基于GIS的京津冀城市群空间关联测度

1、基于GIS的京津冀城市群空间关联测度摘要：京津冀的发展不协调问题由来已久，而京津冀城市群作为京津冀地区的空间骨架，对协调三地发展具有决定性作用。本文将基于GIS空间分析技术考察京津冀城市群内部城市之间的空间关联程度，以正视当前京津冀城市群内部各节点城市之间的真实经济关联状况，并提供决策支持。关键字：京津冀；协调发展；空间自相关；GIS一、引言京津冀城市群是以北京市和天津市两大直辖市为核心城市，以河北省唐山市、秦皇岛市、廊坊市、保定市、张家口市和承德市等为节点的城市群。在“京津冀城市群”提出之前，就已存在几个与其相似的提法，比如“环渤海经济区”、“首都经济圈”、“京津唐城市群”。北京市早在198

2、2年的北京市城市建设总体规划方案中就提出了“首都圈”的概念；而1992年党的十四大中提出要加快环渤海地区的开发、开放，又衍生出了“环渤海经济区”的提法。提出时间早，说明政府重视，也说明经京津冀地区实现协调发展的愿望强烈、由来已久。由于京津冀三地之间涉及资源、环境、产业、人才等方面的利益冲突一直没能很好解决，京津冀一体化一直停留在纸面上而没能落实2004年11月国家发改委正式启动京津冀都市圈区域规划编制，但至今没有获批。这些问题给京津冀城市群的进一步发展壮大带来了历史包袱。京津冀城市群作为京津冀地区的空间骨架，京津冀城市群的内部协调能够直接带动京津冀区域的协调。而引导京津冀城市群的科学、协调发展

3、，不能忘记城市群发育和城镇化都是产业集聚的空间表现，是发展的结果而非手段。政府在此过程中的职能一方面是解决以往资源错配造成的问题，比如解决河北省规范化生态补偿渠道的缺乏问题（陆大道，2015）；另一方面是顺应市场发展并及时提供公共服务，比如基础设施。因此我们需要从理论出发，考察京津冀城市群的城镇之间经济联系的紧密程度，以正视当前京津冀城市群内部各节点城市之间的真实经济关联状况，并提供决策支持，这是本文研究意义。二、基础和前提怎么解构“城镇之间经济联系的紧密程度”？这必须是一个细致且量化的解释。首先需要明确，城市群空间关联测度要以城镇为单位，这是因为城镇是城市群空间中比较微观的单位，理论上其可以

4、是镇区，以城镇为单位来分析比以在其级别之上的空间单位（如地级市市辖区）更为连续，描述经济联系更为准确。但由于镇一级数据较难获得，本文将在连续的京津冀县级城市单元上考察“城镇经济联系紧密程度”。其次，关于“城镇经济联系的紧密程度”，可以直接按照定义以城镇经济联系为指标，然后做比较。但事实证明这些指标也是很难得到的，需要寻找替代指标。比如，周一星早在1990年代初期就进行了中国都市区的研究，其鉴于中国缺乏通勤流的统计数据，提出了用非农化指标替代通勤率表达经济社会联系度 转引自黄金川等（2014）。但客观而言，替代指标存在的信息缺失对研究可靠性的影响是不确定的，增加了研究成本。可见，确定恰当的指标是

5、本类研究的关键，本类研究是一次“让数据本身说话”的过程，是典型的探索性空间数据分析（ESDA）。在此我们将关注点放到城市群中城市之间的空间关系上，因为城市是产业的聚集区，城市之间的经济联系归根结底是产业的内部交换。所以说，城市的空间关联是产业布局分工的空间表现，而从空间关系来透视城市的经济联系是可行的，在这方面已经有不少研究进行了探索。三、文献回顾城市群识别是空间关联的代表性研究，其所用指标可作为本次研究参考。国内外现有关于城市群识别的研究情况见表1（王丽等，2013）：国外国内时间名称识别标准名称识别标准1949年美国大都市(metropolitan area)中心城市人口5万非农人口比例&

