EN中文

Economic geography >

2020 , Vol. 40 >Issue 2: 79 - 88

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.02.009

Spatial-Temporal Evolution of the Livability Levels in the Yangtze River Delta Urban Agglomerations and Its Influencing Factors

  • GUO Zheng , 1, 2 ,
  • YAO Shimou 1 ,
  • CHEN Shuang 1 ,
  • WU Wei 1 ,
  • LIU Weichen 1
Expand
  • 1. Nanjing Institute of Geography and Limnology，Chinese Academy of Sciences，Nanjing 210008，Jiangsu，China
  • 2. University of Chinese Academic of Sciences，Beijing 100049，China

Received date: 2019-03-05

  Revised date: 2019-07-28

  Online published: 2025-04-01

Fold

Abstract

Under the background of new urbanization and ecological civilization construction, the city's livability levels has become a hot issue of concern. Based on the spatial database of livable elements in the Yangtze River Delta urban agglomerations from 2004 to 2017. The entropy method and Moran's I index are used to explore the temporal and spatial evolution characteristics of urban livability in the Yangtze River Delta urban agglomerations, and then the panel data model is used to analyze the influencing factors of its livability levels evolution. The study found that:1)From the perspective of the evolution of livability levels, the order of livability in the Yangtze River Delta urban agglomerations has changed significantly, and the cities in the middle and low levels have improved rapidly, and the gap between cities has been shrinking.2)From the perspective of the spatial evolution of livable level, the livable level of cities in the Yangtze River Delta is uneven and the spatial correlation is weak.3)There are significant differences between the livable level of each city under the single standard level and the comprehensive standard level. Each city under the single standard level has its advantages and disadvantages.4)The advantages and disadvantages of natural geographical environment and location have a direct impact on the construction of livable cities. In terms of social economy, the per capita investment in the maintenance and construction of municipal facilities, the per capita investment in the development of residential real estate, the balance of household savings at the end of the year and population density are positively related to the livable level of cities, while the industrial SO2 emissions are negatively related to the livable level of cities.

Key words： new-type urbanization; livability level; living environment; entropy method; panel data model; environmental beauty; Yangtze River Delta urban agglomeration

Cite this article

GUO Zheng , YAO Shimou , CHEN Shuang , WU Wei , LIU Weichen . Spatial-Temporal Evolution of the Livability Levels in the Yangtze River Delta Urban Agglomerations and Its Influencing Factors[J]. Economic geography, 2020 , 40(2) : 79 -88 . DOI: 10.15957/j.cnki.jjdl.2020.02.009

城市作为人类最重要的生产生活空间，对世界经济、社会、文化、政治及生态环境具有直接影响。改革开放以来，中国社会经济的高速发展推动了城市居民生活水平的快速提升，但人类在快速城市化过程中获得经济发展与生活便利的同时，也面临着交通拥堵 、人口集聚、资源短缺、环境污染等一列城市问题与挑战。随着城市环境的恶化、人们对生活环境与生活质量追求的提高，宜居城市相关研究日益成为国内外学者关注的热点。
国外学者对宜居城市相关研究滥觞于19世纪末，以Howard的《明日的田园城市》一书为代表，开创了人居环境研究的先河[1]。世界卫生组织（WHO）于1961年提出了以安全、健康、便利和舒适为核心的人居环境理念[2]。随后西方学者对宜居城市相关内容进行了广泛研究，总体来看主要集中于以下几个方面：一是宜居城市内涵的研究，如David L.Smith在其著作《宜居与城市规划》中从物质和环境角度阐述了宜居城市的内涵[3]。后Salzano从可持续发展的视角进一步发展了宜居城市的内涵，认为宜居城市连接了过去和未来，它尊重历史的烙印，尊重后代[4]。二是宜居城市影响因素的研究，如Knox等认为居住区的自然景观特征、邻里的社会特征及居住区位置是影响城市宜居水平的重要因素[5]。三是宜居城市评价方法的研究，如利用主客观结合建立评价指标体系[6]、多元统计分析[7]及GIS空间分析技术等方法评价城市宜居水平[8]。国内学者对宜居城市的研究起步于1990年代，吴良镛最先进行人居环境的理论和实证研究，建立了人居环境科学体系的基本框架[9]。随后国内学者对宜居城市研究日益增多，如宁越敏等通过分析上海市人居环境与经济发展的关系，分别从宏观和微观视角提出优化大都市人居环境的措施和原则[10]；张文忠等围绕“建设和谐宜居城市”等内容，在总结国际宜居城市经验的基础上，构建了中国宜居城市建设的核心框架[11]；湛东升等通过构建城市宜居水平客观评价分析框架，同时采用GIS空间分析和数理统计方法对北京市宜居水平进行了综合评价并探讨了其形成机制[12]；吴箐等根据城镇人居环境特点及不同需求构建城镇人居环境指标体系，采用问卷调查和非参数检验分析，揭示了不同主体人居环境要素需求特征[13]；张延伟等以土地利用、社会经济、高程数据为基础，应用BDI决策多智能体模型分析了大连市沙口区人居环境适宜性，认为绿化水平、公共设施等因素对城市宜居水平有直接影响[14]。总体来看，当前学者关于城市宜居水平的相关研究仍存在以下薄弱之处：①多数研究采用问卷调查等主观评价方法研究单一年份城市的宜居水平，而未能从长时间序列探讨其宜居水平的时空演化规律；②研究范围多集中于单体城市宜居水平的研究，而从宏观层面对城市群城市宜居水平的研究相对较少；③现有研究多通过构建指标体系评价城市宜居水平，而对其形成的驱动因素缺乏定量分析。
鉴于此，本文采用2004—2017年长三角城市群城市资源、环境、经济、社会、生活、安全等为核心的客观数据构建城市宜居水平评价指标体系，揭示其宜居水平的时空演化规律并对其影响因素进行定量分析，有利于更好地了解城市群城市宜居水平的变化趋势及存在的空间差异，在新型城镇化和生态文明建设背景下为长三角城市群宜居城市建设与改善提供有益参考。

