呂蕊汐，呂忠全，王惜凡，于禎艨，呂欣曄

（1.南京林業(yè)大學(xué)理學(xué)院，南京 210037；2.南京林業(yè)大學(xué)經(jīng)濟管理學(xué)院，南京 210037；3.南京市第九中學(xué)南京 210018）

1 引言

城鎮(zhèn)化是城鎮(zhèn)空間擴張、非農(nóng)產(chǎn)業(yè)及非農(nóng)人口向城鎮(zhèn)聚集的過程。截止到2018 年底，中國城鎮(zhèn)化累計提升41.7%，達到了59.6%；但在城鎮(zhèn)化高速發(fā)展過程中一系列生態(tài)污染問題的突顯，嚴重阻礙了中國城鎮(zhèn)化的可持續(xù)發(fā)展道路。2014年3月，國家正式發(fā)布了《國家新型城鎮(zhèn)化規(guī)劃（2014-2020年）》，提出新型城鎮(zhèn)化應(yīng)合理劃定生態(tài)保護紅線，擴大城市生態(tài)空間，增加森林、湖泊、濕地面積等。人均公園綠地面積作為衡量城市綠化水平的重要指標[1]，隨著近年來新型城鎮(zhèn)化進程中經(jīng)濟的發(fā)展而不斷提升[2]。

國內(nèi)已有不少學(xué)者對影響人均公園綠地面積的經(jīng)濟社會因素進行研究。吳嘯慧等人借助因子探測選取影響長三角地域人均公園綠地面積的指標，其中包括地理環(huán)境因子和社會經(jīng)濟因子，并通過地理探測得出自然環(huán)境因子與社會因子的交互對于人均公園綠地面積的增長呈現(xiàn)一致正向強化作用的結(jié)論[3]。趙芳將城鎮(zhèn)化分為人口、土地、經(jīng)濟三方面，利用1996-2013的江蘇省時間序列數(shù)據(jù)建立VAR 自回歸模型，檢驗城鎮(zhèn)化和人均綠地面積的長期均衡關(guān)系及動態(tài)發(fā)展趨勢，得出人均公園綠地面積的增長是這三方面因素綜合作用的結(jié)果[4]。殷文彧等人通過定性分析，研究GDP、人口、建成區(qū)面積這三個社會經(jīng)濟因素對人均公園綠地面積的影響[5]。Hongpeng Guo[6]等人在文章中使用熵權(quán)法建立中國農(nóng)業(yè)在城鎮(zhèn)化發(fā)展影響下的評價等級模型；Jia Wan[7]等人通過指標建立耦合協(xié)調(diào)模型對生態(tài)系統(tǒng)和城鎮(zhèn)化的協(xié)調(diào)程度進行空間計量分析。

2 數(shù)據(jù)選取與分析

本文選定的研究區(qū)域為江蘇省地級市主城區(qū)、各縣級市以及部分附屬的區(qū)、縣，共計72個樣本。數(shù)據(jù)來源是《中國城市建設(shè)統(tǒng)計年鑒》，各地《統(tǒng)計年鑒》或《統(tǒng)計公報》。對數(shù)據(jù)缺失的縣、市進行插值處理。指標數(shù)據(jù)如表1所示。

表1 變量描述性統(tǒng)計

3 人均公園綠地面積與新型城鎮(zhèn)化經(jīng)濟的綜合得分計算模型

3.1 熵權(quán)法計分模型介紹

熵權(quán)法[8]是一種相對客觀的評價方法，本文通過賦予不同指標權(quán)重計算經(jīng)濟發(fā)展和人均公園綠地面積的混合模型得分，進而對不同區(qū)域新型城鎮(zhèn)化經(jīng)濟和生態(tài)的協(xié)調(diào)發(fā)展進行更客觀的評價。本文選取指標均為正向指標，統(tǒng)一量綱計算方式為為第i個縣市第j個指標標準化后的數(shù)據(jù)。yij表示第i個縣市的第j個指標在m個縣市中的比重。wj表示第j個指標的在n個指標中的權(quán)重：ej表示第j個指標的信息熵?？h市人均公園綠地面積的城鎮(zhèn)化經(jīng)濟發(fā)展模型的綜合得分S：

