縣域小城鎮人口規模結構及其演變的分形特征比較研究
——以蘇州縣級市為例

徐懿德，尚正永

(蘇州科技大學 a.建筑與城市規劃學院；b.地理科學與測繪工程學院，江蘇 蘇州 215000)

小城鎮是城鄉之間的過渡區域，包括縣城在內除設市以外的建制鎮[1]。不同小城鎮在功能等級上的聯系和劃分稱為城鎮體系[2]。城鎮體系的規模結構是地理學的研究熱點之一，而分形研究(fractal studies)是當代理論地理學研究的主要內容之一[3]。分形理論是由Mandelbrot創立，在《英國的海岸線有多長》一文中首次闡明了分形思想[4]，并最早對城鎮規模分布的分數維性質展開了探討。D.Wong、A.S.Fothering ham和P.Frankhouser等先后研究了城鎮體系的位序-規模法則及Pareto分布與分維的關系。S.L.Arlinghaus和W.C.Aringhaus在早期的工作基礎上探討了L?sch中心地結構的分形特征[5]。分形理論的產生與發展有助于解決和解釋非線性世界中一些具有隨機性和復雜性特征的現象和問題[6]。20世紀90年代，研究人員在基礎理論、應用方法和實證研究方面[7]獲得了顯著成果。城鎮體系分形研究是分形理論在人文地理學應用中的一個較為成熟的方面[8]，目前的研究主要著眼于國家、省域、市域等大區域層面，對縣域層面的研究相對較少。因此，本文以蘇州市代管的太倉、昆山、常熟、張家港等市的小城鎮為研究對象,對縣域小城鎮人口規模結構及其演變的分形特征進行比較研究。

1 數據來源與研究方法

1.1 研究區域概況

蘇州市位于長江三角洲中部，江蘇省東南部，地處東經119°55′～121°20′，北緯30°47′～32°02′，屬亞熱帶季風海洋性氣候，東傍上海，南接浙江，西抱太湖，北依長江。截至2020年底，市域總面積8 657.32 km2，常住人口12 748 262人。蘇州代管的縣級市有昆山市、張家港市、常熟市、太倉市，四個縣級市地區總面積4 016.76 km2,占蘇州市的46.4%，常住總人口6 032 703人，占蘇州市的47.32%。

圖1 研究區略圖Fig.1 Sketch map of the study area

1.2 數據來源

本文研究主要通過文獻研究法，如昆山市市志(1981-2010)、太倉市志(1986-2005)、張家港市志(1986-2005)、常熟市志、相關統計年鑒等，通過查詢、收集、整理有關小城鎮的文獻資料，對各縣級市城鎮人口數量、行政區劃調整與城鎮變遷情況等進行梳理歸納，形成研究依據。

1.3 研究方法

1.3.1 城鎮首位度與四城鎮指數

根據馬克·杰斐遜(M.Jefferson)的城鎮首位度，用區域內最大城鎮規模與第二位城鎮規模的比值來衡量城鎮規模分布狀況。首位度大的城鎮規模分布稱首位分布，計算公式為：

S2=P1/P2

(1)

其中，P1、P2為各個城鎮按人口規模大小排序后最大城鎮人口規模和第二位的城鎮人口規模。理論上而言，城鎮首位度越高，城鎮規模差異越大[9]。但是，僅僅用兩個城鎮的人口有時并不能很好地表示城鎮分布規模，為了彌補這種局限性，引用四城鎮指數作為另一指標。

四城鎮指數：用區域內第一大城鎮與第二、第三、第四大城鎮人口數量和比值來衡量城鎮規模分布狀況，計算公式為：

S4=P1/(P2+P3+P4)

(2)

其中，P1、P2、P3、P4為城鎮按人口規模大小排序后第一、二、三、四位的城鎮人口規模?！八某擎傊笖怠痹礁?，說明鎮區人口在不同規模城鎮上分布越不均衡，城鎮規模差異越大。

1.3.2 城鎮人口規模結構的分形模型

城鎮規模分布一直是城鎮體系研究的核心問題之一。就區域城鎮規模分布而言，在一定時空條件下具有分形性質并滿足G·K·Zipf位序-規模法則[8]。但是，位序規模法則對城鎮等級規模分布模型的參數解釋具有局限性，因此采用位序規模法則與分形理論相結合方法。具體思路：對于一個特定區域，給定按城鎮人口規模從大到小排布的城鎮序號r，則相應的城鎮人口數N(r)與r滿足關系[10]：

N(r)∝r-D

(3)

式(3)是一個分形模型，其中D是豪斯到夫(Hausdorff)分形維數，可轉化為：

lgN(r)=A-Dlgr(A為常數)

(4)

而1949年G·K·Zipf提出了一個通用的城鎮規模分布法則：

(5)

2 結果分析

2.1 小城鎮的數量變化

通過文獻研究的方法，對昆山市、常熟市、張家港市和太倉市行政區劃調整與城鎮變遷情況進行了歸納總結，具體情況見表1、表2、表3、表4?？傮w上可大致分為3個階段，即建制鄉改建制鎮、建制鎮合并和建制鎮改街道3個階段。

