EN中文

经济地理 >

2025 , Vol. 45 >Issue 11: 119 - 128

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.11.012

产业经济与创新发展

中国空港型国家物流枢纽发展演化及空间效应

  • 石学刚 ,
  • 胡元宁 , ※
展开
  • 中国民航大学 交通科学与工程学院，中国 天津 300300
※胡元宁（2000—），女，硕士研究生，研究方向为交通运输规划与管理、航空物流。E-mail：

石学刚（1980—），男，博士，副教授，研究方向为航空物流与综合运输。E-mail：

收稿日期: 2024-04-17

  修回日期: 2025-09-14

  网络出版日期: 2025-12-23

基金资助

国家社科基金后期资助项目：多机场航空物流系统理论与实践发展研究(23FJYB042)

天津市教委社会科学重大项目(2024JWZD41)

河南省机场集团有限公司揭榜挂帅项目：我国空港型国家物流枢纽建设模式及评价体系研究(2025榜002)

收起

Chronological Evolution and Spatial Effects of the Development of National Logistics Hubs in China's Airports

  • SHI Xuegang ,
  • HU Yuanning , ※
Expand
  • School of Transportation Science and Engineering，Civil Aviation University of China，Tianjin 300300，China

Received date: 2024-04-17

  Revised date: 2025-09-14

  Online published: 2025-12-23

Fold

摘要

文章通过构建包含5个维度、23项指标的评价体系，综合运用熵权—TOPSIS法、五边形多维度评价法、空间分析和基尼系数等方法，基于2014—2023年面板数据对中国22个空港型国家物流枢纽发展的时序演化规律与空间交互效应进行了实证研究。结果表明：①各空港型国家物流枢纽综合发展水平随时间均有不同程度的提升，整体呈现“东高西低”的梯度格局；②空港型国家物流枢纽辐射带动效应不断增强，由初始的“中心点”向“中心域”转变；③空港型国家物流枢纽基尼系数从0.683降至0.649，区域差异逐步缩小但依然显著；④基础设施规模和城市经济支撑是导致区域差异的两大核心因素，其中基础设施规模的贡献度高达41.78%，成为最主要的影响因素。

关键词： 空港型国家物流枢纽; 综合发展水平; 基础设施; 城市经济; 腹地资源; 核心—边缘

本文引用格式

石学刚 , 胡元宁 . 中国空港型国家物流枢纽发展演化及空间效应[J]. 经济地理, 2025 , 45(11) : 119 -128 . DOI: 10.15957/j.cnki.jjdl.2025.11.012

Abstract

This paper constructs an evaluation system comprising five dimensions and 23 indicators, employing integrated methodologies including the entropy-weighted TOPSIS method, pentagonal multidimensional evaluation, spatial analysis, and the Gini coefficient. Based on panel data from 2014 to 2023, an empirical study was conducted to examine the temporal evolution and spatial interaction effects of 22 airport-type national logistics hubs in China. The results indicate that: 1) The comprehensive development level of each airport-type national logistics hub has improved to varying degrees over time, overall presenting a "high in the east and low in the west" gradient pattern; 2) The radiating and driving effects of airport-type national logistics hubs have continuously strengthened, transitioning from an initial "central point" to a "central domain"; 3) The Gini coefficient of airport-type national logistics hubs decreased from 0.683 to 0.649, indicating a gradual narrowing of regional disparities, though they remain significant; 4) Infrastructure scale and urban economic support are the two core factors contributing to regional differences, with infrastructure scale alone contributing 41.78%, making it the most influential factor.

Key words： airport-based national logistics hub; comprehensive level of development; infrastructure; urban economy; inland resources; core-edge

随着全球经济一体化和国际贸易的快速发展，空港型国家物流枢纽作为推动物流产业发展的重要模式，已成为推动区域经济增长和提升国际竞争力的关键节点。2018年，国家发展改革委和交通运输部联合发布《国家物流枢纽布局和建设规划》，正式提出国家物流枢纽这一概念，旨在解决全国物流系统规划不合理、空间布局不完善、资源整合不充分和发展方式不理想等问题。截至2023年末，全国已有13个空港型国家物流枢纽获批。然而，尽管我国空港型物流枢纽在东部沿海地区发展较为成熟，但在中西部地区仍存在明显差距，呈现出显著的空间分布不均衡和发展阶段差异。这种时空分异特征不仅影响了物流效率的提升，也制约了区域经济的协调发展。在此背景下，深入研究我国空港型国家物流枢纽的时空分异特征，探索其发展规律，并提出针对性的提升策略，对于优化国家物流枢纽布局、促进区域经济均衡发展具有重要意义。同时，在全球供应链重构和“双循环”新发展格局的背景下，空港型物流枢纽的功能定位和发展路径也亟待重新审视，以适应新时代的发展需求。
目前，国内外学者对空港型国家物流枢纽的研究主要集中在概念及功能、发展评价等方面。关于空港型国家物流枢纽的概念和功能，柳涛将国家物流枢纽释义为最高层次的物流体系，认为它是一种拥有更广泛辐射范围、更强有力集聚效应、更完善服务功能、更高运营效率的综合性物流枢纽[1]；李宏斌等通过构建“维度”（空间—功能—网络）分析框架，进一步明确了其作为国家物流网络关键节点的战略定位[2]；汪鸣强调物流枢纽的本质在于功能实现而非名义认定，获批枢纽必须通过提升基础设施能级、优化服务体系和创新运营模式等途径，切实发挥区域物流组织中心的实际效能[3]；Li等从多式联运的角度探讨了空港物流枢纽的功能优化路径[4]。在空港型国家物流枢纽评价方面，国外学者Akhavan以迪拜全球枢纽港口城市为实证案例，运用四阶段增长方法对1900—2010年港口城市发展的演化特点进行系统考察[5]；Wei等通过构建包含物流引力模型和主成分分析法的两阶段研究框架，定量测度陆港的辐射范围与强度[6]；Wu等进一步突破传统要素分析方法，识别航空物流可持续发展关键驱动因子，将环境承载力与绿色技术纳入评价维度，推动物流研究向生态化方向延伸[7]。国内学者也采用多种评价方法展开相关研究，曹允春等构建了航空物流引力模型，对规划的23个空港型枢纽承载城市进行研究，系统刻画了枢纽城市间的空间交互特征[8]；杨山峰在研究中分析了对空港型枢纽发展产生影响的因素，并提出区域经济发展对空港型国家物流枢纽的发展具有较强拉动效应[9]；刘进基于时空消耗理论框架，创新性地构建了物流枢纽城市承载能力的量化评估模型[10]。
综上发现，已有文献对空港型国家物流枢纽的深入研究较少，使用的方法也相对单一，且尚未形成科学、系统的理论框架。因此，本文尝试构建多维评价指标体系，综合测度中国空港型国家物流枢纽的发展水平，分析枢纽的空间格局、区域差异及演化特征，并基于实证结果提出针对性的提升策略，旨在加深学界对空港型国家物流枢纽发展情况的科学认知，并推动该领域研究向更加系统化、科学化的方向发展。

