Regular Articles

Spatial mismatch measurement and evolutionary characteristics of construction land use under undifferentiated land use comparison

  • SHI Hai-meng ,
  • CHEN Wei ,
  • LI Qiao ,
  • ZHANG Sun ,
  • WANG Ya-nan ,
  • ZHANG Heng
Expand
  • College of Economics & Management, Northwest A&F University, Yangling 712100, Shaanxi, China

Received date: 2024-01-15

  Revised date: 2024-03-21

  Online published: 2024-12-16

Abstract

From the perspective of undifferentiated comparison of land use, the spatial and temporal evolution of the spatial mismatch of urban construction land in China is investigated based on the land comparable correction model and the extended HK model, with a view to providing reference for the efficient and scientific allocation of construction land. The results show that: (1) During the study period, the spatial mismatch of construction land generally showed a "W"-shaped fluctuating trend, which was characterized a predominantly over-allocation and a supplementary under-allocation. At the regional level, the degree of mismatch in the east fluctuated greatly and was higher than the national average after 2012, the central region was largely below the national average, the western region was always higher than the national average, and the northeast region showed an inverted "N"-shaped downward trend. (2) During the study period, the spatial under-allocation of construction land evolved from a belt-shaped distribution to a cluster-shaped distribution, and there was a characteristic of spreading from the southeastern coast to the inland areas. The spatial over-allocation always showed a pattern of contiguous distribution, and there was a tendency from peripheral distribution to internal aggregation. (3) From the perspective of different city sizes, small cities had the highest degree of mismatch, followed by megacities, then medium-sized cities, and finally large cities. However, the mismatch in megacities was more dominated by under-allocation, while other city sizes were mainly dominated by over-allocation. The results of the study help to improve the objectivity and scientificity of the identification of spatial mismatch of construction land and promote the optimization and improvement of the efficiency of construction land allocation.

Cite this article

SHI Hai-meng , CHEN Wei , LI Qiao , ZHANG Sun , WANG Ya-nan , ZHANG Heng . Spatial mismatch measurement and evolutionary characteristics of construction land use under undifferentiated land use comparison[J]. JOURNAL OF NATURAL RESOURCES, 2024 , 39(12) : 2962 -2979 . DOI: 10.31497/zrzyxb.20241214

建设用地是城市经济增长的物质基础与动力源泉,也是推动高质量发展、实现中国式现代化的基本要素与重要保障。建设用地的合理规划与配置始终是城市可持续发展的重要议题。然而,由于快速的城市化、人地矛盾、政府干预、市场失灵等诸多原因的影响,多数地区逐步形成了“高资源投入、低效率利用、不可持续”的土地资源配置模式[1],也带来了突出的城市建设用地空间错配问题。长期以来,在政府双重偏置性土地供给政策的支持下,即在区域层面倾向欠发达地区,而在城市层面严格限制大城市的土地供应,造成了建设用地在东部大城市的配置不足以及西部中小城市的配置冗余,继而引发了建设用地配置的严重失衡[2]。这不仅导致了城市的过度扩张,制约着区域的协调发展,还会进一步加剧耕地损失、危害粮食安全、破坏城市生态。2015年,中央就多次强调要深化供给侧结构性改革,着力纠正资源错配,不断提升资源配置效率[3]。党的“二十大”报告再次指出,要推动各类资源节约集约利用,健全资源环境要素市场化配置体系[4]。这也为新时代建设更为完善的土地要素配置体制与机制指明了方向。为此,准确衡量并纠正建设用地的空间错配,对于提升建设用地配置效率、建设现代化经济体系、推动高质量发展具有十分重要的现实意义。
建设用地的空间错配不仅是政府高度关注的领域,也是学术界研究的热点话题。本质上,建设用地的错配问题是对土地最优配置状态的偏离,并与城市规模、空间均衡密切相关[5]。目前,已有部分学者对建设用地的空间错配问题展开了研究。研究内容上,主要涉及农业与非农部门的土地资源错配问题[3]、不同城市间的建设用地配置问题[6,7]、以及城市内不同地类或不同行业建设用地的配置问题等。研究方法上,现有文献主要利用单一指标法[8]、柯布—道格拉斯生产函数法[7,9]、超越对数生产函数法[10]对错配问题进行测度。成因机制上,现有研究着重从政府过度干预及政策的扭曲[11]、土地财政依赖[6,12]、土地市场环境[1,13]等多个维度对建设用地错配的根源进行分析。交互影响上,部分学者还进一步探讨了建设用地错配对全要素生产率[14,15]、技术创新[16]、地方债务[17]、环境污染[18,19]等方面的影响。纠正策略上,学者们提出要从改善制度环境[16]、厘清土地产权[20,21]、完善市场机制[18,20]、加强规划管理[15,22]等方面予以解决。
综上所述,学者们对建设用地空间错配的内容、测度、成因机制、交互影响、纠正策略等方面进行了诸多的探讨与研究。但现有文献鲜有考虑资源禀赋、产业结构、气候区划、地形条件等因素对建设用地利用造成的显著差异,忽视了对土地利用可比性问题的界定,得到的结论往往是有偏误的。为此,本文以2002—2021年中国285个地级及以上城市构建面板数据,基于土地利用无差异比较的视角,采用容积率指数、气候区影响因子、地形坡度指数对建设用地空间错配进行修正测度。力求更为客观、更加准确地揭示建设用地空间错配的特征事实与基本规律,以期为提高建设用地的配置与利用效率,促进城市的可持续发展提供指导与帮助。

