EN中文

Economic geography >

2020 , Vol. 40 >Issue 3: 16 - 23

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.03.003

Pre-evaluation of the Role of Xiongan New District in the Low Carbon Synergy Development of Beijing-Tianjin-Hebei Urban Agglomeration

  • ZHANG Xuehua , 1 ,
  • XU Wenbo 1 ,
  • ZHANG Baoan 2
Expand
  • 1. Institute of Environmental Economics，Tiangong University，Tianjin 300387，China
  • 2. Hebei University of Environment Engineering，Qinhuangdao 006112，Hebei，China

Received date: 2019-06-26

  Revised date: 2020-01-21

  Online published: 2025-04-11

Fold

Abstract

Based on the development of Low Carbon economic connection intensity model and multi-source radiation effect superposition model,taking fractal dimension calculation and comparison and GIS spatial analysis as quantitative evaluation tools,the promotion effect of the establishment of Xiongan New District on the Low Carbon coordinated development of Beijing-Tianjin-Hebei urban agglomeration is evaluated by applying anti-reality research methods which suppose a scenario is that Xiongan New District has not been established. By comparing the Low Carbon economic radiation of Beijing-Tianjin-Hebei urban agglomeration under two different scenarios (with and without Xiongan New District) in 2018-2030,the following conclusions can be drawn: 1) If Xiongan New District is not established,the problem of gradient outage in Beijing-Tianjin-Hebei urban agglomeration will be aggravated; 2) The establishment of Xiongan New District can effectively promote the rapid growth of middle-level cities and solve the problem of gradient outage of urban agglomeration,which will improve the spatial distribution of Low Carbon economic linkages in the southwest and northeast of Beijing-Tianjin-Hebei urban agglomeration; 3) The establishment of Xiongan New District can effectively promote the fractal dimension of Low Carbon economic linkages in Beijing-Tianjin-Hebei urban agglomeration,and this promotion effect will become more and more significant after 2025,which is conducive to the overall Low Carbon coordinated development of urban agglomeration.

Key words： full carbon accounting; multi-source overlay; gradient break; fractal dimension; spatial distribution; System Dynamics Model; Beijing-Tianjin-Hebei urban agglomeration; low-carbon economic linkage strength

Cite this article

ZHANG Xuehua , XU Wenbo , ZHANG Baoan . Pre-evaluation of the Role of Xiongan New District in the Low Carbon Synergy Development of Beijing-Tianjin-Hebei Urban Agglomeration[J]. Economic geography, 2020 , 40(3) : 16 -23 . DOI: 10.15957/j.cnki.jjdl.2020.03.003

