邱春琦，朱怡萱，李玉鳳，周詩薇，劉紅玉

(南京師范大學海洋科學與工程學院，江蘇 南京 210023)

自1978年改革開放以來，我國經濟社會飛速發(fā)展，尤其是2010年之后，我國經濟總量超越日本成為僅次于美國的世界第二大經濟體，城鎮(zhèn)化水平不斷提升[1]。江蘇省作為我國人口、經濟大省，改革開放后城鎮(zhèn)化水平高速增長，人口城鎮(zhèn)化率從1978年的13.74%(全國排名第16)增長到2015年的66.51%(全國排名第6)。截至2019年，江蘇省人口城鎮(zhèn)化率為70.61%，在全國各省份排名第5，大幅縮短了與城鎮(zhèn)化率排名靠前省份的差距，較全國平均水平高10個百分點。前人研究表明，人口、經濟與土地城鎮(zhèn)化的不協(xié)調發(fā)展已成為當前挑戰(zhàn)[2]。一方面，城市擴張帶來的土地城鎮(zhèn)化和人口城鎮(zhèn)化之間的不協(xié)調發(fā)展，尤其是一些城市超速擴張，造成大量建設用地閑置，土地利用效率較低；大面積擴張占用農業(yè)用地導致優(yōu)質農田資源流失[3]，阻礙了城市的健康可持續(xù)發(fā)展[4]。另一方面，人口、經濟和土地在空間上的不平衡擴張也制約著區(qū)域可持續(xù)發(fā)展[5-6]。長期以來，江蘇省作為城市化進程速度較快的省份，一直存在區(qū)域經濟與人口在空間上不匹配的問題，蘇南地區(qū)人口集聚度、經濟集聚度和城市化進程均呈快速發(fā)展趨勢[7]，而蘇北部分地區(qū)城市化進程快速發(fā)展，但人口和經濟并未得到相應增長[8]。過度集聚導致的空間要素不均衡會降低空間使用效率，加劇就業(yè)不平等和增加環(huán)境承載壓力，從而進一步擴大區(qū)域發(fā)展的差異[9-10]。因此，維持人口、經濟和土地3者協(xié)調、均衡的可持續(xù)發(fā)展是城市化進程可持續(xù)發(fā)展的重要因素。

當前研究主要從經濟、土地和人口3個方面衡量區(qū)域尺度上城市發(fā)展不平衡的情況[11]。也有將經濟、人口與土地利用兩兩結合進行研究，比如，研究人口城鎮(zhèn)化(農村人口轉變?yōu)槌擎?zhèn)人口、農業(yè)人口轉變?yōu)榉寝r業(yè)人口)與土地城鎮(zhèn)化(土地利用形態(tài)由農村形態(tài)轉變?yōu)槌鞘行螒B(tài))不相匹配的問題[12]，城鎮(zhèn)化質量與城鎮(zhèn)化規(guī)模擴張的協(xié)調性問題[13-14]等。國內學者主要從全國和省域2個尺度對人口與經濟的空間匹配和空間異質性進行研究，發(fā)現(xiàn)各區(qū)域經濟增長速率普遍大于人口增長[15]，人口城鎮(zhèn)化普遍滯后于土地城鎮(zhèn)化，從而導致發(fā)展不協(xié)調。也有部分學者對全國經濟、人口及城市用地在時空尺度上的集聚和非均衡特征進行研究[16]?？梢姡壳跋嚓P研究聚焦在人口與經濟、人口與城市用地的協(xié)調性，以及大尺度經濟、人口和城市用地的集聚狀態(tài)上，而受制于樣本可獲取性，缺乏針對省域尺度上經濟發(fā)展情況、人口流動及城市化進程的分析。理論上，經濟增長有利于人口集聚，人口集聚又帶動區(qū)域經濟增長，兩者應存在協(xié)調發(fā)展的趨勢，但土地資源的有限性卻限制了人口集聚和經濟增長的上升空間。