1 空港型国家物流枢纽综合发展水平测度

1.1 枢纽发展水平评价指标体系构建

空港型国家物流枢纽发展的评价指标体系应当遵循科学性、系统性和可操作性原则，以确保评估结果的客观性与可靠性。既有研究主要从空港资源条件、腹地产业支撑、基础设施规模、区位政策等方面入手进行分析[11-15]，涵盖区域经济、物流业规模、机场基础设施、政策支持等多维度指标，为本文的研究工作提供了相关的借鉴。例如，杨扬等认为国家物流枢纽的评价指标主要包括承载城市的经济水平、生产规模、交通基础设施水平、外贸水平以及区位政策5个准则层次[11]；沈丹阳认为评价物流竞争力的指标主要包括以下6个：支撑产业、空港资源、市场需求、管理体制、政府及政策支持和物流成本[14]；张学龙等则从物流网络连通性、物流信息系统、服务质量、政府支持等方面进行考量[15]。结合相关文献，以系统性、科学性、可比性、代表性和可得性等原则为基础，综合考虑空港型国家物流枢纽发展的内外部影响因素，本文从物流枢纽承载城市的经济支撑能力、物流业产业规模、基础设施规模、综合交通能力和运行发展能力5个维度，选取23项指标构建空港型国家物流枢纽发展水平评价指标体系（表1）。
表1 空港型国家物流枢纽发展水平评价指标体系及说明

Tab.1 Evaluation index system and explanation for the development level of airport-based national logistics hubs

一级指标 二级指标 参考文献 标识
承载城市的经济支撑能力 GDP 杨扬等[11]、曹允春等[8] B1
人均GDP 杨扬等[11]、曹允春等[8]、周楠等[17] B2
第三产业增加值 谢泗薪等[16]、周楠等[17] B3
社会消费品零售总额 周楠等[17]、杨扬等[11] B4
进出口总额 谢泗薪等[16]、杨扬等[11] B5
跨境电商进出口额 谢泗薪等[16]、Sopadang等[19] B6
物流业产业规模 社会物流总费用与GDP的比率（取相反数） 曹允春等[8]、Sopadang等[19] B7
物流业增加值占第三产业增加值比重 谢泗薪等[16]、周楠等[17] B8
交通运输、仓储及邮政业增加值 谢泗薪等[16]、曹允春等[8] B9
快递业务量 谢泗薪等[16]、曹允春等[8] B10
枢纽设施规模 枢纽面积 曹允春等[8]、Sopadang等[19] B11
枢纽内机场数量 曹允春等[8]、Sopadang等[19] B12
机场面积 曹允春等[8]、Sopadang等[19] B13
枢纽内货运站数量 曹允春等[8]、Sopadang等[19] B14
货运站总面积 曹允春等[8]、Sopadang等[19] B15
临空经济区面积 曹允春等[8]、Sopadang等[19] B16
航空口岸 蒋自然等[18]、杨扬等[11]、曹允春等[8] B17
枢纽综合交通能力 机场连接高速公路数量 杨扬等[11]、Sopadang等[19] B18
机场连接铁路数量 杨扬等[11]、Sopadang等 B19
货运通航城市 谢泗薪等[16]、曹允春等[8] B20
枢纽运行发展能力 全货运航线 谢泗薪等[16]、曹允春等[8] B21
货邮吞吐量 周楠等[17]、杨扬等[11]、曹允春等[8] B22
年起降架次 曹允春等[8] B23

1.2 综合发展水平测度方法及计算流程

1.2.1 CRITIC－熵权法组合权重模型

CRITIC法是通过对比强弱程度以及冲突度来计算指标权重的客观赋权方法，此方法是Diakoulaki等在1995年提出的[19]。在该方法中，使用标准差确定对比强度，相关系数确定冲突性。相关研究表明，CRITIC方法能够有效量化评价指标间的对比强度和冲突性，但其在衡量指标离散程度方面存在局限性。相比之下，熵权法恰好能够弥补这一缺陷，其权重确定机制基于信息熵理论，以各指标数据分布的离散程度作为核心计算依据。两种方法在指标特性度量上具有互补性，将CRITIC法和熵权法结合起来进行运用，可以更客观地反映指标的权重[20]。故本文采用CRITIC—熵权法相结合的方法，对空港型国家物流枢纽发展指标进行权重计算。