1 研究区、研究方法与数据来源

1.1 研究区概况

长三角城市群是“一带一路”与长江经济带的重要交汇点，包括上海，江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州，浙江省的杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州，安徽省的合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城等26个城市，面积21.17万km2。截至2017年，城市群总人口12 907.46万，占全国总人口的9.39%，GDP总量达135 512亿元，占全国的21.31%。在区域经济一体化和生态文明建设背景下，长三角城市群不仅是我国重要的经济增长极，还是国家生态宜居城市建设的先行者和示范者。

1.2 研究方法

1.2.1 熵值法

熵值法是由德国物理学家克劳修斯于1850年首次提出，用来判断某个指标的离散程度的数学方法[15-16]。本文利用熵值法计算出各个指标的熵值和权重，最后在指标权重的基础上计算出长三角城市群城市的宜居水平的综合得分，具体计算步骤如下：
①数据标准化。本文采用数据标准化的方法为极值法。
②计算熵值。选取m个城市，n个指标，则第j项指标熵值的计算公式为：
e j = - k ∑ i = 1 m p i j l n p i j     j = 1,2 , ⋯ m
式中： k 0 , k = 1 l n m ;当 p i j = 0时，令 p i j l n p i j = 0 ; 0 ≤ e j ≤ 1 。
③确定指标权重。计算公式为：
w j = 1 - e j / ∑ i = 1 n 1 - e j
⑤计算综合得分：
S i = ∑ j = 1 n w j p i j

1.2.2 Moran's I 指数

本文采用全局Moran's I指数来分析长三角城市群城市宜居水平空间相关性，Moran's I指数范围在[-1，1]之间，若Moran's I愈趋近于-1，则说明各城市与周围城市的宜居水平存在显著的空间差异，若Moran's I指数愈趋近于1，则说明探索数据在空间上保险出明显的集聚特性，各城市与周边城市宜居水平空间差异较小。具体计算公式如下：
M o r a n ' s I = ∑ i = 1 n ∑ j = 1 n w i j x i - x - x j - x - S 2 ∑ i = 1 n ∑ j = 1 n w i j
式中： S 2 = ∑ i = 1 n x i - x - , x - = 1 / ∑ i = 1 n x i；n表示长三角城市群城市个数； w i j表示空间权重矩阵； x i表示各城市宜居水平综合得分； x -表示各城市宜居水平综合得分平均值。由Z值判断空间自相关显著性，设定在0.05显著性水平下接受原始假设或拒绝零假设，若Z值大于1.96或小于-1.96时，拒绝零假设，说明空间自相关显著，否则拒绝零假设[17]。

1.2.3 面板数据模型分析

本文采用面板数据模型来测量社会经济因素对长三角城市群城市宜居水平的作用程度。相较于截面数据模型和时间序列模型，面板数据模型能够扩大样本信息、减少变量之间的共线性，并提高了自由度和有效性。能够有效避免不可观测经济变量所带来的估计偏差，从而得到更为准确的估计结果[18]。

1.3 指标体系构建与数据来源

综合现有研究，本文认为宜居城市是指对城市适宜居住程度的评价，应具有环境优美、社会安全、文明进步、生活舒适、经济和谐、美誉度高等特征，而城市宜居水平则是宜居城市特征的综合体现。因此，城市宜居水平评价指标的选择是准确判断和分析不同空间尺度城市宜居水平的关键。本文以中国城市科学学会于2007年公布的《宜居城市科学评价指标体系研究》为主要依据，结合研究区自然、社会经济特征以及国内外学者相关研究成果[19⇓⇓⇓⇓-24]，同时考虑数据指标的客观性、准确性、可对比性和可获取性，从资源、环境、经济、社会、生活、安全等方面构建长三角城市群城市宜居水平评价指标体系，包括4个标准层和33个二级指标数据（表1）。其中，经济富裕度能够在一定程度上反映居民物质生活质量，是城市创建良好生活的物质基础；环境优美度是城市生态环境质量和城市污染防治状况的重要体现，是宜居城市的重要指标之一；安全保障度的高低会给城市居民不同的心理感知，影响居民的幸福感，进而反映城市宜居水平的高低；生活便利度主要从交通便捷情况、基础设施完善情况、文化医疗教育情况等方面进行衡量，是城市适宜性评价的基础和核心要素。基于此，本文以长三角城市群26个地级市的市辖区为研究单元，分别对其宜居水平进行实证研究。文中所需基础数据来源于2004—2017年《中国城市统计年鉴》《上海市统计年鉴》《江苏省统计年鉴》《浙江省统计年鉴》《安徽省统计年鉴》。
表1 长三角城市群城市宜居水平评价指标体系

