區(qū)域一體化背景下城市土地利用效率指標體系設計及區(qū)域差異

盧新?！￡惖ち帷】锉?/p>

摘要

探尋區(qū)域一體化背景下城市土地利用效率（ULUE）的基本內(nèi)涵及整體分布格局是加快區(qū)域一體化進程的關鍵環(huán)節(jié)，也是新型城鎮(zhèn)化路徑創(chuàng)新的基礎平臺和重要參照。本文以長江中游城市群2003—2015年數(shù)據(jù)為研究樣本，首先在理論層面揭示區(qū)域一體化與ULUE變化的互動機理，并據(jù)此構建了區(qū)域一體化背景下ULUE測度的“規(guī)模+結構+集聚”指標體系，在此基礎上，綜合運用小波神經(jīng)網(wǎng)絡模型和核密度估計對長江中游城市群ULUE的基本格局及區(qū)域差異演變特征進行探討。結果表明：①區(qū)域一體化與ULUE彼此影響、相互促進，區(qū)域一體化改變區(qū)域要素的交流規(guī)模與頻率，是ULUE變化的重要驅(qū)動力，而ULUE則是評判區(qū)域一體化程度及整體水平的關鍵指標之一，會對區(qū)域一體化進程產(chǎn)生反作用。②在明晰區(qū)域一體化對ULUE變化作用機理的基礎上，從規(guī)模效率、結構效率和集聚效率三個維度選取規(guī)模效應、乘數(shù)效應、產(chǎn)業(yè)合理化、產(chǎn)業(yè)高級化、人口集聚和產(chǎn)業(yè)集聚6個指標構建了區(qū)域一體化背景下ULUE的測度指標體系。③長江中游城市群整體及其內(nèi)部各子城市群的ULUE均呈波動上升態(tài)勢，但表現(xiàn)出明顯的空間差異，且根據(jù)核密度估計結果，考察期間長江中游城市群ULUE的地區(qū)差距總體上遵循“先擴大，后減小，再擴大”的變化路徑，武漢城市群ULUE的多極分化特征明顯，環(huán)鄱陽湖城市群ULUE的地區(qū)差距逐步減小但幅度較小，環(huán)長株潭城市群ULUE的區(qū)域差異則經(jīng)歷了先增大后減小的過程，江淮城市群ULUE始終呈兩極分化趨勢。④

為實現(xiàn)區(qū)域一體化與ULUE的協(xié)調(diào)發(fā)展，并形成相互支撐，內(nèi)在互動的開放格局，提出針對性的對策和建議，包括制定因地制宜的土地利用政策、建立區(qū)域合作與交流機制、借鑒鄰近ULUE高階區(qū)的城市土地利用和管理經(jīng)驗等。

關鍵詞區(qū)域一體化；城市土地利用效率；指標體系設計；區(qū)域差異；長江中游城市群

中圖分類號F293.2文獻標識碼A文章編號1002-2104（2018）07-0102-09

DOI：10.12062/cpre.20180316

區(qū)域一體化是一定空間范圍內(nèi)的城市通過一系列政策安排與制度設計實現(xiàn)各類要素規(guī)模集聚和利用效益提升的過程，是區(qū)域城市化水平發(fā)展到更高層次的表現(xiàn)[1-2]。城市土地是區(qū)域一體化的基礎物質(zhì)載體[3]，區(qū)域一體化的速度與程度等會改變區(qū)域土地生產(chǎn)要素與資本、勞動力等生產(chǎn)要素的交流頻率與路徑，改變區(qū)域城市土地利用系統(tǒng)內(nèi)部物質(zhì)循環(huán)及與外部環(huán)境的能量傳遞，并最終影響到區(qū)域城市土地利用格局及利用效率[4-5]。在我國新型城市化加速推進的現(xiàn)實背景下，如何科學把握區(qū)域一體化背景下城市土地的配置狀況及利用效率將成為當前乃至未來一段時間內(nèi)城市經(jīng)濟學、城市地理學、土地管理學等領域的焦點話題。

