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.