论文部分内容阅读
〔摘要〕本文結合遥感数据和地理信息系统技术建立中国十大国家级城市群指标格网化数据集，运用模糊集合思想和ANN算法构建了城市群高质量发展水平测度指标体系，通过用GIS软件合成十大国家级城市群高质量发展水平栅格数据集，利用探索性分析工具分析城市群高质量发展水平的时空演变和城市群之间、城市群内部的空间关联性。研究发现，近年来中国十大国家级城市群高质量发展水平一直稳步提高，但不同城市群之间的高质量发展水平差异较大，两极分化严重。城市群内部的中心城市与周边城市形成了显著的发展落差。十大国家级城市群在经济发展、基础设施、资源环境、社会发展四个层面的得分与高质量发展水平的总体得分大体一致，但也具有一定的不均衡性。珠江三角洲、长江三角洲城市群内部的正关联性显著，兰西城市群内部具有显著的负关联性，其余城市群内部的关联性不显著。
〔关键词〕城市群;高质量发展;地理信息系统（GIS）;格网化模型;ANN算法
中图分类号：F299.2 文献标识码：A 文章编号：1008-4096（2021）03-0037-10
一、引 言
新世纪以来，世界大城市化趋势日渐明显。中国高度重视城市群建设，2016年中国“十三五”规划中明确提出，未来五年要提升东部地区城市群、培育中西部地区城市群，发展壮大东北地区、中原地区、长江中游地区、成渝地区、关中平原城市群，规划引导形成更多支撑区域发展的增长极，建立健全城市群发展协调机制，推动跨区域城市间产业分工、基础设施、生态保护、环境治理等协调联动，实现城市群一体化高效发展。党的十九大报告也明确提出，建立健全以城市群为主体，城市群内部大中小城市和小城镇相互促进、协调发展的机制。截至2019年2月18日，国务院共先后批复了10个国家级城市群，包括了160余个地级市，面积占全国16.83%，经济总量占全国70%。
城市群发展战略实施以来，中国经济经历了从高速发展向高质量发展的转变，逐渐形成了世界最大规模的城市聚集区。然而，在中国城市群迅速发展和转型的过程中“城市群病”日益显著，出现了滥圈滥划、拔苗助长、拼凑城市群等现象;同时，发展程度差异性大、发展路径不明确的问题日渐凸显，并且大部分城市群发展效率需要进一步提高。党的十九大报告对于城市群的发展也有新的要求：人民对美好生活的新向往转化为新时代城市群发展的新追求。这就要求由只重经济发展和只求数量的发展理念转变为经济、社会、环境以及基础设施的全面高质量发展的发展观念，追求城市群的高质量发展。鉴于此，亟需对中国城市群的发展现状进行全面系统的分析，并根据不同类型城市群的特点，制定相应的城市群发展战略，为城市群的高质量发展提供实证经验。此外，随着大数据时代的到来，多种遥感数据对统计指标进行了空间可视化，遥感在国土资源调查与监测、城市热岛效应以及环境监测等方面得到了广泛的应用，为城市群研究提供了新的方向。
国内外对于城市群的研究，因研究内容差异和不同城市群的不同发展形态而各具特色。国外关于城市群的研究起源于1898年，Howard[1]从田园城市视角研究了城镇群。国内方面，薛东前等[2]从城市群的概念和演变规律等角度进行了探索，方创琳等[3]从城市群的发展结构体系定义了中国城市群的等级分化。随着对城市群的研究进一步深入，国内外学者开始从不同对象、不同角度、不同方法和不同精度等方面，对城市群的发展质量进行研究。根据研究对象的不同，研究分为以单个城市群为研究对象和以多个城市群为研究对象;前者关于京津冀城市群、长江三角洲城市群的研究居多[4-5]，后者以区域包含的城市群为研究对象。根据研究角度不同，研究分为从某一角度来研究和综合测度城市群的发展水平。在中国，格网技术被广泛应用于土地利用[6]和碳排放的研究，并且基于遥感影像提取的土地利用数据和夜间灯光数据成为了相关研究的主要因素。
与已有研究相比，本文研究的主要创新点体现在：第一，研究对象上，对中国十大国家级城市群包含的城市和公里格网的高质量发展水平进行测度，从经济发展、基础设施、资源环境、社会发展四个方面进行分析，全面探索中国当前城市群整体的发展水平和发展潜力。第二，研究方法上，基于模糊集合思想和ANN算法构建测度城市群发展水平的评价体系。第三，研究数据上，通过地理信息技术和格网化模型，对不同统计口径的社会经济数据以及人口和GDP的公里格网数据进行获取、处理和分析，形成中国十大国家级城市群的指标空间格网数据集。
二、模型构建
（一）城市群高质量发展评价指标体系构建
借鉴已有研究[7]-[12]，本文将近四年来国内关于城市群发展评价研究中的指标体系合并成含有6个二级指标和56个末级指标的总指标库，然后对原始指标库进行三轮筛选，删除不可观测的指标，基于模糊集合的隶属度筛选。最终得到4个二级指标，34个二级指标。本文利用ANN算法，以原始指标库中的城市群高质量发展水平格网化数据作为原始数据库，确定格网化指标的权重，具体如表1所示。
（二）城市群高质量发展水平指数的格网化表达
区别于普通的地理要素，社会经济要素的空间分布在一般情况下，位置是不固定的。对于一部分空间分布不均匀的要素来说，如GDP、人口和高质量发展指数，可以根据其影响因素来模拟空间分布情况。对于另一部分空间分布均匀的要素，如空气质量二级以上天数、地方财政收入等，可以利用格网化规则，将社会经济统计数据进行空间展布，从而满足研究的需求。
计算总指数公式如式（1）：
HI=∑_（i=1）^n?〖X_i×W_i 〗 （1）
其中，HI表示城市群高质量发展水平指数，值越大表示城市群高质量发展水平越高，Wi表示34个指标因子的权重，Xi表示34个指标的标准化值。
（三）城市群高质量发展水平的空间相关分析——探索性空间数据分析方法 探索性空間数据分析方法用来反映城市群高质量发展水平的空间关联度特征，用以解释高质量发展水平的空间分布相关性，确定城市群高质量发展水平空间分布的冷热点区域。本文采用全局空间自相关表示城市群高质量发展水平是否具有空间集聚的特征，其相关关系用Morans I指数来表现，其取值范围为[-1，1]，大于0时，指数值越大，则城市群高质量发展水平集聚特征越明显。计算公式如式（2）：
I= （∑_（i=1）^n?∑_（j=1）^m?〖W_ij （x_i-?x）（x_j-?x） 〗）/（S^2 ∑_（i=1）^n?∑_（j=1）^m?W_ij ） （2）
其中，S^2=1/n ∑_（i=1）^n?（x_i-?x）^2 ，?x=1/n ∑_（i=1）^n?x_i ，x_i表示第i个研究对象的发展水平指数大小，n为研究对象的个数，W_ij为研究对象i和j之间的空间权重。
由于空间自相关只能表现城市群高质量发展水平的集聚特征，不能表现具体集聚分布的空间位置，因此，采用局部空间自相关来展现高质量发展水平在空间上的具体集聚特征。计算公式如式（3）：
I_i=（（x（_i^）- ?x））/S^2 ∑_（j=1）^n?〖W_ij （x_j-?x） 〗 （3）
其中，S^2=（∑_（j=1，j≠1）^n?〖（x_j 〖-?x）〗^2 〗）/（n-1），I_i值大于0，表示该研究对象周围的高质量发展水平指数出现高值或者低值的空间聚集现象。
三、数据来源及预处理
（一）数据来源
本文的数据主要来源于以下四个方面：第一，行政区划地图来自天地图的行政边界数据接口，在QGIS软件中获得。第二，人口和GDP空间分布公里网格数据。本文选用中国资源环境科学数据中心网站的2005年、2010—2017年人口和GDP的1km×1km的栅格数据，并利用这四年的栅格数据和相关统计数据合成这四年城市群高质量发展水平的时间点栅格数据集。该数据在全国分县的统计数据基础之上，综合分析了与人类活动密切相关的土地利用类型、夜间灯光亮度和居民点密度数据。第三，社会经济统计数据。城市群高质量发展评价体系指标数据，即2005年、2010—2017年共计9年，其中2015年的相关统计数据用来合成栅格综合指数;十个城市群包含的161个地级市的19个统计指标数据，以及省级统计指标数据15个，均来自国家和各省市统计局发布的《中国统计年鉴》以及《中国城市统计年鉴》。第四，指标数据库中城市群高质量发展水平指标数据和得分数据来自作者对已有相关文献[13]-[16]的整理。