京津冀城市群是中国最具代表性的城市群之一，当前存在两个严重的梯度差问题——经济梯度差与资源环境梯度差，过大的梯度差导致城市群出现了梯度断档的不合理结构，降低了高梯度城市对低梯度城市的辐射效果。
经济梯度可以用经济密度来衡量，资源环境梯度可以用人口密度来衡量，上述两项指标越高，所处梯度也越高。京、津双城的经济密度是河北的6倍以上，由于河北的平均水平过低，致使京、津至河北的经济梯度出现了断档现象[1]。与此同时，京、津双城的人口密度是河北的2.6倍以上，过高的人口密度使得京、津双城的人均资源及环境容量明显不足，京、津与河北之间的资源环境梯度落差巨大。城市群协调发展要有“梯度”，但不能“断档”[1]，上述两个严重的梯度差，加剧了城市群内节点城市之间发展的不平衡，阻碍了城市群整体水平的提升。雄安新区的建立有利于解决上述问题，这种作用的正确评估可以为城市群合理规划及调整提供有力的科学支撑。
关于城市群的研究方兴未艾。城市群协同发展方面，孙铁山认为，城市群协同发展的问题在某种程度上就是如何处理好周边城市承接中心城市辐射的问题[2]；乔旭宁等认为，中心城市的辐射能力增强，梯度有序扩散，有助于弥补中心城市与周边城市的梯度差[3]。城市群能量传递效果表征方面，陈勇等认为，城市群的能量辐射传递归根到底是城市群规模分布的问题[4]；谈明洪等研究得出，分形理论可以解释城市规模的分布规律，分维值可作为反映城市规模分布优劣的重要参数[5]；仵宗卿等把分维值作为“均衡度”的判别指数，他认为均衡度指数越大，首位城市的辐射效果越好，有利于城市间的均衡发展[6]。许多学者的研究成果证实了这一结论[7⇓⇓⇓⇓-12]，这说明如果城市群的分维值提高，则意味着周边城市可以更好地承接中心城市的辐射，有助于解决城市群的断档问题，促进城市群的协同发展。因此，分维值可以作为判断哪一种城市群构成或发展策略更有利于城市群协同发展的重要参数。
环境问题的日益突出，使得城市群的研究逐步从经济系统向环境—经济复合系统拓展，关于城市群低碳发展的研究成果越来越丰富[13-14]，但目前的低碳测度主要集中于能源消耗碳排放[15-16]。而对于城市这一复杂系统，仅考虑能源消耗碳排放是不够的，还需要考虑废弃物排放和生物质资源消费的潜在碳排放（即碳环境容量占用）。土地总量是有限的，因此人类对食物的需求量越多，生产这些食物需要占用的土地就越多，用于高固碳植被生长的土地就越少[17]；与此同时，废弃物排放量越大，资源利用效率就越低，污染治理消耗就越多[18-19]。鉴于此，本文将低碳因素纳入城市间经济联系强度计算，以之为基础测算城市群的分维值，并以分维值作为城市群低碳协同效果的表征指标，评估雄安新区的建立所带来的京津冀城市群低碳经济联系强度空间分布的变化，及其对城市群低碳协同发展的影响。
分形理论与GIS技术的融合，可以更好地服务于城市群结构分析及综合规划[20]。因此本文同时应用GIS技术，更为直观地分析雄安新区的建立对京津冀城市群低碳经济联系强度空间分布的影响及其对低碳协同发展的作用。

1 京津冀城市群简介

京津冀城市群地处华北平原中北部，北靠燕山，东邻渤海，西倚太行，以平原地貌为主，属于温带季风气候和半湿润地区，地域面积21.6 km2，人口1.1亿，是北方经济规模最大、最具有活力的重要核心地带，以占全国2.3%的土地面积，承载了全国8%的人口，贡献了全国10%的GDP。
本文研究范围界定为京津冀城市群中的一核、双城、两翼、区域性中心城市和其它关键节点城市，具体包括北京和天津两个直辖市、河北省的11个节点城市（石家庄、唐山、保定、邯郸、张家口、承德、廊坊、秦皇岛、沧州、邢台和衡水）及最新建立的雄安新区。
为了直观分析雄安新区的作用，本文将雄安新区建立前后的京津冀城市群空间结构分别绘出。图1中左侧为京津冀城市群以“京—津”双源为辐射中心的辐射图，图1右侧为京津冀城市群以“京—津—雄”三源为辐射中心的辐射图。
图1 京津冀城市群辐射图

Fig.1 Radiation map of Beijing-Tianjin-Hebei urban agglomeration

由图1可知，雄安新区的建立填补了京津冀城市群中心地带（北京、天津、沧州和保定之间的空心）的空心，形成了两个内外镶嵌的正三角形，内层三角形由北京、天津和雄安构成，外层三角形由承德、保定和沧州构成，这种以外层三角形等边的中点为内层三角形端点的镶嵌结构与曼德拉所提出的空间分形基本结构完全一致。依据曼德拉的空间分形理论[21]，这种内外镶嵌的三角形构图是最佳的空间拓扑方式（即最佳的空间资源利用方式）。
从城市群外围结构看，雄安新区的建立同时弥补了北京和天津至邯郸、邢台、石家庄和衡水的辐射半径过长的问题，从而改善了中心城市对上述4个城市的能量辐射条件。
以上是根据城市节点的位置所进行的雄安新区建立效果的定性分析，下面运用分维值判断和GIS空间分析技术，量化评估雄安新区的建立对于城市群低碳协同发展的作用。这里所谓的低碳协同是指在低碳经济发展形态下，中心城市对周边城市低碳发展的辐射带动作用。