因此，人口集聚帶來城市面積逐漸擴張，新增加區(qū)域是否被完全利用，是否有序擴張成為值得討論的熱點。夜間燈光影像可以有效反映人類在夜間的具體活動區(qū)域，可在一定程度上揭示人類活動范圍及建筑用地的具體利用情況[17-18]。因此，以江蘇省72個縣級單元為樣本，基于2015和2019年社會經濟數(shù)據(jù)、土地利用數(shù)據(jù)和夜間燈光數(shù)據(jù)，對人口、經濟、建設用地和人類活動范圍的空間集聚情況與協(xié)調性進行分析，以期優(yōu)化江蘇省城市擴張，促進區(qū)域健康、協(xié)調的可持續(xù)發(fā)展。

1 研究區(qū)概況

江蘇省地處長江經濟帶，總面積為10.72萬km2，下轄的13個地級市全部進入全國百強城市，是我國唯一所有地級市都躋身百強的省份。江蘇省人均GDP、綜合競爭力、地區(qū)發(fā)展與民生指數(shù)(DLI)均居中國各省份前列，是中國綜合發(fā)展水平最高的省份之一，相當于“中上等”發(fā)達國家水平。截至2019年末，江蘇省常住人口為8 070萬人，是中國人口密度第1大?。蝗DP為99 631.52億元，人均GDP為12萬元[19]，位列全國第3，僅次于北京和上海；城鎮(zhèn)化率為70.61%，在全國排名第5，較全國城鎮(zhèn)化率平均值高10個百分點。選擇江蘇省作為研究區(qū)域，對其城市擴張協(xié)調性進行研究，具有代表性和借鑒意義。

2 材料與方法

2.1 數(shù)據(jù)來源及處理

土地利用數(shù)據(jù)采用中國科學院遙感與數(shù)字地球研究所提供的全球陸地區(qū)域2015和2019年30 m精細地表覆蓋產品(www.datacasearth.cn)；2015和2019年夜間燈光影像數(shù)據(jù)采用中國科學院中國遙感衛(wèi)星地面站陳甫團隊開發(fā)的“火石”地球夜間燈光數(shù)據(jù)集(www.satsee.radi.ac.cn)分辨率為1.5 km；江蘇省社會經濟和人口數(shù)據(jù)來源于2015和2019年《江蘇統(tǒng)計年鑒》及江蘇各地級市統(tǒng)計年鑒。

首先對2015和2019年30 m精細地表覆蓋產品(www.datacasearth.cn)進行影像校正、鑲嵌、剪裁等預處理，將土地利用類型分為耕地、林地、草地、水體、建筑用地和其他用地6類。其次，使用江蘇省矢量邊界掩膜提取出江蘇省夜間燈光數(shù)據(jù)。

2.2 研究方法

2.2.1城市發(fā)展指標構建

城市用地擴張的人口彈性系數(shù)是城市建設用地年均增長率與城鎮(zhèn)人口年均增長率的比值，可用于描述城市建設用地擴張速度與城鎮(zhèn)人口增長速度之間的關系[20]，計算公式為

kj=rj/rpj。

(1)

式(1)中，kj為區(qū)域j城市用地擴張的人口彈性系數(shù)；rj為區(qū)域j城鎮(zhèn)用地年增長率，%；rpj為區(qū)域j城鎮(zhèn)人口年增長率，%。

城市擴張經濟彈性系數(shù)是二三產業(yè)生產總值年平均增長速度與城市建設用地年平均增長速度的比值，可用于衡量城市擴張中新增土地的用地效益[21]，計算公式為

fj=rj/rej。

(2)

式(2)中，fj為區(qū)域j城市用地擴張的經濟彈性系數(shù)；rj為區(qū)域j城鎮(zhèn)用地年增長率，%；rej為區(qū)域j城鎮(zhèn)二三產業(yè)產值年增長率，%。

夜間平均燈光強度表示一個區(qū)域范圍內的燈光強度，可用來反映該區(qū)域燈光特征[22-23]，計算公式為

(3)

式(3)中，IANL為區(qū)域夜間平均燈光強度；n為研究區(qū)域柵格總數(shù)；Ni為柵格i亮度值。

2.2.2城市擴張各協(xié)調度因子及協(xié)調度指數(shù)的空間自相關

空間自相關指數(shù)是探索數(shù)值在空間上相關性的一種重要工具，常用的有全局Moran′sI指數(shù)和局部Moran′sI指數(shù)，前者反映地理信息在整個研究區(qū)內的空間關聯(lián)模式，后者則反映區(qū)域內部微觀單元與其鄰域在某一屬性值上的空間相關性[24-25]。

