基于GIS和面板数据的城镇集聚能力极化现象研究——以东莞市为例

陈明辉,乔纪纲

(1.中山大学地理科学与规划学院,广东广州 510275;2.东莞市地理信息与规划编制研究中心,广东东莞 523129; 3.广东商学院资源与环境学院,广东广州 501320）

基于GIS和面板数据的城镇集聚能力极化现象研究
——以东莞市为例

陈明辉1,2,乔纪纲3

(1.中山大学地理科学与规划学院,广东广州 510275;2.东莞市地理信息与规划编制研究中心,广东东莞 523129; 3.广东商学院资源与环境学院,广东广州 501320）

在潜力模型基础上,提出了伪潜力指数,将其应用于定量描述城镇集聚能力的极化过程,并分析城镇规模和交通条件对集聚能力的影响。为了消除时间段上存在着常数的变量问题,通过面板数据分析(Panel Data Analysis）验证研究结果。将该方法应用于分析东莞各镇区1997-2005年城镇集聚能力的空间特征及其变化,探讨城市内部是否存在极化现象。结果表明,镇区集聚能力在空间上存在聚类;集聚能力的变化使极化现象在全市范围内逐步加强,但在经济核心地带内部出现了反极化现象。综合城镇规模对集聚能力的提高更加显著,其空间格局奠定了集聚能力的空间分布状况,从而决定了经济发展要素流动的方向,产生极化现象。选取净迁入人口和实际利用外资情况建立面板数据模型,估计结果证明潜力指数计算结果与人口和资金的吸引呈正相关。

极化现象;潜力模型;面板数据分析;东莞

0 引言

中国经济步入快速发展阶段,区域极化效应日益明显。对于极化效应的表现,Hirshman[1]在其极化-涓滴效应学说中指出它包括要素流动、贸易、产品输出等方面,是“北方”的增长对“南方”的不利作用。极化效应的衡量有很多方法,Zhang等[2]采用3种极化指数和两种差异指数对同一个数据集进行分析,通过对比发现不同指数得出的结果比较一致;其研究结果表明目前中国的城-乡极化程度较沿海-内陆严重,但极化速度却慢于沿海-内陆。极化效应对我国一些经济发达地区而言至关重要,吕拉昌认为珠江三角洲的极化效应是一种产业集中和地理集中,改革开放政策和区位因素促使珠三角城镇发生极化现象,对珠三角如何通过新极化效应摆脱目前的困惑、取得新的发展并与外围地区实现整合提出了建议[3,4]。然而,我国区域经济发展所产生的空间差异[5-7]与极化效应紧密相关,极化效应的增强(减弱）往往造成空间差异的扩大(缩小）。蒲英霞等[8]使用探索性空间分析(ESDA）方法得到江苏省1978-2002的 GDP聚类格局,苏南、苏北日益增大的经济差距预示着江苏省极化现象的加强;欧向军等[9]采用沃尔夫指数和崔-王指数度量江苏省的区域经济差异和极化,并分析其动力机制。随着空间极化的进一步发展,可能会出现与其相对的过程,即反极化现象。甄峰等[10]选择14项指标,利用主成分分析和聚类分析研究了广东省的空间极化,结果表明1980-1998年珠三角不断极化而成为全省的核心,在20世纪90年代珠三角也开始向外围地区扩散,呈现反极化的趋势。上述研究大多使用统计数据进行分析,空间数据较为缺乏;在方法上主要是通过数据的差异、离散程度衡量极化效应;研究的侧重点在于极化效应的表现、空间格局的特征和变化,对于极化动力的定量分析较少;在研究尺度上主要集中在省(市）或较大的区域,很少涉及城市内部极化效应的研究。

