E-mail alert  |  RSS service
高级检索

中国城市基础研究综合竞争力的时空演变及影响因素☆

莫广欣 ,  颜金彪

科学观察 ›› 2024, Vol. 19 ›› Issue (6) :50-62

PDF (3776KB)
科学观察 ›› 2024, Vol. 19 ›› Issue (6) :50-62 DOI: 10.15978/j.cnki.1673-5668.20240705
数据观察

中国城市基础研究综合竞争力的时空演变及影响因素☆

作者信息 +

Spatiotemporal Evolution and Influencing Factors of Comprehensive Competitiveness in Urban Basic Research in China

Author information +
文章历史 +

摘要

[目的/意义] 基础研究是突破核心科学问题的关键，对推动我国科技发展和提升原始创新能力尤为重要。[方法/过程] 通过构建城市基础研究综合竞争力指数，采用泰尔指数和空间马尔可夫链等方法，探讨2010—2019年中国城市基础研究综合竞争力的时空演变特征及影响因素。[结果/结论] 研究结果表明：中国城市基础研究综合竞争力呈先急剧跃升后微弱波动变化的倒“L”型演变特征，高值区主要集聚于省会城市和直辖市，具有明显的空间非平稳性；城市基础研究综合竞争力存在一定的局部空间自相关，区域总体差异主要由地区内部差异引起；城市基础研究综合竞争力的状态转移概率具有较强的稳定性和“俱乐部收敛”特征，地理邻近性对其状态转移概率可产生较大的带动或阻碍作用；科研适宜性是城市基础研究综合竞争力最为重要的影响因素，核心解释变量与城市基础研究综合竞争力的相关性依次为高校数量>第二产业占GDP的比例>PM2.5浓度>年均温度>专利授权数量>图书馆藏书量。

Abstract

[Objective/Significance] Basic research serves as the linchpin for addressing fundamental scientific inquiries, playing a pivotal role in advancing science and technology and enhancing original innovation capacities within China. [Method/Process] This study introduces the Comprehensive Competitiveness Index of Urban Basic Research, employing methodologies such as the Theil index and spatial Markov chain analysis to explore the spatiotemporal evolution patterns and influencing factors shaping the comprehensive competitiveness of urban basic research in China from 2010 to 2019. [Results/Conclusions] The analysis reveals several key findings as follows: The comprehensive competitiveness of urban basic research in China exhibits an inverted "L" shaped evolution, characterized by an initial rapid surge followed by subtle fluctuations. Regions with high competitiveness are predominantly clustered in provincial capitals and municipalities directly under the central government, illustrating distinct spatial heterogeneity. Local spatial autocorrelation is observed in the comprehensive competitiveness of urban basic research, with regional disparities primarily stemming from internal differences within each region. The state transition probability of comprehensive competitiveness in urban basic research demonstrates significant stability and "club convergence" characteristics, with geographic proximity playing a substantial role in facilitating or impeding state transitions. Research suitability emerges as the foremost influencing factor on the comprehensive competitiveness of urban basic research, with core explanatory variables correlating in the following order: number of universities, proportion of secondary industry in GDP, PM2.5 concentration, average temperature, number of granted patents, and library collection size.

Graphical abstract

关键词

基础研究综合竞争力 / 时空演变 / 影响因素 / 空间马尔可夫链 / 国家自然科学基金

Key words

comprehensive competitiveness of basic research / spatiotemporal evolution / influencing factors / spatial Markov chain / the National Natural Science Foundation of China

引用本文

引用格式 ▾
莫广欣, 颜金彪. 中国城市基础研究综合竞争力的时空演变及影响因素☆[J]. 科学观察, 2024, 19(6): 50-62 DOI:10.15978/j.cnki.1673-5668.20240705
Mo Guangxin, Yan Jinbiao. Spatiotemporal Evolution and Influencing Factors of Comprehensive Competitiveness in Urban Basic Research in China[J]. Science Focus, 2024, 19(6): 50-62 DOI:10.15978/j.cnki.1673-5668.20240705

登录浏览全文

4963

注册一个新账户 忘记密码

0 引言

自党的十八大以来，党中央国务院高度重视基础研究。习近平总书记深刻指出：“基础研究是整个科学体系的源头，是所有技术问题的总机关。”作为科技后发国家，基础研究对提升我国原始创新能力、突破制约技术瓶颈的核心科学问题以及建设世界科技强国尤为关键[1]。城市作为创新活动的特殊空间载体，是提升我国整体创新水平的重要战略区域[2]。因此，加强基础研究在城市层面上的分析，可更微观地把握中国城市原始创新能力源头活水的发展特征与规律。

自熊彼特于20世纪初首次从经济学角度引入创新理论之后，以创新为主题的学术探讨争鸣不断。随着知识经济的发展，社会科学的“空间化”与地理学的“社会化”相向而行，创新的空间问题引起了地理学家的普遍关注，并衍生出新的交叉学科——创新地理学[3]。当前，学界对创新的空间研究相对比较全面，主要包括：①创新活动的空间分布格局[4-5]；②创新能力及创新效率的空间度量[6⇓⇓-9]；③创新空间分异的驱动机理[9⇓-11]；④创新空间溢出效应及其影响效益[12⇓-14]等。基础研究作为科研链条起始端的创新活动，可为原始创新提供十分重要的理论和方法，对我国实施创新驱动发展战略和推动经济高质量发展尤为关键。国家自然科学基金(the National Natural Science Foundation of China，NSFC)自设立以来，一直对我国基础研究起到非常重要的支撑作用[15]。新冠疫情期间，北京大学曹云龙研究员团队的新冠中和抗体药物研制、奥密克戎株免疫逃逸机制研究等创新性成果为抗击疫情作出了重要贡献[16⇓-18]；2022年，大连化学物理研究所和福沺能源科技有限公司联合开发的千吨级二氧化碳加氢制汽油装备，为解决国家能源安全问题、实现“双碳”目标等提供新策略。这些重大创新性研究成果是我国实现高质量发展的基石，均得到了国家自然科学基金的立项资助。因此，城市获得国家自然科学基金资助的多寡，可以反映出各城市基础研究的竞争力及差异[19]。

