长三角扩容背景下的浙江省发展潜力分析
周侗1，朱北宇1,2，闫金伟1
（1. 南通大学地理科学学院，江苏·南通 226007；2. 南通大学经济与管理学院，江苏·南通 226019）
摘 要：城市综合发展潜力的定量测算，能够有效预见城市发展趋势，发现社会发展和基础设施中存在的短板，对城市的规划布局与决策制定具有借鉴意义。本文以浙江省为例，结合社会经济数据与夜光灯光数据，基于城市综合发展潜力评价指标体系，采用加权主成分TOPSIS模型，得到全省11市2000~2019年近20年来的城市发展潜力时空演变情况。研究结果表明：从时序变化来看，浙江各市的综合发展潜力排名均存在上下波动情况，其中杭州、宁波、衢州和丽水相对稳定，而温州和舟山的波动趋势较为明显；从空间演变上看，浙江各市综合发展潜力不平衡，整体上北强南弱，浙北的杭、甬作为引擎城市，带动舟山、嘉兴等市形成一体化发展，而以温州为代表的浙南5市发展潜力较差。根据研究结论，本文从外部的区域协作与内部的发展形态两方面对浙江发展提出相应政策建议，以期缩小各市发展差距，改变北强南弱的发展现状。
关键词：城市经济；发展潜力；潜力分析；加权主成分TOPSIS模型；长三角城市
中图分类号：F292 文献标志码：A 文章编号：2095-1329(2021)01-0001-06
我国城镇化进程的高速发展，使得城市之间的往来愈发密切，并逐渐形成相对完整的城市集合体。目前我国已发展多个国家级城市，其中长三角城市的发展潜力位居榜首。从1997年至今，长三角城市经历了多次扩容，逐步将浙江省域主要城市全面纳入其中。地处长三角南翼的浙江省具有优越的地理区位优势，浙江省的发展状况与中国的整体水平呈正相关关系。有效测算该省各市的综合发展潜力，有利于长三角城市的整体发展，并为我国其他城市的发展提供思路。
潜力测算于1947年被首次提出[1]，随着潜力测算方向的拓展，这一概念被运用到各方面，如：矿产资源[2]、粮食单产[3]、碳储量与排放[4]、经济与贸易等[5]。其中，在城市发展潜力测算方面主要从城市生态环境[6]、地理区位[7]、空间相互作用[8]以及交通可达性[9]等角度出发，根据社会经济数据或遥感影像数据，运用系统动力学模型[10]和贝叶斯法[11]、主成分分析[12]、层次分析[13]等方法进行研究。在城市发展潜力分析方面，学者们主要从时空角度出发，利用GIS空间分析技术对其进行探究，但其研究方法[14-15]（如样方分析、最近邻指数分析等）只能从整体的空间格局方面来描述现象，无法反映内部空间异质问题。
纵观已有文献，研究数据大多只使用了统计年鉴或遥感影像中的一种，却并未将两种数据结合，数据来源较为单一。此外，针对城市综合发展潜力的研究缺少空间异质性方面的分析。因此，本文将夜光遥感技术与新型潜力模型相结合，同时采用能够体现空间异质性的技术手段，对长三角扩容后的浙江各市潜力变化进行分析，为浙江省后期发展规划提供参考依据。
1 研究区与数据来源
1.1 研究区
与世界各大城市的形成过程类似，长三角城市近20年来经历了5次扩容，呈现出“递进式”的发展方式[16]。1997年，长三角城市共包括15个成员，其中浙江省含杭州、宁波、嘉兴、绍兴、湖州、舟山等6市。2003年8月，浙江省台州市正式加入长三角城市；2010年3月，增加6座城市，其中包含浙江省的金华市与衢州市；2013年4月再次接纳8座城市，浙江的丽水市和温州市被纳入其中，至此浙江11市全部进入长三角城市。随着2018年和2019年城市经济协调会的两次举行，长三角实现了江浙沪皖三省一市的全覆盖，迎来前所未有的发展机遇，浙江省范围内的长三角城市扩容变化历程如图1。
1.2 数据来源
社会经济数据：基于已有研究，考虑到数据的可获取性，在完备性、层次性和可比性原则的指导下，从城市规模、城市经济、城市发展以及基础设施四个方面构建了评价指标体系[17-18]（表1），能够较为全面地反映浙江省的综合
基金项目: 国家自然科学基金项目
技计划项目(MS12020112)
doi:10.3969/j.issn.2095-1329.2021.01.001
发展潜力。指标数据来源于2000~2019年《浙江省统计年鉴》《中国城市统计年鉴》《衢州市统计年鉴》《丽水市统计年鉴》以及各市不同年份的《国民经济和社会发展公报》。
