引言

城镇化与生态环境之间存在着复杂的胁迫关系 ^[1]，协调城市发展与生态环境保护是城镇化推进中面临的重要问题 ^{[2, 3]}，也是城市健康发展的关键。城镇化在物质上根植于生态环境 ^[4]，是我国经济社会发展建设的重要推动力。但快速城镇化进程中存在着对生态环境资源过量索取 ^[5]，资源、能源利用效率低下 ^[6]等问题，增加了生态环境的脆弱性，进而制约城镇化可持续发展 ^[7]。因此，在提升城市社会经济效益的同时，如何协调城镇化与生态环境之间的关系，逐渐成为研究的热点。

城镇化效率是衡量地区城镇化发展水平与质量的重要标准，能够反映出地区城镇化建设发展的真实状态，近年来受到了学术界的广泛关注。目前，既有研究主要从城镇化效率评价的指标体系构建 ^[5]、影响因素分析^{[8, 9]}、演化趋势分析^[10]等方面展开。在研究方法上，学者主要采用数据包络分析^[11]、Malmquist指数 ^[9]、随机前沿法^[6]等方法对城镇化效率进行测算。研究认为，城镇化进程是一种复杂的综合过程，其效率不仅受到人口、就业、资源、产业结构等城市系统内部因素的影响，还受生态环境和政策制度等诸多城市外部因素的影响。生态环境是城市发展的物质基础，梳理城镇化效率与生态环境质量两者的关系，有助于客观科学评价城镇化效率与生态环境质量之间的本质关联。国内外学者基于“压力—状态—响应”（PSR）模型 ^[12]、环境库兹涅茨曲线（EKC）^[13]、脱钩理论 ^[14]等理论框架，采用耦合协调度模型 ^{[3, 15]}、灰色关联模型 ^[16]、相对发展模型 ^[17]、地理探测器 ^{[18, 19]}等方法，从流域 ^[20]、省域 ^[17]、城市群 ^[21]尺度，对城镇化与生态环境两者之间作用关系、驱动机制进行了实证研究。

总体而言，既往研究城镇化与生态环境相互影响关系时，主要集中在城镇化进度、发展水平与生态环境质量的协同发展方面，从发展效率的角度考虑城镇化与生态环境互动关系的研究不足。在新时期追求高质量发展的背景下，城镇化发展过程中投入产出效率和生态环境质量平衡发展问题尚需进一步聚焦。

安徽省是我国“长三角一体化发展”“中部崛起”战略的核心区，承担着重要的经济和生态功能，研究该区域城镇化效率与生态环境质量两者间的耦合协调关系，对于区域高质量发展具有重要作用。因此，本研究选取安徽省为研究对象，借助Super-SBM模型、熵值法和耦合协调度模型，分析安徽省城镇化效率、生态环境质量指数以及两者的耦合协调关系，并在此基础上运用空间自相关模型对耦合协调度的空间关联格局进行研究。研究结果有助于揭示安徽省各地级市城镇化效率与生态环境质量的发展规律，研究方法可为其他地区提供借鉴和参考。

1 研究区域与方法 1.1 研究区域

安徽省（29°41′ ~ 34°38′N，114°54′ ~ 119°37′E）作为承东启西的重要纽带，是长三角经济圈的重要组成部分。截至2020年末，安徽省下辖16个地级城市，全省总面积14.01万km²，城市建成区面积3698.27km²，全省常住人口约6102.72万人，其中城镇人口达到3559.51万人，城镇化率58.33%。

1.2 指标体系的构建

参考相关研究 ^{[20, 22, 23]}，考虑安徽省城镇化发展实际情况，从投入与产出角度选择城镇化效率评价指标（表 1）。城镇化建设发展的投入要素主要包括土地资源、财力资本和劳动力3个方面，产出要素主要包括城镇人口、经济收入、社会效益以及城市空间建设4个层面。指标体系从人口、经济、社会和空间多角度综合反映地区城镇化产出水平，改善了仅从人口和经济衡量城镇化产出的评价方法，保证了指标体系的科学性与完整性。