1 理论框架

建设用地的空间错配是对配置效率原则的违背。通常将实际建设用地规模与理论建设用地规模进行比较作为评价标准,以此衡量建设用地配置是否达到效率最优。当前多数学者对于该问题的研究,往往是利用城市建设用地面积直接进行表象的测算比较,没有考虑土地利用的可比性问题[23]。所谓土地利用的无差异比较,就是考虑到区域或城市间由客观事实造成的土地利用上的差异,并采取相应措施予以差异消除,使得不同区域或城市间土地利用具有可比性,从而更为公平客观地衡量区域建设用地的配置情况。土地利用无差异比较的目的是要补充效率优先原则配置的不足,充分考虑区域土地的差异因素,兼顾了区域土地配置的公平性。土地利用的无差异比较研究能够揭示不同地区可比的真实土地利用水平,从而能为不同地区建设用地的科学管理提供理论支撑。
已有研究都是采用同质化处理的方法对城市建设用地空间错配问题进行研究。而城市的产业结构、资源禀赋、气候因素、地形因素都将会对城市的工业用地、居住用地及交通用地带来规模差异,但这一规模差异并不是错配引起的。若不对这些因素进行处理,就会对建设用地的空间错配测算造成干扰。首先,产业结构差异会深刻影响城市工业用地的配置[23]。在不考虑产业结构差异存在的情况下,往往会认为经济发展越好的区域,土地利用效果越好,土地配置效率较高,越不会出现土地错配,反之亦然。但受资源禀赋、社会历史、经济区位等多个方面的影响,各个城市的产业选择不同,造成了产业结构的差异。经济发达的城市,产业结构较为高级,能够形成以高新技术、新兴产业为主导的产业布局,土地产出较高。而对于经济发展落后的城市,产业结构相对低级,通常形成以传统制造业为主导的产业布局。但并不能否认经济发展落后的城市实现了与其产业结构相匹配的土地利用状态。换句话说,产业结构层次低的城市也可能与当前工业用地规模相适配。因此,若忽视产业结构差异的影响,将高估建设用地的空间错配程度。其次,不同区域居住用地的配置受气候区划的影响较为显著[24]。根据《城市居住区规划设计标准GB50180—2018》的要求[25],不同气候区的城市 ,会有不同的日照间距系数要求,对人均居住用地面积产生显著影响。在相对温暖气候区,光照条件较好,容易满足建筑的日照要求,总体上人均居住用地面积偏小。而在相对寒冷气候区,光照条件稍弱,不易满足建筑的日照要求,总体上人均居住用地面积偏大。因此,为了合乎气候条件、满足日照的健康要求,在人口相差无几的情况下,位于相对寒冷气候区城市的居住用地面积会大于相对温暖气候区的城市,但这一面积差异并不是错配造成的。所以忽略气候差异的影响,也将会造成建设用地空间错配程度的高估。最后,地形条件的差异显著影响着城市交通用地的配置。地形较为崎岖的山区丘陵型城市,会加大交通建设的难度,需要对道路作一定的护坡支撑设计,还会影响道路建设的形状、走向及成本等。而地形相对平坦的平原盆地型城市,交通建设受到的约束较少[24]。因此,在建设同等面积道路的情况下,山区丘陵型城市需要更多的道路用地投入。故不同地形条件城市所需要的交通用地面积是存在显著差异的,而由地形条件带来的面积差异也并不属于错配造成的。因此,不考虑地形差异的影响,也将进一步带来建设用地空间错配程度的高估。
总的来说,土地利用行为的比较研究大致可分为有差异研究与无差异研究两种视角。剔除了产业结构、资源禀赋、气候因素、地形因素的研究属于无差异的研究,反之则为有差异研究。因此,要对建设用地进行无差异的修正处理,使得不同城市的建设用地具有可比性,进而尽可能地消除差异性比较因素对建设用地空间错配测度造成的影响。需要说明的是,其他一些地类也存在着差异性利用的要求,但工业用地、居住用地和交通用地三大地类平均规模占比呈现逐年增加趋势,近年更是达到70%左右。因此,本文重点关注了工业用地、居住用地和交通用地三大地类。具体研究框架如图1
图1 研究框架

Fig. 1 Research framework

2 研究方法与数据来源

2.1 建设用地的可比修正模型

2.1.1 容积率指数修正

基于土地利用无差异比较视角,本文通过构建城市层面的容积率指数来实现区域间工业用地利用强度的比较研究,然后将各城市实际工业用地面积转换为标准用地面积。在构建容积率指数时,存在一个基本的前提假设,即各城市的工业产出与工业用地存在匹配与对应的关系,且城市内不同行业的产出规模也与各行业用地的规模变化相一致[23]。步骤如下:
(1)确定容积率换算系数
根据2023年新版《工业项目建设用地控制指标》中容积率控制标准的基础值来制定工业行业的容积率换算系数[26]。该容积率换算系数体现了不同工业行业单位土地利用面积的相对比例。基于不同工业行业与容积率控制标准的对应关系,能够构建工业行业间的容积率换算系数Vij。公式如下:
V i j = V A i / V B j
式中:VAiVBj分别为行业i与行业j的容积率控制值。通过计算能够得到31个制造业大类行业间的容积率换算系数矩阵。基于该换算矩阵,以任意行业为基准都能得到其他行业的单位用地面积的相对值。本文分别设定以容积率控制标准最低的石油、煤炭及其他燃料加工业(容积率≥0.5)及容积率控制标准最高的计算机、通信和其他电子设备制造业(容积率≥1.1)作为基准行业。
(2)构建容积率指数
本文构建的容积率指数体现了不同城市以工业产出为表征的土地利用强度差异。容积率指数VRI越小,表明该城市工业结构整体倾向于土地利用强度低的行业;VRI越大,表明该城市工业结构则由土地利用强度高的行业主导。而随着容积率的不断变大,表明城市工业结构正向土地利用强度高的行业发展。则容积率指数VRInt可表示为:
V R I n t = i = 1 k S G n t i × V i j i = 1 k S G n t i × h n t H N t
h n t = S O n t / I N D n t
H N t = S O N t / I N D N t
式中:SGnti为城市nt年行业i的工业总产值(或工业增加值)(亿元);k为城市n的制造业行业大类数(个);hnt为城市nt年工业用地利用强度(亿元/km2);HNt为城市n所在省(自治区、直辖市)Nt年工业用地利用强度(亿元/km2);SOntSONt为第n个城市t年的第二产业产值与第N个省(自治区、直辖市)t年第二产业产值(亿元);INDntINDNt为第n个城市t年的工业用地面积与第N个省(自治区、直辖市)t年的工业用地面积(km2)。
(3)计算城市标准用地
标准用地面积是利用容积率指数对城市实际工业用地面积折合后的用地面积,是衡量城市工业用地规模的可同度量的标准单位,经过计算后的标准用地面积消除了土地利用强度差异,能够实现不同城市工业用地总量的比较。具体如下:
S I n t = V R I n t × I A n t
式中:SIntIAnt分别为城市nt年的工业标准用地面积与实际工业用地面积(km2)。

