EN中文

地理学报 >

2022 , Vol. 77 >Issue 12: 3104 - 3124

DOI: https://doi.org/10.11821/dlxb202212011

区域发展

城市网络视角下的中国科技创新功能区划研究

  • 马海涛 , 1, 2 ,
  • 胡夏青 1, 2
展开
  • 1.中国科学院地理科学与资源研究所 中国科学院区域可持续发展分析与模拟重点实验室，北京 100101
  • 2.中国科学院大学资源与环境学院，北京 100049

马海涛(1979-), 男, 山东滕州人, 博士, 副研究员, 硕士生导师, 中国地理学会会员(S110008167M), 主要从事城市网络与创新研究。E-mail:

收稿日期: 2022-09-07

  修回日期: 2022-11-02

  网络出版日期: 2022-12-29

基金资助

国家自然科学基金项目(41971209)

国家自然科学基金项目(41571151)

第三次新疆综合科学考察项目(2021xjkk0900)

国家社会科学基金重大项目(21ZDA011)

收起

Regionalization of scientific and technological innovation in China:From the perspective of urban network

  • MA Haitao , 1, 2 ,
  • HU Xiaqing 1, 2
Expand
  • 1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2022-09-07

  Revised date: 2022-11-02

  Online published: 2022-12-29

Supported by

National Natural Science Foundation of China(41971209)

National Natural Science Foundation of China(41571151)

The Third Xinjiang Scientific Expedition Program(2021xjkk0900)

National Social Science Foundation of China(21ZDA011)

Fold

摘要

开展科技创新功能区划是全局把握国家科技创新总体布局并指导提升区域科技创新能力极为重要的基础性工作，然而相关研究仍较滞后。本文从城市间创新合作关系网络的角度，结合已有地理区划理论和创新地理研究，设计了一种科技创新功能区划方法，基于中国357个城市间2017—2019年的专利合作关系数据，研制了一套中国科技创新功能区划方案。研究认为，将网络空间拓扑关系与地理空间位置关系相结合，借助空间邻接约束下的层次聚类与以模块度为依据的图分割技术，可以得到内部联系紧密且占据一定连续地表的区划结果，是一种科技创新功能区划的有效方法。在城市科技创新网络拓扑结构分析和二值与加权网络分区结果对比分析的基础上，研制出一套包含4个一级区和20个二级区的中国科技创新功能区划参考方案，将中国大致划分为北方、南方、东部、西部4个科技创新功能板块，每个板块包含4~6个二级功能区。这一方案的分区边界与省级行政边界具有较高的吻合性，可为国家从宏观层面进行科技创新统筹管理提供辅助参考。建议未来依托科技创新功能区的建设与区域科技创新中心的引领，因地制宜实施区域创新发展战略，更好地为国家创新驱动发展战略实施贡献力量。

关键词： 地理区划; 科技创新; 城市网络; 社区结构; 专利合作; 模块度; 中国

本文引用格式

马海涛 , 胡夏青 . 城市网络视角下的中国科技创新功能区划研究[J]. 地理学报, 2022 , 77(12) : 3104 -3124 . DOI: 10.11821/dlxb202212011

Abstract

Carrying out the functional regionalization of scientific and technological innovation in China is a basic work to grasp the overall configuration and guide the improvement of China's scientific and technological innovation capabilities. However, there are still large gaps in related research. Under the background of China's innovation-driven development strategy, the planning and construction of regional scientific and technological centers is considered an important task at present, which makes the functional regionalization of scientific and technological innovation in China urgently needed due to its guiding significance. From the perspective of intercity innovation cooperation network, combined with the existing geographical regionalization theories and innovation geography research, this paper devices a functional regionalization method for scientific and technological innovation in China by applying the dynamically contiguity-constrained hierarchical agglomerative clustering and the graph partitioning technology based on modularity. With the intercity patent cooperation data of 357 cities in China from 2017 to 2019 and their spatial contiguity data as an input, the topological relationship in the network space and the positional relationship in geographical space are combined to form regions covering continuous earth's surface which are tightly knit inside and show prominent regional characteristics in the scientific and technological innovation field. Based on the topological structure analysis of the urban network and the comparison between the regionalization results of the binary network and the weighted network, a regionalization scheme containing 4 first-level functional regions and 20 second-level functional regions is formulated. According to the regionalization, China is divided into four functional plates of scientific and technological innovation: north, south, east and west, each of which contains 4 to 6 secondary functional regions. The delimitation of scientific and technological innovation according to the regionalization results is highly consistent with the administrative divisions on the provincial level, providing reference for government to plan the overall management of scientific and technological innovation on macroscale. It is suggested that in the future, relying on the construction of the functional regions and the leadership of the regional central cities, all regions should formulate regional innovation and development strategies according to local conditions, and actively contribute to the implementation of the national innovation-driven development strategy.

Key words： geographical regionalization; sci-tech innovation; urban network; communication structure; patent cooperation; modularity; China

1 引言

知识经济时代，创新已成为国家和区域发展的核心竞争力，区域创新的规划部署也被越来越多地纳入国家顶层设计的范畴[1-2]。2016年印发的《国家创新驱动发展战略纲要》提出建设创新型国家的“三步走”战略目标，目前中国正处于跻身创新型国家前列的发力时期。近年来包括“十四五”规划在内的各项规划文件以及党和国家领导人在各项会议、讲话中释放的信息都表明：区域科技创新中心的布局与建设是国家创新驱动发展战略在新一阶段的重要部署[3]。通过在全国范围内打造层次分明、体系完善的科技创新地域平台，可以孕育创新驱动发展的新生力量，推动发展驱动力的根本性、全局性转变[4]。科技创新中心虽是“点”的概念，但其部署不能不将作为“面”的区域背景纳入考虑[5-6]。只有从全局把握中国科技创新的总体格局并识别特征区域，科学合理地划定科技创新功能区，才能在此基础上根据国家创新需求、依据遴选原则选取有条件的地方建设区域科技创新中心，培育区域创新增长极点[7⇓-9]。因此，科技创新功能区的划分将为从全局统筹推进中国科技创新布局建设提供依据，是支撑创新驱动发展战略实施的一项基础性工作。然而，当前中国科技创新领域的区划设计和成果都还处于几乎空白的状态，亟需依靠科学系统的区划研究推动科技创新功能区划的开展。
划分科技创新功能区，需要回归地理视角，依靠科学系统的地理区划工作实现。地理区划是人类对地理学的地域分异规律进行具象化表达并将其运用于实际的重要手段[10]。传统的区划工作集中在自然地理领域，学者大都根据空间单元的属性进行区域的合并与划分，本质上属于对地表自然要素的分类过程[11⇓-13]。而在交通通讯技术日益发达的信息化时代，随着社会经济的动态发展和各种“流”的兴起[14]，基于空间单元的相互作用关系开展人文地理领域的区划工作，能够科学客观地揭示地域间相互作用的空间模式，从而更有效地指导区域治理和社会生产实践[15-16]。以往由于数据类型和技术手段的限制，少有研究将关系视角运用至实际的区划工作中。而近年广受关注的城市网络研究对城市间关系构建的理论、数据与方法进行了大量深入探索[17⇓-19]，将城市网络的研究范式与地理区划的原则与内容相结合，能够极大地丰富区划工作的内涵，并为未来区划的实现路径和应用领域开辟更广泛的空间[20⇓-22]。
科技创新具有明显的地域特征，其空间分布遵循马克思的劳动地域分工学说和地理学的地域功能学说，通过不同地区间在科研工作、创新活动等方面的联系，形成科技创新的地域协作与分工模式，为城市网络视角下的科技创新功能区划提供了一定的现实基础[23]。本文基于2017—2019年中国城市间专利合作数据，从城市在科技创新方面相互作用的客观结果出发，在全国范围内识别已建立起较为紧密科技创新联系的功能区域，以反映中国科技创新活动的空间格局与地域联系，同时结合规划视角划定功能区范围并提出相关发展建议。由于地理区划是一项综合性、系统性的工作，一套完整区划方案的形成需要多元数据的支撑和多方智慧的集成[24-25]，本文旨在以专利合作数据为例，论证在城市网络视角下基于关系型数据开展区划工作具备一定合理性和可行性。通过区划视角和区划方法的创新，为科技创新功能区划提供一种科学合理的思路和一个可供参考的方案。