3.2 模型結(jié)果

利用熵權(quán)法得出江蘇省從北到南地區(qū)各地級市的綜合得分及排名，結(jié)果如表2所示。

①蘇北地區(qū)。從表2可以觀察到蘇北地區(qū)中宿遷市的綜合得分明顯低于其他四個地級市。其中，得分最高的徐州市是我國重要的煤炭產(chǎn)地和電力基地，但由于前期對礦產(chǎn)資源盲目地開采和消耗，導(dǎo)致其在可持續(xù)發(fā)展道路上遇到阻礙。在新型城鎮(zhèn)化背景下，徐州市政府加大對生態(tài)環(huán)境修復(fù)和濕地景觀開發(fā)等資源-環(huán)境項目的固定投資比例。這些政策的實施不僅正向推動了生態(tài)綠地的建設(shè)情況還反向促進了產(chǎn)業(yè)轉(zhuǎn)型升級、降低單位GDP能耗。利用模糊數(shù)學(xué)計量分析模型可以發(fā)現(xiàn)從2010-2013年徐州在經(jīng)濟和環(huán)境的發(fā)展度始終保持高級協(xié)調(diào)狀態(tài)。反觀得分最低的宿遷市，其人均公園綠地面積水平良好，但企業(yè)普遍層次不高、生產(chǎn)觀念落后、科技支撐作用不足、科技基礎(chǔ)薄弱成為其發(fā)展過程中的短板[9]。宿遷市科技研發(fā)經(jīng)費投入僅占GDP比重約為1.57%，遠低于江蘇省和全國平均水平，其高新技術(shù)產(chǎn)業(yè)發(fā)展阻滯、影響經(jīng)濟增長。但宿遷市生態(tài)發(fā)展態(tài)勢良好，截至2018 年宿遷全市生態(tài)高效農(nóng)業(yè)面積累計達13.83hm2，全面實施成片林營造、村莊綠化、農(nóng)林防護田、道路河道綠化等四大林業(yè)重點工程建設(shè)。因此如何做到經(jīng)濟同生態(tài)綠化協(xié)調(diào)持續(xù)發(fā)展，是宿遷市政府現(xiàn)在面臨的挑戰(zhàn)。

②蘇中地區(qū)。根據(jù)表2，蘇中地區(qū)綜合得分情況依然是各地級市內(nèi)中心城市的分數(shù)遠高于周圍附屬區(qū)域，其中南通市除主城區(qū)外，其余地區(qū)綜合分數(shù)水平差距很小。人均公園綠地面積值各地級市之間平均水平大致相同，但地級市內(nèi)各縣、區(qū)級市的水平仍有較大差異。根據(jù)解娟娟[10]的研究結(jié)果表示蘇中地區(qū)生態(tài)績效一直大于江蘇平均值，在一定情況上表明蘇中地區(qū)在解決生產(chǎn)技術(shù)落后、治理環(huán)境污染、解決資源不合理使用等環(huán)境問題上已經(jīng)逐漸具備向蘇南地區(qū)靠近的能力。其中，南通市前期經(jīng)濟結(jié)構(gòu)未調(diào)整的情況下，重工業(yè)比重較大導(dǎo)致工業(yè)廢棄物的排放量較多，生態(tài)績效在大多數(shù)情況下不高，但在2011 年以后，南通的發(fā)展情況開始轉(zhuǎn)好，逐漸超過揚州和泰州。泰州市在2008 年以前綠色經(jīng)濟發(fā)展穩(wěn)居蘇中地區(qū)第一位，但后期明顯發(fā)展具有一定的局限性，在2008 年以后開始處于中下游狀態(tài)。揚州市綠色發(fā)展水平增長幅度一直較為平穩(wěn)，綜合分數(shù)也很樂觀。

③蘇南地區(qū)。根據(jù)表2，常州和鎮(zhèn)江的綜合得分明顯低于蘇南地區(qū)其他地級市，但其部分區(qū)域中人均公園綠地面積值較高。南京市地級市內(nèi)綜合得分情況和人均公園綠地面積值高低的分布情況有一定的差異性，說明南京市部分區(qū)域經(jīng)濟發(fā)展情況弱于主城區(qū)，但生態(tài)發(fā)展?jié)摿σ哂谥鞒菂^(qū)。根據(jù)相關(guān)文獻[11]分析，南京市和蘇州市綜合得分高居榜首的原因是南京的城鎮(zhèn)化水平較高、基礎(chǔ)設(shè)施較為完善、人才引入多、科學(xué)技術(shù)水平先進且人文素質(zhì)較高、環(huán)境保護意識強，綠地建成和城鎮(zhèn)化經(jīng)濟發(fā)展耦合度高；蘇州市的經(jīng)濟條件受益于其優(yōu)越的地理環(huán)境，蘇州市距離上海較近，位于長江三角洲的中心位置，是上海經(jīng)濟輻射圈的最先受益者，同時為了維護蘇州園林景區(qū)的旅游業(yè)及其附屬產(chǎn)業(yè)的經(jīng)濟收入，政府在生態(tài)環(huán)境保護方面投入力度也很大，綜合上述條件蘇州市的人均公園綠地面積和城鎮(zhèn)化經(jīng)濟發(fā)展模型的分數(shù)遠遠高于其他地級市。無錫市發(fā)展前景雖然很樂觀，但仍面對一些挑戰(zhàn)。首先無錫市同蘇州一樣具有地理位置優(yōu)越性，但上海、杭州、南京近年來對人才的吸引力要遠遠超過無錫市，因此如何提高城市自身的競爭力是無錫市需要思考的問題；其次無錫自身的地域面積較小，對土地的開發(fā)建設(shè)強度已經(jīng)接近“紅線”標準，如何在有限的土地資源上進行開發(fā)置換，保持或提高現(xiàn)有人均公園綠地面積的水平也是無錫市需要面對的難題。

