城市群人口-土地城镇化时空分异特征及影响机制——以哈长-辽中南为例

王雨枫

(中国海洋大学 环境科学与工程学院，山东 青岛 266100)

1 引言

城镇化是工业化时代的产物，包含了经济结构、生产方式及生活方式的重大转变，也是人口聚集和城市建设长期积累的结果[1]。从国家“九五”规划纲要实施以来，中国的城镇进入了快速发展的阶段，在40年内实现了欧美发达国家两百年的发展历程。这种快速扩张的城镇化模式引起了城市建设无序扩张、人口快速聚集、经济粗放发展、环境生态失衡等一系列问题，其中最突出的是人口-土地城镇化失调，土地低效利用[2]。因此，研究人口-土地城镇化的时空演变不仅可以响应国家对土地资源合理利用的号召，还能推动城市之间协调发展与产业结构优化，具有重要的理论价值和现实意义。

目前人口-土地城镇化发展协调性问题已经引起了政府部门及学界的重视和关注，在理论和实践层面获得了一定的研究成果。早期学者对人口-土地城镇化的概念、内涵特征进行了论证[3]，随后陆续展开了人口-土地城镇化协调性现象的实证研究，逐渐推导出协调度发展[4]、耦合协调[5,6]等模型和离散系数[7]及匹配度类型划分[8]等方法。在城镇化动态演变层面，部分学者把城镇化内涵扩大化并建立多指标体系[9]，而深入基层单位的针对性研究较少。城镇化影响机制层面，部分学者将人口-土地城镇化不协调的原因归因为城乡二元结构下户籍与土地制度，也有部分学者认为在不彻底的分税改革制度背景下[10]，土地资本化造成了土地城镇化价值高于人口城镇化[11]，同时经济发展、政府决策与社会环境等因素都产生了一定的影响[12]。综上所述，在城镇化动态演化层面，多指标体系量化研究在单独评价两者发展情况具有显著效果，但是多指标体系具有模糊性、笼统性的缺点，掩盖了城镇化的本质，容易造成研究的偏差。影响机制层面，已有研究往往忽略人口城镇化-土地城镇化两者的空间关系。总体而言，当前城镇化格局特征和机制剖析仍然以传统的面板数据与计量模型为主，缺乏时空异质性与地理针对性。而近年来，随着空间技术的逐渐成熟，对地观测的卫星数据正成为从三维空间层面探寻城镇化及影响因素的重要数据源[13]，结合统计数据和地理空间数据的城镇化研究具有独特的优势。

本文利用2000-2020年哈长-辽中南城市群20个地级市及172个区县的夜间灯光、城镇人口及社会经济等数据，精细化测度了人口-土地城镇化发展的相关指数，并运用多元回归模型，探讨了其内在的影响机制，为推动中国新型城镇化、乡村振兴等决策提供科学依据。

2 研究区域与数据

2.1 研究区概况

哈长-辽中南城市群位于中国国土最北端，区域地跨东经 118°-135°，北纬 48°-55°，包括哈长城市群(哈尔滨、大庆、齐齐哈尔、绥化、牡丹江、长春、吉林、四平、辽源、松原、延边共11个地级市，105个区县)和辽中南城市群(沈阳、大连、鞍山、抚顺、本溪、丹东、辽阳、营口、盘锦共9个地级市，67个区县)两个国家级城市群。建国初期，哈长-辽中南地区工业总产值曾占全国74%，然而随着矿产资源枯竭、产业结构僵化、人口流失及老龄化加剧等一系列问题[14]，哈长-辽中南经济连续下降。因此研究其人口-土地城镇化时空演化，对于探究东北地区经济发展症结具有重要的价值。

