时空分异视角下制造业集聚对生态韧性的影响：以长江经济带为例

引用本文

柏玲, 曾凡鸣, 姜磊, 刘佳琪, 郑珺晖. 时空分异视角下制造业集聚对生态韧性的影响：以长江经济带为例[J]. 环境科学, 2026, 47(10): 7083-7097.

BAI Ling, ZENG Fan-ming, JIANG Lei, LIU Jia-qi, ZHENG Jun-hui. Impact of Manufacturing Agglomeration on Ecological Resilience from the Perspective of Spatiotemporal Differentiation: A Case Study of the Yangtze River Economic Belt[J]. Environmental Science, 2026, 47(10): 7083-7097.

时空分异视角下制造业集聚对生态韧性的影响：以长江经济带为例

柏玲¹, 曾凡鸣¹, 姜磊², 刘佳琪¹, 郑珺晖¹

1. 南昌大学经济管理学院，南昌 330031;
2. 广州大学地理科学与遥感学院，华南人文地理与城市发展中心，广州 510006

收稿日期: 2025-08-23; 修订日期: 2025-11-10

基金项目: 国家自然科学基金项目（42201184，42430515）；江西省高校人文社会科学研究项目（JJ24112）；广东省哲学社会科学规划项目（GD25CYJ07）；广东乡村地域系统野外科学观测研究站项目（2021B1212050026）；2026年度全国统计科学研究项目（2026LY032）

作者简介: 柏玲（1987~），女，博士，副教授，主要研究方向为区域可持续发展，E-mail：bling1987yy@163.com

通信作者: 姜磊, E-mail: jianglei@gzhu.edu.cn

摘要: 科学评估制造业集聚对城市生态韧性的作用，不仅有助于推动城市群制造业高质量发展与高水平保护协同，还能为区域城市生态韧性提升提供科学依据. 首先，纳入企业经纬度和企业数量双维度信息采用基于熵权法的综合评价方法，计算出2005~2022年长江经济带110个城市的制造业集聚水平. 再构造出生态韧性的综合指标体系并利用综合评价法计算出历年各个城市的生态韧性得分；然后，对比分析制造业集聚与生态韧性水平的时空变化特征，进而采用时空地理加权回归模型检验研究区制造业集聚对生态韧性的时空异质性影响. 结果表明：①长江经济带制造业集聚水平总体展现出“下游高、上游低”的空间格局，且明显存在由东向西的转移趋势. 此外，下游的生态韧性水平高于中上游，并且随时间不断提高. 生态韧性的空间格局总体上呈现出从“集中片状低韧性”向“分散点状高韧性”演变的规律. 制造业集聚水平和生态韧性水平在空间格局上均表现出明显的空间异质性. ②时空地理加权回归模型结果显示，制造业集聚能显著提高生态韧性，并表现出显著的时空异质性. 在时间维度上，促进作用表现出先降后升的时间动态特征. 在空间维度上，长江经济带中游城市制造业集聚对生态韧性的平均影响最高. ③对外开放水平、科技支出水平以及产业结构对生态韧性具有正向作用，而人口密度和政府干预程度对生态韧性产生抑制作用，另外，环境规制对生态韧性的影响存在一定的波动性. 最后，根据研究结果针对不同的区域提出差异化的调控策略.

关键词: 制造业集聚生态韧性时空异质性时空地理加权回归长江经济带

Impact of Manufacturing Agglomeration on Ecological Resilience from the Perspective of Spatiotemporal Differentiation: A Case Study of the Yangtze River Economic Belt

BAI Ling¹ , ZENG Fan-ming¹ , JIANG Lei² , LIU Jia-qi¹ , ZHENG Jun-hui¹

1. School of Economics and Management, Nanchang University, Nanchang 330031, China;
2. School of Geography and Remote Sensing, Center for Human Geography and Urban Development, Guangzhou University, Guangzhou 510006, China

Abstract: Scientific assessment of the role of manufacturing agglomeration on urban ecological resilience not only helps to promote the synergy of high-quality development and high-level protection of the manufacturing industry in urban agglomerations but also provides scientific basis for the enhancement of regional urban ecological resilience. This study incorporates the two-dimensional information of enterprises' longitude and latitude as well as the number of enterprises and adopts the entropy weight comprehensive evaluation method to measure the level of manufacturing agglomeration of 110 cities in the Yangtze River Economic Belt from 2005 to 2022. Similarly, it builds the comprehensive indicators system of ecological resilience and utilizes the entropy weight comprehensive evaluation method to calculate the scores of ecological resilience of each city during the sample period. Then, it analyzes the spatial and temporal characteristics of the scores of manufacturing agglomeration and ecological resilience and subsequently adopts the geographically and temporally weighted regression model to test the spatial and temporal heterogeneity of the impacts of manufacturing agglomeration on the ecological resilience of the study area. The results of the study found that: ① The level of manufacturing agglomeration in the Yangtze River Economic Belt showed a spatial pattern of "high downstream and low upstream, " and there was a clear trend of transfer from east to west. In addition, the ecological resilience level of the downstream was higher than that of the middle and upper reaches, and it has been increasing over time. The spatial pattern of ecological resilience generally showed a pattern of evolution from "centralized piecewise low resilience" to "decentralized pointwise high resilience." Both the level of manufacturing agglomeration and the level of ecological resilience showed obvious spatial heterogeneity in the spatial pattern. ② The results of the geographically and temporally weighted regression model showed that the manufacturing agglomeration could significantly improve ecological resilience and exhibited significant spatial and temporal heterogeneity. In the time dimension, the promotion effect showed the time dynamic characteristic of first decreasing and then increasing. In the spatial dimension, manufacturing agglomeration in mid-river cities along the Yangtze River Economic Belt exerted the highest average impact on ecological resilience. ③ In addition, the level of openness to the outside world, the level of scientific and technological expenditure, and industrial structure had a positive effect on ecological resilience, while population density and the degree of government intervention had an inhibitory effect on ecological resilience; furthermore, environmental regulation had a certain degree of volatility in its impact on ecological resilience. Finally, based on the research findings, differentiated regulation strategies are proposed for the different regions.

Key words: manufacturing agglomeration ecological resilience spatiotemporal heterogeneity geographically and temporally weighted regression Yangtze River Economic Belt

制造业作为全球经济发展的核心引擎，其规模与影响力持续攀升. 2023年，中国的制造业增加值占全球比例高达35.2%，并且连续14 a位居世界第一. 在国民经济中，制造业贡献了27.1%的GDP，带动1.2亿人就业. 然而，制造业的粗放扩张正加剧生态危机，国家能源局《2023年能源发展报告》指出，制造业能耗占全社会总能耗55%. 此外，制造业也是最大的污染物排放部门，占据全国75.8%的工业源SO₂排放. 面对制造业带来的生态问题，国家积极制定相应对策以推动制造业绿色发展. 2020年1月，李克强主持召开国务院常务会议确定促进制造业稳增长的措施，其中两个重要举措为改革创新和发展先进制造业. 2023年，工业和信息化部等八部门发布《关于加快传统制造业转型升级的指导意见》，强调坚持创新驱动，推动制造业迈向价值链中高端，加快数字技术赋能，全面推动智能制造，强化绿色低碳发展，深入实施节能降碳. 2024年，工业和信息化部等七部门发布的《关于加快推动制造业绿色化发展的指导意见》中提出要推进传统产业绿色低碳优化重构，推动制造业绿色低碳发展. 国家面向制造业由稳增长到推动制造业优化升级，发展先进制造业，再到推动制造业绿色发展凸显了全面绿色转型的需要，因此，在推动制造业空间布局的发展过程中，其对城市生态环境承载力的影响亟待探讨.