目前，学界围绕“基础研究竞争力”主题的研究内容主要集中于2个方面。①基础研究竞争力的测度评价。学者多利用一种或某几种国家自然科学基金项目类型的立项数据来测度基础研究竞争力，如管仕平等[20]、钟永恒等[21]、廖鹏等[22]和夏新曙等[23]基于少数国家自然科学基金项目类型（如青年项目、面上项目、地区基金等）的立项信息，通过不同的测度方式构建基础研究竞争力指数，分别研究了我国省域层面、双一流高校医学学科领域和各师范院校的基础研究竞争力。②基础研究竞争力分布格局研究。学者多采用描述性统计分析和空间自相关等方法，分析基础研究竞争力在各学科、各依托单位以及各地区的分布特点。如马廷灿等[19]通过动态可视化图表，比较了我国大陆31个省市的基础研究竞争力的分布及差异。钟永恒等[24]分析了我国42所“双一流”高校的八大学科基础研究竞争力及差距。姚昊等[25]采用描述性统计分析法和莫兰指数，分析了国家自然科学基金在各单位、各地区的分布格局及其空间集聚模式。张祚等[15]通过核密度分析和地理可视化等方法，研究了省域尺度下国家自然科学基金的空间分布情况。

综上，学者在基础研究竞争力上已取得了诸多成果，但尚存在一些不足：①目前，多从省域尺度或高校层面开展基础研究竞争力的分析，缺乏全国范围内更精细尺度的研究（如城市尺度）；②当前研究大多基于一种或少数几种国家自然科学基金立项数据来度量基础研究竞争力（如青年项目等），导致难以全面刻画基础研究竞争力；③目前，学者多采用描述性统计分析法（如折线图、表格等），缺少从空间视角去揭示基础研究竞争力的时空演变规律，而且鲜有进一步深入探究其影响因素。鉴于此，本文以2010—2019年中国281个地级及以上城市作为研究区域，通过14类国家自然科学基金项目类型的立项数据综合刻画城市基础研究综合竞争力，试图采用泰尔指数、空间自相关以及空间马尔可夫链方法探究中国城市基础研究综合竞争力的时空格局及演变特征，并进一步通过面板回归模型挖掘其影响因素，以期为全面提升我国城市基础研究综合竞争力和建设创新型国家提供数据支撑。

1 数据来源与研究方法

1.1 数据来源

考虑到数据的可获性，剔除部分时序不一致或数据缺失严重的城市，最终选取中国281个地级及以上城市作为研究区域。本文基于2010—2019年的10年数据探究中国城市基础研究综合竞争力的时空演变规律及影响因素。其中，国家自然科学基金立项数据主要源于国家自然科学基金委员会（https://www.nsfc.gov.cn），项目类型包括面上项目、重点项目、重大项目、重大研究计划项目、青年科学基金项目、优秀青年科学基金项目、国家杰出青年科学基金项目、创新研究群体项目、地区科学基金项目、联合基金项目、国家重大科研仪器研制项目、数学天元基金、国际（地区）合作交流项目、海外及港澳学者合作项目共14类。另外，影响因素数据主要源于《中国城市统计年鉴》、CERI数据库、相关统计局网站以及中国铁路12306官网。

1.2 研究方法

1.2.1 城市基础研究综合竞争力的测度

自马廷灿等[19]提出“基于国家自然科学基金（NSFC）的省市基础研究综合竞争力指数”后，目前利用NSFC来分析基础研究竞争力已有一定成果。本文参考钟永恒等[21]的测度方法，通过立项资助总额、立项总数、依托单位数以及项目主持人数4项指标来构建城市基础研究综合竞争力指数（comprehensive competitiveness index for urban basic research sponsored by the NSFC,IUBRCCI）。计算方法见式（1）。

$I_{\mathrm{UBRCCI}}=\sqrt[4]{\frac{A_{i}}{\bar{A}} \times \frac{B_{i}}{\bar{B}} \times \frac{C_{i}}{\bar{C}} \times \frac{D_{i}}{\bar{D}}}$

式中：IUBRCCI为城市基础研究综合竞争力指数；Ai、Bi、Ci和Di分别为某一年第个城市的立项数量、经费数量、机构数量以及主持人数量；$\bar{A}$、$\bar{B}$、$\bar{C}$、$\bar{D}$分别为该年所有城市的立项数量、经费数量、机构数量以及主持人数量的均值。

1.2.2 城市基础研究综合竞争力影响因素的指标体系构建

城市基础研究综合竞争力的提升归根结底需要依靠基础研究科研人才，因而，城市如何吸引和留住科研人才尤为关键。城市适宜性理论作为创新型人才集聚的重要理论，随着理论的丰富和发展，其内涵已从最初的自然适宜性不断拓展为经济、社会、自然与科研环境等适宜性[26⇓⇓⇓⇓-31]，而这些均可能成为基础研究科研人才选择安居城市的重要影响因素。因此，本研究基于城市适宜性理论，构建中国城市基础研究综合竞争力影响因素的指标体系(表1)，重点分析经济适宜性、科研适宜性、社会适宜性以及自然适宜性4个层面对中国城市基础研究综合竞争力的影响。经济层面主要包括经济发展水平[32]、生活成本[33]、产业结构及政府财政投入[27]，科研层面主要包括高校数量[31]、图书馆藏书量[31]、政府对基础研究及人才的重视程度以及城市创新活力[27]，社会层面主要包括交通设施[29]、医疗服务[34]及城市活力，自然层面主要包括气温、湿度[26]以及环境污染[35]。

1.2.3 泰尔指数

在空间关联特征分析中，泰尔指数可用于测度区域差异程度[36]。相较于基尼系数，泰尔指数具有可分解的特点，不仅可以反映区域内部和区域之间的差异，还可以根据其贡献率大小来判断区域整体差异的来源[37]。本文通过泰尔指数来分析城市基础研究综合竞争力在东、中、西3大地区内和地区间的差异结构以及整体差异来源。计算方法见式(2)~式(4)。

$T =T_{\mathrm{b}}+T_{\mathrm{w}}$
$T_{\mathrm{W}} =\sum_{g=1}^{k}\left(\frac{n_{g}}{n} \frac{\overline{x_{g}}}{\bar{x}}\right) T_{g}$
$T_{\mathrm{b}} =\sum_{g=1}^{k} \frac{n_{g}}{n}\left(\frac{\overline{x_{g}}}{\bar{x}}\right) \ln \left(\frac{\overline{x_{g}}}{\bar{x}}\right)$

式中：k为分区数量；ng /n为不同地区内城市占比；为各城市基础研究综合竞争力均值与全国均值之比；Tg为g城市基础研究综合竞争力的泰尔指数；TW和Tb分别为地区内部差异和地区之间差异。