1.2.2 评价方法

本文采用多维度发展评价方法将空港型枢纽的5个维度在不同排列顺序下的综合得分进行评价，得出空港型枢纽的多维度综合发展能力。具体做法如下：
①将所有指标采取极值标准化方法进行标准化处理，取值界定于[0,1][21]，采用CRITIC—熵权结合法对指标进行赋权，计算出单维度得分结果。
②将空港型国家物流枢纽发展识别的5个维度综合得分，定义为多维发展指数（Multidimensional Development Index，MDI）。由于各维度之间存在不完全可替代关系，采取计算五边形面积的方法来对5个维度进行整合[22]。计算步骤为：首先构造第i个空港型枢纽的发展五边形（图1），设L1、L2、L3、L4、L5分别为5个维度的单项综合得分，其中任意两个维度之间的夹角为α（α=360°/5），五边形的面积S为：
S = L 1 L 2 + L 2 L 3   + L 3 L 4 + L 4 L 5 + L 5 L 1 · s i n α / 2
图1 枢纽多维发展的五边形结构

Fig.1 The pentagonal structure of multidimensional hub development

将5个维度变换排列顺序，则由其计算出的面积结果也会跟着变化，因此本文对五边形的面积进行了五维平均（即取平均值），并采用该平均值作为多维度发展评价的综合得分值。即：
M D I = L 1 L 2   + L 2   L 3   +   L 3 L 4   +   L 4 L 5   + L 5 L 1 + L 1 L 3   + L 3 L 5 + L 5 L 2   + L 2 L 4   + L 4 L 1
上述公式较好地反映了5个维度之间不可互换的关系，如果一个枢纽的5个维度发展水平分布均衡，则运用此公式计算后得到的综合得分结果会较高，这表明该枢纽的实质性功能和综合发展水平更高。相反，如果一个枢纽的维度发展出现明显两极分化情况，那么其综合得分会显著降低，这表明该物流枢纽的发展支撑力不够、可持续性发展低。

1.2.3 研究对象及数据来源

①研究对象。根据《国家物流枢纽布局和建设规划》的总体部署，我国共规划布局了23个空港型国家物流枢纽城市，包括北京、天津、哈尔滨、上海、南京、杭州、宁波、厦门、青岛、郑州、长沙、武汉―鄂州、广州、深圳、三亚、重庆、成都、贵阳、昆明、拉萨、西安、银川、乌鲁木齐。然而，在研究过程中发现，拉萨的关键数据存在严重缺失问题，难以满足实证分析的数据完整性要求，故本文最终确定以其余22个空港型国家物流枢纽城市作为研究样本。
②数据来源。统计数据中各经济指标（GDP、人均GDP、第三产业增加值、社会消费品零售总额、进出口总额、跨境电商进出口额）主要来源于历年各省级统计年鉴、市级统计公报、《中国城市统计年鉴》《中国区域经济统计年鉴》等综合统计资料；体现物流业相关规模的指标（社会物流总费用与GDP的比率、物流业增加值占第三产业增加值比重、交通运输、仓储及邮政业增加值、快递业务量）数据主要来源于历年各市级统计公报、《中国统计年鉴》《中国物流年鉴》《中国城市统计年鉴》等综合统计资料；枢纽及机场的相关数据（面积、基础设施、航线、货运量等）主要来源于各机场年度统计公报、交通运输行业发展统计公报、《从统计看民航》等行业统计出版物，以及《中国统计年鉴》《中国口岸年鉴》《中国交通年鉴》《中国物流年鉴》等国家级综合统计资料。在交通基础设施数据方面，各城市的高速公路和铁路数据主要来源于地方交通运输主管部门的官方网站及百度地图的公开数据。此外，研究还整合了中国物流与采购联合会官方网站、交通运输部政府网站等权威平台发布的公开数据，并结合实地调研获取的一手资料予以补充。对于个别缺失的指标数据（占总数据量的1.5%），本文采用移动平均法进行合理插补，以确保数据集的完整性和分析结果的稳健性。

2 空港型国家物流枢纽发展的时序演化

2.1 综合发展指标权重

通过CRITIC－熵权法测算出2014—2023年我国空港型国家物流枢纽综合评价指标体系中各二级指标的权重系数，鉴于篇幅限制，分3年时间间隔，仅列出2014、2017、2020和2023年4个时间截面的综合发展指标权重（表2）。
表2 空港型国家物流枢纽综合发展指标权重

Tab.2 Weighting of indicators for comprehensive development of airport-based national logistics hubs

一级指标 二级指标 2014年 2017年 2020年 2023年
承载城市
的经济
支撑能力		 B1 0.02595 0.02770 0.02540 0.02680
B2 0.03800 0.03470 0.03340 0.03405
B3 0.02770 0.02940 0.02610 0.02845
B4 0.02575 0.02730 0.02690 0.02895
B5 0.04040 0.04345 0.03845 0.04625
B6 0.07935 0.08745 0.06410 0.05075
物流业
产业规模		 B7 0.03260 0.03195 0.02680 0.02510
B8 0.06395 0.05080 0.04550 0.05910
B9 0.03115 0.02935 0.03020 0.02850
B10 0.04190 0.04360 0.04430 0.04095
枢纽设施
规模		 B11 0 0 0.08610 0.06365
B12 0.09025 0.10315 0.09350 0.10185
B13 0.02840 0.03685 0.03965 0.03925
B14 0.03540 0.03595 0.03630 0.03615
B15 0.03510 0.04310 0.04255 0.03915
B16 0.10630 0.06140 0.04755 0.05380
B17 0.09025 0.10315 0.09535 0.10185
枢纽综合
交通能力		 B18 0.03355 0.03550 0.03475 0.03100
B19 0.04015 0.03290 0.03610 0.03355
B20 0.03225 0.03510 0.02700 0.02890
枢纽运行
发展能力		 B21 0.03820 0.03815 0.03100 0.03220
B22 0.03650 0.04080 0.04045 0.04125
B23 0.02700 0.02815 0.02860 0.02850

