恒隆研究| 龍瀛研究團(tuán)隊(duì)：基于城市活力理論和多源數(shù)據(jù)推斷全球城市新開發(fā)地區(qū)的鬼城

恒 隆 研 究

【作者】張業(yè)成, 涂唐奇龍瀛^1*

清華大學(xué)建筑學(xué)院；清華大學(xué)恒隆房地產(chǎn)研究中心；清華大學(xué)生態(tài)規(guī)劃與綠色建筑教育部重點(diǎn)實(shí)驗(yàn)室

【通訊作者郵箱】ylong@tsinghua.edu.cn

【原文信息】

Zhang, Y., Tu, T., & Long, Y. (2025). Inferring ghost cities on the globe in newly developed urban areas based on urban vitality with multi-source data. Habitat International, 158, 103350.

https://doi.org/10.1016/j.habitatint.2025.103350

內(nèi)容導(dǎo)讀

過去20年的快速城市化進(jìn)程導(dǎo)致許多新開發(fā)地區(qū)的社會(huì)經(jīng)濟(jì)成熟度滯后，加劇了與舊城區(qū)的發(fā)展失衡，并催生了“鬼城”現(xiàn)象。然而，由于社會(huì)經(jīng)濟(jì)因素的復(fù)雜性，全球范圍內(nèi)對(duì)該現(xiàn)象的量化研究仍面臨挑戰(zhàn)。本研究基于城市活力理論，構(gòu)建了一個(gè)整合多源數(shù)據(jù)的統(tǒng)一框架，用以衡量“鬼城指數(shù)”（GCI），并通過多維度數(shù)據(jù)驗(yàn)證其有效性。研究首先從全球范圍內(nèi)提取了8841個(gè)面積超過5 km2的自然城市，并依據(jù)開發(fā)時(shí)間將其劃分為新城區(qū)（2005年后開發(fā)）和舊城區(qū)（2005年前開發(fā)）。城市活力的測(cè)量采用路網(wǎng)、興趣點(diǎn)和人口密度數(shù)據(jù)，涵蓋形態(tài)、功能和社會(huì)三個(gè)維度。通過對(duì)比新舊城區(qū)的城市活力，本研究首次基于城市活力理論量化了全球鬼城指數(shù)。研究結(jié)果表明，新城區(qū)的平均活力僅為舊城區(qū)的7.69%。根據(jù)GCI排名，前5%（442個(gè)）的城市被定義為鬼城，這一結(jié)果與新聞媒體報(bào)道及局部區(qū)域研究結(jié)果相印證。本研究為全球可持續(xù)城市化戰(zhàn)略提供了科學(xué)依據(jù)，對(duì)實(shí)現(xiàn)聯(lián)合國(guó)可持續(xù)發(fā)展目標(biāo)（SDGs）具有重要意義。

圖1.城研究框

研究背景

本研究主要從新建城市土地經(jīng)營(yíng)水平不足的角度研究鬼城。近年來，城市土地的快速擴(kuò)張已成為全球范圍內(nèi)的普遍趨勢(shì)，然而，城市社會(huì)經(jīng)濟(jì)發(fā)展的速度未能與土地?cái)U(kuò)張保持同步。這種失衡導(dǎo)致許多新城區(qū)在較低的社會(huì)經(jīng)濟(jì)水平下發(fā)展乏力，進(jìn)而出現(xiàn)大量空置現(xiàn)象，形成所謂的“鬼城”。傳統(tǒng)意義上的“鬼城”通常指因資源枯竭或市場(chǎng)變遷等因素而被廢棄的城市區(qū)域。然而，隨著全球城市化進(jìn)程的加速，“鬼城”一詞被賦予了新的內(nèi)涵，特指因過度開發(fā)與規(guī)劃不當(dāng)而導(dǎo)致新建城區(qū)空置率高、商業(yè)活動(dòng)低迷、人口密度顯著不足的現(xiàn)象。Shepard將“鬼城”定義為“一種新的開發(fā)項(xiàng)目，其實(shí)際容量遠(yuǎn)低于規(guī)劃容量，人口和企業(yè)數(shù)量顯著少于可用空間”。

