img

官方微信

高级检索

中国沙漠, 2024, 44(6): 122-134 doi: 10.7522/j.issn.1000-694X.2024.00094

黄河中游城市群绿色技术创新能力的时空演变与影响因素

史利江,1, 李前锦1, 高杉1, 李永宁1, 姚晓军2, 张晓龙1, 张殷波1, 高峰1

1.山西财经大学 资源环境学院,山西 太原 030006

2.西北师范大学 地理与环境科学学院,甘肃 兰州 730070

Analysis on the spatiotemporal evolution and influencing factors of green technology innovation capability of urban agglomerations in the middle reaches of the Yellow River

Shi Lijiang,1, Li Qianjin1, Gao Shan1, Li Yongning1, Yao Xiaojun2, Zhang Xiaolong1, Zhang Yinbo1, Gao Feng1

1.College of Resources and Environment,Shanxi University of Finance and Economics,Taiyuan 030006,China

2.College of Geography and Environmental Science,Northwest Normal University,Lanzhou 730070,China

收稿日期: 2024-04-30   修回日期: 2024-07-22  

基金资助: 国家自然科学基金面上项目.  32171658
山西省基础研究计划项目.  202103021223307
山西省研究生科研创新项目.  2023KY550
山西省社科联重点研究项目.  SSKLZDKT2020045

Received: 2024-04-30   Revised: 2024-07-22  

作者简介 About authors

史利江(1978—),男,山西阳泉人,博士,副教授,研究方向为区域经济与区域可持续发展E-mail:slj19972@126.com , E-mail:slj19972@126.com

摘要

基于DPSIR模型构建了黄河中游城市群绿色技术创新能力的综合评价指标体系,利用熵值法、泰尔指数、空间自相关、引力模型以及地理探测器等方法分析了2010―2020年黄河中游城市群绿色技术创新能力的时空格局演变、影响因素以及空间关联网络特征。结果表明:(1)黄河中游城市群绿色技术创新能力呈逐年上升趋势,四大城市群间绿色技术创新能力的非均衡性逐步减小,但各城市间绿色技术创新能力的非均衡性逐渐增大。(2)绿色技术创新能力的空间分布形成了多“核心-边缘”的空间格局,4个省会城市的绿色技术创新能力优势明显,而黄土高原东西两侧、关中平原西部及中原城市群东南部的城市绿色技术创新能力偏低;空间自相关在全局上随机性较强,在局部也仅有个别城市存在高-低、低-高的集聚现象,没有形成明显的空间集聚特征。(3)绿色技术创新能力的空间关联网络格局趋于复杂,形成了郑州-新乡-西安强空间引力的小三角区和郑州-西安-太原强空间引力的大三角区。(4)社会经济基础、创新资源、创新环境以及产业结构等因素通过与其他因子的交互作用,成为影响黄河中游城市群绿色技术创新能力空间分异的主要驱动因素。

关键词: 绿色技术创新 ; 时空演变 ; 城市群 ; 黄河中游

Abstract

Base on the DPSIR model, a comprehensive evaluation index system for the green technology innovation capability of urban agglomerations in the middle reaches of the Yellow River was constructed. The spatiotemporal pattern evolution, influencing factors, and spatial correlation network characteristics of the green technology innovation capability of urban agglomerations in the middle reaches of the Yellow River from 2010 to 2020 were analyzed by means of entropy method, Theil index, spatial autocorrelation, gravity model, and geographic detector. The results showed that: (1)The green technology innovation capability of the urban agglomerations in the middle reaches of the Yellow River was increasing year by year, and the imbalance of green technology innovation capability among the four major urban agglomerations was gradually decreasing, while the imbalance of green technology innovation capability among cities was gradually increasing. (2)The spatial distribution of green technology innovation ability formed a multiple core-edge spatial pattern. The four major provincial capitals had obvious advantages in green technology innovation ability, while the eastern and western parts of the Loess Plateau, the western part of the Guanzhong Plain and the southeastern part of the Central Plains urban agglomeration had low green technology innovation ability. The global autocorrelation was characterized by strong randomness, while the local autocorrelation was characterized by high-low and low-high clustering in some cities, without forming obvious spatial clustering characteristics. (3)The spatial correlation network pattern of green technology innovation capability tended to be complex, forming a small triangle of strong spatial gravity of Zhengzhou-Xinxiang-Xi'an and a large triangle of Zhengzhou-Xi'an-Taiyuan. (4)Social and economic development, innovation resources, innovation environment and industrial structure were the main driving factors affecting the spatial differentiation of green technology innovation capability of urban agglomerations in the middle reaches of the Yellow River through interaction with other factors.

Keywords: green technology innovation ; spatiotemporal evolution ; urban agglomeration ; the middle reaches of the Yellow River

PDF (4621KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

史利江, 李前锦, 高杉, 李永宁, 姚晓军, 张晓龙, 张殷波, 高峰. 黄河中游城市群绿色技术创新能力的时空演变与影响因素. 中国沙漠[J], 2024, 44(6): 122-134 doi:10.7522/j.issn.1000-694X.2024.00094

Shi Lijiang, Li Qianjin, Gao Shan, Li Yongning, Yao Xiaojun, Zhang Xiaolong, Zhang Yinbo, Gao Feng. Analysis on the spatiotemporal evolution and influencing factors of green technology innovation capability of urban agglomerations in the middle reaches of the Yellow River. Journal of Desert Research[J], 2024, 44(6): 122-134 doi:10.7522/j.issn.1000-694X.2024.00094