2.2 综合发展评价时序演化结果

基于构建的空港型物流枢纽发展评价指标体系，本文采用五边形多维度评价法对2014—2023年各空港型物流枢纽的发展水平进行综合测度，并计算得出多维发展指数MDI。鉴于篇幅限制，采用3年时间间隔的抽样分析方法，重点呈现2014、2017、2020和2023年4个关键时间截面的MDI综合得分及排名情况（表3）。
表3 中国空港型国家物流枢纽综合发展排名及变化

Tab.3 Ranking and changes in comprehensive development of airport-based national logistics hubs

排名 2014年 2017年 2020年 2023年
1 上海 上海 → 上海 → 上海 →
0.2222 0.2359 0.2253 0.2503
2 北京 北京 → 北京 → 北京 →
0.0706 0.0813 0.2054 0.2000
3 广州 广州 → 深圳 ↑1 成都 ↑3
0.0600 0.0606 0.0662 0.0933
4 深圳 深圳 → 广州 ↓1 广州 →
0.0589 0.0585 0.0504 0.0891
5 郑州 杭州 ↑4 郑州 ↑1 深圳 ↓2
0.0252 0.0321 0.0419 0.0769
6 天津 郑州 ↓1 成都 ↑5 郑州 ↓1
0.0176 0.0318 0.0276 0.0364
7 南京 重庆 ↑1 杭州 ↓2 武汉—鄂州 ↑6
0.0130 0.0214 0.0184 0.0353
8 重庆 青岛 ↑4 重庆 ↓1 青岛 ↑2
0.0116 0.0204 0.0179 0.0265
9 杭州 天津 ↓3 南京 ↑4 杭州 ↓2
0.0113 0.0195 0.0148 0.0227
10 成都 宁波 ↑4 青岛 ↓2 重庆 ↓2
0.0106 0.0153 0.0145 0.0210
11 昆明 成都 ↓1 宁波 ↓1 南京 ↓2
0.0106 0.0139 0.0121 0.0174
12 青岛 武汉—鄂州 ↑1 西安 ↑4 天津 ↑2
0.0083 0.0138 0.0119 0.0146
13 武汉—鄂州 南京 ↓6 武汉—鄂州 ↓1 长沙 ↑2
0.0076 0.0138 0.0119 0.0140
14 宁波 昆明 ↑3 天津 ↑5 西安 ↑2
0.0068 0.0121 0.0116 0.0134
15 西安 长沙 ↑2 长沙 → 宁波 ↓4
0.0065 0.0089 0.0103 0.0093
16 哈尔滨 西安 ↓1 昆明 ↓2 昆明 →
0.0054 0.0081 0.0063 0.0081
17 长沙 厦门 ↑1 贵阳 ↑1 贵阳 →
0.0050 0.0056 0.0040 0.0067
18 厦门 贵阳 ↑1 厦门 ↓1 厦门 →
0.0041 0.0024 0.0039 0.0046
19 贵阳 银川 ↑2 乌鲁木齐 ↑2 乌鲁木齐 →
0.0018 0.0021 0.0022 0.0033
20 乌鲁木齐 哈尔滨 ↓4 银川 ↓1 银川 →
0.0009 0.0018 0.0021 0.0030
21 银川 乌鲁木齐 ↓1 哈尔滨 ↓1 哈尔滨 →
0.0009 0.0017 0.0015 0.0022
22 三亚 三亚 → 三亚 → 三亚 →
0.0002 0.0001 0.0001 0.0001

注：“↑”“→”和“↓”分别表示参照表中前一年排名上升、不变及下降。

2.3 综合发展评价结果时序演化特征分析

由表3看出，总体上22个空港型国家物流枢纽城市综合发展水平及排名较为稳定，排名前4的城市基本锁定在上海、北京、广州、深圳，这4个枢纽的经济支撑能力、航空物流运输规模、和综合交通能力都处于相对核心的地位。具体来看，作为中国第一航空枢纽城市，上海凭借其突出的航空物流发展优势，在研究期内持续保持全国空港型物流枢纽的领先地位。上海独特的“一市两场”协同运营模式（浦东国际机场与虹桥国际机场），配合长三角地区高度集聚的航空货源，为其枢纽建设提供了关键支撑条件，使得上海空港型物流枢纽的多维发展指数（MDI）在研究时段内始终位居全国首位，充分体现了其作为国家航空物流体系“标杆枢纽”的示范效应。北京是我国北部重要的航空物流发展极。北京的排名虽一直位于第二，但在2019年以前，其综合发展得分与上海有着较明显的差距，随着2019年北京大兴机场的投入使用，北京凭借首都国际机场和大兴国际机场两大航空枢纽的战略布局，在我国北方地区航空物流体系中占据主导地位，其基础设施规模及货运规模得到了丰富和提升。数据显示，北京两大机场合计处理的航空货运量长期占据北方地区总规模的75%以上。2020年以来，北京与上海的综合发展得分差距显著减小。广州和深圳作为粤港澳大湾区核心航空枢纽，具有三大发展优势：一是毗邻国际市场的区位优势，二是依托珠三角高端制造业的货源优势，三是连接内陆城市的网络优势。数据显示，广深航空货运量占全国25%以上，国际航线覆盖全球主要经济体，形成典型的“小区域、大枢纽”发展模式，充分体现区域经济与航空物流的协同效应，广州和深圳的综合实力排名在研究期间稳居前五，说明这两个枢纽的发展一直较为有效且稳定。成都在2014年仅排列第10，2021年成都天府机场投入使用后，成都的航空货运规模及基础设施保障都得到了大幅提高，依托于两大千万级枢纽机场，在我国航空运输体系中形成了重要的东西部交互枢纽功能，在机场运行发展及中转运输方面优势不断显现，使其在2023年综合发展排名达到了第3位，是发展较快的枢纽之一。郑州各维度稳定发展，使其综合实力排名在研究期间一直在第5和第6名来回切换。武汉—鄂州是22个枢纽中变化最大的，在2014、2017和2020年分别处于第13、12和13位，2023年上升至第7位，鄂州花湖机场作为亚洲首个专业货运枢纽机场在2022年投入运用，极大地提高了武汉—鄂州的航空货运运营能力，也是发展较快的枢纽。青岛的综合发展实力总体呈上升趋势，排名从2014年的第12位上升到2023年的第8位。杭州的综合发展得分经过先上升后下降最后与2014年持平。重庆、南京、天津、昆明4个枢纽的综合发展得分呈现下降趋势，其中天津是下降幅度最大的城市。长沙、西安、宁波的综合得分有所波动，但2023年排名与2014年相比差别不大。贵阳、厦门、乌鲁木齐、银川、哈尔滨、三亚在考察期间基本都排在末6位，其中三亚空港型物流枢纽2014—2023年发展持续滞后，主要受制于基础设施薄弱、货运规模小、产业支撑不足及周边虹吸效应等制约，其作为南海战略节点，亟需通过政策扶持和设施升级突破发展瓶颈，这对完善国家物流网络具有重要战略意义。

