基于夜间灯光数据的中国五大区域级城市群空间扩张协同性对比

张景奇，周思静，修春亮

（1.东北大学文法学院，辽宁 沈阳 110169；2.东北大学江河建筑学院，辽宁 沈阳 110169）

自2006年国家“十一五”规划纲要首次提出“把城市群作为推进城镇化的主体形态”以来，城市群发展在中国城镇化中的地位不断得到强化，为区域经济增长作出巨大贡献。2017年10月，中共“十九大”报告指出，“以城市群为主体，构建大中小城市和小城镇协调发展的城镇格局”，城市群成为未来中国城镇化发展的主要形态。2018年11月，中共中央、国务院发布《关于建立更加有效的区域协调发展新机制的意见》，进一步提出“建立以中心城市引领城市群发展、城市群带动区域发展新模式”，使得以国家及区域中心城市为引领的城市群发展备受重视。城市群空间扩张的协同性不仅反映城市群的空间增长格局，更反映出大尺度区域范围的土地利用问题，城市群扩张的过程往往与城市用地需求的失控和城市边缘地带的无序发展相联系，造成与土地资源稀缺的矛盾越发突出。在土地资源总量不变的情况下，解决这些问题的关键在于优化城市群的用地结构、促进协调发展，而当前中国区域级城市群正处于发展转型的关键时期，加强中心城市的辐射带动能力、培育新的增长极、削弱区域发展规模差异并提升城市群整体水平是中国区域协调有序发展的迫切需求。因此，有必要分析并归纳区域级城市群空间扩张及其内部协调发展的规律，增强城市群内部用地的协同性，更好地实现土地资源的可持续利用。

1 文献回顾

基于HAKEN[1]提出的协同学（Synergetics）理论，城市群扩张的协同性是指城市群系统内部各个城市之间同步与差异的有机统一，增强同步性，消除差异性，以实现共同繁荣的整体效应，为城市群协同发展提供源源不断的动力支持[2]。从概念上看，城市群本身就蕴含着“协同性”，无论是GOTTMANN提出的“在地域上集聚而成的庞大的、多核心、多层次的大都市区联合体”[3]（大都市带，Megalopolis），还是姚士谋、方创琳提出的城市“集合体”概念[4-5]，都强调一种空间组织形态上的联系[6-7]和各种利益的共同体[8]。协同性包括空间、经济和社会协同性，但空间协同是实现交通、产业、生态环境、创新以及政策协同等多方面协同最为基础的环节。参考上述研究，本文所界定的城市群空间扩张协同性是指城市群“又好”“又快”“紧密地”“整体性”发展，即城市群扩张速度越快、质量越高、内部联系越紧密，则协同水平越高。

研究城市群扩张是研究空间协同的基础，现有研究主要集中在城市群的空间形态及模式研究[9-10]、要素耦合协调分析[11-12]以及空间关联分析[13-14]三方面。空间扩张不仅是指边界的增长，也反映了社会经济要素在空间中的扩散[15]，因此，各发展要素在城市群内的分布与流动，都会对城市群空间发展产生影响。同时，核心城市的辐射带动作用会促进周围城市的发展，核心城市的引力强度越大，区域内空间扩张面积和扩张强度相对越大[16]，说明以上三方面的研究并非各自独立，而是相互联系、相互影响的；从研究方法上看，多从系统论、理性增长论出发，采用耦合协调模型[17-18]、城市引力模型[19]等，分析城市群空间扩张过程与人口、经济、社会各要素间的联系，以实现城市群理性、有序、协调的增长；从数据来源上看，越来越多的研究开始使用夜间灯光数据，利用夜间灯光数据与大范围的区域经济、人口分布状况紧密相关[20]的特性来对城市群扩张动态进行监测。此外，夜间灯光数据结合常规遥感、统计年鉴数据的研究也不断呈现[21-22]，丰富了城市群相关的研究成果；从研究区域上看，相对于长三角、珠三角和京津冀三大国家级城市群广泛深入的研究[23-24]，中国东北部、中西部等具有较大发展潜力、较快发展势头的区域级城市群尚缺乏细致的对比研究，特别是从城市群内部空间关联上分析城市群扩张协同性的研究较少。

