EN中文

Economic geography >

2019 , Vol. 39 >Issue 11: 33 - 40

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.11.005

Spatial-Temporal Pattern and Evolution of Port System along the 21st-Century Maritime Silk Road

  • ZHANG Xinfang ,
  • LYU Jing , ※
Expand
  • College of Transportation Engineering，Dalian Maritime University，Dalian 116026，Liaoning，China

Received date: 2019-04-14

  Revised date: 2019-09-30

  Online published: 2025-04-17

Fold

Abstract

To reveal the evolution characteristics of the spatial distribution pattern of ports along the 21st-Century Maritime Silk Road(MSR), this paper describes them from time and space perspectives based on the methods of spatial autocorrelation and temporal-spatial correlation dimension, which provides theoretical support for clarifying the investment environment planning, layout of ports and the construction of the MSR. The results show that: 1) The distribution pattern of port system along the MSR has certain spatial correlation, the difference of container throughput is gradually narrowing. The spatial pattern of port container throughput presents the characteristics of marginalization and the phenomenon of club-convergence. The centre of gravity of port system has gradually shifted from Europe to Asia, especially to East and Southeast Asia. 2) The correlation between port clusters based on spatial and temporal distances is gradually enhanced, the temporal correlation is more obvious and the evolution process is more complex. The spatial-temporal correlation levels among port clusters are not completely consistent with the "distance attenuation law". 3) Overall, there is a hierarchical distribution pattern in the port system, and there are multiple hubs in some port clusters. The connection between port clusters along the MSR shows the networking tendency.

Key words： 21st-Century Maritime Silk Road (MSR); port system; container throughput; hub port; sea shipping network; port clusters; spatial autocorrelation

Cite this article

ZHANG Xinfang , LYU Jing . Spatial-Temporal Pattern and Evolution of Port System along the 21st-Century Maritime Silk Road[J]. Economic geography, 2019 , 39(11) : 33 -40 . DOI: 10.15957/j.cnki.jjdl.2019.11.005

21世纪海上丝绸之路（21st-Century Maritime Silk Road，MSR）倡议，为我国与沿线国家和地区的互联互通和经济合作带来了新机遇，港口作为国际贸易的航运枢纽和海上货物运输的关键节点，在区域和全球经济发展中扮演着重要角色。MSR沿线港口合作关系的建立、投资港口的选择是目前各地区政府和港航企业需要解决的重要问题，研究MSR沿线港口的空间分布格局、关联特征及其演化过程对揭示港口的发展规律、明确港口投资的经济环境、合理规划港口布局及完善MSR建设具有重要意义。
目前，对港口空间分布格局及其演化的研究，是港口地理学、空间经济学等多学科交叉的热门研究领域。早期对港口演化的研究主要集中在港口的演化模式、形成机制和发展过程等定性的分析和讨论，如“边缘港口挑战”[1]和港口演变的生命周期模式[2]等理论；随后学者从港口与外界的关系，如港口间竞争与合作、港口与腹地的关系及港口区域经济等角度对港口的分布格局及集散形态等进行定量研究，采用方法主要有HHI指数、基尼系数、区位商和偏离—份额分析[3⇓⇓-6]等。上述研究大多没有考虑港口的空间属性，即港口与地理位置邻近的港口在空间上的相互作用和影响。随着近年来空间计量经济学和地理信息系统（GIS）空间分析技术的发展，学者不断将空间分析方法引入到港口分布格局、空间集散和关联的研究中，尤其研究不同地理位置及其发展存在差异的多个港口时，港口的空间相关性（或依赖性）和空间异质性等特征被越来越多地考虑。一些研究采用Moran's I指数、局部莫兰指数、空间自回归模型（SAR）和探索性空间数据分析（ESDA）等方法，研究港口的货流集中度、港口集散形态、港口竞争与互补的空间差异和港口空间结构及演化过程[7⇓⇓-10]等。
自MSR倡议提出后，学者对其涉及的诸多领域进行了广泛研究，有关MSR沿线港口的研究主要有四类：第一类是基于港口的功能和发展模式的视角，探讨并构建MSR港口间的合作机制[11-12]；第二类是通过综合选取港口发展的多项指标，采用大数据方法分析MSR港口的区位优势度和综合竞争力[13⇓-15]；第三类是从港口产业和港口城市的视角分析MSR港口的功能，如港口的空间结构、职能结构、临港产业与港口发展的互动关系[16-17]；第四类从空间作用视角基于航运网络采用复杂网络与重力模型等分析MSR港口发展影响因素[18]；其他对MSR沿线港口的研究包括港口体系优化和枢纽港选择[19-20]等。目前，对MSR沿线港口的空间分布格局及空间关联演变的研究涉及较少，已有研究主要包括MSR港口网络的关联性、临港产业对港口结构的影响[21]，基于生态种群演化理论的港口演化态势[22]，MSR港口的空间分布特征和集散趋势[23-24]等。
综上，目前对MSR港口的空间格局及演变特征的研究相对较少，且从港口体系空间相关性和关联性的角度分析港口的时空格局演变仍未有涉及，鉴于此，本文从以下两个方面进行分析：①借助空间地理计量方法分析MSR沿线港口体系长时间序列下空间分布格局、集散特征及区域港口的集聚差异和空间相关性；②从港口间距离对港口关联性影响程度的视角，按港口地理位置将MSR沿线港口划分为8个港口群，探讨其在时间和空间上的关联程度。因此，本文运用全局和局部空间自相关及改进的时空关联维数等方法，分析MSR沿线港口2000—2017年的空间分布格局及演变特征。

