EN中文

Tropical Geography >

2025 , Vol. 45 >Issue 3: 374 - 385

DOI: https://doi.org/10.13284/j.cnki.rddl.20240128

Characteristics and Driving Factors of Industrial Activity Spatial Distribution in Mega-Cities from the 'Land-Building' Perspective: A Case Study of Shenzhen

  • Xuecheng Bi , 1, 2, 3 ,
  • Dongyin Zhang 2 ,
  • Xianquan Ye 2 ,
  • Xiang Li 4 ,
  • Li Li , 3
Expand
  • 1. Yangtze River Culture Research Institute, Yangzhou University, Yangzhou 225009, China
  • 2. Shenzhen Real Estate and Urban Construction Development Research Center, Shenzhen 518028, China
  • 3. School of Economics and Management, Harbin Institute of Technology (Shenzhen), Shenzhen 518055, China
  • 4. School of Economics and Management, Sanming University, Sanming 365004, China

Received date: 2024-03-05

  Revised date: 2024-05-22

  Online published: 2025-03-14

Fold

Abstract

Megacities serve as primary spatial carriers of industrialization and sources of innovation and upgrading. Existing research predominantly relies on business registration data to identify the micro-locations of industrial activities; however, this approach suffers from limitations such as low identification accuracy and difficulties in subdividing the types of industrial activities. This study utilizes Shenzhen as a case and constructs a new method for identifying the locations of industrial activities based on the "Land-Building" perspective. By integrating land use and building data and by employing kernel density estimation, spatial autocorrelation analysis, and spatial econometric models, this study systematically examined the spatial distribution characteristics and factors influencing industrial production and R&D activities. The findings reveal that 1) the overall spatial distribution of industrial activities in Shenzhen exhibits a pattern of "dense in the north and sparse in the south," with 95.06% of industrial activity buildings located in the six districts outside the "Guan" area and 4.94% in the four districts inside the "Guan" area. There are significant differences between the spatial locations of industrial and industrial production activities. Industrial production activities display a "multicenter contiguous" layout, primarily distributed in the northeastern "Longgang-Pingshan" industrial production zone, the northwestern "Bao'an-Guangming" production zone, and the cross-city production zone at the border between Shenzhen and Dongguan. In contrast, industrial R&D activities exhibit a "single-center scattered" spatial distribution, mainly concentrated in central urban areas such as Nanshan District and Futian District, with key clusters in streets such as Yuehai, Xili, and Xixiang. 2) Both urban industrial R&D and production activities exhibited positive spatial autocorrelation and spatial spillover effects. Moran's I index for urban industrial R&D is 0.518, while that for production activities is 0.123, indicating that the spatial autocorrelation and spillover effects of industrial production activities are stronger than those of industrial R&D activities. Industrial production activities can exert economic agglomeration effects over a broad geographical range, whereas industrial R&D activities generate agglomeration effects only in smaller areas. The spatial clustering of industrial production activities centers around Fubao Street, with low-low clustering dominating the fan-shaped area from Xixiang Street to Yantian Street and high-high clustering prevailing outside this area. The spatial clustering of industrial R&D activities exhibits an "interlaced and embedded" pattern, forming a nested spatial distribution. 3) The spatial layout of industrial activities in megacities is the result of the combined effects of multiple factors including socioeconomic development, transportation infrastructure, production and living facilities, and geographical location. However, the driving factors for the microlocation distribution of the two types of activities differ. Factors such as population density, industrial development, highways, railway stations, commercial facilities and administrative area size positively influenced the spatial agglomeration of industrial production activities. In contrast, the economic level, industrial development, bus stops, subway stations, and financial facilities positively affect the spatial agglomeration of industrial R&D activities. This study suggests that governments should consider the regularity and heterogeneity of the spatial agglomeration of different industrial activities when conducting urban spatial and industrial planning, promote reasonable functional zoning of urban industrial activities, and enhance the supply of industrial development factors to foster the agglomeration and development of industrial activities.

Key words： megacity; industrial production; industrial research and development; land-housing perspective; location selection; Shenzhen City

Cite this article

Xuecheng Bi , Dongyin Zhang , Xianquan Ye , Xiang Li , Li Li . Characteristics and Driving Factors of Industrial Activity Spatial Distribution in Mega-Cities from the 'Land-Building' Perspective: A Case Study of Shenzhen[J]. Tropical Geography, 2025 , 45(3) : 374 -385 . DOI: 10.13284/j.cnki.rddl.20240128

工业是现代化的物质基础与必由之路，其发展水平体现了国家综合实力的高低（管汉晖 等，2020），党的二十大报告指出，要坚持把发展经济的着力点放在实体经济上，推进新型工业化，加快建设制造强国（习近平，2022）。超大城市是工业化的主要集聚地与创新升级策源地，其为工业发展提供了丰富的生产要素、优越的基础设施、巨大的市场需求与良好的创新环境。与此同时，工业化也促进了超大城市经济增长与规模扩张，提升了城市竞争力（龙奋杰 等，2015）。然而，随着工业化与城市化的持续推进，超大城市开始面临“三生”（生产、生活、生态）空间协同治理难题，尽管集聚经济效应会强化工企本地化生产与研发粘性，但工业用地供给不足、租金与用工成本上涨、严格的环境规制等因素也增加了工企向外迁移的意愿（许闻博 等，2023）。在中国工业化进程进入下半场之际，如何平衡工业化与城市发展之间的关系尤为重要。对于超大城市而言，在推动传统工业向现代工业转型升级的同时，也需要优化与调整城市产业空间布局，以提升城市工业活动承载力。
识别工业活动区位特征及驱动因素是优化城市产业空间布局的前提条件。自韦伯于1909年发表《工业区位论》（阿尔弗雷德·韦伯，1909）以来，工业区位问题长期受到区域经济与经济地理等领域学者的关注（金相郁，2004；张文忠，2022），学界围绕工业活动空间布局与演变（罗胤晨 等，2014；王山 等，2023）、集聚模式特征（吕卫国 等，2009；李佳洺 等，2016）及影响因素（姜海宁 等，2011；邹辉 等，2020）等问题展开分析，形成了丰富的学术成果。如王山等（2023）对中国制造业高质量发展区域差异进行测度，发现中国制造业呈现“东高、中平、西低”的空间格局和“南强北弱”的分布特征；徐维祥等（2019）对长三角地区制造业空间分布特征进行研究，发现产业结构和融资环境是制造业区位选择的重要影响因素；胡璇和杜德斌（2019）在一项针对上海市外资企业研发中心空间布局的研究中发现，制度因素和集聚效应是外资企业研发中心区位选择的重要考虑因素。
整体而言，如何科学表征工业活动区位特征是学者重点关注的问题。从相关研究演化脉络看，早期文献多以工业或制造业增加值刻画其空间分异，但因该指标数据在微观尺度下难以收集，故该类文献多关注中宏观尺度（姜海宁 等，2011；罗胤晨 等，2014；陈柯 等，2018）。随着大数据技术的发展与企业基础数据库的逐步完善，一些学者通过提取工商注册类数据中企业注册地址信息，将工业活动区位研究向小尺度进行扩展（骆晨 等，2022；沈娉 等，2023），补充了工业活动微区位尺度下的实证研究。但以企业注册地址刻画城市内部工业活动区位特征也存在不足：1）企业注册地址并不能度量工业活动的准确区位，一些企业为对外交流便利将注册地置于城市中心商务区，而实际生产地址多位于工业区或产业园，导致注册地址与生产区位并不匹配。2）单一企业仅有唯一注册地址，但唯一注册地址信息无法刻画企业多样化的行为。随着工业企业组织分工的深化，其生产活动与研发活动在空间上常发生分离，故以注册地址信息无法区分与识别企业生产活动与研发活动的空间区位。基于此，本文尝试从“地-房”视角构建工业活动微区位识别新方法体系，根据用地性质与房屋使用现状将工业活动划分为工业生产与工业研发活动2种类型，以分析超大城市内部工业生产与研发活动区位特征与影响因素。以期为城市产业空间优化与工业企业区位选择提供理论参考。

