长江三角洲城市群城镇用地扩展的时空特征及驱动因素分析_张雪婷.pdf

湖北农业科学2023 年收稿日期：2022-01-10基金项目：国家自然基金科学项目（41461035）作者简介：张雪婷（1995-），女，新疆乌鲁木齐人，在读硕士研究生，研究方向为干旱区灯光遥感，（电话）15160989279（电子信箱）；通信作者，郑江华，男，教授，博士生导师，主要从事地理环境建模与地理可视化研究，（电子信箱）Zheng_。第 62 卷第 3 期2023 年 3 月湖北农业科学Hubei Agricultural SciencesVol.62 No.3Mar.，2023张雪婷，卢宾宾，余丹林，等.长江三角洲城市群城镇用地扩展的时空特征及驱动因素分析 J.湖北农业科学，2023，62（3）：116-124，129长江三角洲城市群城镇用地扩展的时空特征及驱动因素分析张雪婷1，卢宾宾1，2，余丹林1，3，郑江华1，4（1.新疆大学资源与环境科学学院，乌鲁木齐830046；2.武汉大学遥感信息工程学院，武汉430079；3.Department of Earthand Environmental Studies，Montclair State University，Montclair07043；4.绿洲生态教育部重点实验室，乌鲁木齐830046）摘要：选取长江三角洲城市群19952015年的城镇用地监测数据，采用城镇扩展强度指数、分形维度以及城镇化率3个指标分析其城镇用地时空演变特征，并基于GWR对其演变的驱动力进行分析。结果表明，长江三角洲城市群城镇用地扩展强度整体呈先上升后下降再缓慢上升的趋势，其中高速扩展型的城镇占总数的7.7%，中速扩展型城镇占总数的20.2%，低速扩展型城镇占总数的72.1%。19952015年长江三角洲城市群各省市的分形维数都有所增加，安徽省分形维数较低，变化幅度较大，江苏省较为平稳，上海市呈平稳上升趋势，且江苏省和上海市高于长江三角洲城市群的平均水平。19952015年，经济、医疗卫生、教育是长江三角洲城市群南部城市的主要驱动力，第一产业、交通运输和人口则是北部城市的主要驱动力。从空间维度视角来看，1995年经济和医疗卫生是浙江省和上海市的主要驱动力，随着时间的推移，人口是城市群北部的主要驱动力，医疗卫生是城市群南部的主要驱动力。关键词：城镇用地；驱动力；地理加权回归；长江三角洲城市群中图分类号：F061.5文献标识码：A文章编号：0439-8114（2023）03-0116-09DOI:10.14088/ki.issn0439-8114.2023.03.019开放科学（资源服务）标识码（OSID）：Analysis of spatio-temporal characteristics and driving factors of urban land expansion inYangtze River Delta urban agglomerationZHANG Xue-ting1，LU Bin-bin1，2，YU Dan-lin1，3，ZHENG Jiang-hua1，4（1.College of Resource and Environment Sciences，Xinjiang University，Urumqi 830046，China；2.School of Remote Sensing and InformationEngineering，Wuhan University，Wuhan 430079，China；3.Department of Earth and Environmental Studies，Montclair State University，Montclair07043，America；4.Key Laboratory of Oasis Ecology，Ministry of Education，Urumqi 830046，China）Abstract：The urban land monitoring data of the Yangtze River Delta urban agglomeration from 1995 to 2015 were selected，the spatial and temporal evolution characteristics of urban land use were analyzed by selecting