环境科学  2026, Vol. 47 Issue (9): 6291-6303   PDF    
引用本文
郭珊珊, 张珂珂, 黄珺嫦, 李玲, 黄丽菲. 中原城市群城市更新与生态韧性空间关联网络及溢出效应[J]. 环境科学, 2026, 47(9): 6291-6303.
GUO Shan-shan, ZHANG Ke-ke, HUANG Jun-chang, LI Ling, HUANG Li-fei. Urban Renewal-ecological Resilience Spatial Correlation Network and Spillover Effects in Central Plains Urban Agglomeration[J]. Environmental Science, 2026, 47(9): 6291-6303.
中原城市群城市更新与生态韧性空间关联网络及溢出效应
郭珊珊1,2,3, 张珂珂1, 黄珺嫦1,2, 李玲1,2,3, 黄丽菲1     
1. 河南农业大学资源与环境学院，郑州 450046;
2. 河南省土地整治与生态重建工程技术研究中心，郑州 450046;
3. 河南农业大学作物学博士后科研流动站，郑州 450046
收稿日期: 2025-07-24; 修订日期: 2025-09-25
基金项目: 河南省科技研发计划联合基金项目（225200810045）；河南省高等学校重点科研项目（24A630017）；河南农业大学哲学社会科学创新基金项目（SKJJ2024B10）
作者简介: 郭珊珊（1990~），女，博士，讲师，主要研究方向为土地利用转型与生态环境效应，E-mail：391113@henau.edu.cn
通信作者: 李玲, E-mail：ndliling@163.com
摘要: 以中原城市群29个地级市为研究对象，运用熵权-TOPSIS法、修正引力模型、社会网络分析及空间面板回归模型，系统解析2005~2023年中原城市群城市更新与生态韧性的时空演变特征、空间关联网络结构及溢出效应机制. 结果表明：①中原城市群城市更新综合指数呈阶梯式增长态势，空间上形成以郑州为核心、洛阳和南阳为次级中心的“核心-次级-外围”结构，邢台和商丘等城市后发优势显著，而晋南和豫西边缘城市更新相对滞后. ②生态韧性均值从0.41提升至0.45，但空间分异显著. 郑州以0.91保持绝对领先，但邯郸、平顶山等资源型城市因长期资源开发呈衰退态势，商丘虽通过生态治理实现韧性提升但辐射效应有限. ③城市更新与生态韧性空间关联网络呈现从单中心极化向多核心网络化转型特征，网络密度处于0.2~0.3的较低水平，整体呈“东密西疏”格局. 郑州始终为核心节点，度数中心度与中介中心度显著高于其他城市，东部平原依托交通优势形成紧密关联，西部受地形限制呈“孤岛链”结构. ④城市更新对本地生态韧性存在显著的正向影响，但对邻近区域则呈现负向溢出效应. 产业结构优化对生态韧性具有正向空间溢出，而城镇化率提升则可能通过生态空间挤压对周边产生负向影响. 研究结果可为优化区域生态-城市协同治理、推动城市群可持续发展提供理论依据与决策参考.
关键词: 城市更新      生态韧性      空间关联网络      空间溢出效应      中原城市群（CPUA）     
Urban Renewal-ecological Resilience Spatial Correlation Network and Spillover Effects in Central Plains Urban Agglomeration
GUO Shan-shan1,2,3 , ZHANG Ke-ke1 , HUANG Jun-chang1,2 , LI Ling1,2,3 , HUANG Li-fei1     
1. College of Resources and Environment, Henan Agricultural University, Zhengzhou 450046, China;
2. Henan Engineering Technology Center of Land Consolidation and Ecological Reconstruction, Zhengzhou 450046, China;
3. Postdoctoral Station of Crop Science, Henan Agricultural University, Zhengzhou 450046, China
Abstract: Focusing on 29 prefecture-level cities in the Central Plains Urban Agglomeration (CPUA), this study employs the entropy-weighted TOPSIS method, a modified gravity model, social network analysis (SNA), and spatial panel regression models to systematically examine the spatiotemporal evolution characteristics, spatial correlation network structure, and spillover effect mechanisms between urban renewal and ecological resilience from 2005 to 2023. The results reveal that: ① The comprehensive urban renewal index exhibited a "stepwise growth" trend, spatially forming a "core-secondary-periphery" structure with Zhengzhou as the core and Luoyang and Nanyang as secondary centers. Cities such as Xingtai and Shangqiu demonstrated notable late-mover advantages, while marginal cities in southern Shanxi and western Henan lagged behind. ② The mean ecological resilience increased from 0.41 to 0.45, yet spatial heterogeneity remained significant. Zhengzhou maintained an absolute lead (0.91), whereas resource-dependent cities like Handan and Pingdingshan showed declining trends due to prolonged resource exploitation. Although Shangqiu improved its resilience through ecological restoration, its spillover effects remained limited. ③ The spatial correlation network between urban renewal and ecological resilience transitioned from a single-core polarized pattern to a multi-core networked structure, with network density at a relatively low level (0.2-0.3) and an overall "dense east, sparse west" distribution. Zhengzhou consistently served as the core node, exhibiting significantly higher degree centrality and betweenness centrality than those of other cities. The eastern plains formed tight linkages leveraging transportation advantages, while the western region displayed an "isolated island chain" structure due to topographic constraints. ④ Urban renewal exerted a significant positive local effect on ecological resilience but generated negative spillovers on neighboring areas. Additionally, industrial structure optimization positively influenced resilience with spatial spillovers, whereas urbanization may impose negative impacts on surrounding regions through ecological space compression. These findings provide theoretical and policy insights for optimizing regional eco-urban collaborative governance and promoting sustainable urban agglomeration development.
Key words: urban renewal      ecological resilience      spatial correlation network      spatial spillover effects      Central Plains Urban Agglomeration(CPUA)     

在全球气候变化与快速城市化双重挑战下，城市更新与生态韧性协同发展已成为实现城市可持续发展的重要议题[1，2]. 中国“十四五”规划明确提出“实施城市更新行动”和“增强城市韧性”，强调通过空间优化与生态治理推动新型城镇化高质量发展. 党的二十大报告进一步指出，需统筹发展与安全，构建人与自然和谐共生的现代化城市体系. 作为国家“两横三纵”城镇化战略的核心承载区，中原城市群既是黄河流域生态保护与高质量发展战略的关键实施单元，亦是支撑中部崛起战略的核心增长极[3]. 然而，其在快速城市化进程中形成的粗放式空间扩张模式，引发了生态空间破碎化、资源环境承载力超载等系统性风险[4~6]. 由此，系统探究城市更新与生态韧性的协同发展机制，既是响应国家战略政策的必然要求，也是破解区域发展瓶颈的现实需要.

