共查询到19条相似文献，搜索用时 203 毫秒
1.
城市物流企业的空间分布决定物流空间格局、影响城市综合资源和生产空间的合理配置。以西北内陆中心城市——兰州市为案例区,基于微观物流企业数据并运用空间分析方法刻画了兰州市物流企业的空间分布及类型分异特征,进一步通过负二项回归模型探究了其区位选择的影响因素。结果表明：（1） 兰州市物流企业空间分布不均衡特征显著,总体呈现出“中心为主、远郊和近郊为辅,且沿城市交通主干道呈寄生状分布”的分异格局,具体可归纳为“多中心极化”、“中心极化”、“多中心外扩”、“中心外扩”、“整体极化”与“局部外扩”并存5种空间组织形态。（2） 物流企业呈现出“两心两翼四组团”的空间集聚特征,就不同类型而言,运输型和综合型物流企业呈现出“地域均衡化,类型多元化”集聚特征,货代型、快递型及仓储型物流企业则呈现出“片区集聚化,类型集群化”集聚特征。（3） 物流企业空间分异格局与类型分异特征受交通条件、集聚因素、政府政策、土地价格和城乡差异等多元因素影响,其中交通条件、集聚因素以及政府政策对行业整体在区位选择中的影响最为显著。（4） 从企业类型来看,货代型、综合型物流企业的区位选择受集聚因素影响最为显著;快递型、运输型物流企业则较为关注交通条件;仓储型物流企业对政府政策更为敏感。研究结果在丰富城市物流企业区位理论和研究案例的同时,对我国西北内陆中心城市物流企业空间布局优化具有重要的参考价值。 相似文献
2.
大都市是区域发展的引擎,大都市产业布局是相关研究的重点领域。随着城市化发展,大都市区正在通过多种方式进行更新,从而促使都市空间和产业格局不断优化。通过近二十年来上海市餐饮业空间数据分析,研究城市更新背景下大都市区餐饮业空间格局演化特征,分析影响因素,揭示影响关系。① 近二十年来,餐饮业总体分布格局由“一轴双核两片多点集中”的初始形态,逐步演化为“三核四轴四片多点集聚”的现状格局,餐饮业分布逐渐从“内环-中环-外环”向外扩散,呈现多方向多轴线、区轴连面的演化趋势。② 不同类型餐饮业分布与演化特征差异明显,地方菜以老城区布局为主,并向商业街区、金贸区、大学城等区域集聚演化明显;国际餐饮围绕历史租界街区布局,并向城市副中心、旅游吸引物区域集聚演化;休闲餐饮趋于城市公园、景区景点和科教中心周边集中分布。③ 餐饮业整体呈现“中度集聚-中高集聚-高高集聚”的集聚演化特征,休闲餐饮、国际餐饮的集聚演化更加显著;地理空间上餐饮业由市中心向城市东西向演化明显。④ 人口密度、经济发展、交通条件以及旅游格局是影响餐饮业空间格局形成与演化的基础性因素;城市更新引发的公共服务与旅游空间变迁,是不同类型餐饮业格局演化的主导性因素。⑤ 城市更新改变了都市区发展肌理,促进了区域空间的结构性变化,推动了发展要素与环境变迁,不同类型餐饮业依据市场定位与选址偏好,在地理空间上随之快速响应,推动了大都市餐饮业分布格局演化与更替。鉴于餐饮业对城市旅游产业的重要支撑作用,研究可为大都市旅游空间格局优化以及城市旅游可持续发展提供理论和实践指导。 相似文献
3.
电子商务专业村是数字经济时代中国农村产业转型升级的新模式。论文基于2015—2020年全国淘宝村空间数据,采用GIS空间分析和地理探测器等方法探求电子商务专业村的空间格局及演化特征,揭示不同影响因素作用机理。结果表明：① 淘宝村总体空间分布格局与中国基本地理格局高度吻合,时空演化呈现由中心向外围逐渐扩散特征;② 淘宝村呈现显著的空间集聚特征,空间集聚强度逐年增强,高强度集聚范围逐年扩大,华北平原传统农区出现高强度淘宝村集聚区;③ 淘宝村呈现显著的空间聚类分异特征,空间聚类区分布相对稳定,高—高(HH)集聚区集中分布在苏南、浙江、福建的泉州、莆田和潮汕揭城市群;④ 各影响因素对淘宝村空间格局演化具有不同的解释强度,产业基础和区位条件是高作用影响因子,政府行为影响力稳步上升,社会经济影响呈“U”型变化态势,三级影响因素中第一产业增加值、农村常住人口的影响程度呈下降趋势。研究结果对推进电子商务专业村发展、深化专业村发展理论、助力乡村振兴具有重要的理论意义和实践价值。 相似文献
4.
