張靜靜 張文君 張巧云 李國明

(1. 西南科技大學環(huán)境與資源學院 四川綿陽 621010;2. 四川省第三測繪工程院 四川成都 610500)

研究資源的變化情況，傳統(tǒng)方式僅通過歷年數(shù)據(jù)增減變化來分析，只涉及屬性信息，未涉及空間變化。根據(jù)近些年來的研究，有超過80%的信息都與空間位置相關(guān)，僅采用屬性分析方法會丟失很多重要信息[1]。理解空間分布模式在縣域資源變化中的應(yīng)用，可以為以后實施更為精準的扶貧和建設(shè)開發(fā)提供指導(dǎo)意見和建議[2]。在此研究背景之下，本文利用空間統(tǒng)計的方式對研究區(qū)的發(fā)展進行空間分布模式探索，通過論述空間分布模式意義及如何使用ArcGIS運算相關(guān)空間分布指數(shù)，對研究區(qū)兩期數(shù)據(jù)進行屬性加權(quán)空間分析，進一步揭示各屬性要素空間模式的演變情況，為發(fā)展當?shù)亟?jīng)濟提供指導(dǎo)[3-5]。

1 研究區(qū)概況、數(shù)據(jù)來源與指標選擇

1.1 研究區(qū)概況及數(shù)據(jù)來源

若爾蓋縣位于四川省北部，地處青藏高原東北邊緣，地理坐標東經(jīng)102°08′～103°39′，北緯32°56′～34°19′之間，境內(nèi)地形復(fù)雜，中西部和南部為典型丘狀高原，地勢由南向北傾斜，平均海拔3 500 m，土地總面積10 436.58 km2，總?cè)丝?7 245人。該縣是我國三大草原牧區(qū)之一，又是重要水源涵養(yǎng)區(qū)，一旦破壞極難恢復(fù)。作為國家級貧困縣，經(jīng)過黨和政府的關(guān)心，加快了建設(shè)和脫貧的步伐，經(jīng)濟得到顯著發(fā)展。

本文數(shù)據(jù)來源于四川省地理省情監(jiān)測數(shù)據(jù)；第一次全國水利普查數(shù)據(jù)和交通、環(huán)保等專題資料；研究區(qū)統(tǒng)計年鑒(2010,2014)。

1.2 指標選擇

結(jié)合研究區(qū)實際情況，根據(jù)指標選取的客觀性、全面性、指標間相對獨立性、可比性、易獲性和代表性等，選取能綜合反映縣域社會發(fā)展的自然資源與社會發(fā)展兩大類共7個指標：自然資源類包括已有建設(shè)用地、可利用土地資源、林草地面積、可利用水資源潛力；社會發(fā)展類包括總?cè)丝凇⑷丝诰奂?、通車里程?/p>

由于各量綱之間存在不統(tǒng)一情況，為使選取的各指標在同一尺度上進行評價，本文采用極差標準化法平滑差異進行無量化處理，公式如下：

(1)

式中，Y為指標標準化值；xi為實測值;xmax為實測最大值；xmin為實測最小值。

2 分析模型

2.1 全局自相關(guān)空間分布模式分析

空間分布模式有3種表現(xiàn)形式：聚集、離散和隨機。聚集表示相同特征要素在空間上呈一定的向某一中心位置靠攏的趨勢，反映各個要素相互吸引；離散則相反，表示要素之間呈相互排斥趨勢；隨機分布則表示要素在研究區(qū)內(nèi)出現(xiàn)的機會都相等，且單一要素的存在不影響其他要素的分布[6-8]?？臻g自相關(guān)代表具有某種屬性的要素在不同空間位置上是否存在相關(guān)性，是空間要素屬性值聚集或離散程度的一種度量方法。社會發(fā)展及資源環(huán)境的具體指標都以屬性數(shù)據(jù)方式存在，所以很多時候可利用屬性與空間關(guān)系進行空間自相關(guān)判定[9-11]。本文采用澳大利亞統(tǒng)計學家帕特里克·阿爾弗雷德·皮爾斯·莫蘭(Patrick Alfred Pierce Moran)提出的用于衡量空間自相關(guān)程度的莫蘭指數(shù)(Moran' sI)進行計算，也稱“全局空間自相關(guān)”[12]，計算公式如下：

(2)

(3)

判定空間過程是聚集或離散的z得分公式如下所示：

(4)

其中zI是莫蘭指數(shù)I中相地應(yīng)的z得分，E[I]=-1/(n-1)，表示要素兩兩相關(guān)關(guān)系數(shù)量的倒數(shù)并取反。

本文研究采用“共點共邊”即相鄰的空間關(guān)系計算空間權(quán)重,描述方式為：

(5)

