孫 斌，徐 渭，薛建春，侯思杰

(內(nèi)蒙古科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院，內(nèi)蒙古 包頭 014010)

0 引 言

2019年9月，習(xí)近平總書(shū)記作出加強(qiáng)黃河治理保護(hù)、推動(dòng)黃河流域高質(zhì)量發(fā)展的重大部署。黃河流域城市群是黃河流域高質(zhì)量發(fā)展重心區(qū)和環(huán)境污染綜合治理與生態(tài)保護(hù)重點(diǎn)區(qū)，在推進(jìn)黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展過(guò)程中具有很高戰(zhàn)略地位[1]。黃河流域城市群包括呼包鄂榆、寧夏沿黃、蘭西、關(guān)中平原、中原、山東半島和晉中7個(gè)城市群[2]。除了山東半島城市群發(fā)育成熟，其余城市群尚處于雛形階段，總體發(fā)育和城鎮(zhèn)集聚程度偏低[3]，在面臨發(fā)展迫切需求的同時(shí)，還需克服發(fā)展中忽視“外部經(jīng)濟(jì)性”所造成的流域污染治理和生態(tài)保護(hù)難題。因此，有必要對(duì)黃河流域城市群城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)發(fā)展進(jìn)行研究，深入挖掘存在的問(wèn)題，結(jié)合實(shí)際提出政策建議，為地區(qū)探索城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)發(fā)展提供借鑒。

國(guó)內(nèi)外學(xué)者針對(duì)城鎮(zhèn)化與生態(tài)環(huán)境相互作用及耦合關(guān)系已開(kāi)展了大量研究。其主要包括：①理論研究及演變規(guī)律分析。在國(guó)外，不同學(xué)者及研究機(jī)構(gòu)先后提出了PSR(Pressure-state-response)模型、EKC曲線(Environmental Kuznets Curve)和脫鉤理論，豐富了相關(guān)理論研究[4-6]；在國(guó)內(nèi)，黃金川等對(duì)耦合規(guī)律曲線進(jìn)行了推演[7-8]，方創(chuàng)琳等構(gòu)建了多集成時(shí)空耦合動(dòng)力學(xué)模型，提出“耦合魔方”概念[9-11]。②城鎮(zhèn)化與生態(tài)環(huán)境耦合實(shí)證研究。國(guó)外學(xué)者在世界各地均進(jìn)行了大量相關(guān)案例研究[12-13]；劉耀彬等構(gòu)建耦合發(fā)展模型探尋發(fā)展規(guī)律[14-15]；陳曉紅等分析了未來(lái)耦合關(guān)系演變趨勢(shì)[16]；鄧宗兵等探尋了地區(qū)城鎮(zhèn)化與生態(tài)環(huán)境耦合驅(qū)動(dòng)機(jī)制[17]；趙建吉等對(duì)黃河流域城鎮(zhèn)化與生態(tài)環(huán)境影響因素進(jìn)行了研究[18]。③不同尺度上的研究。多數(shù)學(xué)者選用城市或生態(tài)特殊區(qū)；部分學(xué)者選用不同城市群進(jìn)行研究分析[19-22]；還有一些學(xué)者以流域?yàn)槌叨冗M(jìn)行了相關(guān)研究。例如，馬艷對(duì)長(zhǎng)江經(jīng)濟(jì)帶城鎮(zhèn)化與生態(tài)環(huán)境交互關(guān)系進(jìn)行了測(cè)度與推演驗(yàn)證[23]；高紅貴等對(duì)長(zhǎng)江經(jīng)濟(jì)帶進(jìn)行了耦合測(cè)度[24]。④對(duì)于不同復(fù)雜非線性系統(tǒng)，學(xué)者們使用多種方法進(jìn)行了評(píng)價(jià)與預(yù)測(cè)。宋學(xué)鋒等利用SD模型對(duì)江蘇省城市化與生態(tài)環(huán)境耦合進(jìn)行了情景模擬分析[25]；馮雨雪等使用灰色預(yù)測(cè)模型對(duì)青藏高原城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)進(jìn)行預(yù)測(cè)[26]；蔡文靜等對(duì)西北五省進(jìn)行了生態(tài)-經(jīng)濟(jì)-城鎮(zhèn)化系統(tǒng)的耦合預(yù)測(cè)分析[27]。