three indicators of urban land expansion intensity index，fractal dimension and urbanization rate，and the driving forces of urban land use evolution were analyzed based on geographically weighted regression（GWR）.The results showed that the urban land expansion intensity in the Yangtze River Delta urbanagglomeration increased first，then decreased，and then slowly increased.The towns with high-speed expansion accounted for 7.7%ofthe total，and those with medium-speed expansion accounted for 20.2%of the total.Towns with low-speed expansion accounted for72.1%of the total.From 1995 to 2015，the fractal dimension of all provinces in the Yangtze River Delta urban agglomerations increased，while the fractal dimension of Anhui Province was relatively low and the change range was large；while the fractal dimensionof Jiangsu Province was relatively stable，and the fractal dimension of Shanghai City showed a stable rise，and the fractal dimension ofJiangsu Province and Shanghai City were higher than the average level of the Yangtze River Delta urban agglomerations.From 1995 to2015，economy，medical and health care，and education were the main driving forces of cities in the southern part of the Yangtze River Delta urban agglomeration，while primary industry，transportation and population were the main driving forces of cities in the northern part of the Yangtze River Delta urban agglomeration.From the perspective of spatial dimension，in 1995，economy and medicaland health care were the main driving forces of the urban agglomerations in Zhejiang Province and Shanghai City.Over time，the population was the main driving force in the northern part of the urban agglomerations，while medical and health care was the main drivingforce in the southern part of the urban agglomerations.Key words：urban land；driving force；geographically weighted regression（GWR）；Yangtze River Delta urban agglomeration第 3 期改革开放以来，中国经济高速发展，伴随着城镇化的快速发展，1978年中国的城镇化率为 17.92%，2020年已高达 63.00%。