在全球范圍內(nèi)準(zhǔn)確定義“鬼城”是一個(gè)復(fù)雜的過程，現(xiàn)有研究主要局限于局部尺度，探索了基于人口、企業(yè)、夜間燈光數(shù)據(jù)及便利設(shè)施等指標(biāo)的識(shí)別與評(píng)估方法。然而，這些方法存在顯著局限性。一方面，基于人口或建筑環(huán)境指標(biāo)的局部尺度分析通常通過設(shè)定閾值來界定“鬼城”，但這些閾值的選擇缺乏跨地理區(qū)域的一致性考量。由于不同地區(qū)的城市發(fā)展模式存在顯著差異，這種基于局部同質(zhì)地理尺度的閾值難以適用于全球范圍的比較分析。另一方面，已有研究多集中于特定城市或主要國(guó)家（如美國(guó)和中國(guó)）的新城區(qū)，揭示了“鬼城”現(xiàn)象在這些地區(qū)的存在。然而，關(guān)于“鬼城”是否在全球范圍內(nèi)廣泛存在，以及如何構(gòu)建一種適用于全球尺度的識(shí)別與比較方法，仍是亟待解決的問題，尤其是在許多快速城市化的發(fā)展中國(guó)家。

本研究通過廣泛的文獻(xiàn)綜述深入探討了城市活力的具體維度，并提出新舊城區(qū)之間的相對(duì)活力差異為“鬼城”識(shí)別提供了量化基礎(chǔ)。城市活力是高質(zhì)量城市生活的核心要素，其形成依賴于良好的城市形態(tài)、完善的城市功能以及充足的人類活動(dòng)。城市活力不足的特征通常表現(xiàn)為次級(jí)功能有限、街區(qū)尺度偏大、街角空間不足、建筑年代單一以及人類活動(dòng)強(qiáng)度較低等。這些概念最早由雅各布斯（Jacobs, 1961）和林奇（Lynch, 1984）提出并發(fā)展。雅各布斯強(qiáng)調(diào)了人類活動(dòng)與生活空間之間的動(dòng)態(tài)交互關(guān)系，指出城市活力是城市生活多樣性的直接體現(xiàn)。林奇則進(jìn)一步提出，城市活力是衡量城市空間質(zhì)量的關(guān)鍵指標(biāo)，對(duì)滿足人類需求和支持物種生存的居住環(huán)境至關(guān)重要。基于上述理論框架，本研究將城市活力解構(gòu)為三個(gè)核心維度——形態(tài)、功能和社會(huì)，并利用開放數(shù)據(jù)對(duì)每個(gè)維度進(jìn)行了量化計(jì)算。

研究方法和數(shù)據(jù)

（1）研究范圍提?。?/span>本研究采用2018年和2005年的全球等級(jí)城市邊界（GHUB）和全球城市邊界（GUB）數(shù)據(jù)，以提取全球城市區(qū)域的空間分布。兩個(gè)數(shù)據(jù)集均基于廣泛認(rèn)可的城市邊界定義和30米分辨率的全球人工不透水區(qū)域（GAIA）數(shù)據(jù)構(gòu)建，其平均總體精度超過90%。研究中將新城區(qū)定義為2005年至2018年間開發(fā)的區(qū)域，而舊城區(qū)則定義為2005年之前或2005年開發(fā)的區(qū)域。鑒于城市土地隨時(shí)間變化的復(fù)雜性，采用了“將時(shí)間轉(zhuǎn)化為空間”的方法，以2018年城市邊界為基準(zhǔn)空間分析單位，在同一城市內(nèi)劃分新城區(qū)和舊城區(qū)，從而實(shí)現(xiàn)對(duì)不同建成年份區(qū)域的比較分析。通過數(shù)據(jù)清洗（詳見論文附件Supplementary Note 1、Supplementary Figure 1-2及Supplementary Table 1-3），最終保留了2018年的8841個(gè)自然城市作為研究基準(zhǔn)，總覆蓋面積達(dá)750800平方公里。

