甘肃省新型城镇化与经济韧性适配格局及其驱动因素

doi:10.7522/j.issn.1000-694X.2025.00178

甘肃省新型城镇化与经济韧性适配格局及其驱动因素

许静^,¹, 杨斌², 冯辉²

1.兰州财经大学，“一带一路”经济研究院，甘肃兰州 730101

2.兰州财经大学，农林经济管理学院，甘肃兰州 730101

The coupling pattern between new-type urbanization and economic resilience in Gansu Province and their driving factors

Xu Jing^,¹, Yang Bin², Feng Hui²

1.Economic Research Institute of the Belt and Road Initiative /, Lanzhou University of Finance and Economics，Lanzhou 730101，China

2.School of Agricultural and Forestry Economics and Management, Lanzhou University of Finance and Economics，Lanzhou 730101，China

收稿日期: 2025-08-28 修回日期: 2025-11-07

基金资助:

国家社科基金项目.  23BJY198
甘肃省社科规划重点委托课题.  2024ZD012
甘肃省基础研究计划软科学专项.  25JRZA095

Received: 2025-08-28 Revised: 2025-11-07

作者简介 About authors

许静（1983—），女，河北青县人，博士，教授，主要从事生态经济学等方面的研究E-mail：xujing@lzufe.edu.cn , E-mail：xujing@lzufe.edu.cn

摘要

甘肃省作为西北地区重要经济增长极，其新型城镇化与经济韧性的协同适配对区域高质量发展至关重要。本研究基于2012—2023年甘肃省14个市州面板数据评估新型城镇化与经济韧性水平，使用综合适配模型与核密度估计揭示二者适配时空格局及其动态演变，并采用随机森林与时空地理加权回归模型分析关键驱动因素及其时空异质性。结果表明：（1）2012—2023年，甘肃省新型城镇化指数由0.352增加至0.438，由较低水平提升至中等水平，经济韧性指数由0.163增加至0.377，由低度韧性转变为较低韧性。（2）新型城镇化与经济韧性适配指数由0.468提高至0.567，由较低适配转为中度适配。兰州适配水平始终较高，金昌和嘉峪关较低，空间上呈核心极化-边缘滞后的梯度格局。（3）城镇人口比重、人均绿地面积、货物出口额和地方财政一般预算支出为关键驱动因素，其作用方向与强度在时空维度上均存在异质性。

关键词： 新型城镇化 ; 经济韧性 ; 协同适配 ; 驱动因素 ; 时空非平稳性

Abstract

As a pivotal economic growth hub in northwest China， the coordinated coupling between new-type urbanization and economic resilience in Gansu Province is crucial for high-quality regional development. Based on panel data from 14 prefecture-level cities and autonomous prefectures in Gansu Province during 2012-2023， this study evaluated the levels of new-type urbanization and economic resilience. Utilizing coupling coordination models and kernel density estimation， we revealed the spatiotemporal coupling patterns and dynamic evolution between these two systems. Furthermore， Random Forest algorithms and Geographically and Temporally Weighted Regression （GTWR） models were employed to analyze the key driving factors and their spatiotemporal heterogeneity. The results indicated that：（1） From 2012 to 2023， Gansu Province's new-type urbanization index increased from 0.352 to 0.438， progressing from a relatively low level to a moderate level， while its economic resilience index rose from 0.163 to 0.377， shifting from low resilience to relatively low resilience. （2） The coupling coordination index between new-type urbanization and economic resilience improved from 0.468 to 0.567， shifting from low coordination to moderate coordination. Lanzhou maintained persistently high coordination levels， while Jinchang and Jiayuguan demonstrated relatively lower performance. The coordination between Jiayuguan's economic resilience and its subsystems of ecological， economic， and social urbanization was relatively low， but showed a significant potential for improvement. （3） The spatial heterogeneity of the coupling pattern between new-type urbanization and economic resilience in Gansu Province was significant， and the degree of agglomeration in high-value areas had been gradually increasing. Spatially， this revealed a "core polarization-edge lag" gradient pattern across the region. （4） Proportion of urban population， per capita green space area， goods export volume， and local fiscal expenditure had been identified as key driving factors， exhibiting heterogeneous directions and intensity of influence across spatiotemporal dimensions.

