EN中文

自然资源学报 >

2025 , Vol. 40 >Issue 8: 2283 - 2296

DOI: https://doi.org/10.31497/zrzyxb.20250817

其他研究论文

基于标度律修正的中国城市土地节约集约利用效能评价

  • 雷玮倩 , 1 ,
  • 徐智邦 2, 3 ,
  • 焦利民 , 4, 5
展开
  • 1.河海大学公共管理学院，南京 211100
  • 2.中国科学院城市环境研究所，厦门 361021
  • 3.区域与城市生态安全全国重点实验室，厦门 361021
  • 4.武汉大学资源与环境科学学院，武汉 430079
  • 5.武汉大学地理信息系统教育部重点实验室，武汉 430079
焦利民（1977- ），男，河南安阳人，博士，教授，博士生导师，研究方向为城市化与国土空间优化、地理空间分析与建模等。E-mail:

雷玮倩（1996- ），女，四川成都人，博士，青年副教授，硕士生导师，研究方向为国土空间人地关系评价、城市标度律与城市复杂系统。E-mail:

收稿日期: 2024-09-02

  修回日期: 2025-01-13

  网络出版日期: 2025-08-05

基金资助

国家自然科学基金项目(42401237)

国家自然科学基金项目(42371423)

中央高校基本科研业务费项目(B240207014)

收起

Evaluation of urban land use economy-intensive performance modified by urban scaling laws in China

  • LEI Wei-qian , 1 ,
  • XU Zhi-bang 2, 3 ,
  • JIAO Li-min , 4, 5
Expand
  • 1. School of Public Administration, Hohai University, Nanjing 211100, China
  • 2. Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, Fujian, China
  • 3. State Key Laboratory for Ecological Security of Regions and Cities, Xiamen 361021, Fujian, China
  • 4. School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China
  • 5. Key Laboratory of Geographic Information System, Ministry of Education, Wuhan University, Wuhan 430079, China

Received date: 2024-09-02

  Revised date: 2025-01-13

  Online published: 2025-08-05

Fold

摘要

城市土地节约集约利用评价需要关注城市在宏观城市系统中的相对表现，对土地节约集约利用水平进行规模修正有助于更准确地识别和量化城市潜在提升空间。基于城市标度律，测度2012—2022年城市土地节约集约利用效能，分析其与要素投入、产出水平与绿色减排效能之间的关联模式。研究表明：（1）基于标度律修正的土地节约集约利用效能指数能有效修正规模效应对评价结果的影响，为更客观、定量地测度城市土地节约集约利用水平提供了科学合理的指向性评价标准。（2）从空间分布格局上看，中国城市土地节约集约利用效能高值区域位于长三角、珠三角等沿海地区。东北、西南和西北等地区的中小规模城市土地利用尚未充分发挥规模潜力，节约集约利用效能有待提升。2012—2022年间，77.4%的城市土地节约集约利用效能保持稳定或呈现积极变化，表明全国整体效能趋于稳定并稳步上升。（3）区域和规模异质性视角下，东部地区和超大城市土地节约集约利用效能处于较高水平，而东北地区和中等规模城市土地节约集约利用效能还有待提升。（4）与同等规模城市相比，实际投入更少的土地、获得更多的产出和更强的绿色减排能力可带来更高的土地节约集约利用效能。研究结果有助于修正传统线性评价方法的偏差，为科学客观评价土地节约集约利用效能，制定差别化的集约利用管理措施提供指向性方法支撑与决策依据。

关键词： 城市化; 城市效能; 土地节约集约利用; 标度律; 规模修正

本文引用格式

雷玮倩 , 徐智邦 , 焦利民 . 基于标度律修正的中国城市土地节约集约利用效能评价[J]. 自然资源学报, 2025 , 40(8) : 2283 -2296 . DOI: 10.31497/zrzyxb.20250817

Abstract

Evaluations of urban land use economy-intensive level rarely focus on its relative performance within the urban system. Adjusting and modifying urban land use economy-intensive levels based on urban scaling laws helps to identify and quantify the potential improvement within the current urban population size more accurately. Based on the urban scaling laws and Scale-Adjusted Metropolitan Indicators (SAMIs), this paper measures the urban land use economy-intensive performance (ULUP) from 2012 to 2022, and analyzes its correlation with land input performance (LIP), land output performance (LOP) and green pollution emissions reduction performance (GEP). Results show that: (1) Urban scaling and SAMIs effectively correct the scaling effects on evaluation results, providing a more objective and quantitative measurement standard for urban land use economy-intensive level. (2) Spatial distribution patterns show that regions with high ULUP in China are concentrated in coastal regions such as the Yangtze River Delta and Pearl River Delta. In contrast, the ULUP of small and medium-sized cities in Northeast, Southwest, and Northwest China has yet to fully realize its scaling potential, indicating the potential for improvement. From 2012 to 2022, 77.4% of cities maintained stability or showed positive changes in terms of ULUP, indicating an overall trend of stabilization and steady improvement nationwide. (3) From the perspective of regional and scale heterogeneity, ULUP is relatively high in eastern China and megacities, while there is still potential for improvement in Northeast China and medium-sized cities. (4) Cities with comparable population sizes that generate higher outputs using fewer inputs while producing lower emissions demonstrate higher ULUP. This study can help correct the biases of traditional linear evaluation methods, providing a targeted framework and empirical basis for scientifically evaluating ULUP and urban efficiency, and formulating differentiated land management policies.

