从多尺度解构不同功能区土地开发强度驱动因素gydF4y2Ba

2010年以来，中国进入工业化和城镇化发展的转型阶段，城镇化率从2010年的49.7%快速增长到2011年的51.3%，正式突破50%。更重要的是，在2010年的“十一五”规划中，中国正式提出了主体功能区规划。MFZP是中国历史上第一个基于县域地理功能的分级控制，形成了四个典型区域:优化开发区(ODZ)，对建设用地增量有严格控制要求;优先发展区(PDZ)，建设用地适度扩大;以农业开发建设为重点的农业主产区;重点生态功能区(KEFZ)，严禁生态用地变化，建设用地基本为零增长。ODZ和PDZ可以进一步合并为一个城市化区(UZ)。MFZP极大地影响了现有的土地开发模式和土地利用方式。土地开发集约度(LDI)是指行政区域内建设用地的比例，常用于国土空间规划。20世纪下半叶，随着西方国家进入快速工业化阶段，一些研究者针对城市扩张和快速城市化，对土地管理和领土开发进行了初步研究gydF4y2Ba^{1gydF4y2Ba，gydF4y2Ba2gydF4y2Ba}．中国的LDI研究始于20世纪80年代政府提出国家土地改良的指示之后gydF4y2Ba^{3.gydF4y2Ba，gydF4y2Ba4gydF4y2Ba，gydF4y2Ba5gydF4y2Ba，gydF4y2Ba6gydF4y2Ba}．后来，在“十二五”规划中，LDI被正式提出gydF4y2Ba^7gydF4y2Ba．再加上土地建设中出现的环境污染和发展不平衡，LDI的研究从2010年开始逐渐成为热门话题。gydF4y2Ba

现有研究表明，LDI的概念发生了转变。LDI的一般概念是建设用地面积占整个行政区域面积的比例gydF4y2Ba^8gydF4y2Ba．随着影响粮食安全的耕地资源过度开发和城市发展低效造成的浪费，越来越多的研究者意识到土地开发与其他社会经济和生态因素之间的和谐关系，使得LDI的概念从广义向狭义转变，突出了人与自然要素的结合。狭义的LDI更侧重于区域建设用地规模与自然条件下适宜建设用地面积的比值gydF4y2Ba^9gydF4y2Ba．随后，许多研究者在国家、省、城市群、市等尺度上测量了LDI的时空变化，并通过不同尺度对其进行了空间描绘gydF4y2Ba^{8gydF4y2Ba，gydF4y2Ba10gydF4y2Ba，gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba13gydF4y2Ba}．gydF4y2Ba

找出影响LDI及其空间分布的驱动因素同样重要。在城市化和工业化背景下，影响LDI的主要因素仍然偏向于经济发展、人口规模和产业结构gydF4y2Ba^{13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba}．此外，金融投资和政策对LDI的直接或间接影响也在研究中得到初步揭示gydF4y2Ba^{16gydF4y2Ba，gydF4y2Ba17gydF4y2Ba}．研究人员大多使用全局回归(如普通最小二乘，OLS)或局部回归(如地理加权回归，GWR)来估计影响LDI的自然和社会因素及其空间效应gydF4y2Ba^{14gydF4y2Ba，gydF4y2Ba18gydF4y2Ba}．目前，LDI的部分研究已与资源环境承载力相结合，并在土地空间规划中得到广泛应用gydF4y2Ba^19gydF4y2Ba．MFZP提出后，中国的区域发展和空间结构调整战略更加差异化gydF4y2Ba^20.gydF4y2Ba．基于这一政策，研究将LDI与生态环境保护、空间秩序维护等相结合，提出了更高质量、更高效、更高单位产出的发展过程gydF4y2Ba^{21gydF4y2Ba，gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba}．LDI在中国国土开发体系中发挥着越来越重要的作用。gydF4y2Ba

