سنجش از دور چراغ های شبانه مزیت قابل توجهی در کاوش در توسعه اقتصادی شهرها دارد. بر اساس داده‌های روشنایی شبانه، این مطالعه از تحلیل جهت فضایی، تحلیل داده‌های فضایی اکتشافی و تحلیل شبکه‌های اجتماعی برای کشف ویژگی‌های فضایی توسعه اقتصادی استفاده کرد و ساختارهای شبکه ارتباط اقتصادی را در متراکم‌های شهری در کریدور خشکی-دریای غربی جدید (NWLSC) تحلیل کرد. ) در غرب چین. نتایج نشان می‌دهد که الگوی فضایی تراکم شهری شیب شمالی تیانشان، تراکم شهری دشت گوانژونگ، و تجمع شهری لانژو-شینینگ کاهش یافته است، در حالی که سایر تجمعات شهری گسترش یافته‌اند. اقتصاد شهری تراکم شهری چنگدو-چونگ کینگ (CCUA) و تراکم شهری خلیج بیبو با توجه به تحلیل انتقال فضا-زمان LISA، که نشان‌دهنده وابستگی فضایی قوی بین شهرها در فضای محلی است، به‌طور چشمگیری متفاوت بود. در داخل تراکم های شهری، ارتباط اقتصادی بین شهرها به طور قابل توجهی افزایش یافت و شهرهای مرکزی در هسته اصلی شبکه قرار داشتند و به طور قابل توجهی بر دیگر شهرها تأثیر گذاشتند. در بین تراکم‌های شهری، ارتباطات اقتصادی بین تجمعات شهری همجوار در فضای جغرافیایی در طول دوره مورد مطالعه افزایش یافت. CCUA به تدریج به مرکز شبکه اقتصادی در NWLSC تبدیل شد. تراکم شبکه به طور مثبت بر ارتباطات اقتصادی تأثیر می گذارد. مرکزیت درجه، مرکزیت نزدیکی، و مرکزیت بین بودن به طور قابل توجهی ارتباطات اقتصادی بین تراکم های شهر را افزایش داد. نتیجه‌گیری و روش‌های این مطالعه می‌تواند به عنوان پشتیبان سیاست برای توسعه تعاونی تجمعات شهری در NWLSC به عنوان راهنمایی برای توسعه سایر مناطق توسعه‌نیافته اقتصادی در جهان باشد.

کلید واژه ها:

ارتباط اقتصادی ؛ تجمعات شهری ; چراغ های شب ; تحلیل شبکه های اجتماعی ; کریدور جدید غربی زمینی-دریایی

1. مقدمه

با پیشرفت مداوم در فناوری ها و سیستم های حمل و نقل، روابط اقتصادی بین شهرهای چین به طور فزاینده ای نزدیک می شود. یک شهر به عنوان مرکز اقتصادی و فرهنگی یک منطقه، در عین حال که با محصولات و خدمات جذب شده از طریق شبکه های اقتصادی به توسعه خود دامن می زند، به توسعه نواحی اطراف خود نیز انگیزه می بخشد .]. توسعه شهری به سرعت در منطقه غربی چین پیشرفت کرده است. اما به دلیل محدودیت در منابع طبیعی و حمل و نقل، همچنان مشکلاتی مانند توسعه کم و نامتوازن شهرنشینی وجود دارد. در حال حاضر تقویت ارتباط اقتصادی بین شهرها یک موضوع فوری است. دولت چین در سال 2019 راهبردی را برای کریدور خشکی-دریای غربی جدید (NWLSC) با هدف ترویج باز بودن به دنیای خارج و اجرای اقدامات مختلف برای ارتقای ارتباط اقتصادی بین شهری راه اندازی کرد [ 2 ، 3 ]. بنابراین، تجزیه و تحلیل کامل روند توسعه اقتصادی و ارتباطات اقتصادی بین شهری در منطقه غربی چین برای تحقیق بسیار مهم است.
به عنوان بخش مهمی از تحقیقات جغرافیایی، ارتباطات اقتصادی منطقه‌ای نه تنها تبادل منابع بین مکان‌های جغرافیایی مختلف را تسهیل می‌کند، بلکه ارتباطات و اشتراک اطلاعات و فناوری‌ها را نیز ارتقا می‌دهد [ 4 ]. در سال 1946، Zipf اولین کسی بود که مدل گرانش را در تحقیقات در مورد تعاملات منطقه ای معرفی کرد و مبنای نظری را برای مطالعه تعامل اقتصادی بین شهرها فراهم کرد [ 5 ]. بسیاری از محققان در مورد ارتباطات اقتصادی بین شهرها با بررسی زمینه هایی مانند نوآوری نظری، بهینه سازی مدل و تحلیل تجربی تحقیق کرده اند و به نتایج ثمربخشی دست یافته اند [ 6 ، 7 ، 8 ، 9 ، 10 .]. یه و همکاران [ 11 ] ساختار شبکه اقتصادی و قدرت تجمعات شهری را بر اساس روش‌های مدل گرانشی اصلاح‌شده و تحلیل شبکه‌های اجتماعی (SNA) تحلیل کرد. جین و همکاران [ 12 ] استان گوانگدونگ را به عنوان منطقه مورد مطالعه خود انتخاب کردند و از SNA و یک مدل اقتصادسنجی فضایی برای بررسی ساختار و عوامل مؤثر بر شبکه اقتصادی استفاده کردند. بر اساس داده های 500 شرکت برتر چین، ژائو و همکاران. [ 13 ] شبکه ارتباط اقتصادی شهری چین را تحلیل کرد و دریافت که شبکه شهری و اقتصاد تراکم تأثیر مثبتی بر رشد اقتصادی شهری دارد. در حال حاضر، تحقیقات در مورد ارتباطات اقتصادی بین شهرها عمدتاً بر اندازه گیری ارتباطات اقتصادی متمرکز است [ 14]، بهبود مدل جاذبه [ 15 ]، و کاوش مکانیسم های محرک [ 16 ]. با توسعه فناوری داده های بزرگ، داده های بزرگ از منابع متعدد از جمله تصاویر سنجش از راه دور نور شب (NTL)، جریان اطلاعات [ 17 ، 18 ]، جریان ترافیک [ 19 ، 20 ]، تحرک انسان [ 21 ] و غیره باز شده اند. جهت گیری های جدید برای تحقیق در مورد ارتباطات اقتصادی بین شهرها، که می تواند برای آشکارسازی دقیق مکانیسم های ذاتی مورد استفاده قرار گیرد. علاوه بر این، با افزایش تفاوت بین فعالیت های اقتصادی بین شهری و افزایش پیچیدگی ارتباطات اقتصادی بین موضوعات شهری، پژوهش در مورد ساختار فضایی پیوند اقتصادی [22 ] ابزار مهمی برای بررسی وضعیت موجود توسعه اقتصادی شده است. روش های تحقیق مانند مدل های گرانشی [ 23 ، 24 ]، مدل های پتانسیل [ 25 ]، شاخص های ساختار فضایی [ 26 ]، SNA [ 27 ، 28 ] و غیره به طور فزاینده ای در حال اتخاذ هستند.
با این حال، نارسایی هایی در انتخاب مناطق مورد مطالعه و کاربردهای داده در مطالعه ارتباطات اقتصادی وجود دارد. اول، تحقیقات فعلی در مورد ارتباط اقتصادی منطقه ای عمدتاً بر شهرها [ 12 ، 16 ]، در امتداد یک کمربند اقتصادی [ 29 ] و مناطق توسعه یافته [ 30 ] متمرکز است، در حالی که تحقیقات کمیاب به بحث در مورد تجمعات شهری و مناطق توسعه نیافته اقتصادی اختصاص دارد. در مراحل پیشرفته توسعه شهر، تراکم های شهری بالاترین شکل سازماندهی فضایی را نشان می دهند و تأثیر تشعشع محور واضحی بر شهرهای مجاور دارند [ 31 ].]. علاوه بر این، ظهور و رشد تجمعات شهری توسط ارتباطات بین شهری، همکاری و تقسیم کار تسهیل می شود [ 32 ]. در نتیجه تحلیل الگوهای توسعه اقتصادی و ارتباطات فضایی اقتصادی از دیدگاه تراکم‌های شهری از اهمیت قابل توجهی برخوردار است. دوم، مطالعات موجود در مورد ارتباط اقتصادی عمدتاً داده‌های شاخص واحدی مانند جمعیت یا تولید ناخالص داخلی را اتخاذ کرده‌اند که نمی‌تواند به طور عینی وضعیت واقعی را منعکس کند. ارتباطات اقتصادی بین مناطق پیچیده است و شامل کالا، نیروی کار، سرمایه، فناوری و اطلاعات است. علاوه بر این، مشکلاتی مانند مشکلات در دستیابی به داده های اجتماعی-اقتصادی از مناطق اداری سطح پایین و شهرهای توسعه نیافته وجود دارد که دامنه تحلیل های دقیق را محدود می کند.
از آنجایی که تغییرات در تصاویر NTL می تواند منعکس کننده حرکات در فعالیت های انسانی باشد، این دیدگاه جدیدی برای مطالعه فعالیت های اجتماعی ارائه می دهد. کرافت برای اولین بار تحقیقاتی را با استفاده از تصاویر NTL در سال 1978 توسعه داد [ 33 ]، و بسیاری از محققان داده های NTL را برای مطالعات در زمینه های مختلف به کار بردند. عینی بودن و پایداری این روش مشکل کالیبر آماری ناسازگار موجود در داده های آماری سنتی را حل کرده است. داده های NTL به طور گسترده در تجزیه و تحلیل ساختار فضایی [ 34 ، 35 ]، ارزیابی توسعه اقتصادی [ 36 ، 37 ]، نظارت بر محیط زیست [ 38 ] و برآورد جمعیت یک شهر [ 39 ، 40 ] استفاده شده است.]. مطالعات متعدد در حوزه ارزیابی اقتصادی رابطه معناداری را بین NTL و شاخص های اقتصادی مانند تولید ناخالص داخلی نشان داده است [ 41 ]. در مناطق دارای کمبود آماری، تخمین بر اساس NTL می تواند کیفیت داده های اجتماعی و اقتصادی را افزایش دهد. در حال حاضر، تصاویر NTL اغلب به عنوان معیاری برای سنجش فقر منطقه ای [ 42 ]، عدم تعادل توسعه اقتصادی شهر [ 43 ] و غیره استفاده می شود. Chen et al. [ 44 ] پتانسیل اقتصاد دیجیتال را با استفاده از داده های سنجش از راه دور NTL بررسی کرد. بر اساس داده های NTL، Cui و همکاران. [ 45] ویژگی های توسعه اقتصاد شبانه در چین را تحلیل کرد. علاوه بر این، تصاویر NTL به تدریج متنوع‌تر می‌شوند و با پیشرفت فناوری، از نظر وضوح تشعشع به طور قابل توجهی بهبود می‌یابند که می‌تواند فعالیت اقتصادی را با دقت بیشتری نشان دهد. با این حال، طبق بررسی ادبیات بالا، تعداد کمی از مطالعات از داده های NTL برای تجزیه و تحلیل ارتباطات اقتصادی شهری استفاده می کنند. بر اساس مزایای داده های NTL برای تجزیه و تحلیل فضایی، موضوع داده های از دست رفته ممکن است تا حدی در هنگام بررسی روندهای اقتصادی و ارتباطات بین تراکم های شهری حل شود و قابلیت اطمینان یافته های تحقیق افزایش یابد.
با پرداختن به محدودیت‌های تحقیقات قبلی در مورد ارتباطات اقتصادی، این مطالعه بر تجمعات شهری در NWLSC متمرکز شد، جایی که اقتصاد و شهرنشینی بیشتر شهرها نیاز به بهبود دارند و تقویت ارتباطات اقتصادی یک موضوع فوری است. ما روندهای تکاملی در توسعه اقتصادی تراکم‌های شهری و ویژگی‌های ساختاری فضایی شبکه اتصال اقتصادی را با استفاده از در دسترس بودن و عینیت داده‌های NTL تجزیه و تحلیل کردیم. هدف اصلی این مطالعه بررسی روند توسعه اقتصادی در مناطق توسعه نیافته اقتصادی چین و سپس تجزیه و تحلیل شبکه ارتباط اقتصادی و ساختار فضایی آن در داخل و بین تجمعات شهری است.

