城市空间结构多中心度与集聚...——基于企业空间分布的视角_彭彦彦.pdf

城市建设与发展文章编号 1002 2031(2023)01 0040 09DOI 10 13239/j bjsshkxy cswt 230108城市空间结构多中心度与集聚度对 PM2 5浓度的影响 基于企业空间分布的视角彭彦彦万思齐秦波阮芳芳摘要 基于35 个大城市企业空间分布数据，结合 Lasso 和 OLS 回归分析模型，分析了城市空间结构多中心度和集聚度对城市 PM2 5浓度的影响。结果表明，以企业空间分布表征的城市空间结构能够有效反映城市经济活动空间集聚对 PM2 5浓度的影响。在控制城市社会经济和自然环境等因素后，发现多中心城市的 PM2 5浓度更低，而空间结构越紧凑的城市 PM2 5浓度则越高，城市空间多中心发展对 PM2 5浓度的影响大于城市空间集聚度。总体来说，在中国主要的大城市中，分散化多中心城市拥有更好的空气质量。建议通过合理的城市规划和管理政策，鼓励适度分散的多中心城市发展，以实现更高的城市空气质量和更少的污染物排放。关键词 PM2 5浓度;城市空间结构;企业分布;回归分析中图分类号 X511;TU98411文献标识码 A作者简介 彭彦彦(1987)，女，福建南平人，中国人民大学公共管理学院博士研究生，主要研究方向为城市地理学与城市空间结构;万思齐(1995)，女，湖北黄石人，中国人民大学公共管理学院博士研究生，主要研究方向为城市地理学;秦波(1979)，男，湖北黄冈人，中国人民大学公共管理学院副院长，教授，博士，主要研究方向为城市地理学与城市空间结构;阮芳芳(1988)，女，浙江宁波人，宁波财经学院讲师，博士，主要研究方向为环境管理与环境经济学。收稿日期 2022 11 15修回日期 2022 12 11一引言近几十年来，全球城市快速发展带来了大量社会和经济效益，但也造成了许多严重的环境问题。其中，以 PM2 5为代表的细颗粒物导致的空气污染问题最为典型1。受快速城市化进程的影响，PM2 5污染问题一直困扰着中国城市的发展2 4。现有研究表明，空气污染除了对动物和植物的健康产生危害之外5 6，还会破坏自然生态系统、触发政府信任危机甚至增加社会不稳定风险7 9，并导致经济发展不可持续3等一系列问题。因此，如何制定有效政策以限制城市中污染物的排放或降低污染物浓度是当前学界和城市管理者迫切需要解决的问题。当前研究表明，仅从气象学和环境科学的角度去研究影响 PM2 5形成的原因不足以改善空气污染问题。因此，越来越多的学者开始关注城市空间结构与 PM2 5浓度的关联，认为通过引导城市空间结构的合理调整能够可持续性地减缓空气污染问题10。已有研究指出，城市空间结构对以 PM2 5为主要污染物的城市空气质量产生了重要影响，并且其影响大小不亚于气象因素11 14。由于数据可得性的限制，大部分探讨城市空间结构与环境污染关系的文献均是从土地利用或者人口分布的视角出发，然而环境污染实际上可能与企业地理分布更相关15 16。作04总第 330 期城市问题2023 年第 1 期城市建设与发展为城市的主要经济活动主体，企业不仅是城市空间结构形成的主要动力，也已经被证实是产生城市空气污染的主要来源17。而且，即使是传统的土地与人口视角的相关研究，结论也因数据、地理尺度和研究方法不同而不一致，因而难以在生态环境保护目标下提出对城市空间结构转型的有效政策建议。目前，在我国的各级空间类规划中，许多城市期待通过多中心结构的发展，疏解城市中心的高密度，以此缓解空气污染问题并降低碳排放总量18。在存量规划的背景下，对城市中心的有效疏解往往是通过产业和企业的布局规划及其有效实施实现的。因此，有必要通过企业地理视角，从学理上进一步明确城市空气质量与城市空间结构之间的关系，这不仅能够完善城市空间结构的研究视角，补充和回应目前土地与人口视角下城市空间与环境污染的诸多文献，而且对于通过优化城市空间结构来改善空气污染问题的政策实践更具实操价值4、19。