Tab.1 Evaluation index system of livability levels in the Yangtze River Delta urban agglomerations

标准层 指标层 2004权重 2008权重 2012权重 2017权重
经济富裕度 人均GDP/元 0.0310 0.0333 0.0305 0.0333
第三产业占GDP比重/% 0.0192 0.0241 0.0171 0.0117
人均公共财政收入/元 0.0297 0.0364 0.0342 0.0333
人均固定资产投资总额/元 0.0318 0.0339 0.0296 0.0332
人均科学技术财政支出/元 0.0273 0.0354 0.0383 0.0466
人均教育财政支出/元 0.0287 0.0325 0.0282 0.0307
城镇居民人均可支配收入/元 0.0335 0.0404 0.0373 0.0401
人均社会消费品零售额/元 0.0294 0.0462 0.0428 0.0325
在岗职工平均工资/元 0.0533 0.0277 0.0250 0.0325
环境优美度 人均绿地面积/m2 0.0264 0.0214 0.0268 0.0250
建成区绿化覆盖率/% 0.0234 0.0197 0.0295 0.0324
一般工业固体废物综合利用率/% 0.0241 0.0216 0.0369 0.0340
污水处理厂集中处理率/% 0.0258 0.0217 0.0338 0.0326
生活垃圾无害化处理率/% 0.0456 0.0198 0.0225 0.0186
空气质量优良率/% 0.0194 0.0213 0.0225 0.0206
年均降水量/mm 0.0218 0.0199 0.0187 0.0199
安全保障度 城市职工基本养老保险参保人数/人 0.0301 0.0478 0.0337 0.0351
城镇职工基本医疗保险参保人数/人 0.0452 0.0376 0.0323 0.0362
失业保险参保人数/人 0.0369 0.0413 0.0342 0.0169
城镇登记失业人数/人 0.0312 0.0341 0.0296 0.0169
刑事案件数/件 0.0205 0.0215 0.0192 0.0234
交通事故死亡人数/人 0.0220 0.0210 0.0233 0.0191
生活便利度 万人拥有公共汽车数量/辆 0.0329 0.0335 0.0362 0.0283
万人拥有出租车数量/辆 0.0446 0.0422 0.0314 0.0330
人均城市道路面积/m2 0.0318 0.0336 0.0476 0.0299
城市燃气普及率/% 0.0192 0.0189 0.0253 0.0339
建成区排水管道密度 0.0433 0.0305 0.0247 0.0229
通讯指数* 0.0198 0.0255 0.0340 0.0283
万人拥有医院、卫生院床位数/张 0.0400 0.0336 0.0317 0.0337
每百人公共图书馆藏书/册 0.0316 0.0343 0.0330 0.0364
学校数量/所 0.0346 0.0349 0.0301 0.0350
人均住房建筑面积/m2 0.0243 0.0263 0.0355 0.0399
就业人口中批发零售业、住宿
餐饮业及居民服务业就业比重/%		 0.0216 0.0279 0.0245 0.0250

注：“*”指年末固定电话与互联网宽带使用户数和移动电话使用人数之和比上年末总人口。

2 结果与分析

2.1 城市宜居水平的时间演化分析

根据公式（1）~（3）分别计算出研究期内长三角城市群城市宜居水平综合得分（表2）（限于篇幅，本文仅列出2004、2008、2012和2017年4个年份数据）。由表2可以看出，研究期内长三角城市群城市宜居水平发生了明显的位序变化，尤其是处于中低水平的城市宜居水平提升较快，各城市之间宜居水平差距在不断缩小。总的来看，城市宜居水平位序时间演变可以划分为以下三种类型：①平稳型，研究期内仅有上海宜居水平位序属于平稳型且一直居于城市群首位。这主要是因为上海自然地理环境及区位条件十分优越，同时又是我国最重要的经济、交通、科技、工业和金融等中心，拥有完善的基础设施和生活保障，居民生活水平高。②上升型，该类型城市宜居水平位序随时间变化呈现出波动上升态势。主要包括杭州、苏州、合肥、镇江、嘉兴、芜湖、铜陵、金华、湖州、舟山、滁州、台州、池州等13个城市。其中，苏州、镇江、嘉兴三市宜居水平位序提升最为明显，分别由2004年的第8、13和14位上升至2017年的第4、8和9位。这些城市拥有较好的自然环境和区位条件，随着产业结构调整、经济快速发展及生态环境保护和民生工程的建设，城市宜居水平得到显著提升。③下降型，该类型城市宜居水平位序随时间变化呈现出波动下降状态。主要包括宁波、无锡、常州、马鞍山、南通、绍兴、安庆、扬州、泰州、盐城、宣城等12个城市。其中，绍兴、扬州和泰州3市下降最为明显，分别由2004年的第7、11和18位下降至2017年的第16、22和23位。这些城市虽然拥有良好的自然条件，但由于自身发展潜力和竞争力不足，导致其在长三角城市群发展过程中基础设施建设、医疗教育文化及居民生活保障等方面的相对劣势日益显现。因而，城市宜居水平位序处于快速下降状态。
表2 2004、2008、2012、2017年长三角城市群城市宜居水平综合得分