總體而言，現(xiàn)有研究仍存在一些不足之處。首先，現(xiàn)有研究的評(píng)價(jià)指標(biāo)選取在高質(zhì)量發(fā)展內(nèi)涵上表現(xiàn)不足；其次，以往研究通常以黃河流域某一城市群作為研究區(qū)，黃河流域城市群是一個(gè)“3+4”的空間組織格局，需要全流域視角的整體研究；最后，盡管研究方法較為豐富，但對(duì)耦合關(guān)系的模擬和預(yù)測(cè)相對(duì)較少。城鎮(zhèn)化和生態(tài)環(huán)境間相互作用具有長(zhǎng)期性和累積性，單純?cè)u(píng)估現(xiàn)狀難免有滯后性和被動(dòng)性。耦合協(xié)調(diào)度時(shí)間序列包含了線性趨勢(shì)和非線性趨勢(shì)，因此，本文使用ARIMA模型預(yù)測(cè)線性趨勢(shì)，并用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)ARIMA模型的誤差進(jìn)行預(yù)測(cè)，以期使預(yù)測(cè)效果達(dá)到最優(yōu)。

基于此，本文以黃河流域7個(gè)城市群為基本研究單元，在PESS(Population-economic-sociology-space)模型和PSR模型基礎(chǔ)上建立體現(xiàn)高質(zhì)量發(fā)展內(nèi)涵的城鎮(zhèn)化與生態(tài)環(huán)境評(píng)價(jià)指標(biāo)體系，運(yùn)用耦合協(xié)調(diào)度模型對(duì)耦合協(xié)調(diào)度進(jìn)行測(cè)度，并構(gòu)建ARIMA-BP組合模型預(yù)測(cè)2020～2025年黃河流域城市群耦合協(xié)調(diào)度，探討其耦合發(fā)展趨勢(shì)并提出未來(lái)發(fā)展建議。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

黃河發(fā)源于青藏高原巴顏喀拉山脈，流經(jīng)青、川、甘、寧、蒙、晉、陜、豫、魯?shù)?個(gè)省區(qū)，流域面積約占全國(guó)面積的8.28%。黃河流域是中國(guó)重要生態(tài)屏障、經(jīng)濟(jì)發(fā)展重要地帶和脫貧攻堅(jiān)重要區(qū)域，對(duì)國(guó)家經(jīng)濟(jì)發(fā)展和生態(tài)安全具有重要意義。黃河流域范圍和城市群分布如圖1所示。由于黃河流域不同城市群在城市構(gòu)成上略有重疊，且考慮到部分城市群內(nèi)個(gè)別縣級(jí)市和少數(shù)民族自治州數(shù)據(jù)缺失嚴(yán)重情況，所以選擇7個(gè)城市群中58個(gè)核心城市作為城市群構(gòu)成樣本，在此基礎(chǔ)上進(jìn)行數(shù)據(jù)收集及研究。

圖1 黃河流域城市群分布

1.2 數(shù)據(jù)來(lái)源

以黃河流域7個(gè)城市群58個(gè)核心城市為基本單元，開(kāi)展2000～2019年各城市群城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度研究，并對(duì)2020～2025年耦合協(xié)調(diào)度預(yù)測(cè)結(jié)果進(jìn)行空間上的演變展示。數(shù)據(jù)來(lái)源包括各年份《中國(guó)城市統(tǒng)計(jì)年鑒》及各省份、各地級(jí)市統(tǒng)計(jì)年鑒等，部分指標(biāo)數(shù)據(jù)來(lái)源于各城市歷年社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)公報(bào)，并通過(guò)數(shù)據(jù)處理方法進(jìn)行缺失值填補(bǔ)。

2 分析方法

2.1 城鎮(zhèn)化與生態(tài)環(huán)境評(píng)價(jià)指標(biāo)體系構(gòu)建

本文選擇在PESS模型和PSR模型基礎(chǔ)上選取29個(gè)指標(biāo)表征高質(zhì)量發(fā)展中的開(kāi)放、協(xié)調(diào)、共享、創(chuàng)新、綠色理念，建立城鎮(zhèn)化和生態(tài)環(huán)境評(píng)價(jià)指標(biāo)體系(表1、2)。其中，指標(biāo)權(quán)重通過(guò)熵值法進(jìn)行確定，保證了權(quán)重客觀性。