1.2.4 空间自相关

空间自相关是指地理研究对象的属性值之间由于其位置在空间上邻近而形成的相关性[38]。根据地理学第一定律，地理事物空间距离越相近，其属性值之间的依赖性越大[39]。首先，本文通过全局Moran's I检验城市基础研究综合竞争力在整个研究区域中的空间关联性及集聚程度[8,40]，计算方法见式（5）和式（6）。其次，利用局域Moran's I在局部空间上进一步更精确地挖掘各城市与其相邻城市之间基础研究综合竞争力的集聚模式[40]，计算方法见式(7)~式(9)。

$I=\frac{\sum_{i=1}^{n} \sum_{j=1}^{n} W_{i j}\left(y_{i}-\bar{y}\right)}{\sum_{i=1}^{n}\left(y_{i}-\bar{y}\right)^{2}} \times \frac{n}{S_{0}} $
$S_{0}=\sum_{i=1}^{n} \sum_{j=1}^{n} W_{i j}$
$I_{i}=\frac{u_{i}}{s^{2}} \sum_{j=1}^{n} W_{i j} u_{i}$
$u_{i}=\left(X_{i}-\overline{X_{i}}\right)$
$u_{j}=\left(X_{j}-\overline{X_{j}}\right)$

式中：yi为城市基础研究综合竞争力指数；n为样本城市数；Wij为空间权重矩阵；ui、uj分别为样本Xi、Xj与其均值之差。

1.2.5 空间马尔可夫链

马尔可夫链可动态反映研究区域范围内各个地理事物在不同时间阶段的演进过程，空间马尔可夫链在传统马尔可夫链的基础上通过引入空间滞后项，可更好地反映邻域地理现象的空间溢出作用[41]。根据已有研究，采用四分位数法（0.25，0.5，0.75）将中国城市基础研究综合竞争力值共离散为k=1，2，3，4共4种状态类型，然后通过计算不同状态类型的转移概率，从而形成k×k的传统马尔可夫转移概率矩阵M。计算方法见式（10）。

$P_{i j}=\frac{s_{i j}}{s_{i}}$

式中：Pij为城市基础研究综合竞争力在t阶段为i状态类型，而在t+1阶段变为j状态的转移概率；Sij为在整个研究时间跨度中，在t阶段为i状态类型而在t+1阶段转变为j状态的所有城市的数量；Si为属于i状态类型的所有城市数量。

空间马尔可夫链同样也将邻域城市的基础研究综合竞争力值划分为k种状态类型，通过计算在不同邻域背景下本城市基础研究综合竞争力状态类型的转移概率，进而构建出k个k×k的空间马尔可夫转移概率矩阵N。其中，在k的空间滞后类型条件下，城市基础研究综合竞争力在t阶段为i状态而在t+1时则变为j状态的转移概率可表示为Pij|k。为顾及地理空间上的邻近性，城市u的空间滞后值Lu是该城市邻近城市基础研究综合竞争力测度结果的加权平均，计算方法见式（11）。

$\begin{array}{c} I=\frac{\sum_{i=1}^{n} \sum_{j=1}^{n} W_{i j}\left(y_{i}-\bar{y}\right)}{\sum_{i=1}^{n}\left(y_{i}-\bar{y}\right)^{2}} \times \frac{n}{S_{0}} \\ S_{0}=\sum_{i=1}^{n} \sum_{j=1}^{n} W_{i j} \end{array}$

式中：Lu为城市u的空间滞后值；Yv为城市u的邻域城市v的基础研究综合竞争力的测度结果；Wuv为基于地理邻接原则所确定的关于城市u与v之间的空间关系0-1矩阵。

1.2.6 面板回归模型

考虑到面板回归模型更适合包含多个时间点和多个横截面单位的面板数据，同时能够更好地控制不可观察的个体异质性[42]，提供更有效的估计结果。因此，本文通过构建面板回归模型来探究中国城市基础研究综合竞争力的核心影响因素。计算方法见式（12）。

$y_{i t}=\beta_{0}+\beta_{1} x_{1 i t}+\beta_{2} x_{2 i t}+\ldots+\beta_{m} x_{m i t}+\varepsilon_{i t}$

式中：yit为城市i在t时期的基础研究综合竞争力；t为时间；xmit为解释变量；$\varepsilon _{it}$为误差项。

由于中国城市基础研究综合竞争力在研究时序范围内不断变化，若忽略方程误差项$\varepsilon _{it}$的序列相关性，回归结果则会存在一定的偏误。经采用沃尔德检验等方法验证研究样本是否存在组间异方差、组内自相关和组间同期相关问题后[42]，结果表明，$\varepsilon _{it}$误差项存在组间异方差和组内自相关的问题。因此，结合模型检验结果以及样本数据特点，本文最终采用经聚类稳健标准误校正的随机效应模型来进行参数估计。

2 中国城市基础研究综合竞争力的时空

演变特征

2.1 中国城市基础研究综合竞争力的时序演进特征

基于2010—2019年国家自然科学基金立项数据，对中国281个城市的基础研究综合竞争力进行测度，并分析其时空演变特征。图1展示了中国城市基础研究综合竞争力的历年变化。一方面，城市基础研究综合竞争力均值水平呈先急剧跃升后微弱波动的倒“L”型演变特征。城市基础研究综合竞争力均值从2010年的0.873上升至2012年的0.975，增幅高达11.68%，2012—2019年则围绕0.975上下微弱波动变化。另一方面，立项数量、资助经费、机构数量以及主持人数4项指标的均值与基础研究综合竞争力具有一定的协同变化趋势。其中，除了2010—2011年的立项数量表现为下降之外，2010—2014年和2016—2018年4项指标与基础研究综合竞争力发展态势较为一致。此外，资助经费和机构数量分别在2014—2015年和2018—2019年对基础研究综合竞争力的方向变动上起到决定性作用，表明未来基础研究发展应更加注重资助经费的投入强度以及科研平台的建设，以更好地提升我国基础研究综合竞争力水平。

2.2 中国城市基础研究综合竞争力的空间分异特征

2.2.1 总体空间分布特征

为更加直观反映中国城市基础研究综合竞争力的空间分异规律，以2010年、2015年、2019年为时间断面，运用自然间断点法将城市基础研究综合竞争力测度结果划分为弱（0.000~0.874）、较弱（0.875~3.512）、中等（3.513~10.589）、较强（10.590~23.742）以及强（23.743~54.729）5个等级，并进行空间可视化（图2）。