表1 浙江省综合发展潜力评价指标体系
Table 1 Evaluation index system of comprehensive developing potential
城市规模水平
1城市建成区面积X 2
km²人口密度X 3人/km²城市经济水平
人均GDP X 4
万元/人地均固定资产投资X 5
万元/km²规模以上工业总产值X 6亿元城镇居民人均可支配收入X 7
元/人地方财政收入X 8万元地方财政支出X 9万元城市发展水平
万人在校大学生数X 10人万人拥有卫生技术人员数X 11
人人均财政教育经费支出X 12元/人二三产业就业人口比重X 13
%国际旅游收入情况X 14
万美元城镇居民人均住房建筑面积X 15
m²/人基础设施水平
城市客运总量X 16
万人城市货运总量X 17万吨人均公园绿地面积X 18m²/人人均城市道路面积X 19
m²/人
夜间灯光数据：仅根据统计年鉴中的建成区面积数据进行研究，会对研究结果造成影响，为了确保城镇化数据的可靠性与科学性[19]，建成区面积均由美国国家地球物理数据中心（aa.gov/）下载的夜间灯光数据提取。2000~2011年选用DMSP/OLS 夜间灯光影
像，具体参数见表2。2012~2019年选用NPP/VIIRS 夜间灯光影像中的VCMCFG 版本，影像选取时间统一为7月。
由于DMSP/OLS 和NPP/VIIRS 使用的传感器不同，其图像分辨率存在差异，因此不能进行直接比较，需要对二者进行投影转换、相互校正、拟合平滑处理以及连续性校正等一系列操作，使两类数据具有可比性[20]。通过参考目前学界常用确定阈值（DN 值）的若干方法[21-24]，本文最终使用形态学滤波法，确定最佳分割阈值，提取了浙江11
市的建成区面积[25]。本文选取2000年、2005年、2010年、
2015年和2019年五期图像作为建成区面积变化示意图（图2
）。
图2 浙江省建成区面积变化图
Fig.2 Area change of built-up area in Zhejiang province
2 研究方法
2.1 加权主成分TOPSIS 模型
加权主成分TOPSIS 模型是一种能测算各城市发展潜力的方法，它能根据各城市的相对地位和影响力进行排序。该模型是将主成分分析法与TOPSIS 法相结合创造出的函数模型，其原理是在主成分分析法降维后，运用TOPSIS 进行再次降维，有效避免了人为确定权重的主观性，因此可信度高且代表性强[26]。其基本步骤如下：
（1）样本标准化处理，得到标准化样本阵。（2）根据标准化过程中的成分矩阵表，确定主成分表达式。
（3）确定主成分决策阵。将标准化样本阵代入主成分表达式中，求得主成分决策阵。利用Z ij =y ij -min i {y ij }求出单向主成分决策阵。通过不同主成分贡献率与累计贡献率的比值求出不同主成分权重a j ，最后将其赋予对应的主成分，得到主成分决策阵。
（4）综合排序。测算正负理想点：
Z-=min i (Z ij )Z+=max i (Z ij )
式中：Z-表示负理想点，Z+表示正理想点。计算各方案到正理想点的相对接近度S i
：
图1 长三角扩容逐步纳入的浙江省域范围
Fig.1 The scope of Zhejiang province gradually included under the background of the expansion of the Yangtze river delta region
表2 DMSP/OLS 夜间灯光数据列表
2000F152000--2001F152001--2002F152002--2003F152003
---2004-F162004-2005-F162005-2006-F162006-2007-F162007-2008-F162008-2009-F162009
-2010--F1820102011
-
-F182011
都有所上升，而温州则明显下降（表4）。
表3 2000年主成分得分系数矩阵表