2.2 数据预处理

本研究使用的城市空间地理数据来源于NOAA提供的夜间灯光数据DMSP、VIIRS，其中DMSP影像的空间分辨率为1km，VIIRS为500m。因为DMSP影像数据的时空连续性是采集于6颗独立的卫星，所以其存在的问题[15]包括：①DN值在城市市区过饱和现象；②长时间序列年际影像DN值波动不连续现象；③同年份不同卫星传感器获取的DN值差异现象。而VIIRS影像数据是NASA和NOAA继DMSP卫星之后，发射的高分遥感卫星，其显著优势在于大大提高了影像精度(500m)，消除了过饱和、年际数据不连续等问题。但是其存在的问题[16]包括：①存在着火点及背景噪声；②与DMSP分辨率不一致；③与DMSP的DN值计算起始不一致。所以DMSP、VIIRS影像不能直接用于连续性的科学定量研究，需要通过一系列的数据预处理技术流程，使得DMSP、VIIRS夜间灯光数据DN值连续，且能够如实反映出城市国土空间扩张的形态特征。基于已有文献的研究基础，本研究使用ArcGIS平台，通过6个环节，最终提取出基本符合现状的城市群空间边界数据。①通过投影变换、重采样、矢量裁剪等步骤，初步构建2000-2020年哈长-辽中南城市群夜间灯光数据集；②对同年度两颗卫星的DMSP影像DN值进行年内数据整合；③对不同年份的DMSP影像通过不变目标区域法进行DN值连续性校正；④对VIIRS影像去除火光点及背景噪声；⑤以校正后的DMSP影像做参考，对VIIRS影像的DN值进行年际连续性校正(图1)；⑥以统计年鉴数据为基础，采用经验阀值法确定城镇建成区空间范围的灯光亮度阀值，提取城市群空间边界。

图1 研究区灯光影像校正对比

本次研究过程中使用的数据主要包括，2000-2013年DMSP夜间稳定灯光数据，2012-2020年VIIRS月度合成稳定灯光数据，数据来源于NOAA官网。2000-2020年哈长-辽中南城市群地级市、区县社会经济数据，数据来源于辽宁、吉林及黑龙江三省的《统计年鉴》及政府官网。

3 研究方法

3.1 Moran′s I指数

为了更全面的衡量城市群人口流动的时空聚集/扩散效应，对研究区的城镇人口数据应用计量地理学中的Moran′sI的指数空间自相关模型。其表达式：

(1)

(2)

式中Yi为i城市城镇人口，n为哈长-辽中南城市群区县数，Wij为研究对象的空间邻接关系，当两个研究区不邻接的时候，Wij取值为0，其中当两个研究区邻接的时候，Wij取值为1。Moran′s的取值范围为-1≤I≤1，其中当I值接近-1的时候，代表城市群城镇人口增长呈现出离散形态，当I值接近1的时候，代表城市群城镇人口增长呈现出聚集形态。

3.2 异速生长指数

异速生长定律是20世纪30年代由生物学家Huxley 和Tessier提出，之后被地理学者引入城市地理学中，用来研究城市系统中各要素与整体、各要素之间的关系特征[14]。对于长时间序列的人口-土地城镇化进程的定性研究，具有较好的解释意义。其表达式：

(3)

式中，y为系统某要素，x为系统其他要素，b为异速生长系数(增长比率)。公式(3)可以进一步转换为幂函数。其表达式：

y=axb

(4)

以P为自变量，S为因变量，把公式(4)等号两边取对数，经整理后，其表达式：

lnS=α0+α1lnP

(5)

式中S为i城市夜间灯光提取的城镇面积，P为其城镇化人口总数，α0为常数项，α1为异速生长系数(即模型回归系数)。根据国内外研究，α1的临界值为0.85，但是实际应用中，默认为1，即当α1=1时，人地同速增长，当α1<1时，为负异速生长，城镇人口增速大于土地城镇化增速，人口密度上升，城市趋向立体化发展，当α1>1时，为正异速生长，城镇人口增速小于土地城镇化增速，人口密度降低，城市趋向扁平化发展。理论上，α1<1符合城市发展规律，即城市越大，越倾向于立体化发展。

3.3 水平协调度指数

协调度指数能够测度城市发展过程中，人口-土地城镇化进程快慢程度的耦合关系。其表达式：

(6)

式中VPi、VLi表示i城市的人口城镇化、土地城镇化增长率，Ci为i城市的人口-土地城镇化协调度，其值域为[-1.414，1.414]。参考已有文献对其划分，其中C>1.40为协调，1.40> C>1.35为相对协调，1.35>C>1.30为相对不协调，C<1.30 为不协调。

3.4 城镇化影响力模型

改革开放以来，中国城镇化进程中最突出的特征是人口城镇化与土地城镇化，但是在不同城市发展过程中，人口聚集与城镇用地扩张均出现了不同程度的不协调现象。一方面，人口在城镇过度聚集，对城市的产业支撑、公共服务供给及环境资源承载等带来了严峻的挑战。另一方面，政府决策导致城市建设突飞猛进，新城区、工业园等占用了大量耕地面积，导致土地城镇化水平虚高。已有研究[18]表明，城镇化受到多重维度影响因素的综合作用，土地城镇化受到人口城镇化需求的驱动，并为人口城镇化提供了聚集和环境承载空间(图2)。

图2 城镇化影响机制逻辑框架

为了进一步探究哈长-辽中南城市群人口-土地城镇化时空异质化的影响因素，考虑东北地区的特殊环境，其人口集聚与城镇建设是基于重工业与资源开发的大环境下，在城市经济与政府决策的双重主导下形成的。参考已有的研究成果[17]，做出如下假设：①经济发展是城市人口增长、土地扩张的重要影响因素，对城市城镇化发展具有重要的影响力，其中具有典型代表性的指标包括人均GDP(可以衡量城镇人口收入水平)、规模以上工业总产值(可以衡量城镇工业的规模)及社会消费品零售总额(可以衡量社会工业与居民生活的流通性)。②政府决策行为能够决定不同层次城市之间的公共财政支出(可以衡量其对公共事业的投入)、社会固定资产投资(可以衡量其对公共基础设施的投入)及城市产业结构调整(可以衡量其对城市产业的调节能力)等资源的分配。这些资源投入越多，地区的人口承载力和土地建设需求就越大，在不合理的政策指导下，城市的人口-土地城镇化容易失衡。③社会环境影响着城镇化发展的方向，其中外商投资(可以衡量城市对外商投资的吸引力)、乡镇企业(可以衡量城市自身的中小企业培育能力)及公路里程(可以衡量城市之间的通达性)等因子能够满足人口聚集和土地扩张的需求。本文以哈长-辽中南城市群20个地级市夜间灯光解译的城市城镇用地面积为因变量，用经济发展、政府决策及社会环境3类影响因素为解释变量，构建影响因素模型(表1)。

表1 城镇化解释变量

Y=a1*X1+a2*X2........a8*X8+a9*X9+b

(7)

式中an为影响因子的标准化回归系数，b为常数项。

4 人口-土地城镇化的演化测度

4.1 人口Moran′s I指数测度

城市群人口聚集效应持续增强。利用公式(2)对哈长-辽中南城市群172个区县20年来的城镇人口数据计算，结果显示哈长-辽中南城市群2000-2010、2010-2020年的Moran′s I分别为0.136、0.292，Z值为2.358、4.730(图3)。表明哈长-辽中南城市群城镇人口流动呈现出连续的“聚集”状态，与京津冀城市群空间扩张趋势相似，但与长三角、珠三角城市群的扩张路径相反[18]。相关研究表明，改革开放初期，由于以计划经济为主的思想主导城市建设，中心城市对于外来投资、外地劳动力等限制较严，同时由于在中心城市企业运营成本较高，多方政策下形成了大量企业的在乡镇聚集式运营。在这种环境下，长三角、珠三角城市群的城镇人口逐渐向郊区、乡镇等地扩散，人口地理分布呈现出“离散”状态，比如苏州、常州、东莞、中山等都是以区县、乡镇带动经济发展的城市。哈长-辽中南城市群人口主要流入哈尔滨、长春、沈阳等省会城市，大庆、鞍山等资源型城市以及大连等环渤海沿海城市，其中省会城市及资源型城市具有明显的计划经济特征，所以哈长-辽中南城市群的人口城镇化可以总结为“聚集”效应主导下的城市群组团式发展。

图3 研究区人口城镇化Moran′s I指数

4.2 人口-土地城镇化异速生长测度

利用公式(5)进行数据分析，得到的结果如表2。总整体而言，异速生长系数α1差异明显，呈现出了显著的区域聚集现象。其中α1<1.0的城市有鞍山(0.087)、四平(0.320)、绥化(0.455)、延边自治州(0.459)及松原(0.818)，这5个城市为基本为负异速生长，城镇人口增速大于土地城镇化增速，城镇趋向立体化发展。1.0<α1<2.0的有哈尔滨(1.122)、大连(1.204)、辽源(1.564)、盘锦(1.636)、营口(1.715)及铁岭(1.919)，这6个城市城镇人口增速约等于土地城镇化增速。α1>2.0的有长春(2.133)、辽阳(2.291)、抚顺(2.918)、大庆(3.239)、沈阳(3.248)、牡丹江(3.333)、齐齐哈尔(3.846)、本溪(6.726)及吉林(14.524)，这9个城市为正异速生长，城镇人口增速小于土地城镇化增速，城镇趋向扁平化发展。利用ArcGIS空间工具对其地理空间赋值，其结果如图4。

表2 研究区异速生长模型回归结果

图4 研究区人口-土地城镇化示意图

由图4可知，哈长-辽中南城市群α1总体上呈现南部沿海地区低，北部内陆城市高的态势，南部沿海城市拥有良好的港口，对外贸易交通便利，能够创造较多的工作岗位，对于城乡人口以及外来人口吸引力较大，城镇人口增速大于土地城镇化增速，导致人口密度上升，城镇趋向立体化发展。而内陆城市的新市区建设虽然也不断扩张，但是人口流失比较明显，城镇人口增速小于土地城镇化增速，导致人口密度降低，城镇趋向扁平化发展。

在市场经济城市群体系内，城市经济越发达，对于人口的吸引力就越强，其城镇人口增速大于土地城镇化增速，城镇趋向立体化发展。但是东北地区的城市发展主要集中在21世纪初期，且受到计划经济的重工业、资源开发政策影响，其人口-土地城镇化异速生长α1系数与市场机制下有一定差异，需要结合人口城镇化与土地城镇化实际情况做出解释。其中α1<1.0的城市中鞍山、四平、绥化、延边自治州及松原5个城市虽然为负异速生长。主要因为其经济发展疲软，城镇开发及基础设施建设缓慢，城镇人口增速大于土地城镇化增速，城镇趋向立体化发展。这样的人口-土地城镇立体化发展并不代表其经济发达，人地关系协调，这仅仅是特殊环境下城镇人地关系不健康发展的缩影。α1>2.0的城市中长春、大庆、沈阳、齐齐哈尔及吉林5个城市虽然为正异速生长。主要因为近年来，其城市建设用地粗放扩张，导致其城镇人口增速小于土地城镇化增速，城镇趋向扁平化发展。这样的人口-土地城镇扁平化发展并不代表其经济滞后，人地关系不协调，这是当前大城市粗放发展的典型特征，需要进一步优化土地集约利用。

4.3 人口-土地城镇化协调性测度

本文利用公式(6)测算20年来哈长-辽中南城市群172个区县人口-土地城镇化水平协调度指数，并将其划分为四个协调等级，其地理空间分布如图5，并统计了2000-2020年间区县的协调度分类(表3)。随着区县的城镇化协调度上升，各类型对应的区县数量递减，呈现出明显的金字塔结构。根据图5和表3可知，大多数区县的人地关系处于不协调状态，其人口-土地城镇化进程差异较大。基于东北地区的特殊情况，参考172个区县的发展现状及20年的《统计年鉴》数据，剖析形成其人口-土地城镇化协调度的深层原因，对其如下分类：

表3 研究区人口-土地城镇化协调性类型(2000-2020)