目前理論界直接關于區(qū)域一體化與城市土地利用效率（Urban Land Use Efficiency，ULUE）關系的成果并不多見，但是圍繞區(qū)域一體化的外在表現(xiàn)形式——不同職能定位和經(jīng)濟發(fā)展水平的城市通過地域集中及空間相互作用等所形成的城市群的ULUE進行了大量思考與探究，這些研究主要集中在特定城市群ULUE的指標體系建構[6]、測度方法選取[7]、時空差異探討[8]及驅(qū)動機制分析[6]等。在城市群ULUE測度體系設計上，經(jīng)歷了單因素分析到多因素評判的發(fā)展過程，從以土地經(jīng)濟密度[9]、土地開發(fā)強度[10]等單一指標衡量逐漸到構建“經(jīng)濟+社會+環(huán)境”[11]、“投入+生產(chǎn)+生活+生態(tài)+可持續(xù)”[6]、“利用結構+效益”[12]、“投入+期望產(chǎn)出+非期望產(chǎn)出”[7]等綜合體系進行度量，測度體系日益豐富與多元。在測度方法上，BP神經(jīng)網(wǎng)絡模型是目前城市群ULUE測度時較為先進的方法之一。同時，在ULUE的區(qū)域差異已經(jīng)得到學界普遍認同的基礎上，學者們大多利用泰爾指數(shù)[11]、變異系數(shù)[13]、探索性空間數(shù)據(jù)分析[11]等方法對單一城市群內(nèi)部或多個城市群間ULUE的空間特征進行定量刻畫，豐富了ULUE的應用領域與研究案例，在某種程度上也為區(qū)域一體化與城市土地利用的協(xié)調(diào)發(fā)展提供了支撐。但是應該看到，上述指標體系也適用于任何發(fā)展階段、單個城市的ULUE測度，沒有考慮到區(qū)域一體化的推進策略與傳統(tǒng)的單一城市發(fā)展模式在要素配置格局及資源開發(fā)利用模式上存在的差異會對ULUE造成何種影響，也沒有將區(qū)域一體化下的ULUE測度與傳統(tǒng)城市化下的ULUE測度進行區(qū)分。同時在研究技術上，BP神經(jīng)網(wǎng)絡模型在結構設計及訓練速度等方面存在明顯缺陷[14]，而且，泰爾指數(shù)、變異系數(shù)等差異測算方法盡管能夠反映出不同尺度ULUE的地區(qū)差異程度，但是無法揭示出這種差距的長期演變趨勢[15]。我們的問題也由此產(chǎn)生，區(qū)域一體化是如何影響并作用于ULUE的？如何更加準確對區(qū)域一體化背景下的ULUE及其區(qū)域差異進行度量？為解決這些問題，本文將以長江中游城市群為研究樣本，首先在理論層面揭示區(qū)域一體化與ULUE的互動關系，據(jù)此構建出全新的區(qū)域一體化背景下ULUE評價指標體系，并引入改進的BP神經(jīng)網(wǎng)絡——小波神經(jīng)網(wǎng)絡模型和核密度估計探討長江中游城市群ULUE分布的動態(tài)演進規(guī)律，對探索區(qū)域一體化背景下城市土地可持續(xù)利用與區(qū)域均衡發(fā)展路徑等具有重要的現(xiàn)實意義。

1理論分析：區(qū)域一體化與ULUE變化

1.1區(qū)域一體化與ULUE變化的相互關系

區(qū)域一體化的內(nèi)涵極為豐富，包括社會、經(jīng)濟、市場等多個方面的內(nèi)容[2]，但是區(qū)域一體化這一地域演進形態(tài)的本質(zhì)和精髓是要素一體化[1，16]，無論是哪個方面的一體化，最終都會落腳到各種生產(chǎn)要素的投入規(guī)模及配置格局上。城市土地是區(qū)域一體化的“直接見證者”和“主要參與者”，在區(qū)域一體化推進過程中，區(qū)域要素的投入規(guī)模、配置結構、集聚水平以及由此帶來的產(chǎn)業(yè)結構和狀態(tài)的變化等都會改變影響到區(qū)域ULUE變化，而ULUE的變化及圍繞城市土地高效利用形成的各種規(guī)劃與政策又會反作用于區(qū)域一體化。

區(qū)域一體化與ULUE變化間復雜的作用關系實際上也是以要素一體化為橋梁和紐帶而形成的，要素一體化是區(qū)域一體化的落腳點，而ULUE提高則是要素一體化的最終目標（見圖1）。其中，區(qū)域一體化對ULUE變化的影響集中表現(xiàn)在由要素規(guī)模變化、產(chǎn)業(yè)結構調(diào)整和空間集聚后所產(chǎn)生的直接和間接效應上。

（1）規(guī)模約束力。主要包括土地要素投入規(guī)模和非土地要素投入規(guī)模兩個方面的內(nèi)容。首先，為進一步滿足區(qū)域一體化進程中規(guī)模化、專業(yè)化及合作化生產(chǎn)需求，實現(xiàn)產(chǎn)品的綜合性功能和多樣化供給，要求城市土地不斷擴展和延伸以提升城市承載能力和市場潛力進而提高土地利用的規(guī)模效應[3，5]。其次，由于土地稀缺性和自然供給的非彈性，區(qū)域一體化與城市土地上承載產(chǎn)業(yè)的高度融合進一步吸引資金、人力、技術等非土地要素向那些具有比較優(yōu)勢的城市空間集中[1，4]，這一過程中資本投入規(guī)模增大產(chǎn)生的乘數(shù)效應通過技術擴散、人力補償和信息共享等多種傳導路徑刺激土地向投資回報率高的生產(chǎn)領域參與分配與重組[2，5，17]。

