产业空间分异

产业空间分异（精选九篇）

产业空间分异 篇1

近年来,我国能源环境压力不断增大,为了实现能耗少、排放低的可持续发展模式,社会各界开始重视发展低碳经济。我国“十三五”规划中明确提出要大力提高能源开发利用率,降低碳排放强度,主张生产生活方式绿色化。在经济发展的转型期,作为国家十大振兴规划产业之一的物流业,是我国目前能源消耗和碳排放的大户。根据国家统计局公布的分行业能源消费数据来看,2005~2014年物流业一次能源消耗量从17449.91万吨标准煤增长到31213.95万吨标准煤,平均增长79%,与同期物流业增加值年均增速基本持平。其中各类油品的消耗居各行业之首,全国90%以上的汽油和60%以上的柴油均被物流业所消耗[1]。高能源消耗必然带来更多高污染等温室气体的排放,我国碳排放量从2005年7258.98万吨增长到2014年的12739.69万吨,增长率高达76%。我国五大行业的碳强度都有不同程度的下降,而物流业却呈现出持续上升的趋势,该行业已经成为五大行业中唯一碳排放比例持续上升的部门[2]。

2015年《政府工作报告》及中央财经领导小组会议中多次强调提高全要素生产率是供给侧改革的核心,通过“增加研发投入,提高全要素生产率”。据此如何提高我国各行业全要素生产率,成为中外专家探讨的重要议题。而作为经济发展“加速器”的物流业,在“供给侧”改革的大潮中势必要积极进行产业升级,物流业要持续健康稳定发展,不能一再的走“高投入,高产出,高污染”的老套路,如何结合我国目前的国情在能源消耗与碳排放的约束下改善物流活动的技术效率、提高规模效率,提升我国整体物流活动的全要素生产率,推进“低碳物流”的快速发展就显得尤为重要。

关于物流效率的研究,国内近几年已有越来越多的学者开始意识到资源环境的约束性,何波(2012)[3]通过构建绿色物流网络测算环境质量与物流成本之间的效率边界。唐建荣等人(2013)[4]运用三阶段DEA模型在碳排放视角下对我国东部十省物流业技术效率进行测定。李进(2015)[5]提出通过可信性的低碳物流网络优化设计来控制碳排放。关于投入产出变量的选取,大多研究则主要侧重于物质资本存量、人力资本存量及产出值[6,7]。关于物流效率的研究主体,国内外研究主要立足于:物流企业效率(张毅等(2013)[8]、Min、Joo(2006)[9])、港口物流效率(李谭等(2012)[10])以及农产品物流效率(汪旭晖等(2015)[11])上。通过对现有研究成果梳理得出:(1)虽然已有不少学者将资源环境约束纳入物流产业发展影响因素考虑,但少有将其纳入物流全要素生产率分析框架进行核算,并且未将能源投入和碳排放因素计入其中,难以反映中国物流业真实的生产率现状。(2)在对物流产业效率展开研究过程中,只关注效率值,没有进一步对物流效率值的影响因素进行定量分析,更少有文献进行空间维度的分析,使研究价值受到极大制约。(3)对于实证角度的研究则主要集中于物流活动的各项职能,而物流业的“效益背反”现象需要我们把视角放在整个物流行业的角度才更有意义。关于物流效率的测定方式,当前最常用的是DEA数据包络分析法、SFA随机前沿生产函数法、超越对数法和柯布———道格拉斯生产函数等方法[12,13,14,15],而较少采用DEA-Malmquist指数方法,该方法优点是不需要对投入与产出变量、无效率项、行为目标进行设定,适用于多地区多时间的面板数据分析。

基于上述分析,本文在借鉴前人研究的基础上,针对现有文献的研究不足,尝试以2005~2014年全国30个省、市、自治区(不包括西藏、港澳台地区)为研究对象,将能源消耗作为投入变量,碳排放量作为非期望产出运用非参数DEA-Malmquist指数方法构建了在低碳约束下的省域物流产业全要素生产率(TFP)测算体系。随后通过探索性空间数据分析方法,分析省域物流业TFP在空间上的溢出效应,并对物流业TFP的空间演化过程进行全局和局部自相关分析。最后运用证实性空间数据分析(CSDA)方法建立空间计量模型对物流业TFP影响因素进行分析,期望获得更科学合理全面的结论,推动区域物流持续高效发展。

1 研究方法与数据来源

1.1 Malmquist生产率指数模型

为了避免强加的约束或者无端地选择两个技术中一个的需要,依照Fisher(1922)[16]和Caves(1982)[17]的思路Malmquist TFP指数被定义为两个指数的几何平均,具体形式如下:

式中,x和y分别表示投入和产出要素在t时期和t+1时期的变量,d0t和d0t+1分别表示以技术Tt和Tt+1为参照的t时期及t+1时期决策单元的距离函数。当M(xt+1,yt+1,xt,yt)>1时,说明相对于前一期来说后一期的全要素生产率是增长的,反之下降。

在此后的实证分析中普遍采用Fare等(1994)[18]构建的DEA-Malmquist指数分析方法,假设规模报酬不变,将全要素生产率变化(TFPCH)进一步分解为技术效率变动(EFFCH)和技术进步(TECH),其中技术效率变动指数(EFFCH)又可以表示为纯技术效率(PECH)和规模效率(SECH)的积,见下式:

其中,M(xt+1,yt+1,xt,yt)>1生产率水平有所提高,M(xt+1,yt+1,xt,yt)<1生产率水平下降,EFFCH>1表示DMU与生产前沿面的距离在t+1期比t期有所减小,距离目标值更为接近,效率逐步提升;TECH>1表示技术得到改进,TECH<1表示技术效率下降,PECH>1表示纯技术效率变化得到改善,管理行为优化从而效率提高,SECH>1表示随着时间的推移规模效率不断靠近最优。为了便于比较,规模报酬不变是目前各大行业TFP测度采用的主要研究方法,因此,这里采用规模报酬不变的投入导向型DEA-Malmquist指数分析方法。

1.2 探索性空间数据分析

1.2.1 全局空间自相关分析

本文引用Global Moran’s I指数,通过测度省域层面上的相似性或差异性来分析物流发展效率省域单元在空间上的分布规律和相互作用机制,其计算公式如下:

其中,

;Xi表示第i地区的观测值;珚X表示研究对象X的平均值;S2表示观测值的方差;n为地区总数;wij为空间权重矩阵,本文采用的是基于Queen邻近的空间权重矩阵,其形式如下:

其中n表示空间单元个数,当区域i与区域j相邻或有共同顶点时wij=1,否则wij=0,当i=j时,wij也为0。标准化后的Global Moran’s I统计量为:

其中,,I∈(-1,1),Z服从标准正态分布。在给定显著性程度时,当Moran’s I>0时,表示该地区总体相关性为正,相似属性在地区内呈现空间集聚态势,值越接近于1,总体空间异质性越小;当Moran’s I<0时,则表明该地区总体相关性为负,与其周边地区存在显著的差异,值越趋近负1,总体空间异质性越大。当且仅当Moran’s I接近期望值-1/(n-1)时,各观测值表现出相互独立,且服从空间随机分布,此时该区域的差异才能用传统方法度量。Global Moran’s I统计量只说明区域物流业效率水平在空间上的平均差异程度,不能反映区域物流效率水平的局部空间差异。

1.2.2 局部空间自相关分析

通过分析和测算空间自相关空间关联局域指标(Local Indicators of Spatial As-sociation,LI-SA)和显著性水平,采用Moran散点图、Local Moran’s I统计量来分析每个省份相对于周边地区的空间模式、差异化水平以及显著性,它是对Global Moran’s I统计量的分解。对第i个区域而言,其形式为:

式中,Xi、Xj为空间单元i、j上的观测值,n为空间单元的数量。

2 指标选取与数据来源

物流业是融合运输业、仓储业、邮政、货代业和信息业等复合型服务产业,作为近几年才取得蓬勃发展的新兴产业,目前在各国产业分类体系中都没有涉及。从国家发展和改革委公布统计数据来看,交通运输、仓储和邮政业增加值占物流业增加值的85%以上,基本能代表中国物流产业的情况,所以本文以此作为物流业的代替指标具有一定的可靠性,指标体系选取(见表1)。

2.1 产出指标

①经济产出:物流业增加值是衡量物流业发展水平的首要指标。本文选取交通运输、仓储和邮政3个行业的GDP增加值汇总作为经济产出指标。

②规模产出:本文借鉴马越越[22]计算方法,将货物和旅客周转量折算成“综合周转量”作为规模产出指标,计算方法见表2,此法已得到普遍的应用。

2.2 投入指标

①资本投入:目前国内大多学者采用永续盘存法进行测算,但该方法存在关键指标无统一定论且省域数据受限等缺点,测算结果难免产生较大偏误。本文借鉴刘秉镰(2006)[23]、邓学平(2008)[24]的方法,选取物流业固定资产投资作为资本投入量。

②劳动力投入:由于劳动收入很难准确反映劳动投入的变化,并且还缺乏相关的统计资料。鉴于此本文选用各省交通运输仓储和邮政业就业人员数作为人力资本投入指标。

③能源投入:选取交通运输、仓储和邮政业中消耗量比例最大的7项能源(煤炭、汽油、煤油、柴油、燃料油、液化石油气和天然气)的一次能源消费量统一折算成标准煤加总后作为能源投入。

2.3 非期望投入

物流业碳排放:采用物流产业运作过程中产生的碳排放作为投入指标,需要说明的是碳排放作为一种“坏”产出本该作为非期望产出指标的,但由于在数据包络分析中一般将“坏”产出作为投入指标处理,数值越小越好。所以此处将非期望产出碳排放作为一种负向的投入指标来分析。目前各行业碳排放量大多是通过估算得到的,根据IPCC提供的碳排放估算方法,采用下述公式计算碳排放量:

其中,ei表示第i种能源消费量,i=1,2,…,7代表煤炭、汽油、煤油、柴油、燃料油、天然气和电力,NCVi为各种能源的平均低位发热量,CEFi为碳排放系数,COFi是碳氧化因子(IPCC默认值为1),44和12为二氧化碳和碳的分子量。本文的数据主要来自2004~2015年《中国统计年鉴》、《中国能源统计年鉴》,上述变量凡是受到价格因素影响的指标,在后面做实证分析时都转化为以2005年不变价格折算后的数值进行统计和回归分析。

3 实证结果分析

3.1 低碳物流TFP评价分析

根据上述构建的物流全要素生产率效率评价指标体系,利用公式(1)采用我国30个省份2005~2014年物流活动的投入产出面板数据,运用Deap2.1测算我国各省物流活动效率在低碳约束下的变动情况(见表3)。

注:西藏、香港、澳门和台湾数据缺失。

从表3和图1可以看出2005~2014年,当考虑碳排放时我国省域物流业全要素生产率总体呈现波浪型摆动上升趋势,说明在低碳约束下,我国物流业TFP指数逐年提高。2008~2009年、2012~2013年出现了相对较大幅度的下降,其主要原因是同年技术效率和技术进步的下降,使得综合技术效率变化指数下降,原因可能是2008年爆发全球经济危机,整体经济出现下滑的趋势,物流产业作为各行业的桥梁,掌握进出口的关键环节,在经济危机中受到冲击而使生产率指数下降。2012~2013年同样是由于技术进步变化指数的下降导致整体TFP指数不理想,其原因是由于2012年物流业油品终端消费量增加使得碳排放量也随之增长,最终导致整体物流业TFP指数的下滑,可见碳排放对整体物流业有显著影响,其余年份TFP指数均呈上升趋势。

