EN中文

自然资源学报 >

2021 , Vol. 36 >Issue 9: 2320 - 2334

DOI: https://doi.org/10.31497/zrzyxb.20210911

国土空间安全的规划方法创新

基于SCGE的国土空间规划模拟框架CTSPM及其在国土空间安全模拟仿真中的应用

  • 沈体雁 , 1, 2 ,
  • 温璐歌 1, 2
展开
  • 1.北京大学政府管理学院,北京 100087
  • 2.北京大学城市治理研究院,北京 100087

沈体雁（1971- ）,男,湖北天门人,博士,教授,主要从事城市规划治理、国土空间规划、产业集群发展和空间计量经济学等方面的教学科研工作。E-mail:

收稿日期: 2020-07-03

  要求修回日期: 2021-03-22

  网络出版日期: 2021-11-28

基金资助

北京高等学校卓越青年科学家项目(JJWZYJH01201910003010)

国家社会科学基金重大项目(17ZDA055)

国家自然科学基金重大项目(71733001)

科技部重大专项(2019YFB1404604)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Simulation framework of China's Territorial Spatial Planning Model (CTSPM) based on Spatial Computable General Equilibrium Model (SCGE) and its application in land and space safety simulation

  • SHEN Ti-yan , 1, 2 ,
  • WEN Lu-ge 1, 2
Expand
  • 1. School of Government, Peking University, Beijing 100871, China
  • 2. PKU Institute of Urban Governance, Beijing 100871, China

Received date: 2020-07-03

  Request revised date: 2021-03-22

  Online published: 2021-11-28

Copyright

Copyright reserved © 2021.
Fold

摘要

土地利用指标的区域配置与部门配置是我国国土空间规划体系的核心问题。如何在贯彻落实国家意志和中央战略的前提下,根据我国不同类型自然地理区划和经济社会区划的发展实际,特别是根据城镇化格局定型区、发展型城镇化地区和收缩型城镇化地区等三类不同地区的土地利用的实际,充分顾及各级地方政府的发展意愿,优化配置各类用地指标,是本轮国土空间规划不可或缺的首要的基本任务。基于此,建立一个基于空间可计算一般均衡模型（SCGE）的多尺度、多区域、多情景国土空间规划模拟分析框架（CTSPM）,提出该框架在国土空间安全模拟仿真中的实际应用场景,以支持多种国家发展情景和土地指标分配方案下国土空间格局模拟分析,及其经济社会影响和生态环境影响分析,为各地区、各部门之间的土地指标“博弈”提供“辩论”平台,为科学编制国土空间规划以及深度理解国土空间安全的跨区域影响提供分析性框架。

关键词： 国土空间规划; 国土空间安全; 土地利用指标分配; 空间均衡模型（SCGE）; 国土空间规划模拟模型框架（CTSPM）

本文引用格式

沈体雁 , 温璐歌 . 基于SCGE的国土空间规划模拟框架CTSPM及其在国土空间安全模拟仿真中的应用[J]. 自然资源学报, 2021 , 36(9) : 2320 -2334 . DOI: 10.31497/zrzyxb.20210911

Abstract

The regional and department allocation of land use index is the key problem of National Territory Development Planning System. The most important task in this round of territorial space planning remains the optimal allocation of land use indexes of different types with the full consideration of the development wills of local governments at all levels. The task should be in line with the actual development of China's diverse physical geographic regionalization and economic and social regionalization, in particular, the actual land use in three different regions, namely, urbanization-forming region, urbanization-developing region and urbanization-shrinking region with the implementation of state will and national strategy. In this paper, the authors seek to establish a multi-scale, multi-region and multi-context simulation framework of China's Territorial Spatial Planning Model (CTSPM) based on the Spatial Computable General Equilibrium (SCGE) model, and proposes the actual application contexts in the safety simulation of territorial space for the support of the national territorial spatial framework simulation and analysis of multiple national development contexts and land index allocation planning as well as the analysis of its socio-economic influences and ecological environmental influences. The authors hope that this framework would serve as a "debate" platform for the "game" for obtaining land index between regions and departments and also an analytical framework for a scientific national territorial and spatial planning and a deep understanding of the cross-regional influences of national spatial safety.

Key words： national territory development planning; national spatial security; land use index allocation; Spatial Computable Equilibrium Model (SCGE); Simulation Framework of China's Territorial Spatial Planning Model (CTSPM)

自然资源部被赋予统一行使全民所有自然资源资产所有者职责、统一行使所有国土空间用途管制和生态保护修复职责,着力解决自然资源所有者不到位、空间规划重叠等问题[1]。作为一个系统工程,不仅需要政府各部门的力量,同时也需要企事业单位以及社会公众等社会力量的参与[2]。然而当前的规划体系中呈现的部门垂直管理与多规并行的运行特征,使得空间管制出现内容重叠、标准不统一等复杂问题,给全新的自然资源管理和全域的国土空间规划治理带来了诸多挑战[3,4,5]。
针对这些问题,2019年5月发布的《关于建立国土空间规划体系并监督实施的若干意见》中,明确要求结合国土空间规划编制,同步完成县级以上国土空间基础信息平台建设[6]。与此同时,在中共第十九届四中全会中,也强调了信息是国家治理的重要依据,以信息化推进国家治理体系和治理能力已经成为社会共识[7]。当前,新一代信息技术的发展为国土空间规划信息化、智能化发展提供了重要机遇。几十年来,由于新技术的广泛推行,国内外学者在空间规划、城市动态发展等方面做出了较多的探索,在技术层面也有很多实践。然而,大部分的研究仅停留在应用新技术于城市空间结构、土地利用变化、空间规划管理等单一方面[8,9,10,11],对于信息化技术应用于国土空间规划政策方面的系统性的综合研究较少。
因此,本文在经济学背景下,以实现信息化技术的综合集成应用为前提,通过引入可计算空间一般均衡模型（Spatial Computable General Equilibrium,SCGE）,建立一个多尺度、多类型国土空间规划模拟分析框架（CTSPM）,以支持多种国家发展情景和土地指标分配方案下国土空间格局模拟分析,及其经济社会影响和生态环境影响分析,以市场化的运营策略,为不同利益主体的“讨价还价”和“民主集中”提供科学依据,为各地区、各部门之间的土地指标“博弈”提供“辩论”平台,促进形成具有中国特色的自然资源治理体系和国土空间治理体系。同时响应国家战略,从空间安全、空间效率以及空间品质三方面出发,在识别城市资源环境禀赋的基础上,分析未来国土空间变与不变的潜力[12]。

