長三角地區城鎮土地經濟密度多尺度空間格局演變及驅動因素分析

The EvolutionandDriving Factors of Multiscale Satial Paternof UrbanLandEconomic Densityinthe YangtzeRiver Delta RegionHE Bei-bei， BIAN Yue-feng，YUAN Yu-meng et al（Jiangsu Suzhou Cadre Colege， Suzhou，Jiangsu ）

AbstractBasedoeulti-tempoalandgresolutioglobalubanorderterpretationdatain22，taking06outis（iies，i tricts）andaboeinngeierDelaseseahect，euyTilide，lobalandlocastautocoelaoalyi torevealthecharacteriticanddrivingfactorofthesatialevolutionofurbanlandconomicdenstyinteYangtzeRiverDeltafotrovin cial，municipal and county areas.The results of the study show that： ① The urban land economic density of the Yangtze River Delta is generallynothigh，andthdierencesbetweenregiosareobvious.Frotheciyscale，53.65%ofteurbanlandecoomicdnsityisoerthan theaveragelevelanddistributedmainlyintenortheofJiangsuandAnui.hespacediferencesinmoscitisintatregiosarealso large；from the perspective of thecounty scale， 76.47% ofcounty（city，district）land economic densityis lower than the average level，which is widely distributed than the municipal level. ② In the Yangtze River Delta region，the economic density of urban land at the city level and county-levelsaleigatstialposieaos，ilyfedetoeas（cgHalue heterogeneousregos）Amongteteig-valueaglomeratioandlow-vauehterogenousaeasaredistrbutedlsselovaluea glomerationareaisthemostgatheringareacoveringthelargestnumberofcitiesandthekeyfocusareaintefutue.Theconomicdesityof urbanlandintistyeofeaisalowdensityaraandeaveragedesitydosnotedOilionyan/kAtdiferentspacesal， the spatial agglomeration is a certain diference，and the county-level scale is more scattered. ③ Economic factors have the greatest impact on theeconomicsityoflandineageRivrDeltagioutfrotpespctieofspificidcators，ereaeertainisin theinfluencingfactorsdterexplaatorypowriteajoras.erapiaGDdustrialsructue，ndaveagedt amountof assetinvestment，thelabordensityofthesecondandthird industrieshaveagoodabilitytointerpreteacharea.

Key WordsLand economic density；Driving factors；Multi scale；The Yangtze River Delta region

土地經濟密度是衡量區域土地投人與空間經濟產出協調狀況的重要指標，能夠在一定程度上反映區域土地利用效益和集約利用狀況[]。在我國新型城鎮化快速發展階段，經濟高質量發展與資源環境約束收緊并存，人地關系相互作用產生的空間沖突已逐步影響到城市健康發展。因此，探討城鎮土地經濟密度的時空變化規律，對城鎮土地高效集約利用和區域社會經濟整體實力提升具有重要意義。

城鎮土地經濟密度受到國內學者高度關注，主要綜合應用泰爾系數[2]、空間自相關分析[3]、變異系數[4]、馬爾科夫鏈[5]、核密度函數[6]等模型，對國家層面[7]、省域[8]、市域[9]、經濟區[\"]以及產業集中區[1]等中宏尺度的城鎮土地經濟密度進行研究。學者們多采用時間序列數據，選取5＼～20年的某一時間段，分析研究對象的歷史數據并進行數據趨勢預測；有些學者則采用橫截面數據，對同一時間段的不同對象進行研究，重點分析研究對象在同一個時間段的差異；部分學者則同時采用時間序列和橫截面數據2個維度面板數據進行時空分析[12]?，F有研究中，市級中觀尺度或單一尺度研究較多，大尺度的區域、流域或縣（市、區）域層面的微觀尺度研究較少，缺乏不同尺度對比研究，難以揭示不同尺度下空間分布的差異性，也無法滿足不同區域政策的差異性制定的需求。

