滇中城市群城市空间联系强度动态分析①

尹娟董少华陈红

(1.玉溪师范学院 资源环境学院,云南 玉溪 653100;2.云南财经大学 旅游与服务贸易学院,云南 昆明 650221)

滇中城市群城市空间联系强度动态分析①

尹娟1董少华2陈红1

(1.玉溪师范学院 资源环境学院,云南 玉溪 653100;2.云南财经大学 旅游与服务贸易学院,云南 昆明 650221)

滇中城市群;空间联系;引力模型;城市流模型

目前,滇中城市群仍处于经济发展的初级阶段,各城市外向服务功能不足,整体的集聚和辐射能力较弱,城市群综合空间联系强度低且差异显著,形成以昆明为中心向四周急剧下降的趋势.昆明“一枝独秀”格局的长期存在,阻碍了滇中城市群各城市产业分工与合作,不利于滇中城市群协同发展.

城市群作为城市化的高级空间组织形式,在区域社会经济发展中占据着重要的地位.[1]自上世纪中叶,城市群研究就一直成为国内外研究的热点.城市群空间联系研究作为城市群研究的重要组成部分亦引起了国内外学者的广泛关注.1951年,walter Isard首次将投入产出技术运用到了区域经济空间联系研究中,为定量研究空间相互作用奠定了坚实的理论基础.[2]随后,Ullman E.L.、Friedmann J.、Griffith D. A.等国外学者对空间相互作用的理论与实证研究颇有建树.[3～5]在国内,学者们对城市群空间联系也进行了大量研究.王德忠、陈彦光、吴晓薇、王海江等采用引力模型对上海-苏锡常地区、北京-天津、中原经济区及全国各省的经济空间联系强度做了分析[6～9];姜博、朱士鹏、黄河东、郭慧卿等人通过计算各城市的城市流从而定量分析区域间的经济联系[10-13].但由于单一指标的评价不能全面分析区域间不同对外联系强度城市间的相互关系,且现有研究对象多以东、中部地区为主,对经济欠发达的西部地区城市群的研究则较薄弱.而滇中城市群是云南省经济发展最快、实力最强的城市集聚区,滇中兴则云南兴,因此对滇中城市群空间联系强度进行研究具有重大的现实意义.

1 研究区域、方法与数据采集

1.1 研究区域概况

滇中城市群是指云南省中部,以昆明为核心,半径约150 km～200 km左右,以“车程1小时”的经济时空为基础,由曲靖市、玉溪市和楚雄彝族自治州4个州市组成的行政辖区,总面积94 558 km2,占全省土地面积的24%,是云南省经济发展最快、实力最强的城市集聚区.2012年底,滇中4州市人口1 740.7万人,占全省总人口的37.59%,国内生产总值5 078.56亿元,占全省GDP的57.11%.滇中城市群作为云南省经济的核心增长极,将对云南省社会经济的全面发展产生巨大的示范和带动作用.

1.2 研究方法

引力模型引力模型源于距离衰减原理和牛顿万有引力公式,用于测算区域间空间相互作用强度,计算公式为:

式中:Rij为两城市间的经济联系强度;Pi、Pj为两城市的城镇人口数;Gi、Gj为两城市的GDP;Dij为两城市间的距离,鉴于滇中城市群城际间的交通以高速公路或高等级公路为主,因此本文采用耗时最短的高速公路运营里程.若无直达客车,则采用经过一次中转的最短高速公路运营里程.

