在全球化和数字化快速推进的新时代,城市群日益成为支配资源配置、产业分工及要素流动时空分异的核心力量[1],城镇体系空间结构及其扩张机理成为城镇化研究的新热点[2],如何重新诠释位序规模法则、引力模型、首位度、齐夫指数等传统理论及方法倍受关注[3, 4]。Jefferson M和Ziqf G K最早研究并发现了城镇体系空间结构遵循首位度和位序规模法则;Eaton和Eckstein[5]分别对法国和日本,Ioannides和Overman[6]对美国等研究发现:人口分异与经济增长关系是平行的,经济发展不存在对城镇人口规模的时空依赖性,验证了齐夫定律具有普遍意义;而Gonza´lez-Val的研究得出:西班牙和意大利的城市体系增长是有利于大城市的,而且在经济高速增长时期城镇结构分异不断扩大,而经济稳定或下行期则相反,证明城镇化具有显著的阶段性和地域性特征;Black和Henderson[7]、Davis[8]、Cubers[9]的研究也都支持了这一论证。
中国城镇体系研究主要借鉴国外范式并得出了相似的结论:中国人口、资源和要素不断向大城市规模集聚的趋势十分显著。如李佳洺等[10]研究了胡焕庸线两侧人口的空间分异与东、中、西城镇化发展格局;Ding和Li[11]研究得出,中国城市经济发展与城镇规模呈非线性关系,大城市呈正相关关系而小城镇是负相关关系;丁成日等[12]研究发现:中国城镇体系增长存在着有利于大城市的区域差别,发达省区趋于收敛而落后省区趋向发散;Krugmen和Fujita等用新经济地理学理论简述了推动人口和经济集聚的空间转移模式及其形成机理[13];Edwin Mills和Bruce Hamilton用外部经济学原理解释了城镇空间结构与区域经济在时空上集聚的动力机制[14];朱智文[15]认为空间集聚效应产生了空间集散运动,形成了城镇空间的有序分布和功能协同。更多学者关注城镇群空间结构及其溢出效益。如涂建军等[16]认为中国城镇群一体化网络不完善、缺少多中心互补,“胡焕庸线”两侧发展差距不断扩大;马双和曾刚[17]提出要避免本地化失衡导致过度城市化和全球化失序,关键在于提高空间联系质量和综合效益;晁静等[18]发现中国城镇群结构具有沿海、沿江和地方中心三个指向;安俞静等[19]认为经济实力、基础设施、行政效应等主导城市空间格局,而地域分异影响不大;樊杰[20]预测中国城镇群空间建构将进入差异缩小的高质量发展拐点等。
国内研究在数据分析、模型构建、网络分析等方面取得进展,关注中国特色城镇化面临的现实问题,聚焦城镇群时空分异及影响因子、空间格局及溢出效益、地域差异与持续发展等。大多依据城镇人口、城镇化率、GDP等单一要素,少有基于面板数据的多时空动态分析和多要素综合研究,边疆城镇体系结构及功能的综合研究相对薄弱。本项目基于综合城镇化视域构建真实的评价体系,从属性、要素及规模、结构统一的多时空维度,用集成的空间分析方法实证研究广西北部湾城镇群空间结构,以期为规避跟风式或攀比型城镇化带来的非均衡冲动,预防人口、资源、要素、市场等空间错配,提供科学依据。
2 研究区概况及研究方法 2.1 研究区概况广西北部湾城镇群包括南宁、北海、钦州、防城港、玉林、崇左等6个地级市,地处广西南部,紧邻港珠澳大湾区,毗邻东南亚,处于泛珠江三角经济圈、西南经济圈和东盟经济圈的结合部,是我国唯一与东盟既有海上通道、又陆地接壤的沿海沿边开放交汇区。核心城市南宁市是广西的政治、经济、文化中心,也是国际化综合交通枢纽和信息交流中心;依托防城港、钦州港和北海港三大港口,成为面向东盟的国际大通道、与一带一路有机衔接的重要门户,国际合作及地缘战略地位突出重要。截止2018年末,区域总面积73379 km2,常住人口2114.09万人,以占广西30.9%的土地面积承载了广西42.8%的人口;年末生产总值为9860.94亿元,占广西区的48.4%,进出口总额为3518.88亿元,占广西区的85.7%。