黨的二十大報告提出，促進區域協調發展要以城市群、都市圈為依托構建大中小城市協調發展格局。2019年，長三角一體化上升為國家戰略，為長三角地區整體實力和國際競爭力提升提供了戰略機遇，長三角城市群正朝著打造具有全球影響力的世界級城市群邁進。但也必須看到，這一戰略的實現正面臨發展空間狹窄、土地資源稀缺等巨大挑戰，土地利用與經濟發展之間的矛盾日漸尖銳。如何充分挖掘城市有限土地資源的潛在價值，提升土地利用效率，發揮長三角城市群高質量發展帶動長江經濟帶和華東地區發展的重要作用，已經成為扎實推進長三角一體化高質量發展的關鍵。基于此，筆者以長三角地區為研究區，306個縣（市、區）及以上城市為研究單元，從?。ㄖ陛犑校┑丶壥小⒖h（市、區）等3個不同尺度分析區域城鎮土地經濟密度的空間格局，并探討影響空間格局分布的驅動因素，為長三角城市群不同尺度城市發展制定差異化發展戰略提供科學理論依據，并為長三角一體化發展過程中優化土地利用提供實踐參考和理論支持。

1研究區域、方法和數據

1.1研究區概況長三角地區包括上海市、江蘇省、浙江省和安徽省3省1市，區域面積 ，是全國經濟最活躍、開放程度最高、創新能力最強的區域之一，也是全國區域一體化水平最高的地區。2022年長三角地區常住人口2.37億，城鎮化率達到 70.84% ，地區生產總值29.03萬億元，占長江經濟帶和全國比重分別為 51.9% 和 24.1% ，綜合實力排全國首位。

1.2 研究方法

1.2.1土地經濟密度測度方法。參考已有的研究方法[13-14]，以單位建設用地面積上的二三產業增加值來計算城鎮土地經濟密度，公式如下：

式中， L 表示城鎮土地經濟密度；M表示區域二三產業增加值： N 表示建設用地面積。

1.2.2泰爾指數分析方法。泰爾指數是用于衡量區域內和區域間差異的指標。該研究采用泰爾指數對長三角地區?。ㄖ陛犑校┑丶壥小⒖h（市、區）3個尺度的土地經濟密度空間差異性進行測度，通過一階、二階嵌套分解，測算省際、省內差異，市內、市間差異和縣間差異。計算公式如下[5]：

式中： T 表示城鎮土地經濟密度的泰爾指數； 表示為第 j 個城市的城鎮土地經濟密度； 為各城市城鎮土地經濟密度的平均值。泰爾指數在[0，1]，數值越大，差異性越大。此公式可以進一步分解為地區內差異和地區間差異，具體參見文獻[15]。

1.2.3空間數據分析方法。空間自相關被廣泛應用于地理空間格局分析，揭示區域空間變化規律和相互作用，主要采用全局Moran’sI指數和局部Moran’s I 指數。該研究運用此方法測算長三角地區城鎮土地經濟密度空間分布是否具有全局及局部聚類分布特征。全局Moran’s I 指數和局部Moran's I 指數具體計算過程參見文獻[14]。

1.2.4地理探測器模型。地理探測器是一種主要用來分析地理事物空間分異驅動因素的統計學方法[16]，其核心值 q 是能夠解釋自變量 X 對因變量 Y 影響程度，計算公式如下：

式中： q 為城鎮土地經濟密度分異解釋指標； L 為整個研究區樣本數， m=1，？s，k 為各因素類型， k 為類型 h 的樣本數； 和 分別為類型 m 和全區的Y的離散方差； q 取值范圍在0＼～1，其值越大，表明該因素對城鎮土地經濟密度地域分異的解釋能力越強。

1.3數據來源該研究以長三角地區為縣（市、區）及以上城市為研究單位，共3個省1個直轄市，40個地級市，306個縣（市、區）。該研究中，由于上海作為直轄市，在省域和市域的空間差異和相關性分析中進行重復計算，更加客觀地揭示空間分布情況。

該研究所需數據具體來源如下：一是建設用地面積數據，采用2022年清華大學研究團隊發布的基于全球高分辨率 30m 人造不透水面制圖產品（globalartificialimpervious-area，GAIA）提取的多時相全球城市邊界（globalurbanbound-ary，GUB）數據集[17]；二是各級行政邊界數據來源于全國地理信息系統（http：//www.webmap.cn）提供的 1：100 萬全國基礎地理數據庫；三是社會經濟數據主要來源于2022年《中國城市統計年鑒》《中國統計年鑒》以及相關省市縣統計年鑒、國民經濟與社會發展統計公報等。

