EN中文

Economic geography >

2021 , Vol. 41 >Issue 12: 84 - 93

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.12.009

Evaluation of Urban Development Quality and Characteristics of Spatial Connection Network in the Yellow River Basin

  • LI Mengcheng , 1, 2 ,
  • WANG Chengxin , 2, ※ ,
  • LIU Haimeng 3 ,
  • WANG Ruili 1, 2 ,
  • YU Shangkun 1, 2
Expand
  • 1. College of Geography and Environment，Shandong Normal University，Jinan 250358，Shandong，China
  • 2. Collaborative Innovation Center of “Human-Nature and Green Development” in Universities of Shandong，Jinan 250358，Shandong，China
  • 3. Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China

Received date: 2021-03-16

  Revised date: 2021-08-06

  Online published: 2025-03-31

Fold

Abstract

The coordinated development of cities in the Yellow River Basin is the key to realize regional high-quality development. Taking 90 cities (prefectures and leagues) in the Yellow River Basin as the research area,this paper measures the connection strength between cities by the modified gravity model,and analyzes the "node-relational tie- network cluster" network structure characteristics of urban spatial connection with the help of social network analysis method. The results show that: 1) The density of urban spatial connection network in the Yellow River Basin is low,the more downstream,the denser the network,the linkage effect of the whole basin is insufficient. The connection degree of the urban network in the middle and upper reaches is low,and the network accessibility is weak. 2) The in-degree of node is higher than the out-degree of node in capital cities,the urban attraction is stronger than the radiation force in the network. Lanzhou,Xi'an and Zhengzhou are the control cores of the upstream,middle and downstream contact networks respectively. Yinchuan,Xi'an and Zhengzhou can quickly connect with other cities in the upstream,middle and downstream urban connection respectively,which is more convenient in the transmission of urban connection elements. 3) Zhengzhou,Xi'an and Jinan which are the core of the first-level network connection lines can attract or radiate neighboring cities. It takes Zhengzhou,Jinan,Qingdao and Taiyuan as the cores of the second-level network connection lines. The three-level network connection lines initially establish a basin-wide connection network framework. The four-level network connection lines form a core-periphery pattern of urban spatial linkage network in the whole basin. 4) In the urban spatial connection network of the Yellow River Basin,there is a significant "club" agglomeration effect within the four plates,but the correlation between plates does not construct a complete factor transmission path.

Key words： urban spatial connection network; regional coordinated development; gravity model; social network analysis; Yellow River Basin

Cite this article

LI Mengcheng , WANG Chengxin , LIU Haimeng , WANG Ruili , YU Shangkun . Evaluation of Urban Development Quality and Characteristics of Spatial Connection Network in the Yellow River Basin[J]. Economic geography, 2021 , 41(12) : 84 -93 . DOI: 10.15957/j.cnki.jjdl.2021.12.009

2019年9月18日，习近平总书记在黄河流域生态保护和高质量发展座谈会上强调，黄河上下游、干支流、左右岸统筹谋划，共同抓好大保护，协同推进大治理[1]，黄河流域生态保护与高质量发展上升为重大国家战略。流域这一特殊的地理空间单元，其自然串联性能够影响和制约整个流域的经济社会发展，是区域经济发展的联系纽带，而城市作为联系纽带上的核心，在流域的发展中承担着重要支撑作用。黄河上、中、下游城市间发展差异显著，加强流域内城市间的联系，推进流域一体化发展成为黄河流域城市协调发展的重要内容[2]。
城市空间联系是区域协调发展的重要表征，也是当前城市地理学研究的热点与前沿[3⇓-5]。国外学者对城市间的经济联系、空间联系等研究起步较早[6]，近些年更侧重于解决城市联系与交通拥堵[7]、气候变化[8]等的相互作用；国内学者主要从城市空间联系的网络格局[9]、结构演变[10]、协同发展模式[11]等展开研究，研究内容由不同区域等级规模的网络结构逐渐转向城市人流、物流、信息流等“流空间”视角的微观层面上的分析[12⇓-14]。研究方法上，Zipf首次将万有引力定律引入城市联系的研究中[15]，此后，引力模型成为国内外学者们研究城市联系的重要方法[16-17]，但随着城市人口、信息等要素间的交流日益频繁，传统引力模型中以单一指标来衡量城市质量难以充分表征城市间多要素的联系，学者们对引力模型进行了修正[18⇓-20]，并选用不同模型和方法对城市距离进行修正[10,21]。此外，随着网络大数据的兴起与应用，通过获取城市间的联系数据，基于社会网络分析法从网络密度、网络中心性等角度分析城市联系也是学者研究的重点[3,22-23]。综上，国内外学者对城市联系网络开展了大量探讨，取得了一定进展。但研究尺度上，较少涉及黄河流域层面的研究，研究方法上对引力模型的修正仍存在不足，研究结果的政策指导性不强。
目前，学者们对黄河流域城市空间联系网络的研究大多以流域内某一城市群或某一省域作为研究区[13-14]。鉴于此，本文从全流域“大黄河”观念出发[24]，通过构建城市质量综合测度指标体系，重新对引力模型进行修正，通过社会网络分析对城市联系的整体网络特征和构成网络的“节点（node）—关联线（relational tie）—网络群（network clusters）”的结构特征进行分析，旨在全面探析黄河流域城市空间联系网络的结构特征，为黄河流域城市群与都市圈的规划建设提供决策参考，也为促进黄河流域城市协调发展提供科学支撑。

