基于GIS的安徽省水产品供应空间分布分析*

于 蕾

(合肥职业技术学院 安徽合肥 232001)

选择物流配送中心时需要考虑许多因素．目前很多学者在研究配送中心选址时都只考虑了下游的情况，但是却没有充分重视上游的重要作用，没有全面、综合性地分析配送中心供需资源的空间分布情况，如此一来，就会严重影响到整体的效益，会造成买卖两难现象的持续存在.作为连接消费者以及生产者的重要纽带，物流配送中心具有重要的地位与价值，其上、下游间具有紧密的关联，彼此制约以及影响.在制定决策的时候，要实现二者的有机结合，不能将其进行割裂，要对其进行全面、系统化的分析与探讨.消费以及生产间是彼此制约的，具有密切的关联.基于市场经济条件下，就需要对水产品产业结构以及产品的结构进行全面的分析与探讨，这样一来才能够使得消费者的需求得到充分的满足.郑晶等充分发挥R型聚类的作用，结合一些重要的指标，例如人均耕地面积、多年平均降雨量以及主要水产品供给优势指数等，科学、合理地划分的农业功能区域.朱俊林通过农业综合优势指数反映出水产品综合供给能力，并且采用空间分析的方法深入地探讨了湖北省主要水产品的发展状况与基本特点，例如水产品供应的空间集聚特征等.在对影响产品生产的因素进行分析时，大部分的学者均选择使用线性回归模型.通常状况下，普通的线性回归模型也可以将影响因子影响因变量的情况展示出来，可以将研究区域的总体平均水平反映出来.然而，这也存在一定的不足之处，即没有对不同区域变量彼此间的空间差异性以及空间依赖性给予全面的考虑.文章收集了安徽省105个行政区域水产品的空间趋势和分布特征，并从全球空间自相关和局部空间自相关的角度对其进行了分析．以期对未来安徽省水产品的配送中心的选址提供参考．

1安徽省水产品供应的空间分布特征分析

1.1空间趋势分析

在运用地统计学分析方法时，必须对数据服从正态分布的情况进行严格的检验，该数据信息检验结果表明，原始的数据无法充分满足此条件，所以就选择使用Excel对所有的样本点数据取对数，这样一来才能够充分地满足地统计学的相关标准与要求．

通过趋势分析能够对对研究区域范围内水产品供应的空间趋势改变状况进行直观、形象的观察与了解．该研究选择的是ArcGIS 10.0软件中所包含的的Geostatistical Analyst的趋势分析工具，充分发挥此工具的作用，在纬度以及经度的方向上把收集获得的研究区域范围内的全部样本点的水产品需求相关数据投影出来，在此基础上就能够对2010年、2013年和2016年安徽水产品供应在某个方向上的变化情况展开深入的研究与探讨，如图1-图3所示．

由图1可以看出，从2010年-2016年，这样一来既能够充分地满足地统计学的相关标准也能符合相关的要求．安徽省105个行政区域内水产品产量大致上是自西向东先增加后减少，自南向北也是具有先增加后减少的趋势．

1.2空间分布特征

文章采用GIS空间分析方法，更加直观地看出水产品生产在空间上的分布．将水产品生产在空间上的分布体现出来， 图4-图6中比例为1cm代表75km，红色由深至浅分别代表产量为：184921～361792吨、88001～184920吨、47185～88000吨、21199～47184吨、214～21198吨．

由图4-图6可以看出，水产品产量较高地区主要分布于安徽中部的六安市及周边、合肥市、滁州市和铜陵市；由趋势分析图和空间分布图可以看出各种水产品的产量在空间分布上呈现聚集的状态．

2空间自相关分析

利用ArcGIS 10.0软件，对2010年至2016年安徽省105个行政区域内各种水产品产量变化的全球空间自相关和局部空间自相关分析给予研究．

2.1全局空间自相关分析

此分析方法主要是对属性值在整体区域范围内所具有的空间特点进行说明，在此基础上，就能够检验在整个区域范围内，变量是不是发生集聚效应．目前具有大量的空间自相关的相关方法以及指标，其中最常见的即为莫罗兰指数(Moran's I )，该研究借助于此指数分析了安徽省水产品供应资源的空间分布特征．Moran的指数分析可以反映空间接近或相邻区域的单位属性的相似性，与一般统计中所包含的相关系数比较类似，其在当前获得非常广泛的应用．对于Moran'sI统计量而言，其假设检验方法主要包括两种：一种是近似正态分布的，另外一种是随机分布的．其数值范围是-1～1，假如取值>0，就是代表着存在负相关．它是使用最广泛的统计数据的方法，也就是说空间实体处于离散分布状态；假如取值等于0，就代表着空间相关性是不存在的，即为空间实体彼此间具有非常小的差距，实现了空间上的均衡发展，其处于随机分布的状态．I的数值大小及其相关性彼此间是具有正相关性，I的取值越大，那么其相关性也就越大．

