黔中城市群空間范圍界定和空間結構研究

朱士鵬，張志英

(六盤水師范學院a.環(huán)境與資源科學系;b.圖書館，貴州六盤水553004)

自國家實施西部大開發(fā)戰(zhàn)略以來，黔中城市群作為貴州的核心區(qū)域受到了越來越多的關注，一些學者從城市群的構建［1］、城市群的規(guī)模結構［2－3］、城市群的產業(yè)結構［4］等方面進行了積極的探索，然而，在對黔中城市群的研究中，一方面對黔中城市群空間范圍的界定方法不夠科學［1－2］，另一方面對該城市群空間結構的研究較少［3］，尤其，定量研究更少。因此，本研究在前人研究的基礎上，采用科學的方法(經濟距離模型)對黔中城市群空間范圍進行界定。在此基礎上，借助分形模型及城市相互作用強度模型對城市群空間結構進行定量分析，明確城市群空間結構現(xiàn)狀特征，并提出黔中城市群未來空間結構優(yōu)化的思路，第一可彌補對黔中城市群空間范圍界定及空間結構研究的不足，第二可為貴州省制定城市體系規(guī)劃及區(qū)域發(fā)展規(guī)劃提供科學依據(jù)。

1 黔中城市群范圍界定

1.1 城市群范圍的界定方法

城市群空間界定一直是國內學者研究的重點。從檢索到的相關文獻看，國內學者對城市群范圍的界定多采用定量方法，主要有以下幾種:①根據(jù)距離核心城市150～200 km距離［2，5］確定城市群的范圍;②根據(jù)距離核心城市1～2 h車程的界限來劃分城市群的范圍［5－7］;③應用經濟聯(lián)系隸屬度［1］、引力模型［8－9］、斷裂點模型［10］等確定城市群的范圍;④在引力模型的基礎上結合要素流分析［9－10］確定城市群的范圍。通過對以往文獻的分析總結，發(fā)現(xiàn)存在以下缺陷:方法①多采用直線距離，沒有考慮城市之間的實際交通距離;方法②多采用公路或鐵路的平均時速，沒有考慮城市之間的實際交通狀況(交通方式);方法③中的引力、斷裂點等模型多采用城鎮(zhèn)人口及GDP總值的復合來表征城市的“質量”，指標較單一，無法準確反映城市的綜合水平;方法①、②、③、④都沒有考慮城市之間經濟發(fā)展差距問題。事實上，城市之間聯(lián)系的緊密程度也受經濟差距的影響，一般情況下，經濟差距越小，城市之間聯(lián)系越緊密，越有利于城市能量傳遞，相反，經濟差距越大，城市之間聯(lián)系就越松散，就不利于城市能量傳遞［11］。為了克服上述城市群空間范圍界定方法的缺陷，本研究引入經濟距離模型［11］對黔中城市群范圍進行界定。

1.2 黔中城市群范圍界定

1.2.1 城市群理論范圍的確定。李興建［12］通過對中國西部八大城市群進行研究，認為西部地區(qū)城市群的空間范圍大多是以區(qū)域核心城市為中心、半徑為100～200 km的區(qū)域。借鑒其研究成果，考慮到黔中城市群核心城市貴陽市人口經濟規(guī)模相對較小，輻射范圍有限，所以，僅選取以貴陽市為中心，半徑為150 km(指黔中城市群范圍的理論半徑)的區(qū)域作為黔中城市群的理論范圍，結合貴州政區(qū)圖，發(fā)現(xiàn)有37個城市落在該范圍內。

1.2.2 經濟距離計量模型。有些城市從理論范圍上看屬于黔中城市群，但實際上這些城市與城市群內的其他城市尤其是核心城市貴陽聯(lián)系較弱，根據(jù)城市群的內涵(城市群內城市之間緊密聯(lián)系)，這些城市不屬于該城市群，應予以剔除。在確定黔中城市群理論范圍的基礎上，借助經濟距離模型，計算各城市至核心城市貴陽的經濟距離，然后將經濟距離與理論半徑150 km進行比較，將那些與核心城市貴陽聯(lián)系較弱的城市剔除，最終確定黔中城市群的范圍。經濟距離模型如下［11］:

