EN中文

资源科学 >

2025 , Vol. 47 >Issue 8: 1758 - 1771

DOI: https://doi.org/10.18402/resci.2025.08.12

低空产业与创新

珠三角城市群低空经济制造业时空关联模式及其影响因素

  • 冯瑜满 , 1, 2 ,
  • 马丽 , 1, 2 ,
  • 金凤君 1, 2 ,
  • 叶志聪 1, 2
展开
  • 1.中国科学院地理科学与资源研究所，北京 100101
  • 2.中国科学院大学资源与环境学院，北京 100049
马丽，女，山西祁县人，副研究员，主要从事经济地理、区域可持续发展研究。E-mail:

冯瑜满，女，广东梅州人，博士生，研究方向为经济地理与区域发展。E-mail:

收稿日期: 2025-04-08

  修回日期: 2025-07-28

  网络出版日期: 2025-09-09

基金资助

国家自然科学基金项目(42471201)

国家自然科学基金项目(42271187)

广东省哲学社会科学规划2024年度学科共建项目(GD24XYJ48)

收起

Spatiotemporal correlation patterns and influencing factors of low-altitude economy manufacturing in Pearl River Delta urban agglomeration

  • FENG Yuman , 1, 2 ,
  • MA Li , 1, 2 ,
  • JIN Fengjun 1, 2 ,
  • YE Zhicong 1, 2
Expand
  • 1. Institute of Geographical Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2025-04-08

  Revised date: 2025-07-28

  Online published: 2025-09-09

Fold

摘要

【目的】 本文旨在厘清低空经济制造业空间分布及其产业链与创新链的时空关联模式与影响因素，为低空经济产创融合提供理论依据和政策支撑。【方法】 在获取截至2025年2月的珠三角城市群低空经济制造业零部件与飞行器环节企业数据的基础上，分别利用核密度分析、协同区位分析与无序多分类逻辑回归模型，探究低空经济制造业的空间集聚性、产业链与创新链的时空关联模式及其影响因素。【结果】 ①珠三角城市群低空经济制造业生产主导型和创新主导型两类企业均呈现显著的广州-深圳双核结构，企业主要分布于各类产业功能区与中心城区。②低空经济制造业生产-创新的时空关联表现为生产主导型企业引领创新主导型企业的时空关联特征，产业链与创新链的时空关联均表现为零部件环节追随飞行器环节、但飞行器环节趋于独立集聚的时空关联模式。③不同时空关联模式受产业功能区等级、集群类型、机场距离、土地价格、经济活力与企业规模等因素综合影响，其中国家级产业功能区的作用较为突出。【结论】 珠三角城市群低空经济制造业初步形成生产-创新、产业链与创新链协同集聚格局，但区域整体协同集聚程度仍有待提升，建设并提升产业功能区能级是推动企业协同集聚的关键。

关键词： 低空经济制造业; 时空关联模式; 协同集聚; 协同区位商; 珠三角城市群

本文引用格式

冯瑜满 , 马丽 , 金凤君 , 叶志聪 . 珠三角城市群低空经济制造业时空关联模式及其影响因素[J]. 资源科学, 2025 , 47(8) : 1758 -1771 . DOI: 10.18402/resci.2025.08.12

Abstract

[Objective] This study aims to analyze the spatial distribution of the low-altitude economy manufacturing, along with the spatiotemporal correlation patterns and influencing factors of its industry and innovation chains. The findings are expected to provide a theoretical basis and policy support for enhancing the integration of production and innovation in the low-altitude economy. [Methods] Based on the obtained enterprise data related to components and aircraft sectors of the low-altitude economy manufacturing in the Pearl River Delta (PRD) urban agglomeration, this study employed kernel density analysis, co-location quotient analysis, and unordered multinomial logistic regression models to explore the spatial clustering characteristics of low-altitude economy manufacturing, the spatiotemporal correlation patterns between its industry and innovation chains, and their influencing factors. [Results] (1) Both production-oriented and innovation-oriented enterprises in the low-altitude economy manufacturing of the PRD urban agglomeration exhibited a pronounced Guangzhou-Shenzhen dual-core structure. These enterprises were predominantly distributed in various industrial functional zones and central urban areas. (2) The spatiotemporal correlation between production and innovation in the low-altitude economy manufacturing was characterized by production-oriented enterprises leading the spatiotemporal patterns of innovation-oriented enterprises. Meanwhile, the spatiotemporal correlation between industry and innovation chains demonstrated a pattern where component sectors followed the aircraft sectors, while the latter showed a tendency toward independent agglomeration. (3) Different spatiotemporal correlation patterns were influenced by factors such as the levels of industrial functional zones, economic vitality, land prices, distance to airports, cluster types, and enterprise scale, among which national-level industrial functional zones played a particularly prominent role. [Conclusion] The low-altitude economy manufacturing in the PRD urban agglomeration has preliminarily formed a co-agglomeration pattern of production-innovation and industry-innovation chains. However, the overall level of regional co-agglomeration still needs improvement. Building and upgrading the level of industrial functional zones is key to promoting the co-agglomeration among enterprises.

Key words： low-altitude economy manufacturing; spatiotemporal correlation patterns; co-agglomeration; co-location quotient; Pearl River Delta urban agglomeration

1 引言

低空经济是在低空空域范围内、围绕低空资源展开的经济活动的总称[1,2]。2021年2月，中共中央、国务院发布《国家综合立体交通网规划纲要》，首次将“低空经济”写入国家规划，并在2024年12月正式成立低空经济发展司以加快低空经济发展、培育低空经济新增长极。作为代表性的战略性新兴产业，低空经济制造业具有产业链长、技术密集度高等特点，因此促进产业链与创新链的协同集聚具有重要意义。珠三角城市群是中国低空经济产业的重要集聚地，并且是少数能在本地实现产业链完整配套的地区，根据《广东低空经济发展调查研究报告》，珠三角城市群已拥有一批竞争力强、成长性佳的专精特新企业和制造业单项冠军企业。同时，低空经济产业的发展离不开该地区发达的航空装备制造业基础[3]、雄厚的技术积累与创新优势[4]，以及良好的产业链与创新链融合发展水平[5]。2020年，习近平总书记在深圳经济特区建立40周年庆祝大会上讲话强调“围绕产业链部署创新链，围绕创新链布局产业链”[6]，产业链创新链深度融合发展将成为中国战略性新兴产业发展与新质生产力培育的重要路径。因此，从产创空间关联视角探讨珠三角城市群低空经济制造业企业的分布及其影响因素，对于优化战略性新兴产业的区域布局及其产创融合具有重要参考价值。
产业链与创新链的空间关联涉及生产-创新的产创关联、不同生产环节的产业链关联与创新链关联等多方面，多数研究仅关注了空间关联的某一方面。①在产创关联方面，学者通过分析广东中山古镇灯饰集群的产业链与创新链融合过程与路径[7]、珠三角城市群电子计算机产业在不同环节的产业优势中心与创新优势中心的时空演化态势[8]、中国海洋经济圈海洋渔业双链融合的演化模式与路径[9]，分别探讨了产业链与创新链融合下传统产业集群的转型升级与跨越式发展、产业链升级过程中生产与创新能力的动态演化、共生理论下的双链融合等机制和互动耦合关系。②在产业链关联方面，国内外诸多学者从协同集聚的视角探讨了制造业与服务业的空间关联[10]、制造业不同行业的空间共聚[11]、高技术产业间的协同集聚与空间追随[12]，发现经济发达地区的高技术制造业与生产性服务业间存在较高的协同集聚度与突出的空间分异性[10,11]，生产性服务业对制造业的空间追随特征促成了产业间协同集聚[12]。但在产业部门上对低空经济制造业少有涉足。③在创新链关联方面，部分学者基于产业链不同环节的创新格局，探讨了欧洲电动汽车产业[13]、俄罗斯沼气产业[14]的创新链演化路径，发现产业链不同环节的创新行为与空间匹配存在差异性。从分析方法来看，微观企业尺度的协同集聚一般采用E-G指数、超协同定位指标、DO指数、协同区位商等方法进行测度[10,12]，它们主要用于测度某个时间切片上点要素之间是否协同集聚及协同集聚类型，但无法甄别特定空间范围内具体企业点之间的时空协同集聚关系。综上所述，本文尝试解答以下问题：低空经济制造业不同环节企业间是否存在时空协同集聚、追随或引领关系?不同时空关联模式的影响因素是什么?这有助于完善以低空经济制造业为代表的战略性新兴产业空间布局演化模式及其影响因素研究。
具体而言，本文将在识别并获取珠三角城市群低空经济制造业不同环节企业生产与创新数据的基础上，利用核密度分析探究其核心环节即飞行器环节的空间集聚特征；运用空间时间窗的协同区位分析方法测度飞行器环节生产-创新的时空关联模式，以及零部件与飞行器环节在产业链和创新链上时空关联模式，并采用无序多分类逻辑回归模型探究不同时空关联模式的影响因素，以期为城市群地区低空经济制造业的产创融合发展提供理论依据与决策参考。