第一階段是1985—1995年，建制鄉改建制鎮階段。此階段的行政改革主要通過建制鄉改建制鎮，在縣域范圍內減少建制鄉的數量，至1995年末建制鄉全面改革為建制鎮，實行鎮管村體制。其中昆山市在1990年末率先完成，同時也成為江蘇省第一個“無鄉之市”。常熟市建制鄉改建制鎮的幅度最大為32個，其次是張家港市25個，太倉市21個，昆山市最少為18個。鄉鎮總體數量有所收縮，但總體收縮程度不大，其中張家港市最大，鄉鎮總數從27個收縮至23個。

表1 太倉市行政區劃調整與城鎮變遷Tab.1 Adjustment of administrative divisions and urban changes in Taicang City

第二階段是1996—2009年，建制鎮合并階段。這一階段改革目的主要是精簡建制鎮機構，擴大建制鎮規模，集中人口和生產資料，從而加快建制鎮經濟發展。在此階段，常熟市建制鎮數量變化最大，建制鎮的數量從1996年的32個收縮至2009年末的10個，收縮幅度為69%。太倉市位列第二，建制鎮數量從22個收縮至7個，收縮幅度為68%。張家港市位列第三，從23個收縮至8個，收縮幅度為65%。昆山市建制鎮合并數量最小，從20個收縮至10個，收縮幅度為50%。此后，昆山市、常熟市、張家港市和太倉市建制鎮數量收縮幅度很小，基本穩定，撤鄉并鎮工作基本結束。

第三階段是2010年至今，經撤鄉并鎮調整之后，在縣域范圍內形成了新的行政區劃格局[12]，即建制鎮改街道階段。建制鎮改街道是城市發展的必然后果，隨著工業化和城鎮化水平不斷提高，中心城鎮發展受到空間的限制，城鎮向外擴張成為必然選擇，處于相鄰的建制鎮成為中心城鎮吞并的對象。從2010年至今，常熟市由建制鎮改為街道的數量最多為6個，分別是莫城街道、虞山街道、琴川街道、常福街道、東南街道及碧溪街道，占建制鎮總數的43%。其次是太倉市和張家港市，建制鎮改街道都為3個，分別是科教新城、婁東街道、陸渡街道，金港街道、后塍街道、德積街道，占建制鎮總數的33%和30%。昆山市目前尚未有建制鎮改街道，建制鎮總數為10個。

表2 昆山市行政區劃調整與城鎮變遷Tab.2 Adjustment of administrative divisions and urban changes in Kunshan City

表4 張家港市行政區劃調整與城鎮變遷Tab.4 Adjustment of administrative divisions and urban changes in Zhangjiagang City

2.2 小城鎮的等級規模變化特征

2.2.1 人口數量

根據相關統計年鑒、第五次全國人口普查、第六次全國人口普查和第七次全國人口普查報告得到各縣級市人口數據(見表5)。從人口數量來看，昆山市人口數量最多為2 092 496人，常熟市位列第二位1 677 050人，太倉市人口數量最少為831 113人；從人口增量來看，昆山市增量亦最大，為1 557 377人，其次是常熟市，增量為679 019人，接著是張家港市為649 344人，太倉市增量最少，為395 754人；從人口年平均增長率來看，昆山市年平均增長率最高，為8.31%，太倉市位列第二，為2.6%，張家港市位列第三，為2.37%，常熟市相對最低為1.94%。

2.2.2 城鎮首位度與四城鎮指數變化

采用城鎮人口作為衡量城鎮規模的主要指標，運用城鎮首位度和四城鎮指數這兩種數學方法對1985年、2000年、2009年和2020年這4個時間點進行數據計算。

表5 不同年份人口總量 (人)

表6 不同年份四市首位度和四城鎮指數Tab.6 The first degree of four cities and the index of four towns in different years

按照位序-規模的原理，正常的城鎮首位度為2，四城鎮指數為1。由表6的計算結果可知，2000年之前各縣級市城鎮首位度和四城鎮指數均大于理想值，說明城鎮規模差異較大。隨著行政區劃的調整，目前昆山市和張家港市城鎮首位度和四城鎮指數大于理想值，其中昆山市城鎮首位度及四城鎮指數皆為最大，分別為3.18和1.63，說明昆山市城鎮規模差異最大，鎮區人口在不同規模的城鎮上分布最不均衡；而太倉市和常熟市均小于理想值，其中太倉市城鎮首位度和四城鎮指數最小分別為1.1和0.49，說明太倉市城鎮規模差異最小，鎮區人口在不同規模的城鎮分布最均衡。

