长江中游城市群县域生态效率时空格局及多维动态演进_曾祥静.pdf

曾祥静,何彪,马勇,等.长江中游城市群县域生态效率时空格局及多维动态演进 J.地理科学,2023,43(6):1088-1100.Zeng Xiangjing,He Biao,Ma Yong et al.Spa-tial-temporal pattern and multi-dimensional dynamic evolution of county eco-efficiency of urban agglomerations in the middle reaches of the Yangtze River.ScientiaGeographica Sinica,2023,43(6):1088-1100.doi:10.13249/ki.sgs.2023.06.015长江中游城市群县域生态效率时空格局及多维动态演进曾祥静1,3，何彪1,3，马勇2，童昀1,3（1.海南大学旅游学院，海南 海口 570228；2.湖北省人文社科重点研究基地旅游开发与管理研究中心，湖北 武汉 430062；3.海南省全域旅游基地，海南 海口 570228）摘要摘要：利用超效率 SBM 模型测度 20092018 年长江中游城市群县域生态效率，并采用 Dagum 基尼系数及其分解、优化的 Getis-Ord Gi*指数、动态 Kernel 密度估计以及空间 Markov 链等方法，揭示长江中游城市群县域生态效率的时空格局与多维动态演进特征。结果表明：样本研究期间，生态效率整体提升、整体差异逐渐增大，由省域间差异与省域内差异共同决定；空间分布上，生态效率低值区逐渐实现等级跃迁，演化为“环长株潭城市群和荆襄宜城市带双热点区、环鄱阳湖城市群冷点区”，形成多级分化空间格局；研究期内，长江中游城市群县域生态效率处于低水平稳定提升阶段，存在持续性低低集聚特征；随着时间迁移，长江中游城市群县域生态效率不稳定性提高，不同相邻地区生态效率水平对 4 类地区生态效率稳定性影响不尽相同。关键词关键词：县域生态效率；扩展动态模型；多维动态演进；长江中游城市群中图分类号中图分类号：F127文献标识码文献标识码：A文章编号文章编号：1000-0690(2023)06-1088-13 生态效率（Eco-efficiency）作为能够有效度量区域生态优先、考核区域经济社会发展绩效和衡量区域绿色发展水平的重要指标，逐渐被纳入到有关经济环境的综合研究中1。生态效率由 Schalteg-ger 等学者2提出，应用于企业生态领域，随后经由世界可持续发展工商理事会（WBCSD）和经合组织（OECD）等在内的组织机构不断完善和丰富其内涵后，生态效率逐渐被界定为衡量区域经济社会绩效与生态环境水平是否均衡发展的重要指标3。中国多次强调长江经济带的发展应以生态环境保护为前提，同时中国中部城市群经济增长与环境污染矛盾突出4，长江中游城市群既位于“长江之腰”，又是中部城市群重要组成部分，研究其生态效率时空格局与动态演进特征，对于推动长江经济带绿色发展进程、生态文明建设以及中部崛起发挥着重要作用。国内外生态效率相关研究主要从生态效率测算、分行业综合评价、时空演变以及影响机制等方面展开。具体地，生态效率测算与评价方法以超效率 SBM 模型1,5-11为主，少数研究涉及 DEA 模型12-14、随机前沿生产函数（SFA）15以及 MinDS 模型16，分行业综合评价集中在旅游业5-7、农业9-10、工业11-13以及海洋业14,17等方面，时空动态演变主要借助 GIS 可视化工具进行表达1,5-6,8-10,12-16，影响机制多使用回归模型识别影响因素进而总结影响路径8,10-16。随着研究的深入，学者们开始关注财政分权18、产业结构8、金融集聚19、科技创新20以及环境规制21等因素对生态效率的影响机制和作用机理，并考虑了空间效应。研究尺度涉及省域4-8,10-14,17、市域1,15-16以及少量县域9,22-23。既有研究对本文具有重要启示，但仍然具有可扩展空间。具体地，目前基于省域尺度和市域尺度研究生态效率的成果较为丰富，县域尺度下的精细 收稿日期收稿日期：2022-01-15；修订日期修订日期：2022-05-07基金项目基金项目：海南省院士创新平台科研专项（YSPTZX202210），国家社会科学基金项目（19BJL036）资助。