長三角地區城鄉融合發展水平測度及其時空特征分析

施建剛 段鍇豐 吳光東

摘要：城鄉融合發展水平的科學測度是城鄉關系問題由定性分析轉向定量評估的基礎。在科學把握城鄉融合發展時代內涵的基礎上，選取加速遺傳算法投影尋蹤模型測度了2003—2018年長三角地區27座中心區城市的城鄉融合發展水平，并采用核密度估計、探索性空間分析、趨勢面分析等方法對其城鄉融合發展水平的時空特征進行了分析。研究發現：（1）在研究期內，長三角地區城鄉融合發展水平總體上呈波動上升趨勢;（2）蘇州、無錫、上海的城鄉融合發展水平明顯高于其他城市，而安慶、池州、滁州則為城鄉融合發展水平排名最后三位的城市;（3）該地區城鄉融合發展水平空間分布存在顯著的正向全局空間自相關性，且呈現出“弱相關→強相關→弱相關→強相關”的螺旋演進態勢;（4）該地區城鄉融合發展水平在東西方向和南北方向均大致呈現出“倒U型”的空間分異特征。

關鍵詞：長三角; 城鄉融合發展; 水平測度; 時空特征; 投影尋蹤模型

F299.27 A 0078 12

一、 引 言

破除城鄉二元結構壁壘，解決區域發展不平衡不充分問題，是緩解“人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾”的關鍵所在，也是實現共同富裕的必然要求。城鄉關系是最基本的社會經濟關系[1]，在區域發展過程中，必須將城市和鄉村作為一個有機整體，縮小城鄉發展差距，促進城鄉良性互動、協調共生，進而實現由城鄉分離走向城鄉融合之轉變。為此，中國政府相繼于2002年十六大報告中提出“城鄉統籌發展”、2012年十八大報告中提出“城鄉發展一體化”以及2017年十九大報告中提出“城鄉融合發展”等重大戰略性論述。從“城鄉統籌發展”到“城鄉發展一體化”，再到“城鄉融合發展”，這一過程本質上是“城鄉融合”思想在不同歷史階段的繼承與升華①，這種政策導向的演進反映了我國對形塑新型城鄉關系的不懈努力和逐步深化，順應了不同歷史階段城鄉關系演進的時代特征及發展趨勢[23]。

在中國城鄉關系由二元結構走向融合發展的演進過程中，如何科學定量地衡量城鄉關系的演進狀態成為學術界需要重點關注的課題，而城鄉融合發展水平的科學測度是城鄉關系問題由定性分析轉向定量評估的基礎?，F有研究主要通過構建綜合評價指標體系對城鄉關系演進狀態進行定量測度。例如，周江燕等[4]、周佳寧等[5]、趙德起等[6]對全國省域層面的城鄉一體化、融合狀態進行了定量評價，從全國整體視角探索了城鄉關系的演進狀態。由于我國幅員遼闊，不同地區自然條件和人文地理環境差異明顯，故城鄉關系研究亦有必要落實到區域層面，因地制宜地探索區域城鄉融合發展的現實狀態，方能有效制定促進不同區域城鄉融合的方針政策。為此，在區域層面，漆莉莉[7]、劉融融等[8]、張新林等[9]、張海朋等[10]分別對我國中部地區、西北地區、淮海經濟區和環首都地區的城鄉融合、協調發展程度進行了定量測度。

盡管現有研究對城鄉關系演進狀態開展了較為豐富的定量探索，但其研究尺度多集中在國家或省域層面，對城市尺度的分析較為缺乏，且缺少對區域內部城鄉融合發展水平時空特征的考察。此外，鮮有研究對長江三角洲（以下簡稱“長三角”）地區的城鄉融合發展水平進行定量測度。長三角地區是我國綜合實力最強的區域之一，在我國社會主義現代化建設全局中具有重要的戰略地位和突出的帶動作用。該地區以上海，江蘇省的南京、蘇州、無錫、常州、鹽城、泰州、揚州、鎮江、南通，浙江省的杭州、溫州、寧波、湖州、金華、嘉興、紹興、臺州、舟山，安徽省的合肥、馬鞍山、蕪湖、銅陵、滁州、安慶、池州、宣城27座城市為中心區，輻射帶動整個地區高質量發展。城鄉融合發展作為解決長三角地區城鄉矛盾的重要手段，對促進該地區區域一體化發展具有重要意義。鑒于此，本文以長三角地區為研究對象，在科學把握城鄉融合發展時代內涵的基礎上，構建了一套城鄉融合發展水平測度指標體系，并基于2003—2018年該地區27座中心區城市的面板數據對城鄉融合發展水平進行評價，進而對其城鄉融合發展水平的時空特征進行了分析。本文的研究結果不僅可以豐富現有城鄉融合理論體系，亦可為制定促進長三角地區城鄉融合發展的方針政策提供科學依據。