2 量化评估的理论分析框架

“低碳经济”作为一种经济形态，最早出现于2003年英国的能源白皮书当中《我们能源的未来：创建低碳经济》，是指在可持续发展理念的指导下，通过创新，减少高碳能源的消耗和温室气体的排放，实现经济社会发展与生态环境保护双赢的经济形态[22]。其中碳效率是低碳经济水平的表征指标。
为了将低碳因素纳入到城市间联系强度的计算，本文首先对传统的经济联系强度引力模型[8]加以改造，以单位碳排放人口支撑和单位碳排放GDP产出分别替代原模型中的人口和GDP，据此测算低碳经济联系强度。本文关于碳排放的核算除了考虑能源消耗碳排放，还考虑了生物质资源消耗和废弃排放的潜在碳排放，为了有别于以能源消耗碳排放为主的传统碳排放核算，将这种核算称之为全碳排核算[23]。在此阶段，本文基于历史数据和相关的城市规划，设置“京—津”双源辐射与“京—津—雄”三源辐射两种城市群发展情景，计算不同情景下城市群内各节点城市的低碳经济联系强度，其既是城市群分维值测算的基础，也是基于GIS的空间直观分析的基础。
然后，构建分形模型，计算城市群低碳经济联系强度的分维值，并通过分维值比较，量化评估雄安新区的建立对京津冀城市群低碳经济联系强度空间分布的影响，及其对城市群低碳协同发展的影响。本文所提到的“城市群低碳协同”主要指中心城市的低碳发展能力对周边低梯度城市的影响，这种影响通过低碳经济联系来实现。低碳经济联系强度空间分布越合理，周边城市接受中心城市低碳经济辐射的效果就越好，越有利于城市间均衡和城市群的低碳协同发展。参考已有研究成果[7⇓⇓⇓⇓-12]，本文建立如下基本评价准则：如果雄安新区的建立可以提高城市群的（低碳经济联系强度的）分维值，则表明雄安新区的建立能够使周边城市更好地承接中心城市低碳经济发展能力的辐射，有利于逐渐弥补城市群的断档问题，促进城市群低碳协同发展，而且分维值的提高幅度越大，促进成市群低碳协同发展作用越强；反之，则表明不能促进城市群的低碳协同发展。
最后，在分维值测算的基础上，在预测时段内选取典型年份，利用GIS技术，将不同情景下京津冀城市群低碳经济联系强度予以空间展现，比较不同情景下的空间分布的差异，据此判断雄安新区的建立对城市群低碳经济联系强度空间分布合理性的影响，及其对城市群低碳协同发展的作用。

3 模型构建

3.1 “全碳排”核算模型构建

“全碳排”核算是以能量分析理论和能量转化定律为基础[24]，将能源消耗直接碳排放、废弃物排放潜在碳耗用和生物质资源消费潜在碳耗用纳入“全碳排”核算账户，把不同种类的物质进行归一化处理，都折算为CO2排放量，以之表征环境污染对城市群绿色低碳发展及其联系强度的影响。本文将CO2排放账户划分为直接CO2排放和潜在CO2耗用两个子账户，综合考虑不同子项对“全碳排”的贡献及数据的可获取性，又将两个子账户划分为如图2所示的若干个亚子账户[23]。
图2 “全碳排”核算账户

