黄河流域城市综合承载力时空演进及影响因素研究

李豫新，曹梦渊

（石河子大学 经济与管理学院，新疆 石河子 832003）

城市是人类文明的重要组成部分，也是社会发展的重要载体。2020年我国城镇化水平达到63.89%，初步完成从乡村社会到城市社会的转型，进入快速城镇化发展阶段。然而伴随城镇化进程的加快，城市规模快速扩张与城市有限的承载力之间的矛盾日益显现，城市正面临交通拥堵、资源紧张、环境污染以及突发公共卫生事件等一系列问题，因此如何在有限的资源环境条件下提高城市综合承载力成为城市研究领域的重要内容。中共十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定》中明确提出“提高中心城市和城市群综合承载和资源优化配置能力”。黄河流域作为我国重要的生态屏障和经济地带，在我国经济社会发展和生态安全方面具有十分重要的地位[1]。然而受区位条件、自然禀赋等因素制约，当前黄河流域存在水资源短缺、生态环境脆弱、发展整体滞后、区域发展不平衡，以及贫困区面广、量大、程度深等突出问题，给城市综合承载力带来巨大挑战。2019年9月，习近平总书记在河南郑州亲自主持召开黄河流域生态保护和高质量发展座谈会并发表重要讲话，将黄河流域生态保护和高质量发展上升为重大国家战略。在此背景下，本文对黄河流域城市综合承载力进行研究，分析黄河流域城市综合承载力时空演进特征及制约因素，对促进黄河流域城市可持续发展、提高城市经济效益、解决区域发展不平衡不充分等问题具有一定的现实意义。

1 相关文献回顾

“承载力”一词本是物理力学中的概念，是指物体在不发生任何物理意义上的破坏时所能承受的最大压力[2]。Malthus[3]的《人口学原理》被认为是承载力研究的起点，Park & Burgess[4]最早将“承载力”的概念应用到人类生态学领域，提出“人口承载力”的概念，开启了承载力在不同领域研究的先河。Vogot[5]对土地承载力进行定义，指出土地承载力是一个地区的土地所能供养的人口数量和人类活动水平的能力。城市综合承载力概念的提出晚于其他承载力概念，Oh 等[6]将承载力的概念融入城市发展管理规划中，进而提出了一个综合性的城市承载力评估框架。具体来看，学术界对承载力的研究经历了人口承载力、资源承载力、环境承载力、生态承载力、经济承载力、文化承载力等概念内涵的演进历程，研究内容呈现从单要素制约承载力到多要素制约的系统承载力、从单个城市承载力扩展到区域城市群综合承载力的演变特征[7]。

国内外对城市综合承载力的研究主要集中在内涵、指标体系的构建及驱动因素等方面。在城市综合承载力的内涵方面，傅鸿源和胡焱[8]认为城市综合承载力应是城市资源承载力、城市环境承载力、城市生态系统承载力、城市基础设施承载力、城市安全承载力、公共服务承载力这六种承载力的有机结合；付金存等[9]认为城市综合承载力是在一定经济、社会、技术和资源环境约束下，城市的各类资源，尤其是水土等不可再生资源所能承载的人口和人类活动规模和强度的阈值；Santoso 等[10]提出城市综合承载力是指人类在进行社会经济活动时，能够保持自然环境的可持续发展并且不会对城市造成不可改变的破坏的能力。概括而言，城市综合承载力是一个动态的、综合的且具有相对极限意义的阈值[11]。在城市综合承载力指标体系的构建方面，尚未形成一套公认的评价体系，但以不同角度出发构建多维度的指标框架是目前学界评价城市综合承载力的普遍做法。如从资源需求和资源供给角度出发，构建包括土地、水资源、交通和环境的城市综合承载力评价体系[11]；基于PSR 分析框架，构建涵盖资源环境支撑、区域环境压力和城市建设调控的指标体系[12-13]；将“三生空间”理念引入城市综合承载力评价体系中，构建包含生产空间承载力、生活空间承载力和生态空间承载力的评价指标体系[14-15]；亦有学者基于城市综合承载力内涵，从经济、环境、资源、基础设施、文化等维度切入，构建评价指标体系[16-17]。在研究尺度上，集中于全国[18]、省级[12-13,15,19]、城市群[11,20-21]和地级市[22-24]等不同尺度。目前对城市综合承载力驱动因素方面的研究相对匮乏，当前研究多立足于城市综合承载力的指标体系，依据各指标对城市综合承载力的贡献度进行评价[11,25]，也有部分学者在指标体系之外从产业结构、人口规模、科学技术、对外开放等方面选取变量考察其对城市综合承载力的影响[26-27]，但由于研究区域、研究方法的不同，研究结论不尽相同。

综上所述，目前学术界对城市综合承载力方面已进行了大量的研究，取得了丰富的研究成果，但还存在一定研究空间：一是在研究区域上，现有研究多基于全国或者省域尺度，近年来开始拓展到城市群、地级市，但是对于黄河流域这一特殊地理经济区的研究相对不足；二是在研究深度上，多是基于城市整体视角考察综合承载力的驱动因素，忽视了不同城市的经济发展水平和区位禀赋因素可能导致的城市综合承载力影响因素的空间溢出效应。基于此，本文将黄河流域62 个地级市（不包括州、盟）作为研究对象，分析黄河流域城市综合承载力的时空演变特征，并进一步运用空间杜宾模型探讨不同因素对黄河流域城市综合承载力的影响及空间溢出效应，旨在为提升黄河流域城市综合承载力、实现黄河流域城市高质量发展提供有效参考。

2 研究对象、数据来源与研究方法

2.1 研究对象

黄河发源于青藏高原，全长5 464 千米，流域面积79.5 万平方千米，是我国仅次于长江的第二大河。在2019年9月召开的黄河流域生态保护和高质量发展座谈会上，明确黄河流域的空间范围为黄河流经的青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南、山东9个省级行政单位，但是，依据《国务院关于依托黄金水道推动长江经济带发展的指导意见》（国发〔2014〕39 号）的划分标准，四川已被整体纳入长江经济带这一重大国家战略，因此本文的研究范围不包括四川。另外，本文遵循以自然黄河流域范围为基础，尽可能保证地级行政单位的完整性以及充分考虑数据的可得性，将研究范围定为黄河流域流经的包括青海、甘肃、宁夏、内蒙古、山西、陕西、河南和山东等8 个省区，62 个地级及以上城市（不包括州、盟）。

2.2 数据来源

研究数据主要来源于《中国城市统计年鉴》（2010—2019年）、《中国区域统计年鉴》（2010—2019年）、《中国城市建设年鉴》（2010—2019年）、相关地区的统计年鉴以及国民经济与社会发展统计公报。绝大部分数据是统计资料中的原始数据，对于部分缺失数据，采用移动平均法进行插值处理。

2.3 指标体系的构建及数据处理

2.3.1 指标体系的构建

城市综合承载力是推动城市可持续发展的现实基础，包含城市经济承载力、社会承载力、资源环境承载力、基础设施承载力等在内的多种要素的有机结合。DPSIR模型是国内外学者构建综合类指标体系时常用的方法，该模型是欧洲环境署（EEA）在PSR（压力—状态—响应）模型和DSR（驱动力—状态—响应）模型的基础上提出来的，并将系统分为驱动力、压力、状态、影响和响应五大类别，其相互作用关系如图1所示。

驱动力（D）是从社会经济发展的角度直接或间接地反映城市综合承载力发展变化的原因，包括经济驱动和社会驱动两方面；压力（P）反映了人类活动对城市带来的负荷，包括资源消耗、环境污染等方面；状态（S）是指城市在上述驱动力和压力的作用下所处的状态，主要体现为自然环境和人类社会状态的发展质量；影响（I）反映了人作为城市生活的主体给城市发展带来的影响，包括社会影响、文化影响等方面；响应（R）是指个体或政府为改善生态环境、提高生活质量或为适应外界环境变化而做出的积极改变。本文借鉴近年来学者对城市综合承载力的评价研究，以科学性、地域性、可得性和全面性为原则，依据城市综合承载力的内涵，构建基于DPSIR 模型的黄河流域城市综合承载力评价指标体系（表1）。

表1 黄河流域城市综合承载力评价指标体系

2.3.2 数据处理

（1）数据标准化处理。

为消除量纲和指标属性的影响，对原始数据进行无量纲化处理，同时为了保证取对数有意义，将标准化后的数据平移一个单位。

正向指标计算方法：

负向指标计算方法：

（2）指标权重的确定。

指标权重的确定方法可分为客观赋权法和主观赋权法，为了能够真实客观地反映黄河流域城市综合承载力状况，本文采取客观赋权法中的熵值法，运用最大信息熵原理来确定指标权重。为了使不同年份间各个城市的综合承载力可以相互比较，本文引用加入时间因素的改进熵值法，对面板数据中各个指标赋权，同时对黄河流域城市综合承载力及其子系统进行评价，各个指标权重见表1所示。具体步骤如下：

①形成比重矩阵Y。

②计算第j项指标熵值。

③计算第j项指标的信息效用值。

④计算各指标权重。

（3）利用多目标线性求和法得出城市综合承载力及其子系统的估计值。

式中：Sai表示城市i第a年的城市综合承载力子系统的估计值，UCCai为城市i第a年城市综合承载力的估计值。

2.4 研究方法

2.4.1 探索性空间分析方法（ESDA）

地理学第一定律认为空间上任何事物都具有空间相关性，且相近的事物关系更紧密[28]，城市综合承载力也不例外。探索性空间分析方法（ESDA）的核心就是检验相邻单元的观测值是否有空间关联性，通过描述研究对象的空间分布并加以可视化，发现研究对象的空间聚集与空间异常，进而解释研究对象的空间互相作用机制，主要包括全局空间自相关和局部空间自相关两类分析工具。

（1）全局空间自相关。

全局空间自相关反映黄河流域城市综合承载力空间关联程度的总体特征，本文用全局Moran’s I 指数来衡量全局空间关联度。全局空间自相关的计算公式如下：

（2）局部空间自相关。

全局空间自相关在一定程度上忽略了空间的局部不平稳问题，为了进一步考察黄河流域城市综合承载力的空间分异格局，引入局部空间自相关分析方法对局部空间自相关特征进行分析，通常采用局域Moran’s I 指数对局部空间自相关进行衡量，计算公式如下：

其中，Ii为局部空间自相关值，可分为高—高、低—高、低—低和高—低四种聚类特征。局部莫兰指数通常用局部散点图来表示。

2.4.2 变量选取与模型设定

城市综合承载力水平受多种因素影响，参考既有研究成果[25-27]，本文从科技投入、资源消耗、产业高级化、对外开放程度、政府治理能力、金融发展水平和人口规模七个方面在评价体系外选取与城市综合承载力密切相关的影响因素，具体的变量说明见表2。常见的空间计量模型有空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。由于空间杜宾模型不仅包含了因变量的外生交互作用带来的空间相关性，还包含自变量的内生交互作用，可视为是对空间滞后模型和空间误差模型的改进。因此，本文采用空间杜宾模型（SDM）对黄河流域城市综合承载力的影响因素及其空间溢出效应进行研究。模型公式如下：

表2 变量选取和说明

式中：Yit表示i城市第t年的城市综合承载力水平，Yjt为邻域j城市第t年的城市综合承载力，Xit为城市i第t年的解释变量，Xjt表示邻域城市j第t年的解释变量，Wij为空间权重矩阵，β为解释变量的待估参数，ρ表示邻域地区城市综合承载力对本地区城市综合承载力的影响方向和程度，γ表示邻域地区解释变量对本地区城市综合承载力的影响方向和程度，μi表示空间效应，εit为随机扰动项。

由于空间杜宾模型（SDM）包含了被解释变量和解释变量滞后项的反馈效应，模型参数并不能直接准确地反映各个解释变量的边际效应。因此，进一步采用空间回归模型的偏微分方法，将解释变量对被解释变量的空间溢出效应分解为直接效应、间接效应和总效应[29]。其中，直接效应表示本地解释变量对本地城市综合承载力的直接影响；间接效应表示本地解释变量对邻域城市综合承载力的影响，即溢出效应；总效应表示解释变量对被解释变量总体的空间溢出效应。

2.4.3 空间权重矩阵的确定

空间权重矩阵是进行空间计量分析的基础，为综合考虑城市间地理距离和经济联系的双重影响，本文选取地理距离矩阵（W1）、经济距离矩阵（W2）和嵌套矩阵（W3）三种空间权重矩阵来衡量城市间的空间关联程度，其计算公式如下：

式中：dij为城市i与城市j之间的地理距离；和为样本期内城市i和城市j的人均GDP 平均值，θ为地理距离矩阵和经济距离矩阵的比重，本文取0.5。

3 黄河流域城市综合承载力时空演进特征

3.1 黄河流域城市综合承载力时序演进分析

通过熵值法计算得到2009—2018年黄河流域城市子系统承载力和综合承载力的得分情况（表3）。

表3 2009—2018年黄河流域城市子系统承载力指数和综合承载力指数

研究期内黄河流域城市综合承载力水平呈持续上升态势，具体而言，可将黄河流域城市综合承载力的增长趋势划分为三个阶段：（1）快速提升阶段：2009—2012年，该阶段伴随我国房地产市场快速扩张，带动了一系列城市基础设施建设，拓展了城市空间，对拉动经济增长、推进城镇化、改善人民生活等方面都发挥了重要作用，极大地促进了城市综合承载力的提升。（2）持续增长阶段：2013—2015年，随着居民收入水平的持续提高，拉动消费健康增长，推动产业结构转型升级和社会投资增长，进而提升城市综合承载力水平，黄河流域城市综合承载力在该阶段呈持续增长态势。（3）巩固发展阶段：2016—2018年，生态文明建设的持续推进加之人工智能飞速发展，该阶段黄河流域城市综合承载力在前期快速提升的基础上呈巩固发展态势。

为进一步分析城市综合承载力各子系统的时序演进特征，图2展示了2009—2018年黄河流域城市综合承载力各子系统的演化趋势。从各子系统对黄河流域城市综合承载力的贡献程度来看，影响子系统对黄河流域城市综合承载力的贡献最大，之后依次为状态、响应、驱动力和压力子系统。从各子系统的时间演化趋势来看，驱动力子系统指数总体呈上升态势，且增长幅度较大，说明经济和社会发展为黄河流域城市综合承载力的提升起到了较好的驱动效果；压力子系统指数在样本研究期内虽有一定程度上升，但幅度较小，说明随着我国生态文明建设的持续推进，黄河流域各城市积极转变经济发展方式，在节能减排和资源综合利用等方面均取得显著成果；状态子系统指数在驱动力和压力的双重作用下，呈现波动上升态势，且一直维持在较高水平，说明黄河流域环境和社会发展状态稳步向好发展；影响子系统对黄河流域城市综合承载力的贡献最大，在样本研究期内持续上升，说明人作为城市生活的主体，其产生的社会和文化影响对一个城市综合承载力的提升具有较强的促进作用，尤其黄河流域作为中华文明的发源地，具有丰厚的文化底蕴，而文化作为城市发展的“软实力”对提高城市综合竞争力具有不可替代的作用；响应子系统指数在2009—2016年呈持续上升态势，2017—2018年出现小幅下降，且响应子系统指数整体低于状态子系统和影响子系统，原因可能在于研究期内黄河流域处于快速城镇化发展阶段，城市人口快速扩张带来的住房基建需求和环境污染问题给当地政府造成较大压力，未来政府在基础设施建设和生态环境治理等方面有待进一步提高。

图2 2009—2018年黄河流域城市综合承载力各子系统演化趋势

3.2 黄河流域城市综合承载力空间格局分析

为了直观地展示黄河流域各城市的综合承载力空间分异情况，运用ArcGIS10.2 软件，根据自然断裂点分类结果，绘制了2009年和2018年黄河流域各城市综合承载力的空间分布图（图3）。2018年黄河流域的城市综合承载力要明显高于2009年，空间分布上，由沿海到内陆呈现“梯度下降”的空间格局；从省份内部考虑，省会城市或经济强市基本都是该区域城市承载力较高的地区，承载力水平呈现以省会为中心，以此向周围递减的情况。总体来看，黄河流域城市综合承载力基本呈现“东高西低”“省会高、周边低”的空间分异格局。

图3 2009年、2018年黄河流域城市综合承载力空间格局分布图

黄河流域城市综合承载力的子系统指数存在不同的空间分布格局，根据2009年和2018年黄河流域城市综合承载力各子系统得分情况，绘制了黄河流域城市综合承载力各子系统的地图可视化结果（图4）。驱动力子系统方面，2009年黄河流域多数城市处于低水平发展阶段，排名前五的城市分别是济南、乌海、青岛、包头和太原，低值地区连片集中在青海、甘肃、宁夏等西部省份城市，不同城市间差距较小；2018年黄河流域城市综合承载力水平较2009年有了较大幅度提升，但城市间差距扩大，呈现“东高西低”的空间分布格局。压力子系统方面，无论是2009年还是2018年，基本呈现“西高东低”的空间分布情况。由于历史、自然条件等原因，黄河流域上游地区是典型的生态脆弱区，荒漠和沙化面积占比较大，水资源总量严重不足，与中下游地区相比，经济社会发展相对滞后，资源利用方式也较为粗放，给当地的自然资源和生态环境带来较大压力。状态子系统方面，2018年较2009年有一定程度的提升，呈现“东高西低”的空间分布格局，高值主要集中在省会及其周边城市，低值主要分布在西部偏远地区，城市间差距呈扩大态势，整体呈现非均衡的演进趋势。影响子系统方面，空间集聚特征尤为突出，省会城市和副省级城市基本都是区域发展的中心，依次向周围扩散。响应子系统方面，各城市基本呈稳步提升状态，反映近年来黄河流域各城市在基础设施建设和环境治理方面取得一定成效。空间格局上，2009年基本呈现由沿海到内陆依次递减的态势，2018年山东半岛仍然是响应子系统高值的聚集区，但甘肃、青海、宁夏等西部省份受国家西部大开发战略和“一带一路”倡议等政策影响，不断缩小与中部地区的差距，部分城市出现高于中部城市的情况，呈现“东高西低、中部凹陷”的空间分布情况。

图4 2009年、2018年黄河流域城市综合承载力子系统空间格局分布图

3.3 黄河流域城市综合承载力的空间相关性分析

为考察黄河流域不同城市间综合承载力的提升是否存在相互依赖性，本文在计算得到黄河流域城市综合承载力的基础上分析城市综合承载力的空间相关性。2009—2018年黄河流域城市综合承载力在三种空间权重下的莫兰指数均为正值，且均通过了显著性水平检验，说明城市综合承载力呈空间正相关关系。从莫兰指数的变动情况来看，除在地理距离空间权重矩阵下莫兰指数有所下降外，在另外两种空间权重矩阵下，莫兰指数均在波动中有所上升，说明黄河流域城市综合承载力的空间聚集性存在增强的趋势（表4）。

全局莫兰指数仅能反映黄河流域范围内的整体集聚特征，而无法显示区域间的差异性。考虑到黄河流域区域间存在异质性，本文基于2009年、2018年的城市综合承载力数据，利用局部莫兰散点图，进一步揭示黄

原假设，进一步说明采用空间杜宾模型更合适。Hausman检验结果显示为负值，故应拒绝随机效应的原假设，选用固定效应[31]，再结合个体固定效应、时间固定效应以及个体时间双固定效应模型的拟合优度、相关的研究经验以及样本值特征等，本文认为选择个体固定效应模型更为合适，最终采取个体固定效应下的空间杜宾模型。

表6 空间计量模型检验

表7是空间杜宾模型的参数估计结果，在三种空间权重矩阵下，黄河流域城市综合承载力的空间自相关系数均为正且在1%的水平下显著，说明黄河流域城市综合承载力具有显著的正向空间溢出效应，即本地城市综合承载力的提高能够对邻域城市综合承载力提升产生显著的促进作用。由于嵌套矩阵综合考虑地理和经济双重因素下不同解释变量对城市综合承载力的空间溢出效应，因此本文着重分析嵌套矩阵下的空间杜宾回归结果。主效应方面，对外开放程度（OPE）、金融发展水平（FIN）和人口规模（POP）对黄河流域城市综合承载力具有显著的正向影响；溢出效应方面，资源消耗（ENE）和金融发展水平（FIN）对邻近城市综合承载力具有显著的抑制效应，产业高级化（IND）、政府治理能力（GOV）和人口规模（POP）对邻近城市综合承载力具有显著的提升作用。

表7 空间杜宾模型回归结果

4.2 空间效应分解分析

一般来说，由于空间杜宾模型包含了被解释变量和解释变量滞后项的反馈效应（本地城市承载力通过影响邻近城市承载力又反过来影响本地城市承载力），模型参数并不能直接准确地反映各个解释变量的边际效应。可采用偏微分方法将总效应进一步分解为直接效应和间接效应。

分析表8可知，科技投入（TEC）的直接效应、间接效应和总效应均不显著，原因可能在于当前黄河流域科技创新水平整体较低，不足以对当地及邻近地区城市综合承载力产生显著影响；资源消耗（ENE）的直接效应、间接效应和总效应的估计系数均为负，且至少在5%的置信水平下为负，说明以煤炭为主的能源消费结构带来的环境污染问题不仅不利于本地城市综合承载力的提升，还会通过溢出效应对邻近城市综合承载力产生负向影响；产业高级化（IND）的直接效应、间接效应和总效应均显著为正，表明产业结构转型升级不仅可以有效提高本地城市综合承载力水平，还可以通过空间模仿效应带动邻近城市综合承载力的提升；对外开放程度（OPE）的直接效应、间接效应和总效应均不显著，可能与黄河流域城市综合承载力整体发展水平不高有关；政府治理能力（GOV）的直接效应不显著，但间接效应和总效应分别在1%和5%的水平下显著为正，可能原因是财政支出增加带来的各项基础设施完善和居民福利的提升会对邻近城市产生正外部效应，促使邻近地区加快完善基础设施建设，增强社会保障水平，进而提升城市综合承载力水平；金融发展水平（FIN）的直接效应在10%的置信水平下显著为正，间接效应和总效应均不显著，说明提高金融发展水平可以有效提高当地城市的综合承载力水平，但无法对邻近城市综合承载力的提升产生显著影响；人口规模（POP）的直接效应、间接效应和总效应均在1%的水平下显著为正，人口规模扩大有利于各项资源要素在空间上形成聚集，激发经济增长内生动力，提高本地市场发展潜力的同时缓解邻近城市的就业压力，从而提升本地和周边城市综合承载力水平。

表8 空间效应分解结果

5 结论及建议

5.1 结论

本文基于DPSIR 分析框架构建黄河流域城市综合承载力评价指标体系，揭示黄河流域2009—2018年间城市综合承载力的时空演变轨迹，在此基础上，运用空间杜宾模型进一步探讨黄河流域城市综合承载力的影响因素及其空间溢出效应，本文的主要研究结论如下：（1）黄河流域城市综合承载力呈持续上升态势，五个子系统对于城市综合承载力的贡献度具有较大差异，其中，影响子系统对黄河流域城市综合承载力的贡献最大，之后依次为状态、响应、驱动力和压力子系统。（2）空间上由低水平的均衡向高水平的不均衡演进，基本呈现“东高西低”“省会高、周边低”的空间分异格局。（3）黄河流域城市综合承载力具有显著的空间正相关关系，空间关联类型以“高—高”“低—低”为主呈聚类分布，“高—高”聚集区主要分布在省会、副省级城市及东中部经济强市，“低—低”聚集区主要分布在甘肃、宁夏、青海等西部偏远城市。（4）产业高级化、金融发展水平的提升和人口规模的扩大可以有效提高本地城市综合承载力水平，资源消耗对本地城市综合承载力的影响为负；产业高级化、政府治理能力和人口规模对邻近城市具有显著的正向空间溢出效应，资源消耗会通过空间溢出效应抑制邻近城市综合承载力的提升。

5.2 建议

根据上述研究结论，本文提出以下几点建议：

第一，优化产业布局，提高城市间协同发展能力。黄河流域城市综合承载力具有显著的空间正相关性，东部地区高综合承载力的城市较多，西部地区低综合承载力的城市较多，因此可以通过建立跨行政区域管理结构，对流域内产业进行合理布局，促进区域协调发展、融合发展，提升区域城市综合承载力水平。

第二，充分发挥中心城市的辐射带动作用。省会城市或经济强市依托自身的城市等级和区位优势往往具有较高的城市综合承载力，因此应充分发挥这些城市的增长极作用，加强其与周边城市的联系，带动周边城市综合承载力的提升。

第三，政府制定政策应充分考虑城市间的差异和资源禀赋，因地制宜、分类施策。黄河流域城市综合承载力空间集聚和分异具有异质性特征，不同城市应结合自身情况，根据自身经济发展水平、资源禀赋、区位特点等制定有针对性的相关政策。

第四，注重发挥动力。根据上述分析可知，产业高级化、金融发展水平和人口规模是提升城市综合承载力的关键因素，因此黄河流域城市一方面应加快产业结构优化升级，注重培育新兴产业；另一方面要健全地方金融发展体系，提高金融发展水平，同时可以合理拓展城市空间范围，吸纳更多城市人口，提高人口和经济聚集度，进而提高城市综合承载力。

第五，转变经济增长方式。粗放型经济增长方式不仅会造成资源的浪费，其引发的环境污染问题会严重影响周围城市综合承载力的提升，因此采取低能耗、低污染、低排放的可持续经济发展模式是提高城市综合承载力的根本。