Tab.2 Comprehensive scores of livability levels in the Yangtze River Delta urban agglomerations in 2004, 2008, 2012 and 2017

序号 2004年 2008年 2012年 2017年
综合得分 城位序 综合得分 城位序 综合得分 城位序 综合得分 城位序
1 0.0533 上海 0.0547 上海 0.0529 上海 0.0513 上海
2 0.0430 宁波 0.0441 杭州 0.0434 杭州 0.0430 杭州
3 0.0429 杭州 0.0435 宁波 0.0432 宁波 0.0426 南京
4 0.0429 南京 0.0432 南京 0.0423 南京 0.0419 苏州
5 0.0420 无锡 0.0429 无锡 0.0422 无锡 0.0418 合肥
6 0.0409 合肥 0.0421 苏州 0.0422 苏州 0.0413 宁波
7 0.0403 绍兴 0.0407 合肥 0.0422 合肥 0.0411 无锡
8 0.0402 苏州 0.0391 绍兴 0.0404 绍兴 0.0386 镇江
9 0.0396 常州 0.0386 常州 0.0390 常州 0.0385 嘉兴
10 0.0395 马鞍山 0.0382 南通 0.0381 镇江 0.0384 常州
11 0.0377 扬州 0.0378 马鞍山 0.0380 嘉兴 0.0379 芜湖
12 0.0374 南通 0.0375 嘉兴 0.0380 马鞍山 0.0378 马鞍山
13 0.0373 镇江 0.0373 镇江 0.0373 芜湖 0.0378 南通
14 0.0372 嘉兴 0.0372 芜湖 0.0372 南通 0.0376 铜陵
15 0.0371 芜湖 0.0370 扬州 0.0370 湖州 0.0374 金华
16 0.0369 铜陵 0.0369 舟山 0.0368 铜陵 0.0374 绍兴
17 0.0367 安庆 0.0367 铜陵 0.0366 舟山 0.0372 湖州
18 0.0367 泰州 0.0365 金华 0.0366 滁州 0.0372 舟山
19 0.0363 金华 0.0363 台州 0.0365 台州 0.0371 滁州
20 0.0362 湖州 0.0361 湖州 0.0363 泰州 0.0369 台州
21 0.0360 舟山 0.0355 泰州 0.0360 金华 0.0362 安庆
22 0.0356 盐城 0.0354 安庆 0.0358 扬州 0.0361 扬州
23 0.0358 台州 0.0340 滁州 0.0347 安庆 0.0353 泰州
24 0.0339 滁州 0.0334 盐城 0.0331 盐城 0.0343 盐城
25 0.0323 宣城 0.0327 宣城 0.0322 池州 0.0333 池州
26 0.0317 池州 0.0326 池州 0.0321 宣城 0.0322 宣城

2.2 城市宜居水平的空间演化分析

根据前文计算所得的长三角城市群城市宜居水平综合得分，利用ArcGIS10.4软件数据可视化中自然断点法将不同年份各城市宜居水平综合得分划分为5个等级（图1）。
图1 2004、2008、2012、2017年长三角城市群城市宜居水平空间分布格局

Fig.1 Spatial distribution pattern of livability levels in the Yangtze River Delta urban agglomerations in 2004, 2008, 2012 and 2017

2.2.1 城市宜居水平空间分异格局显著

由图1可以看出，长三角城市群城市宜居水平存在着明显的空间分布差异，城市宜居水平大致呈现出以上海为核心，以沿江（长江、钱塘江）城市为轴带向南北两侧递减的空间分异格局。宜居水平较高的城市大多是省会城市、交通枢纽或港口城市，宜居水平较低的城市多集中分布于城市群沿江城市的南北两侧，尤其是西北和西南地区城市，这些城市大多位于各省边远地区，受区域中心城市辐射较小，社会经济发展相对较慢，宜居水平相对较低。从城市宜居水平空间格局演变来看，上海是唯一始终处于高水平的宜居城市。杭州、苏州、南京、合肥、宁波、无锡一直在较高宜居水平城市之中；中等宜居水平城市中仅有嘉兴和南通没有发生位序变化；而较低和低水平宜居城市一直处于变化之中（表3）。总的来看，长三角城市群中等宜居水平城市数量呈现增加态势，而其他等级宜居水平城市数量总体呈现减少态势，城市宜居水平更加趋向于正态分布。
表3 2004、2008、2012、2017年长三角城市群城市宜居水平空间变化

Tab.3 Spatial changes of livability levels in the Yangtze River Delta urban agglomerations in 2004, 2008, 2012 and 2017

宜居水平 2004年 2008年 2012年 2017年
低 滁州、池州、宣城 盐城、滁州、池州、宣城 盐城、池州、宣城 盐城、池州、宣城
较低 金华、台州、湖州、舟山、盐城 金华、台州、湖州、泰州、
扬州、安庆、舟山		 金华、台州、泰州、扬州、
滁州、铜陵、安庆舟山		 扬州、泰州、安庆、舟山
中等 嘉兴、南通、泰州、扬州、芜湖、
铜陵、安庆		 绍兴、嘉兴、南通、常州、
镇江、马鞍山、芜湖		 湖州、嘉兴、南通、镇江、
马鞍山、芜湖		 金华、台州、绍兴、湖州、嘉兴、常州、
镇江、南通、滁州、马鞍山、芜湖、铜陵
较高 杭州、绍兴、宁波、苏州、无锡、
常州、南京、马鞍山、合肥		 杭州、宁波、苏州、无锡、
南京、合肥		 杭州、绍兴、宁波、苏州、
无锡、常州、南京、合肥		 杭州、宁波、苏州、无锡、南京、合肥
高 上海 上海 上海 上海