由图2可知，中国城市基础研究综合竞争力存在显著的空间分异现象，以省会核心城市和直辖市的IUBRRCCI值尤为突出，同时中等及以上等级的城市呈逐渐增多趋势。强类别（强和较强等级水平）城市呈自东向西减少的空间格局，包括北京、上海、南京等6个城市。其中，北京的基础研究综合竞争力一直稳居领先地位，其IUBRRCCI值超过全国均值水平的50倍。上海亦颇具实力，其IUBRRCCI值于2019年晋升至强等级水平，与北京共同构成“双极”引领模式。中等类别（中等等级水平）城市主要零星分散于省会城市和直辖市（如杭州、天津、成都、长沙、合肥、重庆等）。这些城市具有区位优越、资源丰富以及要素集聚等竞争优势，使其IUBRRCCI值相较于非省会城市可以保持在较高的水平。弱类别（较弱和弱等级水平）城市则连片分布于研究区域之中，但其分布范围表现为缓慢缩减的变化特征，如IUBRRCCI值最初为较弱水平的郑州、青岛和南昌于2015年均上升为中等水平，深圳亦于2019年提升至中等水平，表明我国城市基础研究综合竞争力呈缓慢提升的发展态势。

2.2.2 空间关联特征

本文首先运用全局莫兰指数识别城市基础研究综合竞争力在2010年、2015年以及2019年的空间相关性，结果显示其p值均大于0.05，说明中国城市基础研究综合竞争力在全局上不存在显著的空间相关性。

为进一步检验各城市局部空间聚集程度的存在性，运用局域莫兰指数分析结果表明，城市基础研究综合竞争力具有一定的局部空间关联特征，且历年集聚模式表现一致。其中，天津和上海属于“高-高”集聚模式，西安、武汉以及广州属于“高-低”集聚模式。

2.2.3 3大区域差异特征

由中国城市基础研究综合竞争力泰尔指数及其分解结果（图3）可知：城市基础研究综合竞争力总体泰尔指数呈先升后降再升的“N”型微弱波动变化特征，表明城市基础研究综合竞争力总体差异表现为先增大后减小再增大的演变过程。从泰尔指数区域差异分解结果来看，地区内部差异均值为1.959，贡献率高达91.40%，故中国城市基础研究综合竞争力的区域差异主要源于地区内部的城际差异。

3大地区中，东部地区始终是中国城市基础研究综合竞争力区域差异的主要来源，其贡献率高达60%以上，表明东部地区内的城市基础研究综合竞争力存在明显的实力悬殊现象。尽管北京的基础研究竞争力始终独占鳌头，但受限于地理位置和地方经济发展水平等因素，东部地区内依然存在一部分基础研究综合竞争力指数为零的城市。因此，基础研究综合竞争力的极化问题显著加剧了东部地区的内部差距。中部和西部地区的差异贡献比例则旗鼓相当，但中部地区的贡献率总体上略大于西部地区，这可能源于中部地区基础研究综合竞争力在一定程度上受到东部地区的辐射带动作用。

2.3 中国城市基础研究综合竞争力的时空动态演变特征

为深入分析城市基础研究综合竞争力的时空演变特征，本文构建了传统和空间两种马尔可夫转移概率矩阵，将IUBRRCCI值共离散为低（k =1）、较低（k =2）、较高（k =3）、高（k =4）4种状态类型。

由中国城市基础研究综合竞争力传统马尔科夫转移概率矩阵（表2）可知：①中国城市基础研究综合竞争力状态类型转移具有较强的稳定性，从对角线转移概率来看，所有状态类型的对角线转移概率均大于非对角线的转移概率，表明城市基础研究综合竞争力受原有状态水平影响较大；②IUBRRCCI状态类型存在较为显著的“俱乐部收敛”特征，IUBRRCCI值向低和高状态类型集聚最强，分别高达0.817和0.949；③城市基础研究综合竞争力在相邻年份之间难以实现“跨越式”转移，各状态类型城市实现跨越式转移的概率均小于3%，表明中国城市基础研究综合竞争力难以突破循序渐进的发展局面。

为进一步考虑地理邻近性IUBRRCCI状态类型转移的影响，在传统马尔可夫链的基础上引入空间滞后项，通过对比传统马尔可夫链（表2）和空间马尔可夫链（表3）可以发现以下特点。①不同的邻域背景对IUBRRCCI状态转移概率影响较大，具有一定的带动或阻碍作用。大部分表现为：当邻域状态为低水平(低、较低)时，会阻碍向上转移，带动向下转移；而当邻域状态为高水平（高、较高）时，则相反。其中，最为明显的是 P32|1（0.667） > P32（0.140），P21|1（0.556） > P21（0.256），P23|4（0.231） > P23（0.212）。②受邻域状态类型的空间溢出影响，城市基础研究综合竞争力在一定的地理空间中易出现“俱乐部收敛”现象。

3 中国城市基础研究综合竞争力的影响因素

考虑到部分数据的可获性，本文最终选取131个城市作为影响因素分析样本，挖掘2010—2019年影响各城市基础研究综合竞争力的核心因素。为降低变量异方差的影响，对变量均进行对数处理，并采用聚类稳健标准误进行参数估计，结果见表4。

由回归结果中的核心解释变量（表4）可知，城市的经济、科研、社会以及自然适宜性对基础研究综合竞争力的影响程度不尽相同。其中，高校数量对城市基础研究综合竞争力的正向作用最大，且高校数量每提升1个百分点，将可促进基础研究综合竞争力提升7.13个百分点。高校及其研究院作为基础研究、高新技术领域原始创新的主力军[43]，不仅可以满足科研人才的就业需求，同时还可以为科研人才开展原始创新活动、推进课题研究提供重要的平台支撑作用。因此，充足的科研平台条件有利于引进和留住科研人才，进而可对城市基础研究综合竞争力的提升产生显著的正向效应。

其次，PM2.5浓度对城市基础研究综合竞争力也表现出较为显著的正向作用。这可能是由于样本城市几乎位于胡焕庸线的东南侧，且IUBRCCI高值区多位于直辖市和各省核心城市，这些区域作为PM2.5污染的高值集聚区，与其经济繁荣、人口密集、产业集聚、人为气溶胶排放量大紧密相关[44⇓-46]。因而，较高的PM2.5浓度往往又能从侧面反映出一个城市具有较高的经济发展水平以及城市活力，这对基础研究科研人才将形成较强的吸纳作用，从而有利于提升城市的基础研究综合竞争力。

此外，专利授权数量和图书馆藏书量也是城市基础研究综合竞争力的主要影响因素，表明科研人才倾向选择科研创新活力充沛和藏书资源丰富的城市。这可能是因为，知识产权保护法律制度不断完善、校企技术交流趋于频繁以及市场化知识产权交易平台的建设等，能够更好地满足专利申请授权人在法律、技术以及运营上的需求[47]，促使社会形成吸引科研人才集聚的活跃的科研创新氛围，从而不断刺激作为知识源头供给侧的基础研究创新。另外，课题立项、学科交叉融合等科研工作的顺利开展均离不开深厚扎实的知识储备，而图书馆藏书有助于基础理论知识的积累。因此，图书馆藏书量越多，越能满足科研人才对知识理论的积累需求，进而对城市基础研究综合竞争力的提升发挥积极的影响作用。