Key words： urbanization; urban performance; economy-intensive land use; urban scaling laws; urban scaling modification

土地节约集约利用是新型城镇化战略关注的重要问题之一，也是各级政府国土空间规划与治理的重要内容之一[1]。党的“二十大”报告中明确指出“实施全面节约战略，推进各类资源节约集约利用”，客观科学评价城市土地节约集约利用水平，对于新型城镇化提质增效和促进土地资源可持续利用具有重要的理论及现实意义[2]。土地节约集约利用包括土地利用高效化和集约化两方面内容[3]，具体内涵为在经济社会发展过程中，通过增加单位土地要素投入、提升经营管理水平、优化土地利用结构等途径，充分挖掘城市土地资源投入与产出潜力，以提高土地产出效率与获得最佳效益的行为[4]。当前，中国人口和经济步入常态化发展新时期，在“存量优化”与“建设用地减量化”目标下，传统的增长主义价值范式和增长主义规划思维无法适应当前城市发展新态势[5]，这对大力推进节约集约用地提出了新要求。
现有城市土地节约集约利用评价涉及了城市整体、功能片区（如开发区、居住区等）和宗地地块等宏观、中观与微观多个尺度[6]；就研究方法而言，多数学者通过构建多指标评价体系，基于熵值法、投入产出模型、层次分析法、TOPSIS等方法对其水平进行测度，并进一步基于技术效率测算如随机前沿分析（SFA）、数据包络分析（DEA）等参数与非参数主流定量模型对城市土地集约利用水平及未来发展潜力进行量化评价[7-12]。考虑到中国城市用地节约集约利用研究起步较晚、城市发展面临转向问题，现行的土地节约集约利用评价理论认知与研究方法单一，尚不能完全满足实际工作需求[1]。基于此，对现有评价方法进行修正完善，使其评价结果更贴合实际，对于更好地适应现阶段城市用地节约集约利用评价工作具有重要的理论价值和实践意义。
随着城市作为一个典型复杂系统的观念深入人心，城市评价愈发注重城市复杂性科学的系统整体观[13]。在固定时点下，城市要素（Y）与城市人口规模（N）之间存在着一种稳健的非线性关系，这种非线性集聚效应是城市存在的基础并表现为城市系统的标度律（Urban scaling laws） Y i = Y 0 N i β，其中，β被称为标度因子[14]。在空间均衡假设下，一定人口规模下的社会交往效益和成本是相互平衡的，社会经济产出与人口规模之间的超线性现象（β≈1.15>1）可归因于人群因聚集及网络层级性而导致的非线性全局交互作用[15]，而城市建成区面积等基础设施类要素与人口规模之间的次线性（β≈0.85<1）关系暗含了人与基础设施的局部交互影响。城市土地面积与人口规模总体上存在稳定的次线性标度范式，且理论标度因子值落在2/3~5/6之间[14]，这意味着，随着城市规模的扩大，基础设施的共享率与利用率也增高，城市朝着更加资源高效、集约化和绿色的方向发展[16-18]。基础设施与城市人口规模的次线性关系所反映的规模经济是城市土地利用的集约化和经济化的表征，但过度集约可能导致城市土地与城市人口规模的不平衡发展，甚至导致城市土地供应不足[19,20]。此外，处于不同发展阶段及不同经济发展类型的城市土地要素投入和收益也不尽相同[21]，这对客观评价处于不同发展阶段及具备不同规模的城市土地节约集约利用水平提出了新要求。
既有的人均指标作为常见的城市表现评价指标，隐含了城市要素Y随人口规模N线性增加的假设。但这种方法并不适合描述和比较不同城市，因为它忽略了随着城市增长、社会动态的非线性相互作用导致的集聚现象[22]：假设有两个人口规模分别为 P i和 P j的城市，且满足 P j = 2 P i，城市要素Y（如建设用地等基础设施类要素）与城市人口P之间遵循次线性关系，即 Y ∝ P β ， β<1，那么人均要素 m i = Y i / P i = P i β - 1， m j = Y j / P j = 2 P i β / 2 P i = 2 β - 1 P i β - 1 = 2 β - 1 m i，由于β<1，则 m j将始终小于 m i，因此采用人均指标对城市要素的表现进行评价时，会放大小城市的规模效应，因而评价结果对小城市更为有利；相反，如果城市要素（如国内生产总值等社会交互类要素）标度范式是超线性的，那么人均指标评价结果会更偏向大城市。中国人均GDP十强城市既包括鄂尔多斯、克拉玛依和榆林等资源型城市，也包含北京、上海和深圳等经济发达的超大城市，若不考虑各类城市的发展路径和要素规模报酬递增规律，而是将它们置于统一的线性评价标准体系下对其发展表现进行评估，评价结果可能会失之偏颇。
为此，美国圣塔菲研究所的Bettencourt教授等[23]提出了一种简单有效的替代方案来克服这一局限性，定义了规模调整指数（Scale-Adjusted Metropolitan Indicators，SAMIs），将城市可观测值 Y i分解为期望值 Y 0 N i β和局部偏差 ξ i两个组成部分，通过评估城市指标的实际值 Y i与人口规模 N i 的非线性关系的期望值之间的差异（即异质性关系中的残差）来克服非线性问题。该方法参数化了城市系统中每个城市的普遍性和特殊性之间的张力，区分了由人口规模变化引起的规模增长和局部动态的影响，强调了城市环境中规模报酬递增本质，即基础设施成本低，总产出高。正如人均指标考虑了单位人口规模上各指标的规模、效率与水平，规模调整指数考虑到了城市人口规模对个体城市表现的非线性影响，并修正规模带来的额外收益，以量化真正的本地表现。因此规模调整指数能提供一种比人均指标更为客观的评价方法，可以更加公平、科学地比较不同规模城市在系统层面的相对表现并挖掘城市发展演化路径，目前已被成功应用到城市经济产出、土地效率、知识创新等[24-26]评价及人口修正[27]研究中。
综上，现有城市土地节约集约利用评价研究多关注城市个体或区域层面的特征和表现，鲜有涉及宏观城市系统层面的规律探索，也未充分关注如城市标度律等复杂性科学规律的视角。此外，传统的城市土地节约集约评价研究主要基于投入—产出各项指标的线性关系假设，对于多维指标评价体系中的非线性关系的关注及量化仍旧不足[26,28]。基于此，本文以2012—2022年中国275个地级及以上城市为研究对象，通过构建多维投入—产出评价指标体系，引入规模调整指数测度考虑规模效应后的城市土地节约集约利用效能，揭示中国城市土地节约集约利用效能空间分布格局、异质性特征及时间演化模式，以期为客观评价城市土地节约集约利用相对表现提供科学定量的指向性方法支撑与决策依据，为各地因地制宜开展城市土地节约集约利用实践与管理提供科学指导和理论支持。

