EN中文

经济地理 >

2024 , Vol. 44 >Issue 6: 70 - 81

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.06.008

城市地理与新型城镇化

老工业城市污染企业空间格局演变及影响机制——以兰州市为例

  • 赵学伟 , 1 ,
  • 张志斌 , 1, ※ ,
  • 陈龙 1 ,
  • 冯斌 1 ,
  • 马晓敏 1 ,
  • 吴志祥 1 ,
  • 柴姣 1 ,
  • 董建红 2
展开
  • 1.西北师范大学 地理与环境科学学院，中国甘肃 兰州 730070
  • 2.兰州理工大学 设计艺术学院，中国甘肃 兰州 730050
※张志斌（1965—），男，教授，博士生导师，研究方向为城市与区域规划。E-mail：

赵学伟（1997—），男，博士研究生，研究方向为城市与区域规划。E-mail：

收稿日期: 2023-10-07

  修回日期: 2024-01-03

  网络出版日期: 2024-09-14

基金资助

国家自然科学基金项目(41961029)

收起

Spatial Pattern Evolution and Influence Mechanism of Polluting Enterprises in Old Industrial City：A Case of Lanzhou City

  • ZHAO Xuewei , 1 ,
  • ZHANG Zhibin , 1, ※ ,
  • CHEN Long 1 ,
  • FENG Bin 1 ,
  • MA Xiaomin 1 ,
  • WU Zhixiang 1 ,
  • CHAI Jiao 1 ,
  • DONG Jianhong 2
Expand
  • 1. College of Geography and Environmental Science，Northwest Normal University，Lanzhou 730070，Gansu，China
  • 2. School of Design Art，Lanzhou University of Technology，Lanzhou 730050，Gansu，China

Received date: 2023-10-07

  Revised date: 2024-01-03

  Online published: 2024-09-14

Fold

摘要

老工业城市污染企业空间格局优化与多元有效管治是促进城市高质量转型发展的关键环节。文章以兰州市为例，基于1990—2020年微观企业数据，运用探索性空间分析方法和地理加权回归模型研究了老工业城市污染企业空间格局演变特征及影响机制。结果表明：①从整体来看，兰州市污染企业呈现出“中心—近郊—远郊—开发区/新区”的郊区化过程；热点区域以河谷内部为主、河谷外部为辅，表现为“分散式外围郊区迁移、远离核心敏感区迁移、集中式功能区迁移”的演变特征。②从类型异质性看，废气污染型企业逐步向城市下风向迁移且呈现河谷内外分异的特征；废水污染型企业远离边界地区的集聚趋势更加明显且具有靠近河流分布的特征；固废污染型企业围绕人口集中地、独立工矿区等聚集。③从规模异质性看，较大规模污染企业始终以中心城区为主核心并在兰州新区孕育了次核心；中等规模污染企业由以城关组团和红古组团为主体逐渐向各区县中心城区迁移；较小规模污染企业在以城关组团、安宁组团和永登组团为中心的基础上，陆续向交通干道、产业园区以及各区县中心城区集聚。④从影响机制看，整体、不同类型和不同规模的污染企业在区位选择过程中，对传统区位、地域特征、环境外部性、设施多样性等维度的变量存在空间异质性和尺度差异性特征，多元因素交织形成了老工业城市污染企业区位选择的复杂性机制。

关键词： 老工业城市; 污染企业; 格局演变; 影响机制; 兰州市

本文引用格式

赵学伟 , 张志斌 , 陈龙 , 冯斌 , 马晓敏 , 吴志祥 , 柴姣 , 董建红 . 老工业城市污染企业空间格局演变及影响机制——以兰州市为例[J]. 经济地理, 2024 , 44(6) : 70 -81 . DOI: 10.15957/j.cnki.jjdl.2024.06.008

Abstract

Spatial pattern optimization and multiple effective governance of polluting enterprises in old industrial cities is a key link to promote high-quality transformation development of cities. Taking Lanzhou City as the research area,the article investigates evolution characteristics and influence mechanism of the spatial pattern of polluting enterprises in Lanzhou City based on the data of industrial and commercial enterprise registration in Lanzhou City from 1990 to 2020 using the methods of exploratory spatial analysis and GWR model. The results show that: 1) From the overall perspective,the polluting enterprises in Lanzhou city show a suburbanization process of "center-suburbs-distant suburbs-development zone/new district",the hotspot areas are mainly distributed in the river valley,supplemented by the outside of the river valley,which shows the evolution characteristics of "decentralized peripheral suburban migration,migration away from the core sensitive area,and centralized functional area migration". 2) From the type of heterogeneity,enterprises exhausting waste gas pollution gradually move downwind of the city and show the characteristics of divergence inside and outside the river valley. Enterprises exhausting waste water pollution have a more obvious tendency to cluster away from the border areas and have the characteristics of distribution close to the river. Enterprises exhausting solid waste pollution gather around population concentrations,independent industrial and mining areas. 3) From the point of view of scale heterogeneity,large-scale polluting enterprises are always centered in the central urban area and have bred sub-core in Lanzhou New District. Medium-scale polluting enterprises gradually move to the central urban areas of districts and counties mainly in Chengguan Group and Honggu Group. Smaller-scale polluting enterprises move to traffic arteries,industrial parks and central urban areas of districts and counties on the basis of Chengguan Group,Anning Group and Yongdeng Group as the center. 4) In the process of location selection,the overall,different types and scales of polluting enterprises have spatial heterogeneity and scale variability characteristics of variables such as traditional location,regional characteristics,environmental externalities,and facility diversity,and multiple factors intertwine to form a complex mechanism of location selection of polluting enterprises in old industrial cities.

