基于多維分析框架的中國城市收縮時空演化特征分析

張 偉，裴敏潔

（西南大學地理科學學院，重慶 400715）

雖然城市擴張仍是影響全球可持續發展的最重要過程之一（Lange,2007;Xie et al.,2018），但越來越多的城市開始步入收縮的階段。在過去的半個世紀中，全球370個人口超過100 000人的城市中，至少有10%的城市正在收縮（Gu et al.,2019）。由于城市收縮已經達到了全球規模，并決定性地影響著許多城市的命運（Martinez-Fernandez et al., 2016;Haase et al.,2017），城市收縮現象得到了越來越多的關注。

改革開放以來，中國的城鎮化水平由1978年的17.92%提高到2017年的58.52%，用40年的時間完成了西方國家200年的城鎮化進程，創造了世界城鎮化發展的歷史奇跡（方創琳，2018）。但是，隨著中國城鎮化進入“下半場”，經濟發展進入“新常態”，部分城市的人口和產業集聚能力開始下降。與此同時，中國的人口發展也面臨著前所未有的重大轉折（毛春梅等，2016），人口的老齡化、少子化和流動化等特征日益明顯。在城鎮化進程邁入新階段，人口發展面臨新拐點的時代背景下，中國的城市收縮現象開始出現（龍瀛等，2015）。2019和2020年，國家發展改革委連續兩年將收縮城市列入新型城鎮化建設重點任務中。由此可見，城市收縮已經成為中國新型城鎮化進程中必須努力應對的重要挑戰（吳康等，2017）。

盡管近年來對城市收縮領域的研究在迅速增加，但由于中國的收縮城市研究尚處于起步階段，許多基礎性的理論和方法問題還有待解決：1）對于城市規劃者和決策者而言，收縮城市的準確識別是開展城市治理、編制城市規劃的重要起點。但是，由于對收縮城市的定義仍存在爭議，并且知識譜系相當混亂（Haase et al.,2014;Bernt,2016），學者們對于收縮城市的識別標準往往大相徑庭。許多研究都將人口數量下降視為收縮城市的核心特征（Martinez-Fernandez et al.,2012;Bernt,2016），進而將城市人口的減少作為收縮城市識別的唯一指標。但是，由于城市收縮是一個復雜的多維現象（杜志威等，2017；劉風豹等，2018），單一的人口指標無法完全反映城市收縮的豐富內涵（Pallagst et al.,2017a;Hartt,2018a）。因此，也有部分學者試圖構建一個涵蓋人口、經濟、空間結構和失業率等多個指標的綜合指數用以識別收縮城市（張京祥等，2017；林雄斌等，2017）。但是，由于研究者的主觀偏好和數據可用性等原因，綜合性指標體系不僅無法提高收縮城市識別的準確性，還容易造成識別結果的模糊、混亂和不可比（李郇等，2017）。2）盡管許多學者已經認識到城市收縮是一個高度動態的過程（Grossmann et al., 2013; Silverman, 2018），但是，關于城市收縮的時序演化軌跡與特征的研究還非常少，不同收縮維度之間的動態演化過程和內在聯系仍不清楚。為此，本文擬在前人研究的基礎上，構建一套新的城市收縮多維度識別與分析框架；利用長時間序列數據，分析中國城市收縮的時空演變特征，探討不同收縮維度之間的關系。以期深化對城市收縮現象的認識，為收縮城市的轉型發展提供科學依據。

1 識別與分析框架的構建

盡管學術界尚未就收縮城市的定義達成廣泛的一致，但許多學者已展開了深入的討論，并取得了一些基本的共識，這為收縮城市的識別奠定了堅實的基礎。首先，城市收縮是一個多維度過程，單一人口指標無法完全反映城市收縮的豐富內涵（Bernt, 2016）。其次，不同城市的收縮過程與特征往往不同，城市收縮現象存在顯著的地域差異（Mallach,2017a）。如某個城市可能只是在一個維度上收縮，而另一個城市可能在多個維度上都存在收縮現象（張偉等，2019）。因此，為所有城市制定一套統一的識別標準是不可行的。根據這些基本認識，本文構建了一個更為靈活的框架來識別收縮城市（圖1）。