全局Moran′sI指數(shù)計算公式為

(4)

局部Moran′sI指數(shù)可以揭示各指數(shù)在空間上的“熱點區(qū)”，識別各指數(shù)在不同空間位置上的高值集聚和低值集聚，并反映其空間異質性。

(5)

(6)

2.2.3城市擴張協(xié)調性分析

參考三元系統(tǒng)的基于離差方法的協(xié)調度模型[26]，經數(shù)學推導和處理，建立經濟-人口-夜間燈光-建筑用地的四元協(xié)調度模型，經濟(X)、人口(Y)、夜間燈光(Z)和土地利用(T)的離差系數(shù)(C)計算公式可以表示為

進一步簡化為

3 結果與分析

3.1 城市擴張協(xié)調度因子空間格局分析

3.1.1人口分布空間格局分析

通過計算得到研究區(qū)72個研究單元的城鎮(zhèn)人口數(shù)據(jù)，將2015和2019年城鎮(zhèn)人口數(shù)據(jù)在矢量圖中可視化，得到江蘇地區(qū)縣級城鎮(zhèn)人口數(shù)量分級圖。如圖1所示，研究區(qū)城鎮(zhèn)人口數(shù)量高值區(qū)主要分布在南京市市區(qū)、常州市市區(qū)、無錫市和蘇州市等地區(qū)，低值區(qū)主要分布在淮安市和鹽城市等地區(qū)。2015至2019年各市城鎮(zhèn)人口數(shù)量整體上呈增長趨勢，其中，鎮(zhèn)江市、揚州市和徐州市部分區(qū)域城鎮(zhèn)人口呈下降趨勢，這可能是由于這些區(qū)域城鎮(zhèn)人口向市中心區(qū)域務工或定居造成。

圖1 2015和2019年研究區(qū)城鎮(zhèn)人口空間分布

3.1.2經濟分布空間格局分析

將2015和2019年72個研究單元的二三產業(yè)產值在矢量圖中可視化，得到江蘇地區(qū)縣級二三產業(yè)產值分級圖。如圖2所示，研究區(qū)二三產業(yè)產值高值區(qū)主要分布在南京市、常州市、無錫市和蘇州市等區(qū)域，低值區(qū)主要分布在宿遷市、淮安市和鹽城市等地。2015至2019年研究區(qū)二三產業(yè)產值整體分布沒有太多變化，除南京市浦口區(qū)、高淳區(qū)和六合區(qū)二三產業(yè)產值呈下降趨勢外，其他區(qū)域均呈增長趨勢。

圖2 2015和2019年研究區(qū)二三產業(yè)產值空間分布

3.1.3夜間平均燈光強度分布空間格局分析

各單元平均燈光強度代表區(qū)域內人類夜間活動及居住情況。如圖3所示，對比2015與2019年平均燈光強度發(fā)現(xiàn)，研究區(qū)燈光強度分布變化不明顯，平均燈光強度高值區(qū)主要分布在各市市區(qū)區(qū)域，其中，蘇州市、常州市和無錫市整體平均燈光強度較高，宿遷市和淮安市等地平均燈光強度較低。研究區(qū)平均燈光指數(shù)總體上呈增長趨勢，僅少數(shù)區(qū)域存在下降趨勢。

圖3 2015和2019年研究區(qū)平均燈光強度空間分布

3.1.4土地利用數(shù)據(jù)分布空間格局分析

采用建設用地代表江蘇省城市擴張情況。如圖4所示，研究區(qū)建筑用地分布密集區(qū)主要位于長江沿岸及長江以南蘇南區(qū)域，長江以北區(qū)域建筑用地密集區(qū)主要集中在各市市區(qū)。對比2015與2019年土地利用情況，其中，建筑用地面積變化最顯著，尤其在南京市、蘇州市、無錫市和常州市區(qū)域更為明顯。