改革开放以来,伴随中国制度变革的不断深化,长沙市制造业实现了快速发展,其制造业空间也在转型中得到重构。论文以长沙市都市区为例,基于长沙市工业用地矢量数据,采用空间分析、测度指标评估等研究方法,将制度变迁纳入城市制造业空间动态分析,深入探讨改革开放以来,制度变迁对制造业空间演变的影响作用。基于此,构建了制度体系作用下的制造业空间演变解析框架。研究发现,长沙都市区制造业空间郊区化迁移明显,并在开发区内形成集聚,整体呈现出“大分散、小集聚”的空间格局特征;长沙制造业空间演变很大程度上受到土地制度、开发区制度、环境保护制度和产业制度等的综合影响。其中,土地制度加速了制造业空间郊区化;开发区制度吸引了制造业园区集聚;环境保护制度约束了制造业发展规模;产业制度影响了制造业产业组织结构。 相似文献
5.
在经济全球化和全球产业转移不断深化的背景下,不同国家在国际分工生产中所处的全球价值链（GVC）地位不同。一国能否从参与全球化中获益,日益取决于能否成功融入全球价值链,并在某一特定环节占据竞争优势。明确全球制造业大国的GVC地位,认识其国际分工及影响规律具有重要的理论价值和现实意义。利用TiVA数据库,测算世界59个国家及地区1995—2014年制造业GVC地位指数并分析其演变特征。结果显示：全球价值链地位较高的国家及地区主要分布在美洲、欧洲及东亚,位于中亚、西亚、非洲和大洋洲的国家参与极少,近年来高附加值生产环节呈现不断向少数国家及地区集中的趋势。大部分国家及地区劳动密集型行业地位较高,技术密集型地位指数较低,技术密集型行业的贸易附加值主要被少数掌握核心技术和价值链两端的国家及地区获得。从细分行业上看,核心国家及地区均呈现了分阶段演化的特征。在空间相关关系上,制造业整体和劳动密集型行业GVC地位指数均呈显著的空间集聚分布特征,且集聚程度先降低后升高,资本密集型行业GVC地位指数空间集聚分布最为显著且集聚程度不断增强,而技术密集型行业GVC地位指数空间集聚效应不明显。从空间集聚形式来看,大部分国家及地区GVC地位指数较低,贸易附加值被少数GVC地位较高的国家及地区获得。此外,外商直接投资、资本投入会抑制一国GVC地位的提升,科研创新能力对于一国GVC地位的提升起促进作用,出口规模与一国GVC地位呈明显的正向关系,行政效能对于一国GVC地位无明显影响,但是行政效能会促进外商直接投资对于GVC地位的抑制作用。 相似文献
6.
中国生态文明建设和“健康中国”战略强调切实治理影响人口健康的环境问题,建设健康人居环境。论文基于2000年和2010年中国人口普查资料以及2005年和2015年各省级行政单元1%人口抽样调查等数据资料,论文使用探索性空间分析方法刻画中国城市人口死亡率的时空变化特征,并采用空间回归方法,揭示城市PM2.5的平均浓度对人口死亡率的影响及其空间溢出效应,以及社会经济因素对PM2.5—人口死亡率关联的调节效应。结果表明：① 中国城市人口死亡率的空间分布特征呈现明显的异质性,高死亡率地区早期集聚分布于西南地区,2005年后在西南地区、华北地区、华东地区和华中地区呈现逐渐集聚分布态势。低死亡率地区长期集中分布于西北地区、东北地区、长三角地区、珠三角地区和京津两市。② 人口死亡率的分布存在空间关联性,高—高类型地区早期集中分布于西南地区,后期向东扩展;低—低类型地区主要分布于北疆、内蒙古西部和广东省及其周边地区。③ 城市PM2.5浓度对人口死亡率具有显著的正向影响,并且对邻近地区的人口死亡率具有显著的空间溢出效应。④ 中国城市PM2.5浓度对人口死亡率的影响存在学历差异和城乡差异,地区高学历人群集聚可降低PM2.5的健康风险,城镇化发展进程缓慢则会加重PM2.5的健康风险。研究旨在为防范空气污染暴露导致的健康风险、建设健康人居环境提供科学依据。 相似文献
7.