2 文献综述与理论框架

2.1 区划的理论基础与发展：从自然区划到人文区划

区划是地理学的传统工作和重要研究内容，它从区域角度观察和研究地域综合体，探讨区域单元的形成发展、分异组合、划分合并和相互联系，是揭示某种现象在区域内的共同性和区域之间差异性的手段[26-27]。依托区划方案与区划图等形式的成果，区划能够提炼区域地理特征及空间规律，帮助人们科学认识区域，并进一步服务于生产规划、区域管理决策等，是一项兼具科学性和应用性的工作[28]。作为地理学的重要应用途径，区划的对象涵盖了广泛的地理要素和空间现象，但就区划工作涉及的领域而言，总览国内外区划研究与区划工作的发展历程，自然地理区划既是区划工作的起点，也是长期的重点[26,29]。从19世纪诞生的世界上第一幅等温线图到国内21世纪以来的生态区划成果[30]，通过对自然要素的空间分异规律及内在联系的持续探讨，地理学界逐步构建起自然区划较为完备的理论与方法体系[10]。相比之下，社会经济方面的区划工作起步较晚，发展较为薄弱。新时期区划工作为可持续发展服务的定位转向要求区划研究更加关注人文要素，通过开展更综合、全面的区划工作深化对人地系统及其地域分异规律的认识，促进社会、经济、生态系统协调发展[31-32]。以地域功能学说为理论基础的功能区划则进一步融入人为价值取向，在国土空间整治、生态环境保护等实际工作中发挥着越来越重要的作用[28]。目前，以综合自然地理区划为代表的传统区划的常用原则包括：地带性与非地带性相结合原则、综合分析与主导因素相结合原则、发生学原则、地域共轭原则等；经典的区划方法往往综合了专家分析等定性方法和数理模型等定量方法，其中的技术手段主要包括要素叠置法、主导标志法、聚类分析法等[26,33]。人文地理区划能够从自然地理区划中继承相当一部分研究范式，但也必须发展出新的理论与方法论准则，以适应人类社会经济系统的特性和社会生产实践的需要，为区划研究与工作的系统性发展添砖加瓦。就本文所要探讨的中国科技创新功能区划而言，有必要从已有的区划成果中汲取相关知识，并结合科技创新本身的特点和需求加以创新。

2.2 区划的研究方法与创新：从属性数据到关系视角

受区划数据统计和区划应用需求的影响，社会经济方面的地理区划往往以一类边界固定的最小地域单元（如行政区）作为空间对象，按照一定依据进行空间聚类，从而形成具有内部相对均质性、占有一定连续地表的区域[34]。传统的区划研究基于空间单元属性的相似性进行区域的合并与划分，已具备较为成熟的技术手段[35-36]。然而，基于地域单元属性的区划往往是静态的、描述性的，主要用于揭示要素的空间分异特征，而难以表达各类社会经济现象的空间联系特征，因而在实际的区划工作尤其是功能区划上具有诸多局限性[37]。针对这一问题，有学者主张应当跳出行政边界的限制，从区域形成的根本原因出发，基于地域单元间的相互作用关系进行区域划分，以捕捉社会经济活动的实际地理特征[38]。而近年来交通数据、手机信令数据、互联网数据等多源数据的出现为此提供了良好契机[39-40]。直接将关系数据作为数据源，基于空间对象在区域系统中相互联系的客观表现进行地域单元的归并与分类，为区划工作开辟了更广阔的空间。
已有学者进行了基于关系视角开展社会经济区划的初步尝试。例如，Zhang等从微博定位标签数据中提取城市间居民日常移动信息，并基于此构建城际联系网络，对长三角地区进行区域划分；该研究完全基于网络拓扑结构识别空间社区并直接用于区域划分，但区划结果却严格符合空间邻接关系，且与该地区基于属性的自然区划、行政区划、经济区划、方言片区等具有一定的相似性，表明城际联系存在显著的区域模式[38]。Good等采用城市网络的研究范式，以航班客流量数据构建城市间联系，以机场城市为节点进行基本单元分割，并以主导联系和节点间隶属关系进行单元合并，对非洲大陆进行区域划分；这一区划的特点在于突破了非洲不合理行政边界的束缚，重新定义了区划的最小单元，得到了更贴近社会经济发展实际情况且具有层级性、动态性的区划结果[37]。Guo等在系统总结现有区划算法的基础上，构建了一套基于动态约束聚类与分割的区划算法，并应用到流数据的空间模式挖掘中，开发出一款实用的“流分区”软件；其对美国县尺度的人口迁移数据进行流分区，得到的分区结果在分析更宏观的美国人口迁移模式中具有明显优势[41]。总体而言，现有基于关系数据的区划研究均印证了关系视角在区划中的合理性，但相关文献数量很少，且大都停留于方法介绍与演示层面，尚未见到功能性区划的应用实例。

2.3 科技创新功能区划的研究基础：地理邻近与关系邻近

20世纪90年代，随着新技术革命的席卷和新产业的兴起，“科技—生产”一体化的趋势愈发显著[7]，已有学者提出了“科技区划”的相关设想，强调科技区划应当建立在对科研劳动地域分工现象与规律的充分把握上，并提出了科技统计分类法、科技中心法和地域科技联系法3种区划方法[23]，但这些很好的设想一直未能通过定量方法实现。进入新时期，创新驱动发展战略的实施和新发展格局的构建促使科技领域的区划任务由传统的“科技区划”向“科技创新功能区划”转变。创新地理学的建立与发展也使科技创新活动的空间规律受到广泛深入的探讨[42]，诸如区域创新能力评价[43]、区域创新体系[44]、创新网络[45]等方向的研究均为科技创新功能区划提供了重要的理论与方法依据。但到目前为止，尚未有学者针对这一命题开展系统性、定量化的研究。
近年来，城市网络相关的理论框架与实证研究发展迅速，城市创新网络是其中一项重要内容。对于本文所探讨的科技创新功能区划而言，采用城市网络的视角进行研究具有很强的合理性。一方面，随着交通通讯基础设施的日益发达和知识经济时代的到来，城市间科技创新联系成为构建不同尺度科技创新体系的重要手段，决定着城市自身和区域发展的方向与绩效[46]。而网络既是城市科技创新联系的外在表现形式，其本身也已成为一种资本，对于城市和区域创新能力具有显著影响[47]；网络所承载的多维度信息也是揭示城市间创新合作属性、衡量城市在国家创新体系中地位的重要依据。另一方面，城市创新网络的相关研究成果表明，城市之间的科技创新联系存在一定的空间模式[48]。在地理邻近性和制度、社会、文化等非地理邻近性因素的影响下，中国创新网络正呈现围绕不同中心城市形成区域化网络的趋势，部分地区出现了一定范围内合作密切的“科技创新联盟”[49]。这为科技创新功能区的划分提供了一定的事实依据。然而，虽然现有研究为基于城市网络视角的科技创新功能区划分提供了较为充足的理论基础和事实依据，但其实现的技术方法却极其薄弱。城市网络相关研究大都通过凝聚子群分析等方法挖掘网络社区结构，识别网络中内部联系相对密切的城市小团体[50]；但这类方法基于城市网络的拓扑属性对网络节点进行归类，将城市本身作为地域实体的空间位置属性排除在外，因而难以得到在地表连续分布的区域。城市网络的研究范式应与传统区划的技术手段相互补充，既保持关系视角在揭示区域本质上的优势，又满足区划在空间邻接等方面的原则，以形成兼具科学性和应用性的区划方案。

2.4 科技创新功能区划的理论框架

2.4.1 内涵界定

科技创新功能区划是以科技创新为区划对象与核心内容的功能性区划，为使科技创新功能区划的过程更为科学，结果更有价值，从城市网络的研究视角出发，将科技创新功能区划的内涵诠释为：以城市间科技创新合作的有机联系为基础，以国家提升创新驱动区域发展能力的战略需求为导向，以揭示科技创新空间格局、促进城市间科技创新协作、完善科技创新地域结构的任务为核心，将中国划分为若干个内部联系密切、创新领域鲜明的功能区域，并通过界定其功能定位、提出针对性发展战略，指导各个功能区的科技创新高质量发展。