2.1.2 气候影响因子修正

《城市用地分类与规划建设用地标准GB50137—2011》将七大一级建筑气候区归并成两大类,并给出了人均居住用地面积的标准范围[27]。第一种类型包括Ⅰ、Ⅱ、Ⅵ、Ⅶ气候区,为相对寒冷气候。第二种气候区包括Ⅲ、Ⅳ、Ⅴ气候区,为相对温暖气候。本文采用标准区间范围取平均值的方法,构建出气候区影响因子ε,以消除气候区因素对居住用地面积的作用差异。公式如下:
ε = Q i / Q j
S R n t = R A n t / ε
式中:QiQj分别为第ij种类型气候区人均居住用地面积标准范围的均值(m2/人),分别选择第一种和第二种类型的气候区作为修正基准;SRntRAnt分别为城市nt年的修正后居住用地面积与实际居住用地面积(km2)。

2.1.3 地形坡度指数修正

《公路工程项目建设用地指标(建标〔2011〕124号)》中将地形划分为平原区、微丘区、山岭重丘区三种[28]。平原区指地形平坦,无明显起伏,地面自然坡度小于或等于3°的地区,适宜任何类型公路的建设。微丘区指起伏不大的丘陵,地面自然坡度为3~20°,可选择符合公路设计规范的道路进行建设。山岭重丘区指地面自然坡度大于20°,道路建设受到很大限制。按照市辖区平均坡度将城市划分为平原区城市、微丘区城市和山岭重丘区城市。借鉴徐勇等[24]关于地形坡度与建设用地标准关系的研究,构建地形坡度指数 ζ,以消除地形因素对交通用地面积带来的利用差异。公式如下:
ζ = 1 / 2 - 1 c o s α - 2 t a n α t a n θ
F A n t = T A n t / ζ
式中:α为城市市辖区平均坡度(°),本文分别设定以平地坡度3°和重丘区城市最大坡度27°作为修正基准,参考前人研究θ取值72°[24]TAntFAnt为城市nt年的实际交通用地面积与修正后交通用地面积(km2)。
综上,考虑到在对上述三种地类修正时,存在基准选择上的差异,进而会影响建设用地面积。本文基于不同基准的组合构建最大面积修正H1、均值面积修正H2及最小面积修正H3三种修正情景。在不同修正情景下可计算相加得到修正后建设用地面积Snt。公式如下:
C A n t = I A n t + R A n t + T A n t + O A n t
S n t = S I n t + S R n t + F A n t + O A n t
式中:CAntOAnt为城市nt年的实际建设用地面积与其他地类面积(km2)。

2.2 建设用地空间错配测度模型

借鉴Hsieh等[29]的建模思路,本文将土地要素融入理论框架中,拓展了包含要素价格扭曲的HK竞争均衡模型,以实现对城市土地资源空间错配指数γS的测度。
首先,假定某经济体中有M个城市,那么城市n代表性厂商的生产函数为规模报酬不变的C-D生产函数,该城市内所有厂商具有相同的生产函数。
Y n t = A n t K n t λ L n t η S n t δ
式中:Ynt为城市nt年总产出(亿元);KntLntSnt分别为资本(亿元)、劳动(万人·年)和土地的投入(km2);ληδ为对应要素的弹性,且满足λ+η+δ=1;Ant为技术进步或全要素生产率。
在有要素价格扭曲的情况下,满足利润最大化目标的函数为:
m a x { P n t Y n t - 1 + γ K n t P K t K n t - 1 + γ L n t P L t L n t - ( 1 + γ S n t ) P S t S n t }
s . t .   K t = K n t ,     L t = L n t ,   S t = S n t
式中:γKntγLntγSnt为三种要素的扭曲“税”;Pnt为产品价格(元);PKtPLtPSt为完全竞争的市场环境下要素价格水平(元)。
假定三要素总量外生给定,那么经济总产出Y可由各城市的产量共同决定得到:
Y t = n = 1 M P n t Y n t
令城市n的实际总产出占全国总产出的比例可表示为Rnt=PntYnt /Yt。根据利润最大化的一阶条件,对S求导能够得到竞争均衡下具有要素扭曲的土地配置量:
S n t = δ P n t Y n t ( 1 + γ S n t ) P S t / n = 1 M δ P n t Y n t ( 1 + γ S n t ) P S t S t                   = δ R n t ( 1 + γ S n t ) / n = 1 M δ R n t ( 1 + γ S n t ) S t
若城市n没有土地错配存在时,γSnt=0,那么土地要素在无障碍条件下的配置量为:
S n t * = δ R n t δ t ¯ S t
式中: δ - i = R n t δ为产出加权的土地贡献值。那么,城市n实际土地配置量与无错配时土地配置量的比值可表示土地资源的有效配置偏离程度。即城市n的土地资源错配程度:
β ^ S n t = S n t S t / R n t δ δ t ¯
β ^ S n t >1,说明相对于整个经济体,城市n的土地使用成本较低,从而造成该地区土地配置过度。反之,当 β ^ S n t <1,说明土地配置不足。
根据Hsieh等[29]的研究,以土地要素为例,其绝对扭曲系数可定义为:
β S n t = 1 1 + γ S n t
式中:βSnt为城市nt年的土地要素绝对扭曲系数。当βSnt=1时,γSnt=0,表示不存在土地要素错配。当βSnt>1时,γSnt<0,表示土地要素价格低于市场正常水平,土地资源存在配置过度。反之,表明土地资源存在配置不足。由于实际无法直接对绝对扭曲系数进行测量,可用相对扭曲系数 β ^ S n t替代。因此,联立式(18)~式(19)即可计算出各城市的土地错配指数γSnt,对其取绝对值后,数值越大,表明资源错配越严重。

2.3 数据来源与说明

2.3.1 数据来源

本文选取2002—2021年285个地级及以上城市面板数据进行研究。其中,各城市建设用地、工业用地、居住用地、交通用地面积等数据来自于《中国城市建设统计年鉴》(2002—2021年)。全国各省(自治区、直辖市)分行业工业总产值数据主要来源于各省(自治区、直辖市)《统计年鉴》(2003—2022年)。城市常住人口、暂住人口、GDP、固定资产投资总额、城镇私营和个体从业人员数、城镇单位从业人员来源于《中国城市统计年鉴》(2003—2022年)。就业人口平均受教育结构数据来自《中国劳动统计年鉴》(2003—2022年)。地形坡度数据基于30 m分辨率ASTER DEM V003数据计算得到。