Keywords： new-type urbanization ; economic resilience ; coupling coordination ; driving factors ; spatiotemporal non-stationarity

PDF (9211KB) 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

许静, 杨斌, 冯辉. 甘肃省新型城镇化与经济韧性适配格局及其驱动因素. 中国沙漠[J], 2026, 46(2): 263-276 doi:10.7522/j.issn.1000-694X.2025.00178

Xu Jing, Yang Bin, Feng Hui. The coupling pattern between new-type urbanization and economic resilience in Gansu Province and their driving factors. Journal of Desert Research[J], 2026, 46(2): 263-276 doi:10.7522/j.issn.1000-694X.2025.00178

0 引言

20世纪以来，中国城镇化进程持续演进，2024年常住人口城镇化率达67%，但传统粗放式发展模式导致区域经济系统脆弱性凸显，经济韧性支撑体系薄弱，要素流动协同效率低下以及抗风险能力不足等问题日益严峻^［1］。在全球经济波动加剧和国内经济转型升级双重压力下，党的二十大提出“宜居、韧性、智慧”的城市建设目标，党的二十届三中全会进一步要求“深化城市安全韧性提升行动”。经济韧性作为区域经济系统抵御冲击、适应变革和实现可持续发展的重要表征^［2］，其与新型城镇化的协同适配已成为推动区域高质量发展的关键所在。探究新型城镇化与经济韧性时空适配格局及其驱动因素，对于维护区域经济安全、促进经济社会高质量发展具有重要理论价值和现实意义。

与传统城镇化不同，新型城镇化强调以人为核心的集约发展模式，主要体现在城镇空间扩张、人口聚集、产业互动、生态宜居与和谐发展等层面^［3］。现有研究集中在以下4个方面：①新型城镇化水平测度。多采用熵权法^［4］、动态空间面板模型^［5］和投影寻踪模型^［6］等方法从人口、经济、社会等不同层面构建综合评价体系，评估研究区新型城镇化水平及其发展潜力。②影响因素及驱动机制。着重探讨推动城镇化发展的关键因素，采用回归分析^［7］、结构方程模型^［8］、空间计量模型^［9］等分析公共服务、人力资本、市场动力等因素对城镇化发展的影响。③新型城镇化产生的社会、经济与生态效应。多通过基准回归^［10］、非效率产出SBM模型^［11］、物元模型^［12］及双重差分模型^［13］等分析新型城镇化过程引发的经济效益、社会公平和环境可持续性等方面的动态变化。④耦合协调研究。运用耦合协调度模型^［14］、空间自相关^［15］等方法探讨与新质生产力、数字经济、乡村振兴、生态韧性等耦合协调的时空分异。

经济韧性是指面临风险时经济主体的抵抗、恢复、自我更新与定位调整的能力^［16］。国外研究侧重韧性评估框架构建^［17］和冲击响应机制模拟^［18］，国内学者则更多关注韧性空间分异特征^［19］与评价体系优化^［20］。现已形成韧性评估-格局解析-机制探究的分析框架范式^［21］。在此基本范式指导下，运用社会网络分析^［22］、空间马尔可夫链^［23］及Dagum基尼系数^［24］等方法揭示区域经济韧性演化规律。研究对象涉及城市、城市群、省份及特定流域等单元。近年来，学者逐渐关注新型城镇化与韧性间的关系，开始探讨新型城镇化与生态韧性^［25］或城市韧性^［26］间的耦合协调及互动响应，但仍存在以下局限：①鲜有研究探讨新型城镇化与经济韧性间的适配关系，对其动态演化过程及空间分异关注不足；②互动关系的影响因素研究多采用传统计量模型，未充分考虑空间对象的局部效应和时间维度上的相关性。此外，鲜少针对西北欠发达地区开展新型城镇化与经济韧性耦合研究，亟待补充区域特性的理论探索。

甘肃省是丝绸之路经济带关键枢纽，是连接中亚与内陆的重要战略通道，也是国家“两屏三带”生态安全格局的核心区域。然而，作为西部欠发达省，甘肃省新型城镇化面临资源约束与城乡发展失衡的双重挑战。2024年甘肃省城镇化率为57%，低于全国平均水平，亟待突破“胡焕庸线”西侧城镇化发展瓶颈。同时，甘肃省还面临产业结构单一、资源依赖性强及本底脆弱等经济韧性短板。因此，本研究选取甘肃省为研究区，基于2012—2023年14个市州面板数据测度新型城镇化与经济韧性发展水平，利用综合适配模型与核密度估计分析二者适配程度的时空分异特征，并采用时空地理加权回归（GTWR）模型探讨主要驱动因素及其时空非平稳性。研究结果可为甘肃省统筹新型城镇化建设与经济韧性提升提供决策支持。

1 新型城镇化与经济韧性适配机制分析

新型城镇化与经济韧性分别衡量城市综合发展质量与区域经济系统抗风险水平。从系统结构上看，新型城镇化注重空间优化、人本导向和结构调整，其核心要素包括人口城镇化、经济城镇化、社会城镇化、空间城镇化和生态城镇化等维度，体现出以人为本与可持续发展的复合特征^［27-28］。其目标在于实现结构协调、功能优化与生态友好三位一体的城市转型。经济韧性则强调区域经济系统在面对外部扰动与冲击时的恢复力、适应性与转型能力。涵盖宏观调控机制的灵活性、产业结构的多样性、市场应变能力的动态性以及制度体系的弹性与可塑性^［29］。若将城市发展视作一个开放耦合的复杂系统，则新型城镇化与经济韧性可被视为相对独立但又深度嵌套、彼此作用的关联子系统，其协同适配成为城市可持续发展与区域治理现代化的基础动力。

