安徽省县域历史遗迹空间自相关分析

2014-08-08储汪生王小梅

绿色科技 2014年5期

关键词：遗迹安徽省区域

储汪生+王小梅

作者简介：储汪生（1989—），男，安徽潜山人,浙江师范大学硕士研究生。

Study of Rural Settlement Distribution and Potential of Land Remediation

in Qinglong Ethnic Man Autonomous County

Cui Zhigang1,Zhao Wenhui1,Yang Hao1,Li Xiaoqian1,Yu Qiuling2,Zhu Yongming2

（1.Department of Land Resources,School of Land and Resources,Hebei Agriicultural University,

Baoding 071000,China;2.Qinhuangdao Land and Resources Bureau,Qinhuangdao 066000,China）

Abstract:In order to carry out the rural land remediation work in Qinglong Ethnic Man Autonomous County,this article analyzes the influencing factors of rural settlement distribution and calculates the comprehensive scores of land remediation potential of each villages and towns by selecting some evaluation index from natural,economic and social aspects including land suitablity fro agriculture,forest coverage rate,elevation,rivers,roads,residential area per capita,etc.And then it divides the potential grades of remediation by the towns as units and studies the remediation programs of each potencial grade area accordingly.The results show that the classification result of potential confirms to the actual conditions and the proposed remediation programs have practical significances.

Key words:rural settlement;land remediation;remediation potential;Qinglong Ethnic Man Autonomous County区内的观测数据之间潜在的相互依赖性［2］。而这种空间依赖性表明空间要素彼此存在关联度,相互影响,不是的独立存在。全局空间自相关和局部空间自相关是空间自相关理论的重要组成部分。前者主要研究某一种空间要素在区域内与邻近单元要素属性的相关性程度。后者是研究区域内每一个单元的某个要素属性与相邻单元的相关性。依据空间自相关的性质,空间自相关可分为正空间自相关、负空间自相关和无空间自相关［3］。

2.1.1全局空间自相关

用来分析空间单元要素的相互关系的指数很多,但用的比较多的是Moran指数。在1950年美国学者Moran利用它来检验整个研究区中邻近地区间是相似、相异(空间正相关、负相关),还是相互独立的［4］。而Moran指数的值则位于1和-1之间。当无限接近于1时,则表明邻近地区的具有正相关性,而表现在空间上则是一种集聚,即高值与高值相邻,低值与低值相邻。当无限接近于-1时,则为负相关,即空间单元要素不同的属性也在空间集聚。当无限接近于0时,则表明相互独立,彼此不受影响,在空间上呈现随机分布。其计算公式如下:

I=∑ni=1∑nj=1WijCij∑ni=1∑nj=1WijS2ij=∑ni=1∑nj=1Wij(Xi-X)(Xj-X)∑ni=1∑nj=1Wij1n∑ni=1(Xi-X)(1)

式中,Cij=(Xi-X)(Xj-X),S2=1n∑ni=1(Xi-X)2。其中Wij表示区位相邻矩阵,Cij表示属性相似矩阵,Xi为i空间单元属性数据值,Xj为j空间单元属性数据值,Wij=1代表空间单元相邻,Wij=0表示空间单元不相邻,i≠j,Wij=0。用下式可以检验n个区域是否存在空间自相关关系［5］。

Z(I)=［I-E(I)］Var(I),E(I)=-1(n-1)(2)

根据Z值大小,在设定的显著性水平下做出接受或者是不接受零假设的判断。若取α=0.05,则当Z值小于1.96时,表明具有相近的单元属性的区域倾向于分散分布,存在负相关。当Z值大于1.96时,表明相近的单元属性的区域倾向于集聚分布,空间存在正相关。当Z值为零时,区域呈独立的随机分布［6］。

2.1.2局部空间自相关

虽然全局Moran指数能够整体反映区域某一空间要素的属性与邻近单元是否具有相关性,但不能具体的展现局部区域的自相关的状况。同时现实情况中,各局部区域的空间自相关完全一致的情况是很少见的,常常是存在着不同水平与性质的空间自相关,这种现象称为空间异质性［7］。所以早在1995年美国学者Anselin就提出了局部Moran指数,主要用来度量局部区域间某种空间要素之间是否存在聚集。所得结果一般通过GIS和Geoda软件表示出来。同时还有更多的科学方法可供参考,比如局部Getis G和局部Geary's C等方法［8］。而这里主要采用局部Moran指数来探讨历史遗迹的空间自相关。其计算公式如下［9］:

Ii=Xi-XS∑nj=1W(i,j)(Xj-X)(3)