2.4 综合发展评价结果时序演化空间可视化表达

本文基于ArcGIS平台的空间插值分析方法，将空港型物流枢纽综合实力划分为5个等级，并通过冷热点区识别与空间聚类技术实现发展水平的空间分异特征可视化（图2）。为揭示时空演变规律，构建跨周期观测框架，选取2014、2017、2020和2023年4个特征年份进行对比分析。值得注意的是，研究特别引入胡焕庸线①，实证检验我国空港型国家物流枢纽发展水平是否符合我国传统的人口—经济地理分异规律。
图2 中国22个空港型国家物流枢纽综合实力的变化

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改。图3同。

Fig.2 Changes in the comprehensive strength of China's 22 airport-based national logistics hubs, 2014, 2023

由图2可知，观测期内各枢纽城市的综合得分总体呈阶梯式上升态势，虽在新冠疫情期间有所降低，但在2023年基本恢复且实现增长，且我国空港型物流枢纽发展呈现显著的空间分异特征，其综合发展水平与区域经济布局形成空间耦合关系。具体表现为：MDI指数空间分布遵循“西部低值集聚—东部高值扩散—东南部优势显著”的三级梯度格局（东南部枢纽MDI均值为东北部的1.80倍）。这种空间异质性源于两方面机制：一是东部沿海地区依托要素禀赋优势（港口区位、外向型产业、国际航线网络）形成正向循环累积效应，通过规模经济效应推动枢纽能级提升；二是南部密集分布的枢纽群（占总量63.60%）产生的空间溢出效应，形成基于产业链协同的区域发展共同体。但需注意的是，京沪双核表现出强烈的要素集聚效应。2014—2023年两地MDI得分持续领先，而与上海、北京相邻城市宁波和天津综合发展得分都未进入过前5名，且排名整体呈现下降趋势。其虹吸效应导致京津冀、长三角区域呈现“单极强化—多级弱化”的非均衡发展态势。这种“中心—外围”结构既体现了核心枢纽的引领作用，也暴露出区域协同发展机制的不足，为后续枢纽体系优化提供了重要指向。此外，值得关注的是，成都在2014年实力水平仅在第二等级，而在2023年已经发展至第四等级；武汉—鄂州2020年以前综合实力水平仅在第二等级，而在2023年发展至第三等级。
由胡焕庸线两侧呈现出的特征来看，胡焕庸线东南面的枢纽城市比西北面的多，综合实力及发展增速整体上比西北面的城市强，但三亚由于地势地形、交通条件等束缚，其综合发展实力一直处于第一等级；除此之外，胡焕庸线西北侧枢纽综合得分较东南侧低64.7%，表明该区域枢纽建设仍处于初级发展阶段，具有显著提升潜力。这一空间分异特征与胡焕庸线特征高度吻合，进一步验证了物流基础设施发展与区域经济水平的内在关联性。

3 空港型国家物流枢纽发展的空间效应

3.1 物流枢纽空间集聚效应测度

3.1.1 测度方法

Global Moran's I指数是测度空间自相关性的核心指标，其通过量化地理单元属性值的空间依赖程度，有效识别区域发展格局的集聚特征，其取值区间为[-1，1]，I>0表示空间正相关（相似值集聚），I<0表示空间负相关（相异值相邻），I≈0表示随机分布[23]。表4为不同置信水平下的Z值和P值分布。
表4 不同置信水平下的Z值和P值

Tab.4 Z-value and P-value at different confidence levels

Z得分（标准差） P值 置信度（%）
<-1.65或>+1.65 <0.10 90
<-1.96或>+1.96 <0.05 95
<-2.58或>+2.58 <0.01 99
用二元对称空间权重距离矩阵Wij表示n个x区域的邻近距离关系，计算Global Moran's I及权重矩阵。

3.1.2 测度结果分析

本文运用空港型国家物流枢纽发展水平综合得分MDI值计算我国空港型国家物流枢纽发展的Global Moran's I指数，用以分析我国空港型国家物流枢纽综合发展水平的空间集聚效应。
表5展示了2014、2017、2020和2023年中国空港型国家物流枢纽综合发展Global Moran's I指数值。结果显示，近年来空港型国家物流枢纽综合发展Global Moran's I指数均小于0，说明我国空港型国家物流枢纽在综合发展水平上呈现出分散的趋势，即发展水平较高的枢纽和发展水平较低的枢纽在空间分布上较为分散，没有明显的集聚现象。并且指数波动并不明显，意味着这种分散的空间分布模式在不同年份间相对稳定，没有发生显著的变化。同时，Z值得分均在-1.65~1.65区间内，处在随机分布区域，进一步证实我国空港型国家物流枢纽综合发展水平随着时间的变化未形成显著空间集聚格局，呈现高—低值随机分布特征。这种区域发展差异主要受三大因素影响：①区位条件（沿海比内陆MDI高42.70%）；②经济基础（GDP弹性系数0.73）；③交通网络（多式联运枢纽MDI高31.40%）。
表5 中国空港型国家物流枢纽综合发展Global Moran's I指数