Key words： old industrial city; polluting enterprises; pattern evolution; influence mechanism; Lanzhou City

老工业城市社会经济发展与生态环境保护之间的矛盾是世界各国工业化进程中面临的关键性难题[1]。改革开放以来，大规模高速度的工业化和城镇化进程使中国城乡社会经济建设取得了举世瞩目的历史性成就，但在高耗能、高污染的传统工业生产模式下，钢铁冶炼、石油化工等重工业生产活动导致老工业城市的资源枯竭、生态破坏、环境污染等问题日益凸显[2-3]。伴随着我国“两型社会”“美丽中国”“实施城市更新行动”等生态文明建设的持续深化，中央政府陆续发布了《全国老工业基地调整改造规划（2013—2022年）》《“十四五”支持老工业城市和资源型城市产业转型升级示范区高质量发展实施方案》等一系列文件，以促进产业结构转型升级，推动老工业基地重振辉煌。而污染企业作为污染发生的根本源头和污染治理的行动主体，其转型升级和合理迁移无疑成为城市高质量转型发展过程中必须面对的困局与挑战[4]。
一方面，从老工业城市/基地的转型研究来看，国内外学术界对于老工业城市/基地的研究脉络与其自身的发展历程一脉相承。西方诸多发达国家在1950~1980年代陆续出现传统工业衰落的现象，以德国鲁尔工业区、英国中部工业区、美国东北部工业区等为典型代表的老工业基地相继出现工业生产萎缩、失业人口膨胀、环境污染严重等一系列问题[5]，并迅速引起了政界、学界和社会各界的广泛关注。以经济学家、地理学家为核心的学者们，早期聚焦于老工业基地的空间扩张与驱动机制[6]；之后转向从生命周期[7]、路径依赖[8]、制度锁定[9]等不同角度揭示衰退机制；近年来趋向于关注更新改造路径[10]、区域学习[11]、人力资本[12]等新因素的动态影响机制。从研究体系来看，西方学者话语体系中的老工业基地主要指老旧工业区，较少涉及老工业城市。1990年代左右，国内开始探讨基于中国国情的老工业城市/基地的概念与内涵[13]、界定与识别[14]等基本问题。21世纪以来，在国家强力支持老工业基地振兴的战略背景下，学者们在区域尺度持续关注发展状态评估[15]、政策效应评价[16]等议题；城市尺度则着重探讨城市间联系[17]、城市收缩[18]、产业空间重组[19]、社会空间重构[20]、建成环境更新[21]等主题。综合来看，围绕老工业城市/基地生产空间方面的研究偏重于宏观产业结构调整与绿色转型，鲜有研究从污染企业微观区位演变与老工业城市宏观空间重构的时空互动视角开展探究。
另一方面，从污染企业的区位迁移研究来看，该议题涉及区域经济学、环境经济学、经济地理学等诸多领域并已形成了多个学派[22]，特别是伴随着环境经济地理学研究的兴起，在以环境规制为代表的多重因素影响下，污染企业的区位选择问题引起国内外学者的普遍关注，主要形成了“成本假说”[23]、“污染避难所假说”[24]和“波特假说”[25]等核心理论。国内学者多从实证维度出发，基于全国[1,4]、省域[2]、流域[26]、城市群[27]、城市[28-29]等不同尺度研究污染企业的区位变动特征和内在影响机制。围绕城市尺度来看，污染企业的区位演变特征可以归纳为以下3种模式：①由中心城区向外围郊区及边界地区迁移[28-32]；②由分散的各个地区向各类工业园区迁移[33]；③由生态环境敏感区向其他外围地区迁移[26,34]。就区位选择的影响因素而言，主要基于资源禀赋论、新经济地理等理论探讨传统区位、交通条件、市场规模、开放政策、环境规制以及企业自身属性等因素的作用效果。其中，高爽等以无锡市污染密集型制造业为例发现，其空间集聚和水污染的空间关联性因行业而异[30]，且交通可达性、土地价格、开发区建设、环境规制等因素对其区位选择影响显著[34]；周沂等在对深圳市的实证研究中发现，环境外部性显著影响不同类型污染企业的空间分布，并且企业所有制性质、经营时间等因素对其影响明显[31]；沈静等在总结佛山市污染密集型企业空间格局变化规律的基础上，提出环境管制政策的动态变化是影响污染企业区位变动的重要因素[28,33,35]。综合现有城市尺度的研究来看，在研究视角上缺乏立足于企业异质性和空间异质性视角探讨污染企业的区位选择与影响机制；在研究对象上对于转型期受生态环境、历史基础、观念制度和产业转移等多重因素综合影响的内陆欠发达地区的老工业城市关注较少。
基于以上认识，本文选取西北内陆欠发达地区的老工业城市——兰州市作为典型案例，探讨城市内部污染企业的空间格局演变特征及区位演变模式，进一步分析其空间映射背后的内在影响机制，希冀为老工业城市转型、生态保护和高质量发展提供理论参考和案例支持。

1 研究区域、数据来源与研究方法

1.1 研究区概况

兰州作为中国最为典型的带状河谷型城市之一，是黄河唯一穿城而过的省会城市，有着“西部黄河之都，丝路山水名城”的美誉，但特殊的区域地形致使河谷内部气流闭塞且与河谷外部空气循环流通能力差，不利于内源污染物扩散。此外，兰州是“一五”时期国家重点建设的八大工业城市之一，为配合“兰炼”“兰化”等“共和国长子”项目的选址建厂，由任震英大师主持编制了新中国成立后国家建设委员会正式批准的第一个城市规划方案，首创了沿黄河“带状组团式”城市空间布局的先河。特别是，作为全国重要的石油化工、有色冶金、能源电力等工业基地，一度因惊人的经济增长速度被称为中国的“斯大林格勒”。但大规模高污染的重化工业发展也带来了严重的城市环境污染问题，被人们调侃为“卫星上看不到的城市”。近年来，随着全国空气污染防治攻坚战的有力开展，兰州市环境空气质量明显改善，并摘掉了多年来“世界上大气污染最严重城市之一”的“黑帽子”，而“兰州经验”“兰州蓝”逐渐成为中国城市污染治理的一张光鲜名片。因此，以兰州为案例研究老工业城市污染企业空间格局及其演变具有典型性。本文依据既有研究成果和研究需要，将兰州市划分为中心城区、近郊区和远郊区3个区域。