圖2. 劃分城市區(qū)域的過程

（2）基于城市活力理論展開指標(biāo)計(jì)算：首先計(jì)算并生成全球一致的路網(wǎng)、興趣點(diǎn)和人口的密度分布圖層。其次測(cè)量每個(gè)城市區(qū)域內(nèi)各層的平均值。最后每個(gè)城市區(qū)域的活力通過下面的等式來衡量: V=M*F*S。其中V是活力；M是從形態(tài)維度的路網(wǎng)密度；F是從功能維度的興趣點(diǎn)密度；S是從社會(huì)維度的人口密度。結(jié)合全球每個(gè)城市新舊城區(qū)的活力值計(jì)算鬼城指數(shù)：GCI =1 /（Vnew / Vold* Vnew）。其中GCI是一個(gè)城市的鬼城指數(shù)；Vold是一個(gè)城市舊城區(qū)所有網(wǎng)格的平均活力；Vnew是一個(gè)城市新城區(qū)所有網(wǎng)格的平均活力。基于該指數(shù)對(duì)所有城市進(jìn)行排名，以通過更高的指數(shù)值來識(shí)別鬼城。

（3）驗(yàn)證活力理論選定指標(biāo)的充分性和必要性（詳見論文附件Supplementary note 2和Supplementary Figure 3,4,5,6,7）：通過分析包括上述MFS三個(gè)維度、其余城市形態(tài)、城市生態(tài)特征與夜間燈光數(shù)據(jù)、GDP等數(shù)據(jù)之間的關(guān)聯(lián)，本研究驗(yàn)證了MFS這三個(gè)指標(biāo)在衡量城市活力方面的充分性和必要性。發(fā)現(xiàn)其它變量如耕地、森林、草地等生態(tài)特征以及其他的城市形態(tài)特征，不適合準(zhǔn)確評(píng)價(jià)鬼城現(xiàn)象，而選用的三個(gè)維度指標(biāo)呈現(xiàn)顯著的適用性。

（4）基于新聞媒體和相關(guān)研究結(jié)果進(jìn)行驗(yàn)證：首先，通過抓取谷歌關(guān)鍵詞，獲得了全球各個(gè)國(guó)家和地區(qū)的鬼城檢索詞的流行度排名，并將它們與結(jié)果進(jìn)行了比較。其次，計(jì)算了不同年份所有自然城市的人口和土地?cái)U(kuò)張，從人口和土地變化角度解釋新舊城區(qū)的鬼城推斷的合理性。最后得到的結(jié)果和現(xiàn)有區(qū)域?qū)用?/span>的實(shí)證研究結(jié)果進(jìn)行了比較，重點(diǎn)給出了中國(guó)和美國(guó)的城市排名（詳見論文附件Supplementary Table 4,5,6）。

研究結(jié)果

）新舊城區(qū)之間的指標(biāo)表明新城區(qū)中潛在的鬼城

根據(jù)鬼城的定義，鬼城指數(shù)（GCI）取決于新舊城區(qū)在路網(wǎng)密度、興趣點(diǎn)密度和人口密度上的差異。全球范圍內(nèi)，新城區(qū)的興趣點(diǎn)密度顯著低于舊城區(qū)。在洲際層面，路網(wǎng)密度的差異相對(duì)較小，其中亞洲的差異最為顯著，尤其是中國(guó)新城區(qū)的大規(guī)模房地產(chǎn)開發(fā)導(dǎo)致路網(wǎng)密度相對(duì)較低。在國(guó)家層面，新舊城區(qū)之間的路網(wǎng)密度差異普遍較小，而興趣點(diǎn)密度的差異則更為明顯。非洲國(guó)家的新城區(qū)興趣點(diǎn)密度普遍較低，而歐洲國(guó)家則顯著較高。

圖3. 按全球和大洲尺度計(jì)算的全球城市新舊城區(qū)指標(biāo)

圖4. 按國(guó)家尺度尺度計(jì)算的全球城市新舊城區(qū)指標(biāo)

