叶明等
城市存在于客观的地理空间中，城市对生产要素与资源的集聚与扩散能力是一种空间作用，既有“区”（区位、场区），又有“位”（位置、位势），“区、位”两位一体不可分割，其实质是空间与作用力的两位一体不可分割。作为每一个城市单体相互之间整体同构与功能耦合所形成的系统而形成城市群，现代城市群发展及其区位研究所面临的问题越来越繁杂无绪。GIS技术的发展，使得对地球表层基于空间位置的城市地域系统所产生的多目标、多层次、多方位问题解决成为可能。
21世纪我国经济发展已进入工业化中后期阶段。沿海发达地区基本形成了以香港一广州为中心的珠江三角洲城市群、以上海为中心的长江三角洲城市群、以北京一天津为中心的环渤海城市群的格局。各城市群都尽可能地进行区域内部整合，增强区域竞争力。位于长江三角洲城市群东南翼的宁波、绍兴、舟山、台州4个城市，空间上相互毗邻，自然环境、经济条件相似，人文渊薮类同，城市功能互补性强，相互联系较为密切，在经历了近二十多年的高速经济增长后，未来期间，如何充分发掘和利用已有的资源、机遇、文化底蕴等方面的存量优势，参与不同空间尺度下的以城市“增长极核”为主体的区域经济空间竞争，运用“经济之手”和“政府之手”将区域优势条件转换为区域经济要索（或将区外要素吸引聚集为区内要索），这是有着一定理论意义和实践价值的课题。本文借助地理信息系统（GIS）和遥感（RS）技术，通过基于地理位置“区位”的空间模型的定性一定量分析，对宁波周边城市群形成及其空间竞争的区域创新机制进行实证性探讨。
城市群研究由于受到地域分布连续性的影响而在空间上具有自相关特征，包括空间相互作用及空间扩散等。为了研究上的便利，一般将城市（镇）实体地域看作一定空间尺度下人类非农性社会经济活动在二维平面上的投影点而考察其空间分布。城市（镇）实体地域“点”的位置表征相应城市的位置，它作为空间变量，在与其他城市“点”，或是关联于城市的其他地理实体（如交通干道“线网”、城市周围区域“面”）进行空间作用时，影响着城市内在属性及总量结构城市“点”值的变化。各“点”值的不同权重又影响着人口、产值等要素未来动态变化，以及这些要素在不同城市“点”中的分布。在GIS中针对采样点集合进行以上的空间分析，采用类似专题制图中“点值法”的思路建立用于处理点分布数据的GIS模块，包括根据采样点计算面域中心或重心位置、相对于“中心”或“重心”分析点分布聚集程度、分析点分布形式、对面域形状进行测度、分析二维面域上的点分布形式等等。其地理过程的空间分布特征在GIS中往往由矢量数据形式的描述区域性的“图层”记载。这些“图层”中的点、线、面等不仅是单纯作为底图显示的图形要索，同样也是影响其地理实体本身属性变化的空间变量即地理实体自身关联于其他地理实体而表征诸如“中心”、“边界”、“区域”等区位意义的位置要素。
以往的传统研究中所采取的脱离空间分析的一般数理统计的方法，在设计指标和定量化模型时，大多选自按行政地域单元统计的数据项计算而得，测度指标汇总以后简单地“归纳”到行政地域单元上，仅仅体现行政意义上的空间性，而与实际的城市单体空间分布存在一定的相互背离，这种非空间化的单纯的统计描述，只能得出关于城市（行政意义而非空间意义的城市）在数量结构方面的成因一机制的解释，与城市群实体的客观空间分布不符合，从而导致分析的一定程度的偏颇。针对上述问题，本文运用GIS和空间统计分析等理论，借助基于指标空间统计特征的空间量化方法以及GIS空间一属性模型，选择划分有关指标、数据并对之进行空间量化。
首先，适合宁波周边城市群的区域特点选取建立指标体系。假设影响区域可持续发展的因子有n个，构成集合N。在选取参评因子时考虑以下原则：（1）可操作性原则。所选取的指标必须能够量化，对不能量化的指标用相似的指标取代；（2）科学性和完备性。参评因子全集N中的指标本身相互间具有相关性，所以选择出m个因子构成指标体系：S=（xl,x2,…，xm）。这m个因子构成具有典型性与代表性的特征向量，考虑到区域尺度的大小和区域的具体特点，S的构成可以存在不同的复杂度。