式中:E，α，β，D分別為2個城市之間的經濟距離、交通工具組合的修正系數(shù)、經濟差距的修正系數(shù)、兩城市之間的通勤距離。經濟距離模型考慮了城市間的聯(lián)系除了受通勤距離的影響外還受交通方式、經濟差距的影響。

α系數(shù)的確定。城市之間聯(lián)系的緊密程度與交通方式有著密切的關系，一般情況下，交通方式越單一，對外聯(lián)系越不便。高汝熹等［13］采用城市之間的鐵路距離作為通勤距離，把不同交通工具組合的通勤距離修正系數(shù)設定為α，若兩城市間的交通工具主要是火車時，α=1.0;交通工具主要是汽車時，α=1.2;交通工具為火車和汽車組合時，α=0.7?？紤]黔中城市群的主要運輸方式是公路，所以，選用城市間的公路距離作為通勤距離，不同交通工具組合的通勤距離修正系數(shù)α，根據(jù)高汝熹等［13］采用的賦權法進行推理計算確定:若兩城市間的交通工具主要是汽車時，α=1.0;交通工具主要是火車時，α=1/1.2=0.83;交通工具為火車和汽車組合時，α=0.83×0.7=0.581。

β系數(shù)的確定。城市之間聯(lián)系的緊密程度也受經濟差距的影響。一般情況下，經濟差距越小，城市之間聯(lián)系越緊密，越有利于城市能量傳遞，相反，經濟差距越大，城市之間聯(lián)系就越松散，就不利于城市能量傳遞［11］。黃征學［11］采用人均GDP作為指標衡量城市之間的經濟差距，認為當城市i，j的人均GDP比值≥0.70時，表明二者經濟差距小，聯(lián)系很緊密，賦予權重β為0.8;當城市i，j的人均GDP比值介于0.45～0.70之間時，表明二者的經濟差距一般，聯(lián)系也一般，賦予權重β為1;當城市i，j的人均GDP比值＜0.45時，表明二者的經濟差距很大，城市之間的聯(lián)系很松散，賦予權重β為1.2。

利用式(1)計算各城市至核心城市貴陽的經濟距離，然后將經濟距離與理論半徑150 km進行比較，把經濟距離大于理論半徑的織金縣、仁懷市、金沙縣、大方縣、納雍縣、關嶺縣、紫云縣、羅甸縣、平塘縣等13個城市剔除，最終確定的黔中城市群范圍共有22個城市，即貴陽市、開陽縣、息烽縣、修文縣、清鎮(zhèn)市、遵義縣、安順市、遵義市、普定縣、龍里縣、黔西縣、鎮(zhèn)寧縣、長順縣、凱里市、福泉市、麻江縣、都勻市、六枝特區(qū)、平壩縣、獨山縣、貴定縣和惠水縣。需要說明的是貴陽市、遵義市、安順市范圍只包括市轄區(qū)。

2 黔中城市群空間結構研究

分形理論是研究城市群空間結構常用的一種理論，該理論對于揭示城市群空間結構的分形幾何特征及其支配法則有著重大的理論意義。從檢索到的國內外學者利用分形理論對城市群空間結構研究所使用的模型看，常用的模型有關聯(lián)維數(shù)模型和聚集維數(shù)模型。

2.1 關聯(lián)維數(shù)

2.1.1 基本模型。關聯(lián)維數(shù)計算公式為［14］:

式中:r，N，dab分別表示碼尺、區(qū)域內城市數(shù)目、a城市和b城市間的直線距離;θ為函數(shù)，具有性質［14］:

式(3)表示以城市a為中心、半徑r范圍內出現(xiàn)城市b的概率，由于城市群空間結構分布是分形的，具有標度不變性［14］，即:

式中:r為尺度比;ψ=D為空間關聯(lián)維數(shù);c為常數(shù)?？臻g關聯(lián)維數(shù)D的地理意義見參考文獻［14］。將式(3)中的dab改為實際公路里程，利用式(6)可得交通網絡的關聯(lián)維數(shù)D'，可定義牛鴉維數(shù)比為［14－15］:

