规划问道【作者】张业成1, 涂唐奇1, 龙瀛 1*
1 清华大学建筑学院；清华大学恒隆房地产研究中心；清华大学生态规划与绿色建筑教育部重点实验室
【通讯作者邮箱】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.
过去20年的快速城市化进程导致许多新开发地区的社会经济成熟度滞后，加剧了与旧城区的发展失衡，并催生了“鬼城”现象。然而，由于社会经济因素的复杂性，全球范围内对该现象的量化研究仍面临挑战。本研究基于城市活力理论，构建了一个整合多源数据的统一框架，用以衡量“鬼城指数”（GCI），并通过多维度数据验证其有效性。研究首先从全球范围内提取了8841个面积超过5 km²的自然城市，并依据开发时间将其划分为新城区（2005年后开发）和旧城区（2005年前开发）。城市活力的测量采用路网、兴趣点和人口密度数据，涵盖形态、功能和社会三个维度。通过对比新旧城区的城市活力，本研究首次基于城市活力理论量化了全球鬼城指数。研究结果表明，新城区的平均活力仅为旧城区的7.69%。根据GCI排名，前5%（442个）的城市被定义为鬼城，这一结果与新闻媒体报道及局部区域研究结果相印证。本研究为全球可持续城市化战略提供了科学依据，对实现联合国可持续发展目标（SDGs）具有重要意义。
图1.鬼城研究框架
本研究主要从新建城市土地经营水平不足的角度研究鬼城。近年来，城市土地的快速扩张已成为全球范围内的普遍趋势，然而，城市社会经济发展的速度未能与土地扩张保持同步。这种失衡导致许多新城区在较低的社会经济水平下发展乏力，进而出现大量空置现象，形成所谓的“鬼城”。传统意义上的“鬼城”通常指因资源枯竭或市场变迁等因素而被废弃的城市区域。然而，随着全球城市化进程的加速，“鬼城”一词被赋予了新的内涵，特指因过度开发与规划不当而导致新建城区空置率高、商业活动低迷、人口密度显著不足的现象。Shepard将“鬼城”定义为“一种新的开发项目，其实际容量远低于规划容量，人口和企业数量显著少于可用空间”。
在全球范围内准确定义“鬼城”是一个复杂的过程，现有研究主要局限于局部尺度，探索了基于人口、企业、夜间灯光数据及便利设施等指标的识别与评估方法。然而，这些方法存在显著局限性。一方面，基于人口或建筑环境指标的局部尺度分析通常通过设定阈值来界定“鬼城”，但这些阈值的选择缺乏跨地理区域的一致性考量。由于不同地区的城市发展模式存在显著差异，这种基于局部同质地理尺度的阈值难以适用于全球范围的比较分析。另一方面，已有研究多集中于特定城市或主要国家（如美国和中国）的新城区，揭示了“鬼城”现象在这些地区的存在。然而，关于“鬼城”是否在全球范围内广泛存在，以及如何构建一种适用于全球尺度的识别与比较方法，仍是亟待解决的问题，尤其是在许多快速城市化的发展中国家。
本研究通过广泛的文献综述深入探讨了城市活力的具体维度，并提出新旧城区之间的相对活力差异为“鬼城”识别提供了量化基础。城市活力是高质量城市生活的核心要素，其形成依赖于良好的城市形态、完善的城市功能以及充足的人类活动。城市活力不足的特征通常表现为次级功能有限、街区尺度偏大、街角空间不足、建筑年代单一以及人类活动强度较低等。这些概念最早由雅各布斯（Jacobs, 1961）和林奇（Lynch, 1984）提出并发展。雅各布斯强调了人类活动与生活空间之间的动态交互关系，指出城市活力是城市生活多样性的直接体现。林奇则进一步提出，城市活力是衡量城市空间质量的关键指标，对满足人类需求和支持物种生存的居住环境至关重要。基于上述理论框架，本研究将城市活力解构为三个核心维度——形态、功能和社会，并利用开放数据对每个维度进行了量化计算。