具体而言，本文将利用海量企业数据，探讨企业空间分布视角下我国主要大城市空间结构与 PM2 5浓度的关联，以期为城市空间结构的规划转型、环境污染治理和城市可持续发展提供实证依据。二文献综述城市空间结构对空气质量影响的相关研究主要从两方面展开。一方面是从城市土地扩张或覆盖变化的角度衡量城市形态及结构，通过计算城市规模、城市蔓延、城市紧凑度以及城市破碎度等指标，探讨城市形态与空气污染的关联。这些研究发现，城市紧凑度与空气污染之间呈现负相关关系14，而城市建成区面积、城市用地扩张以及空间破碎度则增加了空气污染，此外不同规模的城市之间存在一定异质性20 22。总体而言，上述研究从土地利用视角分析城市形态各指标与空气污染的显著关联性，极大地促进了学界对于城市空间结构与空气污染之间关系的认知。另一方面则从人口分布的角度衡量城市空间结构，进而探讨其对空气质量的影响。这些研究大多采用人口分布的多中心度和分散度等指标，但得到了很不一致的研究结论4 、11 12 、23。一些研究认为，城 市 多 中 心 度 与 空 气 污 染 呈 负 向 相 关 关系12 、24，更加分散化的多中心城市空气质量更好。另一些研究表明，城市多中心度和分散度与空气污染之间存在正向相关关系4 、11。还有研究则并未发现多中心化的城市空间结构与空气质量相关的实证证据23。造成上述研究结论差异的原因，除了受空气污染指标选择的影响外，还可能与指标测度和模型估计方法有关。在现有研究中，对于多中心性的测度主要基于单一指数12 、23，缺少对各中心均衡程度的综合考虑25。尤其是在分散度的测算中，往往只考虑了人口集中分布在城市中心的比重11，尚未从空间维度上反映其与污染物浓度之间的关系。在模型估计方法上，既有研究对于多重共线性的处理和控制变量的筛选还有不足11 12。综上可知，当前研究大多从土地利用分布或人口分布的角度测算城市空间结构，强调土地利用变化或人口集聚带来的环境负外部性11 12。然而，仅从土地或人口角度来测算城市空间结构的概念化方式仍然有待优化。已有研究表明，相对于土地和人口分布，以企业空间分布为代表的经济活动空间集聚可能对于 PM2 5等颗粒污染物浓度的影响更为直接26 27。同时，与就业分布相关的城市属性数据对城市空间结构的表达也比土地和人口分布更加准确28。企业不仅是就业的主要载体，也是城市最重要的经济主体，企业的空间分布直接反映了城市职能的空间结构，并直接影响了城市的居住人口、就业工作、通勤出行、土地开发、公共服务配套、基础设施等一系列社会经济活动和物质实体的空间分布，可以说是表征城市空间结构更有效的方法29。然而，尽管从企业空间分布视角出发研究城市空间结构与空气质量的关系具有明显优势30 31，但是在数据可得性的条件限制下，不论是研究数量还是质量都有很大的拓展空间11。基于这些研究不足，本文通过获取天眼查网站(https:www tian-yancha com/)公布的各大城市的海量企业数据，以中国 35 个主要城市市辖区为研究对象，探讨城市空间结构多中心度与集聚度对城市 PM2 5浓度空间分布的影响，从企业视角挖掘城市空间结构与 PM2 5浓度的实证关系，以期为当前城市空间结构规划与环境污染治理提供科学依据。本文选择 35 个主要城市的原因在于它们不仅经济发展模式相对成熟，而且内部产业结构、土地利用结构也已基本成型，通过企业大数据能够比较真实地反映其空间分布与城市空间结构的关系32。此外，相较中小城市，大城市也面临着更为迫切的环境污染治理问题。14城市问题 2023 年第 1 期城市空间结构多中心度与集聚度对 PM2 5浓度的影响城市建设与发展三变量选取与模型构建1 变量选取与数据来源(1)被解释变量:PM2 5浓度PM2 5是构成雾霾污染的主要成分，它是直径小于或等于 2 5m 的细颗粒物，具有活动性强、分布范围广、容易携带有毒物质等特征，在空气中滞留时间较长，容易对人体健康产生较大危害，是反映空气污染程度的重要指标33。