工程建设与科学管理
Engineering Construction and Scientific Management
- 主办单位:未來中國國際出版集團有限公司
- ISSN:3079-708X（P）
- ISSN:3080-0781（O）
- 期刊分类:工程技术
- 出版周期:月刊
- 投稿量:1
- 浏览量:331
相关文章
暂无数据
成渝城市群多维城市收缩时空演化格局
Spatial and Temporal Evolution Pattern of Multi-Dimensional Urban Contraction and its Influence on Urban form in Chengdu-Chongqing Urban Agglomeration
引言
改革开放以来，中国经济快速发展，但伴随全球化、去工业化及老龄化背景，城市收缩现象日益普遍。城市收缩指特定时期内人口、商业、资本等发展要素减少的综合现象，无法用单一指标准确捕捉。部分城市因资源受限、人口迁移、产业转型滞后等因素出现发展停滞甚至衰退，面临高失业率、人口流失等结构性危机。现有研究多从人口单一维度识别收缩城市，但仅靠人口减少难以全面反映收缩特征。Bartholomae等（2017）指出，单一人口指标易导致对收缩城市的误判，应同时考虑人口损失与经济衰退。城市收缩的核心驱动力是人口减少与经济下滑，并由此引发社会形态变化。然而，既有研究多聚焦地级及以上城市，区县级研究较少，而小尺度单元更能精细反映城市收缩的真实状况。为此，本研究从人口、经济、社会多维角度，对成渝城市群141个区县级城市进行收缩测度，采用面板熵值法引入时间变量，运用Moran's I识别空间聚类特征，以期为城市收缩治理与区域协调发展提供科学依据。
1研究区概况
成渝城市群以重庆、成都为中心，位于长江上游，是西部大开发的重要平台和新型城镇化示范区。该区域自然禀赋优良、交通体系完善，是西部经济实力最强的区域之一。随着城镇化进程加快，城市收缩现象日趋普遍，且由于中国特殊的制度与政策背景，其收缩表现形式复杂多样，有必要进行深入探讨。
地图来源:https://cloudcenter.tianditu.gov.cn/administrativeDivision,审图号:GS(2024)0650号
2 数据和方法
2.1 数据
本研究使用社会统计数据与遥感数据。人口普查数据来自第五至七次全国人口普查，社会经济数据来源于2001、2011、2021年《四川省统计年鉴》《重庆市统计年鉴》。土地覆盖数据来源于GlobeLand30（2000、2010、2020年），经几何校正与裁剪预处理。
2.2 方法
2.2.1 多维城市收缩评价体系构建
参考Zhang等，从人口、经济、社会三维度构建评价体系。人口收缩选取城镇人口变化、老龄化率、受教育程度；经济收缩选取财政收入、城市GDP、人均GDP；社会收缩选取财政支出、社会消费品零售总额、从业率。各指标均能反映城市收缩的核心特征。
| 收缩维度 | 指标 | 具体描述 | 权重 | 贡献 |
|---|---|---|---|---|
| 人口收缩 | 城镇人口变化 | Vp=(Pt+1-Pt)/Pt，P是城市的城镇人口数，t+1和t是不同的年份 | 0.0193 | 消极的 |
| 教育状况 | Ve=Et+1/Pt+1-Et/Pt，E是城市大专及以上学历人数 | 0.1604 | 消极的 | |
| 老龄化状况 | Vo=Ot+1/Pt+1-Ot/Pt，O是城市60岁以上人口数 | 0.1227 | 积极的 | |
| 经济收缩 | 城市GDP情况 | Vg=(Gt+1-Gt)/Gt，G是城市GDP | 0.0774 | 消极的 |
| 人均GDP情况 | Vq=(Qt+1-Qt)/Qt，Q是人均GDP | 0.1239 | 消极的 | |
| 政府财政收入情况 | Vf=(Ft+1-Ft)/Ft，F是城市政府的财政收入 | 0.0312 | 消极的 | |