1 研究方法与数据来源

1.1 研究区概况与数据来源

参考《关于大力推进节约集约用地制度建设的意见》节约集约用地八项制度提出的重要时间点，本研究选取2012—2022年为研究时段。考虑到数据的完整性与连续性，以中国275个地级及以上城市作为研究对象[20]，不包含港澳台地区。数据来源包括《中国城市建设统计年鉴》和《中国城市统计年鉴》，考虑到城市标度律的适用范围，以城市建成区为研究单元，研究数据采集以市辖区为统计口径[20]。为研究城市土地节约集约利用水平的区域差异和规模差异，参考国家统计局《东西中部和东北地区划分方法》和《国务院关于调整城市规模划分标准的通知》对全国区域和城市规模进行划分（图1）。
图1 2022年中国275个地级及以上城市空间分布格局及区域划分

注：本图基于自然资源部标准地图服务系统下载的标准地图制作，底图无修改；图中C表示中部地区，E表示东部地区，NE表示东北地区，W表示西部地区；下同。

Fig. 1 Spatial distribution of 275 prefecture and above level cities in China and regional division in 2022

1.2 城市标度律与规模调整指数

城市标度律定量测度了同一时点下城市系统内城市要素与城市人口规模之间的非线性缩放关系，其分析框架可由以下幂函数形式表示：
Y i = Y 0 N i β
式中：i代表整个城市系统内的不同城市； Y i表示城市范围内各要素（建成区面积、GDP等）的度量； N i为城市人口规模（万人）； Y 0为标准化常量；β为标度因子。
通常对式（1）进行对数变换后采用最小二乘回归对标度因子（β）求解，得到回归方程：
l o g Y i = l o g Y 0 + β × l o g N i + ξ i
根据给定城市指标 Y i的实际值与人口规模 N i非线性关系的期望值 Y 0 N i β之间的对数差值 ξ i，定义规模调整指数，即：
ξ i = S A M I i = l o g Y i - l o g Y 0 N i β = l o g Y i / Y 0 N i β
式中： Y i为城市要素实际值； Y 0 N i β为期望值； ξ i为局部残差， ξ i作为一个与规模无关的参数，也被称为规模修正指数或尺度不变指标（Scale-Invariant Metropolitan Indicators，SIMIs）[22]。不过，该指数只比较了城市要素实际值和预期值之间的值的绝对大小，在实际的城市要素效能测度中还需考虑城市要素的价值方向，例如：对城市GDP这类正向收益要素而言，其实际值高于预期值较好，但对城市污水排放量此类负向收益要素来说，其实际值低于预期值较好。
在本研究中，土地投入类要素SAMI<0，表示要素投入实际值小于预期值，其值越小代表相对于同等规模城市，土地要素投入量更少，本质上是一种土地投入效能与节约集约程度的反映。

1.3 土地节约集约利用效能指数

要素效能指数一方面可以度量城市在其人口规模下的要素的相对表现，另一方面可根据实际表现与预期表现的差异区分效能的模式[23]。由于城市土地节约集约利用投入—产出指标直接受人口规模的影响，而非土地规模，参考已有研究[21]，在规模调整指数[式（3）] 的基础上，结合指标的价值方向，构建基于标度律修正的各维度土地节约集约利用效能计算公式：
L I P = l o g I 0 N i β i - l o g I i
L O P = l o g O i - l o g O 0 N i β o
V e i = 10 L O P + L I P
式中：LIP为土地利用投入类指标 I i的效能，即对数坐标下预期值 l o g I 0 N i β i与实际值 l o g I i的残差，与预期值相比，建成区面积及工业用地面积投入越少则代表土地利用趋于节约化；而LOP为土地利用产出类指标 O i的效能，即对数坐标下实际值 l o g O i与预期值 l o g O 0 N i β o的残差，并结合指标价值方向进行判断，与预期相比，GDP、公园绿地面积等产出类指标越多越好，而对于污水排放量这类负向指标而言，实际值低于预期值越少越好。
计算出各维度效能后，采用客观熵权法确定各维度权重，首先结合各指标价值方向进行正向标准化处理：
X ' = X - X m i n X m a x - X m i n
式中：X为指标原始值； X '为标准化后的结果； X m i n和 X m a x分别为指标最小和最大值。
采用熵权法确定指标权重[4]，而后计算得到土地节约集约利用综合效能指数（Urban Land Use economy-intensive Performance，ULUP）。各指标贡献度计算如下：
P i j = X i j ' ∑ i = 1 n X i j '
式中： P i j为指标贡献度，表示在第j个指标下第i个样本占该指标的比例。
计算各指标熵值 E j、冗余度 D j与权重 W j：
E j = - ∑ i = 1 n P i j × l o g P i j l o g n
D j = 1 - E j
W j = D j 1 - ∑ j = 1 m D j
式中： E j为第j项指标熵值； D j为冗余度； W j为权重；n为城市数量（个）；m为所有指标数量（个）。