0 引言

世界城市化与工业化的快速发展引发的全球生态环境问题,对人类生存以及社会经济的可持续发展构成严重威胁,绿色发展逐渐引起世界各国的广泛关注。《2020年全球环境绩效指数报告》显示中国环境绩效指数位列全球第160位,表明中国环境污染状况不容乐观1。2020年中国正式宣布了“双碳”目标,绿色技术创新成为中国新时代经济建设的重要切入点2。党的二十大报告将“推动绿色发展,促进人与自然和谐共生”作为新时代党和国家的重要任务和使命。作为实现该目标的第一动力,绿色技术创新成为政府和学界关注的焦点。

绿色技术创新的前身是绿色创新,也称为“生态创新”或“环境创新”3。作为绿色发展的重要驱动力,绿色技术创新兼具地域性、可持续性与创新性等特征,能够通过提高产品生产率、能源利用率或实现产业转型等促进社会经济增长、缓解环境污染,从而推动区域社会经济的可持续发展。国外对绿色技术创新的研究可追溯至20世纪60年代,通过与传统技术比较,揭示了绿色技术创新的先进性4。由世界知识产权组织(WIPO)编制的国际专利分类绿色清单已逐步被世界各国用来衡量区域绿色技术创新水平5-6。国内研究始于20世纪90年代,2020年随着“双碳”目标的提出,关于绿色技术创新的研究达到了一个新的高峰。从当前来看,研究重点主要包括:①在研究内容上,绿色技术创新常与“碳排放”、绿色经济以及绿色发展等密切关联,主要侧重于研究政策对城市绿色技术创新能力的影响7-8、企业战略偏好和城市绿色技术创新效率以及创新绩效和扩散等方面。②在评价指标体系方面,主要包括单指标和多指标体系,其中单指标主要以绿色技术创新产出来衡量,即采用绿色专利数据来测度9-10,而多指标体系是通过构建复合指标体系,系统、完整地反映和表征绿色技术创新的过程与特征。③从研究方法来看,绿色技术创新能力测度一般采用熵值法进行客观赋权,以避免人为因素的偏差,同时通过探索性空间数据分析等方法研究其时空演变和空间关联特征。近些年来,引力模型、社会网络分析等方法被逐步用来分析绿色技术创新的空间网络特征;驱动因素分析一般采用多元线性回归方程、空间杜宾模型以及地理探测器等方法11-12。④从影响因素来看,环境规制对企业绿色技术创新具有重要的影响。一些学者还研究讨论了低碳政策、外商直接投资(FDI)、人均收入等因素与绿色技术创新的关系,并将其作为解释变量,分析与其他要素共同对绿色技术创新的影响13-15。⑤研究尺度涉及国家、经济带、流域、城市群以及省域等不同区域类型16-17。随着城市群对区域发展的作用日益凸显,围绕城市群绿色技术创新的研究逐渐增多。总体来看,绿色技术创新研究不断趋向精细化、系统化,但尚存在一些不足:①由于绿色技术创新的特殊性,其科学内涵与评价指标体系尚未形成统一的界定,以绿色专利为代表的单一指标在衡量绿色技术创新水平时,仍存在一定的局限性,难以系统、完整地揭示和表征绿色技术创新的本质内涵和创新过程;②当前绿色技术创新的研究主要集中在全国尺度以及长三角地区、长江经济带等东部发达地区,而对于黄河流域绿色技术创新的研究尚为薄弱。随着黄河流域生态保护和高质量发展上升为国家战略,绿色发展成为实现流域生态保护与高质量发展的根本途径和必由之路,而绿色技术创新可有效促进流域经济、环境和社会效益的协同发展,从而更好地提升流域绿色发展水平。

黄河流域一直是中国重要的粮食基地、资源型工业集聚地带以及生态屏障,战略地位十分重要18。当前,黄河中游地区人口数量占黄河流域人口总数的23%,GDP占流域总量的25%,已成为黄河流域的经济核心和增长极。然而黄河流域中游地区长期存在着经济发展不平衡、经济增长内生动力不足、产业结构不合理以及矿产资源开发导致生态环境严重破坏等一系列问题19-21。因此,在黄河流域生态保护和高质量发展以及“双碳”目标背景下,科学测度黄河中游城市群的绿色技术创新能力,揭示其时空格局、演变特征及其影响因素,不仅是中国新时代发展的要求,更是推动黄河流域绿色高质量发展的关键。

1 研究区概况、数据和方法

1.1 研究区概况

黄河中游地区西起内蒙古托克托县河口镇,东至河南郑州桃花峪,中游河段全长1 206 km,流域面积为34.4万 km2,占黄河流域总面积的43.27%(图1)。作为中国重要的能源生产基地,该区域煤炭、石油、天然碱等储量居多,矿产资源较丰富、品种较齐全,原煤的产量多年来在全国占比将近一半,并集聚了众多煤炭、化工以及机械等工业企业。区域内有鄂尔多斯高原、晋中盆地、晋南盆地、陕北高原、陇东高原、关中平原以及豫西盆地等多种地貌类型,在内蒙古中西部和陕北部分地区,畜牧业较发达,在南部的晋南盆地及关中平原地区,农业发达,历史文化积淀深厚、旅游资源丰富,但也存在着水土流失、生态环境破坏等一系列问题19-22。依据《黄河流域生态保护和高质量发展规划纲要》与“19+2城市群”战略布局,并参考相关研究1921,综合考虑研究区域的完整性、数据的可获得性等因素,选取黄河中游范围内中原城市群的19个地级市、关中平原城市群的12个地级市、山西中部城市群的5个地级市以及呼包鄂榆城市群的4个地级市等共40个地级市作为研究对象(表1)。

图1

图1   黄河中游城市群范围

注:基于自然资源部标准地图服务网站标准地图(审图号:GS(2020)4619号)制作,底图边界无修改

Fig.1   The map of urban agglomeration in the middle reaches of the Yellow River


表1   黄河中游城市群范围内地级市统计

Table 1  Statistical table of prefecture level cities within the urban agglomeration in the middle reaches of the Yellow River

