EN中文

Economic geography >

2026 , Vol. 46 >Issue 2: 193 - 203

DOI: https://doi.org/10.15957/j.cnki.jjdl.2026.02.019

Classification of County-Level Rural Revitalization Types and Path Selection in the Dabie Mountain Area

  • GAO Junbo , 1, 2 ,
  • LIU Chunyan 1, 2 ,
  • CHENG Xingxing 1, 2 ,
  • YU Chao , 1, ※ ,
  • MA Zhifei 1
Expand
  • 1. School of Tourism & School of Geographic Science & Business School， Xinyang Normal University Xinyang 464000， Henan， China
  • 2. Henan Science and Technology Think Tank Focusing for High-quality Development in the Dabie Mountain Area， Xinyang 464000， Henan， China

Received date: 2024-12-27

  Revised date: 2025-04-01

  Online published: 2026-04-10

Fold

Abstract

The urban-rural relationship that evolves dynamically determines the rural development model and level. Elucidating the mutually reinforcing logic between the urban-rural relationship at the county scale and rural revitalization is a crucial matter for achieving rural revitalization. From the perspective of coordinated urban-rural development, a coupling framework between urban-rural connection and rural revitalization was established. The Haken model and Self-Organizing Feature Map (SOFM) technology were employed to identify the key order parameters of the county-level coordinated development system in the Dabie Mountains region and to categorize the rural development types under the influence of different urban-rural relationships. The findings reveal that during 2013-2023, there were remarkable disparities in the development levels of county-level subsystems in the Dabie Mountains region, with the rural subsystem experiencing the most rapid growth. The order parameters of the county-level development systems in Henan Province and Anhui Province within the Dabie 1Mountains region shifted from the rural subsystem and the urban subsystem to the urban-rural interaction subsystem respectively, while the order parameter in Hubei Province remained unchanged as the exogenous driving subsystem. The urban-rural development practices in the counties of the Dabie Mountains region can be classified into two types, namely those dominated by the urban-rural interaction subsystem and those dominated by the exogenous driving subsystem. Six development patterns were distilled, including the urban-rural integration pattern, the agricultural-tourism integration pattern, the characteristic agriculture pattern, the urban leadership pattern, the factor aggregation pattern, and the tourism development pattern. Additionally, targeted practical approaches for rural revitalization were proposed.

Key words： rural revitalization; urban-rural relationship; resource integration; tourism development; Dabie Mountain Area

Cite this article

GAO Junbo , LIU Chunyan , CHENG Xingxing , YU Chao , MA Zhifei . Classification of County-Level Rural Revitalization Types and Path Selection in the Dabie Mountain Area[J]. Economic geography, 2026 , 46(2) : 193 -203 . DOI: 10.15957/j.cnki.jjdl.2026.02.019

城乡关系是县域人地关系地域系统的基本关系[1]，也是乡村发展的基石与底色。新中国成立以来，城乡关系历经了城乡二元、城市主导、城乡统筹、城乡融合的演进过程。相应地，乡村发展相继呈现出自给自足的小农经济、乡村输送农业生产支持工业发展、城乡要素流动下的乡村转型发展，以及预期城乡要素互动目标下的乡村振兴等发展模式迭代[2-4]。乡村振兴是新时期城乡关系调整与乡村发展的核心目标[5-6]，城乡关系作用于乡村振兴的理论逻辑，以及如何推动城乡关系调整促进乡村振兴?基于城乡关系的不同阶段、不同特征如何推动城乡关系调整实现乡村振兴等，均是乡村振兴研究亟需回应的难题。县域作为城乡关系的基本单元，处于统筹城乡关系的关键环节，是全面推进乡村振兴的重要载体[7]。因此，厘清县域尺度上城乡关系及其与乡村振兴的互促逻辑，探究不同城乡关系表征下乡村发展模式及差异化路径，对促进我国县域乡村振兴战略实践至关重要。
党的十九大以来，关于县域乡村振兴研究的成果主要集中在三方面：①乡村振兴内涵界定及水平测度。基于产业、人才、文化、生态和组织五方面界定乡村振兴内涵，从不同维度构建量化测度指标体系，运用熵权法、投影寻踪模型等方法测度县域乡村振兴水平[8-9]。②县域乡村振兴影响因素研究。研究发现返乡创业试点政策对产业兴旺的促进作用最大，革命老区振兴规划的实施则对乡村治理有效具有显著提升作用[10-12]。③县域乡村振兴实践路径研究，主要包括宏观政策引导、中观区域类型划分和微观要素流动三类视角。宏观政策研究证实巩固拓展脱贫攻坚成果同乡村振兴有效衔接，有助于疏通城乡生产、分配、交换、消费各环节的堵点[13]，推动乡村产业转型发展。中观区域研究通过测算乡村性指数、乡村发展潜力水平或乡村地域多功能评价[14]，综合考量乡村空间分布、人口规模、交通可达性[15]及耕地面积等因素，划分乡村发展类型，并据此提出差异化乡村发展路径。微观要素流动研究认为县域公共服务[16]、职业教育、数字金融能够促进城乡公共资源再分配、乡村人力资本积累和乡村治理。
综上可见，现有研究围绕乡村基本内涵、乡村空间重构、地域功能优化及乡村聚落形态等乡村发展重点领域取得了一系列成果，推动了乡村发展理论与实践探索。但总体上看，大多数研究集中于乡村内部及典型村域的案例分析，对县域尺度下的外源驱动，县域内部城镇对乡村的辐射作用、溢出效应及城乡间相互作用关注不足。同时，大部分研究仍将区域视为均质空间，忽略了城、乡主体功能和社会经济水平差异的基本现实。事实上，县域乡村振兴实践是各种要素（人口、土地、资金、产业等）构成的子系统（城镇、乡村、城乡交互、外源驱动）复合而成复杂系统的发展演进过程[17]。因此，本文引入协同发展理论，通过哈肯模型和自组织映射网络技术，系统分析县域要素流动和复杂系统序参量演进变化特征，并探索其乡村振兴适配路径，以期为中西部欠发达地区乡村振兴战略提供科学依据。