LDI的时空演化及其驱动因素已成为学术界研究的热点。但是，还有一些地方需要深化。(1) LDI是行政区域控制辖区内空间开发利用方式的重要指标，是各尺度空间规划的关键指标参数，在空间上具有明显的多空间尺度特征。在省市级LDI时空分布的基础上，更细致地探索县域乃至功能区尺度上的LDI分布及其驱动因素，建立宏观与微观相结合、系统解构全球和局部空间特征的LDI研究新框架，是当前我国LDI研究的迫切课题。(2)土地利用和土地覆被变化的相关研究主要关注影响LDI的自然型驱动因素，而土地经济学家更多关注人类型驱动因素。然而，从单一维度挖掘LDI的驱动因素往往是不全面的。需要加强自然和人为驱动因素的综合分析，整合自然、社会经济、政策等多个分析维度，定量揭示驱动因素的强度。(3)重大政策的提出要对城市发展建设产生影响。在根据主体功能区功能定位实施差异化土地管理政策的背景下，更重要的是关注县域区划管理新模式提出后LDI的时空响应，考察模型对LDI控制的有效性，及时调整政策工具。因此，本文以长三角地区为案例区，从“省-市-县-功能区”的多尺度上分析了MFZP实施前5年(2011-2016年)LDI的时空演变，并利用全局和局部回归模型计算了不同功能区LDI的自然-人驱动因素，评估了MFZP的政策有效性。gydF4y2Ba

研究领域和数据来源gydF4y2Ba

长三角由江苏、浙江、安徽、上海等3省1市组成，涉及41个市、305个县。此外，长三角还构建了超级城市、特大城市、大、中、小城市的城镇等级规模结构，并呈现出城市群“一核五子核”的空间形态。自MFZP提出以来，长三角进入土地城镇化快速发展时期，2011-2016年土地城镇化年均增长1.91%。根据长三角县域的主要功能定位，形成了三种类型的功能区，即UZ、MAPZ和KEFZ(图。gydF4y2Ba1gydF4y2Ba)．UZ有186个县，主要位于东部沿海地区和城市中心。MAPZ有78个县，位于苏北和安徽。全区共有41个县，分布在皖南、浙西的低山丘县。gydF4y2Ba

我们以县级行政区为基本统计单位，构建了2011 - 2016年LDI与社会经济基础数据库。主要数据来源为:各级行政区划、地形等基础地理信息数据来源于中国国家基础地理信息系统网站(gydF4y2Bahttp://www.ngcc.cn/ngcc/gydF4y2Ba)．土地使用数据来自自然资源部。社会经济数据主要来源于gydF4y2Ba《中国县统计年鉴》gydF4y2Ba（gydF4y2Bahttps://data.cnki.net/trade/Yearbook/Single/N2013020080?zcode=Z022gydF4y2Ba)，gydF4y2Ba上海统计年鉴gydF4y2Ba（gydF4y2Bahttps://data.cnki.net/area/Yearbook/Single/N2012080020?dcode=D09gydF4y2Ba)，gydF4y2Ba《江苏统计年鉴》gydF4y2Ba（gydF4y2Bahttps://data.cnki.net/area/Yearbook/Single/N2012090083?dcode=D10gydF4y2Ba)，gydF4y2Ba浙江统计年鉴gydF4y2Ba（gydF4y2Bahttps://data.cnki.net/area/Yearbook/Single/N2012100015?dcode=D11gydF4y2Ba）gydF4y2Ba，《安徽统计年鉴》gydF4y2Ba（gydF4y2Bahttps://data.cnki.net/area/Yearbook/Single/N2012100009?dcode=D12gydF4y2Ba）gydF4y2Ba县国民经济和社会发展公报、统计年鉴。gydF4y2Ba需要注意的是，平江、沧浪、金昌在2011-2016年进行了行政区划调整，影响了合肥、芜湖、马鞍山的LDI，我们进行了相应的数据合并调整。gydF4y2Ba

研究方法gydF4y2Ba

全局回归模型gydF4y2Ba

全局回归模型利用目标变量与一个或多个变量之间的全局线性或非线性回归关系进行预测，OLS的结果不考虑空间权重。为了考察各县LDI之间的相互依赖程度，并将空间相关性和空间异质性纳入其驱动因素分析，本文采用空间滞后模型(SLM)和空间误差模型(SEM)对空间自相关回归进行分析gydF4y2Ba^{24gydF4y2Ba，gydF4y2Ba25gydF4y2Ba}．SLM采用空间滞后项评估空间相互作用，分析县域LDI对相邻县域的空间溢出效应，其表达式为式(gydF4y2Ba1gydF4y2Ba)：gydF4y2Ba