（二）数据预处理
第一，本文将城市转化为需要的面状数据，合并为城市群，并根据国家民政局网站上在2019年7月发布的全国行政区划数据进行修订，将其作为本文的统一地图。第二，为多源数据集统一投影坐标系。按照规定，自2018年7月1日起，中国自然资源系统一律采用2000国家大地坐标系（CGCS2000）。本文通过ArcGIS软件中的投影转换工具，将空间数据的投影坐标系统一为CGCS2000_3_Degree_GK_CM_120E。第三，缺失值与异常值处理。对于缺失值的填充，数值型特征使用平均值来填充，类别型特征使用众数来填充。
四、中国十大国家级城市群高质量发展水平分析
（一）高质量发展水平测度的时空演变特征
本文通过ArcGIS软件的空间叠加分析功能，基于中国十大国家级城市群高质量发展水平的格网数据集，测度了2005年、2010—2017年城市群的高质量发展水平的空间分布情况，结果如表2所示。利用区域统计工具，得到以十大国家级城市群为单位的高质量发展水平综合指数的格网化平均值。
由表2可知：
第一，从整体来看，中国十大国家级城市群的高质量发展水平呈现出从西北、东北地区→中部地区→东南沿海地区逐渐提高的现象，并且两极分化显著。长三角城市群和珠三角城市群凭借地理位置优越、精英人才聚集等先天发展优势，高质量发展水平始终处于领先地位。相反，由于资源枯竭和匮乏、经济基础薄弱和人才的不断流失，兰西城市群、哈长城市群的高质量发展水平较为落后。其余六大城市群的高质量发展处于中游水平，从高质量发展测度得分来看，这些城市群发展水平的差别相对并不明显。
第二，从时序角度分析，十大国家级城市群高质量发展水平指数均呈现出上升趋势，但增长速率和增长活力有所差异。作为城市群发展“领头羊”的珠三角城市群高质量发展得分上升的绝对水平和相对水平最高，中原城市群高质量发展上升的相对水平排第三名，为38.18%，成为发展最具活力的城市群之一。2017年，长三角城市群和珠三角城市群高质量发展水平的平均值最高，比2005年提高了39.01%和40.25%。珠三角城市群的高质量发展水平落后于长三角城市群，但珠三角城市群的发展速度比后者高。此外，哈长城市群仅次于兰西城市群，高质量发展从2005年到2017年上升的绝对水平和相对水平最低，分别为5.08分和16.57%。
第三，从城市群包含的城市来看，各城市的高质量发展水平存在明显差异。根据2017年各城市高质量发展水平的综合指数得分，高质量发展水平十强城市包括：深圳、上海、无锡、苏州、南京、常州、镇江、扬州、南通、东莞，这十个城市均来自长三角城市群和珠三角城市群，其中长三角城市群占八个。高质量发展水平最高的城市是位于珠三角城市群中的深圳，而长三角城市群高质量发展水平最高的是上海，从这两个发展水平相对最高的城市群的核心城市来看，在2015年之前深圳的高质量发展水平落后于上海，但差距随着时间的推移在逐渐减小，2017年深圳的高质量发展水平超过了上海。
第四，从各城市群的内部高质量发展水平来看，各城市群具有不同的内部发展特征。长三角城市群呈现“带状”结构分布特征，以上海—南京为分界线，分界线以北地区的发展质量较分界线以南地区略高，并且两部分地区已形成了“连绵区”，向内陆阶梯式递减。珠三角城市群发展呈现“多中心”的结构分布特征，以广州、深圳、珠海等城市为多中心，向外围地区阶梯式递减。而中国中部地区城市群内部的发展水平呈现“弱中心”空间分布，中心城市的高质量发展水平略高于其他城市。 （二）城市群高质量发展水平等级变化趋势
本文按照城市群高质量发展水平以及自然间断点分级法，利用ArcGIS软件的重分类功能，对各年份城市群发展质量指数分为五个等级：第一等级（综合指数≤30）、第二等级（30<综合指数≤35）、第三等级（35<综合指数≤40）、第四等级（40<综合指数≤49）和第五等级（49<综合指数），并统计各等级面积以及百分比。从第一等级到第五等级表示城市群高质量发展水依次递增。然后利用栅格计算器，统计相邻两个时期以及2005年和2017年两个时期的等级变化分布情况。通过比较各城市群内部的等级分布比例，将十大国家级城市群分为三个层次：领先组（长三角城市群、珠三角城市群）、转型组（呼包鄂榆城市群、北部湾城市群、成渝城市群、长江中游城市群、中原城市群、关中城市群）、滞后组（兰西城市群、哈长城市群），三个层次城市群各等级面积占比如表3所示。
由表3可知：
第一，领先组城市群中心城市发展势头良好。城市群高质量发展水平第五等级为发展水平最高等级，2010年首次出现在长三角城市群的上海，随后在2015年出现在珠三角城市群的深圳。同时，高质量发展第五等级是所有等级中面积占比最小的，而且2015—2017年第五等级发展水平面积占比基本未发生改变。从第五等级的变化情况可以看出，领先组城市群高质量发展综合水平实现了突破性的提高，这与中国的区域化发展战略有着密切的联系。
第二，领先组城市群表现出由周边城市向中心城市的集聚作用。城市群高质量发展水平第四等级即发展水平排名第二的等级，2015年之前是领先组城市群地区的主要组成，2017年在中原城市群、北部湾城市群和成渝城市群中出现。第四等级从2005—2017年呈现先增加后减少的趋势，其中，2005—2015年面积占比由3.32%上升到53.48%，到2017年下降到48.81%，主要变化地区集中在长三角城市群的台州市地区以及北部湾城市群的茂名市。观察发现，领先组城市群在高质量发展的同时，也在汇集周边力量，集中形成中心城市的突出优势。
第三，转型组城市群中心城市优势暂不突出，滞后组城市群发展水平有待提升。城市群高质量发展水平第三等級即发展水平中等的等级，其面积占比从2005年的3.03%增加到2017年的26.03%。第二等级即发展水平略落后的等级，其面积占比从2005年的12.93%上升到2015年的69.36%，又下降到2017年的68.30%。第一等级即发展水平最低的等级，其面积占比从2005年到2017年呈现明显的减少现象。第一、二等级的面积占比减少，转为了第三等级的面积占比增加。第二、三等级作为中国转型组城市群的主要组成部分，除了哈长城市群和兰西城市群尚未出现第三等级地区，关中城市群2010年来第三等级地区面积基本没有改变。其他六个城市群高质量发展水平第三等级面积都呈现逐年增加。
（三）高质量发展水平测度的一级指标分析
本文从经济发展、基础设施、资源环境、社会发展四个一级指标层来探究城市群在2005年、2010年、2015年、2017年四年的各年中，不同维度的高质量发展水平差异，结果如表4所示。
由表4可知：
第一，各层次（领先组、转型组、滞后组）城市群的一级指标层面得分与高质量发展水平大体上保持一致。高质量发展水平得分高的领先组城市群一级指标得分也相对较高。高质量发展水平较低的城市群，如兰西城市群、哈长城市群，一级指标层面的得分也相对较低。一级指标层面得分具有从东南沿海向内陆地区递减及两极分化严重的特征。此外，各城市群之间在四个方面的得分也存在不平衡现象，地域差异性显著。
第二，从经济发展层面来看，各城市群之间的经济发展水平呈现两极分化严重的特征，但差异在逐渐缩小。珠三角城市群的经济发展得分在2005年是兰西城市群的2.5841倍，到2017年降低至其2.1712倍，十个城市群之间经济发展得分的变异系数从0.3345下降到0.2258，极差也从5.5793下降到4.1250。从经济发展的增速来看，领先组城市群经济发展得分增长不明显。珠三角城市群的经济发展得分出现了降低的现象，体现出过度的集聚使得集聚经济的负外部性超过正外部性。转型组城市群的经济发展迅速，其中成渝城市群、长江中游城市群和中原城市群经济发展的增速名列前茅，分别增长了27.42%、21.47%和18.43%，可见，转型组城市群的经济发展存在较大的提升空间，中部区与沿海地区的差距，可能受制于交通因素、人口流动因素等影响。滞后组城市群以及呼包鄂榆城市群经济发展增速较低，主要原因是由于产业结构过于单一、产业结构转型缓慢。