Foundation:Hainan Academi-cian Innovation Platform Scientific Research Special(YSPTZX202210),National Social Science Foundation of China(19BJL036).作者简介作者简介：曾祥静（1995），女，四川达州人，博士研究生，主要从事生态旅游与绿色发展研究。E-mail:通信作者通信作者：何彪。E-mail: 第 43 卷第 6 期地理科学Vol.43 No.62023 年 06 月Scientia Geographica SinicaJune,2023化研究不足。此外，部分研究使用传统动态学模型描述了生态效率的分布动态，缺乏空间分布动态的表达，不能服务于生态效率存在空间自相关性8,10,18这一典型事实。基于此，本文利用超效率 SBM 模型测度 20092018 年长江中游城市群县域生态效率，并采用 Dagum 基尼系数及其分解、优化的 Get-is-Ord Gi*指数、条件 Kernel 密度估计以及空间Markov 链等方法，揭示长江中游城市群县域生态效率时空格局与多维动态演进特征，为科学规划长江中游城市群生态效率协同提升战略提供决策参考。1 研究方法、指标选取与区域界定1.1研究方法研究方法1）超效率 SBM 模型。传统 DEA 模型所包含的径向与非径向两大类已被有关文献证明仍存缺陷24，Tone 等学者提出的超效率 SBM 模型可有效避免径向性等严格假设条件的限制25，进而准确区分出有效决策单元的效率值大小，使评价结果更符合实际26。因此，本文采用超效率 SBM 模型测度长江中游城市群县域生态效率，计算公式见文献 25。2）热点分析。为探究长江中游城市群县域生态效率的空间聚类特征及其演进规律，利用 Arc-GIS10.8 软件中优化的 Getis-Ord Gi*指数进行表达，计算公式见文献 27。3）Dagum 基尼系数及其分解。传统的基尼系数以及泰尔指数等无法解决样本间的交叉重叠问题，导致测量结果缺乏全面性。Dagum 基尼系数及其分解通过对总差异进行分解，不仅能够解决地区差距来源问题，还能够描述子样本的分布状况，能够全面反应样本特征28。因此，本文选择 Dagum 基尼系数及其分解来刻画长江中游城市群县域生态效率差异。Dagum 基尼系数可以分解为群体内差距贡献 Gw（分区内部各研究单元差距），群体间差距贡献 Gt（各分区间的差距）与群体间超变净值差距贡献 Gnb（各分区离群值的跨群交叉程度），满足 G=Gw+Gnb+Gt的关系29。4）Kernel 密度估计。Kernel 密度估计隶属非参数估计方法范畴，其在模型设定以及估计未知分布方面较参数估计方法优势突出30，常见于描述区域发展不均衡特征。传统的 Kernel 密度估计仅能刻画长江中游城市群县域生态效率的静态分布特征，在描述其动态分布特征方面缺乏解释力。因此，本文借鉴沈丽等学者31的做法，引入条件 Kernel 密度估计，即在传统 Kernel 密度估计的基础上考虑空间因素，探索空间条件下长江中游城市群县域生态效率的分布动态。基于本文在城市群范围内做县域尺度研究以及与前人研究保持一致的考虑，各研究单元的空间关系使用空间邻接权重矩阵表达。5）空间 Markov 链。Markov 链由 Quah 提出32，是一个随机过程X（t）,tT的状态空间，被用来测量各研究单元生态效率相对位置的动态变化特征以及发生状态转移的概率。传统的 Markov 过程未能体现空间因素的作用。因此，本文将“空间滞后”引入传统 Markov 分析过程，可以有效考察长江中游城市群县域生态效率的空间动态演进过程，亦借助空间邻接权重矩阵加以测算。1.2指标选取与数据说明指标选取与数据说明基于投入产出模型，参考已有文献 22,33-36与相关理论，并结合县域经济统计数据与遥感数据的可获性，采用自下而上的方式，构建了长江中游城市群县域生态效率的投入产出指标体系（表 1）。