圖1 城市收縮的多維度識別與分析框架（a.3個收縮維度及其相互關系；b.城市多維度收縮的類型學框架體系）Fig.1 The identification framework of the multi-dimensional shrinking city(a.relationships among the three shrinking dimensions.b.multi-dimensional typology framework of urban shrinkage)

第一步是選擇合適的收縮維度。根據已有研究成果，選擇3個被廣泛接受的收縮維度：1）人口維度。人口流失是收縮城市的核心特征（董昕等，2021；吳康等，2021）。人口流失與經濟增長放緩、空間衰敗等其他收縮維度之間往往存在著緊密的聯系（He et al.,2017）。因此，人口變化趨勢判斷是城市收縮識別中的首選項和必選項（孫平軍等，2021）。2）經濟維度。經濟衰退是城市收縮的另一個重要特征（Bernt,2016;Mallach et al.,2017b）。經濟下滑通常會減少就業需求，導致市場萎縮，進而引起人口流失、住房遺棄，以及公共服務需求的減少等。3）空間維度。大規模的城市收縮通常伴隨著城市空間的衰敗。因此，空置土地的增加和住房的廢棄也是收縮城市研究中的重要組成部分（宋小青 等，2018；Newman et al., 2018）。值得注意的是，全球城市收縮現象表現出顯著的多樣性（Haase et al.,2017;Hartt,2018a）。因此，可以根據當地的實際情況來增加一些收縮維度，從而更準確地分析當地城市收縮的演化軌跡和關鍵特征。如以社會活力下降、失業率增加、公共服務減少等為表征的社會收縮維度（吳思宇等，2020；張帥等，2020）；以文化影響力下降、城市形象破壞等為表征的文化收縮維度（Mallach et al., 2017b; Pallagst et al.,2017b），以及以行政級別下降、政治動蕩等為表征的政治收縮維度等（Bernt,2016;Doringer et al.,2019）。

第二步是分別從不同的維度識別城市收縮；即在不同時期中比較各城市在人口、經濟、空間等方面的時序變化情況，以確定城市收縮的維度、強度、持續時間等關鍵特征。這種處理方式具有以下優點：首先，分維度的識別過程可以產生更具體、更準確的識別結果，能夠有效提高不同研究之間的可比性?？紤]到目前學術界對于收縮城市的定義仍未達成一致，故這種可比性顯得尤其重要。其次，相對獨立的識別結果不僅便于討論不同維度的城市收縮現象在成因機制、演變特征等方面的異同，也有利于進一步分析不同收縮維度之間的復雜關系。最后，根據收縮維度的不同，可以方便地對收縮城市進行分類，如人口收縮城市、經濟收縮城市和空間收縮城市等。

第三步是分析不同收縮維度之間的關系，探討其時空演化特征。由于各收縮維度既可能單獨出現，也可能同時存在，因此可以根據收縮維度的數量，將特定的城市劃分為一維收縮城市、二維收縮城市或多維收縮城市（見圖1）。在此基礎上，通過時間變量的引入，將城市收縮的維度類別、維度數量等與時序演化階段結合起來，有助于找到一些重要問題的答案。例如，特定的收縮維度通常發生在城市收縮哪個階段？城市收縮現象是否存在某種普適性的時序演化規律？例如，在第一個發育階段主要表現為一維收縮（城市人口流失），在第二個發育階段則表現為二維收縮（人口減少和經濟下滑）；在第三個發育階段進一步發展為多維收縮（人口流失、經濟下滑和空間衰敗）。

2 數據和方法

2.1 數據收集與預處理

2.1.1 統計數據 各城市的統計數據來源于《中國城市統計年鑒》（1996—2016年）（中華人民共和國統計局，2016） 和《中國城市建設統計年鑒》（1999—2016年）（中華人民共和國住房和城鄉建設部，2016）。考慮到中國一直有制訂5 年計劃的傳統，且每個5年計劃對全國的社會經濟發展具有階段性的影響，因而將5年作為城市收縮的識別周期。因此，本文的研究期（1995—2015 年）共劃分為4個時段：1995—2000、2000—2005、2005—2010和2010—2015 年。由于2020 年的統計數據通常會延遲至2022 年發布，故本文未將2015—2020 年的數據納入。