Fig.2 Analysis of the full carbon accounting account

按照图2构建的账户，进行“全碳排”核算。其中，能源消耗产生的直接CO2排放量采用传统的能量消耗碳排放折算系数法[25]；废弃物排放和生物质资源消费所产生的潜在的CO2排放量（从CO2环境容量占用的角度思考）采用实际排放或消耗数量折算成能量、再折算成能值、再乘以CO2当量系数的方法加以计算。具体计算公式如下：
T C O 2 = T C O 2 e + T C O 2 w + T C O 2 b = ∑ k = 1 11 C O 2 e k + ∑ n = 1 4 C O 2 w n + ∑ m = 1 11 C O 2 b m = ∑ k = 1 11 V k · λ k + ∑ n = 1 4 P n · α n · β n γ · 0.8856 3600000 + ∑ m = 1 11 U m · α m · β m γ · 0.8856 3600000
式中： T C O 2为某一城市的全部的CO2排放量，简称“全碳排”； T C O 2 e为能源消耗直接的CO2排放； T C O 2 w为废弃物排放的潜在的CO2排放； T C O 2 b为生物质资源消费的潜在的CO2排放；k为能源消耗种类；n为废弃物排放种类；m为生物质资源消耗种类；V为能源消耗量； λ为能源消耗的CO2排放系数；P为废弃物排放量；U 为生物质资源消耗量； α为废弃物或生物质资源的能量折算系数；β 为废弃物或生物质资源的能值转换率；γ为电的能值转化率[23]，1 kWh=3 600 000J，每千瓦时供电排放0.8856 kgCO2[26]。

3.2 低碳经济联系强度引力模型构建

面对“低碳经济”这样一种新的经济形态，本文以引力模型为基础，将传统经济联系强度引力模型与“全碳排”模型相结合，以单位CO2排放人口支撑、GDP产出和道路面积来衡量社会的经济水平和辐射能量，构建低碳经济联系强度引力模型如下：
R i j = P i T C O 2 i · G i T C O 2 i · S i T C O 2 i 3 D i j · P j T C O 2 j · G j T C O 2 j · S j T C O 2 j 3 D i j · M 1 · M 2 · M 3
式中：i、j分别代表中心城市和受辐射城市； R i j为城市i对城市j的低碳经济联系强度；P、G、S和 T C O 2分别为相对应城市的人口规模、地区生产总值、城市道路面积和年CO2排放总量；Dij为i、j城市之间的交通距离；M1为人力自然资源条件的调节系数（受城市就业密度、接受高等教育人口比例（该市常住人口中6岁以上大学本科人数占比）、自然增长率和城镇化水平等因素的影响）；M2为经济资源条件的调节系数（受城市的人均GDP、经济密度和人均固定资产投资等因素的影响）；M3为自然资源条件的调节系数（受每平方公里人口数、人均生活用水量和城市人均绿地面积等因素的影响）。上述调节系数，依据各节点城市的相关数据，采用区位熵法计算而得。
在以单个城市为中心的单中心源低碳经济联系强度测算的基础上，本文将物理学的多源压力叠加原理[27]引入多中心源城市群的联系强度评估，分别进行双源（京、津两个辐射中心）和三源（京、津、雄三个辐射中心）的低碳经济联系强度测算，公式如下：
R j = 10 · l g 10 0.1 R i 1 j + 10 0.1 R i 2 j + 10 0.1 R i 3 j
式中： R j表示受辐射城市j接受双源或三源辐射叠加后的低碳经济联系强度； R i 1 j、 R i 2 j、 R i 3 j分别表示北京、天津和雄安对于城市j的低碳经济联系强度（双源叠加时， R i 3 j不计入）。

3.3 分形模型构建及分维值测度

假设城市群内城市间的低碳经济联系强度主要表现为高梯度城市（中心城市）对周围低梯度城市的能量辐射和梯度推移，则其等级分布的公式可表示为：
K ∝ R K - D
式中：K为城市数目；R为低碳经济联系强度；D为分维数，对公式（4）两边取对数可得：
l n R K = A - 1 D l n k
式中：k为节点城市低碳经济联系强度排位序列数；A为待定常数。