1 理论框架

县域是一个非均衡开放系统，城镇和乡村是县域的显性空间主体，县域外源驱动和城乡交互则是隐性空间主体，显性和隐性空间主体，以要素流动的方式形成县域内外和城乡之间的关联运动。城市和乡村基于自身资源条件和优化配置相对优势，通过资金、人口、交通等要素交互作用，产生了紧密的城乡关联性。城乡关联促进乡村经济发展及城乡要素双向流动，是城乡融合的重要基础。城乡融合系统本质上是一定区域内城市与乡村的人地关系地域系统，通过资金、技术、人才等基本要素的相互作用形成一定结构体系[1,18]；整体性、有序性和内部结构的优化趋向是系统的基本特征。因此，城乡发展不平衡不充分的问题，可以认为是城乡资源要素在管理、分配和利用上的无序与混乱，从而导致的资源错配或低效配置[19-20]。从系统论视看，坚持以“要素重组—结构优化—功能升级”的方式促进城乡融合[21]，经过要素重新组合，能够实现城乡经济、文化、环境和社会结构的优化。其中，经济结构以城乡产业融合和数字化为核心向外拓展，推进乡村地区产业现代化，保障城乡经济循环畅通；文化结构是城乡文化价值认同的重要表现形态，通过人才共育共享、特色文化传承等方式推进城乡文化互动；环境结构涵盖城乡生态治理公平和自然环境共享，强调乡村地区的自然环境修复和生态旅游发展；社会结构是建立在多元主体共同治理和城乡公共服务均衡化的基础上，不断缩小城乡差距，实现城乡融合。因此，基于系统学理论，本文以城乡融合为关键媒介构建县域城乡关联驱动乡村振兴逻辑框架（图1）。
图1 县域城乡关联驱动乡村振兴逻辑框架

Fig.1 Logical framework of rural revitalization driven by urban-rural linkage in county regions

为有效解决上述问题，首先需要找到判断系统是否有序演进的工具。在此，序参量作为表征系统有序性的关键变量，使其协同合作，进而推动系统形成自组织结构[22-23]。具体到县域乡村振兴系统，识别其序参量，有助于揭示县域发展的内在驱动逻辑，并为探索差异化的乡村振兴实践路径提供依据。当外源驱动子系统主导时，县域发展主要依靠外部资源介入有效撬动地方内生性资源，乡村发展必须立足地区内外资源的合理配置与整合利用；当城镇发展子系统主导时，城镇对乡村辐射带动作用增强，强化城乡要素运动，促进城乡融合；当城乡交互子系统主导时，乡村基础设施较为完善，具备一定产业发展基础，城乡要素双向流动频繁；当乡村发展子系统主导时，乡村形成一定规模的产业体系，内生动力增强，但乡村经济易受政策变化、市场需求等冲击，因此亟需提升乡村韧性，以增强抗风险能力和恢复力，保障乡村稳定发展。

2 研究设计

2.1 研究区概况

大别山区地跨鄂豫皖3省，总面积10.86万km2，共计61个县域 ① （图2），该区域拥有丰富的红色文化和生态旅游资源，受地理条件的影响，交通网络不发达，工业化、城镇化、农业现代化发展水平较低，县域城乡发展不平衡、不充分特征突出。大别山区作为全国连片特困地区之一，半数以上县区曾经是贫困县。虽然所有贫困县已于2020年全部脱贫，但区域发展基础仍显薄弱。2023年该区域人均地区生产总值仅为全国平均水平的60%。总体而言，大别山区乡村振兴实践起步晚、起点低，任务重且矛盾突出，二三产业发展较弱，产业链短，城乡要素互动不充分。因此，选择大别山革命老区作为县域乡村振兴的典型案例，能够较好地代表基础薄弱、发展转型任务艰巨的中西部欠发达地区，具有重要的现实意义与研究价值。
图2 大别山区概况

注：基于自然资源部标准地图服务系统审图号为GS（2024）0650号的标准地图制作，底图边界无修改。

Fig.2 Location of the dabie mountains region

2.2 研究方法

2.2.1 哈肯模型

哈肯模型是用于识别系统的序参量并评估系统所处演化阶段的重要模型[24]。在哈肯模型中，根据参数在临界点变化的快慢把变量分为快变量和慢变量，其中，快变量阻尼大衰减快，对系统从无序到有序转化的过程中没有明显的影响；而慢变量出现临界无阻尼现象，不仅不衰减而且还支配着系统的演化进程。因此，慢变量就是系统的序参量[25]。哈肯模型具体的运算过程如下：
①提出假设，构造运动方程。假设q1为系统的慢变量；q2为系统的快变量，快变量服从慢变量，则系统满足的运动方程为：
$\stackrel{\bullet }{{q}_{1}}=-{\gamma }_{1}{q}_{1}-a{q}_{1}{q}_{2}$
$\stackrel{\bullet }{{q}_{2}}=-{\gamma }_{2}{q}_{2}+b{q}_{1}{q}_{1}^{{}_{2}}$
式中： $\stackrel{\bullet }{{q}_{1}}$和 $\stackrel{\bullet }{{q}_{2}}$表示状态变量对时间的导函数；γ1和γ2表示阻尼系数；a和b表示状态变量交互作用的强度。
②求解运动方程参数，判断是否满足绝热近似条件，确定系统的序参量。当系统达到q1=q2=0时，若 $\left|{\gamma }_{2}\right|\gg \left|{\gamma }_{1}\right|$且γ2＞0，此时满足系统绝热近似条件，q1是系统的序参量，否则转第一步[26]。
哈肯模型始于物理学领域，主要针对连续性随机变量设定的，本文以年为时间尺度，数据具有离散特征，为更好模拟县域乡村振兴系统的协同演化，需对模型进行离散化处理，改进的系统演化方程为[27]：
${q}_{1}\left(t\right)=(1-{\gamma }_{1}){q}_{1}(t-1)-a{q}_{1}(t-1){q}_{2}(t-1)$
${q}_{2}\left(t\right)=\left(1\right.-{\gamma }_{2}\left){q}_{2}\right(t-\left.1\right)+b{q}_{1}^{2}(t-\left.1\right)$