（2）結構拉動力。主要包括土地結構和產(chǎn)業(yè)結構兩個方面的內(nèi)容。區(qū)域一體化強化了區(qū)域間的空間聯(lián)系，核心與邊緣的極化邊際效應[18]與其擴散邊際效應[1]趨于相互制衡促使區(qū)位競爭加劇。為獲得最優(yōu)外部性，產(chǎn)業(yè)結構逐步升級，土地利用進入結構性調(diào)整時期。一方面，區(qū)域的一體化、服務化、信息化發(fā)展態(tài)勢促使高服務化產(chǎn)業(yè)在市場選擇下“脫穎而出”，產(chǎn)業(yè)結構的“經(jīng)濟服務化”有利于土地利用結構的優(yōu)化和土地高效利用[4-5，19]。另一方面，貿(mào)易成本的下降拓寬了資本、勞動等要素的空間流動范圍，這一過程中弱競爭力產(chǎn)業(yè)被置換，產(chǎn)業(yè)結構合理化趨向愈發(fā)明顯[1-2，20]，最終影響土地的集約利用狀況。

（3）集聚驅(qū)動力。主要包括人口集聚和產(chǎn)業(yè)集聚兩個方面的內(nèi)容。一方面，人口集聚會擴大市場規(guī)模的深度和廣度，在“增長極”的帶動下，人口消費增加直接推動各生產(chǎn)、生活服務行業(yè)經(jīng)濟效益的提高[17，20]。此外，人口集聚到一定程度還會對城市基礎設施建設產(chǎn)生激勵作用，進而通過公共服務效應、配套設施效應等[6]影響土地利用的社會效益。另一方面，在區(qū)域一體化規(guī)模經(jīng)濟和范圍經(jīng)濟的驅(qū)動下，替代性或互補性產(chǎn)業(yè)趨向集聚于某一地理空間，形成相互關聯(lián)、相互促進的產(chǎn)業(yè)共同體，當產(chǎn)業(yè)集聚形成一定規(guī)模時，便開始對相鄰地域產(chǎn)生擴散輻射效應[1-2]，加之產(chǎn)業(yè)自身技術知識的空間溢出效應[21]，兩種效應的交叉融合以及相互疊加都會在一定程度上影響區(qū)域土地利用的投入——產(chǎn)出效率。

ULUE的變化也會對區(qū)域一體化起到反作用。首先，ULUE是區(qū)域一體化的內(nèi)生動力。對于ULUE水平較高的地區(qū)來說，城市土地的產(chǎn)出能力能夠?qū)?jīng)濟、社會、生態(tài)建設產(chǎn)生較強的反向推動從而加速區(qū)域一體化進程[5]，且由于區(qū)域資源的非均衡性，土地利用過程中會產(chǎn)生規(guī)模巨大的人流、物流及信息流，增強了區(qū)際聯(lián)系，促進區(qū)域互動發(fā)展[4，22]。其次，ULUE是區(qū)域一體化的外在推力。一方面，以用地結構升級為核心而形成的經(jīng)濟集聚、基礎設施集聚、產(chǎn)業(yè)鏈的橫向擴展和縱向延伸，推動區(qū)域空間范圍的延伸，有利于區(qū)域一體化進程中社會經(jīng)濟發(fā)展與土地功能的有機結合[15]。另一方面，圍繞城市土地高效管理和開發(fā)利用而形成的各種制度與規(guī)劃是有序推進區(qū)域一體化

的重要政策工具[2]。

1.2區(qū)域一體化背景下ULUE的指標體系設計

基于上文的理論分析，主要從規(guī)模效率、結構效率和集聚效率三個維度構建了區(qū)域一體化背景下ULUE的測度指標體系（見表1）。

在規(guī)模效率上，根據(jù)上文區(qū)域一體化對ULUE變化的規(guī)模約束力分析，主要考慮城市土地面積擴張所產(chǎn)生的規(guī)模效應和資本投資增加所產(chǎn)生的乘數(shù)效應。一方面，城市土地面積變化為城市內(nèi)部各功能性用地的數(shù)量配置和結構調(diào)整提供了空間與潛力，是發(fā)揮規(guī)模效應的基礎支撐，參照郭宏施等[12]的研究成果，選取建成區(qū)面積作為衡量規(guī)模效應的指標。另一方面，從宏觀經(jīng)濟學的角度來看，在資本、勞動、技術等要素中，引起乘數(shù)效應最關鍵的是資本要素[17]，區(qū)域一體化背景下的乘數(shù)效應實質(zhì)上衡量土地生產(chǎn)活動中資本要素關聯(lián)度強弱所引起ULUE變化的連鎖反應程度，因此，在具體指標選取時，主要參考城市關聯(lián)度[4]的測算方法，計算地均固定資產(chǎn)投資關聯(lián)度作為乘數(shù)效應衡量指標。