1 研究区概况

黄河流经青、川、甘、宁、内、陕、晋、豫、鲁9个省（自治区），河口镇和桃花峪为上、中、下游的分界线。因四川属于长江流域，内蒙古东四盟（赤峰市、通辽市、呼伦贝尔市和兴安盟）归属为广义的东北地区[25]，在本文中予以剔除。因此，本文研究区为黄河流域90个市（州、盟）。同时为分析黄河上、中、下游城市的空间联系差异，在保证行政单元完整性的基础上，按照黄河流域的自然分界点，将90个研究单元划分为上、中、下游地区[26]（图略）。

2 数据来源与研究方法

2.1 数据来源

遵循数据的统一性、科学性与可获取性原则，数据来源于90个市（州、盟）2018年国民经济和社会发展统计公报、2019年政府工作报告、2018年水资源公报、2018年《中国生态环境状况公报》，部分缺失数据由Matlab软件插值得到；交通路网数据借助OSM（Open Street Map）下载2018年全国交通路网数据，经处理后得到黄河流域的交通路网。

2.2 研究方法

2.2.1 修正的引力模型

引力模型源自牛顿万有引力理论，遵循距离衰减原理，用来测度区域间的相互作用，表征区域间的联系程度[10]，本文将引力模型进行修正来测算城市间的联系强度，其公式为：
L i j = K Q i Q j D i j r
式中： L i j表示城市 i与城市 j的空间相互作用力； Q i和 Q j表示两城市发展质量； D i j为城市 i与城市 j间的距离；r为摩擦系数，取值为2[2]； K为引力系数，设定 K = Q i Q i + Q j，以凸显城市空间联系的方向性[10]。
①城市质量测度的修正。城市发展质量是城市实力与竞争力的综合体现，随着现代城市间的联系日益紧密，传统引力模型中以人口和GDP来衡量城市发展质量已难以充分反映城市的综合实力。为深入探讨城市空间联系网络特征，需对城市发展质量进行修正。参考已有研究[10,22,27]，本文从社会主义经济建设、政治建设、文化建设、社会建设和生态文明建设“五位一体”的总体布局出发，结合城市空间联系网络这一研究主旨选取了经济发展水平、社会发展水平、科教文化水平、生态环境质量以及对外联系能力5个维度构建评价指标体系，通过综合指标评价法以城市综合竞争力表征城市发展质量。
具体指标的选取则基于黄河流域的区域特征，从城市吸引力、辐射带动力、要素流通力3个视角进行筛选[22]。其中，城市吸引力包括经济、社会、生态环境和科教文化，吸引力反映了城市集聚能力，主要取决于城市的经济基础、社会保障、设施条件等，同时对黄河流域来说，水资源状况、环境质量以及科技、教育、文化等对提升城市吸引力也具有重要作用。辐射带动力包括经济、社会两方面，经济辐射带动力以人均社会消费品零售额、产业结构合理化、产业结构高级化表征，社会消费品零售额是反映国内消费需求最直接的指标，人均消费需求增加不仅能拉动本地区经济发展，也能带动周边地区发展。产业结构转型即为产业合理化与高级化的协调统一，产业调整和转移既能为本地区高技术产业的发展腾出空间和资源，也能带动周边地区产业发展，增加就业机会。其中，产业结构合理化参考已有学者采用泰尔指数进行测度。产业结构高级化则以第三产业增加值与第二产业增加值之比表示[28]。社会辐射带动力以城镇化率、城市建设用地占总面积比重、城镇新增就业占总就业人数比重表征，城镇人口、用地规模以及新增就业人口的扩张，也会带动周边地区发展。对外联系能力中交通是满足城市要素流通的基础，主要通过公路密度和客货运周转量表征；随着社会经济发展及信息时代的到来，对外流通还包括资金、信息等要素，信息流通力中城市关注度是基于百度搜索指数获取的，主要为2018年全国网民对黄河流域90个市（州、盟）名称作为关键词的搜索频次日均值，利用网民的主动搜索行为来反映城市知名度和网络曝光率，从而体现城市在信息流通上的吸引力；资金流通力则用城市进出口总额占GDP比重表征。评价指标体系构建完成后，对指标间的共线性问题进行诊断，将VIF>10的指标予以剔除，得到黄河流域城市发展质量评价指标体系（表1）。
表1 黄河流域城市发展质量评价指标体系

