東北地區城鎮化發展與土地健康利用空間關聯特征

劉寶濤, 楊興龍, 郭 佳

(1.吉林農業大學 經濟管理學院, 長春 130118; 2.吉林大學地球科學學院, 長春 130061; 3.長春市國土資源局 長春新區分局, 長春 130000)

土地是人類賴以生存和發展的基礎性資源[1]。中國正處于快速城鎮化階段，土地資源作為城鎮化發展的空間載體，與城鎮化發展密切關聯，而且涉及到國家糧食安全和社會穩定[2]。快速城鎮化導致區域人地關系趨于緊張、城鎮化質量較低、“城市病”凸顯、城鎮發展方式粗放、“攤大餅”式擴張、土地利用率偏低、城鎮結構不合理等[3]。對此，城鎮發展與土地利用逐漸成為學術研究的前沿和熱點問題，相關領域學者針對其單一或融合方面開展大量研究。主要集中于以下方面：城鎮化相關研究，國外學者Wieand[4]，Louw[5]對土地利用布局、城市發展和土地集約利用效益的相互關系進行了論證；Steven[6]，Downs[7]等則探討了城市的“精明增長”，提出通過土地的高效利用減少城市的粗放擴張；Kok等[8]提出了城市發展過程中土地資源的合理配置方法。近年來，中國城鎮化步入快速發展階段，國內學者多關注城鎮化與人口非農化[9]、城鎮化與工業化[10]、人口與土地城鎮化[11]、城鎮化與經濟發展[12]、城鎮化與就業關系等[13]，取得豐碩的研究成果。土地健康利用相關研究，20世紀40年代，Leopold[14]首次提出土地健康(Land health)，并以“Land sickness”描述土地生態系統功能的紊亂(Dysfunction)。20世紀80年代，加拿大政府開展全國范圍的土壤健康研究[15]。國內學者也對其進行探索，借鑒“土地健康”、“生態系統健康”和“土地生態系統健康”的概念，提出“土地利用系統健康”[16]，并開展大量研究，主要特點有：(1) 研究內容綜合化。包括基礎理論、評價體系構建、指標甄選、障礙因素診斷[17]；(2) 研究方法多樣化。逐漸從定性分析、定量分析轉向綜合分析，集對分析模型、物元分析法、三角模型、TOPSIS方法、尋蹤投影模型、灰色關聯模型等方法被應用其中[18]；(3) 研究對象多元化。基于全國、省、市、縣等行政等級的研究，基于地類，包括城市用地、農用地(耕地)的研究[19]。目前，關于城鎮化與土地利用綜合研究也很豐富，如城鎮化與土地集約利用、土地利用效率、土地利用績效、農地非農化、水土資源系統，以及經濟發展與土地健康利用結合研究等[20-23]。另外，國內學者對城鎮化與土地健康利用的協同演化關系進行了初步研究，但成果相對較少[24]。城鎮化進程是局域漸進式的，對土地利用系統的影響是全局的。城鎮化發展為人類經濟社會帶來物質財富、精神福利，又對人地系統產生負面脅迫，其明顯成效和突出問題均可表現在區域土地利用系統健康狀況中，確有必要深入研究城鎮化發展與土地健康利用的關系。本研究不僅能進一步充實城鎮化與土地利用的相關成果，也能為快速城鎮化過程中的區域土地利用系統健康診斷、優化，城鎮化發展政策、土地利用決策制定、實施提供科學參考依據。

基于此，本文以2013年東北地區34個地級市為例，構建城鎮化與土地健康利用綜合評價體系，測算兩系統綜合指數，基于GIS平臺分析兩系統空間分異特征，并運用空間自相關模型探究其單變量空間關聯特征、雙變量空間關聯特征，以期為東北地區新型城鎮化建設和土地利用政策制定提供科學依據。東北地區作為中國的老工業基地，隨著《全國老工業基地調整改造規劃(2013—2022年)》出臺，尤其是新一輪東北振興規劃提出，研究東北地區城鎮化與土地健康利用的空間關聯特征對于實現東北地區經濟社會可持續發展、土地可持續利用，促進東北老工業基地崛起，帶動全國老工業基地振興具有重大意義[25-26]。