4 基于聚類和空間計量分析的綜合得分評估組合模型

4.1 綜合得分的空間自相關(guān)分析

4.1.1 全局Moran’s I檢驗[13]

在進行回歸分析之前，為了探究因變量是否受空間的影響，首先應(yīng)進行全局Moran'sI檢驗。Moran'sI指數(shù)可以描述區(qū)域整體的綜合得分的空間關(guān)聯(lián)性和差異程度[6]。

4.1.2 空間滯后模型

空間滯后模型在計算公式中沒有顯示時間序列的分布，在一般情況下被認為是一種“純空間遞歸”。但空間滯后模型本身包含時間因素和時間滯后效應(yīng),因此在一定程度上，空間滯后模型并不是一種純靜態(tài)分析。其計算公式如下：

ρ是空間自回歸系數(shù)，X 是自變量矩陣，W是空間權(quán)重矩陣，WY 是空間滯后因變量，在這個模型中空間滯后因變量作為一個自變量進入模型。

4.2 型組合結(jié)果

4.2.1 市人均公園綠地面積和城鎮(zhèn)化經(jīng)濟發(fā)展模型的綜合得分聚類結(jié)果

設(shè)置迭代次數(shù)為1 000 次，聚類數(shù)為8。各聚類中心分數(shù)值和聚類結(jié)果如表3 和圖4 所示。

表3 各縣市人均公園綠地面積的城鎮(zhèn)化經(jīng)濟發(fā)展模型的綜合得分聚類中心值

圖4 各縣市人均公園綠地面積的城鎮(zhèn)化經(jīng)濟發(fā)展模型的綜合得分聚類結(jié)果

結(jié)合表2 中的綜合分數(shù)情況可以發(fā)現(xiàn)低分段（4～9 分）大面積聚集在蘇中和蘇北區(qū)。中等分數(shù)段（10～20分）大面積聚集在蘇南地區(qū)，少部分聚集在蘇北和蘇中地區(qū)。其他高分數(shù)段少部分聚集在蘇北和蘇中被中等分數(shù)段區(qū)域包圍的中心地段，其他大面積聚集在蘇南地區(qū)。從發(fā)展全局上看蘇南地區(qū)很大程度上領(lǐng)先于蘇北和蘇中地區(qū)。

4.2.2 全局自相關(guān)檢驗

Moran’s I檢驗結(jié)果如下圖所示，其中莫蘭指數(shù)經(jīng)過999 次隨機化處理，Z 值為13.422，P 值為0.000。這說明莫蘭指數(shù)值為0.697 經(jīng)過統(tǒng)計性檢驗，并且人均公園綠地面積和城鎮(zhèn)化經(jīng)濟發(fā)展模型的綜合得分在空間上具有顯著的相關(guān)性。顯著相關(guān)性的意義是鄰近區(qū)域彼此具有強烈的相似性或差異性。進一步探究上述顯著相關(guān)性的類別，需要進行局部自相關(guān)檢驗。

圖5 Moran’s I檢驗結(jié)果

4.2.3 局部自相關(guān)檢驗

經(jīng)過局部自相關(guān)檢驗，得到LISA 顯著地圖如下所示：

圖5 LISA顯著地圖

其中黑色區(qū)域為L-L區(qū)域即低綜合分數(shù)值區(qū)域被同樣低的綜合分數(shù)區(qū)域包圍；深灰色區(qū)域為HH區(qū)域即高綜合分數(shù)區(qū)域被同樣高的綜合分數(shù)區(qū)域包圍。同樣大面積集聚在蘇北地區(qū)和蘇南地區(qū)。

