基于GIS的盐城市区域发展时空特征研究

晏王波，张晓祥,2，姚 静,3，徐 盼，余其鹏

（1.河海大学 地理信息科学与工程研究所，江苏 南京 210098; 2. Environmental Remote Sensing and Informatics Lab, School of Geographical Sciences and Urban Planning, Arizona State University, Tempe, AZ 85287-5302, USA;3. GeoDa Center for Geospatial Analysis and Computation, School of Geographical Sciences and Urban Planning, Arizona State University, Tempe, AZ 85287-5302, USA）

基于GIS的盐城市区域发展时空特征研究

晏王波1，张晓祥1,2，姚 静1,3，徐 盼1，余其鹏1

（1.河海大学 地理信息科学与工程研究所，江苏 南京 210098; 2. Environmental Remote Sensing and Informatics Lab, School of Geographical Sciences and Urban Planning, Arizona State University, Tempe, AZ 85287-5302, USA;3. GeoDa Center for Geospatial Analysis and Computation, School of Geographical Sciences and Urban Planning, Arizona State University, Tempe, AZ 85287-5302, USA）

以江苏省盐城市为例，获取了1975年、1990年、2000年、2004年、2006年和2010年6个年份的土地利用分类数据，研究了盐城市区域发展的时空变化。选取LISA指数用于捕捉局部空间聚类特征，探索时段内的发展集群区域；同时利用Getis指数捕捉集群区域内的发展峰值，展示发展冷点地区和热点地区。研究结果表明，发展聚类在空间上呈现散点式分布，分布较为明显，且随时间推移范围逐步扩大；热点分布区仍然呈现以县市中心城区为主的格局，且该时段内逐渐由内陆向沿海发展；冷点区则呈现明显的减少趋势，北部及部分沿海区域正逐步转换为热点区。

区域发展；GIS；空间均一性；空间异质性；区域建模

在城市与区域研究中，空间和位置对区域发展与资源配置有着重要作用，空间问题存在非常显著的空间相关性和空间异质性[1]，因此区域分析与建模成为分析和理解区域内空间现象、过程、机制的重要方法[2]。一方面，在地理学研究领域，以数理统计为基础的计量地理学革命为空间效应的度量作出了基础性贡献[3,4]；另一方面，在区域科学、区域经济学领域，研究人员重视在经典的模型中加入空间要素的影响[5,6]。空间相关性和空间异质性普遍存在于空间格局现实问题中，但由于空间数据受空间相关性的影响，无法满足经典数理统计学中样本独立性的假设，因此，如何度量空间相关性和空间异质性的空间效应成为城市与区域建模的重要问题。为此，空间方法的整套理论与方法被提出[7]，用以发展相应的算子进行空间相关性、异质性检测。王劲峰等[8]提出地理信息空间分析的理论体系，并进行了大量的理论探索和应用研究[9]。在城市化热点研究方面，张弛等[10]通过对南京市城市化聚落动态进行分析，探索增长热点集中发生的区位；宣国富等[11]则探究上海市城市社会空间集聚的原因，揭示各影响因素的冷热点地区。

本文基于空间相关性和空间异质性，研究了城市发展中的不均衡性。使用LISA指数对江苏省盐城市自1975年特别是1990年以来至2010年的建设用地进行空间聚类分析，发现相同空间特征的地区聚集。同时，还探索了该时段内空间发展的异常峰值，揭示了研究区内区域发展的异质性，反映了盐城近年来空间发展的态势。

1 研究区概况与数据准备

图 1 研究区区位图

盐城市位于江苏省东部沿海地区（见图1），下辖9个区（县市），包括138个乡镇、2个国家级自然保护区以及一些沿海垦区与盐场，毗邻黄海。盐城市经济发展呈现显著的不均衡性，市区所辖亭湖区是盐城历史上的中心城区，基础设施完善，经济社会发展程度高；盐都区近年因新城区和开发区的建设获得了飞速发展，与亭湖区逐渐形成地区发展的核心；东台市、大丰市2市人口密度相对低，土地后备资源丰富，区域经济发展程度较高；而滨海县、阜宁县、响水县因区位因素和历史原因，人口密度较高，经济发展也相对滞后。另外，位于盐城市区中部地区的建湖县、射阳县经济社会发展程度居中。这种发展格局导致逐渐形成了盐城市中心城区集聚效应急剧增强、县域经济“南强北弱”的空间发展态势。

利用研究区6期（1975年、1990年、2000年、2004年、2006年和2010年）遥感影像并结合土地利用现状图进行影像分类，获取上述6期较为精确的土地利用信息数据。结合格网数据，在综合考虑研究区范围及数据的疏密性、工作效率的基础上，将格网大小定为4 km×4 km，将获取的盐城市数据格网化，对6期数据进行预处理，实现数据的初步准备工作。

