基于大數據分析的上海市產業空間活力評價

摘 要：以上海市產業區塊（產業基地和產業社區）作為評價對象，構建了由開發程度、經濟活力、社會活力和環境效益4大類16 個指標構成的評價體系，根據各指標的量化表征，收集和融合處理了相關大數據，開展了單因子評價和多因素綜合評價。分析結果表明：受規劃定位因素影響，產業社區綜合活力高于產業基地綜合活力；受區位因素影響，中心城近郊產業區塊綜合活力高于遠郊綜合活力。據此提出高質量發展、加強產城融合、低碳低排等策略建議。

關鍵詞：城市經濟；產業空間；活力評價；大數據分析

中圖分類號：F293.1；TU89 文獻標志碼：A 文章編號：2095-1329（2023）02-0007-08

近年來，上海產業發展受到土地資源緊缺的約束，同時也存在產業用地空間布局不集中、土地配置與產業導向不協調、用地績效不均衡等問題。在新發展理念和高質量發展戰略背景下，需要優化產業用地布局、發揮產業園區的聚集效應，提升土地利用績效，促進發展新動能的形成，激發產業空間投資生產活力，建設與“全球創新之都”相匹配的高質量產業空間。因此，提高經濟密度、用好產業空間、激發產業空間活力，成為研究和管理的熱點。

國內外學者針對產業空間活力評價做了諸多有效的研究：一是從評價指標體系來看：依據評價的出發點和評價對象的差異，構建了不同的指標體系，評價指標涉及土地投入水平、土地利用強度、土地產出水平、土地利用的限制因素、生態環境指數、發展趨勢等[1-10]。主要關注點在于投入水平和產出效益等經濟指標，而土地利用結構、社會活力、環境效益等方面的指標盡管在理論分析時都會涉及，但在實際評價中卻很少用到。這一方面與數據獲取難度較大有關，另一方面與人們更加注重經濟效益的產出有關。

二是從技術方法上看：傳統的產業空間評價一般采用統計數據、調查問卷等方法，時效性、全面性和準確性都比較局限。21 世紀初開始，能夠處理大量數據信息和具有較強空間分析功能的RS 和GIS 技術被廣泛引入[11-13]，數據處理能力顯著進步。近年來，隨著技術的進步，諸多學者在規劃和城市空間研究中引入了大數據技術[14-17]，實現了多因素指標的量化表征，能有效地提升數據時效性，提高評價結果全面性和準確性。

面向未來，“上海2035”總體規劃確立了“產業基地+ 產業社區”的產業空間布局體系，突出功能定位和用地結構引導。其中：產業基地以制造業功能為主，承載國家戰略功能，代表國內先進制造業最高水平；產業社區強調產城融合、功能復合，增加設計研發、企業總部、公共服務配套等功能。根據規劃引導，產業空間不僅要承載重要的生產職能，也是生態宜居的生活空間，需要均衡考慮能耗排放和環境效應。因此，站在轉型發展的角度，要從開發程度、經濟產出、產城融合、生態宜居等多個方面對產業空間活力進行更全面的綜合評價。

綜上，本文將構建多因素的產業空間活力評價模型，基于各類時空大數據，以上海市產業基地和產業社區為評價對象，對產業空間活力進行多維度綜合評價，找出產業空間活力特征，并提出相應的提升策略。

1 評價體系

1.1 產業空間活力的內涵

產業空間是城市空間的一部分，是承載產業發展的空間實體，具體包括開發區、產業園區、產業區塊、工業倉儲地塊和商辦樓宇等。“活力”來自生物學中的概念，它是指生態系統的能量輸入和營養循環容量。在一定范圍內，能量輸入越多，物質循環越快，活力就越高。