城市群名称城市构成
中原城市群郑州、开封、洛阳、南阳、安阳、商丘、新乡、平顶山、许昌、焦作、信阳、鹤壁、濮阳、漯河、三门峡、周口、驻马店、长治、晋城
关中平原城市群西安、宝鸡、铜川、渭南、咸阳、延安、商洛、天水、平凉、庆阳、运城、临汾
山西中部城市群太原、晋中、忻州、阳泉、吕梁
呼包鄂榆城市群呼和浩特、包头、鄂尔多斯、榆林

新窗口打开| 下载CSV


1.2 数据来源

指标数据来自2011—2021年的《中国城市统计年鉴》《中国城市建设统计年鉴》,河南省、陕西省、山西省、甘肃省、内蒙古自治区的统计年鉴以及所涉及的40个地级市的统计年鉴、国民经济与社会发展统计公报与环境状况统计公报等;绿色专利数据依据国际专利分类绿色清单中的绿色专利分类号,从国家知识产权局网站(https://www.cnipa.gov.cn/)检索获取40个城市的绿色专利申请量。个别年份缺失数据用线性插值法等方法补齐。

1.3 指标体系的构建

绿色技术创新能力是指在经济增长的过程中,以减轻对生态环境的负面影响、促进生态系统的价值提升和效率优化为出发点,并最终能够发挥上述功能的技术、组织和社会等方面的创新23-24,其中技术是绿色技术创新能力的基础,绿色是绿色技术创新能力的条件,创新则是绿色技术创新能力的核心。借鉴已有的研究成果,遵循科学性、客观性、可行性等原则,并结合黄河中游城市群的社会经济及创新发展情况,利用DPSIR模型,从驱动、压力、状态、影响和响应等5个维度,共选取22个指标,构建了黄河中游城市群绿色技术创新能力的综合评价指标体系(表2)。

表2   黄河中游城市群绿色技术创新能力评价指标体系

Table 2  Evaluation index system for green technology innovation capability of urban agglomeration in the middle reaches of the Yellow River

目标层准则层要素层指标层属性权重/%
绿色 技术 创新驱动D经济发展人均GDP(元)+3.25
社会生活城镇居民人均可支配收入(元)+1.46
在岗职工平均工资(元)+1.74
教育水平高等院校数量(所)+11.43
压力P环境压力单位GDP工业废水排放量(t/万元)-0.22
单位GDP工业二氧化硫排放量(t/亿元)-0.14
社会压力年末城镇登记失业人员数占年末单位从业人员数(%)-0.06
状态S绿色技术创新投入教育支出/地方一般公共预算支出(%)+1.05
科学研究、技术服务和地质勘查行业从业人数/年末单位从业人员数(%)+3.59
水利、环境和公共设施管理业行业从业人员数/年末单位从业人员数(%)+3.99
绿色技术创新环境人均道路面积(m2+3.46
万人国际互联网接入用户数(户)+3.82
百人均图书馆藏书量(册)+6.69
外商投资企业数(个)+5.53
影响I绿色技术创新产出绿色发明专利授权量(件)+16.52
绿色实用新型专利授权量(件)+13.11
专利申请量(件)+13.28
响应R经济响应单位GDP全社会固定资产投资总额(%)+1.92
环境响应工业固体废物综合利用率(%)+0.87
生活垃圾无害化处理率(%)+0.34
人均公园绿地面积(hm2/万人)+4.47
科技响应科学技术支出/地方一般公共预算支出(%)+3.06

新窗口打开| 下载CSV


1.4 研究方法

1.4.1 熵值法

为避免主观赋权法的主观性对测度结果的影响,利用熵值法确定绿色技术创新指标体系中各个指标层的权重,其原理是指标值离散程度越高,应赋的权重就越大,反之则小。公式见参考文献[25]。用熵值法计算得出各指标的权重(表2)和黄河中游城市群40个地级市绿色技术创新能力的综合指数。

1.4.2 泰尔指数

泰尔指数被广泛运用于诸多领域分析系统内的组间差异和组内差异。利用泰尔指数分析黄河中游城市群绿色技术创新能力的区域差异,计算公式见文献[26-27]。

1.4.3 空间自相关

全局空间自相关是对某一属性在整个空间内特征的描述,公式为:

I=ni=1nj=1nWijXi-X¯Xj-X¯i=1nj=1nWijj=1nXj-X¯2

式中:X¯为黄河中游城市绿色技术创新能力的平均值;n是空间单元数。当I0,表示城市绿色技术创新能力呈现空间正相关;当I0,表示城市绿色技术创新能力呈空间负相关;当I=0,说明城市绿色技术创新能力在空间上不存在相关性。

局部空间自相关可反映各空间与周围邻近空间针对某一属性的相关性,利用其来衡量黄河中游城市群单个地级市与邻近地级市绿色技术创新能力的关联程度。

Ii=Xi-X¯Si2j=1,jinWij(Xj-X¯)
ZIi=Ii-EIiVIi

式中:E(IiV(Ii分别指理论的期望和方差。在通过检验的情况下,局部Moran's I0,表示城市绿色技术创新能力在局部呈现高-高或低-低的特征;局部Moran's I0,表示在局部呈现高-低或低-高的特征,绝对值越大说明区域间联系越紧密,该区域单元对邻近单元的辐射效应越大。

1.4.4 引力模型

国内学者运用引力模型对不同城市创新空间关联或区域经济联系强度进行分析,模型基本形式保持不变,需要根据研究对参数做适当的调整即可28-31。本文所用的修正引力模型公式为:

F=KS1S2Db
D=W1T1*W2T2

式中:F表示城市L与城市J之间的绿色技术创新的模拟空间引力;K是引力常数,通常取值1;S1、S2 分别代表城市L与城市J的绿色技术创新能力综合得分;Db 代表城市L与城市J之间的综合距离,b代表距离指数,一般取值为1.5;W1、W2 分别代表时间距离T1 和地理距离T2 的权重,取值均为0.5,T1 为高德地图中的汽车最短行车距离所用的时间,T2 为两个城市的直线段距离。

1.4.5 地理探测器

地理探测器是通过比较总区域方差和子区域方差来研究空间异质性,揭示地理现象背后的驱动因子32,本文利用分异因子探测器、交互探测器探究影响黄河中游城市绿色技术创新能力空间分异的影响因素及它们之间的关系:

q=1-1Nσ2i=1LNiσi2

式中:q为探测因子对城市绿色技术创新能力空间分异的解释程度,q值越大,表明该因子对城市绿色技术创新能力空间分异的影响程度越大,q的值域为[0,1];N、Ni 分别代表总样本数量和分区的样本数量;σ2σi2分别指总方差和分区的方差;L为变量或影响因子的分层个数。

2 结果与分析

2.1 时序特征

2010—2020年,黄河中游城市群绿色技术创新能力总体呈现波动上升趋势,年均增长速率为6.96%(图2)。各城市群的绿色技术创新能力差异显著,其中呼包鄂榆城市群的绿色技术创新能力(0.1308)明显高于其他三大城市群;从四大城市群绿色技术创新能力的年均增长速率来看,中原城市群(7.61%)关中平原城市群(7.5%)山西中部城市群(6.15%)呼包鄂榆城市群(4.22%)。总体来看,自2010年以来,中国通过制定和实施一系列节能减排和环境保护的环境经济政策,为绿色技术创新发展创造了充分条件;2011年科技部颁发实施的《国家“十二五”科学和技术发展规划》,提出了创新驱动发展,促进了科学技术成果的转化。但2010—2015年绿色技术创新发展比较缓慢,主要原因在于黄河流域中游地区长期以来一直处于粗放型经济增长的阶段,经济发展模式的转变和产业结构的升级均需要较长的周期,由此导致绿色生产技术和技术创新都相对较弱。相关研究也表明:2012—2015年黄河流域的绿色创新效率呈现微弱下降之后又逐渐上升的趋势33。2015年以来,随着《中共中央 国务院 关于加快推进生态文明建设的意见》发布,各地区在积极推动生态文明建设的同时,不断加大创新投入,落后的生产方式和产业逐步被淘汰和替代,黄河中游城市群绿色技术创新水平进一步提高,并表现出了极大的发展潜力。

图2

图2   2010—2020年黄河中游城市群绿色技术创新能力变化

Fig.2   Changes in green technology innovation capability of urban agglomeration in the middle reaches of the Yellow River from 2010 to 2020


2.2 区域差异特征

2010—2020年,黄河中游城市群绿色技术创新能力的泰尔指数呈现波动上升趋势,增幅为50.14%,表明黄河中游城市群绿色技术创新能力的整体区域差异逐步扩大,且组内差异远大于组间差异。在变化幅度上,2010—2020年组间差异降幅为93.10%,组内差异增幅为60.14%,表明黄河中游城市群间绿色技术创新能力的非均衡性减弱,而城市群内部城市间绿色技术创新能力的非均衡性增强。相关研究表明:长江中游城市群间绿色技术创新的差异要小于城市群的内部差异34,这与本文对黄河中游城市群的研究结果相吻合,组内差异是导致整体差异变化的主要原因。2010—2020年,绿色技术创新区域间差异贡献率快速下降,而区域内的差异贡献率稳步上升,且始终保持在90%以上,2020年贡献率达到99.7%,表明绿色技术创新的组内差异是导致黄河中游城市群区域差异变化的主要原因。四大城市群绿色技术创新能力的泰尔指数均值表现为关中平原城市群山西中部城市群中原城市群呼包鄂榆城市群(表3)。总体来看,黄河中游城市群绿色技术创新能力的内部差异十分显著。参照国内外一些城市的成功经验,适度差距对地区绿色技术创新发展具有一定的促进作用,但也需统筹兼顾,注重控制内部的差异,进一步提升城市间绿色技术创新的协同发展。

表3   20102020年黄河中游城市群绿色技术创新能力的泰尔指数

Table 3  Theil index statistics of green technology innovation capability of urban agglomeration in the middle reaches of the Yellow River from 2010 to 2020

年份泰尔指数T组间差异组内差异山西中部城市群呼包鄂榆城市群关中平原城市群中原城市群
20100.1500.0100.1400.1720.0190.2460.103
20110.1880.0170.1710.2360.0640.3200.097
20120.1750.0070.1680.2200.0320.3090.101
20130.1800.0080.1720.1670.0360.3400.100
20140.1720.0050.1670.1770.0200.3150.106
20150.2170.0060.2110.2030.0390.3940.137
20160.1800.0060.1740.1470.0460.3170.123
20170.1990.0020.1970.1660.0320.3480.147
20180.2030.0010.2020.1800.0320.3410.161
20190.1970.0010.1960.1710.0280.3420.150
20200.2260.0010.2250.1960.0320.3770.181

新窗口打开| 下载CSV


2.3 时空演变特征

2013年国务院先后发布的《黄河流域综合规划(2012—2030年)》《国务院关于印发全国资源型城市可持续发展规划(2013—2020)的通知》为分类引导资源型城市转型奠定了基础;2017年国家发改委进一步出台相关文件引导资源型城市转型发展,这些政策措施对于黄河中游城市社会经济与绿色技术创新的发展具有重要影响。因此本文选取2010、2013、2017年和2020年等4个时间截面,利用等间隔分级法将黄河中游城市绿色技术创新能力水平划分为4个等级:低水平(0.07000)、较低水平(0.07001~0.12000)、较高水平(0.12001~0.17000)、高水平(0.17000)。