生态韧性作为当前衡量生态承载力的重要指标，反映了生态系统在遭受自然或人为干扰后，维持自身功能、结构并恢复原状的能力^[1]，是衡量区域生态系统抵御干扰、维持功能稳定并实现自适应调节能力的核心指标. 目前，学术界采用多种指标体系测度生态韧性水平，包括“规模-密度-形态”^[2，3]“抵抗力-适应力-恢复力”^[4]“潜力-弹性-稳定性”^[5]以及“压力-状态-响应”（pressure-state-response，PSR）^[6]等，其中，“压力-状态-响应”模型能够反映生态系统应对干扰的动态过程，与生态韧性的抵抗-适应-恢复特征高度契合^[7]，因而被广泛应用于测度城市的生态韧性. 现有关于产业集聚环境效应的研究表明，产业集聚对环境污染的影响具有双重性与不确定性. 一方面，产业集聚可通过知识技术溢出、中间投入共享与劳动力蓄水池^[8] 3条路径对环境污染产生正向外部性. 然而，当集聚规模超出环境承载能力时，区域内资源与能源会因过度消耗产生拥挤效应^[9]，进而对环境污染产生负向外部性. 另一方面，产业集聚与环境污染之间的关联并非固定，从现有研究与实证来看，其关联形态主要包括倒“U”型^[10]、“N”型^[11]或倒“N”型^[12]. 但具体到制造业集聚与城市生态韧性之间关系的专门研究成果较少，绝大部分文献重点讨论了产业集聚对生态韧性某一方面的影响，如主要聚焦于制造业集聚对环境污染^[13]、生态效率及生态环境质量^[14]的直接影响，而较少直接探讨“生态韧性”这一综合目标. 然而，这些环境指标恰是生态韧性的关键表征，即：污染强度从抵抗力方面反映系统抵抗环境冲击的能力^[15]. 生态效率体现资源利用可持续性，推动产业结构绿色转型，关联长期适应力^{[11，16，17]}. 生态环境质量直接决定受损后的恢复速度，从恢复力方面反映生态韧性^[3]. 综合来看，制造业集聚通过规模效应、技术溢出以及结构效应等机制^[11，18]影响上述3个环境指标. 首先，初期集聚会加剧资源消耗与污染，但后期规模经济促进集中治污^[18]. 其次，当集聚效应大于拥挤效应时，能促进技术进步和污染治理成本降低^[19]，而技术溢出不足时，制造业集聚显著加剧环境污染^[20]. 最后，高集聚度可以推动产业升级，提升生态效率^[21]. 尽管当前仍只有少量文献直接探讨了制造业集聚对生态韧性的影响，且尚未达成一致的研究结论，但从生态韧性的视角拓展了产业集聚环境效应的研究范畴，为研究制造业集聚与生态韧性之间的关系提供了新的研究视角.

长江经济带作为我国区域协调发展的典范以及生态优先、绿色发展的主战场，对生态安全和生态文明建设具有至关重要的意义. 然而，随着城镇化的快速发展，建设用地扩张导致耕地、林地减少，土地资源短缺和污染问题突出^[22]. 长三角地区工业化消耗资源过度，生态赤字显著^[23]. 长江经济带上游地区的生态韧性水平高于中游和下游地区^[24]，中游因承接高污染工业转移，工业废水、废气排放量大，生态压力最大^[25]，下游高强度的经济发展和城市化进程导致污染排放增加、生态空间压缩及生态系统恢复能力下降. 在承接过程中，长江经济带不同区域的表现存在差异，如长江中游城市群依赖工业支撑，粗放式发展导致“生态显著受压”^[26]，长三角地区制造业集聚伴随高能耗、高排放，杭州和南京等城市生态韧性因工业化“降级”^[27]. 总的来说，制造业高度集聚一方面能够带来正向外部效应提升城市生态韧性，但同时也引发了资源消耗加剧、环境污染加深及生态破坏等降低生态韧性的问题，并且这些影响存在显著的空间分布差异^[28，29]. 因而，整个长江经济带制造业集聚与生态韧性关系仍待进一步探究，二者在流域上中下游的作用强度、空间异质性及动态演化规律的系统性解析仍待深入.

因此，本研究基于时空分析视角，突破传统“分区对比”的静态分析视角及方法，从时空双维度全面考察长江经济带制造业集聚对生态韧性影响的时空异质性特征. 具体来说，首先，在探索性空间数据分析方面，运用热点分析（Getis-Ord G_i^*）与双变量空间相关性方法识别变量的空间分布特征与空间集聚模式，为时空异质性建模分析提供直观和量化的前提基础. 然后，采用时空地理加权回归（geographically and temporally weighted regression，GTWR）模型定量分析各个城市历年制造业集聚对生态韧性影响的时空变化，并通过时空可视化呈现“强影响区”与“弱影响区”的时空演变规律. 这种时空双维度分析方法突破了传统研究的两大局限. 其一，时间上的静态性. 传统研究将集聚对生态韧性的影响认为是固定不变的，忽略了不同时期产业集聚对生态影响具有时间动态性变化特征. 其二，空间上的均质化. 传统研究利用全部样本量化产业集聚对生态韧性的影响认为是均值的，也就是估计系数固定不变. 从空间视角来看，长江经济带各个区域的制造业集聚和生态韧性水平呈现出显著的空间非均衡性特征，二者之间的关系也应具有空间异质性. 最后，基于时空异质性分析结果，融合“分类-统筹-协作”（classification-coordination-collaboration，3C）分析框架^[30]，为长江经济带不同区域制定差异化政策提供科学依据，避免“一刀切”式的管理措施，实现区域生态保护与制造业高质量发展的协同推进.

1 材料与方法 1.1 研究方法 1.1.1 制造业集聚水平指标测度

现有文献在对制造业集聚水平测度时大多采用行业集中度、区位商、赫芬达尔指数、Ellison-Glaeser指数和空间基尼系数等指标^[17，31]，以上指标可以在一定程度上反映中国制造业空间集聚程度的能力，但更多的是量化产值在地理上的相对集中，而无法体现出企业在地理空间上的集中. 因此，本文在考虑每年企业进入和退出等微观行为基础上，纳入地理空间和绝对规模两类信息利用基于熵权的综合评价方法，计算出历年各个城市的制造业集聚水平. 这种综合指标能够很好地综合反映产业集聚特征. 构造的制造业集聚指标的具体计算步骤如下所示：

首先，利用企查查APP数据库爬取全国工商企业注册数据并筛选出长江经济带工商企业登记信息，参考邵宜航等^[32]的研究，考虑企业存续期计算出每年累计的制造业企业存在数量. 其次，将所有制造业企业的行政区划编码以及地址信息对接百度地图API（Geocoding API），对每一个制造业企业进行地理编码得到WGS-84坐标，然后分别计算每个市级单元企业经度的变异系数（ $C V_{l o n g i t u d e}$ ）和纬度的变异系数（ $C V_{l a t i t u d e}$ ）. 最后利用上述变异系数构建如下空间集聚程度指标：

l n θ = - l n (C V_{l o n g i t u d e} \times C V_{l a t i t u d e})

(1)

式中， $θ$ 为空间集中程度指标， $l n θ$ 为以变异系数表征的制造业集聚水平.

式（1）构建的制造业集聚水平指标从空间离散性维度反映了制造业集聚的特征，式中， $θ$ 值越大，表明企业在该市域内的空间分布越集中；反之，则表明企业分布越分散，然而，其只描述了企业在地理空间上的集中趋势，却忽略了区域层面的企业集聚规模大小. 为了更全面、准确地反映制造业集聚水平，在上述步骤的基础上，对长江经济带110个城市的制造业企业数量分区汇总，得到每个城市每年所含制造业企业数量，然后确定各城市单位面积制造业企业数量（EPUA）. 最后，利用熵权法同时将企业在地理区位上的相对邻近和空间集聚规模大小纳入考量，对变异系数指标（ $l n θ$ ）与EPUA标准化后客观赋权，然后进行综合评价，最终测得制造业集聚综合水平（AGG），AGG值越大，代表该城市制造业集聚程度越高，反之越低.

1.1.2 生态韧性指标测度

本文参考初慧敏等^[15]、李燕凌等^[25]和楚尔鸣等^[33]的研究，构建了包含状态韧性指数（UESI）、压力韧性指数（UEPI）和响应韧性指数（UEMI）的二级指标体系，如表 1所示，参考姜磊等^[34]的做法，采用熵权方法进行赋权，最终测得生态韧性综合水平（ER），其数值越大代表城市生态韧性水平越高，反之，则越低.

表 1 生态韧性测度指标 Table 1 Indicators for measuring ecological resilience

压力韧性指数表征生态系统面临的外部干扰与胁迫，选取5项负向指标量化人类活动与环境压力. 其中，人均废水排放量、人均工业二氧化硫排放量、人均工业烟尘排放量和人均碳排放量聚焦工业污染与碳排放，反映经济活动对生态系统的直接压力. PM_2.5质量浓度平均值（μg·m^-3）是大气污染的核心指标，体现生态系统承受的环境质量压力.