从平均全要素生产率增长情况来看,2005~2014年,平均增长了-0.15%,这主要是由于样本年内两次大幅度的技术进步增长率下滑所带来的影响。这一定程度上反映出目前我国各省市可能存在着物流业能源投入过多产出不理想的情况,各省区之间缺乏统一规划和统一协调,使得行业整体抵御外部因素干扰的能力较弱。具体分解来看样本年内,技术进步指数平均下降了0.575%,可见我国物流业技术进步增速缓慢,技术进步已经成为阻碍我国物流活动效率改进的主要绊脚石,是近年来我国物流业发展较快却大而不强的根源,说明现阶段我国物流发展的重心在于技术创新、优化外部运营环境、提高综合管理水平、充分发挥资源投入的效力。这与刘军等[25]学者的研究结论一致。样本年内,综合技术效率年均增长率为0.475%,但自2011年后不断下降,说明2011年后我国物流物资投入并没有得到充分有效的利用,存在资源配置效率的损失。但由于物流技术效率增长幅度不及技术进步的下降幅度,最终我国样本年内物流活动效率整体水平下降。

注:西藏、香港、澳门和台湾数据缺失。

当分地区具体分析时,我国30个省市2005~2014年低碳物流全要素生产率指数及其增长率如表4所示。总体上我国物流效率值提升的省份占全国40%,主要集中在我国东部和西部地区,东西部TFP指数平均增长率为0.064%、0.091%,主要是因为2005年以来物流业进入一个新的政策驱动周期,国务院相继印发了《关于物流业调整和振兴规划的通知》和《物流业发展中长期规划(2014~2020年)》,出台了《关于促进物流业健康发展政策措施的意见》,各省也结合可持续发展概况相继出台了本地区的物流发展规划纲要,相关政策引致一系列乘数效应,加之近年来我国电商的迅猛发展给物流业带来了新飞跃,促进物流业技术和效率的提高。全国及中部地区平均增长率呈下降趋势,其余各省所处效率区间相对稳定,增长率较平稳。可见我国大部分地区低碳约束下物流产业整体发展水平偏低,存在较大的效率提升空间。

3.2 空间自相关检验

3.2.1 全局空间自相关结果分析

本文利用Geoda 1.6.0和Arc Gis 10.0软件对数据进行分析,选择蒙塔卡罗999次模拟检验全局Moran’s I指数的显著性,表5列示了全局Moran指数计算结果。

从表5可以得出,样本年内我国省域物流业TFP的全局Moran’s I指数均是正数,且全部通过5%显著性检验,除了2008~2009年、2012~2013年、2013~2014年外其余年份Moran’s I均在0.2以上波动,显著偏离随机分布。这说明在样本年内我国物流业在低碳约束下全要素生产率呈现出显著的全局空间正相关,样本值趋于空间集聚。同时,根据时间序列变化可以看出,全局Moran’s I指数在样本年内,大致呈现螺旋上升的趋势,由2005年的0.1745增加至2014年的0.2123。这表明样本年内我国物流业全要素生产率整体上空间自相关性不断增强。

从空间分布上看,根据全局Moran’s I分布的各时间段特征,按照各省域TFP指数用自然间断点分级法(Jenks)进行分级,绘制2005~2006年和2013~2014年我国省区物流业的全要素生产率指数的空间分布图(图略)。中国省区物流业TFP指数空间差异明显,总体呈南高北底的特征:2005年上海、江苏、浙江、北京物流全要素生产率较高,主要分布在长三角、京津冀地区,华南、华中地区次之,西北地区最低。2014年除了原有效率值较高地区外,新增云南、广西、重庆、海南四省物流全要素生产效率值有所增长,西北地区效率值最低。

3.2.2 局部空间自相关结果分析

为了进一步揭示我国省域物流业全要素生产率的空间集聚状态及其空间分布高低水平,利用研究局域空间的相关性的局部Moran散点图(见图2)和时空跃迁测度法对该指标进行局部空间自相关分析。

通过对Moran散点图的观察,可以发现我国物流业全要素生产率集群被分成了4个相互关联的空间模式。大部分省份位于第一象限(HH)和第三象限(LL),说明大部分省份间存在正向的空间自相关性,即物流TFP值高的地区被其余高TFP值地区环绕,反之低低省域环绕。从2005~2014年Moran散点图的变化来看,Moran散点拟合直线的斜率在逐年增加,说明各省市之间的空间自相关性在随时间的变化逐渐增强。

为了进一步发现我国物流业全要素生产率的空间动态跃迁及时空演化过程,本文采用Rey[26]使用的时空跃迁测度法,将全国30个省份划分为4类,通过对各省市在不同时间对应类型所包含省市数量的变化来展现其在时空上的跃迁规律。其中Ⅰ型表示某一省区的相对位移的跃迁即自身效率值的变动,如HH→LH;Ⅱ型表示相关空间上相邻省域的跃迁即某一省份周边地区效率值发生变动,如LH→LL;Ⅲ型表示某一省区及其相邻省区同时发生跃迁即效率值同时发生变动,如HL→LH;Ⅳ型表示均保持稳定即效率值不变,如HH→HH。整个跃迁变动过程可用时空跃迁矩阵来表示(见表6)。

从表6可以看出,2005~2014年的3个时段里,最具代表性的跃迁类型是Ⅳ类型,该类型省市数量所占比重较大平均占比40%以上,这表明我国各省市物流业全要素生产率的分布具有较明显的空间锁定及路径依赖性。3个时段中跃迁至LL类型的省区数量不断增加,从10%增长到30%,说明在低碳约束下我国物流业全要素生产率偏低的省份有进一步聚集的趋势。相比之下,跃迁至HH类型的省市数量明显较多,比重分别达到47%、40%、57%,表明我国物流业全要素生产率高的省市集聚程度也较大。

4 影响因素分析

前述分析表明,我国物流业在低碳约束下的全要素生产率在空间上具有显著的的正向相关性,说明我国物流效率值在空间上并非是任意分布的,而是表现出明显的空间依赖性和溢出效应。因此结合物流业自身特性及我国物流业全要素生产率的空间分布情况,选取我国省域物流业低碳全要素生产率为被解释变量,运用证实性空间数据分析方法,对其进行影响因素分析。选取物流业人力资本存量、经济发展水平、能源结构、对外开放度、政府干预度作为影响物流业TFP的影响因素。具体指标选取如下:人力资本利用各省平均受教育年限衡量人力资本存量,计算过程如下:

平均受教育年限=(大专以上文化人数×16+高中文化人数×12+初中文化人数×9+小学文化人数×6+文盲人数×1)/6岁以上人口总数

采用实际人均GDP反映各地区经济运行水平与经济质量;选取物流产业主要能源消费总量与全社会客货运综合周转量的比值,即物流产业能源强度,来衡量物流业能源结构,由于理论上物流能源强度与物流效率成反比,因此计算时取倒数处理;对外开放水平对物流业的发展具有“双刃剑”作用,选取进出口总额与地区GDP的比值,来衡量各省市对外开放度。政府干预与物流资源的配置有密切的关系,采用财政支出占GDP比重作为政府干预度的代理指标。

4.1 模型建立与估计

本文将空间相关性对物流全要素生产率的影响纳入空间计量模型,采用低碳约束下的物流TFP作为表征物流业效率的被解释变量,并选取2014年数据分析以上各因素变量如何影响我国低碳物流效率及其空间布局。建立空间滞后模型:

式中,Y为低碳物流全要素生产率,W为空间权重矩阵,ρ为空间效应系数,β=(β1,…,βk)'为参数向量,ε是随机误差项。

空间误差模型的表达式为:

式中,λ为空间误差相关系数,反应了相邻省份针对被解释变量的误差冲击对本省观察值的影响程度,μ是正态分布的随机误差项,β反映自变量对因变量的影响水平。

4.2 实证结果分析

表7给出了OLS及空间计量模型的估计结果,分析发现空间误差模型的拟合优度为0.9861高于空间滞后模型拟合优度0.9842,对数似然值也大于SLM模型,且AIC和SC值都最小。根据空间依赖性检验结果显示,LMERR及R-LMERR检验显著,而LMLAG及R-LMLAG检验不显著,所以空间误差模型为最优模型。

注:***表示在1%水平上显著,**表示在5%水平上显著,*表示在10%水平上显著。

从表7可以看出:人力资本在空间滞后模型及空间误差模型中对我国物流业效率的正向影响较大,在SEM模型中的系数为0.2189,可见知识密集型产业发展的关键因素是人力资本。经济发展水平为地区物流业效率的提升提供资金基础,对应指标是人均实际GDP,回归系数为0.0511通过了1%的显著性检验,说明我国经济运行质量与低碳物流效率有直接相关关系,经济发展水平每提高1个百分点,低碳物流效率就提高0.0511个百分点。政府干预影响因素在空间计量模型下的系数没有通过显著性检验,表明目前政府干预对我国物流业效率的影响不大。能源结构和对外开放水平在SEM模型中的系数都较小,说明各地区的物流业能源消费结构对物流整体效率值的影响程度较弱。其中对外开放度因素的系数通过了1%的显著性水平,在空间误差模型和空间滞后模型中的回归系数为-0.0243、-0.0241,这与传统的观念相悖,原因可能是对外开放水平高的地区,吸引先进技术、资金的同时会使物流业规模扩大导致能源消耗的增加,进而增加了物流业的碳排放量,最终导致低碳约束下,地区物流业效率值下降;但也从另一方面表明对外开放进程的推进要合理有序的进行,不能盲目进行,否则会对当地物流业产生负向影响,不利于区域经济的发展。

5 结论与建议

我国物流产业在近几年发展中开始陆续受到低碳化瓶颈的遏制,能源环境压力不断增大,面对未来国民经济低碳化转型的需求,低碳物流必将成为大势所趋,如何提高物流业全要素生产率具有十分重要的研究意义。

本文首先利用DEA-Malmquist指数方法,对我国30个省、市、自治区低碳全要素生产率、技术效率及其分解进行横向纵向的测度及对比分析,研究表明在2005~2014年间,我国低碳物流全要素生产率东西部增长较快,中部地区陷入物流发展停滞期,全国整体水平偏低,地区间存在发展不平衡,物流效率存在非常大的进步空间。其次运用探索性空间数据分析(ESDA)方法,从空间维度对我国低碳物流效率的空间溢出效应(空间自相关性)进行测度分析,结果表明我国省域低碳物流全要素生产率整体表现出集聚特征,相邻省份之间呈正相关居多。第三,在考虑空间溢出效应的基础上,运用空间计量模型分析我国低碳物流产业全要素生产率的影响因素,结果表明受教育程度、区域经济、能源消费结构、政府干预度均都对低碳物流全要素生产率产生促进作用,其中受教育程度和地区经济发展有较强影响,能源消费结构和对外开放度影响较弱。

产业空间分异 篇2

研究了三江平原典型湿地在地形、水分等因素制约下的植物物种空间分异规律,包括垂直分异规律和水平分异规律.首先,按照地形和水分的分异组合特点,把湿地生境分为较干燥生境、季节积水生境和常年积水生境.然后,在各个生境内采用样方法和样线法调查植物物种.调查分为20世纪70年代、80年代和3个时期,范围包括三江平原的典型湿地植物群落.数据分析时采用了生境组合法.即把3个不同的生境组合成一个水分(或地形)梯度带,根据频度和多度指标筛选出主要物种,然后按照其空间位置,列出主要植物物种沿水分梯度带的分布序列.研究发现:三江平原湿地不同生境的植物物种组合和垂直分异差别明显.较干燥生境的植被类型以岛状林群落为代表,乔木、灌木和草本植物层次分明.季节性积水生境的`植被类型以小叶章群落为代表,是典型的湿草甸植物群落,垂直结构不明显.常年积水生境以毛果苔草群落为代表,植物群落层次也比较明显.植物物种水平分异规律,基本上可由植物物种空间分布序列图来代表.随着地势降低,水分增多,乔、灌植物,湿草甸植物,水生草本植物在特定的空间依次出现.