1 研究方法、区域及数据来源

1.1 研究方法

1.1.1 探索性空间数据分析

探索性空间数据分析（Exploratory Spatial Data Analysis，ESDA）揭示研究对象的空间分布格局、集散特征及空间相关性关系，主要有全局和局部空间自相关两种指标[25]。
本文选取最常用的Global Moran's I指数分析MSR沿线港口体系集装箱吞吐量的演变特征，选取Local Moran’s I指数（LISA集聚图）和Moran散点图分析港口的局部相关性特征。

1.1.2 空间关联维数

关联维数可以揭示研究个体之间的关联性随距离变化的规律，反映体系结构的关联程度。本文采用关联维数测量港群间的空间作用和空间联系。由于港群的布局为二维空间，其空间关联函数的形式如下：
C k = ∑ i = 1 N ∑ j = 1 N H k - d i j / N 2 = N k / N 2
式中： N为研究区域内个体数量； k为指定距离标度； d i j为个体 i , j间欧氏距离； N k为距离标度 k下的个体数量； H ( ⋅ )为Heaviside阶跃函数， H k - d i j定义如下：
H k - d i j = 1 , d i j ≤ k 0 , d i j k
若港群的空间分布具有分形结构，则应有标度不变性，即： C k ∝ k D， D即为空间关联维数。为便于计算，假设 C k = A × k D，两边同时取对数得 l n C ( k ) = D l n k + l n A， A为常数。通过计算可得双对数散点图 l n k , l n C k，并进行拟合（或分段拟合），斜率即为 D。一般情况下， D ∈ 0,2，当 D → 0时，个体空间联系紧密，竞争激烈，体系对空间的占据能力强；当 D → 2时，个体空间联系较弱，布局相对均匀，竞争较弱，对空间的占据能力低；当 D → 1时，个体分布于一条光滑的曲线上。
不同港口集装箱吞吐量规模差异较大，通过引入集装箱吞吐量权重改进港口间的空间距离，测算港口间的空间联系；港口间集装箱运输主要是海上运输，船舶行驶的线路为海上航线，港口间的距离为海运距离，通过对航行时间引入集装箱吞吐量权重，可得时间距离，测算港口间的时间联系。集装箱吞吐量权重形式如下：
λ i j = T i + T j / ∑ i = 1 n T i
式中： λ i j为港口i、j的集装箱吞吐量之和占港群的权重； T i、 T j为港口i、j的集装箱吞吐量。改进后的空间距离 d i j ' = λ i j d i j，空间关联函数为：
C d = ∑ i = 1 N ∑ j = 1 N H d - d i j ' / N 2 = N d / N 2
式中： d为指定距离标度，其他变量含义同上。改进后的时间距离 t i j ' = λ i j t i j，时间关联函数为：
C t = ∑ i = 1 N ∑ j = 1 N H t - t i j ' / N 2 = N t / N 2
式中： t为指定时间标度；其他变量含义不变。