1.2 数据来源及处理

污染企业数据。来自于1990—2020年兰州市工商管理局注册的企业数据库，经筛选、清洗、汇总后得到1798家样本企业（参照国家重点排污单位名录设置规则：同一家企业事业单位因排污种类不同可以同时属于不同类别重点排污单位），通过Map Location网站批量转换企业地址为经纬度坐标，进而构建污染企业空间数据库。除了基本处理以外，本文对污染企业数据的整理主要还包括以下几个方面：①为了分析不同类型企业间的差异化特点，参照Becker等[36]的污染产业界定方法，选取2007年全国各细分行业工业增加值、废气、废水和固体废弃物等的排放量来计算污染密度指数（PDI），并借鉴戴其文[22]等的研究，确定废气污染型行业9个、废水污染型行业12个、固废污染型行业6个（表1），最终选取属于以上行业的企业作为本文的研究对象。②考虑到企业规模作为衡量企业异质性的重要指标，本文参考张志斌等[37]的研究，采用注册资本表征企业规模，分别以第90和第50个百分位的企业规模作为划分界限，具体细分为较大、中等和较小三种规模类型（表2）。
表1 依据污染源类型的污染行业分类表

Tab.1 Classification of polluting industries according to the pollutant source type

类型 细分行业
废气污染型
（9个）		 有色金属矿采选业（B09），非金属矿采选业（B10），造纸及纸制品业（C22），石油、煤炭及其他核燃料加工业（C25），化学原料及化学制品制造业（C26），非金属矿物制品业（C30），黑色金属冶炼及压延加工业（C31），有色金属冶炼及压延加工业（C32），电力、热力的生产和供应业（D44）
废水污染型
（12个）		 有色金属矿采选业（B09），农副食品加工业（C13），食品制造业（C14），酒、饮料和精制茶制造业（C15），纺织业（C17），造纸及纸制品业（C22），石油、煤炭及其他核燃料加工业（C25），化学原料及化学制品制造业（C26），医药制造业（C27），化学纤维制造业（C28），电力、热力的生产和供应业（D44），水的生产和供应业（D46）
固废污染型
（6个）		 有色金属矿采选业（B09），非金属矿采选业（B10），非金属矿物制品业（C30），黑色金属冶炼及压延加工业（C31），有色金属冶炼及压延加工业（C32），水的生产和供应业（D46）
表2 依据注册资本的企业规模划分表（单位：万元）

Tab.2 Classification of enterprise size according to registered capital （unit：10 thousand yuan）

规模 废气污染型 废水污染型 固废污染型
较大规模 >5000 >5000 >5000
中等规模 500<X≤5000 500<X≤5000 500<X≤5000
较小规模 ≤500 ≤500 ≤500
其他数据。POI数据选取2020年12月通过Python软件在百度地图等网页爬取，包括名称、地址、所属类型和经纬度等信息；行政边界数据来源于全国基础地理数据库；道路网矢量数据集通过OSM开源地图获取，进一步修正得到矢量路网数据；河流水系等空间要素基于百度地图运用ArcGIS矢量化处理后得到。

1.3 研究方法

1.3.1 探索性空间指数方法

通过平均最近邻指数分析兰州市污染企业在不同发展阶段是否属于集聚型分布；采用核密度估计分析不同阶段兰州市污染企业空间格局特征；使用冷热点方法判断格网尺度上兰州市污染企业的空间关联和依赖特征。

1.3.2 地理加权回归模型（GWR）

地理加权回归模型依据不同的空间带宽和核函数，有效地考虑了变量的空间非平稳性特征和差异化尺度效应[38]。本研究使用GWR探究污染企业区位选择影响因素的非稳定关系，其表达式为：
G W R : y i = ∑ j = 1 k β k ( u i   , ν i ) x i j + ε i
式中：βk为局部回归的估计量；εi为误差项[38]。

2 兰州市污染企业空间格局演变特征

2.1 整体污染企业空间格局演变

核密度分析结果显示，1990—2020年兰州市污染企业整体形成若干个“核心—边缘”式组团且呈现出“中心—近郊—远郊—开发区/新区”的演变趋势（图1a）。1990年，兰州市污染企业集中分布于中心城区的老城区组团和老工业基地组团（图1a1）。2000年，污染企业在原有基础上向郊区多个外围组团扩散，在七里河区南部、红古区中部、皋兰县南部及榆中县东部等地出现新的组团（图1a2）。2010年，污染企业的空间分布趋于分散且具有边界聚集的特征，在永登县与天祝藏族自治县、白银区等三地交界地带形成新的组团（图1a3）。2020年，污染企业的空间分布趋于分散式集中，中心城区原有组团进一步向雁滩园区、安宁园区等开发区迁移，近郊区的组团明显减少且集中分布于和平园区、皋兰园区，远郊区则形成了以兰州新区和各区县城区为核心的组团（图1a4）。
图1 兰州市整体污染企业核密度和热点区域分布演变

Fig.1 Evolution of kernel density and hotspot areas of all polluting enterprises in Lanzhou City

为了进一步把握污染企业的局部关联特征并识别热点集聚区域，经多次划分与比对结果后，选取2 km×2 km格网尺度并采用冷热点方法开展探究。总体来看，兰州市污染企业热点集聚区域以河谷内部为主、河谷外部为辅，表现为“分散式外围郊区迁移、远离核心敏感区迁移、集中式功能区迁移”的空间演变特征（图1b）。其中，1990年热点区集中在河谷内部的老城区和老工业基地，以及河谷外部红古区和永登县城区（图1b1）；2000年热点区在原有基础上不断壮大，河谷外部新增七里河区、榆中县和皋兰县城区等分散式外围热点区（图1b2）；2010年热点区在带状哑铃型的河谷盆地内由河谷东端向西端延伸，河谷外部的热点区向永登县西北片区等远离敏感区迁移（图1b3）；2020年热点区较前一阶段呈现更加集聚的特征，河谷内部的热点区向和平园区等周边园区集中，河谷外部的热点区向兰州新区等集中式功能区集聚（图1b4）。