2.2.2 城市群城市宜居水平的空间相关性较弱

运用ArcGIS10.4软件测算出研究期内长三角城市群26个城市宜居水平的Moran's I统计值（表4）。可以看出，研究期内城市群城市宜居水平的Moran's I统计值都为正数，且Z值均大于1.96，表明长三角城市群城市宜居水平在空间分布上具有正相关关系。但研究期内长三角城市群城市宜居水平的全局Moran's I统计值却始终小于0.1，说明各城市宜居水平空间关联性较弱。因此，在新型城镇化背景下，各城市之间应加强联系与合作，通过区域内较为发达城市辐射带动边缘相对落后城市，以实现长三角城市群城市整体宜居水平的提升。
表4 长三角城市群城市宜居水平的全局Moran's I指数值

Tab.4 Global Moran's I index for the livability levels in the Yangtze River Delta urban agglomerations

年份 Moran's I 预期指数 标准差 Z值
2004 0.0084 -0.0400 0.1393 2.5739
2008 0.0318 -0.0400 0.1427 2.3266
2012 0.0886 -0.0400 0.1520 2.3556
2017 0.0791 -0.0400 0.1456 2.1324

2.3 城市宜居水平单一标准层下的差异性分析

分别计算出2004和2017年长三角城市群城市在经济富裕度、环境优美度、生活便利度、安全保障度等单一标准层下的城市宜居水平，以考察各单一标准层下城市宜居水平和综合标准层下城市宜居水平的地域分异状况（表5）。
表5 2004、2017年长三角城市群城市在单一标准层和综合标准层下宜居水平排名

Tab.5 Ranking of livable levels in the Yangtze River Delta urban agglomerations under single criteria level and comprehensive criteria level in 2004 and 2017

名次 2004 2017
经济富裕度 环境优美度 生活便利度 安全保障度 综合水平 经济富裕度 环境优美度 生活便利度 安全保障度 综合水平
1 上海 南京 上海 上海 上海 上海 杭州 上海 上海 上海
2 宁波 杭州 杭州 宁波 宁波 杭州 苏州 合肥 杭州 杭州
3 杭州 苏州 南京 杭州 杭州 苏州 南京 苏州 南京 南京
4 无锡 无锡 合肥 南京 南京 南京 嘉兴 南京 苏州 苏州
5 南京 常州 无锡 苏州 无锡 合肥 舟山 杭州 合肥 合肥
6 苏州 舟山 绍兴 无锡 合肥 宁波 绍兴 无锡 宁波 宁波
7 绍兴 上海 宁波 常州 绍兴 无锡 安庆 宁波 无锡 无锡
8 常州 台州 苏州 马鞍山 苏州 常州 台州 镇江 常州 镇江
9 南通 合肥 常州 合肥 常州 绍兴 湖州 嘉兴 绍兴 嘉兴
10 合肥 安庆 芜湖 舟山 马鞍山 镇江 上海 金华 嘉兴 常州
由表5可以看出，2004年上海的经济富裕度、生活便利度、安全保障度及综合标准层下宜居水平排名均居于第1位，而环境优美度排名却仅居第7位。3个省会城市中，杭州经济富裕度、安全保障度及综合标准层下宜居水平排名均位居第3位，环境优美度和生活便利度均排名第2位。南京环境优美度位列第1位，经济富裕度、生活便利度分别位列第5、第3，而安全保障度和综合标准层下宜居水平排名均居于第4位。合肥经济富裕度排名较低居于第10位，生活便利度排名居于第4位，环境优美度和安全保障度均居于第9位，综合标准层下宜居水平排名居于第6位。经济富裕度排名前十的城市还有宁波、无锡、苏州、绍兴、常州、南通等城市。其中，宁波市紧随市场经济的浪潮，乡镇企业遍布，同时，条件极为优越的宁波港与蓬勃发展的本土制造业相结合，使得宁波经济高速发展，甚至几度超越杭州、南京等省会城市。环境优美度排名前十的其他城市，如苏州、无锡、常州、舟山、上海、台州、安庆等，大多临江靠海，生态环境条件优越。而进入生活便利度和安全保障度前十名的其他城市，诸如苏州、宁波、无锡、常州等城市地理区位及社会经济发展条件均较优越，因而拥有较为完善的基础设施和安全保障。
同样，由表5可以看出，2017年上海的经济富裕度、生活便利度、安全保障度及综合标准层下宜居水平排名仍然位居第1位，但环境优美度排名下降至第10位。3个省会城市中，杭州除了生活便利度排名稍微下降，其他单一标准层下和综合标准层下宜居水平排名均有所提升。南京的环境优美度和生活便利度排名都有所下降，其他单一标准层下排名有所提升，而其综合标准层下排名仍然为第3位。合肥除在环境优美度排名有所下降，在经济富裕度、生活便利度、安全保障度及综合标准层下排名均有所提升。
各单一标准层中进入前十名的城市名单变化不大，但其位序发生了较大变化，如合肥的经济富裕度排名由2004年的第10位上升至2017年的第5位；常州的环境优美度排名由2004年的第5位跌出前10位；苏州的生活便利度排名由2004年的第8位上升至2017年的第3位。综合标准层下排名变化中，宁波排名变化最为明显，由2004年的第2名下降至2017年的第6位。