2. مواد و روشها

2.1. منطقه مطالعه

استراتژی NWLSC در مجموع 13 استان (مناطق و شهرداری های خودمختار) از جمله مغولستان داخلی، سین کیانگ، تبت، چینگهای، شانشی، نینگ شیا، یوننان، سیچوان، گانسو، گوانگشی، هاینان، و چونگ کینگ و همچنین شهر Zhanjiang، استان گوانگدونگین را پوشش می دهد. . این مکان ها از نظر توسعه اقتصادی و وقف منابع با یکدیگر تفاوت زیادی دارند. تا پایان سال 2020، این منطقه به تولید ناخالص داخلی 21.33 تریلیون یوان دست یافت و در مجموع جمعیت ساکن حدود 382 میلیون نفر داشت. NWLSC به طور ارگانیک “کمربند اقتصادی جاده ابریشم دریایی قرن بیست و یکم” و “کمربند اقتصادی جاده ابریشم” را به هم متصل می کند، که در ترویج توسعه با کیفیت بالا اقتصاد چین اهمیت زیادی دارند. با توجه به برنامه ریزی استراتژیک برای توسعه تجمعات شهری در چین، نه مجتمع شهری در NWLSC وجود دارد. ایجاد تراکم‌های شهری جریان سرمایه، لجستیک و سایر عوامل تولید را ارتقا می‌دهد و رشد شهرهای مجاور را تشدید می‌کند.جدول 1 و شکل 1 به ترتیب اطلاعات مربوط به تجمعات شهری و محل NWLSC را نشان می دهد.

2.2. منابع داده و پیش پردازش

داده های تحقیق این پژوهش شامل آمارهای اقتصادی، داده های NTL و داده های مرزهای اداری است. آمار اقتصادی از سالنامه آماری شهر چین به دست آمده است. داده های مرزهای اداری از مرکز داده برای منابع و علوم محیطی، آکادمی علوم چین است. این مطالعه از داده های سالانه NTL تولید شده توسط Chen و همکاران استفاده کرد. [ 46]. این مجموعه داده بر اساس تصاویر سنجش از دور DMSP/OLS و NPP/VIIRS تولید شده است که دقت و ثبات زمانی خوبی را نشان می‌دهد. ابتدا، داده های تصویر سنجش از دور با استفاده از مدل رمزگذار خودکار و یک مدل کالیبراسیون حسی متقابل پردازش شدند. سپس، یک سری زمانی طولانی از داده های نور شبانه با آموزش مدل به دست آمد. مجموعه داده داده های نور شبانه از سیستم مختصات WGS84 با وضوح فضایی 500 متر استفاده می کند. بر اساس این مجموعه داده، لی و همکاران. [ 47 ] ویژگی‌های تکامل شهرنشینی را در سه تجمع بزرگ شهری در چین تحلیل کرد.
با اشاره به مطالعات قبلی [ 48 ، 49 ]، شاخص NTL، که به عنوان مجموع تمام مقادیر پیکسل در یک منطقه از یک تصویر [ 50 ] تعریف می‌شود، برای توصیف توسعه اقتصادی در نظر گرفته می‌شود. ابتدا، تصاویر NTL را بر اساس داده‌های بردار مرز اداری توده‌های شهری برش دادیم. بر این اساس، تصویر NTL مجدداً طراحی و نمونه‌برداری شد. دوم، ما ارزش کل NTL را بر اساس مرزهای تقسیم اداری استخراج کردیم و از مجموع مقادیر DN در یک واحد سطح شهر استفاده کردیم.

2.3. روش شناسی

این مطالعه با ترکیب داده‌های نور شبانه و داده‌های آماری، ویژگی‌های تکاملی توسعه اقتصادی و روند هماهنگی اقتصادی تراکم‌های شهری را از دیدگاه‌های جهانی و خرد تحلیل می‌کند. چارچوب مطالعه ما در شکل 2 نشان داده شده است . اول، ما از تجزیه و تحلیل جهت، Moran’s I و انتقال فضا-زمان LISA برای تجزیه و تحلیل ویژگی های توسعه اقتصادی تراکم های شهری در NWLSC استفاده می کنیم. تحلیل جهت‌گیری می‌تواند جهت و مرکز توسعه اقتصادی را از منظری کلی نشان دهد. جهانی موران Iویژگی های تجمع فضایی توسعه اقتصادی را نشان می دهد. انتقال فضا-زمان LISA ویژگی های پویای توسعه اقتصادی را از دیدگاه محلی نشان می دهد. دوم، ما یک مدل گرانش اصلاح‌شده را با استفاده از آمار و داده‌های NTL برای ارزیابی ارتباطات اقتصادی درون و بین تراکم‌های شهری توسعه می‌دهیم. مدل گرانش اصلاح شده می تواند ویژگی های دقیق شدت اتصال اقتصادی و توسعه هماهنگ بین تراکم های شهری را نشان دهد. سوم، بر اساس شبکه اتصال اقتصادی ساخته شده، از تحلیل شبکه اجتماعی برای کشف ویژگی‌های ساختاری شبکه و تحلیل اثرات تابش فضایی شهرهای مرکزی استفاده می‌کنیم. چهارم، استفاده از هر دو دیدگاه شبکه فردی و کلی شبکه، ما از تجزیه و تحلیل رگرسیون برای بررسی چگونگی تأثیر ساختار شبکه بر قدرت اتصال اقتصادی استفاده می کنیم. این تحلیل به تدوین یک سیاست دقیق تر برای توسعه هماهنگ و با کیفیت کمک می کند.

2.3.1. تحلیل جهتی

تجزیه و تحلیل جهت می تواند توزیع فضایی و روند تغییر در عوامل تولید را توضیح دهد. با ترکیب مزایای تصاویر NTL برای انعکاس توسعه اقتصادی، از تحلیل جهتی برای بررسی روندهای اقتصادی در گستره فضایی و جهت فضایی [ 51 ، 52 ] و مکانیسم دینامیک فضایی استفاده می کنیم. محاسبه در رابطه (1) نشان داده شده است:

ایکستی=∑i = 1nنتیLمنایکسمن∑i = 1nنتیLمن; Yتی=∑i = 1nنتیLمنyمن∑i = 1nنتیLمنایکستی=∑من=1�نتی�منایکسمن∑من=1�نتی�من; �تی=∑من=1�نتی�من�من∑من=1�نتی�من

که در آن ( Xt , Yt ) مختصات گرانش اقتصادی در سال t را نشان می دهد . ( x i , y i ) نشان دهنده موقعیت مکانی شهر i است . NTL i نمایانگر شاخص NTL شهر i است . و n تعداد شهرها در تراکم شهری است.

2.3.2. تحلیل ناهمگونی روندهای اقتصادی

موران جهانی وابستگی و ناهمگونی را در توسعه اقتصادی تراکم‌های شهری از دیدگاهی کلی نشان می‌دهد [ 42 ، 53 ]. بر اساس شاخص NTL، ما ناهمگونی توسعه اقتصادی را بررسی می کنیم. محاسبه در رابطه (2) نشان داده شده است:

مo r an“من _=n∑i = 1n∑j = 1nwمن ج( نتیLمن–نتیL¯¯¯¯¯¯¯¯) ( نتیLj–نتیL¯¯¯¯¯¯¯¯)∑i = 1n( نتیLمن–نتیL¯¯¯¯¯¯¯¯)2(∑i = 1n∑j = 1nwمن ج)�����′��=�∑�=1�∑�=1��������−���¯����−���¯∑�=1�����−���¯2∑�=1�∑�=1����

که در آن W ij ماتریس وزن فضایی است. NTL i و NTL j به ترتیب شاخص NTL شهر i و j هستند. نتیL¯¯¯¯¯¯¯¯���¯مقدار میانگین شاخص NTL و n تعداد شهرها در تراکم شهری است.

2.3.3. تحلیل گذار فضا-زمان LISA

شاخص های محلی انجمن فضایی (LISA) برای بررسی پویایی های مکانی-زمانی توسعه اقتصادی استفاده می شود [ 54 ، 55 ]. تمایلات مکانی-زمانی توسعه اقتصادی تراکم های شهری که در مقیاس محلی در حال تکامل هستند را می توان با انتقال فضا-زمان LISA منعکس کرد [ 56 ، 57 ، 58 ]. بنابراین، ویژگی‌های توسعه اقتصادی تراکم‌های شهری را از منظر تغییرات پویای محلی بر اساس شاخص NTL مطالعه می‌کنیم. معادلات (3) و (4) به ترتیب محاسبه طول و انحنای مسیر را بیان می کنند:

د=n∑t = 1تی– 1د(Lمن ، تی،Li ، t + 1)∑i = 1n∑t = 1تی– 1د(Lمن ، تی،Li ، t + 1)�=�∑�=1�−1���,�,��,�+1∑�=1�∑�=1�−1���,�,��,�+1
f=∑t = 1تی– 1د(Lمن ، تی،Li ، t + 1)د(Lمن ، 1،Lمن ، تی)�=∑�=1�−1���,�,��,�+1���,1,��,تی

که در آن d مقدار طول مسیر را نشان می دهد. f نشان دهنده مقدار انحنای مسیر است. n تعداد واحدهای سطح استان است. T نشان دهنده مدت زمان مطالعه است. d ( L i,t , L i,t+1 ) فاصله ای است که شاخص NTL شهر i از زمان t به t + 1 در نمودار پراکندگی موران حرکت می کند. و d ( L i,t , L i,T ) فاصله ای است که شاخص NTL شهر i از زمان t به T در نمودار پراکندگی موران جابه جا می شود. به علاوه، هر چه d بیشتر باشد، تکامل پویای اقتصاد مهم تر است. هر چه f بیشتر باشد ، وابستگی اقتصادی تراکم شهری قوی تر است.