1 評價體系構建與數據來源

1.1 構建城鎮化評價體系

學術界對于城鎮化水平考察多以單一評估指標或綜合評估指標表征[27]。隨著國內“新型城鎮化”理念深入，單一指標難以全面體現城鎮化發展水平，從多維度視角測度城鎮化水平能客觀準確體現其內涵、特征。城鎮化是二三產業向城鎮集聚發展吸納農村人口和勞動力、城鎮地域性質和景觀轉變的過程，是一個綜合的過程，主要包含經濟城鎮化、人口城鎮化、社會城鎮化、土地城鎮化4方面的內容。其中，人口城鎮化表現為農村人口向城鎮集中成為城鎮人口；土地城鎮化表現為城市規模和數量增加、城鎮建設用地擴張；經濟城鎮化是非農產業發展要素向城鎮空間集聚過程；社會城鎮化是居民生活、生產方式提升改善過程，四者之間存在相互影響、制約的復雜關系[27]。本文借鑒已有研究成果，依據數據可得性、全面性和合理性，充分考慮研究區實際情況，從人口、經濟、空間和社會4個方面構建城鎮化綜合評價體系，見表1。

1.2 構建土地健康利用評價體系

土地健康利用源自于國內學者提出的土地利用系統健康的概念[16-19]。本文對其內涵界定如下：某一區域在特定時期，以經濟社會可持續發展為目標，在人類社會經濟活動影響下，區域土地利用系統結構合理高效，系統功能穩定發揮，生態、社會、經濟效益綜合統一的土地資源利用方式。土地健康利用評價即以整個區域土地利用系統為評價對象，針對自然生態子系統和社會經濟子系統復合而成的生態經濟巨系統，以人類社會的可持續發展為目標，基于PSR概念框架，從土地利用系統的人類經濟活動壓力強度，承載社會經濟發展狀態水平，采取經濟、政策、法律、技術等響應措施方面進行綜合評價，診斷由自然生態環境約束和人類社會經濟活動影響下的區域土地利用決策。

本文在遵循科學性、系統性、可操作性和完備性等原則的基礎上，參考相關文獻構建基于PSR框架的評價體系[16-19](表2)。土地利用系統健康狀況“綜合指數”中，壓力指數即為了保持土地利用系統健康，采取適當的人口政策、土地利用策略，使經濟社會發展維持在不對土地利用系統施以過大壓力的狀態；狀態指數表征土地利用系統當前健康狀態，即土地利用系統對壓力和沖突的抗干擾能力和適應能力。響應指數即人類社會采取相應的政策保護對策和環境治理手段，促進土地利用系統朝著健康方向發展，實現土地可持續利用。

1.3 數據來源

本文選取2013年東北地區34個地級市為研究區(吉林省延邊朝鮮族自治州和黑龍江省大興安嶺地區數據缺失，不作為研究對象，故文中繪圖僅包括34個地級市)。研究數據來源于《中國城市統計年鑒(2014)》、《中國城市建設統計年鑒(2013)》、《中國區域經濟統計年鑒(2014)》、《黑龍江統計年鑒(2014)》、《吉林統計年鑒(2014)》、《遼寧統計年鑒(2014)》以及各地方國民經濟和社會發展統計公報等資料，部分缺失數據通過插補的方法獲得。

表1 城鎮化綜合評價體系及其權重

注:表中的權重數值根據熵值賦權法[19]計算得出，下表同。

2 研究方法

2.1 綜合指數測算

重點參考文獻[16-19]的研究方法，對原始數據進行無量綱化處理[18]，熵值賦權法計算指標權重[19]，綜合加權指數和法測算兩系統綜合指數[24]。

城鎮化綜合指數：

(1)

式中：A為城鎮化綜合指數；yij是城鎮化標準值；Wj為第j個評價指標權重。

土地健康利用綜合指數：

(2)