圖4 2015和2019年研究區(qū)土地利用空間分布

整體上來看，2015—2019年江蘇省城鎮(zhèn)人口、二三產業(yè)產值、平均燈光強度和建筑用地面積均呈現(xiàn)增長趨勢，部分區(qū)域城鎮(zhèn)人口數(shù)量下降可能是人口外出務工，或向市區(qū)流動所致[27-28]。城鎮(zhèn)人口數(shù)量增多，但第一產業(yè)從業(yè)人員減少，而第二三產業(yè)從業(yè)人員增多，這反映區(qū)域產業(yè)結構有所調整，二三產業(yè)產值隨之增多。其中，南京市浦口區(qū)、高淳區(qū)和六合區(qū)二三產業(yè)產值降低，其原因可能是南京市整體產業(yè)結構調整造成。平均燈光指數(shù)代表人類在夜間的真實活動軌跡，部分市區(qū)區(qū)域平均燈光指數(shù)有所下降，可能是由于人口密度增加，人們在夜間的活動軌跡重疊以及人們居住習慣改變[29]。

3.2 江蘇省人口、GDP、夜間燈光和建設用地的空間格局分析

3.2.1人口、GDP、夜間燈光和建設用地的空間全局自相關結果

如表1所示，2015、2019年江蘇省城鎮(zhèn)人口、二三產業(yè)產值、建設用地和平均燈光強度的Moran′sI指數(shù)均在1%顯著性水平上顯著，拒絕原假設，表明城鎮(zhèn)人口、經濟(二三產業(yè)產值)、建設用地和平均燈光強度存在空間自相關，在空間上存在交互作用，并不是隨機分布。同時，2015和2019年城鎮(zhèn)人口、二三產業(yè)產值、建設用地和平均燈光強度的Moran′sI指數(shù)均為正，表明4者均呈空間正相關，即高值與高值集聚，低值與低值集聚。2015—2019年間，江蘇省城鎮(zhèn)人口、夜間燈光的Moran′sI指數(shù)增大，二三產業(yè)產值、建設用地的Moran′sI指數(shù)減小，表明人口和平均燈光指數(shù)的空間集聚程度加強，而二三產業(yè)產值和建設用地的空間集聚程度減弱。

表1 2015和2019年江蘇省人口、GDP、夜間燈光和建設用地的全局Moran′s I指數(shù)

2015—2019年各市區(qū)區(qū)域對周圍區(qū)域人口持續(xù)產生虹吸效應，人口持續(xù)向市區(qū)集聚，城鎮(zhèn)人口持續(xù)增長，相對應的平均燈光指數(shù)也隨之增加，導致區(qū)域這2個指標整體空間集聚程度處于上升狀態(tài)。而隨著城市發(fā)展，各區(qū)域建設用地面積和二三產業(yè)產值均呈整體快速增長，導致這2個指標整體空間集聚程度有所下降。

3.2.2人口、GDP、夜間燈光和建設用地的空間局部自相關結果

對2015和2019年江蘇省城鎮(zhèn)人口、二三產業(yè)產值、建設用地和平均燈光強度進行局部空間分析，進一步分析其在空間上是否存在顯著集聚情況。如圖5所示，2015和2019年有3個區(qū)域城鎮(zhèn)人口在空間上存在顯著集聚，其中，蘇州市市區(qū)和無錫市市區(qū)為高-高聚類，表明這2個區(qū)域城鎮(zhèn)人口數(shù)量較多，且其周邊地區(qū)城鎮(zhèn)人口也較多；南京市市區(qū)為高-低聚類，表明該區(qū)域城鎮(zhèn)人口數(shù)量較多，而周邊地區(qū)城鎮(zhèn)人口較少。2015年有7個區(qū)域二三產業(yè)產值在空間上呈顯著集聚，且均為高-高聚類，分別為常州市市區(qū)和江陰市、無錫市市區(qū)以及蘇州市市區(qū)、常熟市、昆山市和吳江區(qū)。相較于2015年，2019年二三產業(yè)產值也有7個區(qū)域在空間上呈顯著集聚，其中，常州市市區(qū)和江陰市、無錫市市區(qū)以及蘇州市市區(qū)為高-高聚類；南京市市區(qū)為高-低聚類，表明南京市市區(qū)二三產業(yè)產值較高，而周邊區(qū)域較低；南京市浦口區(qū)和六合區(qū)為低-高聚類，表明這2個區(qū)域二三產業(yè)產值較低，而周圍區(qū)域較高。