（2）不同層次的全球城市地區(qū)的活力

本研究從城市、國(guó)家、洲際和全球尺度比較了新城區(qū)的活力值。城市層面的分析顯示，高活力城市主要集中在歐洲、東亞、南美及部分熱帶地區(qū)（圖5）。盡管新舊城區(qū)的活力分布模式相似，但新城區(qū)的高活力點(diǎn)明顯較少。發(fā)達(dá)國(guó)家如美國(guó)的新舊城區(qū)活力差異較小，而發(fā)展中國(guó)家如印度和中國(guó)的差異則更為顯著。歐洲新舊城區(qū)的活力差異尤為突出，表明其發(fā)展模式與其他發(fā)達(dá)國(guó)家存在顯著不同。

圖5. 全球城市新舊城區(qū)的活力

圖6. 國(guó)家和洲際層面的新城區(qū)和舊城區(qū)活力

（3）全球鬼城指數(shù)的空間可視化

GCI值較高的城市主要分布在東歐、南歐、中國(guó)東北及美國(guó)部分地區(qū)，凸顯了鬼城現(xiàn)象的全球性。美國(guó)擁有較多的鬼城，而亞洲的鬼城數(shù)量相對(duì)較少。歐洲和非洲的鬼城比例較高。值得注意的是，部分城市盡管整體活力較高，但其GCI值也較高，表明新舊城區(qū)之間的活力差異顯著（圖7）。例如，北歐的GCI值遠(yuǎn)低于東亞和南亞，而非洲城市的GCI值普遍較低，反映了城市發(fā)展的不平衡性。

圖7. 全球城市和國(guó)家的鬼城指數(shù)

）推斷鬼城在全球的分布

基于GCI值排名，本研究推斷出全球鬼城的分布情況。通過設(shè)定前5%8841個(gè)自然城市中的442個(gè)）為閾值，檢查高于各種GCI閾值的每個(gè)國(guó)家，其所有自然城市中已識(shí)別的鬼城的比例，重點(diǎn)關(guān)注了鬼城數(shù)量最多的前十個(gè)國(guó)家。美國(guó)、中國(guó)和意大利的新城區(qū)中鬼城數(shù)量最多（圖）。與現(xiàn)有研究一致，與現(xiàn)有的研究相一致，發(fā)現(xiàn)也強(qiáng)調(diào)了美國(guó)和中國(guó)鬼城現(xiàn)象存在空間分布情況（。美國(guó)的鬼城主要分布在中西部和東部沿海地區(qū)，而中國(guó)的鬼城則集中在東北和北方地區(qū)。這些發(fā)現(xiàn)表明，鬼城現(xiàn)象的強(qiáng)度和成因因國(guó)家而異。

圖8. 鬼城門檻選擇及鬼城數(shù)量最多的前十個(gè)國(guó)家

圖9. “鬼城”比例最高的前十個(gè)國(guó)家的“鬼城指數(shù)”空間分布

基于新聞媒體和相關(guān)局部區(qū)域研究結(jié)果進(jìn)行驗(yàn)證

為驗(yàn)證GCI的準(zhǔn)確性，本研究將計(jì)算結(jié)果與新聞媒體及現(xiàn)有研究進(jìn)行對(duì)比。通過谷歌關(guān)鍵詞檢索，發(fā)現(xiàn)GCI結(jié)果與全球?qū)沓堑钠毡檎J(rèn)知高度一致，尤其是在美國(guó)、加拿大、意大利和俄羅斯等國(guó)家。盡管中國(guó)鬼城的檢索排名較低，這可能與谷歌的區(qū)域可用性有關(guān)。此外，本研究還與“標(biāo)準(zhǔn)排名”、Sh等人（2020年）、Pradamini Kumari（2019年）等研究進(jìn)行了對(duì)比，結(jié)果在鬼城分布上表現(xiàn)出一致性（詳見論文附件Supplementary Table 4-6