二、 城鄉融合發展的內涵闡釋

當前，城鄉融合發展已經明確成為主導中國未來城鄉關系演進的核心方向[11]。伴隨著新時代工業化、信息化、城鎮化和農業現代化的快速推進，城鄉經濟社會聯系日益緊密，空間關聯不斷增強，城鄉融合發展被不斷賦予新的時代內涵。不同學科領域通常從不同角度對城鄉融合發展的本質進行解讀。以劉易斯二元經濟論為代表的新古典經濟學理論從城鄉資源配置的角度探討城鄉融合發展的內涵，認為城鄉融合應追求城鄉資源要素的優化組合以實現生產效益最優[1213]。社會學理論強調城鄉區域以及城鄉參與主體之間的公平性，認為城鄉融合發展意味著城鄉居民享受平等的社會福利、均等的公共服務以及同質的生活條件[14]。生態學理論認為，城鄉融合發展是指城鄉區域生態群落合理分布，城鄉經濟社會發展與生態環境和諧共生，共同實現可持續發展[1516]。經濟地理學在傳統經濟學的基礎上繼續拓展，強調城鄉融合發展必須注重城鄉區域的空間關聯[1718]，認為城鄉融合是以一體化基礎設施體系和交通體系為支撐，城鄉空間實現動態均衡的過程[1920]。系統論則將城鄉融合發展視為城鄉相互作用形成的多層次、多要素的復雜關聯系統，主張城鄉融合應是經濟、人口（人類）、社會、區域（空間）、環境（自然）等多維系統的協調有序發展[1][21]。

基于上述理論背景，多數學者認為，城鄉要素的雙向自由流動是城鄉融合發展的關鍵，城鄉融合發展本質上是在城鄉發展要素自由流動、公平和共享的基礎上實現城鄉協調、一體化發展[1][6][11][20][2223]。例如，高帆[23]從四個方面描繪了城鄉融合發展的時代內涵，其認為城鄉融合發展意味著：（1）城鄉要素流動性與再配置功能增強;（2）城鄉產業多樣化特征增強;（3）城鄉空間交錯化程度攀升;（4）城鄉居民社會福利均等化程度提高。根據流動要素的類型，部分學者認為城鄉融合發展的核心在于實現“人”“地”以及“資本”的融合[8][24]。此外，學者們普遍認為，城鄉融合發展應強調從經濟一維向社會（生活）、經濟、空間、生態環境等多維度拓展，并重視不同維度之間的平衡發展[9][16]。例如，何仁偉[20]應用城鄉空間均衡模型和等值化曲線刻畫了城鄉融合發展的內涵與機理，指出城鄉融合發展是基于空間結構優化及制度供給創新的社會、經濟、環境全面融合的發展，其最終目標是為了實現城鄉多維均衡發展、居民生活品質相當。楊志恒[25]認為，城鄉融合發展是以城鄉資源要素流動為主線，通過協調制度、產業、設施和生態環境等方面以實現經濟協作聯合、空間平等有序、生態本底約束以及社會相互認同的發展。周佳寧等[5][2627]將“流空間”和“城鄉等值化”的理念置于中國城鄉關系發展背景下，提出城鄉融合發展應該體現為經濟、社會、人口、空間和生態環境的多維空間重構。

基于上述對城鄉融合發展的內涵闡釋，本文認為，城鄉融合發展的本質內涵在于，以尊重城鄉功能特征及分工差異為前提，以城鄉要素自由流動和資源公平共享為基礎，通過經濟自發力量與政策制度力量相結合，破除城鄉二者在經濟、社會、空間等維度的二元對立關系，實現城鄉經濟、人口、社會、空間及生態多維度全面協調共生、良性互動、深度融合和共同繁榮。

三、 評價指標體系構建和數據獲取

（一） 評價指標體系構建

城鄉融合發展既是城鄉關系演進的目標，也是一種狀態和過程。因此，城鄉融合發展水平測度指標體系中應同時包含反映“城鄉差距縮小”的對比類指標以及反映“城鄉共同繁榮”的狀態類指標。為了科學測度長三角地區各中心區城市2003—2018年的城鄉融合發展水平，基于上述城鄉融合發展的本質內涵，參考當前涉及城鄉融合發展水平評價的現有文獻[5][17]，同時遵循系統性、科學性、全面性和可獲得性等原則，本文從“經濟融合”“人口融合”“社會融合”“空間融合”和“生態融合”五個維度設計構建了城鄉融合發展水平測度指標體系，如表1所示。

（二） 數據獲取

城鄉融合發展水平測度所使用的相關原始數據主要來源于長三角地區各中心區城市歷年統計年鑒、《中國城市統計年鑒》、政府網站以及統計公報等;對于部分缺失的數據采用線性插值法的方式進行補全。