1.4 多维指标评价体系

参考2022年《建设用地节约集约利用评价规程》（征求意见稿）区域建设用地节约集约利用评价指标体系，考虑到标度律定量刻画的是某一时点城市要素与人口规模之间的非线性关系，而增长耗地指数、用地弹性指数、贡献比较指数、管理绩效指数（存量土地供应比率）等其他维度评价指标均反映的是某一时段内新增、消耗建设用地状况，非固定时点上的截面数据，故选取利用强度指标作为评价维度之一，以直接表征固定时点土地承载社会经济总量的能力，并将经济强度指数定义为产出（经济）效益。
此外，作为城乡、区域关联的地域功能综合体，城市土地承载着居住、生产等活动及其配套设施的重要功能，决定了其节约集约的内涵需要综合考虑经济、社会和生态环境等多方面的权衡。在可持续发展和城市建设用地控制增量和盘活存量的宏观背景下，开展土地节约集约利用评价也要充分考虑土地利用的集约程度、生态功能和可持续性[4]。参考已有研究，在规程的基础上，同时纳入投入水平、可持续性等维度指标构建多维指标评价体系（表1）。
表1 土地节约集约利用效能指标体系

Table 1 Evaluation indicators for urban land use economy-intensive performance

目标层 分指数 分指数指标 价值方向
利用强度 人口密度 人口密度 +
投入水平 资本投入 地均固定资产投资 +
财政投入 地均公共财政支出 +
产出效益 经济效益 地均GDP +
单位工业用地工业增加值 +
可持续性 污染排放 单位工业用地污水排放量 -
绿色发展 地均公园绿地面积 +

2 结果分析

2.1 土地节约集约利用效能空间分异特征

首先对规模修正前后各城市土地节约集约利用水平排序进行比较，以说明评价结果差异（图2）。图中直线为1∶1指示线，城市位于该线左上方说明经过标度律修正后的土地节约集约利用效能指数较未经规模修正前的节约集约利用程度更靠后，反之，若位于该线右下方，则节约集约利用效能指数较未经修正前的评价结果更靠前。由图2可知，两种方式度量的土地节约集约利用结果除指示线两端城市外，其余城市均离散地分布在1∶1指示线周围，这表明规模修正前后评估结果差异较大。散点大小代表城市人口规模大小，规模更大的城市几乎都位于指示线左上方，即未经标度律修正的大城市土地节约集约利用水平被高估了，大城市土地节约集约利用水平靠前得益于其自身规模优势，而经标度律修正后的节约集约利用效能指数能有效修正规模效应对评价结果的影响，更好地量化本地表现，凸显了该方法的必要性和有效性，从而更加客观评价与比较不同规模城市土地利用效率与节约集约利用水平。
图2 规模修正前后土地节约集约利用水平排序拟合散点图

Fig. 2 Fitting scatter plot of the rankings of urban land use economy-intensive level before and after modified by scaling laws

图3展示了2012—2022年基于标度律规模修正的土地节约集约利用效能指数空间分布格局，土地节约集约利用效能高值区域主要集中在长三角、珠三角等东南沿海地区，如上海、北京、深圳等城市土地节约集约利用效能指数均处于较高水平。该区域城市大多位于平原地带，土地质量、交通和经济基础较好，与同等规模城市相比，该区域占用了较少的土地、投入产出效率更高，土地利用趋于集约化。乌海、武威、朔州等资源型城市，在产业结构优化与土地集约协调利用目标驱使下，土地节约集约利用效能也处于较高水平。相比之下，城市土地节约集约利用效能低值区域主要集中在东北、西南和西北等地区，说明以上区域城市土地利用表现尚未完全发挥出其规模潜力，其土地利用效率与节约集约利用效能还有待提升。
图3 2012—2022年土地节约集约利用效能指数空间分布

Fig. 3 Spatial distribution of urban land use economy-intensive performance during 2012-2022

2.2 异质性视角下的土地节约集约利用效能对比

不同区域城市土地节约集约利用效能箱线图展现了节约集约利用效能的区域异质性，由图4a可知，东部地区土地节约集约利用效能>中部地区>西部地区>东北地区。东部地区土地节约集约利用效能最高，而东北地区土地节约集约利用效能始终处于较低水平，这意味着与同等规模城市相比，东北地区城市土地节约集约利用表现相对较差，其土地节约集约利用效能还有较大的提升空间。中西部地区优质土地资源相对较少，但土地节约集约利用效能处于较高水平，反映了以上地区土地利用趋于集约化。
图4 2022年城市土地节约集约利用效能指数区域与规模异质性箱线图