1.2 研究区域及数据来源

21世纪海上丝绸之路以中国东南沿海为起点，途经日韩、东南亚、印度洋、东非、地中海至欧洲。因此，MSR的空间范围主要包括中国沿海、东亚、东南亚、南亚、海湾地区、东非、西亚北非、地中海沿岸、西北欧等。由于全球集装箱吞吐量前100名的港口超过65个分布在该区域，且吞吐量超过全球总量的2/3，因此，对该区域港口研究具有重要经济意义。本文根据MSR途经国家和地区及港口地理分布特征，确定研究范围和港口选择（图1）。
图1 MSR沿线港口空间分布

Fig.1 Distribution pattern of ports along the MSR

本文基础数据为港口集装箱吞吐量，起始采集时间为进入21世纪后港航业快速发展的2000年，数据来源于Clarksons Shipping数据库、航运机构Alphaliner、英国LIoyd’s List、国际集装箱年鉴及各国港务局网站等；其他数据包括港口经纬度及港口间海运距离等来源于国际海事组织的Global Integrated Shipping Information System，BLM-Shipping航运软件、MarineCircle软件等。

2 港口空间格局演变特征

2.1 全局空间相关性

为揭示MSR沿线港口空间格局的整体演变趋势，运用ArcGIS对港口体系分布图像矢量化处理和赋属性值，运用GeoDa软件做全局空间相关性分析，结果见表1。
表1 MSR沿线港口体系的Global Moran's I指数

Tab.1 The Global Moran's I of port system along the MSR

年份 Moran’s I P值 年份 Moran’s I P值
2000 0.343 0.001*** 2009 0.185 0.021**
2001 0.377 0.001*** 2010 0.189 0.017**
2002 0.379 0.001*** 2011 0.188 0.018**
2003 0.346 0.002*** 2012 0.180 0.020**
2004 0.322 0.002*** 2013 0.168 0.023**
2005 0.272 0.008*** 2014 0.154 0.034**
2006 0.243 0.011** 2015 0.149 0.035**
2007 0.216 0.015** 2016 0.145 0.040**
2008 0.190 0.019** 2017 0.143 0.041**

注：**、***分别表示通过5%、1%水平的显著性检验。

由表1可知，MSR沿线港口体系分布格局具有一定的空间正相关性。整体看：在2000—2017年全局Moran’s I指数介于0.143~0.379之间，且所有年份均通过5%水平下显著性检验，表明沿线港口的空间特征具有一定的正相关性，但相关性相对较弱，即港口集装箱吞吐量分布总体的集聚特征并不明显，由于MSR沿线线路较长，港口地理分布近似半圆弧型，难以形成片状的分布特征，且沿线各地区经济水平、货物供需量等均不相同，集装箱吞吐量差异较大，因此，港口间的空间相关性总体呈现较弱的态势。从Moran’s I值的变化趋势看：可分为两个时期，2000—2004年先上升后下降，波动较大，说明前期港口的空间差异和集散态势变化不显著；2005—2017年基本呈平稳的缓慢下降趋势，说明港口的集聚程度减慢，总体上空间差异缩小。初期集装箱吞吐量主要集中在少数大型港口，如新加坡、鹿特丹和香港等，随着全球港航业的发展，沿线部分地区中小型港口迅速发展，吞吐量增速较快，如厦门、塞得港、科伦坡等，2000—2017年集装箱吞吐量年增长率分别为52.1%、30.6%和15.6%，与大型港口差距逐渐减小，因此MSR沿线港口整体上向均衡状态演变。

