自1980年代以来中国集装箱运输以年均24.78%的速度快速增长,其中70%以上为外贸集装箱量,研究外贸集装箱生成的空间分布和差异对发展中国的集装箱运输至关重要。对我国340个地级市2013年外贸集装箱生成量分布特征研究发现,地级市的集装箱生成能力具有明显的趋海性特征,呈现出由东部向中、西部迅速递减的格局,东部沿海51个地级市4.56%的国土面积上生成了65.4%的外贸集装箱;距离海岸线350 km以内约全国面积16.23%的地级市,形成了高达94.12%的外贸集装箱量;距离海岸线350 km以外83.77%的国土面积上,仅具有全国约6%的集装箱生成能力。利用探索性空间数据分析方法研究空间差异的结果表明,我国外贸集装箱生成同时也具有明显的不均衡性特征,在集装箱分布高度密集的东部沿海地区,山东半岛区域、长三角地区、海峡西岸和珠三角地区是显著性热点区域,而西部绝大部分地区及东北的部分城市是显著性的冷点区域。基于外贸集装箱分布明显的趋海性和不均衡性特征,在对集装箱港口腹地的划分、港口布局及港口集疏运体系的规划等方面的研究过程中,应重点关注距海岸线350 km以内的东部沿海区域的相关问题。
Chinese container transportation has maintained an average annual growth rate of 24.78% since 1980s. Foreign trade goods constitute 70% of all container goods, therefore the spatial distribution and differentiation of foreign trade container generation are of vital importance for the development of Chinese container transportation. This study takes the research unit of prefecture-level city and uses the cross sectional data of foreign trade container generation in 2013.The results of study on distribution characteristics show that foreign trade container generation has obvious sea-approach distribution pattern which rapidly declines from east to west side. The land area and container generation ratio of 51 coastal prefecture-level cities versus nationwide are 4.56% and 65.4%, this ratio for prefecture-level cities within 350km of coastline are 16.23% and 94.12%, this ratio other cities are 83.77% and 6%. The spatial differentiation was studied using exploratory spatial data analysis method. The results show that foreign trade container generation has obvious imbalance characteristics, significant hot-spot areas include: Shandong Peninsula, Yangtze River Delta, the west coast of the Taiwan Straits and the Pearl River Delta region; significant cold-spot areas are most places in western region and cities in north-eastern region. Based on the sea-approach and imbalance characteristics, future research priorities should be placed on the areas which are within 350km of coastline. This can be important reference for container port hinterland division, port layout and construction of port transportation system.
[1] 郑文儒,周田瑞,王鸿鹏. 厦门集装箱吞吐量与经济影响因素的计量经济分析[J]. 商业经济,2016(9):50-52.
[2] 丁永健,鄢雯. 基于状态空间方程的大连港集装箱吞吐量影响因素分析[J]. 集装箱化,2011(4):17-19.
[3] 梁建华. 上海港集装箱吞吐量与上海地区主要经济指标相关性研究[J]. 物流科技,2009(5):110-112.
[4] 刘斌,邱国栋,刘超. 集装箱港口吞吐量线性回归模型[J]. 大连海事大学学报,2003,29(2):27-30.
[5] 李晶,吕靖. 腹地经济发展对港口吞吐量影响的动态研究[J]. 水运工程,2007(11):49-51.
[6] Lechao Liu G P. Empirical Analysis of Influence Factors to Con-tainer Throughput in Korea and China Ports[J]. The Asian Journal of Shipping and Logistics,2011,27(2):279-303.
[7] 宋兵兵. 港口外贸集装箱物流需求预测与发展模式创新[D]. 长春:吉林大学,2016.
[8] 郑莉,王晓惠,陈全润. 沿海水路运输外贸动态冲击因素研究[J]. 交通运输系统工程与信息,2015(6):13-19.
[9] 何雪君,郑平,王冬良,等. 三步实现城市集装箱生成量预测[J]. 物流技术,2012(1):89-91.
[10] 高晓月,封学军,蒋柳鹏. 南京港集装箱生成量预测与发展措施建议[J]. 华东交通大学学报,2013(1):91-95.
[11] 李增蔚. 长三角港口腹地外贸集装箱生成量预测[J]. 中国水运,2014(6):18-19.
[12] Huang A,Lai K,Li Y,et al.Forecasting container throughput of Qingdao port with a hybrid model[J]. Journal of Systems Science and Complexity,2015,28(1):105-121.
[13] 胡旭铭,刘冲,刘洪义. 基于神经网络的外贸集装箱生成量预测[J]. 水运工程,2009(9):23-25.
[14] 张树奎,鲁子爱. 港口集装箱吞吐量的灰色神经网络预测模型研究[J]. 江苏科技大学学报:自然科学版,2014(3):216-219.
[15] 李婧. 基于可拓聚类模型的山东集装箱生成量预测[J]. 中国储运,2011(9):106-108.
[16] 宁顺理,张亦飞,毛翰宣. 宁波—舟山港集装箱吞吐量的SD建模预测[J]. 水运工程,2011(4):58-62.
[17] 狄乾斌,韩帅帅,韩增林. 中国地级以上城市经济承载力的空间格局[J]. 地理研究,2016,35(2):337-352.
[18] 方叶林,黄震方,涂玮,等. 基于地统计分析的安徽县域经济空间差异研究[J]. 经济地理,2013,33(2):33-38.
[19] 蒲英霞,葛莹,马荣华,等. 基于ESDA的区域经济空间差异分析[J]. 地理研究,2005,24(6):965-974.
[20] 秦佳,李建民. 中国人口城镇化的空间差异与影响因素[J]. 人口研究,2013,37(2):25-40.
[21] 武红. 中国省域碳减排:时空格局、演变机理及政策建议——基于空间计量经济学的理论与方法[J]. 管理世界,2015(11):3-10.
[22] 任家强,董琳瑛,汪景宽,等. 基于空间统计分析的辽宁省县域经济空间差异研究[J]. 经济地理,2010,30(9):1 435-1 439.
[23] Cliff A D,Ord J K. Spatial Processes,Models and Applications[M]. London:Pion,1981.
[24] 陈生明,吴继贵,叶阿忠. 空间计量经济学[M]. 厦门:厦门大学出版社,2015.
[25] Anselin L.Local Indicators of Spatial Association—LISA[J]. Geographical Analysis,1995,27(2):93-115.
[26] Getis A,Ord J K.The Analysis of Spatial Association by Use of Distance Statistics[J]. Geographical Analysis,1992,24(3):189-206.