X20.239-0.202-0.319 0.047 0.168X30.098 0.390 0.257 -0.322 0.151 X40.282 0.114 0.189 0.144 -0.111 X50.126 0.366 0.356 -0.064 -0.074 X60.296 0.041 -0.005 0.242 0.000 X70.225 0.230 -0.210 -0.102 0.380 X80.308 -0.020 -0.165 0.076 0.015 X90.298 -0.020 -0.204 0.057 -0.147 X100.245 -0.311 0.178 0.065 -0.060 X110.220 -0.274 0.302 -0.120 -0.040 X120.068 -0.445 0.284 -0.124 0.168 X130.267 0.223 0.164 -0.084 0.208 X140.246 -0.312 0.146 0.109 0.011 X15-0.102 0.058 -0.114 0.554 0.461 X160.278 0.096 -0.272 -0.070 0.191 X170.290 0.042 0.026 0.238 -0.199 X180.045 0.235 0.319 0.506 -0.120 X19
0.175
0.134
-0.337
-0.111
长三角城市-0.586
表4 浙江省11市2000~2019年潜力值
Table 4 The potential value of 11 cities in Zhejiang province from 2000
宁波0.823 20.86310.814 20.80420.883 1温州0.539 30.41450.373 60.41360.390 5绍兴0.422 40.46230.389 50.42550.375 6嘉兴0.415 50.45740.433 30.46230.458 4台州0.363 60.31980.275 70.29380.321 7金华0.347 70.36670.275 70.33470.277 9舟山0.303 80.40360.397 40.44940.487 3湖州0.264 90.27490.263 90.27590.304 8衢州0.109 100.073100.055 110.065110.065 11丽水
0.076 11
0.03111
0.098 10
0.14710
0.083
10
图3 浙江省11市潜力值的空间分布（2000~2019）
Fig.3 The spatial distribution of potential in 11 cities of Zhejiang
Province from 2000 to 2019
温州市加入长三角城市后，发展潜力反而下降，其主要原因有以下两点：其一，城市规划不够合理，基础设施建设相对滞后，交通设置不完善，各区县交流少封闭严重，县与县之间的道路通达性较低。同时，道路建设也存在问题，温州的道路过窄，车辆难停，容易导致交通堵塞。
其二，人才流失严重。温州的发展对人才的需求较大，但
（5）根据S i 大小进行综合排序。2.2 标准差椭圆法
标准差椭圆法（SDE ）能够从不同角度反映浙江各市潜力重心分布特征[27]，通过计算椭圆的长短轴、旋转角以及重心偏移度，可以了解各城市的空间发展趋势。2.3 反距离权重插值法
反距离权重插值法能够反映出各市向外辐射能力，体现各市潜力空间分异变化情况。该方法是一种确定性方法，用于已知散点集的多变量插值[28]，它通过插值点与样本点之间的距离作为权重，进行加权平均，离插值点越近的样本点赋予的权重越大，权重贡献率与距离成反比，可表示为
：
式中：Z 表示插值点估算值，D i 表示站点i 与插值点之间的距离；Z i 表示实际样本值；P 则为距离的幂，本文采用P=2，因此也可称为反距离平方加权法。
3 结果与分析
3.1 发展潜力时序分析
通过加权主成分TOPSIS 模型对各年份浙江省11个市的综合发展潜力进行了实证分析。以2000年为例，在SPSS 平台确定各主成分权重，根据累计方差贡献率不小于80%的规定，提取出了五个主成分，表3为五个主成分的系数，据此可以得出5
个主成分的线性表达式：
计算出各主成分的数值后，根据加权主成分TOPSIS 模型步骤，得到历年浙江省11市的综合潜力值排名表（表4）与空间分布图（图3）。