2.2 数据来源本研究所涉及的相关指标数据主要来源于历年《广西统计年鉴》、《中国城市统计年鉴》,部分数据来源于统计公报和历史新闻资料,个别数据因为县改区而进行了修正,极少数缺失数据基于相邻年份的数据,采用均值法、类比法等进行插值补齐;栅格、矢量、DEM等数据来自中科院资源环境科学数据中心(http://www.resdc.cn)、地理空间数据云(http://www.gscloud.cn)等数据库,基于ArcGIS进行空间分析。
2.3 指标体系构建根据新型城镇化内涵及广西北部湾城镇群发展特征,在借鉴已有成果的基础上[21],用功能单元及其结构协同概念界定城镇群空间结构[22],以区域发展和空间治理的主体——地级市为空间单元,保证空间分析的合理性和可比性,从人口、经济、社会、土地4个维度9类属性构建指标体系(表 1)。
人口分异是城镇化协同关系的重要表征[23],用城镇人口代表城镇规模,城区人口反映城镇化潜力,共同表征城镇群规模水平;经济发展是城镇化的实体功能,用GDP代表城镇经济实力,非农产业反映经济结构水平,进出口贸易总额反映产城一体化程度,共同表征城镇群结构层次;社会建设反映城镇分工与联系的紧密程度,用固定资产投资代表社会化程度,全社会消费品零售总额代表市场化进程,共同表征城镇群功能协同水平;土地是城镇化的空间区位和载体,用建成区面积代表空间功能,城区面积代表资源保障潜力,共同表征城镇群资源环境承载能力,各指标加权综合构成城镇群发展水平。
2.4 研究方法 2.4.1 城镇群发展水平(1)熵值法计算权重
用极值法消除各指标量纲及属性差异,再计算其占比得到标准化指标。
(1) |
式中,Zij为第i个城镇第j个指标Xij的无量纲值,Pij为其标准化值。
第i项指标的熵值:
0≤ei≤1,n为评价指标个数。
则第i项指标的信息熵为:gij=1-ei
(2) |
(2)城镇群发展水平
采用加权综合指标法计算城镇群及各维度发展水平,据此评价空间结构及其动态变化。第j个城镇t时间的城镇化发展水平为:
(3) |
作为地域功能单元,城镇群空间结构是各级各类属性功能相互作用的结果[24, 25],协同关系是评价空间结构特征的重要维度。因此,采用空间扩张指数来反映结构差异及变化规律,其中,用各维度城镇化水平占综合城镇化的比重表征贡献度以反映结构差异,用各维度城镇化增长幅度代表空间扩张强度,各维度占比代表集中度以表征结构分异,标准差反映空间分异水平,可定量识别城镇群空间结构时空分异特征及其变化趋势。
(4) |
式中,Cit为t时间i维度(i=1,2,3,4,分别表示人口、社会、经济、土地城镇化)城镇化Xit占综合城镇化水平的比重(贡献度);Ejt为t时段j城镇(j=1,2,3,4,5,6分别代表南宁、北海、防城港、钦州、玉林、崇左)的空间扩张强度,Fjt为t时间j城镇的空间集中度。
2.4.3 城镇群空间结构形态用反距离权重插值分析(IDW)得到空间任一点p的预值[26]:
(5) |
式中,P为待插值点p的取值,Zi为p点周围点的属性值,Wi为周围点对p点的权重值,i=1,2,3,…,n为点群样本数,其基本假设为被插值点P的值与邻近若干点的值相关,其相关性与距离成反比。经多次验证后,设置输出像元大小为500 m,搜索半径设置变量点数为12,最后通过掩膜提取得到估算对象的插值结果。
3 结果与分析 3.1 北部湾城镇群处于初级发展阶段 3.1.1 规模小、水平低2018年广西北部湾城镇群最大城市南宁市人口441.76万人,而最小城镇防城港市人口仅57.39万人,玉林、钦州市人口超过100万人,崇左、北海、防城港市人口小于100万,城镇人口规模结构以中小城镇为主,缺少500万人以上的特大城市;南宁市、北海市城镇化率超过60%,而其余城镇均小于45%,最低的崇左市城镇化率仅有16.48%,城镇化率远小于2019年60% 的全国平均值。城镇人口规模较小、水平较低,空间差异显著。
3.1.2 增长慢、差异大北部湾城镇群城镇人口由2008年的787.61万增长到2018年的851.71万人,累计增加64.1万人,增幅8.14%,其中南宁市增加了236.22%,玉林市、钦州市分别增加了6.46%、8.17%,而小城镇崇左、北海、防城港市人口分别减少了3.32%、77.52%、11.12%,核心城市南宁市人口增长迅猛,占城镇群总人口的比例由2008年的16.68% 上升到2018年的51.87%,大城市人口增长明显快于小城镇。