3.4 基于GIS的城市群低碳经济联系强度合理性分析

本文将GIS技术应用于城市群低碳经济联系强度的可视化分析，用以直观地展现各节点城市所接收到的低碳经济联系强度的辐射情况，并应用区域经济梯度理论和物理学能量传递原理[28]进行城市群低碳经济辐射效果分析。
能量传递理论指出[29]，随着时间的推移，能量辐射逐渐通过多层次的城市系统从高梯度地区向低梯度地区转移，辐射的结果是随着能量的传递逐渐缩小不同梯度之间的能量差。依照上述理论，结合区域梯度原理[30]可知，当城市群内高梯度城市与低梯度城市之间能量差异过小时，其能量落差不显著，因此不利于高梯度向低梯度进行能量传递[12]；与此同时，当城市群内高梯度城市与低梯度城市之间落差过大时，由于缺乏承接条件，低梯度城市也无法很好地承接高梯度城市的辐射。由上可知，城市群低碳经济联系强度呈现圈层明显、梯度有序的分布是一种理想的模式，本文以其为判别标准进行低碳经济联系强度分布的GIS图的合理度解译。

4 不同情景下的京津冀城市群低碳经济联系合理性评估

4.1 数据来源

本文的数据涵盖研究范围内各城市的经济发展状况、社会发展状况、环境质量和资源利用情况等相关指标，数据主要来源于2007—2018年中国统计年鉴和相关城市的统计年鉴、中国能源统计年鉴和相关城市的能源统计年鉴以及中国环境统计年鉴，部分数据来源于同花顺iFind。

4.2 情景设置与相关数据的预测

4.2.1 情景设置

情景分析是以某现象或者趋势会持续到未来为基本假设，对事物在某种条件或安排下可能出现的后果加以预测[31]，从而帮助人们更为理性地选择理想的策略或方案。情景分析法目前已较为广泛地应用于城市群未来发展态势研究[32]、城市群发展特性及可能性研究[33]和城市群发展路径研究[34]等方面。
基于情景分析的基本原理，本文设置“京—津”双源辐射与“京—津—雄”三源辐射两种情景，进行不同排情景下的城市群低碳发展情况分析。其中，“京—津”双源辐射情景的设置采用的是反现实假设方法，目的是通过对有雄安新区和没有雄安新区两种情景评估结果的比较，判断雄安的建立对京津冀城市群低碳协同发展的作用，评价标准如本文理论分析框架部分所述。两种情形设置如下：
情景1：以“京—津”双源为中心的惯性发展。以京津冀城市群2006—2017年的历史数据为基础，结合相关的规划，预测2018—2030年京津冀城市群中各节点城市的全碳排量及相关指标；
情景2：以“京—津—雄”三源为中心的低碳发展。运行数据同情景1，不同之处在于将雄安新区列为第三个辐射源。由于雄安当前的体量比较小，城市规划建设尚处于起步阶段，为了较为有效地评估雄安新区作为辐射中心源之一的作用，本文采用最底线假设法，依据《河北雄安新区总体规划（2018—2035年）》中的“坚持绿色低碳循环发展，推广绿色低碳的生产生活方式和城市建设运营模式，建设绿色低碳之城”的文件精神，假设雄安新区具有与北京相同的低碳水平（即单位CO2排放人口支撑、单位CO2GDP产出和单位CO2道路面积都与北京相同），同时以规划中的低碳模式为未来的发展方式。在北京和天津的城市发展规划中都明确提出对标雄安，为此本文假设北京和天津两个中心源低碳水平与雄安新区同步提升。

4.2.2 相关基础数据的预测

由公式（2）可知，城市群低碳经济联系强度的情景分析需要以各节点城市未来的人口、经济、基础设施建设情况和资源环境数据为基础。面对城市环境—经济这一复合系统，考虑其要素多、层次多、反馈关系复杂等特性，本文采用系统动力学方法，通过构建系统动态仿真（System Dynamics，SD）模型进行上述相关数据的预测[23]。
京津冀城市群各节点城市的环境—经济复杂系统构成具有一定的相似性，所不同的是各状态变量的初始值、速率及辅助变量的值和系统发展的资源环境约束条件。以上述认识为基础，在京津冀城市群各节点城市环境—经济复杂系统结构及特征分析的基础上，首先构建具有一定通适结构的城市环境—经济复杂系统动力学流图（图3）。
图3 京津冀城市群各节点城市SD流图

Fig.3 The flow chart of System Dynamic of each spot of Beijing-Tianjin-Hebei urban agglomeration