2000年至2019年期间，浙江11市潜力排名一直处于波动，但杭州与宁波稳于前两位，而衢州和丽水稳于末两位。在余下的7座城市中除舟山外，均在上下2个排名间波动。通过对比表4中浙江各市在2019年与2000年潜力值，发现随着长三角扩容，以舟山为代表的绝大多数城市潜力值
随着长三角城市的融合发展，杭州、宁波等地发展迅猛，人才资源快速流入这些地区，导致温州高端技术型人才欠缺且单一，第三产业的发展也受到牵制。
舟山与温州的发展趋势相反，其排名由2000年的第8名上升到第3名，是浙江11市中发展潜力排名上升最快的城市，其主要原因在于舟山市城市规划合理，大力开发旅游资源。2013年1月国务院批复《浙江舟山岛新区发展规划》，将舟山岛定位于浙江海洋经济发展的先导区，成为长三角地区经济发展重要增长极。2018年《浙江舟山岛新区（城市）总体规划（2012~2030年）》进一步明确了舟山市的发展方向，在确保区域重点项目高质量发展的同时，增补公共配套服务，保护生态格局，营造特城市风貌。此外，甬舟铁路、舟岱大桥的规划也将使得舟山与周围城市联系更为紧密，进一步加快其发展速度。
通过2000年、2005年、2010年、2015年和2019年五个时间段的潜力值对比，发现浙江各市发展潜力
差异较大。本文将2019年各市的发展潜力划为四个等级：0~0.3为发展潜力弱区、0.3~0.4为发展潜力较弱区、0.4~0.5为发展潜力较强区、0.5~1.0为发展潜力强区，将2000年至2019年各市排名浮动变化分为两类：上升型与下降型（表5）。发展潜力排名是一个相对的概念，即浙江各市都处于发展中，但由于地域、政策、人口等原因，其发展速度不一，而排名反映的就是其速度问题。浙江各市发展潜力不平衡问题，主要有两方面原因：其一，不同城市的区位、科技、环境、居民素养各有不同；其二，不同城市进入长三角城市的时间也不一样。
研究期内浙江省逐渐发展成北强南弱的状态，发展潜力较强区与强区的4座城市，均处于浙江北部，而发展潜力弱区的金华、丽水和衢州都处于浙江南部。早期进入长三角的杭州、宁波、嘉兴、绍兴、湖州、舟山6座城市，有4座处于发展潜力较强区与强区，余下湖州和温州处于发展潜力较弱区。共有5座城市的发展潜力排名上升，6座城市排名下降，总体上升降参半，但发展潜力较好且排名上升的城市仅有舟山、嘉兴和宁波，而发展潜力较差且排名下降的城市却有5座之多（表5）。
表5 浙江省11市综合发展潜力类型
Table 5 Types of comprehensive development potential of 11 cities
上升型丽水湖州舟山、嘉兴宁波
下降型金华、衢州温州、绍兴、台州——杭州
3.2 发展潜力空间演变分析
通过反距离权重法和标准差椭圆法得到五个时间截面的城市潜力空间分异图（图4）与综合发展潜力重心空间演化图（图5）。图4反映出辐射变化幅度具有明显的区域差异性，以杭州为核心的环杭州湾城市，其辐射能力向外衰减速度较快，而温州、衢州与丽水等外围城市衰减速度较慢，浙江省各城市综合发展潜力明显处于不平衡状态。同时由图5可知，研究期内椭圆长轴呈东北—西南分布，表明发展潜力较好的城市沿该方向分布。2000~2019年五个时间截面的椭圆重心存在轻微移动的情况，但总体来看重心都处于浙北，且有继续向北迁移的趋势，反映了浙江
省发展潜力北高南低的现状。
图4 浙江省11市城市潜力值空间插值效果
Fig.4 The spatial interpolation result of the city potential in 11 cities
of Zhejiang Province
图5 2000~2019年浙江省11市综合发展潜力重心空间演化Fig.5 Spatial evolution of the potential gravity center for the comprehensive development of 11 cities in Zhejiang province from 2000 to 2019