四、 研究方法

（一） 加速遺傳算法投影尋蹤模型（RAGA-PPC）

考慮到城鄉融合發展水平評價指標體系的多維特征，本文采用加速遺傳算法投影尋蹤模型（RAGA-PPC）對長三角地區城鄉融合發展水平進行科學評價。該方法將投影尋蹤模型（Projection Pursuit Classification， PPC）和基于實數編碼的加速遺傳算法（Real Coded Accelerating Genetic Algorithm， RAGA）相結合，綜合了PPC和RAGA方法各自的優勢[28]。同傳統的主、客觀賦值方法相比，該方法可有效避免主觀因素的影響，同時得出的評價結果也相對客觀，因而更具適用性、穩健性和準確性。應用RAGA-PPC方法測度長三角地區城鄉融合發展水平的主要步驟如下：

步驟1 評價樣本指標集的歸一化處理。以長三角地區各中心區城市作為研究對象，構建各指標的初始樣本集合：{X*（i，j）|i=1，2，3，…，n;j=1，2，3，…，p}。其中X*（i，j）為第i個樣本城市的第j個評價指標值，n，p分別為樣本城市的個數和評價指標的數目。為消除量綱對整體評價結果的影響，對采集的數據進行歸一化處理：

若該指標屬性為“正”：

X（i，j）=X（i，j）-Xmin（j）Xmax（j）-Xmin（j）（1）

若該指標屬性為“負”：

X（i，j）=Xmax（j）-X（i，j）Xmax（j）-Xmin（j）（2）

其中，Xmin（j）和Xmax（j）分別為第j個評價指標的最小值和最大值，X（i，j）為評價指標值的歸一化處理結果。

步驟2 投影指標函數的構建。PPC可以將p維數據{X（i，j）|i=1，2，3，…，n;j=1，2，3，…，p}綜合成以a={a（1），a（2），…，a（p）}為最佳投影方向的一維投影值Z（i）。

Z（i）=∑pj=1a（j）·X（i，j）， i=1，2，…，n（3）

其中，a為單位長度向量。投影指標函數Q（a）的表達式為：

Q（a）=Sz·Dz（4）

其中，Sz和Dz分別為投影值Z（i）的標準差和局部密度，計算公式如下：

Sz=∑ni=1[Z（i）-E（z）]2n-1（5）

Dz=∑ni=1∑nj=1[R-r（i，j）]·u[（R-r（i，j））]（6）

其中，E（z）為投影值Z（i）的平均值，R為局部密度的窗口半徑。R的取值要確保窗口內投影點的個數不能過少，避免滑動平均偏差太大，可根據多次試驗來確定。r（i，j）代表樣本之間的距離，r（i，j）=|Z（i）-Z（j）|。u（R-r（i，j））為單位躍階函數。當R≤r（i，j）時，該函數值為0;當R≥r（i，j）時，該函數值為1。

步驟3 投影指標函數的優化。對于確定的樣本指標集，投影方向a的變化會導致投影指標函數Q（a）發生變化，投影指標函數取最大值時，對應的向量反映了最佳投影方向，即最大概率暴露多維度數據結構特征的投影方向。最佳投影方向可以通過應用RAGA方法求解高維全局非線性最優問題進行估計。在本文中，選定父代初始種群規模 N = 400，交叉概率ρ= 0.80，變異概率ρm=0.80，優秀個體數目選定為n=15個，a=0.05，加速次數為30。經運算得出最佳投影值a*，然后將其代入式（4）可以得到最大化目標函數，即：

Max Q（a）=Sz·Dz（7）

s.t.∑pj=1 a2（j）=1， a∈[0，1]（8）

步驟4 綜合評價分析。將步驟3求得的最佳投影向量a*代入式（3），可得到各樣本城市的投影值Z*（i），即長三角地區27座中心區城市的城鄉融合發展水平值。

（二） 核密度估計（KDE）

為探究長三角地區城鄉融合發展水平的動態變化趨勢，本文應用核密度估計法（Kernel Density Estimation， KDE）對其時序動態演進特征進行分析。核密度估計法可以通過探究函數曲線收斂范圍以及收斂度的變化，對城鄉融合發展水平總體差異在不同階段的動態演進狀況進行可視化展示。其優勢在于：（1）可通過連續的密度曲線對隨機變量的數據分布形態以及時序動態演進狀況進行直觀呈現，而不需要進行任何形式的模型參數假設。（2）可直接對隨機變量本身的數據特征進行分析，避免了參數模型估計形式的主觀影響。結合分布形式以及核密度函數圖的位置、形狀和峰度特征，可以對長三角地區城鄉融合發展水平在不同時期的變化情況進行判斷，從而探究其時序動態演進特征。