1 研究区概况、区位识别策略与数据来源

1.1　研究区概况

深圳是中国改革开放的前沿阵地、中国特色社会主义先行示范区、粤港澳大湾区核心引擎城市，位于广东省南部，毗邻香港特别行政区。地理范围为22°24′—22°52′ N、113°46′—114°37′ E，东西长度平均为49 km，南北宽度平均为7 km，整体呈狭长形（图1）。
图1 研究区概况

注：该图基于广东省标准地图服务网站下载的审图号粤S（2023）116号的标准地图制作，底图无修改。

Fig.1 Overview of the study area

深圳市长期坚持“工业立市”发展战略，目前在电子信息制造、新能源汽车、新材料、高端装备制造、医疗器械等领域已形成世界级产业集群，2022年，深圳市规上工业总产值与增加值分别为4.55万与1.04万亿元，2项指标均位列全国第一。作为中国工业第一城，深圳市面临严重的土地供给不足问题，全市土地面积1 997.47 km2，仅为北京的12.17%、上海的31.50%、广州的26.76%，且山地与丘陵地貌面积占比近50%，可供开发的土地资源极其有限。此外，深圳市常住人口近1 800万，是全国人口密度最高的超大型城市，市民的居住与生活空间需求也挤压了工业用地供给。稀缺的工业用地资源塑造了深圳市精细化的工业空间布局与开发模式，分析深圳市工业活动空间分布特征，识别其城市内部工业区位选择的驱动因素，对于提高超大城市土地空间利用效率，优化产业空间布局具有现实意义。

1.2　“地-房”视角下工业活动区位识别策略

以企业注册地址信息刻画微观尺度视角下城市产业活动存在精度不足问题，基于此，本文尝试从“地-房”视角构建城市内部工业活动区位识别的新方法。从产业发展现实看，任何产业活动都依附于特定的土地与空间载体，土地与房屋信息为识别城市内部工业活动区位特征提供了切入点。根据《中华人民共和国土地管理法》（全国人民代表大会常务委员会，2019）与《中华人民共和国土地管理法实施条例》（国务院，2021），土地使用用途需要符合用地性质要求，土地使用用途可以分为农用地、建设用地与未利用地，其中建设用地包含商服用地、综合用地、住宅用地、工业用地和其他用地5种类型。“地-房”视角下，工业用地M是工业活动的载体，工业用地M上的建筑物为工业活动的容器。从“地”的维度看，工业用地M可以细分为M0、M1、M2、M3等4种类型，其中M1~M3均为工业生产性质用地，分别对应一、二、三类工业用地，M0为M大类下新增的创新型产业用地。从“房”的维度看，M1~M3土地上主要为工业生产用房，M0土地上主要为创新型产业用房，前者以工业生产活动为主，并融合了专配、仓储、修理等功能，后者以工业研发活动为主，同时融合了孵化、创意、设计、中试等新型产业功能。
由此可知，通过解析工业用地M0~M3上的建筑物的地理信息，便可识别城市工业活动的基本区位特征（图2）。但在现实中，由于存在建筑物闲置与使用现状变更等情况，所以还需要通过现场收集校核楼栋实际使用现状信息。本文基于建筑物普查与实地调研资料，剔除了M用地上的闲置楼栋与产业配套楼栋（宿舍、食堂、门岗等），根据土地性质与房屋主要使用现状，将样本楼栋划分为工业生产与工业研发2种类型，以表征深圳市工业生产与工业研发活动的区位特征。从“地－房”视角精准识别工业活动区位需要有相关数据作为支撑，包括土地用地性质与空间图层信息、房屋用途与空间信息、房屋的使用现状信息等等。
图2 “地-房”视角下的城市内部工业活动区位识别逻辑与方法

Fig.2 Method of identifying the location of industrial activities within the city from the perspective of "land-housing"

1.3　数据来源

本文核心数据来源于深圳市住房和建设局房地产和城市建设发展研究中心《2023年深圳市产业用房建筑物基础数据库》，该数据库融合了深圳市建筑物普查、宗地、网格办普查、租赁市场调查与POI等多源数据，数据包含了深圳市全部产业用房类建筑物的土地性质、法定图则、房屋基础属性、邻里特征、使用现状与租赁现状等多维度信息。从数据库中提取土地性质为工业用地、使用现状为未闲置、使用用途为工业生产与工业研发的全部楼栋，其中，工业生产用房43 650栋，工业研发用房2 266栋，提取时间为2023年10月。以社区作为最小实证尺度，由于社区尺度下经济社会发展类别的统计数据较为缺乏，而不同区域经济社会发展的差异在遥感影像上有所呈现，所以遥感影像数据常被用于弥补微观尺度下统计类数据的缺失（王妤 等，2021）。在实证过程中，本文分别利用VIIRS夜间灯光数据 1、Land Scan Global数据 2与GlobeLand30全球地表覆盖等遥感影像数据 3表征深圳市各社区经济发展、人口密度与土地利用现状，并利用ArcMap10.6进行计算处理与信息提取。