式中：B為土地健康利用綜合指數；yij是土地健康利用標準值；Wj為第j個評價指標權重。

表2 土地健康利用綜合評價體系及其權重

2.2 單變量空間自相關分析

空間自相關分析包括全局空間自相關和局部空間自相關。全局空間自相關用來描述整個研究區域上所有對象的空間關聯程度、空間分布模式及其顯著性；局部空間自相關統計變量可以識別不同空間位置上可能存在的空間關聯模式，從而發現空間局部不平穩性，更為準確地把握局部空間要素的聚集性和分異特征，為分類和決策提供依據[28-29]。一般多采用Moran′sI和Local Moran′sI指數來描述全局空間自相關和局部空間自相關性。

Moran′sI指數計算公式為:

(3)

利用統計量為標準化Z值，檢驗Moran′sI是否具有顯著性，本文顯著性檢測值絕對值為1.96，當Z值大于1.96時，表示顯著的空間正相關；當Z值小于-1.96時，表示為空間負相關；當Z值介于其間時，表示觀測值呈隨機分布[28-29]。

ZI=I-EIvarI

式中：E(I)為Moran′sI的期望值，var(I)為Moran′sI的方差。

Local Moran′sI指數計算公式為：

(5)

Local Moran′sI檢驗的標準化統計公式為：

(6)

式中：E(I)為Moran′sI的期望值；var(I)為Moran′sI的方差。

2.3 雙變量空間自相關分析

為了刻畫多個變量的空間相關性，相關學者在Moran′sI指數的基礎上進一步拓展了雙變量全局自相關和局部自相關，為揭示不同要素空間分布的相關性提供了可行方法[30-32]，其定義為:

(7)

3 結果與分析

根據上文研究方法，分別測算城鎮化綜合指數(A)和土地健康利用綜合指數(B)(表3)。

3.1 城鎮化空間分異特征

為刻畫研究區城鎮化空間分異格局，基于ArcGIS 10.2軟件平臺，選擇自然斷裂點法(Jenks)將研究區城鎮化綜合指數分為5類：高水平、較高水平、中等水平、較低水平、低水平。

表3 城鎮化綜合指數與土地健康利用綜合指數

研究區城鎮化水平最高的是遼寧省大連市(0.748 1)，最低的是黑龍江省綏化市(0.021 6)，兩者相差約34倍。研究區處于中等及以下水平的地區有25個，占比高達73.5%，表明東北地區城鎮化發展水平普遍偏低。從分布格局來看，整體呈現中心帶隆起，向東西兩翼遞減的“凸槽型”分布格局。從省際尺度來看，城鎮化平均值排序為：遼寧省>吉林省>黑龍江省，且分別以較高、中等、較低水平為主，呈現省域內“主要類型組團式”集聚特征。從城鎮化增長極來看，黑龍江省和遼寧省表現為“沈陽—大連”雙核增長極、“哈爾濱—大慶”雙核增長極，吉林省為“長春”單核增長極。總體來看，東北地區34個地級市城鎮化水平偏低，地域分異特征顯著。

3.2 土地健康利用空間分異特征

基于ArcGIS 10.2軟件平臺，選擇自然斷裂點法(Jenks)，同時參考國內學者的等級劃分標準[17-19]，將研究區土地健康利用綜合指數劃分為健康、亞健康、臨界健康、不健康和病態，并繪制研究區土地健康利用空間分異圖，以直觀揭示其空間分異格局。

