汪 洋 ,刘志强 ,王俊帝 ,2
(1.苏州科技大学 建筑与城市规划学院,江苏 苏州 215011;2.苏州科技大学 天平学院,江苏 苏州 215011)
21世纪以来,江苏省作为我国城镇化水平较高的省份之一,其绿地建设水平也一直处于全国前列。2015年江苏省建成区绿地率已达39.47%,高于同期全国的36.36%[1]。近20年来江苏省建成区绿地率大幅提升,在市域尺度(截止到2015年底,苏南包括南京、无锡、常州、苏州、镇江5个地级市,常熟、张家港、昆山、太仓、江阴、宜兴、溧阳、丹阳、扬中、句容10个县级市;苏中包括扬州、泰州、南通3个地级市,高邮、仪征、靖江、兴化、泰兴、海 门、启东、如皋8个地级市;苏北包括徐州、连云港、宿迁、淮安、盐城5个地级市,东台、邳州、新沂3个县级市)上出现了区域聚集效应。如2000年,苏南无锡(34.15%)、江阴(32.07%)、太仓(31.13%)等城市呈现了明显的高水平俱乐部效应;而苏北宿迁(21.77%)、新沂(26.41%)、盐城(22.58%)等城市呈现出低水平聚集。
通过整理归纳现有城市绿地建设水平区域差异的研究发现,叶骏骅、韩旭、刘志强等学者已经在相关研究上取得了一定的研究成果[2-5]。叶骏骅[2]指出我国东、中、西部绿地建设存在明显差异。韩旭[3]基于区域差异的视角,探明我国城市单元的绿地建设水平呈现出自阶梯状自东向西的降低趋势。刘志强[4]揭示了江苏省三大地带间绿地建设差异明显缩小,其绿地水平总体差异主要是由地带内市际差异引起。但现有研究多以假设各单元的属性值在空间上是均质且独立为前提,忽视了因地理、经济、社会发展等原因形成的集聚效应,缺乏从空间相关性视角探究单元之间在空间上的集聚关系。目前,基于空间关联性视角探究区域差异的研究多集中于经济学、地理学及社会学等学科[6-10],针对城市绿地差异的研究鲜有涉及。鉴于此,从空间关联效应视角,采用探索性空间数据分析(Exploratory Spatial Data Analysis,ESDA)与ArcGIS相结合的方法,以江苏省34个建制市为研究对象,通过揭示市域层面上建成区绿地率空间格局的演变规律,以期为制定差别化的绿地建设发展政策提供理论依据。
基于市域尺度研究,以江苏省的13个地级市和21个县级市作为研究单元,选取2000-2015年作为研究周期,建成区绿地率指标来源于《中国城市建设统计年鉴(报)》。
基于空间相关性的视角,选用ESDA-GIS作为空间关联程度的测度方法,其原理是通过对某一现象空间分布格局的描述与可视化分析,探究其在空间上的集聚化及差异化,探究其空间分异演变的内在关系[11-13]。该方法将区域发展所带来的单元由于空间上相互作用形成的集聚效应或是异质效应的特点作为切入点,能够更加真实的反映区域上各单元空间相互作用对全局及局部发展的影响。
1.2.1 全局空间自相关
采用Global Moran’s I统计量测度市域建成区绿地率全局空间自相关性,描述江苏省市域单元建成区绿地率的空间分布态势与集聚状况,分析其在空间上的平均关联与差异程度。计算公式如下
式中,E(I)和VAR(I)分别是Moran’s I的期望值和方差。当Z>1.96且通过5%的显著性水平检验,则表明其存在显著的空间自相关。
1.2.2 局部空间自相关
Moran’s I散点图可以反映某城市建成区绿地率与该市域空间滞后变量之间的相关关系,其横坐标为各城市建成区绿地率的标准化值,纵坐标为相邻城市建成区绿地率的滞后因子,划分出的4个象限分别对应不同城市与其相邻城市的空间关联模式,见图1。