根據(jù)以上公式，計算的莫蘭指數(shù)將在[-1,1]區(qū)間內(nèi)，結(jié)果為負表示全局范圍內(nèi)屬性與空間呈負相關(guān)的趨勢，即離散程度越大；若為正，表示完全正相關(guān)，即聚集度越大；莫蘭指數(shù)絕對值表示空間相關(guān)性強弱，絕對值越大，相關(guān)性越強；負數(shù)表示負相關(guān)，正數(shù)表示正相關(guān)；若莫蘭指數(shù)為0，表示此研究樣本無顯著空間相關(guān)性，呈現(xiàn)隨機趨勢[13]。

2.2 屬性加權(quán)平均中心空間分布演變分析

空間分布演變與屬性演變不同，空間分布的多維度無法單純通過屬性的增減來進行對比，正如對一批數(shù)據(jù)的整體趨勢進行分析對比通常采用平均數(shù)、中位數(shù)等統(tǒng)計量進行分析一樣[14]，空間分布的演變也常采用一些空間統(tǒng)計量進行分析，平均中心(Mean Center)就是最常用的一種，研究區(qū)域中所有要素平均x坐標和y坐標，平均中心對于分析追蹤空間中要素分布變化及比較不同類型要素分布有著巨大作用[15-16]，以下是平均中心公式：

(6)

其中xi和yi是要素i坐標，n是要素總數(shù)。Wi為要素i處權(quán)重，加權(quán)平均中心擴展為：

(7)

3 研究區(qū)資源空間分布演變分析

本文選擇研究區(qū)2010年和2014年自然資源和社會發(fā)展兩大類共計7項指標數(shù)據(jù)進行資源環(huán)境空間分布及演變分析，指標選擇如表1所示。

表1 研究區(qū)指標體系構(gòu)建Table 1 Establishment of index system in the study area

3.1 全局空間自相關(guān)分析

結(jié)合表1指標利用ArcGIS空間統(tǒng)計中全局空間自相關(guān)工具對研究區(qū)資源環(huán)境進行相關(guān)運算，空間權(quán)重w基于鄰接規(guī)則來定義，結(jié)果如表2所示。

從表2可看出：人口聚集度和可利用土地資源P值均超過0.05置信度區(qū)間，莫蘭指數(shù)均接近0，表示這兩個指標與空間位置無太大相關(guān)性。其他指標表明兩期不同類別指標在空間分布上均發(fā)生變化：(1)總?cè)丝诤屯ㄜ嚴锍?010年、2014年莫蘭指數(shù)均大于0，z得分都超過2.65區(qū)間，表明數(shù)據(jù)集中高值和低值空間分布在空間上聚類的程度要高于預(yù)期變化情況；總?cè)丝趶?010年的0.507 781降到2014年的0.502 489，表明在4年間人口聚類趨勢呈現(xiàn)下降情況，但依然有很高空間自相關(guān)性和聚集性；通車里程從2010年的0.357 876上升到2014年的0.373 523，表明各鄉(xiāng)鎮(zhèn)通車里程數(shù)呈現(xiàn)聚集度上升趨勢。(2)2010年的已有建設(shè)用地指標P值大于0.05，說明2010年此指標在整個研究區(qū)呈隨機分布模式；2014年莫蘭指數(shù)為0.253 172，z得分大于1.65，P值小于0.05，表現(xiàn)出顯著正相關(guān)和聚類趨勢，說明這4年間已有建設(shè)用地(房地產(chǎn)開發(fā))在整個研究區(qū)呈現(xiàn)聚集趨勢。(3)林草地面積在2010年和2014年均是正相關(guān)，呈現(xiàn)一定聚集趨勢。(4)可利用水資源P值2010年小于0.05，2014年大于0.05，呈隨機趨勢，表明空間分布從弱聚集模式轉(zhuǎn)為隨機模式，即各鄉(xiāng)鎮(zhèn)水資源發(fā)生一定變化，屬性上呈現(xiàn)下降趨勢，而從空間上從聚集轉(zhuǎn)向隨機模式。

表2 全局空間自相關(guān)分析結(jié)果Table 2 Analysis results of global spatial autocorrelation

3.2 屬性加權(quán)平均中心分析

利用ArcGIS平均中心工具對指標數(shù)據(jù)進行加權(quán)平均中心分析以確定各屬性中心位置，圖1為研究區(qū)幾何平均中心，即無屬性中心點位置，圖2為研究區(qū)各指標項屬性加權(quán)平均中心，可看出：除人口聚集度指標以外其他所有屬性加權(quán)平均中心均位于幾何平均中心南部，說明研究區(qū)社會發(fā)展和自然資源都呈現(xiàn)南重北輕趨勢。在各項指標中，離幾何平均中心距離最遠點是已有建設(shè)用地，最近的是可利用土地面積。