城市用地动态变化十分剧烈，使得城市间的联系更加紧密，逐步向城市群这种更高级的阶段发展。关于城市群的定义有很多种，目前没有比较统一的定义。本研究采用方创琳1关于城市群的定义，即城市群是指在特定地域范围内，以1个特大城市为核心，由至少3个以上都市圈（区）或大中城市为基本构成单位，依托发达的交通通讯等基础设施网络所形成的空间相对紧凑、经济联系紧密并最终实现同城化和一体化的城市群体。城市群的发展以及影响城市群发展的驱动力因素一直受到政府及相关学者的关注。从研究对象来看，长江三角洲城市群2-4、珠江三角洲城市群5-7以及京津冀城市群8，9具有经济发展迅速、经济体量大、人口多且流动性大、区域城镇化水平高的特点，是中国目前最具有活力的区域，因而受到更多关注；就研究内容而言，从生态环境9、经济发展10-15、人口16等方面对城市群的城镇用地扩展格局进行实证分析和理论研究是主流；就研究方法而言，主成分分析法17，18、相关性分析法2，13，19，20、空间计量模型21，22、地理探测器23等方法逐渐被广泛应用于城镇用地扩展格局的驱动力分析。随着学科交叉融合的快速发展，越来越多的学者开始从地理空间的角度进行城市群的整体空间发展格局以及内部差异分析，并提出将地理加权回归（Geographically weighted regression，GWR）技术结合多种要素的空间统计分析模型8，9应用于城市群城镇用地空间扩展格局及驱动力分析研究上。目前地理加权回归模型以及融合多要素的系统动力学模型是最受欢迎的方法之一，因此本研究选用地理加权回归模型融合主成分法对长江三角洲城市群的城镇化扩展用地的时空格局及驱动力进行分析。长江三角洲城市群是中国最重要的城市群之一，具有城镇用地密度高、强度大以及人口密集度大的特点，学者对其空间这种现象的探究从未间断，早期就对该地区展开研究，由于技术手段的限制，主要侧重于理论研究，后期引起了大量学者对其理论研究的验证。但对于前人的验证仍存在需要深入挖掘之处：如何更为全面地总结出长江三角洲城市群城镇用地扩展格局的空间变化；如何更为全面地分析出影响长江三角洲城市群城镇用地空间变化的驱动力，从而能更加深入地分析出其内部各个区域间的发展差异。围绕上述问题，本研究采用空间地理加权回归模型，揭示引起长江三角洲城市群城镇用地扩展时空格局与驱动因素的影响，以期实现科学规划土地利用，促进长江三角洲一体化发展。1研究区概况长江三角洲城市群地跨江苏（南京、镇江、扬州、常州、苏州、无锡、南通、泰州、盐城）、安徽（合肥、芜湖、滁州、马鞍山、铜陵、池州、安庆、宣城）、上海和浙江（杭州、嘉兴、湖州、绍兴、宁波、舟山、金华、台州），共26个城市，是“一带一路”与“长江经济带”的重要交汇地带，是长江经济带的引领者，是最具活力的城市群之一，总面积为 21.17 万 km2，本研究以此范围内的地级市为研究单元。2数据来源与研究方法2.1数据来源土地利用数据和矢量数据均来自中国科学院资源与环境科学数据中心（http：/）。研究时间为1995年、2000年、2005年、2010年和2015年5个年份。其中，土地利用数据为1 10万比例尺土地利用现状遥感监测数据库数据，空间分辨率为1 km。土地利用数据坐标系统皆转换为 WGS84。同时获取 5 个年份城镇用地信息和其他土地利用类型数据。社会经济数据来源于19952015年的 中国城市统计年鉴 江苏省统计年鉴 上海市统计年鉴安徽省统计年鉴 浙江省统计年鉴。2.2研究方法2.2.1城镇用地扩展强度指数该指数的实质是将研究区内各空间单元的城镇建设用地的年平均增长速度进行标准化处理24，从而使得各城市不同时期的扩展速度具有可比性，更好地反映城镇扩展的空间差异性。其公式如式（1）所示。UEi=Ubi-UaiUai T（1）式中，UEi为城镇用地扩展强度指数；Uai和Ubi分别为空间单元i在研究时段内的初期和末期的城镇用地面积；为时间跨度。2.2.2土地城镇化率以城镇建设用地占城乡建设用地的比重来衡量土地城镇化水平13。其公式如式（2）所示。f=UEUR 100%（2）式中，f为土地城镇化率；UE和 UR分别为城镇建设用地和城乡建设用地。2.2.3分形维数分形维数是度量物体或分形体复杂性和不规则性的最主要指标。分形维数被应用于地理学，主要是结合地理位置的特点来研究城市发展状态。