城市流模型城市流强度用于反映城市对外联系与辐射的能力,是城市群内各城市间联系中城市外向功能所产生的影响量.计算公式如下:

式中:F为城市流强度;N为城市功能效益,表征各城市间单位外向功能量的实际影响情况;E为城市的外向功能量.考虑到指标的可获取性和代表性,城市外向功能量可用具有外向服务部门从业人员的区位商衡量.I城市j部门从业人员区位商Lq计算公式为:

式中,Gi为i城市部门从业人员数量;Gij为i城市j部门从业人员数量;Gj为城市群j部门从业人员总数量;G为城市群总从业人员数量.若Lqij＜1,则城市i的j部门不存在外向服务功能;反之,若Lqij＞1,则城市i的j部门存在外向服务功能.

i城市j部门外向功能量E为：

i城市m个部门总的外向功能量

i城市功能效益Ni可用从业人员的人均GDP表示,计算公式为:

1.3 数据采集

利用2004～2013年《云南省统计年鉴》采集滇中城市群4个城市近十年GDP、城镇人口及城市外向服务功能较高的制造业、交通运输、仓储和邮电业,信息传输、计算机服务和软件业的发展数据,同时采集批发零售业、住宿和餐饮业、金融业、房地产业、租赁和商务服务业、科学研究、技术服务和地质勘查业9个行业的从业人员及各市总从业人员数据.城市间的距离则通过对云南省交通厅的实地调研获取.

2 实证分析

2.1 滇中城市群经济联系强度测算及分析

城市经济联系强度能有效反映城市群的演化阶段与发育状况.根据公式1,对滇中城市群2003～2012年十年的经济联系强度进行计算,其结果详见表1、图1.

表1 2003～2012年滇中城市群城市间经济联系强度(单位:亿元·万人/km2)

图1 2003～2012年滇中城市群城市经济联系总强度变化图

从2012年滇中城市群的空间联系强度值可以看出,昆明作为云南省的省会城市,其与其他城市相互作用强度之和为83.3,明显高于城市群内其他城市,居经济联系总量首位,其次为玉溪(50.3)、曲靖(32.9),最小为楚雄(10.7),为昆明的12.85%.昆明经济联系首位度达1.66,接近边界值2.从城市间的经济联系来看,昆明与其他3城市均有密切的联系,具有较强的吸引力和辐射力,平均联系强度20.83.而玉溪、曲靖、楚雄3城市间的经济联系薄弱,联系强度平均值仅为1.77.总体上,滇中城市群经济联系强度呈现以昆明为中心,向外呈辐射状圈层构造,形成极核式空间结构.

从图看,12003～2012年10年间滇中城市群各城市经济联系总强度对比,滇中城市群4城市经济联系总强度累计数量的时间序列为一单调上升曲线,各城市的斜率有所不同.其中,昆明经济联系强度起点最高,增速最快.特别是2008年以来,随着“一二三四五六”工程的推进,昆明经济迅速发展,更提高了其对周边地区的辐射带动作用.到2012年,昆明经济联系总强度为83.3,是2003年(15.79)的5.27倍.楚雄因经济发展缓慢,距昆明最远,在距离衰减原理影响下,虽然该地区经济联系强度增速较快,但因基数小、起点低,到2012年楚雄经济联系总强度仍为整个城市群内最低值.

就城市间经济联系变化情况看,4城市间的联系强度的增长速度均呈现出先增快后放慢,逐渐趋于平稳的态势.其中,曲靖与楚雄间的经济联系强度变化最大,10年间经济联系总量增长7.91倍,但因规模较小,其变化对城市群的空间联系影响不大.而在区域内,经济联系最为紧密、经济发展势头最为迅猛的为昆明-玉溪地区.昆明-玉溪间的经济联系强度无论是2003年的10.21,还是2012年的46.17,其经济联系强度占城市群的比例均在50%以上,只是随着昆-曲城际列车的开通及楚雄经济水平的提高,在昆明-曲靖、昆明-楚雄经济联系强度增强的冲击下,此比例呈现逐年下降的趋势.这表明,滇中城市群各城市间经济联系差异在逐渐缩小,并朝着均衡发展的方向缓慢迈进.然而不能忽视的是,虽然昆明与周边3城市的联系强度在日益加强,玉溪、曲靖、楚雄三城市间的联系却仍非常薄弱,昆明单核心的空间结构模式没有改变.