2.2 局部空间相关性

全局空间相关性揭示了MSR沿线港口体系空间格局的整体关联特征，而未能揭示其空间异质性规律，不能反映区域港口具体的集聚分布特征，因此采用Moran散点图和LISA集聚图对体系内部港口的局部空间相关性做进一步分析。

2.2.1 Moran散点图分析

本文以港口所在国家为单元，即一个国家内所有港口集装箱吞吐量之和用该国家表示，运用GeoDa软件对沿线港口局部空间分布特征进行分析。首先选取本文研究的起始年份2000年，其次由于2004年之后全局Moran’s I平稳下降，因此再以2005年为起点，将2005—2017年以4年为间隔（间隔过长，易导致某些演化特征的缺失；间隔过短，演化特征变化不明显），故最终选取研究年份为2000、2005、2009、2013和2017年（下文同），绘制Moran散点图，如图2所示。
图2 MSR港口的Moran散点图

Fig.2 Moran scatter plot of ports

由图2可知，研究期内散点图均表现出第一、三象限散点之和较多（分别占总数比例为77.6%、75.5%、75.5%、69.4%和65.3%），再次说明MSR沿线港口具有空间正相关性，高值与高值集聚和低值与低值集聚的情况占据主导地位。根据散点图变化趋势知，多数港口在研究期内象限位置没有发生变动，变化较大的港口主要分布在南亚和地中海区域，由低低集聚区逐渐演变为高低集聚区，说明这些地区港口集装箱吞吐量相对邻近地区增长较快；相对研究期初，第一、三象限散点数量在逐年减少，说明港口的关联性和集聚程度均逐渐减弱，与上文结论相一致，说明大型和小型港口集装箱吞吐量差异呈逐渐缩小的趋势，MSR沿线港口集装箱吞吐量向均衡状态演变。

2.2.2 LISA集聚图分析

为更直观地展示港口空间格局的演变过程，借助ArcGIS软件绘制港口集装箱吞吐量的LISA集聚图，如图3所示。
图3 港口的LISA集聚图

Fig.3 Significant areas of local Moran’s I for ports

由图3可知，MSR沿线港口体系根据地理位置呈现出不同的分布格局和集聚形态。研究期内具有三个高值集聚区：东亚、西北欧和东南亚，三个低值集聚区：东非、北非和西亚，高低集聚区主要在南欧和南亚，低高集聚区分布不明显；从分布格局知，沿线港口空间格局呈现边缘化特征和俱乐部趋同现象并存的局面；低值集聚区普遍分布在远离世界主要经济体（欧洲和东亚等地区）和偏离经济发展主轴的边缘化地区，这些地区的地理位置、交通条件、经济水平等较弱，货源较少，且难以吸引大型船舶挂靠，因此集装箱吞吐量难以大幅度提升；高值集聚区主要分布在经济较发达的地区，如西北欧、日韩、新加坡等地，货源充足，集装箱吞吐量较大，同时对邻近周边地区的辐射带动作用较强，即俱乐部趋同现象，区域经济发展受邻近地区经济发展影响。根据演变趋势知，西北欧地区的集聚特性减弱，东南亚和南亚地区的集聚性增强，说明近年来欧洲地区集装箱吞吐量减少而亚洲地区吞吐量增加，港口体系重心由欧洲逐渐向亚洲转移，尤其向东亚和东南亚转移。
总体看，MSR沿线港口体系分布格局具有空间相关性，港口的集装箱吞吐量发展向均衡状态演变；局部相关性表明沿线港口的集聚形态差异显著，存在明显的高值集聚区和低值集聚区，且同时呈现出边缘化特征和俱乐部趋同现象，随着全球港航业的发展，港口体系重心逐渐向亚洲转移。