把“活力”引入城市經濟學的論述中，用來衡量一個區域（產業空間）的發展是否能夠持久、健康、穩定地運行。因此，產業空間活力本質上是區域對產業要素的吸收和輸出的能力。其中：要素的吸收能力主要表現為要素的投入，重點是土地要素的投入，產業空間布局、開發強度、用地結構等都是土地要素投入的行為；要素的輸出能力，也就是產出效益，主要包括經濟效益、社會效益和生態環境效益，片面地追求經濟效益就會引起城市土地的高強度開發，強度過高就會帶來一系列城市問題，不符合持久、健康、穩定發展的要求。城市產業空間活力必須兼顧經濟效益、社會效益、生態環境效益三者的統一，以資源、環境的承載力為基礎，著眼于以人為本和全面協調可持續發展。

綜上所述，產業空間活力的內涵可界定為：在一定區域內，以土地的可持續利用為目標，通過不斷增加存量土地投入、改善經營管理等途徑，來提高土地的使用效率，并取得良好的經濟、社會和生態環境效益。

1.2 評價指標

根據產業空間活力的內涵，參考已有的研究成果，通過對城市活力、土地集約利用等評價指標體系進行綜合分析，本文選取了多個可表征活力的評價指標，使產業空間活力以及各個方面能夠定量地表現出來。依照選取適當、定量評價的原則，考慮指標統計口徑的一致性和連貫性，構建了由開發程度、經濟活力、社會活力和環境效益4 大類共16 個指標構成的評價體系。具體指標見表1。

開發程度體現了產業空間對各類要素的吸收能力，由于投資建設情況各異，開發程度差異較大。本研究選取與開發程度直接相關的量化指標進行研究評價，包括建設用地占比、產業用地占比、產業用地開發強度、路網密度4 個指標。

經濟活力體現了經濟要素的產出能力，具體來說，包括產出強度、稅收強度、就業水平、創新能力等內容。

考慮到可量化計算，本文選取地均產值、地均稅收、企業聚集度和規模以上企業聚集度4 個經濟活力指標。

社會活力主要衡量居民的生活水平和生活質量等，反映產業空間對社會要素的吸收和輸出能力。考慮到可量化計算，本研究選取人口密度、職住平衡指數、公共交通便利度（軌道交通站點和公交站點覆蓋度）、商業設施便利度、公共服務設施便利度5 個社會活力指標。

環境效益主要評價產業空間的環境效益，在國家“雙碳”戰略背景下，產業發展需要均衡考慮能耗和環境效應，考慮到可量化的指標，本研究選取的環境效益指標包括綠地覆蓋率、能耗強度、污染物排放強度3 個指標。

1.3 評價對象

按照評價對象的空間尺度可以分為宏觀、中觀和微觀評價。宏觀層次一般把城市或者區域作為整體來進行評價，產業空間活力強調的是整體效益，既涉及產業發展的區域分異趨勢和擴張潛力，也與城市規模、城市性質以及協調的產業結構有關；中觀層次則強調用地功能和結構的合理性，評價對象主要是各類開發區、產業園區和產業區塊，側重點主要在園區整體的開發利用程度以及產出績效水平；微觀層次側重于單塊土地的開發利用強度、適宜容積率及投入產出效益評價。

本文聚焦中觀尺度，以“上海2035”總體規劃確定的產業區塊（即產業基地和產業社區）為研究對象。其中：產業基地22 個，總面積約為247 km2；產業社區88 個，總面積約317 km2，從開發程度、經濟活力、社會活力和環境效益4 個維度綜合評價產業空間活力，分析影響產業園區活力的內在因素，探索提出相應的提升策略。

2 數據處理

構建產業空間活力評價指標體系后，需找到評價因子對應的可量化數據來開展評價。本研究以2020 年為時點，獲取了以下4 類數據（表2）：一是表征開發程度評價因子的數據，包括土地利用圖層、建筑物圖層、道路網圖層，可直接通過空間位置與產業區塊關聯；二是表征經濟活力評價因子的數據，通過企業的空間落點與產業區塊關聯；三是表征社會活力評價因子的數據，包括人口熱力、POI、地鐵站、公交站等多源大數據，需要進行數據的清洗、處理、擬合、空間落圖，再實現與產業區塊的關聯；四是表征環境效益的企業的能耗、污染物排放、綠地覆蓋率等數據，同樣也通過企業的空間落點與產業區塊關聯。

