崔開俊

(江蘇省蘭德土地工程技術有限公司，江蘇南京 210019)

基于GeoDA的江蘇省土地利用投入產出耦合協(xié)調度空間分析

崔開俊

(江蘇省蘭德土地工程技術有限公司，江蘇南京 210019)

采用耦合協(xié)調度模型、GeoDA方法對江蘇省土地利用投入產出耦合協(xié)調度進行空間分析，結果表明，江蘇省土地利用投入產出耦合協(xié)調度空間差異顯著，蘇南為熱點區(qū)，蘇中、蘇北為冷點區(qū)，且蘇中、蘇北地區(qū)的城市間差異也較顯著，為全省踐行節(jié)約集約用地“雙提升”行動計劃提供借鑒和參考。

GeoDA；江蘇?。获詈蠀f(xié)調度；空間分析

土地利用的經(jīng)濟效益是土地利用效益評價的核心之一，是衡量土地集約利用水平和效率的重要指標。學者對該領域已有較多研究，但側重于市、縣級的單一分析，較少從省域層面著手，且多從土地投入、土地產出等選取指標構建評價指標體系，較少對兩者間的協(xié)調關系進行分析。因此，筆者以江蘇省為例，利用空間分析軟件GeoDA分析省內13個地級市的土地投入與產出的耦合協(xié)調度及其空間差異規(guī)律，為全省踐行節(jié)約集約用地“雙提升”行動計劃提供借鑒和參考。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況 江蘇省東臨黃海，與上海市、浙江省、安徽省、山東省接壤，下轄13個地級市。江蘇與上海、浙江共同構成的長江三角洲城市群已成為6大世界級城市群之一。2014年全省GDP為66 814.24億元，比上年增長8.93%，在全國位居第二；人均國內生產總值81 874元，在全國位居第四。

1.2 數(shù)據(jù)來源 研究區(qū)域的圖形數(shù)據(jù)來源于江蘇省2014年以各地級市為行政單元的矢量數(shù)據(jù)圖層，研究區(qū)域的GDP等數(shù)據(jù)來源于《江蘇統(tǒng)計年鑒2015》，其他省份及地區(qū)的經(jīng)濟數(shù)據(jù)來源于《中國統(tǒng)計年鑒2015》。

1.3 研究方法 采用GeoDA進行江蘇省土地投入產出耦合協(xié)調度空間分析。GeoDA是基于空間自相關原理進行空間統(tǒng)計分析的軟件?？臻g自相關是測試空間某點觀測值是否與其相鄰點的值存在相關性的一種空間統(tǒng)計分析方法[1]，是研究空間中的某空間單元與其周圍單位，針對某一特征數(shù)據(jù)值進行統(tǒng)計分析，計算空間自相關性程度，分析其在空間上的分布特性。事物在空間上表現(xiàn)出很強的相關性，空間距離越近，屬性越相近?？臻g自相關計算空間相關性的定量指標，能很好地揭示空間分布的規(guī)律性[2]。

1.3.1 構建指標體系。借鑒相關研究成果[3]，結合數(shù)據(jù)的可獲取性，土地經(jīng)濟效益主要從土地投入和土地產出兩方面選取指標，土地投入選取建設用地比重、人均擁有道路面積、地均固定資產投資額、地均勞動力投入水平4個指標，土地產出選取人口密度、經(jīng)濟密度、地均消費品零售額、地均財政收入4個指標(表1)。

1.3.2 數(shù)據(jù)標準化處理。對表1中13個市的8項指標數(shù)據(jù)進行無量綱化處理，公式為：

Bij=(Aij-minAij)/(maxAij-minAij)

式中，Bij為指標標準化值，Aij為某一指標值，maxAij為某一指標的最大值，minAij為某一指標的最小值。

1.3.3 土地投入產出水平。采用熵權法確定8項指標權重，根據(jù)下列公式計算得出土地投入和土地產出水平：

式中，C1為土地投入水平；C2為土地產出水平；wj為第j項指標權重；Bij為第i城市第j項指標的標準化值；n為城市個數(shù)。

1.3.4 耦合協(xié)調度。土地投入與產出耦合協(xié)調度的計算公式為[4]：

D=C1×C2/[(C1+C2)/2]2

E=a C1+(1-a)×C2

F=(D×E)0.5

a=w1/(w1+w2)

式中，D為耦合協(xié)調系數(shù)，反映了土地投入與土地產出協(xié)調程度；E為土地利用整體效益水平；F表示耦合協(xié)調度；a為土地投入的權重，1-a為土地產出的權重。根據(jù)土地投入與產出協(xié)調發(fā)展分類體系及判別標準(表2)，對根據(jù)公式計算得出的耦合協(xié)調度進行判斷。