4.2.4 空間滯后模型檢驗

以綜合分數(shù)結(jié)果作為自變量，六項經(jīng)濟指標和人均公園綠地面積值作為解釋變量進行空間上的回歸分析得到結(jié)果如表4所示。

表4 各省市綜合分數(shù)空間回歸結(jié)果

表4 中，人均GDP、第三產(chǎn)業(yè)占GDP 的比重、人均公園綠地面積均對綜合分數(shù)有正向且顯著的影響；城鎮(zhèn)居民可支配收入、社會消費品零售總額、進出口總額、固定資產(chǎn)投資額雖然對綜合分數(shù)有正向的影響，但效果并不顯著。首先針對人均GDP 和綠地建設(shè)之間的聯(lián)系，參考洪順發(fā)等人[15]的研究成果，經(jīng)過格蘭杰關(guān)系檢驗得出城市建成區(qū)綠地率與人均GDP 互為正向因果關(guān)系的結(jié)論。城市綠地具有“綠磁效應(yīng)”和消費者“需求效應(yīng)”，即舒適的生態(tài)環(huán)境為人們提供了休閑娛樂的精神消遣，在一定程度上吸引企業(yè)或者居民投資或入駐，促進消費者的消費水平，從而帶動當?shù)芈糜螛I(yè)、服務(wù)業(yè)等相關(guān)第三產(chǎn)業(yè)的發(fā)展。反推此現(xiàn)象的原因，由綠色產(chǎn)業(yè)帶動起來的經(jīng)濟效應(yīng)具有良好的發(fā)展態(tài)勢，這種良性經(jīng)濟趨勢會引來投資者更多的資金去建設(shè)綠地景觀，綠地建設(shè)又得到進一步發(fā)展。因此，人均GDP 和人均公園綠地面積建設(shè)是一種雙向共贏的發(fā)展指標，其作用的結(jié)果直接體現(xiàn)在第三產(chǎn)業(yè)占GDP的比重上。

根據(jù)唐茂鋼等人[12]的研究結(jié)果可以驗證兩種假設(shè)：假設(shè)一是當經(jīng)濟發(fā)展處于較低水平時，城鎮(zhèn)居民的可支配收入不高，國家和政府以民生為前提大力發(fā)展工業(yè)企業(yè)的同時，對生態(tài)功能的重視程度和投入不足，導(dǎo)致企業(yè)在生產(chǎn)過程中對土地的生態(tài)功能破壞嚴重，綠地面積縮減；假設(shè)二是經(jīng)濟發(fā)展較好時，城鎮(zhèn)居民的可支配收入水平也較高，居民對生活標準不斷提高、更注意生態(tài)的休閑功能性，此時國家和政府重視生態(tài)的經(jīng)濟作用，加大生態(tài)修復(fù)和建設(shè)的投入，使土地的生態(tài)價值大幅度提高，綠地建設(shè)效果顯著。但從回歸結(jié)果中可以看出，城鎮(zhèn)居民的可支配收入對綜合分數(shù)的貢獻度不高，可基本判定江蘇省目前大部分處于假設(shè)一的情況，結(jié)合上文結(jié)論，尤其要注重蘇北地區(qū)煤炭、礦產(chǎn)資源的開采過程以及重工業(yè)的轉(zhuǎn)型工作，加大生態(tài)修復(fù)力度和對環(huán)境造成重大污染的企業(yè)的處罰力度。產(chǎn)業(yè)結(jié)構(gòu)得到一定優(yōu)化后，由假設(shè)一情況轉(zhuǎn)變?yōu)榧僭O(shè)二情況，會進一步促進江蘇省新型城鎮(zhèn)化生態(tài)和經(jīng)濟的協(xié)調(diào)發(fā)展?；貧w結(jié)果中，綜合分數(shù)最不顯著的3個因素分別是社會消費品零售總額、進出口總額和固定資產(chǎn)投資額，根據(jù)上述分析總結(jié)回歸結(jié)果反映出的指標作用網(wǎng)絡(luò)如圖6所示。

圖6 指標相互作用網(wǎng)絡(luò)

分析地區(qū)的時間滯后性和空間滯后性。結(jié)合前述，通常情況下政策從地級市的核心城區(qū)開始實施，再由核心城區(qū)周邊的城市模仿學(xué)習(xí)，依此類推，逐漸形成產(chǎn)業(yè)包圍圈逐層發(fā)展。在政策的傳播和宣傳過程中需要一定的時間讓其他區(qū)域逐漸接受并改良自身的發(fā)展模式，這個時間序列就產(chǎn)生了一種滯后效應(yīng)，即核心城區(qū)經(jīng)濟高速發(fā)展，周圍城區(qū)會在以后的一段時間波動向上發(fā)展；核心城區(qū)發(fā)展受阻，周圍城區(qū)在一段時間后發(fā)展速度也會降低。在綠地開發(fā)中思考這種效應(yīng)，良好的生態(tài)居住環(huán)境也是現(xiàn)代人的精神需求，在選擇居住地時，大多數(shù)人內(nèi)心更偏好綠地建設(shè)較好的區(qū)域，這種消費趨勢促進了綠地面積建設(shè)的改良，與經(jīng)濟效益相仿，這種注重生態(tài)修復(fù)和建設(shè)的可持續(xù)發(fā)展理念也會從核心城區(qū)形成包圍圈并逐級向周圍區(qū)縣擴散，這是一種空間滯后性。