研究區土地健康利用綜合指數最高地區為遼寧省沈陽市(0.626 2)，最低地區為黑龍江省伊春市，兩地相差約2.14倍，研究區處于臨界健康及以上的城市有23個，占比高達67.65%，表明東北地區土地利用系統健康狀況較為理想。從省域尺度來看，遼寧省沈陽市、盤錦市、大連市，黑龍江省綏化市均為健康水平，吉林省均為亞健康及以下水平；省域內平均值排序為：遼寧省>吉林省>黑龍江省，這與城鎮化平均值排序結果一致。從土地健康利用類型分布來看，臨界健康及以上的區域主要集中于東北地區的中東部、南部，呈現貫穿哈大交通經濟線，以松遼平原為軸帶的“C”型半環帶隆起，向內外兩側遞減的分布格局，該區域資源富足、地形平坦、水熱條件優越、土壤肥沃、地形平坦、社會經濟發展水平較高，區域優勢較為突出；不健康、病態水平主要位于東北地區的東北部、西部，該地區多屬于干旱半干旱農牧交錯帶，典型的生態敏感脆弱區，土壤相對貧瘠、水熱條件較差、植被覆蓋多以草原為主，且目前破壞較為嚴重，由于農業結構調整和生態災害損毀、環境條件惡化等因素制約，土地利用方式較為粗放，嚴重影響該地區社會經濟的可持續發展，制約著區域土地利用系統健康狀況。

3.3 單變量全局空間自相關

運用OpenGeoda空間分析軟件，分別將研究區兩系統綜合指數作為空間數據進行處理，選擇Rook鄰接原則，通過一階鄰接方式來確定空間權重矩陣，采用單變量空間自相關方法分別分析兩系統的空間關聯特征。

(1) 單變量全局空間自相關。根據城鎮化、土地健康利用綜合指數空間數據，繪制出Moran散點圖(圖1—2)。城鎮化發展全局自相關Moran′sI指數為0.133 2，p值為0.067大于顯著性水平0.05，未能通過顯著性檢驗，表明城鎮化發展全局存在空間正相關，但并不顯著。究其原因，城鎮化水平高的地區，區域條件優越、基礎設施完善、產業結構優化和信息技術聚集因素是城鎮化高水平城市的動力機制；而圍繞在周邊的城市，受經濟基礎薄弱、地理位置條件制約、各種要素流失等因素影響，從而未能呈現城鎮化水平高的地區帶動相鄰地區的城鎮化發展，反而造成資源外流和發展動力不足的現象，產生一定程度上的脅迫作用。土地健康利用全局自相關Moran′sI指數為0.232 8，Moran′sI檢驗結果表現顯著(p=0.05)，說明研究區土地健康利用并非隨機分布的，呈顯著全局空間正相關特征。

圖1城鎮化Moran散點圖

(2) 單變量局部空間自相關。為了進一步研究局域存在的聚集特征、空間分布規律，進行局部空間自相關分析，分別繪制研究區內部城鎮化與土地健康利用在某地區與其周圍地區空間關系的LISA集聚圖(圖3—4)。局部空間關聯類型包括：高高關聯型(H—H)、高低關聯型(H—L)、低高關聯型(L—H)、低低關聯型(L—L)、空間隨機(N—S)。H—H關聯型和L—L關聯型表明區域內存在空間正相關特征，揭示其聚集和相似性，即空間均質性；H—L關聯型和L—H關聯型表明區域內存在空間負相關特征，揭示其離散和分異性，即空間異質性。基于OpenGeoda軟件分別測算其LISA值，并在Z檢驗(p=0.05顯著性水平)基礎上繪制LISA集聚圖，以分別揭示研究區內部城鎮化、土地健康利用的空間關聯類型。

圖2土地健康利用Moran散點圖

圖3研究區城鎮化LISA集聚圖

圖4研究區土地健康利用LISA集聚圖

研究區城鎮化發展具有明顯的局部空間正關聯特征。僅存在H—H關聯型，分布在南部沿海的營口市和臨海的鞍山市，受沈陽經濟區和沿海經濟帶的較強的經濟聚作用，該區域交通系統發達、經濟發展水平高、產業集聚等因素優勢明顯，成為“臨海經濟”地帶，局域空間顯著性強。

