嘉峪关市产业用地类型的空间集聚度与空间关联度特征研究

姜群鸥，孙驷阳，王春丽，邵雅琪，王美林，聂承静



嘉峪关市产业用地类型的空间集聚度与空间关联度特征研究

姜群鸥1,2，孙驷阳1,2，王春丽1,2，邵雅琪1,2，王美林1,2，聂承静3

（1. 北京林业大学水土保持学院，北京 100038； 2. 北京林业大学水土保持与荒漠化防治教育部重点实验室，北京 100083； 3. 河北经贸大学公共管理学院，石家庄 050061）

为探究产业集聚形成与产业协同发展的机制，该研究以嘉峪关市为例，构建产业空间集聚的单指标评价体系，结合邻域丰度因子和地类交互因子建立产业空间关联的评价方法，利用基于产业的土地利用功能分类数据，计算研究区各产业的空间集聚度和不同产业间的空间关联度，分析各产业的空间集聚水平及产业间的空间关联程度。结果表明：1）主要分布在北部小范围的第一产业用地空间集聚度整体偏低，第二产业集聚度总体偏高，产业发展聚集在北部或东部地区，第三产业聚集度也相对较高，相比第二产业分布更松散；2）制造业聚集度最高，分别在8%～20%与46%～64%之间形成2条不同宽度的密集带，东部地区聚集效应已经初步形成，交运仓储和邮电信息业的斑块集聚度在15%～23%之间形成特别密集的分布带，产业用地尤其是交通运输业占地面积较大，但空间分布相对松散；3）第一产业用地因地处城区和近郊面积较小，与其他产业空间相关性低，第二产业用地对第三产业用地以及居住用地表现出排斥作用；4）采掘、冶炼与加工业和制造业都与公共资源生产供应与管理用地关联度均大于1，交运仓储和邮电信息业、商业服务业和公共管理与公共服务业与居住用地关联度都偏高，且三者互相也具有一定的关联度，说明人群的聚集与局部流动带动服务业的发展。空间集聚度和空间关联度较好地呈现产业集聚水平、表达产业间关联关系。

土地利用；产业；集聚；空间关联；邻域关联分析；嘉峪关

0 引 言

产业集聚是同一产业或多个产业持续、动态地结合在一起，并且不断形成相互关联的产业空间运动[1]。产业集聚作为一种区域组织形式，能够产生生产地理空间的专业化与集中化效应，对区域经济的发展和区域竞争力的提升起着重要推进作用，并逐步成为地区经济发展、产业升级的主要模式[2-4]。产业用地空间集聚是指围绕某个特定领域和产业所形成的企业集合，区内众多的企业在产业上具有关联性，彼此共享资源、技术、信息等要素，获得规模经济和外部经济的双重效益[5-8]；而产业用地空间关联是指某一区域各产业在生产与再生产过程中所形成的直接和间接的相互依存、相互制约的经济联系[9-11]。两者都是能够反映产业集聚水平的重要指标[12-15]。因此，深入研究产业用地空间集聚与关联，对产业集聚水平的测度、区域产业用地的合理配置、土地利用格局的优化、产业链的完善和产业转型升级等具有重要的指导意义。

国内外已有的研究主要集中在利用集中度（concentration rati，CR）、区位商指数（location quotient）、赫芬达尔-赫尔曼指数（herfindahl-hirschman-index，HHI）、基尼系数（GINI）、投入产出模型等测度产业集聚。彭诚[13]应用区位熵方法对民族开发区产业聚集度进行了研究，提出适合民族开发区发展的政策建议；雷鹏[14]以不同企业的数量和各个企业总体就业人员平均人数为基本数据计算了中国20个制造业行业随时间变化的H指数，计算得到这些制造业行业的E-G指数，分析表明整体产业在从劳动密集型向资本密集型，进而再向技术密集型转移时，产业聚集水平在不断的提高。这些研究大部分只局限于产业的研究，使用地理空间数据、对其空间特征的测度体现严重不足[16-22]。然而，产业集聚首先所表现出的应是空间、地理上的集聚现象，产业集聚所产生的变化最终也是以土地利用格局的改变呈现出来。因此，从空间格局来研究产业聚集对区域未来产业升级与规划具有更加明确的指导作用[23-26]。