1 研究综述

1.1 土地利用模型的发展

自从1882年杜能出版《孤立国同农业和国民经济的关系》[13]一书以来,土地利用模型就是自然资源学、地理学、区域科学等相关学科的核心问题。纵观一百多年的发展历程,土地利用模型大体上可以分为三个阶段,即理论奠基阶段、定量革命阶段和新综合发展阶段（表1）。
表1 不同阶段模型适用性对比

Table 1 Applicability comparison of different models in different stages

不同阶段模型类型及分类 理论奠基阶段 定量革命阶段 新综合阶段
PE GE CGE 地理模型 SCGE+地理模型
经济含义解读程度 局部解读 较高 较高 低 较高
经济相关因素处理 内生 内生 内生 外生 内生
应用周期长度 长期 长期 长期 短期/长期 长期
应用范围尺度 宏观大尺度单一要素（全球） 宏观大尺度多要素（全球） 宏观大尺度多要素（全球） 微观多尺度多要素（全球、区域皆可） 宏观多尺度多要素（全球、区域皆可）
政策评估 √ √ √ √ √ √ √ √ √ √ √ √
所需数据完整度 √ √ √ √ √ √ √ √ √
空间因素 部分考虑 部分考虑 部分考虑 考虑 考虑
理论奠基阶段可以分为古典区位时代（1882—1956年）和艾萨德时代（1956— 1991年）。古典区位时代包括农业区位论、工业区位论和中心地理论等局部均衡模型（LU-PE）[14,15,16]。以《区位与空间经济：关于产业区位、市场区、土地利用、贸易和城市结构的一般理论》一书的发表为标志的艾萨德时代[17,18],旨在构建包括政治、经济、社会和技术等因子在内的更加一般的区位理论。主要采用投入产出分析等方法,研究建立土地利用一般模型（LU-GE）。
定量革命时代（1991—2010年）。一方面,随着20世纪80年代计算机和信息技术的发展逐渐进入大众的视线,CLUE、SALU、IMAGE等基于GIS、RS技术的地理模型的建立为土地利用研究领域的发展做出了巨大贡献[19,20,21]。其中,建立可计算的一般均衡模型（CGE）乃是一个重要方向。另一方面,克鲁格曼等人将区位引入主流经济的垄断竞争模型,建立和发展新经济地理学,为土地利用解析模型提供了更加坚实的经济学基础。
土地利用变化的复杂性是建模方面的关键问题之一。由于单一模型具有一定局限性,且没有一个单一模型能够做到考虑LUC的所有特征[22,23,24,25]。因此,为了对土地利用变化进行更准确的模拟,以多种LUC模型集成的方法逐渐流行起来,这也促使了新综合阶段（2010年至今）的到来。
本文的目的是为了帮助政策制定者在开展不同市场规则下的不同国家和地方发展情景的国土空间规划方案前进行模拟仿真,为不同利益主体的“讨价还价”和“民主集中”提供科学依据,因此将采用SCGE模型与地理模型结合的整合模型,在政策分析的同时,从微观层面上精确模拟个体偏好带来的土地利用格局变化。

1.2 SCGE的发展及其在土地利用模拟中的应用

SCGE模型作为CGE模型的空间拓展,可以通过明确表示每个商品在每个区域内以及模型中以及所有区域之间的运输来增加政策评估的准确性。同时SCGE模型将区域和空间经济学的基本逻辑融入模型,考虑要素流动性、规模经济和运输成本,按区位划分商品、影响因素、公司和家庭,依照不同政策背景下提供的相关数据,通过供需关系的平衡来模拟未来政策可能产生的效果。
纵观文献,将SCGE模型发展大体分为四个阶段：第一阶段主要以Jones等[26]、Buckley等[27]为代表集中于对Walrasion CGE贸易模型进行空间拓展。第二阶段对SCGE模型的研究借鉴了空间价格均衡理论[35,36,37]预测货运网络的建模方法[31,38,39],通过建立带有空间因素的CGE模型来确定生产和运输的货物数量、出厂价格和交易价格,以及从原产地到目的地的最优运输路径。第三阶段对于SCGE模型的研究,主要受到“新经济地理学”[40]的影响,模型假设基本按照新经济地理学常用的D-S垄断竞争模型、规模收益递增以及不完全竞争的市场。第四阶段SCGE模型的研究维度从全国乃至全球维度转变到了城市圈/都市圈等小维度上[33,34],主要目的在于研究减缓交通拥堵政策、环境相关政策以及人口疏解政策对于交通基础设施、人口迁移以及土地利用等问题的影响（表2）。
表2 影响SCGE模型发展过程的代表人物及主要贡献

Table 2 Representatives and main contributions that influence the development process of the SCGE model

阶段 代表人物 对运输条件的假设 主要贡献
第一阶段 Jones等[26] 采用统一的输入系数 （1）在该模型的应用中,Jones等[26]根据税率政策,政府间转移以及税收和补贴的取消的希克斯等值变异和区域间净劳动力流动来计算福利效应（2）在所有涉及到的政策假设情景下,作者发现政策变化对地区的影响是巨大的,并认为使用该模型方法对于研究联邦和地区财政政策变化对地区的影响是有价值的
Buckley[27] 采用Round[28]提出的方法,将运输和货运当作商品,并在空间上可以交易 通过明确考虑运输和批发服务,并将其作为可以在地区之间交易的商品,作者得到交通运输是否纳入模型会对政策模拟产生影响
第二阶段 Roson[29] 应用CGE模型、分散的空间价格均衡模型以及货运网络模型建立意大利的货运模型MITER 将SPE模型与CGE模型融合,通过三个模型的迭代计算得到最终基于区域与货运数量的运费,并以此为原理建立了意大利的货运模型
第三阶段 Kilkenny[30] 工农业的运输成本呈均匀分布 （1）运输成本与城市集中度之间的关系不是单调的,在运输成本下降时,农村地区的集中度首先下降,然后多样性和人口会呈现增加的态势（2）运输成本的下降在一定程度上可以改善所有参与者的福利
Fan等[31] 采用冰山运输成本假说 （1）由于前后向联系微弱,因此不存在以农业和服务业为主产业的城市（2）运输成本的降低大大改变了平衡结构。与Kilkenny[30]一样,较低的运输成本导致大城市人口密度更加统一。当运输成本降低到原始水平的十分之一时,新的平衡构型就非常接近于单中心的核心—外围结构
Freidl等[32] 采用通勤成本替代运输成本 应对城市蔓延的最好策略是改善交通运输工具以及采用警戒线定价
第四阶段 Wing等[33] 在传统CGE模型中添加运输部门 以美国大都市区为研究对象建立“空间分解”CGE模型,通过分解美国SAM表得到相关大都市区数据,明确表示行业对中间投入的使用,该模型阐明了宏观气候变化政策可能影响区域增长和燃烧活动减少带来的二次空气污染收益的空间分布的潜力
Wan等[34] 北京人口疏解政策可实施性的模拟
目前,SCGE模型主要用于分析区域影响,特别是在交通运输[41,42]、环境政策与灾害风险管理方面[43]有很多进展。对于土地利用的分析模拟在空间维度上主要集中于都市圈尺度或者小规模尺度,如Wing等[33]在2007年以美国大都市圈为研究对象建立“空间分解”CGE模型,通过分解美国SAM表得到相关大都市圈数据,明确表示行业对中间投入的使用,同时假设人口和收入的增长引起对住房的需求增加以及将农业用地转换为住宅、商业和工业用途,从而获得可用于模拟大都市圈经济活动、人口和土地利用分布的表达式,并在后续的情景模拟中模拟了宏观气候变化政策对土地利用格局及区域经济增长的影响。