3 城市宜居水平时空演变影响因素分析

3.1 自然地理环境与区位

城市是人类与自然环境相结合的居民点，自然环境与地理区位好坏直接影响城市宜居水平。随着科学技术的进步，自然环境虽然不是影响城市宜居水平的决定因素，但城市所处环境的地形、地貌、河流、气候、土壤、绿地、资源禀赋等自然要素对宜居城市建设具有直接影响。
首先，地形和地貌条件影响城市交通运输和其他基础设施建设（图2）[25]。由图2可以看出，长三角城市群整体地形呈现出南高北低的变化态势，中北部地区以平原为主，路网较为密集，如上海、南京、杭州、合肥等区域中心城市地势平坦，拥有完善的交通网络体系，尤其是近年来高速铁路的快速发展使其空间可达性迅速提升，对城市宜居水平的提高具有明显的促作用。而西南和正南方向山地和丘陵分布较为广泛，如安庆、池州、宣城等城市路网相对稀疏，造成人们出行不便、活动受限等问题，进而导致城市宜居水平较低。其次，河流、气候、土壤也在一定程度上影响和制约城市的发展。长三角城市群位于中低纬度地区，属于亚热带季风气候，降水充沛，形成了以长江和钱塘江为主的高度发达的河网体系，河网密度更是高达4.8~6.7 km/km2，此外，受长江和钱塘江冲积作用，使得诸如上海、苏州、南京、杭州、绍兴等沿江城市土壤肥沃，农业发达，城市宜居水平居于城市群前列。再次，城市绿地系统能够吸收CO2，释放O2，对城市生态环境具有重要的调节作用。其中，南京人均绿化面积达48.4 m2，而上海人均绿化面积仅有17.9 m2，仅从城市绿化水平来看，南京人居适宜水平要高于上海。此外，资源禀赋对城市产业结构和经济发展也有重要影响。如上海、南京、苏州、杭州等城市旅游资源丰富，服务业发达，城市基础设施完善，宜居水平较高，而马鞍山、铜陵等城市分别依靠铁矿和铜矿带动了经济的迅速发展，但在产业结构调整、产能过剩以及矿产资源枯竭的背景下，这些城市经济发展活力相对较差，加之重工业发展对环境的破坏较大，城市宜居水平较低。此外，从城市地理区位来看，上海、苏州、南京、杭州、宁波等沿江沿海城市对外联系便利，利于城市经济发展和社会文化交流，宜居水平较高。而滁州、宣城、金华等城市群内陆边缘城市，经济发展水平相对落后，城市基础设施不完备，很大程度上拉低了城市宜居水平。因此，自然环境与地理区位是城市建设的基础，其好坏直接影响城市的发展，进而影响城市宜居水平的高低。
图2 长三角城市群地形、路网及城市可达性空间分布图

Fig.2 Terrain, road network and urban accessibility spatial distribution in the Yangtze River Delta urban agglomerations

3.2 社会经济

社会经济发展是宜居城市建设的物质基础和重要保证，经济水平的不断提高可以为社会保障、基础设施建设及环境保护与治理提供充足的资金，满足城市居民对物质乃至精神方面的需求，进而影响城市宜居水平的提升[26⇓⇓⇓-30]。因此，明确不同社会经济因素对城市宜居水平的影响程度及作用机理，对有针对性地提高长三角城市群城市宜居水平具有重要指导意义。本文以长三角城市群城市宜居水平综合得分为被解释变量，而解释变量的选取既要考虑能够代表影响城市宜居水平的4个维度，又要避免与前文指标相同而导致的回归结果的不合理。因此，本文选取人均市政设施维护建设投资额、年末居民储蓄存款余额、工业SO2排放量、人均住宅房地产开发投资额、人口密度等指标作为解释变量，以考察不同社会经济因素对城市宜居水平的作用程度[24]。

3.2.1 面板模型选择

常见的面板数据模型分为混合回归模型、固定效应模型和随机效应模型三种。选用面板数据模型时，需对其进行根据F检验和Hausman检验（表6）。由表6可以看出，F检验和Hausman检验统计值分别为228.7739和23.7367，其P值均小于0.01，因此确定建立固定效应模型。
表6 模型设定检验结果

Tab. 6 model setting test results

检验方法 原假设 统计量 P值 检验结论
F检验 混合模型 228.7739 0.0000 固定效应模型
Hausman检验 随机效应模型 23.7367 0.0002 固定效应模型