2 深圳市工业活动区位分布特征

2.1　空间格局与集聚特征

以土地和房屋信息对深圳市工业活动区位特征进行识别，利用ArcMap10.6对识别结果进行空间可视化（图3）。图3-a为深圳市全部工业用房的空间分布，可以发现，深圳市工业活动整体上为“北密南疏”的空间分布格局，主要工业用房分布在“关外” 46区，占比95.06%，“关内”4区占比4.94%。其中，龙岗区与宝安区工业用房楼栋均在1万栋以上，福田区、罗湖区与盐田区的工业用房楼栋数量均在500栋以内。
图3 深圳市工业生产与研发活动空间分布及核密度

Fig.3 Spatial distribution of industrial production and R&D activities in Shenzhen and kernel density

为进一步直观呈现深圳市工业活动空间分布格局特征，运用ArcMap10.6绘制了深圳市工业生产与工业研发活动核密度图（图3-b、c）。由图3-b可知，除部分山地隔阻外，深圳北部已发展出连片工业生产集聚区，同时形成多中心的工业生产空间格局。这些工业生产中心主要包括东北部龙岗-坪山工业生产片区，西北部宝安-光明生产片区，深圳-东莞市际交界处的跨市域生产片区。由图3-c可知，深圳市研发活动呈现零散分布特点，高密度地区主要分布在粤海、西丽与西乡等少数街道，其余地区仅有零星分布。可以发现，深圳工业生产活动与工业研发活动空间分布格局具有显著差异。1）从分布区位看，高密度工业生产活动主要集中在“关外”，而高密度的工业研发活动具有“关内”分布指向性。2）从空间集聚特征看，工业生产活动表现为“多中心连片”分布特征，而工业研发活动为“单中心零散分布”。3）工业生产活动最大核密度高于工业研发活动，表明在某些区域内工业生产楼栋分布更加密集。
最近邻指数（NNR）可测度要素空间分布模式是否趋向于聚集、随机或均匀分布。NNI＜1表示聚集趋势，＞1表示均匀分布。基于平均最近邻距离法测度深圳市工业活动空间集聚特征（表1）。可知，深圳市工业活动平均观测距离为45.29 m，小于预期平均距离的134.09 m，最近邻指数＜1，P值＜0.05，表明从全局视角看，深圳市整体工业活动具有空间集聚特征。
表1 平均最近邻距离

Table 1 Average nearest neighbor distance

指标 全部工业活动 工业生产活动 工业研发活动
平均观测距离/m 45.29 44.17 113.82
预期平均距离/m 134.09 139.35 464.20
最近邻指数 0.34 0.32 0.24
Z值 -271.46 -269.41 -84.23
P值 0.00 0.00 0.00
从工业活动细分类型对比看，工业生产活动与研发活动的平均距离分别为44.17和113.82 m，但预期平均距离分别为139.35和464.20 m，可见工业生产活动平均距离比工业研发更近。工业生产活动与工业研发活动的最近邻指数均＜1，且前者NNR值为0.32，＞后者的0.24，表明深圳市工业生产与研发活动均具有空间集聚特征，但研发活动空间集聚程度要高于生产活动。工业研发是一项知识密集型活动，对于创新资本集聚与面对面式（Face to Face）交流具有更高需求（Asheim et al., 2007），这也推动了工业研发创新活动在微观尺度上的集聚。

2.2　空间自相关关系

运用Geoda计算了深圳市社区尺度下的工业生产与研发活动全局空间自相关Moran's I指数（表2），二者Moran's I指数均＞0，且P值均＜0.05，表明深圳市工业生产与工业研发活动均为正向空间自相关关系。从全局视角看，本地化的工业活动集聚程度越高，邻近地区平均工业活动集聚程度越高。对比2种工业活动Moran's I指数发现，工业生产活动Moran's I指数为0.518，工业研发活动Moran's I指数为0.123，处于相对较低水平。这表明在社区尺度下，相比较于工业研发活动，城市工业生产活动具有更强的正向空间关联性。
表2 全局空间自相关Moran's I指数

Table 2 Global spatial autocorrelation Moran's I indices

指标 工业生产活动 工业研发活动
Moran' I 指数 0.518 0.123
预期指数 -0.002 -0.002
标准差 0.024 0.023
Z值 21.775 5.349
P值 0.000 0.000
由图4可以发现，深圳市工业生产与工业研发活动呈现差异化的聚类特征。工业生产活动聚类的空间分布具有“泾渭分明”的特征，以福保街道为中心，自西乡街道到盐田街道的扇形区域内以低-低聚类为主，扇形区域外部形成一个明显的缓冲区，缓冲区外部以高-高聚类为主。工业研发活动的空间聚类呈现“交错互嵌”式的空间聚类特征，即不同聚类类型在空间上互相交错，形成嵌套式的空间分布格局。如南山-宝安片区与光明-龙华片区的中心区域均为高-高聚类类型，而外围则分布着低-高聚类类型。与此同时，以低-低集聚类型为主的福田-龙岗片区，其周边也零星分布着高-低集聚类型。
图4 深圳市工业生产与研发活动局部空间自相关聚类

Fig.4 Localized spatial autocorrelation clustering of industrial production and R&D activities in Shenzhen City

可以发现，工业生产与工业研发活动均具有正向空间自相关效应，但相比较于工业研发活动，工业生产集聚能在更大地理空间内产生正向影响。整体上，尽管工业研发活动可以在较小范围形成集聚区，但其对集聚区外围区域具有“极化效应”，即区域性的工业研发中心集聚不利于外围区域产生新的研发中心。而工业生产活动可以在更大地理范围产生“涓滴效应”，即本地工业生产集聚区的形成会带动外围地区工业化的发展，最终使得区域工业生产活动逐渐趋于均衡化。由此可见，微观尺度下2种区域效应的差异性是造成深圳市工业生产“多中心连片分布”，而工业研发活动“单中心离散分布”的重要原因。行政力量与市场力量是导致工业生产与研发活动空间分布模式不同的主要原因，从行政维度看，城市空间与产业规划会引导城市产业空间布局，土地审批与环评等行政手段会对相关企业选址造成限制（刘家民 等，2023）。从市场维度看，由于工业研发活动离不开知识共享和创新协同，所以更倾向于聚集在具有高科技基础设施、人才密集和较好研发环境的城市中心区域（胡璇 等，2019）。而工业生产活动则受到土地、租赁成本、交通便利、原料供应等多种因素的影响，往往分布在中心城区外围的广阔地域。