新型城镇化与经济韧性通过多维要素间的双向作用构建起深度融合的互动耦合系统（图1）。一方面，新型城镇化是经济韧性演化的重要驱动力。通过优化空间结构实现人口、产业与基础设施的合理布局，提高土地利用效率与资源配置效益，从而降低经济系统运行成本^［30］。新型城镇化还可强化要素流动与整合，推动产业集聚与升级，为经济系统提供多元化、稳健性支撑。同时，完善的公共服务与社会保障体系能够有效提升社会稳定性与抗风险能力，为经济韧性提供社会性基础^［31］。生态环境治理与绿色低碳转型作为城镇化进程中的关键环节，通过控制资源消耗与环境保护，降低能源资源依赖与生态环境脆弱性，进而提升经济系统稳定性与恢复力^［32］。另一方面，经济韧性反过来对新型城镇化质量与发展路径产生重要反馈。经济韧性较高的城市通常具备更加稳健的财政支持能力，能够持续为基础设施建设、公共服务供给与生态环境改善提供资金与制度保障^［33］。灵活的宏观调控与制度安排，有助于缓冲城镇化过程中潜在的金融、产业或人口风险。产业基础的稳固与创新能力的增强，能够促进城市吸纳与外部资源转化能力提升，为新型城镇化提供持续的发展动力。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 新型城镇化与经济韧性适配机制

Fig.1 Adaptation mechanism between new urbanization and economic resilience

2 研究区概况与数据来源

2.1　研究区概况

甘肃省位于中国西北内陆（32°11′—42°57′N、92°13′—108°46′E，图2），地处青藏高原、黄土高原与蒙新荒漠过渡带，总面积42.59万km²，地理空间异质性显著^［34］。区内气候类型呈梯度过渡特征，自南向北依次为亚热带季风气候、温带季风气候、温带大陆性干旱气候及高原山地气候，年均气温0~14 ℃，年降水量40~760 mm，沙化土地与荒漠化土地面积占比分别为28.34%和45.18%，生态本底脆弱^［35］。2023年，甘肃省常住人口2 465.5万人，城镇化率55.49%，地区生产总值11 863.8亿元，第三产业占比51.8%。作为“一带一路”重要节点与西北地区重要经济增长极，近年来甘肃省在城镇化建设与经济质量提升方面取得了显著成效，是研究新型城镇化与经济韧性协同适配的理想区域。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 研究区概况

注：基于自然资源部标准地图服务网站审图号GS（2022）1873号标准地图制作，底图边界无修改

Fig.2 Overview of the study area

2.2　数据来源

本研究时间范围为2012—2023年，数据来源于《中国城市统计年鉴》《中国环境统计年鉴》《中国区域经济统计年鉴》《中国城市建设统计年鉴》《中国社会统计年鉴》《中国第三产业统计年鉴》《甘肃统计年鉴》《甘肃调查年鉴》《甘肃发展年鉴》，以及甘肃省各地级市统计年鉴、国民经济和社会发展统计公报等。夜间灯光强度数据来源于中国科学院资源环境科学与数据中心（https：//www.resdc.cn/）。针对个别年份指标数据中存在的缺失值，采用线性插值法进行补充。

3 研究方法

3.1　指标体系构建

根据研究区实际情况，在遵循科学性、代表性和可行性原则基础上，从人口、经济、社会、空间、生态5个维度选取指标构建甘肃省新型城镇化评价指标体系（表1）^［36-37］。根据经济韧性的理论内涵，参考相关研究^［38-39］，从抵抗与恢复能力、适应与调整能力、创新与转型能力3个方面构建甘肃省经济韧性评价指标体系（表2）。

表1 甘肃省新型城镇化评价指标体系

Table 1 Evaluation index system of new urbanization in Gansu Province

目标层	要素层	指标层	属性	权重
新型城镇化	人口城镇化	城镇人口比重(A₁)	+	0.087
	人口城镇化	城镇新增就业人员(A₂)	+	0.005
		第二产业从业人员数(A₃)	+	0.032
		第三产业从业人员数(A₄)	+	0.030
		人口自然增长率(A₅)	+	0.050
	经济城镇化	夜间灯光强度(A₆)	+	0.026
	经济城镇化	第二产业占GDP比重(A₇)	+	0.047
		第三产业占GDP比重(A₈)	+	0.048
		地区生产总值增长率(A₉)	+	0.047
		规模以上工业企业数(A₁₀)	+	0.035
	社会城镇化	公共图书馆藏书量(A₁₁)	+	0.028
	社会城镇化	移动电话年末用户数(A₁₂)	+	0.035
		卫生机构床位数(A₁₃)	+	0.034
		客运总量(A₁₄)	+	0.046
		供水普及率(A₁₅)	+	0.034
		燃气普及率(A₁₆)	+	0.041
	空间城镇化	建成区面积(A₁₇)	+	0.040
	空间城镇化	人均拥有道路面积(A₁₈)	+	0.034
		城市建设用地面积(A₁₉)	+	0.023
		建成区供水管道密度(A₂₀)	+	0.048
		建成区道路面积率(A₂₁)	+	0.034
	生态城镇化	园林绿地面积(A₂₂)	+	0.031
	生态城镇化	建成区绿化覆盖率(A₂₃)	+	0.025
		工业废水排放达标率(A₂₄)	+	0.030
		生活垃圾无害化处理率(A₂₅)	+	0.044
		人均绿地面积(A₂₆)	+	0.037
		可吸入细颗粒物年平均浓度(A₂₇)	-	0.028