Tab.5 Comprehensive development of China's airport-based national logistics hubs Global Moran's I Index

年份 2014 2017 2020 2023
I -0.039899 -0.026987 -0.075476 -0.110210
E(I) -0.045455 -0.045455 -0.045455 -0.045455
Z(I) 0.109074 0.360614 -0.437973 -0.823816

3.2 物流枢纽空间辐射特征测度

3.2.1 测度方法

基于地理学第一定律，本文采用反距离权重法（IDW）对我国22个空港型国家物流枢纽城市进行空间插值分析，以研究枢纽发展的空间梯度特征、区域溢出范围及资源配置不均衡程度。从综合发展能力（MDI）的视角，通过ArcGIS 10.8平台构建空间数据库，设置自适应搜索半径，建立如下插值模型[24]：
S x = ∑ i = 1 n s i d i 2 / ∑ i = 1 n 1 d i 2
式中： S x为x待估点（又称插值点）的属性预测值；n为研究城市样本数；Si为第i个样本城市的实测属性值；di为x插值点到样本城市i的距离。

3.2.2 测度结果分析

本文通过ArcGIS软件使用反距离插值法得到我国空港型物流枢纽空间插值模拟效果图（图3）。结果显示：时序上，各枢纽综合发展指数（MDI）呈现稳定上升趋势，年均增长率达6.2%；空间上，发展高水平区域由东部沿海（长三角、珠三角）逐步向中西部（成渝地区）扩展，形成明显的梯度推移态势，2023年高值区（MDI≥0.7）覆盖半径较2014年扩大57 km/年。然而，区域差异依然显著，表现为东部地区持续领先（2023年MDI=0.81±0.12）、中部加速崛起、西部相对滞后的空间格局。这一“东强西弱、核心扩散”的分布特征，深刻反映了区域发展战略、交通网络优化和产业梯度转移对物流枢纽建设的综合影响。具体特征如下：
①从空间结构来看，枢纽网络呈现明显的阶段性演进特征。由图3可知，早期（2014—2017年）以上海为单极核发展；中期（2018—2023年）逐步形成“沪—京”双核引领格局，双核MDI均值0.85，并带动广深成渝等次级中心崛起，空间关联强度显著提升42.7%，表明城市协同效应持续增强。
②从区域差异来看，我国空港型国家物流枢纽发展呈现显著的空间分异特征，主要表现为“东高西低、南强北弱”的非均衡格局。具体来说，东西向差异尤为突出，东部沿海枢纽凭借区位优势和开放条件实现领先发展，其中上海作为国际航运中心和“双循环”枢纽门户，MDI指数持续保持高位；而西部枢纽受制于地理隔离和辐射衰减效应，发展相对滞后，平均MDI仅为东部的47%。值得关注的是，成都作为西部增长极实现跨越式发展，成为区域协调发展的重要支点。而在南北差异方面，南方枢纽平均MDI（0.68）较北方（0.51）高出33%，但三亚因地理环境制约成为例外。尽管沪京双核的辐射效应使区域差异系数从0.81降至0.67，但山地地形、交通可达性等地理约束仍导致乌鲁木齐、哈尔滨等北方枢纽发展受限。这种空间分异格局深刻反映了区位条件、经济基础与政策导向的复合影响，未来需通过强化多式联运网络和区域协同机制来促进均衡发展。
③中心—外围关系持续优化。具体来看，沪京双核虹吸效应指数从0.62降至0.51，辐射半径扩展至350 km，带动杭州、郑州等节点城市显著提升；梯度差异系数从0.81改善至0.67，表明区域协调性不断增强。这一演化过程印证了“核心—边缘”理论，也为优化国家物流网络布局提供了重要依据。
图3 中国空港型物流枢纽空间插值模拟效果空间演变

Fig.3 The spatial evolution of spatial interpolation simulation results for China's airport-based logistics hubs

3.3 物流枢纽综合水平空间差异测度

3.3.1 测度方法

本文采用基尼系数作为衡量区域发展差异的核心指标，其值域为[0,1]，基尼系数GINI的值越高，则代表不同地区的综合发展水平差距越大，反之则越小。其计算公式为：
G I N I = 2 n ∑ i = 1 n ( i V i ) - ( n + 1 ) / n
式中： V i表示按升序排列的第i个枢纽城市标准化综合发展水平（MDI）；n为研究样本量。
为深入解析发展差异的构成机制，参考刘兆德等的研究[25]，将总体基尼系数分解为城市经济支撑、物流产业规模、基础设施规模、综合交通能力和运行发展能力5个维度的贡献总和，基尼系数的分解方法为：
G I N I = ∑ i = 1 u S k E k
式中： S k = Q k / Q，表示第k维度得分均值与总体均值的比值； E k为保持MDI总体排序不变计算的各维度集中系数，其计算流程与基尼系数基本相同，差别在于基尼系数按各组成部分分值排序计算，而 E k则保持总体综合发展水平（MDI）的原始排序不变，这种处理确保了各维度贡献度评估的一致性。此外， S k与 E k之积占 G I N I的比例，即 Q k Q · E k / G I N I为各枢纽城市综合水平各组成部分对总体发展水平差异的贡献率。通过这种分解方法，可以准确量化城市经济支撑、物流产业规模等五大维度对区域发展不平衡的差异化影响。