3 深圳市工业生产与研发活动区位分布影响因素

3.1　因素选取

城市工业活动区位分布的影响因素繁多（Rikalovic et al., 2015; Rahman & Kabir, 2019），主要可归纳为4方面，分别为经济社会发展、交通基础设施、生产生活配套与地理区位环境，根据指标内涵与社区尺度数据获取的实际情况，选择15个二级指标作为解释变量（表3）。
表3 工业活动区位分布的影响因素及指标

Table 3 Factors and indicators influencing the locational distribution of industrial activities

变量类型 解释名称 变量符号 指标表征与解释 数据来源

经济社会发展

（Econ_social）

 经济水平 Economic 夜间灯光强度 VIIRS夜间灯光（2021）
人口密度 Population Land scan人口密度 Land Scan Global（2022）
产业发展 Ind_park 产业园区数量

深圳市房屋租赁参考价格

查询平台

物价水平 Price_level 商品房租金水平

交通基础设施

（Tran_infra）

 火车站 Rail_station 社区几何中心到最近火车站的直线距离 百度POI数据
公交站 Bus_station 公交站数量
地铁站 Sub_station 地铁站数量
高速入口 Expressway 高速入口数量

生产生活配套

（Prod_living）

 教育配套 Education 幼儿园及中小学数量 百度POI数据
医疗配套 Hospital 社康、专科及综合等医疗机构数量
商业配套 Business 商超、零售、购物中心等网点数量
金融配套 Finance 证券、保险与银行等网点数量

地理区位环境

（Geo_location）

 行政区面积 Area 社区总面积 标准地图计算得到
生态用地 Ecology 非人造地表占比 GlobeLand 30（2020）
地理区位 Location 社区所处的区位 “关内”取1，“关外”取0
工业是城市经济社会发展的重要驱动力，对城市经济社会发展具有广泛影响，而工业活动的区位选择受到当地经济社会发展所影响。如研发部门倾向于布局在主城区以吸引人才，对土地资源需求较大的生产部门会选择在地价便宜的远郊区建厂。此外，随着现代工业趋于集群化发展，产业之间的关联与融合程度不断提升（周振华，2003），地方产业发展基础也是企业区位选择时的重要考虑因素。本文纳入经济水平、人口密度、产业发展与物价水平4个表征指标，由于社区尺度统计数据难以获取，选择以VIIRS夜间灯光与Land Scan Global遥感数据表征经济发展与人口密度（王妤 等，2021），以产业园区数量与商品房租金水平表征产业发展与物价水平，数据来源于深圳市房屋租赁参考价格查询平台 5。
生产生活配套资源是工业企业区位选择时的重要考虑因素。工业活动离不开金融资本的支持，良好的金融配套与服务可以节约企业融资成本与财务费用，从而影响企业选址决策。公共生活服务中的教育与医疗配套是吸引与留住人才的关键（马仁锋 等，2019），尤其是工业研发类企业会优先选择生活服务配套完善的地区。商业配套不仅为员工休憩与娱乐提供了空间与场所，同时为面对面式的创新交流与商务合作提供了条件。在生产生活配套中选择金融、教育、医疗与商业4个指标，主要利用百度POI数据进行表征与刻画。
在企业区位选择与产业空间布局的相关研究中，交通基础设施一直是学者关注的要点（Krugman, 1991）。交通基础设施通过改善要素流动的效率、运输成本与员工通勤效率而对企业区位选择偏好造成影响（毕秀晶 等，2011），由于工业生产与工业研发活动空间集聚特征不同，二者在交通设施选择偏好上也可能存在差异性。本文选择火车站、公交站、地铁站与高速入口作为交通基础设施的表征变量，以衡量不同交通设施对工业生产与研发活动微区位布局的差异化影响，相关数据来源为百度POI数据 6。
地理区位环境通过土地资源、城市规划与环境规制等因素对工业区位选择造成影响。一方面，土地作为产业发展的物理载体，其存量、价格与结构均会影响工业活动的空间布局。另一方面，随着城市治理模式趋于精细化与科学化，城市功能分区日益完善，产业空间规划也推动城市产业空间布局由无序转变为有序，如超大城市研发活动开始向城市创新街区与创新谷集聚。由于工业生产与研发选址需要符合生态环保要求，环境规制与生态用地分布也会对产业空间布局造成限制（薄文广 等，2019）。基于此，在解释变量中加入行政区面积、生态用地与地理区位3个指标。其中，社区行政区面积通过标准地图底数计算得到，生态用地数据来源于GlobeLand 30，地理区位以“关内”与“关外”为区分。

3.2　模型构建

由于深圳市工业生产与研发活动区位布局存在空间自相关，即空间因素会影响深圳市工业生产与研发活动的分布。因此，选择空间滞后模型展开实证分析，空间滞后模型（Spatial Lag Models， SLM）是常用的空间计量模型，与OLS模型相比，空间滞后模型通过引入空间滞后项，捕捉因变量的空间依赖性，从而判断空间因素对模型的影响。空间滞后模型基本形式为：
Y i = C + W * Y i + β j X i , j + μ  
式中： Y i为被解释变量；C为常数量； W为空间权重矩阵； X i , j为解释变量； β j为第j个解释变量的回归系数； μ为随机扰动项（彭珏 等，2021）。本文在解释变量中纳入经济社会发展、交通基础设施、生产生活配与地理区位环境4个维度共15个指标，分别以 E c o n _ s o c i a l i、 T r a n _ i n f r a i、 P r o d _ l i v i n g i与 G e o _ l o c a t i o n i作为表征，最终构建实证模型。
i n d u s t r y _ p i = C + W * i n d u s t r y i + E c o n _ s o c i a l i +                    T r a n _ i n f r a i + P r o d _ l i v i n g i +                    G e o _ l o c a t i o n i + μ
i n d u s t r y _ r i = C + W * i n d u s t r y i + E c o n _ s o c i a l i +                    T r a n _ i n f r a i + P r o d _ l i v i n g i +                    G e o _ l o c a t i o n i + μ  
式中： i n d u s t r y _ p i为工业生产活动集聚程度，以社区工业生产用房数量表征； i n d u s t r y _ r i为工业研发活动的集聚程度，以社区工业研发用房数量表征； W为空间权重矩阵，以各社区之间的重心距离作为计算矩阵。