借鉴已有评价体系 ^{[24, 25]}，依据科学性、准确性以及数据可获得性原则，选取生态环境状态、生态环境压力、生态环境治理3个一级指标及14个二级指标对安徽省各地级市生态环境质量进行综合评价（表 2）。

1.3 数据来源与处理

研究使用的数据主要来源于《中国城市统计年鉴》（2006—2021年）、《安徽省统计年鉴》（2006— 2021年）以及安徽省各城市的《国民经济和社会发展统计公报》。缺失数据采用相邻年份均值插值补齐。由于安徽省在2011年和2015年先后进行了两次重要的行政区划调整，研究中将统计数据分别与当年区划范围进行对应，并按最新行政区划进行拆分，确保指标数据与实际研究范围相匹配。此外，在分析城镇化效率、生态环境质量及其耦合协调关系的空间特征时，本研究也是采用安徽省最新的行政区划。

1.4 研究方法 1.4.1 Super-SBM模型

数据包络分析法（DEA）是评价多投入多产出决策单元效率的主要方法 ^[26]。本研究采用Tone提出的Super-SBM模型 ^[27]进行城镇化效率测度，该模型是超效率模型与SBM模型相结合的方法，可有效解决传统DEA模型存在的忽视松弛变量影响和不能对多个有效决策单元进行评价排序的缺陷。模型表达式 ^[28]如下：

(1)

式中，x_ik、y_rk分别代表决策单元的投入、产出向量；m、s分别表示投入、产出要素数量；λ_j代表权重向量；δ为城镇化效率值，δ值越大说明效率越高，δ≥1时表示决策单元有效，反之则表示决策单元无效，说明在城镇化发展中投入产出要素存在不合理现象。

1.4.2 生态环境质量综合评价

首先，运用极差法和指标平移对各生态环境质量评价指标数据进行标准化处理，以确保数据无量纲影响且均为正值 ^[29]；其次，利用熵值法计算评价指标权重，如表 2所示；最后，通过对各指标权重与指标标准化值的乘积求和获得各城市生态环境质量指数。

1.4.3 耦合协调度模型

耦合协调度模型常用于分析子系统间的关系，耦合度是指两个或两个以上系统相互作用影响的强弱程度 ^[30]，协调度能够描述系统间和谐一致程度 ^[31]。本研究选用该模型，探究城镇化效率与生态环境质量两系统间的耦合关系及协调发展程度。具体公式如下：

(2)

(3)

式中，C表示两个系统的耦合程度，取值范围为[0, 1]，C值越大表明两系统间耦合相关性越好，反之则越差；f(x) 和g(x) 分别表示城镇化效率和生态环境质量的综合指数；T表示综合协调指数；a、b为城镇化效率和生态环境质量评价子系统在综合评价中的权重，反映系统重要程度，因城镇化发展和生态环境保护同等重要，所以a和b均取0.5^[32]；D表示耦合协调度，取值范围为[0, 1]，D值越高表明两系统间发展越协调。参考前人研究 ^[33]，对耦合协调度的等级进行划分，具体见表 3。

1.4.4 空间自相关分析

空间自相关能揭示数据在空间上的关联程度和集聚特征，包括全局和局部空间自相关。全局自相关主要用全局莫兰指数（Global Moran’s I）来表示，可用于分析安徽省城镇化效率与生态环境质量耦合协调度的整体关联情况。局部自相关通常用局部莫兰指数（Local Moran’s I）衡量，能够进一步研究耦合协调度在局部空间的异质性。本研究利用GeoDa软件计算全局和局部莫兰指数，绘制莫兰（Moran）散点图和空间集聚特征（LISA）图，揭示各相邻城市间的关联性 ^[34]。

2 结果与分析 2.1 城镇化效率分析

运用DEA-Solver Pro 13软件，计算安徽省16个地级市城镇化效率，得到城镇化效率值（表 4）及其均值变化趋势图（图 1）。并选取2005年、2010年、2015年和2020年为典型年份，借助GIS软件进一步探索城镇化效率的时空分布特征（图 2）。

