ESDA与大数据支持下的城市化发展时空格局研究<br/>——以江苏省为例

ESDA与大数据支持下的城市化发展时空格局研究
——以江苏省为例

2020-08-09樊文平王鸿康刘红平张子民

国土与自然资源研究 2020年4期

樊文平，王鸿康，刘红平，张子民

（1.山东建筑大学测绘地理信息学院，山东济南250101；2.山东建筑大学理学院，山东济南250101）

引言

江苏省属于长江经济带北翼，与安徽、浙江、上海共同构成的长江三角洲城市群已成为国际6大世界级城市群之一。江苏省综合经济实力在中国一直处于前列，2017年生产总值达85900.9亿元，城市化率达68.8%。然而，高城市化发展背后却也面临着诸如城乡差距及南北城市化发展差距均不断扩大的矛盾，对城市化的健康可持续发展影响巨大。因此，厘清江苏省城市化发展时空分异格局及变化趋势，掌握各地发展规律并探究其成因，能够为有针对性的制定不同城市及区域发展政策，保障各地城市化健康和谐发展提供科学依据。学术界关于城市化的区域格局研究已经非常丰富[1-5]。研究方法除了运用传统统计方法外，多结合GIS或R S技术辅助定量分析[6]。其中，探索性空间数据分析（E xplo r ato r y S patial Data A nalysis，E S D A）能够挖掘区域对象属性之间的空间依赖性和异质性，结合GIS技术能够将空间相关性分析的结果可视化，从而使人更好地理解空间规律和空间结构，在地理对象的空间分异及格局研究中应用广泛[7-14]。近年来，随着大数据的兴起，各种具有点位空间属性的大数据成为研究空间集聚现象的有力工具[15-18]。从省域的尺度来看，单个城市城区内部的人口流动变化可以忽略不计，人口空间集聚水平能够反映城市对人口的吸引力，从而反映城市化的发展水平。作为大数据的一种新形式，腾讯位置大数据能够在更加精细的时间和空间粒度上获取人口的实时点位信息，它包含的点位热度属性是由腾讯位置平台计算的与实际人口数量正相关的相对值，能够定量化的研究人口的实时空间分布密度。目前应用腾讯点位数据的研究还很少，仅有的几篇文献主要集中于人口网络特征[19]、城市群[20]及城镇空间[21]格局等方面。基于以上背景，本文提出从大数据及E S D A角度研究江苏省城市化发展时空分异格局，从而创新城市化空间格局研究方法，丰富城市化研究理论，并且助力江苏省城市化可持续发展。设计目标和意义是能够为规划人员在空间规划过程中提供一体化、可靠、高效并更直观、更科学的辅助决策手段，同时规划人员可以在该系统上进行规划选址等专业分析操作。

1 数据来源及预处理

城市化水平往往用城市化率指标（城镇人口/总人口×100%）来衡量，城市化率和城市化水平呈正相关。文章采用的城镇人口和总人口的数据均来自于《江苏省统计年鉴》（2000、2008、2017年）和中国县市统计年鉴。行政区矢量地图来自于国家基础地理信息中心提供的全国1：400万基础地理信息数据。研究样本选取了江苏省的13个地级市区和62个县（市）。腾讯点位热度数据来源为https://heat.qq.c om/。在正常工作日基本上可以排除像节假日外出旅游等造成的大规模人口迁徙，其人口分布具有稳定性。因此采用网络数据爬取技术获得江苏省2019年5月8号（星期三，工作日）上午10点的腾讯点位热度数据，采集时间间隔为半小时，数据粒度为公里格网。经过与江苏省矢量地图叠加获取每个县市内部的所有点位数据，取其平均数作为该县的人口热度指标。

2 结果分析

2.1 江苏省城市化发展时空变化

采用J enks自然断裂法将江苏省各区县的城市化率进行可视化，结果如图1所示。1999年，江苏省的城市化率在空间上还较分散，城市化率较高的地区主要位于各地级市区，苏南地区高于苏北地区。2007年，南北差异已经非常明显，苏南地区尤其是苏锡常范围已经形成高城市化水平县市的连片分布，苏北仅徐州和连云港及盐城的兴化市等地级市城市化率较高。2016年，苏南城市化率进一步提高，且城市化率高的地区范围继续扩大，苏北南部的盐城、泰州等部分县市，苏中的镇江部分县市城市化率也快速提高，相比之下，占江苏省面积一半以上的苏北地区则城市化率提高缓慢。总体来看，江苏省城市化发展大致遵循南高北低逐级递减的分布格局，即苏南＞苏中＞苏北。