2.3.2 数据说明

考虑到数据的可获得性,本文剔除了部分数据缺失严重的地区,并将研究数据统一到市辖区口径。其次,GDP数据通过GDP平减指数换算到2002年不变价。资本投入以城市固定资本存量衡量,资本存量选取各城市固定资产投资总额和各省(自治区、直辖市)固定资产投资价格指数数据,采用永续盘存法计算而得[30,31]。劳动投入以城市有效劳动投入衡量,利用各城市就业人口数乘以人均受教育年限得到有效劳动投入[7]。而城市就业人口数是城镇单位从业人员与私营和个体期末人数相加得到;人均受教育年限为受教育年限折算的加权平均值,以不同受教育程度构成人数占比为权重。土地投入采用修正后城市建设用地面积进行计算。要素弹性通过双固定效应回归得到,其中资本要素的弹性为0.36,劳动要素的弹性为0.2,土地要素的弹性为0.44。缺失数据通过插补法进行补齐。主要变量的描述性统计见表1
表1 变量描述性统计

Table 1 Descriptive statistics of variables

变量 指标选择 样本数/个 均值 标准差 最小值 最大值
城市产出 地区生产总值/亿元 5700 729.21 1654.30 6.10 26174.68
资本投入 资本存量/亿元 5700 2599.01 5137.30 14.41 71502.67
劳动投入 有效劳动投入/(万人·年) 5700 119.71 201.42 1.37 2803.173
土地投入 修正后建设用地面积/km2 5700 640.21 1548.42 12.48 23149.21

3 结果分析

3.1 建设用地空间错配的时间演变趋势

通过设定若干修正情景(图2),研究地类的修正基准选择对建设用地空间错配的影响,其中H0为不进行修正的情景。可以发现,不同的修正基准会对建设用地空间错配程度产生一定影响,但并不会影响错配的总体变化趋势。此外,H1、H2、H3三种情景的错配指数远小于H0情景。说明资源禀赋、产业结构、气候区划、地形条件等因素确实对建设用地空间错配存在显著影响,需要进行剥离处理。为便于研究分析,以下主要围绕均值面积修正H2情景展开。
图2 不同情景下建设用地空间错配的年均变化

Fig. 2 Annual average change of spatial mismatch of construction land under different scenarios

从错配程度看,城市建设用地空间错配总体在时序上呈现出“W”型波动变化趋势。全国层面上,2002—2008年建设用地空间错配表现出波动下降,并在2008年达到极小值。之后错配呈现出先小幅增长后下降的趋势。但从2011年后建设用地空间错配呈现出连年增长的趋势。2002—2008年间中国刚刚将进入WTO,经济得到飞速发展,建设用地配置效率得到不断提高[9]。2008年受金融危机的影响,世界经济下行,国内经济增长快速回落,外需红利消失,产能利用率低,造成城市土地产出的不断下滑,建设用地空间错配转而加重。之后,中央为了应对经济硬着陆风险,推出了高达四万亿元的经济刺激计划侧重于大规模的城市建设投资,短时间起到了刺激经济的效果,市场出现短期复苏,表现为2009—2011年间错配指数的波动下降。但这一刺激计划在日后也逐渐加剧了城市空间的金融化,导致了城市空间的过度扩张。从长期看,这些建设活动脱离了城市发展的实际需求,加速了城市发展的不匹配[12],导致2011年之后建设用地空间错配指数的不断攀升。
区域层面上(图3),东部和西部地区的错配变化趋势与全国基本相同,但东部的建设用地错配呈现出较大波动特征,并从2012年起高于全国平均水平,西部则始终高于全国平均水平。中部与东北地区的错配指数表现为波动下降趋势,且中部基本处于全国平均水平之下,东北地区则呈现出倒“N”型下降的趋势。究其原因,自2003年起,政府出于平衡区域发展的目的不断收紧对东部的土地供应,逐渐增强对西部地区的配置供给。2012年,西部的土地供给占比超越东部[32]。自此之后,西部地区建设用地配置愈发冗余。而受经济危机影响,东部地区经济在2012年也结束了高速增长阶段,东部的错配开始走向分化,呈现出大城市严重不足、部分中小城市配置过度的割裂局面。这是造成2012年后东、西部地区错配指数不断攀升的重要原因。而就中部地区而言,其错配指数并没有出现剧烈变动,仅有个别年份与全国平均水准持平,其他年份均低于全国平均水平。说明该区域建设用地扩张与经济发展的适配度在不断提升。东北地区的错配指数呈现出倒“N”型下降趋势,是四大区域中下降幅度最大的区域。究其原因,东北地区是最早进入且是最晚退出计划经济的地区。2002—2012年该区域的错配指数显著高于全国平均水平,这和东北地区市场化程度不高,资源配置效率落后有关。2012年后东北地区的错配出现急剧下降趋势,这并不是由该区域建设用地配置效率得到提升造成的,而是由于中国经济进入新常态后,东北三省的产业转型缓慢、资源日益枯竭、人才流失严重、有效投资不足等问题更为凸显,使得该区域经济发展陷入困顿、城市建设呈现萎缩造成的。
图3 2002—2021年建设用地空间错配指数的时序变化

Fig. 3 Time-series changes in the spatial mismatch index of construction land from 2002 to 2021

从错配方向看(图4),城市建设用地空间错配指数总体上始终表现为以超配为主,缺配为辅的特征,总体错配比例在下降,未错配比例在增加。2002—2021年,建设用地超配的城市占比始终远大于缺配城市占比,超配城市比例维持在70%左右,未错配城市占比呈现出波动增加趋势。这一结论也契合当前中国土地城镇化显著快于人口城镇化的事实。从不同区域看,中西部及东北地区的错配方向变化基本与全国一致,始终表现为超配主导型。不同的是,中部与东北地区的超配城市占比在波动减少,缺配城市占比存在小幅增加趋势。而西部地区的超配城市占比始终处于高位,超配与缺配占比变化不明显。东部地区则逐渐从缺配主导转变为缺配与超配共同主导,超配城市占比与缺配城市占比基本持平。不同区域的经济发展程度存在差异,人口与产业对建设用地的需求不同,加之中央政府在土地配置方面倾斜性政策的支持,造成了各区域差异化的错配演化方向。
图4 2002—2021年建设用地空间错配方向的研究

注:图中负值表示超配,正值表示缺配,零值为未错配。

Fig. 4 Study of the direction of spatial mismatch of construction land from 2002 to 2021