第三，从基础设施层面来看，各城市群之间的基础设施水平的差异有所波动。2005年到2017年，十大国家级城市群之间的基础设施得分的变异系数从0.1605下降到了0.1395，极差从2.3002上升到2.9742。哈长城市群的基础设施水平一直以来较为落后。2005年领先组基础设施层面得分最高，兰西城市群、关中城市群、哈长城市群的基础设施指标得分较低。2017年，长三角城市群基础设施水平依旧领先，但呼包鄂榆城市群进步显著，其基础设施层面得分增加了124.01%。同时，增速比较突出的城市群有关中城市群、中原城市群和长江中游城市群，分别增长了85.65%、63.25%和61.04%。
第四，从资源环境层面来看，各城市群之间的资源环境水平差异显著。2005年到2017年，十大国家级城市群之间的资源环境得分的变异系数由0.2340到0.1955，极差由7.7941到7.5706，可见资源环境得分的地域差异非常严重。但是，排除兰西城市群，九大城市群的资源环境得分的极差从4.5018下降到了2.5745，可见兰西城市群的资源环境方面极其贫乏，除兰西城市群之外的九大城市群之间的资源环境水平的差异较小。从增速来看，关中城市群、珠三角城市群和成渝城市群的资源环境方面的增长较突出，分别增长了60.54%、49.89%和49.38%，可见中国转型组城市群具有丰富的可开发利用的资源，关键在于如何依托自身的优势挖掘资源要素。 第五，从社会发展层面来看，各城市群之间社会发展水平的差异呈现出明显的增加趋势。2005年到2017年，十大国家级城市群之间的社会发展得分的变异系数由0.0479增加到0.1488，极差由1.8321增加到5.4031。从增速来看，长三角城市群和珠三角城市群的社会发展水平增速最高达到26.40%和17.86%，尤其在城乡一体化发展、网络科技发展方面为其余城市群提供可供参考的经验。
五、城市群发展质量的空间关联性和分异规律
（一）高质量发展水平的空间集聚特征分析
本文运用ArcGIS软件中的地统计分析工具，对2005年、2010年、2015年和2017年的十大国家级城市群包含市级的高质量发展水平综合指数进行趋势分析以及空间相关分析，结果如图1所示。
由图1可知：
第一，趋势面分析印证了十大国家级城市群的高质量发展水平从西北、东北地区→中部地区→东南沿海地区呈现出逐渐升高的特征，并且两极分化显著。2005年、2010年、2015年和2017年四年的数据地域变化趋势大致相同，但在变化速率上存在差异。东西方向上，由西向东发展水平指数逐渐增大，这与研究区域的高质量发展情况相符，东部沿海地区的经济发展水平高，基础设施完善，高质量发展水平高。而由于哈长城市群位于十大国家级城市群的最东部，其发展经济发展相对薄弱，因而其发展水平综合指数相对落后。南北方向上来看南北方向呈现先缓慢升高后以较快的速率下降的趋势。
第二，十大国家级城市群之间具有较强的自相关性，并且高高聚集主要集中在领先组城市群，低低聚集主要集中在滞后组城市群，转型组城市群高质量发展水平的空间集聚性不显著的特征。全局空间自相关指数用来描述空间数据的相关关系，而LISA集聚图可以反映研究单元在空间上的具体分布情况，可以进一步探究十大国家级城市群高质量发展水平综合指数的格局形成原因。城市群高质量发展水平空间集聚特征表现为兰西城市群内部出现大面积的冷点-99%可信度区域和少部分的冷点-95%可信度区域;哈长城市群内部出现少部分冷点-95%可信度区域;长三角城市群和珠三角城市群內部绝大部分表现为热点90%以上可信度区域;其他六个城市群内部表现为无特征。十大国家级城市群2005年、2010年、2015年和2017年的全局空间自相关指数分别为0.7953、0.7701、0.7978和0.7947，说明十大国家级城市群高质量发展水平综合指数在空间上有较强的自相关性。城市群发展水平高高聚集主要集中在长三角城市群和珠三角城市群，这些城市群基础设施完善、经济发展水平高，高质量发展水平相对较高。低低集聚主要集中在兰西城市群地区。转型组城市群没有体现出明显的空间聚集特征，未在城市群内部体现出中心集聚的效应。
（二）高质量发展水平的空间分异规律
本文按照自然间断点分级法，将不同公里格网的人口分布数分为四个等级，这四个等级分别为：适中（0—278人/平方公里）、较密集（278—3 340人/平方公里）、密集（3 340—14 197人/平方公里）、高度密集（14 197—70 897人/平方公里）。将经济发展指标得分由低到高分为共五个等级 。利用ArcGIS工具统计不同城市群高质量发展水平等级在不同人口数量等级和经济发展等级上的分布，得出以下结论：
第一，随着人口密集度的提升，高质量发展水平高等级面积占比增加，但过度的人口集聚在城市群发展上也表现出了集聚不经济现象。人口适中和人口较密集地区从2005年主要集中在第一等级，此后，集中在第一等级的面积一直在减少，并且向第二、三、四等级转型的面积依次递减。2017年，人口适中地区中的第二、三等级面积占比分别为56.27%、24.56%，人口较密集地区2010年主要集中在第二等级，直至2015年才出现第五等级的地区，并且从2015年到2017年没有发生显著的改变。人口密集地区则主要集中在城市群发展的第四等级，人口分布与城市群高质量发展水平呈现正相关关系，即随着人口越集中的地区，城市群的高质量发展水平越高。然而，人口高度密集地区，主要集中在城市群高质量发展水平的第三、四、五等级，并且较第四、五等级来说，第三等级相对占比较高。可见在人口密集度达到一定的水平之后，由于城市的容量有限，导致了环境污染、城市交通瘫痪等方面的负面影响，从而使得高质量发展水平的下降。
第二，城市群高质量发展等级在不同的经济发展水平分布上的差异很大。处于经济发展水平落后地区的第一、二等级，在2005年主要集中在高质量发展水平第一等级，到了2010年，提升到了高质量发展的第二等级，并且随着高质量发展水平的提高占比逐渐减少。目前，经济发展水平落后地区面临向高质量发展第三等级转型的问题。2005年到2015年，处于经济发展水平稳定地区的第三等级向高质量发展水平第四等级转型，但在尚未出现高质量发展水平最高的情况下，到了2017年，第四等级占比减少，出现了高质量发展水平停滞现象，甚至倒退现象，经济发展水平稳定地区面临转型问题。而处于经济发展水平较领先的第四、五等级地区，从2005年到2017年实现了高质量发展等级从第三等级向第四等级、第四等级向第五等级的转变。
六、结论与政策建议
（一）结论
第一，2005年、2010—2017年中国十大国家级城市群高质量发展水平一直处于稳步增长，但城市群之间的高质量发展水平差异较大，从西北、东北地区—中部地区—东南沿海地区呈现出逐渐升高的分层现象，并且两极分化严重。各城市群的增长活力有所差异，转型组城市群中的成渝城市群、长江中游城市群具有较高的发展潜力。在空间上十大国家级城市群体现出“连绵区”、“中心—外围”以及“多中心”的结构，并且高质量发展水平越高的城市群结构特征越显著，可见中心城市与周边城市形成了发展落差。2010年以来，以城市群高质量发展水平第三等级为主要组成成分的转型组，中心城市优势不明显，第三等级向第四、第五等级的转型出现停滞。 第二，十大国家级城市群在经济发展、基础设施、资源环境、社会发展四个层面的得分与高质量发展水平得分大体一致，但也具有不均衡性。经济层面和社会层面的发展水平差异较大，并且呈现扩大趋势，基础设施层面的差异有呈现上下波动，而资源环境层面的差异，除去极小值的情况下呈现缩小的趋势。
第三，中国城市群之间有较强的自相关性，在城市层面上，高质量发展水平领先组城市群内，城市之间的发展有较强的流动性和关联性。转型组城市群高质量发展水平的空间集聚性较弱，城市之间的互动较小，城市群内部的城市之间还存在着行政壁垒。在空间分异特征上，随着人口密集度的增加，城市群高质量发展水平呈现先增加后减小的趋势，随着经济发展水平的提升，城市群高质量发展水平整体增加的同时，第三等级的转型出现了问题。
（二）政策建议
第一，对于多中心的领先组城市群，应当合理评估城市群的资源环境承载力，实现多中心之间资源的统筹规划和有效配置，同时注重生态圈的绿色发展和可持续发展，提高资源利用率;应当控制城市群内人口快速增长和持续集聚的情况，引导人才向周边地区流动;要建立多轴线、多层次的交通网络现代化格局，带動内陆地区的发展。