3.3　实证结果与分析

表4为深圳市工业生产与工业研发空间区位分布影响因素的实证结果。模型（1）与（3）为OLS估计结果，模型（2）与（4）为空间滞后模型实证结果。可知，空间溢出效应普遍存在于工业生产与工业研发环节，即本地工业活动会影响邻近地区工业布局，且同时受到相邻地区工业活动的影响。这表明工业企业之间的密切联系推动城市工业集聚化发展。对比模型（2）与（4）空间自回归系数可知，工业生产活动空间自回归系数大于工业研发，说明工业生产活动具有更强的空间溢出效应，其可在更广的地理范围发挥集聚经济的外溢效应，从而带动周边地区工业发展。
表4 实证结果

Table 4 Empirical results

模型变量 （1） （2） （3） （4）
OLS 空间滞后 OLS 空间滞后
i n d u s t r y _ p i n d u s t r y _ p i n d u s t r y _ r i n d u s t r y _ r
空间自回归 W _Y ― 0.269***（0.038） ― 0.148***（0.051）
常数项 C 85.884**（43.04） 26.405（41.432） -17.45***（6.524） -16.234**（6.391）
经济社会发展 Economic -0.447（0.386） -0.245（0.366） 0.138**（0.058） 0.121**（0.057）
Population 0.79**（0.35） 0.714**（0.331） -0.024（0.053） -0.022（0.052）
Ind_park 3.05***（0.167） 2.685***（0.166） 0.107***（0.025） 0.102***（0.025）
Price_level -0.58***（0.167） -0.343**（0.161） 0.018（0.025） 0.011（0.025）
交通基础设施 Rail_station -2.751***（0.843） -1.867**（0.806） 0.286**（0.128） 0.29**（0.125）
Bus_station -0.3（0.467） -0.266（0.442） 0.529***（0.071） 0.512***（0.07）
Sub_station 2.139（3.453） 2.562（3.265） 1.32**（0.523） 1.356***（0.513）
Expressway 1.801***（0.405） 1.51***（0.384） 0.075（0.061） 0.07（0.06）
生产生活配套 Education 0.571（0.695） 1.062（0.657） -0.084（0.105） -0.073（0.103）
Hospital -2.233（2.192） -0.999（2.078） -0.033（0.332） -0.029（0.326）
Business 0.557***（0.108） 0.438***（0.103） -0.061***（0.016） -0.06***（0.016）
Finance -0.559***（0.171） -0.519***（0.162） 0.082***（0.026） 0.083***（0.025）
地理区位环境 Area 3.092***（1.044） 3.323***（0.988） -0.452***（0.158） -0.444***（0.155）
Ecology 5.371（12.681） 0.103（12.035） 0.39（1.922） 0.299（1.883）
Location 5.182（10.219） 16.258（9.76） 0.824（1.549） 1.274（1.518）
拟合优度 R 2 0.655 0.692 0.252 0.282
样本量/个 N 669 669 669 669

注：括号内为标准差；*、**、***分别表示10%、5%、1%的显著性水平（双尾）。

在经济社会发展维度，各因素对工业生产与工业研发的影响有所不同。主要表现为，人口密度与产业发展对区域工业生产布局具有正向促进作用，较高的物价水平不利于工业生产活动布局，经济发展基础对工业生产空间布局没有显著影响，但其与产业发展均能促进区域工业研发活动的集聚。由于工业生产所需劳动力与土地资源大（李仙德 等，2023），因此倾向于在劳动力资源丰富与物价水平较低的区域布局，而工业研发活动对创新要素丰裕度要求更高，会优先布局在经济发展较好的中心城区。此外，随着工业研发与生产融合发展，产业发展基础对工业研发活动集聚具有促进作用，但其影响程度低于其对工业生产活动集聚的影响。这是由于相较于工业生产活动，工业研发活动不仅所需土地面积更小，且工业研发楼栋的容积率更高，使其集聚在少数的产业园区。
在交通基础设施维度，不同工业活动对各类型交通需求偏好存在差异。主要表现为，工业生产活动对高速公路与铁路的需求更大，而工业研发在布局时会优先考虑地铁与公交设施。这是因为工业生产需要原材料与产品流通，毗邻高速公路入口与火车站可以满足企业快捷运输需求。公交与地铁等城市内部交通仅对工业研发活动有影响。姜海宁等（2011）认为地铁对制造业总部区位选择具有正向影响，这可能是由于制造业企业总部更多是承担研发办公职能，而非生产制造。在城市内部，很多生产性质的工厂会提供员工宿舍，这在一定程度上减轻了生产型企业及企业员工对公交与地铁的需求，而研发企业由于较少提供员工宿舍，需要考虑员工日常的通勤效率，故倾向于布局在地铁与公交站点附近。胡璇和杜德斌（2019）认为市内交通的便捷程度并非外资企业研发中心选址考虑的因素，本文以深圳案例证实了城市内部通勤设施对中国工业研发活动选址具有正向影响，表明中外企业研发选址具有不同偏好。覃成林等（2014）认为铁路交通发展在总体上促进沿线城市工业发展，本研究发现城市内部工业生产活动倾向于布局在离火车站更近的区域，这进一步验证了铁路交通设施对工业生产空间布局的集聚效应。与此同时，超大城市内部工业研发活动则呈现远离火车站的空间布局特征，这一发现虽然有悖于传统认知中研发活动需要依托交通枢纽进行跨区域交流的观点（罗双成 等，2021），但这可能源于超大城市内部已形成较为完善的创新系统与创新主体网络，从而弱化了工业研发活动对火车站等面向外部交通设施的依赖，转而更加倾向于选择内部交通设施便利的区域。
在生产生活配套方面，不同类型配套服务对工业生产与研发活动微区位布局的影响具有显著差别。商超、零售、购物中心等商业配套对工业生产布局具有正向影响，但其对工业研发活动布局具有负向效应，由于工业生产型员工“职住分离”比例低于研发从业人员，其对生活性商业配套也具有更强的需求（吴瑞君 等，2017）。金融配套对工业生产布局具有负向影响，但对工业研发活动集聚具有促进作用，这与邢乐斌等（2024）等基于问卷调查数据得出的结论一致。由于研发选址需优先考虑周边的创新氛围，所以倾向于选择金融等配套设施更完善的城市中心地段，而这些地段因为地价与租价水平较高往往不利于生产型企业的进入。
地理区位环境中仅有行政区域面积对工业活动具有显著影响，表现为社区的行政区面积越大越有利于工业生产活动集聚，而不利于工业研发活动集聚。工业生产与工业研发作为2种类型的经济活动，前者对土地需求更大，后者可以布局在容积率更高的建筑空间，故行政区面积越大的社区越有利于进行工业生产活动布局。而那些土地资源稀缺的社区则不具备大规模布局工业生产活动的条件，且这类社区多位于主城中心区，更倾向于布局工业研发活动。在控制其他条件之外，区位对深圳市工业生产与研发活动微区位分布没有显著影响，这可能是由于自2018年起，经济特区管理线被正式撤销，“关内”与“关外”政策条件与管理趋同化，使得其对工业活动微观布局的影响与作用逐渐减弱。
对比可知，超大城市内部工业生产与工业研发活动空间集聚的驱动因素具有明显不同，仅有产业园区数量对二者的影响保持一致，火车站、商业配置、金融配置与行政区面积4个因素对二者的影响截然相反。