2.2 不同类型污染企业空间格局演变

最近邻指数分析结果显示，1990年各类型污染企业均呈离散型分布，2000年废水污染型和固废污染型企业呈随机型分布，而废气污染型呈集聚型分布，2010和2020年各类型污染企业均呈集聚型分布。总体来看，不同类型污染企业集聚程度的排序依次为：固废污染型（0.34~0.55）>废气污染型（0.34~0.81）>废水污染型（0.38~0.44）。其中固废污染型企业的数量最少，且空间集聚特征最显著；废气污染型企业的数量最多，并呈现强烈的空间非均衡性。
进一步通过热点分析探讨不同类型污染企业的局部关联和依赖特征（图2）。其中，废气污染型企业热点区域逐步向城市下风向迁移且呈现河谷内外分异的特征，其中河谷内部由河谷东端逐渐向河谷西端迁移，河谷外部由分散的敏感区逐渐形成集中式迁移区（图2a）。相对于废气污染型企业，废水污染型企业热点区域远离边界地区的集聚趋势更加明显且具有靠近河流分布的特征，尤其向湟水、黄河两岸集聚的特点明显，但沿其他河流集聚的特征并不明显（图2b）。固废污染型企业热点区域围绕人口集中地、独立工矿区等聚集，但邻近内陆港口、机场等枢纽设施集聚的规律并不突出（图2c）。
图2 兰州市不同类型污染企业热点区域分布演变

Fig.2 Hotspot of different types of polluting enterprises in Lanzhou City

2.3 不同规模污染企业空间格局演变

最近邻指数分析结果显示，1990和2000年不同规模污染企业呈离散型分布，但2010和2020年不同规模污染企业呈集聚型分布。总体来看，不同规模污染企业集聚程度的排序依次为：较小规模（0.38~0.55）>中等规模（0.43~0.52）>较大规模（0.43~0.61）。其中较大规模污染企业的数量最少，空间集聚程度也最低；较小规模污染企业的数量最多，且空间集聚特征最显著。
进一步通过热点分析探究不同规模污染企业的局部关联和依赖特征（图3）。其中，较大规模污染企业热点区域始终以中心城区为核心，伴随着兰州新区的快速建设形成了远郊区次核心（图3a）。中等规模污染企业热点区域由以城关组团和红古组团为主体逐渐向各区县中心城区迁移（图3b）。较小规模污染企业热点区域在以城关组团、安宁组团和永登组团为中心的基础上，陆续向交通干道、产业园区以及各区县城区集聚（图3c）。
图3 兰州市不同规模污染企业热点区域分布演变

Fig.3 Hotspot of polluting enterprises of different sizes in Lanzhou City

2.4 兰州市污染企业区位演变模式

污染企业的转型升级和绿色发展是一个根植于特定地域背景下不断迭代迁移的持续演变过程[22,28]，基于以上从整体、分类型、分规模3个方面对兰州市污染企业空间格局演变特征的系统性分析，总结归纳1990—2020年兰州市污染企业区位演变的空间重构模式（图4）。1990年之前，大多数污染企业的选址是在政府的统一安排下进行布局的，地方政府通过城市规划和空间建设等行为宏观调控污染企业主要在中心城区河谷地带的老城区和老工业基地集中式选址建厂。1990—2000年，在土地市场化改革背景下，“工业强市”建设过程中以制造业为主体的污染企业倾向于寻求“污染天堂”并在原有发展基础上向郊区跳跃式扩散。2000—2010年，因河谷地带空间发展受限，政府主动引导城市功能向河谷外围疏解，大多数高污染企业选择“跳出河谷”并外迁至远郊边界地区。2010—2020年，在“退二进三”“出城入园”等政策的引导下，许多污染企业对新的产业引导政策做出了积极回应并趋向于在兰州新区及远郊区县产业园分散式布局。总体来看，随着城市向市场化和现代化转型，土地使用制度持续改革、环境管制日益严格、城市空间战略调整优化等因素致使污染企业呈现由“城区双中心集聚—郊区化跳跃式扩散—边界化多中心分散—园区化分散式集中”的区位演变模式。
图4 兰州市污染企业区位演变的空间重构模式

Fig.4 Spatial reconstruction pattern evolution of polluting enterprises in Lanzhou City

3 兰州市污染企业区位选择的影响因素及机制

3.1 指标选取

在全球化、市场化、分权化的宏观经济转型过程中，以高端化、智能化、绿色化等为代表的污染产业转型持续推动城市空间变迁与重构[29]，对污染企业而言，一方面企业本身对资源、资本、技术水平等的要求更高，另一方面环境规制使得企业受环境成本的约束性更强。本文借鉴新经济地理学中的中心—外围理论、演化经济地理学中的路径依赖理论以及环境经济地理学中的规制理论等和已有研究成果[27-31,33-34]，进一步结合老工业区城市污染企业的特殊发展需求和兰州市的实际情况，从传统区位要素、地域特征要素、环境外部性、设施多样性4个维度出发，选取30个表征因子作为自变量（表3）。此外，本文采用6 km×6 km格网作为变量统计单元，因中心河谷地区景观异质性较大，故将其内部的每个格网进一步划分为9个2 km×2 km基本单元[32,39-40]，最后以格网内企业数量作为因变量开展定量测度。
表3 老工业城市污染企业区位选择影响变量的选取与解释

Tab.3 Selection and explanation of influencing variables of location selection of polluting enterprises in old industrial cities