在哪里gydF4y2BaYgydF4y2Ba是被解释变量，gydF4y2BaXgydF4y2Ba为外生解释变量的矩阵，gydF4y2BaρgydF4y2Ba是反映空间依赖程度的空间回归系数，gydF4y2BaβgydF4y2Ba是要估计的系数，gydF4y2Ba\ ({{\ varvec {W}}} _ {{\ varvec {y}}} \)gydF4y2Ba空间滞后因变量和gydF4y2BaεgydF4y2Ba是随机误差向量。虽然SEM使用空间误差项来测量误差冲击对相邻县单元的被解释变量的影响程度，但它是Eq. (gydF4y2Ba2gydF4y2Ba)：gydF4y2Ba

在哪里gydF4y2BaλgydF4y2Ba空间误差系数是用来反映误差项中存在的空间依赖程度的，gydF4y2Ba\ ({{\ varvec {W}}} _ {\ varepsilon} \)gydF4y2Ba误差项和的空间权值矩阵是gydF4y2BaμgydF4y2Ba就是白噪音。gydF4y2Ba

局部回归模型gydF4y2Ba

为了分析空间区域内LDI驱动因素的局部效应，本文采用多尺度地理加权回归(MGWR)模型进行测度。MGWR考虑了变量与解释变量之间关系在空间和不同尺度上的响应变化gydF4y2Ba^{26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba}，从而更好地探索LDI驱动因素的尺度效应和空间分异。公式如下:gydF4y2Ba

在哪里gydF4y2BaβgydF4y2Ba_bijgydF4y2Ba表示局部变量的回归系数，gydF4y2BabgydF4y2Ba_ijgydF4y2Ba表示用于变量回归系数的带宽gydF4y2BajgydF4y2Ba，及(gydF4y2BaugydF4y2Ba_我gydF4y2Ba，gydF4y2BavgydF4y2Ba_我gydF4y2Ba)为采样点的空间坐标gydF4y2Ba我gydF4y2Ba，gydF4y2BaxgydF4y2Ba_ijgydF4y2Ba观察是变量吗gydF4y2BajgydF4y2Ba在采样点gydF4y2Ba我gydF4y2Ba,而gydF4y2BaεgydF4y2Ba_我gydF4y2Ba是随机扰动项。基于局部回归得到MGWR的各回归系数β，带宽具有异质性。本文对MGWR的核函数和带宽准则采用二次核函数和AICc准则。gydF4y2Ba

变量设置和描述gydF4y2Ba

选取LDI作为被解释变量，对2011 - 2016年长三角305个县进行研究。LDI是建设用地总量与行政区划面积的比值，反映了国家空间调控系统中的土地开发，是主要功能区规划策略和监测的重要参数。gydF4y2Ba

如表中所列解释变量gydF4y2Ba1gydF4y2Ba，地形条件(SLP)代表坡度的平均值，表征自然背景条件gydF4y2Ba^18gydF4y2Ba．耕地面积占比(PCL)代表了该县耕地占比，反映了该县耕地保护的压力和土地资源条件支持建设活动的能力gydF4y2Ba^28gydF4y2Ba．生态重要面积比例(EID)是以自然单位为单位对生态系统重要性的评价，是重要面积占县域面积的比例gydF4y2Ba^{18gydF4y2Ba，gydF4y2Ba29gydF4y2Ba}．人口城镇化率(PUR)反映了县域城市建设水平，有望体现其对LDI的正贡献gydF4y2Ba^{17gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba}．人均GDP (PGDP)表征了一个县的经济发展水平，通常是由经济发展水平对LDI的正向驱动gydF4y2Ba^{11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba}．单位土地固定资产投资规模(FAI)是县域土地投资强度的表征，土地开发资本投资在带动经济发展的同时，也创造了对建筑空间的需求，但也受到投资部门结构的影响gydF4y2Ba^{31gydF4y2Ba，gydF4y2Ba32gydF4y2Ba，gydF4y2Ba33gydF4y2Ba}．财政支出占国内生产总值的比重(FD)反映了县域财政投入的强弱。随着土地空间的集约化开发利用，地方政府可以通过财政调控进行调控，使原来对土地大面积扩张的积极作用变为对过度开发的合理限制的消极作用gydF4y2Ba^15gydF4y2Ba．gydF4y2Ba