1.3 国土空间安全相关研究

由于全球气候变化导致气温上升、冰川融化、雪线后退和海平面上升,极端灾害事件频发、人口老龄化、少子化与城市收缩等有关国家安全与发展的问题出现,以及习近平总书记提出的经济社会发展格局、城镇空间布局、产业结构调整与资源环境承载能力要相适应,要不断优化国土空间开发保护格局的要求,对于国土空间安全的相关研究也逐渐进入大众的视野[44]。
国内外学者通过采用投入产出模型、数值模拟、一般均衡模型（CGE）以及计量模型的方法对自然灾害（如洪水、地震、山体滑坡等）进行评估模拟[45,46,47,48]。使用投入产出模型,Tamura等[49]从实际数据中凭经验估计了地震对不同地区造成的直接和间接经济损失,并表明,灾难性地震造成的直接损失极大地影响了受灾地区和其他地区的经济。Xie等[50]通过CGE模型估计了汶川地震后重建支出的经济影响。对于公共卫生安全方面的问题,国内外学者主要集中在传染病对于经济、社会造成的影响及影响机制分析上[51,52,53,54,55]。Chou等[52]基于SCGE模型模拟并预测了“非典”（SARS）病毒的爆发对于中国大陆、台湾地区及香港地区制造业及服务行业的影响,并指出如果SARS病毒的传播没有办法抑制,同时中国政府对于疫情的披露缺少实效性及透明度,将会导致中国GDP的进一步下跌;Lee等[53]同样采用政策评估模型,通过考虑跨部门、跨国家的联系,评估了2003年“非典”疫情对全球商品交易市场以及资本市场流动性的影响。
爆发于2020年初的新冠疫情,对于处于经济下行压力下的中国而言,疫情的发生将会有可能造成严重的经济损失,因此,及时预判疫情对于宏观经济和各个产业部门的影响,并提出响应的对策,科学有效地制定疫情相应的应急配套措施迫在眉睫。目前学界在新冠疫情为主题的研究中,大多将此次疫情与2003年“非典”疫情进行对比,从影响路径、影响程度以及影响机制方面作出初步判断[56,57,58]。抑或是从微观角度入手,论述疫情冲击下的产业发展格局变化以及企业发展方针的跟进[59,60]。然而上述研究就疫情对经济系统的冲击机理没有充分考虑,同时对于2020年中国产业结构与2003年“非典”时期存在较大差异这一现实国情缺少深入探讨。
基于此,本文引入CTSPM模型,充分考虑居民对于第三产业的消费需求,弥补现有文献对该方面造成的经济系统的冲击缺失,着重讨论疫情对中国宏观经济的影响以及后续对于产业格局、土地利用格局的影响。

2 中国国土空间规划模拟模型框架（CTSPM）

通过对已有文献的梳理,提出基于SCGE的中国国土空间规划模拟模型框架（CTSPM）,即应用SCGE模型为框架提供经济学理论支持,通过建立土地与区域经济要素之间的关系,依赖区域间贸易、投资和劳动力流动的介入形成区域之间的空间联系介入,模拟不同政策下不同区域的土地利用结构数值变化;之后利用地理模型,通过模拟得到的相关社会经济要素的变化,估计出不同时期不同区域发生空间单位土地类型转化的可能性。通过SCGE模型和地理模型对不同政策情景下的土地利用变化进行估计和预测,实现对区域土地资源的保护,为土地利用生态管理和优化调控提供理论支持,为政策制定者“因地制宜”地制定相关战略提供保障。对于框架基于的研究假设、框架逻辑以及需要突破的重难点问题的具体内容如下：

2.1 研究假设

遵循空间相互作用和一般均衡模型之间广泛使用的假设,将经济活动的参与者划分为生产者（包含私营企业、公共企业和自愿企业等工商企业）与最终消费者（包含家庭、政府、集体、投资者和出口）,经济活动由非运输企业、运输企业、居民、投资者和政府进行。同时假定,生产涉及两种要素,分别是以劳动力和资本构成的可自由流动的因素以及不可自由流动的土地因素,消费流则是由居民消费、资本投资以及政府消费构成。商品可以在国内区域与外国之间进行交易,而且,无论其来源如何,它们的质量相同。运输服务的需求仅包括购买其他商品所产生的衍生需求。所有运输成本均在原产地支付。另外,根据城镇自身发展质量、城镇化推进效率和城镇化协调程度,将我国除西藏、香港、澳门和台湾之外的30个省（市、自治区）划分为三大区域,分别是快速城镇化区域、城镇化定格区域与收缩型城镇化区域。在土地要素划分上面,为了方便模型模拟,将所有土地类型划分为两种,一种是产生直接经济效益（农业、工业）,另一种是产生间接经济效益（生活及其他）。
遵从该假设,考虑与在市场价格均衡时地区之间的劳动力、商品和服务贸易;同时,将现有城市活动、建筑物、交通基础设施和土地的存量定义为存量限制,并假定其可以根据国家发展趋势、规划纲领变化或者自身所存在的惯性进​​行更新;最后,假定企业迁移以及内部和外部区域之间的变化、家庭迁移与跨境投资,这些条件会受到价格、物质约束、公民福祉和特殊情况的影响。