式中,s=∑nj=1,j≠1X2j(n-1)-X2,n,Xi,X,Wij同上文公式(1)。当Ii>0时,则表明区域单元i与周围单元具有相同属性,在空间上集中分布,即高值分布在一起,低值分布在一起。而当Ii<0时,表明区域单元i与周围单元的属性值不同,即被高值包围,或者是被低值包围。

所得出的Ii需要对其结果进行统计检验,运算公式如下:

z(Ii)=Ii-E(Ii)S(Ii),其中S(Ii)=Var(Ii)。

2.1.3空间连接矩阵

根据对空间依赖性的测定,将相邻的空间单元赋值1,不相邻的赋值为0。这种定义下的空间权重矩阵也叫做二进制连接矩阵［10］。同时在通过总结前人的研究成果的基础上,将空间距离也作为空间连接的标准,当空间距离dij不小于设定距离d0时赋值为1,反之则为0。这就很清晰的将区域间的相邻关系或者是距离远近通过矩阵表现出来,把复杂的区域间相同要素分布问题理想化,剔除了许多难以用数字去测算的问题,使分析更具操作性。对于邻接矩阵,其定义如下。邻接关系有很多种,而本文主要采用的是一阶Rook的邻边方式,不采取邻点(Bishop)或者是邻点邻边(Queen)的邻接方法(表1)。

endprint

表1区域单元空间邻近关系与空间权重系数矩阵

权重系数邻接标准距离标准区域i与j邻接区域i与j不邻接dij≤d0dij>d0Wij1010

2.2数据

本文数据的主要来源于《安徽省2013统计年鉴》,以及中华人民共和国国家文物局官网,选取安徽省各78个县级行政单位(包括县级市和市辖区)2013年国家文物保护单位数,省级文物保护单位数作为研究对象,并选用安徽省现行行政区划图作为工作底图,该矢量图原件来源于国家基础地理信息系统网站。然后将底图导入ArcGIS软件,并将全省各县2013年文物保护单位数输入矢量图的相应属性表中,得到最终数据。

3测算结果与分析

3.1各县历史遗迹的全局空间自相关

利用ArcGIS的计算得出2013年安徽省各县Global Moran's I 估计值为0.2,检测值Z=2.99。如图1所示,当Moran's I接近0时,观测值不存在空间自相关,空间上呈随机分布［11］。说明安徽省各县文物保护单位在空间上具有显著地正空间自相关特性。

图1、图2是安徽省各县市文物保护单位在空间上分布的一个现状,颜色越深,表明其数量越多。从中可以看出,文物保护单位在空间上集聚分布,县与县之间差异比较明显。出现了“一心三核”的空间格局,一心即古徽州,两核则是安庆、亳州和六安。文物保护单位数量从南向北递减,自西南向东北递减。尤其是在黄山地区、安庆地区、亳州地区出现高值区这与历史发展规律十分吻合,也验证了历史遗迹和当地文化发展有着密切的关系。黄山地区在明清时期文化昌盛,徽商荣归故里大多都大兴土木,支持教育,造就了闻名于世的徽州文化。安庆地区是安徽简称“皖”的发源地,自清康熙六年(1667年)安徽建省始,直至建国初的200多年里,安庆一直是安徽省省会。桐城派、京剧、徽剧、黄梅戏都诞生于此。古代安徽省北方多出领导者和追随领导者的将才,而亳州地区则是一代枭雄曹操的故里,是有名的药都。六安寿县古时为楚国后期的都城,同时在以后多年一直是这一区域的行政中心,留下了大量的历史遗迹。

图12013年安徽省各县历史遗迹分布图

2014年5月绿色科技第5期3.2各县历史遗迹的局部空间自相关

空间联系局域指标值(即LISA)是通过GeoDa空间分析软件计算得出,按照操作步骤,软件会同时产生Moran散点图和LISA聚集图。这两幅图虽然其表现形式和含义各有不同,但彼此存在紧密的内在联系,所表达的内容是相同的,只是从不同侧面揭示了研究现象的空间关联特性,这就是形式和内容的关系。

3.2.1Moran散点图

主要用于研究局部空间的某种要素的异质性,其表现形式为笛卡尔直角坐标系,横坐标为各空间单元标准化后的属性值(研究对象的值,下同),纵坐标为标准化后的由空间连接矩阵决定的相邻单元属性值的平均值［12］。散点图由4个象限组成,4个象限的性质不同。右上方为“高高区”象限,左上方为“低高区”象限,左下方为“低低区”象限,右下方则是“高低区”象限。