城镇化率由2008年的33.82% 提高到2018年的40.06%,累计提高近6.2个百分点。城镇化水平最高的南宁市、防城港市分别增长了20.62和19.16个百分点,玉林、钦州、崇左市分别仅增长了0.55、0.32、0.05个百分点,北海市降低了3.26个百分点,北部湾城镇群城镇化水平普遍较低、增长缓慢、差异不断扩大。
3.1.3 空间发展不均衡用公式(1)、(2)对一、二级指标进行标准化处理,然后用公式(3)计算近十年各维度、各地区城镇化发展水平,得到:
分析图 1(左)看出:人口、经济、社会、土地城镇化变化的拟合值R2分别为:0.96、0.68、0.97、0.98、0.70,线性拟合度较好;但回归系数非常小,最大的社会城镇化回归系数仅为0.0012,经济城镇化为0.0008,二者对城镇群空间结构的影响由23.31%提高到50.37%;而土地、人口城镇化增长斜率极小,对城镇群发展的影响趋于降低。
分析图 1(右)看出:南宁市增长速度明显快于其它城镇,近十年累计增长了134%,而最小的钦州市仅增长了37%,南宁市占城镇群规模的比重由34%上升到44%,对城镇群空间结构的影响不断增强。
总体上,广西北部湾城镇群时空发展不平衡,经济、社会城镇化明显高于人口、土地城镇化进程;城镇群空间差异不断扩大、空间结构趋向收敛,南宁市增长显著快于其它城镇,集聚程度趋于扩大。适度加快农村人口向城镇转移步伐,加大城镇土地供应水平或空间容量,是推进城镇群协同发展的有效途径。
3.2 城镇群空间结构分析 3.2.1 城镇化水平空间分异为精确识别北部湾城镇群空间分异格局,用公式(5)计算城镇化空间结构及其变化趋势得到。
分析图 2可以看出,2008年,广西城镇化指数最高的南宁市为6.11,而最低的北海市为1.41,二者相差4倍以上;2018年南宁市城镇化指数高达14.32,最低的北海市仅为2.84,相差5倍以上。表明:北部湾城镇群高值中心始终在省会南宁市,次高值中心在钦州市,其余城市低值连片,单中心空间结构显著而稳定;近十年广西城镇化水平普遍提高,南宁市的集聚规模强度不断增大,城市群空间差异不断扩大,省会南宁市的行政中心地位和北部湾地缘区位对城市群空间结构影响显著,广西作为“一带一路”建设的外向型通道作用渐显。
依据空间功能协同原理,用公式(4)度量各维度、各地区城镇化结构特征。
分析表 2可以看出,2008年各维度对城镇群空间结构的贡献度由大到小排序为:土地、人口、社会、经济,其中土地贡献度高达62.36%,其余指标贡献度小于14%,标准差排序与此相同,表明城镇用地与空间结构分异关系最密切,其分布差异也最大;经济发展对空间分异的作用最不显著,而其它要素的贡献小而均衡;各维度空间差异与贡献率成正比。
2018年各维度贡献度及标准差排序基本未变(表 2,括号内),只是土地城镇化对空间分异的贡献降低到42.24%,社会、经济贡献度分别上升到29.27%、20.43%,人口贡献度下降到8.08%,表明社会、经济城镇化对空间结构的影响显著上升,人口作用降低明显,城镇群发展由依赖人口、土地等要素投入转向社会、经济发展驱动,南宁市、玉林市表现更显著,各维度差异趋向扩大。
3.2.3 各地区城镇化空间分异分析表 2得出,2008年各地区对城镇化空间分异的贡献度由大到小排序为:南宁市、钦州市、崇左市、防城港市、玉林市、北海市,标准差排序与此相反,表明南宁对城镇群空间结构分异的贡献最大,其余中小城镇贡献小而均衡,各维度空间差异相对较大。
2018年各地区对城镇化空间分异的贡献率、标准差排序基本保持不变,只是南宁市的集中度由34.71% 提高为44.33%,标准差由21.37%降为13.79%,表明大城市对城镇群时空分异的作用增强,中小城镇则相反,各地区城镇化空间分异增大,但城市内部各维度分异趋向缩小。