圖5 2015和2019年研究區(qū)城鎮(zhèn)人口、二三產業(yè)產值、夜間燈光強度和建設用地面積的LISA集聚圖

對比2015和2019年建設用地局部Moran′sI指數(shù)分布發(fā)現(xiàn)，2015年有9個區(qū)域在空間上呈顯著集聚，其中，武進區(qū)、江陰市、張家港市、無錫市市區(qū)、蘇州市市區(qū)、吳江市和昆山市為高-高聚類，常州市市區(qū)為低-高聚類，洪澤區(qū)為低-低聚類；2019年存在6個區(qū)域在空間上呈顯著集聚，江陰市、無錫市市區(qū)、蘇州市市區(qū)和吳江市為高-高聚類，常州市市區(qū)為低-高聚類，洪澤區(qū)為低-低聚類。2015年夜間平均燈光強度指數(shù)存在10個顯著區(qū)域，其中，武進區(qū)、常州市市區(qū)、無錫市市區(qū)、江陰市、張家港市、南通市市區(qū)、常熟市、太倉市和昆山市為高-高聚類，金湖縣為低-低聚類。與之相比，2019年夜間平均燈光強度指數(shù)也有10個區(qū)域在空間上呈顯著集聚，但高-高聚類減少了南通市市區(qū)，高-低聚類增加了淮安市市區(qū)。整體上來看，城鎮(zhèn)人口、二三產業(yè)產值、建筑用地面積和平均燈光指數(shù)的高-高集聚均發(fā)生在蘇州市和無錫市周圍，表明該區(qū)域各項指標整體發(fā)展較快。

3.3 城鎮(zhèn)人口、二三產業(yè)產值、夜間燈光和建設用地的協(xié)調性分析

3.3.1城市用地與人口彈性系數(shù)和城市用地與二三產業(yè)產值彈性系數(shù)

江蘇省72個區(qū)域城市用地與人口規(guī)模彈性系數(shù)和城市用地與二三產業(yè)產值彈性系數(shù)見圖6。城市用地擴張的人口彈性系數(shù)可用于評價城市建設用地擴展的合理性，國際上公認的合理比例為1∶1.12[30]。如圖6所示，以1∶1.12為界，將所有區(qū)域彈性系數(shù)劃分為2個部分，經統(tǒng)計，有7個區(qū)域彈性系數(shù)在1.12之下，表明這7個區(qū)域土地城鎮(zhèn)化速率小于人口城鎮(zhèn)化，分別為南京市江寧區(qū)、六合區(qū)，徐州市沛縣、邳州市，鎮(zhèn)江市丹徒區(qū)、丹陽市，以及宿遷市泗洪縣；其他65個區(qū)域城鎮(zhèn)用地擴張的人口彈性系數(shù)大于1.12，表明這些區(qū)域土地城鎮(zhèn)化速度大于人口城鎮(zhèn)化，土地利用效率過低。

如圖6所示，城市二三產業(yè)產值增長率與城市用地增長率之比以1∶1為分界線分為2個部分，據(jù)統(tǒng)計，有24個區(qū)域城市用地與二三產業(yè)產值的彈性系數(shù)大于1，表明這些區(qū)域土地利用效率較低，呈低密度無序擴張，其中，揚中市彈性系數(shù)超過10，表明該區(qū)域城市用地擴張存在浪費現(xiàn)象。其他48個區(qū)域城市用地與二三產業(yè)產值彈性系數(shù)小于1，表明這些區(qū)域土地利用效率很好，呈有序擴張。整體上來看，大部分區(qū)域建筑用地與二三產業(yè)產值的彈性系數(shù)較好，城市用地效率良好。

圖6 2015—2019年研究區(qū)基于城鎮(zhèn)人口和二三產業(yè)產值的城市用地規(guī)模彈性系數(shù)

3.3.2城市擴張協(xié)調性分析結果及空間分析

為了對經濟-人口-夜間燈光-建筑用地協(xié)調度做出客觀合理評價，參考其他對協(xié)調度劃分的研究成果[31]，將協(xié)調度劃分為10個等級(表2)。