2.2 框架逻辑

按照上述假设,中国国土空间规划模拟模型框架的基本逻辑按照“三步走”的方式,第一阶段通过采用SCGE模型对国土空间规划政策进行模拟,判定政策是否可行;如若可行则进行第二阶段的空间映射,即采用地理模型将第一阶段所模拟的各项指标投射到地理空间,方便政策相关人员更直观地看到政策对于当地土地利用的影响;最后根据前两阶段的结果及我国国土空间规划评价体系,辅助政策制定者评估其可行性（图1）。
图1 中国国土空间规划模拟模型（CTSPM）的基本逻辑

Fig. 1 The basic logic of China's territorial spatial planning model

具体逻辑如下：
（1）第一阶段：利用SCGE模型进行情景分析——判定政策的可行性
在第一阶段,也是该框架的核心机制构建阶段,通过利用SCGE模型进行情景分析来判定政策的可行性。具体判定流程如图2所示。首先根据基准年全国尺度的投入产出数据确定不同区域的社会核算矩阵（SAM）,同时根据基准年不同区域的经济增长数据,确定基准增长率。计划采用2007年作为基准年对数据进行校准及后续的数据值确定。接下来根据模型假设,在初始SCGE模型公式上对变量进行添加及改进。本文模型相比于原始SCGE模型,添加了土地因素这一生产因素,因此在模型构建中,考虑通过不同种类单位面积用地的经济产出作为SCGE模型的产出,而用地投入包括单位面积用地的建设费用和税费等。在形成投入产出之后,根据最终经济市场需求,将其反映到土地市场上,构成不同类型的用地规模,从而做到对未来用地的模拟。在校准模型及初始设定的均衡条件之后,以初始设定的均衡条件未基准情景,根据需求改变不同的经济因素变化,从而通过模型计算出未来达到均衡条件时相关因子的变化。最后通过分析判断所得结果是否达到设定的政策预期目标。
图2 应用SCGE模型判定政策可行性的流程

Fig. 2 Flowchart of applying SCGE model to determine policy feasibility

（2）第二阶段：利用地理模型进行不同情景下的土地空间格局推演——模拟政策实施
在第二阶段,为了弥补经济学模型普遍存在的地理空间投影的缺失,同时为使框架可读性更强,在第一阶段的基础上,采用例如土地动态模拟系统（DLS）等仿真模拟系统将不同情景下通过预测得到的人口与经济相关指标不同类别的土地利用情况进行空间推演,模拟土地利用在外部环境变化和内部因素影响下的空间格局变化。在该阶段中,通过建立发展可能性函数,求出每一个网格（土地）转化为其他土地的可能性,并将对应的经济相关指标按照其密度以及生产率分配到地理空间上,从而得到特定情况下的区域土地利用格局。
（3）第三阶段：根据SCGE模型和地理模型建立我国国土空间规划评价体系——辅助政策制定
通过前两阶段对于政策实行之后的情况模拟,比较评价土地利用政策的合理性和适宜性,以及其对于该地区人口、经济发展等的影响,判定该政策是否达到预期。抑或是提出新的政策方案,通过该模式进行评价、分析和决策,从而形成新的国家尺度和区域尺度的土地利用政策。这里值得注意的是,由于构建的框架是基于多区域的假设,因此,该框架也可以用来模拟一个区域的情形改变对于其他区域的影响,这将使得框架的实用性更广。

3 国土空间安全情景模拟设计

定义“直接/间接作用于土地上的涉及到公共、自然、交通等方面的安全问题”为国土空间安全问题。由于使用的CTSPM框架是通过考虑运输部门从而实现经济问题的空间化,因此在分析时,利用将危机转换到交通部门受到的影响来进行分析是应用该模型框架处理国土空间安全问题的基本逻辑。其研究思路、重点研究内容以及预期结果如下：

3.1 逻辑分析

由于模型考虑运输部门从而增加了空间因素,因此,在分析政策/危机的时候,利用将政策/危机转换到交通部门受到的影响上来进行分析。举例来讲,以2020年初武汉地区由于重大公共安全问题采取封城这一举措为例,考虑这一举措带来的物理损失都表现在资本存量,进而体现在商品价格上。根据Armington假设,商品价格和运输成本之间存在一定的关系,也就是商品价格的波动会影响到运输部门对于运费的定价。如图3所示,灾害发生后,商品价格将受到影响,将商品价格体现在运输成本上,一个地区商品价格的变动通过运输系统传递到其他区域,从而导致其他地区商品价格的波动,这样便完成了危机的溢出效应。之后,根据以往的相似情况对相关经济要素进行情景假设来实现对政策可行性的模拟。在完成第一阶段SCGE模拟政策后,将改变后的相关经济要素代入到地理模型中,可以更直观地看到不同时期安全问题对不同区域的土地变化影响,从而完成经济问题在地理空间的投影。
图3 灾害发生对模型相关因素影响的机制传导图

Fig. 3 Mechanism transmission diagram of the impact of disasters on relevant factors of the model

3.2 重点研究内容

由于框架的核心在于第一阶段SCGE模拟是否能够得到不同情景模拟下的社会经济相关数据,因此着重介绍在考虑国土空间安全的情景分析时需要在SCGE模型构建上做的主要工作,按照先后顺序,将从区域划分确认、社会核算矩阵构建、国土空间安全SCGE模型模拟以及情景设计四个方面进行介绍。
（1）划分类型区域
根据《国家新型城镇化规划》中对于“新型城镇化”的解读认为,新型城镇化是在对传统城镇化做修改及补充的基础上,遵从以人为本,着眼于实现全面协调可持续发展的理念,在政府和市场的引导下,注重质量与效率的同步发展,以此来实现经济高效发展、产业结构优化、生态环境保护以及区民生活质量提高的新型城镇化的愿景。因此,根据对“新型城镇化”的理解,拟建立以城镇发展质量、城镇发展效率、城镇发展协调程度与绿色城镇化发展这四大类指标,对我国除台湾及港澳地区以外的31个省（市、自治区）进行城镇化发展程度的划分,最终根据构建结果定义在模型假设中提出的三大类区域。
a. 城镇化定型区：城镇化发展水平趋于稳定的区域,如三大核心区域
b. 发展型城镇化区域：城镇化发展曲线呈明显上升趋势的地区,如西南地区
c. 收缩型城镇化区域：城镇化发展曲线呈明显下降趋势的地区,如东北地区
（2）校准社会核算矩阵（SAM）
社会核算矩阵是SCGE模型的主要数据源,是国家级别中给定年份（该模型的基准年）内经济中所有交易的完整列表,传统社会核算矩阵中包含了社会中的生产性账户和非生产性账户。将全国数据划分为三大区域进行分析,首先需使用FLQ方程对全国尺度的投入产出表进行校准从而提高整体预测精度;其次,对矩阵行列中的要素部分进行分解,将要素分为劳动力和资本;最后,根据现实情况,增加土地账户,并将其细分为用地成本与用地收入两部分。
（3）建立国土空间安全SCGE模型
由于国土安全问题是作为外生给定变量代入模型进行分析,因此在模型构建上,不需要在原模型上改动太多。依照分析国土空间安全问题的逻辑与Zhang等[61]构建的SCGE模型的逻辑,整理了如图4所示的国土空间安全SCGE生产消费模型图。
图4 商品与价值流的流通路径图——以两个区域为例