表1 土地產出投入指標體系及數(shù)據(jù)

表2 土地投入與產出協(xié)調發(fā)展的分類體系及判別標準

1.3.5 空間自相關指標。

1.3.5.1 全局空間自相關指標。全局空間自相關指標用于驗證整個江蘇省13個地級市的土地投入產出耦合協(xié)調度的空間分布特征。Moran’I的公式為[5]：

式中，I為Moran指數(shù)；Fi為城市i的觀測值；wij為空間權重矩陣。Moran’sI的取值范圍在[-1，1]，大于0表示正相關，小于0表示負相關，等于0表示不相關。

1.3.5.2 局部空間自相關指標。局部空間自相關指標LISA用于反映一個城市耦合協(xié)調度與鄰近城市耦合協(xié)調度的相關程度，公式如下[5]：

2 結果與分析

2.1 耦合協(xié)調度空間分布特征 根據(jù)上述研究方法，對相關數(shù)據(jù)進行處理，得到江蘇省13個地級市的土地投入水平、土地產出水平、耦合協(xié)調系數(shù)和耦合協(xié)調度(表3)。

由表3可知，江蘇省土地投入與產出的耦合協(xié)調度平均值為0.380 4，平均水平屬于輕度失調衰退類。南京、無錫、蘇州和鹽城這4個市的土地產出水平高于土地投入水平，為投入滯后型，其余9個市為產出滯后型。13個市中位于協(xié)調發(fā)展類的僅有南京、無錫和蘇州，且均為協(xié)調發(fā)展類型中最低層級的初級協(xié)調發(fā)展類；處于過渡類的有常州和鎮(zhèn)江，其中常州為過渡類的勉強協(xié)調發(fā)展類，鎮(zhèn)江為過渡類的瀕臨失調衰退類；協(xié)調發(fā)展類和過渡類的城市均在蘇南地區(qū)，其余7市屬于失調衰退類型，均位于蘇中、蘇北地區(qū)，且7市間的耦合協(xié)調度差異明顯。可見全省土地利用耦合協(xié)調水平不高，各市之間耦合協(xié)調度差異較大。蘇南地區(qū)協(xié)調水平相對較高，蘇中、蘇北地區(qū)較低，且較低區(qū)域內的城市之間差異明顯(圖1)。

表3 土地利用投入與產出耦合協(xié)調情況

Table 3 The coupling coordination status of input-output of land use

地級市Prefecture?levelcityC1C2DF類型Types南京Nanjing0．30740．43460．97060．60211無錫Wuxi0．43230．50260．99440．68281徐州Xuzhou0．14990．09490．94960．33954常州Changzhou0．31460．30760．99990．55762蘇州Suzhou0．38840．44440．99550．64471南通Nantong0．20650．11750．92450．38494連云港Lianyungang0．09270．03830．82770．23105淮安Huaian0．01980．01890．99950．13916鹽城Yancheng0．00150．00270．91880．04407揚州Yangzhou0．10440．10311．00000．32214鎮(zhèn)江Zhenjiang0．23270．19290．99120．45843泰州Taizhou0．16060．11950．97840．36914宿遷Suqian0．10830．01710．47140．16956

注：1表示初級協(xié)調發(fā)展類投入滯后型，2表示勉強協(xié)調發(fā)展類產出滯后型，3表示瀕臨失調衰退類產出滯后型，4表示輕度失調衰退型產出滯后型，5表示中度失調衰退型產出滯后型，6表示嚴重失調衰退型產出滯后型，7表示極度失調衰退型投入滯后型。

Note：1.Input lag type of primary coordination development class，2.Output lag type of barely coordinated development class，3.Output lag type on the verge of disorder，4.Output lag type of mild disorder class，5.Output lag type of moderate disorder class，6.Output lag type of serious disorder type，7.Input lag type of extreme disorder class.