3 產業空間活力評價

首先采用單指標評價法對產業區塊的4 類16 個指標進行單項評價，量化分析各項評價指標的評價結果；然后采用多因素綜合評價方法對產業區塊空間活力進行綜合評價，對比分析各產業區塊的總體活力水平和表現特征；最后分析影響因素，從產業導向、規劃定位、區位因素等方面展開分析，提煉推動產業空間轉型發展的有效策略。

3.1 單指標評價

（1）開發程度評價

開發程度直接體現區域開發建設的進度，是產業空間活力的重要表征。開發程度的4 個指標評價結果如下：建設用地占比：評價結果（圖1-a）顯示，截至2020年，全市產業基地和產業社區的建設用地比例平均值為71%，主要分布在60%～90% 之間，開發程度普遍大于50%，不同的產業區塊差別較大，寶鋼等老工業基地已經超過90%，開發程度較高，崇明和臨港區域的產業區塊建設用地占比較小，開發程度較低。

產業用地占比：評價結果（圖1-b）顯示，2020 年，全市產業區塊的產業用地比例平均值為46%，主要分布在20%～80% 之間，不同產業區塊的生產性用地開發程度差異較大，寶鋼等少數產業基地產業用地比例超過80%，也有一些定位為產城融合類的產業社區產業用地占比不到20%。

產業用地開發強度：評價結果（圖1-c）顯示，全市產業區塊開發強度平均值為0.72，普遍低于1.0，按照“上海市2035 總體規劃引導”，產業用地容積率將逐步達到2.0的開發強度，說明當前全市產業區塊開發強度整體較低，還有較大開發潛力。從空間分布來看，市中心的產業區塊整體容積率較高，郊區外圍產業區塊整體容積率較低，部分區塊容積率低于0.5。

路網密度：評價結果（圖1-d）顯示，全市產業區塊路網密度平均值為4.2 km/km2，總體分布在2.0～6.0 km/km2 之間，路網密度高的區塊為浦東金橋、張江等開發成熟區域，而寶山寶鋼、崇明長興、金山石化等產業基地路網密度較低。

（2）經濟活力評價

經濟活力體現了園區的經濟活動能力，是衡量產業發展的核心指標。本研究基于多源大數據，對產業區塊的地均產值、地均稅收、企業聚集度和規模以上企業聚集度4 個經濟活力指標進行了量化評價。

地均產值：整體上來看（圖2-a），2020 年全市產業區塊平均產值強度為70 億元/km2，不同產業區塊產值強度差異非常大，整體標準差達到156 億元/km2。而從單個區塊看，浦東部分區塊超過300 億元/km2，崇明、金山等遠郊區域的部分產業區塊產出強度不足10 億元/km2，相差超過30 倍。

地均稅收：從整體來看（圖2-b），2020 年全市產業區塊平均稅收強度為3.47 億元/km2，同產值強度類似，不同產業區塊產值強度差異非常大，整體標準差達到5.49 億元/km2。而從單個產業區塊看，浦東、嘉定部分區塊稅收強度超過20 億元/km2，而崇明、奉賢等遠郊區域的部分產業區塊產出強度還不足1 億元/km2，相差超過20 倍。

企業聚集度：整體上來看（圖2-c），2020 年，全市產業區塊內共有4.5 萬多家注冊企業，平均每個區塊注冊企業412 家，每平方千米產業用地上注冊企業166 家。

各產業區塊企業聚集度差異也比較大，浦東、嘉定部分產業區塊注冊企業較多，企業聚集度較為密集，經濟活力較強。

規模以上企業聚集度：計算結果（圖2-d）顯示，2020 年，全市產業區塊內共有規模以上企業1，750 家，平均每個產業區塊6.5 家，但是各產業區塊分布差異較大，最多的產業區塊內聚集了100 家規模以上企業，同時也有部分產業區塊內沒有規模以上企業，規模以上企業向頭部園區聚集，產生了“馬太效應”。