然后，依据图3中系统内各要素间的反馈关系，编写规范的系统动力学方程，各节点城市的参数变量值分别通过对其近12年的数据回归而得[23]。

4.3 分维值计算与结果分析

首先，依据SD模型计算结果，利用公式（2）和（3）预测京津冀城市群各节点城市2018—2030年不同时点的低碳经济联系强度；然后，依据公式（5）分别计算两种不同情景下2018—2030年京津冀城市群低碳经济联系强度分维值，结果如图4所示。
图4 2018—2030年京津冀城市群低碳经济联系强度分维值

Fig.4 Fractal dimension of low carbon economy linkages strength of Beijing-Tianjin-Hebei urban agglomeration in 2018-2030

由图4可知：
①2018—2025年，京津冀城市群的低碳经济联系强度的分维值在情景1和情景2都表现为下降趋势，这表明辐射效果有所降低，梯度断档情况加剧；2025—2030年，情景1的分维值继续下降，而情景2的分维值表现出了上升趋势，这表明雄安新区的建立有助于弥补京津冀城市群梯度断档问题，可以促进城市群整体水平由高至低辐射效率的提高。
②依据图4，经计算可得，情景2的分维值在2018年比情景1提高20%，在2025年比情景1提高6%，在2030年比情景1提高14%。上述说明“京—津—雄”三源辐射效果优于“京—津”双源辐射，即雄安新区作为一个新的辐射源，对京津冀城市群低碳协同发展的促进作用显著，而且这种促进作用虽然在城市群结构改变的初期经历了由高到低的阶段，但随着时间的推移不断上升。

4.4 基于GIS的低碳经济联系强度空间分布分析

通过分维值计算的结果分析可知，情景2的分维值自2025年发生了由低至高的分异现象，故本文选取预测初始年（2018年）、预测水平年（2030年）和分维值分异年（2025年）作为代表性截面，采用GIS技术，对两种情景下的各节点城市所接受到的低碳经济联系强度予以空间展现，如图5所示。
图5 2018、2025和2030年京津冀城市群低碳经济联系强度空间分布

注：1.图中蓝色圈划定城市为辐射中心，其周边城市接受到的低碳经济联系强度（即辐射强度）被划分为四个等级，并以不同颜色描绘。其中0~50以黄色显示，为梯度最低的第4等级；50~450以橙色显示，为梯度较低的第3等级；450~1 450以橙红色显示，为梯度较高的第2等级；1 450以上红色显示，为梯度最高的第1等级。2.图中上排对应“京—津”双源辐射的情景1，下排对应“京—津—雄”三源辐射的情景2。

Fig.5 Spatial distribution of low carbon economy linkages strength in Beijing-Tianjin-Hebei urban agglomeration in 2018，2025 and 2030

观察图5可以得出如下结论：雄安新区的建立，可以显著弥补京津冀城市群西南部和东北部低碳经济联系强度梯度断档问题，而且这种作用随着时间的推移越来越显著。
具体而言：由2018年两种情景（上、下两个截面）的比较可知，雄安新区的建立降低了北京至保定低碳经济辐射所需要跨越的层级，说明雄安新区对于保定市更好地接受中心城市的低碳经济辐射能量作用显著，从这一角度看，梯度理论与分维值的解释具有一致性。由2025年两种情景的比较可知，雄安新区的建立使得保定市在三源辐射的作用下可以迅速成长为第二等级城市，并将中心城市的辐射能量向石家庄市有序传递，从而能够有效弥补“京—津”双源辐射情景下北京、保定、石家庄和沧州之间圈层模糊和能量传递断档的问题；对照图4可知，情景2的分维值走势较情景1呈现明显改善之势。由2030年两种情景的比较可知，雄安新区的建立使得石家庄市和衡水市的能量接收能力有所改善，迅速成长为第二等级城市。除此之外，承德市在三个中心源的辐射带动作用下也迅速成长，从而北京、天津至承德之间的梯度断档和越级能量传递情况得以改善，北京、天津、唐山和承德之间形成了有序的圈层结构，此时，除了北京、保定至张家口之间仍然存在断档问题，京津冀城市群完美的金字塔形能量辐射结构已基本形成；对照图4可知，情景2的分维值比情景1的分维值高出14%，同样印证了辐射效果明显改善的结论。