3 港口群时空关联特征

根据港口地理位置和集装箱吞吐量，将沿线港口划分为8个港口群（由于欧洲与中国的贸易往来占比较大，航行终点设为西北欧；东非地区港口集装箱吞吐量及与中国的贸易量均较少，暂不考虑该区域），即中国东南沿海、东亚、东南亚、南亚、海湾地区、西亚北非、地中海沿岸和西北欧。根据各港集装箱吞吐量，以各首位港口表示该港群，运用集装箱吞吐量权重公式，通过空间和时间距离的关联函数计算港群间的空间和时间关联性。

3.1 空间关联性分析

计算首位港口间的球面距离和改进后的空间距离矩阵，根据其最大最小值，取空间距离步长200 km，标绘双对数坐标图并进行拟合（图4），得空间距离的空间关联维数（表2）。
图4 空间关联维数的双对数关系

Fig.4 The log-log plots for the correlation dimension of spatial distance

表2 空间关联维数

Tab.2 Values of correlation for spatial distance

年份 D R2 年份 D R2
2000 0.767 0.949 2009 0.890 0.942
2001 0.811 0.935 2010 0.885 0.936
2002 0.794 0.942 2011 0.881 0.937
2003 0.794 0.938 2012 0.885 0.937
2004 0.795 0.939 2013 0.909 0.944
2005 0.798 0.943 2014 0.886 0.939
2006 0.805 0.945 2015 0.883 0.945
2007 0.839 0.944 2016 0.886 0.947
2008 0.826 0.943 2017 0.892 0.949

注：结果在0.01水平（双侧）上显著相关。

由图4，港口群在空间距离步长区间内具有无标度特性，即港群的空间分布具有关联性特征，且港群间协同性较好，港口发展相对稳定，通过对港群的整体性拟合，能够直观地比较不同空间距离尺度下港群的关联特性。
从表2知，空间关联维数均小于1，且接近1，表明体系关联性较强，空间分布较紧密，基本在一条光滑的曲线附近，与港群地理位置分布相符；港口体系的回归系数R2均在0.93以上，说明拟合优度较高，线性关系显著，建立的回归模型恰当。从关联维数的变化趋势看，呈波动上升趋势，联系逐渐增强，港口分布逐渐均衡。2000年关联维数值为0.767，数值较小，可知初期港群联系紧密，箱源分布主要集中在中国东南沿海、东南亚和西北欧三大港群。随着南亚、西亚北非和海湾地区等中小型港群与区域枢纽港建立支线联系，同时与全球枢纽港建立航运直线联系，吸引箱源的能力逐步提升，对周边枢纽港的挑战日益明显，导致具有垄断优势的港群地位下降，如西北欧和南欧港群的吞吐量增长缓慢，中国东南沿海初期具有寡头垄断的香港地位逐渐下降，出现了深圳、广州、厦门等多枢纽港并存的局面，港口规模差异逐渐减小，港口间竞争加剧，尤其2008年全球经济危机爆发以后，对航运业产生巨大影响，导致大型航运公司和港口的货运量和集装箱吞吐量大幅下降。2017年关联维数值为0.892，与理论值相比仍较小，表明港口群空间联系仍较强，箱源分布仍较集中。

3.2 时间关联性分析

综合考虑远洋大型集装箱船的航速取22 kn，根据改进后时间距离的最大最小值，取时间距离步长10 h，标绘双对数坐标图并进行拟合（图5），得时间距离的空间关联维数（表3）。
图5 时间关联维数的双对数关系