2.3.4. تحلیل ارتباطات اقتصادی

به دلیل تفاوت در وقف منابع، ارتباطات اقتصادی بین شهرها نامتعادل است. ما یک مدل گرانشی اصلاح شده برای محاسبه ارتباط اقتصادی بین شهرها بر اساس داده های NTL و داده های اقتصادی آماری [ 16 ، 59 ]، همانطور که در معادلات (5) و (6) نشان داده شده است، می سازیم. مدل گرانش اصلاح‌شده جهت‌گیری جریان عوامل اقتصادی بین شهرها را نشان می‌دهد:

سیمن ج=کمن جEمن×EjD2من جسیمن�=کمن��من×���من�2
کمن ج=نتیLمننتیLمن+ نتیLjکمن�=نتی�مننتی�من+نتی��

که در آن C ij ارتباط اقتصادی بین شهر i و j است. و E i و E j به ترتیب کیفیت توسعه اقتصادی شهر i و j هستند. NTL i و NTL j شاخص NTL شهر i و j هستند. k ij ضریب گرانشی اصلاح شده است. D ij نشان دهنده فاصله فضایی بین شهر i و j است. و C iکل ارتباط اقتصادی شهر i است.

کیفیت توسعه اقتصادی یک سیستم جامع با اجزای متنوع، متنوع و چند بعدی است [ 60 ]. رشد اقتصادی دیگر صرفاً به دنبال رشد تولید ناخالص داخلی و سایر شاخص های کلان اقتصادی نیست، بلکه نیازمند توسعه کارآمد، پایدار و پایدار است [ 61 ]. تنوع در توسعه اقتصادی و مقیاس اقتصادی شهرها در NWLSC وجود دارد. با اشاره به مطالعات کنگ و همکاران. [ 62 ] و گان و همکاران. [ 24 ]، ما ابعادی از سیستم شاخص کیفیت توسعه اقتصادی را بر اساس اصول علمی و سیستماتیک ساختیم. سیستم شاخص شامل مقیاس اقتصادی، سرزندگی اقتصادی، سطح درآمد ساکنان و درآمد و هزینه های مالی عمومی است.جدول 2 ). علاوه بر این، ما از روش آنتروپی برای محاسبه کیفیت توسعه اقتصادی استفاده می کنیم.
از روش آنتروپی برای تعیین وزن شاخص ها با تجزیه و تحلیل درجه همبستگی بین شاخص ها و سپس محاسبه سیستم جامع اقتصادی استفاده می شود [ 63 ]:

شاخص مثبت:

ایکس“من ج=ایکسمن ج– دقیقه (ایکسمن ج)حداکثر (ایکسمن ج) −دقیقه (ایکسمن ج)ایکسمن�”=ایکسمن�-دقیقهایکسمن�حداکثرایکسمن�-دقیقهایکسمن�

شاخص منفی:

ایکس“من ج=حداکثر (ایکسمن ج) –ایکسمن جحداکثر (ایکسمن ج) −دقیقه (ایکسمن ج)ایکسمن�”=حداکثرایکسمن�-ایکسمن�حداکثرایکسمن�-دقیقهایکسمن�

که در آن X ij مقدار شاخص j را در سال i نشان می دهد . max( x ij ) بیانگر حداکثر مقدار شاخص X ij است. min( x ij ) نشان دهنده حداقل مقدار X ij است. و ایکس“من جایکسمن�”مقدار استاندارد X ij است. سپس:

پ“من ج=( 1 +ایکسمن ج)∑i = 1n( 1 +ایکسمن ج)/پمن�”=1+ایکسمن�∑من=1�1+ایکسمن�
همن ج= –1ln m∑i = 1nپمن ج× ln (پمن ج)همن�=-1لوگاریتممتر∑من=1�پمن�×لوگاریتمپمن�

که در آن p ij وزن مقدار اندیکاتور j در سال i است و e ij نشان دهنده مقدار آنتروپی شاخص j در سال i است. سپس:

wمن ج=1- _همن ج∑j = 1متر( 1- _همن ج)�من�=1-همن�∑�=1متر1-همن�
Uمن ج=∑i = 1 ، j = 1n ، mایکس“من ج×wمن ج�من�=∑من=1،�=1�،مترایکسمن�”×�من�

که در آن w ij وزن شاخص j شهر i است و U ij نمره جامع سیستم است.

2.3.5. تحلیل ساختار شبکه اقتصادی
روش SNA می تواند ساختار فضایی یک شبکه را از منظر کلی و فردی آشکار کند [ 64 ]. فرمول ها و توضیح شاخص های مربوطه برای SNA در جدول 3 نشان داده شده است. این تحقیق با در نظر گرفتن شهرهای تجمعات شهری به عنوان گره های شبکه، ارتباط اقتصادی بین شهرها را به عنوان لبه های شبکه در نظر گرفته و جهت ارتباط اقتصادی را برای ایجاد یک شبکه ارتباطی اقتصادی شهری در نظر می گیرد. روش SNA برای کشف ویژگی‌های ساختار فضایی و قوانین تکاملی شبکه‌های اقتصادی اتخاذ شده است.
برای دستیابی به شناسایی گروهی شبکه‌های اقتصادی از رویکرد زیرگروه‌های انسجام در این مطالعه استفاده شده است. روابط واقعی یا احتمالی هر گره در شبکه توسط زیر گروه های انسجام آشکار می شود. اصطلاح “زیرگروه منسجم” به گروهی اشاره دارد که در آن روابط اقتصادی بین گره‌ها در شبکه به طور خاص ارتباط نزدیکی دارند [ 70 ].
ساختار هسته – لبه در این مطالعه برای تقسیم گره‌های شبکه اتصال اقتصادی استفاده شده است. گره های شبکه فضایی بر اساس ساختار هسته-لبه به بازیگران اصلی و بازیگران لبه تقسیم می شوند. بازیگران اصلی که به طور نزدیک به هم مرتبط هستند گروه های منسجمی را تشکیل می دهند، در حالی که بازیگران حاشیه ای کمتر مرتبط هستند [ 71 ].
2.3.6. تحلیل اثر ساختاری
عناصر متعددی بر رشد شبکه ارتباط اقتصادی تأثیر می گذارد. ما تأثیر ساختار شبکه بر اتصال اقتصادی را مورد بحث قرار می‌دهیم و بر ساختار کلی و فردی شبکه تمرکز می‌کنیم. در بررسی اثر ساختار شبکه کل، متغیر وابسته مقدار میانگین اتصال اقتصادی است و متغیرهای مستقل چگالی شبکه، سلسله مراتب شبکه و کارایی شبکه برای انجام تحلیل رگرسیون هستند. برای تحلیل اثر ساختارهای شبکه منفرد، اتصال اقتصادی متغیر وابسته و شاخص مرکزیت شبکه متغیر مستقل است.

3. نتایج

3.1. توزیع اقتصادی تراکم شهری

شکل 3تکامل الگوی فضایی اقتصادی تراکم‌های شهری در NWLSC بین سال‌های 2013 و 2019 را به تصویر می‌کشد. شهرهای اصلی هر تجمع شهری دارای شاخص NTL قابل‌توجهی هستند. در حالی که سایر تراکم‌های شهری دارای ساختار الگوی فضایی با مرکز استان در مرکز هستند، CCUA و BGUA دارای ساختار اقتصادی «تراکم دو هسته‌ای» هستند. مساحت بیضی انحراف استاندارد در CYUA، CCUA، CGUA، HEUA، BGUA و NYUA بالاتر بود، که نشان می‌دهد توسعه اقتصادی اثر تشعشعی را نشان می‌دهد و مقیاس اقتصادی رشد را به دست می‌آورد. مساحت بیضی انحراف استاندارد برای GPUA، TNUA و LXUA کمتر بود، که به این معنی است که تراکم اقتصادهای شهری افزایش یافته است. با در نظر گرفتن شکل بیضی انحراف معیار، HEUA، NYUA، TNUA و LXUA یک شکل مسطح نشان دادند. نشان دهنده توسعه اقتصادی است که به شکل کمربند رخ می دهد. از نظر توزیع فضایی اقتصادی، CCUA، CGUA، BGUA، LXUA، و TNUA دارای توزیع “شمال غربی-جنوب شرقی” بودند، در حالی که HEUA، NYUA، GPUA، و CYUA دارای توزیع “شمال شرقی-جنوب غربی” بودند.
طبق جدول 4 ، BGUA دارای حداکثر زاویه انحراف بود که از 112.25 تا 115.76 در جهت چرخش می چرخید. TNUA با چرخش شعاعی از 122.25 تا 122.13 دارای کمترین زاویه انحراف بود. گرانش اقتصادی هر تراکم شهری از سال 2013 تا 2019 در جهات مختلف تغییر کرد. در CYUA، HEUA، BGUA، NYUA و GPUA، مرکز ثقل اقتصادی به سمت جنوب غربی منتقل شد. گرانش اقتصادی CCUA، CGUA و LXUA به سمت شمال شرقی مهاجرت کرد، اما گرانش اقتصادی TNUA به سمت جنوب شرقی تغییر کرد. این نشان می دهد که مقیاس اقتصادی و ساختار اقتصادی تراکم های شهری با توسعه اقتصادی تغییر کرده است.

3.2. ناهمگونی اقتصادی تراکم های شهری

ارزش Moran’s I اقتصاد در تجمعات شهری در جدول 5 نشان داده شده است. ارزش Moran’s I به طور کلی هر سال تغییر می کند. نتایج Z-score و P -value نتوانستند آزمون معنی داری را قبول کنند، که نشان می دهد رشد اقتصادی تراکم های شهری به صورت تصادفی رخ می دهد. مقادیر I Moran برای CCUA و BGUA به طور مداوم مثبت است. ارزش I مورن HEUA در سال 2013 مثبت بود اما در سال 2016 و 2019 منفی بود. The Moran’s Iمقادیر CYUA، CGUA، CPUA، LXUA، NYUA و TNUA همگی منفی هستند. تجزیه و تحلیل کامل موارد فوق نشان می دهد که رشد اقتصادی هر تراکم شهری از نظر فضایی مستقل است و پیامدهای سرریز دارد.

3.3. انتقال فضا-زمان اقتصادی تراکم‌های شهری

شکل 4طول مسیر زمانی توسعه اقتصادی LISA در هر شهر را نشان می دهد. مقادیر کونمینگ، لینگائو و چنگ مای نسبتاً پایین است، که نشان می‌دهد ساختار فضایی توسعه اقتصادی پایدارتر است. Qinzhou، Xining، Nanning، Qingyang و Chongqing دارای ارزش های طولانی هستند، که نشان می دهد ساختارهای فضایی توسعه اقتصاد به طور چشمگیری تغییر کرده است. نسبت بالاتری از شهرهای با طول مسیر زمانی LISA بیشتر از 1 در CCUA و BGUA، نشان می‌دهد که الگوی توسعه اقتصادی الگوی قابل توجهی از تغییر را در طول زمان نشان می‌دهد. CCUA و BGUA تعداد شهرها و مقیاس اقتصادی بیشتری داشتند و حرکت عوامل تولید بین شهرها افزایش یافت. GPUA و HEUA کمترین درصد شهرهایی را با طول مسیر زمانی LISA بیشتر از 1 داشتند.
شکل 5 انحنای مسیر زمانی LISA توسعه اقتصادی در هر شهر را نشان می دهد. هر شهر دارای مقدار انحنای مسیر زمانی LISA بیشتر از 1 بود که نشان دهنده وابستگی جغرافیایی قابل توجهی به توسعه اقتصادی است. در کونمینگ، بایین، آنشون و شینینگ، مقادیر بالاتری دیده می‌شود که نشان‌دهنده یک تغییر پویای قابل توجه و ارتباط بین این شهرها و شهرهای اطراف است. نانینگ، کوینژو و چانگجی همگی نمرات پایین تری داشتند که نشان می دهد اتکای فضایی به توسعه اقتصادی شهرها به طور کلی پایدار است. علاوه بر این، میانگین مقادیر انحنای CYUA و LXUA بالاترین و ارتباطات متقابل بین توسعه اقتصادی شهرهای آنها قوی‌ترین بود.