由表 4可知，2005—2020年安徽省城镇化效率呈波动上升态势，且在256（16城市×16年份）个决策单元中，有77.3% 的决策单元达到有效。这说明安徽省在城镇化进程中资源整合利用能力总体上是提升的，同时表明研究期内多数决策单元的要素配置与利用较为合理。

由图 1可知，安徽省城镇化效率发展具有明显的阶段性特点，可将研究期划分为低效上升（2005— 2009年）、低效发展（2010—2013年）和高效发展（2014—2020年）三个阶段。具体而言，安徽省城镇化效率均值由2005年的0.937提升至2009年的0.997，后下降至2013年的0.963，再上升到2020年的1.055，整体呈现“上升—下降—上升”的变化趋势。其中，前两阶段城镇化效率均值低于1且有轻微波动，在2014年效率均值首次超过1，后至2020年始终保持高效发展状态。主要原因可能是：研究期初安徽省各地级市规模偏小，城市功能尚不完善，主要依赖农业、劳动力密集型产业、资源型产业，以粗放型经济发展模式促建设，因此整个城镇化系统效率偏低；党的十八大（2012年）以来，安徽省抓住了“中部崛起”“长三角一体化”战略发展机遇，不断调整产业结构，促进资源高效利用，进行产业升级，使得城镇化效率持续提升，并涌现出“合肥现象”^①。

① 合肥现象：又称“合肥模式”，指合肥近十年来抓住机遇，改革创新，积极推进传统产业升级改造和新兴产业建设，在短期内实现GDP规模和新兴产业发展跨越赶超的现象。

由图 2可知，安徽省各地级市之间城镇化效率存在明显分异，但随时间变化差距逐渐缩小。从空间分布看，安徽省城镇化效率在空间上呈现以合肥、铜陵为中心向西北—东南方向辐射的特征。从市域差异看，2005—2020年各地级市间的城镇化效率差距逐渐缩小。具体来看，2005年安徽省城镇化效率整体较低且南、北区域两极分化明显，其中效率最优的铜陵与效率最低的亳州相差1.572；2010年北部城市的城镇化效率有所提升，南北间差距有所缓和，极差值为1.416；2015年市域间城镇化效率差距进一步缩小，极差值降至1.306；2020年安徽省城镇化效率水平整体较高，且相较于2015年有超过80% 的城市城镇化效率提升，市域间差距改善明显，极差值下降至0.905。总体来看，2005—2020年安徽省城镇化效率不断提升，南北城市建设、发展差距逐渐缩小。

2.2 生态环境质量分析

依据综合评价法计算2005—2020年安徽省生态环境质量指数，以全部城市的各年度均值衡量安徽省整体的生态环境质量水平（图 3a），以各市相应时间段的指数均值反映城市生态环境质量的演变趋势和市域间差异情况（图 3b）。并运用GIS软件绘制生态环境质量空间分布图（图 4）。

由图 3可知，2005—2020年安徽省生态环境质量整体上升显著。从年度变化（图 3a）上看，2005— 2016年生态环境质量指数均值从0.217持续上升至0.405，在2017—2019年有短暂回落，降至0.356，后于2020年提升至0.413，这说明研究期内安徽省生态环境质量虽存在一定波动，但总体发展向好。从城市层面（图 3b）分析，安徽省各市生态环境质量均有不同程度的改善，其中改善明显的城市有安庆、铜陵和淮南，3座城市2020年的生态环境质量指数较2005年分别提升152%、144%、140%；与之相反的是蚌埠、宣城和阜阳，提升幅度较小，分别是48%，45% 和40%。究其原因，主要有：一是安徽省通过产业结构优化和“两高”项目防控，二氧化硫和烟粉尘等工业污染大幅度降低；二是近年来安徽省加大环境治理投资，大力推进生态文明建设，使得污染防治能力显著提升。

由图 4可知，2005—2020年安徽省生态环境质量的空间分布变化较大，“南高北低”的空间特征明显。从空间上看，生态环境质量较高的城市主要集中在皖南地区，比如黄山、池州、宣城等；生态环境质量较低的城市主要分布在亳州、蚌埠等皖北地区，由南向北递减的分布格局明显。黄山等城市自然资源禀赋好，旅游等绿色产业发展较好，城市发展对生态环境产生的胁迫作用较小，因此生态环境质量相对较好。