当前，国内外学者围绕城市更新与生态韧性相互关系开展了大量探索，研究成果主要集中在以下3个方面：其一，城市更新的理论解构与定量测度. 学界普遍将城市更新界定为通过空间重构、功能迭代与设施升级实现城市空间再生产的动态过程，其核心逻辑在于破解城市发展中的空间错配与功能失衡问题[7]. 如学者们基于土地利用转型（如容积率调控、工业用地再开发强度）[8，9]、物质空间更新（如存量建筑改造率、基础设施更新投资密度）[10，11]和社会功能优化（如公共服务设施可达性）[12，13]等维度构建多维评价指标体系，并依托熵值法、TOPSIS模型等方法进行更新水平测度，进而揭示政府主导型、市场驱动型及社区参与型等不同更新模式的空间分异特征. 其二，生态韧性的评价体系、影响机制与优化路径. 生态韧性被定义为城市生态系统在遭遇自然灾害、人为扰动等外部冲击时，维持核心生态功能稳定并通过自组织实现结构重组的能力[14，15]，其评价体系涵盖抵抗力（如生态用地保有率）、恢复力（如环境污染治理效率）和适应力（如气候风险应对能力）等核心维度. 相关影响机制研究表明，自然本底要素（如地形起伏度、水系网络连通性）[15，16]与人文干预要素（如环境规制力度、生态修复投入强度）[17~19]通过耦合作用影响韧性水平；优化路径则聚焦于生态空间管控、绿色基础设施建设、协同治理机制创新等实践方向[20]. 其三，城市更新对生态韧性的影响效应及传导路径. 既有研究证实城市更新过程存在显著的生态增益效应. 绿色基础设施的合理布局可通过提升生态系统连通性强化韧性水平[21，22]；旧城更新中绿地修复与环保技术应用能增强城市对洪涝和高温等气候风险的适应能力[23~26]；协同治理框架下，工业污染场地修复与资源循环利用对优化区域环境抵抗力具有正向作用[27，28]. 另有研究指出，过度经济导向的更新行为可能对生态韧性产生潜在胁迫. 我国早期以房地产开发为主导的城市更新模式，因片面追求土地出让收益而挤压生态空间，导致城市热岛效应加剧、生物多样性衰减[29~32]；在政府主导的快速城镇化进程中，缺乏生态约束的“大拆大建”进一步引发水资源供需失衡[33]、土壤污染扩散[34，35]等问题，甚至对生态系统造成不可逆损害. 亦有研究显示，城市更新的生态效应存在显著政策依赖性. 战略性更新（如产业园区升级）虽可通过土地集约利用提升效率，但由于缺乏生态规划可能导致“退二进三”过程中的污染转移[36，37].

尽管上述研究为解析城市更新与生态韧性的作用关系提供了重要理论支撑，但仍在以下方面有待深入探究. 一方面，现有研究多聚焦单一城市或省级行政单元，且侧重于“城市更新”或“生态韧性”的单方面解析，对城市群尺度二者的空间关联网络及动态交互机制关注不足. 中原城市群作为跨区域协同发展的典型样本，其城市更新中的资源要素流动与生态韧性的区域联动特征尚未得到系统阐释. 另一方面，既有研究多采用回归分析等传统统计模型探讨城市更新对生态韧性的线性影响，难以有效解析跨区域要素流动形成的网络化交互效应，空间溢出机制的内在逻辑尚未得到充分阐释. 鉴于此，本文以中原城市群为研究对象，整合多源时空数据，综合运用熵权-TOPSIS法、修正引力模型、社会网络分析以及空间面板回归模型，系统解析中原城市群空间关联网络的结构特征与演化规律，深入剖析城市更新对生态韧性的空间溢出效应. 本研究突破传统“单中心”分析框架，从网络化视角揭示城市群尺度下“更新-韧性”协同机制，以期为优化跨区域环境治理和制定差异化城市更新策略提供决策参考.

1 材料与方法 1.1 研究区概况

中原城市群作为国家级城市群，以河南省为主体，涵盖豫、晋、冀、皖、鲁这5省30个地级市行政单元，总面积约28.7万km2，是衔接长三角、珠三角和京津冀三大经济区的重要枢纽（图 1）. 区域内黄河、淮河和海河这三大流域交错，分布有伏牛山、太行山生态屏障与南水北调中线工程水源涵养区，构成重要生态基底. “十三五”期间（2016~2020年），中原城市群地区生产总值累计达81 266亿元，占全国经济总量的8.0%，较2015年增长33.4%，年均增速高于全国平均水平，装备制造、物流等产业集群优势显著，郑州航空港有力带动开放型经济. 与此同时，该区域发展仍存在结构性短板：尽管通过“散乱污”企业专项整治等环境治理行动取得阶段性成效，但高耗能产业占比偏高的产业结构尚未根本改变；基础设施互联互通水平、基本公共服务均等化程度等指标均滞后于东部先发城市群[38，39]. 基于此，解析中原城市群城市更新与生态韧性的空间关联网络及溢出效应，既是破解生态-经济协调发展矛盾的关键路径，也是服务国家区域协调发展战略的实践需求，对推动该区域可持续发展具有重要意义.

图 1 研究区位置示意 Fig. 1 Location of research region

1.2 数据来源

本研究基于中原城市群的地理范围与行政划分，综合考虑数据可得性与研究对象完整性，最终选取区域内29个地级市作为研究样本. 其中，济源市因相关数据缺失严重，暂未纳入研究范畴. 所选样本覆盖中原城市群主要经济活动载体，能够客观反映区域新质生产力水平与土地利用效率的整体特征. 研究时段设定为2005~2023年，数据类型涵盖城市土地利用数据、社会经济数据及环境污染数据这三大类. 其中，土地利用数据源于武汉大学中国1985~2023逐年土地利用数据集（CLCD）（https://zenodo.org/records/12779975），空间分辨率为30 m. 矢量数据来自于中国科学院资源环境科学与数据中心（http://www.resdc.cn/）. 社会经济及环境数据主要来源于2006~2024年的《中国城市统计年鉴》《中国城市建设统计年鉴》《中国环境统计年鉴》和各城市国民经济和社会发展公报（https://www.stats.gov.cn/）、中国环境状况公报（https://www.mee.gov.cn/hjzl/sthjzk/）. 少部分缺失数据采用线性插值法进行补充，以确保数据的连续性与完整性.

1.3 研究方法 1.3.1 评价指标体系构建

城市更新是存量发展阶段城市通过空间重构、功能优化、产业升级与民生改善等多维度协同行动，破解空间低效利用、功能老化等问题，实现“空间-功能-价值”再提升的系统性工程[7，27]. 其核心逻辑不仅在于物理空间的改造，更在于通过经济结构、社会服务、基础设施的协同升级，增强城市可持续发展能力[12，40]. 本研究在参考城市更新“多维度协同”的核心内涵及相关研究成果[12，41，42]，从市政基础建设、社会民生福祉、信息网络建设和产业转型升级这4个维度构建城市更新评价指标体系. 其中，市政基础建设致力于夯实城市运行的硬件支撑，通过城市道路面积、公园绿地面积、城市排水管道长度等7个指标，量化基础设施对空间承载能力与人居环境的保障作用；社会民生福祉聚焦公共服务资源的供给质量与普惠性，主要从普通高等学校数、公共图书馆图书总藏量、医疗卫生机构数等6个指标，反映教育、文化和医疗等民生领域的改善成效；信息网络建设代表数字技术对城市更新的赋能水平，以长途光缆密度和人均互联网宽带接入端口等5个指标，衡量数字基础设施与数字产业发展对资源配置效率的提升作用；产业转型升级着眼经济结构的优化与创新动能的培育，通过高新技术产业产值占比和战略性新兴产业企业数量等5个指标，体现产业层面从“规模扩张”向“质量提升”的转型成效.

生态韧性表征生态系统在自然灾害、环境污染等外部扰动下，通过自我调节、动态适应与功能恢复维持系统稳定的能力[1，15，43]. 基于生态系统“扰动-应对-恢复”的动态响应逻辑，本研究从抵抗力、响应力和恢复力这3个维度构建生态韧性评价指标体系. 其中，抵抗力表示生态系统抵御初始扰动的固有能力，通过人均城市污水排放量和人均生活垃圾清运量等4个负向指标，量化生态系统受污染排放、资源消耗等外部压力的影响程度；响应力侧重系统在扰动发生后的主动应对机制，以城市生活污水处理率和生活垃圾无害化处理率等5个正向指标，衡量通过污染治理、环保投入等人为干预降低扰动影响的成效；恢复力关注系统受损后的自我修复潜力，通过植被归一化指数、建成区绿化覆盖率等4个正向指标，反映绿色空间和水域等生态要素对系统稳定状态的修复作用. 综上，基于城市更新与生态韧性概念内涵以及数据的可获得性与系统性，构建综合评价指标体系（见表 1）.