在城市发展初期，人类活动的有序和无序张雪婷等：长江三角洲城市群城镇用地扩展的时空特征及驱动因素分析117湖北农业科学2023 年状态并存，随着城市的扩展，城市结构逐渐复杂，相应的城市形态的分形维数逐渐变大14。其公式如式（3）所示。F=2ln(0.25Ci,t)lnSi,t（3）式中，F为分形维数；Cit为t年空间单元i建成区的周长；Sit为t年空间单元i建成区的面积。2.2.4地理加权回归GWR 模型是在传统线性回归的基础上进行扩展的，将数据的地理位置嵌入到回归参数中，能够反映区域的异质性和参数在不同空间的非平稳性8。本研究采用 GWR 模型能更好地探究长江三角洲城市群城镇用地空间扩展格局的驱动力因素在不同的空间尺度上的分异状况，也可以更好地探究长江三角洲城市群城镇用地的空间分异规律。具体模型18描述如下。yi=0(Xit,Yit)+kk(Xit,Yit)Xik+i（4）式中，yi为观测值；(Xit,Yit)是第i个样本点的空间坐标，本研究中指区域的重心坐标；0(Xit,Yit)和k(Xit,Yit)为i点的回归常数和第k个回归参数，即模型在空间坐标(Xit,Yit)处的权重；Xik为独立变量Xk在i点的值，即地理加权回归模型指标体系中各量化指标的值；i是模型函数的残差。2.2.5驱动因素的选择在现有文献研究的基础上，结合研究区的现状以及数据的可得性，共选取16个驱动因子，涉及了人口、经济、交通、教育、健康卫生等多个方面，驱动因子选取如表1所示。表1驱动因子指标名称人口第一产业增加值第二产业增加值第三产业增加值社会消费品零售总额财政收入财政支出工业总产值变量X0X1X2X3X4X5X6X7单位万人亿元亿元亿元万元万元万元亿元指标名称农业总产值铁路货运量公路货运量公路客运量普通高等学校数医院数卫生技术人员医院床位变量X8X9X10X11X12X13X14X15单位亿元万t万t万人/次个个万人万张2.2.6数据预处理为了检查以及消除自变量数据间的多重共线性，采用主成分分析法对驱动因子进行降维处理。根据 SPSS 19.0软件的运行结果提取16个驱动因子的主成分，并得到主成分载荷矩阵和成分得分系数矩阵。根据分形维数和土地城镇化率的定义，将分形维数和土地城镇化率定义为连续性指标，根据连续性指标的原始变量数据得出方差解释，共提取了 4个主成分（表 2），方差的累积贡献率达 81.961%，符合分析要求。根据城镇用地扩展强度指标的特性，本研究将其定义为阶段性指标，根据其数据得出方差解释，共提取了 6个主成分（表 3），方差的累积贡献率达 85.890%，符合分析要求。最终得出如表 4所示的主成分主导因子，获得了排除因子之间多重共线性之后的数据，完成了对自变量数据的预处理。表2连续性指标的方差解释主成分F1F2F3F4特征值9.0071.6771.4111.019贡献率/%56.29210.4808.8176.372累计贡献率/%56.29266.77275.58981.961表3阶段性指标的方差解释主成分F1F2F3F4F5F6特征值6.4302.2831.4451.3151.2661.003贡献率/%40.19014.2719.0288.2217.9136.267累计贡献率/%40.19054.46163.48971.71079.62385.890表4主成分变量主导因子分类连续性阶段性主成分F1F2F3F4F1F2F3F4F5F6主成分主要构成X2，X3，X4，X5，X6，X7，X10，X12X1，X8X13，X14X0X2，X3，X4，X5X1，X8X13，X14X11X12X0主导方向经济主导第一产业主导医疗卫生主导人口主导经济主导第一产业主导医疗卫生主导交通运输主导教育主导人口主导3结果与分析3.1城镇用地扩展的特征3.1.1城镇用地扩展强度时间演化特征长江三角洲城市群城镇用地扩展强度整体呈“N”形的增长趋势，先快速上升，然后逐渐下降，最后再缓慢上升。浙江省在20002005年，城镇用地扩展强度快速上升，并且区域间差别较大，最高扩展强度指数达30%以上（嘉兴市和金华市，图 1）。这与当时的国家经济政策、电子商务的发展有关，人口流动加大，建设用地激增，大多投资建厂，大量人才涌入，该时期快速发展起来的大多是交通较为发达的城市（如宁波118第 3 期市、绍兴市和杭州市），以这些城市为代表，长江三角洲城市群的建设用地增速加快，表现为各个城市的城镇用地扩展强度指数快速增加。