2.3 城镇化效率与生态环境质量的耦合协调度分析

根据耦合协调度模型，计算安徽省2005—2020年城镇化效率与生态环境质量的耦合度C与协调度D（图 5），并绘制两系统间耦合协调度的空间分布图（图 6）。

2.3.1 耦合协调度的时序演变

由图 5可知，2005—2020年安徽省城镇化效率与生态环境质量的耦合度和耦合协调度均呈现上升趋势。从耦合度来看，2005—2020年从拮抗阶段（0.3＜C≤0.5）发展为耦合阶段（0.8＜C≤1），表明研究期内安徽省城镇化效率与生态环境质量两子系统间相互作用、相互依赖的程度明显加深。从耦合协调度来看，2005年和2006年其耦合协调类型为中度失调（0.2＜D≤0.4），说明该时期安徽省在城镇化建设过程中对生态环境产生的压力较大，使得镇化效率和生态环境质量两子系统处于失调状态；2007—2013年耦合协调度波动上升，其耦合协调主导类型提升至基本协调（0.4＜D≤0.6），说明两子系统的互动逐渐朝向良性发展；2014—2020年耦合协调度进一步上升至中度协调（0.6＜D≤0.8），表明两子系统的良性互动进一步增强。究其主要原因，可能是：一方面，安徽省抓住发展机遇，努力实现产业升级，提升了城镇化效率，为生态环境质量提升奠定良好基础；另一方面，政府积极推进生态文明建设、不断优化城镇化过程中资源配置效率，进而促进了城镇化效率与生态环境质量的协调发展。

2.3.2 耦合协调度的空间特征

由图 6可知，城镇化效率与生态环境质量的耦合协调度在空间上呈现由南向北递减的阶梯式分布格局，研究期末耦合协调主导类型提升为中度协调类型。具体来看，2005—2010年安徽省失调区域范围明显减少，到2010年失调型城市数量下降至2个，而基本协调和中度协调城市数量分别增加至7个和5个，且集中分布在皖南和皖中地区。2010—2015年耦合协调水平提升明显，到2015年耦合协调主导类型由基本协调提升为中度协调，全省有超80% 的城市达到协调状态，仅蚌埠和宿州两市仍处于失调阶段。2015— 2020年，除亳州、黄山、六安和宣城等城市的耦合协调出现降低外，其余城市均保持稳定，且以中度协调为主导类型的特征和由南向北递减的分布格局仍旧保持不变。此特征与安徽省自然生态条件、社会发展水平以及产业经济结构的分异有关。协调度较高的城市主要分布在安徽省的南部、西南部（皖南）和中部（皖中），在空间上呈倒“T”字形，该区域也是安徽省经济发展和城镇化建设的先导区，自然生态条件相对优越，因此两子系统发展更为协调。

2.4 空间自相关分析

借助GeoDa软件测算安徽省各地级市城镇化效率与生态环境质量耦合协调度的空间关联性程度，生成全局莫兰指数散点图（图 7）。2005年、2010年、2015年和2020年的莫兰指数值分别为0.493，0.368，0.388，0.235，均为正数且在5% 的水平上通过显著性检验，说明安徽省各市耦合协调度在空间上具有正向关联性。由图 7可知，研究区城市主要分布在第一象限（HH集聚）、第二象限（LH集聚）和第三象限（LL集聚），说明耦合协调度的空间自相关以高—高、低—高和低—低的空间聚集类型为主。根据散点分布情况能够看出，安徽省城镇化效率与生态环境质量耦合协调度均高和均低的城市比耦合协调度高低和低高的城市数量多，说明耦合协调在空间上具有集聚性。