Tab.1 Evaluation index system of urban quality in the Yellow River Basin

目标层 要素层 指标层 单位 权重
经济发展水平 经济吸引力 人均GDP 元 0.045
城镇居民人均可支配收入 元 0.035
固定资产投资增长率 % 0.024
人均公共财政收入 元 0.026
辐射带动力 人均社会消费品零售额 元 0.050
产业结构合理化 - 0.021
产业结构高级化 - 0.061
社会发展水平 社会吸引力 人口密度 人/km2 0.058
万人拥有卫生机构床位数 张 0.018
万人养老保险参保人数 人 0.015
辐射带动力 城镇化率 % 0.034
城市建设用地占总面积比重 % 0.032
城镇新增就业占总就业人数比重 % 0.014
科教文化水平 科教文化吸引力 人均重点文物保护单位数量 个 0.016
人均公共图书馆数量 个 0.027
万人在校学生数 人 0.025
教育支出占财政支出比 % 0.051
科技支出占财政支出比 % 0.020
万人专利申请量 件 0.018
生态环境质量 资源环境吸引力 人均水资源量 m3 0.036
人均公园绿地面积 m2 0.040
建成区绿化覆盖率 % 0.017
空气质量优良率 % 0.038
污水处理厂集中处理率 % 0.049
生活垃圾无害化处理率 % 0.031
对外联系能力 交通流通力 公路密度 km/100（km）2 0.015
货运周转量 万t/km 0.013
客运周转量 万人/km 0.025
信息流通力 邮电业务总量占GDP比重 % 0.059
互联网普及率 % 0.029
城市关注度 - 0.027
资金流通力 进出口总额占GDP比重 % 0.033
②城市距离修正。现代高速交通使城市间出现了“时空收缩”现象，城市间的联系随通行时间的缩短而发生变化，传统引力模型中所用的两城市间的直线距离已难以表征现代城市间的相互作用强度。基于此，参考已有研究[10,29]，以两城市间最短交通时间来替代两城市间的直线距离。黄河流域独特的地理位置和地形地势条件使得城市间的铁路、客运联系多需中间站的中转才能实现，而中间站数据由于获取和处理的难度大而易被忽略，导致难以完整反映城市间联系的实际情况，加之黄河流域各州、盟与其他城市间的铁路、客运联系数据难以获取，因此，本文借助ArcGIS软件的Network Analyst工具通过黄河流域的铁路和公路线将两城市进行空间连接，创建90×90的O-D（Origin-Destination）成本矩阵。依据《公路工程技术标准》（JTG B01-2014）和相关研究[10]，设定各级交通道路的速度：高铁250 km/h、动车150 km/h、铁路100 km/h、高速公路115 km/h、国道95 km/h、省道80 km/h、县乡道45 km/h，得到城市间最短通行时间。

2.2.2 BP神经网络模型

BP神经网络是按误差逆传播算法训练的多层前馈网络模型，该模型将数据通过输入层输入神经网络，经隐含层传至输出层，经误差反传得到理想输出值[30]。由于城市质量各指标间的线性关系复杂，为减小误差，借助Matlab软件的BP神经网络编程代码测算城市质量，在模拟训练至第13次时效果最佳，得到黄河流域城市发展质量指数。

2.2.3 社会网络分析法

社会网络分析指标作为节点的社会行动者与其他节点关系的集合，不仅能揭示整体网络结构特征，还能反映个体在网络中的角色和地位[10]。本文首先分析黄河流域城市空间联系的整体网络特征，而后从构成空间联系网络的“节点（node）—关联线（relational tie）—网络群（network clusters）”3个角度来分析。整体网络特征以网络密度和关联度来衡量，分别表征网络的紧密程度和可达性。节点特征以度数中心度、中间中心度和接近中心度来衡量各城市在网络中的角色和地位；关联线特征主要借助ArcGIS软件绘制双向空间关联网络图来反映城市间的联系强度与传递方向；网络群特征通过块模型进行空间聚类，分析网络内部结构及各城市在板块中的位置和作用，进而描述各板块间的传递路径。

3 研究结果与分析

3.1 黄河流域城市质量空间分布特征

依据黄河流域城市发展质量指数，利用自然断裂点将其划分为5个等级（图1）。黄河流域城市发展质量呈显著的上、中、下游“阶梯状”的空间分布特征，上游城市多为低质量和较低质量的发展水平，中游城市多为较低质量和中等质量的发展水平，而高质量和较高质量的城市主要集中在黄河下游地区。其中，上游兰州、呼和浩特、包头的发展质量较高，无高质量发展水平的城市；中游西安的发展质量最高，太原的发展质量较高；下游郑州、济南、青岛的发展质量最高，且山东半岛城市群内大部分城市的发展质量均较高。可见，黄河流域省会城市、都市圈中心城市及山东半岛城市群的综合实力较强。
图1 黄河流域城市发展质量空间分布格局

Fig.1 Spatial distribution pattern of urban development quality in the Yellow River Basin

3.2 黄河流域城市空间联系整体网络特征

借助Ucinet的Density和Reachability工具对全流域和上、中、下游城市联系的网络密度和关联度进行测算，并利用NetDraw可视化工具得到联系网络的关系数（表3）。
表2 黄河流域城市空间联系网络的分析方法集成

Tab.2 Integration of analysis methods for urban spatial connection network in the Yellow River Basin

网络特征 方法名称 公式 公式说明 方法含义
整体网络
特征		 网络密度 D = r n ( n - 1 ) / 2 r为城市联系网络中包含的实际关系数；n为网络中成员数量 网络密度描述整体关系网络中各成员间的联系程度，数值越接近1，表示联系越紧密，反之越松散[31]
网络关联度 C = 1 - m n ( n - 1 ) / 2 m为网络中不可达的城市对的数量；n为网络中成员数量 网络关联性描述网络中任意两成员之间直接或间接可达的程度，数值越接近1，表示网络的可达性越强，反之越弱[31]
网络节点
特征		 度数中心度 C D = l n - 1 l为城市联系网络中与某城市直接关联的其他城市数量；n为网络中成员数量 度数中心度描述各成员对外辐射和接受外界辐射的程度。其中，点出度指从该节点发出的边的数量，数值越大，表明成员的影响力和辐射范围越大；点入度指从其他节点指向该节点的边的数量，是该节点接收外界辐射，即吸引力的表征[31-32]
中间中心度 C B = 2 ∑ j n ∑ k n b j k i n 2 - 3 n + 2 b j k i = g j k i g j k g j k为城市j、k之间的捷径数量； g j k i为城市j、k间捷径经过城市i的数量； b j k i为城市i处于j、k间捷径上的概率；n为网络中城市数量 中间中心度描述某成员对其他成员间关联关系的控制程度，数值越大，控制作用越强，核心地位越显著[31]
接近中心度 C C = ∑ j = 1 n d i j d i j为城市i和城市j之间的捷径距离； n为网络中城市数量 接近中心度描述某一成员与其他成员的直接关联程度，数值越大，表明该成员与其他成员的捷径距离越短[31]
网络群
特征		 块模型 E = y k - 1 y - 1 E为板块期望内部关系比例， y为网络中所有城市数量， y k为某一板块内城市数量。设A为实际内部关系比例，若A≥E为净受益板块；若A<E为净溢出板块；双向溢出板块接收的关系比例≈0；经纪人板块接收的关系比例>0 ①受益板块接收其他板块的关系数远大于其向板块溢出的关系数；②净溢出板块向板块外溢出的关系数明显多于接收的关系数；③双向溢出板块既向其他板块溢出关系数，又接收其他板块的关系数，但溢出的关系数少于接收的关系数；④经纪人板块既接收其他板块的溢出关系，又向其他板块溢出关系数，在网络中处于核心位置，发挥中介作用[32-33]
表3 黄河流域城市联系的网络密度与关联度