| 社会收缩 | 政府财政支出情况 | Vh=（Ht+1-Ht)/Ht，H是城市政府的财政支出 | 0.1188 | 消极的 |
| 社会消费情况 | Vc=(Ct+1-Ct)/Ct，C是城市的社会消费零售总额 | 0.0419 | 消极的 | |
| 从业状况 | Vu=Ut+1/Pt+1-Ut/Pt，U是城市的从业人数 | 0.3044 | 消极的 |
2.2.2 多维城市收缩水平测度
采用面板熵值法客观赋权，避免主观偏差，并将时间变量纳入评价体系。首先对正负指标分别进行极值标准化；其次基于信息熵计算各指标权重；最后加权计算城市收缩指数（USI）。公式如下：
首先，对数据矩阵进行标准化
对于正指标： x'θis= (1)
对于负指标： x'θis= (2)
式中x'θis是第I城市在θ年的s指标的标准化值，和分别为s指标的最大值和最小值。
第二，计算评价指标的权重
= (3)
为指标s的权重；r为年数，n为城市数，m为指标数。
第三，综合计算不同维度的城市收缩指数(USI)
USI=x'θis (4)
为合理展现收缩演变，将研究期分为T1（2000-2010年）和T2（2010-2020年）。采用相对收缩判定方法：USI低于平均水平为未收缩，其余城市采用自然断裂法分为三类。
2.2.3 随机森林模型
随机森林是一种机器学习算法，通过集成多个决策树来提高分类和预测的准确度。随机森林不仅可以用于分类和回归分析，还能识别特征变量对因变量的重要性。在本研究中，选用了平均精度降低程度作为评估特征变量相对重要性的指标。该指标是通过随机赋值给每个变量，并观察随机森林模型估算误差相较于原始误差的增加程度来确定的，值越大表明变量的相对重要性越高。
3结果分析
3.1 成渝城市群多维城市收缩时空演化特征
T1时期（2000-2010年），成渝城市群相对收缩城市的分布呈现显著空间异质性，以人口收缩与社会收缩为主导。人口收缩分布广泛，除成都、重庆、眉山的中心区域及个别区县外，其余大部分区县均存在不同程度的人口收缩；经济收缩主要集中在城市群西部地区，成都的快速发展吸引了周边资本流入，导致部分区县经济收缩；社会收缩主要集中在西南部及中部区县，东北部收缩程度较轻。成都与重庆的虹吸效应对周边城市发展造成一定冲击。收缩较为严重的区县包括：宜宾市屏山县，德阳市中江县、广汉市、什邡市，绵阳市三台县、涪城区、盐亭县，自贡市沿滩区、大安区，泸州市纳溪区、沐川县等；此外，成都市（蒲江、成华、崇州、金牛、大邑、邛崃、金堂）与重庆市（綦江、丰都等）的部分区县也出现明显收缩。
地图来源:https://cloudcenter.tianditu.gov.cn/administrativeDivision,审图号:GS(2024)0650号
T2阶段（2010-2020年）相较于T1阶段，成渝城市群城市收缩格局发生明显变化。人口收缩城市数量从77个略降至74个，但高度收缩城市明显增加，主要集中在西南部地区（如石棉、汉源、夹江、五通桥、长宁及峨边、马边彝族自治区等），成都、重庆大部分区县未发生人口收缩，其高速发展吸引周边人口流入，导致遂宁、达州、自贡等区县人口收缩。经济收缩城市数量从73个上升至77个，但大多处于低中收缩程度，部分城市从高收缩向中低收缩甚至无收缩转化（如成都蒲江、崇州、大邑、都江堰、彭州、邛崃，绵阳安州、三台、盐亭等）。社会收缩变化较大，普遍由高收缩向中低程度转变，但绵阳三台县从无收缩变为高收缩。整体上，成渝城市群西南部（雅安、乐山等）收缩程度加剧，而成都、重庆及北部（绵阳、德阳、南充等）收缩程度降低。高收缩城市从25个减至21个，低收缩城市从30个增至37个，总体收缩趋势逐渐放缓。人口、经济、社会三维度收缩格局具有相似性，三者相互影响。研究采用相对收缩定义（增长缓慢即视为收缩），T2阶段收缩程度整体改善，表明成渝城市群活力正在复苏、增长加快，这与近十年中国经济高速发展密切相关。