长三角地区LDI的时空特征gydF4y2Ba

省际尺度时空特征分析gydF4y2Ba

2011 - 2016年，长三角LDI稳步增长，从14.98%上升至16.06%，增幅为1.40%。与同期全区1.91%的土地城镇化率和1.72%的人口城镇化率基本匹配，表明长三角地区土地建设与人口向城镇集聚协调发展。LDI存在显著的省际差异，上海市>江苏省>安徽省>浙江省发展梯度显著(图2)。gydF4y2Ba2gydF4y2Ba)．五年来，江苏、安徽、上海经济增长相对平稳，浙江则处于显著加速时期。浙江园林和森林面积大，占国土面积的59.17%。由于自然状态的原因，浙江LDI相对较低，但仍处于土地快速开发的过程中。安徽多为丘陵山区，地形起伏，LDI水平较低，增长缓慢。相比之下，上海和江苏拥有庞大的土地建设基础，过去5年都处于缓慢增长阶段。gydF4y2Ba

城市层面的时空特征gydF4y2Ba

各市人均LDI由2011年的16.98%上升至2016年的18.16%，年均增长1.36%。如图所示。gydF4y2Ba3.gydF4y2Ba，城市群中心区域LDI由18.38%上升至19.81%，年均增长1.51%，显著高于区域LDI均值。其中，上海都市圈、苏锡昌都市圈、南京都市圈、合肥都市圈、宁波都市圈、杭州都市圈2016年LDI分别为36.49%、29.08%、24.17%、19.95%、15.87%、15.84%(图5)。gydF4y2Ba4gydF4y2Ba)．结果表明，长三角主要城市群，特别是内圈(一核五子核)是土地建设活动的重要驱动力，各都市圈内的发展格局和土地建设集聚效应是由核心城市(如南京、嘉兴、合肥、无锡、舟山)驱动的。gydF4y2Ba

县域尺度时空特征分析gydF4y2Ba

长三角县域人均LDI由2011年的25.10%上升至2016年的26.25%，5年平均增长5.83%。长三角县域LDI总体呈上升趋势，且空间分异显著。从Fig可以看出。gydF4y2Ba5gydF4y2BaLDI高值县主要集中在中心城市的中心区域，在省、城市群辐射的带动下，周边县域建设用地一体化开发显著，尤以徐州和苏州最为明显。远郊县域的LDI相对较低，尤其是长三角，呈现核心-外围结构，反映了生态功能定位对长三角LDI的引导作用。gydF4y2Ba

功能区层面的时空特征gydF4y2Ba

LDI按照UZ > MAPZ > KEFZ的梯度逐区降低(表2)gydF4y2Ba2gydF4y2Ba)．UZ主要位于沪宁杭甬沿江县域，整体LDI较高，从2011年的33.39%快速上升至2016年的34.91%。上海中心的经济效应辐射到苏锡昌和宁波都市圈，人口、资本、技术的高度集中和强大的内在联系使该区域处于高强度的发展状态。然而，UZ内的县也显示出明显的地理差异。依托水运和经济活动的优势，铜陵、芜湖、南京、上海、宁波和嘉兴等沿江县的发展速度高于江苏北部、浙江南部和安徽等内陆地区。MAPZ主要位于苏北和皖北地区，LDI发展最为稳定，平均增长率为0.78%。65%的县的增长率集中在0.00 - 1.00%之间，这与自然条件要求下农业发展的长期稳定有关。经济技术开发区位于安徽南部、浙江西北部。受自然条件和环境政策的约束，区域发展强度基数小，但增速较快，年均增速高达1.57%。gydF4y2Ba

驱动因素的多尺度解构gydF4y2Ba

全局回归估计分析gydF4y2Ba

OLS试验(表gydF4y2Ba3.gydF4y2Ba)表现出显著的空间滞后和空间误差效应，其中大似然LM-Lag和LM-Error检验显著。鲁棒LM-Lag和鲁棒LM-Error检验表明，2011年鲁棒LM-Lag仅在10%之间显著，2016年鲁棒LM-Lag显著，综上所述，2011 - 2016年期间SEM模型比SLM模型拟合得更好。因此，我们选择SEM来定量估计全局空间相关性。gydF4y2Ba