新窗口打开| 下载CSV

表2 甘肃省经济韧性评价指标体系

Table 2 Evaluation index system of economic resilience in Gansu Province

目标层	要素层	指标层	属性	权重
经济韧性	抵抗与恢复能力	地区生产总值(B₁)	+	0.139
		地方财政一般预算内收入(B₂)	+	0.067
		职工平均工资(B₃)	+	0.036
		第一产业增加值(B₄)	+	0.043
		第二产业增加值(B₅)	+	0.026
		第三产业增加值(B₆)	+	0.020
		城镇登记失业率(B₇)	-	0.039
		失业保险参保人数(B₈)	+	0.024
		城镇居民家庭人均可支配收入(B₉)	+	0.042
	适应与调整能力	地方财政一般预算支出(B₁₀)	+	0.030
		农村恩格尔系数(B₁₁)	-	0.089
		城镇基本医疗保险参保人数(B₁₂)	+	0.025
		货物进口额(B₁₃)	+	0.035
		货物出口额(B₁₄)	+	0.020
		社会消费品零售总额(B₁₅)	+	0.022
		年末金融机构存款余额(B₁₆)	+	0.023
		固定资产投资总额(B₁₇)	+	0.022
	创新与转型能力	科学支出(B₁₈)	+	0.016
		教育支出(B₁₉)	+	0.033
		电信业务总量(B₂₀)	+	0.022
		R&D内部经费支出(B₂₁)	+	0.030
		每万人在校大学生数(B₂₂)	+	0.026
		产业结构高级化指数(B₂₃)	+	0.049
		建成区路网密度(B₂₄)	+	0.041
		专利授权数(B₂₅)	+	0.019
		工业固体废物综合利用率(B₂₆)	+	0.064

新窗口打开| 下载CSV

3.2　新型城镇化与经济韧性水平评价

3.2.1　CRITIC赋权法

CRITIC模型是一种兼顾指标信息量与冗余性的客观赋权方法。计算步骤如下^［40］：

第一步，采用极差标准化处理，消除量纲差别：

对于正向指标：

p_{i j} = \frac{x_{i j} - x_{i j (m i n)}}{x_{i j (m a x)} - x_{i j (m i n)}}

（1）

对于负向指标：

p_{i j} = \frac{x_{i j (m a x)} - x_{i j}}{x_{i j (m a x)} - x_{i j (m i n)}}

（2）

式中：x_ij 为指标原始值；p_ij 为标准化后的指标值。

第二步，计算对比强度 $V_{j}$ ：

V_{j} = \frac{σ_{j}}{{\bar{x}}_{j}}

（3）

式中：V_j 是指标j的变异系数；σ_j 是指标j的标准差； $\bar{x}$ _j 是指标j的平均数。

第三步，计算相关系数 $r_{i j}$ ：

r_{i j} = \frac{\sum_{h = 1}^{n} (x_{h i} - {\bar{x}}_{i}) (x_{h j} - {\bar{x}}_{j})}{\sqrt[]{\sum_{h = 1}^{n} (x_{h i} - {\bar{x}}_{i})^{2} \sum_{h = 1}^{n} (x_{h j} - {\bar{x}}_{j})^{2}}}

（4）

式中：x_hi 和x_hj 分别为评价对象h的第i个和第j个指标的值； ${\bar{x}}_{i}$ 和 ${\bar{x}}_{j}$ 分别是n个对象中第i个指标和第j个指标的均值。

第四步，计算冲突性量化指标值R_j ：

R_{j} = \sum_{i = 1}^{m} (1 - r_{i j})

（5）

第五步，计算指标信息量C_j，以对比强度和冲突性来综合衡量：

C_{j} = V_{j} \sum_{i = 1}^{m} (1 - r_{i j})