江苏省内的城镇扩展并未表现出这种快速变化趋势，且不同城市的城镇用地扩展强度波动不大（除20052010年的镇江市外，城镇用地扩展强度指数均低于 10%），但总体呈上升趋势。20052010 年镇江市、芜湖市、铜陵市和宣城市出现了城镇用地扩展强度指数大于10%的增长趋势，其余城市均以低于10%的速率变化。虽然城市间存在差异，但是多数城市的变化趋势与整体趋势相同。20002005 年以及 20052010年这两个时期的城市间的城镇用地扩展强度差异较为明显，表明不同城市的发展速度在区域内存在不一致性，在20102015年各个城市间的城镇用地扩展强度差异逐渐缩小，表明城市群逐渐向着协同一致的方向发展。进一步采用自然断裂点分级方法将长江三角洲城市群的城镇扩展速度按高速扩展（城镇用地扩展强度指数12%）、中速扩展（城镇用地扩展强度指数为 5%12%）、低速扩展（城镇用地扩展强度指数为05%）分成 3 种类型，探讨城镇用地在数量结构上的分异特征。结果（图 2）表明，高速扩展型城镇（HSUE）3 个，占 总 数 的 7.7%，中 速 扩 展 型 城 镇（MSUE）5 个，占总数的 20.2%；低速扩展型城镇（LSUE）18个，占总数的72.1%，低速、中速扩展的城镇占据了长江三角洲地区城镇用地扩展类型的主流。从各时期来看，19952000年全部处于低速扩展，20002005年和20052010年这两个时期出现了超过10%的扩展速率，但是20102015年又归于低速扩展水平。20002010 年快速的城镇化扩展速率主要与国家政策以及当地互联网企业的快速发展有关。20102015年，国家出台对互联网企业的规范化整改，致使长江三角洲地区的互联网、智能等产业趋于平稳，进而使得城镇化率的速率缓慢下来。35302520151050城镇用地扩展强度指数/%安庆市常州市池州市滁州市杭州市合肥市湖州市嘉兴市金华市马鞍山市南京市南通市宁波市上海市绍兴市苏州市台州市泰州市铜陵市无锡市芜湖市宣城市盐城市扬州市镇江市舟山市城市19952000年20002005年20052010年20102015年图1长江三角洲城市群城镇用地扩展强度时间变化特征0102030城镇用地扩展强度指数/%0.250.200.150.100.050.00占比HSUE 7.7%MSUE 20.2%LSUE 72.1%0.600.400.200.00占比0.200.150.100.050.000.250.200.150.100.050.000.400.300.200.100.000102030城镇用地扩展强度指数/%19952000年 20002005年20102015年20052010年a.总分布b.分阶段图2长江三角洲城市群城镇用地扩展强度指数频率分布张雪婷等：长江三角洲城市群城镇用地扩展的时空特征及驱动因素分析119湖北农业科学2023 年1.351.301.251.201.15分形维数1995 2000 2005 2010 2015年份a.安徽Mean=1.261.351.301.251.201.15分形维数1995 2000 2005 2010 2015年份b.江苏1.351.301.251.201.15分形维数1995 2000 2005 2010 2015年份c.上海1.351.301.251.201.15分形维数1995 2000 2005 2010 2015年份d.浙江虚线为分形维数的均值图3长江三角洲城市群各省市分形维数变化3.1.2城镇用地扩展形态特征理论上来说，分形维数处于 12，分形维数越大，城市形态越复杂；分形维数小于 1.5，说明城市形态较为规整；分形维数大于1.5，表明城市形态较为复杂24。通过分形维数的计算结果（图3和表5）可知，长江三角洲城市群各城市的分形维都在1.5以下，说明城市形态均较为规整。分形维数如果几乎不变或者只有细微的变化，说明该城市步入了相对稳定的发展阶段。总体来看，20年间各省市的分形维数都有所增加（图3），安徽省、江苏省、上海市和浙江省分形维数呈逐步增加的趋势，且安徽省与浙江省标准差较大，说明这两个地区城镇化率变化幅度较大。从分形维数的均值来看，安徽省19952015年和浙江省1995年、2000年处于均值之下，其他均在均值之上。从各城市的分形维数来看，除了宁波市有轻微的波动，呈下降趋势，其余城市均呈上升趋势。地属浙江省和安徽省的城市的分形维数变化较为剧烈，地属江苏省的则较为平稳，上海市的变化也整体呈平稳上升。