表1 城鎮(zhèn)化評(píng)價(jià)指標(biāo)體系

2.2 耦合協(xié)調(diào)度模型

耦合是指兩個(gè)或兩個(gè)以上系統(tǒng)通過(guò)受自身和外界各種作用而相互影響，耦合度模型已經(jīng)被廣泛使用在城鎮(zhèn)化與生態(tài)環(huán)境間復(fù)雜的耦合機(jī)理研究中，具體計(jì)算過(guò)程如下所示。

表2 生態(tài)環(huán)境評(píng)價(jià)指標(biāo)體系

(1)耦合度計(jì)算，其表達(dá)式為

(1)

式中：C為城鎮(zhèn)化與生態(tài)環(huán)境系統(tǒng)的耦合度，0≤C≤1；F(x)和G(y)分別為基于城鎮(zhèn)化評(píng)價(jià)指標(biāo)x與生態(tài)環(huán)境評(píng)價(jià)指標(biāo)y收集到的數(shù)據(jù)，使用熵權(quán)法客觀賦權(quán)并綜合評(píng)價(jià)得到的城鎮(zhèn)化系統(tǒng)和生態(tài)環(huán)境系統(tǒng)評(píng)價(jià)值；k是調(diào)節(jié)系數(shù)，k≥2，通常來(lái)說(shuō)k=2。

(2)系統(tǒng)綜合發(fā)展指數(shù)和耦合協(xié)調(diào)度計(jì)算，其表達(dá)式為

T=α×F(x)+β×G(y)

(2)

(3)

式中：D為耦合協(xié)調(diào)度；T為城鎮(zhèn)化與生態(tài)環(huán)境系統(tǒng)綜合發(fā)展指數(shù)；α和β為待定系數(shù)，分別表示城鎮(zhèn)化系統(tǒng)和生態(tài)環(huán)境系統(tǒng)評(píng)價(jià)值的重要程度，除特殊情境外，通常取α=β=0.5。

借鑒其他學(xué)者對(duì)協(xié)調(diào)類型的劃分[28]，本文將耦合協(xié)調(diào)度劃分為10個(gè)等級(jí)(表3)。

表3 耦合協(xié)調(diào)度等級(jí)分類

2.3 ARIMA-BP組合模型

2.3.1 ARIMA模型

ARIMA(p,d,q)模型中的3個(gè)參數(shù)p、d、q分別是模型的自回歸項(xiàng)階數(shù)(AR模型階數(shù))、差分階數(shù)、移動(dòng)平均項(xiàng)階數(shù)(MA模型階數(shù))。ARIMA模型實(shí)質(zhì)上是在自回歸移動(dòng)平均模型的基礎(chǔ)上針對(duì)非平穩(wěn)序列進(jìn)行d階差分，使其預(yù)測(cè)精度得以提升。如果原始時(shí)間序列非平穩(wěn)，那么要先對(duì)其進(jìn)行差分處理直至平穩(wěn)，在這個(gè)階段就可以確定差分階數(shù)d，然后對(duì)ARIMA模型進(jìn)行定階，確定使結(jié)果最優(yōu)的自回歸項(xiàng)階數(shù)p和移動(dòng)平均項(xiàng)階數(shù)q。ARIMA模型的一般表達(dá)式為

yt=c+φ1yt-1+…+φpyt-p+θ1εt-1+…+θqεt-q+εt

(4)

式中：yt為t階差分序列；εt為t階噪聲序列；φp為p階AR模型擬合參數(shù)；θq為q階MA模型擬合參數(shù)；c為常數(shù)。

2.3.2 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)是按照誤差逆向傳播算法進(jìn)行訓(xùn)練的多層神經(jīng)網(wǎng)絡(luò)。其在結(jié)構(gòu)上包括輸入層、隱含層、輸出層3種，學(xué)習(xí)過(guò)程包括信號(hào)的前向傳播和誤差的逆向反饋，信息由輸入層經(jīng)過(guò)隱含層到達(dá)輸出層后，比較輸出值與期望值之間的誤差[29]。若誤差較大，預(yù)測(cè)結(jié)果不理想，則誤差將會(huì)逐層逆向傳播到輸入層，同時(shí)不斷調(diào)整和迭代直至預(yù)測(cè)結(jié)果較為理想，實(shí)現(xiàn)收斂。