2 数据来源与研究方法

2.1 数据来源与处理

根据相关研究对通用航空产业链的划分[15] 及《中国低空经济发展指数报告（2025）》（后文简称《报告》）对低空经济产业链的划分，本文将低空经济制造业划分为零部件与飞行器两大环节。其中，飞行器环节为低空经济产业发展的核心内容，是本文的重点关注对象。通过行业分类代码 ① 筛选出零部件环节企业；通过企业名称及经营范围筛选出飞行器环节企业，关键词包括无人机、飞行器、无人驾驶飞行器、直升机、通用航空、智能垂直起降飞行器、eVTOL等。进一步地，为探究低空经济制造业的产创关联以及产业链与创新链上不同环节之间的空间关联，依据相关研究将零部件与飞行器环节企业均进行创新主导型企业与生产主导型企业类型划分[16]，划分依据为企业是否取得科技部高新技术企业认定。因该认定标准较为严格，获得认定的企业一般具备较强创新能力，且获得认定能进一步激励企业进行实质性创新[17]；这类企业也可能存在大规模生产活动，但创新是其核心竞争力，因此定义为创新主导型企业。生产主导型企业是指未取得高新技术企业认定的企业，尽管这些企业可能也进行创新活动，但并未形成以创新为主导的产业活动，可能多依赖于成熟技术的规模化应用，在产业链中主要承担代工制造、零部件配套等环节[18]。企业数据主要来源于天眼查（https://www.tianyancha.com/）以及高新技术企业认定管理工作网（http://www.innocom.gov.cn/），并进行人工校对，数据收集时间为2025年2月28日。

2.2 影响因素分析方法

《报告》指出，低空经济具有创新驱动强、产业链长、应用场景广、参与主体多、地理环境依赖程度强等特征，其发展高度依赖区域产业基础与区位资源禀赋。本文在借鉴现有研究的基础上[19]，从政策、集聚经济、产业特性、区位条件与企业内部特征5个方面综合探讨影响珠三角城市群低空经济制造业时空关联模式的主要因素。
（1）政策方面，选择产业功能区等级为指标。产业功能区是促进产业集聚的重要政策工具，珠三角分布众多不同类型与等级的产业功能区，这些产业功能区通过规模化布局与紧凑的空间形态形成集聚效应[20]，尤其是国家高新区“以集群促发展”政策结合精准的政府创新支持，有利于吸引企业进入产业功能区并形成一定规模的产业集聚[21]。因此，相较于非产业功能区，产业功能区更有利于吸引企业集聚并形成一定的时空关联，且产业功能区等级越高越有利于产业集聚。将珠三角国家级经济技术开发区与国家高新技术产业开发区的四至边界矢量化，若企业地理坐标位于空间范围内，定义为国家级产业功能区；将地址信息中包含工业区、工业园、科技园、高新区、产业园、软件园、创业园、科学城、信息港、保税区、技术开发区、产业园区、产业基地、大学城、数码城、生态园、孵化器、工业园区、园区、试验区、经济区、经济开发区、科学园区、示范园区、科技园区、产业区等关键词的定义为一般产业功能区；其余为非产业功能区。
（2）集聚经济方面，选择专业化集聚和多样化集聚类型为指标。马歇尔外部性揭示了专业化集聚通过共享精密制造设备、专业化劳动力池和供应链本地化带来的竞争优势；雅各布斯外部性揭示了多样化集聚中不同行业间互补性知识溢出在推动创新和集聚经济发展的核心动力，如无人机企业与云计算、大数据、人工智能等企业的跨界合作有利于加速低空经济技术融合发展[22]。低空经济作为跨行业融合的战略性新兴产业[23]，其发展依赖于高精尖的技术突破与零部件的精密制造，又需要整合多领域技术成果实现高效能、智能化产品生产。因此，多样化与专业化集聚地区均有利于孵化和吸引企业进入与集聚，从而形成特定的企业时空关联模式。HDBSCAN密度聚类法使用可变距离实现对不同密度的点数据聚类，且只需指定最小聚类数参数，聚类结果具有较好的稳健性[24]。因此，本文基于2020年珠三角工商注册企业全量数据，采用HDBSCAN密度聚类方法划分集聚区与非集聚区，并根据企业二级行业分类，计算各集聚区的克鲁格曼指数，区分专业化与多样化集群。将集群分类结果统计至1 km×1 km空间网格，将网格单元的集群类型属性赋值至落入该单元的低空经济制造业企业。
（3）产业特性方面，选取机场距离为指标。低空路网是低空经济的关键基础设施，包括通用机场、无人机起降场等[23]，其产业布局高度依赖基础设施供给与互联水平。如深圳已启动低空智能融合基础设施建设[25]，支撑低空经济企业的空间集聚。低空飞行起降点作为飞行器制造测试环节的关键基础设施[26]，其空间分布直接影响企业区位选择，但囿于数据的非公开性，本文选择通用机场数据进行分析。根据通用机场信息平台（https://ga.aopa.org.cn/），获取截至2025年2月28日的珠三角城市群所有通用机场的地理位置，计算企业距离最近通用机场的直线距离。
（4）区位条件方面，选取经济活力和土地价格为指标。①经济活力。作为全国最具经济活力的区域之一，珠三角核心城市已吸引了亿航、大疆、极飞等企业总部与研发中心落地，这是因为高经济活力地区更易于获取人才、资金、信息等资源，且市场需求活跃多元，有利于低空经济产业链各环节企业的相继进入与集聚发展[27]。以2020年珠三角城市群1 km×1 km空间网格的商业服务业POI密度衡量经济活力，将网格单元的密度赋值至落入该单元的低空经济制造业企业。②土地价格。土地价格也是影响产业协同集聚的重要因素[28]，不仅反映区位资源对企业布局的影响，也通过企业承租能力差异塑造差异化空间格局。一般而言，传统生产制造型企业对土地成本较为敏感[29]；而创新型企业更注重区位资源，受土地成本的影响较小，倾向于集聚在土地成本较高即区位资源更富集的地区[30]。采用2020年写字楼租金（元/m2/天）衡量，数据源于安居客（https://www.anjuke.com/）。根据Kriging插值法计算企业所在地的土地价格。
（5）企业内部特征方面，选择企业规模为指标。企业规模影响其地理集聚需求[31]，进而形成差异化的低空经济制造业时空关联模式。采用天眼查的企业规模字段衡量，包括微型、小型、中型和大型4类，分别赋值为1、2、3、4。