因此可以得出，长江三角洲城市群各城市的分形维数变化程度北部地区小于南部地区，其中嘉兴市、金华市、铜陵市的变化十分剧烈，上海市的变化则较为细微，说明上海市已进入了相对稳定的发展阶段。从长江三角洲城市群26个城市的分形维数变化来看，各城市的扩展形态总体趋于稳定，但是各个城市之间的变化差距较大，表明各城市间的发展现状和发展趋势差异比较明显。3.1.3长江三角洲城市群土地城镇化特征由长江三角洲城市群各时期的城镇化率的密度分布（图4）可以看出，1995年和 2000年呈相似的扩展变化，变化起伏较大且城镇化率的均值均未超过 30%，而2005年变化起伏相较于2000年较为缓和，城镇化率的均值为30%。2010年城镇化扩展幅度较大，2015年扩展趋势显著，且均高于前4个时期。除上海市、舟山市、苏州市和台州市外，其余城市在研究年限中城镇化率都呈增加趋势（表6）。自2001年后中国加入世界贸易组织，沿海地区吸引了大量外资，使得新一轮大规模的开发区被建设，上海“经济特区”计划、江苏沿江开发以及浙江杭州湾地表5长江三角洲城市群各城市的分形维数城市安庆市常州市池州市滁州市杭州市合肥市湖州市嘉兴市金华市马鞍山市南京市南通市宁波市1995年1.2181.2831.1701.2401.2781.2621.2311.2501.2431.2291.2941.2701.3442000年1.2211.2841.1731.2471.2811.2641.2331.2531.2481.2311.2971.2701.2882005年1.2391.2891.1781.2511.3011.2781.2501.2891.2851.2391.3051.2771.3132010年1.2471.2931.1961.2541.3021.2901.2531.2911.2861.2501.3121.2821.3132015年1.2581.2981.2111.2591.3071.3031.2631.2971.2921.2621.3151.2921.316城市上海市绍兴市苏州市台州市泰州市铜陵市无锡市芜湖市宣城市盐城市扬州市镇江市舟山市1995年1.3241.2511.3021.2511.2451.1761.2891.2111.1991.2621.2611.2611.1932000年1.3251.2541.3071.2471.2531.1781.2911.2141.2061.2631.2621.2661.1962005年1.3301.2781.3191.2721.2591.1941.3021.2191.2121.2691.2671.2681.1992010年1.3331.2781.3231.2731.2631.2131.3061.2491.2321.2781.2731.2901.2032015年1.3341.2841.3271.2781.2741.2221.3101.2571.2381.2901.2781.2941.207120第 3 期区产业大开发等战略相继实施，城市建设用地面积快速增加11。杭州市、上海市、宁波市、苏州市、铜陵市、无锡市的土地城镇化水平均处于较高水平。江苏省的 9个城市中盐城市的城镇化率较低，无锡市和苏州市则处于较高水平，区域差距较大；浙江省的大部分城市城镇化率较高，其中杭州市、宁波市的城镇化率处于领先水平，嘉兴市的增速最快，整体来看区域间的区别不大；安徽省的 8个城市除铜陵以外，其余城市均处于较低的水平，区域间的差距较大，这应该与安徽省的地理位置有关，其位置较城市群中其他省市而言相对处于内陆地区，与江苏、浙江、上海联系并不紧密，并且于 2014年才成为长江三角洲城市群的一部分，与江浙沪的发展存在一定的差距，对外开放程度以及经济水平相对其他两省一市较低，产业结构也比较落后。长江三角洲城市群26个城市的土地城镇化率整体增加，说明区域内各城市发展趋势的一致性，均在城市扩张阶段，其中杭州市、上海市、宁波市、苏州市、铜陵市、无锡市这些高城镇化率的存在说明城市间仍存在较大的差距。