Fig.5 The log-log plots for the correlation dimension of temporal distance

表3 时间关联维数

Tab.3 Values of correlation for temporal distance

年份 D1 R 1 2 D2 R 2 2 年份 D R2
2000 1.252 0.984 0.314 0.955 2008 0.592 0.932
2001 1.205 0.956 0.318 0.952 2009 0.581 0.946
2002 1.195 0.989 0.327 0.948 2010 0.581 0.946
2003 1.205 0.956 0.335 0.945 2011 0.590 0.951
2004 1.205 0.956 0.309 0.946 2012 0.587 0.946
2005 1.205 0.961 0.360 0.942 2013 0.589 0.946
2006 1.125 0.956 0.349 0.940 2014 0.598 0.948
2007 1.107 0.995 0.344 0.930 2015 0.604 0.950
2016 0.608 0.947
2017 0.661 0.935

注：结果在0.01水平（双侧）上显著相关。

通过回归分析知，港口体系具有无标度特性，空间关联特征的演化经历了两个阶段：第一阶段2000—2007年为双分形结构，在40 h出现了明显的拐点，该阶段体系空间分形结构不太稳定，受到随机因素的影响出现多分形结构或分形结构退化。第二阶段2008—2017年为单分形，该阶段港口群间发展相对均衡，协同性较好。
从表3知，第一阶段时间距离小于40 h的关联维数大于1，表明体系空间分布较分散，相互作用和关联性较弱，即航运时间较短的港群间联系不频繁；大于40 h的关联维数接近0，表明体系空间分布紧密，关联性强，即航运时间较长的港群间联系频繁，能够体现船舶适用于长距离海上运输的特点。第二阶段关联维数小于1，但数值变大，表明体系空间分布紧密性和关联性减弱。回归系数R2均在0.93以上，说明拟合优度较高，线性关系显著，建立的回归模型恰当。从关联维数变化趋势看，第一阶段在不同时间距离尺度下变化相反，小于40 h的关联维数波动下降，2007年为1.107，趋近1，表明航运时间较短的港群间联系增强，集聚程度提高；大于40 h的关联维数波动上升，表明航运时间较长的港群间联系减弱，2007年为0.344，数值较小，虽然航运距离较远的港口，运输时间长、消耗成本大等，但实际的关联性仍很紧密。第二阶段关联维数缓慢增大，全球货运需求量增加，港群联系不断建立，如南亚与中国东南沿海港群，中国投资建设的科伦坡国际集装箱码头与汉班托塔港和瓜达尔港等，使得集聚和中转箱源的能力快速提升，港口分布逐渐均衡。

3.3 关联性比较分析

①比较空间和时间关联维数双对数图，空间距离的关联特征为单分形结构，港群间协同性较好，发展相对稳定；时间距离的关联特征经历了两个阶段，2008年之前为双分形结构，拐点前后两个时间尺度上关联强度不同，体系结构不稳定；之后为单分形结构，随着集装箱运输的优势越来越明显，港群发展良好，空间结构不断优化。②比较D值，对应年份内（2000—2007年除外，该时期时间距离的分形结构出现两个尺度区域无法比较），时间距离D值较小，说明时间距离的空间分布集聚程度和关联程度均较高；两者D值均小于1，两种方法测算的结果都说明港群空间分布较集中，时空联系较紧密，趋向网络化。③比较关联维数改变量，时间距离关联第一阶段小于40 h的关联维数增加值小于空间距离增加值，说明时间距离关联性较弱的港群间联系增强较快，而大于40 h则相反；第二阶段时间距离的关联维数增加值大于空间距离增加值，说明时间距离的港口体系演变较快，全球一体化进程加快，航运网络组织和港口建设均得到较快发展，港群间联系增强。
总体看，时间距离的港口体系演化较快，与外界的关联性增强明显。随着交通运输、信息通讯和船舶性能不断发展，港群间原有的空间和时间障碍不断被打破，港群间时空间距离被缩短，同时港群区位结构不断完善，与内外部空间关联增强，可用“时空压缩”理论给予合理的解释。