3.2 建设用地空间错配的空间分异格局

从错配程度看(图5),建设用地空间错配整体呈现出连绵集聚分布的格局,低度错配城市普遍存在,中度错配与高度错配城市先聚集后分散,未错配城市始终表现为零星分布。具体来看,2002—2008年中度错配与高度错配城市数量出现激增,且在东部沿海部分区域、胡焕庸线两端、黄河“几”字湾附近形成连绵集聚分布趋势。2008—2015年高度错配城市数量有所减少,中度错配变化并不明显。2015—2021年中度与高度错配城市数量都出现了显著减少,此时高度错配呈现出分散分布的格局,四大地理区位中仍均存在高度错配城市,而未错配城市的数量始终变化不大。这表明中国城市建设用地的错配虽然有向好发展的空间特征,但仅是部分城市的错配程度呈现出减弱趋势。整体上,城市建设用地错配的基本面依然没有改变,建设用地空间错配问题仍然没有得到妥善解决,建设用地的配置效率仍有较大提升空间。
图5 2002—2021年建设用地错配程度的空间格局

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,下同。

Fig. 5 Spatial pattern of the extent of construction land mismatch from 2002 to 2021

从错配方向看(图6),城市建设用地空间缺配从带状分布逐渐演化为团块状分布,并存在由东南沿海向内陆地区扩散的特征。而空间超配则始终呈现连片分布的格局,并存在由外围分布向内部聚集的特征。具体地,2002年,建设用地空间缺配集中分布于东部沿海城市,形成了缺配城市连绵分布的带状空间格局。2008年,空间缺配仍主要分布在东部沿海地区,出现进一步加剧的特征,并逐渐向东北和中部地区扩散。2015年,东部沿海城市的缺配情况得到缓解,初步呈现团块状分布的特征。到2021年,空间缺配的团块状分布更加明显,高度缺配城市主要集中在长三角城市群、珠三角城市群、山东半岛城市群及内蒙古与东北交界地区。而就建设用地空间超配而言,2002—2015年中西部城市及东北少数城市都表现出超配的特点,高度超配成连片式广泛分布在中部、西北、西南和东北地区的部分城市。到2021年,高度超配城市显著减少,其中黄河流域的城市超配最为严重。北方地区的高度超配城市要多于南方。而外围边远区域的超配得到有效缓解,呈现出向内部腹地聚集的态势。
图6 2002—2021年建设用地错配方向的空间分布

Fig. 6 Spatial distribution of the direction of construction land mismatch from 2002 to 2021

3.3 不同城市规模的建设用地空间错配研究

为进一步探索不同城市规模建设用地空间错配的异质性规律。参考中华人民共和国国务院2014年发布的《城市规模划分标准调整》规定[33],按照城市的城区常住人口,基于第七次人口普查分县数据可将城市分为超大城市(人口≥1000万人)、特大城市(500万<人口<1000万人)、大城市(100万<人口≤500万人)、中等城市(50万<人口≤100万人)、小城市(人口≤50万人)五个等级。由于城区常驻人口超过500万人的城市较少[34],本文将超大城市和特大城市两个分组进行合并,统一定义为特大城市分组。
从不同规模城市的建设用地平均空间错配程度看(表2),小城市的错配指数最高,特大城市次之,然后是中等城市,大城市的错配程度相对较小。从错配的变化趋势看,特大及大城市的错配指数波动增加,而中小城市的错配指数在波动减少。究其原因,小城市资源吸引能力不足,无法通过土地出让吸引产业投资[35]。地方政府的财政收入更多依赖土地出让,加之人口、产业不断向大城市聚集,小城市的建设用地闲置率高,形成了严重的建设用地错配现象。对于特大城市,可能与国家严格控制特大城市发展规模有关,政策上的偏向及政府的过度干预造成了建设用地配置偏离最优效率。尽管中国的部分特大城市规模已经比较大,但就与其庞大的人口与经济体量相比,仍然需要补充适量建设用地支撑其健康发展。此外,随着城市规模增大到一定程度,管理难度增加,建设用地与其他要素适配的难度也在增加。对于中等城市与大城市,虽然这些区域也面临着建设用地的空间错配,但这些区域往往是产业转移的重要区域,相比小城市,产业发展所需的基础设施相对完善,对人才也有较大的吸引力。人口与产业需求的增长使得这些区域建设用地达到相对较好的适配状态。
表2 不同规模城市的建设用地平均空间错配指数

Table 2 Average spatial mismatch index of construction land in cities of different sizes

年份 特大城市 大城市 中等城市 小城市 年份 特大城市 大城市 中等城市 小城市
2002 0.40 0.33 0.37 0.44 2013 0.38 0.31 0.33 0.37
2003 0.36 0.31 0.35 0.43 2014 0.39 0.31 0.34 0.38
2004 0.35 0.30 0.36 0.43 2015 0.40 0.32 0.34 0.37
2005 0.37 0.30 0.35 0.42 2016 0.36 0.33 0.36 0.37
2006 0.35 0.28 0.34 0.43 2017 0.36 0.32 0.36 0.40
2007 0.39 0.28 0.34 0.42 2018 0.38 0.33 0.36 0.40
2008 0.34 0.28 0.33 0.40 2019 0.38 0.34 0.36 0.41
2009 0.36 0.29 0.34 0.40 2020 0.38 0.35 0.36 0.39
2010 0.38 0.29 0.34 0.41 2021 0.46 0.37 0.36 0.38
2011 0.39 0.29 0.33 0.38 平均值 0.38 0.31 0.35 0.40
2012 0.40 0.30 0.34 0.37
从错配方向看(图7),不同规模城市分组的建设用地错配方向主导类型也存在差异。特大城市主要表现为缺配主导,而大城市、中等城市和小城市主要以超配为主导。具体而言,近20年特大城市建设用地超配占比始终小于缺配占比,但超配占比不断增加、缺配明显减少。而近20年大城市建设用地超配比例则始终大于缺配比例,并且超配占比有波动增加趋势,缺配占比呈波动减少特征。中小城市超配比例显著高于缺配比例,但超配占比在波动减少,缺配在波动增加,未错配城市变化不大。究其原因,相对于其他三种规模城市,特大城市人口密度较大、产业集中度较高,对建设用地需求旺盛,再加上政府为了防止特大城市的过度膨胀对其进行的干预控制,形成了以特大城市缺配主导,其他规模城市超配主导的局面。
图7 不同规模城市的建设用地空间错配方向

Fig. 7 Direction of spatial mismatch of construction land in cities of different scales