表 1 城市更新与生态韧性指标体系1） Table 1 Index system for urban renewal and ecological resilience

1.3.2 熵权⁃TOPSIS法

本研究采用熵权-TOPSIS法对中原城市群城市更新与生态韧性水平开展综合评价. 该方法将熵权法的客观赋权特性与优劣解距离法（technique for order preference by similarity to an ideal solution，TOPSIS）的多属性决策优势相结合，能够有效避免主观赋权偏差[41]. 模型通过量化各指标对评价对象的贡献程度，可定量测度城市更新与生态韧性水平. 目前，该方法已较为成熟，此处不再赘述.

1.3.3 修正的引力模型

引力模型作为空间相互作用理论的重要工具，在地理空间分析领域被广泛应用于测度城市间的相互作用强度. 该模型的经典表达式基于“两城市间交互强度与城市规模正相关、与地理距离平方负相关”的基本假设，构建了量化空间联系的理论框架[44]. 然而，传统引力模型在处理复杂地理现象时存在局限性，其线性距离衰减假设难以准确反映现实空间中要素流动的非线性特征，可能导致对城市间相互作用强度的高估. 因此，本研究通过引入非线性距离衰减函数，构建符合地理空间交互实际规律的修正模型，可有效克服传统模型中距离因素简化处理导致的测算偏差. 此外，在指标体系构建上，将城市更新强度（UR）和生态韧性水平（ER）作为关键测度指标，能够更准确地反映城市生态-社会系统的交互特征与协同关系，从而实现对城市更新与生态韧性空间关联网络的动态量化分析. 具体公式如下：

R(UR)ij=KURi×URjDij2 (1)
R(ER)ij=KERi×ERjDij2 (2)

式中，R（UR）ij和R（ER）ij分别表示城市i与j之间的城市更新联系强度和生态韧性联系强度；URi、URj和ERi、ERj分别代表城市i和j的城市更新综合指数与生态韧性综合指数；Dij为城市i与j之间的地理距离，采用欧氏距离计算；K为引力修正系数，取常数1，用于简化模型.

1.3.4 社会网络分析

社会网络分析法作为结构分析的重要范式，以关系数据为核心研究对象，聚焦社会网络中行动者之间的关系结构及其属性特征. 该方法通过量化节点间的关联关系，运用矩阵分析和图论等数学工具，将复杂的社会关系网络转化为可计算、可分析的结构化数据，从而揭示网络结构的内在逻辑与动态演变规律[44，45]. 本研究基于社会网络分析框架，针对中原城市群城市更新与生态韧性空间关联网络开展系统性研究：在整体网络层面，通过网络关联度与网络密度两项核心指标，对网络节点间的连接广度与紧密程度进行量化评估，以此解析网络整体的连通性与结构稳定性；在个体网络层面，运用节点中心度测度方法，从度数中心度、接近中心度和中间中心度等维度，精准刻画各节点在网络中的核心地位与影响力，进而识别网络中的关键节点与重要连接路径. 相关指标计算公式见表 2.

表 2 空间关联特征分析的指标解释及含义 Table 2 Indicator explanation and meaning of spatial correlation feature analysis

1.3.5 空间面板回归模型

空间面板回归模型通过引入空间权重矩阵（W），能够有效捕捉变量的空间依赖性和溢出效应，包括空间滞后模型（spatial lag model，SLM）、空间误差模型（spatial error model，SEM）和空间杜宾模型（spatial Durbin model，SDM）[46]. 本研究基于中原城市群城市更新与生态韧性的网络化特征，选取空间杜宾模型作为核心实证分析框架，该模型通过在解释变量中纳入空间滞后项，同时考虑被解释变量与解释变量的空间溢出效应，能够更全面刻画城市更新与生态韧性要素在空间维度的复杂关联机制[44]. 此外，为确保研究结论的稳健性与可靠性，本研究同步构建空间滞后模型与空间误差模型进行对比分析. 通过3种模型的参数估计与拟合优度比较，实现对研究对象空间效应的多维验证. 空间面板回归模型构建过程如下：

$ \begin{aligned} \mathrm{ER}_{i t}= & \rho_0 \boldsymbol{W}\mathrm{ER}_{i t}+\delta_0+\delta_1 \mathrm{UR}_{i t}+\sum_j^N \delta_j \text {Control}_{i t}+ \\ & \rho_1 \boldsymbol{W}\mathrm{UR}_{i t}+\sum_j^N \rho_j \boldsymbol{W}\mathrm{Control}_{i t}+u_i+v_t+\varepsilon_{i t} \end{aligned} $ (3)
εit=λWεit+γit (4)

式中，ρ0表示空间自回归系数，衡量邻近地区生态韧性对本地的影响. ρ1和ρj分别表示WURit和WControlit的空间滞后系数；N为市域总数；δ0表示常数项，δ1和δj分别表示URit和Controlit的主回归系数；控制变量Control的选取参考相关文研究成果[41]，包括经济发展水平（pgdp）、科教投入（se）、产业结构（ind）、城镇化率（urban）4个变量（在模型运行之前，首先对各变量进行多重共线性检验，结果显示MeanVIF=3.89，低于临界阈值5，表明各指标间不存在严重多重共线性问题）. ui和νt分别表示个体和时间固定效应；W表示空间权重，基于反距离权重矩阵进行实证检验；εit表示随机误差项；λ表示空间误差自回归系数，衡量误差项的空间依赖性. 当ρ1、ρj和λ均为0时，空间面板回归模型为空间滞后模型（SAR），当ρ0、ρ1和ρj为0，且λ不为0时，为空间误差模型（SEM）；仅当λ为0时，为空间杜宾模型（SDM）.

2 结果与分析 2.1 中原城市群城市更新与生态韧性时空演变

研究基于2005~2023年中原城市群29个地级市的生态韧性与城市更新综合指数测算结果，借助ArcGIS 10.8空间分析技术，采用自然断点法（Jenks natural breaks）将城市更新与生态韧性水平划分为低水平、较低水平、中水平、较高水平和高水平这5个等级，具体划分结果如图 1所示.

在城市更新维度，中原城市群城市更新综合指数整体呈上升态势，区域均值从2005年的0.29增长至2023年的0.38，累计增幅达31.0%，反映出近20a来区域在城市功能优化、空间结构重构及基础设施升级等方面取得的实质性进展. 从空间格局演变分析，中原城市群已逐步突破郑州为单一核心的传统辐射模式，向“多中心”协同发展格局转型，形成了以郑州为核心，洛阳、南阳和商丘等区域为副中心的空间结构. 其中，郑州作为中原城市群的核心城市，其城市更新综合指数从2005年的0.67上升至2023年的0.84，始终处于领先位置，这主要得益于政策倾斜、资源集聚及省会城市的辐射效应，使其在产业升级、交通网络完善等方面形成持续发展动力. 南阳市凭借区域副中心城市的定位优势，城市更新指数从0.44稳步上升至0.49，成为南部片区城市更新的核心. 邢台、商丘和周口等城市则展现出强劲的后发优势，邢台市城市更新指数从0.20升至0.47，增幅达到135%；商丘和周口的增幅分别为78.3%和78.6%，均显著高于区域平均水平. 值得注意的是，长治、运城等晋南及豫西边缘城市的综合指数虽有增长，但增幅均低于区域均值，与郑州和洛阳等核心区域的发展差距呈现扩大趋势. 这一现象可能源于边缘城市资源获取能力有限、产业升级进程迟缓，而区域协同机制尚未完善、要素跨域流动存在壁垒等结构性问题，进一步制约了城市群整体效能的提升.