然后，进行指标、数据的空间量化。在所选定的指标体系S中，有的指标是具有地理位置和分布的空间数据，有的指标则是以行政单元的统计数据进行空间量化，则必须同化不同数据源的数据，以便建立GIS空间一属性模型并进行进一步的空间分析。根据指标的数据源类型，主要有空间数据和GIS统计型数据。空间数据中又有基于地图的矢量数据和基于遥感的栅格数据。如行政区境界等是矢量数据，而人口、产值、财政收入等则是基于行政单元的GIS统计型数据；城市实体地域及土地利用现状等却是在各种地图基础上由遥感数据更新而得。为了揭示城市群的地域分异特征，对来自不同数据源的数据进行同化，统一到相同的空间坐标参照中，使之具有相同的样本空间。在GIS统计数据的空间强化中，对于具有空间连续分布特性的变量（如人口密度等），可以通过空间插值（主要有Kriging、TIN样条、趋势面等）将离散的统计数据按照其空间分布规律连续化。而有些统计变量不具有明显的空间统计分布特征或在空间上分布不连续，则将行政单元作为空间单元直接栅格化，以便和其他数据层匹配一致。
GIS空间一属性基本数据源输入后，基于遥感数据、土地利用专题图矢量数据集成的GIS“图层”，利用GIS空间模型机助划定宁波周边城市群各个城市的实体地域，生成“点图层”，进行空间结构分析，空间模型判定各个城市的实体地域之间相互离散程度，并将它们与相应行政区“面图层”之间进行“点一面”空间分布形式分析，计算各建成区片之间空间离散度、距离、邻近指数等参量，并传入“城市力值”分析的GIS属性模型中相应模块。
另夕卜，空间模型将划分出的城市实体地域“图层”与行政区“图层”进行GIS叠加，实体地域边界“取整”到最基层统计地域单元（行政村、街道）边界，将所涉及统计地域单元多边形标识符提取并传入数据接口模块，指向属性库GIS统计型数据列表中行政区字段，统计出城市实体地域各片相应的要素指标（人口、产值、财政收入等）。同时，由GIS中遥感数据、矢量数据统计和计算出一系列相关用地指标，各种数据形成GIS空间一属性模型所需的地理矩阵形式的初始表。
空间结构分析和数据的空间汇总完成后，在模型中建立二维地理矩阵形式初始表。表中各个行对应各个城市实体，各个列分别对应城市实体地域单元的空间数据（如面积、距离、空间离散度等）和GIS统计型数据（如人口、产值）等数据项。由空间模型根据空间量化的一系列要素测度指标求得的“城市力值”、吸引范围等空间统计量。初始表的值输入模型数组，由研究基期和终期时间跨度确定程序循环步长，各个子程序迭代，对每一个时段的要素测度指标依次运算、逐段推移，完成对应于各个城市实体地域的规模体量、空间作用的分析。新的城市规模体量由数据接口模块重新传回空间模型，作为城市实体地域“点”的新点值，计算出新的城市引力及吸引范围等空间统计量，并传回属性模型，开始下一个时间步长的循环，以上过程运算直至所设定的终期。
城市群的空间结构，是指城市群体系内各个城市在空间上的分布、联系及其组合状态。在经历了改革开放以后近二十多年的高速经济增长后，宁波周边城市群区域内以若干大城市为核心，借助于现代化的交通综合运输网的同达性以及高度发达的信息网络，发生发展着城市单体之间的内外联系，共同结合成一个相对完整的有机体。长期以来由于历史基础、地理环境、社会经济发展等多种因素，宁波周边城市群空间分布具有北密南疏、城市（镇）分布与人口分布相适应、城市（镇）沿交通轴线组群的特征。
城市群在发展与竞争过程中自然而然形成一定的城市规模体系。运用相关时间段的GIS空间数据、统计型数据综合计算后，并为了比较说明，可以做出两种空间尺度层次下城市群等级分布状况：（1）高等级空间尺度下以上海为中心长江三角洲城市群，（2）次一级空间尺度下浙江省的城市群等级位序排列，如图1、表1所示。其中次一级空间尺度城市群处于高等级空间尺度城市群（特别是核心城市上海）空间作用的“影区”涵盖之下。
图1 长江三角洲城市群、浙江省城市等级位序排列
表1 长江三角洲城市群、浙江省城市等级位序排列