实际上,极化效应是区域之间的一种空间互动。借鉴牛顿万有引力定律的潜力模型,能够描述不同位置的空间相互作用,通过改造、扩展而被广泛应用于诸多研究中,如人口统计[11]、发展可能性预测[12]等。因此,潜力模型也适用于极化现象的研究。由潜力模型计算得到潜力指数,可以反映一城镇在其所在的城镇体系中具备的集聚力量[13]。这种力量促使经济发展的各类要素发生定向流动,即从集聚能力弱的地区向集聚能力强的地区转移,进而使该区域产生空间极化。因此,可以利用潜力模型对极化效应的动力进行定量分析。由潜力模型得到的相互作用强度,实际上是由规模和空间距离决定。

本文以广东省东莞市为研究区域,计算了东莞23个乡镇1997—2005年3个阶段的潜力指数;构建了伪潜力指数,并用以讨论时间序列上城市综合规模和交通两个要素对集聚效应的影响。将求得的潜力指数用面板数据分析来验证研究结果,以更合理地探讨其内部存在的城市发展极化现象。

1 城镇集聚能力极化现象的定量分析方法

1.1 潜力模型

潜力模型以引力模型为基础,计算某个城镇与体系内所有城镇(包括自身）之间相互作用力之和,用∑化表示,称为潜力指数。计算方法如下:

其中:Dij是距离函数,P为城市的质量,n为城镇数目,b为摩擦系数(b通常取值 0.3～2.0,本文取2.0）。某镇区与自身的距离,以与其等面积的圆的半径代替[14]。P常用人口或 GDP等单一指标代替,作为该城镇的规模。为避免单一指标使结果较为片面,本文使用多指标的综合城镇规模,如下式所示:

其中:Xi为第i个指标,w i为第i个指标的权重。为消除指标的量纲影响,须对各个指标进行正规化处理:

其中:Xstat为该指标的统计值,Xmax为该指标所有年份统计值中的最大值。

距离函数Dij常用两城镇的欧式距离、交通时间等代替。本文将Dij定义为两城镇间的交通距离D,它与连接两个城镇的道路长度L和道路等级w r有关:

1.2 伪潜力指数

从潜力模型可以看出,城镇规模的扩大或交通距离的缩短都可以使城镇集聚能力得到提高。通过对比两个时间的潜力指数,可以发现某城镇集聚能力的变化情况;但在这个过程中城镇规模和交通距离的变化分别起了多大的作用?是否这两者中有一个对集聚能力的变化起到了决定性的作用?为此本文提出了伪潜力指数的方法。

当考察城镇规模变化所起的作用时,选取T1年和T2年综合城镇规模,均与T2年交通距离矩阵代入式(1）,分别得到T2年的伪潜力指数和真实潜力指数,再计算两者差值,得到在交通条件不变情况下,综合城镇规模的变化对潜力指数的影响,如下式:

其中:PT1、PT2分别为T1年和T2年综合城镇规模, Dij,T2为T2年交通距离;∑Is、∑I分别是T2年的伪潜力指数和潜力指数;Δ即为交通条件不变情况下综合城镇规模变化对潜力指数的影响。

当考察交通条件变化所起的作用时,则将T2年镇区综合城镇规模和T1年的镇区交通距离矩阵代入式(1）,计算结果作为伪潜力指数;再与真实的潜力指数对比,即T2年的综合城镇规模和镇区交通距离矩阵计算得到的潜力指数,计算两者的差值,可得到综合城镇规模不变情况下,改善交通条件对潜力指数的影响,如下式:

其中:PT2为T2年综合城镇规模,Dij,T1、Dij,T2分别为T1年和T2年交通距离;∑Is、∑I分别是T2年的伪潜力指数和潜力指数;Δ即为综合城镇规模不变情况下,改善交通条件对潜力指数的影响。