）從人口和土地變化角度理解GCI的分布

基于WorldPop數(shù)據(jù)，本研究分析了人口變化與土地?cái)U(kuò)張的關(guān)系（圖）。結(jié)果顯示，1825個(gè)自然城市經(jīng)歷了人口收縮，7016個(gè)城市經(jīng)歷了人口增長(zhǎng)。北美和亞洲的城市擴(kuò)張速度最快，而南美和非洲的人口增長(zhǎng)率高于土地?cái)U(kuò)張率，這解釋了這些地區(qū)GCI值較低的原因。相比之下，北美許多城市的人口擴(kuò)張速度低于土地?cái)U(kuò)張速度，導(dǎo)致新城區(qū)鬼城現(xiàn)象顯著。

圖10. 全球8841個(gè)自然城市人口變化與土地?cái)U(kuò)張的關(guān)系

）通過夜間燈光數(shù)據(jù)來識(shí)別鬼城是否合理？

作為對(duì)微觀數(shù)據(jù)的補(bǔ)充，本研究參考了Jin等人（2017年）的方法，分析了夜間燈光數(shù)據(jù)。結(jié)果顯示，新城區(qū)與舊城區(qū)的夜間燈光亮度存在顯著差異，且這一差距在2012年至2021年間逐漸縮小。然而，由于分辨率限制，夜間燈光數(shù)據(jù)在直接識(shí)別鬼城方面的適用性較低，但其在驗(yàn)證城市活力指標(biāo)方面具有潛力（詳見論文附件）本文進(jìn)一步測(cè)試了夜間燈光數(shù)據(jù)在驗(yàn)證城市活力理論選定指標(biāo)方面的能力11，圖12詳見論文附件

圖11. 夜間燈光數(shù)據(jù)在識(shí)別鬼城中的適用性

圖12. 利用VIIRS夜間燈光驗(yàn)證城市活力使用的三個(gè)指標(biāo)的必要性（充分性驗(yàn)證詳見附件）

）新舊城區(qū)劃分的時(shí)間節(jié)點(diǎn)選擇

由于各城市的發(fā)展階段不同，為驗(yàn)證2005年作為新舊城區(qū)劃分時(shí)間節(jié)點(diǎn)的合理性，本研究分析了1990年至今間隔城市邊界數(shù)據(jù)。結(jié)果顯示，2005年后全球城市面積增加了近一半，表明該時(shí)間節(jié)點(diǎn)的選擇有助于減少規(guī)模差異帶來的誤差。此外，根據(jù)城市規(guī)模和人均GDP將全球城市分為四類，發(fā)現(xiàn)不同發(fā)展水平的城市呈現(xiàn)出不同的GCI分布模式（詳見論文附件）。城市規(guī)模大但人均GDP 低的城市更傾向具有較高的GCI中國(guó)等發(fā)展中國(guó)家和美國(guó)等發(fā)達(dá)國(guó)家。GCI 較高、規(guī)模相對(duì)較小且人均 GDP 低的城市在非洲的發(fā)展中國(guó)家更為常見。GCI 較低、規(guī)模相對(duì)較小但人均 GDP 較高的城市大多位于歐洲國(guó)家。這些城市的空間發(fā)展更為均衡。

討論

本研究提出了一種基于開放數(shù)據(jù)的自下而上方法，首次對(duì)全球城市中的鬼城現(xiàn)象進(jìn)行了系統(tǒng)性識(shí)別與分析。本研究克服了以往研究局限于局部范圍的不足，并在不同尺度上揭示了全球鬼城的分布模式。這種基于城市自身空間發(fā)展的比較顯示了跨越地理空間異質(zhì)性的優(yōu)勢(shì)。未來研究應(yīng)進(jìn)一步探討鬼城現(xiàn)象的成因、發(fā)展階段及關(guān)鍵閾值，并考慮全面研究城市生命周期的動(dòng)態(tài)變化，以更全面和準(zhǔn)確地理解鬼城現(xiàn)象及其對(duì)全球城市化的影響

本研究相關(guān)數(shù)據(jù)代碼參見：

https://doi.org/10.6084/m9.figshare.28248038

基金資助：這項(xiàng)工作得到了中國(guó)國(guó)家自然科學(xué)基金重大項(xiàng)目（項(xiàng)目號(hào)：62394335和62394331）、面上項(xiàng)目（項(xiàng)目號(hào)：52178044）的資助。

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。