黄河中游城市群绿色技术创新能力的地理空间分异格局较为明显,且存在明显的时空演变(图3)。2010年,黄河流域中游城市群绿色技术创新能力的低水平、较低水平、较高水平以及高水平的城市数量分别为29、7、1个和3个,分别占黄河中游城市总数的73%、18%、3%和8%,到2020年,低水平城市仅剩商洛市1个,较低水平、较高水平以及高水平城市数量分别为26、8个和5个,分别占黄河中游城市总数的3%、65%、20%、13%。总体来看,2010—2020年,黄河中游城市群绿色技术创新能力低水平城市数量减少了28个,较低水平城市增加了19个、较高水平城市增加了7个,高水平城市增加了2个,黄河中游城市群绿色技术创新能力整体提升趋势显著。黄河中游城市群绿色技术创新能力呈现明显的多“核心-边缘”的空间格局,4个省会城市绿色技术创新能力优势突出,而黄土高原东西两侧、关中平原西部以及中原城市群东南部的城市绿色技术创新能力偏低。随着时间的推移,绿色技术创新能力以省会城市为中心向周围城市的空间溢出效应较为显著,其中呼包鄂榆城市群绿色技术创新能力的空间溢出效应最为明显,原因在于呼包鄂榆城市群的城镇化水平高、经济实力雄厚,各城市间绿色技术创新的协同发展较快,尤其在绿色农业、绿色电力、新材料和现代装备制造业等方面具有优势;其次是中原城市群,其以郑州为中心向周围城市的空间溢出效应也较为明显,并形成了洛阳和郑州的双核心城市,原因在于中原城市群大部分城市均位于黄淮海平原,地形平坦、人口集聚、交通便利,尤其省会郑州的经济规模和创新资源集聚优势明显,从而对周围城市的辐射带动作用较强。而山西中部城市群和关中平原城市群绿色技术创新的空间溢出效应相对较弱,这主要由于两大城市群均位于黄土高原地区,除太原和西安外,其他城市均受到自然条件和经济发展水平的限制,如忻州、吕梁、阳泉、铜川等城市均属资源型城市,人口、经济规模较小,经济实力较弱,转型发展缓慢,创新资源集聚程度较低,绿色技术创新的投入有限,从而导致其绿色技术创新发展较为缓慢。总体来看,2010—2020年,黄河中游城市群的绿色技术创新能力整体提升显著,形成了以省会城市为中心的多“核心-边缘”的空间格局,且绿色技术创新能力由以省会为中心向周围城市空间溢出效应日益明显。

图3

图3   黄河中游城市群地级市绿色技术创新能力空间格局

注:基于自然资源部标准地图服务网站标准地图(审图号:GS(2020)4619 号)制作,底图边界无修改

Fig.3   Spatial pattern of green technology innovation capability of prefecture level cities in urban agglomeration of the middle reaches of the Yellow River from 2010 to 2020


2.4 空间自相关分析

2010—2020年Moran's I指数值均在0附近,且P值均0.1(表4),表明黄河中游城市群绿色技术创新能力的空间分布随机性较强,在全局上没有显著的空间相关性,原因在黄河中游城市群范围资源型城市数量较多,其经济发展对煤、铁等矿产资源存在着高度依赖。在资源禀赋、国际煤炭市场的价格波动以及城市功能定位、转型发展政策和区位优势等多重因素影响下,黄河中游城市群绿色技术创新能力在全局空间分布上表现为随机分布的特征。

表4   20102020年黄河中游城市群地级市绿色技术创新能力的莫兰指数值

Table 4  Statistical table of Moran index values for green technology innovation capability of prefectural cities in urban agglomeration of the middle reaches of the Yellow River from 2010 to 2020

年份Moran's IPZ
2010-0.0060.8330.211
20110.0090.7060.377
2012-0.0210.9610.049
2013-0.0290.973-0.034
2014-0.0280.980-0.026
2015-0.0240.9880.015
2016-0.0190.9350.081
2017-0.0410.855-0.183
2018-0.0330.934-0.082
2019-0.0430.834-0.210
2020-0.0440.827-0.218

新窗口打开| 下载CSV


图4可知,黄河中游城市群绿色技术创新能力尚未形成明显的空间集聚格局,只有西安市等个别城市存在高-低、低-高的集聚现象。具体来看,2010年,西安、郑州与太原等3个省会城市分别与其周围的城市形成了高-低集聚的特征,体现了省会城市的极化型格局;2013年与2017年,关中平原城市群的西安市表现为高-低集聚的特征,邻近的商洛市表现为低-高集聚的特征;到2020年仅西安市表现为高-低集聚的特征。总体来看,黄河中游城市群整体上绿色技术创新能力的发展尚处于初级阶段,仅有个别地级市存在高-低和低-高的负向空间关联,而整体上尚未形成明显的空间集聚分布格局。

图4

图4   黄河中游城市群地级市绿色技术创新能力的LISA集聚图

注:基于自然资源部标准地图服务网站标准地图(审图号:GS(2020)4619 号)制作,底图边界无修改

Fig.4   LISA cluster map of green technology innovation capability of prefecture-level cities in urban agglomeration of the middle reaches of the Yellow River from 2010 to 2020