Fig. 4 Boxplots of urban land use economy-intensive performance between cities in different regions and across different urban sizes in 2022

比较不同规模城市土地节约集约利用效能异质性水平（图4b），发现不同规模城市之间土地节约集约利用效能指数差异并不显著（p=0.26），证实了城市标度律和规模调整指数在更好地理解实地表现方面的有效性。具体来看，超大城市、特大城市和小城市土地节约集约利用效能相对较高，这意味着与同等规模城市相比，以上城市土地节约集约利用表现优于预期；而中等规模和大城市（人口分别介于50万~100万人、100万~500万人）土地节约集约利用效能相对较低，与同等规模城市相比，以上区域城市尚未发挥其预期规模效应，其土地节约集约利用潜能还有待提升。

2.3 土地节约集约利用效能时间变化及模式识别

比较2012—2022年各城市土地节约集约利用效能指数变化情况发现，土地节约集约利用效能指数上升的城市主要分布在珠三角、长江中下游平原等地区（图5a），珠海、佛山、深圳等区域土地节约集约利用效能指数增幅处于较高水平，这可能与珠三角一体化程度持续深入有关。城市土地节约集约利用效能指数减少区域主要集中在东北地区，这可能与东北地区人口持续外流、土地闲置浪费等因素有关。根据2012—2022年间土地节约集约利用效能指数变化情况，结合自然断点法，进一步将土地节约集约利用效能分为三种模式：稳定型、增加型和降低型。55.8%的城市土地节约集约利用效能呈“稳定型”模式，其特征为：土地节约集约利用效能值略有起伏，但整体保持稳定，表现出显著的“路径依赖”特征；21.5%的城市土地节约集约利用效能逐步向好，呈“增加型”模式；22.6%的城市土地节约集约利用效能呈衰退趋势，属“降低型”模式。综合来看，77.4%的城市土地节约集约利用效能模式保持稳定或呈现出积极的变化，表明中国土地节约集约利用效能整体趋于稳定和稳步上升。
图5 2012—2022年土地节约集约利用效能指数变化值空间分布及不同区域和不同规模效能指数变化折线图

Fig. 5 Spatial distribution of variations of urban land use economy-intensive performance and comparisons of ULUP variations between cities in different regions and across different urban sizes during 2012-2022

进一步比较不同区域（图5b）和不同规模（图5c）城市土地节约集约利用效能指数中位值变化情况，结果表明，2012—2022年间东部地区城市的土地节约集约利用效能指数中位值始终高于其他地区，十余年间整体变化幅度不大。而东北城市的土地节约集约利用效能指数整体呈下降趋势，2020年达最低值，之后略有上升，但其数值仍低于2012年。中部和西部地区土地节约集约利用效能指数差异自2018年之后逐渐缩小，2018年及之后保持相当水平。对于不同规模城市，超大城市（人口大于1000万人的城市）土地节约集约利用效能指数始终高于其他地区，且整体呈现波动上升趋势，而其他规模城市土地节约集约利用效能指数数值变化略有起伏但整体呈稳定态势。

2.4 土地节约集约利用效能与要素投入、产出水平关联分析

将城市土地利用过程中要素投入（LIP）、期望产出（LOP）、绿色减排（GEP）效能等因素相对表现情况进行叠加分析[11,26]，以进一步从标度律的视角分析土地节约集约利用效能差异的内在原因。参考已有研究，考虑到SAMI本身与0的关系反映了各要素实际表现与预期表现之间的异质性，根据LIP、LOP和GEP的表现将ULUP划分为8种模式（图6）。其中，LHH代表最佳ULUP，即要素投入低于预期、期望产出高于预期、绿色减排高于预期；HLL模式下节约集约利用效能最低：要素投入高于预期、期望产出低于预期、绿色减排低于预期。
图6 2022年各地区建设用地要素投入、产出水平及绿色减排关联类型及2012—2022年典型城市关联类型变化桑基图

Fig. 6 Correlation types of input-output and green emissions reduction performance of ULUP in 2022 and dynamics of these correlation types in megacities (>10 million people) from 2012 to 2022