3.3.2 测度结果分析

基于基尼系数的时空演变分析显示（图4），2014—2023年我国空港型物流枢纽发展差异呈现阶段性波动特征：整体基尼系数维持在0.63~0.68，符合“相对合理”差异水平（<0.7），并呈现“下降—回升—趋稳”的三阶段演化轨迹。具体而言：①2014—2017年为差异收敛期，基尼系数从0.68降至研究期内最低值0.63，年均降幅达2.40%，反映区域协调政策初见成效；②2017—2020年出现差异反弹，系数回升至0.68，主要源于东部枢纽的加速发展；③2020—2023年进入稳定调整期，系数以年均1.1%的降幅回落至0.65，但仍高于第一阶段低点，表明尽管区域差距整体收窄，但不同能级枢纽的发展动能差异仍然存在。这种波动轨迹揭示了物流枢纽发展过程中效率与均衡的动态博弈，为优化区域物流政策提供了量化依据。
图4 综合得分GINI (2014—2023)

Fig.4 Composite score GINI (2014-2023)

表6展示了2014、2017、2020和2023年空港型国家物流枢纽综合发展水平基尼系数及其构成分解。整体看来，基础设施规模和城市经济支撑是导致区域差异的两大核心因素，其中基础设施规模的贡献度最高达40%以上，两个部分的贡献度在大部分年份都超过了25%。具体而言，基础设施规模的贡献率呈现持续上升趋势，从2014年的28.56%显著增长至2023年的41.78%，增幅达46.30%，成为影响发展差异的首要因素；城市经济支撑的贡献率则从26.23%小幅下降至23.66%，但仍保持第二大贡献源地位；其他3个维度（物流业产业规模、综合交通能力、运行发展能力）的贡献率整体呈下降趋势，2023年均稳定在11%~12%。这种结构性变化表明，随着时间推移，基础设施配置不均衡已成为制约区域协调发展的关键瓶颈，而经济基础差异的影响相对减弱。值得注意的是，虽然非核心因素的贡献率有所降低，但其累计影响仍达到34.50%，提示在重点改善基础设施均衡配置的同时，也需要统筹推进交通网络优化和运行效能提升等配套措施，才能有效缩小区域发展差距。
表6 中国空港型国家物流枢纽综合发展水平基尼系数及其构成分解

Tab.6 Decomposition of the Gini coefficient and its components of the comprehensive development level of airport-based national logistics hubs in China

年份 GINI
系数		 城市经济支撑（%） 物流业产业规模（%） 基础设施规模（%） 综合交通能力（%） 运行发展能力（%）
2014 0.683 26.23 13.22 28.56 16.33 15.65
2017 0.635 28.29 15.11 29.19 13.65 13.75
2020 0.679 26.73 12.86 38.32 10.45 11.64
2023 0.649 23.66 11.95 41.78 11.23 11.38

4 空港型国家物流枢纽发展提升策略

通过空港型国家物流枢纽时序演化和空间效应的研究结果来看，我国空港型物流枢纽发展呈现显著的空间非均衡特征，主要表现为“东高西低、南强北弱”的总体格局。随着时间演进，枢纽城市之间的空间连接强度也不断提高，辐射区域不断扩展，从“单极辐射”到“多极联动”转变。实证分析显示，区域间空港型物流枢纽的发展差异持续存在，基尼系数动态变化表明，基础设施能力和区域经济支撑能力的非均衡性是造成这种分异的主要结构性因素。胡焕庸线东南侧枢纽城市无论在数量还是发展质量上都明显优于西北侧，这种不均衡的空间分布格局亟需通过系统性优化策略加以改善。根据不同类型枢纽的时空分异情况，本文提出如下针对性的差异化策略建议。
西安、天津、重庆、南京、杭州、青岛、武汉—鄂州、宁波、长沙，这些枢纽城市物流业产业基础较好，通过对物流资源的集聚以及货运设施的完善实现了空港型国家物流枢纽建设水平的有效提升，但存在区域辐射能力不足的问题。未来枢纽建设应从“产业集聚”向“功能升级”突破，通过资源整合与功能升级，打造具有全球竞争力的现代化物流服务体系，重点从两个方面提升：在核心功能上需优化航线网络布局，建立覆盖主干、支线和区域的三级航线体系，同时推进设施智能化改造，通过模块化设计提升空间利用率，并应用自动化技术降低作业成本；在网络协同上应重点强化与国家综合交通网络的有机衔接，构建半径300 km的高效腹地运输网络，发展智慧多式联运平台，实现不同运输方式的无缝对接。
哈尔滨、厦门、三亚、贵阳、昆明、银川和乌鲁木齐，这些枢纽综合水平基础较差，各维度建设调整力度较小，受地形复杂程度影响，空港型国家物流枢纽建设综合水平提升有限。未来枢纽建设的提升在于从“地理约束”向“特色突围”转型，突破地理空间的约束，吸引更多货运资源，重点做好：一是进行详细的交通流量及未来发展需求的评估，依据数据制定长期和短期的建设规划，科学合理地规划枢纽内部的平面布局，避免无序扩张和重复建设；二是优化机场货运设施，建设和升级货运站、停车场、集疏运设施，提升机场的货物处理能力，同时，整合优化现有物流园区、货运场站和铁路物流基地等存量设施，通过智能化改造和功能提升实现资源高效利用；三是提升交通连通性，改善与主要交通干线（如高速公路、铁路）的连接，增设运输通道，提升物流枢纽的可达性。
北京、上海、深圳和广州，这些枢纽凭借良好的经济支撑能力和腹地资源优势，通过不断拓展航线通达性、完善货运设施，实现了枢纽建设综合水平的高效提升。该类型枢纽未来应从“全球资源”向“网络协同”升级，在拓展优势的同时加强与其他枢纽以及周边城市的联系和协同，提升区域物流网络的整体效率，实现协调发展；同时把握区位优势，辐射全球服务国际市场，充分利用深圳宝安国际机场和广州白云国际机场的国际航空枢纽地位，积极拓展与全球主要城市的货运航线联系，特别是与“一带一路”沿线国家和地区的航线，提升国际航空货运的通达性和频次。
郑州和成都这两个枢纽政策敏感性强，能及时做出突破和调整，两阶段的建设路径通过有效跃迁，在机场设施规模和货运航线拓展优化方面有较大提升，实现了物流枢纽建设综合水平的明显提升。未来枢纽建设的提升应从“政策驱动”向“制度创新”深化，在保持其优势维度的同时，应加强对其较弱维度的重视，加快物流园项目建设，通过集聚优质物流项目完善产业链关键环节，促进上下游协同发展，实现产业规模扩张与竞争力提升；注重与相关产业的协同发展，通过与制造业、商贸业等产业的深度融合，形成产业链上下游的良性互动，提升物流枢纽的综合服务能力；在经济支撑能力方面应加强政府引导、规划，加大政策扶持力度，以更好地支撑其枢纽的建设发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
柳涛. 如何建设国家物流枢纽[J]. 物流技术与应用, 2019, 24(10):86-87