由于研究期間中國進行了許多行政區劃調整，因此根據民政部發布的行政邊界調整信息對所有城市進行了比對與核實，剔除了行政轄區范圍發生了變化、不可比較的城市樣本。最后，4 個時段（1995—2000、2000—2005、2005—2010 和2010—2015 年）保留的有效城市樣本數分別為621、637、641和633個。

2.1.2 行政區劃數據 城市行政邊界的矢量數據來源于自然資源部的全國地理信息資源目錄服務系統①http://www.webmap.cn/main.do?method=index，其地理坐標系統為WGS1984。

2.2 分析方法

2.2.1 收縮城市的識別 分別采用城市總人口、城市國內生產總值和城市建成區面積這3個指標分別識別人口/經濟/空間收縮城市。現以2010—2015 年為例，說明城市收縮的識別過程。對2010—2015年城市i的人口收縮率計算公式如下：

式中：Si是城市i在2010—2015 年期間的人口收縮率；Xim和Xin分別是2015、2010 年城市i的總人口。如果Si＞0，則表示2010—2015年，城市i將被確定為人口收縮城市，反之亦然（Yang, et al., 2018;Deng et al.,2019）。同理，根據城市國內生產總值（GDP）和城市建成區面積，依次識別中國在4個時段的經濟/空間收縮城市。需要注意的是，為了保證不同年份GDP 的可比性，在識別經濟收縮城市之前，根據國家統計局發布的GDP 指數，將現價GDP轉換為不變價GDP。

2.2.2 關聯分析法 分別利用灰色關聯度分析法和Spearman相關分析法，分析不同收縮維度之間的關系。其中，Spearman 相關分析法利用SPSS18.0 軟件完成。灰色關聯度分析法的計算步驟為：

1）使用Z-score 標準化法對3 個收縮維度的收縮率進行標準化處理。其計算公式（趙鵬軍等，2018）為：

式中：xi(k)表示城市k在維度i的收縮率；x?i(k)表示其在標準化后的得分。-xi和si分別表示該收縮率的平均值和標準差。

2）計算每個城市在3 個收縮維度中的關聯系數。其計算公式（趙鵬軍等，2018）為：

式中：εij(k)表示城市k在收縮維度i和j之間的關聯系數；x(k)和x(k)分別表示城市k在維度i和j標準化后的收縮率；ρ為分辨系數，計算中通常取0.5。

3）計算最終的關聯度。其計算公式（趙鵬軍等，2018）為：

式中：rij表示收縮維度i和維度j之間的灰色關聯度，其取值范圍為[0,1]。通常認為，當rij≤0.35時，2個維度之間的聯系較弱；當0.35＜rij≤0.65時，2個維度之間存在中等程度的聯系；當0.65＜rij≤0.85時，2個維度之間存在較強的聯系；當rij＞0.85時，兩個維度之間存在極強的聯系。

3 結果與討論

3.1 中國收縮城市的識別結果

3.1.1 人口收縮城市（PSC） 4 個時段的人口收縮城市分別為61、130、98 和126 個（表1），分別占中國城市總量的9.55%、20.34%、15.34%和19.72%。從空間分布上看（圖2-a～d），無論是經濟發達的東部地區，還是經濟發展較為緩慢的西部地區，都存在較多的人口收縮城市。從時序演化上看，經濟發展相對落后的西部和東北地區，人口收縮城市的比例分別從1995—2000 年的5.95%和14.77%迅速增加到2010—2015 年的22.02%和42.05%，其增速明顯快于東部和中部地區。

表1 按收縮率統計的人口收縮城市數量和比例Table 1 Number and proportion of population shrinking cities in different levels of shrinkage