2 东莞各镇区1997-2005年城镇集聚能力的空间特征及其变化

2.1 研究区域及数据来源

东莞市位于广东省中部,珠江三角洲东部。自20世纪80年代以来,通过实施经济国际化战略,大力吸引外资,城市经济迅猛发展,是中国经济最发达的城市之一,全市辖32个镇区。数据来源主要包括东莞32个镇区的多年社会、经济统计资料,多年的道路数据、城市用地面积和政区矢量图。其中,为衡量东莞各镇区的综合规模,共选取各镇区历年的GDP、人口、固定资产投资总额、财政收入、外贸出口总值和城市用地面积6项指标。统计数据均来自多年《东莞统计年鉴》;城市用地面积来自1997年、2001年和2005年的遥感影像分类结果;道路数据来自上述3个年份遥感影像的解译结果。

2.2 结果分析

根据式(3）对GDP、人口、固定资产投资总额、财政收入、外贸出口总值和城市用地6项指标进行正规化处理,再根据式(2）计算各镇区的综合城镇规模,其中各项指标的权重均为1/6。多年道路数据共分为5个等级,分别为铁路和高速公路、城市快速干线、国道、省道、县道,各等级对应的权重设置为3、2.5、2、1.5、1。为获取各镇区中心之间的交通距离,首先将1997年、2001年和2005年的道路数据在A rcGIS的 Featureset中建立网络,通过使用 A rc-GIS的网络分析工具量算出两镇区中心之间的最短路径距离,得到各镇区交通距离矩阵。将各年的综合城镇规模和交通距离代入式(1）,得到各镇区1997 -2005年潜力指数变化(图1）。

图1 1997-2005年潜力指数Fig.1Potential index of 32 towns from 1997 to 2005

潜力指数反映的是城镇在其所在的城镇体系中具备的集聚力量[13]。从绝对数值看(图1）,各镇区的集聚能力都在逐步提高,且近几年增长速度很快;其中由莞城、东城、南城和万江构成的主城区及石龙、虎门、长安等不仅提高速度快,在数值上也较大;其他区域增长速度普遍较慢,数值上也偏小,如麻涌、洪梅、沙田等变化不大,而常平、大朗、塘厦等近几年增长速度较快。

对各年份的潜力指数进行标准化之后观察其空间格局,可以更加明显地看出镇区体系内各成员相对集聚能力强弱的变化。图2为标准化后的1997-2005年各镇区潜力指数,1997年集聚能力最强的地区主要有3个核心区,一是主城区及其周边,二是虎门、长安,三是交通枢纽中心常平;而其他地区集聚能力均一般。2001年主城区的集聚能力进一步加强,周边镇区寮步、石碣同样有所提高,并与厚街、虎门和长安连成一片,成轴状形态;广大的东部区域除了原先集聚能力较强的常平外新增了塘厦,其他镇区集聚能力则仍然很弱。到了2005年,已经形成轴状集聚带的主城区、虎门和长安集聚能力继续增强,虎(门）常(平）线贯穿的大朗,其集聚能力也得到显著提高,东南部的塘厦同样继续保持较强的集聚能力。综观1997-2005年空间格局的演变,最主要的特征是出现集聚能力最强的若干地区互相靠拢的趋势,即在空间上的集聚十分明显。

图2 相对潜力指数空间格局Fig.2 Spatial pattern of relative potential index

为了加以验证,利用A rcGIS计算空间自相关指标Mo ran′s I的数值(表1）。当Mo ran′I为正时,显示观测值具有趋同的趋势,即产生空间聚类;当Moran′s I为负时,显示观测值具有趋异的趋势,即产生空间分散;而当Moran′s I为0时,空间上产生随机分布。从表1可以看出,1997-2005年的相对潜力指数Moran′s I均为正值,且显著性水平均为0.01,表示只有小于0.01的概率其空间分布为随机分布,即存在显著的空间聚类。这说明存在着集聚能力强的镇区之间趋于靠拢,相对集聚能力较弱的镇区也更容易接近;从形态上看即出现若干集聚能力较强的镇区逐步向最强的主城区靠拢;从2001年开始西部地区就形成了从主城区到虎门、长安的集聚带,而东部也存在类似的状况,但在时间上较为滞后。