作 者：汲玉河 吕宪国 杨青 董厚德 JI Yuhe LU Xianguo YANG Qing DOND Houde 作者单位：汲玉河,JI Yuhe(辽宁大学生态环境研究所,辽宁,沈阳,110036;中国科学院东北地理与农业生态研究所,吉林,长春,130012)

吕宪国,杨青,LU Xianguo,YANG Qing(中国科学院东北地理与农业生态研究所,吉林,长春,130012)

董厚德,DOND Houde(辽宁大学生态环境研究所,辽宁,沈阳,110036)

甘肃省县域经济空间分异问题研究 篇3

关键词：甘肃省；县域经济；空间分异

一、县域经济差异的研究现状

区域经济差异是历来学者关注的重点，但是不同研究由于数据来源、研究方法和尺度的差异，对区域经济差异的测算结果也不尽相同。

从研究尺度上看，学者们从不同国家间经济差距、三大地带区域差异、省际差异到县域单位逐渐缩小。许召元，李善同[1]考察了2000年来我国对区域差距变动的趋势，发现2000年以来区域经济差异呈现条件收敛的趋势。杨开忠[2]对我国省区和三大地带区域的差异进行了研究，表明不同的区划体系区域经济差异有不同的变动趋势；胡鞍钢、魏星[3]以县级为单位研究了，发现从1993-2005年县际经济发展差距与省际经济差距并未出现趋同现象。

从研究方法上看，起初，对区域经济差异的分析前期主要是传统的数据统计模型进行分析，利用标准差和变异系数以及泰尔系数的计算对县域经济差异的分异度做一定量的计算。传统的数据统计模型分析了数值之间的相关性却忽视了区域发展的空间特性，因此以空间计量为代表的空间统计技术在对县域经济差异的研究中逐渐占据了主导。到目前为止，主要是综合了传统统计方法和空间计量方法对县域经济的分异进行研究。

甘肃省县域经济差异变动研究研究认为：至2006年甘肃省县域经济有拉大的趋势，经济发展水平在空间上聚集趋势，并呈现出“西高东低、北高南低”的哑铃形空间格局，认为河西地区是经济发达地区，陇东、陇中、陇南地区经济发展相对落后[4]。区域经济的差异是受多种因素综合影响的结果，分析县域经济分异的驱动机制，有助于形成“靶向”的区域政策，提升区域的核心竞争力。

二、甘肃省县域经济分异的驱动机制

（1）区位条件的差异是县域经济分异的内在动力

不同地区由于资源禀赋和经济区位的不同，其经济发展能力也呈现出很大的差异。兰州是西北重要的交通枢纽和工业城市，经济发展水平高，对诸如榆中县、红古区、皋兰区等周边等地具有明显的辐射带动作用。河西走廊资源充足、光热条件好，再加上地势平坦，因此该区域农业发达，其境内区域有“金张掖银武威”的美名；华亭、嘉峪关、金昌和玉门等地矿产资源和旅游资源丰富，当地的发展的对资源的依赖性强，经济增长总量大、速度快。而落后地区诸如甘南、临夏等地由于地处山区和高寒地区，主要以小农经济为主，经济发展滞后，市场化程度极低，经济发展处于一种不稳定的状态。由以上分析中可以看出，一个地区的发展对其资源禀赋具有很强的依赖性，县域经济的发展与资源要素、要素组合方式是紧密相关的，区位条件的差异构成了县域经济分异的内在动力。

（2）政策和投资倾斜是县域经济分异的外在动力

政策环境直接影响到一个区域發展某种行业的条件和约束，良好的政策环境有利于促进经济活动的发展，从而成为经济活动聚集的因素之一。首先，政府通过对特定地区的基础设施投入以及税收优惠、财政补贴等经济政策的实施，并采取率先投入、提高当地期待收入等手段，促进经济活动向政府鼓励的区域发展，引导经济活动的空间布局。其次，一个地区工业园区和产业园区的个数多寡、质量的高低也决定着区域的工业化程度，城镇化和工业化在交替演进的过程中，不断交互加强，逐渐形成空间网络化。1999年，西部大开发战略，在缩小东西部差距的同时，对投资的倾斜也增大了甘肃省内部不同区域间的发展差异。2013年，国家出台了政策将白银、玉门和红古区列为资源衰退型城市，并颁布一些列措施辅助其进行积极转型，这些优惠政策无疑成为区域发展的引导性因素，也是县域经济分异的外在动力。

（3）产业环境是影响区域发展的重要因素

产业集聚、基础设施、生产服务以及自然和人文环境对一个区域的影响是巨大的，以产业集聚为例，相关行业的经济活动是具有强外部经济效果，而这种外部经济效果的作用是具有地区限制的，往往只作用于相关行业的本地区，大量产业活动在一个区域互为相关、互为条件、相互聚集，有利于经济活动的兴起和发展。如河西地区，基础设施条件好，工业和第三产业比重大，市场化程度较高，经济结构趋于合理；而对于落后地区诸如陇南山区、陇东地区、高寒区而言，市场化程度低，主要是依靠自给自足的小农经济和“靠天吃饭”的自然经济，农业灌溉技术落后，抵抗风险的能力弱，因此经济发展长期处于不稳定的状态。长期以往，发达地区依靠市场机制和良好的产业环境越来越发达，而落后地区因为要素投入不足和风险不确定性而长期陷入贫穷，最后使得两级分化，形成县域经济高度分异的格局。

三、甘肃省提升县域竞争力的对策

针对甘肃省县域经济空间分异的现实，根据引起区域发展不平衡的原因，有针对性地提出了以下的对策建议。

（1）以市场为导向，大力发展有区域特色的高效农业和第三产业

根据比较优势理论，应该以市场利益为导向，发展符合市场供求的现代化产业。在河西地区等农业比较发达的地区，在夯实农业基础的条件下，发展旅游观光农业；在高寒地区、干旱区、半干旱区等相对落后的地区，自然条件相对恶劣，应该改善灌溉条件、推广农业技术，加强农业的基础地位，结合不同市县的具体条件，培育牛羊肉加工、皮毛加工等产业集团，大力发展有区域特色的高效农业和生态旅游业。

（2）对发展落后的地区给予政策上的倾斜和扶持

一些落后地区缺乏原始的要素积累，尤其是资本的积累。对这些发展起点低、速度慢的地区，应给予一定的政策优惠和适度的投资倾斜，辅助落后市县走上良性发展道路。具体而言，对于经济发展较为落后的甘南、临夏等地，政府应该鼓励积极发展藏医药、民族工艺品、手工制品等具有特色的产业。其次，在这类地区，培育具有投资少、风险低、见效快的轻工业和特色手工业都离不开政策的引导和扶持。

（3）培育新的增长极，建立中心城市，促进区域协调统筹发展

经济发达的地区经济结构层次高，市场化程度高，是一个区域的经济增长点，对周边地区具有明显的辐射带动作用。在原有城市增长点的基础上，要结合区域实情，依托特色产业建立中心城市、中心城镇和精品小城镇，不断培育新的经济增长点，形成经济增长极，扩大经济圈的网络，增强其区域辐射能力和带动能力。如平凉、天水、定西等地最为区域增长点，对周边地区的带动能力有限，要依托发展区域特色培育经济外向型的区域增长点。

（4）建立综合交通枢纽，为区域经济发展提供便捷的交通条件

经济发达的地区往往是有着极为便捷的交通条件，一些落后地区资源丰富，制约其发展的重要因素之一就是交通条件，如甘肃陇西和文县等地。交通越是便捷、与发达地区的距离越短，该区域的发展程度就越高，只有拥有了丰富的交通资源，才能切实地实现走出去和引进来，才有条件加大与其他区域信息、人才、技术和原材料等要素的共享，才能缩短经济发展的差距。（作者单位：兰州大学经济学院）

参考文献：

[1]许召元，李善同.近年来中国地区差距的变化趋势[J].经济研究，2006（07）.

[2]杨开忠.中国区域经济差异变动研究[J].经济研究，1994（12）.

[3]胡鞍钢，魏星.地区经济发展的局部不均衡剖解：1993～2005[J].改革，2008 （11 ）.

伊洛河流域植被覆盖空间分异研究 篇4

目前,国内外在利用遥感对植被生长状况进行监测方面已有大量的成果。研究者常基于植被覆盖度和NDVI的关系建立模型,即植被覆盖遥感监测经验模型法[5,6,7,8];以及利用光谱混合分析技术确定像元内植被的丰度,即将像元分解为各组分的组合,构建混合像元模型。经验模型在局部区域具有较高的精度,但不具有普遍意义;而混合像元模型具有一定的物理基础,且适合大区域运算,因此应用广泛,尤其是线性模型[9,10]。该文以伊洛河流域为例,基于像元二分模型,利用Landsat TM数据,对伊洛河流域进行了植被覆盖度提取,并对其空间分布进行分析。

1 研究区概况

伊洛河位于E109°45′～113°06′、N33°33′～35°05′，发源于陕西省洛南县,穿行在熊耳山的南北两麓,自西南向东北方向汇入黄河,是黄河中游小浪底水库以下最大的支流,主要由洛河和伊河组成,全长446.9 km,流域面积(18 881 km2,是一个典型的双子河。整个流域主体在河南省境内,涉及到陕西省的洛南县),包括卢氏、栾川、洛宁、嵩县、宜阳、宜川、渑池、义马市、新安、孟津、洛阳市区(含吉利区)、偃师市和巩义市[11](见图1)。