2.3.3 ARIMA-BP組合模型

ARIMA模型是基于線性技術(shù)對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行預(yù)測(cè)的一種方法，但對(duì)非線性預(yù)測(cè)結(jié)果可能存在一些不合理的誤差，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)可以很好地預(yù)測(cè)非線性數(shù)據(jù)[30]。實(shí)際問(wèn)題中，線性與非線性同時(shí)存在，單純使用ARIMA模型或BP神經(jīng)網(wǎng)絡(luò)模型難免會(huì)存在較大誤差，不能很好地預(yù)測(cè)實(shí)際問(wèn)題。因此，本文使用ARIMA-BP組合模型對(duì)黃河流域城市群城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度進(jìn)行預(yù)測(cè)。

ARIMA-BP組合模型的表達(dá)式為

Dt=Lt+Nt

(5)

式中：Dt為真實(shí)值；Lt為原始數(shù)據(jù)中的線性部分；Nt為非線性殘差部分。

使用ARIMA模型進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)值Lt′，則預(yù)測(cè)殘差(Et)為

Et=Dt-Lt′

(6)

使用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)Et進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)值Et′。ARIMA-BP組合模型得到的最終預(yù)測(cè)值Dt′為

Dt′=Et′+Lt′

(7)

3 實(shí)證分析

3.1 城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度分析

根據(jù)城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)模型，對(duì)2000～2019年黃河流域城市群耦合協(xié)調(diào)度進(jìn)行測(cè)度，結(jié)果如圖2所示。

圖2 2000～2019年黃河流域城市群耦合協(xié)調(diào)度演變

由圖2可見(jiàn)，7個(gè)城市群城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度總體呈上升趨勢(shì)。山東半島城市群2005年之后超過(guò)中原城市群成為耦合協(xié)調(diào)度最高的城市群，起步早、發(fā)展快、區(qū)位優(yōu)勢(shì)明顯、綜合實(shí)力較強(qiáng)、生態(tài)資源獨(dú)具特色是其耦合協(xié)調(diào)度較高的原因；中原城市群承接了東部大量資本和產(chǎn)業(yè)，區(qū)域發(fā)展活力和創(chuàng)新能力得到一定提高，但相較于山東半島城市群耦合協(xié)調(diào)度稍低；關(guān)中平原城市群地理位置較優(yōu)，總體保持上升趨勢(shì)，僅在2012年、2016年出現(xiàn)了下降波動(dòng)；呼包鄂榆城市群在2002年以前耦合協(xié)調(diào)度較差，和蘭西城市群基本相同，之后一直保持積極增長(zhǎng)態(tài)勢(shì)，由2003年的0.407增長(zhǎng)到2005年的0.458，2005年之后增長(zhǎng)速度變慢，主要是由于呼包鄂榆城市群資源密集，經(jīng)濟(jì)增長(zhǎng)更多依賴資源消耗，易陷入“資源詛咒”，且城鎮(zhèn)化發(fā)展過(guò)程中犧牲了生態(tài)環(huán)境成本；晉中城市群耦合協(xié)調(diào)度增長(zhǎng)較為穩(wěn)定，2015年之后增長(zhǎng)速度變慢，依靠煤炭等資源來(lái)實(shí)現(xiàn)經(jīng)濟(jì)增長(zhǎng)所引發(fā)的生態(tài)環(huán)境脅迫效應(yīng)在一定程度上抑制了耦合協(xié)調(diào)度；寧夏沿黃城市群在2000年至2003年耦合協(xié)調(diào)度最高，其后多次出現(xiàn)下降，增長(zhǎng)幅度不大，20年內(nèi)耦合協(xié)調(diào)度僅增加了0.102，且2019年耦合協(xié)調(diào)度居于7個(gè)城市群末位；蘭西城市群以有色金屬、鹽化工和石油化工產(chǎn)業(yè)為主，地區(qū)發(fā)展相對(duì)貧困，總體上耦合協(xié)調(diào)度最低，分別在2008年和2015年出現(xiàn)波動(dòng)，耦合協(xié)調(diào)度突然升高并下降，主要受到生態(tài)環(huán)境發(fā)展水平影響。

3.2 城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)預(yù)測(cè)分析

3.2.1 ARIMA模型時(shí)間序列預(yù)測(cè)分析

使用ARIMA模型進(jìn)行7個(gè)城市群的城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度時(shí)間序列預(yù)測(cè)分析，預(yù)測(cè)未來(lái)6年的變化趨勢(shì)。由于每個(gè)城市群的原始時(shí)間序列數(shù)據(jù)存在差異，ARIMA模型的參數(shù)選取方面也不盡相同(表4)，通過(guò)自相關(guān)和偏自相關(guān)分析進(jìn)行模型參數(shù)確定。使用ARIMA模型預(yù)測(cè)7個(gè)城市群城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度的結(jié)果見(jiàn)表5。