（6）

第六步，计算指标权重 $w_{j}$ ：

w_{j} = \frac{C_{j}}{\sum_{j = 1}^{k} C_{j}}

（7）

式中：C_j 为指标信息量，C_j 越大表明指标j所含的信息量越多，相对重要性越高，权重越大。

3.2.2　新型城镇化和经济韧性指数测算

采用加权综合法分别计算新型城镇化指数和经济韧性指数：

I = \sum_{i = 1}^{m} p_{i j} w_{j}

（8）

新型城镇化和经济韧性指数分为5个等级，分级标准见表3。

表3 新型城镇化与经济韧性等级划分标准

Table 3 Classification criteria of new urbanization and economic resilience levels

区间	新型城镇化	经济韧性
(0,0.2)	低水平	低度韧性
［0.2,0.4)	较低水平	较低韧性
［0.4,0.6)	中等水平	中度韧性
［0.6,0.8)	较高水平	较高韧性
［0.8,1］	高水平	高度韧性

新窗口打开| 下载CSV

3.3　新型城镇化与经济韧性协同适配

3.3.1　综合适配模型

适配性强调不同主体的协调一致性，揭示系统间的适应过程与匹配特征。本研究从适应性与匹配性两个层面构建综合适配模型^［41］。其中，适应性指系统通过自我调节，加强相互作用实现协调发展的过程，借助耦合协调度模型衡量新型城镇化与经济韧性适应水平；匹配性反映系统间的对称关系，采用基于数列的匹配度模型衡量两系统匹配关系，并在此基础上将适应性指数与匹配性指数进行加权赋值，得到综合适配指数^［42］。

适应性评价模型：

C = \sqrt[]{\frac{U_{a} \times U_{b}}{{(\frac{U_{a} + U_{b}}{2})}^{2}}}

（9）

T = α U_{a} + β U_{b}

（10）

D = \sqrt[]{C \times T}

（11）

式中：U_a 和U_b 分别为新型城镇化指数和经济韧性指数；C和T分别为耦合度和协同度；α和β均取0.5；D表示耦合协调度，D∈［0，1］，值越大，适应性越好。

匹配性评价模型：

M_{j} = 1 - \frac{|x_{j} - y_{j}|}{N - 1}

（12）

式中：M_j 为j年匹配度；x_j 、y_j 分别为x值序列和y值序列的升序排列；N为城市数量。当x_j =y_j，即M_j =1时，两系统完全匹配，M_j 越接近1，匹配性越高，越接近0，匹配性越低。

综合适配模型：

A_{j} = q_{d} D_{j} + q_{m} M_{j}

（13）

式中：A_j 为适配度； $q_{d}$ 和 $q_{m}$ 分别为适应性和匹配性的权重，参考相关研究^［43］，分别赋值0.60和0.40。本研究将适配指数划分为5个等级，划分标准见表4。

表4 适配指数等级划分标准

Table 4 Classification of adaptation index level

适配指数范围	适配指数等级
(0,0.3]	低度适配
(0.3,0.5]	较低适配
(0.5,0.7]	中度适配
(0.7,0.9]	较高适配
(0.9,1]	高度适配

新窗口打开| 下载CSV

3.3.2　核密度估计

使用核密度估计刻画新型城镇化与经济韧性适配水平的动态演进特征，公式如下^［44］：

f (x) = \frac{1}{m b} \sum_{i = 1}^{m} J (\frac{A_{i} - \bar{a}}{b})

（14）

式中：f（x）为适配指数核密度；A_i 为适配指数值； $\bar{a}$ 为适配指数均值；m为研究区域数；b为带宽；J为核函数，本研究使用高斯（Gaussian）核函数。

3.4　新型城镇化与经济韧性协同适配驱动因素

3.4.1　随机森林模型

采用随机森林模型将因子重要性进行排序，识别影响新型城镇化与经济韧性适配水平的主要驱动因素，使用R Studio中的randomForest程序包实现^［45］：

V I = \frac{\sum (E r r o r_{w i t h} - E r r o r_{w i t h o u t})}{n_{t r e e s}}

（15）

式中：VI为特征重要性，以均方误差增加值表示，VI越高变量越重要。Error_without和Error_with分别代表无特征扰动和有特征扰动时袋外数据OOB误差率；n_trees为森林中决策树的数量。通过试算将决策树参数设置为1 000，以保证模型结果的稳定性。

3.4.2　时空地理加权回归模型

GTWR模型在地理加权回归（GWR）模型的基础上拓展了时间维度，用于探究驱动因素的时空非平稳性。基于ArcGIS 10.8中的GTWR插件进行计算^［46］：

Y_{t} = β_{0} (μ_{i}, ν_{i}, t_{i}) + \sum_{k} β_{k} (μ_{i}, ν_{i}, t_{i}) g_{i k} + ε_{i}

（16）

式中：Y_t 为样本值；β₀为模型中的常数项；（μ_i，v_i，t_i ）为样本点i的时空坐标；g_ik 为自变量k在点i的值；β_k （μ_i，v_i，t_i ）为自变量k在样本点i的回归参数；ε_i 为模型残差。