伊洛河流域处于大陆性季风气候区,多年平均降水量660 mm,其中汛期6～9月份降水量在410 mm左右,约占年降水量的60%。在区域分布上,上游降水充沛,下游降水相对较少[12]。伊洛河流域地貌上以山地丘陵为主,地势整体上西南高、东北低,山地、丘陵和平原分别占全流域面积的50.7%、39.9%和9.4%。土壤以褐土、棕壤、黄垆土为主。自然植物群落以华北区系的壳斗科、桦木科、杨柳科、胡桃科、槭树科等科的一些树种组成的暖温带落叶阔叶林为主,亚热带区系的植物成分如黄连木、黄栌、山胡椒、牛鼻栓、美丽胡枝子等也有分布[13]。伊洛河上游为土石山区,植被较好,下游地区为黄土覆盖,植被相对稀疏,水土流失较为严重[12]。

2 研究方法

2.1 数据

采用四景生长季的Landsat/TM影像,覆盖整个伊洛河流域。研究所用数据从USGS获取,已做过几何校正和辐射校正,消除或改正了几何误差和辐射误差所引起的影像畸变。伊洛河流域边界范围矢量图用于确定流域边界,以进行统计分析。

Landsat轨道为近极近环形太阳同步轨道,轨道高度705 km,倾角98.22°，运行周期98.9 min,扫描带宽度185 km,重复周期16 d。

2.2 植被覆盖信息提取

2.2.1 像元二分模型原理

假设一个像元的信息可以分为土壤与植被两部分。通过遥感传感器所观测到的信息(S),就可以表达为由绿色植被成分所贡献的信息(Sv)与由土壤成分所贡献的信息(Ss)这两部分组成[10,14]。将S线性分解为Ss与Sv两部分:

对于一个由土壤与植被两部分组成的混合像元,像元中有植被覆盖的面积比例即为该像元的植被覆盖度(fc),而土壤覆盖的面积比例为1—fc。设全由植被所覆盖的纯像元,所得的遥感信息为Sveg。混合像元的植被成分所贡献的信息Sv可以表示为Sveg与fc的乘积:

同理,设全由土壤所覆盖的纯像元,所得的遥感信息为Ssoil。混合像元的土壤成分所贡献的信息Ss可以表示为Ssoil与1—fc的乘积:

公式(4)可以理解为将S的线性分解为Sveg与Ssoil两部分,这两部分的权重分别为它们在像元中所占的面积比例,即fc与1—fc。对公式(4)进行变换,可得计算植被覆盖度的公式:

其中Ssoil与Sveg都是参数,因而可以根据公式(5)来利用遥感信息估算植被覆盖度。

将归一化植被指数作为反映像元信息的指标[15]带入公式(5)得:

由此导出植被覆盖度的计算公式:

fc=(NDVI—NDVIsoil)/(NDVIveg—NDVI-soil)(7)

其中,NDVIsoil为裸土或无植被覆盖区域的NDVI值,而NDVIveg则代表完全被植被所覆盖的像元的NDVI值。

2.2.2 空间分布分析

基于图像像元的属性值,将像元归并成有限几种类型或等级,可以更清楚地了解研究区的植被覆盖分布格局,因此将得到的植被覆盖图进行分类。以0%～20%、20%～40%、40%～60%、60%～80%、80%～100%的值域区间将植被覆盖度分为5类,从而对研究植被覆盖的空间分布进行分析。

3 研究结果

3.1 植被指数NDVI计算

利用四景遥感影像计算NDVI,而后对其进行裁剪、拼接,得到四景影像拼接后的NDVI图,再对拼接图像进行掩膜运算,最终得到伊洛河流域范围内的NDVI分布图(见图2)。

由图2可知,区域内NDVI分布很不平衡,呈现出明显的区域性。变化范围在一0.42～0.76,均值0.17,标准差0.34,流域整体的NDVI基本上为正值,有植被覆盖区相对较多。伊河和洛河中上游河段河流沿岸NDVI居中;上游流域边界(洛南县西北部和南部)、伊河与洛河之间(熊尔山与栾川县)区域呈现高值;下游直至与黄河交汇处,伊川、渑池和偃师围成三角形区域内呈现出低值。

3.2 植被覆盖度信息提取

按照前述像元二分模型,按照公式(7)计算得到流域的植被覆盖度空间分布(见图3)。

植被覆盖最小值出现洛南县北部和洛阳市附近;最大值在栾川县与熊尔山之间;均值0.63,表明整个流域的植被覆盖度较高。栾川县、熊耳山附近、洛南县南部区域植被覆盖度高;嵩县和洛宁县以下河段覆盖度低。

3.3 植被覆盖度空间分布

流域植被覆盖度的5级分类图见图4。

从植被覆盖度5级分类图可以得到一些统计特征值(见表1)。

由表1可知,随着植被覆盖度的提高,每一类别的面积是逐渐增加的,说明伊洛河流域大部分地区的植被生长状况还是很好的。覆盖度大于80%的区域大约占整个流域面积的将近60%,主要集中在陆浑水库至洛宁县一线上游的区域;而覆盖度在0～20%的区域只占不到5%,主要是上河流沿线、洛南县中上部和洛阳市所在区域;其它地区的覆盖度在20%～80%。

结合流域植被覆盖度分布图可以看出,植被覆盖度高值区域出现在在洛南县北部(华山南侧)和南部(秦岭北侧)、栾川县外围(伏牛山区)以及熊耳山附近。山区植被覆盖度较高,主要原因是山区受到人类干扰较小,大部分地区有植被覆盖且植被生长旺盛。植被覆盖度低值区域出现陆浑水库至洛宁县一线以东,这一地区城乡分布密集,人类活动频繁,居民区的大量分布自然会造成植被覆盖度偏低。再者植被覆盖度的最低值大致在洛阳市附近,也体现了人类活动对植被生长状况的影响。

4 结论

该研究利用像元二分模型提取了伊洛河流域的植被覆盖度。仅从四景遥感影像入手,借助ERDAS的图像处理功能便提取了整个流域的植被覆盖信息,取得了较好的结果。方法简单易行、可操作性强,能够方便快捷地获得研究结果。

该文获取了伊洛河流域各个地区的植被覆盖度并得到植被覆盖度的5级分类图,明确了流域植被覆盖状况及其分布格局,为流域生态环境质量评价、生态环境的开发与保护等后续研究奠定了基础。同时,如果对植被某一生长期内的数据进行研究,可以实现植被长势的实时监测。再者,对流域多年的遥感影像进行分析研究提取植被覆盖度,利用趋势面分析等方法可以判断流域植被覆盖情况的发展趋势,指导人类采取正确的手段进行干预。

产业空间分异 篇5

世界旅游组织预计, 到2020年, 中国将成为世界第一大旅游目的地国和第四大旅游输出国。可见, 我国旅游业的发展前景是非常广阔的。与此同时, 我国旅游业也将面对着日趋激烈地国际竞争。要想提高国际竞争力, 关键是人才的竞争, 人才的培养要依靠教育, 因此, 快速发展旅游教育势在必行。目前, 国内学者对于旅游教育方面的研究较多, 但主要集中在旅游教育存在问题、教学定位、教学模式、发展对策及今后发展趋势等。另外, 还有一些学者针对旅游教育与旅游业间的关联关系进行相关性研究。我国幅员辽阔, 各省区旅游教育水平不一, 因此在前人研究的基础上, 尝试从空间的角度对我国31个省区的旅游教育发展进行定量分析与评价, 并试图通过对比找出各地区之间旅游教育水平存在的差异和成因, 为今后旅游教育事业均衡、快速发展提供参考依据。

一、评价方法

设x1, x2, …, xm为描述旅游教育特征的m个指标, 则旅游教育综合效益函数为:

(1) 式中, f (x) 为旅游教育综合得分, aj为反映各省区旅游教育发展指标的待定权数, aj的确定方法为德尔菲法; (2) 式中, x'ij表示经标准化处理的指标值, xij表示第i个省区的第j项指标的观测值, 为各项指标观测值的平均值。

二、旅游教育发展的空间分异

(一) 指标选取与数据来源

衡量旅游教育发展的指标很多, 本文依据指标选取的真实性、可比性、可操作性和易获得性的原则, 主要选取了旅游院校总数 (包括高等旅游院校和中职旅游院校) 、旅游专业在校生总数、毕业生总数、教育支出、行业职工教育培训人数等5项指标。各项指标的原始数据来源于《中国统计年鉴2011》和《中国旅游年鉴2011》。

(二) 计算结果与分析

为了保证计算结果的科学性, 在统计旅游教育综合得分时, 采用加权求和的算法。同时利用德尔菲法, 得到旅游院校总数、旅游专业在校生总数、毕业生总数、教育支出、行业职工教育培训人数等5项指标所占的权重分别为0.3、0.2、0.2、0.2、0.1。将反映各省区旅游教育发展的各项指标数据代入公式 (1) 和 (2) , 经计算, 得到各省区旅游教育综合得分及排序情况 (见表) 。

根据各省区旅游教育综合得分, 大体划分为三种类型 (见图) 。第一种为旅游教育发达地区 (F≥0.27) :四川、广东、江苏、山东、浙江、湖南、安徽、辽宁、云南、河南、北京、重庆、广西、河北;第二种为旅游教育中等发达地区 (0.23≤F<0.27) :湖北、山西、上海、黑龙江;第三种为旅游教育欠发达地区 (0≤F<0.23) :江西、福建、陕西、贵州、甘肃、内蒙古、天津、海南、吉林、新疆、宁夏、青海、西藏。进一步分析发现, 其特征有。

注:用来加权求和的各项指标是经过标准化处理的。

1. 旅游教育事业蓬勃发展

虽然我国旅游教育发展较晚, 但发展速度快。为满足旅游业对专业型人才的需求, 各省区非常重视旅游教育, 积极推动旅游教育事业发展。

2. 旅游教育发展水平不均衡, 从东到西、自南向北呈现逐渐降低的趋势

东部地区经济基础好, 旅游业发展较快, 旅游教育平均得分为0.331, 表明旅游教育较发达;西部地区经济相对落后, 旅游业发展较慢, 旅游教育平均得分为0.197, 表明旅游教育欠发达。总体表现为东、西部地区旅游教育发展不均衡, 从东到西有逐渐降低的趋势。以秦岭-淮河为界, 南方地区经济较发达, 旅游资源丰富, 旅游业发展较快, 旅游教育平均得分为0.325, 表明旅游教育事业发达;北方地区旅游教育平均得分为0.204, 表明旅游教育欠发达。总体表现为南、北方地区旅游教育水平存在差距, 从南到北有逐渐降低的趋势。

3. 各大分区内部亦存在差异

对于华东地区来说, 江苏省旅游教育最发达, 教育得分为0.49, 福建省最落后, 教育得分为0.19;华南地区, 广东省旅游教育最发达, 教育得分为0.65, 海南省最落后, 教育得分为0.10;华中地区, 湖南省旅游教育最发达, 教育得分为0.41, 江西省最差, 教育得分为0.20;华北地区, 河北省旅游教育最发达, 教育得分为0.27, 而内蒙古最落后, 教育得分为0.11;西北地区, 陕西省旅游教育最发达, 教育得分为0.14, 青海省最落后, 教育得分为0.01;西南地区, 四川省旅游教育最发达, 教育得分为0.84, 西藏最差, 教育得分接近0;东北地区, 辽宁省旅游教育最发达, 教育得分为0.35, 吉林省最落后, 教育得分为0.09。上述分析表明, 各大分区内部也存在差异。