（三） 探索性空間分析（ESDA）

探索性空間分析（Exploratory Spatial Data Analysis， ESDA）是一種揭示變量之間的空間異質性、空間依賴性以及空間自相關性的方法[29]。地理學第一定律認為，事物之間存在一定程度上的相互關聯。隨著區域城鄉之間聯系日益緊密，要素流動不斷加強，同一區域內的城鄉發展必定存在緊密關聯[5]，故此本文采用ESDA方法中主流的Morans I指數來度量長三角地區城鄉融合發展水平的空間相關性。Morans I指數可分為全局Morans I指數和局域Morans I指數，分別可用來探究樣本整體和局域的空間集聚或離散狀況。二者的計算公式分別為：

I=∑ni=1∑nj=1ωij（xi-）（xj-）S2∑ni=1∑nj=1ωij（9）

Ii=（xi-）∑nj=1ωij（xj-）S2（10）

式中，xi和xj分別代表區域i和j的地理屬性觀測值，為觀測值的平均數。n代表樣本城市的個數。S2為樣本方差。ωij為地理距離空間權重矩陣，ωij=1/dij2，dij表示兩座城市的地理空間質心歐式距離[26]。I為全局Morans I指數，其取值范圍為[-1，1]。若I>0，則說明存在空間正相關效應;若I<0，則說明存在空間負相關效應;若I=0，則表示不存在空間自相關效應，即屬性數據在空間上隨機分布。Ii為局域Morans I指數，可以反映本地區域觀測值同周圍相鄰區域觀測值之間的相似程度。若Ii>0，說明局部區域相鄰要素同類屬性的相似值空間集聚;若Ii<0，則說明局部區域相鄰要素不同類屬性的非相似值空間集聚;若Ii=0，則表示局部區域相鄰要素值空間隨機分布[30]。根據局域Morans I指數，可以將局域空間集聚分為高值—高值相鄰（High-High，HH）、低值—高值相鄰（Low-High，LH）、低值—低值相鄰（Low-Low，LL）和高值—低值相鄰（High-Low，HL）四種類型。

（四）趨勢面分析

趨勢面分析是一種利用數學曲面模擬呈現地理系統要素在空間上的分布規律和變化趨勢的方法。其本質上是通過運用回歸分析的原理，以最小二乘法擬合一個二維非線性函數，進而直觀地呈現地理要素在空間上的分布規律和變化趨勢。趨勢面分析方法可以幫助揭示長三角地區各中心區城市城鄉融合發展水平的空間分異規律。

五、 結果分析

（一） 長三角地區城鄉融合發展水平的總體變化特征分析

運用加速遺傳算法投影尋蹤模型，得出長三角地區27座中心區城市城鄉融合發展水平均值，如圖1所示?？梢园l現，2003—2018年16年間長三角地區城鄉融合發展水平總體上呈現波動上升趨勢。其中，2003—2008年為城鄉融合發展水平快速上升階段，而2008—2018年為城鄉融合發展水平波動階段?？傮w來看，長三角地區城鄉融合發展水平上升幅度不大，年增長率僅為0.49%。

運用核密度估計法，本文分別對2003年、2008年、2013年和2018年長三角地區城鄉融合發展水平進行了核密度估計，以此從全域視角刻畫長三角地區城鄉融合發展水平的時序演進特征（見圖2）。

首先，從核密度年度曲線的重心位置來看，2003—2008年重心位置向右遷移，2008—2013年向左遷移，2013—2018年則基本保持不變。這表明在研究期內長三角地區城鄉融合發展水平整體呈現出先上升后下降繼而水平波動的演進特征。

其次，從核密度曲線主峰的波峰高度來看，2003—2008年有所上升，2008—2013年略微下降，2013—2018年則出現較大幅度的回升。這說明長三角地區各城市間城鄉融合發展水平差異呈現先縮小再擴大繼而再縮小的變化趨勢。

再次，從核密度曲線的波峰數量來看，2008年和2018年出現主峰和次峰雙峰共存的情況，說明這兩年長三角地區各城市的城鄉融合發展水平呈現一定程度的兩極分化格局。2003年和2013年的波峰個數僅為1個，說明未出現兩極分化。

最后，從核密度曲線的左右拖尾來看，各年對應曲線的左側拖尾大于右側拖尾，呈現左偏分布的特征，且2003—2018年左側拖尾呈加長趨勢。這表明左側城市的數量較右側更多，即研究期內城鄉融合發展水平值小于平均值的城市個數更多，且低值區城市占比有所增加，城鄉融合發展水平低值集聚分布明顯。

由核密度分析可以發現，總體來看，長三角地區城鄉融合發展在整體發展水平、城市間差異、極化程度等方面均體現了隨時間波動變化的動態演進特征。

（二） 長三角地區城鄉融合發展水平的城市層面分析

根據長三角地區27座中心區城市的城鄉融合發展水平測度結果，繪制各城市2003—2018年城鄉融合發展水平箱形圖，如圖3所示。

箱形圖的優勢在于它不僅可以反映數據的離散分布情況，還可以進行多組數據分布特征的比較。圖3中每座城市對應的箱形圖最上部和最下部兩條水平線分別代表箱形圖的上邊緣和下邊緣;箱形的上下兩邊分別代表上四分位點和下四分位點;箱形內部的水平橫線代表的是城鄉融合發展水平的中位數，可以用于比較各城市城鄉融合發展程度的平均水平;箱形圖附近的圓點則代表異常值。