2.4.2 区划原则

科技创新功能区划应当遵循科技创新活动的时空规律，从科技创新活动本身的特征出发，并根据区划服务于区域科技创新实践的应用需求，制定相应的区划原则，采取科学合理的方法开展区域的划分。在赵海军“科技区划”设想[23]的基础上，结合科技创新活动的系统性、城市网络视角的特殊性、功能区划的导向性，提出科技创新功能区划的五点原则。
（1）研究应用的融合性。科技创新功能区的划分既应该准确揭示中国科技创新活动的地域联系特征和空间布局模式，识别出科技创新网络中既有的社群结构，也需要融入规划视角，着眼国情地情，为各类科技创新决策提供宏观的区域框架与科学依据。具体而言，科技创新功能区的划分和各地区科技创新功能的确定应当以网络结构特征和网络分区结果为基础，充分考虑区域自身禀赋，同时立足于区域面临的外部环境和国家在该区域的宏观发展需要，参考城市群发展规划等国家战略部署，从而真正服务于创新型国家的建设与协同创新战略的实施。
（2）科技创新的综合性。科技创新是一种受多方面因素综合影响的人文现象，受到区域自然资源和环境等条件的制约以及经济水平、科技政策等的影响。因此，中国科技创新功能区划应当综合考虑区域自然本底状况和社会经济发展特征，参考借鉴中国综合自然地理区划、中国经济区划、中国新型城镇化综合区划等既有区划成果，对基于科技创新联系数据的初步区划结果进行补充与调整，形成科学合理的区划方案。
（3）中心腹地的匹配性。科技创新具有内在的空间转移规律。技术、知识等要素在同等级的城市之间传递、交换，实现城市科技创新活动的动态更新与科技创新要素的大范围流动；同时，高等级城市的科技创新要素也在势差作用下向其周边低等级城市转移、扩散，形成以高等级城市为中心的科技创新腹地。区域的科技创新中心城市往往发挥着枢纽和门户的作用，在辐射带动整个区域科技创新领域的可持续与高质量发展中扮演着重要角色。科技创新功能区划应保证各级各类功能区内均有至少一个对应的科技创新中心城市，以实现“以点带面、以面载点”的完备发展模式。
（4）行政区界的完整性。中国目前形成了“国家科技部—省级科技厅—市县级科技局”的行政管理等级体系，各级行政区内的科技活动均由对应的科技行政系统管辖。因此，科技创新功能区划应当充分考虑既有的行政区划，以适应当前的科技管理体制。具体而言，以城市所在的行政单元为科技创新功能区划的最小单位，使区划结果严格符合行政管辖界线；在合并和划分区划单元并形成具有一定规模的区域时，应适当考虑分区结果与省级行政区划的吻合性，对各分区的具体界线进行相应的微调。
（5）区域划分的层级性。科技创新功能区的划分应遵循逐级分区的思路，对科技创新的空间格局进行从宏观到中观的不同尺度表达，便于应用者针对不同层级的功能区域提出不同侧重点和详略程度的决策建议。此外，为方便科技创新功能区之间的横向比较与实际应用中的统筹管理，应当保证同一级别下各个分区包含的行政单元数量相对一致。这需要在区划过程中人为控制区域的规模和划分的粒度。

2.4.3 区划框架

基于科技创新功能区划的内涵和原则，对中国科技创新进行功能分区，包括3个阶段：在区划准备阶段，基于城市间专利合作数据构建中国城市科技创新网络，采用社会网络分析方法挖掘网络结构，把握中国城市科技创新网络的整体结构、空间差异和等级特征等，为后续区划方案的确定提供依据；在区划核心阶段，采用流分区手段将网络中存在较大联系强度的城市根据空间邻接关系划分至同一个区域，从而在全国范围内识别已建立起较为紧密的局部科技创新联系的功能地域，形成具有一定层级的中国科技创新功能区初步划分结果；在区划确定阶段，综合网络分析、定性分析结果和规划视角，对网络分区结果进行调整，对各级各类分区进行范围划定和功能界定，最终确定中国科技创新功能区划的参考方案（图1）。
图1 中国科技创新功能区划的框架思路

Fig. 1 The framework of the functional regionalization of scientific and technological innovation in China

3 研究方法与数据

3.1 数据来源与处理过程

本文采用两类关系型数据作为科技创新功能区划的基础，即城市间专利合作数据和城市间空间邻接数据。其中，城市间专利合作数据用于表征城市间的科技创新联系，是区域单元合并与划分的核心依据。由于《国家创新驱动发展战略纲要》于2016年发布，且3种专利类型中耗时最长的发明专利从申请到公布阶段一般存在18个月的时间间隔，考虑到时段选取的代表性和数据的完整性，因此采用2017—2019年中国城市间专利合作数据构建中国城市科技创新网络并开展流分区。原始数据共涵盖446273项合作申请的原始专利信息，来源为IncoPat全球专利数据库（www.incopat.com）。城市间空间邻接数据用于定义城市的位置关系并约束空间聚类过程，确保区划结果的地域连续性。采用Rook邻接方式界定城市间的空间邻接关系，将地域范围存在公共边界的城市定义为邻接。对于部分岛屿城市，手动调整其与周边最近城市的邻接关系，以确保这类地区能够通过定量过程被科学合理地纳入最终区划方案中。考虑到科技管理现状和制度差异，暂未将台湾省各城市纳入研究。

3.2 城市网络构建与分析

城市网络是城市间相互作用关系的重要表现形式。本文借助城市间专利合作数据建立城市间科技创新联系，进而构建中国城市科技创新网络。具体而言，若一项专利申请信息中包含两个或两个以上地址位于不同城市的申请者，则证明该项专利信息所涉及的城市间存在科技创新联系，并为对应的城市节点添加连接边，由此得到包含357个城市节点（含特别行政区、直辖市、地级市、地区、自治州、盟、省直辖县和林区）、5139条边的二值无向网络。进一步地用2017—2019年城市间专利合作申请频次的平均值标度城市间科技创新联系强度，则可得到包含更多信息的加权无向网络。采用社会网络分析中的网络密度和度中心性指标对网络整体和节点特征进行描述与分析，为科技创新功能区的划定提供一定依据。

3.3 基于关系数据的区域划分

以关系数据为基础开展地理区划，其关键技术在于将区划对象在网络空间中的拓扑关系与在地理空间中的位置关系相结合，定量化地对空间单元进行合并与划分。参考Guo提出的流分区思路与方法[41]，同时考虑到专利合作数据本身的特征，本文采用空间邻接约束下的层次聚类与以模块度为依据的图分割方法对城市科技创新网络进行区域划分。区划的基本思路可分为两步：首先，基于城市间科技创新联系强度和空间邻接关系构建一支包含所有城市的最小跨度树，自下而上地对城市单元进行合并。随后，以网络社区结构模块度增量最大化为目标分割最小跨度树，自上而下地对区域进行划分，最终得到内部联系相对紧密且占据一定连续地表的区划结果。

3.3.1 最小跨度树

最小跨度树的构建与分割是社会经济区划的常用手段，源于AssunÇão提出的SKATER法[34]，其本质上是一种空间约束下的层次聚类过程，将相似性高且相互毗邻的地区进行合并，以形成一定数量的均质性连续区域。Guo对该方法进行改进，依据3种组间距离定义和2种空间邻接约束方式，提出一套包含多种最小跨度树构建方式的“动态约束聚类分割区划法”（REDCAP）[51]。此处依据既有研究对不同构建方式的分析比较和专利合作数据的自身特点，选取全序平均连接法（Full-Order-ALK）构建最小跨度树。
首先，以城市所在行政单元（简称“城市单元”）为区划的空间对象，依照对象的空间邻接关系构造空间连通图，作为单元两两合并的基础空间骨架。空间连通图由节点和边构成，每个节点代表一个空间对象，边代表空间对象的邻接关系，只有地域上毗邻的城市单元才会被边连接。在全序（Full-Order）的空间邻接约束方式下，空间邻接约束条件会随空间对象的合并而不断更新，从而保证聚类搜索范围的最大化。
其次，在满足空间邻接约束的前提下，依据科技创新联系强度对城市单元进行层次聚类，生成汇总城市间实际联系和空间关系的最小跨度树。具体而言，聚类初始阶段，每个城市单元为一个独立的组。通过一次添加一条边，将组间联系强度最大且满足空间邻接约束条件的两个组合并为一个新的组，并不断重复这一合并过程，直至所有城市单元都被归至一个组为止。在平均连接（Average Linkage, ALK）的聚类方式下，组间联系强度被定义为分属两组的所有城市之间联系强度的平均值，计算公式为：
d A L K L , M = 1 L M ∑ ∑ d u v
式中：L和M为两个不同的城市组； L和 M代表两组各自包含的城市单元数量；u和υ分别表示两组中的特定城市单元；duυ表示城市单元之间的科技创新联系强度。
通过层次聚类得到的最小跨度树是一幅无环路的树状结构图（图2），由n个节点和n-1条边构成，移除最小跨度树中的任意一条边都将形成两个独立区域。因此，对最小跨度树进行多次分割，其结果映射于实际地域空间，即为一定数量的地表连续区域，形成科技创新功能区的初步划分结果。在分割过程中，可根据特定区划需求设置额外的约束条件，例如分区中包含的人口规模、空间单元数量等。在本文中，通过设定分区中包含的城市数量阈值，控制科技创新功能区的规模大小。
图2 空间连通图和最小跨度树