基于GeoDa平台的SEM结果显示，除2016年PUR外，SLP、PCL、EID、PGDP、FAI、FD等自然人为因子均通过1%显著性检验(表1)gydF4y2Ba4gydF4y2Ba)．参数估计结果表明，2011-2016年，PUR和PGDP对LDI具有稳定而显著的正驱动作用，而SLP、PCL、EID、FAI和FD具有显著的负驱动作用。PUR的正向效应最为明显，2011年和2016年lnPUR的弹性系数分别为0.326和0.155。这反映了人口向城镇集中是影响土地扩张和建设活动的主要因素。PGDP对LDI的影响程度较低，系数分别为0.156和0.292。2011年和2016年lnSLP和lnEID系数均为负，表明土地开发活动受到自然地形条件和生态系统重要性的约束。lnPCL与LDI的系数分别为−0.242和−0.197，说明PCL越小，县域耕地资源压力越大，LDI越高。lnFAI系数由- 0.151下降至- 0.223，表明固定资产投资力度对土地开发的抑制作用进一步增强。lnFD系数均在−0.245 ~−0.255范围内，反映了地方财政调控对LDI的稳定抑制作用。gydF4y2Ba

局部回归估计分析gydF4y2Ba

我们使用拟合优度来衡量回归值与观测值的拟合程度。从表gydF4y2Ba5gydF4y2Ba，可以发现，2011年和2016年的模型调整拟合优度均为> 0.89，可以判断回归模型表现更好，研究具有科学效度。2011年PGDP和FAI为全局变量(即带宽/样本数量> 90%)，其余为局部变量。而在2016年，只有PGDP和EID是全局变量。gydF4y2Ba

自然因子包括SLP、PCL和EID，一般反映了人类活动场所的自然状况。它可以在Table中找到gydF4y2Ba5gydF4y2Ba全自然因素对LDI的负向影响，反映了地形条件对土地开发的制约，以及在国家国土空间控制下保护耕地和生态环境的重要性。进一步分解不同地理位置不同因子的影响，可以看出，2011年和2016年SLP对LDI的影响在空间上呈现出明显的地理差异，抑制较强的区域分布在浙江省和皖南地区，影响强度从浙江和安徽丘陵地区向江苏平原地区逐渐减弱(图2)。gydF4y2Ba6gydF4y2Baa、b)。这反映了在生态文明条件下，以自然保护为基础，有节制地进行土地开发，长三角地区的开发建设活动应坚持生态可持续性原则，根据地形条件合理利用土地。PCL对LDI的抑制作用在苏北、皖北等MAPZ区域较强。皖南和浙江城市群周边地区的PCL与LDI成正比。这反映了耕地资源压力在一定程度上增加，建设活动受到限制(图2)。gydF4y2Ba6gydF4y2Bac, d)。因此，在为建设活动提供土地资源的同时，还应注重通过合理开发保护耕地，限制过度的土地建设。EID对LDI抑制较强的区域是苏北和皖北的kefz和mapz(图2)。gydF4y2Ba6gydF4y2BaE,f)，到2016年，全球抑制效应逐渐显现。由于国家领土的空间控制，在土地开发中保护生态重要区域的意识增强。gydF4y2Ba

人为因素包括PUR、PGDP、FAI和FD。其中，PUR和PGDP对长三角县LDI有显著的正向影响，FAI和FD对LDI有负向抑制作用，且随着时间的推移而加深。如图所示。gydF4y2Ba6gydF4y2Bag,h, PUR的回归系数显著正，但从城市群中心区域，特别是上海和南京都市圈、太湖和杭嘉兴地区向外围城市群递减。也就是说，城市群由于人口众多，面临着更大的土地开发建设压力。2011年，PGDP对LDI的正向影响在苏南、浙江等沿海地区比安徽、苏北地区更为显著(图2)。gydF4y2Ba6gydF4y2Ba我);而在2016年，各县之间的差异趋于平均(图。gydF4y2Ba6gydF4y2BaJ)，表明经济发展对土地开发的全球贡献进一步突出。在现阶段，政府不再只是在经济投资集中的情况下进行建设活动，而是更加注重功能定位的开发利用，朝着高质量、高效利用的发展格局迈进。FAI对LDI的抑制作用从东部沿海城市群中心向外围非城市群区域递减(图2)。gydF4y2Ba6gydF4y2Bak).结合投资的行业结构，不难看出，城市群在招商引资和政策上始终具有明显的优势，固定资产投资主要流向制造业和房地产业，以获得更高的投资和建设回报率。相比之下，皖北、苏北、浙南等非中部地区的县，基于MAPZ或KEFZ的定位，公益性投资相对集中，主要集中在水利、环境与公共设施管理行业和农业，通常不利于吸收土地开发要素(图2)。gydF4y2Ba6gydF4y2BaL)，从而导致抑制作用和空间变异性。FD对LDI的影响取决于各县的实际情况。在杭州、南京和苏锡昌都市圈，FD对LDI的影响是正向的(图2)。gydF4y2Ba6gydF4y2Bam)，而南京都市圈高UZ区和浙南KEFZ区抑制效果显著(图2)。gydF4y2Ba6gydF4y2Ban).说明地方政府可以通过金融监管和政策管控吸引更多的环保产业，提高土地建设行业准入门槛，合理限制过度开发，实现国家土地空间的集约利用。gydF4y2Ba