根据城市潜力值越大，向外辐射能力越强的原则，杭州和宁波向外辐射范围最广，其综合发展潜力最大，充分体现了杭州、宁波两地在浙江的核心地位，同时也体现出两地对外的带动作用。从2000~2019年的空间分异图发现，杭甬两地辐射范围不断向外扩张，而处于杭甬中间的绍兴，其潜力值处于下降状态，伴随着绍兴向外辐射能力的弱化，杭甬两地逐渐产生连通态势。此外，湖州、嘉兴和舟山潜力不断上升，也进一步深化了环杭州湾区域的一体化发展。虽然温州原本也具有不错的辐射能力，对衢州和丽水有一定带动作用，但由于长三角城市的不断扩容，浙江北部城市发展速度进一步加快，致使温州人才流失严重，综合发展潜力不断下降，辐射圈层缓慢收缩，与金华、丽水和衢州三地一同沦为空间辐射能力薄弱地带。
海大桥和杭州湾跨海大桥的成功经验，优化杭州萧山机场综合枢纽系统，打造沿江高铁工程、杭州都市圈环线工程以及宁波西综合枢纽工程，建设沪舟甬跨海大通道，深化与上海都市圈和南京都市圈的交流，实现长三角一体化发展。
从内部发展形态上来看，各市应调整产业结构，优化空间发展格局。浙江应落实党中央提出的供给侧结构性改革要求，转变各市落后的发展模式，发展互补型产业。同时，根据国家发展改革委对于现代化都市圈的指导意见，形成以杭州、宁波、温州、金义四大都市区核心区为中心带动，以环杭州湾、甬台温、杭金衢、金丽温四大城市连绵带为轴线延伸，以四大都市经济圈为辐射拓展的“四核、四带、四圈”网络型城市空间格局。
参考文献(References)
[1] STEWART J Q. Empirical mathematical rules concerning the
distribution and equilibrium of population[J]. Geographical review, 1947,37(3):461-485.
[2] 夏庆霖，汪新庆，刘壮壮，等. 中国钨矿成矿地质特征与资源潜力
分析[J]. 地学前缘,2018,25(3):50-58. XIA Q L, WANG X Q, LIU Z Z, et al. Tungsten metallogenic and
geological features and mineral resource potential in China[J]. Earth Science Frontiers, 2018,25(3):50-58.
[3] 蔡承智，杨春晓，莫洪兰，等. 基于ARIMA 模型的中国水稻单产预
测分析[J]. 杂交水稻,2018,33(2):62-66. CAI C Z, YANG C X, MO H L, et al. Chinese rice yield predictive
parsing based on ARIMA model[J]. Hybrid Rice, 2018,33(2):62-66.
[4] 闫睿. 重庆市乔木林碳储量动态分析及潜力预测[J]. 林业经济,
2019,41(7):70-77. YAN R. Carbon storage and dynamic changes of arbor forests in
Chongqing city[J]. Forestry Economics, 2019,41(7):70-77.
[5] 孔德婧，王坤. 基于专利数据的技术投资预测——以快递物流领
域为例[J]. 技术经济与管理研究,2018(8):14-20. KONG D J, WANG K. To assess a technology investment based
on patent data: from an empirical analysis on express logistics[J]. Journal of Technical Economics & Management, 2018(8):14-20.[6] SHARMA D, SINGH S. Instituting environmental sustainability
and climate resilience into the governance process: exploring the potential of new urban development schemes in India[J]. International Area Studies Review, 2016,19(1):90-103.