2 研究方法

图2为技术路线图。为了更好地量化空间异质性，充分反映盐城市该时段内城市发展的趋势性及规律性，分别从空间聚类分析和冷热点监测2个方面进行分析。利用LISA指数进行空间聚类分析，探索空间局部集聚水平；同时利用Getis指数进行冷热点监测分析，识别不同空间区位上的高值簇与低值簇、冷热点区的空间分布；并利用研究区各个单元的扩展热点指数，依据数值大小划分等级，揭示盐城市城市用地和城市群建设用地的扩展程度，同时对冷点和热点地区以时间和空间2种视角进行分析，更为准确地探索建设用地发展热点和冷点区域及建设用地局部空间聚集特征。

图2 技术路线图

2.1 LISA指数

由于空间异质性普遍存在，全局观测指标往往难以有效地反映局部的细微差别，故本文选择LISA指数测度局部空间自相关，进一步探索局部空间集聚。局部空间自相关LISA公式为：

2.2 Getis指数

空间冷热点检测是通过监测空间数据的总体模式和趋势来进行热点评估。当高值和低值同时聚类时，它们倾向于彼此互相抵消，如果低值和高值同时聚类时测量空间聚类，则使用空间自相关工具；当存在完全均匀分布的值并且要查找高值的异常空间峰值时，首选Getis-ord General G工具。

为了汇总空间现象聚类的程度，以检查不同时期或不同位置的变化，可以比较某个城市的城镇发展以及密度集。选取Getis’G指数， Getis-Ord Gi*公式为：

式中，E(G*i(d))和Var(G*i(d))分别是 G*i(d)的数学期望和方差。如果Z(G*i(d))为正，且显著，表明位置i周围的值相对较高，属高值空间集聚，即热点区；反之，如果Z(G*i(d))为负，且显著，表明位置i周围的值相对较低，属低值空间集聚，即冷点区。

3 分析与讨论

3.1 LISA分析

为了反映各个区域之间的集聚程度及显著水平，利用Geoda绘制局部Moran散点图，采用999次置换方法进行显著性检验，其横坐标为各单元标准化处理后的属性值，纵坐标为其空间邻接矩阵所决定的相邻单元的属性值的平均值。

散点图分为4个象限，表达了某一点(区域)和其周围点(区域)4种类型的局域空间联系，即“高高”(HH)、“高低”(HL)、“低高”(LH)和“低低”(LL)。HH类型，空间单元以及周边单元建设用地发展较快，二者的空间差异程度较小；LL类型，表示区域自身与周边地区的建设用地发展较慢，二者差异较小；相反，对于HL类型，空间单元自身发展较低，周边单元建设用地发展较快，空间差异较大，而LH类型则表示区域自身发展较快，周边地区的发展较慢，二者空间差异依然很大。

图3 盐城市建设用地LISA图

以时间角度来看（见图3），各县市的中心空间单元呈现“高高”(HH)现象，并且随时间的迁移，逐渐以中心单元为轴心呈现“辐射圈”；相反，对于“低低”(LL)现象，原先集中在北部的响水、滨海，中部的大丰等地，后期这种现象逐渐消失，甚至转化为“高高”(HH)地区，而“高低”、“低高”则仍呈零散分布。

以空间角度来看，原先集中于老城区的亭湖、盐都2区，局部空间单元及其周边发展仍然较快，但是，由内陆向海岸沿线发展的趋势已较为明显，说明这些地区逐渐由散点式发展逐步向片区式发展转变，尽管部分地区受各种因素限制还未发展，但是发展趋势已经很明朗。

3.2 热点分析

计算Getis’G指数，图4中的指数较高(红色)区域代表发展较快区域，即热点区域。

图4 盐城市建设用地热点图

以时间视角来看（见图4），盐城早年没有火车、飞机、港口，也没有高速公路，大宗货物运输主要依靠公路和水路运输。扩展热点主要集中于盐城市市区、大丰市市区，它们的扩展热点指数都很高，即城镇主要围绕国道干线以及河流走向进行布局；而沈海高速盐城段及新长铁路、大丰港等一系列重要基础设施施工后，次热点主要沿响水县城、滨海县城、阜宁县城直到建湖县九龙口镇，沿射阳县一部分到亭湖区一线，从大丰市的刘庄镇自西向东到大丰港口以及从东台市的五烈镇横跨东台市，这些发展的热点及次热点地区随着时间的推移，可以重新整合盐城市域内部资源，逐渐以辐射状效应带动周边发展，增强地区发展后劲。