解释变量 变量含义 数据来源
传
统
区
位
要
素		 自然条件 地形起伏[39] 格网内地形起伏度 兰州市30 m精度DEM数据
区位历史 老城区 格网内老城区面积比率 参考既有文献划定（清末时期格局）
老工业区 格网内老工业区面积比率 参考历版城市总体规划及政府文件划定
用地成本 工业用地基准地价[29] 格网内工业用地基准地价均价 2020年7月兰州市城市基准地价更新及公服基准地价制定成果
商服用地楼面地价[39] 格网内商服用地楼面地价均价 2020年7月兰州市城市基准地价更新及公服基准地价制定成果
劳动力资源 一般劳动力 格网内人口数量 2020年Worldpop人口栅格数据
高素质人才[29] 格网中心点到最近高校距离 截至2020年12月兰州市百度POI数据
地
域
特
征
要
素		 产业基础 产业历史基础 格网内截至2020年已有污染企业数量 天眼查：截至2020年污染企业数量
百强工业企业基础 格网内百强工业企业数量 2020年兰州市百强工业企业名单
交通条件 火车运输/出行 格网中心点到最近火车站的距离 截至2020年12月兰州市百度POI数据
航空运输/出行 格网中心点到兰州新区机场的距离 截至2020年12月兰州市百度POI数据
高速运输/出行 格网中心点到最近高速出入口的距离 截至2020年12月兰州市百度POI数据
货物中转枢纽 格网中心点到最近货物枢纽中心的距离 截至2020年12月兰州市百度POI数据
城乡差异 地理位置 格网位于中心城区赋值为3，近郊区赋值为2，远郊区赋值为1 参考历版总体规划及既有文献划定
政府政策 国家级新区 格网内国家级新区园区面积比率 兰州市国家级新区规划文件
开发区[39] 格网内经开区及高新区园区面积比率 兰州市经开区及高新区规划文件
环
境
外
部
性		 环境管制 生态环境保护区[34] 格网内生态环境优先保护区面积比率 兰州市生态环境局
边界效应 距市区边界最短距离[31] 格网中心点到兰州市行政边界的最短距离 国家基础地理信息中心基础地理数据库
距甘青边界最短距离[33] 格网中心点到甘肃—青海省界线的最短距离 国家基础地理信息中心基础地理数据库
类型效应 距最近河流最短距离 格网中心点到最近河流的最短距离 国家基础地理信息中心基础地理数据库
城市风向 市中心为原点，主导风向赋值为2，偏主导风向赋值为1，否则为0 国家气象科学数据中心
生产建设强度 格网内建成区面积比率 中国城市2020年建成区数据集
设
施
多
样
性		 生产服务 综合咨询服务 格网内金融、保险、法律等设施的数量 截至2020年12月兰州市百度POI数据
科研机构服务 格网内院校、科研院所等设施的数量 截至2020年12月兰州市百度POI数据
酒店住宿服务 格网内酒店住宿服务设施的数量 截至2020年12月兰州市百度POI数据
生活服务 便利商超服务 格网内便利商超服务设施的数量 截至2020年12月兰州市百度POI数据
综合餐饮服务 格网内综合餐饮设施的数量 截至2020年12月兰州市百度POI数据
线上餐饮服务 格网内外卖服务设施的数量 截至2020年12月兰州市大众点评数据
休闲娱乐服务 格网内休闲娱乐服务设施的数量 截至2020年12月兰州市百度POI数据
其他生活服务 格网内其他生活服务设施的数量 截至2020年12月兰州市百度POI数据

3.2 污染企业区位选择的影响因素测度

3.2.1 整体污染企业区位选择的影响因素测度

首先，对各变量进行多重共线性检验，筛选出VIF值小于7.5的自变量；然后，选择2020年以后的企业数量作为因变量，以避免可能的内生性问题；最后，考虑到OLS等线性回归模型仅关注回归系数全局特征的局限性，引入GWR模型进一步分析影响因素的局部效应，并使用二次核函数和AICc，对比分析OLS与GWR模型运算结果。其中，GWR模型的R2和调整后的R2都明显高于OLS模型，而残差平方和与AICc准则明显低于OLS模型，说明GWR模型更适用于本研究（表4）。
表4 普通最小二乘法线性回归与经典地理加权回归模型指标

Tab.4 Model indexes of OLS and GWR

模型 残差平方和 对数可能性 AICc R2 调整后的R2
OLS 201.026 -446.668 948.820 0.532 0.505
GWR 176.985 -419.284 930.948 0.688 0.645
根据GWR模型各显著变量系数值描述性统计（表5）和可视化表达（图5），可以看出各影响因素在空间上表现出的差异非常显著，这也反映了不同影响因素对兰州市污染企业空间分布具有空间异质性。
表5 GWR模型回归系数的描述性统计

Tab.5 Descriptive statistical analysis of the regression coefficients in the GWR model

变量 最小值 中位数 最大值 均值 标准差
工业用地基准地价 0.116 0.120 0.123 0.120 0.114
产业历史基础 0.411 0.435 0.453 0.433 0.057
百强工业企业基础 -0.651 -0.616 -0.539 -0.597 0.126
地理位置 -0.340 -0.308 -0.267 -0.305 0.181
开发区 0.325 0.328 0.332 0.329 0.056
生态环境保护区 -0.014 -0.004 0.004 -0.005 0.035
城市风向 -0.275 -0.271 -0.268 -0.271 0.181
科研机构服务 0.113 0.120 0.126 0.120 0.115
休闲娱乐服务 0.016 0.020 0.023 0.020 0.021
图5 地理加权回归模型的回归系数空间分布

Fig.5 The spatial distribution of regression coefficients in the GWR model

从显著变量的地理加权回归结果来看：①在用地成本方面，工业用地基准地价对污染企业区位选择影响明显。一方面污染企业倾向于在高新区雁滩园区等基础设施完善的地段布局；另一方面，由于污染企业对工业用地价格的高敏感性，往往选择在近郊区地价更低的片区集聚，如经开区西固园区/红古园区等（图5a）。②在产业基础方面，产业历史基础变量对污染企业的集聚作用明显，其影响系数的中位数达到了0.435且空间异质性特征突出。原因在于以连海开发区、兰州新区为空间载体的片区产业发展基础较好，而榆中县城等片区的产业发展基础则明显薄弱（图5b）；伴随着污染企业由传统工业的粗放式重污染向环境友好的精细化无污染方向转型升级，百强工业企业基础对污染企业选址的吸引力迅速下降，相对而言，其对高新区和平园区、定连园区等片区的企业区位选择影响程度更大（图5c）。③在城乡差异方面，因政府“退二进三”“出城入园”等引导性政策的实施，中心城区对污染企业再集聚有负向影响，而位于近远郊区的经开区、红古区、兰州新区等城市功能拓展区则对外迁企业的集聚吸引作用较为明显（图5d）。④在政府政策方面，由于兰州市欠发达的内陆型经济特点和剧烈转型的阶段特征，使得经开区、高新区、国家级新区等园区建设对污染企业的“黏性效应”显著（图5e）。⑤在环境管制方面，生态环境保护区因素对污染企业区位的影响具有正负差异性，其中以永登县为代表的市域边界地区，虽然环境管控力度较大但仍备受污染企业的选址青睐（图5f）。⑥在类型效应方面，因为兰州市常年盛行偏东风，所以新建污染企业主要向河谷外部下风向片区聚集，但河谷内部偏上风向仍有部分污染企业难以实现易地搬迁（图5g）。⑦在生产服务方面，污染企业因技术转型、业务升级等原因对科研机构服务的需求较高，具体体现在以榆中生态创新城、高新区为核心的城市创新集聚区影响突出，而以兰州新区、经开区为空间载体的城市功能承接区影响相对较弱（图5h）。⑧在生活服务方面，休闲娱乐服务变量对企业集聚影响较大，可以发现定连园区、和平园区等交通和公共服务设施建设薄弱的区域影响更为明显，说明污染企业外迁时特别关注迁入地的基础配套水平和生活服务品质（图5i）。