2.2.3 城鎮人口規模結構的分形特征

根據城鎮等級規模結構的分形分析方法，以太倉市1985年城鎮人口為例，進行城鎮規模大小排序(見表7)，按此類方法在EXCEL中以lnr為橫坐標，以lnP(r)為縱坐標，分別做出各市1985年、2000年、2009年和2020年城鎮規模分布雙對數坐標圖，結果如圖2、圖3、圖4和圖5所示。結果顯示，相關系數R2大都在0.9以上，說明相關性好，可以進行分形分析。昆山市對應的q值為1.323 5、1.014 2、1.221 2和1.553 2，而對應的分形維數D分別為0.755 6、0.986、0.818 9和0.643 8。常熟市q值為1.052 3、1.115 4、0.841 6和0.878 1，分形維數D值為0.950 3、0.896 5、1.138 8和1.162 1。張家港市q值為1.381 3、1.026 2、1.178和1.057 3，分形維數D值為0.724、0.974 5、0.848 9和0.945 8。太倉市q值為1.417 8、1.224 5、1.024 2和0.788 3，分形維數D值為0.705 3、0.816 7、0.976 4和1.268 6?？梢缘贸隼ド绞泻蛷埣腋凼衠值>1，D值<1，昆山市更明顯，說明昆山市城鎮體系人口規模結構最分散，人口分布差異程度最大，首位城鎮的壟斷性最強。而常熟市和太倉市D值變化比較大，主要是受建制鎮改街道的影響，調整了原先城關鎮的行政區域，其中太倉市目前q值最小，D值最大，說明太倉市城鎮規模分布最集中，人口分布最均衡，中間位序的城鎮數目最多。驗證了城鎮首位度和四城鎮指數的計算結果。

表7 1985年太倉市城鎮人口規模等級 (人)

位序歸莊鄉鹿河鄉新湖鄉陸渡鄉新塘鄉九曲鄉王秀鄉板橋鄉牌樓鄉時思鄉老閘鄉沙溪鄉人口68967262357056353550246140735332747lnP(r)6.546.516.436.356.336.286.226.136.015.875.793.85lnr2.562.642.712.772.832.892.9433.043.093.143.18

圖2 昆山市規模分布雙對數坐標圖Fig.2 Double logarithmic coordinate graph of the size distribution of Kunshan City

圖3 常熟市規模分布雙對數坐標圖Fig.3 Double logarithmic coordinate graph of the size distribution of Changshu City

圖4 張家港市規模分布雙對數坐標圖Fig.4 Double logarithmic coordinate graph of the size distribution of Zhangjiagang City

圖5 太倉市規模分布雙對數坐標圖Fig.5 Double logarithmic coordinate graph of the size distribution of Taicang City

3 結論與討論

3.1 主要結論

研究表明，昆山市、常熟市、張家港市和太倉市城鎮人口規模分布都具有明顯的分形特征，表現出自相似結構，說明分形理論適合本區域城鎮人口規模結構的分析比較研究，因此昆山市、常熟市、張家港市和太倉市在未來的城鎮體系規劃中可以運用分形思想設計城鎮體系規劃的等級規模結構。

從小城鎮數量來看，常熟市收縮幅度最大，數量從1985年的34個收縮至2022年的14個。其次是張家港市和太倉市，分別從27個收縮至10個與24個收縮至9個。昆山市收縮幅度最小，從21個收縮至10個。目前，常熟市建制鎮改街道的數量最多，為6個，占建制鎮總體數的43%。其次是太倉和張家港，建制鎮改街道都為3個，分別占建制鎮總數的33%和30%。昆山目前尚未有建制鎮改街道。

從人口數量來看，無論人口總量還是增量，昆山市都處于領先地位，其次是常熟市和張家港市，太倉市相對較少，但人口年平均增長率僅次于昆山市。

從城鎮規模分布來看，歷年昆山市分維值D為0.755 6、0.986、0.818 9和0.643 8。常熟市D值為0.950 3、0.896 5、1.138 8和1.162 1。張家港市D值為0.724、0.974 5、0.848 9和0.945 8。太倉市D值為0.705 3、0.816 7、0.976 4和1.268 6。目前，昆山市和張家港市D值小于1，說明城鎮體系等級規模分布比較分散，尤其昆山市，人口分布差異最大，首位城鎮的壟斷性最強；常熟市和太倉市的D值大于1，說明城鎮規模分布比較集中，尤其是太倉市人口分布最為集中，中間位序的城鎮數目最多。

3.2 對策建議

通過梳理小城鎮的數量變化情況，根據對昆山市、常熟市、張家港市及太倉市城鎮人口規模結構的分維測算結果，目前昆山市和張家港市城鎮的首位度較高，相比之下常熟市和太倉市城鎮體系規模分布還沒有達到最合理狀態，因此，常熟市和太倉市要重點突出中心城鎮的建設,促進生產要素向其集聚，實現城鎮的規模擴張和功能擴張。充分利用市政府駐地的區位優勢條件,發揮較其他城鎮經濟實力相對雄厚的優勢，擴大對縣域物資、資金、人才、科技等要素集散的輻射帶動功能，整體帶動縣域小城鎮的綜合發展。加強以交通為主的基礎設施建設，通過提高城鄉之間的通達性水平來促進城鄉之間的經濟聯系，以時間的可達性來縮短空間距離，從而放大城鄉之間空間上的聯系強度，促進城鄉融合發展。