表2 城市擴張協(xié)調度指數(shù)等級劃分

根據(jù)上述劃分依據(jù)，對2015和2019年研究區(qū)經濟-人口-夜間燈光-建筑用地協(xié)調度指數(shù)進行分類。如圖7所示，2015年江蘇省各區(qū)域均處于協(xié)調狀態(tài)，其中，7個區(qū)域處于中度協(xié)調，21個區(qū)域處于良好協(xié)調，其他44個區(qū)域處于優(yōu)質協(xié)調，研究區(qū)整體上協(xié)調水平較好。2019年江蘇省有1個區(qū)域處于瀕臨失調狀態(tài)，1個區(qū)域處于勉強協(xié)調狀態(tài)，1個區(qū)域處于初級協(xié)調狀態(tài)，6個區(qū)域處于中度協(xié)調狀態(tài)，29個區(qū)域處于良好協(xié)調狀態(tài)，其他34個區(qū)域處于優(yōu)質協(xié)調區(qū)域。整體上來看，江蘇省大部分區(qū)域處于協(xié)調狀態(tài)，但相較于2015年，優(yōu)質協(xié)調區(qū)域數(shù)量有所下降。

圖7 2015和2019年研究區(qū)經濟-人口-夜間燈光-建筑用地協(xié)調度指數(shù)空間分布

如圖8所示，2015—2019年30個區(qū)域協(xié)調度指數(shù)增加，42個區(qū)域協(xié)調度指數(shù)下降，研究區(qū)協(xié)調度指數(shù)整體呈下降趨勢。其中，蘇南大部分地區(qū)協(xié)調度處于增加狀態(tài)，而蘇北大部分地區(qū)處于下降狀態(tài)。自從江蘇省提倡蘇北振興計劃以來，蘇北地區(qū)一直處于高速發(fā)展狀態(tài)，蘇北各市城市化進程穩(wěn)定快速發(fā)展，隨之也帶來了發(fā)展不協(xié)調、不匹配的問題。因此，城市化進程中不僅要考慮城市化進程速率，同時也要考慮城市化進程所帶來的不協(xié)調發(fā)展問題。

圖8 城市擴張協(xié)調度指數(shù)變化

3.3.3城市擴張協(xié)調性的空間相關性檢驗及分析

(1)全局空間相關性檢驗與分析

計算江蘇省72個區(qū)域內2015—2019年經濟-人口-夜間燈光-建筑用地協(xié)調度的Moran′sI指數(shù)，分析其全局自相關性，其中，Moran′sI指數(shù)從2015年的0.186 1增長至2019年的0.210 5，Z值從2015年的0.006 9增長至2019年的2.803 7。Z值代表空間分析的顯著性情況，2015年經濟-人口-夜間燈光-建筑用地協(xié)調度的Moran′sI指數(shù)在5%顯著性水平上顯著，2019年Moran′sI指數(shù)在1%顯著性水平上顯著，均拒絕原假設。這表明2015—2019年研究區(qū)經濟-人口-夜間燈光-建筑用地協(xié)調度存在空間自相關，即在空間上并不是隨機分布，各區(qū)域間存在交互作用。同時，2015—2019年Moran′sI指數(shù)呈增加趨勢，表明江蘇省各區(qū)域經濟-人口-夜間燈光-建筑用地協(xié)調性的空間依賴性增強，各區(qū)域之間聯(lián)系更加密切。區(qū)域發(fā)展變化主要受到區(qū)域內部政策及周圍區(qū)域的輻射影響，一個區(qū)域協(xié)調性增加或減少也會在一定程度上影響其周圍區(qū)域協(xié)調度增加或減少。

(2)局部空間自相關分析

LISA集聚圖可用來分析區(qū)域內是否存在空間集聚，并可以直觀表現(xiàn)各區(qū)域顯著性水平。如圖9所示，2015年江蘇省有7個區(qū)域經濟-人口-夜間燈光-建筑用地協(xié)調度呈顯著水平，其中，5個區(qū)域為低-低集聚，1個區(qū)域為低-高集聚，1個區(qū)域為高-高集聚。2019年江蘇省有5個區(qū)域協(xié)調度呈顯著水平，其中，3個區(qū)域為低-低集聚，2個區(qū)域為低-高集聚。與2015年相比，2019年協(xié)調度低-低集聚區(qū)域數(shù)量減少，低-高集聚區(qū)域數(shù)量增加，說明整體上江蘇省協(xié)調度呈增加趨勢。