（1）高投入、低产出、低减排（HLL）和低投入、低产出、低减排（LLL）类型城市土地节约集约利用效能最低。与同等规模城市相比，更高的投入水平并不一定能带来较高的产出效益，与同等规模城市相比，更高的投入、更低产出以及随之而来更低的绿色减排（HLL）是导致城市土地节约集约利用效能偏低的关键原因之一。该类型城市主要集中在东北地区，这类地区土地利用投入水平相对较高，但由于技术条件和资源配置效率相对低下等因素，导致土地利用产出与最优产出之间的差距较大，从而造成ULUP过低。低投入、低产出、低减排（LLL）类型地区，与同等规模城市相比，不仅土地利用期望产出水平相较于同等规模城市而言更低，而且存在较低的绿色减排，进一步造成了ULUP处于较低水平。
（2）低投入、高产出、高减排（LHH）模式城市土地节约集约利用效能最高。该模式下，投入与同等规模城市相比更少的土地，带来了更高的期望产出收益，且绿色减排在同等规模水平下处于较高水平，是一种理想且最佳的ULUP模式，此类城市占比6.6%，以深圳、福州为典型代表，且多以中西部中等规模城市为主。低投入、高产出、低减排（LHL）虽然也带来了较高的ULUP（其效能值仅次于LHH模式，占比8.4%），但与同等规模城市相比，土地利用过程中带来更多的污染排放一定程度上也会带来土地节约集约利用效能的降低。
（3）高投入、高产出模式（HHH、HHL）并不一定能带来更高的土地节约集约利用效能。该模式以大城市和中等规模城市为主，长三角、珠三角是高投入、高产出模式典型区域，如广州、南京等地。该区域城市化水平较高，建设用地投入水平高，技术条件相对优越，与同等规模城市相比，在土地利用产出方面表现更加优异，但土地节约集约利用效能并非处于高水平，可能与其要素投入水平相较于同等规模城市而言处于较高水平而导致其综合效能值相对偏低有关。
（4）高投入、低产出、高减排（HLH）和低投入、低产出、高减排污染（LLH）模式下土地节约集约利用效能还有一定提升空间。HLH模式城市主要分布在山东半岛及中西部地区，与同等规模城市相比，以上地区土地利用投入水平相对较高，但由于技术条件和资源配置效率相对低下等因素，导致土地利用产出与预期表现之间存在较大差距，从而造成ULUP处于较低水平。LLH模式下，土地要素投入表现低于预期，土地投入与消耗效能较高，土地利用趋于节约化，但城市土地利用期望产出相较于同等规模城市相比处于较低水平，未完全发挥出与人口规模相匹配的要素潜力。两种模式虽然能够实现与同等规模城市相比更少的污染排放，但在考虑投入产出综合效能情况下，城市土地利用的实际产出仍与预期表现存在一定差异，因此ULUP水平还有一定的提升空间。
以人口规模大于1000万人的十座超大城市为例，追踪其2012—2022年间要素投入、产出水平与污染排放关联模式的变化，图中颜色对应了ULUP模式，扩展分支的宽度对应于该模式变化的城市数量。图6b可知，2012—2022年间，深圳由HHH模式转变为效能最佳的LHL模式，表明其土地节约集约利用效能逐步提升与发展模式逐步优化。而上海，作为ULUP最高的超大城市，要素投入与产出水平十年间始终维持在LLH模式，反映了其LIP、LOP现均低于预期，而GEP高于预期，即投入比同等规模城市更少的土地，产生比同等规模城市更少的污染，在土地要素投入与绿色减排等方面效能处于较高水平，土地利用趋于节约化。但与同等规模城市相比，其土地利用期望产出表现还有待提升，未来可优先挖掘其现有规模水平下的要素潜能。而40%的超大城市（杭州、天津、北京、重庆）转变为HLH模式，其ULUP数值略有降低，未来应适当控制要素投入规模，努力挖掘其在现有规模水平下土地利用期望产出方面的潜能，提升其节约集约利用效能。LHL模式的武汉虽然十年间ULUP有所提升，但其在收获与同等规模城市相比更高的土地利用期望产出的同时也带来了更高的污染排放，未来应强调生态文明建设理念的指导，走绿色经济可持续发展道路。

3 结论与讨论

3.1 结论

构建城市土地节约集约利用效能多维评价指标，采用复杂系统研究方法城市标度律对城市土地节约集约利用水平评价指标进行规模修正，对规模修正前后的城市土地节约集约利用效能时空格局、异质性水平及演变模式进行分析比较，主要研究结论如下：
（1）城市土地节约集约利用水平受城市规模与城市标度律影响，采用标度律对评价方法进行规模修正具有实际意义。未经标度律修正的大城市土地节约集约利用水平被高估了，大城市土地节约集约利用水平靠前得益于其自身规模优势，而经标度律修正后的节约集约利用效能指数能有效修正规模效应对评价结果的影响，为更客观、定量地评价城市土地节约集约利用水平提供了科学合理的指向性评价标准。
（2）在空间分布上，土地节约集约利用效能高值区主要位于长三角、珠三角等东南沿海地区。而东北、西南和西北等地区中小规模城市土地利用表现尚未完全发挥出其规模潜力，节约集约利用效能还有待提升。在时间变化上，2012—2022年间，77.4%的城市土地节约集约利用效能模式呈现出积极的变化或总体保持稳定，表明中国土地节约集约利用效能整体趋于稳定和稳步上升。
（3）区域和规模异质性视角下，东部地区和超大规模城市土地节约集约利用效能指数最高，而东北地区和中等规模城市土地节约集约利用效能指数处于较低水平，以上城市同质化竞争较为严重，与同等规模城市相比，城市呈粗放扩张模式，土地资源利用较为浪费，城市土地节约集约利用实际表现与预期表现存在一定差距，尚未完全发挥出其预期规模优势，还有较大的提升空间。
（4）将土地节约集约利用效能与要素投入、期望产出和绿色减排效能进行关联分析发现，与预期表现相比，低投入、高产出和高减排（LHH）模式可带来更高的土地节约集约利用效能，即与同等规模城市相比，投入更少的土地、获得更多的产出并造成更少的污染排放其城市土地节约集约利用效能较高。而高投入、低产出和低减排（HLL）模式，即与同等规模城市相比，更多的要素投入、更低的期望产出以及更多的污染排放是导致城市土地节约集约利用效能偏低的重要原因之一，这为未来城市土地节约集约利用能力提升指明了重点与方向。