2.5 空间网络特征

为了更好地揭示黄河中游城市绿色技术创新能力的空间网络联系特征和规律,在40个地级市中,选取绿色技术创新能力0.15的城市,包括西安、郑州、太原、呼和浩特、洛阳、鄂尔多斯、新乡等7个城市,然后利用引力模型对其空间相互作用展开分析,并将各城市间绿色技术创新能力的空间引力强度划分为5个等级——空间引力弱(0.00040)、空间引力较弱(0.00040~0.00070)、空间引力中等(0.00071~0.00100)、空间引力较强(0.001001~0.00200)、空间引力强(0.00200)。由图5可知:2010—2020年,黄河中游城市群绿色技术创新能力的空间引力强度显著增强,空间网络日趋复杂化,表明区域内城市间的合作交流不断增强,城市间的要素流动不断加快,其中郑州市、西安市、太原市等城市间绿色技术创新能力的空间引力最强,联系最为密切,是黄河中游城市群绿色技术创新能力空间作用发生的主要区域。

图5

图5   黄河中游城市群绿色技术创新能力较高城市的空间关联网络

注:基于自然资源部标准地图服务网站标准地图(审图号:GS(2020)4619 号)制作,底图边界无修改

Fig.5   Spatial association network of cities with high green technology innovation capability in urban agglomeration of the middle reaches of the Yellow River from 2010 to 2020


表5可知,2010年绿色技术创新能力较高的7个城市之间,不存在强空间引力类型,仅有中原城市群内部的郑州和新乡的空间引力表现为较强,郑州、西安、洛阳间的空间引力表现为一般,其他城市之间的空间引力强度均表现为弱或较弱,其占比达到86%,反映出黄河中游地区整体绿色技术创新的空间引力强度偏低;2013年郑州、西安、洛阳的空间引力提升为较强,西安与太原间的空间引力强度也上升为较强等级,空间引力强度弱及较弱的占比下降至66%;2017年7个城市间的空间引力强度提升明显,较强及强的占比由2013年19%提升为33%,郑州与洛阳、新乡、西安的空间引力强度均表现为强,西安与洛阳、新乡的空间引力强度提升为较强,太原、西安、郑州的空间引力强度也表现为较强;2020年超过一半的城市间空间引力强度表现为强或较强,仅有19%表现为较弱及弱水平,形成了两个明显的绿色技术创新能力的强空间引力“三角区”:一是由郑州-新乡-西安组成的强空间引力“小三角区”,其主要是由于空间地理位置邻近而形成的作用区;二是郑州-西安-太原的强空间引力作用的“大三角区”,这主要是由于省会城市间更密切的创新合作交流而形成的作用区,这两个三角区成为黄河中游城市群绿色技术创新能力发展辐射的重点区域。

表5   20102020年黄河中游城市群绿色技术创新能力较高城市间空间引力等级

Table 5  Statistical table of spatial gravity levels between cities with high green technology innovation capability in urban agglomeration of the middle reaches of the Yellow River from 2010 to 2020

等级年份
2010201320172020
15742
较弱3752
中等2351
较强14410
0036

新窗口打开| 下载CSV


2.6 影响因素的地理探测器分析

2.6.1 影响因素

绿色技术创新能力是一个复杂系统,受到各种外部因子的影响。根据黄河中游城市群各地级市的实际情况,将2020年黄河中游城市群各地级市的绿色技术创新能力作为因变量Y,自变量选取了40个地级市的国内生产总值(X1)和城镇化率(X2)共同代表社会经济基础因素,第三产业占比(X3)代表产业结构因素,外商投资企业数(X4)代表绿色技术创新环境因素,普通高等院校在校学生数(X5)和科研人员(X6)代表绿色技术创新资源因素,建成区绿化面积覆盖率(X7)和空气质量二级以上天数占比(X8)共同代表生态环境因素,运用地理探测器针对8个驱动因子进行探测。

表6可知,2020年对黄河中游城市群绿色技术创新能力空间分异的影响较大且通过检验的因子普通高等院校在校学生数(X5)国内生产总值(X1)外商投资企业数(X4)城镇化率(X2)第三产业占比(X3),其他3个因子的P值均0.1,未通过显著性检验。综上表明:创新资源尤其是高等院校人才、社会经济基础、创新环境以及产业结构等因素对黄河中游城市群的绿色技术创新能力的空间分异具有比较显著的影响。

表6   黄河中游城市群绿色技术创新能力空间分异的驱动因子探测结果

Table 6  Exploration results of driving factors for spatial differentiation of green technology innovation capability in the urban agglomeration of the middle reaches of the Yellow River

指标X1X2X3X4X5X6X7X8
q0.9180.4530.4400.8870.9550.0660.0690.125
P0.0000.0060.0420.0000.0000.6720.6980.432

新窗口打开| 下载CSV


利用地理探测器模型中的交互探测来分析各因子交互作用对黄河中游城市群绿色技术创新能力的空间分异的影响程度,结果显示:①任意两个探测因子交互后对城市绿色技术创新能力的影响均表现出增强的关系,均强于单项探测因子的影响程度,表明两两影响因子之间的交互作用会增强对黄河中游城市群绿色技术创新能力空间分异的解释力度;②交互影响差异上,国内生产总值(X1)、外商投资企业数(X4)以及普通高等院校在校学生数(X5)分别与其他7个因子的交互作用q值均超过了0.9,第三产业占比(X3)和城镇化率(X2)分别与其他7个因子的交互作用的q值0.5,进一步验证了创新资源、社会经济基础、创新环境以及产业结构等因素是影响黄河中游城市群绿色技术创新能力空间分异的主要驱动因子;③以建成区绿化面积覆盖率(X7)和空气质量二级以上天数占比(X8)共同代表的生态环境因素通过与其他因子交互作用,对黄河中游城市群绿色技术创新能力的空间分异也具有重要影响(表7)。由此表明黄河中游城市群绿色技术创新能力空间分异的形成是复合因子共同作用的结果。