由圖3可以看出，安慶、滁州、合肥、上海、溫州、舟山等城市對應的箱形較長，說明這些城市的城鄉融合發展水平值在2003—2018年期間波動較大;相比之下，常州、金華、南京、蘇州、揚州等城市的城鄉融合發展水平16年內的變化幅度不大，保持了穩健的發展態勢。對比各城市的城鄉融合發展水平中位數可以發現：蘇州、無錫、上海三座城市的城鄉融合發展水平明顯高于其他城市;其余城鄉融合發展水平相對領先的城市有常州、杭州、湖州、嘉興、南京、寧波、揚州、鎮江、舟山等;而安慶、池州和滁州則為城鄉融合發展水平排名最后三位的城市，有必要因地制宜進行政策引導，促進其城鄉融合發展。從省級層面來看，江蘇和浙江兩省的城鄉融合發展水平高于安徽省，這與區域城鄉經濟社會發展及城鎮化水平有一定關系。

（三） 長三角地區城鄉融合發展水平的時空格局演變

1. 全局空間格局演變特征

利用全局Morans I指數計算公式，借助GeoDa軟件對2003—2018年長三角地區各年城鄉融合發展水平的全局Morans I指數進行測算，測度結果如圖4所示。

結果顯示：2003—2018年長三角地區各年城鄉融合發展水平的全局Morans I指數均為正值，在0.209—0.618之間，且各年的P-Value均小于0.05，即各年均通過了顯著性檢驗。這一結果表明，研究期內長三角地區城鄉融合發展水平空間分布存在顯著的正向全局空間自相關性，即本地城市的城鄉融合發展水平不僅會對相鄰城市產生影響，也會受到相鄰城市的影響?？傮w來看，2003—2018年全局Morans I指數呈現出先上升后下降再上升的變化趨勢，說明在整個研究期內長三角地區城鄉融合發展水平的全局空間自相關性呈現出“弱相關→強相關→弱相關→強相關”的螺旋演進態勢。

2. 局域空間格局演變特征

全局Morans I指數雖然可以從宏觀上驗證長三角地區城鄉融合發展水平存在正向全局空間自相關性，但是無法對該地區的局域空間格局特征進行具象化展示。故此，有必要利用局域Morans I指數來刻畫長三角地區城鄉融合發展水平的局域空間格局特征。為了考察該地區城鄉融合發展水平的局域空間分異變化，本文繪制了2003年、2008年、2013年和2018年城鄉融合發展水平的局域Morans I散點圖，如圖5所示。

圖5通過四個象限將局域空間格局形態劃分為四類：（1）第一類為高—高集聚型（HH，位于第一象限）。該類型代表本區域城鄉融合發展水平較高，其周圍相鄰城市的城鄉融合發展水平也相對較高，表現為“中心高，四周高”的高水平空間均衡關聯集聚狀態。（2）第二類為低—高集聚型（LH，位于第二象限）。該類型代表本區域城鄉融合發展水平較低，但其周圍相鄰城市的城鄉融合發展水平相對較高，表現為“中心低，四周高”的空間非均衡關聯集聚狀態。（3）第三類為低—低集聚型（LL，位于第三象限）。該類型代表本區域城鄉融合發展水平較低，其周圍相鄰城市的城鄉融合發展水平也相對較低，表現為“中心低，四周低”的低水平空間均衡關聯集聚狀態。（4）第四類為高—低集聚型（HL，位于第四象限）。該類型代表本區域城鄉融合發展水平相對較高，但是其周圍相鄰城市的城鄉融合發展水平相對較低，表現為“中心高，四周低”的空間非均衡關聯集聚狀態。參考已有類似研究成果[31]，將HH型地區定義為擴散互溢區，LH型地區定義為極化效應區，LL型地區定義為低速增長區，HL型地區定義為落后過渡區。由圖5可以看出：長三角地區城鄉融合發展在各階段均存在一定程度上的局部空間集聚現象，擴散互溢區和低速增長區兩種空間分異特征占據該地區城鄉融合發展演變的主導;城鄉融合發展的整體水平形成了以上海、蘇州、無錫、嘉興等城市為代表的高值簇（HH）和以池州、安慶、蕪湖、馬鞍山等城市為代表的低值簇（LL）為主的局部空間集聚特征，在空間上大致呈現為以上海和安慶為端點，由東向西逐級遞減的階梯狀分布格局。