3.4. پیوند اقتصادی تراکم های شهری

شکل 6 شبکه توپولوژیکی ارتباطات اقتصادی بین شهرها را در هر خوشه شهر در سال های 2013 و 2019 نشان می دهد. ما از رنگ های مختلف برای نمایش تقسیم زیر گروه های منسجم در شبکه اقتصادی استفاده می کنیم، اندازه گره ها برای منعکس کننده اندازه ارتباط اقتصادی کلی. و ضخامت فلش ها برای نشان دادن قدرت اتصال اقتصادی.
به طور کلی، بین سال های 2013 و 2019، رشد قابل توجهی در ارتباط اقتصادی بین تراکم های شهری وجود داشت. شبکه ارتباطات اقتصادی همچنان عمیق‌تر و پیچیده‌تر می‌شود، که نشان می‌دهد شهرها عوامل تولید بیشتری را مبادله می‌کنند و به شیوه‌ای هماهنگ‌تر توسعه می‌یابند. از نظر جغرافیایی، ارتباطات اقتصادی بین شهرهای مرکز و همسایگان آنها قوی تر از ارتباطات بین شهرهای حاشیه تراکم شهری بود. CCUA یک مرکز شبکه ارتباط اقتصادی در چنگدو و چونگ کینگ، BGUA یک مرکز در Zhanjiang و Nanning، و GPUA یک مرکز در Xining و Lanzhou ساخته است. ساختار شبکه فضایی “دو هسته ای” توسط شبکه های اقتصادی پیچیده تر CCUA، BGUA و GPUA به طور خاص شکل می گیرد. علاوه بر این، عدم تعادل ارتباط اقتصادی بین شهرها آشکار است. از منظر ارتباط کل اقتصادی، تبادل عناصر اقتصادی بین شهرها از سال 2013 تا 2019 نزدیک‌تر شد و شهرهای مرکزی هر یک از تراکم‌های شهری ارتباط اقتصادی کل بسیار بالاتری را نسبت به سایر شهرها حفظ کردند. با توجه به زیر گروه های منسجم شبکه اقتصادی، هر تراکم شهری تعداد تقریباً ثابتی از زیر گروه های منسجم داشت، اما ترکیب آنها بسیار متفاوت بود. شهرهایی که از نظر فضایی نزدیک‌تر هستند، بیشتر احتمال دارد که یک زیر گروه منسجم را تشکیل دهند، که نشان‌دهنده ارتباط اقتصادی قوی‌تر بین آنهاست. به ویژه، در سال 2013، BGUA دارای چهار زیر گروه منسجم، CCUA دارای سه، و GPUA، LXUA، و CGUA هر کدام دارای دو گروه بودند. تعداد زیرگروه منسجم LXUA در سال 2019 به سه افزایش یافت. در حالی که تعداد زیر گروه های منسجم CYUA به دو کاهش یافت. بر اساس تحلیل فوق، افزایش ارتباط اقتصادی بین شهرها، زیرگروه های منسجم شبکه اقتصادی را منطقی تر کرده است.

3.5. ویژگی های ساختاری شبکه تراکم های شهری

3.5.1. تراکم شبکه اتصال اقتصادی

جدول 6 تراکم شبکه ارتباط اقتصادی در توده های شهری را نشان می دهد. در هر تراکم شهری، تراکم شبکه اقتصادی به طور قابل توجهی افزایش یافت. با این حال، تراکم کلی شبکه همچنان کم بود، که نشان می‌دهد هنوز پتانسیل بهبود در ساختار شبکه اتصال اقتصادی وجود دارد. CCUA بالاترین تراکم شبکه را در سال‌های 2013 و 2019 دارد. تراکم شبکه در رتبه بعدی در BGUA و GPUA قرار داشت. TNUA به دلیل محیط طبیعی ضعیف و دسترسی محدود، کمترین تراکم شبکه اقتصادی را داشت. تراکم شبکه های اقتصادی در توده های شهری نیز عدم تعادل قابل توجهی را نشان می دهد، که یک مشکل جدی است که نیاز به توجه دارد.
3.5.2. درجه مرکزیت ارتباط اقتصادی
شکل 7درجه مرکزیت شبکه های اقتصادی در توده های شهری را نشان می دهد. به طور کلی، تغییر قابل توجهی در مرکز درجه شهرها وجود دارد. در شهرهای مرکزی افزایش برون درجه و بین مدرک مشاهده شد. شهرهایی با تراکم جمعیت بیشتر و موقعیت‌های جغرافیایی بهتر تمایل به مرکزیت بالاتری دارند که نشان می‌دهد آنها در هسته شبکه قرار دارند و ارتباطات نزدیک‌تری با شهرهای مجاور دارند. به ویژه، چنگدو و چونگ کینگ دارای بالاترین درجه مرکزیت و عملکرد به عنوان گره های تابشی و ارتباطی در شبکه بودند. شهرهای مرکزی درجه پایین پتانسیل محدودی برای جذب اقتصادی و تشعشع داشتند و اغلب در حاشیه تجمعات شهری قرار داشتند. برای بهبود ساختار شبکه اقتصادی و دستیابی به توسعه هماهنگ،
3.5.3. نزدیکی مرکزیت ارتباط اقتصادی
مرکزیت نزدیک شبکه های اقتصادی در توده های شهری در شکل 8 نشان داده شده است. به طور کلی، تغییر در مرکزیت نزدیکی بین شهرها متفاوت بود، با تجمعات شهری شامل شهرهای بیشتری افزایش قابل توجهی را نشان دادند. شهرهای مرکزی از مرکزیت نزدیکی بالاتری برخوردار بودند، در حالی که شهرهای حاشیه ای تراکم های شهری از مرکزیت نزدیکی کمتری برخوردار بودند. از یک سو، شهرهای مرکزی در تراکم‌های شهری دارای همکاری اقتصادی بهتر و مرکزیت نزدیک‌تر در شبکه بودند. از سوی دیگر، قابلیت همکاری اقتصادی بین شهرها در شهرهایی که در حاشیه تراکم‌های شهری قرار دارند و استقلال اقتصادی ضعیف‌تری در رشد دارند ضعیف‌تر بود. علاوه بر این، مرکزیت نزدیکی به وضوح از تعادل خارج بود، که در سال 2019 بیشتر برجسته شد.
3.5.4. بین مرکزیت ارتباط اقتصادی
جدول 7تکامل مرکزیت بین شهرها را بزرگتر از صفر نشان می دهد. ارزش‌های بالای مرکزیت بین‌المللی در شهرهای مرکزی تراکم‌های شهری متمرکز شده‌اند که از منظر مرکزیت بین‌المللی نقش اصلی را در شبکه اقتصادی بازی می‌کنند. مرکزیت میانی پایین‌تر، شهرهای خارج از تجمعات شهری را از عملکرد به عنوان اتصالات میانی در شبکه اقتصادی محدود می‌کند. در تراکم‌های شهری با تعداد شهرها و اندازه کلی بالاتر، مرکزیت بین‌المللی قابل توجه است. دلیل اصلی این امر پیچیدگی شبکه است و شهرهای گره اصلی در انتقال منابع اقتصادی نقش دارند. علاوه بر این، اختلاف در مرکزیت به سرعت در حال افزایش است. مرکزیت کم بین برخی از شهرها به عنوان مانعی برای افزایش مقیاس اقتصادی عمل می کند.
3.5.5. ساختار هسته-لبه ارتباط اقتصادی
ساختار هسته-لبه شبکه اتصال اقتصادی در هر تراکم شهری در شکل 9 نشان داده شده است.. ساختارهای هسته-لبه NYUA و HEUA بدون تغییر باقی ماندند. از یک سو، به دلیل تعداد کم شهرها، شبکه واحدی از ارتباطات اقتصادی وجود داشت. از سوی دیگر، NYUA و HEUA منابع مالی کمی و حمل و نقل ضعیف دارند. الگویی متشکل از افزایش سطح هسته و انقباضات ناحیه لبه در ساختارهای هسته-لبه BGUA، CCUA، CYUA، GPUA، LXUA، CGUA و TNUA آشکار است. با توجه به تجزیه و تحلیل نواحی هسته و لبه در شبکه‌ها، ناحیه هسته عمدتاً در شهرهایی با سطح توسعه بالا، حمل‌ونقل راحت و فاکتورهای موقعیت مکانی سودمند متمرکز است. شهرها در حاشیه تجمعات شهری به مناطق لبه شبکه تبدیل می شوند.
3.5.6. حفره ساختاری ارتباط اقتصادی
ما اندازه موثر شبکه اتصال اقتصادی را با استفاده از تحلیل حفره سازه محاسبه کردیم ( شکل 10). اندازه واقعی هر شهر افزایش قابل توجهی را تجربه کرد. مقادیر بالای اندازه موثر در شهرهای مرکزی متمرکز بود که قدرت و کنترل بیشتری بر شهرهای دیگر دارند و در نزدیکی هسته شبکه قرار دارند. این امر از برجستگی شهرهای مرکزی در شبکه اقتصادی حمایت می کند. مقادیر کم اندازه موثر در درجه اول در نزدیکی حاشیه تجمعات شهری مشاهده شد. این بیشتر به دلیل توسعه اقتصادی پایین شهرهای پیرامونی است که اغلب آنها را خارج از حاشیه شبکه اقتصادی نگه می دارد. بالاترین اندازه موثر در CCUA برای چنگدو و چونگ کینگ مشاهده شد، که نشان می‌دهد آنها مزیت حفره‌های ساختاری آشکارتری در شبکه اقتصادی دارند.
شکل 11کارایی شبکه های اتصال اقتصادی در توده های شهری را نشان می دهد. یک سوراخ ساختاری نشانه افزایش کارایی است، افراد به طور مؤثرتری عمل می کنند و تأثیر بیشتری بر سایر اعضای شبکه دارند. شهرهای مرکزی در تراکم‌های شهری، که توانایی بالاتری برای نفوذ و کنترل شهرهای مجاور دارند، در کارایی بالا متمرکز هستند. به عنوان مثال، Zhanjiang و Nanning در BGUA، Chengdu، Chongqing در CCUA، و Xi’an در GPUA. آنها به دلیل موقعیت جغرافیایی، در دسترس بودن منابع و مزایای دیگر، کارایی بالایی دارند. علاوه بر این، در طول دوره مطالعه، کارایی Tianshui، Qingyang، Linfen و Pingliang در GPUA همیشه 0 بود. این در درجه اول به دلیل مقیاس اقتصادی محدود و ناتوانی آنها در تأثیرگذاری و کنترل مؤثر بر شهرهای اطراف است.