4 结论与讨论

4.1 结论

本文以21世纪海上丝绸之路港口为研究对象，运用空间自相关和改进的时空关联维数等方法，分析2000—2017年港口体系的空间格局和空间关联的演变特征，主要结论如下：①MSR港口体系分布格局具有一定的空间相关性，但相关性相对较弱，总体集聚性不显著；各地不同规模的港口集装箱吞吐量差异呈缩小趋势，整体向均衡状态演变；各地港口集聚形态差异显著，存在明显的高值集聚区（东亚、东南亚和西北欧地区）和低值集聚区（东非、北非和西亚地区），且呈现边缘化特征和俱乐部趋同现象，与港口所在地区的经济发展水平关系较大；港口体系重心由欧洲逐渐转向亚洲，尤其向东亚和东南亚转移。②基于空间距离的港群具有关联性特征，且随时间推移关联性增强，港群整体发展趋于稳定，具有垄断优势的港群地位不断下降；基于时间距离的港群关联特征经历了“双分形—单分形”演化过程，即体系结构由不稳定逐渐向稳定演变，2007年之前为不稳定期，且在时间距离为40 h前后，关联性差异较大，之后为稳定期，港群空间分布逐渐均衡。沿线港群时空关联程度并不完全符合“距离衰减规律”，距离较远的港群间关联性表现出较强的现象（如东亚与欧洲港群间）。③基于时间距离的港群关联性比空间距离的关联性增强快，但演化过程更复杂，出现了较多演化特征。总体看，港口体系出现了层次化现象，部分港群内出现了多枢纽或多门户港口。随着信息通讯和航运技术的发展，港口间时空障碍被打破，时空距离不断缩短，港口体系发展符合“时空压缩”理论，同时港群与内外部联系增多，港口联系呈网络化趋势。

4.2 讨论

根据以上结果，结合MSR港口位置及影响经济发展的因素，从以下方面提出建议：①MSR沿线各地政策制度、经济水平差异较大，各地港口管理机构应结合实际情况，根据港口发展演变规律和影响机制，因地制宜，制定切实有效的发展规划，加强同其他港口合作和联系，提高港口软硬实力。②MSR部分地区已出现多枢纽多门户港口并存格局，各港应统筹考虑经济水平、资源等，建立布局合理、错位发展、层次协调的港口体系结构，如国际枢纽港—国家枢纽港—区域枢纽港—区域支线港—区域喂给港等。③东亚、东南亚和欧洲是MSR核心区，中国作为MSR建设的主力军和排头兵，应重点加强与这些地区的联系和合作，同时对MSR海运通道中地理位置显著地区，积极参与对该地区港口项目的投资建设。
由于影响港口空间格局及演变的因素较复杂，单一指标很难全面反映港口体系演化的机理，因此，下一步应切实考虑MSR各地港口的实际情况，通过多指标体系以综合分析港口分布格局差异及演化特征，同时借助空间计量经济学探讨港口综合发展的影响因素。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Hayuth Y. Containerization and the load center concept[J]. Eco-nomic Geography, 1981, 57(2):161-176.

[2]
Jacobs W, Notteboom T. An evolutionary perspective on region-al port systems:The role of windows of opportunity in shaping seaport competition[J]. Environment & Planning A, 2011, 43(7):1 674-1 692.

[3]
刘涛, 刘均卫. 长江干线集装箱港口体系集中度演进分析[J]. 经济地理, 2018, 38(3):113-119.

DOI

[4]
程佳佳, 王成金. 珠江三角洲集装箱港口体系演化及动力机制[J]. 地理学报, 2015, 70(8):1 256-1 270.

[5]
周思悦, 何金廖, 黄贤金. 江苏长江内河港口群竞争格局与一体化发展研究[J]. 长江流域资源与环境, 2018, 27(3):493-502.