在結構效率上，根據(jù)上文區(qū)域一體化對ULUE變化的結構拉動力分析，主要包括土地利用結構和產(chǎn)業(yè)結構兩個切入點。兩個指標的變化都會在一定程度上改變ULUE，然而，有學者指出[15]，產(chǎn)業(yè)結構變化不僅體現(xiàn)了其所承載產(chǎn)業(yè)的變化情況，同時也能反映出土地利用系統(tǒng)內(nèi)部不同用地類型之間的“博弈”結果，本文主要從產(chǎn)業(yè)結構層面進行指標甄選。在進行具體指標選取時，考慮到區(qū)域一體化的市場選擇效應[19]與土地價值規(guī)律[6]等會導致產(chǎn)業(yè)結構不斷優(yōu)化和升級，并逐漸趨于高水平下的穩(wěn)定，主要利用產(chǎn)業(yè)合理化指數(shù)和產(chǎn)業(yè)高級化指數(shù)[22]來衡量結構效率。

在集聚效率上，根據(jù)上文區(qū)域一體化對ULUE變化的集聚驅(qū)動力分析，主要從人口集聚和產(chǎn)業(yè)集聚兩個層面選取指標。在人口集聚方面，參考許科研等[23]的研究，選取人口集中指數(shù)來衡量人口集聚效率，也可以在一定程度上反映出人口的空間轉(zhuǎn)移結果。在產(chǎn)業(yè)集聚方面，目前已經(jīng)形成了相對較為完善的測算方法體系，具體到本文，主要參照張云飛[21]在測算城市群內(nèi)產(chǎn)業(yè)集聚時的方法，利用產(chǎn)業(yè)聚集度來衡量產(chǎn)業(yè)集聚效率。

各指標的具體處理過程及數(shù)據(jù)來源詳見表1。

2研究區(qū)概況

長江中游城市群是以武漢城市群、環(huán)長株潭城市群、環(huán)鄱陽湖城市群和江淮城市群為主體形成的特大城市群，范圍涵蓋湖北、湖南、江西及安徽四省共38個城市，是“長

江經(jīng)濟帶”發(fā)展戰(zhàn)略下全方位深化改革開放和推進新型城鎮(zhèn)化的關鍵區(qū)域。2015年，長江中游城市群

國民經(jīng)濟生產(chǎn)總值超過7.4萬億元，是全國僅次于長三角地區(qū)、京津冀地區(qū)和珠三角地區(qū)的第四大地域共同體，但由于其目前還處于初級發(fā)展階段，城市化水平、基礎設施完善程度等方面與這些區(qū)域相比仍然存在一定差距。同時，長江中游城市群以約2.98%的國土面積承載了全國8.44%的人口，在社會經(jīng)濟快速發(fā)展過程中也給資源的開發(fā)、利用造成了很大的壓力，特別是在城市群的建設過程中，傳統(tǒng)粗放式城市土地利用模式的弊端日益凸顯[11]。如何積極響應國家號召，加快區(qū)域一體化建設步伐，同時提高資源利用效率，實現(xiàn)區(qū)域一體化與各類生產(chǎn)要素，特別是土地要

素的高效融合已成為本區(qū)域發(fā)展過程中的一個重要議題。

3研究方法

3.1小波神經(jīng)網(wǎng)絡模型

小波神經(jīng)網(wǎng)絡（Wavelet Neural Network，WNN）是一種以小波基函數(shù)為神經(jīng)元激勵函數(shù)的前饋網(wǎng)絡模型[14]。相比于BP神經(jīng)網(wǎng)絡，小波神經(jīng)網(wǎng)絡在收斂速度、結構穩(wěn)定性及精度等方面更具優(yōu)勢，目前在土地管理領域的多指標綜合評價問題中已有涉及[24]。本文嘗試利用Matlab2015a神經(jīng)網(wǎng)絡工具箱構建、訓練ULUE測度的WNN模型（圖

2）。根據(jù)文獻[14]中的開源代碼，首先將1.2節(jié)所選指標

作為樣本輸入，運用神經(jīng)網(wǎng)絡設定法則對各地市所有指標的標準化數(shù)據(jù)進行網(wǎng)絡仿真訓練；其次，設定隱層hi的網(wǎng)絡參數(shù)和輸出誤差，模擬并量化評價指標與評價目標值ULUE間復雜的對應關系，通過不斷調(diào)整與修正，確定各指標權重的最合理值vi；最后，由各隱層將輸入指標、及權重信息傳遞到相應輸出層，通過如下公式：ULUE=∑ni=1vihIk（i）-biai得出較為精確的ULUE指數(shù)。其中，Ik、ai、bi分別表示算法訓練后的指標值、伸縮因子和平移因子。

3.2核密度估計

核密度估計（Kernel Density Estimation，KDE）是經(jīng)濟學中量化要素差異的成熟研究方法[25]