状态韧性指数反映生态系统的基础条件与固有稳定性，通过4项正向指标刻画生态系统结构与服务功能. 其中，归一化植被指数用于监测植被生长及覆盖情况，揭示了生态系统中植被的整体状态. 建成区绿化覆盖率和人均公园绿地面积体现城市生态空间质量，是调节微气候、净化环境的重要基础. 人均建成区面积反映了城市土地利用效率，间接体现生态空间与建设空间的协调程度，根据空间承载力理论，人均建成区面积反映城市空间资源的分配效率，适度的人均建成区面积可以降低人口密度压力，避免过度拥挤导致的生态超载，同时，由生态-经济平衡理论可知，人均建成区面积较高，通常也意味着经济发展水平较高，其能为生态治理提供更多的财政和技术支持，综上，参考生延超等^[35]的研究将人均建成区面积处理为正向指标.

响应韧性指数可衡量生态系统应对干扰的主动调节与恢复能力，通过4项正向指标体现污染治理与资源循环能力. 其中，生活垃圾无害化处理率体现城市废弃物管理能力，是保障人居环境安全的关键环节. 工业二氧化硫去除量、污水处理厂集中处理率及工业固体废物综合利用率反映了工业污染末端治理效率与资源循环水平.

1.1.3 热点分析

热点分析是一种空间统计分析方法，主要用于发现数据中高值或低值在空间上的聚集区域. 其核心是通过计算Getis-Ord G_i^*统计量来实现，并能够衡量数据在空间上的分布特征. 本文采用Getis-Ord G_i^*方法分析变量冷、热点区的空间分布^[36]. 公式如下：

G_{i}^{*} = \frac{\sum_{j = 1}^{n} w_{i, j} x_{j} - \frac{\sum_{j = 1}^{n} x_{j}}{n} \sum_{j = 1}^{n} w_{i, j}}{\sqrt[]{\frac{\sum_{j = 1}^{n} x_{j}^{2}}{n} - \frac{{(\sum_{j = 1}^{n} x_{j})}^{2}}{n^{2}}} \sqrt[]{\frac{n \sum_{j = 1}^{n} w_{i, j}^{2} - {(\sum_{j = 1}^{n} w_{i, j})}^{2}}{n - 1}}}

(2)

式中， $x_{j}$ 为要素j的属性值， $w_{i, j}$ 为要素i和j之间的空间权重，n为要素总和.

1.1.4 双变量空间相关性

Lee's L统计量是双变量空间关联度量，用于衡量两个空间变量之间的关联性，同时考虑了点对点关联（数值协变）和空间关联（空间依赖）^[37]. 该方法不仅量化两个变量间的相关程度，还描述其空间聚集模式的相似性，取值介于-1~1之间.

全局Lee's L统计量计算公式：

L_{x, y} = \frac{\sum_{i} ({\tilde{x}}_{i} - \bar{x}) ({\tilde{y}}_{i} - \bar{y})}{\sqrt[]{\sum_{i} {(x_{i} - \bar{x})}^{2}} \sqrt[]{\sum_{i} {(y_{i} - \bar{y})}^{2}}}

(3)

{\tilde{x}}_{i} = \sum_{j} w_{i j} x_{j}, {\tilde{y}}_{i} = \sum_{j} w_{i j} y_{j}

(4)

式中， $\bar{x}$ 和 $\bar{y}$ 为所有输入要素的未加权平均值； $w_{i j}$ 为行标准化空间权重矩阵的元素； ${\tilde{x}}_{i}$ 和 ${\tilde{y}}_{i}$ 为邻域值的加权平均值，每个邻域的权重均已标准化为总和为1.

1.1.5 基准回归模型

构建基准回归模型来检验长江经济带制造业集聚对生态韧性的影响，模型如下所示：

E R_{i t} = α + β A G G_{i t} + \sum_{k = 1}^{m} γ_{k} X_{k i t} + μ_{i} + ε_{i t}

(5)

式中， $E R_{i t}$ 为第i城市在第t期的生态韧性综合水平； $A G G_{i t}$ 为核心解释变量，即第i个城市在第t期的制造业集聚水平；β为核心解释变量的待估计系数； $γ_{k}$ 为控制变量的回归系数； $X_{k i t}$ 为一系列外生控制变量，本研究选取6个变量，包括人口密度、产业结构、科技支出水平、环境规制、政府干预程度以及对外开放水平. α为常数项， $μ_{i}$ 为个体固定效应， $ε_{i t}$ 为随机误差项.

1.1.6 时空地理加权回归模型

在研究长江经济带制造业集聚对生态韧性的影响时，传统的线性回归模型通常假设解释变量与被解释变量之间的关系在空间和时间上是恒定不变的. 然而，在实际情况中，制造业集聚对生态韧性的影响可能会随空间位置和时间的变化而变化，即存在时空非平稳性. 因此研究采用GTWR模型进一步分析其时空分异特征^[38]. 构建公式如下：

E R_{i} = β_{0} (u_{i}, v_{i}, t_{i}) + \sum_{k} β_{k} (u_{i}, v_{i}, t_{i}) X_{k i} + ε_{i}

(6)

式中， $β_{0} (u_{i}, v_{i}, t_{i})$ 为回归常数， $(u_{i}, v_{i})$ 为第i个地区的地理坐标， $t_{i}$ 为第i个地区所处的时序， $X_{k i}$ 为第i个地区的第k个影响因素，包括制造业集聚与控制变量， $β_{k} (u_{i}, v_{i}, t_{i})$ 为第k个影响因素在第i个地区的回归参数， $ε_{i}$ 为随机误差项.

1.2 变量选择与数据来源 1.2.1 变量选择

本文以生态韧性水平为被解释变量，探究制造业集聚、人口密度、产业结构、科技支出水平、环境规制、政府干预程度以及对外开放水平与生态韧性之间的关系. 其中，制造业集聚水平（AGG）和生态韧性水平（ER）根据前文测算所得.

人口密度（PD）：人口密度增加会加剧资源消耗和生态压力，导致生态系统负荷增大. 高密度人口集聚会争夺生态资源，扩大居住和建设用地规模，从而降低城市生态韧性^[39，40]. 本文选择地区常住人口与城市面积之比来衡量.

产业结构（Indus）：第二产业比例过高会加剧资源消耗和污染排放，抑制生态韧性，而第三产业比例提升则通过优化资源利用和减少污染排放，正向促进生态韧性^[27，41]. 第三产业占比提高反映经济结构向技术/知识密集型转型，这种转型在环境规制驱动下，可以通过创新补偿效应提升资源生产率，显著降低单位GDP能耗与污染排放，从而增强生态效率^[42]. 本文采用第三产业增加值与地区生产总值之比来衡量产业结构.

科技支出水平（RD）：科技投入通过促进绿色技术创新和资源高效利用，提升生态韧性，但若偏向生产导向型技术，可能短期刺激能源消耗，抵消环境效益^{[39，40，43]}. 在部分研究中采用政府科学技术支出衡量科技投入. 然而，绝对金额指标难以有效衡量政府对科技的相对承诺和战略优先级，因此本文采用科学支出与政府一般财政支出之比来衡量.

环境规制（Eri）：严格的环境规制通过政策约束推动企业绿色转型，提升生态韧性，但若执行不力或过度，可能抑制企业创新活力，产生负面效应^[23]. 本文参考Chen等^[44]的研究，采用政府工作报告中与“环保”相关词汇数量进行衡量.

政府干预程度（Gov）：政府通过财政支出和环保投资直接提升生态韧性，但若偏向经济增长（如高污染产业补贴），可能加剧环境压力. 本文采用政府财政支出与地区生产总值之比来衡量政府干预程度.

对外开放水平（Open）：对外开放通过技术溢出和绿色外资引入提升生态韧性，但可能引入高污染产业（“污染避难所效应”），尤其在低环境标准区域^[39，41]. 对外开放水平采用实际使用外资金额来衡量.

主要变量的定义、单位及描述性统计如表 2所示.