表1 相对潜力指数Mo ran′s ITable 1 Moran′s Iof relative potential index

由于经济发展所需的劳动力、技术、资金等资源往往趋向于集聚能力强的区域,因此集聚能力的差异直接导致了空间极化的产生。从全市范围看,东莞整体上仍然维持着较强的极化现象,即主城区、虎门、长安等镇区保持着最强的经济发展要素吸引力,是最重要的经济核心区,而其他地区集聚能力则一直很弱,发展相对缓慢;但在这个过程中也出现了反极化现象,如原本3个独立的集聚核演变为互相连接的集聚带,表明原有的集聚核对其周边的扩散作用,带动了周边地区集聚能力的提高,势必会使中、南部地带内部的经济差异逐渐缩小。因此,东莞经济发展中的极化现象是一个比较特殊的过程,即在极化的过程中也伴有反极化。这与甄峰等对于广东省极化现象研究的结论类似[10]。

3 集聚能力变化趋势原因分析

3.1 镇区规模影响

选取1997年、2001年的综合城镇规模,分别与2001年的交通距离矩阵代入式(1）计算伪潜力指数和真实潜力指数,再计算两者的差值,得到交通条件不变时2001年城镇规模的提高对潜力指数的影响;再以类似的方法计算2005年城镇规模的提高对潜力指数的影响。将2001年和2005年的差值计算均在A rcGIS中用Equal Interval的方式进行空间分类(图3）。差值的大小可以体现交通条件不变情况下城镇规模的提高对潜力指数变化的作用。随着镇区综合城镇规模的迅速提高,潜力指数的增加十分显著,2001年的平均差值仅为13.85左右,而2005年平均差值达到75.67。此外,从图3看出2001年差值较大的主要是主城区和石龙、茶山以及虎门、长安等;2005年,差值较大的同样是主城区、虎门、长安等,即两个年份的空间分布具有相似性。

图3 城镇规模提高对潜力指数的影响Fig.3 Influence on potential index by increase of town size

3.2 镇区交通影响

图4 交通条件改善对潜力指数的影响Fig.4 Influence on potential index by improvement of transport condition

将2001年各镇区的综合城镇规模分别和1997年、2001年的镇区交通距离矩阵代入式(1）计算,得到2001年的伪潜力指数和真实潜力指数,进而求算两者的差值。类似的,可以得到2005年真实潜力指数与伪潜力指数的差值。将2001年和2005年的差值计算均在A rcGIS中用Equal Interval的方式进行空间分类,得到图4。真实潜力指数与伪潜力指数之间差值的大小可直接体现交通条件的改善对潜力指数的作用;通过图4可以看出局部地区交通条件的改善对于整个城镇体系总体集聚能力的提升作用,同时也可以直观的发现哪些镇区是交通条件改善的最大受益者。2001年,新增道路主要集中在主城区及其周边镇区,使主城区与东部的交通联系得到加强,其中增长幅度最大的是石龙、茶山和寮步;因此潜力指数受交通改善而显著提高的地区集中在主城区附近和东部区域。而2005年相对于2001年,主要是新增了沟通东西两翼的虎(门）常(平）线,沿线镇区的潜力指数大大提升,如虎门、长安、大岭山、黄江等。此外,对比前后两个时期交通改善后潜力指数提升幅度,2001年整体的平均提升幅度为2.56,最大提升幅度为13.02,2005年分别提高到3.03和17.1,可见2005年交通条件改善对于潜力指数的提升更加明显。但是,不管从平均提升幅度还是最高提升幅度,与镇区规模变化对潜力指数的影响对比显然都要小得多,说明当前影响东莞各镇区潜力指数变化的因素中更具有决定性意义的是综合城镇规模的大小,相对而言交通条件改善对潜力指数的直接影响表现得并不明显;而其原因之一可能是交通条件改善对于镇区综合城镇规模的提高有一定的贡献,但是差值的大小只是估计了交通条件改善的直接作用而已,无法将交通对综合城镇规模的贡献也包含在内。