2 研究区、数据来源及研究方法

2.1 研究区特征

“十三五”以来，中国城市群建设稳步推进，形成了规模、范围和等级不一的20多个城市群，学者对中国的城市群进行了等级划分[25-26]，黄金川等[27]基于人口密度、城镇化率等指标，将辽中南、山东半岛、中原、武汉、成渝5个城市群划分成的“区域级城市群”，其规模水平仅次于三大国家级城市群，是以国家或区域中心城市为引领，但具有巨大发展潜力的次发达城市群区域，本文即以此五大区域级城市群为研究区。据统计，五大区域级城市群土地面积约69.90×104km2，占全国土地总面积的7.28%，2018年人口约35 941万人，占全国总人口的25.76%，GDP产值179 652亿元，占全国GDP产值的19.95%，涵盖了中国东北、华北、华中和中西部地区（表1）。虽然五大区域级城市群都有国家或区域中心城市引领，但在发育水平上却表现出参差不齐。因此，对比研究它们空间扩张的协同性，一方面能够客观刻画中国区域级城市群空间增长过程中存在的问题，探究这类城市群空间协调、理性增长的可行路径；另一方面以这5个典型城市群为例，探究中国次一级城市群空间增长规律，解释城市群内部协调对城市群用地扩张产生的作用，为中国国土资源在区域层面的合理配置提供参考。

表1 研究区范围Tab.1 Study areas

2.2 数据来源及处理

2.2.1 数据来源

夜间灯光数据是美国国家海洋和大气管理局（NOAA）生产的一种相对新型的遥感数据，是在夜间无云条件下接受地表发射的可见光—近红外电磁波信息。该数据在城市群研究方面的适用性一方面表现在解译上的优势，灯光强度能够直观地分辨城市与农村地区，使城市群建成区范围获取更加便利，解决了传统遥感解译地物识别繁杂、耗时长等问题；另一方面夜间灯光数据十分适用于大尺度区域的研究，相关研究已证明夜间灯光数据与GDP、人口、电力消耗、道路面积等城市化指标紧密相关，能较好表征社会经济的发展动态[28]。因此本文采用DMSP/OLS（以下简称DMSP）以及NPP-VIIRS（以下简称VIIRS）两种夜间灯光数据提取城市群边界，选择1998年、2003年、2008年、2013年和2017年的夜间灯光数据构建4个研究时段（T1—T4），其中，前三年的影像使用了DMSP中F101992、F152002、F182012三期中1998年、2003年、2008年的数据，后两年的影像使用2013年、2017年VIIRS月合成夜间灯光数据。

2.2.2 数据处理

夜间灯光数据的预处理需要解决两个问题：一是两种夜间灯光数据源内部各自的预处理，目的是消除灯光饱和的影响并得到稳定的DN值；二是两种夜间灯光数据源的融合，目的是形成连续时间序列。

第一，对于DMSP夜间灯光数据，因其存在着灯光饱和现象，且各年的影像分别来自不同期的卫星，需要对其进行饱和校正和连续校正[29]。而对于VIIRS夜间灯光数据，因其为月合成数据，故需要将每月影像合成为年均值影像，在具体处理时参考周翼等[30-31]所使用的方法，并在处理后采取与DMSP同样的方法进行连续性校正，获取稳定的灯光值。第二，对于两种夜间灯光数据源的融合，理论上同一年度、同一区域的DN值应该相同，但实际上由于两种夜间灯光数据的传感器接收光源的程度和光谱响应方式不同，同一位置VIIRS中的DN值与DMSP中的DN值不具有可比性，但两种灯光数据的DN值存在一定的相关关系，表现为在DMSP中DN值较大的区域，在VIIRS中也具有同等趋势。因此，本文采用不变目标区域法[32]，利用两种夜间灯光数据的重合年（2013年）进行拟合：首先对2013年的DMSP与VIIRS稳定灯光值进行相关性检验，结果显示相关系数为0.822（剔除掉DN值为0的像元），通过相关性检验；其次进行回归拟合，得到两者DN值拟合系数，结果显示，对数回归的拟合优度R2最高，为0.86；最后，选取该方程进行两种灯光数据的灯光值拟合（图1），完成两种夜间灯光数据源的融合。