表 2 研究中变量的定义、单位及描述性统计 Table 2 Definitions, units, and descriptive statistics for the variables in the research

1.2.2 数据来源

本文选取2005~2022年长江经济带110个城市的面板数据作为研究样本，时间跨度覆盖“十一五”至“十四五”规划时期，能够充分观察到长江经济带制造业集聚与生态韧性在国家大政方针指引下各自的变化趋势. 研究数据包括长江经济带制造业微观企业数据及社会经济数据. 社会经济数据来自《中国城市统计年鉴》《中国城市建设年鉴》、各省市统计年鉴以及中国经济社会大数据研究平台. 长江经济带制造业110个城市微观企业数据来源于全国工商企业注册信息，涵盖了制造业微观企业数、企业经营状态、企业注册地址、企业成立日期与核准日期等特征数据. 微观层面的企业数据可以被用来更加清晰地剖析现象背后的机制^[45]，本文基于制造业微观企业数据构造制造业集聚水平测度指标，能更加全面地反映长江经济带制造业集聚水平的变化情况. 部分变量数据缺失通过线性插值法填补.

2 结果与讨论 2.1 生态韧性与制造业集聚的时空分异特征分析 2.1.1 生态韧性的空间特征

按照长江经济带总体以及上、中、下游这3个区域分别画出生态韧性逐年变化趋势，以分析长江经济带生态韧性的变化趋势（图 1）.

图 1 2005~2022年长江经济带生态韧性得分变化趋势 Fig. 1 Trends in the scores of ecological resilience in the Yangtze River Economic Belt from 2005 to 2022

如图 1所示，2005~2022年长江经济带生态韧性呈显著上升趋势，各城市的均值由0.359增至0.497，增幅38.44%. 其中，2012~2013年出现短暂回落. 分区域看，下游韧性由0.376升至0.527，增幅40.16%，始终高于全体样本的均值. 中、上游水平相对较低，但分别提升34.44%与40.63%，且2013年开始上游韧性值首次并持续高于中游.

值得注意的是，2010~2013年间，上游生态韧性呈现出与中下游相反的变动趋势，具体分析期间各生态韧性测算指标后发现，上游人均建成区面积、PM_2.5质量浓度平均值以及生活垃圾无害化处理率指标综合得分均呈现先下降后上升的趋势，而中下游人均建成区面积指标综合得分先上升后下降，与上游出现相反的波动. 究其原因，一方面，上游因西部大开发初期城市快速扩张，人均建成区面积的上升导致生态空间压缩、韧性下降，2012年后生态红线政策收紧促使集约化发展，生态韧性水平指标得分回升. 另一方面，上游承接产业转移致PM_2.5不断上升，而随着淘汰高污染企业等环保整治措施的实施，空气质量得到显著改善. 同时，上游城镇化加速期暴露处理设施滞后问题，而2012年后中央转移支付倾斜实现反转，致使生活垃圾无害化处理率先降后升，因而，上游生态韧性呈现出先下降后上升的趋势. 期间，中下游则因城市群战略初期提升用地效率而改善，但2013年建设用地逼近承载力极限引发逆转，从而中下游生态韧性呈现出先上升后下降的趋势. 总的来看，三大区域生态韧性呈现下游高于中上游的态势，表明各地区存在不同程度的提升空间.

为了更显著地展示生态韧性的时空分异特征，选取2005年、2009年、2015年和2022年这4个时间节点，将生态韧性得分水平在地图上可视化展示（图 2）.

图 2 生态韧性得分的空间分布 Fig. 2 Spatial distribution of the scores of ecological resilience

如图 2所示，在样本期内，长江经济带生态韧性水平整体呈现出明显的逐年上升趋势. 具体来看，2005~2015年生态韧性水平有明显提高，该时间段属于政策框架构建与生态初步修复阶段. 以2016年的《长江经济带发展规划纲要》为标志，中央财政补偿生态功能区并启动专项治理，从而使得生态韧性稳定上升，2022年，长江经济带生态韧性状况普遍好转. 2015~2022年为精准修复与协同治理深化阶段，生态保护红线全面落地，“十年禁渔”强化约束，区域协作机制推动生态治理转向系统联动.

在空间上，下游长三角地区生态韧性水平整体优于中上游地区，其生态韧性呈现出“中间优-四周良”的分布特征，长江经济带生态韧性水平存在明显空间差异. 具体来看，下游地区包括杭州、南京和无锡等城市生态韧性水平在研究期间始终表现突出，其中上海和南京等中心城市的韧性水平长期处于高位且持续提升，周边城市如苏州和嘉兴等也呈现稳步上升态势. 中游城市群中，武汉、长沙和新余市生态韧性水平提升明显，到2022年已达到较高水平，其他城市生态韧性水平也有一定提升. 武汉和长沙作为中游核心城市，其生态韧性在2005~2022年从较低水平逐步提升至较高水平，反映了中游核心城市在生态治理和恢复方面取得了积极进展. 上游城市生态韧性水平整体提升，攀枝花、昆明和贵阳市等城市生态韧性水平相对较高，但毕节市生态韧性水平仍然较低. 昆明市和贵阳市借助良好的自然生态基础和持续的生态治理投入，韧性水平在研究期间稳步上升. 而毕节市由于经济发展水平相对较低、生态治理投入不足以及复杂的地理环境等因素制约，其生态韧性水平提升缓慢. 总体而言，生态韧性呈现出由“集中片状低韧性”向“分散点状高韧性”的转变. 2005年，生态韧性低水平区域主要集中在中上游的广大片状区域，而到2022年，高韧性区域在中上游的部分城市逐步出现并呈点状分布，下游地区则整体维持较高韧性且部分区域韧性进一步提高.

为了进一步量化分析生态韧性的聚集情况，使用热点分析方法分别对2005年、2009年、2015年以及2022年长江经济带110个城市的生态韧性进行分析，得到长江经济带生态韧性热点分析图（图 3）.

图 3 生态韧性热点分析结果 Fig. 3 Hotspots analysis results of ecological resilience

如图 3所示，2005年生态韧性热点区主要集中在长江经济带东部区域，主要为南京、嘉兴、合肥以及宣城等城市，呈现高值集聚. 同时，生态韧性冷点集中在宜宾、乐山、自贡、昭通和泸州市所围区域以及邵阳、永州以及宿迁市所构成的区域. 2009年，在长江经济带东部区域，衢州、苏州以及南通等是新增的热点，丽江以及攀枝花为西部新增热点区，冷点主要为宜宾及其邻近城市和荆门、荆州及常德等如图 3所示的连线城市. 2015年，生态韧性冷点主要分布在自贡、宜宾、荆州、常德、怀化、娄底以及邵阳市，热点同2015年相比，衢州和绍兴转变为不显著. 2022年，生态韧性变化热点主要集中在长江经济带东部城市，冷点为临沧、昭通、怀化、娄底、邵阳、永州以及衡阳市. 综合来看，2005~2022年生态韧性的冷热点在一定的范围内呈现出动态变化. 整体而言，热点随时间不断改变但是逐渐趋于稳定，主要集中在东部城市，冷点主要出现在中、西部地区. 并且，随着时间的推移，西部冷点显著减少，中部冷点城市先增加后减少. 上海、江苏和安徽等长三角地区城市一直是生态韧性的高值集聚中心.

2.1.2 制造业集聚的空间特征

综合考虑制造业集聚水平的变化，选取2005年、2009年、2015年和2022年这4个时间截面数据对制造业集聚水平进行可视化展示（图 4），以刻画长江经济带制造业集聚程度的时空分异特征.

图 4 制造业集聚水平的空间分布 Fig. 4 Spatial distribution of the scores of manufacturing agglomeration

如图 4所示，在时间维度上，2005~2022年间，长江经济带制造业集聚格局经历了显著的动态变化. 2005年，制造业集聚水平呈现出东部地区较高的态势，其中六安市、滁州、黄山和宣城等城市已具有一定的集聚基础. 2005~2015年，集聚水平呈现缓慢上升趋势. 东部地区依赖原有产业基础和政策红利，但2010年后环保压力增大，部分高耗能产业开始向中西部转移. 中西部地区通过《西部大开发指导意见》完善产业转移机制，但初期承接能力较弱. 随着时间推移，至2022年，东部部分城市的制造业集聚水平出现下降趋势，而中西部地区部分城市的集聚水平则有所上升. 例如，咸宁、黄冈、孝感、黄石、萍乡和湘潭等城市的制造业集聚水平逐渐提高. 其可能的原因为2016年后，长江经济带实施“共抓大保护”，沿江11省市编制产业准入负面清单，推动中西部承接绿色产业. 同时，2022年《关于促进制造业有序转移的指导意见》明确引导劳动密集型和技术密集型产业向中西部转移，强化区域分工. 值得关注的是，西部部分城市制造业集聚水平有所降低，制造业的集聚程度在空间上更集中于个别城市.