在生态韧性维度，中原城市群生态韧性整体呈上升趋势，均值从2005年的0.41增至2023年的0.45，但核心城市与非核心城市的生态韧性水平存在显著分化. 郑州市凭借区域资源集聚的绝对优势，生态韧性指数从0.73提升至0.91，始终保持区域绝对领先地位，充分体现了核心城市在生态系统稳定性维持与抗干扰能力建设方面的突出优势. 然而，边缘城市和传统工业城市的生态韧性呈现明显衰退态势. 邯郸、平顶山和安阳等资源型城市受资源开发强度过大、产业结构单一等因素影响，生态韧性指数明显下降. 其中，平顶山和安阳作为典型的资源型城市，因长期依赖矿产资源开发导致生态系统退化，降幅分别达17.8%和16.7%；邯郸则受重工业污染负荷持续影响，生态系统自我修复能力显著弱化，生态韧性指数从0.61降至0.55. 值得关注的是，部分城市通过生态治理与政策干预，实现了生态韧性的跨越式提升. 例如，商丘市生态韧性指数从0.27升至0.62，增幅达129.6%，其核心动力源于湿地修复、产业园区绿色改造等协同治理措施；阜阳市、亳州市等皖北城市则依托淮河生态经济带规划等政策红利，有效提升了环境容量，生态韧性指数分别从0.22和0.16增至0.49和0.41.

2.2 整体网络结构特征 2.2.1 网络密度与关联度特征

基于社会网络分析框架，本研究对2005~2023年间中原城市群城市更新与生态韧性空间关联网络特征进行量化解析. 如表 3所示，研究期内中原城市群生态韧性网络密度从0.209提升至0.227，网络关联度从0.931提升至1，表明各城市间存在显著的空间关联，且联系紧密度日益加深. 城市更新网络密度略有下降但基本保持稳定，网络关联度始终维持为1，说明研究单元间不存在孤立节点，具备明显的空间溢出效应和网络关联关系. 然而，从整体网络密度来看，城市更新与生态韧性网络密度仍处于0.2~0.3的较低区间，反映出中原城市群内部协同仍存在较大提升空间，需进一步强化跨域要素流动与治理合作.

表 3 整体网络结构特征指标值 Table 3 Overall network structure characteristic indicator values

2.2.2 网络等级度与效率演变

研究期内，中原城市群空间关联网络的等级度始终为0，表明中原城市群未形成明显的层级结构，网络形态趋于扁平化，这一特征与新型城镇化强调的“多中心协同”理念相符. 在网络效率维度，城市更新效率从0.851 9升至0.857 1，说明冗余路径增加，网络稳定性有所下降. 该现象可能与部分城市过度依赖单一关联通道有关，需优化多路径联通机制以增强网络韧性.

2.2.3 空间关联网络图分析

基于Ucinet软件Netdraw可视化分析表明，2005~2023年间中原城市群城市更新与生态韧性空间关联网络经历显著的结构性演变（图 3）. 网络拓扑结构从单中心极化模式向多核心网络化转型，由郑州单核主导的“中心-外围”格局逐步演变为以郑州、南阳和阜阳等为核心节点的“多核放射”体系，整体网络密度提升19.2%，表明区域空间关联强度的持续增强. 然而，空间分异现象呈现加剧态势，整体呈“东密西疏”的拓扑结构：东部平原地区依托陇海、京广等交通干线的轴带效应，构建起“廊道-节点”一体化的紧密网络体系；而豫西山地、豫南丘陵地区受地形阻隔与生态功能区划限制，以三门峡、信阳等城市为代表形成空间关联稀疏的“孤岛链”结构. 这种空间演变既反映了核心城市的辐射扩散效应，也揭示了边缘区域因地理区位劣势、资源要素禀赋差异导致的发展滞后.

图 2 2005年和2023年中原城市群城市更新与生态韧性空间分布特征 Fig. 2 Spatial distribution characteristics of urban renewal and ecological resilience in the Central Plains Urban Agglomeration in 2005 and 2023

点的大小表明该城市与其他城市的关联程度，点越大关联性越强 图 3 2005年和2023年中原城市群城市更新与生态韧性空间关联网络 Fig. 3 Spatial correlation network between urban renewal and ecological resilience in the Central Plains Urban Agglomeration in 2005 and 2023

分维度来看，城市更新与生态韧性网络呈现差异化发展特征. 城市更新网络以郑州为核心向外辐射，逐渐形成多中心结构. 2005年郑州通过郑汴洛城市走廊与开封、洛阳形成强关联（引力强度 > 0.3），但西部、南部城市因交通不便和资源不足，联系较弱. 至2023年，随着跨省交通干线的建设，南阳、商丘等城市成为次级中心，郑州辐射范围明显扩大，但西部城市（如晋城和运城）仍处于网络边缘，参与度较低. 生态韧性网络呈现“强中心、弱边缘”的分异特征. 郑州作为核心城市始终保持高生态韧性，而洛阳、焦作等传统工业城市因高强度开发导致生态服务功能退化，网络联系强度有所下降；尽管商丘通过生态治理实现局部突破，但受地理隔离与资源限制，信阳、三门峡等边缘城市难以融入区域生态协同网络. 与城市更新网络相比，生态韧性网络对其他城市的影响更小，核心城市的带动作用有限. 这种差异表明，城市更新网络受交通与经济要素驱动显著，而生态韧性网络则更多受制于地理环境与生态保护政策，凸显出区域发展中经济与生态协同机制的缺失.

2.3 个体网络结构特征

中原城市群个体网络特征揭示了节点城市在城市更新与生态韧性空间联系网络中的功能分异与动态演化特征（表 4）. 整体来看，城市更新网络呈现“核心节点极化、次级节点分化、边缘节点弱化”的层级特征. 具体分析，郑州市度数中心度从22升至25，始终占据绝对核心地位，表明其与其他城市的连接广度持续增加，在城市更新网络中发挥着不可替代的枢纽作用. 南阳市度数中心度从4降至3，在区域中的连接作用相对减弱；而信阳市从1升至3，连接广度有所提升. 接近中心度（该数值为基于距离和的测度，数值越低表示中心度越高）显示，郑州市从39降至31，可达性进一步提高，更易与其他城市建立更新联系；蚌埠市从125降至74，可达性有所改善. 中介中心度方面，郑州市从228.7大幅升至256.2，强化了其中介枢纽地位；新乡市从7.69升至10.17，中介作用增强；三门峡市始终为0，几乎不承担中介角色，处于网络边缘. 值得注意，亳州市和阜阳市的中介中心度均出现明显下降，反映二者对区域资源流动影响控制力的结构性衰退；而商丘市中介中心度从1.00升至13.15，表明其作为连接桥梁的作用逐步增强.

表 4 2005年和2023年中原城市群城市更新与生态韧性空间联系网络的中心性特征值1） Table 4 Centrality characteristic values of the spatial interaction network between urban renewal and ecological resilience in the Central Plains Urban Agglomeration in 2005 and 2023

生态韧性网络因地理环境与治理政策差异，呈现“核心强化、局部突破、边缘隔离”的非均衡格局. 郑州市在其中同样占据核心地位，度数中心度从18升至21，与其他城市的连接更加紧密；接近中心度从54降至35，可达性显著提高；中介中心度从122.91升至170.91，巩固了其中介核心地位. 阜阳市在生态韧性网络中表现突出，其中介中心度从0.00跃升至25.86，显示出其作为生态协调关键节点的潜力. 商丘市中介中心度从110.48降至95.03，尽管数值下降，但仍维持较高水平，是东部生态治理的重要节点；安阳市中介中心度从23.61骤降至0.2，中介功能显著弱化. 菏泽市度数中心度从8降至4，连接广度下降；运城市接近中心度从103降至86，虽略有改善，但数值仍较高，表明其可达性依然较差. 整体来看，当前网络呈现核心城市带动作用有限，而部分边缘城市（如信阳、运城）难以有效融入区域生态协同网络的结构性矛盾，这在一定程度上制约了城市群生态韧性的整体提升.