注：基于自然资源部标准地图服务网站审图号为GS(2020)4630号标准地图制作，底图边界无修改。

Fig. 2 The spatial contiguity graph and minimum spanning tree

3.3.2 模块度

为得到能够有效凸显研究要素地域分异模式的区域划分结果，最小跨度树的分割往往以某一衡量分区质量的函数最大化为目标。本文根据关系型数据的特征，将复杂网络科学中的“模块度（Modularity）”概念引入最小跨度树的分割过程，用于衡量所得分区内部对象的联系紧密程度，以形成区域内科技创新协作密切、区域间科技创新联系相对较弱的区划结果。模块度的概念最早由Newman[52]提出，用于评估所探测的网络社区结构的质量；其含义是某一网络社区划分方式下社区内部节点联系的实际值与期望值之差。模块度越高，说明网络的社区结构越显著。模块度公式为：
Q = ∑ e i i - a i 2
式中：Q为网络社区结构的模块度；eii为社区i内部的边数占网络总边数的比例；ai为连接社区i中节点的所有边数占网络总边数的比例。同时，为确保所有社区ai的值总和为1，若一条边同时连接社区i内部的节点和社区以外的节点，则计算ai时将其边数计为1/2。
Q越大，说明某一网络分区方案在刻画和区分内部联系紧密的集群上的全局效果较好。不难推知，在未对网络进行社区划分时，网络的初始模块度Q0 = 0；通过一次移除最小跨度树中的一条边，可将边所在的网络社区划分为两个新社区，这一过程中整个网络模块度变化值可用以下公式计算：
∆ Q = 2 a j a k - e j k
式中： ∆ Q为最小跨度树单次切割对应的网络模块度变化值；j和k是最小跨度树分割所得到的新的分区；ejk是两个分区间的联系边数占网络总边数的比例。 ∆ Q越大，说明移除最小跨度树的某条边形成的网络社区结构越为显著。因此，本文以每次最小跨度树分割的网络模块度增量 ∆ Q最大化为目标进行区域划分，并用分区结果的网络模块度 Q来衡量科技创新功能区划方案的质量。

4 结果分析

4.1 中国城市科技创新网络特征

运用ArcGIS软件制作专利合作数据表征的中国城市科技创新网络图（图3），以展示城市科技创新合作的整体格局和区域差异，可知中国城市科技创新网络的密度有待提升，且城市科技创新网络化水平的东西差异较为显著。具体而言，中国城市科技创新网络2017—2019年3年平均网络密度为0.081，加权网络密度为1.345。仅强度为0的联系在全部城市间联系中的占比达到91.9%，表明绝大部分城市间未建立起以专利合作表征的科技创新联系；虽然大于0的联系强度平均值为16.63，但强度小于10的联系在全部城市间联系中的占比达到98.4%，最大的联系强度值出现在北京与上海、深圳、南京、天津、成都等一线城市间的长距离联系中，年专利合作频次均超过1000。上述指标说明中国科技创新网络的无标度特征显著，绝大部分科技创新协作活动集中在以北京为核心的少数发达城市之间，多数城市间科技创新联系较弱，这也正是中国城市科技创新联系的现实表征。
图3 2017—2019年专利合作数据表征的中国城市科技创新网络

注：基于自然资源部标准地图服务网站审图号为GS(2020)4630号标准地图制作，底图边界无修改。

Fig. 3 The scientific and technological innovation urban network in China based on patent cooperation, 2017-2019

就网络空间格局而言，以“胡焕庸线”为界，科技创新网络在中国东西半壁的网络密度分别为0.103和0.047，加权网络密度分别为1.91和0.22，大于0的联系强度平均值分别为18.63和4.59，可见中国城市在科技创新领域的城际连通性和相互作用强度上均呈现出显著的东西差异，东部地区的科技创新联系水平大大高于西部地区。网络总体形成以北京、长三角城市群、珠三角城市群和成都为顶点的菱形空间结构。其中，北京、上海、深圳和南京的城市中心度位于全国前列，在全国科技创新网络中占据稳固的主导地位，北京更是以高达36209的年均对外专利合作频次成为网络的绝对核心。相比之下，成都的对外联系程度相对较低，武汉作为网络菱形结构的几何中心，其与同级城市间的科技创新协作水平亦有待进一步提升。总体而言，高中心度城市均主要位于东部，并在东部沿海地区呈现出高度集聚分布，相应省份也表现出多中心的科技创新格局。其余省份大都以省会城市为唯一的科技创新中心，且这种极核模式在西部地区以及考虑联系强度权重时更为显著，反映出行政等级对城市汇聚科创资源、开展科创合作的能力有重要影响。
为了揭示被大量高强度、长距离的核心城市间联系所掩盖的网络信息，更清晰直观地展示科技创新网络的局部空间模式，在全部城市间联系中筛选出端点城市处于同一省份或同一城市群内的边，并基于此绘制出城市科技创新局部网络图（图4），与全局网络相结合进行分析。结果显示，东部城市间已建立起较为密切的内部科技创新联系，在表现出较为稳固的跨区域科创协作模式的同时，众多省份及城市群内部已形成高度紧密的内部联系，其中以长三角、京津冀、珠三角和长江中游城市群为代表的城市群科技创新合作局部网络化较为显著，且城市群内部存在较多短距离的高强度联系。而西部城市大都与东部城市建立了跨区域的弱联系，区域内部联系则较为稀疏，多数省份的科技创新网络呈现出以省会城市为中心的辐轴结构，多数城市群的科技创新协作体系也尚未发育成熟，仅在成渝城市群、兰西城市群内部形成了包含少量较高强度联系的局部网络。
图4 2017—2019年专利合作数据表征的中国城市科技创新局部网络

注：基于自然资源部标准地图服务网站审图号为GS(2020)4630号标准地图制作，底图边界无修改。

Fig. 4 The local pattern of the scientific and technological innovation urban network in China based on patent cooperation, 2017-2019

4.2 中国科技创新网络分区

4.2.1 模块度近似最大化的网络分区

以城市间科技创新联系强度和邻域关系为依据，通过动态空间邻接约束下的层次聚类构建起包含全国357个城市节点及356条边的最小跨度树。随后，以模块度单次增量最大化为目标，对最小跨度树进行连续分割，即得到相应的分区结果。初始状态下，网络的模块度为0，通过分割最小跨度树对网络进行划分，可形成内部联系紧密的社区结构并提升网络模块度；而随着分割次数的增加，也可能导致网络原有的社区结构趋于破碎化，从而降低网络模块度。因此，在不设置其他约束条件的状态下，当移除任何一条边都无法使网络模块度增加时，停止对最小跨度树的分割，可得到使网络全局模块度近似最大化的分区结果（图5）。
图5 模块度(Q)近似最大化的网络分区结果

注：基于自然资源部标准地图服务网站审图号为GS(2020)4630号标准地图制作，底图边界无修改。

Fig. 5 The regionalization with the approximate maximum of modularity (Q)

在不对区域规模进行人为约束的情况下，无论是二值网络还是加权网络的分区结果在地域规模上都呈现出显著的不均匀性，区域内包含的城市单元数从1~131个不等。具体而言，以二值网络模块度为依据的分区结果中共包含26个区域单元，其中规模较大的区域有5个，其包含的城市单元总量占全部城市单元数量的82%。依照社区自身模块度从大到小的顺序，社区1主要占据东南沿海及中南部地区，社区2主要占据长三角和山东半岛地区，社区3主要占据东北和华北地区，社区4主要占据西南地区，社区5主要占据中原地区。各社区的边界均表现出与省级行政区界线较高的吻合性，表明中国城市间科技创新的区域协作受到行政管辖的影响较大。3个规模较小的社区和18个仅由单一城市构成的社区主要分布在西北和青藏高原地区，这类社区的出现印证了中国西部地区内部城际联系稀少的网络分析结果，说明西部城市大都未与所处地域范围内的其他城市共同构建起联系紧密的科技创新共同体，并形成了许多在局域网络中离散分布的城市孤立点。
以加权网络模块度为依据的分区结果中共包含35个区域单元，其宏观模式与以二值网络模块度为依据的分区结果较为相似，在中国东南、华北及东北、西南地区形成了较大规模的科技创新子网络。考察加权网络分区结果与二值网络分区结果的主要差异，① 扩大了二值网络中占据东北及华北地区的社区的空间范围，将山东省、河南省、山西省、陕西省等北方省份的城市纳入同一个分区中，体现出北京、天津等核心城市在科技创新领域的强大空间辐射能力；② 将在二值网络中原同属一个社区的长三角主要城市划归至3个更小的社区，社区范围大致与江浙皖三省各自的行政范围相符，说明长三角地区在形成高连通性、高密度的整体科技创新网络的同时，也在省级尺度表现出更微观的社区结构，跨越行政边界的联系强度相对较弱；③ 由单一城市构成的社区数量为26个，相比于二值网络显著增加，且集中于甘肃等西部省份，进一步表明众多西部城市融入所在地域科创体系的程度较低，并反映出区域核心城市开展对外科技创新联系的能力较弱、范围较小。值得注意的是，由广东省、福建省、广西省、湖北省、湖南省、江西省绝大多数城市组成的社区在二值网络和加权网络中表现出基本一致的组合方式，且在网络中均具有最高的局部模块度，表明该区域城市开展科技创新合作的地域模式显著，许多城市间形成了明显强于对外联系的区域内部联系。
上述无附加条件约束的分区结果较为客观地体现了中国城市科技创新网络在自然状态下的区域模式。其宏观特征能够为科技创新功能区的基本范围确定提供参考，其所反映的一些微观问题则能够指导功能区具体边界的划定，并指明功能区在规划建设阶段的工作重点。