现阶段很多地区和城市（尤其西北地区）面临产业结构单一、产能过剩、能源枯竭等问题，急需一条稳妥的产业升级之路。而也曾经历过上述问题的嘉峪关市通过近几年的产业转型，逐渐改变了最初依托西北地区最大的碳钢和不锈钢生产基地酒泉钢铁而发展的较单一的产业结构，形成了新能源汽车制造业、生态旅游业等多元产业格局，且经济发展稳定提升，人均GDP在甘肃省前列，这说明嘉峪关市的产业升级是比较成功的。因此，本研究从产业用地空间集聚与空间关联入手，采用邻域分析方法，建立以斑块为单元的小尺度、单指标空间集聚度评价方法，结合邻域丰度因子和地类交互因子建立产业空间关联水平评价方法，对甘肃省嘉峪关市进行产业用地空间集聚和空间关联水平评价，分析研究区内各产业的集聚分布特征以及产业间的关联特征，剖析其产业用地格局的形成原因，把握其产业结构特征，旨在为嘉峪关市以及同类型急需产业升级的城市的产业用地合理配置和土地利用格局优化提供参考和依据，为丝绸之路重要节点在“一带一路”大背景下的经济转型升级提供合理的政策建议。

1 研究区概况

嘉峪关市地处甘肃省西北部，东经98°17′，北纬39°47′，河西走廊中部。嘉峪关市设立雄关区、长城区、镜铁区3区，下辖3个镇、47个社区，土地总面积2.935× 105hm²。全市年均气温在6.7～7.7 ℃之间，自然降水量年平均85.3 mm。嘉峪关市地势西南高，地貌东北低，自然坡度13.3%。城区建在酒泉盆地西缘部的戈壁滩上，基建不占农田，开发建设用地条件优越，工厂及其他商用房屋、民用建筑等可大大缩短工期，且造价低廉。2015年全市常住人口24.39万人，城镇居民人均可支配收入30 714元，绝对额位于全甘肃省第一。第一产业由于城市大、农村小，多属城郊型农业，农、林、牧收入比重为70:9:21；第二产业围绕中国西北地区最大的碳钢和不锈钢生产基地酒泉钢铁，初步形成了以钢铁产业为主体，冶金、建材、装备制造、新能源、电解铝及铝制品加工、食品加工为骨干的工业体系；第三产业依托优越地理区位，以较发达的交通运输业为基础，形成了以批发市场为主体的批发零售市场体系，同时丰厚的旅游资源也带动了住宿和餐饮等产业的发展。

2 研究方法与数据来源

2.1 产业空间集聚度评价方法

空间集聚不仅需要考虑某一产业用地类型的分布密度，还应考虑各斑块的相互位置关系、大小以及形状，现有空间集聚评价方法往往通过多指标进行较大尺度的侧面评价，而本文构建的评价方法不仅能够进行单指标评价，而且能够直接计算每一个斑块的空间集聚度，为区域小范围的空间集聚研究提供了基础[26-27]。

式中com表示第个产业用地斑块的空间集聚度；是以产业用地斑块几何重心为圆点的半径参数；D表示第个产业第个斑块与第个斑块几何距离；a表示第个斑块面积；（）为是地块的用地类型。式（1）的分子部分表示在第个斑块半径范围内，属性是耕地的斑块面积之和。斑块的空间集聚度com与半径参数有关，不同半径参数可理解为不同空间尺度，即不同尺度下斑块的空间集聚度不同，因此在应用该方法评价产业用地空间集聚度时，应首先明确所采用的半径参数大小。

2.2 产业空间关联度评价方法

邻域分析可通过特定斑块与邻近斑块的面积关系，分析产业用地类型之间的相关程度，为了充分考虑各斑块的相互位置关系、大小以及形状，本文沿用空间集聚度的圆形邻域定义方式进行邻域关系研究，结合邻域丰度因子、地类交互因子分析基于产业功能的土地利用空间格局中各产业用地类型的邻域关系与变化趋势[27-28]。