研究區土地健康利用局部空間關聯特征明顯。局部空間負關聯型中，H—L關聯型、L—H關聯型分別分布于佳木斯市和撫順市，均以孤立區呈現。佳木斯市是黑龍江省東部地區的中心城市、經濟中心和國內外聯系的樞紐，比其周邊地區經濟發展水平高,從而形成異質零散的孤立點；撫順市經濟水平高，但用地結構不合理，較高的城鎮化水平與土地健康利用相背離，土地健康利用程度處于不健康狀態，從而呈現與周邊城市相異，位于L—L關聯型城市的交叉區域帶。局部空間正關聯型中，H—H關聯型分布于南部臨海的營口市和鞍山市，聚集狀況與城鎮化局部聚集一致；L—L關聯型分布于東北內陸的鶴崗市、雙鴨山市和雞西市，該區域處于邊陲地帶，內外交流不暢，邊緣化狀態顯著，且受經濟基礎差、基礎設施不完備、城鎮化發展水平低、生態環境惡劣等因素制約，這與土地健康利用空間分異中的病態和不健康現象相匹配，并同H—H關聯型呈現區域極化現象。

3.4 雙變量空間自相關

(1) 雙變量全局空間自相關。城鎮化發展與土地健康利用相互影響、相互作用。快速城鎮化進程為區域土地利用系統帶來正面效應和負面脅迫，在一定程度上，有利于優化區域土地利用結構、功能和效益，促進土地健康利用水平的改善和提升。參考相關研究文獻，并考慮東北地區經濟社會發展的實際情況，土地健康利用一般滯后于城鎮化發展。在此基礎上，以城鎮化綜合指數和土地健康利用綜合指數為X變量(First Variable)和Y變量(Second Variable)，運用OpenGeoda空間計量分析技術，通過雙變量全局空間自相關分析方法，計算雙變量全局空間自相關指數Moran′s I(圖5)。

圖5城鎮化與土地健康利用雙變量Moran散點圖

結果顯示，全局Moran′sI值為0.235 1，呈空間正相關，再采用蒙特卡羅模擬的方法進行假設檢驗，其中p值為0.005 0,標準化Z值為2.780 0，通過正態分布下置信水平為0.05 時的臨界Z值為1.96的閾值，表明東北地區城鎮化發展與土地健康利用在置信度下呈顯著的空間正相關特征，即城鎮化發展的高值區與土地健康利用高值區相互協同，城鎮化發展低值區與土地健康利用低值區相互鄰接的趨勢，空間關聯格局特征顯著。城鎮化發展對土地健康利用具有重要作用，雄厚的經濟基礎有利于區域資金、技術投放到產業結構優化升級和生態環境保護等方面。

(2) 雙變量局部空間自相關。為揭示集聚現象的區域分布情況，運用局部空間自相關分析法，結合通過顯著性檢驗(95%置信度水平下)的雙變量LISA集聚圖，分析兩者間區域間的聚集程度和關聯特征(圖6)。

結果顯示，H—H關聯型分布在營口市、鞍山市和撫順市，說明其城鎮化發展與土地健康利用均相對較高；L—L關聯型分布在佳木斯市和鶴崗市，說明其城鎮化發展與土地健康利用均相對較低。這種現象表明研究區城鎮化與土地健康利用呈現局部空間正相關特征，也充分顯現出東北地區城鎮化水平和土地健康利用水平的空間分布不均衡，南部區域地理位置優越，人口密度較大，城鎮化體系發達，東北內陸偏遠地區交通系統不健全、限制了產業規模化和城鎮化快速發展，東北地區城鎮化與土地健康利用呈局部空間正相關關聯特征。

圖6研究區雙變量LISA聚集圖

4 討 論

隨著新型城鎮化理念深入，單一指標難以準確表征城鎮化水平，而本研究從人口、空間、經濟、社會4個維度構建城鎮化綜合評價體系，有益于準確體現研究區城鎮化發展水平，但仍難以體現新型城鎮化的豐富內涵，今后有必要對新型城鎮化綜合測度指標進行深入研究，以全面、完整地表征區域城鎮化發展的內涵、水平、質量。