另外，第二产业占GDP的比例与城市基础研究综合竞争力的相关性也较大，呈现出显著的负向抑制作用，即科研人才不倾向集聚于第二产业发达的城市。一方面可能是由于本文仅基于国家自然科学基金立项数据来综合测度基础研究综合竞争力，所涉科研人才多以高校和科研院所为依托单位，而以企业为依托单位的较少；另一方面可能是由于基础研究科研成果存在不确定性[1]，企业等侧重于短期高收益的应用研究而忽略对基础研究的合理投入[48]以及上游基础研究科研成果与下游产业发展之间的成果转化鸿沟难以有效跨越[49]。因而，第二产业占GDP的比例高会对基础研究科研人才集聚产生推力挤出影响，从而在一定程度上约束城市基础研究综合竞争力的提升。此外，年均温度对城市基础研究竞争力也表现为显著的负向作用。这可能与近百年来我国气候变暖趋势远超全球的均值水平[50]、气温上升明显且极端高温事件显著增多[51]有关。因而，科研人才倾向集聚于气温舒适的城市。

最后，值得注意的是，整体上基础研究科研人才在选择适宜性城市时更偏向科研驱动型，不受“人为财死”的经济魔咒束缚，而是更注重人才自身科研价值实现的高层次追求，更渴望在科研探索解谜中得到诸如求知欲满足、同行认可等非经济报酬。因而基础研究科研人才更倾向选择科研适宜性好的城市，打破了以往人才经济驱动型的迁移集聚分布模式，这与国内的部分研究结果存在一些出入[52]。

4 结论与建议

4.1 结论

本文通过国家自然科学基金立项数据构建中国城市基础研究综合竞争力指数，结合ArcGIS空间分析、空间马尔可夫链以及面板回归模型等方法，揭示了中国城市基础研究综合竞争力时空演变规律，并进一步挖掘其时空分布背后的影响因素，主要研究结论如下。

1）2010—2019年中国城市基础研究综合竞争力整体上呈先急剧跃升后微弱波动的倒“L”型演变特征。此外，立项数量、资助经费、机构数量以及主持人数4项指标与城市基础研究综合竞争力具有一定的协同发展趋势。

2）中国城市基础研究综合竞争力存在明显的空间非平稳性，省会核心城市和直辖市的基础研究综合竞争力尤为突出，城市基础研究综合竞争力水平逐渐提升。弱基础研究综合竞争力类型的城市呈“片状”分布特征，而中等及以上等级的城市则呈“零星状”分布特点，且主要集中于省会或重要核心城市，2019年北京和上海共同构成“双极”引领模式。城市基础研究综合竞争力总体区域差异呈先升后降再升的“N”型波动变化特征，地区内差异显著大于地区间差异，东部地区始终是总体区域差异的主要贡献者。

3）城市基础研究综合竞争力状态类型转移概率具有较强的稳定性，在下一时段（t+1）仍保持原有状态的概率均最高。同时，基础研究综合竞争力状态类型存在较为明显的“俱乐部收敛”特征。此外，城市基础研究综合竞争力在相邻年份之间难以实现“跨越式”发展。另外，地理邻近性对城市基础研究综合竞争力状态转移概率可产生一定的阻碍或带动的作用。

4）城市4大适宜性解释变量对城市基础研究综合竞争力的影响程度不尽相同，科研适宜性对我国城市基础研究综合竞争力影响最大。其中，高校数量、PM2.5浓度、专利授权数量以及图书馆藏书量均对城市基础研究综合竞争力表现为显著的正向促进作用，而第二产业占GDP的比例和年均温度对城市基础研究综合竞争力存则表现为显著的负向作用。其相关性依次为高校数量>第二产业占GDP的比例>PM2.5浓度>年均温度>专利授权数量>图书馆藏书量。表明科研人才更偏向集聚于科研平台条件完备、第二产业基础研究成果应用衔接机制完善、城市发展活跃、气温舒适、创新氛围浓郁以及知识理论储备丰富的城市。

4.2 建议

随着全球科技竞争不断向基础科学研究前移，要想在激烈的国际竞争中立于不败之地，迫切需要不断提升基础研究竞争力，这就要求国家和城市注重基础研究科研人才的集聚和培养。本文的研究为中国城市吸引和集聚科研人才提供了一定的参考价值。

首先，增强科研适宜性，为基础研究科研人才集聚提供重要的平台条件。高校不仅是基础研究主要依托单位，同时也是国家（重点）实验室以及省部共建国家重点实验室的主要依托单位。因而，合理增加高校数量，不断完善实验基地建设以及配置多样的设备仪器是科研人才顺利开展系列基础研究的重要保障。同时，增强城市科研创新活力、丰富城市藏书资源，增强城市科研适宜性，才能为基础研究科研人才提供良好的科研氛围和资源，才能更好地吸引、留住基础研究科研人才，进而为增强城市基础研究综合竞争力奠定基础。

其次，畅通基础研究成果到产业研发应用的转化路径，加大产业基础研究的投入力度。当前面对世界新一轮科技革命与产业革命蓬勃兴起和我国转变发展方式的新形势，应抓住产业变革重大机遇，不断完善产学研机制，扫除高校、科研院所和企业间人才流动机制障碍，打破科研成果转化壁垒，切实发挥基础研究重大原创成果对第二产业结构升级的重要支撑作用，以此反向刺激基础研究的原创动力。同时，第二产业应持续增加自身基础研究的投入比例，引入大量高层次基础研究科研人才，夯实基础研究根基，通过不断增强基础研究竞争力实现科技自立自强，确保我国产业在国际重大挑战中做到安全、自主、可控。

最后，筑牢城市活力对引进基础研究科研人才的重要作用。持续关注城市的经济发展活力、产业集聚动态以及人口迁移模式，不断提高城市各领域的可持续发展活力，以更好地吸引人才和提高城市基础研究综合竞争力。

本文也存在一些不足。首先，由于在地学研究中缺乏天然的分析单元，当将研究数据从小的地理单元聚合至更大的空间单元时，将会出现可变面积单元问题（modifiable areal unit problem，MAUP）。MAUP会使统计特征值随着空间分区及其组合方式的不同而不同，常导致研究变量间的相关系数具有很大的变化范围。因此，关于我国基础研究综合竞争力的时空分布规律及其影响因素探究有待开展进一步跨尺度和跨单元的定量探索。其次，本文受限于数据的可获性，并未研究2020—2023年中国不同城市基础研究综合竞争力的时空格局，未来需不断补充国家自然科学基金数据，进一步提升研究的数据时效性。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