圖1 研究區(qū)幾何平均中心Fig.1 Geometric mean center of the study area

圖2 研究區(qū)各指標屬性加權(quán)平均中心Fig.2 Weighted average center of the index attribute

如圖3，各鄉(xiāng)鎮(zhèn)同屬性加權(quán)平均中心移動距離偏移量最大是可利用水資源潛力，表明其空間變化有加劇趨勢。偏移量第二大指標是人口聚集度，也是唯一位于幾何平均中心以北的指標項，說明其與其他指標項在空間分布上有完全不同的表現(xiàn)，該指標項出現(xiàn)了向北偏移，說明北部人口流動和人口密度的變化大于南部。其他指標項反應(yīng)的社會經(jīng)濟和自然資源重心均在南方，說明研究區(qū)北部的人員密度和人員流動的變化趨勢大于南方，且在這4年發(fā)展中變化比南部更為劇烈。變化量最少的是林草地面積，4年間變化位移僅0.02 km，其次是已有建設(shè)用地，偏移量為0.14 km，說明指標項空間分布變化趨勢基本保持不變。

圖3 同類型屬性加權(quán)平均中心移動距離Fig. 3 The moving distance of the same type of weighted average center

4 結(jié)束語

依據(jù)以上分析得出：研究區(qū)大部分指標項均呈現(xiàn)空間正相關(guān)趨勢，說明在研究區(qū)空間分布上遵循了一貫的“集中發(fā)展”模式。利用空間關(guān)系對不同指標分析計算揭示的不同指標在空間分布上的變化情況與國家政策及社會發(fā)展相貼合。也表明了在社會經(jīng)濟發(fā)展的同時，導(dǎo)致了以可利用水資源為代表的生態(tài)環(huán)境空間分布情況發(fā)生了劇烈變化，縣域經(jīng)濟發(fā)展差異依然存在。本文通過分析各種指標屬性的空間分布變化對各類指標變化發(fā)展進行空間維度上的解釋，為地理國情普查分析提供了新的思路以及可行方法。

[1] 國務(wù)院關(guān)于印發(fā)“十三五”脫貧攻堅規(guī)劃的通知(國發(fā)〔2016〕64號)[S].2016.

[2] 侯進字. 基于空間自相關(guān)的村域經(jīng)濟研究[D].河南開封:河南大學, 2012.

[3] 龔雙輝. 空間統(tǒng)計分析及在區(qū)域經(jīng)濟中的應(yīng)用[D].湖北武漢:華中科技大學,2007.

[4] 陳蓉. 中國人口遷移的經(jīng)濟活動集聚效應(yīng)研究[D].上海：上海社會科學院,2016.

[5] 邱楊.首都圈人口空間分布特征及其差異比較研究[D].北京：首都經(jīng)濟貿(mào)易大學, 2016.0

[6] 康維娜. 縣域人口遷移的時空格局特征及其動力機制[D].重慶：重慶師范大學,2016.

[7] 谷建立,張海濤，陳家贏,等. 基于DEM的縣域土地利用空間自相關(guān)格局分析[J].農(nóng)業(yè)工程學報,2012,28(23):216-224.

[8] 李慧,王云鵬，李巖，等.珠江三角洲土地利用變化空間自相關(guān)分析[J].生態(tài)環(huán)境學,2011,20(12):1879-1885.

[9] 陳彥光. 基于Moran統(tǒng)計量的空間自相關(guān)理論發(fā)展和方法改進[J].地理研究, 2009 , 28(6) : 1449-1463.

[10] 張松林,張昆.全局空間自相關(guān)Moran指數(shù)和G系數(shù)對比研究[J].中山大學學報(自然科學版) , 2007,46(4): 93-97.

[11] 王雪平. 基于GIS的蘭州市區(qū)金融空間格局研究[D].甘肅蘭州：西北師范大學, 2006.

[12] 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[J].地理學報, 2006,61(4):389-400.

[13] 王遠飛,何洪林.空間數(shù)據(jù)分析方法[M].北京:科學出版社,2007:66-71.

[14] 王建華,秦其明,杜宸，等.局部空間自相關(guān)統(tǒng)計洪水災(zāi)害影像分析[J].測繪科學, 2015,40(10):26-29.

[15] 白彩全,陳昶,丁一帆，等.中國省域離婚率的時空格局及趨同演變研究[J].測繪科學,2015,40(11): 8-53.

[16] 張榮天,焦華富.安徽縣域城鎮(zhèn)化空間集聚特征及其影響因素分析[J].測繪科學,2017,41(1): 64-70.