2.3 统计方法

2.3.1 核密度分析

核密度分析被广泛应用于经济地理学的产业空间分析[12]。该方法通过计算空间要素在其邻域范围的密度，拟合光滑表面刻画空间密度特征和分布趋势，具有模型依赖性小、稳定性高的特点。本文运用核密度分析法对珠三角城市群低空经济飞行器环节的企业分布进行可视化，以反映其空间集聚特征。

2.3.2 使用空间时间窗的协同区位分析

协同区位商（Co-location Quotient, CLQ）模型起源于经济区位商[32]，由Leslie等[33]扩展为地理加权CLQ，可用于测度空间中两类点要素的分布模式。CLQ包括全局协同区位商（Global Co-location Quotients, GCLQ）和局部协同区位商（Local Indicator of the Co-location Quotient, LCLQ），由于本文关注低空经济制造业各环节的企业空间关联，因此仅对局部协同区位商进行测度，计算公式如下[34,35]：
L C L Q A i → B = N A i → B N B N - 1
N A i → B = ∑ j = 1 N w i j × f i j ∑ j = 1 N w i j j ≠ i
$w_{i j}=\exp \left(-0.5 \times \frac{d_{i j}^{2}}{d_{i b}^{2}}\right)$
式中： L C L Q A i → B为类别B被 A i（A类别i点）吸引的程度； N A i → B为 A i点拥有的B类最邻近点的加权平均数量； N B为研究区域中类别B的点数量；N为所有点的数量； f i j为二元变量，表示点j是否被标记为B类； w i j为点j的权重即定义的高斯核密度函数，用于衡量j对 A i点的重要程度； d i j为 A i点与j点的距离； d i b为 A i点附近的带宽距离。若 L C L Q A i → B 1，表示 A i被类别B吸引；若 L C L Q A i → B = 1，表示 A i与类别B趋于随机分布；若 L C L Q A i → B 1，则表示 A i与类别B在空间上趋于离散分布。利用空间时间窗的协同区位分析能够捕捉不同企业在时间顺序上的协同集聚模式，弥补当前从静态视角与全局视角探讨产业协同集聚的研究局限。因此，进一步将企业的成立日期作为时间窗纳入，使用空间时间窗进行协同区位分析。针对 A i成立日期后 t i 1的邻近点进行协同区位分析，可分析类别A是否在时空上吸引类别B；针对 A i成立日期前 t i 0的邻近点进行协同区位分析，则可分析类别A是否在时空上追随类别B。根据点在时空上的协同区位分析，本文将低空经济各环节的企业关联划分为时空协同集聚、引领型、追随型、独立集聚4种时空关联模式（表1）。
表1 基于协同区位商的时空关联模式分类

Table 1 Classification of spatiotemporal correlation patterns based on co-location quotients

LCLQ值区间 LCLQ类型 时空关联模式
L C L Q A i → B ,   t i 1 1   ( P 0.05 A引领B 协同集聚
L C L Q A i → B ,   t i 0 1   ( P 0.05 A追随B
L C L Q A i → B , t i 1 1   ( P 0.05 A引领B 引领型
L C L Q A i → B ,   t i 0 1   ( P 0.05 A不追随B
L C L Q A i → B ,   t i 1 1   ( P 0.05 A不引领B 追随型
L C L Q A i → B ,   t i 0 1   ( P 0.05 A追随B
L C L Q A i → B ,   t i 1 1   ( P 0.05 A不引领B 独立集聚
L C L Q A i → B ,   t i 0 1   ( P 0.05 A不追随B
L C L Q A i → B=1或该值不存在或 P 0.05 AB无显著关联 随机分布
在此基础上，首先，分析飞行器环节中生产主导型与创新主导型企业的时空关联，划分生产-创新的时空关联模式；然后，分别探讨零部件环节与飞行器环节的生产主导型、创新主导型企业的时空关联，划分产业链、创新链的时空关联模式。

2.3.3 无序多分类逻辑回归模型

鉴于时空关联模式为分类变量，采用无序多分类逻辑回归模型识别不同模式的影响因素。模型设定如下[36]：
$\ln \left[\frac{P\left(y_{a}=s \mid x\right)}{P\left(y_{a}=z \mid x\right)}\right]=\alpha_{s}+\boldsymbol{\beta}_{s k} x_{k}$
式中：企业点的时空关联模式s=1, 2, …, 6；z为选定的基准组； P y a = s | x为观测企业a属于s类时空关联模式的概率； x k为第k个影响企业时空关联模式的自变量； β s k为自变量回归系数向量； α s为常数项。本文采用发生比（Odds Ratio）对模型参数进行解释，企业属于s类时空关联模式的概率与属于z类的概率比为事件发生比率。

3 结果与分析

本文遵循“格局—模式—机制”的分析框架，系统探讨珠三角城市群低空经济制造业时空关联模式及影响因素。首先，基于静态视角分析该产业的空间集聚特征，揭示其空间分布格局；其次，利用空间时间窗的协同区位分析，从动态视角探讨低空经济制造业生产-创新及产业链、创新链的时空关联模式；最后，构建实证模型识别不同时空关联模式的影响因素，解析其内在作用机制。

3.1 低空经济制造业的空间集聚特征

根据低空经济制造业零部件与飞行器环节的生产主导型和创新主导型企业的空间核密度图（图1），珠三角城市群低空经济制造业的空间分布呈现显著的广州-深圳双核结构，各类产业功能区为主要分布地区，暂未形成《广东省推动低空经济高质量发展行动方案（2024—2026年）》中提到的广州、深圳、珠海三核联动、多点支撑、成片发展的低空经济产业体系。飞行器环节生产主导型与创新主导型企业的高核密度区域分布相似，覆盖近乎深圳全域以及广州中心城区；零部件环节生产主导型企业数量较多，广泛分布于深圳、东莞、广州、中山、佛山等城市，而创新主导型企业则主要集聚于深圳。根据核密度值分布特征划分核密度等级并分析前3个等级核密度区的空间分布发现，一级密度核心区主要为深圳国家高新区的深圳湾片区、留仙洞片区、观澜高新园片区和坂雪岗科学城片区，以及深圳市福田、罗湖中心城区，广州国家高新区的广州科学城与天河科技园以及中心城区；二级密度核心区主要为深圳光明科学城及深圳国家高新区的尖岗山-石岩南片区、宝龙科技城片区、坪山园区，广州南沙新区的蕉门河中心区、明珠湾区以及长隆万博商务区，佛山中心城区、珠海国家高新区、东莞松山湖国家高新区、东莞东南临深片区；三级密度核心区为中新广州知识城、广州荔湖新城、花都国家级经开区、白云新城、广州国家高新区民营科技园、佛山南海省级经开区、珠海航空产业园、横琴粤澳深度合作区、中山火炬国家高新区、佛山中心城区、惠州仲恺国家高新区、惠州惠城省级高新区。
图1 2025年珠三角城市群低空经济制造业的核密度分布

Figure 1 Kernel density distribution in low-altitude economy manufacturing in PRD urban agglomeration, 2025

