长三角地区城镇土地经济密度多尺度空间格局演变及驱动因素分析

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

土地经济密度是衡量区域土地投人与空间经济产出协调状况的重要指标，能够在一定程度上反映区域土地利用效益和集约利用状况[]。在我国新型城镇化快速发展阶段，经济高质量发展与资源环境约束收紧并存，人地关系相互作用产生的空间冲突已逐步影响到城市健康发展。因此，探讨城镇土地经济密度的时空变化规律，对城镇土地高效集约利用和区域社会经济整体实力提升具有重要意义。

城镇土地经济密度受到国内学者高度关注，主要综合应用泰尔系数[2]、空间自相关分析[3]、变异系数[4]、马尔科夫链[5]、核密度函数[6]等模型，对国家层面[7]、省域[8]、市域[9]、经济区["]以及产业集中区[1]等中宏尺度的城镇土地经济密度进行研究。学者们多采用时间序列数据，选取5＼～20年的某一时间段，分析研究对象的历史数据并进行数据趋势预测；有些学者则采用横截面数据，对同一时间段的不同对象进行研究，重点分析研究对象在同一个时间段的差异；部分学者则同时采用时间序列和横截面数据2个维度面板数据进行时空分析[12]。现有研究中，市级中观尺度或单一尺度研究较多，大尺度的区域、流域或县（市、区）域层面的微观尺度研究较少，缺乏不同尺度对比研究，难以揭示不同尺度下空间分布的差异性，也无法满足不同区域政策的差异性制定的需求。

党的二十大报告提出，促进区域协调发展要以城市群、都市圈为依托构建大中小城市协调发展格局。2019年，长三角一体化上升为国家战略，为长三角地区整体实力和国际竞争力提升提供了战略机遇，长三角城市群正朝着打造具有全球影响力的世界级城市群迈进。但也必须看到，这一战略的实现正面临发展空间狭窄、土地资源稀缺等巨大挑战，土地利用与经济发展之间的矛盾日渐尖锐。如何充分挖掘城市有限土地资源的潜在价值，提升土地利用效率，发挥长三角城市群高质量发展带动长江经济带和华东地区发展的重要作用，已经成为扎实推进长三角一体化高质量发展的关键。基于此，笔者以长三角地区为研究区，306个县（市、区）及以上城市为研究单元，从省（直辖市）地级市、县（市、区）等3个不同尺度分析区域城镇土地经济密度的空间格局，并探讨影响空间格局分布的驱动因素，为长三角城市群不同尺度城市发展制定差异化发展战略提供科学理论依据，并为长三角一体化发展过程中优化土地利用提供实践参考和理论支持。

1研究区域、方法和数据

1.1研究区概况长三角地区包括上海市、江苏省、浙江省和安徽省3省1市，区域面积 ，是全国经济最活跃、开放程度最高、创新能力最强的区域之一，也是全国区域一体化水平最高的地区。2022年长三角地区常住人口2.37亿，城镇化率达到 70.84% ，地区生产总值29.03万亿元，占长江经济带和全国比重分别为 51.9% 和 24.1% ，综合实力排全国首位。

1.2 研究方法

1.2.1土地经济密度测度方法。参考已有的研究方法[13-14]，以单位建设用地面积上的二三产业增加值来计算城镇土地经济密度，公式如下：

式中， L 表示城镇土地经济密度；M表示区域二三产业增加值： N 表示建设用地面积。

1.2.2泰尔指数分析方法。泰尔指数是用于衡量区域内和区域间差异的指标。该研究采用泰尔指数对长三角地区省（直辖市）地级市、县（市、区）3个尺度的土地经济密度空间差异性进行测度，通过一阶、二阶嵌套分解，测算省际、省内差异，市内、市间差异和县间差异。计算公式如下[5]：

式中： T 表示城镇土地经济密度的泰尔指数； 表示为第 j 个城市的城镇土地经济密度； 为各城市城镇土地经济密度的平均值。泰尔指数在[0，1]，数值越大，差异性越大。此公式可以进一步分解为地区内差异和地区间差异，具体参见文献[15]。

1.2.3空间数据分析方法。空间自相关被广泛应用于地理空间格局分析，揭示区域空间变化规律和相互作用，主要采用全局Moran’sI指数和局部Moran’s I 指数。该研究运用此方法测算长三角地区城镇土地经济密度空间分布是否具有全局及局部聚类分布特征。全局Moran’s I 指数和局部Moran's I 指数具体计算过程参见文献[14]。

1.2.4地理探测器模型。地理探测器是一种主要用来分析地理事物空间分异驱动因素的统计学方法[16]，其核心值 q 是能够解释自变量 X 对因变量 Y 影响程度，计算公式如下：

式中： q 为城镇土地经济密度分异解释指标； L 为整个研究区样本数， m=1，？s，k 为各因素类型， k 为类型 h 的样本数； 和 分别为类型 m 和全区的Y的离散方差； q 取值范围在0＼～1，其值越大，表明该因素对城镇土地经济密度地域分异的解释能力越强。

1.3数据来源该研究以长三角地区为县（市、区）及以上城市为研究单位，共3个省1个直辖市，40个地级市，306个县（市、区）。该研究中，由于上海作为直辖市，在省域和市域的空间差异和相关性分析中进行重复计算，更加客观地揭示空间分布情况。

该研究所需数据具体来源如下：一是建设用地面积数据，采用2022年清华大学研究团队发布的基于全球高分辨率 30m 人造不透水面制图产品（globalartificialimpervious-area，GAIA）提取的多时相全球城市边界（globalurbanbound-ary，GUB）数据集[17]；二是各级行政边界数据来源于全国地理信息系统（http：//www.webmap.cn）提供的 1：100 万全国基础地理数据库；三是社会经济数据主要来源于2022年《中国城市统计年鉴》《中国统计年鉴》以及相关省市县统计年鉴、国民经济与社会发展统计公报等。

2 结果与分析

2.1总体分布特征分析根据公式（1）的计算方法分别计算出长三角地区省域、市域、县域3个不同尺度城镇土地经济密度以及不同尺度上的平均值。