3.3 城镇群空间结构动态变化 3.3.1 城镇化水平动态变化用公式(5)计算城镇化空间扩张强度及其变化趋势得到:
分析图 3可以看出,2008—2013年间北部湾城镇群空间扩张在南宁市形成高值中心,在钦州市形成低值中心,其它地区低值连片分布,省会南宁市的增长显著快于其它城镇。2013—2018年间仍然在南宁市形成高值中心,而在防城港市形成低值中心,其它城镇低值连片,表明:北部湾城镇群扩张中心始终在南宁市,南宁市与其它城镇、特别是与沿海港口城镇的空间扩张差距不断扩大,中心城市是城镇群结构变化的核心驱动。
分析表 3可以得出,近十年,社会、经济空间扩张集中度分别为51.84%、44.11%,而人口、土地城镇化仅为1.08%、2.96%,标准差与此同向。南宁市、崇左市空间扩张集中度分别为23.85%、23.00%,其标准差也大于其它城镇,其余城镇空间集中度相对较小,表明社会、经济城镇化空间扩张势头强劲,成为影响城镇群空间结构动态变化的主要动因;而人口、土地扩张明显滞后,要素投入增长乏力,对空间结构的作用减弱,城镇群空间结构分异趋于扩大,城镇内部各维度空间分异均趋于缩小,大城市结构变化显著快于小城镇,加大要素投入、提高城镇化水平是提高城镇群协同效益的有效途径。
进一步分析各要素扩张强度差异,可以精确识别空间结构类型。
分析表 4可以得出,城区人口X1在防城港形成高值中心,在崇左形成低值中心,而其它城镇差异不大;城镇人口X2在南宁市形成高值中心,周边小城镇低值连片相邻,呈现大城市人口集聚增长与小城镇持续收缩的空间分异格局,表明城镇群人口空间分异呈不断扩大之势,人口城镇化以就地转移为主,城镇间迁移不显著。
GDPX3和非农产值X4都在南宁市和北海市、钦州市形成高值中心,在东、西两侧的玉林市、崇左市形成低值中心,“一带一路”沿线中心城市和沿海港口城市经济空间扩张显著,产城融合和产业化与空间结构变化关系紧密,向周边逐次递减;进出口贸易X5在崇左市形成高值中心,其它城镇中低值连片,区内外交流与合作扩张对结构分异影响不显著。
固定资产投资X6在南宁市形成高值中心,在防城港市形成低值中心,内陆中高值连片与沿海低值连片分异显著,表明南宁始终是城镇群吸引区内外投资的中心场所,而沿海港口城镇并未成为投资兴业的热点区域;社会消费品零售总额X7在南宁形成高值中心,而在崇左、防城港、北海等沿海城镇形成低值中心,表明省会南宁市仍然是城镇群参与市场竞争的核心,沿海城镇的地缘优势尚未展现。
X8、X9都在南宁市形成高值中心,周边低值连片,表明大城市土地扩张显著快于中小城镇,城镇群用地规模结构差异不断扩大。F值(集中度)扩张强度在南宁市和崇左市形成高值中心,在玉林市形成低值中心,高、低值区连片分布,表明大城市和小城镇空间扩张显著。
近十年各要素空间扩张强度由大到小排序为:进出口贸易总额、固定资产投资、非农产值、GDP、消费品零售总额,其它要素扩张强度均很小。选择扩张强度在前二位且集中度接近50% 的要素表征空间扩张属性,并结合ArcGIS自然断点法进行分类识别,可将北部湾城镇群划分为两种类型的城镇:南宁市及北海、防城港、钦州、崇左等城镇,均属于外贸、投资扩张型城镇;玉林市属于投资、市场扩张型城镇,人口、土地、GDP等前置要素与城镇群空间结构关系不显著。
4 结论与讨论 4.1 结论基于综合城镇化评价体系及多要素时空分异视域,用地统计和空间分析集成研究方法,从四个维度、九重属性系统分析了广西北部湾城镇群空间结构及其时空演变规律,探索了北部湾城镇群空间发展地域规律。主要结论为:
首先,采用城镇人口、城镇化率等传统的单因素分析方法,研究得出北部湾城镇群处于初级发展的低级阶段,具有落后地区城镇群空间发展的一般性特征。
然后,从人口、经济、社会、空间四个维度系统评估了北部湾城镇群空间结构及其变化特征,得出:北部湾城镇群处于以土地城镇化为主体,社会、经济城镇化主导下的缓慢空间集聚发展阶段,城镇社会、经济空间扩张明显快于人口、土地扩张,城镇群空间扩张开始由静态的人口、土地等要素驱动转向动态的社会、经济等分工驱动。国家“一带一路”及大湾区建设加快了北部湾城镇群空间结构分异进程。