以空间视角来看，通过历史沿革及政府政策引导，扩展热点逐渐沿南北向的204国道、沈海高速（G15高速）、东西向的河流沿岸发展，形成了“交通走廊式”的城市空间格局，且明显有从内陆逐渐向海岸带转移的趋势。市域城镇空间分布呈现以盐城市区为中心，以河流水系、道路等交通线为脉络，逐年发展。

3.3 冷点分析

以时间视角来看（见图5），冷点区仍然集中在盐城北部的响水县和滨海县。尽管在2010年部分冷点地区已经转换为次冷点甚至是次热点，但是对于远离204国道等交通线、河流的地区，在近30年的时间内仍未发生太多改变，依然是冷点地区。

图5 盐城市建设用地时间序列冷点图

以空间视角来看，扩展冷点出现在一些区位较差、工业发展落后、城镇分布稀疏的地区，此类区域因远离市区和县城，交通不便，经济发展相对落后，建设用地的扩展态势也就没有其他地区强烈。由于开发政策全面实施以及农场、渔场转换为建设用地需要一定的过程，这样的长期过程导致了城镇发展的滞后性。次冷点地区主要集中在响水县南部沿中山河区域、建湖县与射阳县的交界部分、滨海县与射阳县交界部分，此部分由于河流的淤塞、远离县城中心，发展较慢。

沿海开发已从地方政策上升为国家战略，这对沿海岸带等已有格局产生冲击，特别是沿海高等级公路等相关政策实施，将会在一定程度上改变已有的空间分布。虽然沿海经济活动单一，相对于老的城镇还未形成“多点开花”发展态势，发展较慢而导致还存在一定程度的冷点地区，但是随着政策的逐步实施及相关产业的引进，未来的空间布局将会得到改善。

[1] Anselin L. Thirty Years of Spatial Econometrics[J]. Papers in Regional Science, 2010,89 (1)：3–25

[2] 杨吾扬，梁进社.高等经济地理学[M]. 北京:北京大学出版社,2000

[3] Berry B, Marble D. Spatial Analysis: A Reader in Statistical Geography[M]. Englewood Cliffs: Prentice-Hall,1968

[4] 林炳耀. 计量地理学概论[M].北京:高等教育出版社,1985

[5] Isard, W. Location and Space Economy[M]. MA: MIT Press,1956

[6] Anselin L. From SpaceStat to CyberGIS, Twenty Years of Spatial Data Analysis Software[J]. International Regional Science Review, 2012, 35(2):131-157

[7] Anselin L. Spatial Econometrics: Methods and Models [M].Dordrecht: Kluwer Academic,1988

[8] 王劲峰,李连发,葛咏,等. 地理信息空间分析的理论体系探讨[J].地理学报, 2000, 55 (1): 92-103

[9] 王劲峰. 空间分析[M].北京:科学出版社, 2006

[10] 张弛,刘茂松,徐驰,等. 南京市城市化过程中聚落动态的热点分析[J].中国生态学杂志,2009, 28(3)：503-508

[11] 宣国富,徐建刚,赵静. 基于ESDA的城市社会空间研究——以上海市中心城区为例[J].地理科学,2010, 30(1):22-29

[12] Anselin L. Spatial Data Analysis with GIS: An Introduction to Application in the Social Sciences [J].Technical Report,1992：92-10

[13] Getis A, Ord K. The Analysis of Spatial Association by Use of Distance Statistics [J].Geographical Analysis, 1992,24:189-206

Research on Regional Development Spatio-temporal Changes in Yancheng Based on GIS

byYAN Wangbo

In this paper, taking Yancheng City in Jiangsu Province for example, the study time nodes was identified as 1975、1990、2000、2004、2006、2010,and access to relevant data post-processing. The LISA index was chose to capture the local spatial clustering, to explore the development of regional clusters in periods better. On this basis,Getis Index was used to capture peak value within the cluster region in the development area, to show the development of the region of cold spots and hotspots. The study results show that regional spatial development clustering in space presents a scatter distribution and expand the scope of cluster gradually over time, hotspot distribution in space of Yancheng is still the pattern that is focused on the center citybased and along the ports and other transport facilities.

regional development,GIS,spatial homogeneity,spatial heterogeneity, regional modeling

P208

B

1672-4623（2013）02-0104-03

10.11709/j.issn.1672-4623.2013.02.033

2012-09-18。

项目来源：河海大学中央高校科研基金资助项目（2009B004141）。

晏王波，硕士，主要从事GIS与空间分析研究。