2 結果與分析

2.1總體分布特征分析根據公式（1）的計算方法分別計算出長三角地區省域、市域、縣域3個不同尺度城鎮土地經濟密度以及不同尺度上的平均值。

在省域層面（包括上海市），2022年長三角地區?。ㄖ陛犑校┢骄芏葹?.57億元/km2 ，其中上海最高，達到15.46億元/km2，其建設用地面僅占總面積的 5.75% ，但二三產業增加值所占比例高達 16.44% 。其他3個省級單位土地密度均未能達到平均值，浙江和江蘇分別為6.89億、5.26億元＼km2安徽最低，只有1.92億元 。

從市域層面分析（從區域空間角度考慮將上海市也放入市級層面進行對比），2022年，長三角地區城鎮土地經濟密度均值為5.03億元km2。其中，有19個市的土地經濟密度高于平均值，建設用地面積占區域總面積比例為 46.12% ，但二三產業增加值占比達 74.85% 。上海市最高，南京市次之，為10.55億元 。反之，其余22個地級市的土地經濟密度低于平均值，最低為安徽宿州，只有1.19 億元/km2。

從縣域尺度分析，2022年長三角地區土地經濟密度均值為7.36億元/ 。其中，有72個縣（市、區）城鎮土地經濟密度高于平均值，最高的為上海黃浦區，為141.47億元 ，拉高了縣（市、區）平均水平，72個縣（市、區）建設用地僅占總面積的 20.31% ，二三產業增加值占比卻達到 50.82% 。其他234個縣（市、區）土地經濟密度則均低于平均值，最小的為安徽省霍邱縣，僅為0.45億元/ 。

從以上分析可以看出，省、市、縣3個尺度土地經濟密度都表現為高于平均值的數量較少，低于平均值的較多，且呈現出空間尺度越小區域間差異越大的趨勢，其空間提升的潛力也越大。

2.2空間差異性特征分析

2.2.1省際與省內差異分析。2022年長三角地區3省1市的城鎮土地經濟密度利用自然斷點法可以劃分為3個等級：

① 高密度區（6.89億＼～15.46億元/ ），上海； ② 中密度區（2.69億 ～6.89 億元/ ），江蘇、浙江； ③ 低密度區（低于2.69億元/ ），安徽。由此可見，長三角地區3省1市城鎮土地經濟密度整體呈現由東向西呈現遞減的態勢，且?。ㄖ陛犑校┲g的差異較大。

從各?。ㄖ陛犑校┨栔笖涤嬎憬Y果來看，上海市城鎮土地經濟密度區域內部差異性較大，遠高于其他3省。根據結果可劃分為3個等級： ① 高差異區（泰爾指數大于0.4806），上海； ② 中差異區（泰爾指數在 0.0354～0.1565） ，江蘇、安徽； ③ 低差異區（泰爾指數小于0.0354），浙江。

2.2.2市內與市際差異分析。利用自然斷點法，對2022年長三角地區41個城市（包括40個地級市、1個直轄市）土地經濟密度計算結果進行劃分（圖1）： ① 高密度區（處于8.15億＼～15.46億元 ），僅有3個城市，按照排序依次為上海、南京、杭州，其中上海比其他2個地區高出近 50% 。

② 較高密度區（5.89億＼～8.15億元 ），共有10個，占比24.39% ，主要分布于環上海及沿江、沿海、沿湖一帶。 ③ 中密度區（4.86億＼～6.39億元/ ），共15個，占比 36.59% ，分布于江蘇中部、浙江南部以及安徽南部與浙江、江蘇接壤處等3個片區，緊鄰較高密度區，基本連片。 ④ 較低密度區（1.19億＼～2.74億元 ），共13個，占比 31.71% ，集中分布于安徽和江蘇北部區域。由此可見，長三角地區市級城鎮土地經濟密度整體差異也相對較大，土地高密度區基本分布在上海、省會城市及經濟發達地區。上海作為長三角極核城市，與南京、杭州共同構建“極核引領 + 次級增長核”協同發展格局，產業、教育、交通、科創等資源外溢效應凸顯，對周邊城市已經形成顯著的正向帶動作用，但由于皖北、蘇北距離核心區域較遠，受輻射有限，是整個區域密度最低的片區。應進一步做強做優合肥都市圈，與南京都市圈構成寧合城市群，并加大對北部地區中心城市（鎮）的建設，帶動北部地區經濟發展。