表表 1长江中游城市群县域生态效率投入产出表长江中游城市群县域生态效率投入产出表Table 1 Input-output table of county eco-efficiency of urban agglomerations in the middle reaches of the Yangtze River 目标层准则层指标层单位数据类型数据来源投入指标资源投入能源消费指数无DMSP/OLS夜间灯光数据中国科学院资源环境科学数据中心土地投入建设用地面积无中国土地利用现状遥感监测数据地理国情监测云平台耕地面积无中国土地利用现状遥感监测数据地理国情监测云平台资本投入全社会固定资产投资万元统计数据中国县域统计年鉴、各市统计年鉴、各区县国民经济和社会发展统计公报劳动力投入年末总人口万人统计数据中国县域统计年鉴、各市统计年鉴、各区县国民经济和社会发展统计公报产出指标合意产出地区生产总值万元统计数据中国县域统计年鉴、各市统计年鉴、各区县国民经济和社会发展统计公报非合意产出PM2.5年均质量浓度无气溶胶反演遥感数据大气成分分析组织6 期曾祥静等：长江中游城市群县域生态效率时空格局及多维动态演进1089 具体地，本文以 C-D 生产函数为理论依据，选取了资源投入、土地投入、资本投入与劳动力投入作为投入指标，分别以能源消费指数、建设用地面积、耕地面积、固定资产投资与年末总人口表示；以经济产出（合意）与环境产出（非合意）作为产出指标，其中，合意产出选取地区生产总值反映经济效益，非合意产出因县域环保类数据缺失，且考虑到长江中游城市群目前存在着较为严重的水污染与空气污染问题，故选用 PM2.5年均浓度来衡量22。1.3区域界定区域界定本文研究区域为长江中游城市群，区域划分依据为长江中游城市群发展规划（ 185 个研究单元，本文统称为县域，GIS 底图亦做了相应调整，研究区域概况见图 1。060 km武汉市样本点长沙市样本点南昌市样本点图例N荆襄宜城市带武汉城市圈环长株潭城市群环鄱阳湖城市群其他县域界线省域界线图 1 长江中游城市群研究区域Fig.1 Study area of the urban agglomerations in the middle reachesof the Yangtze River 2 长江中游城市群县域生态效率时空格局为全面刻画长江中游城市群县域生态效率的时空格局，结合 Dagum 基尼系数及其分解、Jenks自然断点法以及优化的 Getis-Ord Gi*指数，重点剖析其地区差异及来源，深入刻画其空间形变与集聚特征，为长江中游城市群县域生态效率提供时空维度的解释。2.1时序特征时序特征分别计算 20092018 年长江中游城市群县域生态效率的 Dagum 基尼系数及标准差（图 2a）。一方面，Dagum 基尼系数及标准差数值整体呈现波动中持续上升的特征，说明随着时间推移，长江中游城市群县域生态效率差异逐渐增大，非均衡特征持续存在。另一方面，二者在走势上具有相似性，说明使用 Dagum 基尼系数来测量全局差异具备适用性。此外，2010 年和 2016 年 Dagum 基尼系数及标准差均以增大的特征大幅偏离了趋势线，说明这两年分别发生了外部性扩散力较大的事件，推动了部分地区生态效率加速提升。2010 年是由金融危机恢复政策的滞后性导致，一定程度上加剧了地区生态效率差距。2016 年在长江中游城市群发展规划以及绿色发展理念的影响下，进一步明确了长江中游城市群的发展定位，能够优先发展地区的产业结构得到进一步优化，这部分地区的社会经济与区域环境冲突缓和，而未能及时享受政策福利地区的社会经济与环境污染矛盾“原地踏步”或发生“虹吸效应”，一定程度上增大了长江中游城市群县域生态效率差异。Dagum 基尼系数分解需要将长江中游城市群划分为不同区域以探究区域生态效率的差异性。长江中游城市群涵盖武汉城市圈、环长株潭城市群以及环鄱阳湖城市群，这 3 个城市群分别隶属湖北省、湖南省和江西省。为便于分析，本文将长江中游城市群分为湖北省、湖南省以及江西省 3 个分区，深入揭示长江中游城市群县域生态效率差异的大小和来源。1）区域差异贡献率（图 2b）。区域间差异与区域内差异走势一致且整体呈震荡上升趋势，超变密度除 2017 年上升以外逐渐降低，说明长江中游城市群县域间生态效率差异不断增大。此外，除2010 年、2016 年和 2018 年外，均呈现“超变密度区域间差异区域内差异”的特点，超变密度对长江中游城市群县域生态效率分布差异贡献最大，说明长江中游城市群县域生态效率分布的不均衡性由省域间差异和省域内差异共同决定，且省域间的贡献大于省域内。2）区域内差异（图 2c）。20092018 年，三大省域内生态效率差异水平各不相同，呈现“湖北湖南1090地理科学43 卷 江西”的特征。2010 年湖北省内生态效率差异显著增大，根据城市恢复力理论，这是由金融危机恢复政策的滞后性所致。经过 20112016 年的缓冲期，2016 年 3 个省份生态效率的差异值较为接近。