（3）社會活力評價

社會活力主要衡量居民的生活水平和生活質量。本文對人口密度、職住平衡指數、公共交通便利度（軌道交通站點和公交站點覆蓋度）、商業和公共服務設施便利度5 個社會活力指標進行量化分析，結果如下：人口密度：在中觀的產業區塊尺度，人口普查或者調查的數據較難獲取，而手機用戶覆蓋了大部分人群，手機用戶與常住人口之間存在關聯關系，兩者相關系度較高，可用手機信令數據來表征人口密度（圖3-a）。從整體上看，全市產業區塊人口密度呈現出中心—外圍遞減的趨勢，平均人口密度在浦東、閔行等靠近中心城區域的產業區塊較高，崇明、金山、臨港等遠郊產業區塊人口密度較低。

職住平衡指數：職住平衡是產城融合的重要表征，也是社會活力的體現，可用工作日白天人口密度和夜間人口密度之差來進行量化計算。白天人口密度大于夜間人口密度區域表明就業人口多于居住人口，反之則為居住人口多于就業人口。本研究用“職住平衡指數”來進行量化測度，職住平衡指數趨近于1，則表示達到了區域的職住平衡。通過這種方法測度產業園區的職住平衡情況。從整體上看，2020 年，全市產業區塊職住平衡指數平均值為1.24，總體上就業人口大于居住人口，就業人口比居住人口多24%。分析各產業區塊情況（圖3-b），部分產業區塊職住平衡指數大于1.5，就業人口較多，職住不平衡現象顯著，但是也有產業區塊的職住平衡指數小于1，居住人口大于就業人口，可能是區塊內有較多配套居住用地導致。

公共交通便利度：采用地鐵和公交車站覆蓋度來進行量化表征，按照上海市15 分鐘生活圈規劃建設引導，地鐵覆蓋范圍設置為500 m，公交車站覆蓋范圍250 m，將地鐵和公交覆蓋范圍與產業區塊進行空間疊置分析，得到產業區塊的地鐵和公交車站覆蓋度。計算結果如圖3-c 所示，2020 年，全市產業區塊平均覆蓋度為42.5%，近郊的浦東、閔行、嘉定等區域覆蓋度較高，部分區塊已經實現了公交全覆蓋，交通非常便利，社會活力較高；而遠郊崇明、金山等區域覆蓋度較低，有些區塊完全沒有地鐵覆蓋，公交覆蓋度低于20%，交通便利度較低，社會活力不足。

商業設施便利度：從POI 數據中抽取出購物、酒店、餐飲、休閑、文化、藝術、體育等商業設施，與產業區塊進行空間關聯，統計出每個產業區塊內的商業服務設施數量，再與用地規模相比，計算得到單位面積內商業設施數量，也就是商業服務設施密度，計算結果如圖3-d所示。2020 年，全市產業區塊商業服務設施密度平均值為12 個/km2，總體來說實現了生活圈的便利，但是橫向對比，各產業區塊便利程度相差較大。

公共服務設施便利度：與商業設施便利度類似，從POI 數據中抽取出政府機構、教育、醫療、養老等公共服務設施，與產業區塊進行空間關聯，統計出每個產業區塊內的公共服務設施數量，再與產業區塊用地規模相除，計算得到單位面積內公共服務設施數量，也就是公共服務設施密度，計算結果如圖3-e 所示。2020 年，全市產業區塊公共服務設施密度平均值為6.7 個/km2，公共設施類型多樣，覆蓋了政府機構、教育、醫療、養老等設施，總體上也實現了公共服務的普適性便利。但是橫向對比，各產業區塊便利程度相差較大，浦東、閔行、嘉定、松江、奉賢等區域的公共服務設施密度較高，公共服務較為便利，社會活力較高，而寶山、金山、崇明等區域的公共服務設施密度較低，便利程度較低，社會活力相對不足。

（4）環境效益評價

當前在國家“雙碳”戰略背景下，產業發展更需要均衡考慮能耗和環境效應。考慮到可量化的指標，本研究選取的環境效益指標包括能耗強度、污染物排放強度、綠地覆蓋率3 個指標，其中能耗強度為反向指標，數值越高，活力程度越低。