5 研究结论

①如果不建立雄安新区，京津冀城市群低碳经济联系强度梯度断档问题将会越来越严重，不利于中心城市对周边低梯度城市进行低碳经济辐射和城市群整体水平的提升。
②雄安新区作为一个新的辐射源，对促进京津冀城市群低碳协同发展作用显著。分维值测评及比较结果显示，雄安新区的建立有利于解决京津冀城市群低碳经济联系强度梯度断档问题，而且这种作用在2025年之后会随着时间的推移逐步上升。
③如何将张家口的资源环境优势转化为经济优势是未来应着力解决的重点问题。GIS空间分析结果显示，到2030年，京津冀城市群梯度有序的低碳经济联系强度空间结构已基本形成，但在张家口与保定之间及张家口与北京之间还存在着较为严重的梯度断档问题（三级梯度跳跃）。这意味着张家口承接中心城市的低碳经济辐射情况仍不理想。因此，如何将张家口的资源环境优势转化为经济优势是未来应着力解决的重点问题。
④基于GIS的低碳经济联系强度空间分析结论与分维值分析结论一致，但二者各具优势。GIS空间分析不仅可以进行低碳经济联系强度空间分布情景其及改善效果分析，还可以通过分析找出空间分布得以改善的原因及尚存的问题，从而为因势利导地制定城市群发展战略提供科学依据；分维值的计算及分析，可以从整体上量化评估城市群低碳经济联系强度空间分布的合理性改善程度，并通过对不同情景发展结果的分析与比较，为城市群整体发展策略的优选提供科学依据。因此，GIS空间分析技术与分形及分维值测评相结合，可以更好地服务于城市群发展效果预评估。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
谢孟欢. 仇保兴: 城市群协调发展要有“梯度”, 不能“断档”[EB/OL]. 每经网, http://www.nbd.com.cn/articles/2017-06-01/1240941.html,2018-08-01.

[2]
孙铁山. 中国三大城市群集聚空间结构演化与地区经济增长[J]. 经济地理, 2016, 36(5):63-70.

[3]
乔旭宁, 杨德刚, 毛汉英, 等. 基于经济联系强度的乌鲁木齐都市圈空间结构研究[J]. 地理科学进展, 2007, 26(6):86-95.

[4]
陈勇, 陈嵘, 艾南山, 等. 城市规模分布的分形研究[J]. 经济地理, 2015, 35(3):48-53.

[5]
谈明洪, 范存会. Zipf维数和城市规模分布的分维值的关系探讨[J]. 地理研究, 2004, 23(2):243-248.

[6]
仵宗卿, 戴学珍, 杨吾扬. 帕雷托公式重构及其与城市体系演化[J]. 人文地理, 2000, 15(1):15-19.

[7]
Tannier C, Thomas I. Defining and characterizing urban bound aries:A fractal analysis of theoretical cities and Belgian cities[J]. Computers Environment & Urban Systems, 2013, 41(9):234-248.

[8]
Pierre Frankhauser. European cities-insights on outskirts[J]. Re- port Cost Action, 2004, 10(11):79-105.

[9]
陈彦光. 城市形态的分维估算与分形判定[J]. 地理科学进展, 2017, 36(5):529-539.

[10]
Chen Y. Derivation of the functional relations between fractal dimension of and shape indices of urban form[J]. Computers Environment & Urban Systems, 2011, 35(6):442-451.

[11]
Chen Yanguang, Huang Linshan. Modeling growth curve of fractal dimension of urban form of Beijing[J]. Physica A-Statistical Mechanics and its Applications, 2019, 523(1):1038-1056.

[12]
关燕宁, 郭杉, 刘旭颖, 等. 基于遥感信息的城市地表能量空间分布及特征研究——以国际宜居城市为例[J]. 地球信息科学学报, 2014, 16(5):806-814.

[13]
唐娅娇, 谭丹. 长株潭城市群推进低碳城镇化的思考[J]. 经济地理, 2011, 31(5):770-772.