3.2.2 面板模型构建及结果分析

由于各指标数据差距较大，故对所有数据取对数以减小各项数据之间的差距，具体公式如下：
l n I i t = a 0 + a 1 l n J s , i t + a 2 l n K f , i t + a 3 l n Y e , i t + a 4 l n M d , i t + a 5 l n S O 2 , i t + u i + v i t
式中： i表示长三角城市群各城市； t表示研究年份； J s , i t表示 i城市 t年人均市政设施维护建设投资额； K f , i t表示 i城市 t年人均住宅房地产开发投资额； Y e , i t表示 i城市 t年年末居民储蓄存款余额； M d , i t表示 i城市 t年城市人口密度； S O 2 , i t表示 i城市 t年工业SO2排放量； u i表示不可观测的地区效应； v i t表示随机误差项； a 0表示研究单元共同的截距项； a 1 ~ a 5分别表示对应指标的回归系数。
运用Eviews7.0软件分别得出固定效应模型的整体估计量和系数估计结果（表7、表8）。由表7可以看出，F统计量值为77.5282，相应的p值<0.01，说明模型整体拟合情况较好，R2为0.7695，调整R2为0.7571，说明所选指标对长三角城市宜居水平综合指数具有较强的解释力。此外，从模型的回归系数显著性来看，各解释变量均通过了10%水平上的显著性检验。
表7 固定效应模型的整体估计量

Tab.7 Overall estimation of fixed effects model

F统计量 77.5282 R2 0.7695
P值 0.0000 调整R2 0.7571
表8 固定效应模型估计结果

Tab.8 Fixed effect model estimation results

变量 系数 标准误差 T统计量
C -3.8182*** 0.1309 -29.1688
lnJs 0.1040*** 0.0220 4.7272
lnKf 0.1321* 0.0750 1.7613
lnYe 0.1902** 0.0824 2.3083
lnMd 0.0331*** 0.0090 3.6778
lnSO2 -0.0165*** 0.0059 -2.7966

注：*、**、***分别表示0.1、0.05和0.01的显著性水平。

由表8可以看出，城市宜居水平综合得分与人均市政设施维护建设投资额、人均住宅房地产开发投资额、年末居民储蓄存款余额及人口密度成正比，而与SO2排放量成反比。其中：①人均市政设施维护建设投资水平每提升1%，城市宜居水平相应提升0.1040%。一般来说，城市基础设施功能越完善，居民生活越便利，城市宜居水平亦越高。②人均住宅房地产投资水平每提升1%，城市宜居水平相应提升0.1321%。通常住宅房地产开发投资越多，城市居民居住条件越好，城市宜居水平也相应更高。③年末居民储蓄存款余额水平每提升1%，城市宜居水平相应提升0.1902%。从上文分析可以看出，长三角城市群经济最发达的城市当属上海、苏州、杭州、南京，以及这些核心城市周边的无锡、宁波、嘉兴等城市，宜居水平较高。而安庆、盐城、宣城、滁州、台州等城市群边缘城市由于经济发展水平相对较低，宜居水平也较低。④人口密度水平每提升1%，城市宜居水平相应提升0.0331%。人口密度的高低能够反映某一地区适宜人类居住的优劣程度，通常来说，人口密度越大的地区，人类居住的适宜性越强。虽然长三角地区人口密度高于全国平均水平，但优越的自然本底和相对完善的基础设施，使其具有较高的吸引力和宜居水平。⑤工业SO2排放水平每上升1%，城市宜居水平相应下降0.0165%。长三角城市群拥有我国规模最大、产值最高、结构最完整的综合性工业基地，工业SO2排放量占全国比重一直较高，成为我国空气污染最严重的地区之一，是阻碍该地区城市宜居水平提升的重要原因。

4 结论与讨论

①从宜居水平时间演化来看，研究期内长三角城市群城市宜居水平发生了明显的位序变化，尤其是处于中低水平的城市宜居水平提升较快，各城市之间宜居水平差距在不断缩小。总的来看，城市宜居水平位序时间演变可以划分为平稳、上升和下降三种类型，分别占城市群城市总数的3.85%、50%和46.15%。
②从宜居水平空间演化来看，研究期内长三角城市群城市宜居水平地域差异十分明显，形成了以上海为核心，以沿江（长江、钱塘江）城市为轴带向南北两侧递减的空间分布格局。但中等宜居水平城市数量增长了30%，增幅最为明显，而其他等级宜居水平城市数量总体呈现不变或减少态势，城市宜居水平更加趋向于正态分布。此外，研究期内长三角城市群城市宜居水平的全局Moran's I指数均小于0.1，各城市宜居水平空间关联性较弱。
③从单一标准层来评价城市宜居水平的视角来看，研究期内长三角城市群城市宜居水平在各单一标准层下具有不同的优势。其中，上海、杭州、南京、苏州等省会城市或旅游资源丰富的城市经济最为发达，同时沿江沿海靠山的城市如嘉兴、舟山、绍兴、安庆、台州、湖州环境优美度均较高，
④从城市宜居水平影响因素来看，城市所处环境的地形、地貌、河流、气候、土壤、绿地、资源禀赋等自然要素及地理区位对城市宜居水平具有直接影响。社会经济也是影响城市宜居水平的重要因素，具体来看，人均市政维护建设投资额、人均住宅房地产开发投资额、年末居民储蓄存款余额及人口密度与城市宜居水平呈正相关，而工业SO2排放量与城市宜居水平呈负相关。
本文以长三角城市群为研究区，探讨了城市群城市宜居水平的时空演变特征及其空间分布差异，并从自然和社会经济两个视角对城市群城市宜居水平时空演化因素进行了分析，对长三角城市群宜居城市建设具有一定参考意义。但受限于数据的可获取性，本文关于城市宜居水平评价的指标体系尚存在一定不足之处，对其进行创新和完善将是笔者今后不断深入研究的方向。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
艾比尼泽∙霍华德. 明日的田园城市[M]. 北京: 商务印书馆, 2002.