4 结论与讨论

本文从“地-房”视角构建了城市内部工业活动区位识别新方法，以深圳市为案例，分析了超大城市工业活动空间分布特征与驱动因素。与以往研究相比，本文的边际贡献在于2方面：1）基于“地-房”视角构建了城市内部工业活动区位分布识别的新方法体系，提高了识别结果的精度；2）从组织分工维度将工业活动划分为生产与研发2种类型，并对比了二者区位分布特征与驱动因素的异同。本研究的主要结论为：
1）超大城市工业生产与工业研发活动具有显著空间分异特征，工业生产活动为“多中心连片”分布，而工业研发活动为“单中心零散”分布，前者主要分布在中心城区外围，而后者更邻近中心城区，工业生产与工业研发活动均具有空间集聚指向性，但工业研发活动集聚程度高于工业生产活动。
2）超大城市内部工业活动具有正向全局空间自相关，工业生产空间自相关程度强于工业研发。工业生产活动能在更广范围发挥“涓滴效应”，而工业研发活动对集聚区外围具有“极化效应”，本地工业生产活动集聚会带动较广范围工业化的发展，而区域性工业研发中心的形成对集聚区外围区域的研发活动具有不利影响。
3）超大城市工业活动区位布局是由经济社会发展、交通基础设施、生产生活配套与地理区位环境等多维要素共同作用的，工业生产与工业研发活动均具有正向空间溢出效应，但二者的微区位分布驱动因素存在差异。工业生产活动受到人口密度、产业发展、高速公路、商业配套、行政区面积、物价水平、火车站距离与金融配套等因素影响，而工业研发活动主要受区域经济水平、产业发展、火车站距离、公交站、地铁站与金融配套集聚等因素影响。
在中国城市化与工业化的高质量发展进程中，要科学认识工业发展与城市建设之间的互动关系，优化与调整城市内部工业活动的空间布局，提高土地利用效率与工业竞争力。首先，政府在进行城市空间与产业规划时既要因地制宜，也要充分考虑到不同工业活动空间集聚的规律性与异质性。要根据工业活动类型进行功能分区，引导工业生产部门布局向近郊集聚，推动工业研发部门向中心城区集中，缓解城市交通压力和环境污染问题。其次，要促进工业活动集聚发展，通过建设专业化的产业园区与创新园区，吸引相关工业企业生产与研发部门进驻，发挥产业集群与知识溢出效应。最后，要注重工业发展的要素供给，完善城市交通基础设施，提升生产功能区与研发功能区之间的连通便捷度，改善产业区周边生产生活配套条件，促进城市“三生”空间的有机融合。
本研究也存在局限性与可拓展之处。1）从“地-房”视角将工业楼栋划分为工业生产与工业研发2种类型，但同一楼栋中可能同时存在工业生产与研发活动，会影响识别结果的准确性，未来可通过专项调研采集精确数据，利用面积加权法对楼栋使用类型进行划分，进一步提高城市内部工业活动区位识别结果精度。2）受限于历史维度的调研数据较为缺乏，仅采用2023年截面数据，未来可通过长时间序列调研数据进行面板回归，控制与识别时间变量对实证结果的影响。3）土地与房屋视角为识别微观尺度下产业活动区位分布提供了新思路，但相关研究需要大量数据作为支撑。当前，土地数据与建筑物数据的主管部门、统计方法与更新频率均有差别，同时缺乏数据成果的对外发布渠道，使得数据的科研价值难以被有效挖掘。未来一方面可以建立跨部门多源数据收集、整合、更新与发布机制，另一方面可以拓宽数据主管部门与科研机构之间的合作途径，在促进数据资源共享、加强产学研合作的同时，最大程度地发挥数据科研价值与应用效果。

1 VIIRS夜间灯光数据网址：https://eogdata.mines.edu/products/special_topics/

2 Land Scan Global数据网址：https://landscan.ornl.gov/

3 GlobeLand30网址：http://www.globallandcover.com/

4 注：1982年6月，国家为了区分经济特区与非经济特区划定了深圳经济特区管理线，该线将深圳经济特区划分为“关内”与“关外”。其中，“关内”指经济特区，包含福田区、罗湖区、南山区与盐田区4个行政区，“关外”指非经济特区，包含宝安区、龙岗区、光明区、龙华区、坪山区与大鹏新区6个行政区；2010-07-01，深圳经济特区范围由原先“关内”4区正式扩展至深圳全市，至2018-01-15，国务院正式同意撤销深圳经济特区管理线。尽管在行政层面上不再区分“关内”与“关外”，但经济特区管理线的影响仍存在，“关内”与“关外”在经济发展、产业结构与城市规划导向方面仍存在显著差异。

5 深圳市房屋租赁参考价格查询平台网址：https://zjj.sz.gov.cn/cyyqzljgcx/index.html

6 百度POI网址：https://lbsyun.baidu.com/products/search

毕学成、李 力：论文选题与构思、数据分析、撰写与修改；

张冬茵、叶先权：数据清洗与修改提升；

李 想：项目支持、论证逻辑指导。

References

Publishing order | Descend order by publishing year | Descend order by cited within
阿尔弗雷德·韦伯. 2017. 工业区位论. 北京：商务印书馆.

Alfred Weber. 2017. Theory of Industrial Location. Beijing: The Commercial Press.