4.2.2 有城市数量阈值约束的网络分区

为保证划分得到的各个功能区都包含合适数量的行政单元，充分发挥其规模效应和促进城市开展科创协作的作用，为功能区内包含的城市单元数量设定最低阈值，在控制分区规模的前提下，以模块度增量最大化为目标对最小跨度树进行分割，以形成科技创新功能区划的雏形。
为考察不同阈值对应的分区方案质量并进行择优选取，在2~100不等的阈值约束下切割最小跨度树，所得最终分区方案的模块度变化情况如图6所示。可知对于二值网络而言，在阈值设定为50时，分区结果对应的全局模块度最高（0.13），此时结果中包含5个分区。在此基础上，以城市单元数最小值为5的阈值对各个分区进行二次区划，得到包含5个一级分区和22个二级分区的区划结果（图7a）。对于加权网络而言，在阈值设定为54~57时能得到相同的分区结果，且对应的全局模块度最大（0.12），此时结果中包含4个分区。在此基础上，以城市单元数最小值为5的阈值对各个分区进行二次区划，得到包含4个一级分区和20个二级分区的区划结果（图7b）。需要注意的是，为使得一级分区结果较为均匀，即各一级分区内包含的城市数量大致相当，便于科技创新功能区的统筹管理和横向比较，对最小跨度树的分割会一直持续到移除任何一条边都无法获得满足阈值要求的分区为止。在这一过程中，若移除任何一条边都无法提高网络模块度（∆Q ≤0，则选择使得网络模块度减量最小的一条边进行移除。二级分区中则不作上述要求，对最小跨度树的分割依然持续到移除任何一条边都无法使网络模块度增加为止。
图6 不同阈值约束下网络分区结果的模块度(Q)变化

Fig. 6 The modularity (Q) of the regionalization with different constraints of thresholds

图7 有城市数量阈值约束的两级网络分区结果

注：基于自然资源部标准地图服务网站审图号为GS(2020)4630号标准地图制作，底图边界无修改。

Fig. 7 The two-level regionalization with the constraint of the thresholds of cities

观察有阈值状态下的分区结果，可知以城市科技创新网络为本底的一级区划与省级行政区划具有较高的边界吻合性，并与自然地理大区、行政大区、经济大区等既有区划存在一定一致性，反映出中国科技创新活动的宏观格局是在自然、制度、经济等多方面因素的复合影响下形成的。就加权网络的分区结果而言，一级区划包含4个大的区域单元，分别大致占据中国北方、南方、东部沿海（长三角及山东半岛）和西部内陆地区。对二值网络和加权网络的分区结果进行比较，可得二者在一级区划上基本一致，唯一的不同在于二值网络分区结果将中原、陕南、甘南的部分城市作为一个独立的大区，从加权网络分区结果中占据北方的大区域单元中划分出来，使其一级区划包含5个区域单元。因此可以推知，上述中原、陕南、甘南的部分城市已通过科技创新联系的构建形成“自成一体”的网络社区，但在考虑城市间科技创新联系强度时，它们作为北京、天津等核心城市网络腹地的身份更为显著。在加权网络的分区结果中，甘肃省是唯一一个明显分属两个一级区域单元的省份，这与甘肃狭长地域导致其内部城市在自然环境、经济发展、社会文化上的巨大差异有关。虽然在地理上接近且受到同一省级行政区的制度管辖，但在其他多维邻近性的制约下，甘肃省内部未形成凝聚性较高的区域科创网络，而呈现出分别向西部一级大区和北方一级大区靠拢的分化态势。此外，分区结果中有极个别城市脱离了其所在省份主体所属的一级区划，被归并至相邻的区域单元中。这些城市在较高的区划层级上跨越了行政边界，分析其经济区位与对外专利合作情况，可知它们大都邻近城市群，但位于规划确定的城市群范围之外，同时未充分融入所在省份的科创协作体系中。例如，湖北省随州临近长江中游城市群北缘，但仅与其中武汉、益阳两个城市建立了强度低于10的专利合作联系，与城市群内部业已形成的高密度、高强度科技创新流差距悬殊，因此在基于模块度增量最大化的区域分割过程中被划至城市群所处的一级分区之外。
以一级区域单元为基础进行二级区划，能够进一步发掘城市科技创新网络在区域尺度的细部结构。二级区划结果显示，多数分区的地域范围与1~3个省级行政区范围相匹配，但科技创新分区打破省级行政边界的情况明显增多，在东部沿海、中西部等局部区域形成了与相应城市群更为一致的空间组合模式。例如，在加权网络的分区结果中，广东省内城市被划分至3个不同的科技创新二级区域中。位于珠三角及其周边的城市与江西省、湖南省主要城市一同被划为一个规模较大的二级区，揭示出由珠三角城市群指向中南内陆城市的扇形辐射空间结构；位于粤东潮汕地区的部分城市被划至以福建省为主体的二级区中，与海峡西岸城市群背后的地域功能结构较为符合；位于省域西南角的湛江则被划至以海南省为主体的二级区中，其中海口、儋州与湛江同属北部湾城市群。二值网络和加权网络的二级区划结果大都一致，但在华北地区、西北地区、长三角地区和广东省存在区域尺度或组合方式的差异，反映了两类网络社区模式的不同侧重点。在确定最终区划方案时，应当综合考虑城市间连通程度和联系强度，结合规划视角和城市实际发展条件对区域单元进行合并与划分。

4.3 中国科技创新功能区划方案

4.3.1 科技创新功能区划定

以有阈值情况下全局模块度最大的两级网络分区结果为基础，依照科技创新功能区划的内涵与原则，对网络分区的细节进行定性调整，进而划定各个科技创新功能区的具体范围与详细边界。具体而言，为保证区划方案的全域覆盖，将因数据缺失而未被纳入网络分区结果中的城市根据其所在地域背景划归至合适的区域单元中。该类城市为新疆、海南、西藏的部分地区和省直管县，大都处于社会经济相对落后的地区，科技创新活动稀少，为便于管理，将它们纳入隶属省份所在的网络分区中。同样出于行政管理便利的考虑，对网络一级分区边界进行调整，使之与省级行政边界相一致，以便从宏观的国家层面对各省级行政主体开展统筹协调；对于网络二级分区边界与省级行政区边界不一致的情况，在充分考察各分区边缘城市对外科技创新联系实际情况的基础上，尊重部分城市跨越行政界线构建科技创新联盟的客观结果，以促进城市积极开展对外科创合作、融入区域科创体系为最终目标，对有必要重新划分至其隶属省份所在区域单元的城市进行调整。此外，从影响科技创新活动空间格局的多重因素出发，参考中国综合自然地理区划、中国经济区划、中国文化区划、中国人文地理综合区划、中国新型城镇化综合区划等既有区划，结合国家在城市群等方面制定的区域发展规划战略，对定量分区结果中与主观认知存在较大偏差的地区进行区划归属的重新考量，确保区划方案的科学性与合理性。最终得到包含4个科技创新一级功能区和20个科技创新二级功能区的区划结果（图8），各一级区的基本信息、网络指标和相关经济指标如表1所示。
图8 中国科技创新功能区划的参考方案

注：基于自然资源部标准地图服务网站审图号为GS(2020)4630号标准地图制作，底图边界无修改。

Fig. 8 A reference scheme for the functional regionalization of scientific and technological innovation in China

表1 中国科技创新一级功能区各项指标概览

Tab. 1 An overview of the indicators of the first-level functional regions for scientific and technological innovation in China