图4长江三角洲城市群土地城镇化率的密度分布张雪婷等：长江三角洲城市群城镇用地扩展的时空特征及驱动因素分析表6长江三角洲城市群各城市的土地城镇化率（单位：%）城市安庆市常州市池州市滁州市杭州市合肥市湖州市嘉兴市金华市马鞍山市南京市南通市宁波市1995年8.3640.3813.718.6241.5010.5926.5816.8135.4219.0034.5432.8739.702000年8.6140.1313.858.8641.1510.3627.1617.0432.6516.8033.5032.7540.242005年12.3034.6114.819.6650.3914.1831.5330.1440.6919.2438.7434.7345.762010年13.7938.5618.3510.2647.3017.5330.2329.8937.9322.2539.0536.1944.502015年17.0940.9520.1011.3344.3923.2130.5531.9636.3228.0440.0136.5144.04城市上海市绍兴市苏州市台州市泰州市铜陵市无锡市芜湖市宣城市盐城市扬州市镇江市舟山市1995年56.4534.3444.4746.3515.7234.5543.7814.2315.278.5418.4226.0832.142000年54.8235.1344.2345.6316.0235.0942.0114.2916.228.3018.6427.3131.032005年50.0838.3945.7950.1417.8241.7944.9515.2917.909.2820.3728.0928.042010年46.0534.7342.7746.8318.0751.8543.2724.3724.6211.4621.7238.2127.522015年43.8736.3243.6237.9121.5045.2245.6226.7026.5215.1823.3938.9927.01121湖北农业科学2023 年3.2城市群城镇用地扩展格局的驱动机制在 GWR4.0 软件中，以预处理后的主成分变量作为自变量，分别以阶段性指标（城镇用地扩展强度指数）、连续性指标（分形维数以及土地城镇化率）为因变量，进行分析，模型中的X、Y坐标选择城市重心坐标（在 ArcGIS中求平均重心），选择最优带宽，最终得出驱动因子在模型中的影响参数，参数越大表明其对因变量的影响越大，反之则越小，将各特征指标分别作为因变量进行分析并将其空间化，得到结果如图5、图6和图7所示。3.2.1城镇用地扩展强度变化驱动机制分析由图5可知，19952000年，F1（经济）、F3（医疗卫生）、F5（教育）对城市群南部的城市影响较大，F2（第一产业）、F4（交通运输）、F6（人口）对城市群北部区域的城市影响较为强烈，F6对最北部的城市盐城市影响最强烈。但是从时间维度来看，随着时间的推移，F3和F5对城市群北部区域的影响逐渐增强，对中部地区常州市和镇江市在研究时段内影响较低；F6对南部区域的影响逐渐增强。总体来看，长江三角洲城市群城镇用地扩展强度变化所受的驱动力影响在每个时段具有集聚性，在不同的城市因区位因素不同受到不同的驱动影响。虽然长时间来看，驱动力弱较弱中较强强19952000年20002005年20052010年20102015年19952015年F1F2F3F4F5F60150 km图5长江三角洲城市群城镇用地扩展强度驱动变化122第 3 期有所变化，但是整体较为平稳，主要是因为各省之间的政策不同所导致的。3.2.2城市形态变化驱动机制分析从空间维度来看，1995年，F1（经济）和 F3（医疗卫生）对浙江省城市和上海市的影响较大，F1（经济）和F4（人口）对安徽省城市的影响较强，F2（第一产业）对江苏省城市的影响较弱，但对其他大部分城市均有所影响（图6）。从时间维度来看，城市群城市形态变化受同一驱动力作用下的城市范围具有明显的集聚和迁移特征。随着时间的推移，F4对城市群北部的影响最大，而F3 则对城市群南部的影响最大，中部区域受 F3 和F4的影响较弱。3.2.3土地城镇化驱动力分析从空间维度分析，1995 年，西部城市受 F1（经济）、F3（医疗卫生）、F4（人口）的影响较为强烈，如安徽省的大部分城市均受到强烈影响，尤其是安庆市（图7），东部地区整体受 F2（第一产业）影响比较明显，但是影响并不强烈，这可能与数据的选择覆盖面并不是十分全面有关；2000年，西部地区受F4的影响最强烈，尤其是安徽省的大部分城市以及江苏省的南京市；2005年，受F2的影响，安徽省的安庆市、合肥市、滁州市以及江苏省的盐城市影响最强烈；2010年，F1对西北部地区影响较强烈，尤其是江苏省的南通市、盐城市以及安徽省安庆市；2015年，F2对东部地区影响较为强烈，尤其是江苏省的南通市、盐城市以及苏州市。