Tab.3 The network density and correlation degree of urban connection in the Yellow River Basin

研究区域 黄河
上游地区		 黄河
中游地区		 黄河
下游地区		 全流域
网络密度 0.186 0.434 0.656 0.174
网络关联度 0.387 0.693 0.824 0.430
网络关系数（条） 184 328 571 1 393

3.2.1 网络密度

由表3可知，黄河流域城市联系网络密度仅为0.174，整体网络密度低，表明城市空间联系的紧密程度不高，全流域城市联系较弱。黄河上、中、下游城市联系的紧密程度存在差异，上游受自然环境、地理区位及经济水平等因素制约，城市联系密度为0.186，网络关系数仅占全流域的13.209%；中游城市联系密度为0.434，网络联系的紧密程度相对较低；下游城市联系密度为0.656，网络关系数占全流域的40.991%，城市间联系较紧密。此外，黄河上、中、下游之间的城市网络关系数为310条，占全流域的22.254%，远远小于下游和中游地区内部的网络关系数，进一步表明全流域城市间的联动效应不足。

3.2.2 网络关联度

由表3可知，黄河流域城市联系网络关联度为0.430，网络关联度较低，表明城市空间联系网络的可达性较差。黄河上、中、下游城市联系的关联度也存在差异，上游网络关联度最低，城市间仅有184条网络关系数，城市联系网络的可达性相较全流域更差；中游网络关联度较上游有所提升，达到0.693；下游网络关联度为0.824，数值最接近1，存在571条网络关系数也表明下游城市间联系较多，网络通达性较强。整体上，虽黄河下游城市间联系网络的关联度较高，但全流域及上游的网络关联度仍偏低。

3.3 黄河流域城市空间联系网络节点特征

借助Ucinet的Centrality工具，以全流域为单位，测算流域内各城市的度数中心度、中间中心度和接近中心度，由于城市数量较多，无法一一罗列，仅从整体测算结果中分别选取上、中、下游排名前10位的城市进行表征（表4）。
表4 黄河流域城市空间联系网络的中心性

Tab.4 The centrality of the urban spatial connection network in the Yellow River Basin

流域划分 度数中心度 中间中心度 接近中心度
点出度 点入度 中心度 城市排序 中心度 城市排序 中心度 城市排序
黄
河
流
域		 上游地区 15 17 17.101 兰州市 8.131 兰州市 31.065 银川市
15 15 16.854 白银市 4.166 银川市 30.376 中卫市
14 14 15.730 中卫市 4.104 固原市 30.042 白银市
13 14 14.607 银川市 3.638 西宁市 29.943 吴忠市
11 13 14.483 西宁市 3.868 呼和浩特市 29.326 兰州市
10 11 13.760 固原市 3.244 白银市 29.230 呼和浩特市
11 11 12.236 定西市 3.029 中卫市 29.324 固原市
9 11 11.236 呼和浩特市 1.608 定西市 29.880 定西市
10 10 10.731 海东市 1.521 武威市 29.325 陇南市
11 9 10.112 吴忠市 1.368 陇南市 28.336 乌海市
中游地区 29 30 34.831 西安市 15.764 西安市 32.722 西安市
29 29 32.584 焦作市 6.625 渭南市 32.512 渭南市
26 27 32.584 洛阳市 5.167 太原市 32.454 运城市
23 24 33.966 太原市 4.249 焦作市 32.422 焦作市
23 23 30.337 运城市 4.178 洛阳市 32.308 临汾市
24 20 29.213 晋城市 4.087 运城市 32.307 太原市
22 21 29.213 渭南市 3.728 晋城市 32.277 洛阳市
20 16 24.719 临汾市 2.791 宝鸡市 32.218 长治市
15 15 24.719 宝鸡市 2.011 临汾市 32.191 晋城市
12 12 22.472 榆林市 1.858 榆林市 31.533 济源市
下游地区 32 35 39.326 郑州市 10.839 郑州市 32.994 郑州市
32 31 36.955 开封市 8.960 济南市 31.899 新乡市
30 32 34.831 济南市 8.763 开封市 31.871 开封市
31 31 33.831 新乡市 7.795 新乡市 31.647 济南市
30 31 33.708 青岛市 6.640 淄博市 31.616 济宁市
29 28 34.831 泰安市 6.501 青岛市 31.477 鹤壁市
28 28 34.708 鹤壁市 5.449 潍坊市 31.284 菏泽市
20 21 30.337 淄博市 5.908 泰安市 31.218 泰安市
18 18 30.337 潍坊市 4.881 鹤壁市 30.903 安阳市
16 18 28.090 安阳市 2.817 安阳市 30.770 聊城市