注：根据Zhang等[61]的文章整理所得。

Fig. 4 Circulation of commodity and value flows in SCGE Model for a two-region case

如图4所示,在市场环境中,SCGE模型的经济活动参与者有生产者、居民和其他机构这几大类。相比于传统CGE模型,SCGE模型增加了交通部门（也可称为运输代理商）,在SCGE模型所代表的多区域环境中,上述生产者、居民和其他机构的特征发生在每个区域,各个区域通过运输代理商联系在一起。每个区域都有自己的偏好方程、投入产出数据库和区域间的贸易矩阵,以便计算每个区域的商品价格和数量。对不同区域,经济活动由四个主要部门进行,由农业和制造业这两大类公司进行生产,同时商品价格不由公司决定。运输部门,包括外国在内的各个地区,部门产生的所有最终多样化产出都汇总在区域商品池中,运输技术由线性均匀NCES单位成本函数描述,运输部门对不同区域、不同行业的产品偏好根据Armington替代弹性进行假定。消费者通过将初级生产要素（劳动力、资本和土地）出售给公司获得收入,然后将收入用于购买商品,但要视他们对消费效用的看法而定,消费者对于消费的效用函数遵从不变替代弹性（CES）原则,而对居住的效用函数则遵从边际效用递减规律。模型中的生产者通过生产函数进行商品生产,如燃料、水或电力或服务如运输或电信。生产者除了需要消耗劳动力、资本和土地等主要因素外,还需要消耗其他生产者生产的商品作为中间投入品,以生产最终商品。居民的收入主要来源是将初始要素卖给生产者的报酬,其对每种产品的需求受到以预算为约束的效用函数影响。
（4）模拟重大突发事件的国土空间安全影响
进行场景模拟的目的是在不同背景下对不同的经济政策、生态环境政策、灾害及危机应对等一系列问题进行建模,从而量化分析每种策略下所产生的经济效果,为政策制定者“因地制宜”地提供政策建议。以研究武汉地区由于重大公共安全问题为例,模拟分析该地区采取封城举措将会对全国以及其他区域发生的经济损失为例。设计情景时以经济发展速度作为变量,以政府预测到和没预测到的重大公共安全问题发生为分类情况,模拟不同情景下经济社会的发展以及城市经济恢复的进程。这里的经济发展速度则根据以往当地或相同地区发生公共安全问题之后的统计数据来决定。

3.3 预期结果

影响土地产出的因素可以归因于自然因素和人为因素两种,在人为因素中,疫情的发生和扩展对国家经济发展主要通过两个途径产生影响：其一是导致劳动力的减少,人均产出水平的降低,从而降低经济产出;其二则是由于疫情导致的恐慌会造成消费的所见以及储蓄的增加,从而在短期内形成经济的下行趋势。
首先采用原始SCGE模型对我国31个省（市、自治区）进行短期宏观经济分析,再根据国家统计局出版的2002年中国区域间以及区域内独立投入产出表、各地区公布的2002年投入产出表以及中国海关公布的分省贸易和关税数据,构建包含省级贸易的中国31个省（市、自治区）47个部门的SCGE数据库,并根据以往对于SARS病毒研究的经验,结合现实情况及相关报道[62,63],作出如下假定：
（1）情景1：采取人员流动限制措施后,旅游业居民消费下降30%,餐饮住宿、娱乐及其他服务业居民消费需求下降23.75%。
（2）情景2：未采取人员流动限制措施,导致疫情进一步发酵,旅游业居民消费下降55%,餐饮住宿、娱乐以及其他服务业居民消费需求下降42.5%。
根据模型模拟结果显示,疫情的发生对中国宏观经济系统短期内将产生负面冲击（表3）。在采取人员限制流动政策之后,我国实际GDP将下降0.15%,同时资本投资、居民收入与居民消费也将受到负面影响。在乐观情况下,采取限制性政策将促进疫情得到控制,消费需求上升,但由于国内企业受到疫情影响,短时间内资本和劳动力难以完全恢复,造成供给不足,因此全年CPI将上涨0.16%。相较而言,如果不采取流动限制措施,将造成近乎双倍的损失。
表3 不同情境下新冠肺炎疫情对主要宏观经济指标的影响

Table 3 The impact of COVID-19 on major macroeconomic indicators in China under different scenarios

经济指标 情景1 情景2
实际GDP -0.15 -0.26
资本投资 -0.06 -0.11
居民收入 -0.073 -0.13
居民消费 -2.7 -4.2
CPI 0.16 0.29
根据历史经验,疫情对于宏观经济的影响通常是短期的,经济发展常呈现V型走势,在疫情逐渐得到控制,市场情绪回归稳定,之前被暂时压抑了的消费、投资等需求会得到释放,从而带来经济反弹与产业重振。疫情发展至今,中国政府通过采取一系列措施,降低疫情对我国经济的影响,特别是关注民生及因疫情而面临困难的中小企业,防治企业产生资金短链等促使其停业倒闭和产业布局改变的情况。尽管如此,根据世界银行的报道,疫情将通过影响投资、人力资本和生产率,对我国甚至全球产生深远的影响[64]。同时根据对宏观经济因素的分析,疫情将造成劳动力的减少进而造成劳动效率的降低,从而导致产业生产效率的下降,影响产业发展,最终导致产业格局发生改变。因此,疫情的持续发酵将会导致土地利用类型转变。
然而,由于目前疫情发展情况仍未知,因此危机发生是否会对国土空间格局造成影响?假若国土空间格局发生改变,造成经济社会发展滞后,不同地区的不同政策引领是否会对经济恢复、土地利用及社会复苏产生影响?影响力的强弱是否不尽相同?针对这些问题,将持续跟进疫情的发展状况,作为未来的研究方向进行深入研究。