2016 年国家提出长江经济带“共抓大保护，不搞大开发”的战略要求。各地秉承生态文明建设理念，经济发展与环境污染矛盾得到了缓解，体现为 2017年 3 省域生态效率差异均以不同幅度降低。但2018 年 3 省域生态效率差异值均大于 2017 年，尤其是江西省 2016 年、2017 年与 2018 年省域内生态效率差异值大幅变动，说明各省域采取的生态效率相关政策具备短期有效、不可持续的特征。3）区域间差异（图 2d）。生态效率区域间差异整体呈现“湖南江西湖北江西湖北湖南”的特征，说明湖南省与江西省生态效率差异较大，湖北省与湖南省生态效率差异相对较小。除 2010 年和2016 年以外，呈现“年际湖北湖南省域间县域生态效率差异较小，湖北江西、湖南江西省域间县域生态效率差异整体增大”的特征，说明湖北省与湖南省生态效率的发展同步性较强，区域间生态效率差异保持相对稳定的状态。2.2空间特征空间特征借助 Jenks 自然断点法和优化的 Getis-Ord Gi*指数刻画长江中游城市群县域生态效率的空间特征（图 3）。1）整体空间分布格局。样本研究期间，长江中游城市群县域生态效率大幅提升，低值区逐渐发生等级跃迁，高值区数量不断增加，空间集聚现象逐渐凸显，逐渐形成“环长株潭城市群和荆襄宜城市带双热点区、环鄱阳湖城市群冷点区”。2）年际空间分布特征。2009 年，低值区几乎遍布长江中游城市群，中低值区集聚于环长株潭城市群（形成环长株潭城市群热点区），中高值区随机分布，未生成高值区，整体呈现“低值区片状分布、中低值区集聚分布、中高值区零星分布”的空间格局；到 2018 年，低值区主要分布于环鄱阳湖城市群（形成环鄱阳湖城市群冷点区），环长株潭城市群以及荆襄宜城市带几乎均被中低值区和中高值区充盈，形成双热点区，高值区散落分布，整体呈现出“低值区散落分布、中低值区和中高值区穿插分布、高值区分布于市辖区”的空间特征。3）部分城市群解释。武汉城市圈呈现明显的圈层结构，即高值区被中低值区包围、最外围县域均为低值区，表现出强大的“虹吸效应”，是武汉城市圈生态效率未形成集聚效应的重要原因之一。环鄱阳湖城市群冷点区出现“无有”的转变，高、中、低冷点区呈圈层分布，冷点区面积逐渐扩大，高冷点区具备不稳定性。00.10.20.30.40.52009 2010 2011 2012 2013 2014 2015 2016 2017 2018Dagum基尼系数值年份2009 2010 2011 2012 2013 2014 2015 2016 2017 2018年份a 全局差异Dagum基尼系数标准差线性趋势线(Dagum基尼系数)线性趋势线(标准差)0.080.090.100.110.120.130.140.150.162009 2010 2011 2012 2013 2014 2015 2016 2017 2018Dagum基尼系数分解值年份b Dagum基尼系数分解区域内差异超变密度区域间差异0.200.250.300.350.400.450.500.55区域内差异值c 区域内差异湖北湖南江西0.250.270.290.310.330.350.370.390.410.430.452009 2010 2011 2012 2013 2014 2015 2016 2017 2018区域间差异值年份d 区域间差异湖北湖南湖北江西湖南江西图 2 长江中游城市群县域生态效率的标准差、Dagum 基尼系数及其分解Fig.2 Standard deviation,Dagum Gini coefficient and its decomposition of county eco-efficiency ofurban agglomerations in the middle reaches of the Yangtze River6 期曾祥静等：长江中游城市群县域生态效率时空格局及多维动态演进1091 3 长江中游城市群县域生态效率多维动态演进3.1核密度估计核密度估计为进一步揭示长江中游城市群县域生态效率的分布动态与演进规律，本文分别使用传统 Ker-nel 密度估计和条件 Kernel 密度估计从不同视角进行考察。1）传统 Kernel 密度估计。主要从 Kernel 密度曲线的分布位置、发展态势、横向延展性以及纵向极化趋势等方面对长江中游城市群县域生态效率的动态演进特征进行刻画（图 4）。