[6]
郭政, 董平, 陆玉麒, 等. 长三角集装箱港口体系演化及影响因素分析[J]. 长江流域资源与环境, 2018, 27(7):1 423-1 432.

[7]
Albert V, Theo Notteboom. The development of the YangtzeRiver container port system[J]. Journal of Transport Geography, 2011, 19(4):772-781.

[8]
庄佳芳, 余思勤. 基于探索性空间数据分析的我国港口空间格局[J]. 上海海事大学学报, 2013, 34(3):66-71.

[9]
Axel M. Spatial competition and complementarily in Europeanport regions[J]. Journal of Transport Geography, 2017(61):40-47.

[10]
王绍卜. 我国沿海集装箱港口体系的空间结构及演化[J]. 经济地理, 2016, 36(8):93-98.

[11]
赵旭, 高苏红, 王晓伟. “21世纪海上丝绸之路”倡议下的港口合作问题及对策[J]. 西安交通大学学报:社会科学版, 2017, 37(6):66-74.

[12]
赵旭, 王晓伟, 周巧琳. 海上丝绸之路战略背景下的港口合作机制研究[J]. 中国软科学, 2016, 12:5-14.

[13]
牟乃夏, 廖梦迪, 张恒才, 等. “海上丝绸之路”沿线重要港口区位优势度评估[J]. 地球信息科学学报, 2018, 20(5):613-622.

DOI

[14]
杨忍, 牟乃夏, 彭澎, 等. “海上丝绸之路”沿线重要港口竞争力评价[J]. 地球信息科学学报, 2018, 20(5):623-631.

DOI

[15]
Peng P, Yang Y, Lu F, et al. Modelling the competitiveness ofthe ports along the Maritime Silk Road with big data[J]. Transportation Research Part A, 2018, 118(C):852-867.

[16]
张协奎, 张亚芬. 南部沿海主要港口空间结构分析及互联互通定位[J]. 广西民族大学学报:哲学社会科学版, 2018, 40(2):160-168.

[17]
李剑, 兰潇文, 姜宝. “海上丝绸之路”战略下的我国港口功能布局研究——基于临港产业空间集聚视角[J]. 海洋开发与管理, 2017, 34(2):3-9.

[18]
Zeng Q, Wang G W, Qu C et al. Impact of the Carat Canal onthe evolution of hub ports under China’s Belt and Road initiative[J]. Transportation Research Part E, 2018, 117(9):96-107.

[19]
Chen D X, Yang Z Z. Systematic optimization of port clustersalong the Maritime Silk Road in the context of industry transfer and production capacity constraints[J]. Transportation Research Part E, 2018, 109(7):174-189.

[20]
袁莉琳, 季鹏. “21世纪海上丝绸之路”沿线区域枢纽港优化选择[J]. 经济地理, 2017, 37(11):1-9.

[21]
王成, 王茂军, 杨勃. 港口航运关联与港城职能的耦合关系研判——以“21世纪海上丝绸之路”沿线主要港口城市为例[J]. 经济地理, 2018, 38(11):158-165.

DOI

[22]
赵旭, 高苏红, 周巧琳, 等. 21世纪海上丝绸之路沿线港口体系演化研究——基于Logistics、Lotka-Volterra模型[J]. 运筹与管理, 2018, 27(8):172-181.

DOI

[23]
曾庆成, 吴凯, 滕藤. 海上丝绸之路港口的空间分布特征研究[J]. 大连理工大学学报:社会科学版, 2016, 37(1):25-30.

[24]
赵旭, 梁雪娇, 周巧琳, 等. 海上丝绸之路沿线港口体系的空间布局演化[J]. 上海海事大学学报, 2017, 38(4):43-48.

[25]
邓楚雄, 李民, 宾津佑. 湖南省人口分布格局时空变化特征及主要影响因素分析[J]. 经济地理, 2017, 37(12):41-48.

Options
Outlines

/

〈 〉