從研究期內各年四種類型城市數量的變化情況來看（圖6），2003—2018年長三角地區城鄉融合發展水平的局域空間格局總體上呈現“HH>LL>HL>LH”的數量特征。由局域空間格局演變特征不難發現，長三角地區城鄉融合發展水平存在較大程度上的空間鄰近同伴效應（HH和LL類型城市數量明顯高于HL和LH類型城市數量），即當本地區周圍相鄰城市的城鄉融合發展水平較高（低）時，本地區也更容易成為較高（低）城鄉融合發展水平的城市，由此則形成了“弱者恒弱、強者恒強”的局域空間集聚格局。該空間格局形成的主要原因在于：長三角地區相鄰城市在經濟、社會、文化、資源稟賦等方面相似度較高，空間距離較近，交通成本較低，信息獲取方便快捷，城市間相互聯系頻繁，因而在城鄉融合發展相關政策措施的執行方面存在較大程度上的關聯性，故而形成了地理上的空間溢出效應?？傮w來看，HH類型城市數量在波動中略微上升;LL類型城市數量則呈較明顯的波動下降趨勢;HL類型和LH類型城市基本維持在低數量波動態勢中，該結果反映了研究期內長三角地區城鄉融合發展空間格局中低水平集聚狀態的城市正在朝高水平集聚狀態的方向緩慢發展。

3. 長三角地區各中心區城市城鄉融合發展水平的時空格局演變

選取研究期內2003年、2008年、2013年和2018年作為四個關鍵時間節點年份，運用ArcGIS軟件中自然間斷點法將長三角地區各中心區城市城鄉融合發展水平劃分為四個等級梯度，繪制各年的空間分布示意圖，如圖7所示。

圖斑顏色由深到淺分別從高到低對應城鄉融合發展水平的四個梯度。由圖7可以看出：長三角地區城鄉融合發展呈現出較明顯的空間集聚效應，城鄉融合發展水平接近的區域大多呈連片分布;城鄉融合發展水平的相對高值區主要分布在長三角地區的中東部區域，而其相對低值區則主要分布在西部區域以及南部部分城市。結合各中心區城市城鄉融合發展水平具體值的變化趨勢來看，2003—2008年城市間城鄉融合發展差距縮小，除上海和銅陵的城鄉融合發展水平有所降低外，其余城市城鄉融合發展水平均出現不同程度的提高。其中，泰州和湖州的城鄉融合發展等級由第三梯度發展為第二梯度，常州和嘉興則由第二梯度躋身為第一梯度;值得一提的是，盡管這一階段金華的城鄉融合發展水平有所提高，但由于其增長幅度有限，該城市的城鄉融合發展等級卻由第三梯度下降為第四梯度。2008—2013年期間城市間城鄉融合發展差距略微增加，無錫、溫州、湖州、嘉興、合肥、銅陵、滁州7座城市的城鄉融合發展水平有所增加，其余20座城市的城鄉融合發展水平均出現下降情況。合肥、金華、溫州的城鄉融合發展等級由第四梯度上升為第三梯度這一階段金華的城鄉融合發展水平略微有所降低，但其下降幅度低于長三角地區整體水平的下降程度，故而該城市的城鄉融合發展等級由第四梯度上升為第三梯度。，湖州和杭州則由第二梯度發展為第一梯度。2013—2018年期間，長三角地區城市間城鄉融合發展差距再次縮小，南京、鹽城、鎮江、寧波、紹興、舟山、臺州、合肥、蕪湖、安慶和池州11座城市的城鄉融合發展水平出現不同程度的上升，其余16座城市的城鄉融合發展水平則出現下降。其中，銅陵和金華的城鄉融合發展等級由第三梯度下降為第四梯度，合肥、鹽城、臺州由第三梯度上升為第二梯度，南京和寧波由第二梯度躋身為第一梯度，而上海、常州、嘉興、杭州則由第一梯度下降為第二梯度。

4. 長三角地區城鄉融合發展水平的趨勢面分析

利用ArcGIS軟件中的全局趨勢面分析工具，將2003—2018年期間長三角地區城鄉融合發展水平作為高度屬性Z值，各中心區城市的地理坐標作為水平屬性X，Y值，采用二階趨勢面函數進行擬合，從全局層面擬合城鄉融合發展水平同地理位置的函數關系，擬合結果如圖8所示（圖中X軸代表東西方向，Y軸代表南北方向）。