[14]
刘细良, 秦婷婷. 低碳经济视角下的长株潭城市群交通系统优化研究[J]. 经济地理, 2010, 30(7):1124-1 128.

[15]
Zhang X P, Cheng X M. Energy consumption,carbon emis- sions,and economic growth in China[J]. Ecological Economics, 2009, 68(10):2706-2 712.

[16]
Oladokun M G, Odesola I A. Household energy consumption and carbon emissions for sustainable cities-A critical review of modelling approaches[J]. International Journal of Sustainable Built Environment, 2015, 4(2):231-247.

[17]
Timothy D, Searchinger, Stefan Wirsenius, et al. Assessing the efficiency of changes in land use for mitigating climate change[J]. Nature, 2018, 564(7735):249-264.

[18]
Walmsley M R W, Walmsley T G, Atkins M J, et al. Carbon Emissions Pinch Analysis for emissions reductions in the New Zealand transport sector through to 2050[J]. Energy, 2015, 92(2):569-576.

[19]
Lu Sun, Minoru Fuji, Tomohiro Tasaki, et al. Improving waste to energy rate by promoting an integrated municipal solid-waste management system[J]. Resources,Conservation and Recycling, 2018, 136(9):289-296.

[20]
丁俊, 王开泳. 珠三角城市群工业生产空间的时空演化及驱动机制[J]. 地理研究, 2018, 37(1):53-66.

[21]
Benoit B Mandelbrot. The fractal geometry of nature[M]. W. H. Freeman and Company,1982:173-176.

[22]
J Shimada K, Tanaka Y, Gomi K, et al. Developing a long- term local society design methodology towards a low-carbon economy-An application to Shiga Prefecture in Japan[J]. Energy Policy, 2007, 35(9):4688-4 703.

[23]
张雪花, 张宏伟, 张宝安. “全碳效率”测度与生态经济评价 (第一版)[M]. 北京: 中国环境出版社, 2015.

[24]
Hammond G P, Norman J B. Decomposition analysis of ener- gy-related carbon emissions from UK manufacturing[J]. Energy, 2012, 41(1):220-227.

[25]
王少剑, 苏泳娴, 赵亚博. 中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素[J]. 地理学报, 2018, 73(3):414-428.

[26]
Odum H T, Odum E P. Trophic structure and productivity of a windward coral reef community on Eniwetok Atoll[J]. Ecological Monographs, 1955, 25(3):291-320.

[27]
张雪花, 郝彪, 张宝安. 基于GIS的城市绿化生态服务量及其均等化评价[J]. 生态环境学报, 2017, 26(4):547-552.

[28]
耿虹, 时二鹏, 王立舟, 等. 基于GIS-DEA的大城市周边小城镇发展效率评价——以武汉为例[J]. 经济地理, 2018, 38(10):72-79.

[29]
Leiva B, Ramirez O, Schramski J R. A framework to consider energy transfers within growth theory[J]. Energy, 2019, 178(4):624-630.

[30]
刘帅, 李胜功, 于贵瑞, 等. 不同降水梯度下草地生态系统地表能量交换[J]. 生态学报, 2010, 30(3):557-567.

[31]
Mirjat N H, Uqaili M A, Harijan K, et al. Long-term electricity demand forecast and supply side scenarios for Pakistan (2015-2050)-A LEAP model application for policy analysis[J]. Energy,2018, 165(part B):512-526.

[32]
Zhang D, Huang Q, He C, et al. Planning urban landscape to maintain key ecosystem services in a rapidly urbanizing area-a scenario analysis in the Beijing-Tianjin-Hebei urban agglomeration,China[J]. Ecological Indicators, 2019, 96(1):559-571.

[33]
黄金川, 林浩曦. 京津冀城市群多情景空间演化模拟[J]. 地理研究, 2017, 36(3):506-517.

[34]
Gao X, Xu Z, Niu F, An evaluation of China’s urban ag- glomeration development from the spatial perspective[J]. Spatial Statistics, 2017, 21(part B):475-491.

Options
Outlines

/

〈 〉