全面、系統的評價指標體系和有效的評價方法是土地利用系統健康評價的基礎和保障。由于土地利用系統健康評價指標體系的構建涉及眾多學科，盡管本文參考借鑒了國內相關權威文獻，構建了基于PSR模型的評價指標體系，但受數據可得性等因素制約，本文的指標體系不一定健全，在數理方法、模型設計等方面仍待后續研究改進。同時，本文僅測度了單一年份的研究區土地利用系統健康狀況，對其長期演變趨勢、未來發展態勢等內容尚未涉及，是今后的重點研究方向。

將單變量空間自相關分析與雙變量空間自相關分析相結合，可以揭示研究區城鎮化發展、土地健康利用及其兩者間的空間關聯特征，為東北地區城鎮化建設、土地利用決策提供科學依據。城鎮化發展既可以為區域土地利用系統健康帶來正面福利，又有可能產生負面效應。在城鎮化發展的不同階段，城鎮化與土地健康利用相互作用、相互影響關系有所不同，揭示其空間相關關系有利于平穩推進健康的城鎮化建設，同時最大限度地減少對區域土地利用系統健康的擾動、破壞。全面、系統、科學地揭示空間分異特征是實施區域差別化城鎮化建設、土地利用政策的重要依據，能夠為區域城鄉規劃、國土空間功能區域提供參考，但本文限于篇幅，難以系統討論區域城鎮功能分區與土地利用管治，這也是今后有待進一步深入研究的方向。

5 結 論

(1) 研究區城鎮化水平偏低，整體呈現中心帶隆起，向東西兩翼遞減的“凸槽型”分布格局；省域內平均值排序為：遼寧省>吉林省>黑龍江省；遼寧省和黑龍江省表現為“沈陽—大連”雙核增長極、“哈爾濱—大慶”雙核增長極，吉林省為“長春”單核增長極。

(2) 研究區土地利用系統健康狀況較為理想，整體呈現以哈大交通經濟沿線—松遼平原為軸線的“C”型半環帶隆起，向內外兩側遞減的分布格局；省域內平均值排序為：遼寧省>吉林省>黑龍江省。

(3) 研究區城鎮化發展全局空間相關特征不顯著，局部空間關聯特征僅存在H—H關聯型，分布在營口市和鞍山市；土地健康利用全局空間正相關特征顯著，局部以空間正相關(H—H關聯型、L—L關聯型)為主，H—H關聯型分布在營口市和鞍山市，L—L關聯型分布在鶴崗市、雙鴨山市和雞西市，且以“組團式”呈現；局部空間負相關(H—L關聯型、L—H關聯型)分別分布于佳木斯市和撫順市，且以孤立區呈現。

(4) 研究區城鎮化發展與土地健康利用呈全局空間正相關特征顯著；局部表現為空間正相關特征，H—H關聯型分布在營口市、鞍山市和撫順市，L—L關聯型分布在佳木斯市和鶴崗市。

參考文獻：

[1] 傅超,劉彥隨.我國城鎮化和土地利用非農化關系分析及協調發展策略[J].經濟地理,2013,33(3):47-51.

[2] 陸大道,姚士謀.中國城鎮化進程的科學思辨[J].人文地理,2007,22(4):1-5.

[3] 姚士謀,吳建楠,朱天明,等.農村人口非農化與中國城鎮化問題[J].地域研究與開發,2009,28(3):36-41.

[4] Wieand K. An extension of the monocentric urbanspatial equilibrium model to a multicenter setting: the case of the two center city[J]. Journal of Urban Economics, 1987,21(3):259-271.

[5] Louw E. Land assembly for urban transformation: the case of ‘s-Hertogenbosch in the Netherlands[J]. Land Use Policy, 2008,25(1):69-80.

[6] Steven A G, Jose A F, Glenn E M. A multiobjective optimization approach to smart growth in land development [J]. Socio-Economic Planning Sciences, 2006,40(3):212-248.

[7] Downs A. What does smart growth really mean[J]. Planning, 2001,67(4):20-25.

[8] Kok K, Verburg P H, Veldkamp T. Integrated assessment of the land system: the future of land use[J]. Land Use Policy, 2007,24(3):517-520.