（1）研究范围提取：本研究采用2018年和2005年的全球等级城市边界（GHUB）和全球城市边界（GUB）数据，以提取全球城市区域的空间分布。两个数据集均基于广泛认可的城市边界定义和30米分辨率的全球人工不透水区域（GAIA）数据构建，其平均总体精度超过90%。研究中将新城区定义为2005年至2018年间开发的区域，而旧城区则定义为2005年之前或2005年开发的区域。鉴于城市土地随时间变化的复杂性，采用了“将时间转化为空间”的方法，以2018年城市边界为基准空间分析单位，在同一城市内划分新城区和旧城区，从而实现对不同建成年份区域的比较分析。通过数据清洗（详见论文附件Supplementary Note 1、Supplementary Figure 1-2及Supplementary Table 1-3），最终保留了2018年的8841个自然城市作为研究基准，总覆盖面积达750800平方公里。
（2）基于城市活力理论展开指标计算：首先计算并生成全球一致的路网、兴趣点和人口的密度分布图层。其次测量每个城市区域内各层的平均值。最后每个城市区域的活力通过下面的等式来衡量: V=M*F*S。其中V是活力；M是从形态维度的路网密度；F是从功能维度的兴趣点密度；S是从社会维度的人口密度。结合全球每个城市新旧城区的活力值计算鬼城指数：GCI =1 /（Vnew / Vold* Vnew）。其中GCI是一个城市的鬼城指数；Vold是一个城市旧城区所有网格的平均活力；Vnew是一个城市新城区所有网格的平均活力。基于该指数对所有城市进行排名，以通过更高的指数值来识别鬼城。
（1）新旧城区之间的指标表明新城区中潜在的鬼城
根据鬼城的定义，鬼城指数（GCI）取决于新旧城区在路网密度、兴趣点密度和人口密度上的差异。全球范围内，新城区的兴趣点密度显著低于旧城区。在洲际层面，路网密度的差异相对较小，其中亚洲的差异最为显著，尤其是中国新城区的大规模房地产开发导致路网密度相对较低。在国家层面，新旧城区之间的路网密度差异普遍较小，而兴趣点密度的差异则更为明显。非洲国家的新城区兴趣点密度普遍较低，而欧洲国家则显著较高。
（2）不同层次的全球城市地区的活力
本研究从城市、国家、洲际和全球尺度比较了新城区的活力值。城市层面的分析显示，高活力城市主要集中在欧洲、东亚、南美及部分热带地区（图5）。尽管新旧城区的活力分布模式相似，但新城区的高活力点明显较少。发达国家如美国的新旧城区活力差异较小，而发展中国家如印度和中国的差异则更为显著。欧洲新旧城区的活力差异尤为突出，表明其发展模式与其他发达国家存在显著不同。
（3）全球鬼城指数的空间可视化
GCI值较高的城市主要分布在东欧、南欧、中国东北及美国部分地区，凸显了鬼城现象的全球性。美国拥有较多的鬼城，而亚洲的鬼城数量相对较少。欧洲和非洲的鬼城比例较高。值得注意的是，部分城市尽管整体活力较高，但其GCI值也较高，表明新旧城区之间的活力差异显著（图7）。例如，北欧的GCI值远低于东亚和南亚，而非洲城市的GCI值普遍较低，反映了城市发展的不平衡性。
图7. 全球城市和国家的鬼城指数
（4）推断鬼城在全球的分布
基于GCI值排名，本研究推断出全球鬼城的分布情况。通过设定前5%（8841个自然城市中的442个）为阈值，检查高于各种GCI阈值的每个国家，其所有自然城市中已识别的鬼城的比例，重点关注了鬼城数量最多的前十个国家。美国、中国和意大利的新城区中鬼城数量最多（图8）。与现有研究一致，与现有的研究相一致，发现也强调了美国和中国鬼城现象存在的空间分布情况（图9）。美国的鬼城主要分布在中西部和东部沿海地区，而中国的鬼城则集中在东北和北方地区。这些发现表明，鬼城现象的强度和成因因国家而异。
（5）基于新闻媒体和相关局部区域研究结果进行验证
为验证GCI的准确性，本研究将计算结果与新闻媒体及现有研究进行对比。通过谷歌关键词检索，发现GCI结果与全球对鬼城的普遍认知高度一致，尤其是在美国、加拿大、意大利和俄罗斯等国家。尽管中国鬼城的检索排名较低，这可能与谷歌的区域可用性有关。此外，本研究还与“标准排名”、Shi等人（2020年）、Pradamini Kumari（2019年）等研究进行了对比，结果在鬼城分布上表现出一致性（详见论文附件Supplementary Table 4-6）。
（6）从人口和土地变化角度理解GCI的分布
基于WorldPop数据，本研究分析了人口变化与土地扩张的关系（图9）。结果显示，1825个自然城市经历了人口收缩，7016个城市经历了人口增长。北美和亚洲的城市扩张速度最快，而南美和非洲的人口增长率高于土地扩张率，这解释了这些地区GCI值较低的原因。相比之下，北美许多城市的人口扩张速度低于土地扩张速度，导致新城区鬼城现象显著。
（7）通过夜间灯光数据来识别鬼城是否合理？
作为对微观数据的补充，本研究参考了Jin等人（2017年）的方法，分析了夜间灯光数据。结果显示，新城区与旧城区的夜间灯光亮度存在显著差异，且这一差距在2012年至2021年间逐渐缩小。然而，由于分辨率等限制，夜间灯光数据在直接识别鬼城方面的适用性较低，但其在验证城市活力指标方面具有潜力（详见论文附件）。本文进一步测试了夜间灯光数据在验证城市活力理论选定指标方面的能力（图11，图12）（详见论文附件）。
（8）新旧城区划分的时间节点选择
由于各城市的发展阶段不同，为验证2005年作为新旧城区划分时间节点的合理性，本研究分析了1990年至今5年间隔的城市边界数据。结果显示，2005年后全球城市面积增加了近一半，表明该时间节点的选择有助于减少规模差异带来的误差。此外，根据城市规模和人均GDP将全球城市分为四类，发现不同发展水平的城市呈现出不同的GCI分布模式（详见论文附件）。城市规模大但人均 GDP 低的城市更倾向具有较高的 GCI，如中国等发展中国家和美国等发达国家。GCI 较高、规模相对较小且人均 GDP 低的城市在非洲的发展中国家更为常见。GCI 较低、规模相对较小但人均 GDP 较高的城市大多位于欧洲国家。这些城市的空间发展更为均衡。
本研究提出了一种基于开放数据的自下而上方法，首次对全球城市中的鬼城现象进行了系统性识别与分析。本研究克服了以往研究局限于局部范围的不足，并在不同尺度上揭示了全球鬼城的分布模式。这种基于城市自身空间发展的比较显示了跨越地理空间异质性的优势。未来研究应进一步探讨鬼城现象的成因、发展阶段及关键阈值，并考虑全面研究城市生命周期的动态变化，以更全面和准确地理解鬼城现象及其对全球城市化的影响。
这项工作得到了中国国家自然科学基金重大项目（项目号：62394335和62394331）、面上项目（项目号：52178044）的资助。
2025
更多内容，请点击微信下方菜单即可查询。
请搜索微信号“Beijingcitylab”关注。
Email：BeijingCityLab@gmail.com
Emaillist: BCL@freelist.org
新浪微博：北京城市实验室BCL
微信号：beijingcitylab
网址: http://www.beijingcitylab.com
责任编辑：张业成
原文始发于微信公众号（北京城市实验室BCL）：论文推荐 | 基于城市活力理论和多源数据推断全球城市新开发地区的鬼城