從泰爾指數計算結果可以看出，2022年長三角地區41個城市（包括40個地級市、1個直轄市）土地經濟密度的內部差異較大，可劃分為4個等級： ① 高差異城市 0.4806，共6個市，占 14.63% ，分布于上海、省會城市及淮北、徐州等地； ② 較高差異地區 （0.0379～0.1838） ，共10個，占 24.39% ，主要集中在安徽、江蘇2省，基本上與高差異區域相鄰； ③ 中差異地區 ，共13個，占31.71% ，主要分布于長三角中北部，集中于安徽、江蘇2??；

④ 低差異區 ，共12個，占 29.27% ，主要集中分布于長三角中南部，以浙江省為主，江蘇和安徽零星分布。從空間分布看，長三角地區高差異空間布局超過 30% ，比例較大，分布較散，除上海、省會城市等發達地區以外，江蘇和安徽等北部經濟不發達地區也呈現出城市內部差異較大的狀態。這說明，一個城市經濟發展水平未必與本區域城鎮土地經濟密度空間差異性呈現正相關關系，從省級層面也驗證了這一點。一些經濟欠發達地區采用優先主城區發展的模式，各種資源要素在城區集聚，而周邊城鎮發展相對滯后，造成區域差異過大，發展不均衡性突出。這些問題也依然困擾上海、南京、杭州等發達地區，主城區發展優勢突出，發展速度明顯快于其他區域，地區差異未能得到有效縮小。

2.2.3縣際差異分析。2022年，長三角地區306個縣區（市）的城鎮土地經濟密度（圖2），利用自然斷點法劃分為5個等級： ① 超高密度縣區（67.82億＼～141.47億元/ ），僅有1個，為上海靜安區，為141.47億元 ，遠高于其他區域； ② 高密度區（31.51億＼～67.82億元/ ），共有9個，占比2.94% ，主要分布于上海以及江蘇、浙江省會城市的中心城區； ③ 較高密度區（14.13億＼～31.51億元/ ），共11個，占比 3.59% ，鑲嵌于3省1市中心城區，其中江蘇6個，合肥2個，上海、浙江僅有1個； ④ 較低密度區（5.01億＼～14.13億元＼km2），共137個，占 44.77% ，主要分布于江蘇南部和浙江大部； ⑤ 低密度區（0.45億＼～5.01億元/ ），共148個，占48.37% ，主要集中分布于江蘇北部、浙江西部地區及安徽中北部。綜上所述，整體看，長三角地區各縣（市、區）土地經濟密度分布差異較大，整體呈現南高北低的態勢，高密度區主要集中在上海，零星分布于各省省會中心城區，總體數量較少，只占總量的 7% 不到，并呈現以中心城區向外圍逐步降低的態勢。

2.3 空間關聯性特征分析

2.3.1全局空間自相關?？臻g自相關分析結果表明：市級層面和縣域尺度長三角地區土地經濟密度的Moran’s I 指數分別為0.534、0.585，Geary‘s 指數分別為0.516、0.379，Getisamp;Ord's G 指數分別為0.177、0.046，且均在0.01的顯著水平通過檢驗。省級尺度：Moran’s I 指數不顯著。計算結果表明長三角地區無論在市級層次還是縣域尺度上，城鎮土地經濟密度均呈現出空間正相性，也就是土地密度高值城市趨于和高值城市相鄰，低值城市和低值城市相鄰的分布特征。參考相關研究結果[3]，Moran’s I 指數值與10年前相比已有明顯提升，但無論是市級層面還是縣域尺度仍處于中等水平，說明空間自相關性不是十分顯著，整體呈現弱集聚格局。此時長三角一體化剛上升為國家戰略，上海、杭州、南京等中心城區輻射作用尚未充分發揮，中心城市帶動作用不足，未能形成大片的集聚，從局部的空間自相關的布局特征也能得到驗證。