3.4 需要突破的难点问题

为了实现上述研究任务,在框架建立和实践中需要突破以下几个问题：（1）构建多区域SCGE模型时对社会核算矩阵的校准问题;（2）情景分析时相关经济因素转换成交通运输相关成本时的数据校准问题;（3）在SCGE模型中,初始均衡条件设定的依据问题,即宏观经济数据增长率的确定;（4）CTSPM的整体可行性评估。

4 总结与建议

通过引入SCGE模型并用地理模型作为辅助进行地理空间投影,其结果具有经济学含义并带有空间效应,对于政策制定者制定和评价国土空间规划相关政策有着重要的科学意义与政策价值。推动和建设该研究框架,有利于实现自然资源市场设计,在理论支持下开展不同市场规则条件下的不同国家和地方发展情景的国土空间规划方案模拟仿真,为不同利益主体的“讨价还价”和“民主集中”提供科学依据,促进形成具有中国特色的自然资源治理体系和国土空间治理体系,推动我国国土空间政策研究范式的建立,同时也将为我国发展规划提供科学依据。
同时,通过将疫情发生后国家采取的人员流动限制措施作为情景分析依据,结合我国现阶段处于高品质发展这一特殊时期,深入探讨疫情对第三产业造成的冲击,进而得到疫情对我国宏观经济造成的或多或少的负面影响,同时也将影响产业结构的变化。但对于是否会引发土地利用格局变化,还有待进一步考察。后续将进一步研究国土空间安全对国土空间格局造成的影响,并将研究对象按照城镇化进行分类,对不同区域进行深入研究,以期为国土空间安全这一研究主题作出贡献。
作为长期规划,本文一方面将通过研发国土空间规划模拟智慧平台,建设数据库和大数据库、知识库、证据库并编制自主知识产权模拟软件等方式,着力于推行大数据等新一代信息技术在国土空间规划方面的应用;另一方面将着力于提高社会力量与科研力量的进步,通过探索建立自然资源部总模型师制度,同时建设国土空间规划虚拟仿真教学中心,提升全民国土空间安全意识,提高公众参与意识,希望在未来成立国家国土空间规划模拟实验室CTSPM-LAB等,加速推动我国国土空间政策决策的科学化、民主化和现代化,为我国国土空间规划信息化、智能化和专业化作出一份贡献。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
中共中央. 深化党和国家机构改革方案. 人民日报, 2018-03-21.

[The Central Committee of the Communist Party of China. Deepen the reform plan of the party and state institutions. People's Daily, 2018-03-21. ]

[2]
国务院. 关于印发全国国土规划纲要(2016—2030年)的通知. 人民日报, 2017-02-05.

[State Council. Notice on printing and distributing the outline of national land planning (2016-2030). People's Daily, 2017-02-05.]

[3]
吴洪涛. 自然资源信息化总体架构下的智慧国土空间规划. 城乡规划, 2019, (6):6-10.

[ WU H T. Smart territory spatial planning under the overall framework of natural resources informatization. Urban and Rural Planning, 2019, (6):6-10.]

[4]
沈体雁, 王芝田, 吕永强, 等. 城市与区域规划支持系统. 北京: 科学出版社, 2015.

[ SHEN T Y, WANG Z T, LYU Y Q, et al. Planning Support System for Cities and Regions. Beijing: Science Press, 2015.]

[5]
王军, 应凌霄, 钟莉娜. 新时代国土整治与生态修复转型思考. 自然资源学报, 2020, 35(1):26-36.

[ WANG J, YING L X, ZHONG L N. Thinking for the transformation of land consolidation and ecological restoration in the New Era. Journal of Natural Resources, 2020, 35(1):26-36.]

[6]
中共中央国务院关于建立国土空间规划体系并监督实施的若干意见. http://www.gov.cn/zhengce/2019-05/23/content_5394187.htm, 2019-05-23.

[Several opinions of the Central Committee of the Communist Party of China and the State Council on establishing the land spatial planning system and supervising the implementation. http://www.gov.cn/zhengce/2019-05/23/content_5394187.htm, 2019-05-23.]

[7]
习近平. 在网信工作座谈会上的讲话. http://www.xinhuanet.com//politics/2016-04/25/c_1118731175.htm, 2016-04-25.

[ XI J P. Speech at the internet information work symposium. http://www.xinhuanet.com//politics/2016-04/25/c_1118731175.htm, 2016-04-25.]

[8]
SHAFIZADEH-MOGHADAM H, ASGHARI A, TAYYEBI A, et al. Coupling machine learning, tree-based and statistical models with cellular automata to simulate urban growth. Computers, Environment and Urban Systems, 2017, 64:297-308.

DOI

[9]
WU N W, SILVA E. Artificial intelligence solutions for urban land dynamics: A review. Journal of Planning Literature, 2010, 3(24):246-265.

[10]
柴彦威, 刘伯初, 刘瑜, 等. 基于多源大数据的城市体征诊断指数构建与计算: 以上海市为例. 地理科学, 2018, 38(1):1-10.

DOI

[ CHAI Y W, LIU B C, LIU Y, et al. Construction and calculation of diagnostic index of urban signs based on multi-source big data: Case of Shanghai. Scientia Geographica Sinica, 2018, 38(1):1-10.]

[11]
甄峰, 张姗琪, 秦萧, 等. 从信息化赋能到综合赋能: 智慧国土空间规划思路探索. 自然资源学报, 2019, 34(10):2060-2072.

[ ZHEN F, ZHANG S Q, QIN X, et al. From informational empowerment to comprehensive empowerment: Exploring the ideas of smart territorial spatial planning. Journal of Natural Resources, 2019, 34(10):2060-2072.]

[12]
自然资源部. 《市级国土空间总体规划编制指南(试行)》有关情况新闻发布会. http://www.scio.gov.cn/xwfbh/gbwxwfbh/xwfbh/gtzyb/Document/1688461/1688461.htm, 2020-09-24.