\hat{β} (u_{i}, ν_{i}, t_{i}) = [Z^{t} w (u_{i}, ν_{i}, t_{i} {) Z]}^{- 1} Z^{t} w (u_{i}, ν_{i}, t_{i}) K

（17）

式中： $\hat{β} (u_{i}, ν_{i}, t_{i})$ 为 $β_{0} (μ_{i}, v_{i}, t_{i})$ 的估计值；Z为自变量构成的矩阵；Z^t 为矩阵的转置；K为样本点构成的矩阵；w（u_i，v_i，t_i ）为时空权重矩阵。

4 结果与分析

4.1　甘肃省新型城镇化与经济韧性水平

2012—2023年甘肃省新型城镇化指数由0.352增加至0.438，增长0.086，由较低水平提升至中等水平（图3）。具体而言，2012年，除酒泉、嘉峪关和兰州的新型城镇化水平为中等外，其余市州均为较低水平。2016年，平凉提升至中等水平，其余市州未发生等级变化。2020年，金昌、武威、庆阳提升至中等水平，兰州进一步提高至较高水平。2023年，张掖、白银、定西、天水提升至中等水平，临夏、甘南、平凉和陇南为较低水平。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2012—2023年甘肃省各市州新型城镇化水平

注：基于自然资源部标准地图服务网站审图号GS（2022）1873号标准地图制作，底图边界无修改

Fig.3 The new urbanization levels of cities and prefectures in Gansu Province from 2012 to 2023

2012—2023年甘肃省经济韧性指数由0.163增加至0.377，增长0.214，由低度韧性转为较低韧性（图4）。具体而言，2012年，兰州为较低韧性，其余市州均为低度韧性。2016年，酒泉、武威、临夏、庆阳、天水和陇南提升至较低韧性，兰州提升至中度韧性。2020年，兰州进一步提升至较高韧性，张掖、平凉、定西和白银提升至较低韧性。2023年，兰州有较高韧性，酒泉提升至中度韧性，其余市州韧性较低。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2012—2023年甘肃省各市州经济韧性水平

注：基于自然资源部标准地图服务网站审图号GS（2022）1873号标准地图制作，底图边界无修改

Fig.4 The economic resilience levels of cities and prefectures in Gansu Province from 2012 to 2023

4.2　甘肃省新型城镇化子系统与经济韧性适配度

2012年与2023年经济韧性与新型城镇化子系统适配结果表明，与人口城镇化子系统适配方面，嘉峪关和金昌均低度适配，张掖、天水和平凉适配等级提高明显；与经济城镇化子系统适配方面，兰州中度适配，嘉峪关适配程度提升较大；与社会城镇化子系统适配方面，嘉峪关、天水和陇南由低度适配提升至中度适配；与空间城镇化子系统适配方面，仅酒泉由较低适配下降至低度适配；与生态城镇化子系统适配方面，酒泉、金昌、武威、甘南等市州适配等级均有所下降（图5）。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 甘肃省各市州新型城镇化子系统与经济韧性适配度

注：基于自然资源部标准地图服务网站审图号GS（2022）1873号标准地图制作，底图边界无修改

Fig.5 The adaptation of new urbanization subsystems and economic resilience of cities and prefectures in Gansu Province

4.3　甘肃省新型城镇化与经济韧性适配度

2012—2023年，甘肃省新型城镇化与经济韧性适配指数由0.468上升为0.567，由较低适配转为中度适配（图6）。具体而言，2012年，嘉峪关为低度适配，金昌、武威、庆阳、平凉、天水和陇南为较低适配，其余市州均为中度适配状态。2016年，兰州提升至较高适配，武威、庆阳提升至中度适配，临夏、定西略有下降。2020年，临夏和定西提升至中度适配。2023年，嘉峪关由低度适配转为较低适配，平凉、天水和陇南进入中度适配阶段。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2012—2023年甘肃省各市州新型城镇化与经济韧性适配度

注：基于自然资源部标准地图服务网站审图号GS（2022）1873号标准地图制作，底图边界无修改

Fig.6 The adaptation of new urbanization and economic resilience of cities and prefectures in Gansu Province from 2012 to 2023

4.4　甘肃省新型城镇化与经济韧性适配核密度估计

2012—2023年，甘肃省新型城镇化与经济韧性适配核密度呈波动上升的时序特征，空间上形成核心极化-边缘滞后格局。12年间，核密度主峰宽度逐渐收敛，峰值向右侧移动（图7），表明新型城镇化与经济韧性适配度整体提高。从分布形态来看，核密度曲线存在多峰形态，说明二者适配存在极化现象。峰值高度在研究期内整体增加，表明二者适配性在高值区的集聚程度逐渐增强。12年内核密度曲线分布范围均有不同程度波动，表明甘肃省内新型城镇化与经济韧性适配度差异较大，区域间发展不均衡。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 2012—2023年甘肃省新型城镇化与经济韧性适配度核密度