6、gt;75%或人口>1万人人口密度不低于50人/平方英里通勤率单向不低于15%或双向不低于20%1957年Gottmann提出的都市连绵带(megalopolis)区域内城市较密集不少大城市形成都市区，核心与外围地区有密切联系各都市区之间无间隔必须达到相当大的总规模具有国际交往枢纽的作用1950-1960年代日本都市圈中心城市为中央指定市，或人口100万、邻近有50万人以上城市中心城市GDP占圈内1/3以上外围到中心城市的通勤15%圈内货物运输量总量25%圈内总人口大于等于3000万。1986年周一星提出的都市连绵区（MIR）有2个以上特大城市大型海港、空港及定期国际航线综合交通走廊中小

7、城市数量较多，总人口2500万，密度达700人/km2各城市、城市和外围之间联系紧密。1987年McGee提出的Desakota区域人口密集且与周围地区交通方便城市外围当天可通勤非农产业增长迅速人口流动性较强越来越多的妇女参与非农产业。1990年代至今方创琳等提出的中国城市群标准大城市多于3个，且至少一个城镇人口100万人口规模2000万、城镇化率50%人均GDP超过3000美元经济密度500万元/km2有高度发达的综合运输通道非农产业产值比70%核心城市GDP的中心度>45%。表1 国内外目前主要城市群识别标准从表1可看出，由于我国是个经济后发国家，国内各大城市群的出现也晚于国际知名城

8、市群，因此对城市群的研究也晚于国外。而从具体指标来看，城市群识别主要从空间结构、产业结构两大方面进行定性判断，然后展开出各次级指标。这些指标实际上可大体分为两种：一是城市规模指标，主要是人口规模和经济规模指标，其次是城市销售额、城市收入、城市购买力、非农人口、城市综合规模等指标（王丽等，2013）；二是经济地理“引力”指标，主要是场强指标（黄金川等，2012）和中心职能强度（鲁金萍等，2015）。基于经济地理指标的研究出现较晚，总体上仍以城市规模指标为主。与城市群研究相比，城市空间关联分析是一种数据挖掘，是通过数据分析找出现实规律；而城市群识别是一个客观规律推广应用的过程，其研究目的是城市群的

9、识别，即在总结现有城市群发展和现状特征并提出识别标准后，再将其应用到所要识别的城镇体系上。由于研究目的不同，一般城市群识别研究中的中心度、国际影响力等指标不适用于空间关联分析，何况就算相比长三角和珠三角，京津冀城市群的成熟度和国际影响力也是不够的。四、测算方法本文主要利用ArcGIS软件对各城市指标进行空间自相关运算。（一）指标的确定前面说到，城市是产业的聚集区，确切说聚集的是非农产业，那么我们在确定指标时可以沿用非农产业聚集的逻辑。非农产业聚集，首先意味着聚集地的企业单位数就大于周边一定范围内的企业单位数，那么就可以选择企业单位数作为分析指标。但在数据上不可行，因为很多地方统计的企业单位数是

10、规模以上的，对规模以下的企业不能反映到，况且国有企业与其他企业在经济影响上存在“权重”差异问题，而企业单位数指标不能反映出这个问题。其次，产业的聚集归根结底也是人的聚集，产业布局归根结底是人的“理性”决策问题，那么可以选组非农产业就业的占比作为测算指标，然而遗憾的是京津冀三地2013年在从业人员指标的统计上变动过统计口径，且由于技术方面的要求，在北京城市扩展区范围内的通州、昌平等区县的数据必须要单列出来，而笔者无法找到这些区县与津冀两地口径相同的相关就业数据。因此最后决定沿用传统的城市规模指标，即非农产业产值的占比（简称非农产值占比）。这个指标的不仅易查、口径变动不大，而且与城市产业聚集程度也

11、正相关。（二）方法的确定前面还说到，城市之间的经济联系归根结底是产业的内部交换，而根据地理学第一定律，任何事物存在空间相关，距离越近的事物空间相关性越大；那么同理，城市群中越相邻或相近的城市联系就越紧密，这种现象在城市经济中更加普遍，因为集聚经济具有很强的外部性，不断吸引周边要素集聚。因此我们将基于非农产业占比指标对京津冀各区县进行空间自相关分析。在此我们选择用Anselin（1995）提出的Local Morans I指标公式（局部MORAN指数），并用ArcGIS软件进行测算，即：Ii=xi- xSi2j=1,j inwi,jxj- X （1）在ArcGIS软件中，xi被称为要素i的属性，

12、在此即是我们选定的非农产值占比指标，要素则是各县级市。局部Moran指数可以实现基于京津冀区县非农产业占比，对京津冀城市群的关联程度进行高值聚集区、低值聚集区以及异常值区域。局部Moran指数是一个随机变量，局部Moran指数有一个标准化检验指标Z值，在得到Z值概率累积分布函数后，给定置信区间即可求的P值。其中E(I)=-1/(n-1)，VIi=EI2-(EI)2。ZIi= Ii E IIi V Ii （2）在用ArcGIS计算时，还需要选择“空间关系概念”，空间关系概念的选择涉及到两个Moran指数的运算结果，具体见表2：空间关系概念解释反距离、反距离平方要素距离越远影响越小，适用于对连续的

13、数据（比如温度变化）固定距离将空间网格化，网格内任意点所发挥的影响仅与网格位置有关，与格内位置无关无差别的区域在一定的区域内按固定距离处理，区域外按反距离处理面邻接有共享边或共享边+共享点的两个区块视为相邻表2 空间关系概念及其解释由于京津冀县级城市指标非连续，因此不考虑选择反距离；固定距离和无差别区域的栅格内部各点影响力相同，但是这个理论只有在较小的栅格内才能实现，而县级城市区划是一个比较大的范围，故不考虑固定距离和无差别区域；因此选择面邻接概念进行计算。（三）数据的选取由于各地统计数据公布进度不一样，有的已经公布到了2014年有的才公布2012年，因此为了尽量保证数据口径的一致本文选取20

14、12年的京津冀县级城市GDP和一产GDP数据，本文数据绝大部分来自于前瞻网数据库（其数据来自各地统计局），唐山市的数据来自于唐山统计年鉴2013。经测算得到表2：市辖区/县/县级市非农产值占比市辖区/县/县级市非农产值占比市辖区/县/县级市非农产值占比市辖区/县/县级市非农产值占比北京市99.827%玉田县81.360%沙河市97.040%平泉县72.176%通州区95.701%遵化县92.614%保定市98.760%滦平县83.678%顺义县97.718%迁安县95.763%满城县79.106%隆化县75.502%昌平县98.181%秦皇岛市98.593%清苑县74.352%丰宁县75.65

15、4%大兴县98.321%青龙区80.586%涞水县76.491%宽城县92.651%怀柔县95.913%昌黎县63.626%阜平县75.950%围场县59.971%平谷县89.079%卢龙县72.921%徐水县81.920%沧州市98.940%密云县89.701%抚宁县71.558%定兴县69.715%沧县86.636%延庆县87.476%邯郸市99.070%唐县74.722%青县71.138%天津市99.113%邯郸县93.740%高阳县90.815%东光县80.318%武清县94.542%临漳县72.802%容城县81.606%海兴县79.549%宝坻县93.241%魏县80.354%涞源

16、县93.803%盐山县87.283%宁河县90.665%涉县96.124%望都县67.536%肃宁县81.267%静海县95.403%武安市96.857%安新县86.704%南皮县75.488%蓟县90.910%成安县79.947%易县73.651%吴桥县57.967%石家庄市99.470%大名县73.767%曲阳县82.221%献县80.386%鹿泉市92.767%磁县90.986%蠡县82.375%孟村县90.402%井陉县91.539%肥乡县71.552%完县67.123%泊头市87.403%正定县86.992%永年县69.452%博野县70.497%任丘市96.596%栾城县81.02

17、1%邱县75.501%雄县86.623%黄骅市88.979%行唐县79.567%鸡泽县77.475%涿州市90.413%河间市90.041%灵寿县82.122%广平县82.892%定州市72.473%廊坊市94.721%高邑县83.453%馆陶县73.234%安国市77.656%固安县69.674%深泽县82.034%曲周县75.512%新城县87.786%水清县56.896%赞皇县82.606%邢台市98.471%张家口市97.451%香河县84.498%无极县83.372%邢台县91.864%宣化县72.455%大城县83.476%平山县91.205%临城县86.294%张北县72.033

18、%文安县90.436%元氏县85.500%内丘县90.065%康保县54.734%大厂县83.945%赵县81.563%柏乡县72.232%沽源县58.233%霸州市94.174%辛集市86.860%隆尧县76.873%尚义县70.298%三河市91.692%藻城市86.778%任县71.038%蔚县85.077%衡水市90.939%晋州市86.698%南和县63.235%阳原县80.030%枣强县76.474%新乐市83.410%宁晋县81.836%怀安县81.521%武邑县69.630%唐山市95.496%巨鹿县74.111%万全县76.837%武强县76.674%丰南市93.477%新河

19、县76.310%怀来县86.257%饶阳县65.852%丰润县91.045%广宗县61.818%涿鹿县67.145%安平县85.546%唐海县93.958%平乡县74.823%赤城县72.909%故城县68.952%滦县89.619%威县54.570%崇礼县78.778%景县80.996%滦南县74.865%清河县92.114%承德市98.070%阜城县74.379%乐亭县75.363%临西县77.227%承德县79.706%冀县82.700%迁西县94.347%南宫市81.286%兴隆县80.501%深州市74.023%表3 京津冀县级城市非农产业产值占比（个别区县名仍是旧称）四、测算结果及

20、检验基于面邻接空间概念的局部Moran指数、z值、p值以及聚集类型的测算结果见表4（仅显示统计显著部分），京津冀城市聚集分类图见图1：NPRLMiIndexLMiZScoreLMiPValueCOType0.54738.65966.18030.0000LL0.582312.74135.81030.0000LL0.618211.01944.60590.0000LL0.977211.16954.33810.0000HH0.991110.88633.75710.0002HH0.95709.99363.64610.0003HH0.98187.61943.48020.0005HH0.67548.3033

21、3.22910.0012LL0.72036.93973.17100.0015LL0.94547.97523.10220.0019HH0.5690-6.1289-3.09540.0020LH0.96867.74223.01200.0026HH0.99075.01902.94020.0033HH0.54576.19582.83250.0046LL0.99837.71152.81750.0048HH0.7114-6.6079-2.54010.0111LH0.98473.39312.42690.0152HH0.9380-6.1504-2.21530.0267HL0.63634.80242.19860.

22、0279LL0.74825.46152.12960.0332LL0.9211-4.6399-2.09700.0360HL0.75504.91672.06350.0391LL0.93245.26072.05190.0402HH0.93484.87872.04770.0406HH0.59972.81182.01270.0442LL0.94724.73701.98860.0467HH0.96122.76411.97870.0479HH表4 京津冀城市群的聚集类型测算结果表明，京津冀城市群中大多数城市并没有显著的空间聚集关系，统计显著性足够高的、也就是说p值小于0.05的城市聚集区也比较分散。其中，高值聚集区不出所料位于京津核心区，低值聚集区分散与京津冀边缘地带，但处在河北省南部边缘的邯郸市部分区县表现出了一定程度的高值聚集倾向。低值异常值分布在邢台市东边和京津地区南部与河北省接壤的两个县，而高值异常值出现在保定市涞源县，表明“环京津贫困带”的说法不无道理。图1 京津冀城市聚集分类图我们常常能再国内外知名城市群案例中找到城市点轴分布的案例，比如长三角城市群中的苏南部分。但本次测算表明，京津冀城市群除了京津两地间有着显著的联系，其他城市相互之间可以说几乎不存在有实质的经济关联。此外，图1还显示出，京津冀城市群的主体框架实际上仍没有超出京津唐城市群