地图来源:https://cloudcenter.tianditu.gov.cn/administrativeDivision,审图号:GS(2024)0650号
3.2 驱动机制分析
利用随机森林模型对T1和T2两个时期进行城市收缩驱动力因子进行筛选并排序（图4），T1时期造成城市收缩的前三名因素的是财政收入、人均收入和城市GDP，重要性指数分别是24.4211、22.9278、22.0122；T2时期造成城市收缩的前三名因素的是从业状况、城市GDP和教育状况，重要性指数分别是25.5711、20.4069、19.8626（表2）。
| T1 %IncMSE | T2 %IncMSE | |
|---|---|---|
| 财政支出(GFES) | 24.42 | 3.56 |
| 人均收入(PCIS) | 22.93 | 9.35 |
| 城市GDP(CGDPS) | 22.01 | 20.41 |
| 财政收入(GFRS) | 21.86 | 0.74 |
| 城镇人口变化（UPC） | 13.73 | 3.42 |
| 教育状况(EC) | 7.09 | 19.86 |
| 社会消费状况(SCS) | 3.27 | 18.55 |
| 从业状况(ES) | 2.51 | 25.57 |
| 老龄化(PAS) | / | 6.92 |
4讨论
本研究发现，2000—2020年成渝城市群城市收缩呈现“整体放缓、局部加剧”的格局，驱动因素从T1期的经济总量指标（财政收入、人均收入、城市GDP）转变为T2期的社会结构指标（从业状况、教育状况），揭示了城市收缩动力机制的时代演进。T1期经济主导型收缩反映了快速城镇化阶段的“虹吸效应”。成都、重庆作为增长极，其快速发展吸引了周边区县的资本与劳动力，导致西部地区出现明显经济收缩带。T2期社会结构型收缩凸显了就业与人力资本的关键作用。随着城镇化进入中后期，城市吸引力更多取决于就业机会与教育资源配置。尽管经济收缩城市数量上升，但多处于低中收缩程度，表明区域经济基础整体改善，但结构性矛盾逐渐凸显。多维收缩呈现同步性与异质性并存的特征。人口、经济、社会相互影响，核心城市的强集聚与边缘城市的弱留存形成区域收缩的梯度格局。收缩总体放缓释放积极信号，与成渝地区双城经济圈建设等政策推进密切相关，但西南部（雅安、乐山等）收缩持续加剧，需针对性干预。多维收缩呈现同步性与异质性并存的特征。人口、经济、社会相互影响，核心城市的强集聚与边缘城市的弱留存形成区域收缩的梯度格局。收缩总体放缓释放积极信号，与成渝地区双城经济圈建设等政策推进密切相关，但西南部（雅安、乐山等）收缩持续加剧，需针对性干预。
5结论
成渝城市群城市收缩十分普遍，并且该城市群的部分地区表现明显，严重威胁着城市的发展进程，对城市形态产生了巨大的影响。本研究以成渝城市群为研究对象，以各县区作为独立研究区域，建立了多维城市收缩评价体系，探究了成渝城市群2000-2020年间城市收缩的空间分布格局以及城市收缩对城市形态的影响。主要结论如下：
（1）成渝城市群的城市收缩程度逐渐在降低，并且呈现出一定的空间异质性。
（2）人口、经济、社会三个维度对城市收缩都具有一定的影响，其中人口和社会维度对成渝城市群的城市收缩影响最大，反倒是经济对城市收缩影响相对较小。
参考文献：
- [1] 崔安然.中国城市收缩水平及空间分布规律研究[D].河北经贸大学,2023.
- [2] 张明斗,曲峻熙.中国广义城市收缩的空间格局与生成逻辑研究——基于人口总量和经济规模的视角[J].经济学家,2020(01):77-85.
- [3] 刘菊,孙平军,罗宁,等.城市收缩研究进展及其中国本土化思考[J].地域研究与开发,2022,41(03):55-60.
- [4] 温佳楠,宋迎昌.基于知识图谱的国内外城市收缩研究进展及启示[J].城市与环境研究,2019(02):93-107.
- [5] 张学良,张明斗,肖航.成渝城市群城市收缩的空间格局与形成机制研究[J].重庆大学学报（社会科学版）,2018,24(06):1-14.