2.2.2 熵权法

熵权法是一种客观赋权的方法，根据指标正负功效，本文采用极差法对原始数据进行标准化处理，通过测算熵值和信息效用值确定指标权重，运用综合加权法得到县域子系统发展水平[28]。

2.2.3 自组织特征映射网络

自组织特征映射网络（SOFM）属于非监督学习的人工神经网络。SOFM包括接受输入样本的输入层和映射层，输入层的每个神经元均与映射层神经元单向连接，连接强度组成权重矩阵，映射层内部的神经元也互相连接，通过不断迭代寻找最优权值向量，实现对输入模式集合的分类[29]。

2.3 县域协同发展指标体系构建

以系统的思维看县域、以协同的理念看城乡、以能力的视角看发展，将县域发展要素有序流动、子系统相互作用及其协同效应看作县域乡村振兴的关键。因此，县域协同发展能力评价指标选取，既要聚焦显性（城镇、乡村）与隐性（外源驱动、城乡交互）县域空间主体，也要呼应乡村振兴实践要素（人、财、地、业等）与总体要求（产业、生态、乡风、治理、生活等）。本文构建的县域协同发展能力测度指标体系（表1），包括外源驱动（S1）、城镇发展（S2）、乡村发展（S3）、城乡交互（S4）4个维度的子系统[17]。其中，外源驱动为县域发展营造良好的环境，政府、社会、市场等多元主体协同合作关系和多重政策支持逻辑是促进县域发展突破资源限制到实现转型升级的保障[30]。城镇和乡村发展是县域乡村振兴实践的物质基础。城乡交互系统是城乡要素自由流动的关键通道，交通、金融和物流网络类指标能综合反映一二三产业协同发展现状。此外，考虑到时序数据的可获得性及大别山区乡村振兴评价的适用性，本文将已有成果[22]城镇发展子系统中大专及以上教育人口比重替换为高中及以下教育人口比重，乡村发展子系统中高中及以上教育人口比重替换为中职及以下教育人口比重。
表1 县域协同发展评价指标体系及说明

Tab.1 Evaluation index system for the coordinated development of county regions

系统 准则层 指标层 方向 要素内容（单位） 与乡村振兴关联
外源驱动（S1） 政府支持 政策优惠 + 优惠政策指数 侧重产业发展要求
行政权限 + 行政级别指数
社会网络 社会联系 + 每万人拥有社会组织数量（个）
市场竞争 涉外资金 + 实际利用外资占GDP比重（%）
外部资金 + 实际利用省外资金占GDP比重（%）
城镇发展（S2） 支持系统 城镇化 + 城镇化率（%） 侧重社会—乡风治理要求
教育程度 + 高中及以下教育人口比重（%）
发展态势 收入水平 + 城镇居民人均可支配收入（元）
产业发展 + 近三年二三产业增加值增长率（%）
转型升级 研发能力 + 每万人拥有专利数量（件）
环境约束 空气质量 - 月均PM2.5值 侧重生态要求
乡村发展（S3） 支持系统 人口密度 + 乡村人口数/乡村地域面积（人/km2） 侧重社会—乡风治理要求
教育程度 + 中职及以下教育人口比重（%）
发展态势 收入水平 + 乡村居民人均可支配收入（元）
产业发展 + 近3年农林牧渔增加值增长率（%）
转型升级 农业现代化 + 单位播种面积农用机械总动力（kW/hm2）
环境约束 资源环境 - 单位播种面积化肥施用量（kg/ha） 侧重生态要求
城乡交互（S4） 网络密度 交通网络 + 单位面积等级以上公路里程数（km/km²） 侧重产业发展—生活条件要求
金融网络 + 每万人拥有银行网点数（个）
物流网络 + 每万人拥有快递网点数（个）
流通强度 人口流动 + 乡村从业人口中非农从业占比（%）
消费流动 + 每万人拥有农家乐数量（家）
资本流动 + 金融机构存贷比（%）

备注：构建优惠政策指数是依据县域内国家级开发区、省级产业集聚区、国家级、省级的荣誉称号、试点、示范单位等数量，分别对应赋10分、6分、2分、1分加权计算得出；构建行政级别指数是省辖县级市、市辖区、省直管县级市、县级市、省直管县、扩权县、一般县分别对应赋12分、10分、9分、8分、7分、6分、5分计算得出，在参考文献[22]基础上修改完善。

2.4 数据来源

本文研究数据主要来自2014—2024年《中国农村统计年鉴》《中国县域统计年鉴》《中国城市统计年鉴》等，并以河南、湖北、安徽统计年鉴和各县区国民经济和社会发展统计公报作为补充。个别缺失数据采用线性插值法补齐[27]。同时，针对统计年鉴中难以直接获取的指标数据，通过其他官方网站公布数据获得。其中，专利数据来自河南、湖北、安徽省知识产权局网站—知识产权统计报告，银行网点数据通过国家金融监督管理总局网站—金融许可证信息查询获得，乡村地域面积数据来源于2013—2023年全国30 m×30 m土地覆盖数据（CLDC），月均PM2.5值数据根据美国哥伦比亚大学社会经济数据与应用中心提供的全球PM2.5的年均浓度数据计算整理得到。此外，农家乐数据通过采集高德地图的POI数据获取，包括POI名称、地理位置和类型等。在时间维度上，2013年国务院扶贫办印发了《大别山片区区域发展与扶贫攻坚规划（2011—2020））》，对大别山区县域发展给予重点支持。2020年作为脱贫攻坚的收官之年，2023年处于巩固拓展脱贫攻坚成果同乡村振兴有效衔接的过渡期关键节点。因此，本文以2013—2023年为研究期间，能较真实地解析大别山区县域发展模式形成及其变化过程，对探索乡村振兴实践路径更有启发性和指导意义。