3.6. ارتباطات اقتصادی بین تراکم های شهری

3.6.1. تکامل ارتباط اقتصادی

شبکه توپولوژیکی ارتباطات اقتصادی بین تجمعات شهری در NWLSC در شکل 12 نشان داده شده است.. بدیهی است که در طول دوره مطالعه، شبکه‌ها پیچیده‌تر شدند و ارتباطات اقتصادی بین تجمعات شهری تقویت شد. شبکه ارتباط اقتصادی در سال 2019 ویژگی های سلسله مراتبی را نشان داد. CCUA، CGUA، CYUA و GPUA یک شبکه ارتباط اقتصادی سطح بالا و LXUA، NYUA، HEUA، TNUA و BGUA یک شبکه ارتباط اقتصادی سطح متوسط ​​را تشکیل می دهند. CCUA به یک گره اصلی از شبکه جغرافیایی پیوند اقتصادی تبدیل می شود و یک شبکه فضایی شعاعی را با تجمعات شهری مجاور تشکیل می دهد. علاوه بر این، عدم تعادل ارتباط اقتصادی افزایش یافته است، که نشان می‌دهد تجمعات شهری مرکزی ارتباط اقتصادی بسیار قوی‌تری نسبت به تجمعات شهری پیرامونی دارند. با توجه به اینکه فاصله فضایی بین تجمعات شهری پیرامونی و سایرین بیشتر است،
3.6.2. زیرگروه های منسجم پیوند اقتصادی
شکل 13زیرگروه های منسجم شبکه ارتباط اقتصادی بین تراکم های شهری را نشان می دهد. در طول دوره مطالعه، تجمعات شهری یک پدیده تراکم واضح را به نمایش گذاشتند و ویژگی های مجاورت جغرافیایی خاصی را در NWLSC به نمایش گذاشتند. تعداد زیرگروه های منسجم اولیه و ثانویه نسبتاً ثابت باقی ماند، اما ترکیب اعضای داخلی به طور چشمگیری تغییر کرد. از تقسیم زیر گروه های منسجم اولیه، پنج زیر گروه منسجم بزرگتر در سال های 2013 و 2016 ایجاد شد و شش زیر گروه منسجم بزرگتر در سال 2019 تشکیل شد. برای تشکیل گروه های منطقه ای جدید، زیرگروه های منسجم منفرد به تدریج با سایر زیر گروه های منسجم ترکیب می شوند. زیر گروه های بزرگتر به زیر گروه های کوچکتر تقسیم می شوند. از تقسیم زیر گروه‌های منسجم ثانویه، تعداد زیر گروه‌ها از شش در سال‌های 2013 و 2016 به پنج زیرگروه در سال 2019 کاهش یافت. تعداد بسیار کمتری از زیرگروه های منفرد وجود داشت که منجر به تشکیل زیر گروه های گروه منطقه ای شد. برای مثال، CCUA و CGUA از نظر جغرافیایی نزدیک هستند، ارتباط اقتصادی بیشتری دارند و تعاملات اقتصادی بین منطقه‌ای منظم‌تری دارند و تشکیل یک زیر گروه را آسان‌تر می‌کنند. تراکم شبکه زیرگروه های منسجم ثانویه نشان دهنده افزایش کلی است. علاوه بر این، تراکم شبکه زیر گروه‌های تجمعی ناهموار بود.جدول 8 نشان می دهد که چگالی شبکه زیرگروه های منسجم معمولاً 1 است در حالی که تراکم زیرگروه های دیگر 0 است.

3.7. اثر ساختاری شبکه تجمعات شهری

3.7.1. اثر کلی ساختار شبکه

با در نظر گرفتن مقدار میانگین t قدرت اتصال اقتصادی بین تراکم های شهری به عنوان متغیر توضیح داده شده و چگالی شبکه، کارایی شبکه و سلسله مراتب شبکه به عنوان متغیر توضیحی، از تحلیل رگرسیون برای ارزیابی اثر ساختار شبکه استفاده کردیم ( جدول 9 ). برخلاف ضریب چگالی شبکه که در سطح 10 درصد معنی دار بود، ضریب کارایی شبکه در سطح 5 درصد معنی دار بود. چگالی و کارایی شبکه اثرات برازش بسیار خوبی دارند و مقادیر R 2 هر دو بالاتر از 0.98 هستند.
تراکم شبکه و ضرایب رگرسیون بازده شبکه به ترتیب 1.009 و -0.979 هستند، که نشان می دهد که چگالی و کارایی شبکه می تواند با افزایش تراکم شبکه و کاهش کارایی شبکه، ارتباطات اقتصادی بین تجمعات شهری در NWLSC را تقویت کند. اول، تراکم شبکه بالاتر نشان دهنده افزایش ارتباطات اقتصادی بین تجمعات شهری است. توسعه تجمعات شهری در حاشیه توسط آنهایی که در هسته شبکه اقتصادی قرار دارند حمایت می شود، که همکاری اقتصادی بین شهری را افزایش می دهد. دوم، با کاهش بهره وری شبکه، اتصالات بیشتر کاربردی می شوند، که به طور قابل توجهی ارتباط اقتصادی بین تجمعات شهری را بهبود می بخشد.
3.7.2. اثر ساختار شبکه فردی
ما از قدرت اتصال اقتصادی هر تراکم شهری در NWLSC به عنوان متغیر توضیح داده شده و متغیرهای توضیحی مانند مرکزیت درجه، مرکزیت نزدیکی، مرکزیت بین، مقیاس مؤثر و کارایی سوراخ ساختاری برای ساخت یک مدل پانل برای تحلیل رگرسیون استفاده کردیم ( جدول 10). ). مدل های (1) و (2) آزمون سطح معنی داری 1 درصد، مدل (3) آزمون سطح معنی داری 5 درصد و مدل (4) آزمون سطح معناداری 10 درصد را پاس می کند.
همانطور که در جدول 9 نشان داده شده است، ارتباط اقتصادی بین تجمعات شهری به ازای هر 1% افزایش در مرکزیت درجه هر گره، 0.509٪ افزایش می یابد.. ضریب رگرسیون مرکزیت نزدیکی 0.483 است که نشان می دهد افزایش مرکزیت نزدیکی گردش عوامل تولید و همکاری بین تراکم های شهری را تشویق می کند. با مقدار رگرسیون مرکزیت بین 0.441، می توان مشاهده کرد که توده های شهری با مرکزیت میانی بالا دارای مزایای نسبی واضح در شبکه هستند و با موفقیت سهم انتقال را از دیگران به دست می آورند. راندمان سوراخ ساختاری دارای ضریب رگرسیون -0.441 است، که نشان می دهد کاهش کارایی می تواند ارتباطات اقتصادی بین توده های شهری را بهبود بخشد. برای کاهش موفقیت آمیز عدم تعادل اتصالات اقتصادی و افزایش کارایی گره شبکه، دولت باید اقداماتی را برای افزایش قابل توجه وابستگی اقتصادی بین تراکم های شهری انجام دهد.

4. بحث

شکل 3 ، شکل 4 و شکل 5نشان می دهد که چگونه جهت فضایی، ناهمگونی فضایی، و تحول پویایی محلی توسعه اقتصادی تراکم های شهری در NWLSC به طور چشمگیری تغییر کرده است. فرآیندهای پویا و متقابل توسعه اقتصادی بین شهرهای همسایه آشکارتر است. دولت چین برای ارتقای توسعه شهرهای غربی چین از نظر سیاست ها، منابع و بودجه، استراتژی های توسعه منطقه ای مانند توسعه مناطق غربی در دوره جدید را اجرا کرده است. مزایای مقیاس اقتصادی و در دسترس بودن منابع در شهر مرکزی وجود دارد و ارزش NTL بالا است. CCUA به دلیل موقعیت جغرافیایی عالی، حمل و نقل توسعه یافته و تقسیم بندی صنعتی معقول، نیروی کلیدی برای توسعه اقتصادی در بخش غربی چین است. BGUA در نزدیکی دلتای رودخانه مروارید، یکی از مرفه ترین مناطق چین، و در ابتدای جاده ابریشم دریایی واقع شده است. در نتیجه، رشد اقتصادی CCUA و BGUA به طور قابل توجهی در طول زمان تغییر کرده و به شهرهای همسایه گسترش یافته است. در شمال غربی چین، جایی که منابع کم و حمل و نقل توسعه نیافته است، TNUA، GPUA و LXUA هستند. فضای اقتصادی تجمعات شهری در نتیجه تمرکز منابع اقتصادی در شهرهای مرکزی به طور پیوسته در حال انقباض بوده است. بنابراین، توسعه تراکم‌های شهری باید تأثیر تشعشع شهرهای بزرگ را تقویت کند و در عین حال شکاف بین توسعه شهری را در آینده کاهش دهد. رشد اقتصادی CCUA و BGUA به طور قابل توجهی در طول زمان تغییر کرده و به شهرهای همسایه گسترش یافته است. در شمال غربی چین، جایی که منابع کم و حمل و نقل توسعه نیافته است، TNUA، GPUA و LXUA هستند. فضای اقتصادی تجمعات شهری در نتیجه تمرکز منابع اقتصادی در شهرهای مرکزی به طور پیوسته در حال انقباض بوده است. بنابراین، توسعه تراکم‌های شهری باید تأثیر تشعشع شهرهای بزرگ را تقویت کند و در عین حال شکاف بین توسعه شهری را در آینده کاهش دهد. رشد اقتصادی CCUA و BGUA به طور قابل توجهی در طول زمان تغییر کرده و به شهرهای همسایه گسترش یافته است. در شمال غربی چین، جایی که منابع کم و حمل و نقل توسعه نیافته است، TNUA، GPUA و LXUA هستند. فضای اقتصادی تجمعات شهری در نتیجه تمرکز منابع اقتصادی در شهرهای مرکزی به طور پیوسته در حال انقباض بوده است. بنابراین، توسعه تراکم‌های شهری باید تأثیر تشعشع شهرهای بزرگ را تقویت کند و در عین حال شکاف بین توسعه شهری را در آینده کاهش دهد. فضای اقتصادی تجمعات شهری در نتیجه تمرکز منابع اقتصادی در شهرهای مرکزی به طور پیوسته در حال انقباض بوده است. بنابراین، توسعه تراکم‌های شهری باید تأثیر تشعشع شهرهای بزرگ را تقویت کند و در عین حال شکاف بین توسعه شهری را در آینده کاهش دهد. فضای اقتصادی تجمعات شهری در نتیجه تمرکز منابع اقتصادی در شهرهای مرکزی به طور پیوسته در حال انقباض بوده است. بنابراین، توسعه تراکم‌های شهری باید تأثیر تشعشع شهرهای بزرگ را تقویت کند و در عین حال شکاف بین توسعه شهری را در آینده کاهش دهد.
از شکل 6 و 12 مشخص استکه تجمعات شهری در NWLSC در طول زمان از نظر اقتصادی بیشتر به هم متصل می شوند و در نهایت یک شبکه اقتصادی را تشکیل می دهند. پیشرفت های فناوری، حمل و نقل و لجستیک به توسعه اجزای منابع در سراسر شهرها کمک می کند. در حالی که شهرهای پیرامونی به دلیل موقعیت جغرافیایی دارای همکاری اقتصادی و ارتباط ضعیف با شهرهای دیگر هستند، شهرهای مرکزی خوشه های شهری مانند چنگدو، چونگ کینگ و نانینگ توسعه شهرهای مجاور را در شبکه اقتصادی ترویج می کنند. رشد تراکم شهری به دلیل ارتباطات اقتصادی نامتعادل بین شهرها محدود شده است. CCUA در مرکز جغرافیایی NWLSC قرار دارد و به دلیل نرخ بالای نوآوری، نیروی کار بزرگ و سیستم حمل و نقل به خوبی توسعه یافته، موقعیت خود را در مرکز شبکه اقتصادی ایجاد کرده است.
وضوح فضایی و دقت داده‌های NTL بر دقت ساختار اتصال اقتصادی توسعه‌یافته در این مطالعه تأثیر می‌گذارد. برخی محدودیت‌ها با داده‌های NTL مانند وضوح فضایی و رادیومتری درشت [ 72 ، 73 ] وجود دارد. به دلیل نقص حسگر و سایر عوامل، داده های NTL مانند تصاویر سنجش از راه دور DMSP-OLS با اثرات سرریز و اشباع مشکل دارند [ 40 ]. علاوه بر این، خطاهایی در مشاهده، انتقال و پردازش داده‌های NTL وجود دارد که بر نتایج مطالعه تأثیر می‌گذارد. تصاویر NTL در نظارت بر فعالیت های انسانی در مناطق بدون نور محدود هستند و عملکرد پیش بینی ضعیفی برای واحدهای فضایی میکروسکوپی دارند [ 74 ]]. علاوه بر این، تراکم های شهری نیز نهادهای اقتصادی سازمان یافته و ساختار یافته ای هستند. تشكيل تراكم‌هاي شهري با تخصص توليد و بخش‌هاي متمايز صنايع تشويق مي‌شود. فناوری، نهادها، سیاست‌ها، فرهنگ و ساختار صنعتی بین تراکم‌های شهری متفاوت است. رشد اقتصادی و اتصال به طور قابل ملاحظه ای تحت تأثیر منطقه بندی عملکردی مختلف شهرها قرار دارد.
در مطالعه بعدی بر روی جنبه های زیر تمرکز خواهیم کرد. اولا، ما داده‌های NTL را با وضوح فضایی بالاتر و داده‌های بزرگ فضایی مانند داده‌های مهاجرت جمعیت، داده‌های رسانه‌های اجتماعی، داده‌های شبکه ترافیک و داده‌های نقطه‌نظر برای بررسی توسعه اقتصادی تجمعات شهری یکپارچه خواهیم کرد. مسئله واحد مساحتی قابل اصلاح در مقیاس‌های فضایی و نواحی عملکردی مختلف نیز در نظر گرفته خواهد شد. در مرحله دوم، رابطه بین ویژگی‌های تجمع NTL و مناطق عملکردی شهری در سطح پیکسل تحلیل خواهد شد، که به ما کمک می‌کند تا تغییرات در ارتباطات اقتصادی بین واحدهای خرد اداری شامل شهرستان‌ها و حومه‌ها را با استفاده از داده‌های بزرگ فضایی بررسی کنیم. سرانجام،