3省1市的Moran's I 沒有通過0.01水平的顯著性檢驗，表明?。ㄖ陛犑校用婵臻g集聚不顯著。可能的解釋：從省級層面看，長三角地區土地經濟密度明顯呈現3個梯度，高值區向次一級高值區輻射有限，特別是安徽省由于經濟基礎、產業結構、科創能力等方面與其他省（市）還有一定差距，導致未能形成連片高值區域，空間集聚特征不明顯。

2.3.2局部空間自相關。由于省級層面全局自相關不顯著，局部空間自相關主要針對市級層面和縣域尺度城鎮土地經濟密度集聚情況進行分析，聚類和異常值分析結果表明：長三角地區城鎮土地經濟密度空間集聚的狀態主要分為3種類型（圖3），空間集聚不包括H-L高低集聚區。

（1）H-H高值集聚區。高值集聚區主要集中在長三角經濟較為發達地區，總體數量較少，土地密度值相對較高，區域內空間分異程度較小。從市級層面看，高值區主要分布于江蘇、浙江2省，江蘇蘇州以及浙江嘉興、舟山2個片區。縣域尺度則與市級略有不同，數量更多，集中在滬蘇浙經濟最為發達3大片區，以徐匯區為中心向外擴散10個區、江蘇南京市8個中心區和浙江杭州7個中心區?？h域尺度空間分布比市級更廣，說明微觀尺度城鎮土地空間密度更加分散，區域經濟發展還存在不均衡性，泰爾指數的分析結果也同樣驗證這一點，該區域均處于高差異區。

（2）L-H低值異質區。低值異質區城鎮土地經濟密度的空間分異程度較大，但數量在3種類型中最少，市級層面只分布在安徽宣城市，與江蘇、浙江2省毗連，處于高密度區、較高密度區包圍之中?？h域層面則主要分布于高集聚區的四周，共3個片區，分別為上海崇明、青浦、奉賢，江蘇六合區以及浙江蕭山、富陽、德清，這些區域均與經濟發展水平較好的城市相連，在城市功能外溢有效輻射范圍之內，但由于這些城市發展起步較晚，發展基礎條件與高值地區相差較大，輻射帶動效果還不明顯，經濟發展仍有較大差距，土地經濟密度處于較低水平，與周邊縣（市、區）相比有明顯差距?；诖?，該類型區域今后應注重提升內部基礎上條件，并加大與外部聯動，統籌推進協調發展。

（3）L-L低值集聚區。低值集聚區是3個類型中覆蓋城市數量最多、最為集聚的一個片區，空間差異程度較小。此類型區域的城鎮土地經濟密度均屬于低密度區，平均密度不超過2億元 。市級層面主要分布于長三角北部地區，包括江蘇淮安、宿遷、連云港、徐州4市以及安徽淮南、蚌埠、阜陽、亳州、淮北、宿州6市，集中成片?？h級尺度的空間分布與市級基本重合，涉及范圍略有不同，還覆蓋江蘇鹽城小部分區域，這也同樣說明微觀尺度的空間分布略分散，與泰爾指數的分析基本一致。這類區域相較于長三角其他區域整體發展水平較為落后，產業仍以粗放式發展為主，層級較低。長江三角洲區域一體化上升為國家戰略以來，滬、蘇、浙、皖合力推進區域一體化，探索建立皖北產業轉移集聚區，南北產業轉移提速，快速拉動北部地區經濟。與此同時，由于北部地區經濟基礎、產業結構、科創能力、教育水平和開放程度等與其他城市相比有明顯差距，城市間綜合吸引能力有限，承接發展高新技術產業的資源條件不足，勞動資源密集型產業占比較大，土地的無序、低效利用和城鎮快速擴展等并未得到有效改善。該類型區域今后應注重優化城鎮規劃布局，在項目建設、產業承接、科創策源、政策協同等方面下功夫，逐步優化國土空間提高土地集約利用率，以期改善城鎮土地經濟密度低水平集聚的空間格局。

Fig.3SpatialaglomerationmapoflandeonomicdensityofShanghaiCityandprefeturelevelitiesintheYangteRiverDeltan202