3 实证结果与分析

3.1 大别山区县域综合发展及子系统变化比较

图3a展示了2013—2023年大别山区县域子系统的发展水平。从中看出，2013—2023年大别山区县域综合发展均值从0.229上升到2023年的0.348，年均增长4.27%，呈缓慢增长趋势；不同子系统的发展差异显著，总体表现为乡村发展子系统（0.392）>城镇发展子系统（0.311）>外源驱动子系统（0.238）>城乡交互子系统（0.221）。分子系统而言，外源驱动子系统始终保持在相对稳定的水平，乡村发展子系统增速最快，城镇发展子系统持续增长，城乡交互子系统在2013—2016年持续增长后保持稳定，发展水平总体较低（0.221）。究其原因，受脱贫攻坚战略驱动，政策、资金等各类发展要素持续注入大别山区，区域基础设施、公共服务及特色产业得以发展完善，乡村地域系统和城镇发展水平迅速提升，但城乡要素自由流动以及合理配置仍在持续优化中，城乡交互子系统完善发展仍需时日。
图3 2012—2023年大别山区县域子系统发展水平及其区域差异

Fig.3 Development level of county sub-systems in the Dabie Mountains region and regional differences

从空间上看，大别山区鄂豫皖不同省份县域子系统发展水平差异显著（图3b~图3d）。具体来说，河南省各县域子系统中乡村发展子系统（0.418）最高，其次分别为城镇子系统（0.273）、城乡交互子系统（0.163），外源驱动子系统（0.148）最低；安徽省各县域中乡村子系统发展水平最高（0.398），其他3个子系统发展水平由“网状”交织状态逐步转变为城镇子系统>城乡子系统>外源子系统；湖北省各县域中城乡交互子系统最低（0.209），在2016年之前，外源驱动子系统高于城镇发展子系统；2017年之后，城镇发展子系统实现反超，并最终形成城镇>城乡交互>外源驱动的格局。由上可见，大别山区各省的县域子系统发展水平及态势存在显著差异，其原因可能在于，各省的核心增长极（如省会）的带动能力、自身的资源禀赋以及政策着力点不同，从而对各子系统产生了差异化的驱动效果。

3.2 大别山区各省县域综合系统的序参量识别及其动态变化

大别山区涉及鄂豫皖3省，不同地理环境条件、经济发展水平差异显著，叠加脱贫攻坚和乡村振兴战略实践、过渡期帮扶措施的省域差别，影响了县域乡村振兴系统发展水平及其序参量的识别结果。因此，基于我国脱贫攻坚与乡村振兴战略安排关键时间节点，本文将研究期分为2013—2017年和2018—2023年2个时间段，运用哈肯模型分省份、分阶段识别县域综合系统的序参量。同时，为检验外源驱动、城镇发展、乡村发展和城乡交互这4个子系统各自成为序参量的可能性，以每个子系统为潜在序参量提出模型假设。随后，使用Eviews 10求解运动方程参数，识别真正的慢变量（序参量），结果见表2（因篇幅有限，仅展示假设成立的方程）。
表2 大别山区不同省份县域系统的序参量识别

Tab.2 Identification of order parameters of the county region system in the Dabie Mountains areas

省份 阶段 模型假设 运动方程 参数信息 模型结论
河南 Ⅰ q1=S3
q2=S1		 ${q}_{1}\left(t\right)=1.009{q}_{1}(t-1)-0.007{q}_{1}(t-1){q}_{2}(t-1)$ ${q}_{2}\left(t\right)=0.969{q}_{2}(t-\left.1\right)+0.105{q}_{1}^{2}(t-\left.1\right)$ γ1=-0.009,a=0.007
γ2=0.031,b=0.105		 方程成立，
S3是序参量
Ⅱ q1=S4
q2=S1		 ${q}_{1}\left(t\right)=1.005{q}_{1}(t-\left.1\right)-0.009{q}_{1}(t-\left.1\right){q}_{2}(t-\left.1\right)$ ${q}_{2}\left(t\right)=0.963{q}_{2}(t-1)+0.165{q}_{1}^{2}(t-\left.1\right)$ γ1=-0.005,a=0.009
γ2=0.037,b=0.165		 方程成立，
S4是序参量
安徽 Ⅰ q1=S2
q2=S1		 ${q}_{1}\left(t\right)=0.997{q}_{1}(t-\left.1\right)+0.222{q}_{1}(t-\left.1\right){q}_{2}(t-\left.1\right)$ ${q}_{2}\left(t\right)=0.867{q}_{2}(t-1)+0.376{q}_{1}^{2}(t-\left.1\right)$ γ1=-0.003,a=-0.222
γ2=0.311,b=0.376		 方程成立，
S2是序参量
Ⅱ q1=S4
q2=S1		 ${q}_{1}\left(t\right)=1.029{q}_{1}(t-\left.1\right)-0.061{q}_{1}(t-\left.1\right){q}_{2}(t-\left.1\right)$ ${q}_{2}\left(t\right)=0.882{q}_{2}(t-1)+0.093{q}_{1}^{2}(t-\left.1\right)$ γ1=-0.029,a=0.061
γ2=0.118,b=0.093		 方程成立，
S4是序参量
湖北 q1=S1
q2=S4		 ${q}_{1}\left(t\right)=1.004{q}_{1}(t-1)-0.003{q}_{1}(t-\left.1\right){q}_{2}(t-\left.1\right)$ ${q}_{2}\left(t\right)=0.966{q}_{2}(t-1)+0.041{q}_{1}^{2}(t-\left.1\right)$ γ1=-0.004,a=-0.003
γ2=0.034,b=0.041		 方程成立，
S1是序参量