5. نتیجه گیری و پیشنهادات

5.1. نتیجه گیری

این مطالعه بر روی ارتباطات اقتصادی بین تجمعات شهری در NWLSC تمرکز دارد. ما پویایی فضایی، روندهای فضایی، و تراکم فضایی الگوهای توسعه اقتصادی تراکم شهری را تحلیل کردیم. ویژگی‌های ساختاری شبکه اقتصادی و عوامل کلیدی تأثیرگذار با استفاده از رویکرد SNA مورد بررسی قرار گرفت. نتایج اولیه به دست آمده به شرح زیر است.
اندازه اقتصادی مجتمع‌های شهری در NWLSC از سال 2013 تا 2019 رشد کرد. ساختارهای اقتصادی CCUA و BGUA ویژگی معروف به “تمرکز دو هسته ای” را نشان دادند که توسعه شهرهای اطراف را ارتقا می دهد.
ارتباطات اقتصادی در داخل و بین تجمعات شهری به طور چشمگیری افزایش یافت. شبکه ارتباطات اقتصادی عمیق تر شد و یک شبکه چند سطحی شروع به ظهور کرد. CCUA به دلیل موقعیت جغرافیایی مناسب و حجم اقتصادی قابل توجهی که دارد به تدریج به هسته اصلی شبکه اقتصادی در NWSLC تبدیل شد. علاوه بر این، عدم تعادل ارتباط اقتصادی به تدریج افزایش یافت، به طوری که شهرهایی که در مرکز تجمعات شهری قرار دارند، دارای ارزش بالا و ارتباط اقتصادی ضعیف با شهرهای پیرامونی هستند.
با توجه به ساختار فضایی شبکه اقتصادی، تراکم شبکه تراکم شهری بسیار افزایش یافت. شهرهای مرکزی با قابلیت کنترل و واسطه گری قوی به هسته اصلی شبکه های اقتصادی تبدیل شدند. گرایش آشکاری برای خوشه‌بندی تراکم‌های شهری وجود داشت و ارتباط اقتصادی نزدیک‌تر شد. با این حال، ظرفیت جذب اقتصادی و تشعشع در شبکه اقتصادی در شهرهایی که در لبه‌های تراکم‌های شهری قرار دارند، باید بیشتر بهبود یابد.
با توجه به نتایج اثر ساختاری شبکه، افزایش تراکم و مرکزیت شبکه ارتباط اقتصادی بین تراکم‌های شهری را تشویق می‌کند، اما کارایی شبکه حرکت نیروهای اقتصادی را محدود می‌کند. هر چه کارایی سوراخ های سازه ای بیشتر باشد، تأثیر بیشتری بر سایر افراد دارد که از شدت وابستگی و همکاری بین تراکم های شهری می کاهد.

5.2. توصیه ها

بر اساس یافته‌های مهم این مطالعه و توسعه اقتصادی و اجتماعی فعلی در NWLSC، ما توصیه‌هایی را برای ارتقای هماهنگی اقتصادی و توسعه با کیفیت بالا ارائه می‌کنیم.
اولاً، محیط جغرافیایی، توسعه اقتصادی، و دارایی های منابع NWLSC همگی ناهمگن هستند. برای کاهش فاصله فضا-زمان برای حرکت عناصر منبع، دولت باید توسعه زیرساخت ها از جمله قطارها و بزرگراه ها و همچنین اتصال شبکه های حمل و نقل بین شهری را تسریع بخشد. اقدامات فوق با بهینه سازی ساختار شبکه ارتباط اقتصادی، اثربخشی اتصال اقتصادی را بهبود می بخشد.
دوم، شهرهای اصلی شبکه نقش مهمی در تشعشعات فضایی دارند. بالا بردن سطح جامع شهرهای اصلی برای بهره برداری کامل از پتانسیل رهبری آنها بسیار مهم است. افزایش حمایت مالی و سیاستی برای شهرهای واقع در حاشیه تجمعات شهری، که می تواند توسعه اقتصادی هماهنگ را ارتقا دهد. ایجاد قطب های رشد اقتصادی منطقه ای چند سطحی با شهرهای بزرگ، متوسط ​​و کوچک و توسعه ظرفیت تشعشعی شهرها در شبکه اقتصادی محلی ضروری است.
سوم، ایجاد یک پلت فرم مدیریتی برای توسعه هماهنگ منطقه ای برای افزایش مکانیسم های توسعه همزیستی، که می تواند عوامل تولید را به حرکت آزادانه تر تشویق کند. شهرها باید همکاری و ارتباطات اقتصادی را برای دستیابی به توسعه اقتصادی هماهنگ بهتر بهبود بخشند. دولت باید تقسیم کارکردها را بین شهرها روشن کند و برنامه های توسعه منطقه ای را بر اساس شرایط محلی اتخاذ کند. علاوه بر این، ایجاد یک چارچوب توسعه هماهنگ اقتصادی منطقه‌ای برای تحقق مزایای مکمل عناصر منبع حیاتی است.