从Level—Scale图式来看，长江三角洲城市群首位城市上海城市等级规模为1900.509，而处在第2位的苏州为767.6642，实测的等级位序为2.475704；第3位至第6位的杭州、宁波、无锡、南京实测的等级位序3.38—3.67，差不多是首位城市的1/3；与经典的模型图式相比，P（2）= P（1）/2,P（3）=P（1）/3，但在P（4）、P（5）、P（6）存在相当程度的“扰动"，而第7位至第14位的嘉兴、湖州之间的城市，其实测的等级位序与理论模式的等级位序排列次序又趋于基本吻合但递升了一位，这是一种Zipf模式的“分形”图式，表明城市群系统空间作用的引力分布具有自优化的特征。与之相比，浙江省首位城市杭州，城市等级规模为561.6609，而处在第2位至第4位的宁波、温州、绍兴实测的等级位序值1.035— 1.966；第5位至第8位的嘉兴、台州、金华、湖州实测的等级位序是2.21—3.81。城市异速增长变异的程度相对较高。另外，由图1，次一级空间尺度下浙江省的城市等级位序排列曲线的曲度，与高等级空间尺度下以上海为中心长江三角洲城市群相比较要低而且平缓，这说明：一是由于在上海这个全国最大的城市的“辐射影区”内，杭州作为浙江省区域的首位城市，其空间作用受到抑制相对较低；二是在浙江小范围内城市的发展比两省一市大范围内的城市发展相对均衡，体现出一种动态演进过程中城市与城市之间的相互制衡。
基于以上的分析，对宁波周边城市群空间竞争、制衡机制进一步的研究表明，由于城市群区域内自然条件相似，各城市在经济发展过程中皆以加工工业为主，导致各城市之间在资源、市场方面的激烈争夺。这些争夺归结为对投资的竞争。由GIS空间分析，可以得到宁波四城市固定资产投资额与GDP存在如下形式的相关关系：
宁波：GDP（0）=140.3073+3.7179I（0）-2.19I（-l）+2.90631（-2）
R2=0.9189 F=7.5502
绍兴：GDP（0）=50.3599+l.87151（0）-0.21311（-1）+1.01171（-2）
R2=O.9300 F=8.8510
舟山：GDP（0）=253.05-2.7376I（0）-5.41151（-1）+0.803271（-2）
R2=O.88524 F=5.1427
台州：GDP（0）=357.55-2.5405I（0）-2.5665I（-I）+2.34811（-2）(www.xing528.com)
R2=0.61804 F=I.O787
式中GDP（O）为某城市当车GDP,I（0）、I（-l）、I（-2）为某城市当年、前一年、前两年的固定资产投资额。
上述回归方程的显著性说明投资规模与经济增长存在明显的正相关关系，解释程度达到91.89%（宁波）、93.00%（绍兴）、88.52%（舟山），当年投资的乘数就已分别达到3.7179（宁波）、1.8715（绍兴）。由此可见，目前该地区经济增长还处于投资拉动阶段，投资越多，经济增长越明显。因而市与市、县与县之间对投资的空间竞争成为各自发展经济的主要手段。同时，方程显示出，当宁波、绍兴的投资规模与经济增长存在正相关关系时，舟山、台州却存在相反的情况，说明投入到整个城市群区域的投资规模，在总量增长之时在空间上是分布不均的，即在相互的空间竞争中，区位条件、政策扶持条件较优越的宁波、绍兴对舟山、台州存在着投资的“袭夺”效应。
通过CIS空间模型，根据空间相互作用理论、断裂点理论、VON图方法等研究宁波周边城市群在空间竞争中各自吸引范围。由于城市单体之间的距离，理论上应是某一“区位空间场”通达距离，但城市之间的区域很难满足“均质性”的假定，所以往往采用“传输路径”距离，这里采用交通线距离（铁路、公路），然后结合交通线、行政界线、自然界线等特征要素，在G1S中把各城市周围的断裂点连接起来，即划定了各城市的吸引范围。
考虑到城市引力场由于不同区位沿不同传输路径的方向性问题，引力存在叠加形成合力或相离形成斥力的效应，进一步的分析表明在目前沪杭甬铁路、高速公路发展轴上的引力分布，对于上海引力合力的断裂点距离宁波144.882公里，对于杭州的引力合力的断裂点距离宁波84.271公里。由于以上引力效应的存在，在现实中一些本来是宁波港的腹地范围的货物，反而从上海港运输。如集装箱运输，杭州2/3以上、绍兴1/2以上的集装箱的箱源被上海港“袭夺”而流失。从城市综合服务所覆盖的空间范围而言，目前宁波城市引力所“影射”的范围，依托现状交通网络，以宁波为放射原点，沿东西向、东北一西南向交通轴，大致可达上虞一新昌一三门环线所包围的地域。