[2]
日笠端. 都市规划(日文)[M]. 东京: 共立出版,1977.

[3]
谌丽, 张文忠, 李业锦. 大连居民的城市宜居性评价[J]. 地理学报, 2008(10): 1 022-1 032.

[4]
Salzano E. Seven aims for the livable city[C]. International making cities livable conferences. California: Gondolier Press,1977.

[5]
Knox P, Pinch S. Urban Social Geography:An Introduction[M]. Englewood: Prentice Hall, 2000.

[6]
Hannah Basland,Carolyn Whitman, Melanie Lowe, et al. Urban livability:Emerging lessons from Australia for exploring the potential for indicators to measure the social determinants of health[J]. Social Science & Medicine, 2014(111):64-73.

[7]
Bonaiuto M, Fornara F, Ariccio S. Perceived Residential Environment Quality Indicators (PREQIs) relevance for UN-HABITAT City Prosperity Index (CPI)[J]. Habitat International, 2015(45):53-63.

[8]
Sakamoto A, Fukui H. Development and application of a livable environment evaluation support system using Web GIS[J]. Journal of Geographical Systems, 2004, 6(2):175-195.

[9]
吴良镛. 人居环境科学导论[M]. 北京: 中国建筑工业出版社, 2001.

[10]
宁越敏, 查志强. 大都市人居环境评价和优化研究——以上海市为例[J]. 城市规划, 1999(6):14-19,63.

[11]
张文忠, 谌丽, 杨翌朝. 人居环境演变研究进展[J]. 地理科学进展, 2013, 32(5):710-721.

DOI

[12]
湛东升, 张文忠, 余建辉, 等. 基于客观评价的北京城市宜居性空间特征及机制[J]. 地域研究与开发, 2016, 35(4):68-73,98.

[13]
吴箐, 程金屏, 钟式玉, 等. 基于不同主体的城镇人居环境要素需求特征——以广州市新塘镇为例[J]. 地理研究, 2013, 32(2):307-316.

[14]
张延伟, 裴颖, 葛全胜. 基于BDI决策的居住空间宜居性分析——以大连沙河口区为例[J]. 地理研究, 2016, 35(12):2 227-2 237.

[15]
宋戈, 王盼盼. 松嫩高平原县域土地利用空间格局地形梯度特征分析——以巴彦县为例[J]. 地理科学, 2017, 37(8):1 218-1 225.

[16]
王玉明, 王瑞康. 城市化时期郊区土地利用结构信息熵上升的原因[J]. 地理学报, 2018, 73(9):1 647-1 657.

[17]
杨迪, 杨旭, 吴相利, 等. 东北地区能源消费碳排放时空演变特征及其驱动机制[J]. 环境科学学报, 2018, 38(11):4 554-4 565.

[18]
崔凤琪, 唐海萍, 张钦. 京津冀地区城市宜居性评价及影响因素分析:基于2010—2016年面板数据的实证研究[J]. 北京师范大学学报:自然科学版, 2018, 54(5):666-673.

[19]
张文忠. 宜居城市的内涵及评价指标体系探讨[J]. 城市规划学刊, 2007(3):30-34.

[20]
金星星, 叶士琳, 吴小影, 等. 海岛型城市人居环境质量评价——基于厦门市和平潭综合实验区的对比[J]. 生态学报, 2016, 36(12):3 678-3 686.

[21]
陈菁, 洪婉娜. 近17年粤东与闽南地区人居环境变化对比研究[J]. 经济地理, 2018, 38(7):84-89.

[22]
李雪铭, 晋培育. 中国城市人居环境质量特征与时空差异分析[J]. 地理科学, 2012, 32(5):521-529.

DOI

[23]
张文忠. 城市内部居住环境评价的指标体系和方法[J]. 地理科学, 2007(1):17-23.

[24]
贾占华, 谷国锋. 东北地区城市宜居性评价及影响因素分析——基于2007—2014年面板数据的实证研究[J]. 地理科学进展, 2017, 36(7):832-842.

[25]
王婷婷. 东北地区城市宜居性评价与时空演变研究[D]. 长春: 东北师范大学, 2014.

[26]
李雪铭, 田深圳, 杨俊, 等. 城市人居环境的失配度——以辽宁省14个市为例[J]. 地理研究, 2014, 33(4):687-697.

DOI

[27]
陈呈奕, 张文忠, 湛东升, 等. 环渤海地区城市人居环境质量评估及影响因素[J]. 地理科学进展, 2017, 36(12):1 562-1 570.

[28]
李航, 李雪铭, 田深圳, 等. 城市人居环境的时空分异特征及其机制研究——以辽宁省为例[J]. 地理研究, 2017, 36(7):1 323-1 338.

[29]
邹辉, 段学军. 长江经济带经济—环境协调发展格局及演变[J]. 地理科学, 2016, 36(9):1 408-1 417.

[30]
王玉娟, 杨山, 吴连霞. 多元主体视角下城市人居环境需求异质性研究——以昆山经济技术开发区为例[J]. 地理科学, 2018, 38(7):1 156-1 164.

Options
Outlines

/

〈 〉