最后,从更显性的要素(功能)层次探测了城镇群空间结构演变趋势,发现:人口、土地等前置要素并未成为北部湾城镇群空间分异的核心驱动;大城市人口集聚增长,小城镇持续收缩,大城市土地扩张显著快于中小城镇,城镇群人口及土地结构空间差异不断扩大;经济非农化增长与空间结构变化关系密切,区内外合作与交流的影响也较明显;省会南宁市仍然是空间结构分异及变化的核心,沿海港口城镇化增势显著,城镇群空间结构的地缘功能开始显现,绝大部分属于外贸、投资扩张型城镇。
4.2 讨论在双循环驱动下重构边疆发展和安全格局的新时代,需要加快北部湾城镇群空间结构及功能转型升级,适度提高城镇人口及土地投入水平,不断提升城镇群工业化水平,着力扩大区内外交流合作层次,在加强南宁市集聚规模增长的同时,还要强化沿海港口城镇的地缘功能,加快融入“一带一路”和大湾区产业链、供应链体系,着力发展均衡协调的、地缘型、多元化城镇群。
[1] |
方创琳, 王振波, 马海涛. 中国城市群形成发育规律的理论认知与地理学贡献[J]. 地理学报, 2018, 73(4): 651-665. [Fang Chuanglin, Wang Zhengbo, Ma Haitao. Theoretical cognition and geographical contribution of the formation and development of urban agglomeration in China[J]. Acta Geographica Sinica, 2018, 73(4): 651-665.] |
[2] |
盛科荣, 杨雨, 孙威. 中国城市网络中心性的影响因素及形成机理——基于上市公司500强企业网络视角[J]. 地理科学进展, 2019, 38(2): 248-258. [Sheng Kerong, Yang Yu, Sun Wei. Determinants and mechanisms of degree centrality in the urban network in China: A study based on corporate networks of the largest 500 listed companies[J]. Progress in Geography, 2019, 38(2): 248-258.] |
[3] |
曹炳汝, 孙巧. 产业集聚与城镇空间格局的耦合关系及时空演化——以长三角区域为例[J]. 地理研究, 2019, 38(12): 3055-3070. [Cao Bingru, Sun Qiao. Research on the coupling relationship and spatial-temporal evolution between industrial agglomeration and urban spatial pattern: A case study of the Yangtze River Delta[J]. Geographical Research, 2019, 38(12): 3055-3070. DOI:10.11821/dlyj020180985] |
[4] |
韩瑞波, 曹沪华, 刘紫葳. 基于综合引力模型的中国城镇体系再探索[J]. 中国科学: 地球科学, 2018, 48(12): 1670-1684. [Han Ruibo, Cao Huhua, Liu Ziwei. Studying the urban hierarchical pattern and spatial structure of China using a synthesized gravity model[J]. Scientia Sinica(Terrae), 2018, 48(12): 1670-1684.] |
[5] |