3.3.1 度数中心度

由表4可知，黄河中下游城市的度数中心度普遍高于上游地区，表明中下游城市对外辐射和接受外界辐射的能力较强，存在显著的空间关联效应。下游排名前10的以郑州都市圈、济南都市圈和青岛都市圈内的城市为主；中游排名前10的以陕西、山西和河南省部分交通枢纽城市为主；上游排名前10的以青海、甘肃、宁夏、内蒙古的省会及其周边城市为主。值得注意的是，郑州、西安、济南、兰州、太原、银川等省会城市的点入度高于点出度，表明这些城市吸引力相较于辐射力强；余下城市除点出度和点入度相同外，大多是点出度大于点入度，此类城市较省会城市的综合竞争力弱，易受省会城市的虹吸作用。

3.3.2 中间中心度

由表4可知，黄河上游以兰州、银川、西宁、呼和浩特为核心形成城市联系网络的省会节点；中游以西安、渭南、太原、焦作、洛阳等为核心形成城市联系网络的流通节点；下游以郑州、济南、青岛等为核心形成城市联系网络的都市圈中心城市节点。整体上，黄河上、中、下游排名前10的城市在各地区的联系网络中发挥着支配作用，是网络中的关键节点，对城市间联系的控制作用强。兰州、西安、郑州分别处于上、中、下游联系网络的核心，这三个关键节点在城市联系网络中构建起一个稳健的网络三角形，一旦节点出现问题，将导致网络断裂而出现“结构洞”，排名靠后的城市受关键节点城市的影响而难以发挥支配作用，在网络中处于从属地位。

3.3.3 接近中心度

由表4可知，银川、中卫、白银、兰州、呼和浩特等与上游城市的直接联系较强；西安、渭南、运城、焦作、临汾等与中游城市的直接联系较强；郑州、新乡、开封、济南、济宁等与下游城市的直接联系较强。可见，接近中心度的城市排序与度数中心度和中间中心度有所差别，居于黄河流域城市联系网络中心位置的城市，并不一定是联系网络的核心。银川、西安、郑州分别在上、中、下游的联系网络中能更迅速地与其他城市产生联系，扮演“中心行动者”的角色，即该城市与网络中其他城市的捷径距离都很近，处于网络的中心，在城市空间联系的要素传递上较为便捷；接近中心度较小的城市受距离临近效应，在网络中扮演“边缘行动者”的角色，即该城市与网络中其他城市的捷径距离都很远，处于网络的边缘，在城市空间联系的要素传递上较为困难。

3.4 黄河流域城市空间联系网络关联线特征

借助ArcGIS的Data Management工具绘制黄河流域城市双向空间联系网络，鉴于测算得到的城市联系强度极差较大，将联系强度小于均值的联系线予以隐藏[31]。利用自然断裂将联系强度划分4个等级（图2）。
图2 黄河流域城市联系的双向空间关联网络

Fig.2 Dual spatial correlation network of cities in the Yellow River Basin

整体上看，黄河中下游地区关联线数量最多、最为密集，而上游地区关联线数量较少，联系密度低，多以四级网络关联线为主。黄河流域城市联系网络关联线的方向也存在差异，城市A→城市B为发出关联线的方向，城市B→城市A为接收关联线的方向；城市B→城市A的高等级关联线数量和密度明显高于城市A→城市B，表明城市吸引力优于辐射力。
具体等级上，一级网络关联线中城市A→城市B仅有3条：郑州→开封、西安→咸阳、鹤壁→新乡处于孤立联结状态；城市B→城市A有11条，中卫→白银、咸阳→西安、泰安→济南、滨州→东营4条处于孤立联结状态，余下7条主要集中在中原城市群，形成以郑州为核心的网络化格局；整体上一级网络关联线以郑州、西安和济南为核心，吸引或辐射邻近节点城市。
二级网络关联线中城市A→城市B的除银川→石嘴山、太原→阳泉、大同→朔州几条孤立联结外，主要在黄河下游地区延伸，包括河南和山东省内大部分城市，以郑州和济南为核心向外辐射；城市B→城市A逐渐由黄河下游城市延伸至中游山西省部分城市，以郑州、开封、济南、淄博、青岛、太原等为核心向内集聚，连通起黄河中下游干流沿岸城市；整体上二级网络关联线形成以郑州、济南、青岛和太原4大都市圈为核心的空间联系网络。
三级网络关联线中城市A→城市B继续围绕都市圈扩展辐射范围，同时横跨上、中、下游的全流域城市网络开始出现；城市B→城市A的关联线数量更多，逐渐使西安、郑州、济南、兰州、银川、太原6个省会城市和副省级城市青岛之间的关联网络连通起来，同时构筑起陇海线沿线城市与黄河中下游干流沿岸城市；整体上三级网络关联线使全流域的城市空间联系网络框架初步形成。
四级网络关联线中城市A→城市B将各边缘城市纳入到网络中，增加了网络的整体联系范围，与前三级网络关联线相比，四级网络关联线更多地指向长距离、非邻近的城市；城市B→城市A的关联线更加密集，基本上连通起黄河干流沿岸城市及流域内铁路沿线城市；整体上四级网络关联线形成了全流域的核心—边缘式城市空间联系网络格局。