منابع

  1. لیو، ی. ژانگ، ایکس. پان، X. ما، ایکس. تانگ، ام. ادغام فضایی و توسعه صنعتی هماهنگ تجمعات شهری در کمربند اقتصادی رودخانه یانگ تسه، چین. Cities 2020 , 104 , 102801. [ Google Scholar ] [ CrossRef ]
  2. Qin، X. کیان، ی. زنگ، جی. وی، ایکس. دسترسی و ارتباطات اقتصادی بین شهرهای کریدور جدید خشکی-دریای غربی در چین – روشنگری در راهبرد گذرگاه استان گانسو. Sustainability 2022 , 14 , 4445. [ Google Scholar ] [ CrossRef ]
  3. چن، اچ. دونگ، س. تفاوت فضایی و تأثیر نوآوری شهری در کریدور جدید زمین-دریا غربی. J. دانشگاه چونگ کینگ. تکنولوژی (Soc. Sci.) 2021 ، 35 ، 58-67. [ Google Scholar ]
  4. ماتیو، سی. پامینا، ک. معادلات گرانش ساختاری با حاشیه های فشرده و گسترده. می توان. جی. اکون. 2010 ، 43 ، 41-62. [ Google Scholar ]
  5. Zipf، GK فرضیه PIP2/D: در مورد حرکت بین شهری افراد. صبح. اجتماعی Rev. 1946 , 11 , 677-686. [ Google Scholar ] [ CrossRef ]
  6. زی، دبلیو. لی، اچ. یین، ی. تحقیق در مورد ساختار فضایی اقتصاد گردشگری اتحادیه اروپا و اثرات آن. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2021 ، 18 ، 1389. [ Google Scholar ] [ CrossRef ]
  7. چن، ایکس. وانگ، تی. ژنگ، ایکس. هان، اف. یانگ، ز. ساختار و تکامل شبکه اقتصادی گردشگری فلات تبت و عوامل محرک آن. Land 2022 , 11 , 241. [ Google Scholar ] [ CrossRef ]
  8. هوانگ، ی. هانگ، تی. Ma، T. اثرات خارجی شبکه شهری، اقتصادهای تجمع و رشد اقتصادی شهری. Cities 2020 , 107 , 102882. [ Google Scholar ] [ CrossRef ]
  9. وانگ، ک. وانگ، ام. گان، سی. چن، کیو. وودا، M. ویژگی های ساختاری شبکه اقتصادی گردشگری پارک های ملی در منطقه مرکزی چین. Sustainability 2021 , 13 , 4805. [ Google Scholar ] [ CrossRef ]
  10. وانگ، اف. چای، دبلیو. شی، ایکس. دونگ، ام. یان، ب. آیا منابع مالی منطقه ای به رشد اقتصادی کمک می کند؟ از دیدگاه شبکه همبستگی فضایی. SAGE Open 2021 , 11 . [ Google Scholar ] [ CrossRef ]
  11. آره.؛ Qian، Z. انعطاف‌پذیری شبکه اقتصادی خوشه شهر دشت گوانژونگ، چین: تحلیل شبکه از دیدگاه تکاملی. تغییر رشد 2021 ، 52 ، 2391-2411. [ Google Scholar ] [ CrossRef ]
  12. جین، آر. گونگ، جی. دنگ، م. وان، ی. یانگ، X. چارچوبی برای تحلیل فضایی و زمانی الگوهای تراکم اقتصادی منطقه ای. پایداری 2018 ، 10 ، 2800. [ Google Scholar ] [ CrossRef ]
  13. ژائو، ایکس. سو، جی. چائو، جی. لیو، ایکس. لی، تی. روی، ی. یانگ، جی. شخصیت و ترجیح اقتصادی شبکه شهری چین: مطالعه ای بر اساس ثروت جهانی 500 شرکت چینی. پیچیدگی 2020 ، 2020 ، 4312578. [ Google Scholar ] [ CrossRef ]
  14. ژنگ، ی. لو، ام. لی، جی. گردش داخلی در چین: تجزیه و تحلیل بخش‌بندی و یکپارچه‌سازی بازار با استفاده از داده‌های بزرگ برای جریان ترافیک کامیون. اقتصاد مدل. 2022 ، 115 ، 105975. [ Google Scholar ] [ CrossRef ]
  15. زو، ز. وانگ، ال. لیو، دبلیو. Qi، D. رابطه بین ارتباطات اقتصادی شهری و روابط ژئواکونومیک در شمال شرقی چین. پیچیدگی 2020 ، 2020 ، 5263048. [ Google Scholar ] [ CrossRef ]
  16. یو، جی. او، دی. لین، دبلیو. وو، کیو. شیائو، جی. لی، ایکس. زی، ز. وو، آر. Jaramillo، شبکه اقتصادی فضایی چین و عوامل مؤثر بر آن. پیچیدگی 2020 ، 2020 ، 6352021. [ Google Scholar ] [ CrossRef ]
  17. چن، ی. جیانگ، الف. ویژگی‌های فضایی و پیچیدگی ساختار شبکه اقتصادی شهری مبتنی بر اینترنت امن اشیا. حفظ کنید. محاسبه کنید. Inf. سیستم 2022 ، 35 ، 100729. [ Google Scholar ] [ CrossRef ]
  18. وانگ، اچ. Kilmartin, L. مقایسه رفتار اجتماعی و اقتصادی روستایی و شهری در اوگاندا: بینش از استفاده از خدمات صوتی تلفن همراه. J. فناوری شهری. 2014 ، 21 ، 61-89. [ Google Scholar ] [ CrossRef ]
  19. چو، ن. ژانگ، پی. لی، اچ. تجزیه و تحلیل ارتباط اقتصادی فراملی بر اساس دسترسی کلاس راه آهن بین چین و روسیه. چانه. Geogr. علمی 2019 ، 29 ، 872-886. [ Google Scholar ] [ CrossRef ]
  20. لی، ام. گوو، دبلیو. گوا، آر. او، بی. لی، ز. لی، ایکس. لیو، دبلیو. فن، Y. اتصال فضایی و ساختار شبکه شهری در چین بر اساس داده های بزرگ جریان مسافر راه آهن. Land 2022 , 11 , 225. [ Google Scholar ] [ CrossRef ]
  21. جیانگ، جی. چن، جی. تو، دبلیو. وانگ، سی. یک شاخص موثر جدید از وزن شبکه های تحرک انسانی بین شهری برای برآورد توسعه اقتصادی. پایداری 2019 ، 11 ، 6348. [ Google Scholar ] [ CrossRef ]
  22. هو، اس. یانگ، اچ. کای، بی. یانگ، سی. تحقیق در مورد ساختار اقتصادی فضایی برای بخش های مختلف اقتصادی از دیدگاه یک شبکه پیچیده. فیزیک A 2013 , 392 , 3682–3697. [ Google Scholar ] [ CrossRef ]
  23. Sylvain, D. نقش فاصله و شبکه های اجتماعی در جغرافیای تامین مالی جمعی: شواهدی از فرانسه. Reg. گل میخ. 2019 ، 54 ، 329-339. [ Google Scholar ]
  24. گان، سی. ودا، م. وانگ، ک. چن، ال. Ye, J. ساختار شبکه فضایی اقتصاد گردشگری در تراکم شهری: تحلیل شبکه اجتماعی. جی. هاسپ. تور. مدیریت 2021 ، 47 ، 124-133. [ Google Scholar ] [ CrossRef ]
  25. فنگ، آر. وانگ، ک. تکامل فضایی و زمانی قدرت محدودیت “اقتصاد منطقه ای اداری” از منظر یکپارچگی اقتصادی منطقه ای: مطالعه موردی منطقه چنگدو-دیانگ-میان یانگ، چین. Prog. Geogr. 2020 ، 39 ، 1447-1459. (به زبان چینی) [ Google Scholar ] [ CrossRef ]
  26. وو، اس. ژونگ، ی. وو، کیو. مائو، دبلیو. شبکه‌های اتصال چند بیرونی تجمع شهری: یک مطالعه تجربی از دامنه‌های میانی رودخانه یانگ تسه تا کمربند اقتصادی رودخانه یانگ تسه. منبع. محیط زیست حوضه یانگ تسه 2021 ، 30 ، 2360-2372. (به زبان چینی) [ Google Scholar ]
  27. کیم، ACH; نیومن، جی. کوون، دبلیو. توسعه ساختار جامعه در حاشیه: تحلیل شبکه اجتماعی والدین لیگ ورزش جوانان. Soc. علمی J. 2020 ، 57 ، 178-194. [ Google Scholar ] [ CrossRef ]
  28. جینلیائو، اچ. Xianpeng، W. Gang, Z. شبکه های شهر خلاق: تجزیه و تحلیل شبکه اجتماعی از جامعه مجازی طراحان در چین. Cities 2022 , 123 , 103578. [ Google Scholar ] [ CrossRef ]
  29. لو، دبلیو. پارک، SH; لیو، اس. نام، TH; Yeo، تجزیه و تحلیل اتصال GT پورت های کانتینری دایره اقتصادی لبه بوهای (BREC). آسیایی J. گزارش حمل و نقل. 2018 ، 34 ، 145-150. [ Google Scholar ] [ CrossRef ]
  30. گوا، ی. کائو، ال. آهنگ، ی. وانگ، ی. لی، ی. درک تشکیل شبکه شهر-HSR: مطالعه موردی دلتای رودخانه یانگ تسه، چین. ترانسپ سیاست 2022 ، 116 ، 315-326. [ Google Scholar ] [ CrossRef ]
  31. هوانگ، ایکس. لی، جی. آهنگ، ی. لیو، جی. تأثیر ساختار فضایی بر کارایی اقتصادی کلانشهر پکن-تیانجین-هبی در چین. پیچیدگی 2020 ، 2020 ، 6038270. [ Google Scholar ] [ CrossRef ]
  32. سان، س. تانگ، اف. تانگ، ی. تحلیل ساختار شبکه‌ای اقتصادی از تراکم شهری در بخش میانی رودخانه چانگ‌جیانگ بر اساس SNA. جی. جئوگر. علمی 2015 ، 25 ، 739-755. [ Google Scholar ] [ CrossRef ]
  33. Croft، TA تصاویر شبانه زمین از فضا. علمی صبح. 1978 ، 239 ، 86-101. [ Google Scholar ] [ CrossRef ]
  34. چ، ر. مارتین، دی. وارگاس، JF اندازه گیری اندازه و رشد شهرها با استفاده از نور شبانه. J. Urban. اقتصاد 2021 ، 125 ، 103254. [ Google Scholar ] [ CrossRef ]
  35. یو، م. گوا، اس. گوان، ی. کای، دی. ژانگ، سی. فرادریش، ک. لیائو، ز. ژانگ، ایکس. تیان، Z. تجزیه و تحلیل ناهمگنی فضایی-زمانی توده شهری دلتای رودخانه یانگ تسه: شواهدی از داده های نور شبانه (2001-2019). Remote Sens. 2021 , 13 , 1235. [ Google Scholar ] [ CrossRef ]
  36. فو، اچ. شائو، ز. فو، پی. Cheng، Q. تحلیل پویا بین اقتصاد شبانه شهری و شهرنشینی با استفاده از داده‌های نور شبانه DMSP/OLS در چین از سال 1992 تا 2012. Remote Sens. 2017 , 9 , 416. [ Google Scholar ] [ CrossRef ]
  37. کیئولا، اس. اندرسون، ام. هال، O. نظارت بر توسعه اقتصادی از فضا: استفاده از نور شبانه و داده های پوشش زمین برای اندازه گیری رشد اقتصادی. توسعه دهنده جهانی 2015 ، 66 ، 322-334. [ Google Scholar ] [ CrossRef ]
  38. لیو، اس. شی، ک. وو، ی. چانگ، زی. نورهای شبانه سنجش از راه دور روند شهرنشینی چین را که به دلیل آلودگی مه محدود شده است، نشان می دهد. ترانسپ خط مشی 2021 ، 206 ، 108350. [ Google Scholar ] [ CrossRef ]
  39. احمدی، م. اتکینسون، PM توسعه شهری سه برابری در عربستان سعودی از سال 1992 تا 2013 با استفاده از تصاویر کالیبره شده DMSP-OLS چراغ های شبانه مشاهده شد. Remote Sens. 2019 , 11 , 2266. [ Google Scholar ] [ CrossRef ]
  40. احمدی، م. منصور، س. مارتین، دی. اتکینسون، PM یک شاخص بهبود یافته برای نقشه‌برداری توزیع جمعیت شهری بر اساس داده‌های نورهای شبانه (DMSP-OLS): آزمایشی در استان ریاض، عربستان سعودی. Remote Sens. 2021 , 13 , 1171. [ Google Scholar ] [ CrossRef ]
  41. چن، ایکس. نوردهاوس، WD VIIRS نور شبانه در برآورد تولید ناخالص داخلی مقطعی و سری زمانی. Remote Sens. 2019 , 11 , 1057. [ Google Scholar ] [ CrossRef ]
  42. یین، جی. کیو، ی. Zhang، B. شناسایی مناطق فقر با سنجش از دور و یادگیری ماشین: مطالعه موردی در گوئیژو، جنوب غربی چین. ISPRS Int. J. Geo-Inf. 2020 ، 10 ، 11. [ Google Scholar ] [ CrossRef ]
  43. ویدمن، NB; Theunissen, G. برآورد نابرابری محلی از نورهای شبانه. Remote Sens. 2021 , 13 , 4624. [ Google Scholar ] [ CrossRef ]