LISA (Local Indicators of Spatial Association) 是 将Global Moran’s I分解到各市域单元,用来测度局部地区相邻市域建成区绿地率之间是否存在相似性或相异性及显著性程度,并在某显著水平下结合Moran’s I散点图形成LISA聚类图,显示集聚区的具体地理位置分布,揭示对全局关联影响较大的市域。
LISA计算公式如下
图1 市域单元建成区绿地率Moran's I散点图
Ii为正,表示市域单元i与邻近城市的建成区绿地率接近;Ii为负,表示该城市单元与邻近城市建成区绿地率差异较大。
1.2.3 建成区绿地率热点区演化
当区域i和j相邻接时为1,否则为0,标准化处理之后若在95%的显著水平下为正且显著,表明i城市单元周围的建成区绿地率较高(高于均值),属于绿地率发展的热点区;相反,若显著为负值,则表明i城市空间单元周围的绿地率发展水平较低(低于均值),为冷点区。
运用ArcGIS10.3软件,导入2000、2005、2010、2015年4个分析时点的34个城市单元的建成区绿地率指标,运用Jenks自然断点法将其分为高、中高、中低、低4个水平区,并依此绘制空间分布图,见图2。
图2 江苏省市域单元建成区绿地率空间分布图
由图2可以看出,建成区绿地率在市域单元的空间分布上存在差异性,市域绿地率空间分布格局趋于某种既定的空间模式:(1)高水平市域集中分布在有限的空间上,并且在研究周期内具有一定的稳定性。(2)高水平市域在空间分布上形成了一定的集聚化发展格局。(3)各城市单元的建成区绿地率水平在研究时段内呈现上升趋势,且高水平区域主要集中在以南京、苏州、无锡、常熟为主的苏南及其周边城市,低水平区域主要集中在苏北的连云港、盐城、宿迁等城市。
根据绿地率空间分布格局演变结果,发现市域建成区绿地率在演变过程中存在着一定的空间集聚特征,为了进一步廓清这种空间关系,对研究周期内的江苏省市域单元建成区绿地率的Moran’s I指数进行分析,发现其全局表现特征如下(见图3)。
(1)Moran’s I值在 2000-2015 年间变化区间为 0.091 066~0.173 155,可见江苏省市域单元建成区绿地率在发展过程中具有显著的正向相关性。
(2)Moran’s I指数随着时间的不断推移呈现阶段性变化。其中:2000-2002 年 Moran’s I由 0.091 066 上升到了0.266 339,此期间的市域建成区绿地率空间相关性迅速提升,即高水平的市域越来越集中在高水平的市域周边,同理低水平的市域逐渐和低水平市域相聚集;2002-2015年Moran’s I有所波动,但一直处于较高水平。近来Moran’s I值相比于峰值有所下降,表明了近期市域间在经历了较强的(“高-高”集聚,“低-低”集聚)发展后,集聚性有所减弱,市域之间差异开始拉大,区域上苏南优于苏北,正是由于苏南、苏北市域之间的空间差异的拉大才使得总体空间差异有所增加。
图3 江苏省市域单元建成区绿地率全局Moran's I图
由于全局Moran’s I指数所研究的差异是基于市域单元尺度上江苏省的整体差异,仅是市域之间空间差异平均意义上的增加,一定程度上掩盖了局部区域的空间格局特征,不能完整的展示区域内部的空间关系及演变特征,因此,通过对2000、2005、2010及2015年4个时间点江苏省市域单元建成区绿地率的Moran’s I散点图及LISA图的绘制,来进一步探究市域单元之间建成区绿地率发展的分异特征 (见图4、图5和表1)。
图4 江苏省市域建成区绿地率Moran散点图