差異測度方法相比，核密度估計具有函數(shù)預設的客觀性和要素狀態(tài)捕捉的準確性等優(yōu)勢，而且可以很直觀地揭示出差異的演變趨勢，其基本原理可參照文獻[25-26]。本文主要借助Eviews8.0軟件，以長江中游城市群及各子城市群內(nèi)

部空間單元的ULUE測度值為基礎，選用適用性最強的Gauss核函數(shù)分別繪制出2003、2007、2011和2015年ULUE的核密度二維圖，通過考察曲線的位置、形狀及延展性等來考察ULUE區(qū)域差異的演進特征[26]（見表2）。

4結果與分析

4.1ULUE的基本格局

根據(jù)3.1節(jié)的計算原理，借助Matlab2015a得到

2003—2015年長江中游城市群38個城市的ULUE指數(shù)，并以城市群內(nèi)部各空間單元ULUE的平均值作為長江中游城市群及其各子城市群的ULUE指數(shù)（見表3）。

總體來看，長江中游城市群ULUE在考察期內(nèi)呈波動上升態(tài)勢，效率指數(shù)從2003年的0.561 4增加到2015年

的0.811 1，平均每年增長0.020 8。從各子城市群ULUE測度結果來看，四個子城市群的效率指數(shù)在研究期內(nèi)也都表現(xiàn)出不同幅度的增長趨勢，其中，江淮城市群的絕對增長量最大，由研究期初的0.292 7變化至期末的0.832 0，凈增長0.539 3，其次是環(huán)鄱陽湖城市群和環(huán)長株潭城市群，分別由0.614 6、0.536 8增加至0.848 2和0.737 5，分別凈增長0.233 6和0.200 7。而且從ULUE指數(shù)的年均增長率來看，由高到低依次為江淮城市群（9.10%）、環(huán)鄱陽湖城市群（2.72%）、環(huán)長株潭城市群（2.68%）和武漢城市群（0.26%）。同時，從表3可以清楚地看到，無論是長江中游城市群整體，還是其子城市群內(nèi)部，ULUE指數(shù)都表現(xiàn)出明顯的空間差異。2003年，武漢城市群的ULUE指數(shù)最高，其次是環(huán)鄱陽湖城市群和環(huán)長株潭城市群，江淮城市群的效率值最低，總體表現(xiàn)出“南高北低”的空間

格局；2015年，四個子城市群的效率值較為均衡，最高為環(huán)鄱陽湖城市群的0.848 2，最低為環(huán)長株潭城市群的0.737 5。

4.2ULUE空間差異的動態(tài)演進

4.2.1長江中游城市群整體層面

圖3揭示了長江中游城市群ULUE差異的整體演變

特征。①從位置來看，2003—2015年，密度曲線整體表現(xiàn)出右移趨勢，且平移距離先增大，后減小，反映長江中游城市群ULUE的逐步提升。左尾延長度在2003—2011年間逐年減小，2015年大幅度增加，說明考察期間ULUE的區(qū)域差距呈先增大后減小的趨勢，但曲線的向右拖尾現(xiàn)象并不顯著。②從峰度變化上，密度曲線出現(xiàn)了“寬峰——尖峰”的變化趨勢，峰頂以左面積逐年縮小，以右面積逐年擴大，表明長江中游城市群ULUE增長較快，ULUE低值區(qū)正逐步減少。③從形狀來看，長江中游城市群ULUE實現(xiàn)了單峰向雙峰的轉(zhuǎn)變，2015年密度曲線的雙峰特征顯著，意味著長江中游城市群ULUE存在兩極分化現(xiàn)象，絕對差異持續(xù)擴大。

4.2.2單個城市群層面

圖4揭示了各子城市群ULUE內(nèi)部差異的演變特征。①從位置上來看，武漢城市群和環(huán)鄱陽湖城市群ULUE的密度曲線的位移距離先增大后減小，環(huán)長株潭城市群ULUE密度曲線的位移逐漸減小，江淮城市群ULUE曲線始終處于持續(xù)右移階段，同時雙尾延長度均不斷減小，說明各子城市群ULUE均處于波動上升，但其變化趨勢存在差異。②從峰度上來看，武漢城市群和江淮城市群密度曲線的主峰峰值總體上升，表明城市間ULUE差距趨于發(fā)散，環(huán)長株潭城市群和環(huán)鄱陽湖城市群密度曲線峰值下降則代表其ULUE絕對差距的收斂。③從形狀來看，武漢城市群密度曲線呈現(xiàn)“雙峰——單峰——多峰”變化，單峰狀態(tài)極為陡峭，雙峰和多峰狀態(tài)相對平緩，表明其ULUE沿“兩極分化——無分化——多極分化”軌跡變化。環(huán)長