3.2 低空经济制造业的时空关联模式

首先，采用空间时间窗的协同区位分析，分别计算飞行器环节生产主导型与创新主导型企业之间的协同区位模式，将其生产-创新的时空关联划分为产创协同集聚、生产引领创新、生产追随创新、生产独立集聚、创新独立集聚5种模式；然后，分别计算零部件环节与飞行器环节的生产主导型、创新主导型企业间的协同区位模式，将产业链、创新链的时空关联划分为协同集聚、飞行器环节引领零部件环节、飞行器环节追随零部件环节、飞行器环节独立集聚、零部件环节独立集聚5种主要模式。各类模式的空间分布如图2所示。企业的LCLQ均值如表2所示。
图2 2025年珠三角城市群低空经济制造业的时空关联模式

Figure 2 Spatiotemporal correlation patterns of low-altitude economy manufacturing in PRD urban agglomeration, 2025

表2 珠三角城市群低空经济制造业LCLQ值结果统计

Table 2 Statistical results of LCLQ values for low-altitude economy manufacturing in PRD urban agglomeration

中心要素 相邻要素 L C L Q A i → B ,   t i 0均值 L C L Q A i → B ,   t i 1均值
飞行器环节生产主导型企业 飞行器环节创新主导型企业 1.30 0.22
飞行器环节创新主导型企业 飞行器环节生产主导型企业 0.44 1.04
零部件环节生产主导型企业 飞行器环节生产主导型企业 0.49 1.26
飞行器环节生产主导型企业 零部件环节生产主导型企业 0.98 0.73
零部件环节创新主导型企业 飞行器环节创新主导型企业 0.51 0.88
飞行器环节创新主导型企业 零部件环节创新主导型企业 0.79 0.56

3.2.1 生产-创新的时空关联

低空经济制造业的核心产业环节在于飞行器制造，分析珠三角城市群飞行器环节生产-创新的时空关联，有利于揭示该地区低空经济制造业生产-创新时空关联的核心特征。整体来看，珠三角城市群低空经济制造业生产-创新的时空关联呈现为生产主导型企业引领创新主导型企业的特征。其中，生产主导型企业引领创新主导型企业的比例高于其追随创新主导型企业的比例，二者分别为19.74%、0.78%；创新主导型追随生产主导型企业的比例高于其引领生产主导型企业的比例，二者分别为14.25%、0.07%。
具体而言，广州表现为生产主导型企业引领创新主导型企业、创新主导型企业也带动生产主导型企业围绕布局的时空协同特征，两类企业在时空上的互动螺旋式上升推动了飞行器环节的产业发展。这主要得益于广州丰富的科教资源，如工业和信息化部第五研究所、香港科技大学（广州）、中山大学、华南理工大学等多个科研院所深度参与飞行器研发制造，强化了企业的创新能力[37]。从具体的模式分布来看，产创协同集聚模式主要位于广州科学城，生产引领创新模式主要分布于广州中心城区、天河科技园、民营科技园、番禺科技创新走廊、蕉门河中心区，创新独立集聚模式主要分布在广州科学城与天河科技园。深圳表现为生产主导型企业引领创新主导型企业，但创新主导型企业并未进一步推动生产主导型企业向周边集聚的时空关联特征。这可能是因为，虽然深圳国家高新区的深圳湾片区、坪山园区的创新型产业用房、新型产业用地等政策为创新型企业发展提供了优惠产业用地[38]，但创新能力较低的生产主导型企业较难满足入驻门槛，因此并未形成创新主导型企业吸引生产主导型企业集聚于其周边的时空关联模式。在空间分布上，生产引领创新模式主要分布于深圳国家高新区的深圳湾片区、观澜高新园片区、坂雪岗科学城片区，生产独立集聚模式主要分布在福田中心城区与深圳国家高新区的新桥东片区。除广深两市外，生产引领创新模式还出现在佛山中心城区与珠海国家高新区，前者制造业门类齐全，后者通用航空基础雄厚，较为完善的产业链配套为广东梵亚科技、镁科众思科技、羽人无人机、翔顺智能科技等创新型企业的发展提供相关配套支撑。

3.2.2 产业链的时空关联模式

珠三角城市群低空制造零部件与飞行器生产主导型企业的时空关联在整体上表现为零部件环节追随飞行器环节、但飞行器环节趋于独立的生产集聚关联模式。其中，飞行器环节引领零部件环节的比例高于其追随的比例，二者分别为3.21%、0.22%；零部件环节追随飞行器环节的比例高于其引领的比例，二者分别为9.43%、0.37%。
具体而言，广州零部件环节既追随也引领飞行器环节，但飞行器环节趋于独立集聚于中心城区，表明广州低空经济制造业发展表现为飞行器环节主导的产业发展模式。这得益于广州汽车工业显著的产业关联与溢出效应，如小鹏汇天、广汽集团等汽车产业关联企业依托已有研发体系，通过技术协同创新快速进入电动垂直起降飞行器（eVTOL）领域并成为该领域的头部企业。同时，政策创新形成的制度优势也为飞行器环节企业的快速发展提供支撑，作为全国首个低空空域管理改革试点城市[39]，广州的通用机场资源丰富、通航运营基础设施较为成熟，为飞行器生产企业提供了完善的试飞场地与设施支持。在空间分布上，环五山创新策源区主要为产业链协同集聚模式，天河科技园、南沙蕉门河中心区、长隆万博商务区、天河科技园、南沙经开区与广州机场高速沿线主要为飞行器环节引领零部件环节模式。与广州不同，深圳、东莞产业链不同环节的企业协同促进了低空经济产业发展，即飞行器环节引领零部件环节生产主导型企业，部分零部件环节也引领飞行器环节生产主导型企业集聚分布。一方面，作为中国较早从事无人机产品生产与技术研发的无人机之都，深圳低空经济产业发展已具备一定规模，飞行器制造环节相关企业旺盛的零部件需求能够有效拉动相关企业集聚；同时，深圳、东莞凭借其全球领先的电子信息产业集群，为孵化大疆创新、丰翼科技、通道智能等头部企业提供了完善的产业链配套。另一方面，低空经济产业与新能源汽车在电池、电机和电控系统上具有较高的生产关联性。深圳是中国新能源汽车第一城，东莞以毗邻深圳的区位优势通过依附式耦合也成为新能源汽车产业发展的重要基地[40]，相关的产业链环节为低空经济产业链环节协同发展奠定了基础。在空间分布上，产业链协同集聚模式主要分布于深圳湾，飞行器环节引领零部件环节模式主要分布于深圳光明科学城、深圳国家高新区的深圳湾片区、坂雪岗科学城片区、宝龙科技城片区，福田、罗湖中心城区与东莞东南临深片区；飞行器环节追随零部件环节主要分布于东莞松山湖国家高新区、东莞中心城区；飞行器环节独立集聚模式主要分布于深圳湾与深港创新合作区周边；而零部件环节独立集聚模式主要分布于福田大厦周边。