3.5 黄河流域城市空间联系网络群特征

3.5.1 块模型中板块类型划分

借助Ucinet的Concer算法，设置最大切分深度为2，集中标准为0.2[31-32]，将城市空间联系网络划分为4个板块（图3），并计算得到城市空间联系网络的板块溢出效应（表5）。
图3 黄河流域城市空间联系网络板块分布图

Fig.3 Distribution map of urban spatial connection network sectors in the Yellow River Basin

表5 黄河流域城市网络空间联系板块的溢出效应

Tab.5 The spillover effect of the linked areas of urban network space in the Yellow River Basin

板块 接收关系矩阵（个） 成员数
（个）		 接收板块外
关系数（个）		 溢出板块外
关系数（个）		 期望内部关系
比例（%）		 实际内部关
系比例（%）		 板块类型
1 2 3 4
1 50 64 61 50 32 265 175 34.831 22.222 双向溢出
2 49 37 56 35 15 297 140 15.730 20.904 净受益
3 147 158 137 199 26 251 504 28.090 21.373 净溢出
4 69 75 134 72 17 284 278 17.978 20.571 经纪人
如图3所示，板块的区位与黄河流域城市群“3+4”的空间格局在分布上较吻合[34]。其中，板块1包括西宁、兰州、银川、呼和浩特、包头等32个市（州、盟），主要包含上游的呼包鄂榆城市群、宁夏沿黄城市群、兰西城市群及其周边城市；板块2包括西安、渭南、宝鸡、商洛、天水等15个城市，主要集中在中游的关中平原城市群及其周边城市；板块3包括太原、阳泉、郑州、开封、洛阳等26个城市，主要集中在中下游的晋中城市群和中原城市群及其周边城市；板块4包括濮阳、济南、济宁、潍坊、青岛等17个城市，主要集中在下游的山东半岛城市群。
由表5可知，板块1接收板块外关系数为265个，溢出板块外关系数为175个，板块内关系数为50个，板块既向其他板块溢出关系，又接收其他板块关系的，为双向溢出板块。板块2接收板块外关系数为297个，溢出板块外关系数为140个，期望内部关系比例小于实际内部关系比例，该板块在四个板块中接收的关系数最多，而溢出效应不足，城市吸引力强于辐射力，为净受益板块。板块3接收板块外关系数为251个，溢出关系数为504个，其中板块内关系数为137个，期望内部关系比例大于实际内部关系比例，对外溢出关系数远大于接收关系数，城市辐射力强于吸引力，为净溢出板块。板块4接收板块外关系数为284个，溢出板块外关系数为278个，该板块接收和溢出其他板块的关系数大致相当，在网络中处于核心地位，为经纪人板块。

3.5.2 板块间传递路径分析

通过块模型测算，得到黄河流域城市空间联系的四个板块网络密度矩阵。参考已有研究[32-33]，若板块密度大于整体网络密度0.174，将其赋值为1，反之赋值为0，1表示存在传递关系，0表示不存在传递关系，将密度矩阵转变为像矩阵（表6），并绘制4个板块间的传递关系（图4），以此分析板块间接收与溢出的传递路径。由表6可知，像矩阵中对角线上的值均为1，表明城市联系在4个板块内部存在显著关联性，具有“俱乐部”集聚效应。
表6 黄河流域城市空间关联板块的密度矩阵和像矩阵

Tab.6 The density matrix and image matrix of the urban spatial correlation plates in the Yellow River Basin

板块 密度矩阵 像矩阵
板块1 板块2 板块3 板块4 板块1 板块2 板块3 板块4
板块1 0.353 0.037 0.052 0.000 1 0 0 0
板块2 0.039 0.190 0.047 0.000 0 1 0 0
板块3 0.059 0.179 0.777 0.270 0 1 1 1
板块4 0.000 0.000 0.255 0.904 0 0 1 1
图4 黄河流域城市空间联系网络板块间的传递关系

Fig.4 The transfer relationship between the plates of urban spatial connection network in the Yellow River Basin

如图4所示，净溢出板块3主要向板块2和板块4发出溢出关系，并与板块4存在双向互动的传递路径，但与板块1之间联系的网络密度小于整体网络密度，板块间不存在传递关系，表明中下游的晋中城市群和中原城市群及其周边城市辐射力较强，辐射范围以关中平原城市群及山东半岛城市群内城市为主。净受益板块2主要接受板块3的溢出关系，以及板块4经板块3间接传递的部分关系，存在单向接收的传递路径，但与板块1之间也不存在传递关系，表明中游关中平原城市群及周边城市的吸引力较强，吸引范围主要以中原城市群及山东半岛城市群内城市为主。双向溢出板块1不存在对外传递关系，接收和溢出板块外的网络密度小于整体网络密度，能够接收关系数的受益主体多以兰州、银川、西宁等省会城市为主，城市吸引力和辐射力有限。经纪人板块4主要与地理位置邻近的板块3产生关联关系，并未将净溢出板块传递的网络关系继续传递给板块2和板块1，由于黄河“几”字形大跨度曲流导致地理区位上的局限性，板块间的关联关系并未构建起一个完整的传递路径。