3.1.2 經濟收縮城市（ESC） 4 個時段的經濟收縮城市分別為34、31、3和53個（圖2-e～h），分別占中國城市總數的5.32%、4.85%、0.47%和8.29%。雖然經濟收縮城市的數量遠低于人口收縮城市，但考慮到中國在改革開放之后的經濟發展速度，這仍然令人驚訝。事實上，中國在社會經濟發展中一直存在較為明顯的區域差異，部分城市的經濟增長速度遠低于發達地區。此外，近年來中國的經濟發展已經步入新常態，經濟增長速度逐漸放緩，這也使得中國經濟收縮城市的數量開始增加。值得注意的是，東北地區的經濟收縮城市所占比例從2000—2005 年的6.82%增加到2010—2015 年的22.73%，增長速度驚人。就城市收縮現象而言，東北地區的老工業城市與歐美的傳統工業城市具有較大的相似性。由于傳統礦產資源的枯竭和經濟結構轉型不力，東北地區的許多資源型城市都經歷了經濟衰退，就業機會不斷減少，人口流失比較嚴重。

3.1.3 空間收縮城市（SSC） 4 個時段的空間收縮城市數量分別是45、22、24 和11 個，所占比例依次為7.04%、3.44%、3.76%和1.72%，呈現出逐漸下降的趨勢?？臻g收縮城市的數量要少于人口收縮城市和經濟收縮城市，這與中國的城鎮化發展特征吻合。改革開放以來，固定資產投資和基礎設施建設是地方政府促進當地社會經濟發展的重要手段，這使得許多城市的建成區面積迅速增加，城市蔓延現象大量存在。從時序演化的角度看，1995—2000年空間收縮城市數量遠高于其他3個時期（見圖2-i～l）。其原因在于，1992—1995 年，中國經濟一直處于過熱狀態，中央政府采取了緊縮的財政和貨幣政策來遏制經濟過熱和通貨膨脹（王一鳴，2018）。因此，1996—2000 年，城市固定資產總投資的年均增長率僅為10.95%，遠低于2001—2015年的22.66%。因此，這一時期中國城市的擴張速度明顯低于其他時期，從而產生了較多的空間收縮城市。

3.2 時序演化類型

根據城市收縮的時序演化軌跡，將中國的收縮城市劃分為4 種類型。表2 以人口收縮城市為例，展示了收縮城市時序演化類型劃分的基本過程。

表2 人口收縮城市時序演化類型的劃分原則Table 2 Principles of temporal evolution type division for population shrinking cities

3.2.1 人口收縮城市 在4 個時段中，中國共有287 個城市在至少一個時段中經歷了人口流失（圖3-a）。1）人口持續收縮型城市。在4個時段中，該類城市的總人口呈持續下降趨勢，這意味著其人口流失是一個長期而持續的過程。共識別出2個人口持續收縮型城市——內蒙古的牙克石市和江蘇的啟東市。根據這2個城市發布的《2018年國民經濟和社會發展統計公報》②牙克石市2018 年國民經濟和社會發展統計公報：http://www.yks.gov.cn/OpennessContent/show/49796.html；啟東市2018 年國民經濟和社會發展統計公報：http://www.qidong.gov.cn/qdstjj/tjgb/content/c6e92d19-4ea5-4dbd-9656-10b8806c4bc0.html。，截至2018年底，牙克石和啟東市60 歲以上人口比例分別為23.56%和31.07%，遠高于國際通行的人口老齡化標準（10%）（鐘睿，2019）。2）人口增長-收縮型城市。共識別出101個人口增長-收縮城市。在東北地區，此類城市所占比例高達30.68%，遠高于全國平均水平（15.81%），這表明該地區的城市人口收縮現象在全國最為嚴重。3）人口收縮-增長型城市。共識別出50個人口收縮-增長城市，遠少于人口增長-收縮城市的數量（101個），這表明未來會有更多的城市將面臨人口收縮，而不是人口增長。在東部地區，此類城市所占比例最高，為12.04%。4）偶發式人口收縮城市。共識別出134個偶發式人口收縮城市，占人口收縮城市總量的20.97%。在東北地區，此類城市占比最高，為34.09%。

注：1）“↑”號表示在該時期內，城市的總人口在增長；“↓”表示在該時期內，城市的總人口在減少；2）偶發式收縮城市是指在4個時段內，至少有一個時期總人口在減少，但又不屬于前3種收縮類型的城市。因此，符號“↑/↓”表示在此期間，該城市的總人口可能在增加，也可能在減少。