从Moran散点图上可以明显的看出,安庆市辖区、潜山县、桐城市、枞阳县、青阳县、池州市、泾县、宣城市以及整个黄山地区都落入了“高高”区,这些地区文保单位数量比较多,周围地区数量也比较多,在空间上形成集聚,成为了安徽历史遗迹保存的热点区。而在“低低”区的县主要分布在皖北一带,说明这一区域整体上历史遗迹比较少成为了安徽历史遗迹的盲点区。皖北地区,虽然地处华北平原南部,但却一直是中原文化与吴楚文化的过度地带,换句话说都是这两种文化的边缘区。加之战乱和黄河的多次泛滥消耗了刚刚积累起来的文化底蕴。即使在这样的环境下,个别县还是拥有众多历史遗迹,如亳州市辖区、凤阳县、寿县等（图3）。

图22013年安徽省历史遗迹LISA聚集图

图3安徽省2013年历史遗迹Moran散点图

将散点图转化成表格形式,更能清楚的发现其中的分布规律,由于历史遗迹是本来就存在空间之上,根据其科学价值大小被评为国家级文保单位或升级文保单位。不同于GOP、人口有发展消亡的变化趋势。所以只能在单一的时间序列的观察其在空间上的规律。显而易见,从单一的时间序列上也能充分的表现出历史遗迹具有很强的空间依赖性和异质性(图4)。

图42013年安徽省历史遗迹Moran散点分布

3.2.2LISA聚集图

从Moran散点图中可以看出安徽省历史遗迹的空间特性突出,其空间格局是明显的二元结构。分别属于“高高区”和“低低区”象限的皖南热点区和皖北盲点区都具备较高的空间相关性,但是散点图没有清楚的表示出空间单元之间联系的程度,然而LISA值却能更好的表现出空间单元之间的相关程度。LISA值对于测算空间单元与相邻单元的某种要素的正负相关程度具有重要的应有价值利用Geoda软件,算出安徽省各县历史遗迹的LISA值,然后绘制出LISA聚集图,如图2。

黄山地区,古为徽州府,独特的江南山水组合造就了独特的文化。可以肯定黄山市应该是安徽古代文化的中心。从图上可以看出来,从黄山地区向周围扩散,同时周围区域也依据自身特色创造了独特的文化,遗留了众多的文物古迹。九华山自古便是佛教名山,香火绵延数千之久,安庆作为老省会文化昌盛一时,所以说安徽传统文化的中心在安徽南部,并且在空间集聚在一起,形成合力。同时在1667年安徽布政使司成立,省名取自安庆府(今安庆市)、徽州府(今黄山市及绩溪、婺源两县)两府首字,徽文化和安庆文化融合在一起,其后扩散到整个安徽地区。

4结语

通过利用空间自相关分析方法可以科学的得到历史遗迹分布不仅仅跟历史文化发展有关,同时也揭示了历史遗迹所在的区域之间具有有相关性。从定量的方法探究历史遗迹分布现象背后的空间相关性的本质。首先从全局Moran指数可以得出整个安徽区域在空间上具有自相关性。其次从局部Moran指数得出安徽省内部,即县域之间的历史遗迹存在明显的空间异质性。

同时本文在开展研究方面也存在着众多不足。首先在数据方面仅仅局限于2013年的数据,但考虑到文保单位不同于经济数据,其变化不是那么明显,被发现的历史遗迹也是越来越少。其次文保单位数这一项属性变量不能很好的反映一个区域的文化发展。

参考文献：

［1］刘湘平,黄方.GIS空间分析原理与方法［M］.北京:科学出版社,2005.

［2］侯进宇.基于空间自相关的村域经济研究以河南省巩义市为例［D］.开封:河南大学,2012.

［3］孟斌,王劲峰,张文忠,等.基于空间分析方法的中国区域差异研究［J］.地理科学,2005(4):11~18.

［4］ (美)王法辉.基于GIS的数量方法与应用［M］.姜世国,滕俊华,译.北京:商务印书馆,2011:213~216.

［5］吴玉鸣,徐建华.中国区域经济增长集聚的空间统计分析［J］.地理科学,2004(6):654~659.

［6］赵安周,白凯,卫海燕.中国入境旅游重心演变与省域空间分异规律［J］.陕西师范大学学报:自然科学版,2011(4):103~108.

［7］宋鸿,陈晓玲.运用空间自相关分析中国入境旅游增长空间格局［J］.世界地理研究,2006(1):101~108.

［8］ Ord JK,Getis A.Local spatial autocorrelation statistics:distri2butional issues and an application［J］.Geographical Analysis,1995(27):286~305.

［9］ Rey S,Montouri B.US regional income convergence:a spatial econometric perspective［J］.Regional Studies,1999(33):143~1564.

［10］刘旭华,王劲峰.空间权重矩阵的生成方法与实验［J］.地球信息科学,2002,4(2):38-44.