第二，对于单中心和双中心的转型组城市群，要将高质量发展作为城市群未来发展的首要目标;通过打造交通、运输、资源等方面的互利互通，打破政绩考核上的行政壁垒，实现城市群内的合理分工和扩容提质;引导人口向中心城市聚集，发挥中心城市的辐射作用，促进一体化发展;充分利用文化资源大力发展旅游业，完善基础设施，实行积极开放的区域合作战略。
第三，对于滞后组城市群，要加大深化改革力度，大力吸引中国东部和南部沿海地区优秀人才、资金和技术，相应地物质资源可以向滞后城市群转移;要加快城市群内中心城市的城镇化建设，提升中心城市在国家发展中的战略地位，通过经济中心城市辐射加快周边小城市的发展;在注重生态建设的同时，要充分利用发达的能矿资源加工产业的发展，鼓励和倡导产业集群和产业转型优化;提高城市群内部的联系，根据不同地区产业的比较优势搭配并优化产业布局;加快交通运输业的发展，实现医疗、教育等基础设施现代化建设。
参考文献：
[1] Howard，E. Tomorrow： A Peaceful Path to Real Refor[M].London： Swan Sonnenschein， 1898.2-8.
[2] 薛东前， 姚士谋， 张红.关中城市群的功能联系与结构优化[J].经济地理，2000，（6）： 52-55.
[3] 方创琳， 毛其智， 倪鹏飞.中国城市群科学选择与分级发展的争鸣及探索[J].地理学报， 2015， （4）： 515-527.
[4] 鞠小逖.绿色发展理念下京津冀城市群提质发展研究[D].北京： 首都经济贸易大学硕士学位论文，2018.2-8.
[5] 徐丽婷， 姚士谋， 陈爽， 等.高质量发展下的生态城市评价——以长江三角洲城市群为例[J].地理科学， 2019， （8）： 1228-1237.
[6] 谢花林， 刘黎明， 李波， 等.土地利用变化的多尺度空间自相关分析——以内蒙古翁牛特旗为例[J].地理学报， 2006， （4）：389-400.
[7] 何文举. 交通基础设施建设对城市化发展质量影响的空间计量研究——以湖南省为例[J]. 城市发展研究，2016，（9）：101-106.
[8] 李磊， 张贵祥.京津冀城市群内城市发展质量[J].经济地理， 2015， （5）： 61-64.
[9] 刘蕊.资源环境约束下关中城市群发展水平研究[D].西安： 西安理工大学硕士学位论文， 2008.
[10] 向罗生.城市群区域发展评价分析研究[J].智库时代， 2018，（41）： 78-81.
[11] 谢尚， 邓宏兵.长江中游城市群发展质量评价[J].统计与决策， 2018， （14）： 55-58.
[12] 刘思宇.皖江城市带经济社会发展水平评价指标体系研究——基于五大发展理念的视角[J].农村经济与科技， 2018， （7）： 212-213.
[13] 朱洪祥. 山东省城镇化发展质量测度研究[J]. 城市发展研究，2007，（5）：37-44.
[14] 李妍.基于多源数据的中原城市群城市发展水平评价与分析[D].郑州：郑州大学硕士学位论文， 2018.
[15] 田时中， 涂欣培. 长三角城市群综合发展水平测度及耦合协调评价——来自26城市2002—2015年的面板数据[J].北京理工大学学报（社会科学版）， 2017， （6）： 103-113.
[16] 苗洪亮.中国城市群空间结构、内部联系对其经济效率的影响研究——基于十大城市群面板数据的分析[D].北京： 中央财经大学硕士学位论文， 2017.
Measurement and Spatial Correlation of High-Quality Development Level of Chinas City Clusters
LIU Kai-lin1，SHANG Pei-pei2
（1.School of Statistics， Dongbei University of Finance and Economics， Dalian 116025， China;
2.Magazine，Dongbei University of Finance and Economics， Dalian 116025， China） Abstract：This paper combines remote sensing data and Geographic Information System （GIS） technology to establish a gridded dataset of indicators for Chinas ten national city clusters， and constructs a system of indicators for measuring the high-quality development level of city clusters using fuzzy aggregation and ANN algorithm. This paper uses GIS software to synthesize a raster dataset of the quality development level of the ten national city clusters， and uses exploratory analysis tools to analyze the spatial and temporal evolution of the quality development level of city clusters and the spatial correlation among and within city clusters. The study found that the level of high-quality development in Chinas ten national city clusters has been steadily improving in recent years， but the level of high-quality development varies widely between different city clusters， with serious polarization. Meanwhile， there is a significant development gap between the central cities within the city clusters and the surrounding cities. The scores of the ten major city clusters in the four aspects of economic development， infrastructure， resources and environment， and social development are generally consistent with the overall scores of high- quality development level， but there is also a certain unevenness. The positive correlation within the Pearl River Delta and Yangtze River Delta city clusters are significant， while the negative correlation within the Lanxi city cluster is significant， and the correlation within the remaining city clusters are not significant.