备注：表中，S1、S2 、S3和S4分别表示外源驱动子系统、城镇发展子系统、乡村发展子系统和城乡交互子系统；Ⅰ和Ⅱ分别表示2013—2017年、2018—2023年2个阶段。

3.2.1 河南省：序参量由乡村发展子系统转变为城乡交互子系统

由表2可知，2013—2017年γ1=-0.009,γ2=0.031，a=0.007，b=0.105， $\left|{\gamma }_{2}\right|\gg \left|{\gamma }_{1}\right|$且γ2＞0，满足绝热近似条件，因此乡村发展子系统是县域乡村振兴系统的序参量。其中，a＞0，b＞0表明乡村发展子系统对于外源驱动子系统具有促进作用；γ1＜0，γ2＞0说明乡村发展对县域乡村振兴系统的演化为正反馈机制，乡村发展越好，则越有利于县域乡村振兴系统的高质量发展。2018—2023年，γ1=-0.005，γ2=0.037，a=0.009，b=0.165， $\left|{\gamma }_{2}\right|\gg \left|{\gamma }_{1}\right|$且γ2＞0，满足绝热近似条件，因此城乡交互子系统是县域乡村振兴系统的序参量。其中，a＞0，b＞0表明城乡交互子系统对于外源驱动子系统具有促进作用；γ1＜0，γ2＞0说明城乡交互对县域乡村振兴系统的演化为正反馈机制，城乡交互作用越强，则越有利于县域乡村振兴系统的快速发展。
当乡村发展子系统是序参量时，单位播种面积农用机械总动力指标权重最大（0.23），乡村居民人均可支配收入和近3年农林牧渔增加值增长率指标权重相近（0.20、0.21），远高于单位播种面积化肥施用量指标权重（0.12），这表明，以农机为代表的现代农业生产要素投入、农业产出增长与农民收入提升，是此阶段驱动乡村内生发展的关键，体现了农业生产技术革新是农业现代化的核心作用；当序参量演变为城乡交互子系统时，每万人拥有农家乐数量指标权重最大（0.38），达到每万人拥有快递网点数、每万人拥有银行网点数和单位面积等级以上公路里程数3个指标权重之和，表明城乡交互网络的完善，驱动乡村旅游发展，带动电商、旅游服务业发展，城乡融合进程加速。序参量的变更表征着乡村发展模式的根本性变化，前期主要依靠现代生产要素引入以激发乡村内生动力，伴随乡村振兴战略实施，二三产业融合加速城乡要素循环，提升城乡互动水平，促进乡村旅游等乡村产业体系的完善与升级。

3.2.2 安徽省：序参量由城镇发展子系统转变为城乡交互子系统

由表2可知，2013—2017年γ1=0.003，γ2=0.133，a=-0.222，b=0.376， $\left|{\gamma }_{2}\right|\gg \left|{\gamma }_{1}\right|$且γ2＞0，满足绝热近似条件，因此城镇发展子系统是县域乡村振兴系统的序参量。其中，a＜0，b＞0表明城镇发展子系统与外源驱动子系统之间存在相互促进的关系；γ1＞0，γ2＞0说明城镇发展对县域乡村振兴系统的演化为负反馈机制，城镇发展质量提高不能直接推动县域乡村振兴系统发展，还需有效发挥城镇对乡村的辐射带动作用。2018—2023年，γ1=-0.029,γ2=0.118，a=0.061，b=0.093， $\left|{\gamma }_{2}\right|\gg \left|{\gamma }_{1}\right|$且γ2＞0，满足绝热近似条件，因此城乡交互子系统是县域乡村振兴系统的序参量。其中，a＞0，b＞0表明城乡交互子系统对于外源驱动子系统具有促进作用；γ1＜0，γ2＞0说明城乡交互对县域乡村振兴系统的演化为正反馈机制，即城乡交互作用越强，越能促进县域乡村振兴系统的快速发展。
当城镇发展子系统是序参量时，每万人拥有专利数量指标权重最大（0.28），而城镇化率与月均PM2.5值指标权重相对较低，仅为0.14。这反映出，城镇地区作为研发创新中心是此阶段的主导力量。研究区内47%的安徽省大别山区县域属于合肥都市圈，高质量的县域经济通过优化资源配置、提升资源利用效率，引领并辐射了周边乡村地区发展。序参量是城乡交互子系统时，每万人拥有农家乐数量指标权重最大（0.35），而每万人拥有快递网点数、每万人拥有银行网点数和单位面积等级以上公路里程数3个指标权重较大，城乡交互网络加速城乡要素双向流动，促进乡村旅游及特色产业发展，表征着县域乡村发展模式由城镇辐射带动向乡村产业多元化发展转型，城乡资源供需流动呈现新特征。