在空间维度上，长江经济带制造业集聚水平在中上游和下游地区呈现出明显的空间差异. 下游长三角地区的无锡市和上海市等城市，在整个研究时段内始终保持较高的制造业集聚水平，其可能原因主要有两个：一是政策引导下的产业升级与集群化发展，其依托国家级开发区和产业园重点布局高端制造业. 2016年，《长江经济带发展规划纲要》将其明确为“创新引领区”，强化了核心技术创新和全球资源配置能力. 二是绿色发展与环保促进产业升级，长三角地区严格实施环境准入负面清单，促进传统产业向绿色制造转型. 中游城市群以武汉为集聚中心，但整体集聚水平低于下游地区. 进一步分析发现，中游城市群集聚水平分化，主要由梯度转移与区域承接政策以及政府推动的产业协作机制驱动. 同时，中游地区依托交通枢纽和劳动力优势承接东部劳动密集型产业转移，并通过“产业链供应链对接合作模式”吸引龙头企业，中部地区利用“一核一弧”布局强化区域分工. 上游成渝经济区的成都市以及贵阳市等城市制造业聚集水平相对较高，然而，云南省内部分城市由于地理区位与基础设施等多方面因素的限制，其制造业集聚水平始终处于较低水平. 进一步聚焦于2015年，部分中西部城市制造业集聚水平相较于之前有所提高，这可能与国家产业政策的引导、基础设施的改善以及产业转移的承接有关. 与此同时，东部地区的池州与宣城等城市制造业集聚水平出现下降趋势，这反映了东部地区在产业升级过程中，部分传统产业向中西部地区转移的现象. 总体而言，长江经济带制造业集聚水平在空间上呈现出中下游地区水平相对较高、上游部分地区较低的“低-中-高”分布格局，但各地区内部也存在一定程度的差异和变化.

2.1.3 双变量的相关性检验

皮尔逊相关系数是衡量两个变量之间线性相关程度的重要方法，但其不能识别到数据集的空间分布方面，因此，在对双变量空间相关关系进行度量时，本研究采用双变量空间关联测度Lee's L统计量，这是因为其同时考虑了变量的数值关联和空间依赖性，可以捕捉两个变量之间的空间相关关系. 因此，本研究运用Lee's L统计量对制造业集聚与生态韧性的空间关联测度，结果如图 5所示.

图 5 制造业集聚水平与生态韧性相关性分析 Fig. 5 Correlation relationships between manufacturing agglomeration and ecological resilience

如图 5所示，皮尔逊相关系数显示，制造业集聚与生态韧性呈现正相关关系. 进一步计算Lee's L统计量，从而分析2005~2022年的生态韧性和制造业集聚水平的空间协同分布. 采用Queen邻接矩阵进行检验，结果显示，每一年的Lee's L统计量检验结果均在5%的水平下显著. 出于稳健性目的，采用k最近邻空间权重矩阵（k=5）重新进行检验，结果仍显示所有年份P值显著，其结果具有稳健性. 两种方法得到的Lee's L统计量值见图 5. 生态韧性与制造业集聚在2005~2022年间Lee's L统计量值均显著为正，表明制造业集聚与生态韧性在空间上呈现显著的正向协同集聚（高值区相邻高值区，低值区相邻低值区）. 图 5显示，2011~2013年间Lee's L统计量出现较大程度的下降，表明两者间的空间协同性减弱. 这是因为在此期间长江经济带承接大量沿海化工产业转移，“化工围江”问题严重，受绿色转型进程滞缓影响，企业为维系既有产能与市场份额，倾向于延续并强化高耗能、高排放的工艺路径，导致碳锁定效应加剧，对生态韧性造成影响，从而使生态韧性与制造业集聚水平的协同性下降. 平均而言，2005~2022年间Lee's L统计量值从2005年的0.17上升至2022年的0.23，表明两者之间的空间分布模式变得更加相似，呈现出协同发展趋势.

2.2 基准回归结果

在实证研究中，为探究制造业集聚与生态韧性之间的关系，综合运用了固定效应模型与逐步回归分析法，所得结果如表 3所示. 制造业集聚对生态韧性的回归系数显著为正，表明二者之间存在密切的正向关联. 首先，在结构效应方面，随着制造业集聚程度的提升，区域产业结构将逐步优化，粗放型、高污染企业被逐步淘汰或转移，环境友好的先进制造业与高端企业逐渐占据主导地位. 同时，集聚深化推动了制造业内部专业化分工，有助于淘汰高消耗、低产出的生产环节，从而降低整体生态负荷，增强生态韧性. 其次，在规模效应层面，制造业集聚形成规模经济，显著降低环境治理设施的建设和运营成本，有助于提升治理效率. 此外，产业集聚区可通过统一规划来建设共享型的环境基础设施，避免生态系统遭受因分散开发导致的伤害，从而增强区域整体生态韧性. 最后，从技术溢出效应来看，制造业集聚促进企业间的绿色技术与环境管理经验交流，推动知识溢出与绿色创新扩散，进而提升区域的绿色创新能力，强化生态系统的适应与恢复能力^[46，47]. 基于以上分析，可以得出结论：制造业集聚水平的提高在一定程度上能够促进生态韧性的提升，对生态环境的可持续发展具有重要意义.

表 3 基准回归结果 Table 3 Results of baseline models

此外，从回归结果可知，控制变量都通过了显著性的检验. 具体而言，人口密度对生态韧性影响为负，产业结构、对外开放水平、环境规制、政府干预程度以及科技支出水平对生态韧性的影响均为正，且均在5%的水平下显著. 其中，环境规制对生态韧性具有显著的正向影响. 一方面，严格的环境规制会增加企业污染成本，倒逼企业投入绿色技术研发，从而提升资源利用效率和污染处理能力. 另一方面，环境规制提高了污染行业准入门槛，淘汰高耗能、高污染企业，从而推动产业向低环境影响的绿色制造业转型，因此，环境规制的增加可以提高生态韧性. 产业结构对生态韧性影响为正，随着产业结构的提高，即服务业占比提高能直接降低区域单位GDP的能源消耗与污染排放，同时，服务业用地效率远高于工业，释放的土地可用于生态修复从而增强生态韧性. 科技的投入可以促进清洁能源、污染治理以及碳捕捉等核心技术突破，从而科技支出水平的提升有利于生态韧性的提高. 对外开放水平对生态韧性为正向影响，对外开放有助于吸引外资并引入绿色创新技术，在促进经济发展的同时提高生态韧性. 政府作为国家治理的核心主体，在保障社会公平与公共服务的过程中，通过对生态环境保护制定对应政策可以推动生态韧性持续提升. 人口密度对生态韧性的影响为负，人口高密度区域需大规模建设住房以及交通设施，从而侵占生态用地削弱生态系统完整性，并且人口聚集会导致生活污染集中释放，当超出环境自净能力阈值时就会破坏系统恢复力，降低生态韧性.

2.3 时空地理加权回归结果

运用GTWR模型分析制造业集聚及相关控制变量对生态韧性影响程度的时空演变特征，选取2005年、2009年、2015年和2022年对回归系数进行地图可视化展示（图 6）.

图 6 制造业集聚水平对生态韧性影响的估计系数 Fig. 6 Estimated coefficients for the impact of manufacturing agglomeration on ecological resilience

如图 6所示，2005~2022年期间制造业集聚水平对生态韧性的影响呈现出明显的时空分异特征. 整体上，制造业集聚可以提高生态韧性，且中下游区域提升作用更显著. 在时间维度上，2005年，上游云南和四川的部分城市的制造业集聚水平系数为负，中下游城市以及上游的重庆、达州和广安等城市的制造业集聚对生态韧性呈正向驱动，并且部分城市促进效应显著. 2005~2009年期间，制造业集聚边际贡献整体衰减，影响系数为负的城市数量扩张，浙江、安徽和江西的部分城市制造业集聚对生态韧性的影响由正向转变为负向. 这种转变可归因于当时以经济增长为核心的政策导向. 在产业集聚的初期，规模经济效应显著，资源配置效率随之提升. 然而，为推动经济发展，制造业集聚程度持续加深，“拥挤效应”日益凸显，从而制造业集聚对生态韧性产生负向影响. 2009~2015年期间衰减趋势延续，影响系数为负的城市进一步增多，影响系数普遍下降. 其可能原因为，制造业集聚水平持续上升引致污染排放总量超过区域生态承载阈值，从而影响生态韧性，加之地方政府GDP竞争导向弱化生态约束，共同导致集聚对韧性的提升作用系统性减弱. 值得关注的是，下游浙江及安徽的部分城市影响系数由负转正. 这表明在这一阶段，下游城市不断推动绿色技术创新并实现资源循环利用，从而推动了其影响系数的正向转变，使得制造业集聚成为推动绿色转型和提升生态韧性的重要力量. 2015~2022年期间，随着“生态优先、绿色发展”上升为区域核心战略，习近平总书记多次主持召开长江经济带发展座谈会，明确“把修复长江生态环境摆在压倒性位置”，环境规制强度与绿色转型激励同步提升，制造业集聚对生态韧性的正向效应随之增强. 具体来看，与2015年相比，约67.27%的城市其制造业集聚对生态韧性的影响系数呈上升态势.