2.4 空间溢出效应分析 2.4.1 空间溢出参数

前文社会网络分析结果已证实，中原城市群城市更新与生态韧性空间关联网络呈现显著的核心-边缘结构与空间关联特征，表明区域内29个地级市节点并非相互独立，而是通过要素流动与功能互动形成紧密关联，为此，本文进一步构建空间面板回归模型，以量化城市更新对生态韧性的影响，并识别其空间溢出方向与强度.

在进行回归分析之前，首先对各变量进行相关性分析. 基于Geoda软件的测算结果显示，2005年和2023年城市更新与生态韧性的Moran's I值分别为0.447和0.548，且均在1%的显著性水平下通过检验（P < 0.01），表明研究变量存在显著的空间自相关性，需采用空间回归模型以准确识别其影响路径. 进一步通过Hausman检验发现，在引入地理空间权重矩阵后，P值于1%水平下显著，支持使用固定效应模型，结合表 5多项模型拟合结果，时空双固定效应设定最优. 具体分析，核心解释变量城市更新强度（UR）在空间滞后模型（SAR）、空间误差模型（SEM）及时空双固定效应空间杜宾模型（SDM）中，系数分别为0.964、0.900和0.988，且均通过1%显著性水平检验（P < 0.01），表明无论采用何种空间计量模型设定，城市更新对本地生态韧性均存在显著正向推动作用. 在SDM模型中，城市更新强度每提升1单位，本地生态韧性对应提升0.988单位，说明城市更新中绿色基础设施投入以及环境治理技术和生态修复工程推进，能够进一步强化生态系统的缓冲与调节能力.

表 5 空间面板回归模型检验结果1） Table 5 Spatial panel regression model test results

在空间交互效应层面，SAR模型和SDM模型的空间自回归系数（rho）分别为-1.510和-2.157，均在1%显著性水平下通过检验（P < 0.01），这一现象可能与前述“核心-边缘”网络结构密切相关. 核心城市（如郑州）在生态资源争夺、优质环境要素吸附上占据绝对优势，其生态韧性的提升很可能是以汲取周边区域的资源为代价的，从而导致了一种“虹吸效应”而非“涓滴效应”. 此外，SDM模型中城市更新的直接空间溢出项（W×UR）系数为-0.728，未通过10%显著性水平检验，表明当前城市更新政策的空间辐射效应尚未充分显现，这与前文社会网络分析中整体关联度较高但网络密度偏低（0.2~0.3）的结论相呼应：尽管城市间存在理论上的空间关联，但实际联系强度不足，制约了城市更新政策在外围地区的扩散与溢出效率.

2.4.2 效应分解结果

基于空间杜宾模型（SDM）和空间自回归模型（SAR）的效应分解结果显示（表 6），城市更新对生态韧性的影响存在显著的空间异质性特征，需通过直接效应（本区域影响）与间接效应（邻近区域溢出）的差异化分析揭示其作用机制. 在直接效应层面，SAR和SDM模型中城市更新强度（UR）的直接效应系数分别为1.056和1.221，且均在1%水平下显著（P < 0.01），进一步说明城市更新对生态韧性的本地促进作用显著. 相较之下，控制变量对生态韧性的直接影响较弱：经济发展水平（pgdp）和科教投入（se）的效应系数趋近于0且未通过显著性检验，说明经济增长和科技教育投入的生态效益存在“时滞效应”，短期内其对生态韧性的直接贡献有限；产业结构（ind）在SAR模型中的直接效应系数为0.25，在10%水平下显著（P < 0.1），表明产业结构优化可通过降低单位GDP能耗、减少污染物排放等路径，间接支持生态韧性提升. 然而，城镇化率（urban）在SDM模型中的间接效应系数为-0.006 08（P > 0.1），呈现轻微负向趋势，可能源于快速城镇化进程中建设用地扩张侵占区域生态廊道、加剧面源污染，对周边生态系统造成负面影响.

表 6 城市更新效应分解结果1） Table 6 Decomposition results of urban renewal effects

从间接效应来看，城市更新在SAR模型中表现出显著的负向空间溢出（P < 0.05），表明本地城市更新强度每提升1单位，可能对邻近区域生态韧性产生0.629单位的抑制作用. 这一现象可归因于资源竞争与污染转移的空间传导机制：单方面推进的城市更新可能通过区域水资源竞争性利用、工业污染物跨域传输等路径，对周边生态系统产生负外部性. 尽管该效应在SDM模型中未达显著水平，但仍需警惕区域发展的不均衡影响. 其他控制变量的空间溢出效应整体较弱：经济发展水平和科教投入的影响不显著，表明传统经济要素的生态外溢效应有限. 产业结构的间接效应在SDM模型中转为正向，说明区域产业协同可通过绿色技术扩散、产业链生态化重构等路径产生正外部性.

3 讨论 3.1 中原城市群城市更新与生态韧性时空演变特征分析

研究数据显示，2005~2023年中原城市群城市更新综合指数从0.29增长至0.38，整体呈现出阶梯式上升的发展态势. 空间上呈现以郑州为核心、洛阳和南阳为次级中心的“核心-次级-外围”梯度结构. 这一空间特征与宋伟轩等[12]提出的城市更新存在显著空间集聚效应的研究结论相呼应，进一步印证了核心城市在城市更新进程中的主导作用. 值得注意的是，邢台、商丘等城市更新增幅超过78%，而长治、运城等边缘城市增幅相对滞后，这与彭文斌等[41]的结论一致，即城市更新受区位条件与要素可获得性制约. 这类边缘城市由于交通可达性不足，难以吸引大量的创新要素流入，从而使得城市更新进程受阻.

中原城市群生态韧性均值从0.41提升至0.45，但空间分异显著. 郑州凭借在生态治理方面的投入，如公园绿地面积的不断扩张，以及环境规制的持续强化，实现了生态韧性的持续领先. 而平顶山、安阳等资源型城市降幅超过16%，表明城市生态韧性的提升受到产业结构与资源开发强度的双重影响，这与Li等[47]的研究结果一致. 商丘通过湿地修复与产业绿色改造，实现了生态韧性129.6%的增幅，这充分说明适当的环境规制和人为干扰措施对提升城市生态韧性具有明显的增益效果[14，15]. 相比之下，邯郸、平顶山等城市，由于长期进行矿产开发，导致生态系统退化，这与Zhou等[19]提出的土地开发强度与生态韧性存在负向关联的研究结论一致，表明资源型城市通过产业转型与生态修复破解“开发-退化”恶性循环的必要性.

3.2 城市更新与生态韧性空间关联网络特征分析

空间关联网络分析结果显示，中原城市群城市更新与生态韧性网络密度提升至0.227，但整体仍处于较低水平，且呈现出“东密西疏”的空间网络格局. 东部平原凭借陇海、京广交通干线形成“轴带-节点”联动，而豫西山地因地形阻隔形成关联稀疏的“孤岛链”. 郑州的度数中心度（25）和中介中心度（256.2）显著领先于其他城市，这与彭文斌等[48]的研究结论具有一致性，即核心城市在网络中扮演着枢纽角色，并通过要素辐射带动周边城市的关联互动. 南阳、阜阳等次级城市的关联强度有所提升，这体现出“多中心协同”的发展趋势. 然而，晋城、运城等西部城市在网络中的参与度较低，这一现象符合“距离衰减定律”中要素流动随地理距离增加而弱化的特征[49，50].