本文中引用的城市 PM2 5浓度数据来自中国环境监测总站全国城市空气质量实时发布平台，通过 24 小时滑动均值计算得出2021 年 35 个样本城市 PM2 5年平均浓度。(2)核心解释变量:多中心度与集聚度多中心度和集聚度是目前研究中广泛使用的表征城市空间结构的重要指标。其中，多中心度表示空间要素在主中心和次中心分布的不均衡程度，集聚度是指空间要素在城市中心的集聚程度18 、34。本文对于多中心度和集聚度的测算基于海量企业空间分布数据，数据来源于天眼查网站。该网站提供了包括企业的名称、类型、注册地址、行业类别、注册资本、成立时间、经营范围等信息，是当前国内企业公开信息较为全面且准确的平台。截止到 2022 年1 月，在本文所关注的 35 个主要城市的市辖区中，一共获取了 3626 万条企业相关数据。在对企业数据展开下载、整理和清洗后，通过百度 API 接口将企业地址文本信息转化为企业空间坐标信息，构建了35 个主要城市的企业空间数据库。最终利用 Arc-GIS Pro 软件完成对 35 个城市多中心度和集聚度指标的计算，计算方式如下:多中心度(POLY)。本文采 用 阿 明 达 巴 里(Amindarbari)和塞夫图克(Sevtsuk)在 2012 年提出的多中心性指数计算城市空间结构多中心度35。多中心度越高意味着城市不同等级中心之间的差异越小，次中心相对于主中心的重要性越强，城市空间结构越趋于多中心化，并且各中心之间的规模趋于均衡36。该指标综合了中心数量、所有城市中心企业数量规模和各城市中心企业数量规模的均衡程度三个因素25 、35，具体公式如下:P=N*E(1)式中，P 是城市多中心指数，在本文中指城市多中心度;N 是城市企业中心数量;是所有城市中心的企业数量占市辖区总企业数量的份额;E 是熵指数，衡量中心规模的同质化程度。主要构建步骤如下:第一，细化空间尺度。采用 1 公里 1 公里格网对 35 个城市内部企业进行空间尺度划分，通过局部 Moran s I 指数寻找企业空间聚集格网37。第二，筛选潜在中心范围。为了尽可能避免由于人为设定次中心范围而导致的主观偏误，本研究采用499 次随机置换，即选择在 95%置信区间显著的、车相邻(边相邻)的企业密度较高且周围企业密度也较高的格网作为潜在中心范围。第三，确定中心范围。本研究参考现有人口空间结构研究方法，要求城市中心区域至少存在 3 个及以上相邻格网集群38 39。在此基础上，结合已有研究对“公司城镇”10000 个总就业人数的定义，将城市中心阈值设定更为严格的 10000 个企业数量规模，最后确定城市中心范围40 41。集聚度(CONCEN)。集聚度是描述空间要素在城市中心的集中程度的重要指标11。本文采用单中心密度梯度法计算城市空间集聚度。密度梯度是指空间要素在城市的分布从中心到边缘的变化情况。密度梯度的绝对值越大，意味着城市空间结构越紧凑。相较传统的基于中心占比计算的集聚或分散度的方法，以密度梯度表征的集聚度指标考虑了空间距离参数，能在一定程度上反映空间要素集聚与通勤距离关系，适用于城市空间结构与空气质量关系研究42。同时，该指标能够客观描述和比较城市内企业的空间集聚与扩散形态，且不需要预先定义城市的地域圈层结构，便于跨城市的比较，已广泛应用于国内外城市空间结构的相关研究43 45，具体公式如下:D(r)=aexp(br)(2)式中，r 是与市中心的距离，本研究中市中心是通过空间自相关分析选取局部 Moran s I 指数最高值所在的街道。D(r)是与中心距离为 r 处街道的企业密度，a 是理论上市中心的密度。b 即为密度梯度，表示企业密度随着与市中心距离的增加而指数上升或下降的速率。b 一般为负值，本文对 b 取绝对值以表征城市空间集聚度，b 的绝对值越大，表示向心集聚形态越明显，城市空间集聚度越大。(3)控制变量借鉴已有研究，除了本文所关注的城市空间结构这一核心变量之外，还充分控制了社会经济、自然环境以及建成环境等其他可能影响 PM2