名称与范围 网络指标 经济指标
一级区域单元代码 名称
(科技创新一级功能区)		 行政区范围 二级区域单元数量(个) 城市节点数量(个)
 局部网络密度 局部加权网络密度 局部网络模块度 局部加权网络模块度 年末人口(万人) 人均GDP(万元/人) R&D人员全时当量(人年) R&D经费投入强度(%) 国内专利申请量(项)
I 南方 粤、湘、赣、闽、鄂、桂、琼、港、澳 5 103 0.107 1.870 0.040 0.053 39725 7.38 1606697 2.34 1610067
II 东部 沪、苏、浙、皖、鲁 4 57 0.395 7.829 0.032 0.039 33703 9.43 2016533 2.85 1976373
III 北方 京、津、冀、晋、豫、黑、吉、辽、陕、宁、蒙 6 105 0.112 2.086 0.038 0.017 39921 6.02 1074957 2.40 943519
IV 西部 川、渝、藏、青、陇、云、黔、新 5 92 0.054 0.388 0.021 0.012 27664 5.81 536324 1.69 465326

注：各项经济指标为2020年数据，来源于《中国统计年鉴2021》《中国科技统计年鉴2021》；数据暂未含港澳地区。

4.3.2 科技创新功能区的发展建议考虑

本文划定的四大科技创新一级功能区揭示出中国科技创新联系的空间异质性。而结合不同地域在自然条件、资源禀赋、经济发展阶段、社会文化环境上的差异，可对各区域提出科技创新领域的发展建议，以针对性的发展策略支撑功能区的规划建设，实现区域发展驱动力的全局性、根本性转变。
具体而言，南方科技创新一级功能区应当以粤港澳大湾区国际科技创新中心为科技创新的强力引擎，通过科研合作、技术转移、高等教育机构共建、创新企业跨城布局等多种科技创新联系方式，扩大其对于中南地区内陆城市的辐射扩散作用[49,53⇓ -55]。加快长江中游城市群的建设，形成区域科技创新能力提升的另一重要动力源；同时加强培育北部湾城市群、海峡西岸城市群的内部科创联系。特别需要提升南昌、南宁与周边同级城市的科技创新协作水平，促进相对落后的省份融入区域科技创新体系中，并以省会城市的科创能力提升和科创资源集散带动省内偏远地区经济建设与科创活动的兴起。
东部科技创新一级功能区是城市间科技创新协作网络化程度最高的区域，同时具备较高的对外开放水平。未来应当继续发挥其作为国家对外交往门户的经济区位优势，加强对国际前沿知识与先进技术的引进与吸收，瞄准科技创新的高精尖领域，在保持区域网络高凝聚力和连通性的基础上，可根据江、浙、沪、鲁、皖5省各自在科技创新方面的传统优势，依托长三角和山东半岛城市群高度城镇化、现代化的地域优势，选取不同的科学技术领域进行重点攻关，以差异化的发展方式助力区域整体科技创新水平迈上新台阶，打造数个跻身国际前列的科技创新型大都市区。
北方科技创新一级功能区应充分依靠北京市这一稳固核心所拥有的首都行政优势和科技创新资源，以中原、辽中南、哈长、关中、晋中、呼包鄂榆、宁夏沿黄等多个城市群的建设有效承接京津冀城市群的要素流动与扩散，并通过级联作用带动广大北方地区的科技创新领域发展[56]。此外，需要加强培育京津冀城市群内部除北京以外的城市间科技创新联系，促进局部网络由显著的单中心轴辐模式向多中心网络化模式演进，通过网络结构的优化提升城市群整体科技创新能力，促进区域均衡化发展。同时，北京作为全国和国际科技创新中心城市，应当提升各类国家级重大科技创新平台的开放与共享程度，促进各种科技创新资源的优化整合，努力将科技创新资源的利用效益发挥至最大化。
西部科技创新一级功能区应以成都、重庆以及各二级单元的科技创新中心城市为支点，以培育和完善西部地区整体科技创新网络结构为主要任务，在“以点带面”的发展模式下开展各功能区的建设，促进本地科技创新活动的规模化；提升各中心城市间的交流与协作水平，以中观的跨地区强联系构建起西部城市科技创新网络的基本骨架；加快兰西城市群、天山北坡城市群等城市群的建设，依靠新型城镇化为科技创新活动的开展提供良好条件，同时以科技创新为广大农村地区的传统农牧业赋能，助力城乡一体化发展。此外，成都、重庆作为西部地区的科技创新枢纽，在中国东、西部地区产业梯度转移中扮演重要角色，应当将地域间技术势差转化为推动西部地区科技转化与产业进步的强大动能，通过合理的统筹调配促进区域协调发展。
在更为微观的地域尺度上，各个科技创新二级功能区应当结合区域发展的现实条件和外部机遇，制定科学合理的目标定位与发展战略。建议自上而下与自下而上相结合，依托城市群及其核心城市，遴选与发展一批区域性科技创新中心，充分发挥区域科技创新中心对各类科技创新资源的集聚和辐射效应，增强科技创新对区域高质量发展的服务能力和推动作用。应当充分发挥人员往来、经济贸易、文化交流等地缘关系的作用，加强功能区内部城市间科技创新合作。二级区划中跨越行政界线的城市应当充分扮演好省际城市科技创新联系的中介桥梁角色，在为本省科技创新发展注入新鲜活力的同时，通过多元技术知识流的汇集与转化实现自身的发展壮大。

5 结论与讨论

本文基于城市体系和城市网络的理论、科技创新活动的空间特征以及功能区划的战略目标，界定了科技创新功能区的内涵并制定了区划原则，探究了以关系数据作为数据源开展科技创新功能区划分的方法途径，并提供了一个可供参考的区划方案。主要结论包括：
（1）以专利合作数据表征的中国城市科技创新网络具有显著的空间异质性。绝大部分科技创新协作活动集中在少数发达城市之间，多数城市间科技创新联系还存在较大的增长空间，网络的无标度特征显著。同级城市间跨区域的长距离强联系构成了网络的基本骨架，呈现出以北京为极点的菱形空间结构；城市群与省级行政区尺度的局域网络则大都表现出相对较弱的连通性和凝聚性。同时，东西部地区在网络密度、联系强度、区域化程度方面的差距悬殊。因此，提升网络整体密度与连通性，促进局域网络的培育与巩固，在优化网络结构的同时促进东西部地区在科技创新领域的协调发展，是构建全国科技创新体系的重要任务。
（2）以网络分区手段进行科技创新功能区的划分具有较强的合理性与可行性。将网络社区结构发掘与地理区划的空间邻接约束条件相结合，可有效反映科技创新联系在不同尺度下的区域模式。无论是自然状态下模块度最高的网络分区结果，还是有阈值约束下的分区方案，其所呈现的科技创新网络空间分化状态在宏观层面都大致相同，并反映出中国科技创新联系的空间格局大致可从南方、北方、东部沿海和西部内陆地区四个板块进行分析。对各板块内部网络的二次分区则揭示了更为微观的科技创新地域结构，可辅助决策者根据城际联系的客观结果制定区域科技发展的空间战略。网络分区结果同时表现出与省级行政区划较高程度的吻合性，表明行政边界对科技创新协作空间模式的塑造作用显著；结合网络节点结构的分析结果，可知行政等级对城市在科技创新网络中的地位亦具有决定性作用，影响着科技创新中心城市的选取。可见本文采用的城市网络视角和基于关系数据的区划方法对于科技创新功能区划工作而言具有较高的适用程度与应用价值。
（3）应根据科技创新功能区的区划结果，因地制宜地推进创新驱动发展战略。开展科技创新功能区划工作，实际上是对全国各区域在科技创新发展方面进行了一次全覆盖、无死角的考量与规划。区划方案呈现的区域划分与组合方式能够帮助人们认识与把握中国科技创新活动在不同尺度下的地域模式，而区划的最终任务则在于针对不同区域的科技创新基础与现状、发展潜力与发展需求，明确区域在全国科技创新系统中的分工与定位，并指导各级地方政府通过制定相关政策、积极开展区域内和跨区域合作，充分发挥科技创新在促进区域发展中的长期、基础、核心作用。以科技创新为抓手，解决中国区域发展不平衡、不充分的问题，推动区域协调与高质量发展。
以往全国尺度的城市网络研究大都关注网络的宏观特征，探讨长距离、跨区域联系的空间模式与形成机制，在无空间信息约束的拓扑空间中进行网络社区结构的探测。相对而言，较少有学者将地理距离的影响纳入考虑，揭示一定局域范围内的网络社区结构，尝试基于网络局部社区的发掘开展全国区划工作的相关研究更是极少。本文结合传统区划工作的内涵与原则，创新性地将城市网络的研究视角及研究方法运用到科技创新功能区划中，为面向科技创新这一综合性、动态性、复杂性社会经济活动的区划工作提供了可供借鉴的思路，同时也拓宽了全国层面城市网络研究的应用方向。
但应当指出的是，专利合作虽然能反映城市间科技创新联系的重要方面，也是当前可用的最优数据，但仅以城市间专利合作数量为数据基础进行科技创新功能区划，数据的代表性尚显不足。城市间科技创新联系的构建是一个复杂的、多层次的过程，其中除了专利合作外，还包含论文合作、技术转移、科技创新企业的多地研发生产活动、科研项目的组织与开展等。未来应将更多的关系数据源纳入研究，综合、全面地刻画城市间科技创新联系，才能更加科学客观地揭示科技创新的空间地域结构，形成更加合理准确的区划方案。此外，除了通过统计关系数量、关系强度来研究地区间相互作用的空间结构外，还有必要对关系型数据中承载的丰富信息进行进一步挖掘，例如对城市间合作申请的主要专利类型进行分析，并从中提炼出区域攻关的主要科技创新领域、面临的共性科技创新问题等，进而更加准确地制定各个分区在国家科技创新体系中的主要分工与功能定位，提出有针对性的发展方向与发展建议。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Zhen Feng, Huang Chaoyong, Luo Shougui. Research on evaluation index system of regional innovation capability. Scientific Management Research, 2000, 18(6): 5-8.