邻域丰度因子可反映斑块上产业用地类型的邻域关系，通过对比邻域距离内对应产业用地类型的斑块面积与距离内所有斑块面积和，表明邻接边界的复杂性；产业用地类型交互因子可综合反映斑块尺度上产业用地类型之间邻域关系的强弱程度。具体算法如下[27]

式中F为邻域丰度因子（表示斑块编号，表示产业用地类型，表示邻域半径大小，用实际距离表示）；a为地类第个斑块在半径内的面积和；a为第个斑块在半径内的斑块总面积；A为地类的斑块总面积；为所有斑块总面积。邻域丰度越高，说明地类在斑块半径范围内聚集程度越大，栅格受地类的影响越大。

2.3 数据来源与处理

本研究所采用的基于产业功能分类的土地利用数据，是利用从Google Earth下载的遥感影像，首先进行投影的定义与转换，再采用遥感图像目视解译法，通过直接观察判读获取特定目标地块信息，结合实地调查，对判读结果进行验证，精准的获取产业用地空间分布信息。本研究所采用的土地利用功能分类是依据中国42部门投入产出表，将嘉峪关市研究区的城市用地分为38种用地类型，并将其合并为4个一级分类（三大产业及居住用地）、8个二级分类。

为了便于空间聚集度的计算，本研究创建了以100 m为间隔的Fishnet（基于ArcGis CreateFishnet功能），并将其与原数据融合处理，形成20 877个产业用地斑块，将斑块编号、一级分类编号、二级分类编号、42部门编号、横纵坐标以及斑块面积等信息加入到其属性表，然后将数据属性表导入MATLAB，实现空间集聚度、地类交互因子等计算。

3 结果与分析

3.1 嘉峪关市基于产业类型的土地利用功能分类

本研究基于全国第二次土地利用调查的土地利用功能分类标准、已搜集到的中国科学院资源环境科学数据中心的土地利用功能分类标准和投入产出表中的产业用地分类标准[29-30]，将嘉峪关市城区和部分近郊的土地利用功能分类如下：

第一产业功能用地分类：因主要针对城区和近郊，第一产业占地较少，因此，没有进一步划分，统一为农林牧渔业用地。

第二产业功能用地分类：共分为20类，并对各产业空间分布信息进行提取。为了便于后面进行空间聚类和关联性分析，在此基础上，将其进行分类整合为采掘、冶炼与加工业、制造业、公共资源生产供应与管理3类用地类型（图1、表1）。

第三产业功能用地分类：共分为16类，并将其进行分类整合为交运仓储和邮电信息业、商业服务业、公共管理与公共服务3种用地类型（表1、图1）。

居住用地也是嘉峪关城区和近郊的主要用地类型，本研究将其单独作为一类，分析居住用地和产业用地的空间聚集和相邻关系。

图1 嘉峪关市土地利用功能空间分布图

3.2 嘉峪关市产业用地空间聚集度分析

本研究采用空间聚集度算法，估算了嘉峪关市城区和近郊8种不同功能用地的空间聚集度，揭示了不同功能用地空间聚集度的分异特征（图2）。结果显示，第一产业用地空间集聚度整体偏低，聚集度较高的区域主要分布在嘉峪关城区的西北部，面积相对较小，最大空间集聚度为23.1%，最小值为0，大部分斑块集聚度集中在1.5%～1.75%（图3），在该区间形成了密集带，这也说明研究区内农林牧渔业空间集聚程度较低，主要是由于城区和近郊的农业用地较少，密度相对较低。