为更精确描述研究区城镇化效率与生态环境质量耦合协调度的分布集聚特征，对其局部空间自相关情况进行分析，并绘制空间集聚特征图（图 8）。由图 8可知，城镇化效率与生态环境质量耦合协调度的空间异质性较大，高—高和低—高集聚区主要分布在安徽省南部地区；低—低集聚区分布在北部地区。具体来看，2005—2020年高—高集聚区分布变动较大，数量上减少3个城市，空间上由东向西逐渐转移。其中，池州始终属于高—高集聚区，表明研究期内池州自身与邻近城市耦合协调水平发展都较好，呈现双高特征。低—高集聚区出现从无到有的变化，2020年芜湖和宣城为低—高集聚区，表明这两座城市自身的耦合协调度水平低于邻近城市的耦合协调度。低—低集聚区的数量逐渐减少，至2020年仅有淮北为低—低集聚区域，说明淮北自身与周边城市耦合协调度均较低，且二者的差异程度较小，为耦合协调度低速增长区。

3 结论与建议 3.1 主要结论

通过构建城镇化效率与生态环境质量评价指标体系，对2005—2020年安徽省16个地级市城镇化效率与生态环境质量水平进行测度，并引入耦合协调度模型，分析二者的协调关系，借助空间自相关模型，研究两系统耦合协调关系在空间上的发展格局和集聚趋势，主要结论如下：

（1）2005—2020年，安徽省城镇化效率呈波动上升态势，效率均值由0.937上升至1.055，且在256（16城市×16年份）个决策单元中，有77.3% 的决策单元达到有效。安徽省城镇化效率分布呈现以合肥、铜陵为中心向西北—东南方向辐射的特征；随时间发展，皖南、皖北城市建设发展差距逐渐缩小。

（2）2005—2020年，安徽省生态环境质量整体也呈波动上升趋势，指数均值从0.217上升至0.413，在空间分布上与安徽省实际生态条件相符合，呈“南高北低”的格局。

（3）2005—2020年，安徽省城镇化效率与生态环境质量的耦合度和耦合协调度均呈现上升趋势。到研究期末耦合度以耦合阶段为主，耦合协调主导类型提升为中度协调，在空间上呈现由南向北递减的阶梯式分布格局。

（4）在2005年、2010年、2015年和2020年4个典型年份，安徽省城镇化效率与生态环境质量的耦合协调度在空间上具有显著的正相关性，耦合协调度以高—高、低—低和低—高的空间聚集类型为主。研究期内耦合协调度的集聚模式空间分布格局相对稳定，高—高和低—高集聚区主要分布在安徽省南部地区，低—低集聚区分布在北部地区。

本研究探讨了安徽省城镇化效率与生态环境质量耦合的时空演变格局，可为区域未来建设发展提供科学参考。研究对象尺度是地级城市，没有从更微观的县级尺度进行讨论，相关问题值得进一步探索。

3.2 政策建议

（1）加强合作，突破低值区域锁定效应。安徽省各市宜充分发挥比较优势，加强城镇化发展和生态文明建设经验交流与借鉴，带动区域共同发展。建立帮扶机制，让皖中和皖南地区在人才、技术等方面向皖北地区提供帮扶，使资源在不同耦合协调区域间实现高效配置。皖北地区应积极学习先进的发展理念和技术经验，加快推进传统产业改造转型，不断缩小与皖中、皖南地区的差距。

（2）因势利导，促进区域高质量发展。安徽省城镇化效率与生态环境质量的耦合协调度在地域空间上差异明显，因此要因地制宜地制定城镇发展规划和环境保护策略。皖北地区未来发展中首先应加强城镇建设，完善公共服务配套设施，缓解人口流失问题，打造区域发展内部动力；其次应紧抓发展机遇，积极寻求对外合作，突破区位因素带来的发展限制；最后要注重生态文明建设，完善生态环境保护治理机制，构建绿色发展新格局。皖中地区应推动产业结构优化升级，大力发展低能耗、低污染的高新技术产业，加强资源节约集约利用，坚持在保护生态环境的基础上，有序推进城镇化建设发展。皖南地区一方面要充分发挥区位优势，继续融入长三角，深度参与长三角产业分工协作；另一方面要保护与开发并进，合理利用自然资源、文化资源，发展“自然—文化—旅游”相结合的绿色产业，实现区域健康协调发展。