能耗強度：本研究采用單位產值能耗強度來進行測度，計算單位為“萬噸標準煤/ 億元”。能耗強度是一個反向指標，數值越高，能耗排放強度越高，其活力程度越低。2020 年全市產業區塊能耗強度平均值約為0.08 萬噸標準煤/ 億元，對比全國平均0.3 萬噸標準煤/ 億元要低出不少，總體實現了低碳發展，有效踐行了“雙碳”戰略。但是也有部分產業區塊能耗排放較高，如寶山基地、金山石化等重工業產業區塊，排放強度超過了0.4 萬噸標準煤/ 億元（圖4-a），高于國家平均水平。

污染物排放強度：《中華人民共和國環境保護稅法》第二十五條規定，污染當量是指根據污染物或者污染排放活動對環境的有害程度以及處理的技術經濟性，衡量不同污染物對環境污染的綜合性指標或者計量單位。同一介質相同污染當量的不同污染物，其污染程度基本相當。本研究將單位污染物排放所產生的稅收作為測度指標，也就是稅收與污染物總和排放值之比，其單位為“萬元稅收/ 當量”，是一個正向指標，數值越高代表污染物排放強度越低，環境效益越好。2020年全市產業區塊污染物排放強度平均值為0.144 萬元稅收/ 當量，全國平均值約為0.06 萬元稅收/ 當量，明顯高出全國平均水平。橫向比較，嘉定、浦東等區域的單位污染物排放產生的稅收較高，環境效益較好，而寶山、崇明等區域的單位污染物排放產生的稅收較低，環境效益較差（圖4-b）。

綠地覆蓋率：2020 年全市產業區塊綠地覆蓋率平均值為14%。橫向比較，靠近中心城區近郊區域的產業區塊綠地覆蓋率較低，外圍遠郊的產業區塊綠地覆蓋率較高（圖4-c）。

3.2 多因素綜合評價

（1）無量綱標準化處理

為統一評價標準，需對各項指標數據進行無量綱的標準化處理，即將數據按照一定比例縮放，使之落入一個小的特定區間，從而去除數據單位的限制，將其轉化成無量綱的同等級數值。研究采用常用的極差標準化法對各項指標數值進行標準化處理，使指標數據統一映射到[0，100] 區間上。對于越大越好的正向指標和越小越好的負向指標，分別采用不同的標準化公式，其中能耗強度為負向指標，職住平衡指數經特殊處理后為負向指標，其他均為正向指標：

正向指標：Iscorei=[（xi-xmin ）/（xmax-xmin ）]×100 （1）

負向指標：Iscorei=[（xmax-xi ）/（xmax-xmin ）]×100 （2）

式中：Iscorei 表示某一指標第i 個指標標準化后的數值（i=1，2，3，…，n），xi 表示第i 個指標的原始值，xmax 和xmin分別表示該指標所有樣本中的最大值和最小值。

（2）權重設置

本研究結合各項指標的客觀重要程度和專家經驗值等主觀因素，依據單項指標權重不超過10% 的原則，綜合確定指標在產業空間活力評價模型中的權重如表3 所示。

（3）綜合評價結果

多因素綜合評價是按照一定的目標和原則，構建多因素評價體系，對復雜評價對象進行定量描述的一種方法。以評價單元為樣本，選擇對評價單元發生作用的因子作為評價指標，并通過適宜的模式予以量化、計算和歸并，從而實現評價目的。本研究對4 大類16 個評價因子進行加權綜合評價，評價公式如下：

綜合計算得到全市產業區塊活力的綜合評價結果，得分高低表明綜合活力程度高、較高、一般和低。根據綜合得分高低將產業空間分為4 類（圖5），得分高于40為高活力產業空間，得分30～40 為較高活力產業空間，得分20～30 為一般活力產業空間，得分20 以下為低活力產業空間。