[ 甄峰, 黄朝永, 罗守贵. 区域创新能力评价指标体系研究. 科学管理研究, 2000, 18(6): 5-8.]

[2]
Furman J L, Porter M E, Stern S. The determinants of national innovative capacity. Research Policy, 2002, 31(6): 899-933.

DOI

[3]
Ma Haitao, Tao Xiaoli. Connotation interpretation and function research of regional science and technology innovation center. Development Research, 2022, 39(2): 64-70.

[ 马海涛, 陶晓丽. 区域科技创新中心内涵解读与功能研究. 发展研究, 2022, 39(2): 64-70.]

[4]
Wang Yeqiang, Guo Yebo, Zhao Yong, et al. Coordinated regional development driven by scientific and technological innovation: Theoretical basis and Chinese practice. China Soft Science, 2017(11): 86-100.

[ 王业强, 郭叶波, 赵勇, 等. 科技创新驱动区域协调发展: 理论基础与中国实践. 中国软科学, 2017(11): 86-100.]

[5]
Du Debin, Duan Dezhong. Spatial distribution, development type and evolution trend of global science and technology innovation center. Shanghai Urban Planning Review, 2015(1): 76-81.

[ 杜德斌, 段德忠. 全球科技创新中心的空间分布、发展类型及演化趋势. 上海城市规划, 2015(1): 76-81.]

[6]
Ye Yuyao, Wang Jingshi, Wu Kangmin, et al. Strategic thinking regarding building an international science and technology innovation center in the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 2020, 40(1): 27-39.

DOI

[ 叶玉瑶, 王景诗, 吴康敏, 等. 粤港澳大湾区建设国际科技创新中心的战略思考. 热带地理, 2020, 40(1): 27-39.]

DOI

[7]
Niu Fangqu, Liu Weidong. Relationships between scientific & technological resources and regional economic development in China. Progress in Geography, 2012, 31(2): 149-155.

DOI

[ 牛方曲, 刘卫东. 中国区域科技创新资源分布及其与经济发展水平协同测度. 地理科学进展, 2012, 31(2): 149-155.]

DOI

[8]
Li Zhe, Shen Yuming, Zeng Chunshui. Science and technology innovation patterns and their spatial and temporal evolution of provinces in China. Geographical Research, 2018, 37(6): 1223-1237.

DOI

[ 李哲, 申玉铭, 曾春水. 中国省域科技创新模式及其时空演变. 地理研究, 2018, 37(6): 1223-1237.]

DOI

[9]
Liu Hanchu, Fan Jie, Zhou Kan. Development pattern of scientific and technological innovation and typical zone in China based on the analysis of scale and efficiency. Geographical Research, 2018, 37(5): 910-924.

DOI

[ 刘汉初, 樊杰, 周侃. 中国科技创新发展格局与类型划分: 基于投入规模和创新效率的分析. 地理研究, 2018, 37(5): 910-924.]

DOI

[10]
Zheng Du, Ou Yang, Zhou Chenghu. Understanding of and thinking over geographical regionalization methodology. Acta Geographica Sinica, 2008, 63(6): 563-573.

[ 郑度, 欧阳, 周成虎. 对自然地理区划方法的认识与思考. 地理学报, 2008, 63(6): 563-573.]

[11]
Huang Bingwei. Draft of the complex physical geographical division of China. Chinese Science Bulletin, 1959(18): 594-602.

[ 黄秉维. 中国综合自然区划草案. 科学通报, 1959(18): 594-602.]

[12]
Ni Jian, Chen Zhongxin, Dong Ming, et al. An ecogeographical regionalization for biodiversity in China. Acta Botanica Sinica, 1998, 40(4): 370-382.

[ 倪健, 陈仲新, 董鸣, 等. 中国生物多样性的生态地理区划. 植物学报, 1998, 40(4): 370-382.]

[13]
Zheng Jingyun, Yin Yunhe, Li Bingyuan. A new scheme for climate regionalization in China. Acta Geographica Sinica, 2010, 65(1): 3-12.

DOI

[ 郑景云, 尹云鹤, 李炳元. 中国气候区划新方案. 地理学报, 2010, 65(1): 3-12.]

[14]
Castells M. The Informational City: Information Technology, Economic Restructuring, and the Urban-Regional Process. Oxford: Basil Blackwell, 1989.

[15]
Pred A. Place as historically contingent process: Structuration and the time-geography of becoming places. Annals of the Association of American Geographers, 1984, 74(2): 279-297.

DOI

[16]
Meagher K. Afro-Regions: The dynamics of cross-border micro-regionalism in Africa. African Affairs, 2010, 110(438): 145-147.

DOI

[17]
Zhang Chuang. From hierarchy to network: The evolution of research on the relationship between cities. Research on Financial and Economic Issues, 2009(3): 22-27.

[ 张闯. 从层级到网络:城市间关系研究的演进. 财经问题研究, 2009(3): 22-27.]

[18]
Ma Haitao. Triangle model of Chinese returnees: A tentative method for city networks based on talent flows. Geographical Research, 2017, 36(1): 161-170.

DOI

[ 马海涛. 基于人才流动的城市网络关系构建. 地理研究, 2017, 36(1): 161-170.]

DOI

[19]
Qian Xiaoying, Sun Bindong. The spatial structures and organization patterns of China's city network based on inter-city startup investments. Geographical Research, 2021, 40(2): 419-430.

DOI

[ 钱肖颖, 孙斌栋. 基于城际创业投资联系的中国城市网络结构和组织模式. 地理研究, 2021, 40(2): 419-430.]

DOI

[20]
Psyllidis A, Yang J, Bozzon A. Regionalization of social interactions and points-of-interest location prediction with geosocial data. IEEE Access, 2018, 6: 34334-34353.

DOI

[21]
Liu X T, Huang J W, Lai J H, et al. Analysis of urban agglomeration structure through spatial network and mobile phone data. Transactions in GIS, 2021, 25(4): 1949-1969.

DOI

[22]
Wang C Z, Wang F H, Onega T. Network optimization approach to delineating health care service areas: Spatially constrained Louvain and Leiden algorithms. Transactions in GIS, 2021, 25(2): 1065-1081.

DOI PMID

[23]
Zhao Haijun. Scientific and technical regionalization. Journal of Shaanxi Normal University (Natural Science Edition), 1994, 22(1): 63-66.

[ 赵海军. 论科技区划. 陕西师大学报(自然科学版), 1994, 22(1): 63-66.]

[24]
Liu Yanhua, Zheng Du, Ge Quansheng, et al. Problems on the research of comprehensive regionalization in China. Geographical Research, 2005, 24(3): 321-329.

DOI

[ 刘燕华, 郑度, 葛全胜, 等. 关于开展中国综合区划研究若干问题的认识. 地理研究, 2005, 24(3): 321-329.]

[25]
Zhang Haiyan, Fan Jiangwen, Huang Lin, et al. Theories and technical methods for the comprehensive regionalization of natural resources in China. Resources Science, 2020, 42(10): 1870-1882.

DOI

[ 张海燕, 樊江文, 黄麟, 等. 中国自然资源综合区划理论研究与技术方案. 资源科学, 2020, 42(10): 1870-1882.]

DOI

[26]
Zheng Du, Ge Quansheng, Zhang Xueqin, et al. Regionalization in China: Retrospect and prospect. Geographical Research, 2005, 24(3): 330-344.