表4 ARIMA模型參數(shù)選取情況

表5 ARIMA模型預(yù)測(cè)結(jié)果

3.2.2 BP神經(jīng)網(wǎng)絡(luò)模型殘差預(yù)測(cè)分析

將ARIMA模型預(yù)測(cè)得出的結(jié)果與真實(shí)值進(jìn)行比較得出絕對(duì)誤差，利用MATLAB 2017a構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型對(duì)誤差進(jìn)行預(yù)測(cè)。由于誤差年份為2001～2019年，所以模型樣本量為19。同時(shí)，考慮到時(shí)間序列數(shù)據(jù)的特征，選擇輸入層神經(jīng)元個(gè)數(shù)為3，輸出層神經(jīng)元個(gè)數(shù)為1，采用滑動(dòng)窗口法生成訓(xùn)練集樣本作為輸入層輸入，即將前三年的誤差作為輸入值，其后一年的誤差作為輸出值，構(gòu)建前三年誤差與后一年誤差的非線性函數(shù)，最終19個(gè)樣本滑動(dòng)生成16個(gè)矩陣樣本，即在MATLAB中輸入矩陣為3*16，輸出矩陣為1*16。

對(duì)7個(gè)城市群進(jìn)行預(yù)測(cè)后的效果評(píng)估，2004～2019年組合模型的平均預(yù)測(cè)精度如表6所示。其中，模型平均相對(duì)誤差是指2004～2019年每個(gè)城市群不同預(yù)測(cè)模型相對(duì)誤差均值，可見(jiàn)每個(gè)城市群預(yù)測(cè)精度均有一定提升，提升程度各有不同，但總體上ARIMA-BP組合模型預(yù)測(cè)效果較為理想。

表6 ARIMA-BP組合模型平均預(yù)測(cè)精度

通過(guò)使用訓(xùn)練之后的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)誤差進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)得到的誤差與使用ARIMA模型預(yù)測(cè)得到的線性部分進(jìn)行相加，得到最終ARIMA-BP組合模型的預(yù)測(cè)值，結(jié)果如表7所示。

由表7可見(jiàn)，各個(gè)城市群在未來(lái)6年內(nèi)耦合協(xié)調(diào)度預(yù)測(cè)值總體呈上升趨勢(shì)。山東半島城市群耦合協(xié)調(diào)度在2023年突然由0.785 4下降到0.696 9，但

表7 ARIMA-BP組合模型預(yù)測(cè)結(jié)果

依舊排在城市群之首。其次是呼包鄂榆城市群和中原城市群，呼包鄂榆城市群在2021年耦合協(xié)調(diào)度由上一年的0.644 0下降為0.588 0，其后不斷上升并逐漸超過(guò)中原城市群。晉中城市群和關(guān)中平原城市群在2023年分別上升和下降，關(guān)中平原城市群在下降之后持續(xù)上升，而晉中城市群則基本保持不變。寧夏沿黃城市群和蘭西城市群的耦合協(xié)調(diào)度排在7個(gè)城市群的末位，寧夏沿黃城市群基本保持穩(wěn)定且緩慢上升趨勢(shì)，而蘭西城市群則出現(xiàn)多次波動(dòng)情況。將預(yù)測(cè)結(jié)果進(jìn)行空間演變，結(jié)果如圖3所示。

由圖3可以看出，空間演變過(guò)程呈現(xiàn)東部山東半島城市群、西北部呼包鄂榆城市群和中部中原城市群耦合協(xié)調(diào)度較高，其余中西部城市群耦合協(xié)調(diào)度偏低的空間格局。到2025年，山東半島城市群城鎮(zhèn)化與生態(tài)環(huán)境將進(jìn)入良好協(xié)調(diào)階段，呼包鄂榆城市群處于中度協(xié)調(diào)階段，關(guān)中平原城市群、中原城市群、晉中城市群處于初級(jí)協(xié)調(diào)階段，而寧夏沿黃城市群、蘭西城市群依舊處于勉強(qiáng)協(xié)調(diào)階段，耦合協(xié)調(diào)度尚不樂(lè)觀。