图1 VIIRS对DMSP回归拟合结果Fig.1 Regression fitting results of VIIRS and DMSP images

式（1）中：DNcor为VIIRS数据经过拟合转换至DMSP尺度上的像元DN值；DNviirs为拟合前VIIRS夜间灯光数据像元值。

拟合所用的真实DMSP、VIIRS数据经过了连续性校正等处理，一定程度上削弱了夜间灯光数据自身的缺陷。根据图1所示结果，拟合后的数据与真实数据在研究区内与DMSP夜间灯光分布、亮度范围相似度高、范围一致，能够与2013年之前的DMSP数据进行序列研究。同时，根据皮尔森相关系数和误差分析（表2），拟合后的夜间灯光数据与DMSP源数据误差小、相关性更高，拟合后误差减少将近10倍，且相关性增强，拟合效果较好。但是，拟合后的数据广泛分布着大量微弱灯光，这些微弱灯光是由于VIIRS传感器更强的探测能力以及未处理的地表火光等影响造成的，但后续研究中应用夜间灯光影像提取城市群建成区的阈值均大于30，因此微量杂光对于建成区提取结果的影响有限，故该拟合能够满足本次研究所需。

表2 拟合后夜间灯光数据与源数据精度对比Tab.2 Accuracy comparison between fitting night lighting data and source data

2.3 研究方法

首先，提取城市群边界作为后续计算的基础；其次，基于协同发展“又好”“又快”以及紧密关联的“整体性”发展内涵，通过城市群扩张速度、城市群扩张质量和城市群内部关联度3项指标进行测度。城市群扩张的速度旨在从“量”上衡量城市群的动态变化，反映城市群空间协调的潜力。城市群的扩张质量旨在从“质”上衡量城市群的空间格局，反映城市群土地利用是否高效、紧凑。引力模型来计算城市群内部的相互联系程度，旨在分析在用地不断扩张的过程中，各城市要素流动是否与之匹配。在三项测度之后，根据各项得分进行标准化后汇总，消除样本差异化影响，对5个城市群的空间协同发展进行对比分析。

2.3.1 城市群边界提取与扩张速度计算

采用参考比较法提取城市群边界。目前采用夜间灯光提取城市区域的方法有经验阈值法、突变检验法、参考比较法、影像空间比较等[33]，较为常用的是经验阈值法[34-35]，但该方法依赖于主观判断，且需要丰富的研究成果经验积累，而参考比较法可以修正这一缺陷，因此本文以1992—2017年《中国城市统计年鉴》数据作为参考数据，对每一阈值对应的DN值叠加求和，选取最接近参考数据的作为提取阈值，所得到的阈值不是固定值，而是随每年的经济社会因素变化，也称为“动态阈值”。进而，应用动态阈值提取结果（各市市辖区面积）计算城市群扩张速度（US），用以测度单位时间内城市群建成区范围变化速率，是城市群空间协调增长在量上的反映。

式（2）中：UAn+i为第n+i年某城市群各市市辖区面积和；UAi为第i年该城市群各市市辖区面积和；n以年为单位。

2.3.2 城市群扩张质量计算

城市群扩张质量（Q）是指在空间形态上城市群发展是否紧凑、高效，参考刘璐[36]使用的测度指标，选取形态紧凑度、开发密度和发展向心度3个指标进行综合研究（表3），既能表达城市群扩张的形态特征，又能侧面反映城市群社会经济活动分散和扩散的趋势，可用以分析城市群土地集约利用的程度。最后，对3个指标的计算结果进行标准化和等权加和处理，以对比不同城市群扩张的质量。

