9121.20161209 [17] 时悦, 王红. 大庆市推进新型城镇化的问题与对策[J]. 农业现代化研究, 2017, 38(3): 405-412. [18] 曹炳汝, 孙巧. 产业集聚与城镇空间格局的耦合关系及时空演化: 以长三角区域为例[J]. 地理研究, 2019, 38(12): 3055-3070.doi:10.11821/dlyj020180985 [19] 梁海锋, 卢阳禄, 李波, 等. 区域新型城镇化水平的时空格局及障碍因子分析: 以广东省21个地级市为例[J]. 商业研究, 2017(11): 123-126. [20] 郭海红, 张在旭. 新型城镇化与生态环境响应度的区域差异研究[J]. 宁夏社会科学, 2018(6): 86-96.doi:10.3969/j.issn.1002-0292.2018.06.013 [21] 贾县民, 卢才武, 白春妮. 基于层次分析和熵权法的煤炭富集区新型城镇化水平测度[J]. 数学的实践与认识, 2017, 47(2): 80-86. [22] ZHAO Y, WANG S, GE Y, et al. The spatial differentiation of the coupling relationship between urbanization and the eco-environment in countries globally: a comprehensive assessment[J]. Ecological Modelling. 2017 (360): 313–327. [23] 周正柱. 长江经济带城镇化与生态环境耦合协调发展研究[J]. 哈尔滨商业大学学报(社会科学版), 2018(6): 30-41. [24] 周正柱, 王俊龙. 长江经济带城镇化与生态环境耦合协调关联性研究[J]. 城市问题, 2020(4): 21-32. [25] 田时中, 涂欣培. 长三角城市群综合发展水平测度及耦合协调评价: 来自26城市2002—2015年的面板数据[J]. bob手机在线登陆学报(社会科学版), 2017, 19(6): 103-113. [26] WANG C L, YOON K S. Multiple attribute decision making[M]. Berlin: Spring-Verlig, 1981. [27] 文高辉, 杨钢桥, 李文静, 等. 基于农民视角的农地整理项目绩效评价及其障碍因子诊断: 以湖北省毛嘴等三个项目为例[J]. 资源科学, 2014,. [28] 何逄标. 综合评价方法的MATLAB实现[M]. 北京: 中国社会科学出版社, 2010: 316−334. [29] 颜廷武, 李鹏, 张俊飚. 循环农业产业链主体协同发展绩效与空间异质性[J]. 经济地理, 2015, 35(7): 120-127. [30] 鲁春阳, 文枫, 杨庆媛, 等. 基于改进TOPSIS法的城市土地利用绩效评价及障碍因子诊断一以重庆市为例[J]. 资源科学, 2011, 33(3): 535-541. [31] DAGUM C. A new apporach to the decomposition of the gini income inequality ratio[J], Empirical Economics, 1997, (4). [32] 钟学思. 基于锡尔系数的广西R&D投入与经济发展的区域差异比较[J]. 科技管理研究, 2015, 35(9): 84-89.doi:10.3969/j.issn.1000-7695.2015.09.016