3.2.2 不同类型污染企业区位选择的影响因素测度

①对于废气污染型企业而言，生态环境保护区变量对其区位选择影响并不显著；而城市风向变量对其区位选址具有明显积极作用，主导风向的下风向空间集聚效应明显。②对于废水污染型企业而言，休闲娱乐服务变量对其区位选择影响并不显著；而距最近河流最短距离变量对其区位选址具有明显积极作用，且沿黄河、湟水、庄浪河及宛川河呈现走廊式空间分异效应显著。③对于固废污染型企业而言，城市风向、科研机构服务两个变量对其区位选择影响不显著；距市区边界最短距离变量对其区位选址具有明显排斥作用，主要是远离市区边界的中心城区和各县城建成区对其选址影响强烈（表6）。
表6 GWR模型回归系数的描述性统计

Tab.6 Descriptive statistical analysis of the regression coefficients in the GWR model

变量 废气污染型 废水污染型 固废污染型
最小值 最大值 均值 最小值 最大值 均值 最小值 最大值 均值
生态环境保护区 - - - -0.126 -0.062 -0.094 -0.356 -0.164 -0.253
城市风向 -0.462 -0.156 -0.325 -0.329 -0.126 -0.230 - - -
科研机构服务 0.069 0.108 0.082 0.224 0.125 0.168 - - -
休闲娱乐服务 0.026 0.152 0.103 - - - 0.324 0.159 0.243
距最近河流最短距离 - - - -0.466 0.229 -0.134 - - -
距市区边界最短距离 - - - - - - -0.458 0.112 -0.184

注：限于篇幅，此表省略共性因素，仅保留差异性因素。表7同。

3.2.3 不同规模污染企业区位选择的影响因素测度

①对于较大规模污染企业而言，城市风向和休闲娱乐服务2个变量对其区位选择影响并不显著；而老工业区变量对其区位选址具有明显积极作用，企业区位选择的路径依赖特征显著。②对于中等规模污染企业而言，高素质人才变量对其区位选址的影响作用差异大，产生了两极分化效应。③对于较小规模污染企业而言，城市风向和休闲娱乐服务2个变量对其区位选择影响不显著；地形起伏度对其选址布局影响较大，且影响系数呈现河谷内外空间分异的特征；其更青睐于高素质人才集聚地，以共享交流合作提高自身的专项竞争力；靠近货运中转枢纽等交通网络节点可以显著降低企业的交通成本，所以货运中转枢纽变量对其具有强烈的吸引作用（表7）。
表7 GWR模型回归系数的描述性统计

Tab.7 Descriptive statistical analysis of the regression coefficients in the GWR model

变量 较大规模 中等规模 较小规模
最小值 最大值 均值 最小值 最大值 均值 最小值 最大值 均值
城市风向 - - - -0.347 0.169 -0.127 - - -
休闲娱乐服务 - - - 0.313 0.934 0.659 - - -
地形起伏 - - - - - - -0.972 0.192 -0.566
老工业区 -0.124 0.628 0.287 - - - - - -
高素质人才 - - - -0.952 0.238 -0.422 -0.726 0.128 -0.337
货运中转枢纽 - - - - - - -0.667 0.329 -0.214

3.3 污染企业空间格局演变的影响机制

理论上认为，传统的资源禀赋因素、新经济地理因素和特殊的环境规制因素在循环累积因果的综合作用过程中影响经济行为和经济要素在空间上的集聚与扩散[4,26,34]。然而在中国，地方政府往往可以直接干预各类“空间资源”的供给与配置，所以污染企业空间格局的动态演变则是地方政府宏观调控和市场环境适应调节的互动博弈过程在特定地域空间上的映射结果[34-35,40]。
从兰州市污染企业区位变动的机制来看，①原始动力：建国之初，在计划经济模式下因国家战略需要，诸如“兰炼”“兰化”等资源型企业由政府自上而下统一规划布局和选址建厂并奠定了污染企业在城市内部的基本空间格局[40]，其区位选择重点考虑原料运输、占地规模、城市风向等基础因素；一直到改革开放前，受冶炼技术和交通运输等条件的限制，其空间格局基本未发生变动。②分异动力：一方面，快速工业化和土地市场化进程的推进，带动了污染企业由中心城区逐渐向郊区扩散，此时工业用地基准地价、产业历史基础、百强工业企业基础等经典区位因素促使污染企业差异化布局；另一方面，在从“生产型城市”向“服务型城市”转变的过程中，开发区、科研机构服务、休闲娱乐服务等新经济地理因素对污染企业的“个性化”区位选择影响明显。③迁移动力：兰州市政府通过“退二进三，出城入园”“向山借地，跳出河谷”等一系列城市空间战略和“关、撤、并、迁”等各类型环境规制政策引导污染企业向园区聚集[33,39]，特别是伴随着环境管制政策由宽松转向严格，使一部分污染企业寻找新的“避难所”并持续“逐底竞争”，另一部分污染企业往往通过技术升级的方式实现转型发展，并以“新的身份”重新进入环境管制严格的地区，从而实现污染企业的“华丽转身”，至此环境管制成为污染企业从“旧区位”向“新区位”迁移的关键力量。由此可见，兰州市作为内陆欠发达的老工业城市，在其社会经济发展的阶段性和生态环境保护的地域性大背景下，一方面，政府在不同发展阶段分别通过统一选址建厂、空间战略调整、环境负外部性控制和约束等“看得见的手”来实现对污染企业集聚/扩散的宏观调控；另一方面，市场依据内外部环境的动态变化通过企业自选择和自组织等“看不见的手”来实现多元化企业的差异性需求，表现为整体尺度空间结构重组、局部尺度热点区域演化的多尺度空间效应，最终推动了污染企业微观区位的变动和城市空间宏观格局的重构（图6）。
图6 兰州市污染企业空间格局演变的影响机制