株潭城市群密度曲線呈現(xiàn)“寬峰——窄峰——寬峰”趨勢，說明其ULUE內(nèi)部的梯度差異趨于收斂。環(huán)鄱陽湖城市群呈現(xiàn)“單峰——多峰——單峰”變化，波峰高度逐年下降，表明其ULUE呈現(xiàn)“無極化——兩極分化——無極

化”特點，梯度差異趨于收斂。而江淮城市群密度曲線始

終表現(xiàn)出雙峰形態(tài)，ULUE兩極分化現(xiàn)象始終存在。

事實上，長江中游城市群及其各子城市群間ULUE的空間差異及所表現(xiàn)出的特征是區(qū)域自然、社會經(jīng)濟和管理政策等多種因素共同作用的結果。其中，自然因素是基礎，區(qū)域一體化進程中，區(qū)域自然資源稟賦和地理區(qū)位條件直接將影響城市土地供給和產(chǎn)業(yè)發(fā)展?jié)摿?。?jīng)濟發(fā)展水平是重要驅(qū)動，不同經(jīng)濟發(fā)展階段下，城市土地利用系統(tǒng)對區(qū)域經(jīng)濟系統(tǒng)的響應程度及作用路徑不同，對ULUE分布格局及動態(tài)演進趨勢的沖擊力度也不同。剛性的行政區(qū)劃是政策枷鎖，區(qū)域一體化合作協(xié)調(diào)機制的缺失限制了要素的統(tǒng)籌規(guī)劃和流動效率，加劇ULUE極化現(xiàn)象。

5結論與啟示

（1）區(qū)域一體化與ULUE變化之間存在彼此影響、相互促進的耦合關系，二者以要素一體化為紐帶統(tǒng)一于一個復雜的系統(tǒng)中?；谶@一理論架構，本文從規(guī)模效率、結構效率和集聚效率三個維度分別選取規(guī)模效應、乘數(shù)效應、產(chǎn)業(yè)合理化、產(chǎn)業(yè)高級化、人口集聚和產(chǎn)業(yè)集聚六個指標構建了區(qū)域一體化背景下ULUE測度體系，并將其應用在長江中游城市群的ULUE測度中。

（2）長江中游城市群及各子城市群的ULUE在考察期內(nèi)均處于波動上升，但其發(fā)展并不同步。而且從不同城市群ULUE的核密度曲線變化情況可以看出，長江中游城市群ULUE的區(qū)域差異整體呈“擴大—縮小—擴大”趨勢，武漢城市群ULUE演變沿“兩極分化—無分化—多極分化”

軌跡，環(huán)鄱陽湖城市群ULUE極化程度強弱交替，環(huán)長株潭城市群ULUE的梯度差異趨于收斂，江淮城市群ULUE始終存在兩極分化現(xiàn)象。為實現(xiàn)各城市群之間ULUE的協(xié)調(diào)發(fā)展并形成相互支撐，良性互動的開放格局，一方面，ULUE低階區(qū)要善于立足于本區(qū)域地理格局、經(jīng)濟發(fā)展水平及資源特點，采取針對性措施，通過提高規(guī)模效率、結構效率或集聚效率中的任一單項效率來帶動ULUE的整體提升；另一方面，長江中游城市群在積極構建區(qū)域共同體的同時，應重點優(yōu)化ULUE的空間聯(lián)動環(huán)境，暢通生產(chǎn)要素在各區(qū)域間的流動渠道，完善區(qū)域合作機制，發(fā)揮ULUE高階區(qū)對鄰近城市的輻射帶動作用，逐步弱化一體化進程中ULUE的地區(qū)差異。

（3）基于小波神經(jīng)網(wǎng)絡模型和核密度估計的分析結果，得出以下幾方面的啟示及后續(xù)研究方向：①小波神經(jīng)網(wǎng)絡模型的學習訓練能力較強，訓練結果與現(xiàn)實情況也較為吻合，具有一定的合理性和科學性，在ULUE相關主題的研究中具有較好的推廣價值，但本文所構建的指標體系均為易量化指標，對政府管控效率、政策落實程度等難以獲取或不可量化的指標并未涉及，這是后續(xù)研究區(qū)域一體化背景下ULUE評價體系的重點和難點。②核密度估計是研究ULUE區(qū)域差異動態(tài)演進過程的有效方法之一，不僅能夠保證函數(shù)設定的客觀性，而且揭示了相鄰年份間ULUE的緊密聯(lián)系。但本文研究缺乏與GIS空間分析、探索性空間分析等方法的深度結合，難以直觀刻畫ULUE空間演變，這也為該主題的深入研究指明了方向。③十九大報告中指出，要把以城市群為主體構建大中小城市和小城鎮(zhèn)協(xié)調(diào)發(fā)展的城鎮(zhèn)格局作為我國未來新型城鎮(zhèn)化的路徑與方向，在這一政策背景下，揭示區(qū)域一體化背景下ULUE空間差異的形成機理，探尋區(qū)域一體化進程中各城

市群間要素交流和轉(zhuǎn)換機制，創(chuàng)新區(qū)域一體化與ULUE的協(xié)調(diào)發(fā)展路徑等問題將會成為未來學術界關注的新焦點。

（編輯：王愛萍）

參考文獻（References）

[1]王玨，陳雯.全球化視角的區(qū)域主義與區(qū)域一體化理論闡釋[J].地理科學進展，2013，32（7）：1082-1091.[WANG Jue， CHEN Wen. Implication of regionalism and regional integration under the global shift[J]. Progress in geography， 2013， 32（7）：1082-1091.]