三、结语

本文利用定量分析方法, 探讨了我国旅游教育事业空间分布特征, 结果表明, 旅游教育事业空间分布不均衡, 尤其是中西部地区, 旅游教育水平欠发达。基于上述分析结果, 提出以下建议。

一是政府应重视当地旅游教育, 提供教育资金帮助, 来改善该地区的教学环境和教学设施, 从而加快当地旅游教育事业的发展。

二是政府应提供一些好的福利待遇来鼓励东部地区或南方地区的旅游专业人才向中西部输出, 以提高当地的师资力量, 从而加快旅游教育事业的发展, 最终实现各地区旅游教育均衡发展。

三是提倡校企合作, 实现双向发展。需要吸引外部资金, 引入先进旅游管理企业, 同时改善西北地区的交通路况, 加快当地旅游资源开发与保护, 从而推动当地旅游业地快速发展, 为地方旅游教育事业发展提供更多更好的实践平台。

四是应拓展当地公民的思想观念, 增强公民的旅游意识。因为只有让公民认识到旅游对人们生活的重要性, 人们才会积极主动地去学习旅游知识, 最终才能从根本上改变当地旅游教育欠发达的现状。

摘要：随着旅游业地快速发展, 为满足市场需求, 提高我国旅游教育发展水平已经备受人们的关注。因此, 从我国31个地区 (港、澳、台除外) 的空间范围出发, 运用加权求和的方法, 试着探讨我国旅游教育事业发展的现状及空间分异情况, 以期今后能更好、更快地发展我国旅游教育事业。研究发现:我国旅游教育发展整体水平不高, 且空间差异明显, 具体表现为各省区旅游教育水平从东到西、自南向北呈现逐渐降低的趋势;各大分区内部也存在差异。

关键词：旅游教育,空间分布,分异分析

参考文献

[1]保继刚, 朱峰.中国旅游本科教育萎缩的问题及出路—对旅游高等教育30年发展现状的思考[J].旅游学刊, 2008, 23 (5) :13-17.

[2]田里, 吕天云.比较视野中的旅游专业教育教学定位[J].旅游科学, 2008, 22 (3) :59-62.

[3]阎雪晶.PBL教学模式在高等旅游教育中的应用[J].北方经贸, 2013 (6) :149-150.

[4]钱永兰, 袁书琪.对当前我国旅游教育发展战略若干问题的思考[J].云南师范大学学报, 2001, 2 (5) :95-99.

[5]冯霞敏.江苏省五年制高职旅游教育发展前景分析[J].旅游教育管理, 2011:79-81.

[6]曾志兰.试论我国旅游教育发展的新趋势[J].教育评论, 2003 (6) :63-65.

[7]陆林, 刘莹莹.旅游教育与旅游业发展时空相关性分析[J].高等农业教育, 2009 (8) :17-21.

[8]赵亮, 李洪娜.旅游教育与旅游经济发展的关联度分析[J].辽宁科技大学学报, 2012, 35 (1) :53-56.

产业空间分异 篇6

关键词：SRTM,高程中误差,单位面积土地填挖方

数字高程模型 (DEM) 是进行地学研究的重要基础数据, 利用DEM 可获取我们需要的许多地形要素。但在实际的应用中, 缺少高质量的地形数据一直是地球环境系统研究的一个重要障碍。随着新型遥感技术的发展, 这种局面正在改变。美国“奋进号”航天飞机搭载干涉合成孔径雷达执行了地形测图任务, 在11d共234h的全球性作业中, 获得了地球纬度范围在60°N—56°S间, 覆盖陆地表面80%面积的三维雷达数据[1]。

SRTM是迄今为止现势性最好、分辨率最高, 具有统一坐标系的全球性数字地形数据[2]。目前能免费获取中国境内3弧秒 (约90m) 的SRTM数据, 它能为数字地形分析提供很好的数据支持。针对SRTM数据的精度[3,4,5,6,7,8]、地形表达能力[9]、SRTM数据处理与应用[10,11,12,13,14]等方面, 国内外学者做了相关的研究。其中, 有关SRTM精度的研究成果较丰富, 但部分研究成果存在差异[9]。因此, 有必要针对SRTM数据精度做进一步的研究。本文以我国标准化1∶5万DEM为基准数据, 以巢湖流域为研究区域, 利用高程中误差模型和单位面积土地填挖方量对SRTM、DEM进行了高程精度分析, 研究其高程误差的空间分异规律。

1 实验区概况与数据准备

巢湖位于安徽省中部, 属长江下游左岸水系, 流域总面积1.7万km2, 其中湖区面积800km2。研究区内平均海拔高度为88.4m, 最大高度为1532.5m, 最低高度-14m。流域涵盖合肥市区、肥西、肥东、舒城、巢湖市区、含山、和县、庐江、无为等县市, 是安徽省人口较密集的地区之一, 见图1 (封二) 。实验采用国家基础地理数据库1∶5万DEM数据和90mSRTM、DEM数据。前者采用1980国家大地坐标系, 高斯—克吕格投影 (Gauss-Kruger) , 栅格分辨率为25m;后者则采用WGS1984基准面。我们将两种数据转换为同一投影坐标系, 消除SRTM、DEM数据参考椭球体基准面不同带来的系统偏差。我国高程基准是1985国家高程基准, 而SRTM、DEM采用EGM96高程基准, 高程基准不同导致高程测量值会产生垂直偏差。郭海荣[15]等计算了我国1985国家高程基准与EGM96之间的系统差 (垂直偏差约35.7cm) , 且系统差自东向西增大。根据这一规律, 对SRTM、DEM数据进行垂直误差校正。完成投影转换、水平校正和垂直校正后, 在研究区内分别裁剪出山地、丘陵、平原共33个样区的1∶5万DEM和SRTM、DEM数据, 以供进一步研究。

2 SRTM与1∶5万DEM高程差分析

2.1 高程中误差

高程中误差模型是目前常用的DEM高程精度评价标准, 即通过DEM的高程值和高精度的参考值 (如己知的实测高程) 之间的统计比较得到。DEM中误差的计算方法是, 假设检验点的高程为RK (k=1, 2, 3, …, n) , 在建立的DEM上对应这些点的高程为Zk, 则DEM的中误差为:undefined。由于SRTM、DEM和1∶5万DEM数据的像元大小不一致, 为了使两者叠合进行中误差计算, 本研究先将SRTM、DEM数据转化成矢量点图层, 再将点数据转化为25m分辨率的grid数据, 然后根据高程中误差计算公式, 经过一系列的叠加计算和区域统计分析, 最终得出各样区的高程中误差值, 见表1。记录各样区的几何中心点坐标, 生成点图层, 并在点图层中添加高程中误差的字段, 通过符号化显示制作巢湖流域高程中误差空间分异图 (图2, 见封二) 。

由图2可见, 高程中误差值随着海拔的增高而增大, 且同一海拔高度上地形结构复杂的地区高程误差较大。一方面是由于SRTM、DEM 90m的分辨率无法细致地刻画地形起伏变化造成了误差值;另一方面, 由于雷达干涉测量本身的缺陷, 在山体背坡坡度较大时可能会产生雷达阴影从而造成数据缺失。根据我国现有的1∶5万DEM精度评价标准, 平原地区高程中误差一级为3m、二级4m、三级6m;丘陵地区高程中误差一级为5m、二级7m、三级10m;山地地区高程中误差一级为8m、二级11m、三级16m;高山地区高程中误差一级为14m、二级19m、三级28m。根据此标准, 我们可以看出在33块样区中大部分样区都符合精度评价标准, 而且绝大部分都是在二级标准之内, 只有在山地的个别区域超出精度评价标准。可见SRTM、DEM整体精度较高, 在较大尺度范围内可替代1∶5万DEM数据。

2.2 单位面积土地填挖方

单位面积土地填挖方是在本研究中首次提出评价DEM数据精度的一种方法, 它与高程中误差类似, 操作过程高程中误差相对简单。土地填挖方 (Cut/Fill) 作为ArcGIS中空间分析的一个重要工具, 可通过对两个DEM进行对比, 得出两个曲面间的体积差, 即填洼方量的大小, 从而进行进一步分析。

单位面积土地填挖方的计算是应用区域填洼方量的总值除以区域面积, 计算结果见表2。同样, 通过符号化显示制作巢湖流域高程中误差空间分异图 (图3, 见封二) 。将各样区的高程中误差和单位面积土地填挖方结果值进行对比, 见图4。通过对比可见, 应用单位面积土地填挖方方法得出的结果与高程中误差得出的结果非常相似, 由此可得出该方法在评价DEM精度方面可作为一项参考指标。

3 结语

产业空间分异 篇7

关键词：手机数据,隐私风险,空间分异

近年来, 随着位置定位技术的不断发展, 手机位置数据以其长期性采样、信息量丰富等优势逐渐被研究者所重视[1,2]。已有研究表明, 手机位置数据已在诸多方面有所应用和突破, 如运用手机数据挖掘城市居民职住地, 了解城市空间结构和人类活动规律等[3,4,5,6,7,8]。然而, 轨迹数据中丰富的空间位置信息可能使个体信息被重识别而导致其隐私泄露[9,10]。

已有研究指出, 利用手机位置数据, 辅助较少的外部信息, 可能会导致大量用户的身份暴露, 这是因个体活动均在一定空间范围内进行, 个体在空间移动的轨迹各不相同。城市空间结构是在经济社会发展到一定阶段形成的[11,12,13], 生活在城市的个体, 其活动轨迹也随着城市结构呈现不同的差异性特征。通过分析手机的位置轨迹数据, 将手机位置数据的隐私风险量化, 结合地理空间尺度, 验证手机位置数据的隐私风险在空间结构中是否存在显著差异。目前很少从空间区域和手机位置数据相结合的角度研究空间隐私风险的差异性, 因此本研究从空间区域角度入手, 通过量化不同粒度的空间风险, 验证手机位置数据体现的隐私在空间中确实存在特异性, 为隐私风险的保护提供依据。

1 研究区域与数据源

以深圳市为研究区域, 采用深圳市一家运营商提供的2011年的手机通话位置数据 (Call Detail Records, CDR) , 该数据是手机通信运营商为了盈利等目的保存下来的数据集, 它记录了手机用户在打/接电话或者发短信等事件触发下的位置和时间。有3 050个基站信息, 包含用户4.57万人 (约占深圳市人口的30%) , 时间跨度为34 d (包括25个工作日和9个周末) 。每条记录由6个字段组成, 包括用户标识 (匿名化处理) 、采样时间、通话时连接的基站位置 (由经纬度表示) 和标志位 (打/接电话) 。

2 隐私风险空间分异研究过程

研究表明手机通话位置数据的发布会导致个体位置隐私的泄露, 但是, 对于隐私风险的差异性特征目前还没有相关探讨。本研究对手机通话位置数据的个体进行归类识别, 根据个体活动的序列点, 判断个体的居住位置。通过k-匿名的方式, 对个体隐私进行度量, 然后根据区域空间的不同粒度, 对不同区域的个体分区统计分析, 并计算空间区域不同粒度隐私风险的平均值, 已验证和分析隐私风险在不同地理尺度是否存在不同和差异。