2.2 江苏省城市化空间分异

2.2.1 全局空间自相关分析。基于GeoDA 软件，建立一阶后矩阵（Queen）作为空间权重矩阵，计算江苏省城市化水平Moran'I 值。表1 为Moran 散点图三个年份四个象限城市个数及其变化情况。表1 显示：1999 年江苏省县市城市化水平的Moran's I 值为负，P 值为0.118，Z 值为-1.063，表明江苏省各县市的城市化发展水平表现为高—低相依的近似随机分布格局。第三象限的数据点明显最多，可见江苏省区域的城市化水平在空间上存在低值簇的现象，但总体空间差异程度较小，有69.3%的县市城市化水平测度值小于平均值；2007 年和2016 年江苏省城市化水平Moran's I 值为正，P 值都为0.001，Z 值都大于6，说明这两个时间点上江苏省各县市的城市化发展水平分布格局呈现显著的空间集聚特征。一三象限内的点数占总数据点的81.3%和73.3%，说明江苏省城市化水平格局存在着高高集聚和低低集聚的现象。2007 年和2016 年城市化水平小于平均值的市县分别占58.7%和54.7%；1999 年到2016 年，江苏省区域城市化水平的Moran'sI 值由1999 年的-0.0962928 上升到2007 年的0.52487再降至2016 年的0.481446，说明该时间段内城市化水平格局的空间集聚性在逐渐增强，但在2007 年后集聚的趋势有所减弱。与1999 年相比，2016 年高—高集聚（第一象限）的县市显著增多，意味着城市化发展水平高的县市范围扩大明显，而城市化发展水平低的（低—低集聚的第三象限）县市范围有所减少。观察2016 年分布在不同象限的县市发现江苏省的城市化水平差距主要体现在苏南县市和苏北县市之间（表2）。

2.2.2 局部空间自相关分析。江苏省县市城市化水平的局部空间自相关图（图2）显示：1999年江苏省各县市城市化发展水平的分布格局并没有呈现出明显的集聚现象，只有极少区域呈现低—低集聚的特征。2007年至2016年间，江苏省县市城市化发展水平的空间分布格局并无较大变化。空间上没有显著集聚特征的地区主要分布在江苏省中部、徐州的西北部、连云港和南京镇江一带地区。而苏锡常一带呈现高—高集聚的特征；苏北的宿迁、淮安、盐城和徐州东部一带呈现低—低集聚的空间分布特征。

表1 城市化水平全局自相关类型成员数变化及Moran's I值

表2 一、三象限对应县市（2016年）

图1 江苏省城市化时空变化过程

图2 江苏省城市化水平局部空间自相关

1999年到2016年间，江苏省城市化发展水平在空间上呈现高—高集聚的县市从无到有再保持稳定。高—高集聚的县市从无增加到南京、苏州、无锡、常州等江苏南部一带城市。因为苏南大部分城镇都被长江串联，相邻市镇之间相距不远，县市之间的交流方便，这样密切的联系使得该区域空间上具有较强的关联性。凭借其位于东南沿海的地理位置的优势及区域经济发展优势，苏南地区的城市化发展迅速，是江苏省城市化发展的“热点”。苏北县市城市化发展水平在空间上也具有集聚的特征，表现为低—低集聚。1999年低—低集聚地区极少，随着时间推移，低—低集聚的区域不断增多，由宿迁、徐州的个别城市扩展到几乎八成徐州、连云港、宿迁的县市。可见，城市化发展水平在空间上具有显著集聚特征的地区为苏南地区和苏北地区，且城市化发展水平呈现集聚特征的县市远多于呈现分散特征的县市。这说明到2016年江苏省县市城市化发展水平具有明显的空间聚集特征。

2.3 人口集聚与城市化

将江苏省各县市的腾讯位置人口点位热度进行全局自相关计算，求得Moran's I值为0.125051，对其进行假设检验，P=0.053，Z=1.8336，结果显示仅在90%的置信水平显著相关，即江苏省2019年5月8号上午10点的人口分布热度具有不十分显著（没有超过95%）的空间弱相关关系。进一步对其进行局部空间相关计算（图3），结果显示，苏北的宿迁、淮安及盐城的部分县市以及苏中的泰州和扬州的北部县市形成了显著低—低集聚格局，苏南的苏州地区形成了显著的高—高集聚格局。对照2016年城市化水平的集聚情况（表3）可以发现，人口的空间集聚与城市化的空间集聚呈现基本一致的空间格局，低—低集聚多集中在苏北地区，即使有两个县属于苏中地区，也主要是位于与苏北交界的北部地区，高—高集聚主要集中在苏州市，范围小于苏锡常都市圈。说明人口的空间集聚分布一定程度上能够反映出地区的城市化发展水平。城市化发展水平较高的地区往往能够吸引更多人力，反之则对人口吸引力不足；反过来，人力资源的丰富又在一定程度上促进当地的城市化发展，两者具有耦合关系。

图3 江苏省区域人口位置热度的局部空间自相关图

对比江苏省城市化水平与人口点位热度可以发现（图4），城市化水平较高的城市主要有南京、无锡和苏州，而人口点位热度较高的城市有徐州、南京、常州、苏州和无锡。进一步计算腾讯位置点位热度与城市化的P ea r son相关性系数结果为0.657，并且在0.1水平上（双侧）显著相关可见，说明城市化与人口的分布之间存在显著的正相关性。

一个明显的例外是徐州市，作为江苏省重点打造的三大都市圈之一，徐州都市圈的中心城市，其经济地位不容小觑，因此对人口具有较强吸引力，所以点位热度较高，然而其城市化率却并未与之匹配，城市发展水平并不突出，徐州市未来可能要考虑如何利用人口集聚的优势进一步提高自身城市化水平。