3.2.3 创新链的时空关联模式

珠三角城市群零部件环节与飞行器环节创新主导型企业的整体时空关联模式与其生产主导型企业的关联模式相似，均为零部件环节追随飞行器环节、但后者趋于独立集聚的创新关联模式。其中，飞行器环节引领零部件环节的比例高于其追随的比例，二者分别为3.46%、0.59%；零部件环节追随飞行器环节的比例远高于其引领的比例，二者分别为10.15%、1.67%。这表明现阶段珠三角城市群的低空经济产业由飞行器环节主导创新发展，其对零部件的创新关联程度滞后于生产关联程度。这是因为产业链协同创新需要经历一定的演化阶段[41]，低空经济作为前沿技术群的突破和应用推动的战略性新兴产业[2]，仍处于以飞行器制造环节的创新需求带动上游相关产业链环节的创新发展。而上游的零部件环节反哺飞行器制造环节创新发展的能力仍然有限，如电池、航空材料等领域的部分关键零部件企业虽已通过业务延伸进入低空经济领域，但这些企业的创新活动主要以响应飞行器制造业的技术需求为主，产业链上下游间横向与纵向的创新协同与互动表现为单向互动模式。在空间分布上，创新链协同集聚模式主要分布于广州科学城；飞行器引领零部件创新模式主要分布于深圳国家高新区的深圳湾片区、留仙洞片区、大学城片区、观澜高新园片区、宝龙科技城片区、坂雪岗科学城片区，广州的民营科技园、广州科学城、长隆万博商务区，珠海国家高新区；飞行器环节追随零部件创新模式仅见于珠海国家高新区；飞行器环节创新独立集聚模式主要分布于广州科学城、天河科技园、环五山创新策源区与南沙经开区；零部件环节创新独立集聚模式主要分布于深圳光明科学城以及江门国家高新区。

3.3 低空经济制造业时空关联模式的影响因素

为厘清产业功能区等级、集群类型、机场距离、土地价格、经济活力与企业规模等因素对低空经济制造业时空关联模式的影响，选择随机分布的企业作为基准组，采用无序多分类逻辑回归模型进行分析，对不同时空关联模式的赋值如表3所示。
表3 低空经济制造业时空关联模式赋值表

Table 3 Value assignment of spatiotemporal correlation patterns of low-altitude economy manufacturing

飞行器环节生产-创新
时空关联模式		 产业链、创新链时空关联模式 赋值
产创协同集聚 零部件与飞行器环节协同集聚 1
生产引领创新 飞行器环节引领零部件环节 2
生产追随创新 飞行器环节追随零部件环节 3
生产独立集聚 飞行器环节独立集聚 4
创新独立集聚 零部件环节独立集聚 5
随机分布 随机分布 6

3.3.1 生产-创新时空关联模式的影响因素

在飞行器环节生产-创新时空关联的不同模式中，产业功能区等级、集群类型、机场距离与经济活力对时空关联模式的影响较为显著（表4）。其中，位于国家级产业功能区的企业表现为产创协同集聚、生产引领创新、创新独立集聚模式的可能性分别是随机分布型企业的6.643、2.627、28.636倍。这表明国家级产业功能区不仅是高新技术企业与产业的空间载体，而且能促进战略性新兴产业的产创协同发展，是有为政府与有效市场共同作用的结果[42,43]。如广州科学城作为国家高新区，区内55家企业在产创关联模式上均表现为创新独立集聚模式，包括喜讯科技、天奕技术等。集群类型仅显著影响创新独立集聚模式，位于专业化、多样化集群的企业表现为创新独立集聚模式的可能性是随机分布型企业的6.007、16.063倍，表明集群类型尤其是多样化集群能够促进低空经济创新主导型企业集聚，这与集聚经济中解析型、综合型和象征型的知识溢出导致的创新型企业集聚相关[44]。在机场距离更近、经济活力更高的地区，出现生产引领创新、生产独立集聚模式的概率更高，这可能是因为通用航空机场周边空域条件、起降设施等基础设施条件较为完善，为低空飞行器厂商的试飞提供便利条件。而在土地价格更高地区，出现生产引领创新、创新独立集聚模式的可能性更高，这与创新主导型企业的付租能力更高或其满足享受高地价区的优惠土地政策相关[38]。此外，企业规模越小，出现产创协同集聚的可能性越大，研究数据表明产创协同集聚的企业规模均为小型与微型企业，这是因为中小企业内部资源有限，但对外响应灵活，更加依赖外部科创资源与要素[45]。
表4 低空经济制造业时空关联模式的回归结果

Table 4 Regression results of spatiotemporal correlation patterns of low-altitude economy manufacturing

变量 飞行器环节生产-创新时空关联模式 产业链时空关联模式 创新链时空关联模式
产创协同
集聚		 生产引领
创新		 生产追随
创新		 生产独立
集聚		 创新独立
集聚		 产业链协
同集聚		 飞行器环
节引领零
部件环节		 飞行器环
节追随零
部件环节		 飞行器
环节独
立集聚		 零部件
环节独
立集聚		 创新链协
同集聚		 飞行器环
节引领零
部件环节		 飞行器环
节追随零
部件环节		 飞行器
环节独
立集聚		 零部件
环节独
立集聚
功能区等级（参考组=非功能区）
国家级 6.643*** 2.627*** 3.061 0.431 28.636*** 6.003*** 2.701*** 3.700*** 3.810*** 0.000 5.039*** 2.762*** 2.585*** 4.173*** 1.084
一般级 0.000 0.927 6.673*** 1.247 0.000 0.000 0.571** 1.736 3.445*** 0.000 0.000 1.133 2.088 0.205 0.000
集群类型（参考组=非集聚区）
专业化 7.7×106 2.412*** 0.523 2.6×105 6.007*** 7.8×106 2.154*** 0.802 1.2×107 244.103 4.719 2.375** 3.208 0.827 2.4×106
多样化 1.1×107 1.447 0.553 1.1×105 16.063*** 0.282 0.624** 0.468** 0.376 0.000 1.973 0.972 2.599 1.062 1.0×107
机场距离 1.420 0.743*** 1.088 0.469*** 1.636*** 0.683*** 0.478*** 1.126 0.500*** 0.640 1.154 0.642*** 0.864 0.923 0.860
土地价格 1.179 1.177*** 1.325 1.201 1.527*** 1.132 1.222*** 1.176** 1.180*** 1.173 1.507*** 1.271*** 1.176 1.420*** 0.890
经济活力 0.778 1.245*** 0.952 3.054*** 0.671*** 2.361*** 1.728*** 1.372*** 1.775*** 2300*** 0.718* 1.143** 0.812* 1.315*** 1.537***
企业规模 0.381* 1.007 0.793 0.938 0.912 1.456*** 1.064** 1.102 1.246** 0.514 0.508* 0.697*** 0.793 0.708*** 1.004
常数项 0.000 0.184*** 0.002* 0.000 0.000*** 0.000 0.528** 0.000*** 0.000 0.000 0.003* 1.184 0.037 0.019*** 0.000
观测数 4736 35937 4829
伪R2 0.133 0.214 0.108

注：***、**、*分别表示回归系数在1%、5%和10%置信水平下显著；表中系数为发生比率，即选择变量与参考变量的事件发生比；由于样本稀疏性与算法在边界条件下的收敛特性，部分模型系数值极高且未达到统计学显著性[46]。