李静海. 抓住机遇推进基础研究高质量发展[J]. 中国科学院院刊, 2019, 34(5): 586-596.
[2]

( Li J H. Seizing opportunities to promote high-quality development of basic research[J]. Bulletin of the Chinese Academy of Sciences, 2019, 34(5): 586-596.)
[3]

冯明. 创新要素集聚、城市创新能力与经济高质量发展[J]. 技术经济与管理研究, 2023, 36(2): 43-49.
[4]

Feng M. Innovation element agglomeration,urban innovation capability and high-quality economic development[J]. Journal of Technical Economics & Management, 2023, 36(2): 43-49.
[5]

吕拉昌, 王承云, 王涛, 等. 创新地理学[M]. 北京: 科学出版社, 2017.
[6]

Lü L C, Wang C Y, Wang T, et al. The geography of innovation[M]. Beijing: The Science Press, 2017.)
[7]

马静, 邓宏兵, 张红. 空间知识溢出视角下中国城市创新产出空间格局[J]. 经济地理, 2018, 38(9): 96-104.
[8]

( Ma J, Deng H B, Zhang H. Spatial patterns of innovation output of cities in China based on spatial knowledge spillovers[J]. Economic Geography, 2018, 38(9): 96-104.)
[9]

王纪武, 孙滢, 林倪冰. 城市创新活动分布格局的时空演化特征及对策: 以杭州市为例[J]. 城市发展研究, 2020, 27(1): 12-18.
[10]

( Wang J W, Sun Y, Lin N B. Spatial-temporal evolution characteristics and countermeasures of urban innovation activities distribution pattern: a case study of Hangzhou[J]. Urban Studies, 2020, 27(1): 12-18.)
[11]

何舜辉, 杜德斌, 焦美琪, 等. 中国地级以上城市创新能力的时空格局演变及影响因素分析[J]. 地理科学, 2017, 37(7): 1014-1022.

[12]

( He S H, Du D B, Jiao M Q, et al. Spatial-temporal characteristics of urban innovation capability and impact factors analysis in China[J]. Scientia Geographica Sinica, 2017, 37(7): 1014-1022.)

[13]

侯纯光, 程钰, 任建兰, 等. 中国创新能力时空格局演变及其影响因素[J]. 地理科学进展, 2016, 35(10): 1206-1217.

[14]

( Hou C G, Cheng Y, Ren J L, et al. Spatiotemporal changes and influencing factors of innovation capacity in China[J]. Progress in Geography, 2016, 35(10): 1206-1217.)

[15]

段德忠, 杜德斌. 中国城市绿色技术创新的时空分布特征及影响因素[J]. 地理学报, 2022, 77(12): 3125-3145.

[16]

( Duan D Z, Du D B. Green technology innovation in China city system: dynamics and determinants[J]. Acta Geographica Sinica, 2022, 77(12): 3125-3145.)

[17]

谭俊涛, 张平宇, 李静. 中国区域创新绩效时空演变特征及其影响因素研究[J]. 地理科学, 2016, 36(1): 39-46.

[18]

( Tan J T, Zhang P Y, Li J. Spatio-temporal characteristics of regional innovation performance and its influencing factors in China[J]. Scientia Geographica Sinica, 2016, 36(1): 39-46.)

[19]

王俊松, 颜燕, 胡曙虹. 中国城市技术创新能力的空间特征及影响因素: 基于空间面板数据模型的研究[J]. 地理科学, 2017, 37(1): 11-18.

[20]

( Wang J S, Yan Y, Hu S H. Spatial pattern and determinants of Chinese urban innovative capabilities base on spatial panel data model[J]. Scientia Geographica Sinica, 2017, 37(1): 11-18.)

[21]

杨东, 柴慧敏. 企业绿色技术创新的驱动因素及其绩效影响研究综述[J]. 中国人口·资源与环境, 2015, 25(S2): 132-136.
[22]

( Yang D, Chai H M. A review of driving factors of green technology innovation and its effect on firm's performance[J]. China Population, Resources and Enviroment, 2015, 25(S2): 132-136.)
[23]

焦敬娟, 王姣娥, 程珂. 中国区域创新能力空间演化及其空间溢出效应[J]. 经济地理, 2017, 37(9): 11-18.
[24]

( Jiao J J, Wang J E, Cheng K. Spatial-temporal evolution and spillover effects of regional innovation ability in China[J]. Economic Geography, 2017, 37(9): 11-18.)
[25]

盛彦文, 骆华松, 宋金平, 等. 中国东部沿海五大城市群创新效率、影响因素及空间溢出效应[J]. 地理研究, 2020, 39(2): 257-271.

[26]

( Sheng Y W, Luo H S, Song J P, et al. Evaluation, influencing factors and spatial spillover of innovation efficiency in five major urban agglomerations in coastal China[J]. Geographical Research, 2020, 39(2): 257-271.)
[27]

胡曙虹, 黄丽, 范蓓蕾, 等. 中国高校创新产出的空间溢出效应与区域经济增长: 基于省域数据的空间计量经济分析[J]. 地理科学, 2016, 36(12): 1767-1776.

[28]

( Hu S H, Huang Li, Fan P L, et al. Spatial spillover effects of innovative outputs of university and its impacts on regional economic growth of China: based on spatial econometrics analysis of provincial data[J]. Scientia Geographica Sinica, 2016, 36(12): 1767-1776.)

[29]

张祚, 王文泽, 魏芹, 等. 国家自然科学基金2001-2015年资助区域分布与演变分析[J]. 中国软科学, 2019, 34(7): 172-183.
[30]

( Zhang Z, Wang W Z, WeiQ, et al. Analysis of regional distribution and evolution (2001 -2015) of NSFC funding programs[J]. China Soft Science, 2019, 34(7): 172-183.)
[31]

Cao Y, Su B, Guo X, et al. Potent neutralizing antibodies against SARS-CoV-2 identified by high-throughput single-cell sequencing of convalescent patients’B cells[J]. Cell, 2020, 182(1): 73-84. e16.
[32]

Du S, Cao Y, Zhu Q, et al. Structurally resolved SARS-CoV-2 antibody shows high efficacy in severely infected hamsters and provides a potent cocktail pairing strategy[J]. Cell, 2020, 183(4): 1013-1023. e13.