[2]
李宏斌, 李芏巍, 王振, 等. 空港型国家物流枢纽:概念、特征、机理及其在全球供应链中的特殊地位[J]. 供应链管理, 2021, 2(7):30-40.

[3]
汪鸣. 国家物流枢纽不是“帽子”是功能[J]. 物流时代周刊, 2019(11):22-23

[4]
Li Z, Wang X. Optimization of airport logistics hub functions under the background of multimodal transport[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(4):56-68.

[5]
Akhavan M. Development dynamics of port-cities interface in the Arab MiddleEastern world-The case of Dubai global hub port-city[J]. Cities, 2017, 60:343-352.

DOI

[6]
Wei H, Sheng Z, Lee P T W. The role of dry port in hub-and-spoke networkunder Belt and Road Initiative[J]. Maritime Policy&Management, 2018, 45(3):370-387.

[7]
Wu P J, Yang C K. Sustainable development in aviation logistics:Successful drivers and business strategies[J]. Business Strategy and the Environment, 2021, 30(8):3763-3771.

DOI

[8]
曹允春, 罗雨. 空港型国家物流枢纽承载城市航空物流关联程度及其网络结构研究[J]. 技术经济, 2020, 39(8):174-182,190.

[9]
杨山峰. “一带一路”下我国物流枢纽建设实证研究——以郑州空港为例[J]. 商业经济研究, 2021(12):107-109.

[10]
刘进. 基于时空消耗法的区域物流枢纽承载能力研究[J]. 物流工程与管理, 2019, 41(1):53-55.

[11]
杨扬, 尹继娇. 国家物流枢纽的多维发展识别及类型划分研究——以陆上边境口岸型国家物流枢纽为例[J]. 重庆理工大学学报(社会科学), 2021, 35(5):50-57.

[12]
张紫璇, 赖超容, 谷玉, 等. 基于建设港口型国家物流枢纽的北部湾港口物流发展障碍诊断研究[J]. 物流工程与管理, 2022, 44(7):12-15,5.

[13]
李虹. 辽宁港口型国家物流枢纽承载城市综合实力的评价分析[J]. 全国流通经济, 2022(31):101-104.

[14]
沈丹阳. 基于FCE-AHP的机场物流竞争力评价研究[J]. 管理现代化, 2012, 2(2):51-57.

[15]
张学龙, 王军进, 罗辉, 等. 广西航空物流竞争力FCE—AHP评价模型研究[J]. 数学的实践与认识, 2016, 46(24):49-59

[16]
谢泗薪, 徐梦凡, 孙敏. 后疫情时代我国航空物流韧性评价及提升路径研究[J]. 价格理论与实践, 2021(10):152-155,195.

[17]
周楠, 陈久梅, 但斌, 等. 长江经济带物流竞争力空间演化及溢出效应研究[J]. 重庆大学学报(社会科学版), 2023, 29(2):33-49.

[18]
蒋自然, 雷丽萍, 金环环, 等. 中国陆港型物流枢纽时空演化及其驱动因素[J]. 地理科学, 2022, 42(11):1857-1866.

DOI

[19]
Sopadang A, Banomyong R. Combining AHP and TOPSIS method for logistics hub selection[J]. International Journal of Management and Decision Making, 2016, 15(2):134-153.

DOI

[20]
Diakoulaki D, Mavrotas G, Papayannakis L. Determining objective weights in multiple criteria problems:The critic method[J]. Computers & Operations Research, 1995, 22(7):763-770.

DOI

[21]
吴忠, 关娇, 何江. 最低工资标准测算实证研究——基于CRITIC—熵权法客观赋权的动态组合测算[J]. 当代经济科学, 2019, 41(3):103-117.

[22]
余建辉, 李佳洺, 张文忠. 中国资源型城市识别与综合类型划分[J]. 地理学报, 2018, 73(4):677-687.

DOI

[23]
郭芸, 范柏乃, 龙剑. 我国区域高质量发展的实际测度与时空演变特征研究[J]. 数量经济技术经济研究, 2020, 37(10):118-132.

[24]
Ian A, Nalder, Ross W. Wein. Spatial interpolation of climatic normals:Test of a new method in the Canadian boreal forest[J]. Agricultural and Forest Meteorology, 1998, 92(4):211-225.

DOI

[25]
刘兆德, 刘强, 刘振明, 等. 中国省域城镇化综合水平的空间特征与影响因素[J]. 城市发展研究, 2017, 24(3):95-101.

Options
文章导航

/

〈 〉