图5 江苏省市域建成区绿地率局部Moran图
表1 江苏省市域建成区绿地率象限分布图
(1)各市域单元在建成区绿地率发展过程中集聚性较高,并且存在明显的“高-高”集聚和“低-低”集聚现象。4个时间断点上的市域单元主要分布在第一、三象限,表现出较强的正相关性,并且处于一、三象限的市域之和呈现出先下降后上升的走势,这与全局Moran’s I指数结果相一致。
(2)2000-2010年“高-高”集聚“低-低”集聚的市域数量之和由23个下降到17个,表明该时期市域发展关联减少,空间上分散分布,相邻市域之间的绿地率差异增大。
(3)2010-2015年间处于“高-高”集聚和“低-低”集聚的市域数量由17个上升到22个,表明这一时期市域间发展联系紧密,空间上聚集效应明显,相邻市域单元间的空间差异较小。
(4)至2015年“高-高”“低-低”集聚单元占城市总体的61.1%,这表明市域层面上的绿地建设想要实现均衡协调发展,还存在着较大的提升空间。
(1)2000年的“高-高”集聚现象存在于苏南的苏州和太仓,说明这些城市在初期便被高建成区绿地率市域包围,有较强的辐射带动作用;“低-低”集聚现象存在于苏北的兴化和盐城,该地区建成区绿地率整体水平较低,对周边区域有明显的扩散作用;“低-高”集聚现象位于苏南的昆山,这表明昆山处于建成区绿地率发展“洼地”,与周边市域绿地率发展差异较大,且差异趋于扩大。
(2)2005年“高-高”集聚区向北移至常熟及张家港两市,“低-低”类型集聚只有兴华一处。这两类集聚现象有所减弱,同时苏中的淮安出现了“高-低”集聚现象,表明该阶段淮安绿地建设显著发展并与周边市域中拉开差距。另外,苏州在该时段中由“高-高”集聚转化为“低-高”集聚,表明苏州绿地建设发展过程对周边城市起了较强的拉动效应。
(3)2010年相比于2005年集聚区变化不大,只有兴化由原先的“低-低”集聚演变为“高-低”集聚,说明该时段兴化加快了城市绿地建设脚步,在建成区绿地率水平上远超苏中其他城市。
(4)2015年对比2010年,兴化及泰兴呈现出“低-低”集聚,表明兴化的建成区绿地建设发展开始减缓,且在该阶段中兴华周边市域单元绿地建设节奏较慢,相比于苏南有较大差距,形成了“高-低”集聚向“低-低”集聚的演变,且苏中由于受周边苏南高建成区绿地率城市的影响开始呈现出“低-高”集聚效应。
通过探究江苏省各市域单元对空间自相关的影响程度,可进一步了解其市域高低值的集聚分布情况。运用ArcGIS10.3软件计算的4个时点上的市域单元空间关联指数Getis-Ord Gi*,并依照自然断点法,由高到低依次分为热点区、次热点区、次冷点区、冷点区进而生成绿地建设发展空间格局的热(冷)点区演化图如图6所示。
图6 江苏省市域建成区绿地率热点分布图
(1)热(冷)点区在空间上呈现出较强的不稳定性。2000年热点及冷点区分别占全省市域单元的2.98%和17.64%,而到2015年则为11.6%和23.53%,表现出明显的空间演化与迁移特征。
(2)热点区的分布主要集中在苏南。2010年的热点集聚最为集中,这一年71.43%的热点区位于苏南,由于其区位条件及相应的气候条件的原因,苏中城市多处于建成区绿地率发展的冷点区,并且随着时间推移没有出现大规模的迁移现象,而苏北在演进过程中出现了明显的空间演化迁移现象。整个研究周期内苏南的常熟始终处于发展热点区。