[33]

Cao Y, Wang J, Jian F, et al. Omicron escapes the majority of existing SARS-CoV-2 neutralizing antibodies[J]. Nature, 2022, 602(7898): 657-663.
[34]

马廷灿, 曹慕昆, 王桂芳. 从国家自然科学基金看我国各省市基础研究竞争力[J]. 科学通报, 2011, 56(36): 3115-3121.
[35]

( Ma T C, Cao M K, Wang G F. Analysis of the regional competitiveness of basic research in China based on the national natural science fundation of China[J]. Chinese Science Bulletin, 2011, 56(36): 3115-3121.)
[36]

管仕平, 朱卫东. 我国基础研究的地区差距演变及其分解[J]. 科研管理, 2011, 32(12): 97-103.
[37]

( Guan S P, Zhu W D. The variation tendency of regional difference for China’s basic research and its decomposition[J]. Science Research Management, 2011, 32(12): 97-103.)
[38]

钟永恒, 邢霞, 刘佳, 等. 2006—2016年我国省域基础研究竞争力分析: 基于国家自然科学基金[J]. 科技管理研究, 2017, 37(24): 1-9.
[39]

( Zhong Y H, Xing X, Liu J, et al. Analysis on provincial basic research competitiveness during 2006-2016: based on national natural science foundation of China[J]. Science and Technology Management Research, 2017, 37(24): 1-9.)
[40]

廖鹏, 乔冠华, 金鑫, 等. “双一流”高校医学学科科研竞争力分析[J]. 科技管理研究, 2020, 40(10): 145-150.
[41]

( Liao P, Qiao G H, Jin X, et al. Analysis on medical subject research competitiveness of "double first-class" colleges and universities[J]. Science and Technology Management Research, 2020, 40(10): 145-150.)
[42]

夏新曙, 谢若晖, 郭烽丽. 我国师范院校的基础研究竞争力: 基于国家自然科学基金面上项目信息[J]. 科技管理研究, 2021, 41(6): 17-27.
[43]

( Xia X S, Xie R H, Guo F L. The basic research competitiveness of normal universities in China: based on the data of general program of the national natural science foundation of China[J]. Science and Technology Management Research, 2021, 41(6): 17-27.)
[44]

钟永恒, 芦楚屹, 刘佳, 等. “双一流”高校基础研究竞争力分析: 基于国家自然科学基金[J]. 科技管理研究, 2019, 39(20): 85-90.
[45]

( Zhong Y H, Lu C Y, Liu J, et al. Analysis of competitiveness of basic research in“double-first Rate”universities: based on national natural science foundation of China[J]. Science and Technology Management Research, 2019, 39(20): 85-90.)
[46]

姚昊, 马立超. 国家自然科学基金资助的层级鸿沟与空间集聚[J]. 管理现代化, 2020, 40(5): 45-48.
[47]

( Yao H, Ma L C. The hierarchical gap and spatial agglomeration of national natural science foundation funded projects[J]. Modern Management, 2020, 40(5): 45-48.)
[48]

Clark T N. Urban amenities: lakes, opera, and juice bars: do they drive development?[M]// The city as an entertainment machine. Emerald Group Publishing Limited, 2003.
[49]

崔丹, 李国平, 吴殿廷, 等. 中国创新型人才集聚的时空格局演变与影响机理[J]. 经济地理, 2020, 40(9): 1-14.
[50]

( Cui D, Li G P, Wu D T, et al. Spatio-temporal patterns evolution and impact mechanism of the agglomeration of creative talents in China[J]. Economic Geography, 2020, 40(9): 1-14.)
[51]

Lloyd R, Clark T N. The city as an entertainment machine[J]. Critical Perspectives on Urban Redevelopment, 2001, 6(3): 357-378.
[52]

Glaeser E L, Kolko J, Saiz A. Consumer city[J]. Journal of Economic Geography, 2001, 1(1): 27-50.
[53]

王宁. 城市舒适物与社会不平等[J]. 西北师大学报(社会科学版), 2010, 47(5): 1-8.
[54]

( Wang N. Urban amenities and social inequality[J]. Journal of Northwest Normal University (Social Sciences), 2010, 47(5): 1-8.)
[55]

林静霞, 何金廖, 黄贤金. 城市舒适性视角下科研人才流动的城市偏好研究[J]. 地域研究与开发, 2020, 39(1): 59-64.
[56]

( Lin J X, He J L, Huang X J. Research on the city preference of the flow of scientific research talents from the perspective of urban amenities[J]. Areal Research and Development, 2020, 39(1): 59-64.)
[57]

汪群, 董叶斓. 长三角创意阶层集聚的影响因素研究[J]. 现代经济探讨, 2020, 39(6): 78-85.
[58]

( Wang Q, Dong Y L. Research on the influencing factors of creative class agglomeration in the Yangtze River Delta[J]. Modern Economic Research, 2020, 39(6): 78-85.)
[59]

齐宏纲, 赵美风, 刘振, 等. 中国高技能人才和一般技能劳动力省际迁移的空间格局及影响机理[J]. 地理科学, 2024, 44(2): 192-203.

[60]

( Qi H G, Zhao M F, Liu Z, et al. Spatial pattern and its driving forces of China’s interprovincial skilled and less-skilled migration[J]. Scientia Geographica Sinica, 2024, 44(2): 192-203.)
[61]

齐宏纲, 戚伟, 刘振, 等. 中国人才分布的学历梯度分异性:时空格局及影响机理[J]. 地理科学进展, 2023, 42(5): 821-836.

[62]

( Qi H G, Qi W, Liu Z, et al. Heterogeneity of educational attainment of talents in China: spatial and temporal patterns and driving factors[J]. Progress in Geography, 2023, 42(5): 821-836.)

[63]

刘嘉杰, 刘涛, 曹广忠. 舒适性迁移研究进展与启示[J]. 地理科学进展, 2023, 42(6): 1216-1228.

[64]

( Liu J J, Liu T, Cao G Z. Amenity migration: an international review and inspiration[J]. Progress in Geography, 2023, 42(6): 1216-1228.)

[65]

孙燕铭, 谌思邈. 长三角区域绿色技术创新效率的时空演化格局及驱动因素[J]. 地理研究, 2021, 40(10): 2743-2759.

[66]

( Sun Y M, Shen S M. The spatio-temporal evolutionary pattern and driving forces mech‐anism of green technology innovation efficiency in the Yangtze River Delta region[J]. Geographical Research, 2021, 40(10): 2743-2759.)
[67]

周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素[J]. 地理学报, 2019, 74(10): 2027-2044.