3.4 与其他研究的比较

已有部分文献对城市建设用地的错配问题进行了测度研究,并得出了丰富的研究结果。数值规律上,有部分学者测度的结果较高[11,14],而有部分学者测度的结果相对较低[15,36],具体数值并不确定。空间规律上,部分学者认为东部地区的错配程度较小,西北和东北地区的错配程度较高[12,19]。也有学者认为东部地区还存在着突出的供给不足问题[7,11],并未形成统一认识。基于此,本文在前人研究的基础上,从土地利用无差异比较视角,利用拓展的HK模型对城市建设用地的空间错配情况进行测度,进一步深化了相关研究,也得到了一些差异性的研究结果。首先,在错配程度上(表3),彭山桂等[14]的研究结果显示城市土地资源平均错配程度为0.71,显著大于本文测度的0.38。其次,在演变趋势上,部分学者研究发现建设用地错配表现出先下降后上升的变化特征[11,15],而本文识别出建设用地空间错配呈现出“W”型波动变化趋势。最后,在区域层面上,本文的研究表明东部地区的建设用地错配在2012年后高于全国平均水平,并逐渐由前期的缺配主导演化为缺配与超配共同主导。而东北地区也并非一直存在严重的建设用地空间错配问题,且错配指数也呈现出明显下降趋势。出现上述差异化结论的可能原因在于:在测度方法上,李力行等[5]、张俊峰等[36]仅使用单一指标测度土地错配程度,属于是对建设用地错配的间接表达,存在一定的估计偏差。在测度时间上,部分研究的时间跨度较短,可能掩盖了一部分错配变化的趋势规律。最后,众多学者忽略了不同区域城市的产业结构、气候区划及地形条件等客观因素对土地错配的干扰影响,他们的研究均把城市所处的客观环境视为同质的,会使研究结果存在一定的偏误。而本文考虑的因素更为全面,进一步弥补了李力行等[5]、张俊峰等[36]、程开明等[11]、孟宏玮等[19]、Wang等[12]、彭山桂等[14]、冯雨豪等[15]研究的不足。总之,区别于以往研究,本文剔除了相关客观因素对建设用地空间错配测度造成的干扰,从而能够更为科学、准确地对错配区域进行识别,进一步拓宽与深化土地错配领域的研究。
表3 与其他研究结果的比较

Table 3 Comparison with other findings

作者 区域 时间/年 测度方法 平均错配程度 有无做可比性处理 错配特征
本文 285个地级市 2002—2021 拓展的HK模型 0.38 建设用地空间错配总体呈现出“W”型波动变化趋势
李力行等[5] 282个地级市 2003—2007 协议出让面积/出让土地面积 0.59
张俊峰等[36] 235个地级市 2001—2016 划拨用地数量/土地供应总量 0.52 建设用地错配呈现先下降后上升的发展趋势和西高东低的空间格局
程开明等[11] 279 个地级市 2003—2018 竞争性空间一般均衡模型 1.25 土地空间错配先缓解后加剧。东北和西部城市供给过度、东部城市供给不足的特征突出。东北的土地供给过度特征最为明显
孟宏玮等[19] 280个地级市 2010—2019 土地投入与经济产出的欧氏距离 0.61 东部的土地错配指数最低,东北和西部的较高。中部的土地错配指数变化较平稳
Wang等[12] 282个地级市和333个县
级市
2008—2017 人口和经济密
度变化的四象
限模型
与2008—2012年比,2013—2017年错配城市数量有所增加。后金融危机时代,地方政府的财政依赖加速了土地开发的错配,尤其是县级市,错配城市集中在东北和西北地区
彭山桂等[14] 105个城市 2007—2019 拓展的HK模型 0.71
冯雨豪等[15] 278个地级市 2003—2019 投入产出的错配模型 0.45 城市工业用地空间错配呈现先下降后上升的趋势

4 结论与讨论

本文基于土地利用无差异比较视角,构建容积率指数、气候区影响因子、地形坡度指数并嵌入到拓展的HK竞争均衡模型中,从错配程度与错配方向双重视角对2002—2021年285个城市建设用地空间错配进行修正测度。结论如下:
(1)从时序变化看,2002—2021年城市建设用地空间错配指数总体呈现出“W”型波动变化趋势。东部建设用地空间错配呈现出较大波动特征,并在2012年后高于全国平均水平。中部基本处于全国平均水平之下,西部始终高于全国平均水平,东北则呈现出倒“N”型下降趋势。错配方向上,总体呈现出以超配为主,缺配为辅的特征。中部、西部及东北地区的错配方向变化基本同全国一致,东部地区则由缺配主导转变为缺配与超配共同主导。
(2)从空间格局看,建设用地空间错配整体呈现出连绵集聚分布的格局,低度错配城市普遍存在,中度错配与高度错配城市先聚集后分散,未错配城市始终表现为零星分布。错配方向上,城市建设用地空间缺配从带状分布逐渐演化为团块状分布,并存在由沿海向内陆地区扩散的特征。空间超配则始终呈现连片分布的格局,并存在由外围分布向内部聚集的特征。
(3)不同规模城市的建设用地空间错配存在显著差异。小城市的空间错配程度最高,特大城市次之,然后是中等城市,大城市的空间错配程度相对较小。错配方向上,特大城市主要表现为缺配主导,而大城市、中等城市和小城市主要表现为超配主导。
基于以上结论,为促进城市建设用地的优化配置,能够得到如下政策启示:第一,科学匹配建设用地供需规模。当前,中国城市土地资源空间分布并不均衡,不同区域土地空间错配依然严重。城市建设用地配置要充分考量当地的产业结构、气候条件、地形特点、资源禀赋等实际情况,要适当增加东部地区江苏、浙江、福建、广东等省份的供给规模,逐步减少中西部地区江西、山西、陕西等省份的增量配置规模。探索“一地一策”式配置管理举措,实现差别化、精细化管理。第二,加大存量用地盘活处置力度。各地都要坚持以“存量”换“增量”,通过城市更新改造、土地收储整备、清理批而未供用地等举措,着力推动城市低效用地的再开发,有效缓解土地供需矛盾。针对一些规模较大的城市,如上海、无锡、广州、中山、佛山等仍然存在的严重土地缺配问题,要通过以增量与存量并举的方式来保障土地供给;而对于其他多数土地超配的城市,则要以深挖存量的方式满足市场需求。第三,深化建设用地管理制度改革。针对建设用地配置在区域间与城市规模上存在着的超配与缺配并存现象,要建立健全同宏观政策、区域发展更加高效衔接的土地管理制度,加强对土地利用计划的动态管理与跟踪评估。要加快推进城乡统一的建设用地市场建设,提高土地要素配置精准性和利用效率,推动形成主体功能约束有效、国土开发协调有序的空间发展格局[37],增强土地要素对优势地区高质量发展保障能力。
综上,本文弥补了当前土地错配领域的不足,所得结论能够为建设用地的优化配置及利用效率的提高提供科学参考。但本文还存在一些不足之处。首先,未能对商服用地做出修正处理。商服用地类型较多且不同区域的用地面积、容积率差异太大,较难进行统一修正比较。其次,随着经济的发展,出现了许多混合用地类型,如商住混合用地、工业商业混合用地等,对于这类用地也未能进行进一步的分析。
[1]
黄忠华, 杜雪君. 土地资源错配研究综述. 中国土地科学, 2014, 28(8): 80-87.

