四川藏区县域社会经济发展空间分布模式及演变研究

张静静 张文君 张巧云 李国明

(1. 西南科技大学环境与资源学院 四川绵阳 621010;2. 四川省第三测绘工程院 四川成都 610500)

研究资源的变化情况，传统方式仅通过历年数据增减变化来分析，只涉及属性信息，未涉及空间变化。根据近些年来的研究，有超过80%的信息都与空间位置相关，仅采用属性分析方法会丢失很多重要信息[1]。理解空间分布模式在县域资源变化中的应用，可以为以后实施更为精准的扶贫和建设开发提供指导意见和建议[2]。在此研究背景之下，本文利用空间统计的方式对研究区的发展进行空间分布模式探索，通过论述空间分布模式意义及如何使用ArcGIS运算相关空间分布指数，对研究区两期数据进行属性加权空间分析，进一步揭示各属性要素空间模式的演变情况，为发展当地经济提供指导[3-5]。

1 研究区概况、数据来源与指标选择

1.1 研究区概况及数据来源

若尔盖县位于四川省北部，地处青藏高原东北边缘，地理坐标东经102°08′～103°39′，北纬32°56′～34°19′之间，境内地形复杂，中西部和南部为典型丘状高原，地势由南向北倾斜，平均海拔3 500 m，土地总面积10 436.58 km2，总人口77 245人。该县是我国三大草原牧区之一，又是重要水源涵养区，一旦破坏极难恢复。作为国家级贫困县，经过党和政府的关心，加快了建设和脱贫的步伐，经济得到显著发展。

本文数据来源于四川省地理省情监测数据；第一次全国水利普查数据和交通、环保等专题资料；研究区统计年鉴(2010,2014)。

1.2 指标选择

结合研究区实际情况，根据指标选取的客观性、全面性、指标间相对独立性、可比性、易获性和代表性等，选取能综合反映县域社会发展的自然资源与社会发展两大类共7个指标：自然资源类包括已有建设用地、可利用土地资源、林草地面积、可利用水资源潜力；社会发展类包括总人口、人口聚集度、通车里程。

由于各量纲之间存在不统一情况，为使选取的各指标在同一尺度上进行评价，本文采用极差标准化法平滑差异进行无量化处理，公式如下：

(1)

式中，Y为指标标准化值；xi为实测值;xmax为实测最大值；xmin为实测最小值。

2 分析模型

2.1 全局自相关空间分布模式分析

空间分布模式有3种表现形式：聚集、离散和随机。聚集表示相同特征要素在空间上呈一定的向某一中心位置靠拢的趋势，反映各个要素相互吸引；离散则相反，表示要素之间呈相互排斥趋势；随机分布则表示要素在研究区内出现的机会都相等，且单一要素的存在不影响其他要素的分布[6-8]。空间自相关代表具有某种属性的要素在不同空间位置上是否存在相关性，是空间要素属性值聚集或离散程度的一种度量方法。社会发展及资源环境的具体指标都以属性数据方式存在，所以很多时候可利用属性与空间关系进行空间自相关判定[9-11]。本文采用澳大利亚统计学家帕特里克·阿尔弗雷德·皮尔斯·莫兰(Patrick Alfred Pierce Moran)提出的用于衡量空间自相关程度的莫兰指数(Moran' sI)进行计算，也称“全局空间自相关”[12]，计算公式如下：

(2)

(3)

判定空间过程是聚集或离散的z得分公式如下所示：

(4)

其中zI是莫兰指数I中相地应的z得分，E[I]=-1/(n-1)，表示要素两两相关关系数量的倒数并取反。

本文研究采用“共点共边”即相邻的空间关系计算空间权重,描述方式为：

(5)

根据以上公式，计算的莫兰指数将在[-1,1]区间内，结果为负表示全局范围内属性与空间呈负相关的趋势，即离散程度越大；若为正，表示完全正相关，即聚集度越大；莫兰指数绝对值表示空间相关性强弱，绝对值越大，相关性越强；负数表示负相关，正数表示正相关；若莫兰指数为0，表示此研究样本无显著空间相关性，呈现随机趋势[13]。

2.2 属性加权平均中心空间分布演变分析

空间分布演变与属性演变不同，空间分布的多维度无法单纯通过属性的增减来进行对比，正如对一批数据的整体趋势进行分析对比通常采用平均数、中位数等统计量进行分析一样[14]，空间分布的演变也常采用一些空间统计量进行分析，平均中心(Mean Center)就是最常用的一种，研究区域中所有要素平均x坐标和y坐标，平均中心对于分析追踪空间中要素分布变化及比较不同类型要素分布有着巨大作用[15-16]，以下是平均中心公式：

(6)

其中xi和yi是要素i坐标，n是要素总数。Wi为要素i处权重，加权平均中心扩展为：

(7)