在空间维度上，长江经济带上游地区制造业集聚对生态韧性的负向效应突出. 其原因为上游地区生态本底脆弱，制造业集聚带来的资源消耗与污染物排放等一旦超过当地环境承载阈值，就容易引发生态系统退化，进而恢复能力下降，生态韧性随之降低. 同时，基于不同年份的实证分析结果显示，长江经济带上游城市制造业集聚对生态韧性的平均回归系数显著低于中游与下游城市，中游城市回归系数平均值最高，呈现出明显的区域异质性. 其原因可能由以下3个方面造成. 第一，产业结构差异. 上游地区早期依赖资源禀赋发展重化工业，导致污染排放的“拥挤效应”突出，严重削弱生态韧性，后期虽推进生态治理，却受制于路径依赖与转型成本，从而制造业集聚对生态韧性的回归系数平均值为负. 中游地区则凭借区位优势，承接来自长三角的汽车、装备制造和电子信息等产业，2013年后，传统产业绿色化改造与新兴产业集聚共同促进了知识溢出与循环经济，显著提升了生态韧性，因而其回归系数平均值较高. 第二，环境规制与政府行为差异. 上游地区尽管环境规制相对比较严格，但由于生态环境本底较为敏感脆弱，制造业集聚发展对生态韧性的正向提升作用较小. 而中游地区则依托“中部崛起”与“长江中游城市群”建设，精准执行环境政策，完善环保设施，有力推动产业绿色转型. 第三，技术溢出效应区域分化明显. 上游地区人才和资本等创新要素不足，绿色技术能力薄弱. 下游地区的技术溢出因地理与产业条件限制，在上游转化效率较低. 而中游地区因邻近技术策源地、具备良好产业基础与教育资源，能高效吸收并本土化下游的绿色技术与管理经验，从而制造业集聚可以提高生态韧性. 综上，长江经济带上游城市负向效应突出，同时，由于生态环境本底、产业结构、环境规制执行力度及绿色技术溢出效应的差异，上游制造业集聚对生态韧性的影响较低，中游地区影响较高，表现出明显的区域梯度差异.

基于时空地理加权回归结果，绘制各控制变量随时间变化的箱线图，以探讨各个控制变量在时间上的演变特征（图 7）.

图 7 控制变量回归系数箱线图 Fig. 7 Boxplots of the estimated coefficients of control variables

如图 7所示，平均而言，对外开放水平、科技支出水平以及产业结构对生态韧性具有正向促进作用，而政府干预程度和人口密度对生态韧性的影响为负，环境规制对生态韧性的影响存在一定的波动性. 具体来看，对外开放水平回归系数值在2005~2015年间随时间先上升后下降，2015年后，其回归系数平均值维持在相对稳定的状态下，整体而言，研究期对外开放水平回归系数值为正，这表明对外开放水平的提升有利于生态韧性的提高. 科技支出水平回归系数箱线图显示，其回归系数平均值为正值且整个研究期较为稳定，其离散程度随时间不断减小，这表明随着科技支出水平的提升长江经济带生态韧性水平也随之上升，但随时间变化该上升程度逐渐减小. 产业结构回归系数平均值在整个研究期内先下降后上升，前期离散程度较大，2011年起，其离散程度逐渐减小，整个研究期内产业结构对生态韧性的影响系数为正，表明第三产业增加值占GDP比例的增加能显著提高生态韧性. 2005~2016年环境规制的回归系数值为正且呈现先上升后下降的态势，在该阶段环境规制对生态韧性为正向影响，到2017年回归系数平均值降为负值，2018~2022年间，环境规制回归系数平均值为负且相对稳定，这表明2017~2022年，其对生态韧性的影响以负向为主，在该阶段，环境规制强度的降低有利于生态韧性的提高. 政府干预水平的回归系数箱线图显示，2005~2012年政府干预程度对生态韧性的影响有正有负，表明不同年份不同地区由于政府干预程度的不同而对生态韧性呈现出不同的影响，到2013年，其回归系数值为负且呈现出下降趋势，表明该阶段政府干预程度的下降对生态韧性具有一定的提升作用. 人口密度回归系数箱线图显示，2005~2010年间，人口密度的回归系数平均值为负且维持在相对稳定的状态下，2010~2022年间，人口密度的回归系数呈下降趋势，同时，离散程度逐渐增大，其对生态韧性的影响为负，意味着人口的增长加剧资源消耗，导致生态退化，从而不利于生态韧性的提高.

3 政策建议

根据研究结果发现，长江经济带制造业集聚与生态韧性呈现显著的时空分异特征及协同集聚关系. 制造业集聚对生态韧性的影响具有时空异质性，且受环境规制、科技支出、产业结构、政府干预、人口密度及对外开放等多因素调控. 为协同推进长江经济带制造业高质量发展与生态韧性提升，本文融合3C分析框架构建“分区治理-系统升级-全域协作”的差异化政策体系，通过精准施策破解区域异质性矛盾、强化制度创新对冲集聚负外部性及深化跨域联动激活协同治理效能，最终实现经济-生态复合系统的协同可持续发展.

（1）在分区治理方面，依据区域差异与韧性水平实施差异化治理. 下游地区具有高制造业集聚与高生态韧性特征，应以绿色技术创新为驱动，加速制造业高端化与绿色化转型，规避因产业过度集聚引发的环境污染问题从而弱化生态韧性优势，同时针对生态韧性“中间优-四周良”的特征，积极推动下游各企业开展深度交流与合作，促进四周地区生态韧性向中心区域靠拢. 中游地区生态韧性持续提升，但制造业集聚分化，需进一步优化产业空间布局以平衡不同城市的产业发展动能，同步推进工业化与生态保护，实现经济与生态的协调发展. 上游地区制造业集聚水平低、生态敏感，应坚持生态优先，严格控制高污染、高耗能产业的准入，在生态承载能力范围内适度发展绿色产业，缩小与中下游地区的发展差距.

（2）有关系统升级方面，推动制造业转型升级与生态韧性整体提升. 制定长江经济带制造业发展负面清单，明确产业准入标准. 下游进一步推动制造业绿色升级，发展先进制造业. 中游强化环境风险联防联控，建立中游城市间大气、水污染联合监测与应急响应机制. 上游实施“负面清单+生态红线”的双重约束，严控高污染产业向上游转移. 同时，研究结果表明，制造业集聚水平对生态韧性的影响整体呈现“先降后升”的趋势，因此，应因时因地动态调整政策. 工业化快速推进期需加强环境规制与科技投入力度，缓解短期生态压力. 产业成熟期则应推动集群发展，促进技术溢出与知识共享，提升生态效益. 针对上游地区负向效应突出问题，应对上游地区实施更严格的环境监管与技术支持组合政策，探索建立生态产品价值实现机制. 同时，根据控制变量结果，改革地方考核体系以降低政府干预负面作用. 同时，通过城市空间规划与生态红线划定，限制高密度开发对生态空间的挤压.

（3）在提升全域协作方面，构建全域联动治理体系. 第一，建立上中下游协同机制. 下游地区向中上游提供绿色技术与资金支持. 中游地区对接下游的科技人才资源和上游的市场空间，建设区域性绿色金融中心与技术转移中心. 上游地区参与全域生态监测网络建设，共享生态数据. 第二，推动政策与市场协同发力. 建立流域内碳排放与排污权交易市场，引导制造业绿色转型. 同时，推广绿色债券以及生态补偿保险等绿色金融产品，使得社会资本进入环保领域. 最后，强化科技与人才协作. 联合高校与科研机构成立绿色制造创新联盟，攻关清洁生产与污染协同治理等共性技术，并建立人才交流机制，下游地区派遣技术团队支援中上游绿色升级，中上游地区人员到下游学习先进管理经验.