3.3 城市更新对生态韧性的空间溢出效应分析

空间面板回归模型结果表明，城市更新对本地生态韧性存在显著的正向影响，但对邻近区域却存在负向溢出. 这一结论与Lan等[20]认为环境治理存在本地增益与区域外部性并存的研究结论一致，即本地通过建设绿色基础设施，如公园绿地、污水处理设施等，能够有效提升生态韧性，但邻近区域可能会因为水资源竞争、工业污染跨域传输等问题而受到负面影响. 但与彭文斌等[48]的研究结论存在差异，可能是受到评价指标选取和模型构建的影响. 城市更新是一个复杂的系统工程，它不仅体现在物质空间的改造与更新上，还涉及到经济结构的调整、社会功能的完善等多个方面[2，7]. 因此，本文在构建城市更新评价指标体系时，在统筹考虑市政基础建设和社会民生福祉的同时，纳入了信息网络建设和产业转型升级两个维度，以期能够更加全面地反映城市更新水平. 此外，在空间模型构建上，选取时空双固定效应空间杜宾模型来探究城市更新对生态韧性的空间溢出效应，更符合中原城市群的发展特征. 从模型结果来看，产业结构优化（ind）在SDM模型中呈现正向间接效应，这与陆安颉等[28]的研究结论具有一致性，即区域产业协同能够减少污染溢出，表明绿色技术扩散与产业链生态化重构可以在一定程度上缓解负向溢出效应.

4 建议

（1）构建分级生态韧性保护与修复体系. 针对生态韧性“单核极化”与边缘衰退的空间格局，建立以郑州为生态治理中枢、次级中心城市为节点的分级保护体系. 重点对邯郸、洛阳等传统工业城市实施生态修复专项工程，通过工业废弃地生态重构、污染场地治理等措施缓解生态韧性衰退；对运城、安阳等资源依赖型城市，严格管控资源开发强度，推动产业结构多元化转型. 借鉴商丘生态修复经验，在豫西、豫南边缘区域布局生态补偿试点，通过跨区域生态补偿基金机制，引导核心城市向边缘地区转移生态治理技术与资金，缓解“虹吸效应”引发的区域失衡.

（2）优化城市更新网络协同与要素流动. 针对城市更新“核心-边缘”梯度递减与网络密度偏低的问题，以郑州、南阳、商丘为枢纽构建“三核多廊”更新协同网络. 依托陇海、京广交通干线强化东部平原地区“轴带-节点”联动效应，重点提升晋城、运城等西部边缘城市的交通可达性与要素吸纳能力，通过郑汴洛、郑许漯等城市走廊延伸城市更新辐射半径.

（3）建立空间溢出调节与区域协同机制. 基于城市更新对生态韧性的本地促进与负向溢出效应，构建差异化的空间治理策略. 在核心城市推行“绿色更新认证制度”，将生态韧性指标纳入更新项目审批体系，通过绿色基础设施投入强化正向效应；针对边缘城市，建立“更新-韧性”协同评估模型，避免资源竞争和冲突. 强化产业结构的生态正外部性，通过区域产业协同平台推动绿色技术扩散，对城镇化进程中的建设用地扩张实施“生态韧性阈值管理”，建立面源污染联防联控机制，降低跨域生态损耗.

5 结论

（1）中原城市群城市更新整体呈“阶梯式增长”，均值从2005年的0.29升至2023年的0.38，空间上以郑州为核心、洛阳和南阳为次级中心，形成“核心-次级-外围”梯度结构，邢台、商丘等城市后发优势显著，但晋南、豫西边缘城市增幅滞后. 生态韧性均值从0.41增至0.45，郑州生态韧性指数达0.91，而邯郸、平顶山等资源型城市因产业结构单一和污染负荷，生态韧性下降16%以上，商丘通过生态治理生态韧性指数增幅达到129.6%，但其带动效应有限.

（2）从整体网络看，生态韧性与城市更新网络关联度均为1，表明城市群内部存在显著空间关联，但网络密度仍处于0.2~0.3的较低水平，协同潜力有待释放，整体呈“东密西疏”网络结构特征：东部平原依托交通干线形成“廊道-节点”网络，而豫西、豫南地区因地形限制形成“孤岛链”. 个体网络中，郑州在度数中心度、中介中心度等指标上占据绝对核心地位，三门峡、运城等边缘城市则因地理条件与资源约束，长期处于网络边缘，生态韧性网络的“强中心-弱边缘”分异特征较城市更新网络更为突出.

（3）城市更新对本地生态韧性具有显著正向推动作用（P < 0.01），但周边城市生态韧性对本地存在显著反向影响（空间自回归系数rho < 0，P < 0.01），体现出区域生态资源竞争与跨界污染传输的负外部性. 控制变量中，产业结构优化对生态韧性具有正向空间溢出，而城镇化率提升可能通过生态空间挤压对周边产生负向影响，经济增长和科技教育投入的生态效益则存在明显的时滞效应.