2.2 滇中城市群城市流测算及分析

城市流是指城市间人流、物流、信息流、资金流等在城市群内所发生的频繁、双向、多向的流动现象,是城市区域空间相互作用的一种表现.城市流强度则是城市间各种要素的流动强度,反映城市经济影响力.依据城市流强度计算公式,结合源数据,可计算得出滇中城市群4城市2003～2012年城市外向功能量及城市流强度值(见表2).

表2 2003～2012年滇中城市群各城市总外向功能量和城市流强度

从表2可以看出,除楚雄外,滇中城市群各城市外向功能量随着时间的演进均有不同程度的增加,但增幅不大.截止2012年,滇中4城市外向功能量均低于5万人,其中楚雄1万人不到,滇中城市群城市外向功能量总体偏低.外向功能量的高低主要取决于具有外向功能的产业部门的区位商.利用公式(3)可以计算出滇中城市群主要外向产业部门的区位商,计算数据显示,10年间滇中4城市没有一个城市的所有外向产业区位商大于1,昆明作为云南省的省会城市,区位商大于1的产业也仅3个.因此总体上看,滇中城市群整体集聚和辐射能力较弱,仍处于经济发展的初级阶段.滇中城市群各城市外向功能量低与其产业结构不尽合理有密切关系.根据2004～2013年《云南省统计年鉴》显示,滇中城市群三大产业结构无论是2003年的13.21∶50.66∶36.13,还是2012年的11.35∶50.28∶38.37,均未能改变产业结构“二三一”的模式,产业结构调整及升级缓慢阻碍了城市群外向服务功能的提高.

从城市流角度分析,滇中城市群4城市的城市流强度相差十分悬殊,城市流强度VOC(标准差)由2003年的1.05上升到2012年的10.89,增长了7.28倍,表明滇中城市群各城市的城市流强度的差异随时间的推移正逐渐拉大.其中,昆明在城市群内占有绝对优势,其对整个城市群的辐射和带动作用日益加剧.

为了进一步分析滇中城市群各城市的城市流强度空间演变规律,笔者采用反距离权重法(Inverse Distance Weighted)对2003、2008和2012年滇中各城市的城市流强度进行空间插值,得到城市流空间分异图(图2).

图2 滇中城市群城市流空间插值效果

从图2看,滇中城市群城市流强度空间分布格局整体保持不变,呈现一种以昆明为中心的圈层结构,昆明一直是滇中城市群城市流强度最高的核心城市.从动态变化看,昆明与外围曲靖、玉溪的梯度差在逐渐减小.其中,昆明的城市流强度值在2003年是曲靖的1.89倍,2012年缩小到了1.70倍,昆明与玉溪的差距也由2003年的1.85倍下降到了1.35倍.这种梯度差的缩小,表明昆明正在发挥其作为中心城市的溢出效应,昆(明)曲(靖)玉(溪)之间联系更加紧密,3城市发展趋于均衡.然而,楚雄因距昆明最远,成为昆明经济辐射的“洼地”,加之该地区经济社会发展水平长期落后于昆明、曲靖、玉溪三地,国内生产总值占滇中城市群的比重是滇中惟一比重不足10%的地区(2012年昆明49.42%,曲靖23.82%,玉溪17.26%),这使得该地区成为滇中城市群城市流强度最低的区域,且与其他3城市的差距在日益扩大.因此,滇中城市群各城市间存在一定程度的空间联系,但总体上较为松散.昆明在滇中城市群中占有明显优势,成为滇中城市群的“领头羊”,曲靖、玉溪、楚雄充当“配角”这一角色地位一直没有改变.

3 结 论

本文通过引力模型、城市流模型分析了2003～2012年间滇中城市群空间联系强度及其分异特征.其中,城市流模型有效反映了滇中城市群4城市10年间对外联系强度的变化情况,引力模型揭示出城市之间空间相互作用的分异特点,得出的主要结论如下:

(1)滇中城市群城市间存在一定经济联系,但联系强度总体偏低.虽然昆明与周边三城市的联系强度在日益加强,但玉溪、曲靖、楚雄3城市间的联系仍非常薄弱,昆明单核心的空间结构模式没有改变.