功能区驱动因素差异gydF4y2Ba

如表所示gydF4y2Ba6gydF4y2Ba和无花果。gydF4y2Ba7gydF4y2Ba，分别估算了UZ、MAPZ和KEFZ等不同功能区内FDI的驱动因素。UZ包括上海、南京、杭州和宁波，苏锡昌都市区，沿河县，以及每个城市的主要城市县。总体平均LDI超过33%，远高于其他地区，是长三角土地开发的重点区域。该地区地势平坦，经济发展水平高，依托沿海优势开放程度高，城镇体系逐步完善，对城市有一定的辐射带动。各子模型驱动因素的回归系数表明，UZ地区的LDI由自然-人为因素共同决定，其中PUR和PGDP贡献较大。这也与UZ较大的经济规模和更健全的城镇体系密切相关。自然因素对土地开发的抑制作用充分体现了自然禀赋是人类活动的基础。PCL系数绝对值最大，负效应最强，表明UZ地区耕地资源稀缺。到2016年，UZ样本中FAI和FD的负面影响显著加深，反映了该地区处于城市一体化发展较为成熟的阶段。通过改变固定资产投入产业和扩大财政自由度，推动产业结构向高附加值、高端产业转变。 There has been a fundamental shift in optimizing economic development to reduce energy consumption and environmental pollution.

MAPZ以苏北、皖北等非主城区县为主，2011年和2016年LDI分别为15.60%和16.22%。地形适宜耕作，具有良好的农业生产条件。该地区的LDI主要受PCL的正向驱动，EID、FAI和FD的抑制作用突出。该区域的目标是限制大规模、高强度的工业化和城市化对土地空间的开发，重要的生态耕作要求限制了建设活动对土地的占用。耕地资源压力减轻，固定资产投资由房地产和新区建设投入向农林牧渔业等农业产业倾斜。到2016年，财政在MAPZ土地开发中逐渐发挥作用，基于功能定位的财政计划对农业发展投入的引导可能会限制区域城镇化建设，以保证农产品的发展能力。gydF4y2Ba

经济技术开发区包括安徽南部和浙江西部的低山丘县。该地区平均坡度较高，景观有一定的自然美景，总体LDI最低，2011年和2016年分别为5.56%和6.01%。驱动因素的影响反映了该地区以SLP和EID为主，受PGDP驱动的事实。由于地形和生态建设的要求，区域内LDI应严格限制，而PGDP上升到一定水平，政府或居民对生态环境质量的要求促使绿色产业的大力投资，促进环保技术项目的开发和升级，以保护和恢复生态环境。gydF4y2Ba

与单尺度研究不同gydF4y2Ba^{11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba19gydF4y2Ba}，我们从“省-市-县-功能区”的多尺度上对LDI进行了探讨。研究发现，不同层次的土地开发呈现出不同的特征。省、市比额表的结果可以更好地总结区域差异，并根据区域的自然基础和定位精确拟订发展目标gydF4y2Ba^{8gydF4y2Ba，gydF4y2Ba34gydF4y2Ba}；微观县域和功能区层面的LDI反映了城市群异质功能区的实施情况。县级由于其范围较小，可以更直观地了解土地开发中存在的微观现象gydF4y2Ba^15gydF4y2Ba如沿河流轴线发展模式和核心-边缘发展模式。主体功能区水平可以反映各区域之间的差异，对于观察MFZP实施以来的效果具有重要意义。gydF4y2Ba