由图 4 可知，Ker-nel 密度函数中心与变化区间逐渐右移，说明长江中游城市群县域生态效率不断增大，其主峰经历了“显著下降稳步提升”的演进过程，曲线宽度小幅增大，表明长江中游城市群县域生态效率的绝对差 c 2015年060 km图例中冷点区低冷点区不显著区高热点区中热点区低热点区高冷点区低值区中低值区中高值区高值区a 2009年b 2012年d 2018年N图 3 20092018 年长江中游城市群县域生态效率空间分布特征Fig.3 Spatial distribution characteristics of county eco-efficiency of urban agglomerations in the middle reaches of the Yangtze River in 20092018 201820172016201520142013年份2012201120100生态效率0.220090.40.6 Kernel密度0.8864200.21.01.2101412图 4 长江中游城市群县域生态效率的传统 Kernel 密度估计Fig.4 Traditional Kernel density estimation of county eco-efficiency of urban agglomerations in the middle reaches of the Yangtze River1092地理科学43 卷 异渐趋扩大。此外，分布曲线右拖尾现象渐趋明显，且分布延展性逐渐增大，说明长江中游城市群县域生态效率持续提升的同时地区间差距逐步扩大。同时，其分布曲线较为明显的波峰呈现“单双多”的演变特征，说明多极分化格局逐渐形成。2）条件 Kernel 密度估计。生态效率存在空间关联8,10,18，而传统的 Kernel 密度估计无法有效纳入空间效应，条件 Kernel 密度估计考虑了空间因素，分别采用无条件 Kernel 密度估计、空间静态 Ker-nel 密度估计以及空间动态 Kernel 密度估计，并辅以对应的 Kernel 密度等高线图来综合考察长江中游城市群县域生态效率的动态变动特征。在 Ker-nel 密度图中，X 轴和 Y 轴表示生态效率，Z 轴表示X-Y 平面内每一点的密度（概率）。在 Kernel 密度等高线图中，X 轴和 Y 轴表示生态效率，Kernel 密度等高线表示不同密度值，位置越靠近中心，其密度值越高；等高线越密集，说明密度变化越大，对应的 Kernel 密度图越陡峭。图 5-7 分别是依据 3 类估计方法呈现的长江中游城市群县域生态效率的Kernel 密度图和 Kernel 密度等高线图。第一，无条件 Kernel 密度估计。图 5a 和图 5b展示了在考虑相邻地区生态效率影响情况下本地区生态效率的演变趋势。X 轴代表 t 年本地区生态效率，Y 轴代表 t+3 年本地区生态效率。当本地区t 年生态效率值低于 0.60 时，Kernel 密度等高线主要分布于正 45对角线上方附近，说明 t 年到t+3 年，长江中游城市群县域生态效率呈现稳定增长趋势，不易发生较大变动；当本地区 t 年生态效率值介于 0.600.90 时，Kernel 密度等高线主要分布偏离 45对角线下方，说明 t 年到 t+3 年，长江中 1.5Kernel密度1.0a 无条件Kernel密度图1.05432101.50.50 0t+3年本地区生态效率t+3年本地区生态效率t年本地区生态效率t年本地区生态效率0.5b 无条件Kernel密度等高线图0.20.40.60.81.01.21.41.41.21.00.80.60.40.2图 5 长江中游城市群县域生态效率的无条件 Kernel 密度图及 Kernel 密度等高线图Fig.5 Unconditional Kernel density map and Kernel density contour map of county eco-efficiency of urban agglomerationsin the middle reaches of the Yangtze River 0.40.50.30.40.30.260504030201000.20.10.1000.