表1 嘉峪关市基于产业类型的土地利用功能分类

相比第一产业用地，第二产业用地的空间集聚度总体偏高，且由东北向西南方向逐渐降低，表明嘉峪关市第二产业发展主要聚集在北部或东部地区。其中，采掘、冶炼与加工业用地主要分布在研究区北部，空间集聚度最大值为35%，在5%～15%之间形成了密集带。该产业用地空间集聚呈由北向南缓慢减少的分布态势，但空间聚集度总体偏高，表明该产业是嘉峪关市的主要产业，并存在一定规模。制造业用地是第二产业用地中空间聚集度最高，斑块最大空间集聚度为69.5%，分别在8%～20%与46%～64%之间形成了2条不同宽度的密集带，说明部分区域尤其是嘉峪关市东部地区的制造业聚集效应已经初步形成，而西部地区的聚集效应虽不显著，但占地总面积较大，聚集效应也逐渐开始萌芽。从空间分布来看，整个制造业用地的空间聚集度由东向西呈梯度分布。公共资源生产供应与管理用地主要分布在研究区北部，因该产业性质特殊，主要用来满足本区域生产生活的需要，因此，分布密度较小，空间聚集度相对也较小，空间集聚度的密集带在1%～8%之间。

图2 嘉峪关市产业集聚空间分布图

第三产业用地和第二产业用地较为相似，空间聚集度相对较高。其中，交运仓储和邮电信息业的斑块空间集聚度分布在10.4%～25%之间，且在15%～23%之间形成了特别密集的分布带，说明该产业用地尤其是交通运输产业用地占地面积较大，但空间分布相对松散。从空间分布来看，其空间集聚度西北和南部较高，西部和东部的研究区边缘地带空间集聚度较低。商业服务业用地的空间集聚度较高的区域分布在嘉峪关东南和西北地区，且由东南和西北向中间递减，说明嘉峪关东南和西北部地区商业服务业发达，中间地带商业服务业相对零散。该用地类型在5%～20%之间形成一条密集带。公共管理与公共服务用地在嘉峪关西南地区空间聚集度相对较高，由西南向东北地区递减，主要斑块的空间聚集度分布在5%～10%之间，集聚程度相对偏低。这说明嘉峪关市公共管理与公共服务水平有待进一步提高，以更好的保障嘉峪关的生产与生活。

图3 嘉峪关市产业集聚空间分布散点图

与其他功能用地显著不同，居住用地的空间聚集度差异显著。从空间分布上来看，空间聚集度相对较高的区域主要分布在公共管理与公共服务业相对密集的西南地区，且由西南向东北地区递减，梯度显著。最高值达到39.1%。这表明公共管理与公共服务业的发达，会给居民生活带来更多的便利，也相应地会吸引更多的居民居住。周围产业的不同，势必会影响居住用地的分布。

3.3 嘉峪关市产业用地邻域相关程度分析

本研究对嘉峪关市主要地类交互因子与邻域距离的关系进行分析时，将各产业的主要地类交互因子进行了对数化处理，邻域距离范围由100 m至5 000 m以100 m为公差均匀变化（图4）。若对数化地类交互因子大于0，即2种地类交互因子大于1，表明2种地类有较强的邻域关系，若小于0，表示2种地类的相关性弱。整体来看，嘉峪关各地类交互因子对数化后均分布在0～1.5附近，随着邻域距离的增加各产业用地的邻域相关程度呈现出了不同态势，但都随着邻域距离的不断增大而趋于稳定。

对于第一产业，农林牧渔业用地交互因子中，其他产业用地均由负值向0收敛，表明其他用地与农林牧渔业用地空间相关性低，这主要是由于城郊农林牧渔业用地面积相对较小所致，并且对于郊区而言，农业与其它行业的相互带动作用较弱。对于第二产业用地，采掘、冶炼与加工业与公共资源生产供应与管理用地表现出了一定的关联性，第二产业的采掘、冶炼与加工业和制造业与居住用地交互因子相比其他因子值最低，说明居住用地与冶炼与加工业和制造业的关联性比较低，相互并无显著的带动作用；第三产业与第二产业不同，其商业服务业、公共管理与公共服务3种地类与居住用地的交互因子均大于0，表现出了较强的邻域关系，这表明商业服务业和公共管理与公共服务的发展吸引了更多的居民居住，促进了居民社区的发展；而用地面积相对较大的交运仓储和邮电信息业只对公共管理与公共服务表现出一定的关联性，第三产业用地与第二产业用地的3种类型的交互因子均为负值，且低于与其他产业用地交互因子，体现出第二产业对第三产业用地发展有一定的抑制作用。