乡村发展水平精准评估及类型划分是乡村振兴研究的热点问题,可为分类分阶段实施乡村振兴战略提供科学依据。论文以河南省栾川县为例,融合行政村普查、电子地图POI等多源数据,从村域尺度构建多维发展测度指标体系,开展乡村发展水平的多维评估和类型识别。结果表明：① 栾川县乡村多维发展水平总体较低,中等及以上发展的村庄数占比为45.89%,并且任意2个维度间相互作用对解释多维发展指数的空间分异有非线性增强作用。② 乡村多维发展水平空间分异特征明显,发展水平高的村庄集中分布在县城附近及重点乡镇所在地,发展水平低和较低的村庄则主要分布在县域边界以及中部乡镇交接区域。③ 单维发展水平呈现较为显著的集聚分布特征,但不同维度间空间集聚格局有所差异。其中,地理区位和自然本底发展水平较高的村庄主要集聚在资源禀赋好、地势较为平坦的地区;地理区位、人口发展、经济基础和社会福利4个维度发展水平较高的村庄主要集聚在县城、乡镇政府所在地和旅游景区附近。④ 根据多维发展评估结果和优势因素,将村庄划分为优先振兴型、预备振兴型、保留维持型、衰退搬迁型和优先搬迁型5种类型。研究根据不同类型村庄的发展特征,提出振兴路径和发展策略。 相似文献
8.
认知资源要素在地表人文活动中的空间交互性对地理学研究具有重要意义。本文基于人文-经济地理学相关理论,从“单资源-复合资源-资源网络”多尺度视角出发,初步构建了医疗健康资源空间交互研究的基本理论框架,利用2012年和2020年百度地图POI数据,综合运用Ripley's K函数、格网熵指数、协同区位商以及社会网络分析等定量方法,从集聚交互、功能交互和网络交互3个方面研究郑州市医疗健康资源空间交互及其网络演化特征。结果表明：① 从集聚交互上看,各类医疗健康资源在数量和增速上扩张明显,同时呈现出显著集聚特征且集聚程度逐步增强,相对而言,更具综合性的医院健康资源的集聚程度最高;多距离下各类医疗健康资源集聚规模差异在不断缩小,集聚交互向良性方向发展。② 从功能交互上看,医疗健康资源的功能主导类型逐渐复杂,交互复合性逐步增强。医疗健康资源功能交互空间格局经历了主导类型由“单功能为主、多功能兼容”向“多功能为主、单功能为辅”转变,由点状格局到连片发展的蔓延模式与空间跳跃的飞地模式并存的转变特征。③ 从网络交互上看,医疗健康资源网络密度基本保持稳定,网络联系性质演化特征明显。诊疗与医药健康资源始终处于强联系的地位,存在集聚促进机制;理疗健康资源在关联网络中联系强度逐步提高,网络地位有所上升;而医院健康资源以其独有的规模大、高品质和综合性等特征在网络体系中具有较强独立性。 相似文献
9.
基于企业数据与空间计量方法,总结2005年、2010年、2015年和2020年东北地区制造业空间格局演化特征,并在分析地区空气污染同期变化的基础上,探讨制造业空间格局演化对空气污染的环境效应。结果表明：① 东北地区制造业集聚水平逐渐增高,并形成多个新兴“热点区”,31个细分行业大类均呈集聚分布,资本规模由高度集中向“T字形”铁路周边沿线城市扩散。② 东北地区产业结构清洁度与产业技术高级度均呈下降趋势,在县区尺度上体现出空间差异且有不同程度的增幅和降幅。③ 制造业空间格局对空气污染具有显著的集聚效应和技术效应,二者分别表现为拥挤效应和回弹效应,但规模效应和结构效应不明显。 相似文献
10.