3 研究区资源空间分布演变分析

本文选择研究区2010年和2014年自然资源和社会发展两大类共计7项指标数据进行资源环境空间分布及演变分析，指标选择如表1所示。

表1 研究区指标体系构建Table 1 Establishment of index system in the study area

3.1 全局空间自相关分析

结合表1指标利用ArcGIS空间统计中全局空间自相关工具对研究区资源环境进行相关运算，空间权重w基于邻接规则来定义，结果如表2所示。

从表2可看出：人口聚集度和可利用土地资源P值均超过0.05置信度区间，莫兰指数均接近0，表示这两个指标与空间位置无太大相关性。其他指标表明两期不同类别指标在空间分布上均发生变化：(1)总人口和通车里程2010年、2014年莫兰指数均大于0，z得分都超过2.65区间，表明数据集中高值和低值空间分布在空间上聚类的程度要高于预期变化情况；总人口从2010年的0.507 781降到2014年的0.502 489，表明在4年间人口聚类趋势呈现下降情况，但依然有很高空间自相关性和聚集性；通车里程从2010年的0.357 876上升到2014年的0.373 523，表明各乡镇通车里程数呈现聚集度上升趋势。(2)2010年的已有建设用地指标P值大于0.05，说明2010年此指标在整个研究区呈随机分布模式；2014年莫兰指数为0.253 172，z得分大于1.65，P值小于0.05，表现出显著正相关和聚类趋势，说明这4年间已有建设用地(房地产开发)在整个研究区呈现聚集趋势。(3)林草地面积在2010年和2014年均是正相关，呈现一定聚集趋势。(4)可利用水资源P值2010年小于0.05，2014年大于0.05，呈随机趋势，表明空间分布从弱聚集模式转为随机模式，即各乡镇水资源发生一定变化，属性上呈现下降趋势，而从空间上从聚集转向随机模式。

表2 全局空间自相关分析结果Table 2 Analysis results of global spatial autocorrelation

3.2 属性加权平均中心分析

利用ArcGIS平均中心工具对指标数据进行加权平均中心分析以确定各属性中心位置，图1为研究区几何平均中心，即无属性中心点位置，图2为研究区各指标项属性加权平均中心，可看出：除人口聚集度指标以外其他所有属性加权平均中心均位于几何平均中心南部，说明研究区社会发展和自然资源都呈现南重北轻趋势。在各项指标中，离几何平均中心距离最远点是已有建设用地，最近的是可利用土地面积。

图1 研究区几何平均中心Fig.1 Geometric mean center of the study area

图2 研究区各指标属性加权平均中心Fig.2 Weighted average center of the index attribute

如图3，各乡镇同属性加权平均中心移动距离偏移量最大是可利用水资源潜力，表明其空间变化有加剧趋势。偏移量第二大指标是人口聚集度，也是唯一位于几何平均中心以北的指标项，说明其与其他指标项在空间分布上有完全不同的表现，该指标项出现了向北偏移，说明北部人口流动和人口密度的变化大于南部。其他指标项反应的社会经济和自然资源重心均在南方，说明研究区北部的人员密度和人员流动的变化趋势大于南方，且在这4年发展中变化比南部更为剧烈。变化量最少的是林草地面积，4年间变化位移仅0.02 km，其次是已有建设用地，偏移量为0.14 km，说明指标项空间分布变化趋势基本保持不变。

图3 同类型属性加权平均中心移动距离Fig. 3 The moving distance of the same type of weighted average center

4 结束语

依据以上分析得出：研究区大部分指标项均呈现空间正相关趋势，说明在研究区空间分布上遵循了一贯的“集中发展”模式。利用空间关系对不同指标分析计算揭示的不同指标在空间分布上的变化情况与国家政策及社会发展相贴合。也表明了在社会经济发展的同时，导致了以可利用水资源为代表的生态环境空间分布情况发生了剧烈变化，县域经济发展差异依然存在。本文通过分析各种指标属性的空间分布变化对各类指标变化发展进行空间维度上的解释，为地理国情普查分析提供了新的思路以及可行方法。

[1] 国务院关于印发“十三五”脱贫攻坚规划的通知(国发〔2016〕64号)[S].2016.

[2] 侯进字. 基于空间自相关的村域经济研究[D].河南开封:河南大学, 2012.

[3] 龚双辉. 空间统计分析及在区域经济中的应用[D].湖北武汉:华中科技大学,2007.

[4] 陈蓉. 中国人口迁移的经济活动集聚效应研究[D].上海：上海社会科学院,2016.

[5] 邱杨.首都圈人口空间分布特征及其差异比较研究[D].北京：首都经济贸易大学, 2016.0

[6] 康维娜. 县域人口迁移的时空格局特征及其动力机制[D].重庆：重庆师范大学,2016.

[7] 谷建立,张海涛，陈家赢,等. 基于DEM的县域土地利用空间自相关格局分析[J].农业工程学报,2012,28(23):216-224.

[8] 李慧,王云鹏，李岩，等.珠江三角洲土地利用变化空间自相关分析[J].生态环境学,2011,20(12):1879-1885.

[9] 陈彦光. 基于Moran统计量的空间自相关理论发展和方法改进[J].地理研究, 2009 , 28(6) : 1449-1463.

[10] 张松林,张昆.全局空间自相关Moran指数和G系数对比研究[J].中山大学学报(自然科学版) , 2007,46(4): 93-97.

[11] 王雪平. 基于GIS的兰州市区金融空间格局研究[D].甘肃兰州：西北师范大学, 2006.

[12] 谢花林, 刘黎明, 李波, 等. 土地利用变化的多尺度空间自相关分析[J].地理学报, 2006,61(4):389-400.

[13] 王远飞,何洪林.空间数据分析方法[M].北京:科学出版社,2007:66-71.

[14] 王建华,秦其明,杜宸，等.局部空间自相关统计洪水灾害影像分析[J].测绘科学, 2015,40(10):26-29.

[15] 白彩全,陈昶,丁一帆，等.中国省域离婚率的时空格局及趋同演变研究[J].测绘科学,2015,40(11): 8-53.

[16] 张荣天,焦华富.安徽县域城镇化空间集聚特征及其影响因素分析[J].测绘科学,2017,41(1): 64-70.