从表2来看，各产业用地的交互因子差异较大。其中，农林牧渔业自空间关联度最高，交运仓储和邮电信息业自空间关联度最低。从不同产业的空间关联度来看，农林牧渔业与商业服务业的空间关联度相对最高，这主要是由于城市近郊农业主要为观光农业或者旅游农业，所以带动了周边商业服务业的发展；其与居住用地的空间关联度最低，这可能是由于城郊地带农田与农户居住用地分别相对集中，且农田与农户居住用地存在一定距离。对于第二产业用地，采掘、冶炼与加工业与公共资源生产供应用地的空间关联度最高，制造业也与公共资源生产供应用地空间关联度最高。公共资源生产供应用地可以为采掘、冶炼与加工业与制造业提供其所需要的能源和水资源。对于第三产用地，交运仓储和邮电信息业与各产业用地关联度差异不大，说明该产业用地对各产业用地的影响较为平衡，仅相对居住用地和公共管理与公共服务用地关联度略高一些；商业服务业与公共管理与公共服务均与居住用地的空间关联度最高，且与其他第三产业用地也具有一定的关联度；居住用地同样与商业服务业和公共管理与公共服务关联度较高，也说明第三服务业发展主要随人群而聚集。

图4 嘉峪关市产业用地类型对数化交互因子与邻域距离的关系

表2 嘉峪关市各产业用地类型交互因子

4 结 论

本文对嘉峪关市各产业进行了功能性分类，采用产业用地空间集聚评价的方法，将评价单元具体到斑块，综合考虑斑块位置、形状和面积，对研究区的空间集聚程度进行了评价，并利用产业用地类型交互因子对各产业的相关性进行了空间邻域分析。主要结论如下：

1）第一产业农林牧渔业因占地少，空间集聚低；第二产业中，制造业集聚程度最高，呈现出东北向西部由高到低呈梯度分布，并产生了2条密集带，低值分布带说明一定面积的制造业用地分布相对松散，高值分布带虽然包含的斑块数量较少，但反映出制造业已开始产生空间集聚效应。采掘、冶炼与加工业相比制造业占地少，因此，集聚度相对略低，而公共资源生产供应与管理尽管占地少但分布集中，显示出一定的集聚效应；第三产业中，占地较大的交运仓储和邮电信息业空间聚集度稳定于一个范围区带之内。商业服务业和公共管理与公共服务用地在远离第二产业集聚的西南、东南部集聚明显；居住用地空间集聚程度差异明显，没有形成密集带。

2）第一产业用地与其他产业空间相关性低，主要为观光农业或旅游农业的近郊农业带动了商业服务业的发展，使得其与商业服务业相关性最高，城郊地带农田与农户居住用地分别相对集中以及两者存在一定距离，使得其与居住用地的关联性最低；公共资源生产供应与管理用地与其他第二产业用地呈现出较强的关联性，其可以为其他第二产业用地提供水和能源，此外，第三产业用地的3种地类都与居住用地呈现出较强的邻域关系，且三者之间也具有一定的关联度，说明人群的聚集与局部流动带动了第三服务业的发展，交运仓储和邮电信息业与各产业用地都呈现出一定的关联性且无明显差异，其对各产业用地的影响较为均衡，说明该产业是各个产业的公共需求，整体来看，第三产业的三个地类与第二产业用地的关联性都低于其他产业，体现出第二产业对第三产业用地发展具有抑制作用。

嘉峪关市的产业成功转型离不开其第二产业集聚所凝聚的雄厚工业基础，同时制造业的集聚和多元化发展也是在当今钢铁市场疲软下其能够继续保持迅速发展的动力保证，而制造业等第二产业所提供的就业机会以及当地政府在旅游、环境保护和公共基础设施上的投入对第三产业的发展与集聚又产生了有效的促进作用，但第二产业的集聚所带来的第三产业及居住用地的排斥作用也必定会产生第二产业产业园人流潮汐现象，如何优化这土地利用格局以解决这一现象带来的问题，也是当今中国各大产业园的迫切需求，值得进一步研究。

[1] Giovannetti E, Tsuji M, Kagami M. Industrial agglomeration and new technologies: A global perspective[J]. Social Science Electronic Publishing, 2012, 87(1): 147－149.