[Ministry of Natural Resource of the People's Republic of China. Guidelines for the Compilation of Municipal Land and Space Master Plans (for Trial Implementation) press conference. http://www.scio.gov.cn/xwfbh/gbwxwfbh/xwfbh/gtzyb/Document/1688461/1688461.htm, 2020-09-24.]

[13]
约翰·海因里希·冯·杜能. 孤立国同农业和国民经济的关系. 吴衡康译. 北京: 商务印书馆, 1986.

[ THUNEN J H. The Isolated State in Relation to Agriculture and Political Economy. Translated by WU H K. Beijing: The Commercial Press, 1986.]

[14]
阿尔弗雷德·韦伯. 工业区位论. 李刚剑等译. 北京: 商务印书馆, 1997.

[ WEBER A. Industrial Location Theory.Translated by LI G J et al. Beijing: The Commercial Press, 2011.]

[15]
沃尔特·克里斯泰勒. 德国南部中心地原理. 常正文,王中兴译 北京: 商务印书馆, 2010.

[ CHRISTALLER W. The Central Places in Southern Germany. Translated by CHANG Z W, WANG Z X. Beijing: The Commercial Press, 2011.]

[16]
奥古斯特·勒施. 经济空间秩序. 王守礼译. 北京: 商务印书馆, 2010.

[ AUGUST L. The Economics of Location. Translated by WANG S L. Beijing: The Commercial Press, 2010.]

[17]
ISARD W. Location and Space-economy. Massachusetts: The MIT Press, 1956.

[18]
杨开忠, 沈体雁, 方森, 等. 区位与空间经济:关于产业区位、市场区、土地利用、贸易和城市结构的一般理论. 北京: 北京大学出版社, 2011: 16-80.

[ YANG K Z, SHEN T Y, FANG S, et al. Location and Space Economy: General Theory on Industrial Location, Market Area, Land Use, Trade and Urban Structure. Beijing: Peking University Press, 2011: 16-80.]

[19]
VELDKAMP A, FRESCO L O. CLUE-CR: An integrated multi-scale model to simulate land use change scenarios in Costa Rica. Ecological Modelling, 1996, 91(1-3):231-248.

DOI

[20]
STEPHENNE N, LAMBIN E F. A dynamic simulation model of land-use changes in Sudano-Sahelian countries of Africa (SALU). Agriculture, Ecosystems and Environment, 2001, 85(1-3):145-161.

DOI

[21]
ALCAMO J, BATTJES C, BORN G, et al. Overview of IMAGE 2.0: An integrated model of climate change and the global environment. Studies in Environmental Science, 1995, 65(6):1395-1399.

[22]
CASTELLA J C, VERBURG P H. Combination of process-oriented and pattern-oriented models of land-use change in a mountain area of Vietnam. Ecological Modelling, 2007, 202(3-4):410-420.

DOI

[23]
VELDKAMP A, VERBURG P H, KOK K, et al. The need for scale sensitive approaches in spatially explicit land use change modeling. Environmental Modeling & Assessment, 2001, 6(2):111-121.

[24]
ARSANJANI J J. Dynamic Land-use/Cover Change Simulation: Geo-simulation and Multi Agent-based Modelling. Heidelberg: Springer, 2012.

[25]
DANG A N, KAWASAKI A. A Review of methodological integration in land-use change models. International Journal of Agricultural and Environmental Information Systems, 2016, 7(2):1-25.

[26]
JONES R, WHALLEY J. A Canadian regional general equilibrium model and some applications. Journal of Urban Economics, 1989, 25(3):368-404.

DOI

[27]
BUCKLEY P H. A transportation-oriented interregional computable general equilibrium model of the United States. Annals of Regional Science, 1992, 26(4):331-348.

DOI

[28]
ROUND J I. Incorporating the interregional, regional, and spatial dimensions into a SAM: Some methods and applications. In: HARRIGAN F, MCGREGOR P G. Recent Advances in Regional Economic Modelling. London: Pion Limited, 1988: 24-45.

[29]
ROSON R. The Macroeconomic Impact of Traffic Congestion: A CGE Analysis. Heidelberg: Springer, 1996: 261-277.

[30]
KILKENNY M. Transport costs and rural development. Journal of Regional Science, 1998, 38(2):293-312.

DOI

[31]
FAN W, TREYZ F, TREYZ G. An evolutionary new economic geography model. Journal of Regional Science, 2010, 40(4):671-695.

DOI

[32]
FRIEDL B, SCHMID C, KARL W S. Circular causality in spatial environmental quality and commuting. In: OLIVIA K, KARL S. Spatial Dynamic Development and Environmental Sustainability, Scientific Report No 13-2006. Graz: Wegener Center for Climate and Global Change, 2006: 44-56.

[33]
WING I S, ANDERSON W P. Modeling small area economic change in conjunction with a multiregional CGE model. In: COOPER R, DONAGHY K, HEWINGS G. Globalization and Regional Economic Modeling. Heidelberg: Springer, 2016: 263-288.

[34]
WAN L, GAO S, WU C, et al. Big data and urban system model: Substitutes or complements? A case study of modelling commuting patterns in Beijing. Computers,Environment and Urban Systems, 2018, 68:64-77.

DOI

[35]
ENKE S. Equilibrium among spatially separated markets: Solution by electric analogue. Econometrica, 1951, 19(1):40-47.

DOI

[36]
SAMUELSON P. Spatial price equilibrium and linear programming. The American Economic Review, 1952, 42(3):283-303.

[37]
TAKAYAMA T, JUDGE G G. Spatial equilibrium and quadratic programming. Journal of Farm Economics, 1964, 46(1):67-93.

DOI

[38]
HARKER P T, FRIESZ T L. Prediction of intercity freight flows, I: Theory. Transportation Research Part B, 1986, 20(2):139-153.

DOI

[39]
HARKER P T, FRIESZ T L. Prediction of intercity freight flows, II: Mathematical formulations. Transportation Research Part B, 1986, 20(2):155-174.

DOI

[40]
FUJITA M, VENABLES A J. The Spatial Economy: Cities, Regions and International Trade. Cambridge MA: MIT Press, 1999.

[41]
PING X, WANG W, WEI C. Economic and environmental effects of public transport subsidy policies: A spatial CGE model of Beijing. Mathematical Problems in Engineering, 2018, 4:1-12.