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.450.450.400.350.300.250.200.150.100.05Kernel密度a 空间静态Kernel密度图t年本地区生态效率t年本地区生态效率t年相邻地区生态效率t年相邻地区生态效率b 空间静态Kernel密度等高线图图 6 长江中游城市群县域生态效率的空间静态 Kernel 密度图及 Kernel 密度等高线图Fig.6 Spatial static Kernel density map and Kernel density contour map of county eco-efficiencyof urban agglomerations in the middle reaches of the Yangtze River6 期曾祥静等：长江中游城市群县域生态效率时空格局及多维动态演进1093 游城市群县域生态效率提升速度增大，不稳定性增强；当本地区 t 年生态效率值介于 0.901.20 时，Kernel 密度等高线平行于 Y 轴，t+3 年生态效率值与 t 年相关性不大；当本地区 t 年生态效率值小于 0.2 时，Kernel 密度等高线平行于 Y 轴，t+3 年生态效率值转移到 1.3，发生跨越转移。长江中游城市群县域生态效率普遍低于 0.60，因此现阶段长江中游城市群县域生态效率以稳定提升为主要趋势。第二，空间静态 Kernel 密度估计。图 6a 和图 6b 展示了在考虑相邻地区生态效率影响情况下本地区生态效率的演变趋势。X 轴代表相邻地区生态效率，Y 轴代表本地生态效率。综合图 5 可知，Kernel 密度等高线以分布于正 45对角线下方为主，可以划分为 3 个主要子群，即将生态效率值0.10、（0.10,0.35、0.35 分别定义为低、中、高水平。当相邻地区 t 年生态效率为低水平时，Kernel 密度等高线主要分布在正 45对角线附近，表现低低集聚31；当相邻地区 t 年生态效率为中水平和高水平时，分别呈现出中低、高中集聚的现象，与前文冷热点区相对应。其 kernel 密度等高线均分布在正 45对角线下方，与 X 轴平行，说明即使相邻县域生态效率值高，也很难推动自身生态效率进一步提升，必须发挥主观能动性，充分利用自身优势，进行产业升级和技术创新，才能够带动本地区物生态效率持续性提升。相邻地区 t 年生态效率为高水平时比低水平对应的本地区 t 年生态效率值高，说明生态效率值较高的邻近地区更能促进本地生态效率提升。长江中游城市群各县域生态效率普遍处于低水平阶段，县域单元间生态效率存在明显的空间正相关关系。第三，空间动态 Kernel 密度估计。图 7a 和图 7b 表示在纳入空间滞后的基础上同时考虑时间维度的空间条件动态 Kernel 密度图及 Kernel 密度等高线图，以进一步考察当期相邻地区生态效率对本地区生态效率未来的动态影响。X 轴为相邻地区t 年的生态效率值，Y 轴为本地区 t+3 年的生态效率值。整体来看，动态 Kernel 密度图以及 Ker-nel 密度等高线图与静态 Kernel 密度估计结果基本一致，说明长江中游城市群县域生态效率具有空间效应持续性，即相邻地区 t 年生态效率不仅与本地t 年生态效率具备空间正相关性，在 t+3 年时仍然具备此性质。但相比空间静态 Kernel 密度估计，当相邻地区 t 年生态效率为低水平时，概率主体平行于 X 轴的特征更为明显，说明加入 3 期时间滞后条件后，生态效率低于 0.10 相邻地区与本地区空间正相关性减弱了；当相邻地区 t 年生态效率为高水平时，呈现出高低集聚的现象，说明加入 3 期时间滞后条件后，“虹吸效应”增强。3.2空空间间 Markov 链链1）传统 Markov 链。Kernel 密度估计是以概率密度的连续性作为解释生态效率动态演进的工具，所以不能精确反映各研究单元生态效率相对位置的动态变化特征以及发生状态转移的概率，即不能进一步体现长江中游城市群生态效率值是降低、提升还是保持原状。而 Markov 链是基于离散量化的思想来揭示生态效率向不同状态转移的概率，可以 0.40.50.30.40.30.28060402000.20.10.10 00.