3.2 讨论

在当前新型城镇化强调控制新增用地和充分利用存量用地的规划指导下，控制城市建设用地扩张速度与蔓延式扩张模式的工作已初见成效。当前，城市建设用地规划以“集约”和“可持续”等理念作为指导，全国城市土地节约集约利用效能水平整体有所提升。土地节约集约利用本身与规模密不可分，例如上海、北京等超大城市得益于其规模优势，通过追加劳动、资本等要素投入以获得更高的经济产出，节约集约利用水平较高，但这种投入并非是盲目的，而是要遵循边际收益递减规律，发挥规模潜能与优势。基于标度律修正的城市土地节约集约利用效能指数提供了一种指向性的评价方法，而非绝对的评价指标和评价标准，有助于消除不同规模城市之间的比较偏差，使得评价更为公平、合理，从而更客观地反映各城市的实际效能水平，有助于明确不同规模城市土地节约集约利用提升的具体方向。
城市土地系统是一个交织着人文与自然多元因素的复杂动态系统，城市功能的呈现是多元子系统及其构成要素动态演化的结果[2]，基于标度律修正的城市土地节约集约利用效能评价可为城市发展表现与集约用地响应路径设计提供更为客观的参考依据。通过修正城市规模的影响，弥补了使用传统人均和地均指标评价城市表现与利用效率的不足，有助于客观地量化城市发展表现，并支持不同规模城市之间的直接比较。对于实际表现高于预期的城市，应给予引导[28]，对于实际表现低于预期的城市，即土地利用节约集约化程度还有待提升的城市，需要强化用地减量化的理念，立足存量、着眼于低效建设用地开发潜力的挖掘。通过要素优化和技术能力提升，增强土地要素对优势地区高质量发展保障能力，制定差异化的建设用地配置精准性与利用效率提升策略[29,30]，从而为实现经济、社会、生态的全面协调发展提供强有力的支撑。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
杨俊, 黄贤金, 王占岐, 等. 新时代中国城市土地集约利用若干问题的再认识. 中国土地科学, 2020, 34(11): 31-37.

[YANG J, HUANG X J, WANG Z Q, et al. Re-understanding of some issues in urban land intensive use of China in the New Era. China Land Science, 2020, 34(11): 31-37.]

[2]
邹利林, 章丽君, 梁一凡, 等. 新时代国土空间功能的科学认知与研究框架. 自然资源学报, 2022, 37(12): 3060-3072.

DOI

[ZOU L L, ZHANG L J, LIANG Y F, et al. Scientific cognition and research framework of territorial space function in the New Era. Journal of Natural Resources, 2022, 37(12): 3060-3072.]

[3]
赵鹏军. 土地集约利用对可持续城市交通的作用: 基于国际文献理论分析. 城市发展研究, 2018, 25(9): 108-116.

[ZHAO P J. The impacts of land use intensification on urban transport sustainability: Theoretical thinking from literature review. Urban Development Studies, 2018, 25(9): 108-116.]

[4]
孙平军, 彭雅丽, 周馨雨. 集约用地视角东北三省城市收缩效应诊断与作用机理研究. 地理研究, 2023, 42(1): 106-122.

DOI

[SUN P J, PENG Y L, ZHOU X Y. Research on urban shrinkage effects in Northeast China from the perspective of intensive land use. Geographical Research, 2023, 42(1): 106-122.]

[5]
LIU Y S, ZHOU Y. Territory spatial planning and national governance system in China. Land Use Policy, 2021, 102: 105288, Doi: 10.1016/j.landusepol.2021.105288.

[6]
马贤磊, 周琳, 赵爱栋. 城市土地可持续集约利用的时空特征及影响因素研究: 对传统土地集约利用的修正. 中国土地科学, 2014, 28(12): 32-38.

[MA X L, ZHOU L, ZHAO A D. Sustainable urban land intensive use evaluation and its impacting factors: A modifi cation of traditional land intensive use. China Land Science, 2014, 28(12): 32-38.]

[7]
王向东, 刘小茜, 裴韬, 等. 基于技术效率测算的京津冀城市土地集约利用潜力评价. 地理学报, 2019, 74(9): 1853-1865.

DOI

[WANG X D, LIU X Q, PEI T, et al. Potential evaluation of urban land intensive use in Beijing-Tianjin-Hebei region based on measurement of technical efficiency. Acta Geographica Sinica, 2019, 74(9): 1853-1865.]

DOI

[8]
GAO J X, SONG J B, WU L F. A new methodology to measure the urban construction land-use efficiency based on the two-stage DEA model. Land Use Policy, 2022, 112: 105799, Doi: 10.1016/j.landusepol.2021.105799.

[9]
OTSUKA A, GOTO M. Regional policy and the productive efficiency of Japanese industries. Regional Studies, 2015, 49(4): 518-531.

[10]
宋洋, YEUNG Godfrey, 朱道林, 等. 京津冀城市群县域城市土地利用效率时空格局及驱动因素. 中国土地科学, 2021, 35(3): 69-78.

[SONG Y, GODFREY Y, ZHU D L, et al. Spatial-temporal patterns and driving factors of urban land use efficiency at county level in Beijing-Tianjin-Hebei urban agglomeration. China Land Science, 2021, 35(3): 69-78.]

[11]
刘书畅, 叶艳妹, 李林林, 等. 基于随机前沿分析的中国城镇建设用地利用效率研究. 自然资源学报, 2021, 36(5): 1268-1281.

DOI

[LIU S C, YE Y M, LI L L, et al. Research on urban land use efficiency in China based on the stochastic frontier analysis. Journal of Natural Resources, 2021, 36(5): 1268-1281.]