3.2.2 經濟收縮城市 中國共有111個城市在至少一個時段中出現經濟下滑現象，其中包括48個經濟增長-收縮型城市，31 個經濟收縮-增長城市和32個偶發式經濟收縮城市，未發現經濟持續收縮型城市（圖3-b）。在4 個地區中，東北地區的經濟收縮城市數量最多，為31 個，占東北地區城市總量的35.23%，這表明該地區城市經濟下滑現象在中國最為嚴重。

3.2.3 空間收縮城市 中國共有98 個城市在至少一個時段中經歷了建成區面積的收縮。這些城市包括9個空間增長-收縮型城市、42個空間收縮-增長型城市和47個偶發式空間收縮城市，未發現空間持續收縮型城市（圖3-c）。在4 個地區中，東北地區的空間收縮城市數量最多，為28個，占東北地區城市總量的31.82%。

圖3 中國收縮城市的時序演化類型（a.人口收縮城市；b.經濟收縮城市；c.空間收縮城市）Fig.3 Temporal evolution types of shrinking cities in China.(a.population shrinking city;b.economic shrinking city;c.space shrinking city)

3.3 收縮維度之間的關聯特征

使用灰色關聯分析法分別對4個時段中各城市3個維度的收縮率（人口/經濟/空間收縮率）進行關聯度分析，以探討不同收縮維度之間的內在聯系。4 個時期中，3 個收縮維度之間的灰色關聯度均＞0.7，表明其之間存在較強的聯系（表3）?？傮w上看，人口收縮與經濟收縮之間的聯系最強，其4個時段的平均關聯度為0.807。

表3 灰色關聯分析的主要結果Table 3 The results of the grey relational analysis

由于灰色關聯分析無法確定各個收縮維度之間屬于正向聯系還是負向聯系，因此進一步利用Spearman相關分析法對3個收縮維度進行分析。在12組Spearman相關分析中，有8組結果呈顯著相關（p＜0.05），這表明不同收縮維度之間存在密切關系（表4）。其中6 組相關分析的結果呈負相關（p＜0.05）。研究通常認為，人口流失、經濟下滑和建成區面積縮小這些現象之間應該是正反饋的關系。例如，城市經濟衰退通常會導致外部投資的撤離和就業崗位的減少，進而引發人口的流失；而人口的減少又將進一步導致城市土地和房屋的閑置荒廢，造成城市建成空間的衰敗和人居環境的惡化，最終使得城市步入全面衰退的惡性循環（Hartt,2018b;Ka‐zimierczak et al., 2019）。但是，表4 的數據顯然不支持這種觀點。進一步的空間統計發現，中國的城市收縮現象存在3個悖論（表5）：93.03%的人口收縮城市的建成區面積在擴張，92.37%的人口收縮城市的國內生產總值（GDP）在增長，94.57%的經濟收縮城市的建成區面積在擴張。其中，人口流失與空間擴張悖論與楊東峰（2015）、龍瀛（2016）等的研究發現一致。