2.1.2 城市群空間結構關聯(lián)維數(shù)測算。以黔中城市群的22個城市為研究對象，借助搜狗地圖，測量出兩兩城市之間的直線距離dab，取定步長Δr=30 km，可得r=370，340，310，…，10，相應地N(r)=484，480，470，…，22，進而得到點列(r，N(r))(表1)。根據(jù)表1中數(shù)據(jù)，作(ln r，ln N(r))散點圖(圖1)。然后用一元線性回歸進行模擬，得出分維D=1.209，相關系數(shù)R2=0.973。將dab改為實際公路里程，測算公路交通網絡的分維D'=0.973，相關系數(shù)R2=0.967，進而可算出牛鴉維數(shù)比ρ=D'/D=0.805。R2=0.973，說明相關程度高。分維D=1.209，趨近于1，表明黔中城市群各要素在空間分布上比較集中于某一地理要素，這與現(xiàn)實非常吻合。目前，黔中城市群22個城市中有20個位于川黔、黔桂、湘黔、貴昆鐵路及蘭海、滬昆、貴畢等高速公路沿線，占城市總數(shù)的90.9%。ρ=0.805，接近于1，說明城市群內的交通網絡發(fā)育較為成熟，城市之間空間可達性較好。

2.2 聚集維數(shù)

2.2.1 基本模型。劉繼生等認為半徑為r的圓周內的城鎮(zhèn)數(shù)目N(r)與相應半徑的關系［14］滿足公式:

式中:Df為分維。考慮到半徑r的取值影響分維的數(shù)值，可將其轉化為平均半徑，定義平均半徑為［14］:

式中:Rs，ri，S，D分別表示平均半徑、第i個城市到中心城市的直線距離、區(qū)域內城市個數(shù)、聚集維數(shù)。聚集維數(shù)D的地理意義見參考文獻［14］，［16］。

2.2.2 聚集維數(shù)的測算。貴陽市是黔中城市群的核心城市，可選取貴陽市作為測算中心，借助搜狗地圖，首先，測量各城市到貴陽市的重心距ri;然后，利用式(8)將其轉換成平均半徑Rs(表2)。根據(jù)表2中數(shù)據(jù)，作(ln s，lnRs)散點圖(圖1)。然后用一元線性回歸進行模擬，得出分維D=0.752，相關系數(shù)R2=0.993。分維D＜2，表明黔中城市群內的城市空間分布屬于典型的集聚型，分維D=0.752，值較小，反映黔中城市群內的城市空間分布集聚程度很高。

表1 碼尺r及其“篩選”的距離數(shù)目N(r)Tab.1 The yardstick(r)and the corresponding number(N(r))of the crow distances(dij)selected(dij≥r)

表2 黔中城市群城市分布的重心距和平均半徑Tab.2 The euclid distances(ri)from the ith town to the given central cities of urban agglomeration in central Guizhou and their corresponding average radius(Rs)

2.3 城市空間相互作用強度模型

城市空間相互作用強度計算公式為［17］:

式中:Fij表示城市i，j的相互作用強度;Pi，Pj分別表示城市i，j的綜合實力;dij表示城市i，j間的時間距離。綜合實力評價值計算如下。

①選取9項指標(地方財政收入、非農產業(yè)比重、GDP、城鎮(zhèn)人口規(guī)模、社會消費品零售總額、工業(yè)總產值、教育支出、人均GDP、全社會固定資產投資額)構建評價城市綜合實力的指標體系，同時，為消除各指標量綱影響，采用極差標準化法對原始數(shù)據(jù)進行標準化處理:

式中:zij為標準化值;xij為i城市j項指標的原始值;xjmax為j項指標的最大值。

②采用均方差法計算指標j的權重wj，具體計算步驟見參考文獻［18］。

③計算i城市的綜合實力評價值，公式如下:

利用城市綜合實力評價值及城市間公路里程的時間距離，借助式(10)計算城市空間相互作用強度，在此基礎上，把每個城市與其最大引力城市用直線連接，獲得黔中城市群城市之間“最大引力聯(lián)接線［17］”分布圖(圖1)。將相互作用強度(Fij)前16位的i，j城市連接，得到城市相互作用的空間聯(lián)系走向分布圖(圖2)。

圖1 黔中城市群各城市最大引力連接線Fig.1 The largest gravity line linking between cities

圖2 黔中城市群城市相互作用強度空間分布Fig.2 The spatial distributionof intensity of urban interaction