Key words：city clusters; high-quality development; Geographic Information System （GIS）; gridded model; ANN algorithm
（責任编辑：李明齐）
〔关键词〕城市群;高质量发展;地理信息系统（GIS）;格网化模型;ANN算法
中图分类号：F299.2 文献标识码：A 文章编号：1008-4096（2021）03-0037-10
一、引 言
新世纪以来，世界大城市化趋势日渐明显。中国高度重视城市群建设，2016年中国“十三五”规划中明确提出，未来五年要提升东部地区城市群、培育中西部地区城市群，发展壮大东北地区、中原地区、长江中游地区、成渝地区、关中平原城市群，规划引导形成更多支撑区域发展的增长极，建立健全城市群发展协调机制，推动跨区域城市间产业分工、基础设施、生态保护、环境治理等协调联动，实现城市群一体化高效发展。党的十九大报告也明确提出，建立健全以城市群为主体，城市群内部大中小城市和小城镇相互促进、协调发展的机制。截至2019年2月18日，国务院共先后批复了10个国家级城市群，包括了160余个地级市，面积占全国16.83%，经济总量占全国70%。
城市群发展战略实施以来，中国经济经历了从高速发展向高质量发展的转变，逐渐形成了世界最大规模的城市聚集区。然而，在中国城市群迅速发展和转型的过程中“城市群病”日益显著，出现了滥圈滥划、拔苗助长、拼凑城市群等现象;同时，发展程度差异性大、发展路径不明确的问题日渐凸显，并且大部分城市群发展效率需要进一步提高。党的十九大报告对于城市群的发展也有新的要求：人民对美好生活的新向往转化为新时代城市群发展的新追求。这就要求由只重经济发展和只求数量的发展理念转变为经济、社会、环境以及基础设施的全面高质量发展的发展观念，追求城市群的高质量发展。鉴于此，亟需对中国城市群的发展现状进行全面系统的分析，并根据不同类型城市群的特点，制定相应的城市群发展战略，为城市群的高质量发展提供实证经验。此外，随着大数据时代的到来，多种遥感数据对统计指标进行了空间可视化，遥感在国土资源调查与监测、城市热岛效应以及环境监测等方面得到了广泛的应用，为城市群研究提供了新的方向。
国内外对于城市群的研究，因研究内容差异和不同城市群的不同发展形态而各具特色。国外关于城市群的研究起源于1898年，Howard[1]从田园城市视角研究了城镇群。国内方面，薛东前等[2]从城市群的概念和演变规律等角度进行了探索，方创琳等[3]从城市群的发展结构体系定义了中国城市群的等级分化。随着对城市群的研究进一步深入，国内外学者开始从不同对象、不同角度、不同方法和不同精度等方面，对城市群的发展质量进行研究。根据研究对象的不同，研究分为以单个城市群为研究对象和以多个城市群为研究对象;前者关于京津冀城市群、长江三角洲城市群的研究居多[4-5]，后者以区域包含的城市群为研究对象。根据研究角度不同，研究分为从某一角度来研究和综合测度城市群的发展水平。在中国，格网技术被广泛应用于土地利用[6]和碳排放的研究，并且基于遥感影像提取的土地利用数据和夜间灯光数据成为了相关研究的主要因素。
与已有研究相比，本文研究的主要创新点体现在：第一，研究对象上，对中国十大国家级城市群包含的城市和公里格网的高质量发展水平进行测度，从经济发展、基础设施、资源环境、社会发展四个方面进行分析，全面探索中国当前城市群整体的发展水平和发展潜力。第二，研究方法上，基于模糊集合思想和ANN算法构建测度城市群发展水平的评价体系。第三，研究数据上，通过地理信息技术和格网化模型，对不同统计口径的社会经济数据以及人口和GDP的公里格网数据进行获取、处理和分析，形成中国十大国家级城市群的指标空间格网数据集。
二、模型构建
（一）城市群高质量发展评价指标体系构建
借鉴已有研究[7]-[12]，本文将近四年来国内关于城市群发展评价研究中的指标体系合并成含有6个二级指标和56个末级指标的总指标库，然后对原始指标库进行三轮筛选，删除不可观测的指标，基于模糊集合的隶属度筛选。最终得到4个二级指标，34个二级指标。本文利用ANN算法，以原始指标库中的城市群高质量发展水平格网化数据作为原始数据库，确定格网化指标的权重，具体如表1所示。
（二）城市群高质量发展水平指数的格网化表达
区别于普通的地理要素，社会经济要素的空间分布在一般情况下，位置是不固定的。对于一部分空间分布不均匀的要素来说，如GDP、人口和高质量发展指数，可以根据其影响因素来模拟空间分布情况。对于另一部分空间分布均匀的要素，如空气质量二级以上天数、地方财政收入等，可以利用格网化规则，将社会经济统计数据进行空间展布，从而满足研究的需求。
计算总指数公式如式（1）：
HI=∑_（i=1）^n?〖X_i×W_i 〗 （1）
其中，HI表示城市群高质量发展水平指数，值越大表示城市群高质量发展水平越高，Wi表示34个指标因子的权重，Xi表示34个指标的标准化值。
（三）城市群高质量发展水平的空间相关分析——探索性空间数据分析方法 探索性空間数据分析方法用来反映城市群高质量发展水平的空间关联度特征，用以解释高质量发展水平的空间分布相关性，确定城市群高质量发展水平空间分布的冷热点区域。本文采用全局空间自相关表示城市群高质量发展水平是否具有空间集聚的特征，其相关关系用Morans I指数来表现，其取值范围为[-1，1]，大于0时，指数值越大，则城市群高质量发展水平集聚特征越明显。计算公式如式（2）：
I= （∑_（i=1）^n?∑_（j=1）^m?〖W_ij （x_i-?x）（x_j-?x） 〗）/（S^2 ∑_（i=1）^n?∑_（j=1）^m?W_ij ） （2）
其中，S^2=1/n ∑_（i=1）^n?（x_i-?x）^2 ，?x=1/n ∑_（i=1）^n?x_i ，x_i表示第i个研究对象的发展水平指数大小，n为研究对象的个数，W_ij为研究对象i和j之间的空间权重。
由于空间自相关只能表现城市群高质量发展水平的集聚特征，不能表现具体集聚分布的空间位置，因此，采用局部空间自相关来展现高质量发展水平在空间上的具体集聚特征。计算公式如式（3）：
I_i=（（x（_i^）- ?x））/S^2 ∑_（j=1）^n?〖W_ij （x_j-?x） 〗 （3）
其中，S^2=（∑_（j=1，j≠1）^n?〖（x_j 〖-?x）〗^2 〗）/（n-1），I_i值大于0，表示该研究对象周围的高质量发展水平指数出现高值或者低值的空间聚集现象。
三、数据来源及预处理
（一）数据来源
本文的数据主要来源于以下四个方面：第一，行政区划地图来自天地图的行政边界数据接口，在QGIS软件中获得。第二，人口和GDP空间分布公里网格数据。本文选用中国资源环境科学数据中心网站的2005年、2010—2017年人口和GDP的1km×1km的栅格数据，并利用这四年的栅格数据和相关统计数据合成这四年城市群高质量发展水平的时间点栅格数据集。该数据在全国分县的统计数据基础之上，综合分析了与人类活动密切相关的土地利用类型、夜间灯光亮度和居民点密度数据。第三，社会经济统计数据。城市群高质量发展评价体系指标数据，即2005年、2010—2017年共计9年，其中2015年的相关统计数据用来合成栅格综合指数;十个城市群包含的161个地级市的19个统计指标数据，以及省级统计指标数据15个，均来自国家和各省市统计局发布的《中国统计年鉴》以及《中国城市统计年鉴》。第四，指标数据库中城市群高质量发展水平指标数据和得分数据来自作者对已有相关文献[13]-[16]的整理。
（二）数据预处理
第一，本文将城市转化为需要的面状数据，合并为城市群，并根据国家民政局网站上在2019年7月发布的全国行政区划数据进行修订，将其作为本文的统一地图。第二，为多源数据集统一投影坐标系。按照规定，自2018年7月1日起，中国自然资源系统一律采用2000国家大地坐标系（CGCS2000）。本文通过ArcGIS软件中的投影转换工具，将空间数据的投影坐标系统一为CGCS2000_3_Degree_GK_CM_120E。第三，缺失值与异常值处理。对于缺失值的填充，数值型特征使用平均值来填充，类别型特征使用众数来填充。