图5 研究区人口-土地城镇化协调性

(1)城镇扩张不协调型。城镇用地无序扩张指城镇建设用地盲目扩张，且快于城镇人口增长，导致人口-土地城镇化不协调，此类城市的城镇用地扩张在人地关系和城乡二元结构方面都失衡。与城镇人口不匹配的城镇土地供给维持城市的持续增长是不可持续的，长期以往会导致地方财政不断透资，经济结构失衡的恶性后果。此类区县在未来的规划中应注重城镇用地供给的均衡性，在东北地区人口外流的背景下，创新试点政策，鼓励农村流出人口有偿退出宅基地。根据城镇人口的现状合理确定城镇用地的供给指标，通过土地整治将城镇粗放建设用地复垦为绿化或农业用地。这类城市包括哈尔滨、长春、沈阳及大连等城市下辖的大部分区县。

(2)工业衰退不协调型。工业衰退指初始工业总产值位于172个区县前50%，且在2000年后工业产值比重持续下降，导致经济低速增长，甚至低于城市群平均增长速率。这类区县不具备产业转型的外部条件，被动去工业化的路径造成了地区经济发展缓慢甚至出现经济衰退现象。此类区县在未来的发展过程中政府部门应当正确认识工业化发展的规律，有选择性的去工业化，因地制宜引导城市新型城镇化发展。这类城市包括齐齐哈尔、大庆等城市下辖的大部分区县。

(3)资源枯竭不协调型。资源枯竭指因资源消耗和产业转型导致其人口-土地城镇化也出现不同程度的不协调。《全国资源型城市可持续发展规划》中认定的衰退型资源城市，其资源逐渐枯竭，经济发展滞后，生态环境承载力大大下降，并引起了一系列民生问题。此类区县在未来的发展过程中应重点破除城市内部的二元结构、解决因资源枯竭后遗留的人口与城镇化问题。促进失业旷工的二次就业培训、积极推进矿区的改造工作，加快废弃矿坑、沉陷区的地质灾害和生态恢复综合治理。加大政策相关财政支出，大力扶持替代行业，逐步增强区县的可持续发展能力。这类城市包括抚顺、盘锦、辽源等城市下辖的部分区县。

5 城镇化影响因素分析

在对人口-土地城镇化影响因素研究前，对设定的3类影响因素及9个影响因子进行相关性验证，通过相关性回归分析，结果显示经济发展因素、政府决策因素、社会环境因素与土地城镇化的相关性系数为0.94、0.95、0.92，表明设定的驱动因素与土地城镇化有着显著相关性(表4)。为了能够更加直观地表现出三个影响因素对哈长-辽中南城市群土地城镇化的影响力大小，模型回归方程的因子系数均采用标准化系数，最终构建了20年20个地市的总进程回归模型及10年周期的阶段I、阶段II回归模型及哈长城市群、辽中南城市群的总进程回归模型。

表4 研究区人口-土地城镇化影响因素的回归分析

从表4的拟合数据结果分析，总进程(2000-2020)期间，经济发展、政府决策、社会环境3类驱动因素对哈长-辽中南城市群城镇化扩张具有比较明显的影响力，其平均回归系数分别为0.549、0.432及0.237。从因子系数可知，经济发展因素对哈长-辽中南城市群扩张起主要驱动作用，其次是政府决策因素、社会环境因素。总体而言，经济发展因素、政府决策因素对哈长-辽中南城市群扩张起主导作用，社会环境因素有一定的影响力，表明哈长-辽中南城市群城镇化受经济发展、政府政策影响较大。从单个城市群模型回归结果分析，总进程(2000-2020)期间，哈长城市群城镇化影响因素中政府决策因素(0.370)、经济发展因素(0.305)、社会环境因素(0.069)依次减弱，表明政府决策因素和经济发展因素共同促进了哈长城市群的人口-土地城镇化发展，但是政府决策的影响力更大，对重要城市及资源型城镇的定向投资效果明显，资源过度集中，导致黑龙江、吉林北部和东部广阔地区的人口-土地城镇化进程缓慢，经济发展滞后。社会环境因素的影响力较小，表明其对于外资引进、乡镇企业培育及道路网络建设较差。辽中南城市群城镇化的主导因素为经济发展因素(0.505)、政府决策因素(0.250)及社会环境因素(0.231)，表明经济发展因素促进了其城镇化发展，政府决策及社会环境也具有一定的影响力。辽中南城市群拥有天然的海湾及港口，渤海对外的海运渠道，极大的促进了环渤海城市的人口吸引力，同时工业贸易的发展促进了土地城镇化快速提高，对外资的利用，乡镇企业的产值及公路网络的建设在不断的提高。