圖9 2015和2019年協(xié)調度指數(shù)LISA集聚圖

4 結論

以江蘇省72個縣級單元為研究對象，對2015—2019年夜間燈光數(shù)據(jù)、經濟、人口和城市規(guī)模擴張的空間差異性及異質性進行分析，并采用協(xié)調性耦合分析了2015—2019年經濟-人口-夜間燈光-建筑用地耦合協(xié)調度，得到如下主要結論：

(1)江蘇省2015—2019年各縣級經濟、人口、夜間燈光和建設用地指標均呈現(xiàn)整體上升趨勢。在空間分布上，江蘇省南部區(qū)域人口存在顯著高-高集聚和高-低集聚；二三產業(yè)產值集聚程度有所降低，2015年南部地區(qū)主要呈高-高集聚，2019年部分地區(qū)出現(xiàn)高-低集聚和低-高集聚；建筑用地和平均燈光強度均在南部區(qū)域出現(xiàn)高-高集聚，中部地區(qū)出現(xiàn)少量低-低集聚。整體上來看，各指數(shù)在空間上均存在集聚狀態(tài)，且高-高集聚較多，主要分布在江蘇省南部區(qū)域。這主要是由于人口與經濟分布的不協(xié)調和不匹配，蘇南地區(qū)毗鄰上海、浙江、安徽，二三產業(yè)發(fā)達，是長三角地區(qū)經濟腹地，較容易接收到周邊上海、杭州等經濟領先城市的發(fā)展輻射，經濟和人口的虹吸效應明顯。與蘇南相比，蘇北地區(qū)地理優(yōu)勢較差，與其接壤的是經濟相對較弱的安徽北部和山東南部，接收到的有效經濟輻射也相對較弱[32-33]。

(2)從建筑用地和城鎮(zhèn)人口年均增長率來看，2015—2019年72個縣級單元中有10%的區(qū)域土地城鎮(zhèn)化增長速度小于人口城鎮(zhèn)化，其他90%的區(qū)域土地城鎮(zhèn)化增長速度大于人口城鎮(zhèn)化，整體來看，江蘇省土地城鎮(zhèn)化快于人口城鎮(zhèn)化。而33%的城市土地城鎮(zhèn)化增長速率高于二三產業(yè)產值，說明這些區(qū)域土地利用效率非常低，屬于低密度無序擴張，新擴張的建設用地并沒有為城市帶來相應的經濟增長。其他67%的城市土地城鎮(zhèn)化增長速率低于二三產業(yè)產值，說明這些區(qū)域土地利用效率很好，屬于有序擴張，新擴張的建設用地為城市帶來相應的經濟增長。整體上來看，大部分區(qū)域建筑用地面積與二三產業(yè)產值之間的彈性系數(shù)較好，城市用地效率良好。雖然江蘇省整體城鎮(zhèn)化水平在全國排名靠前，土地城鎮(zhèn)化率高，但土地利用集約程度不夠也會導致新型城鎮(zhèn)化快速發(fā)展過程中出現(xiàn)一系列城市問題，例如“鬼城”“空城”等[34]。

(3)從經濟-人口-夜間燈光-建筑用地協(xié)調度來看，2015—2019年95%的縣級單元處于協(xié)調發(fā)展狀態(tài)，其中，有40%的區(qū)域協(xié)調度指數(shù)處于增長趨勢，其他60%的區(qū)域處于下降趨勢，整體上來看，研究區(qū)協(xié)調度指數(shù)處于下降趨勢。其中，協(xié)調性最好的區(qū)域大部分出現(xiàn)在蘇南地區(qū)，出現(xiàn)這種現(xiàn)象的原因可能是蘇南地區(qū)經濟建設連續(xù)多年發(fā)展較快，城市擴張過程中外來人口的進入為其帶來了經濟增長。而對比2015與2019年各地區(qū)協(xié)調性變化情況發(fā)現(xiàn)，蘇中地區(qū)主要呈現(xiàn)協(xié)調性增長趨勢，說明蘇中地區(qū)城市擴張過程中受到蘇南地區(qū)經濟輻射，使該地區(qū)城市擴張協(xié)調性有所增長[35]。