圖8顯示：（1）整體來看，長三角地區城鄉融合發展水平在東西方向和南北方向均大致呈現出“倒U型”的空間分異特征。（2）從具體表征來看，東西方向城鄉融合發展水平從西部區域安慶、池州、合肥、銅陵等城市向中、東部區域常州、無錫、湖州、嘉興、蘇州、上海等城市大幅度遞增，而至寧波、舟山等最東部城市出現小幅度回落。南北方向城鄉融合發展水平則由南部區域溫州、臺州、金華、紹興等城市逐步過渡到中部上海、湖州、嘉興、蘇州、無錫、常州等城市，進而到北部區域泰州、揚州、滁州、鹽城等城市;其中以上海、蘇州、無錫等城市為代表的中部區域城鄉融合發展水平最高，分布在“倒U型”曲線的波峰位置，且保持穩定分布。（3）從各年空間分異的變化趨勢來看，2003—2018年長三角地區城鄉融合發展的空間分異規律基本保持不變。東西方向上，西部、中部和東部區域城市間城鄉融合發展差距呈先擴大再縮小的趨勢，至2018年東部區域城鄉融合發展的相對水平明顯提高，出現由西向東遞增演變的特征;南北方向上，南部、中部和北部區域城市間的城鄉融合發展差距也呈現出先擴大再縮小的趨勢，至2018年北部區域城鄉融合發展的相對水平明顯提高，大致呈現由南向北遞增演變的特征。

六、 結論與啟示

本文在科學闡釋城鄉融合發展時代內涵的基礎上，應用加速遺傳算法投影尋蹤模型對2003—2018年長三角地區27座中心區城市的城鄉融合發展水平進行了測度，進而運用核密度估計、探索性空間分析、趨勢面分析等方法分析了該地區城鄉融合發展的時空特征。

研究的主要結論如下：（1）2003—2018年長三角地區城鄉融合發展水平總體上呈波動上升趨勢，且體現出先上升后下降繼而水平波動的演進特征;各中心區城市間城鄉融合發展水平差異呈先縮小再擴大繼而再縮小的變化趨勢，且低值集聚分布明顯。（2）蘇州、無錫、上海的城鄉融合發展水平明顯高于其他城市，而安慶、池州和滁州則為城鄉融合水平排名最后三位的城市。（3）研究期內，該地區城鄉融合發展水平空間分布存在顯著的正向全局空間自相關性，且呈現出“弱相關→強相關→弱相關→強相關”的螺旋演進態勢。該地區城鄉融合發展的整體水平形成了以上海、蘇州、無錫、嘉興等城市為代表的高值簇（HH）和以池州、安慶、蕪湖、馬鞍山等城市為代表的低值簇（LL）為主的局部空間集聚特征，在空間上大致呈現為以上海和安慶為端點，由東向西逐級遞減的階梯狀分布格局，且低水平集聚狀態的城市正在朝高水平集聚狀態的方向緩慢發展。（4）長三角地區城鄉融合發展水平在東西方向和南北方向均大致呈現出“倒U型”的空間分異特征。

根據上述研究結論，本文得出以下幾點政策啟示：第一，應對長三角地區城鄉融合發展的現實狀態及時進行評估，綜合考慮各地區城鄉資源稟賦、經濟發展階段和產業結構特點等方面的差異性，因城施策制定促進各地區城鄉融合發展的方針政策。第二，應適當增加對長三角西部和南部區域城鄉發展的政策傾斜和資金支持，通過出臺具體政策引導城鄉融合發展水平相對落后的城市向東部、北部城市借鑒城鄉發展經驗，并加大資金投入，改善西部和南部地區農村公共服務和基礎設施供給。第三，應制定區域內部城鄉發展定向合作計劃，加強長三角地區城際協同合作，充分發揮東北部地區對西南部地區城鄉融合發展的溢出效應。

劉彥隨.中國新時代城鄉融合與鄉村振興[J].地理學報，2018，73（4）：637650.

[2] 姜長云.科學理解推進鄉村振興的重大戰略導向[J].管理世界， 2018， 34（4）： 1724.

[3] 施建剛，段鍇豐，吳光東，等.碳排放約束下長三角地區城鄉融合發展效率[J] .經濟地理，2021，41（6）：5767.

[4] 周江燕，白永秀.中國城鄉發展一體化水平的時序變化與地區差異分析[J].中國工業經濟，2014（2）：517.

[5] 周佳寧，秦富倉，劉佳，等.多維視域下中國城鄉融合水平測度、時空演變與影響機制[J].中國人口·資源與環境，2019，29（9）：166176.

[6] 趙德起，陳娜.中國城鄉融合發展水平測度研究[J].經濟問題探索，2019（12）：128.

[7] 漆莉莉.中部地區城鄉融合度的綜合評價與分析[J].江西財經大學學報，2007（4）：1013.

[8] 劉融融，胡佳欣，王星.西北地區城鄉融合發展時空特征與影響因素研究[J].蘭州大學學報（社會科學版），2019，47（6）：106118.

[9] 張新林，仇方道，朱傳耿.時空交互視角下淮海經濟區城鄉融合發展水平演化[J].自然資源學報，2020，35（8）：18671880.

[10] 張海朋，何仁偉，李光勤，等.大都市區城鄉融合系統耦合協調度時空演化及其影響因素——以環首都地區為例[J].經濟地理，2020，40（11）：5667.