四、中国十大国家级城市群高质量发展水平分析
（一）高质量发展水平测度的时空演变特征
本文通过ArcGIS软件的空间叠加分析功能，基于中国十大国家级城市群高质量发展水平的格网数据集，测度了2005年、2010—2017年城市群的高质量发展水平的空间分布情况，结果如表2所示。利用区域统计工具，得到以十大国家级城市群为单位的高质量发展水平综合指数的格网化平均值。
由表2可知：
第一，从整体来看，中国十大国家级城市群的高质量发展水平呈现出从西北、东北地区→中部地区→东南沿海地区逐渐提高的现象，并且两极分化显著。长三角城市群和珠三角城市群凭借地理位置优越、精英人才聚集等先天发展优势，高质量发展水平始终处于领先地位。相反，由于资源枯竭和匮乏、经济基础薄弱和人才的不断流失，兰西城市群、哈长城市群的高质量发展水平较为落后。其余六大城市群的高质量发展处于中游水平，从高质量发展测度得分来看，这些城市群发展水平的差别相对并不明显。
第二，从时序角度分析，十大国家级城市群高质量发展水平指数均呈现出上升趋势，但增长速率和增长活力有所差异。作为城市群发展“领头羊”的珠三角城市群高质量发展得分上升的绝对水平和相对水平最高，中原城市群高质量发展上升的相对水平排第三名，为38.18%，成为发展最具活力的城市群之一。2017年，长三角城市群和珠三角城市群高质量发展水平的平均值最高，比2005年提高了39.01%和40.25%。珠三角城市群的高质量发展水平落后于长三角城市群，但珠三角城市群的发展速度比后者高。此外，哈长城市群仅次于兰西城市群，高质量发展从2005年到2017年上升的绝对水平和相对水平最低，分别为5.08分和16.57%。
第三，从城市群包含的城市来看，各城市的高质量发展水平存在明显差异。根据2017年各城市高质量发展水平的综合指数得分，高质量发展水平十强城市包括：深圳、上海、无锡、苏州、南京、常州、镇江、扬州、南通、东莞，这十个城市均来自长三角城市群和珠三角城市群，其中长三角城市群占八个。高质量发展水平最高的城市是位于珠三角城市群中的深圳，而长三角城市群高质量发展水平最高的是上海，从这两个发展水平相对最高的城市群的核心城市来看，在2015年之前深圳的高质量发展水平落后于上海，但差距随着时间的推移在逐渐减小，2017年深圳的高质量发展水平超过了上海。
第四，从各城市群的内部高质量发展水平来看，各城市群具有不同的内部发展特征。长三角城市群呈现“带状”结构分布特征，以上海—南京为分界线，分界线以北地区的发展质量较分界线以南地区略高，并且两部分地区已形成了“连绵区”，向内陆阶梯式递减。珠三角城市群发展呈现“多中心”的结构分布特征，以广州、深圳、珠海等城市为多中心，向外围地区阶梯式递减。而中国中部地区城市群内部的发展水平呈现“弱中心”空间分布，中心城市的高质量发展水平略高于其他城市。 （二）城市群高质量发展水平等级变化趋势
本文按照城市群高质量发展水平以及自然间断点分级法，利用ArcGIS软件的重分类功能，对各年份城市群发展质量指数分为五个等级：第一等级（综合指数≤30）、第二等级（30<综合指数≤35）、第三等级（35<综合指数≤40）、第四等级（40<综合指数≤49）和第五等级（49<综合指数），并统计各等级面积以及百分比。从第一等级到第五等级表示城市群高质量发展水依次递增。然后利用栅格计算器，统计相邻两个时期以及2005年和2017年两个时期的等级变化分布情况。通过比较各城市群内部的等级分布比例，将十大国家级城市群分为三个层次：领先组（长三角城市群、珠三角城市群）、转型组（呼包鄂榆城市群、北部湾城市群、成渝城市群、长江中游城市群、中原城市群、关中城市群）、滞后组（兰西城市群、哈长城市群），三个层次城市群各等级面积占比如表3所示。
由表3可知：
第一，领先组城市群中心城市发展势头良好。城市群高质量发展水平第五等级为发展水平最高等级，2010年首次出现在长三角城市群的上海，随后在2015年出现在珠三角城市群的深圳。同时，高质量发展第五等级是所有等级中面积占比最小的，而且2015—2017年第五等级发展水平面积占比基本未发生改变。从第五等级的变化情况可以看出，领先组城市群高质量发展综合水平实现了突破性的提高，这与中国的区域化发展战略有着密切的联系。
第二，领先组城市群表现出由周边城市向中心城市的集聚作用。城市群高质量发展水平第四等级即发展水平排名第二的等级，2015年之前是领先组城市群地区的主要组成，2017年在中原城市群、北部湾城市群和成渝城市群中出现。第四等级从2005—2017年呈现先增加后减少的趋势，其中，2005—2015年面积占比由3.32%上升到53.48%，到2017年下降到48.81%，主要变化地区集中在长三角城市群的台州市地区以及北部湾城市群的茂名市。观察发现，领先组城市群在高质量发展的同时，也在汇集周边力量，集中形成中心城市的突出优势。
第三，转型组城市群中心城市优势暂不突出，滞后组城市群发展水平有待提升。城市群高质量发展水平第三等級即发展水平中等的等级，其面积占比从2005年的3.03%增加到2017年的26.03%。第二等级即发展水平略落后的等级，其面积占比从2005年的12.93%上升到2015年的69.36%，又下降到2017年的68.30%。第一等级即发展水平最低的等级，其面积占比从2005年到2017年呈现明显的减少现象。第一、二等级的面积占比减少，转为了第三等级的面积占比增加。第二、三等级作为中国转型组城市群的主要组成部分，除了哈长城市群和兰西城市群尚未出现第三等级地区，关中城市群2010年来第三等级地区面积基本没有改变。其他六个城市群高质量发展水平第三等级面积都呈现逐年增加。
（三）高质量发展水平测度的一级指标分析
本文从经济发展、基础设施、资源环境、社会发展四个一级指标层来探究城市群在2005年、2010年、2015年、2017年四年的各年中，不同维度的高质量发展水平差异，结果如表4所示。
由表4可知：
第一，各层次（领先组、转型组、滞后组）城市群的一级指标层面得分与高质量发展水平大体上保持一致。高质量发展水平得分高的领先组城市群一级指标得分也相对较高。高质量发展水平较低的城市群，如兰西城市群、哈长城市群，一级指标层面的得分也相对较低。一级指标层面得分具有从东南沿海向内陆地区递减及两极分化严重的特征。此外，各城市群之间在四个方面的得分也存在不平衡现象，地域差异性显著。
第二，从经济发展层面来看，各城市群之间的经济发展水平呈现两极分化严重的特征，但差异在逐渐缩小。珠三角城市群的经济发展得分在2005年是兰西城市群的2.5841倍，到2017年降低至其2.1712倍，十个城市群之间经济发展得分的变异系数从0.3345下降到0.2258，极差也从5.5793下降到4.1250。从经济发展的增速来看，领先组城市群经济发展得分增长不明显。珠三角城市群的经济发展得分出现了降低的现象，体现出过度的集聚使得集聚经济的负外部性超过正外部性。转型组城市群的经济发展迅速，其中成渝城市群、长江中游城市群和中原城市群经济发展的增速名列前茅，分别增长了27.42%、21.47%和18.43%，可见，转型组城市群的经济发展存在较大的提升空间，中部区与沿海地区的差距，可能受制于交通因素、人口流动因素等影响。滞后组城市群以及呼包鄂榆城市群经济发展增速较低，主要原因是由于产业结构过于单一、产业结构转型缓慢。
第三，从基础设施层面来看，各城市群之间的基础设施水平的差异有所波动。2005年到2017年，十大国家级城市群之间的基础设施得分的变异系数从0.1605下降到了0.1395，极差从2.3002上升到2.9742。哈长城市群的基础设施水平一直以来较为落后。2005年领先组基础设施层面得分最高，兰西城市群、关中城市群、哈长城市群的基础设施指标得分较低。2017年，长三角城市群基础设施水平依旧领先，但呼包鄂榆城市群进步显著，其基础设施层面得分增加了124.01%。同时，增速比较突出的城市群有关中城市群、中原城市群和长江中游城市群，分别增长了85.65%、63.25%和61.04%。