2.4長三角地區城鎮土地經濟密度驅動因素分析

2.4.1指標體系。根據已有研究表明，城鎮土地經濟空間分布差異性受到資本、人口、勞動力、交通等多種因素綜合影響，借鑒梁麗英等[18]、宋成鎮等[9]、馮科等[1]已有的研究成果，綜合考慮數據可獲取性以及尺度的適宜性，僅將市域作為驅動因素分析對象，從經濟、社會、自然3個方面選取10個指標，運用地理探測器方法對長江三角洲城鎮土地經濟密度分異的影響因素進行分析。

（1）經濟因素。經濟是一個區域發展的基礎，城市經濟發展方式、資本投資強度、對外開放程度直接影響土地效益及開發強度。研究選取人均 、產業結構 、地均固定資產投資 ）、地均外資利用水平（ ）等指標作為經濟因素進行分析。

（2）社會因素。城市人口、勞動力、交通在一定程度上反映城市發展活力，科技則是推動城市發展的重要方式，選取人口規模 人口密度（ 、二三產業勞動力密度 、客貨運總量 、科技財政支出占比 進行要素分析。

（3）自然地理因素。城市自然地理條件式是影響土地利用和城市建設的重要因素，選取地形起伏度（ ）作為自然條件要素進行分析。

2.4.2探測結果分析。為進一步分析長三角地區城鎮土地驅動因素的空間差異，參考相關研究做法[16]，綜合考慮上海與江蘇、浙江接壤，分別對上海及江蘇地區、上海及浙江地區、安徽3個區域進行分析，并對比分析結果

根據地理探測模型，得到2022年各驅動因子的解釋力 q 值及其顯著性水平（表1）。分析結果表明，長三角地區，驅動因子對城鎮土地經濟密度分異影響力由大到小分別為產業結構（0.7406）、二三產業勞動力密度（0.7238）、人均GDP（0.6685）地均固定資產投資（0.6681）、地均外資利用水平（0.6631）人口密度（0.6162）、客貨運總量（0.5561）科技財政支出占比（0.4261）、人口規模（0.4812）地形起伏度（0.0779）。整體看，經濟因素對城鎮土地經濟密度空間分異解釋能力最強， q 值在 0.60～0.75 ，分別從3個區域的分析結果來看，各因素的解釋力有明顯差異，但人均GDP、產業結構、地均外資利用水平都具有較強的作用。經濟發展加大對土地的投入，促進人口、勞動力、資本、土地等要素的集聚，吸引外商投資，更加注重投入產出效益，加大資金、科創、管理等要素投入比例，改善土地利用方式，提升土地經濟密度。其中，產業結構的影響最為顯著，主要由于二三產業的快速發展會加大非農建設用地的投入強度和利用強度，不同地區的產業結構水平會影響城鎮土地經濟密度的空間差異性；其次是社會因素， q 值在0.40＼～0.75，說明單個因素的影響力略有分異，但總體較高。人口、勞動力、交通、科技等作為城市發展的活力因素，對區域生產力水平、產業發展效率和競爭力具有重要的影響，導致區域產業發展的差異性進而影響城鎮土地經濟密度；從自然因素地形起伏的結果來看，無論是整體還是分區域，影響都是最小的，這說明，在長三角經濟相對發達地區，經濟、交通、科創等發展到一定水平，地形地貌等自然條件已經不再是束縛土地利用的關鍵因素。

交互探測結果顯示（表2），無論是長三角整體還是3個片區，一個驅動因子對于城鎮經濟密度空間分異的單獨作用都要弱于任意兩種驅動因子組合的交互作用。其中，外商投資與二三產業勞動力密度交互作用最強，產業結構與固定資產投入次之。外商投資高的區域，更注重資金技術管理等要素投入，并不斷吸引高素質產業勞動力的集聚，同時，二三產業勞動力的集聚又促進非農產業發展，共同拉動經濟的同時，促進土地經濟密度的提升。固定資產則通過增加單位面積的投人，促使人口、產業等要素集聚的效果越明顯，產業結構則對非農建設用地、二三產業勞動力等有著更高的需求，二者共同作用推動各類空間效益提升。這個結論說明，政策工具的組合效果要比單一政策工具要強，在實踐中，長三角各地在政策制定過程中既要注重突出區域特色、又要統籌區域間的發展，注意政策協同性，避免因部門、區域壁壘而造成的單一的或孤立的政策出現，應加強綜合應用政策性工具組合，深度釋放政策疊加效應。