[9] 劉盛和,陳田,蔡建明.中國非農化與城市化關系的省際差異[J].地理學報,2003,58(6):937-946.

[10] Deng X Z, Huang J K, Rozelle S. Growth, population and industrialization, and urban land expansion of China[J]. Journal of Urban Economics, 2008,63(1):96-115.

[11] Choy L H T, Lai Y, Lok W. Economic performance of industrial development on collective land in the urbanization process in China: Empirical evidence from Shenzhen[J]. Habits International, 2013,37(40):184-193.

[12] 陳明星,陸大道,查良松.中國城市化與經濟發展水平關系的國際比較[J].地理研究,2009,28(2):464-474.

[13] 劉偉德.中國人口城市化水平與城鄉就業問題探討[J].經濟地理,2001,21(3):427-430.

[14] Leopold A. For the Health of Land[M]. Washington DC: Island Press, 1999.

[15] 陳美球,劉桃菊.土地健康與土地資源可持續利用[J].中國人口·資源與環境,2003,13(4):64-67.

[16] 蔡為民,唐華俊,陳佑啟,等.土地利用系統健康評價的框架與指標選擇[J].中國人口·資源與環境,2004,14(1):31-35.

[17] 鄭華偉,張銳,劉友兆.基于物元分析的土地利用系統健康診斷[J].中國土地科學,2012,26(11):33-39.

[18] 劉寶濤,王冬艷,劉惠清.基于DPSIR模型與TOPSIS算法的吉林省土地利用系統健康診斷[J].吉林農業大學學報,2017,39(1):74-91.

[19] 劉寶濤,郄瑞卿,王冬艷,等.基于灰色關聯模型的吉林省土地利用系統健康診斷[J].中國農業資源與區劃,2016,37(10):9-17.

[20] 賈琦,運迎霞,尹澤凱.城市群土地利用效益與城鎮化水平的時空耦合分析:我國三大城市群的實證分析[J].現代城市研究,2014(8):9-13.

[21] 王紅,石培基.武威市城鎮化與水土資源效益協調性分析[J].干旱區地理,2013,36(5):963-969.

[22] 黃木易,程志光.區域城市化與社會經濟耦合協調發展度的時空特征分析:以安徽省為例[J].經濟地理,2012,32(2):77-81.

[23] 劉耀彬,宋學鋒.城市化與生態環境的耦合度及其預測模型研究[J].中國礦業大學學報,2005,34(1):94-99.

[24] 劉寶濤,王冬艷,劉惠清.城鎮化發展與土地健康利用協同演化關系:以長春市為例[J].經濟地理,2016,36(10):76-83.

[25] 鄭研.國務院批復《全國老工業基地調整改造規劃(2013—2022年)》[N].中國信息報,2013-04-09(1).

[26] 中共中央國務院.《關于全面振興東北地區等老工業基地的若干意見》[N].人民日報,2015-12-31(1).

[27] 曹廣忠,邊雪,劉濤.基于人口、產業和用地結構的城鎮化水平評估與解釋:以長三角地區為例[J].地理研究,2011,30(12):2139-2149.

[28] Anselin L. The local indicators of spatial association:LISA[J]. Geographical Analysis, 1995,27(2):93-115.

[29] Ord J K, Getis A. Local spatial auto correlation statistics: Distributional issues and application[J]. Geographical Analysis, 1995,27(4):286-306.

[30] Wartenberg D. Multivariate spatial correlation: A method for exploratory geographical analysis[J]. Geographical Analysis, 1985,17(4):263-283.

[31] Anselin L, Syabri I, Smirnov O. Visualizing multivariate spatial correlation with dynamically linked windows[C]∥Anselin L, Rey S. New Tools for Spatial Data Analysis: Proceedings of the Specialist Meeting. Santa Barbara:University of California, 2002.

[32] 陸汝成,黃賢金.基于省級和市級層次的違法占用耕地與經濟發展的空間計量分析[J].中國土地科學,2012,26(7):60-66.