[12]
张英浩, 陈江龙, 高金龙, 等. 经济转型视角下长三角城市土地利用效率影响机制. 自然资源学报, 2019, 34(6): 1157-1170.

DOI

[ZHANG Y H, CHEN J L, GAO J L, et al. The impact mechanism of urban land use efficiency in the Yangtze River Delta from the perspective of economic transition. Journal of Natural Resources, 2019, 34(6): 1157-1170.]

[13]
刘海猛. 城市评价方法论初探. 地理研究, 2024, 43(3): 596-620.

DOI

[LIU H M. City evaluation methodology: An overview. Geographical Research, 2024, 43(3): 596-620.]

[14]
BETTENCOURT L M A, LOBO J, HELBING D, et al. Growth, innovation, scaling, and the pace of life in cities. Proceedings of the National Academy of Sciences of the United States of America, 2007, 104(17): 7301-7306.

[15]
雷玮倩, 焦利民. 城市人口集聚与城市间人口流动对经济产出的影响. 地理学报, 2023, 78(8): 1969-1982.

DOI

[LEI W Q, JIAO L M. The impacts of urban population agglomeration and human mobility on economic performance. Acta Geographica Sinica, 2023, 78(8): 1969-1982.]

DOI

[16]
BARTHELEMY M. The Structure and Dynamics of Cities. Cambridge, UK: Cambridge University Press, 2016.

[17]
ANGEL S. Planet of Cities. Cambridge, Massachusetts: Lincoln Institute of Land Policy, 2012.

[18]
CHENG L, MI Z F, SUDMANT A, et al. Bigger cities better climate? Results from an analysis of urban areas in China. Energy Economics, 2022, 107: 105872, Doi: 10.1016/j.eneco.2022.105872.

[19]
LEI W Q, JIAO L M, XU G. Understanding the urban scaling of urban land with an internal structure view to characterize China's urbanization. Land Use Policy, 2022, 112: 105781, Doi: 10.1016/j.landusepol.2021.105781.

[20]
焦利民, 雷玮倩, 许刚, 等. 中国城市标度律及标度因子时空特征. 地理学报, 2020, 75(12): 2744-2758.

DOI

[JIAO L M, LEI W Q, XU G, et al. Urban scaling and the spatio-temporal characteristics of scaling exponents in China. Acta Geographica Sinica, 2020, 75(12): 2744-2758.]

DOI

[21]
尹旭, 李裕瑞, 袁涛, 等. 镇域经济发展与土地集约利用水平综合测度及其关联特征分析: 以江苏省109个抽样乡镇为例. 自然资源学报, 2020, 35(3): 614-625.

DOI

[YIN X, LI Y R, YUAN T, et al. Quantitative measurement of economic development and land use intensity and their correlation characteristics in 109 sampled towns of Jiangsu province. Journal of Natural Resources, 2020, 35(3): 614-625.]

DOI

[22]
LI R Q, LU L Y, CUI T Y, et al. Assessing the attraction of cities on venture capital from a scaling law perspective. IEEE Access, 2021, 9: 48052-48063.

[23]
BETTENCOURT L M A, LOBO J, STRUMSKY D, et al. Urban scaling and its deviations: Revealing the structure of wealth, innovation and crime across cities. PLoS One, 2010, 5(11): e13541, Doi: 10.1371/journal.pone.0013541.

[24]
LOBO J, BETTENCOURT L M A, STRUMSKY D, et al. Urban scaling and the production function for cities. PLoS One, 2013, 8(3): e58407, Doi: 10.1371/journal.pone.0058407.

[25]
ALVES L G A, MENDES R S, LENZI E K, et al. Scale-adjusted metrics for predicting the evolution of urban indicators and quantifying the performance of cities. PLoS One, 2015, 10(9): e0134862, Doi: 10.1371/journal.pone.0134862.

[26]
JIAO L M, XU Z B, XU G, et al. Assessment of urban land use efficiency in China: A perspective of scaling law. Habitat International, 2020, 99: 102172, Doi: 10.1016/j.habitatint.2020.102172.

[27]
ZÜND D, BETTENCOURT L M A. Growth and development in prefecture-level cities in China. PLoS One, 2019, 14(9): e0221017, Doi: 10.1371/journal.pone.0221017.

[28]
徐智邦, 焦利民, 贾琦琪, 等. 标度律视角的城市效能测度及中国城市多维要素效能分析. 地理研究, 2021, 40(6): 1596-1609.

DOI

[XU Z B, JIAO L M, JIA Q Q, et al. Assessment of multidimensional performance for Chinese cities based on urban scaling law. Geographical Research, 2021, 40(6): 1596-1609.]

[29]
师海猛, 陈伟, 李巧, 等. 土地利用无差异比较下建设用地空间错配测度与演化特征. 自然资源学报, 2024, 39(12): 2962-2979.

DOI

[SHI H M, CHEN W, LI Q, et al. Spatial mismatch measurement and evolutionary characteristics of construction land use under undifferentiated land use comparison. Journal of Natural Resources, 2024, 39(12): 2962-2979.]

[30]
游猎, 刘晓琴, 陈睿山. 上海市建设用地与人口变化的关联特征及展望. 自然资源学报, 2024, 39(5): 1160-1173.

DOI

[YOU L, LIU X Q, CHEN R S. Correlation characteristics and prospects of construction land and population changes in Shanghai. Journal of Natural Resources, 2024, 39(5): 1160-1173.]

DOI

Options
文章导航

/

〈 〉