Eaton J, Eckstein Z. Cities and growth: Theory and evidence from France and Japan[J]. Regional Science and Urban Economics, 1997, 27(4/5): 443-474. |
[6] |
Yannis M I, Henry G O. Zipf's law for cities: An empirical examination[J]. Regional Science and Urban Economics, 2003, 33(2): 127-137. DOI:10.1016/S0166-0462(02)00006-6 |
[7] |
Black D, Henderson V. A theory of urban growth[J]. Journal of Political Economy, 1999, 107(2): 252-284. DOI:10.1086/250060 |
[8] |
James C, Davis J, Vernon H. Evidence on the political economy of the urbanization process[J]. Journal of Urban Economics, 2003, 53(1): 98-125. DOI:10.1016/S0094-1190(02)00504-1 |
[9] |
Cumbers D. Sequential city growth: Empirical evidence[J]. Journal of Urban Economics, 2011, 69(2): 229-239. DOI:10.1016/j.jue.2010.10.002 |
[10] |
李佳洺, 陆大道, 徐成东, 等. 胡焕庸线两侧人口的空间分异性及其变化[J]. 地理学报, 2017, 72(1): 148-160. [Li Jiaming, Lu Dadao, Xu Chengdong, et al. Spatial heterogeneity and its changes of population on the two sides of Hu line[J]. Acta Geographica Sinica, 2017, 72(1): 148-160.] |
[11] |
Ding C, Li Z. City size and urban growth of chinese cities during the Era of transformation toward market economy[J]. Environment and Planning B: Urban Analytics and City Science, 2019, 46(1): 27-46. DOI:10.1177/2399808317696072 |
[12] |
丁成日, 张妍, 朱永明. 省级城市体系结构与经济发展[J]. 城市发展研究, 2020, 27(3): 24-35. [Ding Chengri, Zhang Yan, Zhu Yongming. Economic growth and development of city system of China's provinces[J]. Urban Development Studies, 2020, 27(3): 24-35.] |
[13] |
Fujita M, Krugmen P R, Venables A J. The Spatial Economy: Cities, Regions and International Trade[M]. Cambridge: MIT Press, 1999: 15-18.
|
[14] |
Mill E S, Hamilton B W. Urban Economics[M]. New York: Harper Collins College Publishers, 1994.