第四，从资源环境层面来看，各城市群之间的资源环境水平差异显著。2005年到2017年，十大国家级城市群之间的资源环境得分的变异系数由0.2340到0.1955，极差由7.7941到7.5706，可见资源环境得分的地域差异非常严重。但是，排除兰西城市群，九大城市群的资源环境得分的极差从4.5018下降到了2.5745，可见兰西城市群的资源环境方面极其贫乏，除兰西城市群之外的九大城市群之间的资源环境水平的差异较小。从增速来看，关中城市群、珠三角城市群和成渝城市群的资源环境方面的增长较突出，分别增长了60.54%、49.89%和49.38%，可见中国转型组城市群具有丰富的可开发利用的资源，关键在于如何依托自身的优势挖掘资源要素。 第五，从社会发展层面来看，各城市群之间社会发展水平的差异呈现出明显的增加趋势。2005年到2017年，十大国家级城市群之间的社会发展得分的变异系数由0.0479增加到0.1488，极差由1.8321增加到5.4031。从增速来看，长三角城市群和珠三角城市群的社会发展水平增速最高达到26.40%和17.86%，尤其在城乡一体化发展、网络科技发展方面为其余城市群提供可供参考的经验。
五、城市群发展质量的空间关联性和分异规律
（一）高质量发展水平的空间集聚特征分析
本文运用ArcGIS软件中的地统计分析工具，对2005年、2010年、2015年和2017年的十大国家级城市群包含市级的高质量发展水平综合指数进行趋势分析以及空间相关分析，结果如图1所示。
由图1可知：
第一，趋势面分析印证了十大国家级城市群的高质量发展水平从西北、东北地区→中部地区→东南沿海地区呈现出逐渐升高的特征，并且两极分化显著。2005年、2010年、2015年和2017年四年的数据地域变化趋势大致相同，但在变化速率上存在差异。东西方向上，由西向东发展水平指数逐渐增大，这与研究区域的高质量发展情况相符，东部沿海地区的经济发展水平高，基础设施完善，高质量发展水平高。而由于哈长城市群位于十大国家级城市群的最东部，其发展经济发展相对薄弱，因而其发展水平综合指数相对落后。南北方向上来看南北方向呈现先缓慢升高后以较快的速率下降的趋势。
第二，十大国家级城市群之间具有较强的自相关性，并且高高聚集主要集中在领先组城市群，低低聚集主要集中在滞后组城市群，转型组城市群高质量发展水平的空间集聚性不显著的特征。全局空间自相关指数用来描述空间数据的相关关系，而LISA集聚图可以反映研究单元在空间上的具体分布情况，可以进一步探究十大国家级城市群高质量发展水平综合指数的格局形成原因。城市群高质量发展水平空间集聚特征表现为兰西城市群内部出现大面积的冷点-99%可信度区域和少部分的冷点-95%可信度区域;哈长城市群内部出现少部分冷点-95%可信度区域;长三角城市群和珠三角城市群內部绝大部分表现为热点90%以上可信度区域;其他六个城市群内部表现为无特征。十大国家级城市群2005年、2010年、2015年和2017年的全局空间自相关指数分别为0.7953、0.7701、0.7978和0.7947，说明十大国家级城市群高质量发展水平综合指数在空间上有较强的自相关性。城市群发展水平高高聚集主要集中在长三角城市群和珠三角城市群，这些城市群基础设施完善、经济发展水平高，高质量发展水平相对较高。低低集聚主要集中在兰西城市群地区。转型组城市群没有体现出明显的空间聚集特征，未在城市群内部体现出中心集聚的效应。
（二）高质量发展水平的空间分异规律
本文按照自然间断点分级法，将不同公里格网的人口分布数分为四个等级，这四个等级分别为：适中（0—278人/平方公里）、较密集（278—3 340人/平方公里）、密集（3 340—14 197人/平方公里）、高度密集（14 197—70 897人/平方公里）。将经济发展指标得分由低到高分为共五个等级 。利用ArcGIS工具统计不同城市群高质量发展水平等级在不同人口数量等级和经济发展等级上的分布，得出以下结论：
第一，随着人口密集度的提升，高质量发展水平高等级面积占比增加，但过度的人口集聚在城市群发展上也表现出了集聚不经济现象。人口适中和人口较密集地区从2005年主要集中在第一等级，此后，集中在第一等级的面积一直在减少，并且向第二、三、四等级转型的面积依次递减。2017年，人口适中地区中的第二、三等级面积占比分别为56.27%、24.56%，人口较密集地区2010年主要集中在第二等级，直至2015年才出现第五等级的地区，并且从2015年到2017年没有发生显著的改变。人口密集地区则主要集中在城市群发展的第四等级，人口分布与城市群高质量发展水平呈现正相关关系，即随着人口越集中的地区，城市群的高质量发展水平越高。然而，人口高度密集地区，主要集中在城市群高质量发展水平的第三、四、五等级，并且较第四、五等级来说，第三等级相对占比较高。可见在人口密集度达到一定的水平之后，由于城市的容量有限，导致了环境污染、城市交通瘫痪等方面的负面影响，从而使得高质量发展水平的下降。
第二，城市群高质量发展等级在不同的经济发展水平分布上的差异很大。处于经济发展水平落后地区的第一、二等级，在2005年主要集中在高质量发展水平第一等级，到了2010年，提升到了高质量发展的第二等级，并且随着高质量发展水平的提高占比逐渐减少。目前，经济发展水平落后地区面临向高质量发展第三等级转型的问题。2005年到2015年，处于经济发展水平稳定地区的第三等级向高质量发展水平第四等级转型，但在尚未出现高质量发展水平最高的情况下，到了2017年，第四等级占比减少，出现了高质量发展水平停滞现象，甚至倒退现象，经济发展水平稳定地区面临转型问题。而处于经济发展水平较领先的第四、五等级地区，从2005年到2017年实现了高质量发展等级从第三等级向第四等级、第四等级向第五等级的转变。
六、结论与政策建议
（一）结论
第一，2005年、2010—2017年中国十大国家级城市群高质量发展水平一直处于稳步增长，但城市群之间的高质量发展水平差异较大，从西北、东北地区—中部地区—东南沿海地区呈现出逐渐升高的分层现象，并且两极分化严重。各城市群的增长活力有所差异，转型组城市群中的成渝城市群、长江中游城市群具有较高的发展潜力。在空间上十大国家级城市群体现出“连绵区”、“中心—外围”以及“多中心”的结构，并且高质量发展水平越高的城市群结构特征越显著，可见中心城市与周边城市形成了发展落差。2010年以来，以城市群高质量发展水平第三等级为主要组成成分的转型组，中心城市优势不明显，第三等级向第四、第五等级的转型出现停滞。 第二，十大国家级城市群在经济发展、基础设施、资源环境、社会发展四个层面的得分与高质量发展水平得分大体一致，但也具有不均衡性。经济层面和社会层面的发展水平差异较大，并且呈现扩大趋势，基础设施层面的差异有呈现上下波动，而资源环境层面的差异，除去极小值的情况下呈现缩小的趋势。
第三，中国城市群之间有较强的自相关性，在城市层面上，高质量发展水平领先组城市群内，城市之间的发展有较强的流动性和关联性。转型组城市群高质量发展水平的空间集聚性较弱，城市之间的互动较小，城市群内部的城市之间还存在着行政壁垒。在空间分异特征上，随着人口密集度的增加，城市群高质量发展水平呈现先增加后减小的趋势，随着经济发展水平的提升，城市群高质量发展水平整体增加的同时，第三等级的转型出现了问题。
（二）政策建议
第一，对于多中心的领先组城市群，应当合理评估城市群的资源环境承载力，实现多中心之间资源的统筹规划和有效配置，同时注重生态圈的绿色发展和可持续发展，提高资源利用率;应当控制城市群内人口快速增长和持续集聚的情况，引导人才向周边地区流动;要建立多轴线、多层次的交通网络现代化格局，带動内陆地区的发展。
第二，对于单中心和双中心的转型组城市群，要将高质量发展作为城市群未来发展的首要目标;通过打造交通、运输、资源等方面的互利互通，打破政绩考核上的行政壁垒，实现城市群内的合理分工和扩容提质;引导人口向中心城市聚集，发挥中心城市的辐射作用，促进一体化发展;充分利用文化资源大力发展旅游业，完善基础设施，实行积极开放的区域合作战略。