3.2.3 湖北省：序参量保持外源驱动子系统不变

大别山区湖北省县域哈肯模型分阶段运行未能识别出序参量，就不划分阶段运算。由表2可知，2013—2023年γ1=-0.004，γ2=0.034，a=-0.003，b=0.041， $\left|{\gamma }_{2}\right|\gg \left|{\gamma }_{1}\right|$且γ2＞0，满足绝热近似条件，表明外源驱动子系统始终是湖北省县域乡村振兴系统的序参量。其中，a＜0，b＞0表明城乡交互子系统对于外源驱动子系统具有推动作用；γ1＜0，γ2＞0说明外源驱动对县域乡村振兴系统的演化为正反馈机制，外源驱动作用越大，则越有利于县域乡村振兴系统的高质量发展。从具体指标看，该阶段实际利用外资占GDP比重指标权重（0.35）大于实际利用省外资金占GDP比重指标权重（0.14），行政级别指数指标权重（0.23）也较高。这反映出湖北省重视外资企业发展，积极引进资金、人才和技术等要素，推动区域内外协同发展；特别值得注意的是，大别山区湖北省县域中近82%的县区属于武汉城市圈范围，其产业基础雄厚，科教资源富集，商贸物流迅速，对县域经济的溢出效应增强，辐射带动周边县域乡村形成以外源驱动主导的县域发展格局。

4 大别山区县域发展类型划分及乡村振兴路径

4.1 县域发展类型划分方法和结果

基于乡村振兴战略的实践需求，以2018—2023年大别山区县域乡村振兴系统的序参量为依据，从城乡交互子系统和外源驱动子系统两方面划分县域发展类型。首先，使用R 4.4.1构建SOFM网络，网络节点分别选择6×6、4×5的网格，训练次数设置为1000次，同时将各县域外源驱动、城镇发展、乡村发展和城乡交互4类指标6年的均值输入网络进行自组织迭代训练；然后，结合K-means聚类算法，划分神经元边界，并分别运用Excel的色阶功能对两类序参量下的样本指标值进行可视化；最后，结合其数值特征与县域社会经济发展实际，最终确定类型划分方案。结果显示：城乡交互子系统序参量主导县域共39个，可划分为城乡融合型（9）、农旅融合型（9）和特色农业型（21）3种类型；外源驱动子系统序参量主导下的县域共22个，可划分为城镇引领型（5）、要素聚集型（6）和旅游开发型（11）3种类型，并运用ArcGIS软件进行可视化展示（图4）。
图4 基于序参量识别的大别山区县域发展类型划分

Fig.4 Development types division in the Dabie Mountains region by order parameters

4.2 大别山区不同序参量主导的县域发展类型

4.2.1 城乡交互子系统序参量主导的县域类型划分及特征

大别山区城乡交互子系统序参量主导的县域共39个，占总县域数的64%（图4）。该区域县内城乡人口、资本和信息等要素流动速度快、范围广，城乡要素交互频繁，呈3种发展类型：①城乡融合型。该类型包含9个县域，且均为市辖区。其行政级别指数、城镇化率、近3年二三产业增加值增长率、城乡居民人均可支配收入、每万人拥有专利数量和金融机构存贷比指标值均处于最高水平。县域经济发展水平整体较高，产业发展迅速，城乡要素流动性强，乡村地区通过承接资金、技术等发展资源，形成较为完善的农产品加工产业体系；同时，乡村劳动力就近务工或兼业，乡村居民收入水平增长迅速。②农旅融合型。该类型共9个县域，其优惠政策指数、实际利用省外资金、单位播种面积农用机械总动力、每万人拥有银行网点数、每万人拥有农家乐数量和乡村从业人口中非农从业占比指标值较高；PM2.5浓度指标值最低，生态环境良好，乡村旅游发展兴旺，农业生产效率高，农业和旅游业为县域主导产业。其中，新县、桐柏县和桐城市等地创建生态观光、田园综合体等现代农业模式，以农旅融合的方式加速城乡要素双向流动。③特色农业型。该类型共21个县域，近3年农林牧渔增加值增长率最高。县域以发展特色农业为主，但经济发展水平整体较低，特色农产品深受城市居民青睐，大量销往城镇地区。乡村发展坚持以市场需求导向，大力发展乡村特色产业，如息县的弱筋小麦产业、罗山县的优质水稻以及霍邱县稻渔龙虾综合种养产业等，社会经济效益良好。

4.2.2 外源驱动子系统序参量主导的县域类型划分及特征

大别山区外源驱动子系统序参量主导的县域共22个，占总县域数的36%（图4）。该类县域资源开发不充分，资金和技术匮乏，县域内生发展动力较弱，对外部资源依赖较强，呈3种发展类型：①城镇引领型。该类型有5个县域，皆为市辖区。其行政级别指数、优惠政策指数、实际利用外资占GDP比重、城镇化率、近3年二三产业增加值增长率、城镇居民人均可支配收入、每万人拥有专利数量、乡村居民人均可支配收入、近3年农林牧渔增加值增长率、金融机构存贷比值等指标得分较高，除曾都区之外，其余皆为武汉城市圈内市辖区，受城区辐射带动作用明显，承接产业转移机会多，经济发展水平较高，引领乡村地区经济社会发展。②要素聚集型。该类型有8个县域，其每万人社会组织数、行政级别指数、优惠政策指数、城镇化率、城镇居民人均可支配收入、乡村居民人均可支配收入、单位面积农用机械总动力、金融机构存货比指等标值较高，每万人拥有农家乐数量指标值最低。除了枣阳市，皆为武汉城市圈成员，区位优势明显，生产要素转移成本低，社会组织发育好，社会治理水平高，但农业现代化水平不高，乡村旅游发展缓慢。③旅游开发型。该类型有9个县域，其每万人拥有农家乐数量、乡村从业人口中非农从业占比指标和每万人拥有快递网点数等指标值最高。该类县域经济发展水平总体不高，但生态环境良好、旅游资源丰富，乡村旅游业发展较为迅速。团风县、浠水县和黄梅县通过开发系列特色旅游产品，有效推动了区域旅游发展。

4.3 不同发展类型县域的乡村振兴路径

本文基于大别山区县域综合发展系统序参量识别、县域类型划分，以及不同类型县域发展特征，形成县域“序参量识别—发展类型—振兴路径”的总体逻辑（图5），用以探究不同序参量主导下大别山区各类县域的乡村振兴路径。
图5 基于序参量识别的县域发展类型及乡村振兴路径