2.1 攻击假设

手机位置数据发布过程中, 个体对象重识别的概率 (即为重识别风险) 作为个体活动对象的重识别风险度量。在手机定位数据研究中, 发现人们的活动模型较为单一, 而且呈现一定的规律性。一般认为, 在大规模的数据记录中, 一个人的活动轨迹主要集中在家和工作地, 也有在第三方活动较为频繁的点, 因此, 只需要考虑个体活动较为频繁的点即可。在本研究中, 考虑个体的重要地点多为活动频繁点 (例如家和工作地) , 在基于这些点的基础上, 构建基于频繁活动点集的攻击模型[14,15], 即假定攻击者知道个体的前N个主要活动地点, 攻击者通过观察个体的频繁活动点了解其活动规律, 从而达到揭露个体身份的目的。

2.2 隐私风险度量方法

个体活动轨迹中的频繁活动点是攻击者主要关注的信息, 本文从个体活动的轨迹出发, 提取个体频繁活动点, 构建基于点集的隐私风险量化方法。k-匿名技术[16]是目前发布数据保护方法中使用较早也较为成熟的风险度量方式, 其核心思想是依据个体的标示划分集合, 一个集合里所有个体的准标识符都是相同的, 每个个体都无法与集合中其他k-1个个体区分开, 即这k个个体在整个集合中实现了匿名, 在没有其他辅助信息的帮助下, 集合中每个个体的身份重识别概率为1/k。这里的k表示匿名集合中个体的个数, 一般来说, k越大则个体的重识别概率越低, 隐私风险越低。首先, 根据个体通话位置点记录详单, 对个体U构建其频繁活动点集序列:Tu={x1-y1-top1, xi-yi-topi, …, xn-yn-topn}, 其中 (xi-yi-topi) 为个体活动轨迹中的第i个频繁点。

其次, 根据个体的频繁活动点集, 将点集个数与顺序一样的个体作为一个匿名集, 定义为Δk, 根据k-匿名的定义可以得到Δk越大, 个体被唯一识别的概率越低, 风险越小, 反之个体被唯一识别的风险就越大。因此可以用匿名集大小来衡量个体被重识别的风险, 则定义个体隐私风险为Risk, 有

上述定义可知, 个体最大隐私风险值为1, 即个体被完全识别。隐私风险的大小体现了个体被识别和暴露概率的高低, 能较为准确地反映个体的位置隐私安全状况。

3 实例分析

本文从深圳市行政区域 (10个) 、街道区域 (58个) 、交通小区 (TAZ, 491个) 和空间社区 (782个) 四个空间尺度进行分析。对457万手机通话位置数据进行预处理后, 对34 d的手机通话位置数据进行筛选, 过滤通话记录较少的个体用户 (通话记录较少, 难以真实判断个体对象的活动状况) , 得到满足条件的个体手机通话位置数据之后进行计算分析。

3.1 方法实现

1) 设定记录筛选阈值, 将个体记录平均通话次数少于1次/d的个体剔除, 得到2 365 844个有效用户记录。将每个个体对应的活动序列按白天和晚上的记录分别进行处理, 白天时间为早8:00到晚上6:00, 其余时间为晚上的时间, 然后选取晚上活动时间最长的点和白天活动最长的点, 晚上活动最为频繁的点即为个体的居住区域, 白天最为频繁的点即为该个体白天的敏感点。每个个体晚上的敏感区域 (即家的位置) 映射到研究区的空间尺度上即得到每个用户个体的空间位置。

2) 依据上述隐私风险度量模式, 按着个体活动位置中每个点对应的累计通话时长降序排列各位置点, 选取位置点对应累计时长大于0.33 (可变) 的作为个体的频繁活动位置点集, 其中0.33是根据居民活动常识进行界定 (这里认为居民活动分为工作、在家和其他三种活动, 每个活动所占总的活动时间为1/3) 。

3) 得到每个个体的隐私风险后, 按着不同空间区域的映射得到不同区域的人数, 然后求取不同空间尺度的平均隐私风险值, 得到不同区域隐私风险的分布情况, 并采用GIS手段对不同区域隐私风险进行可视化。

3.2 结果分析

通过计算, 运用GIS手段实现不同空间隐私变化情况 (见第48页图1) 。

第48页图1中不同空间尺度的重识别风险呈现明显的特征。首先从行政区域尺度看出, 整个深圳市的重识别风险空间分布呈现整体的集中分散趋势。隐私风险在四个空间区域尺度上的风险由南向北递减。隐私风险较高的区域主要分布在南山区、福田区和罗湖区。这些风险较高的区域全部为关内区域, 而关外区域的风险较低。随着空间粒度逐渐变细, 从街道区域 (58个) 和交通小区 (491个) 来看, 隐私风险的分布存在细微差别, 但整体趋势不变, 南部区域是人流活动较为密集的区域, 相应的隐私风险值也较高。从实际情况, 深圳市的主要就业和活动集中区集中在关内区域, 也是整个深圳市人口分布较多的区域。从街道的分布趋势来看, 在58个街道区域中, 关内区域的街道同样具有很高的风险值。其中大鹏新区是一个特殊的区域, 由于在该区域实际活动的人数本身也比较少, 人口空间分布也较少, 该区域的基站分布稀疏, 因此该区域个体较容易被识别, 相应隐私风险较高。从社区尺度的特点看, 具有工业性质 (例如工业区) 或者具有高度密集流动特点的区域 (例如机场) 隐私风险也具有很高的值。总体来讲, 隐私风险与城市的整体布局呈现相似的特性, 发达的关内区域和较为落后的关外区域呈现鲜明的对比, 具有两种不同的空间特质。

4 讨论与展望

阜新市经济转型期社会空间分异研究 篇8

关键词：社会空间,社会空间分异,影响因素,阜新

1 研究区概况

阜新市是国家首批资源枯竭型城市。随着城区煤炭资源日渐萎缩, 阜新市经济可持续发展面临严峻的考验。资源的衰竭导致大量人口下岗, 使得一部分经济效益逐年下滑的矿产单位不得不改制或宣告破产, 使得城市居民的生活空间随之变迁。阜新市的产业转型承担着国家经济组织架构与地方经济建设的双重压力, 最终在产业、人口、政策等多方面因素的影响下城市社会空间正发生着翻天覆地的变迁。

2 转型期阜新市社会经济分析

2.1 转型前阜新市的社会经济状况

2.1.1 就业压力大

多年以来, 城市居民就业问题始终是制约城市经济可持续发展的主要问题。截止到2001年末, 阜新市下岗职工和失业人口总数达到15.6万人, 其中45%是劳动技能单一、年龄偏大、缺乏自主择业观念的矿产单位下岗工人, 再就业难度大。

2.1.2 煤炭资源逐渐减少

阜新一直是以煤炭工业为主导产业。但是从上世纪八十年代开始, 阜新煤矿经过多年的开采煤炭资源逐渐枯竭, 而且矿井深度过大, 生产战线过长, 产业成本在逐渐增加, 致使多个矿井经济效益负增长。

2.1.3 城市生态环境破坏严重

在阜新市过去的经济组织架构中, 煤矿产业始终占据主导地位。城区的煤炭资源经过多年的开采正逐渐枯竭, 加之煤炭资源开发与利用缺少科学地前期规划, 人口、资源和城市环境之间未能形成统一、和谐的发展关系, 致使城市生态环境逐渐恶化。

2.2 阜新市经济转型的效果

2.2.1 经济效应

自2002年起阜新市开始全面推行经济转型政策至今, 阜新市经济组织建构逐渐完善, 经济增长速度逐年提升, 年平均增长率高达15.17%, 远高于同时期全国与辽宁省的GDP增长速度。

2.2.2 社会效应

随着产业结构调整的不断深入, 对劳动力的需求量越来越大, 城市人口失业率逐渐下降。与此同时, 地方政府更加注重保护生态环境, 通过颁布一系列政策重点强化工业“三废”的治理, 使得城区环境明显好转。

3 阜新市社会空间分异研究

3.1 影响阜新市社会空间分异的主要指标

近年来, 在城市人口分布、人口收入、受教育程度以及人口就业等诸多因素的影响下, 阜新市社会空间分异特征日渐显现, 城市原有“均衡化”的社会空间分布特征逐渐呈现“碎片化”衍变趋势。

3.2 各项指标的社会空间分异

3.2.1 人口收入的社会空间分异

(1) 人均月收入最高的地方位于城市中心地区———细河区和海州区, 人均月平均收入最低的地区位于矿区附近———太平区和新邱区。 (2) 在阜新市的主城区, 人口收入从市中心向外围递减。 (3) 在细河区和海州区, 人口平均收入相对较高, 在太平区和新邱区, 人口平均收入相对较低。

3.2.2 人口受教育程度的社会空间分异

(1) 在各区中初中升学率最低的在清河门区。 (2) 在各区高中升学率最低的是细河区和海州区, 最高的是太平区。 (3) 在阜新主城区受教育程度明显高于其他地方。

3.2.3 人口就业的社会空间分异

人口就业情况的社会空间分异有如下特征: (1) 失业率最高的在清河门区和太平区, 失业率最低的地方在新邱区和海州区。 (2) 从事矿业事业较高的地区是新邱区和太平区。 (3) 从事教育事业最多的地区是细河区和清河门区。

4 阜新市社会空间分异影响因素分析

4.1 历史机制

从1998年到2010年, 阜新市社会空间分异呈现明显的历史继承性。具体来讲, 1998年阜新市的社会空间具有明显的均质性特征。发展到2010年, 阜新市除了局部的社会空间仍留有一定的均质性特征以外, 其他城区空间分布均已呈现异质性的特征。这是历史传承的结果。当前所呈现的社会空间分异是经过多年的积累逐步发展而来的。现阶段, 阜新市城市格局依然以煤矿为主, 煤炭工业的发展状况对城市居民社会空间的分布影响较大。比如在建国初期, 工人村街道毗邻海州露天矿曾经是人口密集的大型街道, 是典型的矿工家属区。1998年, 工人村街道的人口逐渐呈现异质化特征, 但是发展到2010年, 这条街道因沉陷严重被列为重点棚户区改造区域, 当地居民搬迁殆尽。

4.2 政府政策

阜新市是全国第一个被确定为转型试点的资源型城市。2002年4月, 阜新市委九届三次全会提出了《关于加快阜新经济转型的决定》, 明确了阜新经济转型的总体目标、工作重点和主要措施。此后政府先后发布了多份政策性文件, 进一步明确转型政策的主要内容:软环境建设政策、扶持接续主导产业及其相关配套产业政策、就业政策、人才政策。

4.3 社会分化

一种是体制变化导致的产业职业分化, 新兴产业的崛起带动了城市的空间转移, 推动了社会空间的变化。另一种是多种经济形式并存以及体制改变导致的收入分化。在空间的选择上, 经济水平对居住空间的选择有着决定性作用。阜新市市区中心地段, 居住者多为有稳定收入的工薪阶层、经济收入较高的私营业主等相对高收入阶层, 而居住在城市外围地区的多为下岗失业人员、矿业工人等弱势群体, 与此相对应的城市社会空间也体现出了一定的极化现象。

5 结论与展望

本文在总结国内外社会空间研究的基础上, 通过对阜新市经济转型期社会空间结构及其影响因素进行简要分析, 主要结论如下: (1) 阜新市经济转型对城市社会空间结构的影响十分深刻, 其中矿产经济和矿业人口对于社会空间的建构起着不可磨灭的作用。 (2) 阜新市的社会空间有着明显的分异, 居民的收入和受教育水平从主城区到周边逐渐减少, 矿区分布是人口就业的一个导向因素。 (3) 影响阜新市社会空间分异的因素主要有历史、政策、单位制改革、社会和个人五方面。阜新市社会空间的分异是作为资源枯竭型城市经济转型的必然结果。

阜新市实现产业转型以来, 城市经济总量逐年攀升, 生态环境有所改善, 社会失业率得到有效控制。但服务业的发展与城市经济发展不匹配, 工业布局不合理, 循环经济发展缓慢, 经济总量与发达城市仍有一定距离。但是相信随着经济转型的持续深入, 社会空间还会继续发生着变化, 这些问题必定会随着时间的推移得到妥善的解决。

参考文献

[1]王晓磊.“社会空间”的概念界说与本质特征[J].理论与现代化, 2010, 1:49-55.