圖3 2020～2025年黃河流域城市群耦合協(xié)調(diào)度預(yù)測(cè)結(jié)果空間演變

4 結(jié) 語(yǔ)

(1)2000～2019年黃河流域城市群耦合協(xié)調(diào)度呈上升態(tài)勢(shì)，總體上山東半島城市群耦合協(xié)調(diào)度最高，蘭西城市群耦合協(xié)調(diào)度最低且出現(xiàn)波動(dòng)。7個(gè)城市群耦合協(xié)調(diào)特征由輕度失調(diào)、瀕臨失調(diào)轉(zhuǎn)為勉強(qiáng)協(xié)調(diào)、初級(jí)協(xié)調(diào)，總體上耦合程度并不理想，2000～2019年7個(gè)城市群均未達(dá)到較高的耦合協(xié)調(diào)狀態(tài)。

(2)通過(guò)構(gòu)建ARIMA-BP組合模型對(duì)未來(lái)6年黃河流域城市群城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度進(jìn)行預(yù)測(cè)，探尋未來(lái)發(fā)展趨勢(shì)。結(jié)果顯示：未來(lái)6年，7個(gè)城市群城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度均有提高，耦合協(xié)調(diào)度等級(jí)有一定提升，且呈現(xiàn)出東部山東半島城市群、西北部呼包鄂榆城市群和中部中原城市群耦合協(xié)調(diào)度較高，其余中西部城市群耦合協(xié)調(diào)度偏低的空間格局。山東半島城市群從初級(jí)協(xié)調(diào)轉(zhuǎn)為中度協(xié)調(diào)，預(yù)計(jì)在2025年轉(zhuǎn)為良好協(xié)調(diào)；呼包鄂榆城市群則從初級(jí)協(xié)調(diào)轉(zhuǎn)為中級(jí)協(xié)調(diào)；除寧夏沿黃城市群和蘭西城市群以外，其余城市群城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度基本達(dá)到協(xié)調(diào)狀態(tài)，在2025年均進(jìn)入初級(jí)協(xié)調(diào)或已超越初級(jí)協(xié)調(diào)階段。

(3)對(duì)于黃河流域城市群的未來(lái)發(fā)展，首先,要抓住發(fā)展中的主要矛盾，既要高質(zhì)量發(fā)展，繼續(xù)推進(jìn)城鎮(zhèn)化建設(shè)，又要關(guān)注到發(fā)展所帶來(lái)的環(huán)境污染等現(xiàn)象。能源型流域城市群(如呼包鄂榆城市群、晉中城市群)對(duì)礦產(chǎn)資源和水資源依賴突出，綠色轉(zhuǎn)型和污染治理任務(wù)艱巨，因此,需格外關(guān)注生態(tài)環(huán)境污染問(wèn)題;蘭西城市群生態(tài)環(huán)境脆弱，地廣人稀，經(jīng)濟(jì)發(fā)展相對(duì)滯后，要多依靠創(chuàng)新驅(qū)動(dòng)，用空間規(guī)劃引領(lǐng)資源利用和環(huán)境治理。其次，要制定個(gè)性化發(fā)展策略，實(shí)現(xiàn)區(qū)域協(xié)同發(fā)展。從上述結(jié)果分析可以看出，不同城市群未來(lái)發(fā)展仍存在一定差異。山東半島城市群未來(lái)依舊發(fā)揮其在流域發(fā)展中的龍頭作用，但相比全國(guó)其他發(fā)育成熟的城市群而言，科技創(chuàng)新能力與和核心競(jìng)爭(zhēng)力不夠突出，今后仍需增強(qiáng)在全國(guó)的綜合競(jìng)爭(zhēng)力;關(guān)中城市群和中原城市群地處平原，是中西部戰(zhàn)略發(fā)展重地，今后要繼續(xù)提升區(qū)域整體發(fā)展水平，推動(dòng)除省會(huì)城市以外其他次級(jí)中小城市發(fā)展壯大。此外，寧夏沿黃城市群和蘭西城市群在7個(gè)城市群中耦合發(fā)展?fàn)顩r相對(duì)不佳，需進(jìn)一步補(bǔ)齊發(fā)展短板，推進(jìn)城鎮(zhèn)化過(guò)程，強(qiáng)化生態(tài)環(huán)境保護(hù)力度，這樣才能盡快實(shí)現(xiàn)全流域城市群的協(xié)同發(fā)展。