表7   黄河中游城市群绿色技术创新能力空间分异驱动因子的交互作用探测结果

Table 7  Exploration results of the interaction of driving factors for the spatial differentiation of green technology innovation capability in the urban agglomeration of the middle reaches of the Yellow River

X1X2X3X4X5X6X7X8
X10.918
X20.9740.453
X30.9890.5290.440
X40.9350.9570.9780.887
X50.9770.9710.9770.9640.955
X60.9530.6280.7020.9130.9610.066
X70.9820.5490.7050.9150.9740.1700.069
X80.9770.6670.6500.9350.9740.3410.3580.125

新窗口打开| 下载CSV


2.6.2 影响机制

普通高等院校在校学生数在因子探测中的q值排在第一,外商投资企业数的q值排在第三,表明创新资源和创新环境对城市绿色技术创新能力具有重要影响。科研机构及科技企业是绿色技术创新事业发展的主体,而高等学校是绿色技术创新发展的核心力量,黄河中游地区省会城市集聚了全省大部分的高校、高新技术企业和外资企业等资源,内部实力与潜力都优于其他城市,因此成为黄河中游城市群绿色技术创新能力的核心区域。

国内生产总值和城镇化率的q值分别位列第二、第四,说明经济基础是黄河中游城市群绿色技术创新能力空间分异的重要驱动因子。以呼包鄂榆城市群为典型,凭借丰富的煤炭资源,2000年以来,迎来煤炭发展的黄金时代,以煤炭为主的矿产资源的开发,长期支撑着该地区各地级市经济的高速增长,同时也为城市绿色技术创新能力的提升提供了坚实的经济基础,因此该地区绿色技术创新能力表现突出。同时,黄河流域中游其他省会城市的经济发达、资源较完备、城镇化水平高,使其绿色技术创新能力处于较高水平。由此充分反映了社会经济基础对城市绿色技术创新能力发展的重要支撑作用。在经济水平越高的城市,创新发展的动力和保障越充足,绿色专利等创新产出越多,绿色技术创新能力和效率越强。

第三产业占比的q值也较大,表明产业结构对绿色技术创新能力的作用和影响也较为明显。长期以来,黄河中游地区资源型城市的经济发展主要依赖资源开采加工带来的经济效益,但对资源型产业的过度依赖会导致产业结构失衡,城市间的产业同质化现象十分严重,第三产业发展滞后,导致对创新资源和创新产业产生挤出效应。随着黄河中游城市群产业结构的调整和优化,第三产业的比重上升趋势明显。以山西中部城市群为例,随着2016年《促进中部地区崛起“十三五”规划》、2019年山西开展“能源革命综合改革试点”,第三产业成为山西经济发展的新引擎,经济贡献率提高,能源革命全面拉开序幕,能源科技创新、能源体制改革不断发力,山西中部城市群的绿色技术创新发展前景广阔。因此,第三产业作为推动黄河中游城市群经济增长的重要引擎,可进一步带动城市绿色技术创新的快速发展。

生态环境因素也在一定程度上影响着黄河中游城市群绿色技术创新能力的高低。对创新企业来说,对生态环境的重视则意味着环境规制的严格化,波特假说认为,适当的环境规制可以促使企业进行更多的创新活动35。对社会发展来说,生态文明建设和绿色发展战略的提出,使人们对生活质量的要求不断上升,而良好的生态环境是绿色技术创新发展的有利条件,一方面高新技术企业是创新活动的重要参与者,绿色发展水平越高,基础设施建设越完善,就越能增强对高新企业的吸引力;另一方面城市的舒适性与创新存在一定的正向关系,生态环境质量会决定一个城市的舒适度,进而能够对优秀人才产生较强的吸引力,由此会促进城市绿色技术创新的发展。

3 结论

从时序特征来看,2010年以来,黄河中游城市群绿色技术创新能力显著提升,但各城市群水平差异明显,呼包鄂榆城市群绿色技术创新能力较高,而中原城市群、关中平原城市群、山西中部城市群绿色技术创新能力相对较低;从区域差异性来看,泰尔指数呈波动上升趋势,表明黄河中游城市群绿色技术创新能力的整体区域差异逐步扩大,组内差异成为黄河中游城市群绿色技术创新能力差异变化的主要原因。

从空间格局演变看,黄河中游城市群4个省会城市绿色技术创新能力的优势突出,而黄土高原东西两侧、关中平原城市群西部及中原城市群东南部的城市绿色技术创新能力偏低,形成了明显的多“核心-边缘”的空间结构特征,且以省会城市为中心向周围城市空间溢出效应较为显著。从空间相关性看,城市绿色技术创新能力在全局上表现出随机性分布的特征,在局部仅有个别城市存在高-低、低-高的集聚现象,黄河中游城市群绿色技术创新能力的发展整体上仍处于初级阶段,尚未形成明显的空间集聚特征。

从空间引力看,2010—2020年,黄河中游城市间绿色技术创新能力的空间引力逐渐增强,形成了由郑州-新乡-西安的强空间引力的小三角区和郑州-西安-太原的强空间引力的大三角区,成为黄河中游城市群绿色技术创新能力空间相互作用的重点区域。

黄河中游城市群绿色技术创新能力的空间分异是多种复合因子交互作用的结果,经济基础、创新资源和创新环境以及产业结构等通过与其他因子的交互作用,成为影响黄河中游城市群绿色技术创新能力空间分异的主要驱动因素。因此要进一步提升黄河中游城市群的绿色技术创新能力需要多因素的协同发展和共同发力。

参考文献

郝春旭邵超峰董战峰.