3.3 集聚能力变化原因与极化现象

通过上述对比可以发现,城镇综合规模的差异从根本上决定了东莞市集聚能力的空间格局,城镇综合规模对集聚能力提高作用最大的地区就是集聚能力最强的地区,而交通条件改善则在局部上对于集聚能力不佳的城镇具有较明显的提高作用,如寮步、大朗等。因此,集聚能力最强的地区能够吸纳最多的经济发展要素,其经济实力的提高也最快,促使其集聚能力继续提高;从全市的范围看,这一效应势必大大加剧经济差异,也就强化了极化现象。而交通条件的改善虽然不能立刻打乱城镇集聚能力的空间格局,但是对某些集聚能力相对较弱的镇区却起到了关键作用,如寮步、大朗等。另外,交通条件作为经济发展要素流动的载体,通过促进经济发达地区产业转移等对外扩散在一定程度上推动了反极化作用。

4 集聚效应与经济量实证分析

4.1 集聚效应与生产效率的关系

潜力指数反映城市发展潜力的大小,它是城市经济规模和城市空间集聚两方面的综合统计量。已有研究表明,在中国,城市规模每扩大一倍,生产率就增加8.6%[15],而劳动力转移对经济增长贡献率为2.0%,投资需求拉动增长贡献率为0.6%[16]。但是,这些研究也表明,集聚效应对经济增长的拉动在区域和产业中分布不均衡,这种差别主要存在于中心城市与小规模城市之间以及第二产业和第三产业之间[17]。尽管通过伪潜力指数计算表明了城市规模和交通条件的改善对城市集聚有显著的作用,而且也引入了GDP等经济指标来计算潜力指数,但是还不能明确的认定潜力指数的增加对经济增长有显著的贡献。例如,城市的集聚可能引起地租上涨,生产部门可能需要消耗更多的产值来支付地租,或搬迁到地租较便宜的地方,这就导致生产部门的实际生产率的提高可能被高估,或抵消部分极化效应;另一方面地租的上涨也能提高 GDP,有可能导致城市生产率测算高于真实值,而这些测度在潜力指数的计算中无法反映出来。在证实东莞城市内部存在极化现象后,更需关心的问题就是:所估算的潜力指数是否有偏差,计算的潜力指数与产业集中现象是否会被地租上涨等反极化效应抵消或削弱,而仅仅单纯的表现为城市空间规模增长。

完全估计出东莞的经济结构变化与城市集聚效应的定量关系需要大量的数据和复杂的计算;如果仅是为了证实集聚效应不仅在空间上存在,而且也在经济增长有显著贡献的观点,可以对模型进行简化。David Segal提出了一个测度集聚效益的计量模型,曾被用于测度美国 SM SA s(标准大都市统计区）的分行业集聚效益,该模型显示出资本投入和劳动投入这两个变量与城市集聚测度密切关联[18]。结合东莞产业结构特点,选择了各镇区净迁入人口和实际利用外资规模作为被解释变量,建立面板数据集并利用潜力指数对其分别进行估计,表2仅列出了东莞常平镇的数据。

表2 面板数据模型所用变量(以常平镇为例）Table 2 Variables used in panel data models in Changping County

4.2 面板数据估计

面板数据模型是近年来应用较多的计量经济学中的模型,它充分利用了样本截面和时间序列信息,与单纯的截面序列或时间序列的估计模型相比具有数据量更大、自由度更高、减小解释变量的共线性等诸多优点,估计结果更加可信[19]。

设有一般面板数据估计模型:

式(7）是一个动态模型,Y是被解释变量(即净迁入人口或实际利用外资规模）,X是潜力指数;α表示各观测单元的个体效应,如果是固定效应则α为常数,如果是随机效应则α为随机数;u为误差项。运用Eview s软件,对混合 OLS估计模型与固定效应模型做 F检验,检验值为115.28,需使用固定效应模型进行估计,得到系数如表3所示。