(2)滇中城市群城市外向服务功能仍然不足,城市群整体集聚和辐射能力较弱,处于经济发展的初级阶段.而产业结构不尽合理,外向型服务产业不足,经济发展速度缓慢等是滇中城市群外向服务功能不足的主要原因.

(2)城市群综合空间联系强度较弱且差异显著,形成以昆明为中心向四周急剧下降的趋势,昆明成为一座“孤岛”,其“一枝独秀”的格局将长期存在,这阻碍了滇中城市群各城市产业分工与合作,不利于滇中城市群协同发展.

[1]李俊峰,焦华富.江淮城市群空间联系及整合模式[J].地理研究,2010,29(3):535-544.

[2]Walter Isard.Interregional and Regional Input-output Analysis:A Model of A Space-economy[J].The Review of Economics and Statistics,1951,33(4):318-328.

[3]Ullman E.L.American com modity Flow[M].Seattle:University of Washington Preaa,1957.

[4]Friedmann J.The spatial organization of power in the development of urban systems[J].Com parative Urban Research,1972,(1):5-42.

[5]Griffith D.A..Urban dominance,spatial conjectures and empirical implications[J].Econimic Geography,1979,55: 96-100.

[6]王德忠,庄仁兴.区域经济联系定量分析初探——以上海与苏锡常地区经济联系为例[J].地理科学,1996,16(1): 51-57.

[7]陈彦光,刘继生.基于引力模型的城市空间互相关和功率谱分析——引力模型的理论证明、函数推广及应用实例[J].地理研究,2002,21(6):742-752.

[8]吴晓薇.基于引力模型的中原经济区经济空间联系和空间结构研究[J].绍兴文理学院学报,2012,32(2):98-102.

[9]王海江,苗长虹,茹乐峰,等.我国省域经济联系的空间格局及其变化[J].经济地理,2012,32(7):18-23.

[10]姜博,修春亮,陈才.辽中南城市群城市流分析与模型阐释[J].经济地理,2008,28(5):583-561.

[11]朱士鹏,徐兵,毛蒋兴.北部湾城市群空间联系分析[J].西北师范大学学报:自然科学版,2013,49(6):104-109.

[12]黄河东,项载丽.城市流强度视角下广西西江经济带城市群空间联系分析[J].广西大学学报:哲学社会科学版, 2013,35(3):47-51.

[13]郭慧卿.基于城市流强度模型的中原城市群城市内在经济联系分析[J].河南教育学院学报:哲学社会科学版, 2013,32(4):107-109.

A Dynamic Analysis of City Spatial Linkage in Dianzhong Ur ban Agglomeration

YIN Juan1DONG SHaohua2CHEN Hong1
(1.College of Resources and Environ ment,Yuxi Normal University,Yuxi,Yunnan 653100,China;2.College of Tourism and Service Trade,Yunnan University of Finance and Economics,Kun ming,Yunnan 650221,China)

Dianzhong urban agglomeration;spatial com bination;gravity model;urban flow model

Dianzhong Urban Agglomeration is still in the primary stage of economic development.Each city has relatively weak external service ability,small agglomeration and radiation capacity.The com prehensive spatial lin kage of urban agglomeration is weak and shows distinctive difference in different urban areas,which drops shapely from Kun ming as the center to the periphery.Kun ming has become a“lonely island”,outshining cities around it.The long-term existence of such a pattern has hindered industrial division and cooperation between different cities and is not conducive to the coordinated development of urban agglomeration.

F299.27

A

1009-9506(2014)04-0039-06

2014年1月21日

尹 娟,硕士,研究方向:区域经济发展与土地利用规划.

云南省教育厅基金项目,编号:09CY8031.