在全球和子功能尺度上分别解构LDI的驱动因素，可以交互反映区域和区域内的驱动因素。全球范围内的研究只能显示宏观影响，而区域模式在识别不同区域的影响方面更为准确gydF4y2Ba^{13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba}．我们发现，从全球尺度来看，大多数自然和人为因素都会对LDI产生影响，且不具有代表性gydF4y2Ba^10gydF4y2Ba，但主功能区层面的因子更为准确。我们进一步探讨了各个驱动因素背后的原因，发现首先在生态文明建设的背景下，由于土地原有的地形和生态重要性，土地正在被有约束地开发以保护自然，并被合理利用。其次，大量的城市人口和经济活动会增加对土地的需求，根据承载能力和发展潜力调节人口规模，促进国家土地开发的健康发展。此外，经济发展促进了建筑活动空间的扩张，特别是沿海、沿河和大都市地区。最重要的是，当LDI增加时，对可用土地资源的约束会收紧，固定资产投资会转向功能型产业。财政投入水平提高，地方政府财政自主权增强，土地资源保护意识增强，政府通过财政调控限制土地过度开发。gydF4y2Ba

约束机制与功能差异，仍应坚持和采取实施分区管制。因地制宜是土地可持续开发的重要原则gydF4y2Ba^{31gydF4y2Ba，gydF4y2Ba32gydF4y2Ba，gydF4y2Ba35gydF4y2Ba}．首先，UZ处于城市一体化发展较为成熟的阶段。它应该利用它的位置优势来带动周边县的土地建设。发挥金融优势，增强产业集聚能力。要从根本上优化转变经济发展方式，以降低能源消耗和生态污染为目标。其次，MAPZ的目标是限制大规模、高强度的工业化和城市化发展对国家空间发展的影响。因此，财政计划对农业发展投入的引导，制约了区域农产品发展能力保障的建设。第三，根据地形和生态建设的要求，严格限制LDI，大力投资林业和绿色产业，投资环保技术项目，保护环境。gydF4y2Ba

我们共同在多个尺度上详细描述了LDI的空间分异特征，这种相互作用可为不同行政层级的跨行政合作和城市规划嵌套提供依据。其中，省市级土地建设发展主要受自然条件影响，从上海>江苏>安徽>浙江依次递减。长三角城市群在全区发展中起着引领作用。县域LDI呈上升趋势，时空差异显著，呈现出以上海为核心、以长江经济带为轴心的点-轴型发展格局，各城市内部呈核心-边缘发展格局。gydF4y2Ba

科学的城市规划的前提是挖掘城市发展的动力和制动力。在全球尺度上的估算结果表明，LDI会受到多种自然和人为因素的影响。MFZP实施以来，功能区定位明确，土地开发用途与发展目标相匹配。可以发现，LDI以UZ > MAPZ > KEFZ为梯度递减。人口密集、经济快速发展的UZ受到SLP、PCL、EID、PUR、PGDP、FAI、FD等一致性因素的影响。在MAPZ中，LDI主要受PCL、EID、FAI的促进作用和FD的突出作用影响。在KEFZ, LDI主要受自然因素SLP的抑制作用，EID受PGDP的驱动。gydF4y2Ba

为此，我们提出以下政策建议，以促进区域发展建设更加差异化和精准化。(1)由于区域差异的特点，应加强LDI约束政策从中央到地方的多尺度衔接。例如，UR中实力较强的地区可能获得更多超出其承载能力的建设用地开发指标，而实力较弱的地区则被剥夺了发展机会。(2)注重目标与过程控制的整合，即根据LDI确定开发的上限，再确定最小保护空间的下限，防止开发行为突破逆向约束。(3)综合运用政策工具和奖惩制度，即激励抑制因素(如EDI)提高生态保护效率，惩罚过度开发土地的积极因素。(四)进一步细化三大功能区调控方向。一方面，城市用地应结合土地承载力合理确定开发强度，实施严格的总量控制指标。另一方面，应注重从土地开发规模向土地开发效率的转变，加强对土地利用效率评价指标的考量。MAPZ和KEFZ应通过划定永久基本农田和生态保护红线，加强土地开发行为刚性约束的空间落地。此外，对于因耕地保护和生态保护而导致的开发权益被剥夺，应加强生态补偿。gydF4y2Ba

未来，我们可以进一步加强多尺度分析，加入更多因素，并进行更长时间序列的后续研究，以观察MFZP实施不同阶段的具体影响，可以使用面板数据(如2010 - 2020年)，也可以使用更多五年期数据(如2010、2015、2020年)。gydF4y2Ba