从时间维度来看，F1、F2的影响范围逐渐由西部地区向东部地区扩展，F3、F4的影响范围大致保持稳定，从北部地区逐渐向南部地区扩展。长江三角洲城市群的土地城镇化驱动力呈明显的区位差异，西部和东部地区差异较为突出，说明人口和经济因素是决定城镇化率的重要因素。人口的迁移会直接影响城市建设用地的变化，要使区域协同一致发展，当务之急是要解决引进人才、留住人才的问题，人才的进入会为城市注入新鲜血液，调动经济活力，对区域经济有良好的促进作用，长江三角洲城市群发展重在把握城市的功能定位。4小结本研究通过城镇扩展强度指数、分形维数等方法对城镇用地扩展的特征、质量等方面进行了分析，并利用GWR方法探讨各城市的驱动机制，旨在找出不同等级城市发展的核心功能定位，主要结果如下。张雪婷等：长江三角洲城市群城镇用地扩展的时空特征及驱动因素分析弱较弱中较强强1995年2000年2005年2010年2015年F1F2F3F40150 km图6长江三角洲城市群城市形态驱动变化123湖北农业科学2023 年弱较弱中较强强1995年2000年2005年2010年2015年F1F2F3F40150 km图7长江三角洲城市群土地城镇化驱动变化1）长江三角洲城市群城镇用地扩展强度整体呈“N”型的增长趋势，先快速上升，然后逐渐下降，最后再缓慢上升。20002005 年以及 20052010 年这两个时期城市间的差异较为明显，20102015年各城市间的扩展强度差异逐渐缩小。2）高速扩展型的城镇占总数的7.7%，中速扩展型城镇占总数的 20.2%，低速扩展型城镇占总数的72.1%，低、中速扩展的城镇占据了长江三角洲地区城镇用地扩展类型的主流。3）20年间长江三角洲城市群各省市的分形维数都有所增加，安徽省处于均值之下，江苏省、上海市和浙江省（除1999年、2000年）均在均值之上，江苏省较为平稳，上海市的变化也整体呈平稳上升趋势。4）19952015年，经济、医疗卫生、教育是长江三角洲城市群南部城市的主要驱动力，第一产业、交通运输和人口是城市群北部区域城市的主要驱动力。从空间维度视角来看，1995年，经济和医疗卫生是浙江省各城市和上海市的主要驱动力，随着时间的推移，人口变为北部城市群的主要驱动力，医疗卫生为南部城市群的主要驱动力。参考文献：1方创琳.城市群空间范围识别标准的研究进展与基本判断 J.城市规划学刊，2009（4）：1-6.2徐丽婷，姚士谋，陈爽，等.高质量发展下的生态城市评价以长江三角洲城市群为例 J.地理科学，2019，39（8）：1228-1237.3覃丽君，金晓斌，蒋宇超，等.近六百年来长江三角洲地区城镇空间与城镇体系格局演变分析 J.地理研究，2019，38（5）：1045-1062.4闻熠，高峻，徐迪，等.基于改进参数的长江三角洲城市生态足迹分析及其可持续性评价 J.水土保持研究，2020，27（1）：312-327.5YLA B，YHB C，MS B，et al.Multiregional input-output analysisfor energy-water nexus：A case study of Pearl River Delta urban agglomeration J.Journal of cleaner production，2020，262：121255.6HU M，XIA B.A significant increase in the normalized differencevegetation index during the rapid economic development in thePearl River Delta of ChinaJ.Land degradation&development，2019，30（4）：359-370.7丁俊，王开泳.珠三角洲城市群工业生产空间的时空演化及驱动机制 J.地理研究，2018，37（1）：53-66.8王海军，张彬，刘耀林，等.基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析 J.地理学报，2018，73（6）：1076-1092.9FANG C，CUI X，LI G，et al.Modeling regional sustainable development scenarios using the Urbanization and Eco-environment Coupler：Case study of Beijing