對綜合評價分值排名前10的產業區塊進行分析（表4），可以看出，活力強度最高的產業區塊都分布在浦東、閔行和嘉定三區，類型主要是產業社區，只有汽車城制造區1個產業基地，表明規劃定位、區位、產業導向等因素對產業空間活力影響較大。

3.3 影響因素分析

（1）區位因素

“上海2035”總體規劃確立了“主城區—新城—新市鎮”三級的市域城鎮體系。主城區包括中心城、主城片區，以及高橋鎮和高東鎮緊鄰中心城的地區。中心城為外環線以內區域，強化上海全球城市功能能級，推進城市有機更新，增加公共空間和公共綠地，提升公共服務水平、地區就業水平和城市空間品質。主城片區規劃虹橋、川沙、寶山、閔行等 4 個主城片區。主城片區與中心城共同發揮全球城市功能作用，以強化生態安全、促進組團發展為空間優化的基本導向，圍繞軌道交通樞紐促進空間緊湊發展，完善公共服務設施。加快產業轉型和空間調整，適當增加就業崗位，促進產城融合。新城：重點建設嘉定、松江、青浦、奉賢、南匯等新城，培育成為在長三角城市群中具有輻射帶動能力的綜合性節點城市，按照大城市標準進行設施建設和服務配置。

從評價數據（表5）來看，主城區、新城和其他外圍區域產業空間活力呈現出明顯的梯度差異，綜合均值為主城區gt; 新城gt; 其他外圍區域，位于主城區的產業區塊在經濟活力、社會活力等方面具有明顯優勢，而新城在經濟活力和環境效益比其他外圍區域高，三者在開發程度上沒有明顯差異。這表明區位因素影響產業區塊活力，主要表現在經濟活力和社會活力等方面。

（2）規劃定位

“上海2035”總體規劃提出“產業基地+ 產業社區”的產業區塊規劃體系，其中產業基地定位于承載國家戰略功能、具有一定規模的大型高端制造業基地；產業社區結合產業發展布局和城市功能提升，打造與城鎮發展定位相匹配、二三產業融合發展、配套功能完善、環境景觀宜人的產業社區。

評價數據（表6）表明產業基地的社會活力明顯低于產業社區，而開發程度、經濟活力、環境效益則沒有明顯差異。主要原因是產業基地以制造業為主，社會活力普遍偏低，并且存在較為嚴重的職住失衡的問題；而產業社區配套設施比較齊全，職住平衡比較均衡，社會活力相對較高。這也表明規劃定位主要影響社會活力，而開發程度、經濟活力、環境效益受規劃定位影響較小。

（3）產業導向與產業政策

產業導向、產業政策與產業空間所在的行政區密切相關，比如浦東新區的三大產業導向是集成電路、人工智能和生物醫藥，而嘉定區的主導產業為汽車制造、新能源等，因此，可以從行政區的角度來分析產業導向、產業政策等因素對產業空間的影響。分析結果（表7）表明，各區產業空間活力具有差異，其中經濟活力、社會活力差異較大，而環境效益和開發程度差異較小，這說明產業導向、產業政策對經濟活力和社會活力影響較大。

4 結論與建議

4.1 研究結論

本研究通過分析上海產業空間未來的規劃目標，以中觀尺度的產業區塊（產業基地和產業社區）作為評價對象，選取適當的評價因子，構建了產業空間活力綜合評價體系，開展大數據的獲取和處理，對表征產業空間活力因子的數據進行融合處理，形成可量化的評價數據集。在此基礎上，針對評價對象，分別開展單因子和多因素綜合評價，并分析影響因素。

總體來說，上海的產業區塊總體活力水平較高，但在開發程度、經濟活力、社會活力、環境效益等4 個方面存在差異特征，主要受區位、規劃定位、產業導向、產業政策等因素影響。

（1）開發程度方面：上海的產業區塊開發程度整體比較高，但是開發強度還有較大潛力，開發程度直接體現了園區開發建設的成熟度，主要受產業區塊的設立、開發、建設等進程的影響，有的區塊設立比較早，開發建設比較成熟，區塊活力較高；有的區塊設立較晚，甚至還處于規劃階段，開發程度較低，受區位、規劃定位、產業導向、產業政策等因素影響較小。