表3 城市群综合扩张质量指标Tab.3 Comprehensive expansion quality indexes of urban agglomeration

2.3.3 城市群内部关联度计算

城市群内部关联度是指要素在城市群内各城市的互动，直接反映城市群发展资源的空间布局，可依据城市引力模型计算。引力模型的基础是万有引力定律和距离衰减原理，引力大小与城市质量成正比、距离成反比。已有研究采用城市夜间灯光总值作为城市质量的指标[37]，本文在此基础上以城市GDP的占比关系作为权重对引力模型进行修正，并参考苗洪亮等[38]的研究方法计算城市群内部的平均全局联系强度，具体公式如下：

式（7）中：C为某城市群的平均全局联系强度；n该城市群城市个数；为i城对城市群内其他城市联系强度的平均数，即

式（8）—式（9）中：Fij为城市i对j的吸引辐射能力；D为各年城市间铁路运行时间距离；K为权重系数，用来衡量城市i对两城联系的贡献程度；Gi和Gj分别为i、j两城的GDP；Li、Lj分别为i、j两城的DN值。

3 结果与分析

3.1 城市群扩张速度对比

应用ArcGIS 10.5提取研究区各时段建成区边界，并通过式（2）依次得到5个城市群扩张的面积和速度，结果如图2和图3。从城市群总体扩张面积上看，1998—2017年成渝城市群扩张速度最快，超过了2 600 km2，而武汉城市群总扩张面积最低，不足1 000 km2，二者相差2.73倍，但考虑到城市群内部城市数量的差异后，单城年增速最快的是山东半岛城市群，扩张速度高达14.5 km2/a，而增长最慢的则是中原城市群，速度为4.1 km2/a，二者相差3.58倍，相对而言，辽中南城市群无论是在增长总量还是单城年增速上均处于中游位置。五大城市群中山东半岛城市群各城市扩张相对较为均衡，核心城市与其他城市差异小，而成渝城市群的核心城市重庆展现出明显的分散式扩张，武汉城市群则核心城市增长明显，非核心城市变化微弱。从核心城市贡献度（核心城市增长占总增长的比例）上看，武汉城市群的核心城市贡献度最高，达82.4%，其次是成渝城市群，达72.0%，辽中南城市群居中，为57.7%，山东半岛第四，为41.3%，而中原城市群最低，为19.4%。

图2 五大区域级城市群扩张总量和单城扩张速度Fig.2 Expansion amount and single-city expansion speed of five regional-level urban agglomerations

五大区域级城市群的空间扩张格局呈现较大的差异，各城市群扩张呈现出不同的空间增长格局。山东半岛城市群经历了以青岛市为扩张重心向城市群地理中心潍坊市转移的过程，群内各城市出现了不同程度的扩张，相对差异小，城市群扩张均衡性强；武汉城市群扩张过程中出现显著的重点扩张区域，空间增长主要由武汉市支撑，呈现较大的异质性；辽中南城市群扩张集中在中、西部几个主要城市，重心经历由西南向地理中心南北往复偏移过程，呈现出较强的方向性；成渝城市群扩张重心由地理中心逐渐向重庆市迁移，且空间扩张向集中、均衡的趋势发展；而中原城市群地区城市扩张在早期出现以郑州市为中心的圈层扩张特征，随后扩张重心向东南方向转移，空间扩张向外围城市扩散。五大区域级城市群扩张速度呈现明显的阶段特征，与中国同期的城市发展政策有密切联系。辽中南城市群和中原城市群内的重点城市工业化起步早，早期人口基数大，T1时期1998年的房改政策一定程度促进了城市开发建设，而T2时期是中国工业化产业转型时期，恰好为东北地区、中部重工业区转型发展的初始阶段。同时，2003年国务院发布《关于促进房地产市场持续健康发展的通知》，一些发展条件较为优越的城市大力发展房地产业致使城市范围迅猛扩张。2012年后（T3时期）中国进入经济新常态，对土地市场和房地产业进行调控，城市盲目扩张的现象得到一定遏制。