表3 潜力指数对人口和资金的影响Table 3 Influence on population and capital by potential index

表3没有给出每个乡镇净迁入人口和利用外资的估计截距,因为这不是本研究侧重点,且潜力指数作为一个虚拟的经济量,很难解释截距的实际意义。表3的估计结果显示两个模型拟优度(R2）分别为0.71和0.73,即该模型能够解释70%以上的经济量数据(迁入人口和利用外资）。可以认为,潜力指数所体现的集聚能力对于人口和资金的流入都呈正相关关系,即潜力指数越高的镇区,所吸引的人口和资金越多。从系数上看,潜力指数对净迁入人口和实际利用外资的作用分别为4.91和3.82,即潜力指数每增加1个单位会引起4.91万美元的投资和3.8万人的外来定居人口。分析结果能够支持东莞市的区域集聚效应有效地体现在城市生产率提高上。这一结论也符合东莞市产业结构的实际特点。

5 结论与讨论

(1）研究发现,1997-2005年集聚能力较强的地区互相靠拢,呈现出连片的趋势,并随着时间推移逐渐加强。城镇集聚能力的差异使得不同地区吸引经济发展要素的能力各不相同,进而产生了极化现象。但在极化的过程中,在全市范围内极化现象是加强的,而在已经形成的经济核心地带内部,则出现了反极化现象,促使内部经济差异逐渐缩小。通过对比综合城镇规模与交通条件变化对集聚能力的影响,前者的作用明显较大,表现为平均差值和最大差值都远大于后者。另外,前者的空间分布形态奠定了潜力指数的空间分布状况,而交通条件的变化则进一步加强了这种状况,并使潜力指数较大的镇区趋于靠拢。集聚能力强的镇区具有突出的提升自身规模的优势,从而能够以更快的速度继续增强自身的集聚能力,由此决定了极化的方向;交通条件改善虽然无法完全扭转城镇集聚能力的空间格局,但在部分集聚能力较弱的地区起到了比较关键的作用,尤其是在促进经济核心地带的反极化中产生重要影响。

(2）潜力模型是极化效应的一个综合测度,具有较强的宏观综合能力。采用伪潜力指数进一步讨论城市综合规模和交通条件的变化影响,证实能够更好的解释区域极化的过程。此外将潜力模型用于地市一级较小区域内部的极化现象研究时,不可避免遇到扰动加大、涉及微观经济量的问题。而面板数据模型能较好的分辨出微观经济量与潜力指数的关系,检验潜力指数估计偏差。综合运用伪潜力指数和面板数据的研究方法在东莞市极化现象的实证中有较好的分辨率。

(3）实际上无论是伪潜力指数的计算,还是面板数据的固定效应模型,本质上都是时空滞后效应的测度。因此,严格来说,本文的研究方法属于时空数据建模方法,是在空间异质和时间非平稳的数据序列中进行的时空自相关的实证研究。研究中,采用交通网络表达空间关系还显得略为简单,所选的经济量化指标的实际意义也没有很好地被解释。下一步研究的内容主要是对两类测度方法的探索:其一是用邻域系统取代交通网络实现空间测度,这就涉及适用的空间建模方法;其二是需要建立适用的经济模型原型,以保证所做估计的现实意义;最后将这两个测度用一个极化模型表达,实现更加精确的描述。

[1] 李小建.经济地理学[M].北京:高等教育出版社,1999.220-221.

[2] ZHANG X B,KANBUR R.What difference do polarization measuresmake?An app lication to China[J].Development Studies, 2001,37(31）:85-98.

[3] 吕拉昌.极化效应、新极化效应与珠江三角洲的经济持续发展[J].地理科学,2000,20(4）:355-361.

[4] 吕拉昌.珠江三角洲与外围地区的整合模式研究[J].地理科学,2004,24(5）:522-527.

[5] 杨晓光,樊杰,赵燕霞.20世纪90年代中国区域经济增长的要素分析[J].地理学报,2002,57(6）:701-708.