圖1顯示，最大引力連接線最多的是貴陽市有11條，最大作用城市為清鎮(zhèn)市、修文縣、龍里縣、安順市等，總作用強度為26 194;其次為安順市、福泉市、麻江縣、都勻市，各有2條，總作用強度分別為5 000，2 990，2 111，2 476。其中，安順市主要連接鎮(zhèn)寧縣、普定縣，福泉市主要連接麻江縣、貴陽市，麻江縣主要連接福泉市、都勻市，都勻市主要連接麻江縣、獨山縣。連接線越多，總作用強度值越大，表明該城市在城市群中的總吸引力越大，且具有更高的空間支配地位。福泉市、麻江縣、都勻市雖然具有2條最大引力連接線，但是它們的總作用強度較小，還不能擔當重要節(jié)點的角色，因此，黔中城市群中比較重要的節(jié)點有2個，即貴陽市和安順市，不過安順市的實力有待進一步提高。

圖2表明，黔中城市群城市相互作用強度的空間聯(lián)系走向呈現(xiàn)3個特點:一是以貴陽市為中心呈圈層向外輻射，主要聯(lián)系清鎮(zhèn)市、修文縣、龍里縣、安順市、貴定縣、平壩縣、息烽縣、開陽縣等，其中修文縣、龍里縣、清鎮(zhèn)市為第一圈層，平壩縣、息烽縣、安順市、貴定縣、開陽縣為第二圈層，其余城市為第三圈層。二是沿蘭海高速呈南北向拓展，包括貴陽市、修文縣、息烽縣、遵義縣、遵義市，五市之間的相互作用強度總值為29 365，占黔中城市群城市相互作用強度總值的27.1%。三是沿滬昆高速公路呈東西向拓展，包括福泉市、貴定縣、龍里縣、貴陽市、清鎮(zhèn)市、平壩縣、安順市、鎮(zhèn)寧縣，八市之間的相互作用強度總值為45 753，占黔中城市群城市相互作用強度總值的42.2%，是該城市群城市聯(lián)系最緊密的區(qū)域。

3 結論及建議

3.1 結論

1)黔中城市群包括22個城市，即貴陽市、開陽縣、息烽縣、修文縣、清鎮(zhèn)市、遵義縣、安順市、遵義市、普定縣、龍里縣、黔西縣、鎮(zhèn)寧縣、長順縣、凱里市、福泉市、麻江縣、都勻市、六枝特區(qū)、平壩縣、獨山縣、貴定縣和惠水縣。2)城市主要集中于川黔、黔桂、湘黔、貴昆鐵路及蘭海、滬昆、貴畢等高速公路沿線;城市間的交通網絡發(fā)育較為成熟，空間可達性較好;城市空間分布屬于典型的集聚型，且集聚程度很高。3)貴陽市和安順市是黔中城市群中比較重要的兩個節(jié)點;城市群的空間聯(lián)系方向以貴陽市為中心呈圈層狀向外輻射;沿蘭海、滬昆高速公路呈軸線狀拓展，空間聯(lián)系交通指向性明顯。

3.2 建議

根據(jù)研究結果，結合空間結構理論(圈層結構理論、點－軸系統(tǒng)理論)，黔中城市群未來空間結構優(yōu)化的思路是打造“一圈”、“兩主軸”、“兩次軸”，培育“一個增長極”?！耙蝗Α奔匆再F陽市為中心的大貴陽圈。大貴陽圈由核心區(qū)、中間層和外圍區(qū)組成，其中核心區(qū)是指貴陽市的市轄區(qū)，中間層包括與貴陽聯(lián)系非常緊密的清鎮(zhèn)市、修文縣和龍里縣，外圍區(qū)包括與貴陽市聯(lián)系較為緊密的平壩縣、息烽縣、貴定縣和開陽縣。通過構建以貴陽市為中心的環(huán)形－放射式道路網將大貴陽圈內的所有城市緊密連接起來，形成一個有機整體，利用核心城市貴陽市的輻射作用，帶動圈層內的其他城市快速發(fā)展?！皟芍鬏S”:一條為滬昆高速公路發(fā)展軸，包括鎮(zhèn)寧縣、安順市、平壩縣、清鎮(zhèn)市、貴陽市、龍里縣、貴定縣、福泉市、麻江縣，該軸是黔中城市群城市聯(lián)系最緊密的區(qū)域;另一條為蘭海高速公路發(fā)展軸，包括貴陽市、修文縣、息烽縣、遵義縣和遵義市，該軸北臨中國第四大直轄市——重慶市，且直線距離較短(208.7 km)，極易受到重慶市的輻射帶動作用，發(fā)展?jié)摿^大。這兩條主軸線在貴陽市相交，組成倒“T”字形。