表4 Spearman相關分析結果Table 4 The results of the Spearman Correlation analysis

表5 中國城市收縮的3個悖論Table 5 Three paradoxes of urban shrinkage in China

國內外學者已經就城市收縮現象提出了許多理論解釋框架（Haase et al., 2014；楊東峰等，2015），這為理解中國城市收縮過程中的收縮悖論奠定了重要的基礎（圖4）。1）城市人口收縮的原因主要包括：一是在全球化進程不斷深入的背景下，國際分工、國際競爭和技術創新等因素對區域經濟發展格局的影響日益顯著，城市間經濟競爭力和人口吸引力的分化不斷加劇，造成了部分城市的人口流失。二是自然資源枯竭、環境污染和行政區劃調整等地方因素也會影響部分城市的興衰，造成其人口的流失。2）空間擴張成為國家—地方治理體系中拉動經濟增長的重要環節。改革開放以來，中國主要采取要素依賴型經濟增長模式。勞動力、土地等生產要素的投入是推動區域經濟增長的關鍵。對于地方政府而言，土地融資是補償財政支出，增加預算外收入的主要途徑（Liu et al.,2018）；對于政府官員而言，拓展城市發展空間，拉動經濟增長是其獲取政績的重要手段；對于資本而言，利用時空修復來化解資本積累危機，獲取更多利潤是必然選擇。因此，通過城市空間的擴張來拉動新一輪的經濟增長已經成為政府和資本增長聯盟的首選。3）城市收縮悖論的形成。在要素依賴型經濟增長模式下，無論是人口收縮還是人口增長城市，土地投入和空間擴張仍然是拉動經濟增長的重要動力，從而形成了人口收縮和空間擴張并存的悖論。對于經濟增長乏力的城市，地方政府利用土地出讓相關收入來開展城市基礎設施建設，拓展城市發展空間，拉動經濟增長的愿望變得更為強烈（周彬等，2018），從而形成了經濟收縮和空間擴張并存的悖論。此外，相對于歐美發達國家，中國城市人口收縮的程度相對較低，短期影響尚不明顯。因此，在中國經濟持續快速增長的時代背景下，大多數人口收縮城市仍然能夠實現經濟的增長，從而形成了人口收縮和經濟增長并存的悖論。4）城市收縮悖論的影響。在要素依賴型經濟增長模式下，不斷投入新的城市空間確實有機會培育新的發展引擎，讓城市重新步入經濟增長和人口流入的軌道。但是，隨著邊際效益遞減和全球化影響的不斷加深，僅僅依靠土地要素的不斷投入并不能保證城市能夠扭轉人口流失和經濟衰退的趨勢。一旦投資巨大的新區/新城建設失敗，可能會導致地方財政的加劇惡化和資本的加速撤離，從而引發更嚴重的城市發展危機。

圖4 中國城市收縮悖論的理論解釋框架Fig.4 The theoretical interpretation framework of the urban shrinkage paradoxes in China

4 結論

從城市收縮的維度類別、維度數量、時序演化3 個方面入手，提出了一個新的多維度識別與分析框架，用于在國家或地區范圍內識別城市收縮?；谠摽蚣軐χ袊氖湛s城市進行了識別，發現在1995—2000、2000—2005、2005—2010 和2010—2015這4個時期中，人口收縮城市占中國城市總量的比例分別為9.55%、20.34%、15.34%和19.72%；經濟收縮城市占比分別為5.32%、4.85%、0.47%和8.29%；空間收縮城市占比分別為7.04%、3.44%、3.76%和1.72%。從總體上看，中國城市收縮的程度并不是很嚴重。在4個時段內，大部分人口收縮城市的收縮率均低于3%。此外，本研究揭示了中國城市收縮中存在的3個悖論：93.03%的人口收縮城市的建成區面積在擴張，92.37%的人口收縮城市的國內生產總值（GDP）在增長，94.57%的經濟收縮城市的建成區面積在擴張。這與中國的要素依賴型經濟增長模式和地方政府的土地融資模式等存在較強的關系。

本文所提出的新框架具有以下優點：1）擺脫了識別指標選擇的兩難問題。不需要再糾結于選擇單一的人口流失指標，還是建立一套綜合性指標體系。2）更具靈活性。可以方便地根據當地的實際情況增加或剔除某些收縮維度，而不會影響到不同研究之間的可比性。考慮到全球各地的城市收縮現象往往具有顯著的地域性（Hartt, 2018a），這種靈活性將較大地增強本框架的適應性。3）有助于推動城市收縮類型學的構建和完善。已有研究提出了多種描述性標準進行收縮城市的類型劃分，但它們的分類標準較為混亂。一些研究選擇了城市收縮的某個特征作為類型劃分的標準，如收縮的時間軌跡（杜志威 等，2019），收縮的驅動力（羅小龍，2018），以及收縮的嚴重程度（Wolff et al., 2018）等；但也有研究選擇了2個收縮特征的排列組合作為標準（Wiechmann et al., 2012；楊東峰 等，2015）；還有一些研究組合了收縮的時間軌跡、驅動力、空間模式和嚴重程度等多個特征（周愷等，2015；Alves et al.,2016）。相比而言，本研究提出的識別框架是一個復合坐標體系，主要包括3個既相互關聯，但又互不混淆的組成部分：城市收縮的維度類別、維度數量和時序演化階段。根據本框架，可以清晰地對復雜的城市收縮現象進行分類，進而為后續的時空演化軌跡、治理策略等奠定基礎。