[2]顾朝林, 王法辉, 刘贵利.北京城市社会区分析[J].地理学报, 2003, 58 (6) :917-926.

[3]李志刚, 吴缚龙.转型期上海社会空间分异研究[J].地理学报, 2006, 61 (2) :199-211.

[4]徐哲.阜新市经济转型的路径及效果分析[M].吉林大学, 2011.

产业空间分异 篇9

改革开放30多年来,随着生活水平的不断提高,人们的自主择居能力逐渐加强,经济能力和社会阶层相似的人群聚居一隅,不同人群彼此分离,由此导致居住空间分异现象的发生。居住空间分异兼具有空间和社会的双重属性,空间属性表现在住宅类型、环境、配套设施等物质层面的差异;社会属性表现在占据不同居住空间资源内的社会群体在经济地位、教育程度、生活方式等社会层面的分化[1]。居住空间分异现象是城市空间发展的必然结果,是城市社会自由与市场活力的外在表现,有其存在的客观性,但若不加控制而任其发展,将进一步导致居住空间极化现象的发生,反映在不同社会群体之间处于一种隔离状态,进而使城市发展失衡,影响城市的可持续发展[2]。因此,居住空间分异研究受到地理学者的持续关注。

国外对居位空间分异的研究始于20世纪20年代,以人类生态学的三大经典地域结构模式为基础,目前研究广泛集中于居住空间分异的特征与机制[3,4]、居住空间分异的空间模式[5]、城市基础设施对住宅价格的影响[6,7]、城市住宅价格变化的动态模拟[8]等,GIS方法、空间自相关模型、多智能体建模等广泛应用于实际研究之中[9,10,11]。国内对居住空间分异的研究始于20 世纪80年代后期,目前主要集中于居住空间分异演变历程[12,13,14]、特征[15,16,17]、动因[18,19]、调控[20,21]等方面。 国内研究是在借鉴国外研究理论与方法的基础上进行的,研究程度有一定差距,同时对全国主要城市的全面系统研究尚显不足,主要集中于南京[1]、上海[22]、北京[23]等城市,缺少对东北地区典型城市的研究。

长春市作为东北老工业基地的重要区域中心性城市,其居住空间演变进程明显经历了老城区形成时期居住空间混居行为、满铁附属地时期居住空间分异现象初显、伪满时期居住空间“两极”分化、计划经济时期居住空间均质布局、并轨时期居住空间分异现象凸显、市场经济时期居住空间分异现象的形成时期,以其作为研究案例具有典型的代表意义。基于此,本文采用计量方法对1995—2013年阶段长春市居住空间分异现象进行了测度。在此基础上,综合研究了居住空间分异的动力机制,以期完善我国居住空间分异的研究,同时为其他城市提供参考和借鉴。

2 研究区、研究方法与数据来源

2.1 研究区域界定

本研究区域特指长春市中心城区,总体指主城(绕城高速以内规划建设用地)和兴隆山镇、富锋镇、净月街道等管辖地域,具体指长春市五个市辖区(即南关区、朝阳区、绿园区、二道区、宽城区)管辖的49个街道,以及城西镇四间村、西新镇前程村、东山村、东岗村、繁荣村、玉潭镇永新村、勤俭村、新立城镇五四村、齐家村等行政管辖地域,总面积为610km2,其中城市建设用地面积为445km2[16](图1)。

2.2 研究方法

缓冲区分析法:缓冲区分析法主要借助于ArcGIS软件以一点为中心点,以相等距离半径r可缓冲n个圈层的多元缓冲功能[24]。但在运用缓冲区分析法分析时,以等距离半径缓冲的圈层往往具有相对理想性,所以结合本研究案例,考虑到城市圈层发展特征,特以城市建设的环形道路为圈层分析长春市居住空间分异的情况(表1)。

隔离指数测度法:隔离指数常用来衡量某一类人口的群居性和城市人口的混居性状况。西方学者常用隔离指数衡量城市内部的种族隔离情况,其计算公式为[23]:

式中,Is表示隔离指数;分子Id表示相对于都市区不同阶层人群的相对分异指数,其中分母可视为一个权数,表示在总人口中扣除某种阶层人口所占分量之后,其余阶层人口所占比重,又可表示为:

式中,X和∑Xai表示都市区某种阶层人口的总量,Z和∑Xni表示都市区总人口。其中,针对某种阶层人口的隔离指数越大,则这类阶层人口的群居性就越强,与其他人口的混居性就越弱;反之亦然。

2.3 研究数据来源

本研究的原始数据主要来源于新浪乐居(http://cc.house.sina.com.cn/)、长春楼盘网(http://chang-chun.loupan.com/)、购房网—长春楼盘地图(http://www.ccgoufang.com/map/)等公布的房产信息,利用Google Earth获得各居住区样本点的经纬度坐标,通过ArcGIS软件的批量建坐标工具建立长春市1995—2013年各个居住区的空间数据库。通过进一步比对筛选,共搜集较为完整的居住区数目1529 个,包括别墅(52个)、普通商品住宅(1463个)、经济适用房(14个),同时借助Google Earth对影像图的识别,划出研究区域范围内的棚户区(34 个),将这四种居住类型导入ArcGIS中,通过对其矢量化研究居住空间的分异情况。

3 测度结果分析

根据缓冲区分析法测定不同类型居住区区位分布特征,根据隔离指数测度法测定不同类型阶层人口空间分异特征。

3.1 不同类型居住区的区位特征

别墅区:别墅区选址一般位于风景优美、土地富足的地域,或位于繁华的城市中心。目前长春市别墅区主要集中于四环以外(表2)。从空间分析可知,净月区和高新区是其主要分布区域,两者合占别墅区总数的73.22%。主要由于该区自然环境优越,有较为丰富、低廉和平整的土地资源,同时众多高校迁往该区,社会环境和文化环境优越,与市中心联系相对便利,一部分高收入人群选择居住在本区域。人民广场等城市核心区和南湖公园附近生态环境优越区也有少量别墅区分布(图2a)。

普通商品小区:普通商品住宅是构成城市经济性住宅体系的主体,是面向中等收入家庭或个人出售的住宅类型,建设目标是为一般居民提供价格合理、生态环境相对优良的居住空间。目前长春市普通商品小区主要集中于三环之内(占90.91%),郊区化发展现象不明显,反映了长春市主要就业中心、消费中心和休闲娱乐中心集中在城市中心区。一般中等收入家庭需在城市中心区居住,满足个人和家庭成员的需求,服务空间的单中心结构抑制了普通商品住宅的郊区化发展。从行政区划分析,普通商品小区主要集中在开发较早的五个建制区(合计占83.53%),与别墅区形成鲜明对比,反映目前长春市居住空间的分异特征(图2b)。

经济适用房小区:经济适用房是指具有社会保障性质的商品住宅,由城市政府组织房地产企业或集资建房单位建设,以微利向城市中低收入家庭出售,以保证低收入人群的基本居住标准。经济适用房建设一是要考虑地租机制效应,城市中心区获取的土地价格较高,所以在地租效应驱使下,区位选址一般远离城市中心区。但选择居住经济适用房的人群多为中低收入者,就业于城市中心区,因此经济适用房选址不能过于远离城市中心,而交通通达性优越、基础设施相对完善的城市边缘区是其选址的首选。现阶段,长春市经济适用房主要集中于二环与三环之间(约占43%),交通条件便利、与市区联系较好、土地资源相对富足、价格相对低廉的绿园区、南关区、二道区是经济适用房的集中分布区(图2c)。

棚户区:中国棚户区的形成主要基于两个原因:一是计划经济时期居住历史遗留。计划经济时期,单位大院的居住形式盛行。随着改革开放后经济快速发展,大型国有企业因为效益不佳,没有足够的资金对职工宿舍进行改造,久而久之,这些单位职工宿舍逐渐沦为城市棚户区。二是城市扩展与被动城市化的作用。郊区土地资源丰富、环境优美,是城市扩展的主要区域,同时也是高收入人群择居的场所,在经济效益驱使下,政府和房地产商往往将视角集中在城市边缘,忽视了对内城居住区的改造,导致内城居住区逐渐成为居住环境低劣的棚户区。同时,城市扩展导致被动城市化的失地农民的寻居行为,城市边缘区由于景观、文化和风俗习惯的相似性,所以易被失地农民接受,空间上在此集聚,形成棚户区。从圈层分析可知,目前长春市棚户区主要集中于一环与三环之间(占76.47%),三环以外棚户区仅占总数的15%(表2)。从空间分布分析可知,长春市老城区—宽城区是棚户区的主要集聚区。此外,长春市汽车产业开发区也分布有相当部分的棚户区,说明长春市棚户区的分布深受计划经济、城市扩展和被动城市化作用的影响,但现阶段前者作用效应较显著(图2d)。

从以上分析可见,长春市高档别墅区主要分布在生态环境优越、基础设施完善的城市开发区或城市公园周边;普通住宅区构成以中心城区的建成区范围为主体,并且绝大多数集中在城市中心区和西北区域,其他方位也广为分布;经济适用房多分布在工业集中区和中心城市边缘区;棚户区则分布在环境质量较差、基础设施落后的旧城区和城市边缘区,居住空间分异现象已形成。

3.2 不同阶层人口隔离程度

以别墅区代表高收入阶层,以普通商品住宅代表中等收入阶层,以经济适用房和棚户区代表低收入阶层,在进行隔离指数测算时,用各环内居住类型比重进行表述。依据隔离指数测度结果可知,高收入阶层与中等收入阶层的隔离指数为65.91%,高收入阶层与低收入阶层的隔离指数为60.42%,中等收入阶层与低收入阶层的隔离指数为21.77%。这种现象说明,高收入阶层与中低收入阶层处于高度隔离阶段,不同阶层占据界限明显不同的城市居住空间,城市社会阶层分化现象严重,阻碍了城市的良性发展;中等收入阶层与低收入阶层处于低度隔离阶段,各阶层在城市整体层面混合居住,居住空间在城市空间层面分布较均衡,这种隔离程度对城市的良性发展起到了积极的促进作用。以上反映了未来长春城市发展建设急需妥善处理别墅区与其他类型居住小区的空间混合分布,降低高收入阶层与其他阶层的隔离程度。