[HUANG Z H, DU X J. Review on the land resource misallocation studies. China Land Science, 2014, 28(8): 80-87.]

[2]
陆铭, 李鹏飞, 钟辉勇. 发展与平衡的新时代: 新中国70年的空间政治经济学. 管理世界, 2019, 35(10): 11-23, 63, 219.

[LU M, LI P F, ZHONG H Y. The new era of development and balance: Spatial political economics of new China's regional economy for 70 years. Journal of Management World, 2019, 35(10): 11-23, 63, 219.]

[3]
张俊峰, 张安录. 中国土地资源错配效率损失与纠正策略. 华南农业大学学报: 社会科学版, 2020, 19(1): 55-65.

[ZHANG J F, ZHANG A L. Benefit loss of land misallocation, and correction strategy in China. Journal of South China Agricultural University: Social Science Edition, 2020, 19(1): 55-65.]

[4]
杨丹辉. 科学配置促进资源节约和高效利用(新论). http://opinion.people.com.cn/n1/2022/1102/c1003-32556841.html, 2022-12-15.

[YANG D H. Scientific configuration to promote saving and efficient utilization of resources (new). http://opinion.people.com.cn/n1/2022/1102/c1003-32556841.html, 2022-12-15.]

[5]
李力行, 黄佩媛, 马光荣. 土地资源错配与中国工业企业生产率差异. 管理世界, 2016, 32(8): 86-96.

[LI L X, HUANG P Y, MA G R. Land resource misallocation and productivity difference of industrial enterprises in China. Journal of Management World, 2016, 32(8): 86-96.]

[6]
张俊峰, 张雄, 张安录, 等. 建设用地空间错配理论、机制与效益损失: 基于湖北省的实证. 中国人口·资源与环境, 2020, 30(4): 42-53.

[ZHANG J F, ZHANG X, ZHANG A L, et al. Theory, mechanism and benefit loss of spatial misallocation of construction land: An empirical analysis based on Hubei province. China Population, Resources and Environment, 2020, 30(4): 42-53.]

[7]
程开明, 于静涵. 中国城市土地供给错配: 特征事实及对全要素生产率的影响效应. 中国土地科学, 2022, 36(8): 43-54.

[CHENG K M, YU J H. Urban land supply misallocation in China: Characteristic facts and impacts on total factor productivity. China Land Science, 2022, 36(8): 43-54.]

[8]
彭山桂, 孙昊, 郭正宁, 等. 土地资源空间错配对城市产业转型升级的影响及作用机制. 资源科学, 2022, 44(5): 871-885.

DOI

[PENG S G, SUN H, GUO Z N, et al. Impact mechanism of land resources spatial mismatch on urban industrial transformation and upgrading. Resources Science, 2022, 44(5): 871-885.]

DOI

[9]
邓楚雄, 赵浩, 谢炳庚, 等. 土地资源错配对中国城市工业绿色全要素生产率的影响. 地理学报, 2021, 76(8): 1865-1881.

DOI

[DENG C X, ZHAO H, XIE B G, et al. The impacts of land misallocation on urban industrial green total-factor productivity in China. Acta Geographica Sinica, 2021, 76(8): 1865-1881.]

DOI

[10]
XIE R, YAO S, HAN F, et al. Does misallocation of land resources reduce urban green total factor productivity? An analysis of city-level panel data in China. Land Use Policy, 2022, 122: 106353, Doi: 10.1016/j.landusepol.2022.106353.

[11]
程开明, 于静涵. 中国城市资源空间错配: 特征测度与时空演进. 地理科学, 2023, 43(4): 617-628.

DOI

[CHENG K M, YU J H. Resource spatial misallocation of cities in China: Characteristic measurement and spatio-temporal evolution. Scientia Geographica Sinica, 2023, 43(4): 617-628.]

DOI

[12]
WANG J, ZHANG X L. Land-based urbanization in China: Mismatched land development in the post-financial crisis era. Habitat International, 2022, 125: 102598, Doi: 10.1016/j.habitatint.2022.102598.

[13]
BANERJEE A V, MOLL B. Why does misallocation persist?. American Economic Journal: Macroeconomics, 2010, 2(1): 189-206.

[14]
彭山桂, 李敏, 王健, 等. 土地资源错配的全要素生产率损失效应与形成机制. 中国土地科学, 2022, 36(8): 55-65.

[PENG S G, LI M, WANG J, et al. Research on the total factor productivity loss effect and formation mechanism of land resource misallocation. China Land Science, 2022, 36(8): 55-65.]

[15]
冯雨豪, 王健, 邵子南, 等. 中国城市工业用地空间错配对工业全要素生产率的影响. 资源科学, 2022, 44(12): 2511-2524.

DOI

[FENG Y H, WANG J, SHAO Z N, et al. The impact of spatial misallocation of urban industrial land on industrial TFP in China. Resources Science, 2022, 44(12): 2511-2524.]

DOI

[16]
安勇, 赵丽霞. 土地资源错配、空间策略互动与城市创新能力. 中国土地科学, 2021, 35(4): 17-25.

[AN Y, ZHAO L X. Land resource misallocation, spatial strategy interaction and urban innovation capability. China Land Science, 2021, 35(4): 17-25.]

[17]
毛文峰, 陆军. 土地资源错配、城市蔓延与地方政府债务: 基于新口径城投债数据的经验证据. 经济学家, 2020, (4): 80-88.

[MAO W F, LU J. Land resource mismatch, urban sprawl and local government debt: Empirical evidence based on new-caliber urban investment debt data. Economist, 2020, (4): 80-88.]

[18]
陈恭军. 土地资源错配、产业结构与雾霾污染: 基于空间计量和动态面板门槛模型的实证分析. 中国软科学, 2022, (12): 143-152.

[CHEN G J. Land resource misallocation, industrial structure and haze pollution: An empirical study based on spatial econometrics and dynamic panel threshold model. China Soft Science, 2022, (12): 143-152.]

[19]
孟宏玮, 赵华平, 张所地. 土地供给结构错配对城市碳排放效率的影响. 中国人口·资源与环境, 2023, 33(4): 56-69.