Fig.6 Influence mechanism of spatial pattern evolution of polluting enterprises in Lanzhou City

4 结论与讨论

本文以企业区位演变为切入视角，借鉴中心—外围理论、路径依赖理论以及环境规制理论等，基于1990—2020年微观企业数据，运用探索性空间分析和GWR模型研究了兰州市污染企业空间格局演变特征及影响机制。得出结论如下：
①从整体来看，兰州市污染企业呈现出“中心—近郊—远郊—开发区/新区”的郊区化过程；热点区域以河谷内部为主、河谷外部为辅，表现为“分散式外围郊区迁移、远离核心敏感区迁移、集中式功能区迁移”的演变特征。这种郊区化特征与佛山市[28]、深圳市[31]等中国其他城市相类似，但边界化趋势与已有研究中污染企业邻近边界分布特征有所差异，区别在于其与甘青边界并不显著，可能是由于兰州新区/开发区承接了大部分中心城区外迁的污染企业，从而没有出现沿甘青边界“以邻为壑”的“扎堆”现象。
②从类型异质性来看，废气污染型企业逐步向城市下风向迁移且呈现河谷内外分异的特征；废水污染型企业远离边界地区的集聚趋势更加明显且具有靠近河流分布的特征；固废污染型企业围绕人口集中地、独立工矿区等聚集。上述差异化集聚特征与既有文献对深圳市[31]等地的研究基本一致，这反映了地方政府针对不同类型污染型企业的差异化环境管制和针对性引导策略。
③从规模异质性来看，较大规模污染企业始终以中心城区为主核心并在兰州新区孕育了次核心；中等规模污染企业由以城关组团和红古组团为主体逐渐向各区县中心城区迁移；较小规模污染企业在以城关组团、安宁组团和永登组团为中心的基础上，陆续向交通干道、产业园区以及各区县中心城区集聚。作为传统老工业城市，以“兰炼”“兰化”等为代表的较大规模污染企业建厂于老工业区且区位难以变动，中等和较小规模的污染企业往往跟随外部环境的变化进行适应性迁移。
④从影响因素来看，整体、不同类型和不同规模的污染企业在区位选择过程中，对传统区位、地域特征、环境外部性、设施多样性等维度的变量存在空间异质性和尺度差异性特征，多元因素交织形成了老工业城市污染企业区位选择的复杂性机制。对比已有研究对南京市[29]、无锡市[34]等东部发达地区典型城市的实证分析发现，用地成本、产业基础、城乡差异、政府政策、类型效应等因素同样对兰州市总体污染企业的分布影响显著；自然条件、区位历史、劳动力资源、交通条件、边界效应等变量对不同类型和规模污染企业的布局影响存在差异，特别是作为西北内陆欠发达地区典型的老工业城市，环境规制、生产服务、生活服务因素对其区位选择影响比较突出。
本文初步构建了老工业城市污染企业区位分析的“格局—过程—机制”研究框架。相较于长三角地区的南京市[29]、无锡市[30]和珠三角地区的佛山市[28]、深圳市[31]及广州市[32]等东部外向型经济发达的城市，以兰州市为代表的西北内陆欠发达地区老工业城市的污染企业区位演变呈现以下特点：①源自于“强政府”调控对“弱市场”选择的干预限制，政策“黏性效应”显著；②欠发达的内陆型经济使得“负外部性”“路径依赖”特征明显；③老工业基地振兴发展背景下企业外迁特别关注迁入地的生产服务质量和生活服务品质。基于此，提出西北内陆欠发达地区老工业城市污染企业空间治理的应对策略如下：①积极推动传统产业竞争优势重构，加快老工业城市绿色转型步伐；②顺应地域空间结构演变脉络，调整优化污染产业内部空间结构；③聚焦污染企业空间迁移特征，分类分区分时多元引导企业聚集。此外，老工业城市污染企业的区位变动是一个涉及多主体、多空间、多尺度的复杂经济现象[22]，在未来的研究中，可以基于企业、民众、政府等多元主体，从多尺度嵌套与联动的复合化视角，选择不同发展阶段和不同地域的典型老工业城市进行横向对比分析，更全面地揭示老工业城市污染企业区位演变的特征、模式与动力机制，进一步加强多学科的交叉融合研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
田光辉, 苗长虹, 胡志强, 等. 环境规制、地方保护与中国污染密集型产业布局[J]. 地理学报, 2018, 73(10):1954-1969.

DOI

[2]
马蓓蓓, 党星, 袁水妹, 等. 欠发达地区污染企业的区位选择与空间正义[J]. 地理学报, 2022, 77(4):1009-1027.

DOI

[3]
胡晓辉, 朱晟君, Robert Hassink. 超越“演化”:老工业区重构研究进展与范式反思[J]. 地理研究, 2020, 39(5):1028-1044.

DOI

[4]
盛涵天, 汤慧桢, 贺灿飞. 环境规制与污染密集型产业出口——基于中国地级市的实证研究[J]. 城市问题, 2023(1):69-78.

[5]
李培林. 理解与应对:我国新发展阶段的南北差距[J]. 社会发展研究, 2022, 9(1):1-13,242.

[6]
Pred A R. The Spatial Dynamics of Urban-Industrial Growth 1800-1914:Interpretive and Theoretical Essays[M]. Cambridge: MIT Press, 1966.

[7]
Norton R D. City Life Cycles and American Urban Policy[M]. New York: Academic Press, 1979.

[8]
Boschma R A, Van der Knaap G A. New Technology and Windows of Locational Opportunity:Indeterminacy,Creativity and Chance[C]// Reynders J. Economics and Evolution. Cheltenham: Edward Elgar, 1997.