参考文献
[1] Feng X H, Zeng F S, Loo B P Y, et al. The evolution of urban ecological resilience: an evaluation framework based on vulnerability, sensitivity and self-organization[J]. Sustainable Cities and Society, 2024, 116. DOI:10.1016/j.scs.2024.105933
[2] Li B W, Hu R Y, Yang J R. Does smart city construction affect urban renewal? Evidence from China[J]. Journal of Cleaner Production, 2025, 496. DOI:10.1016/j.jclepro.2025.145110
[3] 杜锦, 苗长虹, 许家伟, 等. 中原城市群城市高质量发展时空格局与影响因素[J]. 经济地理, 2025, 45(1): 67-76.
Du J, Miao C H, Xu J W, et al. Spatial-temporal pattern and influencing factors of high-quality development in the Central Plains Urban Agglomeration[J]. Economic Geography, 2025, 45(1): 67-76.
[4] 赵宗泽, 马倩, 王一, 等. 基于SRP模型的中原城市群生态脆弱性分析与预测[J]. 环境科学, 2025, 46(3): 1621-1632.
Zhao Z Z, Ma Q, Wang Y, et al. Analysis and prediction of ecological vulnerability of the Central Plains Urban Agglomeration based on the SRP model[J]. Environmental Science, 2025, 46(3): 1621-1632. DOI:10.13227/j.hjkx.202403011
[5] 周志衡, 周廷刚, 秦宁. 中原城市群PM2.5浓度驱动因子联动效应及非线性影响[J]. 环境科学, 2022, 43(12): 5344-5353.
Zhou Z H, Zhou T G, Qin N. Linkage effect and nonlinear impact of PM2.5 concentration driving factors in Central Plains Urban Agglomeration[J]. Environmental Science, 2022, 43(12): 5344-5353. DOI:10.13227/j.hjkx.202201046
[6] Zhang B Z, Liu X L, Wei W H, et al. Environmental carrying capacity and ecological risk assessment of pesticides under different soil use types in the Central Plains Urban Agglomeration (CPUA), China[J]. Environmental Pollution, 2024, 341. DOI:10.1016/j.envpol.2023.122852
[7] 陈水生, 王培红. 统筹式城市更新: 中国城市更新的发展困境与优化路径[J]. 治理研究, 2024, 40(4): 98-113.
Chen S S, Wang P H. Integrated urban renewal: the development dilemma and optimization path of urban renewal in China[J]. Governance Studies, 2024, 40(4): 98-113.
[8] 崔继昌, 郭贯成. 超大特大城市紧凑发展与城市用地效率互动关系研究[J]. 经济与管理, 2025, 39(3): 51-62.
Cui J C, Guo G C. Study on the relationship between compact development and urban land use efficiency of China's megacities[J]. Economy and Management, 2025, 39(3): 51-62.
[9] 林强, 李茜, 李孟徽, 等. 融合技术与经济理性: 深圳城市更新容积政策反思与优化[J]. 自然资源学报, 2025, 40(6): 1555-1568.
Lin Q, Li Q, Li M H, et al. Integrating technology and economic rationality: reflection and optimization of Shenzhen's urban renewal capacity policy[J]. Journal of Natural Resources, 2025, 40(6): 1555-1568.
[10] 张菁, 赵振乐, 王颖楠, 等. 城市更新视角下社区嵌入式服务设施建设难点与运营机制[J]. 城市规划学刊, 2025(1): 71-77.
Zhang J, Zhao Z L, Wang Y N, et al. Construction challenges and operational mechanisms of community-embedded service facilities in urban renewal[J]. Urban Planning Forum, 2025(1): 71-77.
[11] 翁梓航, 杜豫川, 刘浩, 等. 面向城市更新的道路基础设施更新评价体系[J]. 公路, 2025, 70(7): 232-242.
Weng Z H, Du Y C, Liu H, et al. Evaluation system of urban road infrastructure renewal[J]. Highway, 2025, 70(7): 232-242.
[12] 宋伟轩, 陈浩, 崔璨, 等. 建立可持续城市更新模式的理论、方法与路径思考[J]. 自然资源学报, 2025, 40(1): 20-38.
Song W X, Chen H, Cui C, et al. Theoretical, methodological, and implementation considerations for establishing a sustainable urban renewal model[J]. Journal of Natural Resources, 2025, 40(1): 20-38.
[13] 彭文斌, 曹笑天. 城市更新作用下生态韧性时空分异及其影响效应——以环长株潭城市群为例[J]. 经济地理, 2023, 43(10): 44-52.
Peng W B, Cao X T. Spatiotemporal differentiation of ecological resilience under urban renewal and its influencing mechanisms around the Changsha-Zhuzhou-Xiangtan Urban Agglomeration[J]. Economic Geography, 2023, 43(10): 44-52.
[14] Li T N, Li R Z, Liu Y B, et al. Does enhanced land use efficiency promote ecological resilience in China's urban agglomerations?[J]. Environmental Impact Assessment Review, 2025, 115. DOI:10.1016/j.eiar.2025.108047
[15] Fan Y M, Wei G E. Assessment of ecological resilience and its response mechanism to land spatial structure conflicts in China's southeast coastal areas[J]. Ecological Indicators, 2025, 170. DOI:10.1016/j.ecolind.2024.112980
[16] Li G X, Wang W, Li J W, et al. Enhancing urban ecological resilience through small wetlands: a nature-based solutions in Changchun City, China[J]. Journal of Cleaner Production, 2025, 518. DOI:10.1016/j.jclepro.2025.145881
[17] Wu N N, Zhou Y J, Yin S G, et al. Revealing the nonlinear impact of environmental regulation on ecological resilience using the XGBoost-SHAP model: evidence from the Yangtze River Delta region, China[J]. Journal of Cleaner Production, 2025, 514. DOI:10.1016/j.jclepro.2025.145700
[18] Wang H P, Ge Q. Ecological resilience of three major urban agglomerations in China from the "environment-society" coupling perspective[J]. Ecological Indicators, 2024, 169. DOI:10.1016/j.ecolind.2024.112944
[19] Zhou L, Qin Y, Cheng J L, et al. Urban ecosystem services, ecological security patterns and ecological resilience in coastal cities: the impact of land reclamation in Macao SAR[J]. Journal of Environmental Management, 2025, 373. DOI:10.1016/j.jenvman.2024.123750
[20] Lan C L, Li X W, Peng B, et al. Unlocking urban ecological resilience: the dual role of environmental regulation and green technology innovation[J]. Sustainable Cities and Society, 2025, 128. DOI:10.1016/j.scs.2025.106466
[21] 冯一凡, 冯君明, 李翅. 生态韧性视角下绿色空间时空演变及优化研究进展[J]. 生态学报, 2023, 43(14): 5648-5661.
Feng Y F, Feng J M, Li C. Progress of the spatiotemporal change and improvement of green space from the perspective of ecological resilience[J]. Acta Ecologica Sinica, 2023, 43(14): 5648-5661.
[22] 夏子涵, 任飞武, 王艳伟. 城市基础设施生态化转型与城市韧性关系研究——基于复杂系统视角[J]. 中国环境管理, 2024, 16(4): 108-117.
Xia Z H, Ren F W, Wang Y W. Study on the relationship between ecological transformation of urban infrastructure and urban resilience-based on complex system perspective[J]. Chinese Journal of Environmental Management, 2024, 16(4): 108-117.
[23] 易成栋, 樊正德, 陈敬安, 等. 首都都市圈住房发展和城市更新联动研究——基于空间置换的视角[J]. 城市发展研究, 2022, 29(8): 61-68.
Yi C D, Fan Z D, Chen J A, et al. Research on the coordination between housing development and urban renewal in the Capital Metropolitan Region with the Perspective of spatial replacement[J]. Urban Development Studies, 2022, 29(8): 61-68.
[24] 董昕, 张朝辉. 气候适应理念下的城市更新: 德国的经验与启示[J]. 城市与环境研究, 2021(2): 99-112.
[25] 李绥, 李晨熙, 周诗文. 城市局地气候区空间划分与适应性提升途径——以沈阳市为例[J]. 城市发展研究, 2022, 29(11): 33-41.
Li S, Li C X, Zhou S W. Spatial division and adaptive improvement of urban local climate zones: taking Shenyang as an example[J]. Urban Development Studies, 2022, 29(11): 33-41.
[26] 黄颖敏, 黄耿志, 薛德升, 等. 城市非正规性视角下东莞"三旧"改造的尺度政治: 过程、机制与治理启示[J]. 自然资源学报, 2025, 40(6): 1489-1503.
Huang Y M, Huang G Z, Xue D S, et al. The scale politics in Dongguan's "Three Olds" redevelopment from the perspective of urban informality: Process, mechanisms, and governance implications[J]. Journal of Natural Resources, 2025, 40(6): 1489-1503.
[27] 韩会然, 许岭怡, 杨成凤. 城市更新背景下老工业区空间的再生产机制探究——以合肥市瑶海老工业区为例[J]. 人文地理, 2024, 39(1): 59-67.