4 结论

（1）长江经济带制造业集聚水平总体上呈现“下游高、中游中、上游低”的格局，且随着时间的推移，制造业呈现出由东向西转移的趋势. 同时，生态韧性整体呈现出下游优于中上游的特征，并由“集中片状低韧性”向“分散点状高韧性”转变，表现出明显上升的趋势. 热点分析结果显示，长江经济带生态韧性高值区主要集中在东部城市，低值区主要集中在中、西部地区.

（2）制造业集聚对生态韧性的影响表现出显著的时空异质性. 双变量空间关联测度结果表明，制造业集聚与生态韧性在空间上呈现协同集聚特征. 时空地理加权回归结果进一步表明，从时间维度来看，制造业集聚对生态韧性的影响呈现明显的“先下降后上升”趋势. 从空间维度来看，上游地区制造业集聚对生态韧性负向效应显著，同时，中游回归系数平均值最高，这一差异可能与生态环境本底、产业结构、环境规制力度以及绿色技术溢出等因素密切相关. 总体而言，尽管存在区域差异与阶段性波动，制造业集聚对生态韧性仍以正向影响为主.

（3）在控制变量中，对外开放水平、科技支出水平以及产业结构对生态韧性具有正向提高作用，而政府干预程度和人口密度对生态韧性为反向抑制作用，环境规制对生态韧性的影响存在一定的波动性.