|
[15] |
朱智文. 基于产业集聚的城市化和城市化过程中的产业集聚[J]. 开发研究, 2006(6): 45-48. [Zhu Zhiwen. Urbanization based on industrial agglomeration and industrial agglomeration in the process of industrial agglomeration[J]. Research on Development, 2006(6): 45-48.] |
[16] |
涂建军, 罗运超, 张骞, 等. 改革开放40年来中国城市经济联系空间格局演化[J]. 经济地理, 2019, 39(3): 1-11. [Tu Jianjun, Luo Yunchao, Zhang Qian, et al. Evolution of spatial patterns of China's urban economic linkages during the 40 years of reform and opening[J]. Economic Geography, 2019, 39(3): 1-11.] |
[17] |
马双, 曾刚. 上海市创新集聚的空间结构、影响因素和溢出效应[J]. 城市发展研究, 2020, 27(1): 19-25. [Ma Shuang, Zeng Gang. Spatial structure, influencing factors and spillover factors and spillover effect of Shanghai innovation agglomeration[J]. Urban Development Studies, 2020, 27(1): 19-25.] |
[18] |
晁静, 赵新正, 李同昇, 等. 长江经济带三大城市群经济差异演变及影响因素——基于多源灯光数据的比较研究[J]. 经济地理, 2019, 39(5): 92-100. [Chao Jing, Zhao Xinzheng, Li Tongsheng, et al. The evolution and influencing factors of economic differences in the three urban agglomerations of the Yangtze River economic belt: A comparative study on multi-source lighting data[J]. Economic Geography, 2019, 39(5): 92-100.] |
[19] |
安俞静, 刘静玉, 乔墩墩. 中原城市群城市空间联系网络格局分析——基于综合交通信息流[J]. 地理科学, 2019, 39(12): 1929-1937. [An Yujing, Liu Jingyu, Qiao Dundun. Pattern analysis of urban spatial link network: Based on integrated traffic information flow in central plains urban[J]. Scientia Geographica Sinica, 2019, 39(12): 1929-1937.] |
[20] |
樊杰. 中国主体功能区划方案[J]. 地理学报, 2015, 70(2): 186-201. [Fan Jie. China main functional zoning programmer[J]. Acta Geographic Sinica, 2015, 70(2): 186-201.] |
[21] |
朱玲, 郭青海, 肖黎姗, 等. 福建省城镇体系空间结构特征及影响因素[J]. 地域研究与开发, 2019, 38(3): 42-47. [Zhu Ling, Guo Qinghai, Xiao Lishan, et al. Spatial structure characteristics of urban system and its influencing factors in Fujian province[J]. Areal Research and Development, 2019, 38(3): 42-47.] |
[22] |
吴冠秋, 党安荣, 田颖, 等. 基于时空大数据的粤港澳大湾区城镇群结构研究[J]. 遥感学报, 2021, 25(2): 665-676. [Wu Guanqiu, Dang Anrong, Tian Ying, et al. Study on the urban agglomerations structure of the Guangdong-HongKong-Macao greater bay area based on spatiotemporal big data[J]. National Remote Sensing Bulletin, 2021, 25(2): 665-676.] |
[23] |
顾朝林, 郭婧, 运迎霞, 等. 京津冀城镇空间布局研究[J]. 城市与区域规划研究, 2015, 7(1): 88-131. [Gu Chaolin, Guo Jing, Yun Yingxia, et al. Research on urban spatial layout in Beijing-Tianjin-Hebei Region[J]. Journal of Urban and Regional Planning, 2015, 7(1): 88-131.] |
[24] |
Haynes K E, Fotheringham A S. Gravity and Spatial Interaction Models[M]. Newbury Park: Sage Publications, 1984: 14-18.
|
[25] |
韩瑞波, 曹沪华, 刘紫葳. 基于综合引力模型的中国城镇体系再探索[J]. 中国科学: 地球科学, 2018, 48(12): 1670-1684. [Han Ruibo, Cao Huhua, Liu Ziwei. Studying the urban hierarchical pattern and spatial structure of China using a synthesized gravity model[J]. Scientia Sinica(Terrae), 2018, 48(12): 1670-1684.] |
[26] |
罗奎, 方创琳, 马海涛. 基于生产函数视角的城镇化动力机制研究[J]. 地理科学, 2017, 37(3): 394-399. [Luo Kui, Fang Chuanglin, Ma Haitao. Dynamic mechanism of urbanization based on production function[J]. Scientia Geographica Sinica, 2017, 37(3): 394-399.] |