“兩次軸”:一條為“長—貴—黔”軸線，包括長順縣、惠水縣、貴陽市、修文縣和黔西縣。該軸目前存在的最大問題是公路等級低(貴陽—惠水—長順目前只有省道相連)，城市之間聯(lián)系的時間距離較長，未來發(fā)展的關鍵是興建高等級公路，改善交通條件;另外一條為“?！肌殹陛S線，包括福泉市、麻江縣、都勻市、獨山縣。該軸南接廣西，是貴州通向北部灣的一條重要通道，具有較大發(fā)展?jié)摿Α?/p>

“一個增長極”即安順市。安順市已成為黔中城市群的另一個重要節(jié)點，因此，可選擇安順市作為黔中城市群的另一個增長極，但是，這個增長極目前規(guī)模仍然比較小，且與核心城市貴陽市差距很大，未來應給予重點培養(yǎng)。通過發(fā)展新的增長極，徹底改變黔中城市群一城獨大的局面，促進該城市群空間結構進一步優(yōu)化。

［1］李博，田超，靳取.關于構建黔中城市群的一些思考［J］.北京城市學院學報，2009(4):40－45.

［2］云小舟.黔中地區(qū)城市群等級規(guī)模結構分形特征研究［J］.貴州財經學院學報，2008(3):106－110.

［3］燕安，徐和平.優(yōu)化空間結構，助推黔中城市群發(fā)展［J］.貴陽市委黨校學報，2011(6):26－30.

［4］吳建軍.基于SSA的黔中城市群產業(yè)結構演變研究［J］.銅仁學院學報，2010，12(6):72－76.

［5］秦尊文.長江中游經濟區(qū)的建立與發(fā)展［J］.江漢論壇，2003(12):20－22.

［6］孔祥順.城市群經濟空間范圍界定方法研究［J］.經濟研究導刊，2009(29):84－85.

［7］羅海藩.省域城鎮(zhèn)化戰(zhàn)略［M］.北京:社會科學文獻出版社，2006:281－286.

［8］石賢光.基于引力模型的中原城市群空間范圍界定［J］.現(xiàn)代經濟，2007，6(10):16－17.

［9］黃建毅，張平宇.遼中城市群范圍界定與規(guī)模結構分形研究［J］.地理科學，2009，29(2):181－187.

［10］陳群元，宋玉祥.城市群空間范圍的綜合界定方法研究——以長株潭城市群為例［J］.地理科學，2010，30(5):660－666.

［11］黃征學.中部地區(qū)城市群范圍界定研究［J］.中國經貿導刊，2012(4):28－30.

［12］李興建.西部地區(qū)城市集群化發(fā)展研究［D］.成都:西南交通大學，2004.

［13］高汝熹，羅明義.城市圈域經濟論［M］.昆明:云南大學出版社，1998:304.

［14］劉繼生，陳彥光.城鎮(zhèn)體系空間結構的分形維數(shù)及其測算方法［J］.地理研究，1999，18(2):171－178.

［15］石培基，劉海龍，李快滿.西北干旱區(qū)城鎮(zhèn)體系空間結構及其分形——以酒泉市為例［J］.經濟地理，2007，27(6):918－921.

［16］劉耀彬.湖北省城市體系空間結構測度及其優(yōu)化［J］.地域研究與開發(fā)，2008，27(1):32－35.

［17］李俊峰，焦華富.江淮城市群空間聯(lián)系及整合模式［J］.地理研究，2010，29(3):535－544.

［18］梁振民，陳才，劉繼生，等.東北地區(qū)城市化發(fā)展質量的綜合測度與層級特征研究［J］.地理科學，2013，33(8):926－934.