Fig.5 Types of county region development and paths to rural revitalization based on the order parameters

4.3.1 城乡交互子系统序参量主导县域的乡村振兴路径

①城乡融合型的产业融合发展路径。立足已有产业基础，聚焦城乡产业链薄弱环节，横向延伸、纵向拓展，优化城乡产业协同发展平台，需引入农业科技改造农业生产过程，丰富农村产业业态，促进城乡一二三产业融合发展，从而实现城乡产业协同发展和县域全产业链优化。
②农旅融合型的资源整合发展路径。对标城镇旅游市场，盘活乡村土地、生态和闲置房屋等资源，发展家庭农场、农业景观和特色民宿等乡村旅游新业态，整合乡村民风民俗、乡土建筑和民族风情等文化资源，将其蕴含的文化内涵融入旅游全过程，以提升农旅融合深度和广度。
③特色农业型的农业品牌化发展路径。发展重点在于提升特色农产品品质，打造具有地域特色的农业品牌。强化农业关键技术的引入、转化及应用，保障农产品品质，突出农业特色，并通过电商平台，提升农业生产、销售的规模化和标准化水平，依托农产品交易大数据，优化农产品全产业链，加速农业品牌化发展。

4.3.2 外源驱动子系统序参量主导县域的乡村振兴路径

①城镇引领型的农业全产业链发展路径。强化农业科技成果转化及技术推广，聚焦产业链延长，补齐短板，锻造强项，提升产业链价值，可联合城镇企业、农民合作社、家庭农场和农户组建产业化联合体，并通过入股、社会化服务等方式构建技术、信息和利益共享机制，以提升产业链稳定性。
②要素聚集型的智慧农业发展路径。加强数字技术与农业发展深度融合，积极应用物联网、大数据等信息技术和现代化智能装备，培育实用型农村信息技术人才。探索智慧农业的实际应用场景和发展模式，提升农业智能化水平，推动农业的现代化发展。
③旅游开发型的市场需求导向发展路径。坚持以市场需求为导向，开发具有地方特色和个性化的乡村旅游产品，优化旅游公共服务体系；创新和拓展旅游产品形态，提高乡村旅游的核心竞争力。同时，搭建智慧旅游服务平台，提供高品质旅游服务，打造具有影响力的乡村旅游目的地。

5 结论与讨论

5.1 结论

本文以大别山区61个县域为研究对象，从城乡关系视角构建了县域协同发展和乡村振兴的耦合理论框架，通过识别县域复合系统的序参量来划分县域类型，进而提出了大别山区县域差异化的乡村振兴路径。研究结论如下：①2013—2023年大别山区县域发展水平总体呈缓慢增长态势，其中乡村发展子系统的增速最为显著。同时，大别山区各省县域协同发展子系统发展水平及态势存在显著差异，源于各省会城市基于不同资源禀赋和发展水平，对各子系统产生了差异化的驱动效应。②大别山区河南省和安徽省县域发展系统的序参量分别由乡村发展子系统、城镇发展子系统转变为城乡交互子系统，大别山区湖北省序参量保持外源驱动子系统不变。序参量不同及其演变表征着县域发展模式根本性转型，是透视县域发展条件、发展机遇并制定差异化策略的关键变量。③基于序参量识别及县域社会经济特征，将城乡交互子系统主导的县域划分为城乡融合型、农旅融合型和特色农业型3种类型，对应提出城乡产业融合发展、资源整合发展、农业品牌发展3种乡村振兴路径；外源驱动子系统主导下县域划分为城镇引领型、要素聚集性型和旅游开发型，相应提出农业全产业链发展、智慧农业发展、市场需求导向3种乡村振兴路径。

5.2 讨论

本文从城乡协同发展视角揭示了城乡关系和乡村振兴的互促逻辑，并通过识别县域发展系统的序参量，细分不同县域发展类型与乡村振兴路径。与贫困地区县域乡村振兴路径研究比较，内外源动力组态效应[31]以及区域分类施策[8]对于乡村振兴路径实践同样发挥作用，但基于区位条件、产业基础等单一要素表征的内源动力难以完整刻画县域乡村振兴这一复杂动态发展过程。较之于城乡结合部的先分区后分类、县域乡村空心化地域类型划分、乡村多元价值或总体质量测度评价及分类[8,32-33]，县域协同发展能力视角的乡村振兴路径更依赖于城镇、乡村子系统自身发展、城乡互动关系以及外源驱动，在此协同作用下主导动力生成及类型划分体现出更强的要素自主流动性和乡村发展趋势。因此，聚焦大别山区县域乡村振兴目标，以协同视角开展类型划分和实践路径探索具有重要意义。需要说明的是，由于评价区域范围较大以及相关评价指标选取针对性有待完善，后续研究可考虑增加社会人文因素等定性指标，并将其定量化，以提高评价的系统性和准确性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
段锴丰, 施建刚, 吴光东, 等. 城乡融合系统:理论阐释、结构解析及运行机制分析[J]. 人文地理, 2023, 38(3):1-10.

[2]
Li Y, Jia L, Wu W, et al. Urbanization for rural sustainability-Rethinking China's urbanization strategy[J]. Journal of Cleaner Production, 2018, 178:580-586.

DOI

[3]
郭远智, 刘彦随. 中国乡村发展进程与乡村振兴路径[J]. 地理学报, 2021, 76(6):1408-1421.

DOI

[4]
文琦, 郑殿元, 施琳娜. 1949—2019年中国乡村振兴主题演化过程与研究展望[J]. 地理科学进展, 2019, 38(9):1272-1281.

DOI

[5]
Ma L, Liu S, Fang F, et al. Evaluation of urban-rural difference and integration based on quality of life[J]. Sustainable Cities and Society, 2020, 54:101877.