(3)热点区随着时间推移呈现出先增长后减少的趋势。2000年热点区仅有常熟,至2010年热点在苏南形成明显的集聚,且苏北的徐州及苏中的扬州也跃为热点区,而到了2015年由于城镇化在各市之间迅速推进,个别城市绿地水平迅速发展,差异逐步增大,热点集聚效应开始退潮,仅苏北的徐州、苏中的扬州及苏南的常熟还处于热点区,其余城市多出现热点区向次热点及次冷点的迁移。
本文构建了ESDA-GIS的城市绿地建设水平研究框架,将市域建成区绿地率数据纳入到空间分析体系中,剖析了建成区绿地率在江苏省市域单元空间分布特征,同时揭示了其空间结构的联系,并对其2000-2015年空间格局的动态演变的过程进行了分析,主要结论如下:(1)市域单元的建成区绿地率存在着显著的正向空间相关性。在区域上呈现出较强的空间集聚特征,且集聚程度经历了一段时间的波动相比于最高值有所下降,表明市域之间的相关性经历了由强到弱的过程,但市域之间绿地率差异依旧显著。(2)多数市域单元在局部层面上呈现出正向空间相关性。各市域单元之间相互作用显著,地区内部差异减小,地区间差异却未见明显缩减,是形成市域建成区绿地率存在明显空间异质性的主要原因。(3)市域单元之间相互关联作用显著。“高-高”集聚占主导地位,该类集聚分布在苏南,表明苏南在绿地建设发展上的辐射效应较强,“低-低”集聚主要集中在苏北,表明该区域内绿地建设水平较低且差异小,进而形成了江苏省绿地建设发展较为薄弱的集聚区域,相比下“低-高”、“高-低”集聚类型具有集聚单元少、显著性不强的特点。(4)热点主要集中在苏南;冷点区在主要集中在苏中及苏北。研究时间范围内常熟长期处于演变的活跃区域;冷点区则没有常驻单元。热点区及冷点区范围均有所减小。
(1)直面差距的客观现实。苏南市域优于苏北及苏中,针对苏南更多是在“存量”式的优化,消除绿地建设薄弱地区,协调区域绿地建设。加强苏南市域之间的联系,发挥好三者中领头作用,而对苏北及苏中的市域应增加该地区的绿地建设的资产投入及相关政策支持,以协调区域绿地建设发展。(2)差别化的区域绿地建设发展策略。对于不同集聚区域的绿地建设制定差别化的空间策略。①“高-高”扩散效应区,主指苏南的市域单元,在保持自身绿地水平稳步提升的同时,适当地将绿地资源和资金分散投到周边城市,进而促进周边区域及市域单元绿地率的增长。②“低-低”集聚的绿地建设盲区市域单元,多集中在苏北,该地区需要一定程度上相关政策及经济投入的适当倾斜,该地区要加强与周边高建成区绿地率的苏南市域单元合作交流,并对自身资源进行整合优化,发掘自身发展潜力。③“低-高”集聚的过渡区,则要明确自身绿地建设的优良区位基础条件,吸取周边高水平建成区绿地率市域单元的发展经验。④“高-低”集聚的极化效应区,应加强市域单元之间联系,建立绿地基础资源的共享机制,在保证自身绿地率稳步提升的基础上,发挥带动作用。(3)推广建设绿地建设的模范城市,设立重点帮扶城市。加强绿地率的增长极在区域绿地建设中的辐射带动作用,同时预防绿地率建设基础差的城市单元反向拉动周边市域绿地建设发展。例如苏南可以以常熟作为绿地开发建设的模范城市,带动苏南建成区绿地率提升,集中苏南优势资源带动苏中部分冷点区市域,防止其对周边市域的负影响。(4)整合优势条件,构建绿地建设发展大区。通过研究发现江苏省市域单元的绿地建设在空间上具有密切的联系,结合《江苏省生态保护与建设规划(2014-2020年)》及《“十三五”经济和社会发展规划建议》[14-15]中绿地建设部分,充分发挥长江流域地区、太湖流域地区和淮河流域地区周边优越的绿色基础资源,结合江苏省自然地形格局和重要生态功能区分布,形成“两横两纵”生态保护与建设重点区域,积极构建市域单元绿地建设组团,形成具有特色的建设大区,优化全省的绿地格局及发展战略。