（2）經濟活力方面：全市產業區塊經濟活力差異較大，經濟產出存在二八現象，頭部園區貢獻了大比例的經濟產出，產出強度較高，用地效率高，落后區塊產出強度較低；部分產業區塊存在產值和稅收不匹配現象；企業聚集度存在馬太效應，大部分規模以上企業聚集在部分產業區塊；受產業政策、產業導向影響，浦東、嘉定、閔行三區的經濟活力相對較高。

（3）社會活力方面：全市產業區塊人口密度差異非常大，呈中心城—外圍遞減的分布規律，部分區塊存在較為嚴重的職住不平衡，商業設施配套和公共服務設施配套水平不一；受規劃定位影響，產業社區的社會活力普遍高于產業基地。

（4）環境效益方面：全市產業區塊整體環境效益較好，能耗和污染物排放水平較低，總體實現了低碳發展，有效踐行了“雙碳”戰略，環境效益主要受產業定位影響，高能耗高污染物排放的產業定位對環境效益有負反饋。

4.2 策略和建議

（1）堅持高質量發展引導，提升產出強度：按照“上海2035”總體規劃，對標國際一流、國內最高的產業用地績效，對標國際化大都市產業空間治理。堅持“畝產論英雄、效益論英雄、能耗論英雄、環境論英雄”，提升單位面積土地經濟承載容量和產出水平，實現產業用地更集約、更高效、更可持續的高質量利用。

（2）加強產城融合的規劃，提升社會活力：空間規劃引導產業集聚，產業發展充實城市功能。產業是先導、是動力和源泉，城市是載體，兩者相伴而生。沒有產業，城市就缺乏生機與活力，從而成為一座空城；沒有城市，產業發展就會缺少平臺，難以為繼。產城融合就是要促進城市建設與產業同步協調發展，增強新城的服務功能，加大其對產業發展的支持力度，同時提高產業吸納就業的能力，帶動地區經濟的發展。

（3）踐行低碳低排發展策略，提升環境效益：基于生態低碳理念制定發展目標，從政策引導、技術支撐與體制創新3 方面構建低碳發展路徑，完善評價、監督、管理政策體系，推廣污染處理新技術、清潔能源、綠色建筑等模式，推進企業的改革與創新，促進產業生態低碳化發展。

參考文獻（References）

[1] 何芳. 城市土地集約利用及其潛力評價[M]. 上海： 同濟大學出

版社，2003.

HE F. City land intensive use and its potential evaluation[M].

Shanghai： Tongji University Press， 2003.

[2] 洪增林， 薛惠峰. 城市土地集約利用潛力評價指標體系[J]. 地

球科學與環境學報，2006，28（1）：106-110.

HONG Z L， XUE H F. Evaluation index system of land use

intensification potential in urban area[J]. Journal of Earth Science

and Environment， 2006，28（1）：106-110.

[3] 孫東升. 開發區土地集約利用評價中指標理想值的確定[J]. 上

海國土資源，2014，35（3）：47-49.

SUN D S. Evaluation of the intensity of land use in development

zones[J]. Shanghai Land amp; Resources， 2014， 35（3）：47-49.

[4] 劉慧. 上海市北工業園區創新轉型用地績效評價研究[J]. 上海

國土資源，2019，40（4）：41-46.

LIU H. Performance evaluation research on land use for innovation

transformation in Shanghai Shibei Industrial Park[J]. Shanghai

Land amp; Resources， 2019，40（4）：41-46.

[5] 彭浩， 曾剛. 上海市開發區土地集約利用評價[J]. 經濟地

理，2009，29（7）：1177-1183.

PENG H， ZENG G. Evaluation of intensive land use of

development zones in Shanghai[J]. Economic Geography，

2009，29（7）：1177-1183.

[6] 翟文俠， 黃賢金， 張強. 城市開發區土地集約利用潛力研究——

以江蘇省典型開發區為例[J]. 資源科學，2006，28（2）：54-60.