[2] Rosenthal S S, Strange W C. Geography, industrial organization, and agglomeration[J]. Review of Economics & Statistics, 2003, 85(2): 377－393.

[3] De Groot H L F, Poot J, Smit M. Agglomeration, innovation and regional development: Theoretical perspectives and meta-analysis[J]. Social Science Electronic Publishing, 2007, 2.

[4] Storper M, Christopherson S. Flexible specialization and regional industrial agglomerations: The case of the U.S. motion picture industry[J]. Annals of the Association of American Geographers, 2015, 77(1): 104－117.

[5] Giulio Cainelli, Donato Iacobucci, Enrica Morganti. Spatial agglomeration and business groups: New evidence from Italian industrial districts[C]// ERSA Conference Papers. European Regional Science Association, 2004: 507－518.

[6] 张华，梁进社. 产业空间集聚及其效应的研究进展[J]. 地理科学进展，2007，26(2)：14－24.

Zhang Hua, Liang Jinshe. Progress in industrial agglomeration research[J]. Progress in Geography, 2007, 26(2): 14－24. (in Chinese with English abstract)

[7] 褚劲风. 上海创意产业空间集聚的影响因素分析[J]. 经济地理，2009，29(2)：104－131.

Chu Jinfeng. A study on spatial difference of the creative industrial zones in Shanghai[J]. Economic Geography, 2009, 29(2): 104－131. (in Chinese with English abstract)

[8] 薛雅伟，张在旭，李宏勋，等. 资源产业空间集聚与区域经济增长：“资源诅咒”效应实证[J]. 中国人口·资源与环境，2016，26(8)：25－33.

Xue Yawei, Zhang Zaixu, Li Hongxun, et al. Spatial agglomeration of resource industry and regional economic growth: An empirical study of ‘resource curse’ [J]. China Population Resources and Environment, 2016, 26(8): 25－33. (in Chinese with English abstract)

[9] Shi P, Pu Y. Analysis on Spatial correlation mechanism between financial agglomeration and industrial structure[J]. Technology Economics, 2011, 30(1): 39－44.

[10] 万鲁河，王绍巍，陈晓红. 基于GeoDA的哈大齐工业走廊GDP空间关联性[J]. 地理研究，2011，30(6)：977－984.

Wan Luhe, Wang Shaowei, Chen Xiaohong. GeoDA-based spatial correlation analysis of GDP in Hadaqi industrial corridor[J]. Geographical Research, 2011, 30(6): 977－984.

[11] Fenge R, Ehrlich M V, Wrede M. Public input competition and agglomeration[J]. Regional Science and Urban Economics, 2009, 39(5): 621－631.

[12] Hill E W, Brennan J F. A methodology for identifying the drivers of industrial clusters: The foundation of regional competitive advantage[J]. Economic Development Quarterly, 2000, 14(1): 65－96.

[13] 彭诚. 基于区位熵方法的民族开发区产业聚集度研究[J]. 西南科技大学学报：哲学社会科学版，2017，34(5)：59－62.

Peng Cheng. A study on industrial agglomeration of development zones of ethnic areas based on location entropy method[J]. Journal of Southwest University of Science and Technology, 2017, 34(5): 59－62. (in Chinese with English abstract)

[14] 雷鹏. 制造业聚集与区域经济增长的实证研究[J]. 上海经济研究，2011 (1)：35－45.

Lei Peng. Manufacturing industry concentration and regional economic growth empirical study[J]. Shanghai Journal of Economics, 2011(1):35－45. (in Chinese with English abstract)

[15] Duranton G, Overman H G. Testing for localization using micro-geographic data[J]. Review of Economic Studies, 2010, 72(4): 1077－1106.

[16] 刘海波. 我国产业集聚水平及其对区域差异的影响研究[D]. 长春：吉林大学，2007.

Liu Haibo. A Study on Industry Agglomeration Level and the Influence to Regional Difference in China[D]. Changchun: Jilin University, 2007. (in Chinese with English abstract)

[17] 樊秀峰，康晓琴. 陕西省制造业产业集聚度测算及其影响因素实证分析[J]. 经济地理，2013，33(9)：115－119.