3.3.2 产业链时空关联模式的影响因素

在产业链的时空关联模式中，产业功能区等级、土地价格、经济活力与企业规模对多种模式的影响较为显著（表4）。其中，位于国家级产业功能区的企业出现产业链协同集聚、飞行器环节引领零部件环节、飞行器环节追随零部件环节、飞行器环节独立集聚的概率是随机分布型企业的6.003、2.701、3.700、3.810倍，而位于一般产业功能区的企业则表现为飞行器环节独立集聚的可能性更高且飞行器引领零部件环节生产集聚的可能性更小等特征。这在一定程度上表明产业功能区等级越高，越能显著促进低空经济产业链不同环节的协同集聚。土地价格越高，企业表现为飞行器环节引领或追随零部件环节、飞行器环节独立集聚的可能性越高，这是因为飞行器制造厂商的利润率高于上游的零部件生产企业，承租能力更强。如深圳湾园区企业表现为上述时空关联模式的占比高达79.25%。而在经济活力高的地区，所有模型的发生比率系数均显著大于1，即企业更可能表现为一定的产业链关联模式而非随机分布，这是因为经济活力较高地区往往有利于获取各种人才、资金、信息等资源，且拥有更为活跃与多元的市场需求，能够吸引低空经济产业链不同环节企业的相继进入与集聚发展[27]。产业链协同集聚、飞行器引领零部件环节、飞行器环节独立集聚模式更可能出现在企业规模较大且距离通用航空机场更近的地区，这与上一小节对生产引领创新、生产独立集聚产创关联模式出现在距离机场更近地区的结果相符，即在通航基础设施较为完备的地区更能吸引飞行器制造环节企业进入。

3.3.3 创新链时空关联模式的影响因素

在创新链的时空关联模式中，产业功能区等级、土地价格、经济活力与企业规模的影响较为显著（表4）。国家级产业功能区对创新链时空关联模式的影响与其对产业链时空关联模式的影响相似，位于国家级产业功能区的企业出现创新链协同集聚、飞行器环节引领零部件环节、飞行器环节追随零部件环节、飞行器环节独立集聚的概率是随机分布型企业的5.039、2.762、2.585、4.173倍，但一般产业功能区对时空关联模式无显著影响。这表明国家级功能区在促进以低空经济为代表的战略性新兴产业的产创协同、产业链协同与创新链协同中均起重要作用。在土地价格较高的地区，创新链的时空关联模式表现为协同集聚、飞行器环节引领零部件环节、飞行器环节独立集聚的可能性更高，这与飞行器环节的创新主导型企业承租能力更强或其满足高地价区优惠土地政策的门槛更低相关[38]。与产业链时空关联模式类似，经济活力系数在所有模式中均显著大于1，即企业更可能表现为一定的创新链关联模式而非随机分布。企业规模越大，创新链出现协同集聚、飞行器环节引领零部件环节、飞行器环节独立集聚的可能性越小，这恰好与其对产业链时空关联模式的影响相反，可能是因为企业规模越大，其创新结网能力越强，通过跨区域研发合作、产业联盟等能够突破地域限制整合创新资源[47]。例如，亿航智能、纵横无人机、中科云图等规模较大且具有一定竞争力的企业可通过全球研发中心布局实现高端创新要素协同，也可通过加入粤港澳大湾区低空经济产业联盟等创新平台，实现与产业链上下游企业的联动与产业生态系统构建。

4 结论与政策建议

4.1 结论

随着低空经济在中国战略性新兴产业布局与新质生产力培育中的重要地位不断凸显，其产业与创新融合的发展特征促进城市群地区形成产创协同集聚的空间组织形态，对于维持与重塑地区经济优势与竞争力具有重要意义。珠三角城市群作为全球产业链关键节点与创新要素集聚高地，已在低空经济领域初步形成双链融合格局，处于企业规模扩张与空间集聚能级跃升的新发展阶段。本文以该城市群为研究区，通过构建低空经济制造业零部件与飞行器环节的企业数据库，运用核密度分析、协同区位分析与无序多分类逻辑回归模型，探讨了低空经济制造业的空间分布特征、产业链与创新链的时空关联模式及其影响因素，为拓展产业与创新协同集聚研究提供新思路。本文得出以下结论：
（1）珠三角城市群低空经济制造业生产主导型和创新主导型两类企业均呈现显著的广州-深圳双核结构，企业主要分布于中心城区和各类产业功能区，珠海国家高新区、东莞松山湖国家高新区和佛山中心城区的企业集聚程度也较高，而惠州、中山、江门和肇庆的企业数量与集聚程度均较低。
（2）低空经济制造业生产-创新的时空关联表现为生产主导型企业引领创新主导型企业的时空关联模式，产业链与创新链的时空关联模式均表现为零部件环节追随飞行器环节、但飞行器环节趋于独立集聚的时空关联模式；广州、深圳低空经济制造业时空关联模式较显著，其他城市产业链与创新链的时空关联程度仍存在较大提升空间，需因势利导优化不同环节间生产与创新的空间分布，提升关联企业间的协同集聚水平。
（3）不同时空关联模式受产业功能区等级、集群类型、机场距离、土地价格、经济活力与企业规模等因素综合影响。其中，国家级产业功能区的作用尤为重要，表明特殊经济空间政策能够有效促进低空经济产业的产创协同发展；经济活力的影响也较为重要，反映经济活力较高地区可以为低空经济产业提供多元的市场应用需求，并为相关企业提供人才、资金和信息等资源供给；机场距离与土地价格的影响适中；而集群类型与企业规模对不同模式的影响相对较小。

4.2 政策建议

鉴于产业功能区是低空经济制造业企业的主要集聚地及其对产创融合、产业链创新链关联的重要影响，以及飞行器环节生产对创新的引领作用、飞行器环节对产业链与创新链关联的主导作用，本文提出以下政策建议：
（1）健全低空经济产业政策体系，规划建设低空经济产业园区、创新创业平台等各类产创载体，完善试验试飞基地、通航保障系统、起降设施布局等基础设施建设。
（2）强化现有各类产业功能区的要素集聚功能，在完善产业配套体系时统筹考虑产业链与创新链不同环节企业的空间匹配需求，规划培育产创协同集聚的产业集群并打造“区位品牌”。
（3）支持飞行器环节龙头企业依托科研院所与高校的大科学装置、大创新平台进行基础研究与中试，强化关键核心技术攻关，并引导关联产业与企业相继的追随、引领与协同集聚发展，形成产学研深度融合的低空经济创新生态。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
廖小罕, 张捷, 黄耀欢. 浅析低空地理学的特征及其对地理学的拓展[J]. 地理学报, 2024, 79(3): 551-564.

DOI

[Liao X H, Zhang J, Huang Y H. Views on characters of low-altitude airspace geography and its impact on the geography development[J]. Acta Geographica Sinica, 2024, 79(3): 551-564.]

DOI

[2]
李晓华. 政府引导、产业生态构建与低空经济发展[J]. 改革, 2025, (2): 21-35.

[Li X H. Government guidance, construction of industrial ecosystem, and the development of low-altitude economy[J]. Reform, 2025, (2): 21-35.]

[3]
郭亮, 曾镜灵, 林超辉, 等. 全球视野下广东省高端装备制造业发展问题及对策分析[J]. 广东科技, 2021, 30(6): 62-66.

[Guo L, Zeng J L, Lin C H, et al. Analysis of development problems and countermeasures of Guangdong high-end equipment manufacturing industry under global perspective[J]. Guangdong Science & Technology, 2021, 30(6): 62-66.]

[4]
于英杰, 吕拉昌. 中国城市知识创新职能空间分异及其影响因素[J]. 地理学报, 2023, 78(2): 315-333.

DOI

[Yu Y J, Lyu L C. Spatial pattern of urban knowledge innovation function in China and its influencing factors[J]. Acta Geographica Sinica, 2023, 78(2): 315-333.]

DOI

[5]
李国平, 徐祯. 粤琼区域协同与海南自由贸易港建设[J]. 资源科学, 2021, 43(2): 241-255.

DOI

[Li G P, Xu Z. Regional coordination between Guangdong and Hainan and the construction of Hainan Free Trade Port[J]. Resources Science, 2021, 43(2): 241-255.]