[7] PARVEZ M, ISLAM S. Sites suitability analysis of potential
urban growth in Pabna municipality area in Bangladesh: AHP and geospatial approaches[J]. Journal of Geographical Studies, 2020,3(2):82-92.
[8] 关伟，周忻桐. 辽中南城市空间相互作用的时空演变[J]. 经济
地理,2014,34(9):48-55. GUAN W, ZHOU X T. The spatio-temporal evolvement of spatial
interaction among cities of south central Liaoning[J]. Economic Geography, 2014,34(9):48-55.
[9] ZHEN F, QIN X, YE X, et al. Analyzing urban development
patterns based on the flow analysis method[J]. Cities, 2019,86:178-197.
[10] GU S, FU B, THRIVENI T, et al. Coupled LMDI and system
dynamics model for estimating urban CO 2 emission mitigation potential in Shanghai, China[J]. Journal of Cleaner Production,
浙江11市潜力值和空间相互作用强度的变化趋势与地区差异，充分表明近年来浙江各市的空间联系还
未形成一体化，甚至出现下降趋势。主要原因有以下几点：首先，核心城市辐射能力不足。浙江省整体水平发展与核心城市有着重大关联，杭州、宁波两地由于进入长三角城市时间最长，且杭州同时享有省会城市的政策福利，因此两地自身发展潜力较高。但目前杭甬暂未具有辐射整个浙江省的发展势能，区域辐射能力不足，与上海等发达城市相比存在一定差距。其次，浙江省互补型产业欠缺，各市多处于竞争状态。随着长三角一体化深入发展，杭州大力发展电子业、旅游业、金融业等，向第三产业积极迈进，然而经济、人口、产业结构等指标反映出目前在浙江各市中，以第二产业为主导的城市仍占大多数，使得各市之间人才、技术、信息等资源竞争严重，难以形成一体化发展。最后，由于行政分割导致各市联系不足，协调程度不够。在城市之间的空间相互作用中，行政、政策因素扮演着重要角，然而由于区域间存在较大差异性，各市交互成本较高，使得不同城市之间缺乏协调性，导致城市间相互作用减小。
4 结论与政策建议
4.1 结论
本文将社会经济数据与夜光遥感数据相结合，通过构建城市综合发展潜力评价指标体系，运用加权主成分TOPSIS 模型，从时空两个角度对浙江11市的潜力进行了测算与分析，不仅反映出研究区在时序上的变化，同时体现了各市内部空间异质问题。通过研究得出以下结论：首先，浙江各市发展潜力不
平衡态势明显。从整体上看，浙江呈现出北强南弱的发展态势。地处北端的杭州与宁波已成为新一线城市，深度融入长三角城市，发展前景良好；而南部的温州发展疲软，与周边城市一同沦为发展潜力较弱的区域。其次，地处浙北的环杭州湾城市逐渐呈现一体化发展趋势，具有相互连接的态势。该城市毗邻上海，随着长三角一体化的深入，依靠大运河水路、杭绍台高铁、嘉湖高速、杭甬高速、杭州湾跨海大桥以及宁波、萧山两大机场，迈入城市化进程的高速发展阶段。最后，杭甬两地辐射范围虽不断扩大，但作为发展引擎城市，杭甬对浙南地区的辐射力度却仍显不足，与浙南的空间联系有待提升。杭甬作为引擎城市应带动全省各市积极融入长三角城市，谋求发展机遇。4.2 政策建议
根据上述结论，本文从外部区域合作与内部发展形态两方面给出如下建议。
从外部区域合作上来看，浙江应深度对接国家长三角发展战略，消除省际间要素交流障碍。浙江应当以中共中央、国务院印发的《交通强国建设纲要》为根据，借鉴舟山跨
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论