DOI

[42]
HADDAD E A, HEWINGS G J D, PEROBELLI F S, et al. Regional effects of port infrastructure: A spatial CGE application to Brazil. International Regional Science Review, 2010, 33(3):239-263.

DOI

[43]
SHIBUSAWA H, MIYATA Y. Evaluating the economic impacts of large-scale earthquakes in Japan: A spatial dynamic computable general equilibrium approach. Studies in Regional Science, 2015, 44(3):261-275.

DOI

[44]
习近平. 在中国共产党第十九次全国代表大会上的报告. http://news.workercn.cn/607/201710/27/171027193947646.shtml, 2017-10-27.

[ XI J P. Report at the 19th National Congress of the Communist Party of China. http://news.workercn.cn/607/201710/27/171027193947646.shtml, 2017-10-27.]

[45]
ELLSON R W, MILLIMAN R J, ROBERTS R B. Measuring the regional economic effects of earth-quakes and earthquake perditions. Journal of Regional Science, 1984, 24(4):559-579.

DOI

[46]
PAUW K, THURLOW J, BACHU M, et al. The economic costs of extreme weather events: A hydro-meteorological CGE analysis for Malawi. Environment & Development Economics, 2011, 16(Pt.2):177-198.

[47]
ROSE A, LIAO S. Modeling regional economic resilience to disasters: A computable general equilibrium analysis of water service distributions. Journal of Regional Science, 2005, 45(1):75-112.

DOI

[48]
SHIBUSAWA H, MIYATA Y. Evaluating the dynamic and spatial economic impacts of an earthquake: A CGE application to Japan. Regional Science Inquiry, 2011, 3(2):13-25.

[49]
TAMURA C, OKAMOTO S, KUBO K, et al. Damage due to Haicheng and Tangshan Earthquakes and research on earthquake engineering in China. Industrial Science, 1982, 34(1):10-24.

[50]
XIE W, LI N, WU J D, et al. Modeling economic costs of disasters and recovery involving positive effects of reconstruction: Analysis using a dynamic CGE model. Natural Hazards & Earth System Sciences Discussions, 2013, 1(6):6357-6398.

[51]
李锋, 孙根年. 基于旅游本底线法(TBLM)的旅游危机事件研究: 以2003年“SARS”事件为例. 人文地理, 2006, 21(4):102-105.

[ LI F, SUN G N. Research on tourism unexpected crisis on the basis of Tourism Background Line Method (TBLM): A case study of "SARS" event in 2003. Human Geography, 2006, 21(4):102-105.]

[52]
CHOU J, KUO N F, PENG S L. Potential impacts of the SARS outbreak on Taiwan's economy. Asian Economic Papers, 2004, 3(1):84-99.

DOI

[53]
LEE J W, MCKIBBIN W J. Estimating the global economic costs of SARS. In: KNOBLER S, MAHMOUD R, LEMON S M, et al. Learning from SARS: Preparing for the next disease outbreak: Workshop summary. Washington DC: National Academies Press, 2004: 92-109.

[54]
DIXON P B, BUMSOO L, MUEHLENBECK T, et al. Effects on the US of an H1N1 epidemic: Analysis with a quarterly CGE model. Journal of Homeland Security and Emergency Management, 2010, 7(1):1-19.

[55]
AMBRUS A, FIELD E, GONZALEZ R. Los in the time of cholera: Long-run impact of a disease epidemic on the urban landscape. American Economic Review, 2020, 110(2):475-525.

DOI

[56]
赵宏波, 魏甲晨, 王爽, 等. 大城市新冠肺炎疫情风险评估与精准防控对策: 以郑州市为例. 经济地理, 2020, 40(4):103-109, 124.

[ ZHAO H B, WEI J C, WANG S, et al. The risk assessment of Covid-2019 epidemic in metropolis and precise prevention and control measures: A case study of Zhengzhou city. Economic Geography, 2020, 40(4):103-109, 124.]

[57]
王姣娥, 杜德林, 魏冶, 等. 新冠肺炎疫情的空间扩散过程与模式研究. 地理研究, 2020, 39(7):1450-1462.

DOI

[ WANG J E, DU D L, WEI Y, et al. The development of COVID-19 in China: Spatial diffusion and geographical pattern. Geographical Research, 2020, 39(7):1450-1462.]

[58]
周成虎, 裴韬, 杜云艳, 等. 新冠肺炎疫情大数据分析与区域防控政策建议. 中国科学院院刊, 2020, 35(2):200-203.

[ ZHOU C H, PEI T, DU Y Y, et al. Big data analysis on COVID-19 epidemic and suggestions on regional prevention and control policy. Bulletin of Chinese Academy of Sciences, 2020, 35(2):200-203.]

[59]
张凯煌, 千庆兰. 新冠疫情对中国经济的影响及政策讨论: 来自上市企业的证据. 热带地理, 2020, 40(3): 396-407.

[ ZHANG K H, QIAN Q L. The impact of COVID-19 on China's economy and discussion of policies: Evidence from listed companies. Tropical Geography, 2020, 40(3): 396-407.]

[60]
黄茂兴, 廖萌. 新冠肺炎疫情对我国中小企业的影响及应对策略. 福建论坛: 人文社会科学版, 2020, 40(5):59-68.

[ HUANG M X, LIAO M. The impact of COVID-19 on small and media enterprises in China and countermeasures. Fujian Tribune, 2020, 40(5):59-68.]

[61]
ZHANG P, PEETA S. A generalized modeling framework to analyze interdependencies among infrastructure systems. Transportation Research Part B: Methodological, 2011, 45(3):553-579.

DOI

[62]
HIROYUKI S. A dynamic spatial CGE approach to assess economic effects of a large earthquake in China. Progress in Disaster Science, 2020, 6, https://doi.org/10.1016/j.pdisas.2020.100081.

[63]
BEUTEL S P, EDMUNDSW J, SMITH R D. Partialy wrong? Partial equilibrium and the economic analysis of public health emergencies of international concern. Health Economics, 2008, 17(1):1317-132.

DOI

[64]
郑世林. 新冠疫情对我国行业经济的冲击及政策建议. https://finance.sina.com.cn/China/gncj/2020-02-06/doc-imxyqvz08067.shtml, 2020-02-06.

[ ZHENG S L. The impact of the new crown epidemic on my country's industry economy and policy recommendations. https://finance.sina.com.cn/China/gncj/2020-02-06/doc-imxyqvz08067.shtml, 2020-02-06.]

Options
文章导航

/

〈 〉