DOI

[6]
习近平. 在深圳经济特区建立40周年庆祝大会上的讲话[N]. 人民日报, 2020-10-15(002).

[Xi J P. Speech at the 40th Anniversary Celebration of the Establishment of the Shenzhen Special Economic Zone[N]. People’s Daily, 2020-10-15(002).]

[7]
刘城, 林平凡. 传统产业集群产业链和创新链融合升级的模式: 来自广东中山古镇灯饰集群的经验[J]. 南方经济, 2015, (5): 120-126.

[Liu C, Lin P F. Mode of integration and upgrading of industrial chain and innovation chain in traditional industrial clusters-experience from lighting cluster in Guzhen, Zhongshan, Guangdong, China[J]. South China Journal of Economics, 2015, (5): 120-126.]

[8]
龚忠杰, 马丽. 珠三角城市群电子计算机产业链与创新链融合空间格局与演化路径[J]. 地理学报, 2023, 78(12): 3000-3017.

DOI

[Gong Z J, Ma L. Spatial integration and path evolution of electronic computer industry production chain and innovation chain in the Pearl River Delta[J]. Acta Geographica Sinica, 2023, 78(12): 3000-3017.]

DOI

[9]
狄乾斌, 梁晨露, 陈小龙, 等. 共生理论下海洋渔业“双链”融合机制、演化模式与路径[J]. 经济地理, 2024, 44(9): 133-143.

DOI

[Di Q B, Liang C L, Chen X L, et al. Mechanism, evolution model and path of “double chain” integration of marine fishery under the symbiosis theory[J]. Economic Geography, 2024, 44(9): 133-143.]

[10]
郭倩钰, 孙威, 孙涵. 北京市制造业与生产性服务业协同集聚的测度方法与时空演变[J]. 地理学报, 2025, 80(2): 415-432.

DOI

[Guo Q Y, Sun W, Sun H. Measuring methods and spatio-temporal evolution of the collaborative agglomeration between manufacturing and producer services in Beijing[J]. Acta Geographica Sinica, 2025, 80(2): 415-432.]

DOI

[11]
Ellison G, Glaeser E L, Kerr W R. What causes industry agglomeration? Evidence from coagglomeration patterns[J]. American Economic Review, 2010, 100(3): 1195-1213.

[12]
钟韵, 李书凝, 李寒. 深圳高技术产业协同集聚与空间追随[J]. 地理学报, 2024, 79(10): 2638-2650.

DOI

[Zhong Y, Li S N, Li H. Co-agglomeration and spatial follow-up of high-tech industries in Shenzhen[J]. Acta Geographica Sinica, 2024, 79(10): 2638-2650.]

DOI

[13]
Ferloni A, Bida M, Rozenblat C. The emergence of electric vehicle transition in cities: A case of technological and spatial coevolution?[J]. Progress in Economic Geography, 2024, DOI: 10.1016/j.peg.2024.100009.

[14]
Nevzorova T. Functional analysis of technological innovation system with inclusion of sectoral and spatial perspectives: The case of the biogas industry in Russia[J]. Environmental Innovation and Societal Transitions, 2022, 42: 232-250.

[15]
冯超. 中国通用航空发展空间与产业链[J]. 中国流通经济, 2014, 28(5): 117-121.

[Feng C. Analysis of China’s general aviation development and industry chain[J]. China Business and Market, 2014, 28(5): 117-121.]

[16]
何瑶, 杨永春, 王绍博. 价值链视角下中国新能源汽车产业网络及其机制[J]. 地理学报, 2023, 78(12): 3018-3036.

DOI

[He Y, Yang Y C, Wang S B. Network and mechanism of China’s new energy vehicle industry from the perspective of value chain[J]. Acta Geographica Sinica, 2023, 78(12): 3018-3036.]

[17]
王文凯, 陈志远. 高新技术企业认定政策与企业创新[J]. 中国经济学, 2024, (2): 92-118, 291-293.

[Wang W K, Chen Z Y. Recognition policy for high-tech enterprises and corporate innovation[J]. Journal of China Economics, 2024, (2): 92-118, 291-293.]

[18]
郑舒文, 欧阳桃花, 陈昕童, 等. 自主可控的中国产业价值链构建路径研究: 以中国大型无人机产业创新为例[J/OL]. 科研管理, (2025-05-09) [2025-07-28]. https://link.cnki.net/urlid/11.1567.G3.20250508.1927.002.

[Zheng S W, Ouyang T H, Chen X T, et al. Research on the construction path of China’s autonomous and controllable industrial value chain: Taking the innovation of China’s large UAV industry as an example[J/OL]. Science Research Management, (2025-05-09) [2025-07-28]. https://link.cnki.net/urlid/11.1567.G3.20250508.1927.002.]

[19]
韩燕, 潘成, 金凤君, 等. 黄河流域数字经济产业空间格局演化及影响因素[J]. 资源科学, 2024, 46(3): 488-504.

DOI

[Han Y, Pan C, Jin F J, et al. Evolution and influencing factors of the spatial pattern of digital industry in the Yellow River Basin[J]. Resources Science, 2024, 46(3): 488-504.]

DOI

[20]
丁俊, 王开泳. 珠江三角洲城市群工业生产空间格局、形态特征及影响因素[J]. 地理科学进展, 2016, 35(5): 610-621.

DOI

[Ding J, Wang K Y. Spatial pattern and morphological characteristics of industrial production space and influential factors in the Pearl River Delta urban agglomeration[J]. Progress in Geography, 2016, 35(5): 610-621.]

DOI

[21]
张嘉望, 李博阳, 彭晖. 国家高新区“以集群促发展”政策是否提升了城市创新水平: 兼论创新集群“中心-外围”结构的技术互补效应[J]. 经济学家, 2023, (11): 79-88.

[Zhang J W, Li B Y, Peng H. Whether the “promote development by clustering” policy of national high-tech zones has improved the level of urban innovation: Further discussion on the technological complementary effect of the “Center-Periphery” structure for innovation clusters[J]. Economist, 2023, (11): 79-88.]

[22]
樊邦奎, 李云, 张瑞雨. 浅析低空智联网与无人机产业应用[J]. 地理科学进展, 2021, 40(9): 1441-1450.

DOI

[Fan B K, Li Y, Zhang R Y. Initial analysis of low-altitude internet of intelligences (IOI) and the applications of unmanned aerial vehicle industry[J]. Progress in Geography, 2021, 40(9): 1441-1450.]

DOI

[23]
廖小罕, 徐晨晨, 叶虎平. 低空经济发展与低空路网基础设施建设的效益和挑战[J]. 中国科学院院刊, 2024, 39(11): 1966-1981.

[Liao X H, Xu C C, Ye H P. Benefits and challenges of constructing low-altitude air route network infrastructure for developing low-altitude economy[J]. Bulletin of Chinese Academy of Sciences, 2024, 39(11): 1966-1981.]

[24]
李经成, 黄春晓. 创新型企业城市内部空间分布及组织逻辑: 以南京市为例[J]. 经济地理, 2022, 42(7): 93-105.

DOI

[Li J C, Huang C X. Spatial distribution and organizational logic of innovative enterprises in China: Taking Nanjing City for an example[J]. Economic Geography, 2022, 42(7): 93-105.]

[25]
乔莉, 霍达, 顾雯嘉, 等. 低空经济现代化发展的路径优化研究: 基于3D无人飞行的视角[J]. 科学管理研究, 2025, 43(2): 29-38.