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.450.450.400.350.300.250.200.150.100.05t+3年本地区生态效率t+3年本地区生态效率t年相邻地区生态效率t年相邻地区生态效率a 空间动态Kernel密度图b 空间动态Kernel密度等高线图Kernel密度图 7 长江中游城市群县域生态效率的空间动态 Kernel 密度图及 Kernel 密度等高线图Fig.7 Spatial dynamic Kernel density map and Kernel density contour map of county eco-efficiency of urban agglomerationsin the middle reaches of the Yangtze River1094地理科学43 卷 从研究完整性角度补充 Kernel 密度估计的研究结果。本文借鉴已有研究37，参照四分位数原则，将长江中游城市群生态效率划分为 4 个值域：（0，0.25为低值域、（0.25，0.50 为中低值域、（0.50，0.75 为中高值域、（0.75，1.00 为高值域，从而得出长江中游城市群县域生态效率在 T1、T2 以及 T3 下的Markov 状态转移矩阵，对角线上的元素表示生态效率值域保持不变的概率，非对角线上的元素表示生态效率值域转移的概率，结果如表 2 所示。表表 2长江中游城市群县域生态效率的长江中游城市群县域生态效率的传传统统 Markov 转移概率矩阵转移概率矩阵Table 2 Matrix of traditional Markov transfer probability of countyeco-efficiency of urban agglomerations in the middle reaches of theYangtze River 时间跨度/a类别低中低中高高T1低0.8500.15000中低0.0070.7850.2050.002中高00.0100.7780.213高00.0020.0170.981T2低0.6930.3020.0050中低0.0050.6140.3400.041中高00.0160.6030.380高000.0160.984T3低0.5030.4630.0310.003中低0.0030.4910.3910.115中高00.0220.4530.525高000.0120.988 由表 2 可知，每一个时间跨度中，高高、低低、中低中低、中高中高概率值依次减小，稳定性依次降低。T1 与 T2 对角线上的概率值均远大于其他位置，表明在不考虑空间因素的前提下，具备稳定性大、流动性差、持续性强的特征，即位于不同值域的研究单元不容易发生等级跃迁。T3 除高高以外，出现对角线数值与相邻高等级值域概率值差异不大的现象，说明随着时间迁移，低低、中低中低、中高中高稳定性显著降低，发生状态转移。除在 T3 时，中低高概率值为 0.115，生态效率可能发生“中低等级高等级”的跨越变化，剩余符合跨越式转移的单元值均几乎为 0，说明长江中游城市群县域生态效率几乎不会发生跨越变化，这与空间动态 Kernel 研究结论一致。随着时间迁移，低低、中低中低、中高中高概率值呈现“T1T2T3”的特征，低中低、中低中高、中高高概率值呈现“T1T2T3”的特征，高高概率值呈现“T1T2T2T3”的特征，高值域一直处于稳定状态。从各稳定性来看，低低概率值只有相邻地区为中低水平时降低，在其他相邻地区水平下稳定性均增大；中低中低只有在相邻地区为低水平时稳定性降低，其他情况稳定性均增大；中高中高概率值在相邻地区为低水平和中低水平时增大，其他情况6 期曾祥静等：长江中游城市群县域生态效率时空格局及多维动态演进1095 稳定性均降低；高高概率值较为稳定，不易受相邻地区影响。4 结论与建议空间因素在长江中游城市群县域生态效率的动态演进过程中发挥了重要作用。相比于传统的分布动态学模型，扩展的分布动态学模型纳入了空间关联因素，能够更加全面准确地反映区域生态效率动态演进过程。本文利用超效率 SBM 模型测度了20092018 年长江中游城市群县域生态效率，并采用 Dagum 基尼系数及其分解、优化的 Getis-OrdGi*指数、动态 Kernel 密度估计以及空间 Markov 链等方法，揭示了长江中游城市群县域生态效率的时空格局与多维动态演进特征。研究结论如下：随着时间推移，长江中游城市群县域生态效率整体提升且县域间生态效率差异逐渐增大，由省域间差异与省域内差异共同决定，区域内差异呈现“湖北湖南江西”的特征，区域间差异表现为“年际湖北湖南省域间县域生态效率差异较小，湖北江西、湖南江西省域间县域生态效率差异整体增大”的态势。