[11] 戈大專，龍花樓.論鄉村空間治理與城鄉融合發展[J].地理學報，2020，75（6）：12721286.

[12] 陳釗，陸銘.從分割到融合：城鄉經濟增長與社會和諧的政治經濟學[J].經濟研究，2008（1）：2132.

[13] 金成武.中國城鄉融合發展與理論融合——兼談當代發展經濟學理論的批判借鑒[J].經濟研究，2019，54（8）：183197.

[14] 楊林，鄭瀟.城市具備城鄉融合發展的承載力嗎？——來自100個地級市的證據[J].東岳論叢，2019，40（1）：121132.

[15] 劉玉邦，眭海霞.綠色發展視域下我國城鄉生態融合共生研究[J].農村經濟，2020（8）：1927.

[16] 施建剛.增強城鄉融合發展的整體性協調性可持續性[J].國家治理，2020（21）：911.

[17] 廖祖君，王理，楊偉.經濟集聚與區域城鄉融合發展——基于空間計量模型的實證分析[J].軟科學，2019，33（8）：5460，72.

[18] 車冰清，朱傳耿，仇方道.淮海經濟區城鄉空間融合格局及形成機制[J].自然資源學報，2020，35（8）：18971907.

[19] 車冰清，陸玉麒，王毅.江蘇省城鄉空間融合的形態演化研究[J].長江流域資源與環境，2017，26（7）：10221031.

[20] 何仁偉.城鄉融合與鄉村振興：理論探討、機理闡釋與實現路徑[J].地理研究，2018，37（11）：21272140.

[21] 張富剛，劉彥隨.中國區域農村發展動力機制及其發展模式[J].地理學報，2008（2）：115122.

[22] 劉春芳，張志英.從城鄉一體化到城鄉融合：新型城鄉關系的思考[J].地理科學，2018，38（10）：16241633.

[23] 高帆.中國新階段城鄉融合發展的內涵及其政策含義[J].廣西財經學院學報，2019，32（1）：112，35.

[24] 劉明輝，盧飛.城鄉要素錯配與城鄉融合發展——基于中國省級面板數據的實證研究[J].農業技術經濟，2019（2）：3346.

[25] 楊志恒.城鄉融合發展的理論溯源、內涵與機制分析[J].地理與地理信息科學，2019，35（4）：111116.

[26] 周佳寧，畢雪昊，鄒偉.“流空間”視域下淮海經濟區城鄉融合發展驅動機制[J].自然資源學報，2020，35（8）：18811896.

[27] 周佳寧，鄒偉，秦富倉.等值化理念下中國城鄉融合多維審視及影響因素[J].地理研究，2020，39（8）：18361851.

[28] 顏麗娟.加速遺傳算法的投影尋蹤模型在新農村建設評價中的應用[J].農業技術經濟，2013（8）：9097.

[29] 王錄倉，武榮偉，梁炳偉，等.中國農業現代化水平時空格局[J].干旱區資源與環境，2016，30（12）：17.

[30] 盧新海，楊喜，陳澤秀.中國城市土地綠色利用效率測度及其時空演變特征[J].中國人口·資源與環境，2020，30（8）：8391.

[31] 張立生.縣域城鎮化時空演變及其影響因素——以浙江省為例[J].地理研究，2016，35（6）：11511163.

The Measurement of the Urban-Rural Integration Development Level

in the Yangtze River Delta Region and the Analysis

of Its Spatio-Temporal Characteristics

SHI Jiangang1， DUAN Kaifeng1， WU Guangdong2

1. School of Economics and Management， Tongji University， Shanghai 200092， China;

2. School of Public Policy and Administration， Chongqing University， Chongqing 400044， China

The scientific measurement of the level of urban-rural integration development （URID） is the basis for the transition of urban-rural relationship study from qualitative analysis to quantitative assessment. Based on a scientific understanding of the connotation of URID， this paper measures the level of URID of 27 central cities in the Yangtze River Delta Region during 2003～2018 by applying the real coded accelerating genetic algorithm-projection pursuit classification （RAGA-PPC） method， and analyzes the spatio-temporal characteristics of URID by utilizing the methods including kernel density estimation， exploratory spatial data analysis and trend surface analysis. Results show that during the study period， the level of URID in the Yangtze River Delta Region shows a fluctuating upward trend; the level of URID in Suzhou， Wuxi and Shanghai is significantly higher than that of other cities， while Anqing， Chizhou and Chuzhou rank the last three places considering the level of URID; the spatial distribution of the level of URID in this region has significant positive global spatial autocorrelation， which shows a spiral evolution trend of “weak correlation → strong correlation → weak correlation → strong correlation”; the level of URID in this region roughly presents “inverted U-shaped” spatial differentiation characteristics in both the east-west direction and the north-south direction.

the Yangtze River Delta; urban-rural integration development （URID）; level measurement; spatio-temporal characteristics; projection pursuit classification