[68]

( Zhou L, Che L, Zhou C H. Spatio-temporal evolution and influencing factors of urban green development efficiency in China[J]. Acta Geographica Sinica, 2019, 74(10): 2027-2044.)

[69]

张国俊, 黄婉玲, 周春山, 等. 城市群视角下中国人口分布演变特征[J]. 地理学报, 2018, 73(8): 1513-1525.

[70]

( Zhang G J, Huang W L, Zhou C S, et al. Spatio-temporal characteristics of demographic distribution in China from the perspective of urban agglomeration[J]. Acta Geographica Sinica, 2018, 73(8): 1513-1525.)

[71]

刘海猛, 方创琳, 黄解军, 等. 京津冀城市群大气污染的时空特征与影响因素解析[J]. 地理学报, 2018, 73(1): 177-191.

[72]

( Liu H M, Fang C L, Huang J J, et al. The spatial-temporal characteristics and influencing factors of air pollution in Beijing-Tianjin-Hebei urban agglomeration[J]. Acta Geographica Sinica, 2018, 73(1): 177-191.)

[73]

张旭, 魏福丽, 袁旭梅. 中国省域高质量绿色发展水平评价与演化[J]. 经济地理, 2020, 40(2): 108-116.
[74]

( Zhang X, Wei F L, Yuan X M. Evaluation and evolution of provincial high-quality green development in China[J]. Economic Geography, 2020, 40(2): 108-116.)
[75]

王少剑, 高爽, 黄永源, 等. 基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测[J]. 地理学报, 2020, 75(6): 1316-1330.

[76]

( Wang S J, Gao S, Huang Y Y, et al. Spatio-temporal evolution and trend prediction of urban carbon emission performance in China based on super-efficiency SBM model[J]. Acta Geographica Sinica, 2020, 75(6): 1316-1330.)

[77]

陈强. 高级计量经济学及Stata应用[M]. 2版. 北京: 高等教育出版社, 2014.
[78]

Chen Q. Advanced econometrics and Stata applications[M]. 2nd edition. Beijing: The Higher Education Press, 2014.)
[79]

薛二勇. 中国高校科研经费管理制度改革的政策分析[J]. 北京社会科学, 2014, 29(3): 20-26.
[80]

( Xue E Y. Policy analysis on system reform of university scientific research funds management in China[J]. Social Sciences of Beijing, 2014, 29(3): 20-26.)
[81]

夏晓圣, 陈菁菁, 王佳佳, 等. 基于随机森林模型的中国PM2.5浓度影响因素分析[J]. 环境科学, 2020, 41(5): 2057-2065.
[82]

( Xia X S, Chen J J, Wang J J, et al. PM2.5 concentration influencing factors in China based on the random forest model[J]. Environmental Science, 2020, 41(5): 2057-2065.)
[83]

王振波, 梁龙武, 王旭静. 中国城市群地区PM2.5时空演变格局及其影响因素[J]. 地理学报, 2019, 74(12): 2614-2630.

[84]

( Wang Z B, Liang L W, Wang X J. Spatio-temporal evolution patterns and influencing factors of PM2.5 in Chinese urban agglomerations[J]. Acta Geographica Sinica, 2019, 74(12): 2614-2630.)
[85]

周鹏, 刘雅婷, 刘兰君, 等. 2009—2018年中国PM2.5时空演化特征及影响因素研究[J]. 生态经济, 2023, 39(5): 180-187.
[86]

( Zhou P, Liu Y T, Liu L J, et al. Study on temporal and spatial evolution characteristics and influencing factors of PM2.5in China from 2009 To 2018[J]. Ecological Economy, 2023, 39(5): 180-187.)
[87]

丁焕峰, 何小芳, 孙小哲. 中国城市专利质量评价及时空演进[J]. 经济地理, 2021, 41(5): 113-121.
[88]

( Ding H F, He X X, Sun X Z. Measurement, spatio-temporal evolution of patent quality in China at the city level[J]. Acta Geographica Sinica, 2021, 41(5): 113-121.)
[89]

田倩飞, 张志强, 任晓亚, 等. 科技强国基础研究投入-产出-政策分析及其启示[J]. 中国科学院院刊, 2019, 34(12): 1406-1420.
[90]

( Tian Q F, Zhang Z Q, Ren X Y, et al. Input-output-policy” analysis on basic research of scientific and technological powers and its enlightenment to China[J]. Bulletin of Chinese Academy of Sciences, 2019, 34(12): 1406-1420.)
[91]

吴菲菲, 李一苇, 苗红, 等. 中国重点技术领域基础研究成果转化效率评估[J]. 科学学研究, 2021, 39(12): 2160-2169.
[92]

( Wu F F, Li Y W, Miao H, et al. Assessment of transformation efficiency of basic research results of essential fields in China[J]. Studies in Science of Science, 2021, 39(12): 2160-2169.)
[93]

严中伟, 丁一汇, 翟盘茂, 等. 近百年中国气候变暖趋势之再评估[J]. 气象学报, 2020, 78(3): 370-378.
[94]

( Yan Z W, Ding Y H, Zhai P M, et al. Re-assessing climatic warming in China since the last century[J]. Acta Meteorologica Sinica, 2020, 78(3): 370-378.)
[95]

刘凯, 聂格格, 张森. 中国1951—2018年气温和降水的时空演变特征研究[J]. 地球科学进展, 2020, 35(11): 1113-1126.

[96]

( Liu K, Nie G G, Zhang S. Study on the spatiotemporal evolution of temperature and precipitation in China from 1951 to 2018[J]. Advances in Earth Science, 2020, 35(11): 1113-1126.)

[97]

齐宏纲, 赵美风, 刘盛和, 等. 2000—2015年中国高学历人才省际迁移的演化格局及影响机理[J]. 地理研究, 2022, 41(2): 456-479.

[98]

( Qi H G, Zhao M F, Liu S H, et al. Evolution pattern and its driving forces of China's interprovincial migration of highly-educated talents from 2000 to 2015[J]. Geographical Research, 2022, 41(2): 456-479.)

基金资助

☆湖南省自然科学青年基金项目(2023JJ40100)

湖南省教育厅重点项目(22A0498)

衡阳师范学院基金项目(2023QD10)

湖南省研究生科研创新项目资助(CX20231242)

大学生创新创业训练计划项目(S202310546038)

PDF (3776KB)

465

访问

0

被引

详细
导航
相关文章

/

〈 〉

© 版权所有 中国科学院文献情报中心《科学观察》编辑部
地址：北京市中关村北四环西路33号（100190）
电话：82626622-6634
E-mail：sciencefocus@mail.las.ac.cn
技术支持：北京玛格泰克科技发展有限公司