第三，对于滞后组城市群，要加大深化改革力度，大力吸引中国东部和南部沿海地区优秀人才、资金和技术，相应地物质资源可以向滞后城市群转移;要加快城市群内中心城市的城镇化建设，提升中心城市在国家发展中的战略地位，通过经济中心城市辐射加快周边小城市的发展;在注重生态建设的同时，要充分利用发达的能矿资源加工产业的发展，鼓励和倡导产业集群和产业转型优化;提高城市群内部的联系，根据不同地区产业的比较优势搭配并优化产业布局;加快交通运输业的发展，实现医疗、教育等基础设施现代化建设。
参考文献：
[1] Howard，E. Tomorrow： A Peaceful Path to Real Refor[M].London： Swan Sonnenschein， 1898.2-8.
[2] 薛东前， 姚士谋， 张红.关中城市群的功能联系与结构优化[J].经济地理，2000，（6）： 52-55.
[3] 方创琳， 毛其智， 倪鹏飞.中国城市群科学选择与分级发展的争鸣及探索[J].地理学报， 2015， （4）： 515-527.
[4] 鞠小逖.绿色发展理念下京津冀城市群提质发展研究[D].北京： 首都经济贸易大学硕士学位论文，2018.2-8.
[5] 徐丽婷， 姚士谋， 陈爽， 等.高质量发展下的生态城市评价——以长江三角洲城市群为例[J].地理科学， 2019， （8）： 1228-1237.
[6] 谢花林， 刘黎明， 李波， 等.土地利用变化的多尺度空间自相关分析——以内蒙古翁牛特旗为例[J].地理学报， 2006， （4）：389-400.
[7] 何文举. 交通基础设施建设对城市化发展质量影响的空间计量研究——以湖南省为例[J]. 城市发展研究，2016，（9）：101-106.
[8] 李磊， 张贵祥.京津冀城市群内城市发展质量[J].经济地理， 2015， （5）： 61-64.
[9] 刘蕊.资源环境约束下关中城市群发展水平研究[D].西安： 西安理工大学硕士学位论文， 2008.
[10] 向罗生.城市群区域发展评价分析研究[J].智库时代， 2018，（41）： 78-81.
[11] 谢尚， 邓宏兵.长江中游城市群发展质量评价[J].统计与决策， 2018， （14）： 55-58.
[12] 刘思宇.皖江城市带经济社会发展水平评价指标体系研究——基于五大发展理念的视角[J].农村经济与科技， 2018， （7）： 212-213.
[13] 朱洪祥. 山东省城镇化发展质量测度研究[J]. 城市发展研究，2007，（5）：37-44.
[14] 李妍.基于多源数据的中原城市群城市发展水平评价与分析[D].郑州：郑州大学硕士学位论文， 2018.
[15] 田时中， 涂欣培. 长三角城市群综合发展水平测度及耦合协调评价——来自26城市2002—2015年的面板数据[J].北京理工大学学报（社会科学版）， 2017， （6）： 103-113.
[16] 苗洪亮.中国城市群空间结构、内部联系对其经济效率的影响研究——基于十大城市群面板数据的分析[D].北京： 中央财经大学硕士学位论文， 2017.
Measurement and Spatial Correlation of High-Quality Development Level of Chinas City Clusters
LIU Kai-lin1，SHANG Pei-pei2
（1.School of Statistics， Dongbei University of Finance and Economics， Dalian 116025， China;
2.Magazine，Dongbei University of Finance and Economics， Dalian 116025， China） Abstract：This paper combines remote sensing data and Geographic Information System （GIS） technology to establish a gridded dataset of indicators for Chinas ten national city clusters， and constructs a system of indicators for measuring the high-quality development level of city clusters using fuzzy aggregation and ANN algorithm. This paper uses GIS software to synthesize a raster dataset of the quality development level of the ten national city clusters， and uses exploratory analysis tools to analyze the spatial and temporal evolution of the quality development level of city clusters and the spatial correlation among and within city clusters. The study found that the level of high-quality development in Chinas ten national city clusters has been steadily improving in recent years， but the level of high-quality development varies widely between different city clusters， with serious polarization. Meanwhile， there is a significant development gap between the central cities within the city clusters and the surrounding cities. The scores of the ten major city clusters in the four aspects of economic development， infrastructure， resources and environment， and social development are generally consistent with the overall scores of high- quality development level， but there is also a certain unevenness. The positive correlation within the Pearl River Delta and Yangtze River Delta city clusters are significant， while the negative correlation within the Lanxi city cluster is significant， and the correlation within the remaining city clusters are not significant.
Key words：city clusters; high-quality development; Geographic Information System （GIS）; gridded model; ANN algorithm
（責任编辑：李明齐）