利用城市群若干连续时间段的GIS统计数据某种要素测度指标（如城市非农业人口）为变量描绘城市的吸引关系特征，容易计算出各个城市的空间互相关系数。进一步的分析可以得到城市之间的空间互相关曲线；对相关系数序列进行功率谱变换，可以得到相应的谱图。由空间互相关系数、功率谱图可以看出，城市群的空间相关系数以k=-I〜 0时达到极大，在k=-15和k=14时出现两个极小值。这表明，第一，相互作用的最小时滞在1年以内，也就是说，空间距离较近的城市之间，如宁波的人口规模变化，1年左右影响可达绍兴，反之亦然；第二，各个城市相互作用的长程影响将近10—12年，换言之，宁波人口的一次变化的波及效应，影响绍兴可达7年左右。
借助GIS模型对时间系列中的趋势成分进行空间互相关和功率谱分析，可以发现如下特征：第一，人口规模的相关系数呈余弦式波动，具有三角函数式周期规律；互相关函数的功率谱则如同自相关函数的功率谱一样明显地尖峰突起，经放大还可以看到其他附加的周期；整个相互作用的周期约为3—5年。第二，对于不同方向的时滞，正、负相关过程的持续时间稍有差别，这反映了宁波、绍兴、舟山、台州相互作用的不对称性。第三，相关系数分为正、负两种成分，正相关和负相关的时间各约持续7年左右，互相关的7年持续时间似乎与自相关的3年周期有关。正相关反映了城市增长的系统协同效应，负相关则反映它们对资源的竞争态势，正负相关交互作用且以正相关为主导作用，这表明城市群的演化过程是竞争一合作、协同发展的系统动力学过程。
传统的城市群研究以行政地域单元为出发点并以非空间特征的方式分析城市群的数量结构，分析结果空间性的缺乏影响其在规划管理“现地落实”方面的应用。
利用GIS技术对具有空间坐标地理数据处理的能力，将城市群空间相互作用的分析与其规模体量的变动分析相结合，可以更为客观地把握预见城市群发展及其体系演化的地域规律，为城市和区域规划管理提供决策支持。
[1]黎夏、叶嘉安.主成分分析与Celluar Automata在空间决策·与城市模拟中的应用.中国科学[J].D辑. 2001.31（8）
[2]刘安国.杨开忠.克炉格曼的多中心城市空间自组织模型评析.地理科学[J].200l.21（4）
[3]刘继生.陈唐光.城镇体系空间结构的分形维数及其测算方法.地理研究[J].1999.18（2）
[4]李江.郭庆胜.基于句法分析的城市空间形态定量研究[J].武汉大学学报（工学版）.2003.36（2）
[5] Berentson W.Nijkainp P.Nonlinear dynamic modeling of spatial interactions.Environment and Planning B：Planning and Design，1988.15（4）
[6] Kalaba R E.Moorell J E,Xu R,Chen G J.Nonlinear estimation with associative memories and machine evaluation of derivatives：an application to calibrating spatial interaction models.Environment and Planning A，1999.31（3）
[7] Gaile G L.and Willmott C J.Spatial Statistics and Models（M）Reidel D.Publishing Company. 1984
[8]林炳耀.计量地理学概论[M].高等教育出版社，1985
[9]王学军.空间分析技术与地理信息系统的结合.地理研究[J].1997.16（3）
[10]叶明.我国沿海发达地区中心城市人口界定及预测.经济地现[J].1998.18（2）
[11]叶明.宁波城市人口发展的GIS数据库及应用模型[J].宁波大学学报（理工版）.1999.12（4）
[12]叶明.城市人口空间分析及其GIS应用模型.地域研究与开发[J].2002.21（2）
（作者单位：宁波大学）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