DOI

[ 郑度, 葛全胜, 张雪芹, 等. 中国区划工作的回顾与展望. 地理研究, 2005, 24(3): 330-344.]

[27]
Fang Chuanglin, Liu Haimeng, Luo Kui, et al. Comprehensive regionalization of human geography in China. Acta Geographica Sinica, 2017, 72(2): 179-196.

DOI

[ 方创琳, 刘海猛, 罗奎, 等. 中国人文地理综合区划. 地理学报, 2017, 72(2): 179-196.]

DOI

[28]
Fan Jie. Draft of major function oriented zoning of China. Acta Geographica Sinica, 2015, 70(2): 186-201.

DOI

[ 樊杰. 中国主体功能区划方案. 地理学报, 2015, 70(2): 186-201.]

DOI

[29]
Zhao Songqiao. A new scheme for comprehensive physical regionalization in China. Acta Geographica Sinica, 1983, 38(1): 1-10.

DOI

[ 赵松乔. 中国综合自然地理区划的一个新方案. 地理学报, 1983, 38(1): 1-10.]

DOI

[30]
Fu Bojie, Liu Guohua, Chen Liding, et al. Scheme of ecological regionalization in China. Acta Ecologica Sinica, 2001, 21(1):1-6.

[ 傅伯杰, 刘国华, 陈利顶, 等. 中国生态区划方案. 生态学报, 2001, 21(1): 1-6.]

[31]
Fu Bojie, Leng Shuying, Song Changqing. The characteristics and tasks of geography in the new era. Scientia Geographica Sinica, 2015, 35(8): 939-945.

DOI

[ 傅伯杰, 冷疏影, 宋长青. 新时期地理学的特征与任务. 地理科学, 2015, 35(8): 939-945.]

DOI

[32]
Peng Jian, Du Yueyue, Liu Yanxu, et al. From natural regionalization, land change to landscape service: The development of integrated physical geography in China. Geographical Research, 2017, 36(10): 1819-1833.

DOI

[ 彭建, 杜悦悦, 刘焱序, 等. 从自然区划、土地变化到景观服务:发展中的中国综合自然地理学. 地理研究, 2017, 36(10): 1819-1833.]

DOI

[33]
Liu Chuang. A new methodology for comprehensive physical regionalization of China supported by EOS in the moderate scale. Progress in Geography, 2004, 23(6): 1-9.

DOI

[ 刘闯. 中尺度对地观测系统支持下中国综合自然地理区划新方法论研究. 地理科学进展, 2004, 23(6): 1-9.]

[34]
AssunÇão R M, Neves M C, Câmara G, et al. Efficient regionalization techniques for socio‐economic geographical units using minimum spanning trees. International Journal of Geographical Information Science, 2006, 20(7): 797-811.

DOI

[35]
Li Y Z, Fei T, Zhang F. A regionalization method for clustering and partitioning based on trajectories from NLP perspective. International Journal of Geographical Information Science, 2019, 33(12): 2385-2405.

DOI

[36]
Aydin O, Janikas M V, Assunção R M, et al. A quantitative comparison of regionalization methods. International Journal of Geographical Information Science, 2021, 35(11): 2287-2315.

DOI

[37]
Good P R, Derudder B, Witlox F J. The regionalization of Africa: Delineating Africa's subregions using airline data. Journal of Geography, 2011, 110(5): 179-190.

DOI

[38]
Zhang W Y, Derudder B, Wang J H, et al. Regionalization in the Yangtze River Delta, China, from the perspective of inter-city daily mobility. Regional Studies, 2018, 52(4): 528-541.

DOI

[39]
Niu Xinyi, Wang Yao, Liu Jiawei, et al. Spatial structure of Shanghai conurbation area from perspective of inter-city functional links. Urban Planning Forum, 2018(5): 80-87.

[ 钮心毅, 王垚, 刘嘉伟, 等. 基于跨城功能联系的上海都市圈空间结构研究. 城市规划学刊, 2018(5): 80-87.]

[40]
Niu F Q, Wang F. Economic spatial structure in China: Evidence from railway transport network. Land, 2022, 11(1): 61. DOI: 10.3390/land11010061.

DOI

[41]
Guo D S. Flow mapping and multivariate visualization of large spatial interaction data. IEEE Transactions on Visualization and Computer Graphics, 2009, 15(6): 1041-1048.

DOI PMID

[42]
Liao Qian, Lyv Lachang, Huang Ru. Research progress of China's innovation geography based on literature measurement. Areal Research and Development, 2016, 35(5): 1-6.

[ 廖倩, 吕拉昌, 黄茹. 基于文献计量的中国创新地理研究进展. 地域研究与开发, 2016, 35(5): 1-6.]

[43]
Liu Xielin, Hu Zhijian. The pattern of China regional innovation capability and its implication. Studies in Science of Science, 2002, 20(5): 550-556.

[ 柳卸林, 胡志坚. 中国区域创新能力的分布与成因. 科学学研究, 2002, 20(5): 550-556.]

[44]
Hu Haipeng, Lyv Lachang, Huang Ru, et al. Urban innovation system and function in Guangdong province in the perspective of flow of urban innovation. Urban Development Studies, 2015, 22(6): 71-76.

[ 胡海鹏, 吕拉昌, 黄茹, 等. 基于创新流视角的广东省城市创新体系与职能. 城市发展研究, 2015, 22(6): 71-76.]

[45]
Ma Haitao. The theoretical construction and network simulation of intercity innovative relationships in knowledge flow space. Acta Geographica Sinica, 2020, 75(4): 708-721.

DOI

[ 马海涛. 知识流动空间的城市关系建构与创新网络模拟. 地理学报, 2020, 75(4): 708-721.]

DOI

[46]
Huggins R, Johnston A, Thompson P. Network capital, social capital and knowledge flow: How the nature of inter-organizational networks impacts on innovation. Industry and Innovation, 2012, 19(3): 203-232.

DOI

[47]
Huggins R, Prokop D. Network structure and regional innovation: A study of university-industry ties. Urban Studies, 2017, 54(4): 931-952.

DOI

[48]
Ma H T, Fang C L, Pang B, et al. Structure of Chinese city network as driven by technological knowledge flows. Chinese Geographical Science, 2015, 25(4): 498-510.

DOI

[49]
Ma H T, Wei Y H D, Dai L, et al. Institutional systems, geographical proximity, and technology transfer across cities in the Guangdong-Hong Kong-Macau megalopolis, China. EPA: Economy and Space, 2022, 54(11): 0308518X2211048. DOI: 10.1177/0308518X221104822.

DOI

[50]
Wan You, Liu Yaolin. Community detection algorithm based on geographical weighted central node distance. Geomatics and Information Science of Wuhan University, 2019, 44(10): 1545-1552.

[ 万幼, 刘耀林. 基于地理加权中心节点距离的网络社区发现算法. 武汉大学学报(信息科学版), 2019, 44(10): 1545-1552.]

[51]
Guo D S. Regionalization with dynamically constrained agglomerative clustering and partitioning (REDCAP). International Journal of Geographical Information Science, 2008, 22(7): 801-823.

DOI

[52]
Newman M E J, Girvan M. Finding and evaluating community structure in networks. Physical Review E, 2004, 69(2): 026113. DOI: 10.1103/PhysRevE.69.026113.

DOI

[53]
Ma Haitao, Huang Xiaodong, Li Yingcheng. The evolution and mechanisms of megalopolitan knowledge polycentricity of Guangdong-Hong Kong-Macao Greater Bay Area. Acta Geographica Sinica, 2018, 73(12): 2297-2314.

DOI

[ 马海涛, 黄晓东, 李迎成. 粤港澳大湾区城市群知识多中心的演化过程与机理. 地理学报, 2018, 73(12): 2297-2394.]

DOI

[54]
Ma H T, Xu X F. The evolving structure and proximity of the intercity innovation networks in the Guangdong-Hong Kong-Macau Greater Bay Area: Comparison between scientific and technology knowledge. International Journal of Urban Sciences, 2022, 26: 1-24.

DOI

[55]
Ma H T, Li Y C, Huang X D. Proximity and the evolving knowledge polycentricity of megalopolitan science: Evidence from China's Guangdong-Hong Kong-Macao Greater Bay Area, 1990-2016. Urban Studies, 2021, 58(12): 2405-2423.

DOI

[56]
Ma H T, Xu X F. The knowledge polycentricity of China's urban agglomerations. Journal of Urban Planning and Development, 2022, 148(2): 04022014. DOI: 10.1061/(ASCE)UP.1943-5444.0000828.

DOI

Options
文章导航

/

〈 〉