3.2 城市群扩张质量对比

将城市群内各城市的周长、扩张面积等相关数据带入式（4），将提取的各城市群夜间灯光栅格数据带入式（5）—式（6），结果标准化后，通过式（3）计算城市群扩张质量的综合得分（表4）。总体来看，辽中南城市群4个时点中有3个时点的综合得分最高，说明其相较其余4个城市群用地最为集约紧凑；与之相反，总体增量较大的成渝城市群在4个时点的综合得分均为最低，说明其城市群扩张较为分散，城市边缘带密度较低。

图3 1998—2017年中国五大区域级城市群扩张态势Fig.3 Expansion of five regional urban agglomerations in China from 1998 to 2017

单项指标上，就紧凑度UC而言，规模较小的武汉城市群在各个时点UC最高，其城市群扩张形态最为紧凑；反之，规模最大的中原城市群和成渝城市群得分最低，土地利用较为分散，其余城市群在2013—2017年UC大大提高，填补了前期用地的空白；就开发密度UI而言，辽中南城市群在5个城市群中处于较高水平，说明郊区的土地被有效和均衡的利用，而成渝城市群的UI值低，说明城市群内小城镇较多，郊区未充分开发，城市群内部发展程度差距大，呈现低密度扩张；就向心度CT而言，各城市出现与城市群扩张强度相近的波动趋势，且单核心的中原城市群和武汉城市群该项整体得分较低，核心发展区对城市群扩张的带动能力较弱，反之，山东半岛城市群该项得分高，城市群内部发展区域较为集中一致。

五大区域级城市群的扩张质量水平存在差异，这一结果与各城市群发展现状以及资源配置相一致，辽中南城市群在早期就得到发展，大城市数量较多，由于资源的开发需要一定的基础设施，建设用地开发早，故在后续发展中城市群用地的密度较高；成渝城市群和中原城市群的扩张质量低的关键在于城市群用地不紧凑，对于成渝城市群来说，主要受制于地形影响，建成区开发为了避开地震、地势较高的地区，所以用地分散，中原城市群则是由于其内部城市分别来自于4个省，缺乏相对一致的发展政策衔接。

表4 城市群空间质量标准化得分Tab.4 Standardized scores of comprehensive expansion quality of urban agglomerations

图4 五大区域级城市群空间联系强度Fig.4 Spatial connection strength of five regional urban agglomerations

3.3 城市群内部空间关联对比

将五大区域级城市群各城市的夜间灯光总值、GDP密度和人口密度数据代入式（8）和式（9），并按照式（7）计算得到各城市群平均全局联系强度（图4）。总体来看，随着时间的推移各城市群内部的关联度逐步增强，城市群关联度增强6.73倍（山东半岛城市群）至8.84倍（成渝城市群）不等。按照其关联等级可分成3类：第一类是山东半岛城市群，在各个时点的关联度最强，均处于首位；第二类是辽中南城市群和武汉城市群，各个时点的关联度较强，处于中游水平，辽中南城市群内部关联度除2013年略低于成渝城市群外，其余时点均排名第二；第三类是成渝城市群和中原城市群，各个时点的关联度较弱，处于下游水平，成渝城市群内部关联度在各个时点均高于中原城市群。城市群空间联系程度与区域内便捷城际交通布局以及各城市发展水平协调程度相联系，处于第一和第二类的三个城市群各城市之间铁路运输线路密布，各城市间通勤时间成本低，一定程度上促进了空间发展要素的协调配置。而第三类的成渝城市群和中原城市群都受制于地形和政策因素，缺乏统一的政策衔接和布局规划。