从阶段I、阶段II的演变进程看，阶段I(2000-2010)期间，东北地区处于计划经济向市场经济转型阶段，地区之间的贸易活动比较活跃。哈长-辽中南城市群拥有全国最完善的重工业产业链贸易、粮食销售额连年上涨，同时国家重大工业研发相继在此投资，相应的3类驱动因素的平均影响力对哈长-辽中南城市群扩张影响大小为政府决策因素(0.459)、经济发展因素(0.414)及社会环境因素(0.184)。其中政府决策因素的系数最高，表明其经济发展仍然以政府主导的计划经济为主，资源主要集中在省会及资源型城市的重工业、矿产、粮食等特殊行业，其市场体制全面改革开放的进程受阻，比沿海地区市场化水平低，而此阶段，社会环境因素系数较小，说明哈长-辽中南城市群对外商投资的吸引力还较弱。阶段II(2010-2020)期间，东北地区处于市场经济深化改革阶段，国家及政府部门出台了一系列相关政策促进市场开放及经济质量提高，这个阶段城镇用地扩张驱动的经济发展因素(0.636)超越了政府决策因素(0.379)，表明政府政策的影响力持续下降，而社会环境因素由0.187上升到0.278，表明此阶段对外商投资的吸引力持续提高。

社会环境因素对哈长-辽中南城市群城镇扩张的影响力持续上升，表明其已经初步融于全球化经济发展与产业分工合作的大环境中。但是近年来随着东北地区人口外流、本地工资上涨等因素导致了人口红利逐渐减弱，对于外商投资的吸引力也弱于京津冀、山东半岛等市场经济活跃的城市群。面对当前的局面，应该提高外商投资的植根性与特色化，才能保持哈长-辽中南城市群经济与城镇用地扩张的可持续发展。应该改变以往以引进粗加工、高污染、低附加值外商投资的特点，积极引进具有研发、高技术、高附加值的外资企业，并与京津冀、山东半岛主导产业形成错位发展并强化自身的优势产业，鼓励本土企业及产业外延到全国及世界，强化高端产业对东北亚、东南亚、全球的辐射及合作，比如加强大连等沿海城市的海洋资源优势度，强化海洋药物、海洋养生、海洋旅游等高端海洋产业链[19]。当前在国家推动绿色产能，提高经济耗费比的宏观政策下，哈长-辽中南城市群应积极响应并作出调整，关停低附加值高污染的企业、走出产业链升级重构等困境，并向中高端产业推进，构建具有地方特色的产业链，并避免重复建设的恶性竞争[20]。

6 结论与讨论

本文采用哈长-辽中南城市群的夜间影像与城市统计数据，分析其人地时空特征，揭示了扩张路径和影响机制，结果表明：

(1)城市群人口聚集效应持续增强，人口主要流入哈尔滨、长春、沈阳及大连等城市，表现出明显的城市集群组团式发展。(2)城市群异速生长系数呈现出显著的区域聚集现象，总体上呈现南部沿海地区低，北部内陆城市高的态势，部分系数较低的城市虽然为负异速生长，主要因为其经济发展疲软，城市建设缓慢，部分系数较高的城市虽然为正异速生长，主要因为其城市建设用地粗放扩张，需要进一步优化土地集约利用。(3)城市群人口-土地城镇化水平协调分类，各类型对应的区县数量递减，呈现出明显的金字塔结构。大多数区县的人地关系处于不协调状态，并进一步分类为城镇扩张不协调型、工业衰退不协调型及资源枯竭不协调型。(4)城市群城镇化影响因素整体上以经济发展因素为主，其次是政府决策因素及社会环境因素，从20年的演化看，经济发展因素持续上升，而政府决策因素呈现下降趋势，社会环境因素具有一定的影响力。本文提出降低行政干预，构建政府监督、市场主导、扩大对外贸易引进高附加值科技产业，整合内部低端、高污染企业及产业链并加强城市间的分工合作，促进错位式发展等政策建议。