[6] 李小建,乔家君.20世纪90年代中国县际经济差异的空间分析[J].地理学报,2001,56(2）:136-145.

[7] 王冠贤,魏清泉,蔡小波.20世纪90年代珠三角经济区空间分异的特征分析[J].经济地理,2003,23(1）:18-22.

[8] 蒲英霞,葛莹,马荣华,等.基于ESDA的区域经济空间差异分析——以江苏省为例[J].地理研究,2005,24(6）:965-973.

[9] 欧向军,顾朝林.江苏省区域经济极化及其动力机制定量分析[J].地理学报,2004,59(5）:791-799.

[10] 甄峰,顾朝林,沈建法,等.改革开放以来广东省空间极化研究[J].地理科学,2000,20(5）:403-410.

[11] STEWARTJ,WARNTZW.Physicsof population distribution [J].Regional Science,1968(1）:99-123.

[12] WEBER C.Interaction model application for urban planning [J].Landscape and U rban Planning,2003(63）:49-60.

[13] 吴茵,李满春,毛亮.GIS支持的县域城镇体系空间结构定量分析——以浙江省临安市为例[J].地理与地理信息科学, 2006,22(2）:73-77.

[14] 许学强,周一星,宁越敏.城市地理学[M].北京:高等教育出版社,1997.

[15] 潘佐红,张帆.中国城市化:实证分析与对策研究[A].中国城市生产率[C].厦门:厦门大学出版社,2001.58-64.

[16] 王小鲁,夏小林.优化城市规模推动经济增长[J].经济研究, 1999(9）:22-29.

[17] 吉昱华,蔡跃洲,杨克泉.中国城市集聚效益实证分析[J].管理世界,2004(3）:67-73.

[18] SEGAL D.A re there return to scale in city size?[J].The Review of Economics and Statistics,1976,58(3）:339-350.

[19] HSIAO C.Analysis of Panel Data(Second Edition）[M].Cambridge University Press,2003.

A Study on Polarization Based on Agglomeration In tensity of Towns Supported by GIS:A Case Study of Dongguan

CHEN M ing-hui1,2,Q IAO Ji-gang3
(1.School of Geography and Planning,Sun Yat-Sen University,Guangzhou 510275;
2.Dongguan Research Center of Geographic Information System&Planning,Dongguan 523129;
3.Resource and Environment School,Guangdong University of Business Stud ies,Guangzhou 501320,China）

With a dramatically fast urbanization occurring in China,quantitative analysis on polarization based on agglomeration intensity of tow ns can effectively figure out the degree of urbanization p rocess.In order to study the polarization,this paper involves the potentialmodel,and develops a new index"false potential index"to measure the influence of tow n size and transport condition changes.Finally,a panel data analysis is adop ted to testify the result obtained from the polarization study.The study area is Dongguan City,Guangdong,and the result reveals that from 1997 to 2005,the spatial pattern of agglomeration intensity of tow ns is evidently clustered,and subsequently the polarization appears stronger w ith the extent of the w hole city.However, a reversemovement can also be seen in the co re area in economic sense,w hich leads to lesspossibility to be unequal among these towns.Increase of the integrated city size is p laying a key role in the p rocessof agglomeration intensity changes,and its spatial pattern ismo reor less the same as theone of agglomeration intensity.This trend decides the flow direction of thematerials needed in development,w hich causes the occurrence of polarization.Both coefficients of netmigrated people index and fo reign capital index are positive,suppo rting a positive co rrelation between agglomeration intensity and each of such two indices.

polarization;potentialmodel;Panel Data Analysis;Dongguan

P208;F291.1

A

1672-0504(2011）04-0067-07

2011-05-17;

2011-06-23

国家自然科学基金重点项目(40830532）;国家自然科学基金项目(40901187）

陈明辉(1978-）,男,博士研究生,高级工程师,主要从事GIS与遥感研究。E-mail:cmhgis@126.com