4 结论与讨论

4.1 结论

本文通过修正引力模型测算了黄河流域的城市联系强度，结合社会网络分析法探究城市空间联系的网络特征，得出以下结论：
①黄河流域城市联系整体网络密度低，上、中、下游城市间的联动效应不足；上游和中游城市联系网络的关联度较低，网络可达性较差，虽下游城市间联系网络的密度和关联度较高，但全流域城市间的交流与协作仍需提升。
②黄河中下游城市的度数中心度普遍高于上游城市，存在显著的空间关联效应，省会城市的点入度高于点出度，表明这些城市吸引力相较于辐射力强；兰州、西安、郑州分别为上、中、下游中间中心度最高的城市，对网络的控制力强；银川、西安、郑州分别在上、中、下游的城市联系中能够迅速与其他城市产生联系，扮演“中心行动者”的角色。
③黄河流域城市联系网络结构空间分异明显，城市接收的高等级关联线数量和密度明显高于发出的关联线，城市吸引力优于辐射力。一级网络关联线以郑州、西安、济南为核心，吸引或辐射邻近节点城市；二级网络关联线形成以郑州、济南、青岛、太原4大都市圈为核心的空间联系网络；三级网络关联线连接起陇海线沿线城市与中下游干流沿岸城市，全流域联系网络框架初步形成；四级网络关联线连通起全流域干流沿岸城市及流域内铁路沿线城市，形成核心—边缘式的全流域城市联系网络格局。
④黄河上游城市基本属于双向溢出板块，接收和溢出板块的关系数较少，城市吸引力和辐射力有限；中游以关中平原城市群及周边城市为主的板块2属于净受益板块，板块内城市吸引力较强，吸引范围主要为中原城市群及山东半岛城市群内城市；中下游以晋中城市群和中原城市群及周边城市为主的板块3净溢出效应显著，板块内城市辐射力较强，辐射范围主要为关中平原城市群及山东半岛城市群内城市；下游以山东半岛城市群为主的板块4属于经纪人板块，但由于地理区位限制，板块间的关联关系并未构建起一个完整的传递路径。

4.2 讨论

本文全面分析了黄河流域城市空间联系的整体网络特征和网络“节点—关联线—网络群”的结构特征；方法上在前人基础上，尝试对引力模型进行修正，以城市的综合竞争力表征城市发展质量，同时基于城市的空间相互作用，从城市吸引力、辐射带动力和对外流通力3个维度选取具体测度指标。由于河流自然本底和黄河文明的联系性一定程度上可以将各要素联结到一起，促进流域一体化发展是黄河流域协调发展的内在要求，本文对城市联系网络的研究转向流域，在尺度上进行了拓展。
通过对比我国不同地区城市空间联系网络的特征发现，中心城市多为城市联系网络的核心，高等级的网络联系线以中心城市为核心呈辐射状分布。例如长三角以上海为中心辐射带动整个城市群乃至长江流域的发展；珠三角以广州、深圳为中心辐射带动城市群的东、西两翼以及整个珠江流域的发展，可见它们多以“龙头”城市为中心形成 “点—轴”式的网络结构[35]。但黄河流域并未形成控制作用强的“龙头”城市，而是以省会城市为核心形成多中心的网络化格局，黄河流域流经九省，经济发展的差异化显著，加之黄河航运条件不佳，“几”字形弯曲的流域轮廓也对人流、物流以及能源的输送产生障碍，流域沿线没有上海、广州等实力强大的城市，难以带动整个流域的发展[36]。相关学者的研究也发现省会城市在黄河流域城市联系网络中的地位和作用较强，并且联系强度大的城市多集中于黄河中下游地区[24,37]，这与本文的研究结论是契合的；但与之相比，本文认为山东半岛城市群为经纪人板块，在联系网络中起中介作用，作为“黄河战略”的出海通道，应积极推动流域内城市人流、物流等要素的流动，强化全流域城市的联动效应。最终在黄河流域形成以中心城市为核心，高速交通串联其中，城市群为主体的经济发展廊道，建立生态化、绿色化的城市协调发展体系。
由于黄河流域内市、州、盟的统计口径不同，数据获取难度大，本文仅分析了2018年黄河流域的城市空间联系网络特征，今后可结合大数据从“流空间”视角进行多维度、跨时空的城市网络动态演变研究。同时考虑到指标变量的内生性问题，仅侧重于城市空间联系网络特征的分析，其背后的影响因素与驱动机理需在日后进行更深入的研究。此外，由于引力模型中交通距离对结果的影响较大，加之黄河流域轮廓的不规则性，使流域边界地带的城市地位有所弱化，而且从块模型的分析中发现有的板块划分未打破省级边界，而有的打破了行政边界，那么城市联系是否存在边界效应也是未来需探讨的重要科学问题。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
金凤君. 黄河流域生态保护与高质量发展的协调推进策略[J]. 改革, 2019, 309(11):33-39.

[2]
李小建, 文玉钊, 李元征, 等. 黄河流域高质量发展:人地协调与空间协调[J]. 经济地理, 2020, 40(4):1-10.

[3]
Fang C L, Yu X H, Zhang X L, et al. Big data analysis on the spatial networks of urban agglomeration[J]. Cities, 2020,102:1-16.

[4]
Heikkinen M, Karimo A, Klein J, et al. Transnational municipal networks and climate change adaptation:A study of 377 cities[J]. Journal of Cleaner Production, 2020,257:1-9.

[5]
Mina A, Hilda G, Ilaria M, et al. Logistics global network connectivity and its determinants:A European City network analysis[J]. Journal of Transport Geography, 2020,82:1-9.

[6]
David R M. A dynamic model of the integration of frontier urban places into the United States system of cities[J]. Economic Geography, 1980, 56(2):39-120.

[7]
Dröes M I, Piet R. Rail-based public transport and urban spatial structure:The interplay between network design,congestion and urban form[J]. Transportation Research Part B:Methodological, 2015,81:421-439.