Fig.7 Kernel density estimation of the new urbanization and economic resilience adaptation index in Gansu Province from 2012 to 2023

4.5　甘肃省新型城镇化与经济韧性适配驱动因素

4.5.1　驱动因素选取

基于随机森林算法，将甘肃省新型城镇化与经济韧性指标对二者适配的贡献值进行排序（图8），在每个系统中选择贡献值较大且通过显著性检验的前两项指标，共计4项指标作为主要驱动因素进行分析。其中新型城镇化选取的指标为城镇人口比重（A₁）和人均绿地面积（A₂₆），经济韧性选取的指标为货物出口额（B₁₄）和地方财政一般预算支出（B₁₀）。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 新型城镇化与经济韧性适配驱动因素重要性排序

注：**表示在0.01水平上差异显著，*表示在0.05水平上差异显著

Fig.8 Importance ranking of driving factors for the adaptation of new urbanization and economic resilience

4.5.2　数据检验与模型选取

为避免多重共线性，对驱动因素进行方差膨胀因子（Variance inflation factor，VIF）检验，结果表明各因素VIF均小于10，各因素间不存在共线性。同时，为增强模型选择的科学性，采用最小二乘法（Ordinary Least Square，OLS）和地理加权回归（Geographically Weighted Regression，GWR）作为对照。GTWR模型调整后的R²值为0.873，赤池信息量准则（Akaike information criterion corrected，AICc）为-426.99（表5），拟合效果优于OLS和GWR模型，因此选用GTWR模型进行分析。

表5 模型比较

Table 5 Model comparison

模型	R²	调整R²	AICc
OLS	0.464	0.451	384.416
GWR	0.824	0.798	237.396
GTWR	0.876	0.873	-426.990

注：R²、调整R²和AICc分别为决定系数、校正决定系数和赤池信息量准则值。

新窗口打开| 下载CSV

4.5.3　驱动因素作用的时空非平稳性

城镇人口比重、人均绿地面积、货物出口额和地方财政一般预算支出对新型城镇化与经济韧性协同适配的作用强度与方向均存在时空异质性（表6）。2012—2023年城镇人口比重的正向驱动作用逐渐减弱，对酒泉、嘉峪关、张掖和金昌等市产生负向影响。人均绿地面积总体表现为约束作用，但对陇南等地的协同适配具有积极影响。货物出口额对二者协同适配的作用由促进转为抑制，且各市州年际间变化较大。地方财政一般预算支出的促进作用有所减弱，对嘉峪关、酒泉及张掖的促进作用较大（图9）。

表6 GTWR模型各驱动因素的回归系数均值

Table 6 Mean regression coefficients of each driving factor in the GTWR model

变量	年份
变量	2012	2016	2020	2023
城镇人口比重	0.422	0.384	0.284	0.103
人均绿地面积	-0.484	-0.695	-0.230	-0.309
货物出口额	1.176	0.478	-0.397	-0.220
地方财政一般预算支出	0.506	0.324	0.357	0.210

新窗口打开| 下载CSV

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 甘肃省各市州新型城镇化与经济韧性适配驱动因素作用力时空分异

注：基于自然资源部标准地图服务网站审图号GS（2022）1873号标准地图制作，底图边界无修改

Fig.9 The spatiotemporal differences of driving factors for the adaptation of new urbanization and economic resilience of cities and prefectures in Gansu Province

5 讨论

研究期内，甘肃省新型城镇化和经济韧性水平分别提升24.4%和131.29%，二者适配空间格局呈核心极化—边缘滞后特征，这与甘肃省各市州经济社会发展程度差异紧密相关。兰州市作为全省政治、文化、科教中心，新型城镇化与经济韧性适配度始终处于领先水平，主要得益于多元化产业结构与数智型创新驱动能力。2023年兰州市第三产业占GDP比重达65.77%，R&D经费支出显著高于其他市州，进一步验证了产业调整转型与创新投入对于新型城镇化建设与经济高质量发展的正向促进作用^［47］。相比之下，金昌、武威等资源型城市产业结构单一、资源依赖性强，导致其适配度相对较低，这与徐乾等^［48］对经济韧性短板的研究结论一致。在子系统与经济韧性适配方面，嘉峪关经济子系统、生态子系统与经济韧性适配程度显著提升，主要原因在于产业结构的优化调整，嘉峪关第二产业占比从2012年的81.82%下降到2023年的64.89%，同时第三产业占比由16.79%提升到33.25%。同时公共图书馆藏书量、移动电话年末用户数以及客运总量等社会城镇化指标大幅提升，有效推进了适配进程。