[Qiao L, Huo D, Gu W J, et al. Path optimization for the modern development of the low-altitude economy: A perspective based on 3D unmanned flight[J]. Scientific Management Research, 2025, 43(2): 29-38.]

[26]
Brunelli M, Ditta C C, Postorino M N. New infrastructures for Urban Air Mobility systems: A systematic review on vertiport location and capacity[J]. Journal of Air Transport Management, 2023, DOI: 10.1016/j.jairtraman.2023.102460.

[27]
郭倩钰, 李承锦, 侯林春, 等. 北京市高技术产业协同集聚的测度与影响因素分析[J]. 地理科学进展, 2025, 44(2): 313-326.

DOI

[Guo Q Y, Li C J, Hou L C, et al. Measurement of collaborative agglomeration of high-tech industries in Beijing and influencing factors[J]. Progress in Geography, 2025, 44(2): 313-326.]

DOI

[28]
钟韵, 秦嫣然. 高质量发展视角下产业协同集聚研究进展[J]. 人文地理, 2023, 38(4): 1-8, 120.

[Zhong Y, Qin Y R. Progress of research on industrial co-agglomeration from the perspective of high-quality development[J]. Human Geography, 2023, 38(4): 1-8, 120.]

[29]
许闻博, 王兴平, 陈秋伊. 制造业企业迁移和城市创新格局演化互动: 基于51家深圳企业的实证[J]. 城市规划学刊, 2023, (3): 92-99.

[Xu W B, Wang X P, Chen Q Y. Interactions between the migration of manufacturing firms and the pattern of urban innovation: An empirical study of 51 Shenzhen enterprises[J]. Urban Planning Forum, 2023, (3): 92-99.]

[30]
刘婧, 甄峰, 张姗琪, 等. 新一代信息技术企业空间分布特征及影响因素: 以南京市中心城区为例[J]. 经济地理, 2022, 42(2): 114-123, 211.

DOI

[Liu J, Zhen F, Zhang S Q, et al. Spatial distribution characteristics and influencing factors of new-generation information technology companies: A case of Nanjing central city[J]. Economic Geography, 2022, 42(2): 114-123, 211.]

[31]
Arauzo Carod J M, Manjón Antolín M C. Firm size and geographical aggregation: An empirical appraisal in industrial location[J]. Small Business Economics, 2004, 22(3): 299-312.

[32]
Brian H Roberts. Regional Economic Development: Analysis and Planning Strategy[M]. Berlin: Springer, 2006.

[33]
Leslie T F, Kronenfeld B J. The colocation quotient: A new measure of spatial association between categorical subsets of points[J]. Geographical Analysis, 2011, 43(3): 306-326.

[34]
Wang F, Hu Y J, Wang S, et al. Local indicator of colocation quotient with a statistical significance test: Examining spatial association of crime and facilities[J]. The Professional Geographer, 2017, 69(1): 22-31.

[35]
任亚文, 杨宇. 珠三角地区半导体产业布局特征及其区位关联模式[J]. 地理科学进展, 2022, 41(9): 1622-1634.

DOI

[Ren Y W, Yang Y. Spatial distribution and location correlation of the semiconductor industry in the Pearl River Delta region[J]. Progress in Geography, 2022, 41(9): 1622-1634.]

DOI

[36]
周臻, 陈浩, 王磊. 人口收缩型中小城市建设用地供应动态特征及分异[J]. 资源科学, 2024, 46(2): 321-335.

DOI

[Zhou Z, Chen H, Wang L. Dynamic characteristics and differentiation of construction land supply in shrinking small and medium-sized cities[J]. Resources Science, 46(2): 321-335.]

[37]
戴靓, 曹湛, 朱青, 等. 中国城市群知识多中心发展评价[J]. 资源科学, 2021, 43(5): 886-897.

DOI

[Dai L, Cao Z, Zhu Q, et al. Analyzing polycentric urban development in China: Evidence from intercity knowledge collaboration[J]. Resources Science, 2021, 43(5): 886-897.]

DOI

[38]
汪越, 岳隽, 杜雁, 等. 供需视角下的深圳创新型产业空间政策评价及优化建议[J]. 规划师, 2024, 40(6): 62-71.

[Wang Y, Yue J, Du Y, et al. Evaluation and optimization suggestions of Shenzhen’s innovative industrial space policies from the perspective of supply and demand[J]. Planners, 2024, 40(6): 62-71.]

[39]
田镇宁. 广深地区低空经济全产业链发展的策略研究[J]. 中国商论, 2024, 33(16): 108-113.

[Tian Z N. Strategy research on the development of the low-altitude economy full industry chain in the Guangzhou-Shenzhen area[J]. China Journal of Commerce, 2024, 33(16): 108-113.]

[40]
陈肖飞, 蔡和倩, 胡永桂, 等. 新能源汽车生产网络与区域发展战略耦合模式及机制: 基于比亚迪案例[J]. 地理研究, 2025, 44(1): 21-35.

DOI

[Chen X F, Cai H Q, Hu Y G, et al. Strategic coupling mode and mechanisms of new energy vehicle production network and regional development: Based on BYD’s case[J]. Geographical Research, 2025, 44(1): 21-35.]

[41]
刘国巍, 邵云飞. 产业链创新视角下战略性新兴产业合作网络演化及协同测度: 以新能源汽车产业为例[J]. 科学学与科学技术管理, 2020, 41(8): 43-62.

[Liu G W, Shao Y F. Evolution and collaborative measurement of strategic emerging industry cooperation network from the perspective of industrial chain innovation: Taking the new energy vehicle industry as an example[J]. Science of Science and Management of S.&T., 2020, 41(8): 43-62.]

[42]
杨煜, 王昕灵. 培育科技型企业的作用机理与路径研究: 基于“有效市场”与“有为政府”协同的视角[J]. 科学管理研究, 2024, 42(1): 115-125.

[Yang Y, Wang X L. Efficient market and effective government in co-cultivated high-tech enterprises’ mechanism and path-based on both theoretical and practical perspectives[J]. Scientific Management Research, 2024, 42(1): 115-125.]

[43]
Ye Z C, Ma L, Jin F J. Yesterday’s solution: Do national economic and technological development zones promote industrial development in typical developing regions of China?[J]. Habitat International, 2024, DOI: 10.1016/j.habitatint.2024.103156.

[44]
林剑铬, 夏丽丽, 蔡润林, 等. 中国高新技术产业开发区的知识基础及其创新效应: 基于国家级高新区上市企业的研究[J]. 地理研究, 2021, 40(2): 387-401.

DOI

[Lin J G, Xia L L, Cai R L, et al. The knowledge bases of China’s high-tech industrial development zones and their effects on innovation: A study on the listed enterprises[J]. Geographical Research, 2021, 40(2): 387-401.]

[45]
Giuliani E. Role of technological gatekeepers in the growth of industrial clusters: Evidence from Chile[J]. Regional Studies, 2011, 45(10): 1329-1348.

[46]
Gelman A, Jakulin A, Pittau M G, et al. A weakly informative default prior distribution for logistic and other regression models[J]. The Annals of Applied Statistics, 2008, 2(4): 1360-1383.

[47]
杨凡, 杜德斌, 段德忠, 等. 长三角产学协同创新的空间模式演化[J]. 资源科学, 2023, 45(3): 668-682.

DOI

[Yang F, Du D B, Duan D Z, et al. The evolution of spatial patterns of university-industry collaborative innovation in the Yangtze River Delta[J]. Resources Science, 2023, 45(3): 668-682.]

DOI

Options
文章导航

/

〈 〉