[2]安虎森，李瑞林.區(qū)域經(jīng)濟一體化效應和實現(xiàn)途徑[J].湖南社會科學，2007（5）：95-102.[AN Husen， LI Ruilin. Effect of regional economic integration and implementation approach[J]. Journal of Hunan social sciences， 2007 （5）： 95-102.]

[3]WU Y Z， ZHANG X L， SKITMORE M， et al. Industrial land price and its impact on urban growth： a Chinese case study[J]. Land use policy， 2014， 36： 199-209.

[4]閆衛(wèi)陽，王發(fā)曾，秦耀辰.城市空間相互作用理論模型的演進與機理[J].地理科學進展，2009，28（4）：511-518.[YAN Weiyang， WANG Fazeng， QIN Yaochen. Analysis of the principle and evolvement of the theoretic models of urban spatial interaction[J]. Progress in geography， 2009， 28（4）： 511-518.]

[5]WU C Y， WEI Y D， HUANG X J， et al. Economic transition， spatial development and urban land use efficiency in the Yangtze River Delta， China[J]. Habitat international， 2017， 63（5）：67-78.

[6]趙丹丹，胡業(yè)翠.土地集約利用與城市化相互作用的定量研究——以中國三大城市群為例[J].地理研究，2016，35（11）：2105-2115.[ZHAO Dandan， HU Yecui. Quantitative study of the interaction between intensive land use and urbanization in three urban agglomerations of China[J]. Geographical research， 2016， 35（11）： 2105-2115.]

[7]楊清可，段學軍，葉磊，等.基于SBMUndesirable模型的城市土地利用效率評價——以長三角地區(qū)16城市為例[J].資源科學，2014，36（4）：712-721.[YANG Qingke， DUAN Xuejun， YE Lei， et al. Efficiency evaluation of city land utilization in the Yangtze River Delta using a SBMUndesirable Model [J]. Resources science， 2014， 36（4）： 712-721.]

[8]楊海泉，胡毅，王秋香.2001—2012年中國三大城市群土地利用效率評價研究[J].地理科學，2015，35（9）：1095-1100.[YANG Haiquan， HU Yi， WANG Qiuxiang. Evaluation of land use efficiency in three major urban agglomerations of China in 2001-2012 [J]. Geography science， 2015， 35（9）： 1095-1100.]

[9]貝涵璐，吳次芳，馮科，等.土地經(jīng)濟密度的區(qū)域差異特征及動態(tài)演變格局——基于長江三角洲地區(qū)的實證分析[J].自然資源學報，2009，24（11）：1952-1962.[BEI Hanlu， WU Cifang， FENG Ke， et al. Regional disparity and dynamic evolution of land economic density：evidence from the Yangtze River Delta Area [J]. Journal of natural resources， 2009， 24（11）： 1952-1962.]

[10]趙亞莉，劉友兆.城市土地開發(fā)強度差異及影響因素研究——基于222個地級及以上城市面板數(shù)據(jù)[J].資源科學，2013，35（2）：380-387.[ZHAO Yali， LIU Youzhao. Difference and influencing factors of urban land development intensity across 222 cities in China [J]. Resources science， 2013， 35（2）： 380-387.]

[11]張雅杰， 金海. 長江中游地區(qū)城市建設用地利用效率及驅(qū)動機理研究[J]. 資源科學， 2015， 37（7）： 1384-1393. [ZHANG Yajie， JIN Hai. Research on efficiency of urban construction land and the drive mechanism in the MidYangtze River[J]. Resources science， 2015， 37（7）： 1384-1393.]

[12]郭施宏. 海西城市群城市土地利用結構與效率[J]. 經(jīng)濟地理， 2017， 37（1）： 170-175，180. [GUO Shihong. Urban land use structure and land use efficiency in Hercynian urban agglomeration[J]. Economic geography， 2017， 37（1）： 170-175，180.]

[13]宋成舜， 談兵， 韓冰華， 等. 基于變異系數(shù)TOPSIS法的土地利用效益測度研究——以武漢城市圈為例[J]. 水土保持研究， 2015， 22（1）： 286-291. [SONG Chengshun， TAN Bing， HAN Binghua， et al. Comprehensive evaluation of land use benefits based on the variance coefficient：TOPSIS Method in Wuhan metropolitan area[J]. Research of soil and water conservation， 2015， 22（1）： 286-291.]