3.4 城市群扩张协同性对比

对比3个单项指标之后，将上述3类指标的计算结果进行标准化处理，并按照3∶3∶4的比例进行权重分配，最终计算结果在0～100之间（表5）。权重分配的原则侧重了城市群内部空间联系这一项，主要是从“城市流”的角度进行了考虑，众多研究表明[39-40]，城市群内部关联越紧密，城市间的要素流动越快，城市群整体发展越协调，因此将第三项指标的权重略微提高。从表4的结果可以看出，中国五大区域级城市群空间扩张的协同性随时间增长波动上升，除辽中南和中原城市群在2008年时点协同性下降之外，其余时点各城市群的协同性皆呈上升趋势，其中，武汉城市群协同性增幅最高，增幅高达315.5%，而中原城市群协同性增幅最低，仅为27.3%。将城市群协同性的高低按自然断点分类法分成3类，协同性最高的一类是山东半岛和辽中南城市群，协同性适中的一类是武汉城市群，而协同性较低的一类是中原城市群和成渝城市群。三类城市群的发展各具特色，山东半岛城市群的空间协同性高主要倚重内部联系得分，武汉和辽中南城市群则是空间扩张质量的得分占比高，而成渝和中原城市群空间扩张速度的得分占比高。

4 结论与讨论

（1）五大区域级城市群空间扩张的协同性整体上升但群间差异大。2003—2017年间研究区城市群扩张的空间协同性整体上升，说明五大区域级城市群积极响应了国家“十一五”规划、主体功能区规划及新型城镇化规划（2014—2020年）等战略要求，在辐射带动、引领发展、产业培育和人口聚集等方面发挥了重要作用，国家对区域级城市群的培育初见成效。但是，五大区域级城市群空间协同性提升差异大（27.33%～315.5%），不同城市群在发展速度、质量和群内关联上表现各异。其中，山东半岛城市群以较高的城市关联程度和发展质量，协同水平位居第一。

表5 五大区域级城市群空间扩张的协同性对比Tab.5 Comparison of synergy in five regional urban agglomerations

（2）中小规模城市群空间扩张的协同性更高。五大区域级城市群中，城市群所辖城市数量越少，内部联系越紧密，空间扩张也更加集约，城市群的整体性更强，体现出“小而精”的特点，相反，规模大、内部差异大的城市群，由于缺乏相应的政策衔接，空间扩张容易分散、低效，导致整体发展密度低，核心城市对其周边城市的辐射有限，难以形成规模效应，表现为“大而散”的不足。特别是中原城市群，由于规模体量庞大，在空间扩张的协同性方面难以与同为单核心的武汉城市群相比。

（3）双核心城市群比单核心城市群在协同发展上更具优势。规模相近的城市群中，双核心城市群要比单核心城市群在协同发展上更具优势。与单核心相比双核心城市为城市群协同发展提供更多的内生动力，协同性排名靠前的山东半岛和辽中南皆为双核心城市群，虽双核心之间的竞争也十分激烈，但两个城市群都不跨省，省级层面的政策指引和协调能够较好地削弱行政壁垒，从而减少恶性竞争、促进良性循环和多极增长，双核心对周边城市的多源辐射有效避免单核心单一辐射“鞭长莫及”情况的出现。

综上，中国五大区域级城市群在空间上发展不均衡，城市群内部空间发展规模的差异较大，对核心城市仍具有较强的依赖。因此，对于区域级城市群的发展规划不能“一刀切”，应对不同城市群采取差异化土地管制策略。同时，对核心城市和边缘城市也要制定不同的发展策略，资源不能一味地向核心城市倾斜，应通过土地政策引导城市群内产业以及优势资源的合理布局。对中原这类跨省的城市群，应制定统一的用地规划，实现土地联合开发，培育新的增长极；对成渝这类受地势阻隔严重的城市群，在有条件的地区加强交通关联，以促进要素流动；对武汉这类极度依赖单核心的城市群，应加强城市间分工协作，完善群内产业链条，将核心城市人口优势逐渐向外辐射；对辽中南这类老工业基地城市群，一是要培育新型特色产业，二是通过创新驱动转型升级，对原有大面积低效工业用地进行用途转换，加强闲置土地管制。最后，中国区域级城市群仍处在发展的探索阶段，如何进一步实现城市群空间协同发展，构建城市群尺度的区域土地集约利用体系，实现城市群有序、理性增长，还有待进一步研究。