3結論與討論

（1）長三角地區城鎮土地經濟密度總體不高，有一定發展空間；省域、市域、縣域3個尺度上城鎮土地經濟密度與經濟發展水平呈現出顯著的正向性；城鎮土地經濟密度的空間差異較大，總體呈現以上海、南京、杭州為中心向外不斷降低的態勢，低值區主要集中在蘇北和皖北地區，占 48.37% ，比例較大，南高北低不均衡態勢明顯；土地經濟密度區域內部整體差異性不大，發展最不平衡的是上海和杭州，接近0.5，60% 以上城市都在0.1以下。結果表明，區域內部城鎮土地經濟密度差異性和經濟發展水平未必呈現正相關關系，今后將進一步加強二者之間關系的研究。

（2）長三角地區無論在市級層次還是縣域尺度上城鎮土地經濟密度均呈現空間正相關性，主要表現為3種類型集聚狀態（不包括H-L高值異質區）：3種類型的集聚狀態中高值集聚區和低值異質區分布較少。低值集聚區是覆蓋城市數量最多、最為集聚的一個片區，此類型區域的城鎮土地經濟密度均屬于低密度區，平均密度不超過2億元 。低值集聚區是長三角一體化需要關注的重點區域，應進一步發揮高值集聚區產業集群、人才、技術、管理、信息等優勢，打造滬蘇浙皖\" （上海1個中心，南京、杭州、合肥3個副中心以及 N 個次中心城市）的協同發展格局，形成都市圈-城市群-中心城市（鎮）的空間形態，重點加大對北部中心城市（鎮）建設，將其打造作為承接副中心城市外溢效應向低密度片區擴散輻射的重要節點城市，以加強對低值區的輻射力度，低值區也應注重政策制度銜接，進一步優化國土空間優化，加強基礎設施建設等，提升輻射接受能力，以改善低值集聚區經濟發展條件，增加發展活力，促進長三角區域一體化高質量協調發展。

（3）長三角地區城鎮土地經濟密度的空間分異受多因素影響，其中經濟因素的解釋能力最強，3大片區的驅動因子解釋力略有差異，但總體來講，人均GDP、產業結構、地均固定資產投資額、二三產業勞動力密度對上海及江蘇地區、上海及浙江地區、安徽地區等地的城鎮土地經濟密度有著較高的解釋能力，應將這些因素作為不同區域提升土地密度的重點，這也為不同區域政策制定提供理論支撐。因子交互探測結果顯示，任意驅動因子間的交互作用都大于一個驅動因素的單獨作用。其中，外商投資與二三產業勞動力密度交互作用最強，產業結構與固定資產投人次之?？梢?，城市開放程度、勞動力密度、產業結構、資本投入在提升土地利用密度上發揮重要作用，要加大開放程度，吸引外商投資和優質人才，提升土地資金、技術、創新等資源要素投入比例，提高土地經濟密度提升。長三角地區在制定相關政策時，應根據長三角一體化發展的要求，針對各區域發展的不同驅動要素，注重綜合運用多種政策的組合，形成驅動因子的多元交互支撐作用，以深度釋放政策合力。

參考文獻

[1]馮科，吳次芳，陸張維，等.中國土地經濟密度分布的時空特征及規律：來自省際面板數據的分析[J].經濟地理，2008，28（5）：817-820.

[2]陸雅雯，何如海，趙敏.安徽省城市土地經濟密度時空差異及驅動力分析[J].長春理工大學學報（社會科學版），2021，34（2）：88-95.

[3]袁晨光，梁流濤，唐林昊，等.河南省產業集聚區土地經濟密度空間差異分析[J].地域研究與開發，2019，38（5）：25-29，40.

[4]王宏亮，郝晉珉，管青春，等.內蒙古自治區城鎮土地經濟密度的區域差異及其收斂性分析[J].中國農業大學學報，2018，23（2）：139-146.