空间分布上，生态效率低值区逐渐实现等级跃迁，高值区数量不断增加，空间集聚现象逐渐凸显，体现“低值区散落分布、中低值区和中高值区穿插分布、高值区分布于市辖区”特征，演化为“环长株潭城市群和荆襄宜城市带双热点区、环鄱阳湖城市群冷点区”，多级分化空间格局逐渐形成。目前长江中游城市群县域生态效率处于低水平稳定提升状态，县域单元间生态效率存在明显低低集聚特征，这种空间效应具有持续性。但随着时间推移，高低集聚现象逐渐明显，“虹吸效应”增大。T1 与 T2生态效率具备稳定性大、流动性差、持续性强的特征，不易发生等级跃迁，几乎不发生跨越变化。T3生态效率等级跃迁普遍，出现跨越式变化，说明随着时间迁移，长江中游城市群县域生态效率不稳定性提高。不同相邻地区生态效率水平对低低、中低中低以及中高中高生态效率稳定性影响不一，高高稳定性不易受外界条件影响。本文肯定了空间因素对长江中游城市群县域生态效率时空格局和动态演进的作用，对长江中游城市群空间结构优化、区域资源调整以及产业结构升级具有政策启示意义。鉴于上述研究结果，本文提出以下政策建议：1）加快中心城市建设，提高辐射带动能力。长 表表 4长江中游城市群县域生态效率的空间长江中游城市群县域生态效率的空间Markov 转移概率矩阵转移概率矩阵Table 4 Matrix of Markov transfer probability of countyeco-efficiency of urban agglomerations in themiddle reaches of the Yangtze River 时间跨度/a空间滞后类型低中低中高高T1低低0.8760.12400中低0.0100.6340.3560中高00.0210.7160.263高000.0110.989中低低0.8370.16300中低0.0210.8350.1440中高00.0100.8370.154高000.0180.982中高低0.8630.13700中低00.8140.1860中高00.0090.7550.236高000.0260.974高低0.8240.17600中低00.8570.1330.010中高000.7980.202高00.0090.0090.981T2低低0.7190.2720.0090中低00.5110.4440.044中高00.0350.5810.384高000.0130.987中低低0.6810.31900中低0.0240.6350.2710.071中高000.6970.303高000.0200.980中高低0.7030.29700中低00.6760.3240中高00.0320.5740.394高000.0100.990高低0.6670.3230.0100中低00.6250.3180.057中高000.5660.434高000.0220.978T3低低0.5900.3500.0500.010中低0.0130.4420.4290.117中高00.0260.4810.494高0001.000中低低0.4290.5600.0120中低00.5000.3110.189中高00.0140.5270.459高000.0220.978中高低0.5470.45300中低00.5580.3890.053中高00.0470.4000.553高000.0110.989高低0.4470.5060.0470中低00.4470.4340.118中高000.4190.581高000.0120.9881096地理科学43 卷 江中游城市群高生态效率值区域集聚在环长株潭城市群和荆襄宜城市带，低生态效率值区域集聚在环鄱阳湖城市群，武汉城市圈未见集聚特征，说明现阶段长江中游城市群县域内部的竞争大于合作，县域间未形成良好的协同发展机制。目前武汉各县域对周边地区的扩散效应较弱，产生了“虹吸效应”，因此要带动整个长江中游城市群生态效率提升，需要长沙和南昌两市的辅助。从前文研究来看，长沙各县域产生了一定的辐射效应，南昌各县域在自身水平不高的前提下辐射力更弱。因此，环鄱阳湖城市群与环长株潭城市群应充分利用分别紧邻长三角和珠三角这一区位优势，推动中心城市建设进程，承接武汉核心城市对外输出功能，提高城市群整体韧性，带动整体生态效率提升。2）循序渐进调整产业结构。长江中游城市群县域生态效率以低低集聚、稳定提升为主要趋势。长江中游城市群低生态效率地区往往拥有深厚的工业基础，因此需要循序渐进实现产业结构升级。首先，加快低生态效率地区清洁生产的制度建设。县域政府之间应积极协调部门资源