建设充满活力的城市空间得到地理和城乡规划学者的广泛关注。随着空气污染问题的加剧,空气质量影响居民在城市空间中的活动,但鲜有研究考察空气污染与城市活力的定量关系。基于广州市2019年新浪微博签到记录、日气象和空气质量数据、以及建成环境数据,本研究构建以街道为空间单元、以天为时间单元的面板数据,通过标准差椭圆（SDE）以及面板回归模型测度空气污染对城市活力的抑制效应以及该抑制效应在不同建成环境上的异质性。研究得到以下结论：① 城市活力SDE面积随空气质量指数（AQI）上升而收缩,轻度污染和中度污染的城市活力SDE面积仅为空气质量优的约80%和30%。② 运用空间面板回归模型控制街道的空间关联性后,空气质量指数（AQI）对城市活力具有明显负向影响,AQI每增加1个单位,日活动强度减少约0.10次/10 km2;当空气质量恶化到中等污染后,AQI每增加1个单位,日活动强度减少约0.14次/10 km2。③ 空气污染对城市活力的抑制效应在不同建成环境上存在异质性,POI密度、离城市中心距离强化空气污染对城市活力的抑制效应,而地铁站密度、道路交叉口密度、土地利用混合度则弱化空气污染对城市活力的抑制效应。本研究有助于更好厘清空气污染、建成环境与城市活力的关系,并为优化建成环境以缓减空气污染对城市活力抑制效应提供分析支撑。 相似文献
11.
京津冀城市群县域尺度生态效率评价及空间格局分析 总被引：6，自引：3，他引：3
京津冀城市群地区是国家经济发展的战略核心区之一,其经济发展与资源环境关系是近年来地理研究的重点领域。本文以京津冀城市群县域为单元,利用PM2.5、NO2遥感反演等数据,设计资源投入—经济效益—环境影响复合生态效率评价指标体系,构建县域单元生态效率评价模型,并利用非期望产出SBM模型对生态效率进行了评价,运用空间自相关分析方法对生态效率的空间效应与空间关联模式进行了检验与分析。结果显示：①资源投入、经济效益与环境影响格局存在明显时空分异,高值区主要分布在京津唐三市及周边部分县区;②2006、2010、2014年3个时期京津冀城市群县域单元生态效率均值分别为0.324、0.305、0.347,总体水平较低,并呈现先下降后改善态势,区位、自然本底条件是导致生态效率空间差异的主要原因。③全局Moran's I指数分别为0.2539、0.3007、0.3088,表明县域单元生态效率存在空间正向集聚趋势;④县域单元生态效率正向集聚程度越来越显著,邻域单元生态效率差距则有所缩减。 相似文献
12.
As the main form of new urbanization in China,urban agglomerations are an im-portant platform to support national economic growth,promote coordinated regional devel-opment,and participate in international competition and cooperation.However,they have become core areas for air pollution.This study used PM2.5 data from NASA atmospheric re-mote sensing image inversion from 2000 to 2015 and spatial analysis including a spatial Durbin model to reveal the spatio-temporal evolution characteristics and main factors con-trolling PM2.5 in China's urban agglomerations.The main conclusions are as follows:(1)From 2000 to 2015,the PM2.5 concentrations of China's urban agglomerations showed a growing trend with some volatility.In 2007,there was an inflection point.The number of low-concentration cities decreased,while the number of high-concentration cities increased.(2)The concentrations of PM2.5 in urban agglomerations were high in the west and low in the east,with the"Hu Line"as the boundary.The spatial differences were significant and in-creasing.The concentration of PM2.5 grew faster in urban agglomerations in the eastern and northeastern regions.(3)The urban agglomeration of PM2.5 had significant spatial concentra-tions.The hot spots were concentrated to the east of the Hu Line,and the number of hot-spot cities continued to rise.The cold spots were concentrated to the west of the Hu Line,and the number of cold-spot cities continued to decline.(4)There was a significant spatial spillover effect of PM2.5 pollution among cities within urban agglomerations.The main factors control-ling PM2.5 pollution in different urban agglomerations had significant differences.Industriali-zation and energy consumption had a significant positive impact on PM2.5 pollution.Foreign direct investment had a significant negative impact on PM2.5 pollution in the southeast coastal and border urban agglomerations.Population density had a significant positive impact on PM2.5 pollution in a particular region,but this had the opposite effect in neighboring areas.Urbanization rate had a negative impact on PM2.5 pollution in national-level urban agglomer-ations,but this had the opposite effect in regional and local urban agglomerations.A high degree of industrial structure had a significant negative impact on PM2.5 pollution in a region,but this had an opposite effect in neighboring regions.Technical support level had a signifi-cant impact on PM2.5 pollution,but there were lag effects and rebound effects. 相似文献
13.