[8]
David J G, Craig A J. City-networks,global climate governance,and the road to 1.5°C[J]. Current Opinion in Environmental Sustainability, 2018,30:35-41.

[9]
李艳, 孙阳, 姚士谋. 基于财富中国500强企业的中国城市群城市网络联系分析[J]. 地理研究, 2020, 39(7):1548-1564.

DOI

[10]
田野, 罗静, 孙建伟, 等. 武汉城市圈内部空间联系及其轴—辐网络结构演化[J]. 地理科学进展, 2019, 38(7):1093-1102.

DOI

[11]
吴志才, 张凌媛, 黄诗卉. 粤港澳大湾区旅游经济联系的空间结构及协同合作模式[J]. 地理研究, 2020, 39(6):1370-1385.

DOI

[12]
邱坚坚, 刘毅华, 陈浩然, 等. 流空间视角下的粤港澳大湾区空间网络格局——基于信息流与交通流的对比分析[J]. 经济地理, 2019, 39(6):7-15.

[13]
安俞静, 刘静玉, 乔墩墩. 中原城市群城市空间联系网络格局分析——基于综合交通信息流[J]. 地理科学, 2019, 39(12):1929-1937.

DOI

[14]
王成, 王茂军. 山东省城市关联网络演化特征——基于“中心地”和“流空间”理论的对比[J]. 地理研究, 2017, 36(11):2197-2212.

DOI

[15]
George K Z. The P1P2/D hypothesis:The case of railway express[J]. The Journal of Psychology Interdiplinary and Applied, 1946, 22(1):3-8.

[16]
Simeon D, Caroline F. Trade flows in the former Soviet Union 1987 to 1996[J]. Journal of Comparative Economics, 2002, 30(1):76-90.

[17]
Hong I, Jung W S. Application of gravity model on the Korean urban bus network[J]. Physica A:Statistical Mechanics and Its Applications, 2016,462:48-55.

[18]
彭芳梅. 粤港澳大湾区及周边城市经济空间联系与空间结构——基于改进引力模型与社会网络分析的实证分析[J]. 经济地理, 2017, 37(12):57-64.

[19]
周慧玲, 王甫园. 基于修正引力模型的中国省际旅游者流空间网络结构特征[J]. 地理研究, 2020, 39(3):669-681.

DOI

[20]
Thompson C A, Saxberg K, Lega J, et al. A cumulative gravity model for inter-urban spatial interaction at different scales[J]. Journal of Transport Geography, 2019,79:1-12.

[21]
劳昕, 沈体雁, 杨洋, 等. 长江中游城市群经济联系测度研究——基于引力模型的社会网络分析[J]. 城市发展研究, 2016, 23(7):91-98.

[22]
许芸鹭, 雷国平. 辽中南城市群空间联系测度[J]. 城市问题, 2018(11):65-74.

[23]
Curado M, Tortosa L, Vicent J F, et al. Analysis and comparison of centrality measures applied to urban networks with data[J]. Journal of Computational Science, 2020, 43(2020):1-11.

[24]
刘海洋, 王录仓, 李骞国, 等. 基于腾讯人口迁徙大数据的黄河流域城市联系网络格局[J]. 经济地理, 2020, 40(4):28-37.

[25]
薛明月, 王成新, 赵金丽, 等. 黄河流域旅游经济空间分异格局及影响因素[J]. 经济地理, 2020, 40(4):19-27.

[26]
周晓艳, 郝慧迪, 叶信岳, 等. 黄河流域区域经济差异的时空动态分析[J]. 人文地理, 2016, 31(5):119-125.

[27]
赵正, 王佳昊, 冯骥. 京津冀城市群核心城市的空间联系及影响测度[J]. 经济地理, 2017, 37(6):60-66,75.

[28]
干春晖, 郑若谷, 余典范. 中国产业结构变迁对经济增长和波动的影响[J]. 经济研究, 2011, 46(5):4-16,31.

[29]
陈卓, 梁宜, 金凤君. 基于陆路综合交通系统的中国城市网络通达性模拟及其对区域发展格局的影响[J]. 地理科学进展, 2021, 40(2):183-193.

DOI

[30]
李梦程, 王成新, 薛明月, 等. 我国海岛旅游发展与生态环境耦合协调评价与影响因素研究[J]. 世界地理研究, 2021, 30(5):1048-1060.

DOI

[31]
冯颖, 侯孟阳, 姚顺波. 中国粮食生产空间关联网络的结构特征及其形成机制[J]. 地理学报, 2020, 75(11):2380-2395.

DOI

[32]
孙才志, 马奇飞. 中国省际水资源绿色效率空间关联网络研究[J]. 地理研究, 2020, 39(1):53-63.

DOI

[33]
李敬, 陈澍, 万广华, 等. 中国区域经济增长的空间关联及其解释——基于网络分析方法[J]. 经济研究, 2014, 49(11):4-16.

[34]
方创琳. 黄河流域城市群形成发育的空间组织格局与高质量发展[J]. 经济地理, 2020, 40(6):1-8.

[35]
刘湘平, 刘慧平, 邹滨, 等. 基于城市联系网络的城市群等级结构对比[J]. 经济地理, 2021, 41(2):55-61,91.

[36]
陆大道, 孙东琪. 黄河流域的综合治理与可持续发展[J]. 地理学报, 2019, 74(12):2431-2436.

DOI

[37]
刘传明, 马青山. 黄河流域高质量发展的空间关联网络及驱动因素[J]. 经济地理, 2020, 40(10):91-99.

Options
Outlines

/

〈 〉