[9]
Grabher G. The Weakness of Strong Ties:The Lock-in of Regional Development in the Ruhr Area[C]// Grabher G. The Embedded Firm on the Socio-economics of Industrial Networks. New York: Routledge, 1993.

[10]
Copic S, Dordevic J, Lukic T, et al. Transformation of industrial heritage:An example of tourism industry development in the Ruhr Area[J]. Geographica Pannonica, 2014, 18(2):43-50.

[11]
Micek G, Gwosdz K, Kocaj A, et al. The role of critical conjunctures in regional path creation:A study of Industry 4.0 in the Silesia region[J]. Regional Studies,Regional Science, 2022, 9(1):23-44.

[12]
Píša J. How individuals become agents of change in old industrial regions[J]. Regional Studies,Regional Science, 2023, 10(1):592-602.

[13]
费洪平, 李淑华. 我国老工业基地改造的基本情况及应明确的若干问题[J]. 宏观经济研究, 2000(5):30-33,46.

[14]
王青云. 我国老工业基地城市界定研究[J]. 宏观经济研究, 2007(5):3-7,27.

[15]
谢永顺, 王成金. 中国老工业基地振兴发展态势及空间分异[J]. 经济地理, 2023, 43(2):52-59.

DOI

[16]
王士君, 顾萌, 常晓东. 东北振兴政策体系解构及区域经济响应研究[J]. 地理学报, 2022, 77(10):2547-2565.

DOI

[17]
初楠臣, 吴相利, 张平宇, 等. 基于现实与虚拟流视角下的东北地区城市空间网络特征[J]. 经济地理, 2022, 42(5):66-74.

DOI

[18]
赵家辉, 李诚固, 马佐澎, 等. 城市精明收缩与我国老工业基地转型[J]. 城市发展研究, 2017, 24(1):135-138,152.

[19]
王婷婷, 宋飏, 钱思彤, 等. 东北地区制造业空间格局演化及其空气污染环境效应——基于企业数据的实证[J]. 地理研究, 2022, 41(1):193-209.

[20]
韩会然, 许岭怡, 杨成凤. 城市更新背景下老工业区空间的再生产机制探究——以合肥市瑶海老工业区为例[J]. 人文地理, 2024, 39(1):59-67.

[21]
吴静轩, 唐相龙. 遗产保护视角下的兰州市苏式老工业住区微更新模式研究[J]. 规划师, 2022, 38(6):118-124.

[22]
戴其文, 杨靖云, 张晓奇, 等. 污染企业/产业转移的特征、模式与动力机制[J]. 地理研究, 2020, 39(7):1511-1533.

DOI

[23]
Pething R. Pollution,welfare,and environmental policy in the theory of Comparative Advantage[J]. Journal of Environmental Economics and Management, 1976, 2(3):160-169.

[24]
Walter I, Ugelow J. Environmental policies in developing countries[J]. Ambio, 1979, 8(2-3):102-109.

[25]
Porter M E, Linde C van der. Toward a new conception of the environment-competitiveness relationship[J]. Journal of Economic Perspectives, 1995, 9(4):97-118.

[26]
张姗姗, 刘存丽, 张落成. 苏南太湖流域污染企业空间布局演化及未来产业发展方向研究[J]. 经济地理, 2018, 38(2):162-171.

DOI

[27]
Song G D, Feng W D. Analysis of the spatial layout and influencing factors of pollution-intensive industries based on enterprise dynamics[J]. Ecological Indicators, 2023,https://doi.org/10.1016/j.ecolind.2023.110378.

[28]
Liu W, Shen J, Wei Y D. Spatial restructuring of pollution-intensive enterprises in Foshan China:Effects of the changing role of environmental regulation[J]. Journal of Environmental Management, 2023,https://doi.org/10.1016/j.jenvman.2022.116501.

[29]
吕卫国, 陈雯. 制造业企业区位选择与南京城市空间重构[J]. 地理学报, 2009, 64(2):142-152.

[30]
高爽, 魏也华, 陈雯, 等. 发达地区制造业集聚和水污染的空间关联——以无锡市区为例[J]. 地理研究, 2011, 30(5):902-912.

[31]
周沂, 贺灿飞, 王锐, 等. 环境外部性与污染企业城市内空间分布特征——基于深圳污染企业的实证分析[J]. 地理研究, 2014, 33(5):817-830.

DOI

[32]
沈静, 王少谷, 周楚平. 环境公正视角下广州市污染企业分布与区域人口社会特征的时空关系研究[J]. 地理研究, 2022, 41(1):46-62.

DOI

[33]
沈静, 刘伟, 魏也华. 环境管制对佛山市污染密集型企业空间格局变化的影响——基于2004年、2008年、2013年经济普查数据的实证[J]. 地理科学, 2019, 39(12):1972-1981.

DOI

[34]
高爽, 魏也华, 陈雯. 环境规制对无锡市区污染密集型制造业区位选择的影响[J]. 湖泊科学, 2012, 24(6):883-890.

[35]
沈静, 魏成. 环境管制影响下的佛山陶瓷产业区位变动机制[J]. 地理学报, 2012, 67(4):467-478.

DOI

[36]
Becker R, Henderson V. Effects of air quality regulations on polluting industries[J]. The Journal of Political Economy, 2000, 10(2):37-421.

[37]
张志斌, 公维民, 张怀林, 等. 兰州市生产性服务业的空间集聚及其影响因素[J]. 经济地理, 2019, 39(9):112-121.

DOI

[38]
卢宾宾, 葛咏, 秦昆, 等. 地理加权回归分析技术综述[J]. 武汉大学学报信息科学版:信息科学版, 2020, 45(9):1356-1366.

[39]
赵学伟, 张志斌, 冯斌, 等. 老工业城市批发企业空间格局演化及形成机理——以兰州市为例[J]. 经济地理, 2022, 42(12):92-103.

DOI

[40]
周恒, 杨永春. 兰西城市群“双核分离”结构探讨:区域经济一体化背景下民营企业的投资网络[J]. 地理科学进展, 2023, 42(5):852-866.

DOI

Options
文章导航

/

〈 〉