DOI

[6]
杜国明, 刘美. 基于要素视角的城乡关系演化理论分析[J]. 地理科学进展, 2021, 40(8):1298-1309.

DOI

[7]
文琦, 郑殿元. 西北贫困地区乡村类型识别与振兴途径研究[J]. 地理研究, 2019, 38(3):509-521.

DOI

[8]
梁发超, 朱润苗, 刘黎明. 基于质量评价的乡村振兴类型识别及优化路径——以福建省为例[J]. 经济地理, 2023, 43(3):172-179.

DOI

[9]
陈国生, 刘小凤, 蒋淑玲, 等. 湖南省乡村振兴耦合协调发展测度与路径选择研究[J]. 经济地理, 2019, 39(5):191-197.

DOI

[10]
李俊蓉, 林荣日. 政府支持农民工返乡创业对乡村振兴的效应研究——基于返乡创业试点政策的双重差分检验[J]. 中国农业资源与区划, 2024, 45(1):150-162.

[11]
姚林香, 卢光熙. 革命老区振兴规划实施的乡村振兴效应——基于对省界毗邻地区县域样本的分析[J]. 中国农村经济, 2023(3):22-44.

[12]
尹君锋, 石培基, 黄万状, 等. 甘肃省县域乡村振兴与新型城镇化耦合协调发展的时空分异特征及影响因素[J]. 自然资源学报, 2023, 38(8):2148-2168.

DOI

[13]
陈志军, 徐飞雄. 乡村旅游地旅游发展对乡村振兴的影响效应与机理——以关中地区为例[J]. 经济地理, 2022, 42(2):231-240.

DOI

[14]
Wang X, Liu Y, Shao Y, et al. Evolution pattern and mechanism of rural areal functions in Xi'an metropolitan area,China[J]. Habitat International, 2024, 148:103088.

[15]
肖晔, 许译文, 吴必虎. 海南岛村庄空间格局、影响因素及类型划分[J]. 地理科学, 2023, 43(8):1410-1422.

DOI

[16]
洪惠坤, 蔡智聪, 廖和平, 等. 西南丘陵山区县域乡村居业协同空间分异机制与优化对策——以重庆市37个区县为例[J]. 自然资源学报, 2023, 38(10):2581-2598.

DOI

[17]
高军波, 孙健武, 喻超, 等. 县域协同发展能力的理论内涵及定量测度[J]. 地理研究, 2023, 42(6):1465-1479.

DOI

[18]
Zhan L, Wang S, Xie S, et al. Spatial path to achieve urban-rural integration development-analytical framework for coupling the linkage and coordination of urban-rural system functions[J]. Habitat International, 2023, 142:102953.

DOI

[19]
方创琳, 李广东, 戚伟, 等. “胡焕庸线”东西部城乡发展不平衡趋势及沿博台线微突破策略[J]. 地理学报, 2023, 78(2):443-455.

DOI

[20]
郭远智, 王介勇. 中国城乡转型的时空格局及其优化决策[J]. 地理科学进展, 2021, 40(11):1799-1811.

DOI

[21]
龙井然, 杜姗姗, 张景秋. 文旅融合导向下的乡村振兴发展机制与模式[J]. 经济地理, 2021, 41(7):222-230.

DOI

[22]
李国梁, 高建华, 刘丙章. 基于协同学的航空港经济区与区域协同发展研究——以郑州航空港经济综合实验区与河南省为例[J]. 人文地理, 2018, 33(1):115-123.

[23]
王昊, 朱淑贤, 韦茜, 等. 城市基础设施与经济发展协同度评价及其敏感性分析——以中国84个重点城市为例[J]. 经济地理, 2023, 43(8):21-30.

DOI

[24]
李琳, 刘莹. 中国区域经济协同发展的驱动因素——基于哈肯模型的分阶段实证研究[J]. 地理研究, 2014, 33(9):1603-1616.

DOI

[25]
沈小峰, 郭治安. 协同学的方法论问题[J]. 北京师范大学学报(自然科学版), 1984(1):89-95.

[26]
Zhong W, Song J, Ren J, et al. Revealing the nexus among energy-economy system with Haken model:Evidence from China's Beijing-Tianjin-Hebei region[J]. Journal of Cleaner Production, 2019, 228:319-330.

DOI

[27]
孙才志, 张少芳. 中国海洋经济包容性与效率的协同关系[J]. 经济地理, 2023, 43(5):57-67.

DOI

[28]
杨和平, 李红波, 向道艳, 等. 长江中游城市群城乡共同富裕水平测度及区域差异[J]. 经济地理, 2024, 44(8):87-96.

DOI

[29]
邹易, 蒙吉军, 吴英迪, 等. 基于自组织特征映射模型(SOFM)网络的中国自然资源生态安全区划[J]. 生态学报, 2024, 44(1):171-182.

[30]
杜国明, 薛濡壕, 王介勇. 村域尺度乡村振兴评价及推进路径——以黑龙江省拜泉县为例[J]. 经济地理, 2021, 41(8):19-27.

DOI

[31]
张晓蕾, 尚航标. 红色基因激发革命老区乡村振兴的多元路径——基于晋鲁豫3省21个乡村案例的组态分析[J]. 中国农业资源与区划, 2025, 46(11):56-72.

[32]
高军波, 张欣怡, 喻超, 等. 巩固拓展脱贫攻坚成果同乡村振兴有效衔接研究进展及展望[J]. 信阳师范学院学报(哲学社会科学版), 2022, 42(6):28-34.

[33]
代蕊莲, 豆浩健, 张佳, 等. 基于乡村多元价值的乡村振兴类型与路径——以重庆市为例[J]. 资源科学, 2023, 45(2):450-463.

DOI

Options
Outlines

/

〈 〉