  44. چن، ز. وی، ی. شی، ک. ژائو، ز. وانگ، سی. وو، بی. کیو، بی. یو، بی. پتانسیل داده‌های سنجش از راه دور نور شبانه برای ارزیابی توسعه اقتصاد دیجیتال: مطالعه موردی چین در سطح شهر. محاسبه کنید. محیط زیست سیستم شهری 2022 ، 92 ، 101749. [ Google Scholar ] [ CrossRef ]
  45. کوی، ی. شی، ک. جیانگ، ال. کیو، ال. وو، اس. شناسایی و ارزیابی اقتصاد شبانه در چین با استفاده از داده های چند منبعی. IEEE Geosci. سنسور از راه دور Lett. 2021 ، 18 ، 1906-1910. [ Google Scholar ] [ CrossRef ]
  46. چن، ز. یو، بی. یانگ، سی. ژو، ی. یائو، اس. کیان، ایکس. وانگ، سی. وو، بی. Wu, J. یک سری زمانی طولانی (2000-2018) از داده‌های جهانی نور شبانه NPP-VIIRS از کالیبراسیون سنسور متقابل. زمین سیستم علمی داده‌های 2021 ، 13 ، 889-906. [ Google Scholar ] [ CrossRef ]
  47. لی، ی. بله، اچ. گائو، ایکس. سان، دی. لی، ز. ژانگ، ن. لنگ، X. منگ، دی. ژنگ، جی. الگوهای فضایی و زمانی شهرنشینی در سه مجتمع شهری توسعه یافته در چین بر اساس داده‌های پیوسته نور شبانه (2000-2018). Remote Sens. 2021 , 13 , 2245. [ Google Scholar ] [ CrossRef ]
  48. گیبسون، جی. Boe-Gibson, J. Nighttime Lights و فعالیت اقتصادی در سطح شهرستان در ایالات متحده: 2001 تا 2019. Remote Sens. 2021 , 13 , 2741. [ Google Scholar ] [ CrossRef ]
  49. لی، ایکس. خو، اچ. چن، ایکس. لی، سی. پتانسیل تصاویر نور شبانه NPP-VIIRS برای مدل‌سازی اقتصاد منطقه‌ای چین. Remote Sens. 2013 , 5 , 3057–3081. [ Google Scholar ] [ CrossRef ]
  50. ژانگ، Q. Seto، KC نقشه برداری پویایی شهرنشینی در مقیاس منطقه ای و جهانی با استفاده از داده های نور شبانه DMSP/OLS چند زمانی. سنسور از راه دور محیط. 2011 ، 115 ، 2320-2329. [ Google Scholar ] [ CrossRef ]
  51. لی، ی. زو، ز. خو، دی. Wei, Y. اندازه‌گیری کارایی زیست محیطی معدن و شناسایی عوامل محرک بر اساس Meta-US-SBM در استان گوانگشی، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2021 ، 18 ، 5397. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  52. کیو، ی. یین، جی. ژانگ، تی. دو، ی. Zhang، B. تجزیه و تحلیل دینامیکی فضایی و زمانی نقاط دیدنی سطح یک در استان گوئیژو، چین. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 568. [ Google Scholar ] [ CrossRef ]
  53. آقاداداشی، و. مولایی، س. مهدی نیا، ع. محمدی، ج. معین الدینی، م. ریاحی بختیاری، ع. استفاده از سیستم اطلاعات جغرافیایی، زمین آمار و منطق فازی برای مطالعه ساختار فضایی کل PAHهای رسوبی و خطرات زیست محیطی بالقوه. مطالعه موردی شرق خلیج فارس. مارس آلودگی. گاو نر 2019 ، 149 ، 110489. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  54. ری، اس جی. موری، AT; Anselin, L. تجسم پویایی توزیع درآمد منطقه ای. Lett. تف کردن منبع. علمی 2011 ، 4 ، 81-90. [ Google Scholar ] [ CrossRef ]
  55. ژانگ، بی. یین، جی. جیانگ، اچ. Qiu، Y. تکامل الگوی مکانی-زمانی و عوامل مؤثر بر هماهنگی همراه بین انتشار کربن و توسعه اقتصادی در امتداد حوضه رودخانه مروارید در چین. محیط زیست علمی آلودگی Res. 2022 . [ Google Scholar ] [ CrossRef ]
  56. بله، X. ری، اس. چارچوبی برای تحلیل فضا-زمان اکتشافی داده های اقتصادی. ان علمی منطقه ای 2011 ، 50 ، 315-339. [ Google Scholar ] [ CrossRef ]
  57. جیانگ، اچ. یین، جی. کیو، ی. ژانگ، بی. دینگ، ی. Xia، R. کارایی انتشار کربن صنعتی شهرها در حوضه رودخانه مروارید: دینامیک فضایی و زمانی و نیروهای محرک. Land 2022 , 11 , 1129. [ Google Scholar ] [ CrossRef ]
  58. پی، ز. آویزان شدن.؛ ما، ایکس. شی، تی. Gong, W. روشی برای تخمین غلظت ستون پس‌زمینه CO 2 با استفاده از لاگرانژ. IEEE Trans. Geosci. Remote Sens. 2022 , 60 , 4108112. [ Google Scholar ] [ CrossRef ]
  59. فن، ی. ژانگ، اس. او، ز. او، بی. یو، اچ. بله، X. یانگ، اچ. ژانگ، ایکس. Chi, Z. الگوی فضایی و تکامل سیستم شهری بر اساس مدل گرانشی و تحلیل شبکه کل در حوضه رودخانه huaihe چین. گسسته دین. نات. Soc. 2018 ، 2018 ، 3698071. [ Google Scholar ] [ CrossRef ]
  60. لیو، ز. مو، آر. هو، اس. لی، ام. وانگ، ال. روش و کاربرد شناخت گرافیکی ساختار شبکه اجتماعی تراکم شهری. سیم. پارس اشتراک. 2018 ، 103 ، 447-480. [ Google Scholar ] [ CrossRef ]
  61. لی، ایکس. لو، ی. هوانگ، آر. آیا سرمایه‌گذاری مستقیم خارجی می‌تواند توسعه اقتصادی باکیفیت را تحت مقررات زیست محیطی ارتقا دهد: شواهدی از کمربند اقتصادی رودخانه یانگ تسه، چین. محیط زیست علمی آلودگی Res. 2021 ، 28 ، 21674-21683. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  62. کنگ، کیو. پنگ، دی. نی، ی. جیانگ، ایکس. وانگ، ز. باز بودن تجارت و کیفیت رشد اقتصادی چین: تحلیل تجربی با استفاده از مدل ARDL. مالی Res. Lett. 2021 ، 38 ، 101488. [ Google Scholar ] [ CrossRef ]
  63. پنگ، بی. شنگ، ایکس. وی، جی. آیا حفاظت از محیط زیست باعث توسعه اقتصادی می شود؟ از منظر هماهنگی بین حفاظت از محیط زیست و توسعه اقتصادی. محیط زیست علمی آلودگی Res. 2020 ، 27 ، 39135–39148. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  64. استیوز، آر. Geisler Mesevage، G. شبکه های اجتماعی در تاریخ اقتصادی: فرصت ها و چالش ها. کاوش کنید. اقتصاد تاریخچه 2019 ، 74 ، 101299. [ Google Scholar ]
  65. بای، سی. ژو، ال. شیا، م. Feng, C. تجزیه و تحلیل ساختار شبکه ارتباط فضایی انتشار کربن حمل و نقل چین و عوامل محرک آن. جی. محیط زیست. مدیریت 2020 , 253 , 109765. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  66. لووریچ، م. دا ری، آر. ویداله، ای. پتنلا، دی. ماوسار، ر. تحلیل شبکه های اجتماعی به عنوان ابزاری برای تحلیل تجارت بین المللی محصولات چوبی و غیرچوبی جنگلی. برای. سیاست اقتصاد. 2018 ، 86 ، 45-66. [ Google Scholar ] [ CrossRef ]
  67. آهنگ، جی. فنگ، Q. وانگ، ایکس. فو، اچ. جیانگ، دبلیو. چن، ب . ارتباط فضایی و ارزیابی اثر انتشار CO2 در تجمع شهری چنگدو-چونگ کینگ: شواهد کمی از تجزیه و تحلیل شبکه های اجتماعی. پایداری 2018 ، 11 ، 1. [ Google Scholar ] [ CrossRef ]
  68. زو، اس. کو، م. لای، اف. فنگ، Q. Du, G. ارتباط همه‌گیری بیماری کرونا در جهان: مطالعه مبتنی بر تجزیه و تحلیل شبکه پیچیده. جلو. فیزیک 2021 ، 8 ، 602075. [ Google Scholar ] [ CrossRef ]
  69. ساگلیتو، ال. سزان، سی. دیوید، دی. تحقیق در مورد سوراخ های ساختاری: ارزیابی در مورد مسائل اندازه گیری. جی. اکون. Surv. 2020 ، 34 ، 572-593. [ Google Scholar ] [ CrossRef ]
  70. استولتنبرگ، دی. مایر، دی. Waldherr, A. تشخیص جامعه در شبکه های آنلاین جامعه مدنی: راهنمای نظری و ارزیابی تجربی. Soc. شبکه 2019 ، 59 ، 120-133. [ Google Scholar ] [ CrossRef ]
  71. شن، ایکس. علیکو، س. هان، ی. کاپیتان، جی. پنگ، سی. یافتن ساختارهای هسته پیرامونی با تأثیرات گره. IEEE Trans. شبکه علمی مهندس 2022 ، 9 ، 875-887. [ Google Scholar ] [ CrossRef ]
  72. وانگ، دبلیو. او، جی. فنگ، اچ. Jin, Z. بازسازی با پوشش بالا XCO 2 با استفاده از داده های سنجش از راه دور ماهواره ای چند منبعی در منطقه پکن-تیانجین-هبی. بین المللی جی. محیط زیست. Res. سلامت عمومی. 2022 ، 19 ، 10853. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  73. خو، دبلیو. وانگ، دبلیو. وانگ، ن. چن، بی. یک الگوریتم جدید برای بازیابی عمق نوری آئروسل himawari-8 با ادغام غلظت‌های منطقه‌ای PM2.5. IEEE Trans. Geosci. Remote Sens. 2022 , 60 , 4106711. [ Google Scholar ] [ CrossRef ]
  74. گیبسون، جی. اولیویا، اس. بو-گیبسون، جی. لی، سی. کدام داده های چراغ های شب را باید در اقتصاد استفاده کنیم، و کجا؟ J. Dev. اقتصاد 2021 ، 149 ، 102602. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00522 g001 550
شکل 1. توزیع توده های شهری در NWLSC، ( الف ) تراکم شهری شیب شمالی تیانشان (TNUA)، ( ب ) تراکم شهری لانژو-شینینگ (LXUA)، ( ج ) تجمع شهری نینگشیا در امتداد رودخانه زرد (NYUA)، ( d) ) تراکم شهری هوهوت-بائوتو-اوردوس-یولین (HEUA)، ( e ) تجمع شهری چنگدو-چونگ کینگ (CCUA)، ( f ) تراکم شهری مرکزی یوننان (CYUA)، ( g ) تجمع شهری دشت گوانژونگ (GPUA)، ( h ) ) تراکم شهری مرکزی گوئیژو (CGUA)، و ( i ) تراکم شهری خلیج بیبو (BGUA).
Ijgi 11 00522 g002 550
شکل 2. چارچوب تحقیق.
Ijgi 11 00522 g003 550
شکل 3. توزیع اقتصادی تجمعات شهری در NWLSC.
Ijgi 11 00522 g004 550
شکل 4. توزیع فضایی طول مسیر زمانی LISA.
Ijgi 11 00522 g005 550
شکل 5. توزیع فضایی انحنای مسیر زمانی LISA.
Ijgi 11 00522 g006 550
شکل 6. ارتباط اقتصادی بین شهرها در هر تراکم شهری در سال های 2013 و 2019.
Ijgi 11 00522 g007 550
شکل 7. درجه مرکزیت شبکه های اتصال اقتصادی در سال 2013 و 2019.
Ijgi 11 00522 g008 550
شکل 8. مرکزیت نزدیکی شبکه های اتصال اقتصادی در سال های 2013 و 2019.
Ijgi 11 00522 g009 550
شکل 9. ساختار لبه هسته شبکه های اتصال اقتصادی در سال های 2013 و 2019.
Ijgi 11 00522 g010 550
شکل 10. اندازه موثر شبکه های اتصال اقتصادی در سال 2013 و 2019.
Ijgi 11 00522 g011 550
شکل 11. کارایی شبکه های اتصال اقتصادی در سال های 2013 و 2019.
Ijgi 11 00522 g012 550
شکل 12. شبکه های ارتباط اقتصادی بین تراکم های شهری در سال های 2013، 2016 و 2019.
Ijgi 11 00522 g013 550
شکل 13. زیرگروه های منسجم شبکه های اتصال اقتصادی در سال های 2013، 2016 و 2019.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید