曾雨晴等

摘要：以地級(jí)市為空間尺度，利用GIS和GeoDa軟件，采取探索性空間數(shù)據(jù)分析方法（ESDA）對(duì)1998—2012年四川省市域人均耕地面積的空間格局特征、變化及空間關(guān)聯(lián)性進(jìn)行分析。結(jié)果表明，1998—2012年四川省市域人均耕地面積呈逐年下降趨勢(shì)，其中雅安市、成都市降幅最大；人均耕地面積在空間關(guān)聯(lián)性上呈空間正相關(guān)，相關(guān)系數(shù)較小，人均耕地面積高或低的市趨于相鄰，且呈不同程度集聚，但集聚程度不高，總體空間差異逐年增大；由Moran散點(diǎn)圖和LISA聚類(lèi)圖分析得出，落入LL和HH象限市域數(shù)量遠(yuǎn)大于LH和HL象限，顯著性區(qū)域很少，反映出人均耕地面積空間分布的異質(zhì)性，呈現(xiàn)空間離散分布格局。

關(guān)鍵詞：空間自相關(guān)；數(shù)據(jù)分析；人均耕地面積；四川省；空間格局

中圖分類(lèi)號(hào)： F323.211文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2015）09-0388-04

我國(guó)是人口大國(guó)，耕地后備資源不足，人均耕地面積不足世界水平的一半。隨著經(jīng)濟(jì)的快速發(fā)展，城市化進(jìn)程不斷加快，人口不斷增長(zhǎng)，優(yōu)質(zhì)耕地被占用為城市建設(shè)用地，我國(guó)的耕地資源更加緊缺。城市用地?cái)U(kuò)張和耕地保護(hù)間的矛盾引起國(guó)內(nèi)外學(xué)者的廣泛關(guān)注[1]。許多學(xué)者運(yùn)用經(jīng)典統(tǒng)計(jì)分析方法對(duì)耕地面積變化進(jìn)行不同視角的研究[2-4]，但是，由于空間依賴(lài)性的存在，該分析方法無(wú)法直接揭示與地理位置相關(guān)的空間數(shù)據(jù)關(guān)聯(lián)和依賴(lài)性。于是，許多學(xué)者引入空間統(tǒng)計(jì)分析方法[5]，有學(xué)者對(duì)城市人口分布、城市商業(yè)和住宅地價(jià)及城鎮(zhèn)化水平進(jìn)行了空間自相關(guān)分析[6-8]，也有學(xué)者將地理空間分析方法引入到區(qū)域GDP等空間分布進(jìn)行研究[9-10]，如華娟等運(yùn)用空間自相關(guān)分析方法并結(jié)合GIS技術(shù)，對(duì)人均糧食占有量空間差異進(jìn)行分析[11]。此外，越來(lái)越多的學(xué)者在地塊用途轉(zhuǎn)換、城鎮(zhèn)建設(shè)用地分布及土地利用變化中進(jìn)行多尺度空間自相關(guān)分析研究[12-14]。

人均耕地面積與其他地區(qū)的經(jīng)濟(jì)現(xiàn)象一樣，區(qū)域間的人均耕地面積不是獨(dú)立存在，而是存在擴(kuò)散效應(yīng)或極化效應(yīng)[15]，脫離空間角度來(lái)分析研究區(qū)域人均耕地面積的問(wèn)題是不全面、不科學(xué)的。四川省作為一個(gè)農(nóng)業(yè)大省，對(duì)其人均耕地面積區(qū)域分布特征及空間關(guān)聯(lián)性有待深入分析。本研究以四川省地級(jí)市為單位，基于空間自相關(guān)分析方法對(duì)四川省市域人均耕地面積的時(shí)空格局演變進(jìn)行分析，以期為相關(guān)土地管理部門(mén)更好地制定具有針對(duì)性的耕地保護(hù)措施提供參考。

1研究區(qū)概況與數(shù)據(jù)處理

四川省位于我國(guó)西南腹地，97°21′～108°31′E，26°03′～34°19′N(xiāo)，轄21個(gè)市州，幅員面積為48.5萬(wàn) hm2，耕地面積為401.07萬(wàn)hm2。川西為高原，川西南為山地，其余為四川盆地，四川地域遼闊，土壤類(lèi)型豐富，平原、丘陵主要為水稻土、沖積土、紫色土等，由于復(fù)雜的地形和不同季風(fēng)環(huán)流的交替影響，氣候復(fù)雜多樣，以亞熱帶季風(fēng)氣候?yàn)橹鳎募靖邷囟嘤?，冬季溫暖濕?rùn)，這些都有利于四川全面發(fā)展農(nóng)業(yè)生產(chǎn)[16]。

本研究數(shù)據(jù)來(lái)源于四川省統(tǒng)計(jì)年鑒，在收集四川省1998—2012年各個(gè)市州總?cè)丝凇⒖偢孛娣e的基礎(chǔ)上，利用ArcGis 10.1建立人均耕地面積的地理空間分布Shapefile格式數(shù)據(jù)，同時(shí)，運(yùn)用Arcgis 10.1、Geoda空間自相關(guān)分析方法，分析人均耕地面積在空間位置上的相互依賴(lài)程度。

2研究方法

空間自相關(guān)（spatial autocorrelation）是反映一個(gè)區(qū)域單元上某種地理現(xiàn)象或某一屬性值與鄰近區(qū)域單元上同一現(xiàn)象或?qū)傩灾迪嚓P(guān)程度大小的重要指標(biāo)，是空間域中的值聚集程度的一種量度[13]，包括全局空間自相關(guān)（global spatial autocorrelation）和局部空間自相關(guān)（local spatial autocorrelation）?？臻g自相關(guān)的空間結(jié)構(gòu)可以通過(guò)自相關(guān)圖、方差圖和周期圖等結(jié)構(gòu)函數(shù)來(lái)描述，考慮到相關(guān)系數(shù)（Morans I）的顯著性水平可以對(duì)已標(biāo)準(zhǔn)化的自相關(guān)圖進(jìn)行不同方案間的對(duì)比研究[14]，且局部空間自相關(guān)能夠揭示掩蓋在全局空間自相關(guān)下反常的局部狀況和小范圍的局部不穩(wěn)定性[5]。因此，采用全局Morans I統(tǒng)計(jì)量對(duì)1998—2012年四川省人均耕地面積進(jìn)行全局尺度上的分析，利用空間關(guān)聯(lián)的局部指標(biāo)Morans I散點(diǎn)圖和LISA聚類(lèi)圖進(jìn)行局部尺度的分析。

2.1空間權(quán)重矩陣

空間權(quán)重矩陣是空間統(tǒng)計(jì)分析與經(jīng)典統(tǒng)計(jì)分析的重要區(qū)別之一，是探索性空間數(shù)據(jù)分析（ESDA）的前提和基礎(chǔ)[5]。為揭示研究對(duì)象間的空間聯(lián)系，空間統(tǒng)計(jì)分析引入空間權(quán)重矩陣，通過(guò)定義一個(gè)二元對(duì)稱(chēng)空間權(quán)重矩陣W來(lái)表達(dá)n個(gè)位置空間區(qū)域的鄰近關(guān)系，其具體形式

2.2全局空間自相關(guān)分析

全局Morans I指數(shù)是分布特征較合意的測(cè)度指標(biāo)，其計(jì)算公式為：

式中：Ii為區(qū)域單元i的局部Morans I值；Xi為單元i的觀測(cè)值；X為研究區(qū)內(nèi)所有單元觀測(cè)值的均值；Wij為空間權(quán)重；n為區(qū)域單元數(shù)。對(duì)j求和僅限于單元i的所有鄰近單元。Ii的高值表示相似觀測(cè)值的區(qū)域單元的空間集聚，低值說(shuō)明不相似值的區(qū)域單元的空間集聚[19-21]。

局部空間自相關(guān)中散點(diǎn)圖的4個(gè)象限按性質(zhì)分為“HH”（第一象限）、“LH”（第二象限）、“LL”（第三象限）、“HL”（第四象限）?！癏H”為熱點(diǎn)區(qū)，“LL”為冷點(diǎn)區(qū)，落入這2個(gè)象限的空間單元存在較強(qiáng)的空間正相關(guān)；“HL”表示某一空間單元屬性值較高，而周?chē)鷨卧^低，“LH”與之相反，落入這2個(gè)象限的空間單元存在較強(qiáng)的空間負(fù)相關(guān)[13，22-23]。為進(jìn)一步揭示四川省市域人均耕地面積在局部尺度上的空間集聚程度，選用LISA聚類(lèi)圖和LISA 顯著水平圖來(lái)探測(cè)局部的空間自相關(guān)和空間差異。

3結(jié)果與分析

3.1人均耕地面積變化分析

研究結(jié)果表明，1998—2012年，四川省市域人均耕地面積占有量整體呈下降趨勢(shì)，1998—2003年的下降幅度大于2003—2012年。由圖1可見(jiàn)，1998、2003、2012年這3年中，雅安市的人均耕地面積下降幅度最大，降幅高達(dá)43.7%，其次是成都市、巴中市、阿壩州，降幅均大于30%，其他市域人均耕地面積都有不同程度減少，但相對(duì)降幅較小。

3.2人均耕地面積變化的空間分布規(guī)律分析

3.2.1全局空間自相關(guān)分析由圖2可見(jiàn)，1998—2012年，四川省人均耕地面積Morans I值均大于0，四川省市域人均耕地面積在研究期內(nèi)呈空間正相關(guān)，即人均耕地面積高或低的市，相對(duì)應(yīng)和人均耕地面積高或低的市相鄰近；人均耕地面積雖然呈現(xiàn)不同程度的聚集，但Morans I值均小于0.2，說(shuō)明集聚程度并不高；1998—2003年，Morans I值呈下降趨勢(shì)，且2001—2003年下降幅度最大，這是由于該期間阿壩州、甘孜州、雅安市深受退耕還林、還草政策的影響，而成都市、資陽(yáng)市和綿陽(yáng)市等盆地和丘陵地區(qū)城市建設(shè)加快，大量耕地被占用；2003—2012年Morans I值波動(dòng)不大，基本趨于平穩(wěn)，其中，2009年Morans I值有小幅上升，這說(shuō)明四川省市域人均耕地面積空間差異有進(jìn)一步擴(kuò)大的趨勢(shì)，與四川省內(nèi)耕地減少的流向有著密切聯(lián)系。為此，應(yīng)因地制宜保護(hù)耕地，加大土地集約利用效率、實(shí)現(xiàn)土地資源的優(yōu)化配置。

3.2.2局部空間自相關(guān)分析全局指標(biāo)是用于探測(cè)整個(gè)研究區(qū)域的空間模式，局部指標(biāo)是計(jì)算每一個(gè)空間單元與鄰近單元就某一屬性的相關(guān)程度[19]。全局指標(biāo)有時(shí)會(huì)掩蓋局部狀態(tài)的不穩(wěn)定性[24]，為進(jìn)一步揭示四川省市域人均耕地面積在局部尺度上的空間集聚程度，運(yùn)用Morans I散點(diǎn)圖和LISA聚類(lèi)圖來(lái)可視化和探測(cè)局部的空間自相關(guān)和空間差異。

由圖3可見(jiàn)，1998、2003、2012年3個(gè)年份，近1/2區(qū)域落入LL象限（冷點(diǎn)區(qū)），近1/4區(qū)域落入HH象限（熱點(diǎn)區(qū)），剩余區(qū)域近1/4零星散落于LH象限和HL象限，且落入冷點(diǎn)區(qū)的區(qū)域數(shù)量遠(yuǎn)大于落入LH象限和HL象限的市域數(shù)量。這表明四川省市域人均耕地面積在局部范圍內(nèi)具有空間相關(guān)性，集聚格局較為顯著，也反映出人均耕地面積空間分布存在異質(zhì)性，呈局部空間的離散分布格局。

基于Geoda 10.0及ArcGis 10.1軟件，在5%顯著性水平上利用LISA集聚圖對(duì)1998、2003、2012年散點(diǎn)圖中表現(xiàn)出的局部區(qū)域空間分布格局進(jìn)行統(tǒng)計(jì)分析。由圖4可見(jiàn)，1998年HH型顯著的區(qū)域有甘孜州和雅安市，屬于高值集聚，HL型顯著的區(qū)域僅有資陽(yáng)市，具有較大空間差異性，即資陽(yáng)市人均耕地面積高，周?chē)鷧^(qū)域人均耕地面積低，LL型顯著的區(qū)域有自貢市和瀘州市，屬于低值集聚，空間差異較小，即人均耕地面積較低的市和人均耕地面積較低的市趨鄰，不存在LH型；2003年HH型顯著的區(qū)域僅有甘孜州，雅安市落入LH型顯著區(qū)域，HL型顯著的區(qū)域僅有眉山市，也不存在LL型顯著區(qū)域，人均耕地面積空間分布異質(zhì)性加強(qiáng)；2012年HH型、HL型顯著區(qū)域與2003年相比未發(fā)生變化，仍不存在LL型顯著區(qū)域，LH型顯著區(qū)域新增攀枝花市，空間異質(zhì)性變化趨于穩(wěn)定。由此可知，雖然四川省市域人均耕地絕大部分呈局部空間正相關(guān)，但是顯著區(qū)域很少，且呈正相關(guān)的區(qū)域主要是高值或與高值集聚的區(qū)域，主要分布于川西地區(qū)，而川東區(qū)域空間分布差異較大，與川西地處高原、地勢(shì)平坦、地廣人稀而川東地勢(shì)起伏、人口密集、經(jīng)濟(jì)發(fā)達(dá)有關(guān)。1998—2012年LL型顯著區(qū)域消失而新增雅安市、攀枝花市這2個(gè)LH型顯著區(qū)域，說(shuō)明空間異質(zhì)性加強(qiáng)，這是因?yàn)檠虐彩袑?shí)施退耕還林政策，耕地面積大為減小，導(dǎo)致人均耕地面積減少，而攀枝花市經(jīng)濟(jì)發(fā)展和城市化進(jìn)程加快，耕地不斷被占用，也導(dǎo)致人均耕地面積的下降。

4結(jié)論

基于1998—2012年四川省統(tǒng)計(jì)年鑒數(shù)據(jù)，對(duì)四川省21個(gè)市（州）人均耕地面積時(shí)空格局演變特征及其空間自相關(guān)性分析可知：（1）四川省市域人均耕地面積占有量總體呈下降的趨勢(shì)，其中，下降幅度最大的區(qū)域?yàn)榇ㄎ鞯难虐彩泻臀挥谄皆某啥际校浯螢榇|丘陵區(qū)巴中市和川西北高原的阿壩州。（2）四川省市域人均耕地面積總體上呈空間正相關(guān)，即人均耕地面積高或低的市相應(yīng)地和人均耕地面積高或低的市趨于相鄰；人均耕地面積空間集聚程度各異，總體空間集聚程度偏低；省內(nèi)耕地流向差異是人均耕地面積空間差異逐年增大的重要原因之一，其中，甘孜州、阿壩州和雅安市受退耕還林、還草政策的影響，而盆地和丘陵地區(qū)受城市化進(jìn)程加快占用大量耕地影響。因此，應(yīng)以實(shí)現(xiàn)土地資源最優(yōu)配置為目標(biāo)，堅(jiān)持因地制宜為原則保護(hù)耕地，提高土地節(jié)約集約利用效率。（3）Morans I散點(diǎn)圖和LISA圖中，落在LL象限和HH象限的市域數(shù)量遠(yuǎn)大于落在HL和LH象限市域數(shù)量。四川省市域人均耕地面積在局部范圍內(nèi)具有空間相關(guān)性，集聚格局

較為顯著，同時(shí)也反映出人均耕地面積空間分布存在異質(zhì)性，呈局部空間離散分布格局。（4）退耕還林、還草政策和城市化建設(shè)占用大量的耕地，導(dǎo)致人均耕地面積空間分布的顯著型類(lèi)型發(fā)生變化。雅安市由原來(lái)的HH型變?yōu)長(zhǎng)H型，攀枝花市由不顯著區(qū)域變成LH型，同時(shí)，LL型顯著區(qū)域消失，說(shuō)明人均耕地空間分布的異質(zhì)性加強(qiáng)，更應(yīng)切實(shí)關(guān)心耕地保護(hù)工作，做到“占補(bǔ)平衡”，在保護(hù)好耕地的同時(shí)更好、更快地發(fā)展經(jīng)濟(jì)，縮小地區(qū)間差距。

參考文獻(xiàn)：

[1]談明洪，呂昌河.城市用地?cái)U(kuò)展與耕地保護(hù)[J]. 自然資源學(xué)報(bào)，2005，20（1）：52-58.

[2]蔡運(yùn)龍，傅澤強(qiáng)，戴爾阜.區(qū)域最小人均耕地面積與耕地資源調(diào)控[J]. 地理學(xué)報(bào)，2002，57（2）：127-134.

[3]黃大全，鄭偉元.海外城市化與耕地保護(hù)對(duì)中國(guó)的啟示[J]. 中國(guó)土地科學(xué)，2005，19（3）：38-43.

[4]何格，歐名豪.城市化與四川糧食安全問(wèn)題研究[J]. 農(nóng)業(yè)現(xiàn)代化研究，2005，26（5）：349-352.

[5]徐建華.計(jì)量地理學(xué)[M]. 北京：高等教育出版社，2006：120-130.

[6]公云龍，張紹良，章蘭蘭.城市地價(jià)空間自相關(guān)分析——以宿州市為例[J]. 經(jīng)濟(jì)地理，2011，31（11）：1906-1911.

[7]杜國(guó)明，張樹(shù)文，張有全.城市人口分布的空間自相關(guān)分析——以沈陽(yáng)市為例[J]. 地理研究，2007，26（2）：383-390.

[8]賀振.基于空間自相關(guān)的河南省城鎮(zhèn)化水平空間格局研究[J]. 測(cè)繪科學(xué)，2010，35（6）：178-179，191.

[9]萬(wàn)魯河，王紹巍，陳曉紅.基于GeoDA的哈大齊工業(yè)走廊GDP空間關(guān)聯(lián)性[J]. 地理研究，2011，30（6）：977-984.

[10]孟斌，王勁峰，張文忠，等. 基于空間分析方法的中國(guó)區(qū)域差異研究[J]. 地理科學(xué)，2005，25（4）：393-399.

[11]華娟，涂建軍，楊?lèi)?ài)秋.基于空間自相關(guān)的人均糧食占有量空間差異研究[J]. 農(nóng)機(jī)化研究，2013（6）：25-28，32.

[12]高進(jìn)云，喬榮鋒.基于空間相關(guān)分析的農(nóng)地城市流轉(zhuǎn)決策模型研究[J]. 干旱區(qū)資源與環(huán)境，2014，28（5）：25-29.

[13]韋素瓊，張金前，陳健飛.基于空間自相關(guān)的閩臺(tái)城鎮(zhèn)建設(shè)用地分布研究[J]. 地理科學(xué)進(jìn)展，2007，26（3）：11-17，插1.

[14]謝花林，劉黎明，李波，等. 土地利用變化的多尺度空間自相關(guān)分析——以?xún)?nèi)蒙古翁牛特旗為例[J]. 地理學(xué)報(bào)，2006，61（4）：389-400.

[15]張海軍.河南省市域農(nóng)民人均收入空間自相關(guān)分析[J]. 南陽(yáng)師范學(xué)院學(xué)報(bào)，2009，8（9）：57-61.

[16]四川省商務(wù)廳.四川概況[EB/OL]. （2014-4-10） [2015-07-15].http：//www.sccom.gov.cn/xxfb/page/scgk/index.htm.

[17]Chen F，Du D S. Application of integration of spatial statistical analysis with GIS to regional economic analysis[J]. Geo-spatial Information Science，2004，7（4）：262-267.

[18]le Gallo J，Ertur C. Exploratory spatial data analysis of the distribution of regional per capita GDP in Europe，1980—1995[J]. Papers in Regional Science，2003，82（2）：175-201.

[19]張松林，張昆.空間自相關(guān)局部指標(biāo)Moran指數(shù)和G系數(shù)研究[J]. 大地測(cè)量與地球動(dòng)力學(xué)，2007，23（3）：31-34.

[20]Tang J J. Exploratory spatial data analysis of the distribution of regional per capita GDP in Yangtze Delta，China：1994-2004[J]. Ecological Economy，2008（2）：180-188.

[21]王遠(yuǎn)飛，何洪林.空間數(shù)據(jù)分析方法[M]. 北京：科學(xué)出版社，2007：94-100.

[22]陳小勇，林鵬.我國(guó)紅樹(shù)植物分布的空間自相關(guān)分析[J]. 華東師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2000（3）：104-109.

[23]王勁峰，孫英君，韓衛(wèi)國(guó)，等. 空間分析引論[J]. 地理信息世界，2004，2（5）：6-10.

[24]Getis A，Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis，1992，24（3）：189-206.