Asheim B, Coenen L, and Vang J. 2007. Face-to-Face, Buzz, and Knowledge Bases: Sociospatial Implications for Learning, Innovation, and Innovation Policy. Environment and Planning C: Government and Policy, 25(5): 655-670.

薄文广，崔博博，陈璐琳. 2019. 环境规制对工业企业选址的影响——基于微观已有企业和新建企业数据的比较分析. 南开经济研究，35（4）：37-57.

Bo Wenguang, Cui Bobo, and Chen Lulin. 2019. The Impact of Environmental Regulations on the Location of Industrial Firms: A Comparative Perspective Based on Microscopic Data of Existing and New Firms. Nankai Economic Studies, 35(4): 37-57.

毕秀晶，汪明峰，李健，宁越敏. 2011. 上海大都市区软件产业空间集聚与郊区化. 地理学报，66（12）：1682-1694.

Bi Xiujing, Wang Mingfeng, Li Jian, and Ning Yuemin. 2011. Agglomeration and Suburbanization: A Study on the Spatial Distribution of Software Industry and Its Evolution in Metropolitan Shanghai. Acta Geographica Sinica, 66(12): 1682-1694.

陈柯，张晓嘉，韩清. 2018. 中国工业产业空间集聚的测量及特征研究. 上海经济研究，37（7）：30-42.

Chen Ke, Zhang Xiaojia, and Han Qing. 2018. The Measure and Characteristics of the Geographical Concentration of Chinese Industries. Shanghai Journal of Economics, 37(7): 30-42.

管汉晖，刘冲，辛星. 2020. 中国的工业化：过去与现在（1887—2017）. 经济学报，7（3）：202-238.

Guan Hanhui, Liu Chong, and Xin Xing. 2020. Industrialization in China: Past and Present(1887-2017). China Journal of Economics, 7(3): 202-238.

国务院. 2021. 中华人民共和国土地管理法实施条例. （2021-07-02）[2023-12-05]. https://flk.npc.gov.cn/detail2.html?ZmY4MD gxODE3YjYzYjg5NTAxN2I3YjA3MWI2ODQzYzA%3D.

State Council. 2021. Regulations for the Implementation of the Land Administration Law of the People's Republic of China. (2021-07-02) [2023-12-05]. https://flk.npc.gov.cn/detail2.html?ZmY4M DgxODE3YjYzYjg5NTAxN2I3YjA3MWI2ODQzYzA%3D.

胡璇，杜德斌. 2019. 外资企业研发中心在城市内部的时空演化及机制分析——以上海为例. 经济地理，39（7）：129-138.

Hu Xuan and Du Debin. 2019. Spatial-Temporal Evolution and Mechanism Analysis of R&D Centers of Foreign Enterprises in Inner City: A Case Study of Shanghai. Economic Geography, 39(7): 129-138.

姜海宁，谷人旭，李广斌. 2011. 中国制造业企业500强总部空间格局及区位选择. 经济地理，31（10）：1666-1673.

Jiang Haining, Gu Renxu, and Li Guangbin. 2011. Headquarter Spatial Pattern and Location Choice of Top 500 Enterprises of Chinese Manufacturing Industries. Economic Geography, 31(10): 1666-1673.

金相郁. 2004. 20世纪区位理论的五个发展阶段及其评述. 经济地理，24（3）：294-298，317.

Kim Sang-wook. 2004. Survey and Evaluation of Location Theory in 20 Century by Five Development Stage. Economic Geography, 24(3): 294-298, 317.

Krugman P. 1991. Increasing Returs and Economic Geography. Jounal of Political Economy, 99(3): 483-499.

李佳洺，张文忠，李业锦，杨勋风，余建辉. 2016. 基于微观企业数据的产业空间集聚特征分析——以杭州市区为例. 地理研究，35（1）：95-107.

Li Jiaming, Zhang Wenzhong, Li Yejin, Yang Xunfeng, and Yu Jianhui. 2016. The Characteristics of Industrial Agglomeration Based on Micro-Geographic Data. Geography Research, 35(1): 95-107.

李仙德，李卫江，李敏. 2023. 中国汽车制造业企业区位及其影响因素. 地理科学进展，42（10）：1994-2005.

Li Xiande, Li Weijiang, and Li Min. 2023. Location of Chinese Automobile Manufacturing Enterprises and Influencing Factors. Progress in Geography, 42(10): 1994-2005.

刘家民，马晓钰，赵斌. 2023. “大气十条”政策如何重塑中心-外围产业空间布局？南京财经大学学报，30（6）：67-78

Liu Jiamin, Ma Xiaoyu, and Zhao Bin. 2023. How Does the Air Pollution Prevention and Control Action Plan Remodel the Industrial Spatial Layout of the Center-Periphery? Journal of Nanjing University of Finance and Economics, 30 (6): 67-78.

龙奋杰，王雪芹，王爵，邹迪. 2015. 产业发展与城镇化互动关系分析. 城市问题，34（7）：19-25.

Long Fenjie, Wang Xueqin, Wang Jue, and Zou Di. 2015. Interaction Relation of Industrial Development and Urbanization. Urban Problems, 34(7): 19-25.

罗双成，刘建江，石大千，万佳乐. 2021. 创新的高速路：高铁对制造业创新的影响. 中国经济问题，63（4）：172-187.

Luo Shuangcheng, Liu Jianjiang, Shi Daqian, and Wan Jiale. 2021. Innovative Highway: The Impact of High Speed Rail on Manufacturing Innovation. China Economic Studies, 63 (4): 172-187.

罗胤晨，谷人旭. 2014. 1980—2011年中国制造业空间集聚格局及其演变趋势. 经济地理，34（7）：82-89.

Luo Yinchen and Gu Renxu. 2014. The Pattern and Evolutional Trend of Chinese Manufacturing's Spatial Agglomeration: An Empirical Analysis Based on Data from 1980 to 2011. Economic Geography, 34(7): 82-89.

骆晨，郑伯红，刘琳琳. 2022. 大城市都市区制造业空间演变特征及其影响因素——以长沙市为例. 热带地理，42（5）：773-787.

Luo Chen, Zheng Bohong, and Liu Linlin. 2022. Spatial Evolution and Influencing Factors of the Manufacturing Industry on Metropolitan Areas: A Case Study of Changsha. Tropical Geography, 42(5): 773-787.

吕卫国，陈雯. 2009. 制造业企业区位选择与南京城市空间重构. 地理学报，64（2）：142-152.