参考文献

[1]	Holling C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics, 1973, 4(1): 1-23. DOI:10.1146/annurev.es.04.110173.000245
[2]	修春亮, 魏冶, 王绮. 基于"规模—密度—形态"的大连市城市韧性评估[J]. 地理学报, 2018, 73(12): 2315-2328. Xiu C L, Wei Y, Wang Q. Evaluation of urban resilience of Dalian city based on the perspective of "size-density-morphology[J]. Acta Geographica Sinica, 2018, 73(12): 2315-2328.
[3]	王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报, 2021, 76(4): 973-991. Wang S J, Cui Z T, Lin J J, et al. Coupling relationship between urbanization and ecological resilience in the Pearl River Delta[J]. Acta Geographica Sinica, 2021, 76(4): 973-991.
[4]	夏楚瑜, 董照樱子, 陈彬. 城市生态韧性时空变化及情景模拟研究——以杭州市为例[J]. 生态学报, 2022, 42(1): 116-126. Xia C Y, Dong Z Y Z, Chen B. Spatio-temporal analysis and simulation of urban ecological resilience: a case study of Hangzhou[J]. Acta Ecologica Sinica, 2022, 42(1): 116-126.
[5]	李加林, 张旖芯, 张海涛, 等. 基于"潜力-弹性-稳定性"模型的温州市生态韧性时空变化及影响因素研究[J]. 生态学报, 2024, 44(8): 3253-3267. Li J L, Zhang Y X, Zhang H T, et al. The research of spatio-temporal characteristics and influence factors of Wenzhou ecological resilience based on the potential-elastic-stability model[J]. Acta Ecologica Sinica, 2024, 44(8): 3253-3267.
[6]	Zhang C G, Zhou Y J, Yin S G. Interaction mechanisms of urban ecosystem resilience based on pressure-state-response framework: a case study of the Yangtze River Delta[J]. Ecological Indicators, 2024, 166. DOI:10.1016/j.ecolind.2024.112263
[7]	Ruan J E, Chen Y B, Yang Z W. Assessment of temporal and spatial progress of urban resilience in Guangzhou under rainstorm scenarios[J]. International Journal of Disaster Risk Reduction, 2021, 66. DOI:10.1016/j.ijdrr.2021.102578
[8]	Ellison G, Glaeser E L, Kerr W R. What causes industry agglomeration? Evidence from coagglomeration patterns[J]. American Economic Review, 2010, 100(3): 1195-1213. DOI:10.1257/aer.100.3.1195
[9]	朱英明. 区域制造业规模经济、技术变化与全要素生产率——产业集聚的影响分析[J]. 数量经济技术经济研究, 2009, 26(10): 3-18. Zhu Y M. Scale economies, technical change and total factor productivity of regional manufacturing[J]. The Journal of Quantitative & Technical Economics, 2009, 26(10): 3-18.
[10]	Qin C, Lu D, Li Y F. Industrial agglomeration, environmental regulation, and regional environmental performance: direct and interactive effects[J]. Managerial and Decision Economics, 2024, 45(8): 5527-5540. DOI:10.1002/mde.4325
[11]	叶云岭, 吴传清, 周西一敏. 长江经济带制造业集聚对环境污染的门槛效应研究[J]. 长江流域资源与环境, 2022, 31(6): 1282-1292. Ye Y L, Wu C Q, Zhou X Y M. Threshold effect of manufacturing agglomeration on environmental pollution in Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2022, 31(6): 1282-1292.
[12]	曹杰, 林云. 我国制造业集聚与环境污染关系的实证研究[J]. 生态经济, 2016, 32(6): 82-87. Cao J, Lin Y. An empirical research on the relationship between Chinese manufacturing agglomeration and environmental Pollution[J]. Ecological Economy, 2016, 32(6): 82-87.
[13]	杨帆, 周沂, 贺灿飞. 产业组织、产业集聚与中国制造业产业污染[J]. 北京大学学报(自然科学版), 2016, 52(3): 563-573. Yang F, Zhou Y, He C F. Industrial organization, industrial agglomeration and Chinese manufacturing pollution[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2016, 52(3): 563-573.
[14]	赵政楠, 茹少峰, 薛飞. 黄河流域生态韧性的时空格局与分布动态演进——基于能值生态足迹模型的分析[J]. 中国人口·资源与环境, 2024, 34(8): 136-147. Zhao Z N, Ru S F, Xue F. Spatio⁃temporal pattern and dynamic evolution of ecological resilience in the Yellow River Basin: based on the analysis of emergy ecological footprint model[J]. China Population, Resources and Environment, 2024, 34(8): 136-147.
[15]	初慧敏, 贺山峰, 何佳临, 等. 基于PSR模型的黄河流域城市生态韧性时空分异特征研究[J]. 水土保持研究, 2025, 32(4): 396-404. Chu H M, He S F, He J L, et al. Research on the spatiotemporal differentiation characteristics of urban ecological resilience in the Yellow River Basin based on PSR model[J]. Research of Soil and Water Conservation, 2025, 32(4): 396-404.
[16]	Zheng J, Yuan B B, Wu J L, et al. The impact of manufacturing agglomeration on green development performance: evidence from the Yangtze River economic belt in China[J]. Journal of Cleaner Production, 2024, 471. DOI:10.1016/j.jclepro.2024.143407
[17]	原毅军, 谢荣辉. 产业集聚、技术创新与环境污染的内在联系[J]. 科学学研究, 2015, 33(9): 1340-1347. Yuan Y J, Xie R H. Empirical research on the relationship of industrial agglomeration, technological innovation and environmental pollution[J]. Studies in Science of Science, 2015, 33(9): 1340-1347.
[18]	Wu Z, Woo S H, Oh J H, et al. Temporal and spatial effects of manufacturing agglomeration on CO₂ emissions: evidence from South Korea[J]. Humanities and Social Sciences Communications, 2024, 11(1). DOI:10.1057/s41599-024-03287-9
[19]	徐胜, 刘月. 金融产业集聚对碳排放强度的影响路径——基于我国东部地区面板数据的实证分析[J]. 金融教学与研究, 2015(6): 14-21.
[20]	向阳, 罗胤晨, 于哲浩, 等. 城市制造业集聚演变及其对生态环境的影响研究——基于成渝地区双城经济圈的实证分析[J]. 调研世界, 2022(3): 20-29. Xiang Y, Luo Y C, Yu Z H, et al. Research on the evolution of urban manufacturing agglomeration and its impact on the ecological environment: an empirical analysis based on the Chengdu-Chongqing area double-city economic circle[J]. The World of Survey and Research, 2022(3): 20-29.
[21]	刘君. 制造业集聚、金融业集聚对绿色生态效率的影响研究[J]. 生态经济, 2023, 39(5): 111-117. Liu J. Research on the Impact of manufacturing agglomeration and financial industry agglomeration on green ecological efficiency[J]. Ecological Economy, 2023, 39(5): 111-117.
[22]	欧阳晓, 陈键, 魏晓, 等. 长江中游城市群生态韧性时空分异格局与演化机理[J]. 地理学报, 2025, 80(6): 1572-1584. Ouyang X, Chen J, Wei X, et al. Spatiotemporal differentiation and evolutionary mechanism of ecological resilience in the middle reaches of the Yangtze River urban agglomeration[J]. Acta Geographica Sinica, 2025, 80(6): 1572-1584.
[23]	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
[24]	Huang J, Zhong P S, Zhang J Z, et al. Spatial-temporal differentiation and driving factors of ecological resilience in the Yellow River Basin, China[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110763
[25]	李燕凌, 李民梁. 长江经济带新型城镇化与生态韧性: 耦合协调、时空格局及动态影响[J]. 长江流域资源与环境, 2024, 33(11): 2329-2341. Li Y L, Li M L. Coupling coordination, spatial-temporal patterns and dynamic impact of the new urbanization and ecological resilience in the Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2024, 33(11): 2329-2341.
[26]	Lee C C, Yan J Y, Li T. Ecological resilience of city clusters in the middle reaches of Yangtze river[J]. Journal of Cleaner Production, 2024, 443. DOI:10.1016/j.jclepro.2024.141082
[27]	陶洁怡, 董平, 陆玉麒. 长三角地区生态韧性时空变化及影响因素分析[J]. 长江流域资源与环境, 2022, 31(9): 1975-1987. Tao J Y, Dong P, Lu Y Q. Spatial-temporal analysis and influencing factors of ecological resilience in Yangtze River Delta[J]. Resources and Environment in the Yangtze Basin, 2022, 31(9): 1975-1987.
[28]	吴传清, 邓明亮. 长江经济带高耗能产业集聚特征及影响因素研究[J]. 科技进步与对策, 2018, 35(16): 67-74. Wu C Q, Deng M L. Agglomeration features and influencing factors of high energy-consuming industries in the Yangtze River economic belt[J]. Science & Technology Progress and Policy, 2018, 35(16): 67-74.
[29]	陈志远, 丁小珊, 韩冲, 等. 制造业集聚、污染关联机制与绿色发展实践路径——基于空间溢出模型的研究[J]. 统计研究, 2022, 39(9): 46-61. Chen Z Y, Ding X S, Han C, et al. Manufacturing agglomeration, pollution linkage mechanism and green development practical path: a study based on a spatial spillover model[J]. Statistical Research, 2022, 39(9): 46-61.
[30]	Fu B J, Zhang J Z, Wang S, et al. Classification⁃coordination⁃collaboration: a systems approach for advancing sustainable development goals[J]. National Science Review, 2020, 7(5): 838-840. DOI:10.1093/nsr/nwaa048
[31]	袁华锡, 刘耀彬, 胡森林, 等. 产业集聚加剧了环境污染吗?——基于外商直接投资视角[J]. 长江流域资源与环境, 2019, 28(4): 794-804. Yuan H X, Liu Y B, Hu S L, et al. Does industrial agglomeration aggravate environmental pollution: from a perspective of foreign direct investment[J]. Resources and Environment in the Yangtze Basin, 2019, 28(4): 794-804.
[32]	邵宜航, 李泽扬. 空间集聚、企业动态与经济增长: 基于中国制造业的分析[J]. 中国工业经济, 2017(2): 5-23. Shao Y H, Li Z Y. Spatial agglomeration, firm dynamics and economic growth: an analysis based on China's manufacturing industries[J]. China Industrial Economics, 2017(2): 5-23.
[33]	楚尔鸣, 孙红果, 李逸飞. 智慧城市建设对生态环境韧性的影响研究[J]. 管理学刊, 2023, 36(6): 21-37. Chu E M, Sun H G, Li Y F. Study on the impact of smart city construction on ecological environment resilience[J]. Journal of Management, 2023, 36(6): 21-37.
[34]	姜磊, 周海峰, 柏玲. 长江中游城市群经济-城市-社会-环境耦合度空间差异分析[J]. 长江流域资源与环境, 2017, 26(5): 649-656. Jiang L, Zhou H F, Bai L. Spatial differences in coupling degrees of economy, urbanization, social security and eco-environment in the middle reaches of Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2017, 26(5): 649-656.
[35]	生延超, 陈昕, 张永芳, 等. 生态韧性促进黄河流域经济高质量发展的机制[J]. 环境科学, 2026, 47(6): 4040-4051. Sheng Y C, Chen X, Zhang Y F, et al. Adaptation mechanism and strategy of ecological resilience and high-quality development in the Yellow River Basin[J]. Environmental Science, 2026, 47(6): 4040-4051. DOI:10.13227/j.hjkx.202503345
[36]	Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 1992, 24(3): 189-206. DOI:10.1111/j.1538-4632.1992.tb00261.x
[37]	Lee S I. Developing a bivariate spatial association measure: an integration of Pearson's r and Moran's I[J]. Journal of Geographical Systems, 2001, 3(4): 369-385. DOI:10.1007/s101090100064
[38]	Huang B, Wu B, Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science, 2010, 24(3): 383-401. DOI:10.1080/13658810802672469
[39]	鲁方圆, 张郴, 贾添羽, 等. 长江经济带城市生态韧性时空演化特征及其驱动机制[J]. 环境科学, 2025, 46(7): 4592-4601. Lu F Y, Zhang C, Jia T Y, et al. Spatio-temporal evolution characteristics and driving mechanisms of urban ecological resilience in the Yangtze River Economic Belt[J]. Environmental Science, 2025, 46(7): 4592-4601. DOI:10.13227/j.hjkx.202407165
[40]	吕添贵, 胡晗, 付舒斐, 等. 长三角地区城市生态韧性时空分异特征及影响因素[J]. 地域研究与开发, 2023, 42(1): 54-60. Lyu T G, Hu H, Fu S F, et al. Spatio-temporal differentiation and influencing factors of urban ecological resilience in the Yangtze River Delta[J]. Areal Research and Development, 2023, 42(1): 54-60.
[41]	周怡静, 张长淦, 尹上岗, 等. 长三角地区生态韧性抵抗——适应——恢复的耦合协调及影响机制[J]. 经济地理, 2025, 45(3): 160-170. Zhou Y J, Zhang C G, Yin S G, et al. Coupling coordination and influencing mechanisms of ecological resilience in the Yangtze River Delta Region: a resistance-adaptation-recovery framework[J]. Economic Geography, 2025, 45(3): 160-170.
[42]	Porter M E, van der Linde C. Toward a new conception of the environment-competitiveness relationship[J]. Journal of Economic Perspectives, 1995, 9(4): 97-118. DOI:10.1257/jep.9.4.97
[43]	Wang Z, Deng X Z, Wong C, et al. Learning urban resilience from a social-economic-ecological system perspective: a case study of Beijing from 1978 to 2015[J]. Journal of Cleaner Production, 2018, 183: 343-357. DOI:10.1016/j.jclepro.2018.02.128
[44]	Chen Z, Kahn M E, Liu Y, et al. The consequences of spatially differentiated water pollution regulation in China[J]. Journal of Environmental Economics and Management, 2018, 88: 468-485. DOI:10.1016/j.jeem.2018.01.010
[45]	罗知, 齐博成. 环境规制的产业转移升级效应与银行协同发展效应——来自长江流域水污染治理的证据[J]. 经济研究, 2021, 56(2): 174-189. Luo Z, Qi B C. The effects of environmental regulation on industrial transfer and upgrading and banking synergetic development-evidence from water pollution control in the Yangtze River Basin[J]. Economic Research Journal, 2021, 56(2): 174-189.
[46]	袁华锡, 封亦代, 余泳泽. 制造业集聚促进抑或阻碍绿色发展绩效?——来自长江经济带的证据[J]. 经济地理, 2022, 42(6): 121-131. Yuan H X, Feng Y D, Yu Y Z. Does manufacturing agglomeration promote or hinder green development performance? Evidence from the Yangtze River Economic Belt[J]. Economic Geography, 2022, 42(6): 121-131.
[47]	袁华锡, 封亦代, 罗翔勇, 等. 制造业集聚如何影响区域绿色发展福利?[J]. 中国人口·资源与环境, 2022, 32(5): 68-83. Yuan H X, Feng Y D, Luo X Y, et al. How does manufacturing agglomeration affect regional green development welfare?[J]. China Population, Resources and Environment, 2022, 32(5): 68-83.


环境科学 2026, Vol. 47 Issue (10): 7083-7097	PDF