Fan Xiufeng, Kang Xiaoqin. An empirical analysis of shaanxi's manufacturing industry agglomeration degree and its influencing factors[J]. Economic Geography, 2013, 33(9): 115－119. (in Chinese with English abstract)

[18] 刘斯敖. 产业集聚测度方法的研究综述[J]. 商业研究，2008(11)：64－66.

[19] 彭耿. 产业集聚度测量研究综述[J]. 技术与创新管理，2010，31(2)：181－184.

Peng Geng. A review of the research on the measurement of industrial agglomeration degree[J]. Technology and Innovation Management, 2010, 31(2): 181－184. (in Chinese with English abstract)

[20] Wu Jianguo. Effects of changing scale on landscape pattern analysis: Scaling relations[J]. Landscape Ecology, 2004, 19(2): 125－138.

[21] Ellison G, Glaeser E L, Kerr W R. What causes industry agglomeration? evidence from coagglomeration patterns[J]. American Economic Review, 2007, 100(3): 1195－1213.

[22] 王世忠. 基于LUPO模型的德清县土地利用空间布局优化[J]. 农业工程学报，2012，28(20)：230－238.

Wang Shizhong. Land use spatial structure optimization based on LUPO model in Deqing county[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(20): 230－238. (in Chinese with English abstract)

[23] 陈红宇，朱道林，郧文聚，等. 嘉兴市耕地细碎化和空间集聚格局分析[J]. 农业工程学报，2012，28(4)：235－242.

Chen Hongyu, Zhu Daolin, Yun Wenju, et al. Analysis on cultivated land fragmentation and spatial agglomeration pattern in Jiaxing city[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(4): 235－242. (in Chinese with English abstract)

[24] Pawlowski C W, Cabezas H. Identification of regime shifts in time series using neighborhood statistics[J]. Ecological Complexity, 2008, 5(1): 30－36.

[25] 李鑫，李宁，马晓冬.耕地资源空间集聚度评价及影响因素：以江苏省睢宁县为例[J].土壤，2016，48(5)：1042－1048.

Li Xin, Li Ning, Ma Xiaodong. Evaluation of arable land spatial compactness and analysis of its influence factors: A case study of suining county in Jiangsu Province[J]. Soils, 2016, 48(5): 1042－1048. (in Chinese with English abstract)

[26] 蔡进，廖和平，邱道持，等.重庆市农村耕地资源贫困测度及空间格局研究[J]. 农业工程学报，2017，33(18)：251－259.

Cai Jin, Liao Heping, Qiu Daochi, et al. Study on poverty measure of farmland resources and spatial pattern in Chongqing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(18): 251－259. (in Chinese with English abstract)

[27] 段增强，张凤荣，苗利梅. 基于邻域因子的土地利用空间格局分析：以北京市海淀区为例[J]. 农业工程学报，2006，22(6)：71－73.

Duan Zengqiang, Zhang Fengrong, Miao Limei. Neighborhood-based method for land-use spatial pattern analysis and its application[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2006,22(6):71－73.(in Chinese with English abstract)

[28] 谷建立，张海涛，陈家赢，等. 基于DEM的县域土地利用空间自相关格局分析[J]. 农业工程学报，2012，28(23)：216－224.

Gu Jianli, Zhang Haitao, Chen Jiaying, et al. Analysis of land use spatial autocorrelation patterns based on DEM data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(23): 216－224. (in Chinese with English abstract)

[29] 马雯秋，何新，姜广辉，等. 基于土地功能的农村居民点内部用地结构分类[J]. 农业工程学报，2018，34(4)：269－277.

Ma Wenqiu, He Xin, Jiang Guanghui, et al. Land use internal structure classification of rural settlements based on land use function[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(4): 269－277. (in Chinese with English abstract)

[30] 刘纪远，匡文慧，张增祥，等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报，2014，69(1)：3－14.

Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s[J]. Acta Geographica Sinica, 2014, 69(1): 3－14. (in Chinese with English abstract)

Study on characteristics of spatial agglomeration and spatial correlation of industrial land in Jiayuguan city

Jiang Qun’ou1,2, Sun Siyang1,2, Wang Chunli1,2, Shao Yaqi1,2, Wang Meilin1,2, Nie Chengjing3

(1.,,100083,; 2.100083; 3.,050061,)

Industrial agglomeration plays a significant role in promoting regional economic development and regional competitiveness, and gradually becomes the main mode of regional economic development and industrial upgrading. Spatial agglomeration and correlation should not only consider the distribution density of an industrial land type, but also consider the location, size and shape of each patch. Neighborhood analysis can be used to analyze the correlation between industrial land types through the relationship between the area of specific patches and adjacent patches. This study applied the fishnet to divide the visual interpretation data into 20877 patches and calculated the spatial agglomeration degree and spatial correlation degree among 8 different industries in urban and suburban areas of Jiayuguan by establishing a single index evaluation system for industrial spatial agglomeration and combining the neighborhood abundance factor with the class interaction factor to establish the evaluation method of Industrial Spatial Association. And then the spatial agglomeration level and spatial correlation degree among industries were analyzed. The results showed that: 1) the first industry mainly distributed in a small area in the north, and the land spatial agglomeration was low. However, the second industrial land spatial agglomeration degree was high, and the industrial development mainly gathered in the northern or eastern region. As for the tertiary industry, its land spatial aggregation degree was relatively high, and has more dispersed distribution compared to the second industry. 2) Spatial agglomeration degree of manufacturing land was highest, and the largest spatial aggregation of the patches was 69.5%. There were two different dense zones between 8%-20% and 46%-64%, and the industrial cluster effect has initially formed in the eastern part. The spatial agglomeration of patches in transportation, warehousing, post and information industry has formed a particularly dense distribution belt between 15%-23%. Although the transportation industry land area was larger, its spatial distribution was dispersed. 3) The areas of agriculture, forestry, animal husbandry and fishery industry were relative small and had a low correlation with other industrial land, as the area of first industry was close to the urban area and the suburb. The second industrial land has shown a certain rejection effect on the tertiary industrial land and the residential land. 4) The interaction factor between the mining, smelting, processing and manufacturing and the production and supply and management of public resources was more than 1. The relationship between transportation, warehousing, post and information industry, commercial service industry and public management and public service and residential land was also high, and three of them were related to each other, which showed that the aggregation and local flow of the population promote the development of the tertiary industry. The spatial agglomeration degree and spatial correlation degree can accurately present industrial agglomeration level and express inter industry relationship. This study further illustrates that the successful transformation of Jiayuguan's industry can not be separated from the strong industrial base of its second industrial agglomeration. And the agglomeration and diversification of manufacturing industry is also the dynamic guarantee for the rapid development of the steel market under the weakness of the steel market. The employment opportunities provided by the manufacturing industry and other second products also have an effective role in promoting the development and agglomeration of the three industries.

land use; industry; agglomeration; spatial correlation; neighborhood correlation analysis; Jiayuguan city

姜群鸥，孙驷阳，王春丽，邵雅琪，王美林，聂承静. 嘉峪关市产业用地类型的空间集聚度与空间关联度特征研究[J]. 农业工程学报，2018，34(24)：274－282. doi：10.11975/j.issn.1002-6819.2018.24.033 http://www.tcsae.org

Jiang Qun’ou, Sun Siyang, Wang Chunli, Shao Yaqi, Wang Meilin, Nie Chengjing. Study on characteristics of spatial agglomeration and spatial correlation of industrial land in Jiayuguan city[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(24): 274－282. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.24.033 http://www.tcsae.org

2018-05-14

2018-10-13

中央高校基本科研业务费专项（项目编号：2017JC15和2015ZCQ-SB-03）；国家科技重大专项项目（No.2017ZX07101004）；国家自然科学基金委重大研究计划（No.91325302和No.91425303）；中国博士后基金（No.2014M560110）和河北省自然科学基金项目（D2015207002）

姜群鸥，副教授，博士，研究方向为土地利用变化及效应。Email：jiangqo.dls@163.com

10.11975/j.issn.1002-6819.2018.24.033

F301.24

A

1002-6819(2018)-24-0274-09