ZHAI W X， HUANG X J， ZHANG Q. Intensive land use potential

in urban development zones： A case study in typical urban

development zones in Jiangsu Province[J]. Resources Science，

2006，28（2）：54-60.

[7] 陳逸， 黃賢金， 陳志剛. 城市化進程中的開發區土地集約利用研

究——以蘇州高新區為例[J]. 中國土地科學，2008，22（6）：11-16.

CHEN Y， HUANG X J， CHEN Z G. Study on intensive land use of

development zone in urbanization： A case of Suzhou National Hitech

Development Zone[J]. China Land Science， 2008，22（6）：11-16.

[8] 鄭澤慶， 黃賢金， 鐘太洋， 等. 我國城市土地集約利用評價研究

綜述[J]. 山東師范大學學報，2008，23（3）：89-94.

ZHENG Z Q， HUANG X J， ZHONG T Y， et al. Summary of

research on evaluation of intensive land use in Chinese cities[J].

Journal of Shandong Normal University， 2008，23（3）：89-94.

[9] 段浩. 開發區土地集約利用評價指標體系研究與探討[J]. 上海

地質，2009，30（3）：39-43.

DUAN H. Research and discussion of the evaluation index system

of the land intensive usage in development zones[J]. Shanghai

Geology， 2009，30（3）：39-43.

[10] 莊少勤. “新常態”下的上海土地節約集約利用[J]. 上海國土

資源，2015，36（3）：1-8.

ZHUANG S Q. Conservative and intensive land use in Shanghai

under the “New Normal”[J]. Shanghai Land amp; Resources，

2015，36（3）：1-8.

[11] 江立武， 趙小敏. 基于GIS 空間模型的開發區土地集約利用評

價研究[J]. 區域經濟，2010（2）：10-12，40.

JIANG L W， ZHAO X M. Study on evaluation of intensive land

use in development zone based on GIS spatial model[J]. Regional

Economy， 2010（2）：10-12，40.

[12] 張海琴. 上海市靜安區產業空間高質量利用信息平臺設計與實

現[J]. 上海國土資源，2023，44（1）：61-66.

ZHANG H Q. Design and implementation of an information

platform for high-quality utilization of industrial space in Jing’an

District， Shanghai[J]. Shanghai Land amp; Resources， 2023，44（1）：61-

66.

[13] 樊文平， 石憶邵， 張燕， 等. 基于信息熵和GIS 的蘇州市產業結

構定量分析研究[J]. 江西科學，2009，27（6）：806-811.

FAN W P， SHI Y S， ZHANG Y， et al. Application of comentropy

and GIS in the quantitative analysis of industrial structure： A case

study of Suzhou[J]. Jiangxi Science， 2009，27（6）：806-811.

[14] 劉曦， 王軍， 何曼麗. 基于大數據的上海市存量土地開發潛力評

價[J]. 上海國土資源，2017，38（1）：14-20.

LIU X， WANG J， HE M L. Evaluating the potential of stock land

development in Shanghai based on big data [J]. Shanghai Land amp;

Resources， 2017， 38（1）：14-20.

[15] 蘇景相. 基于POI 數據的城市街區活力量化評價研究——以中

山市中心城區為例[J]. 價值工程，2019（11）：190-193.

SU J X. Quantitative evaluation of urban street vitality based on

POI data： Taking the central urban area of Zhongshan City as an

example[J]. Value Engineering， 2019（11）：190-193.

[16] 龍瀛. 街道城市主義： 新數據環境下城市研究與規劃設計的新

思路[J]. 時代建筑，2016（2）：128-132.

LONG Y. Street urbanism： A new perspective for urban studies and

city planning in the new data environment[J]. Times Architecture，

2016（2）：128-132.

[17] 王斌. 上海市國土空間規劃數據治理關鍵技術及應用實踐[J].

上海國土資源，2022，43（3）：37-42.

WANG B. Key technologies and application practice of data

governance for territorial and spatial planning in Shanghai[J].

Shanghai Land amp; Resources， 2022，43（3）：37-42.