Lyu Weiguo and Chen Wen. 2009. Manufacturing Industry Enterprises Location Choice and the Urban Spatial Restructuring in Nanjing. Acta Geographica Sinica, 64(2): 142-152.

马仁锋，吴丹丹，张文忠，倪欣欣，朱保羽. 2019. 城市文化创意产业微区位模型及杭州案例. 经济地理，39（11）：123-133.

Ma Renfeng, Wu Dandan, Zhang Wenzhong, Ni Xinxin, and Zhu Baoyu. 2019. Micro-Location Model of Urban Cultural & Creative Industries and Its Application in Hangzhou. Economic Geography, 39(11): 123-133.

Rahman S M T and Kabir A. 2019. Factors Influencing Location Choice and Cluster Pattern of Manufacturing Small and Medium Enterprises in Cities: Evidence from Khulna City of Bangladesh. Journal of Global Entrepreneurship Research, 9(1): 61.

Rikalovic A, Cosic I, Labati R D, and Piuri V. 2015. A Comprehensive Method for Industrial Site Selection: The Macro-Location Analysis. IEEE Systems Journal, 11(4): 2971-2980.

沈娉，陈丹阳，张嘉颖，王烨，梁景宇. 2023. 珠三角地区高新技术企业分布的时空演变特征研究. 城市规划学刊，20（3）：100-109.

Shen Ping, Chen Danyang, Zhang Jiaying, Wang Ye, and Liang Jingyu. 2023. Spatial-Temporal Characteristics of High-Tech Companies in the Pearl River Delta Region. Urban Planning Forum, 20 (3): 100-109.

王山，刘文斐，余东华. 2023. 中国制造业高质量发展不平衡不充分测度及来源分解. 科技进步与对策，40（20）：53-64.

Wang Shan, Liu Wenfei, and Yu Donghua. 2023. Imbalance and Inadequacy Measurement and Source Decomposition of High-Quality Development of China's Manufacturing. Science and Technology Progress and Countermeasures, 40(20): 53-64.

王妤，孙斌栋，李琬. 2021. 城市规模分布与空气质量的关系——基于LandScan数据的跨国研究. 地理研究，40（11）：3173-3190.

Wang Yu, Sun Bindong, and Li Wan. 2021. Relationship between City Size Distribution and Air Quality: A Cross-Country Study Based on LandScan Data. Geography Research, 40(11): 3173-3190.

彭珏，何金廖. 2021. 电商粉丝经济的地理格局及其影响因子探析：以抖音直播带货主播为例. 地理科学进展，40（7）：1098-1112.

Peng Jue and He Jinliao. 2021. Spatial Differentiation and Influencing Factors of Fan Economy in China: Taking TikTok Livestreaming Commerce Host as an Example. Progress in Geography, 40(7): 1098-1112.

覃成林，程琳. 2014. 铁路交通发展与沿线城市工业空间格局变化. 科技管理研究，34（17）：150-154.

Qin Chenglin and Cheng Lin. 2014. The Impacts of Railway Development on the Industrial Spatial Pattern of Cities along Railway. Science and Technology Management Research, 34(17): 150-154.

全国人民代表大会常务委员会. 2019. 中华人民共和国土地管理法. （2019-08-26）[2023-12-05]. https://flk.npc.gov.cn/detail2.html?ZmY4MDgwODE2ZjNjYmIzYzAxNmY0NjI2OTAzNDI3ZmM%3D.

Standing Committee of the National People's Congress. 2019. Land Administration Law of the People's Republic of China. (2019-08-26) [2023-12-05]. https://flk.npc.gov.cn/detail2.html?ZmY4MDgwODE2ZjNjYmIzYzAxNmY0NjI2OTAzNDI3ZmM%3D.

吴瑞君，朱宝树，古荭欢. 2017. 上海市就业人口的职住分离和结构分异. 中国人口科学，30（3）：101-115，128.

Wu Ruijun, Zhu Baoshu, and Gu Honghuan. 2017. Spatial Mismatch of Job-Housing and the Structure Variation for Employed Population in Shanghai. Chinese Journal of Population Science, 30(3): 101-115,128.

习近平. 2022. 高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告. 党建，35（11）：4-28.

Xi Jinping. 2022. Hold High the Great Banner of Socialism with Chinese Characteristics and Strive in Unity to Build a Modern Socialist Country in All Respects: Report Delivered at the 20th National Congress of the Communist Party of China. Party Building, 35(11): 4-28.

邢乐斌，牟方芳，冉戎. 2024. 如何吸引国外制造业R&D机构落户内陆？ 科学学研究，42（8）：1634-1643.

Xing Lebin, Mou Fangfang, and Ran Rong. 2024. How to Attract Foreign Manufacturing R&D Organizations to Settle Inland?. Studies in Science of Science, 42(8): 1634-1643.

徐维祥，张筱娟，刘程军. 2019. 长三角制造业企业空间分布特征及其影响机制研究：尺度效应与动态演进. 地理研究，38（5）：1236-1252.

Xu Weixiang, Zhang Xiaojuan, and Liu Chengjun. 2019. Spatial Distribution Pattern and Influencing Factors of Manufacturing Enterprises in Yangtze River Delta: Scale Effects and Dynamic Evolution. Geographical Research, 38(5): 1236-1252.

许闻博，王兴平，陈秋伊. 2023. 制造业企业迁移和城市创新格局演化互动——基于51家深圳企业的实证. 城市规划学刊，29（3）：92-99.

Xu Wenbo, Wang Xingping, and Chen Qiuyi. 2023. Interactions between the Migration of Manufacturing Firms and the Pattern of Urban Innovation: An Empirical Study of 51 Shenzhen Enterprises. Urban Planning Forum, 29(3): 92-99.

张文忠. 2022. 经济区位论. 北京：商务印书馆.

Zhang Wenzhong. Economic Location Theory. Beijing: The Commercial Press.

周振华. 2003. 产业融合：产业发展及经济增长的新动力. 中国工业经济，20（4）：46-52.

Zhou Zhenhua. 2003. Industrial Convergence: New Power of Industrial Development and Economic Growth. China Industrial Economics, 20(4): 46-52.

邹辉，段学军. 2020. 中国化工产业布局演变与影响机理研究. 地理科学，40（10）：1646-1653.

Zou Hui and Duan Xuejun. 2020. Layout Evolution and Its Influence Mechanism of Chemical Industry in China. Scientia Geographica Sinica, 40(10): 1646-1653.

Options
Outlines

/

〈 〉