圖1 江蘇省13市土地投入產出耦合協(xié)調度分布Fig.1 The distribution of coupling coordination degrees of input-output of land use in 13 cities of Jiangsu Province

2.2 耦合協(xié)調度的相關性分析

2.2.1 耦合協(xié)調度的全局空間自相關分析。運用GeoDA軟件對13個市的耦合協(xié)調度進行空間自相關分析[6]，得到全局空間自相關指數(shù)Moran’sI為0.646 418，說明全省13個市的土地利用投入產出耦合協(xié)調度在空間上正相關性，即存在空間集聚。

圖2 Moran散點圖Fig.2 Moran scatter

為檢驗Moran’sI是否顯著，在GeoDA中采用蒙特卡羅模擬的方法來檢驗，結果顯示，P值為0.000 3，說明在99.97%置信度下空間自相關是顯著的。

圖2中，第一象限和第三象限的點為空間正相關的點數(shù)據(jù)，表明這些市在空間上正相關，第二象限和第四象限的點為空間負相關的點數(shù)據(jù)，表明這些市在空間上負相關。位于第一象限的有5市，其中蘇州、無錫、常州、南京等4市均屬蘇南地區(qū)，說明蘇南地區(qū)(鎮(zhèn)江市除外)是熱點區(qū)；位于第三象限的有鹽城、宿遷、揚州、徐州、連云港、淮安等6市，說明這6市所在區(qū)域為冷點區(qū)。

2.2.2 耦合協(xié)調度的局部空間自相關分析。江蘇省13個市土地投入產出耦合協(xié)調度LISA聚集結果見圖3。由圖3可知，熱點區(qū)中的常州市屬于顯著High-High類型，冷點區(qū)中的連云港市、淮安市和鹽城市屬于顯著Low-Low類型，其他9市均為不顯著類型。

圖3 江蘇省13市土地投入產出耦合協(xié)調度LISA聚集結果Fig.3 LISA aggregation results of coupling coordination degrees of input-output of land use in 13 cities of Jiangsu Province

對全省13市土地投入產出耦合協(xié)調度的全局空間自相關和局部空間自相關分析結果表明：江蘇省13個地級市之間的土地利用投入產出耦合協(xié)調空間“兩極分化”現(xiàn)象顯著。

3 結論

(1)江蘇省土地投入與產出的耦合協(xié)調度水平整體不高，平均水平為輕度失調衰退型，但13個地級市之間差異顯著，蘇南地區(qū)耦合協(xié)調度較高，蘇中、蘇北耦合協(xié)調度相對較低，且位于蘇中、蘇北的9個地級市之間差異較顯著。

(2)江蘇省13個地級市土地投入產出耦合協(xié)調度存在顯著的空間正相關性，蘇南地區(qū)呈現(xiàn)空間High-High集聚，即蘇南地區(qū)的南京、蘇州、無錫、常州的耦合協(xié)調度較高，蘇中、蘇北主要呈現(xiàn)Low-Low集聚，即蘇中、蘇北地區(qū)的鹽城、宿遷、揚州、徐州、連云港、淮安也存在較強的空間正相關，但這6市的耦合協(xié)調度較低。

[1] 陳小勇，林鵬.我國紅樹植物分布的空間自相關分析[J].華東師范大學學報(自然科學版)，2000(3)：104-109.

[2] 于雪芹，張濤，孫妍，等.基于GeoDA的吉林省區(qū)域經(jīng)濟統(tǒng)計分析[J].吉林建筑工程學院學報，2013，30(6)：12-15.

[3] 宋戈，高楠.基于DEA方法的城市土地利用經(jīng)濟效益分析：以哈爾濱市為例[J].地理科學，2008，28(2)：185-188.

[4] 楊麗霞，夏浩，苑韶峰.基于耦合協(xié)調度的土地利用經(jīng)濟效益空間差異分析：以浙江省為例[J].中國土地科學，2015，29(11)：83-88.

[5] 萬魯河，王紹巍，陳曉紅.基于GeoDA的哈大齊工業(yè)走廊GDP空間關聯(lián)性[J].地理研究，2011，30(6)：977-984.

[6] 陳安寧.空間計量學入門與GeoDA軟件應用[M].杭州：浙江大學出版社，2014.

Spatial Analysis on the Coupling Coordination Degree of Input-output of Land Use of Jiangsu Province Based on GeoDA

CUI Kai-jun

(Jiangsu Lande Engineering Technology Co. Ltd., Nanjing, Jiangsu 210019)

The coupling coordination degree of input-output of land use in Jiangsu Province was analyzed by adopting the model of coupling coordination degree and GeoDA. It was concluded that there’s obvious difference in the coupling coordination degree of input-output of land use in Jiangsu Province. Besides, south of Jiangsu Province was hot spot area while middle and north of Jiangsu Province was cold spot area. There’s obvious difference among cities in middle and northern Jiangsu Province. All the above analysis was provided to be reference for carrying out the action of double promotion of intensive utilization of land resources.

GeoDA; Jiangsu Province; Coupling coordination degree; Spatial analysis

崔開俊(1983- )，女，江蘇揚州人，工程師，碩士，從事土地規(guī)劃與利用研究。

2016-10-26

S-29；F 301.2

A

0517-6611(2016)35-0205-04