2020年全球环境绩效指数报告分析

[J].环境保护,20204816):68-72.

[本文引用: 1]

杨阳曾刚葛世帅.

国内外绿色创新研究进展与展望

[J].经济地理,2022423):10-21.

[本文引用: 1]

Bernauer TEngel SKammerer Det al.

Explaining green innovation:ten years after porter's win-win proposition:how to study the effects of regulation on corporate environmental innovation?

[J].Environmental Science,Business Environmental Law Policy eJournal,20061):1-16.

[本文引用: 1]

周衍平尹意陈会英.

外商直接投资对绿色专利产出的影响:基于中国省际面板数据的实证分析

[J].科学与管理,2022421):34-42.

[本文引用: 1]

孙中瑞樊杰孙勇.

中国绿色科技创新效率空间关联网络结构特征及影响因素

[J].经济地理,2022423):33-43.

[本文引用: 1]

齐绍洲林屾崔静波.

环境权益交易市场能否诱发绿色创新?:基于中国上市公司绿色专利数据的证据

[J].经济研究,20185312):129-143.

[本文引用: 1]

盛馥来诸大建.绿色经济:联合国视野中的理论、方法与案例[M].北京中国财政经济出版社2015.

[本文引用: 1]

黄晶.绿色创新经济:理论与方法[M].北京社会科学文献出版社2020.

[本文引用: 1]

薛宝琪.

黄河流域城市创新能力时空格局及影响因素

[J].中国沙漠,2022426):116-124.

[本文引用: 1]

段德忠夏启繁张杨.

长江经济带环境创新的时空特征及其影响因素

[J].地理科学,2021417):1158-1167.

[本文引用: 1]

周福礼海盼盼王雪妮.

黄河流域绿色发展效率时空演进:基于多周期两阶段DEA模型

[J].中国沙漠,2022423):95-104.

[本文引用: 1]

李魁明王晓燕姚罗兰.

黄河流域农业绿色发展水平区域差异及影响因素

[J].中国沙漠,2022423):85-94.

[本文引用: 1]

彭文斌苏欣怡杨胜苏.

环境规制视角下城市绿色创新时空演变及溢出效应

[J].地理科学,2023431):41-49.

[本文引用: 1]

Karakaya EHidalgo ANuur C.

Diffusion of eco-innovations:a review

[J].Renewable and Sustainable Energy Reviews,201433392-399.

Schiederig TTietze FHerstatt C.

Green innovation in technology and innovation management:an exploratory literature review

[J].RD Management,2012422):180-192.

[本文引用: 1]

罗万云王福博孙慧.

黄河流域高质量绿色发展水平与空间格局演化特征

[J].中国沙漠,2022423):11-20.

[本文引用: 1]

曾刚胡森林.

技术创新对黄河流域城市绿色发展的影响研究

[J].地理科学,2021418):1314-1323.

[本文引用: 1]

苗长虹张佰发.

黄河流域高质量发展分区分级分类调控策略研究

[J].经济地理,20214110):143-153.

[本文引用: 1]

赵雪雁杜昱璇李花 .

黄河中游城镇化与生态系统服务耦合关系的时空变化

[J].自然资源学报,2021361):131-147.

[本文引用: 3]

孙永鹏.

黄河中游城市群经济增长的空间溢出效应研究

[D].兰州兰州大学2021.

方创琳.

新发展格局下的中国城市群与都市圈建设

[J].经济地理,2021414):1-7.

[本文引用: 2]

任保平杜宇翔.

黄河中游地区生态保护和高质量发展战略研究

[J].人民黄河,2021432):1-5.

[本文引用: 1]

段德忠杜德斌.

中国城市绿色技术创新的时空分布特征及影响因素

[J].地理学报,20227712):3125-3145.

[本文引用: 1]

孙博文.

新质生产力背景下中国绿色创新能力评价:基于绿色技术创新能力、绿色技术创新辐射力和绿色创新制度支撑力的“三力”评价体系研究

[J/OL].生态经济:1-192024-06-29].

[本文引用: 1]

陈佳佳郑雅男张伟兰.

黄河流域产业绿色化与生态环境绿色化耦合协调度时空演变

[J].中国沙漠,2022423):1-10.

[本文引用: 1]

王雅洁张嘉颖.

城市群协同创新动态评价

[J].统计与决策,2022388):168-173.

[本文引用: 1]

周亮车磊周成虎.

中国城市绿色发展效率时空演变特征及影响因素

[J].地理学报,20197410):2027-2044.

[本文引用: 1]

刘建华李伟.

基于修正引力模型的中原城市群创新空间联系研究

[J].地域研究与开发,2019385):63-68.

[本文引用: 1]

张书豪吴艳婷于海生.

基于改进引力模型和社会网络分析法的山东省城市创新关联网络研究

[J].鲁东大学学报(自然科学版),2022384):342-349.

彭英余小莉.

基于改进引力模型的江苏省城市创新空间关联及其影响因素

[J].科技管理研究,20214124):81-86.

周正柱杨静张泽安.

长三角城市群创新联系网络时空演变分析

[J].江苏大学学报(社会科学版),2022245):85-96.

[本文引用: 1]

王劲峰徐成东.

地理探测器:原理与展望

[J].地理学报,2017721):116-134.

[本文引用: 1]

李璐.

黄河流域城市绿色创新效率及影响因素研究

[D].太原山西财经大学2022.

[本文引用: 1]

李大鹏.

长江中游城市群绿色创新能力的时空特征及影响因素研究

[D].长沙湖南师范大学2021.

[本文引用: 1]

Porter M ELinde C V.

Toward a new conception of the environment-competitiveness relationship

[J].Journal of Economic Perspectives,199594):97-118.

[本文引用: 1]

/