[14]韓璐， 謝俊奇. 基于WNN模型的土地利用方式?jīng)Q策研究[J]. 自然資源學報， 2013， 28（8）： 1395-1403. [HAN Lu， XIE Junqi. A study on land utilization decision making based on WNN Model[J]. Journal of natural resources， 2013， 28（8）：1395-1403.]

[15]盧新海， 匡兵， 周敏. 城市建設用地利用效率的空間非均衡及影響因素[J]. 中國人口·資源與環(huán)境， 2016， 26（11）： 45-52.[LU Xinhai， KANG Bing， ZHOU Min. Spatial inequality and influencing factors of utilization efficiency of urban construction land[J]. China population， resources and environment， 2016， 26（11）： 45-52.]

[16]屈子力. 內(nèi)生交易費用與區(qū)域經(jīng)濟一體化[J]. 南開經(jīng)濟研究， 2003 （2）： 67-70. [QU Zili. The endogenous transaction cost of regional economic integration[J]. Nankai economic studies， 2003 （2）： 67-70.]

[17]魯品越. 馬克思宏觀流通理論：非均衡宏觀經(jīng)濟學——兼論生產(chǎn)過剩與投資擴張的兼論生產(chǎn)過剩與投資擴張的“乘數(shù)效應”[J]. 經(jīng)濟學家， 2015 （5）： 20-27. [LU Pinyue. The conversion of the driving forces of the development of the potentiality of Chinas economic growth against the changes in the structure of factor endowment at the new normal states：more discussions on production surplus and‘the multiplier effect of investment expansion[J]. Economist， 2015 （5）： 20-27.]

[18]張曉平， 劉衛(wèi)東. 全球化、跨國公司投資與地區(qū)發(fā)展關系研究進展[J]. 地理科學進展， 2003， 22（6）： 627-638. [ZHANG Xiaoping， LIU Weidong. Impacts of economic globalization on regional development： a preliminary review[J]. Progress in geography， 2003， 22（6）： 627-638.]

[19]TUMWEBAZE H K， IJJO A T. Regional economic integration and economic growth in the COMESA Region， 1980-2010[J]. African development review， 2015， 27（1）：67-77.

[20]孫大斌. 由產(chǎn)業(yè)發(fā)展趨勢探討我國區(qū)域經(jīng)濟一體化動力機制[J]. 國際經(jīng)貿(mào)探索， 2003， 19（6）： 71-74. [SUN Dabin. On countermeasures of the Chinese securities market against RMB appreciation[J]. International economics and trade research， 2003， 19（6）： 71-74.]

[21]張云飛. 城市群內(nèi)產(chǎn)業(yè)集聚與經(jīng)濟增長關系的實證研究——基于面板數(shù)據(jù)的分析[J]. 經(jīng)濟地理， 2014， 34（1）： 108-113. [ZHANG Yunfei. Empirical studies on the relationship between industrial agglomeration and economic growth within the urban agglomeration：based on panel data analysis[J]. Economic geography， 2014， 34（1）： 108-113.]

[22]干春暉， 鄭若谷， 余典范. 中國產(chǎn)業(yè)結構變遷對經(jīng)濟增長和波動的影響[J]. 經(jīng)濟研究， 2011 （5）： 4-16， 31.[GAN Chunhui， ZHENG Ruogu， YU Dianfan. An empirical study on the effects of industrial structure on economic growth and fluctuations in China[J]. Economic research journal， 2011 （5）： 4-16， 31.]

[23]許科研， 方一平. 近56年果洛州人口集中度變化及原因分析[J]. 世界科技研究與發(fā)展， 2009， 31（6）： 1159-1161.[XU Keyan， FANG Yiping. Population concentration change and its cause analysis in Guoluo State in recent 56 years[J]. World scitech R&D;， 2009， 31（6）： 1159-1161.]

[24]韓璐， 謝俊奇. 小波神經(jīng)網(wǎng)絡在土地利用效益分析中的應用——以蘭州市為例[J]. 資源科學， 2011， 33（1）： 153-157. [HAN Lu， XIE Junqi. Application of the wavelet neural network to land use efficiency analysis： a case study on Lanzhou City[J]. Resources science， 2011， 33 （1）： 153-157.]

[25]匡兵， 盧新海， 周敏. 中國城市土地經(jīng)濟密度的分布動態(tài)演進[J]. 中國土地科學， 2016， 30（10）： 47-54. [KUANG Bing， LU Xinhai， ZHOU Min. Dynamic evolution of urban land economic density distribution in China[J]. China land science， 2016， 30（10）： 47-54.]

[26]BURKHAUSER R V， ROVBA L. Income inequality in the 1990s： comparing the United States， Great Britain， and Germany[J]. The Japanese journal of social security policy， 2005， 4（1）： 1-16.