4 长春市居住空间分异动力机制

4.1 市场导向机制

市场导向机制主要包括成本利润、需求供给、地理环境等。从成本利润分析,改革开放以来,随着土地有偿使用制度的确立和住房商品化的发展,城市居住空间开始在以房地产开发商为主导力量的作用下重塑空间结构,房地产开发商以追逐利润为导向。由于城市中心区土地资源的稀缺性,城市中心区倾向于向高层发展,因此开始出现高楼林立的现象。在利润需求导向下,促使高额利润的高档商品住宅取代原有建筑,中高档居住区成为中心区居住类型的主要形式,满足了中高收入者的居住需求,因此在城区外围不同地段开始建设中低档居住区和高档别墅区。但与之形成鲜明对比的是,开发难度较大、利润较低的贫民居住区被遗忘,在成本利润的综合考量下,加重了长春市居住空间的分异现象。

从需求供给分析,自1998年我国停止福利性分房制度以来,经济收入水平成为居民居住空间选择力的重要手段。由于高档住房资源的稀缺性,在收入水平的约束下,富裕阶层获取高档住房机会远远高于中低阶层。高收入阶层对住房要求具有生态、文化倾向型特点,所以环境优美、文化氛围浓厚的居住区成为其重点选择的地域;普通工薪阶层对住房要求具有生活偏向型特点,所以房价较低、交通方便、满足日常生活需要的居住区成为其重点选择地域。由于收入水平的限制,构成了居住空间的分异。以1998—2013年人均GDP和建成区居住用地面积进行相关分析发现,两者相关系数高达0.975。其中,Sig.t<0.001,通过显著性检验,说明随着人们收入水平的提高,人们有更多的住房自主选择

权,而不同收入阶层选择权的不同势必加剧居住空间分异现象的发生。同时,由于分配体制改革,居民家庭收入开始出现差异,促使房地产必须面向不同使用者进行配置。正是由于住房市场化对居民需求的迎合,使住房供给多样化,造成城市居住空间分异现象的发生。

从地理环境分析,地理环境包括自然环境和公共设施环境等方面。从自然环境分析,伊通河、南湖、净月潭作为城市内部亲水空间,同时也是居住空间重点发展地区,由于拥有生态环境优越等特质的城市稀缺资源,吸引了大量高档居住区、别墅区建设,经济适用房和普通商品住宅则被排斥在外。从公共设施环境分析,由于多年来长春市城市发展的“单中心结构”特点,城市核心区是公共设施最为完善的地区,所以人民广场周围、红旗街、桂林路等城市CBD周围的住宅价格相对较高。

4.2 产业导向机制

产业导向机制主要是指在产业结构升级的驱动作用下引起的居住空间重组现象,主要体现在产业结构演进对城市用地结构的变化、产业结构更新对城市功能地域的调整等方面。改革开放以后,长春市产业结构进入调整期,突出表现在城市中心区的产业结构升级,使中心城区原有传统工业企业、旧居住区等逐渐被商业、服务业、高档住宅所取代,使城市用地结构发生改变,剥夺了低收入阶层迁居城市中心的机会。同时,由于城市边缘区丰富廉价的土地,促使土地开发商将开发重点转向城市边缘区。由于郊区的基础设施还不完善,不能吸引众多高收入阶层迁居于此,所以满足中低收入的居住形式成为开发商的重点开发类型,形成新的居住空间,由此加重了居住空间分异现象的形成与凸显。

相关研究表明[25],长春市商务服务主要集中于城市核心区,而工业郊区化优先于商务服务郊区化,由此导致新扩展的工业区和工业集中区缺少商务服务的支撑,势必带来长距离的就业、交通与服务问题,很难对中高收入阶层产生吸引,导致新迁入的均为低收入阶层,这必将加重居住空间分异现象。此外,在“退二进三”政策的指引下,城市核心区的工业用地和部分居住用地被商务服务用地置换,由此吸引了部分人群进入城市核心区居住与就业。但在居住用地不断外迁的背景和“退二进三”政策不断实施的情境下,势必会带来职住分离情况的产生与加重。对长春市内部功能空间进行分析可知,二道区、宽城区、绿园区、汽车产业开发区等区域居住用地密度明显大于商务服务用地的密度,居住用地与商务服务用地均出现了明显的分离现象,由此必将影响该地域居住功能的实现和城市功能的合理发挥。南部新城、高新技术产业开发区、净月高新技术产业开发区等区域居住用地与商务服务用地呈现空间发展粘合状态,加之风景秀美、自然本底优越,吸引了中高收入阶层在此工作与生活。

4.3 城市功能空间自组织效应机制

城市功能空间自组织效应是指在区域城市空间演化过程中,由于空间结构自身调节机制带来的一定程度的守恒与封闭性,迫使城市空间结构变化被局限于一定的边界之内,在城市空间结构受到外部力量的干预下导致调节机制失控,可能迫使原有城市功能空间内在转换,进而形成新的城市功能空间[26]。城市功能空间自组织效应机制是居住空间分异演进发展的内生动力。长春市工业空间演化扩展方向为西南方向,工业用地对房价具有一定的消减作用,所以沿西南方向扩展的居住用地普遍吸引的是中低收入阶层。高档居住空间扩展的方向主要是东南方向,依托于净月潭国家森林公园;保障性住房、廉租房沿环城路呈圈层状分布,选址较偏僻,距市中心尚有一定距离。支撑城市功能良性发挥的商务服务主要集中在城市核心区,但个别区域的商务服务仍呈据点分布,如桂林路、重庆路、红旗街等三大商圈,这些地域吸引了一部分中高收入阶层居住。此外,郊区化是城市功能空间自组织效应的重要体现,高档住宅普遍倾向于自然环境优美的地域。鉴于对高质量住宅和住宅环境的追求,一部分高收入阶层愿意并且能承担由地域差异带来的额外开支,倾向于选择人口密度低、污染少、景色优美的地区居住[27]。在城市功能空间自组织理论下,长春市南湖地区、净月潭地区凭借区域优越的自然本底条件、优越的区位条件成为中高档住宅的集中发展地。在城市功能空间自组织效应机制的作用下,导致长春市居住空间分异现象的发生。

4.4 政府支持与协调机制

居住空间分异现象的发生离不开政府支持与协调机制。计划经济时期的行政划拨和协议出让的无偿或低价获得城市土地使用权的方式,直接导致城市土地级差地租效应得不到实现,造成城市空间结构混乱。随着土地有偿使用制度的建立,城市土地开始走向商品化,地价因素开始作用于城市各种功能活动的配置,同时政府的作用也开始得到进一步发挥。城市中心由于土地的有限性和地价的高昂性,在城市中心区进行大面积居住空间活动的开发变得越来越不现实,同时因为产生的利润相对有限,所以在地价和政府的调节作用下,利润较高的高档居住小区和高层商住楼成为居住开发的首选。同时,由于郊区地理距离与主城区的临近性、交通条件的相对便利性和大片土地面积的可获得性,为了满足大众水平的需求,中等价格水平的居住区成为大规模居住开发建设的主体,同时在个别地段适当建设别墅区和低档居住区,居住空间分异现象初具雏形。

政府支持与协调机制也反映在城市规划作用上。其中,1951年《长春市初步城市轮廓规划》明确提出城市东部、北部和西南部工业区位置,基本奠定了长春市工业空间的整体格局;《长春市总体规划(2005—2020年)》、《长春市总体规划(2010—2020年)》明确提出,城市主要发展方向为西南、东北方向,同时西南、东北方向是工业空间主要发展的重点,导致城市西南、东北方向居住用地价格较低,多为中低档住宅。一般来说,周边环境对居住用地价格起到至关重要的作用,绿地或水体等开敞空间对居住用地价格的提升起到积极的促进作用,工业用地对居住用地的价格起到消极的抑制作用。长春市“十一五”规划纲要提出,城市东北—西南为主要工业发展翼,西北—东南为主要生态建设翼。因此,西北—东南方向实行保护与控制开发的原则,导致该方向住宅质量较高,价格也相对高于其他方向,居住空间分异现象凸显。

5 结论与启示

5.1 结论

首先,长春市高档别墅区主要分布在生态环境优越、基础设施完善的城市开发区或城市公园周边;普通住宅区构成中心城区建成区范围内居住区类型主体,并且绝大多数集中在城市中心区和西北区域,其他方位也广为分布;经济适用房多分布在工业集中区和中心城市边缘区;棚户区则分布在环境质量较差、基础设施落后的旧城区和城市边缘区,居住空间分异现象已形成。

其次,长春市高收入阶层与中低收入阶层处于高度隔离阶段,中等收入阶层与低收入阶层处于低度隔离阶段。未来长春城市发展建设急需妥善处理别墅区与其他类型居住小区的空间混合分布,降低高收入阶层与其他阶层的隔离程度。本文认为,市场导向机制、产业导向机制、城市功能空间自组织效应机制、政府支持与协调机制共同构成了长春市居住空间分异的总机制。

5.2 启示

居住空间分异现象直接导致了不同社会特征属性人群集聚一隅,从而形成不同社会空间的亚空间形式。由于不同属性人群获取资源能力各异,势必带来社会空间资源匹配不公平现象发生,即高收入阶层可直接享受良好资源,低收入人群只能被动接受劣质的资源,一定程度上会强化社会空间层面“马太效应”作用的发挥与增强,无法驱使资源配置达到帕累托最优状态。此外,受物化价值观的直接作用,不同区位、类型的居住区已成为不同阶层、地位和身份人群的直接象征,空间标签化的形成和固化势必造成社会交往空间隔离和群体“内卷化”现象,导致不同阶层人群矛盾冲突更显现与不可调和,爆发一系列社会问题,如贫困现象激增、犯罪率居高不下、失业问题和福利政策失灵等,严重影响了社会的和谐稳定。基于此,对居住空间分异现象的调控研究有着迫切的现实诉求。

首先,积极发挥政府在资源配置中决定性作用,针对不同阶层人群制定行之有效的住房供应制度。鼓励中高收入阶层群体自主购房;通过政府出资建设经济适用房、公租房和廉租房,借助于政府行政干预与调控手段,保障中低收入人群和最低收入者的住房需求,不仅做到“居者有其屋”,还要形成具有一定合理性分异尺度的居住空间。提高管理部门的积极性,将保障性住房的管理与其政绩考核挂钩,以此激励机关单位工作人员积极投身到保障性住房的建设管理中去。

其次,完善对保障性住房准入与退出制度的管理和监督机制。在分配过程中,政府应采取公平、公开、公正的分配方式,通过制定详细、多个等级的低收入标准,并公示所有符合保障性住房申请标准的家庭,然后采取公开摇号的方式进行保障性住房的随机分配,保证保障性住房分配的公正性。此外,要完善保障性住房的退出机制,对那些已不符合享有保障性住房的家庭,应取消其继续享有保障性住房的权力,并重新分配给其他需要的家庭,以保证这一稀缺资源的流动性和资源配置的效用最大化。