中国主要城市技术创新影响环境污染的空间分异与机理 总被引：2，自引：0，他引：2
基于中国285个地级及以上城市的数据,利用空间自相关模型,在全域和局域尺度分析技术创新与环境污染的空间关联,在此基础上,使用地理加权回归模型分析技术创新对环境污染影响程度的地区差异,并借助地理探测器分析其影响机理。研究结果表明:① 技术创新与环境污染均存在显著的空间集聚性,二者在全域尺度上存在正向的空间关联,在局域尺度上正向和负向关联并存,具有高创新-高污染、低创新-低污染、高创新-低污染、低创新-高污染4种集聚类型。② 所有城市的技术创新对环境污染均存在负向影响,影响程度呈现出由东向西渐次递增的空间分异格局,现有样本计算结果有条件地支持EKC曲线,技术创新能够促进经济与环境的良性发展。③ 环境污染是多种因素共同作用的结果,经济发展、产业结构、人力资本、外商直接投资、环境规制均能强化技术创新对环境污染的改善作用,技术创新对环境污染的影响更多的是通过技术进步优化产业结构,从而减少环境污染。 相似文献
14.
集聚外部性是集聚影响工业污染排放的重要机制,不同的集聚空间组织型式具有不同的污染排放行为和减排效果。以中国285个地市工业SO2排放为例,依据集聚经济理论,将集聚空间组织型式细分为集聚密度、企业地理临近度、专业化、多样性、相关多样性、非相关多样性等不同类型,在系统分析工业SO2排放与集聚空间格局的基础上,通过构建计量经济模型,考察了不同集聚空间组织型式对工业SO2排放强度的影响。结果表明：① 工业SO2排放强度与工业集聚密度在空间上具有非对称性,污染排放强度西高东低,工业集聚密度、企业地理临近、多样性、相关和非相关多样性为东中高西部低;② 工业集聚对工业SO2排放强度的影响存在空间溢出效应,相邻地区集聚密度、多样性和相关多样性水平的上升有利于本区域工业污染排放强度的下降,但专业化水平的上升则会提升本区域的工业污染排放强度;③ 提高集聚密度、引导企业集中布局有利于工业SO2排放强度下降,多样且关联的产业组织结构有利于污染减排,而专业化和非关联产业的集中会提高污染排放强度;④ 集聚型式对工业SO2排放强度的影响存在区域和城市规模上的异质性,集聚密度、企业地理临近、多样性和相关多样性对中西部污染减排的作用比东部明显,专业化和非相关多样性不利于东中部地区的污染减排;城区人口规模20万以下的小城市提高集聚密度、减少多样性特别是非相关多样性更有利于污染减排;城区人口规模20~50万的小城市和50~100万的中等城市,提高企业的地理接近度和多样性水平特别是相关多样性水平,有利于其降低污染排放强度;城区人口规模在100万以上的大城市,提高集聚密度和产业多样性水平在一定程度上有利于其污染减排,但其减排效果因拥挤效应而明显下降;⑤ 进一步降低工业SO2排放强度,需要走集聚化道路,坚持提高集聚密度,因地制宜引导企业集中布局,着力提高产业在关联基础上的多样性水平,加强区域间联防联控,重视区域间的产业联系与环保合作。 相似文献
15.
环境管制对珠江三角洲污染产业空间分布的影响研究 总被引：3，自引：2，他引：1
以珠江三角洲为研究对象,在分析2000~2010年其污染产业空间分布特征的基础上,采用面板数据的计量模型进行实证研究。首先通过模型分析发现各环境管制因子中工业SO2排放量的管制程度显著影响污染产业的空间分布;然后再将此环境管制因子运用到分行业模型中,发现非金属制品业、水电煤气生产业、造纸及纸制品业等产业分布与宽松的环境管制相关,化学工业和黑色金属行业则与环境管制无关。最后,认为环境管制已成为影响中国污染产业空间分布的重要因素,在中国环境管制手段以“命令控制型”为主和地方分权的背景下,不同的环境管制手段将对该手段实施后影响程度大的污染行业的空间分布产生影响。 相似文献
16.