[MENG H W, ZHAO H P, ZHANG S D. Impact of land supply structure mismatch on urban carbon emission efficiency. China Population, Resources and Environment, 2023, 33(4): 56-69.]

[20]
白东北, 张营营, 唐青青. 开发区设立与地区资源错配: 理论机制与经验辨识. 财经研究, 2020, 46(7): 49-63.

[BAI D B, ZHANG Y Y, TANG Q Q. Establishment of development zones and mismatch of regional resources: Theoretical mechanism and empirical identification. Journal of Finance and Economics, 2020, 46(7): 49-63.]

[21]
贾生华, 张娟锋. 土地资源配置体制中的灰色土地市场分析. 中国软科学, 2006, (3): 17-24.

[JIA S H, ZHANG J F. The analysis of the gray land market in the land allocation system. China Soft Science, 2006, (3): 17-24.]

[22]
曲福田, 田光明. 城乡统筹与农村集体土地产权制度改革. 管理世界, 2011, 27(6): 34-46, 187.

[QU F T, TIAN G M. The coordination urban growth between rural development, and the reform of the system of the property right of the rural collective land. Journal of Management World, 2011, 27(6): 34-46, 187.]

[23]
陈伟, 彭建超, 吴群. 基于容积率指数和单要素DEA方法的工业用地利用效率区域差异研究. 自然资源学报, 2015, 30(6): 903-916.

DOI

[CHEN W, PENG J C, WU Q. Regional differences of industrial land use efficiency based on volume rate index and sub-factor DEA method. Journal of Natural Resources, 2015, 30(6): 903-916.]

[24]
徐勇, 赵燊, 樊杰. 中国城市规划建设用地标准及气候和地形地貌修订. 地理学报, 2020, 75(1): 194-208.

DOI

[XU Y, ZHAO S, FAN J. Urban planning construction land standard and its revision of climate and topography in China. Acta Geographica Sinica, 2020, 75(1): 194-208.]

DOI

[25]
中华人民共和国住房和城乡建设部. 城市居住区规划设计标准(GB 50180—2018). https://www.mohurd.gov.cn/gongkai/zhengce/zhengcefilelib/201811/20181130_238590.html, 2023-09-08.

[Ministry of Housing and Urban-Rural Development of the People's Republic of China. Urban residential area planning and design standard (GB 50180—2018). https://www.mohurd.gov.cn/gongkai/zhengce/zhengcefilelib/201811/20181130_238590.html, 2023-09-08.]

[26]
中华人民共和国自然资源部. 工业项目建设用地控制指标(2023年05月11日公告). https://www.gov.cn/zhengce/zhengceku/202306/content_6888447.htm, 2023-09-08.

[Ministry of Natural Resources of the People's Republic of China. Industrial project construction land control indicators. https://www.gov.cn/zhengce/zhengceku/202306/content_6888447.htm, 2023-09-08.]

[27]
中华人民共和国住房和城乡建设部. 城市用地分类与规划建设用地标准(GB 50137-2011). https://www.mohurd.gov.cn/gongkai/zhengce/zhengcefilelib/201201/20120104_208247.html, 2023-09-10.

[Ministry of Housing and Urban-Rural Development of the People's Republic of China. Urban land classification and planning construction land standard (GB 50137-2011). https://www.mohurd.gov.cn/gongkai/zhengce/zhengcefilelib/201201/20120104_208247.html, 2023-09-10.]

[28]
中华人民共和国交通运输部. 公路工程项目建设用地指标(建标〔2011〕124 号). https://xxgk.mot.gov.cn/2020/jigou/glj/202006/t20200623_3312366.html, 2023-09-10.

[Ministry of Transport of the People's Republic of China. Highway engineering project construction land index. https://xxgk.mot.gov.cn/2020/jigou/glj/202006/t20200623_3312366.html, 2023-09-10.]

[29]
HSIEH C T, KLENOW P J. Misallocation and manufacturing TFP in China and India. Quarterly Journal of Economics, 2009, 124(4): 1403-1448.

[30]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952—2000. 经济研究, 2004, (10): 35-44.

[ZHANG J, WU G Y, ZHANG J P. The estimation of China's provincial capital stock: 1952-2000. Economic Research Journal, 2004, (10): 35-44.]

[31]
梁建飞, 陈松林. 环境约束下的福建省城市建设用地利用效率及驱动因素. 自然资源学报, 2020, 35(12): 2862-2874.

DOI

[LIANG J F, CHEN S L. Research on the land-use efficiency and driving factors of urban construction in Fujian province under environmental constraints. Journal of Natural Resources, 2020, 35(12): 2862-2874.]

[32]
赵扶扬, 陈斌开. 土地的区域间配置与新发展格局: 基于量化空间均衡的研究. 中国工业经济, 2021, (8): 94-113.

[ZHAO F Y, CHEN B K. Spatial allocation of land and new development pattern: Based on the analysis of quantitative spatial equilibrium. China Industrial Economics, 2021, (8): 94-113.]

[33]
中华人民共和国国务院. 国务院关于调整城市规模划分标准的通知(国发〔2014〕51号). https://www.gov.cn/zhengce/content/2014-11/20/content_9225.htm, 2023-09-15.

[State Council of the People's Republic of China. Notification by the standard of state council on adjusting the urban scale. https://www.gov.cn/zhengce/content/2014-11/20/content_9225.htm, 2023-09-15.]

[34]
ZHOU Y, HUANG X J, CHEN Y, et al. The effect of land use planning (2006-2020) on construction land growth in China. Cities, 2017, 68: 37-47.

[35]
XIE W C, GAO W, ZHANG M. Has land resource misallocation increased air pollution in Chinese cities?. Environmental Science and Pollution Research International, 2023, 30(18): 52702-52716.

[36]
张俊峰, 王聪聪, 徐磊, 等. 中国建设用地错配时空特征、驱动机制及空间效应: 基于235个城市的实证分析. 热带地理, 2021, 41(2): 217-228.

DOI

[ZHANG J F, WANG C C, XU L, et al. Spatial effect of construction land misallocation in China: An empirical analysis based on data of 235 cities. Tropical Geography, 2021, 41(2): 217-228.]

[37]
曹祺文, 顾朝林, 管卫华. 基于土地利用的中国城镇化SD模型与模拟. 自然资源学报, 2021, 36(4): 1062-1084.

DOI

[CAO Q W, GU C L, GUAN W H. China's urbanization SD modelling and simulation based on land use. Journal of Natural Resources, 2021, 36(4): 1062-1084.]

Outlines

/