甘肃省新型城镇化与经济韧性协同适配的作用方向与强度在时空维度上均存在异质性。城镇人口比重虽整体保持正向作用，但驱动强度有所减弱，并在酒泉、嘉峪关、张掖和金昌等地出现阶段性抑制作用，反映出人口集聚效应边际递减与城市承载力受限的双重制约。在城镇化初期，人口增长促进了产业集聚和城市活力，增强经济韧性。但进入稳定期后，部分城市出现人口与资源、公共服务供需失衡，尤其在资源型或生态敏感城市中，人口过度集中反而加剧了发展负担，削弱了其对经济韧性的正向支撑，降低适配水平。人均绿地面积对陇南的协同适配主要表现为促进作用，主要原因在于植被覆盖能够强化水源涵养能力，提升区域生态环境质量，这与陈海山等^［49］提出的生态环境保护促进经济韧性的结论一致。然而，在绿地空间扩张的同时，短期内可能会压缩城市建设用地与产业发展空间，在一定程度上削弱新型城镇化发展动力，从而降低二者协同适配水平。货物出口额对适配度的作用强度整体减弱并存在正负变化，反映出不同发展阶段下对外依赖型经济的脆弱性。早期阶段，外向型经济通过扩大出口可增强区域经济的开放性与抗风险能力，对经济韧性提升具有带动效应^［50］。然而，随着外部经济环境的不确定性加剧，加之甘肃省部分地市产业结构单一、出口商品附加值较低，对外贸易的可持续性与抗冲击能力不足，导致出口拉动对韧性提升的边际效应逐渐下降。地方财政一般预算支出的正向驱动体现了政府投资的关键支撑作用^［51］。特别是嘉峪关、酒泉等地凭借其战略区位优势，能够将财政支出有效引导至城市更新、产业升级等领域，形成对新型城镇化与经济韧性协同提升的有效支撑。

现有新型城镇化与经济韧性研究多侧重于刻画各子系统间的静态耦合关系，往往忽视了关键影响因素在时间维度上的动态演化过程及其在空间维度上的局部变异特征，难以准确揭示区域协同适配关系的内在驱动力与空间异质性^［52］。本研究基于人口-经济-社会-空间-生态综合视角，对新型城镇化体系进行了更为全面与多元的表征；同时，经济韧性评价体系融合抵抗与恢复-适应与调整-创新与转型三维框架，拓展了传统韧性评价模型的内涵边界。另一方面，本研究将随机森林算法与时空地理加权回归模型相结合，实现了对多维复杂系统驱动机制的精细识别，克服了传统计量模型对空间同质性与时间静态性的假设，有效揭示了不同时段城镇人口比重、人均绿地面积、货物出口额和地方财政一般预算支出等因素对各地区新型城镇化与经济韧性适配影响的异质性。未来研究可进一步考虑国家宏观调控与地方政策等多层级治理因素，同时引入空间布局、资源配置等中介变量，构建多尺度、动态化的评估体系，从结构路径与传导机制的角度深化适配过程的识别与理解，深入探究新型城镇化与经济韧性协同适配的演化机制，为构建韧性导向的新型城镇化发展模式提供理论依据。

6 结论与建议

6.1　结论

2012—2023年，甘肃省新型城镇化指数提高0.086，从较低水平提升至中等水平。经济韧性指数增加0.214，由低度韧性转变为较低韧性。二者适配指数由0.468提高至0.567，由较低适配转为中度适配。

2012—2023年，甘肃省新型城镇化与经济韧性适配高值区集聚程度逐渐增强，形成核心极化-边缘滞后格局。兰州适配程度始终较高，金昌、武威等地适配程度较低，区域发展空间不均衡性明显。

新型城镇化与经济韧性适配关系受人口集聚、生态环境、贸易输出及政策调控等多重因素驱动。人均绿地面积和货物出口额的作用波动变化较大，城镇人口比重和地方财政一般预算支出的正向驱动力整体逐渐下降。

6.2　建议

本研究对甘肃省统筹新型城镇化与经济韧性建设的启示如下：第一，推动低适配地区的产业多元化与基础设施优化，促进资源配置效率提升。金昌、武威应聚焦产业转型与结构升级，推动传统资源型产业向高附加值和绿色产业转型，以提高经济的内生增长动力。第二，制定合理的土地利用规划，协同生态环境保护与资源合理配置。酒泉、嘉峪关等地应立足自身功能定位和生态承载力，推进绿色基础设施建设，推动生态修复与产业布局同步优化，提升区域韧性与可持续发展能力。第三，适配水平优势区应发挥核心带动效应，构建区域协同发展格局。兰州适配水平较高，应进一步强化其对周边地区的辐射带动能力。同时，加大对“一带一路”节点城市的开放型经济扶持，鼓励发展出口导向型产业，提升外贸韧性与国际竞争力，增强区域经济抗风险能力。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

许志明，朱金鹤.

新时期新疆的资源开发与经济发展质量：基于“资源诅咒”假说的实证研究

［J］.新疆大学学报（哲学∙人文社会科学版），2022，50（2）：10-19.