基于多尺度的中国城市工业污染时空分异及影响因素 总被引：1，自引：0，他引：1
工业污染作为影响人类健康、社会进步以及可持续发展的热点问题,已引起全球视野的高度关注。采用变异系数、泰勒指数、EDSA及SDM模型等方法,从大区-城市群-城市尺度探析了中国城市工业污染的时空分异特征及影响因素,旨在为政府制定环境政策及推动生态文明建设提供参考。结果发现：① 2005—2015年中国城市工业污染指数总体呈波动下降趋势,但污染差异逐趋增大;大区、城市群、城市尺度的工业污染指数分别呈现“东高西低、集群化、级差化”特征,且各尺度污染差异显著;工业污染重心偏向东部并呈现南移态势。② 中国城市工业污染类型转移由简单转移过渡为复杂转移;大区保持“东部>中部>东北>西部”的污染格局不变;城市群污染呈现由北向南、由内向外跃迁格局;城市污染呈现由中心向外围缩减、碎片化向集中分布格局,且存在一定的空间依赖性。③ 各尺度工业污染的影响因素存在差异,城市化率与产业结构对3个尺度工业污染均有显著影响,人口密度、能源强度和环境管制强度对大区和城市尺度工业污染影响显著,工业发展水平和外资水平仅对大区尺度工业污染产生显著影响,而科技水平对3个尺度的工业污染均未产生显著影响。最后,提出了降低城市工业污染排放的对策建议。 相似文献
17.
中国城市环境污染监管水平的空间演化特征与影响因素 总被引：1，自引：0，他引：1
基于中国2010—2016年的地级市污染监管水平数据,采用空间自相关、位序-规模法则,空间计量模型等地学方法,分析中国地级城市污染监管水平的时空分异特征和影响因素及其空间溢出效应。结果表明：① 2010—2016年中国污染监管水平整体上呈现上升趋势且区域性和集聚性特征明显,东南部地区为稳定的高值集聚地区,中西部地区为稳定的低值集聚地区。② 中国城市污染监管水平属于次位型分布,监管规模分布的分散趋势大于集中趋势。③ 城市的人口密度、经济发展水平、第二产业占比等对城市污染监管水平有显著的正向影响,城市规模对污染监管水平存在负向的影响。④ 城市经济发展水平和城市人口密度对污染监管水平起到显著的直接效应;第二产业占比、二氧化硫排放量等起到了显著的间接效应。 相似文献
18.
京津冀城市群大气污染的时空特征与影响因素解析 总被引：33，自引：5，他引：28
京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM2.5的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM2.5浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM2.5浓度比周围郊区和农村平均高10~20 μg/m3;2014年仅有13.9%的区县空气质量达标,PM2.5浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM2.5每升高1%,将导致本地PM2.5至少升高0.5%;社会经济内因对PM2.5主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速>年均气温>人口密度>地形起伏度>第二产业占比>能源消费>植被覆盖度,人均GDP、年降水量和相对湿度对本地PM2.5没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度>地形起伏度>能源消费>人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。 相似文献
19.
With rapid urbanization and energy consumption, environmental pollution and degradation have become increasingly serious problems in China. At the beginning of 2013, China implemented new ambient air quality standards (GB 3095-2012) in which the concentration of six pollutants including PM2.5, ozone, carbon monoxide, PM10, sulfur dioxide and nitrogen dioxide were monitored. This study gathered annual air pollutant concentration data for the six pollutants in 113 key environmental protection cites throughout China in 2014 and 2015 to explain spatial patterns of urban air pollution. Based on the Kernel density estimation method, spatial hotspots of air pollution were illustrated through which spatial cluster of each pollutants could be plotted. By employing an entropy evaluation system, urban air quality was assessed in terms of the six atmospheric pollutants. We conclude that, in general, CO and SO2 were two important pollutants in most Chinese cities, but this varied greatly among cities. The assessment results indicate that cities with the worst air quality were mainly located in northern and central provinces, dominantly in the Beijing-Tianjin-Hebei metropolitan area. Regression modeling showed that a combination of meteorological factors and human-related determinants, to say specifically, industrialization and urbanization factors, greatly influenced urban air quality variation in China. Results from spatial lag regression modeling confirmed that air pollution existed obvious spatial spillover effects among key cities. The spatial interdependence effects of urban air quality means that Chinese municipal governments should strengthen regional cooperation and deepen bilateral collaboration in terms of air regulation and pollution prevention. 相似文献