Han H R, Xu L Y, Yang C F. Exploring the spatial reproduction mechanism of old industrial areas in the context of urban renewal: an example of the old industrial area of Yaohai, Hefei city[J]. Human Geography, 2024, 39(1): 59-67.
[28] 陆安颉, 周建国. 区域大气污染协同治理能促进空气质量改善吗?——基于中国279个城市的PSM-DID实证研究[J]. 长江流域资源与环境, 2025, 34(3): 652-667.
Lu A J, Zhou J G. Can collaborative governance of regional air pollution improve air quality: an empirical PSM-DID study of 279 cities in China[J]. Resources and Environment in the Yangtze Basin, 2025, 34(3): 652-667.
[29] Yang H B, Wu Z R, Qiu S K, et al. Surface urban heat island variations under the 3-decadal urban expansion in China: patterns and driving factors[J]. Sustainable Cities and Society, 2025, 130. DOI:10.1016/j.scs.2025.106640
[30] Zhou X Q, Cui Y B, Fan C L, et al. How does anthropogenic heat emissions from buildings affect urban heat island intensity? Based on neighborhood scale and urban scale analysis[J]. Urban Climate, 2025, 62. DOI:10.1016/j.uclim.2025.102525
[31] Mansour S, Alotaibi O, Alnasrallah M. Geospatial modelling of urban expansion effects on the land ecosystems in Kuwait using random forest and cellular automata[J]. Journal of Urban Management, 2025, 5. DOI:10.1016/j.jum.2025.05.011
[32] Louis-Lucas T, Clavel J, Bortolamiol S, et al. Exploring the relationships between landscape connectivity and urban biodiversity: Insights from citizen science on pollinators and birds in Paris, France[J]. Biological Conservation, 2025, 309. DOI:10.1016/j.biocon.2025.111271
[33] 黄云, 刘静, 郑博福, 等. 基于服务流视角的长江经济带水供给服务供需匹配特征及驱动机制[J]. 环境科学, 2025, 46(6): 3693-3707.
Huang Y, Liu J, Zheng B F, et al. Characteristics and driving mechanisms of supply and demand matching of water supply services in the Yangtze River Economic Belt based on the perspective of service flow[J]. Environmental Science, 2025, 46(6): 3693-3707. DOI:10.13227/j.hjkx.202406084
[34] 石林, 杜江民, 郭雷, 等. 典型城镇区土壤重金属地球化学特征、污染评价及源解析[J]. 环境科学与技术, 2024, 47(11): 67-77.
Shi L, Du J M, Guo L, et al. Geochemical characteristics, pollution assessment, and source apportionment of heavy metals in soils of typical urban areas[J]. Environmental Science & Technology, 2024, 47(11): 67-77.
[35] 梁宗正, 胡碧峰, 谢模典, 等. 长江经济带土壤重金属污染分布特征及影响因素[J]. 经济地理, 2023, 43(9): 148-159.
Liang Z Z, Hu B F, X M D, et al. Spatial distribution characteristics and influencing factors of soil heavy metal pollution in the Yangtze River Economic Belt[J]. Economic Geography, 2023, 43(9): 148-159.
[36] 王慧, 孙慧, 肖涵月, 等. 转移还是转型?环境政策不确定性与污染密集型企业环保决策[J]. 生态经济, 2022, 38(9): 203-211.
Wang H, Sun H, Xiao H Y, et al. Transfer or transformation? Environmental policy uncertainty and environmental protection decision on pollution intensive enterprises[J]. Ecological Economy, 2022, 38(9): 203-211.
[37] 晁恒, 刘林嵩, 肖靖宇. 政府引导、市场主导"城市更新模式的适应性研究——基于深圳城市更新实践的两层面分析[J]. 城市发展研究, 2024, 31(5): 39-47.
Chao H, Liu L S, Xiao J Y. A study on the adaptability of the "government guided and market led" urban renewal model: Two-levels analysis of redeveloping Shenzhen[J]. Urban Development Studies, 2024, 31(5): 39-47.
[38] 王璇, 王成新, 史佳璐. 中原城市群城市韧性时空演进及跃迁机制[J]. 地理科学, 2024, 44(7): 1206-1216.
Wang X, Wang C X, Shi J L. Spatial and temporal evolution of urban resilience and its transition mechanism in Zhongyuan Urban Agglomeration[J]. Geographical Science, 2024, 44(7): 1206-1216.
[39] 程皓, 阳国亮, 纪晓君. 中国十大城市群城市韧性与环境压力脱钩关系研究[J]. 统计与决策, 2019, 35(7): 79-83.
Cheng H, Yang G L, Ji X J. A study on decoupling relationship between urban toughness and environmental pressure in China's top ten city agglomerations[J]. Statistics & Decision, 2019, 35(7): 79-83.
[40] 曹可心, 邓羽. 可持续城市更新的时空演进路径及驱动机理研究进展与展望[J]. 地理科学进展, 2021, 40(11): 1942-1955.
Cao K X, Deng Y. Spatio-temporal evolution path and driving mechanisms of sustainable urban renewal: progress and perspective[J]. Progress in Geography, 2021, 40(11): 1942-1955.
[41] 彭文斌, 狄亚轩, 邝嫦娥, 等. 环长株潭地区城市更新与生态韧性的耦合作用及其影响因素[J]. 自然资源学报, 2025, 40(6): 1569-1585.
Peng W B, Di Y X, Kuang C E, et al. The coupling effect of urban renewal and ecological resilience and its influencing factors in the Changsha-Zhuzhou-Xiangtan Surrounding Area[J]. Journal of Natural Resources, 2025, 40(6): 1569-1585.
[42] 张文忠. 基于多尺度城市体检的城市更新路径研究[J]. 地理研究, 2025, 44(5): 1175-1188.
Zhang W Z. Research on urban renewal pathways based on multi-scale urban health examination[J]. Geographical Research, 2025, 44(5): 1175-1188.
[43] Wang L, Yuan M K, Li H, et al. Exploring the coupling coordination of urban ecological resilience and new-type urbanization: The case of China's Chengdu⁃Chongqing Economic Circle[J]. Environmental Technology & Innovation, 2023, 32. DOI:10.1016/j.eti.2023.103372
[44] 张玥, 代亚强, 柯新利. 中国新型城镇化空间关联网络及其对土地利用生态效率的影响——基于网络节点中心度视角[J]. 中国土地科学, 2023, 37(9): 117-129.
Zhang Y, Dai Y Q, Ke X L. Spatial correlation network characteristics of new-type urbanization and its impact on the land use eco-efficiency in China: a perspective of network centrality[J]. China Land Science, 2023, 37(09): 117-129.
[45] 吉雪强, 张壮, 李卓群, 等. 中国新质生产力空间关联网络结构时空演化特征及驱动因素[J]. 资源科学, 2025, 47(2): 373-388.
Ji X Q, Zhang Z, Li Z Q, et al. Spatiotemporal evolution characteristics and driving factors of the spatial correlation network structure of China's new quality productive forces[J]. Resources Science, 2025, 47(2): 373-388.
[46] 李在军, 胡美娟, 张爱平, 等. 工业生态效率对PM2.5污染的影响及溢出效应[J]. 自然资源学报, 2021, 36(3): 737-751.
Li Z J, Hu M J, Zhang A P, et al. Influence and spillover effect of industrial eco-efficiency on PM2.5 pollution[J]. Journal of Natural Resources, 2021, 36(3): 737-751.
[47] Li R Y, Wang Z C, Li Y Y, et al. Regional ecological risk assessment and transfer mechanism based on improved gravity and social network analysis model: A case study of Northwest China[J]. Ecological Indicators, 2025, 172. DOI:10.1016/j.ecolind.2025.113243
[48] 彭文斌, 邝嫦娥, 李文意, 等. 长江中游城市群城市更新与生态韧性空间关联网络及影响研究[J]. 地理科学, 2024, 44(11): 1936-1945.
Peng W B, Kuang C E, Li W Y, et al. Spatial correlation network and impacts of urban renewal and ecological resilience in urban agglomerations in the middle reaches of the Yangtze River[J]. Geographical Science, 2024, 44(11): 1936-1945.
[49] Liu T, Li Y X. Distance decay as a measure of city attractiveness: insights from migration flows in China[J]. Cities, 2025, 166. DOI:10.1016/j.cities.2025.106284
[50] 汤长安, 邱佳炜, 张丽家, 等. 要素流动、产业协同集聚对区域经济增长影响的空间计量分析——以制造业与生产性服务业为例[J]. 经济地理, 2021, 41(7): 146-154.
Tang Z A, Qiu J W, Zhang L J, et al. Spatial econometric analysis on the influence of elements flow and industrial collaborative agglomeration on regional economic growth: based on manufacturing and producer services[J]. Economic Geography, 2021, 41(7): 146-154.