Moran’s I定义如下：

(1)

表示第i区域的观察值，n为区域总值，Wij为二进制的毗邻空间权值矩阵，表示其中的任一元素，选取邻接标准或距离标准，其目标是定义空间目标的彼此邻接关系.一般邻接标准的为：

(2)

式中，i=1,2,…，n；j=1,2,…,n；m=n或m≠n.

ARCGIS 10.0软件中提供的空间关系总共包括六种：

(1)反距离法．在距离增大以后，那么研究对象彼此间的影响程度就会随之减小．

(2)距离平方法．在距离增大以后，研究对象彼此间的影响程度会大幅度的降低．

(3)二值法．此方法主要是将某距离作为阐值，在此距离范围之内，如果确认是相邻的，那么权重的数值取1.反之，则权重数值取0．

(4)综合法．此方法主要是实现了二值法以及反距离判断法的有机结合，在阂值范围内，权重的取值为0．如果超过此阂值，那么就会表现出反距离减少的情况．

(5)空间权重文件法．此方法主要是通过空间权重文件，最终掌握研究对象彼此间所存在的空间关联．其中用户首先实现对空间权重文件的预定义，将空间导入其中即可．

(6)公共边界法：该研究主要选用的是此方法对Wij给予定义．要采用Z检验方法严格地检验计算结果，这样才能够将空间集聚以及非集聚的区域区分开来，具体公式如下：

Z(I)=[I-E(I)]∕Var(I)

(3)

在表1中将处于不同置信度状况下的临界Z得分以及临界P值展示出来．Z>1．96，它表明在研究范围内的现象的分布显着相关，也就是说，在该范围内存在空间单元的空间自相关； 如果-1.96

表1 显著性检验标准水平表

利用公式(1)对安徽省2010年-2016年研究区域水产品全局空间自相关数值，结果如表2所示。

表2 安徽省2010年-2016年水产品全局自相关数值

表2表明，安徽省水产品的生产状况并不是随机分布的，在整个研究期内表现出明显的空间聚集特征．水产品产品的P-Value值总体<0.001，那么就可以反映出各农产品在空间上处于高度聚集的分布状态．从2010年-2016年，水产品产量是先减少后上升的，而水产品的的Moran's I值不是保持必变的．这表明了其产量在未来时间的空间效应可能会出现分散的情况，水产品生产的空间效应会出现不断聚集的情况．

2.2局部空间自相关分析

通过Global Moran's I可以对空间中类似属性的聚集水平进行反映，然而其也存在不足之处，即为对于聚集区域内的空间位置无法准确、科学地指出来．通过局域空间自相关分析就可以有效地弥补这一缺陷，其可以对空间因素的异质性特点进行全面的掌握，并且可以借助于LISA散点图的作用，对因素对象集聚地的具体范围以及空间位置进行直观、全面的了解与观察．Anselin通过大量的研究与实践，最终提出空间接触局部索引LISA，其能够对各个空间单元以及其相邻单元彼此间的局部空间关联性进行科学的测量．当前，许多的方法都可以对局域空间自相关的指标进行统计，其中包括LISA以及G统计等．该研究选择使用计算区域空间自相关性的方法主要是Local Moran's I( LISA)．借助于局域Moran's I可以科学地分解全局Moran's I，将其分解到各单元．具体的计算公式如下：

(4)

其中ZI以及Zj分别反映出时j以及i观测值的标准化形式，并且在公共边界的基础上获得Wij，在异常值以及聚类的分析图中，主要包含的空间联系方式共有五类，如图7-图9中的分别用五种色块来表示空间联系方式，分别用HH、HL、LL、LH和Not significant来表示，其中：

(1)HH类型表示极热点，表示该区域中存在的属性值很高的空间单元被一些同等高值的空间单元包围起来，彼此间存在非常小的空间差异性，空间正相关性非常强．

(2)HL型表示异质性突出，代表范围内属性值非常高的空间单元被一些属性值非常低的空间单元包围起来，两者的空间差异性较大，具有较强的空间负相关．

(3)LH表示异质性突出，区域中属性值较低的空间单元被具有较高属性值的空间单元包围．

(4)LL属于盲点区，表示地域本身和周边地区的福利水平均较低，两者的空间单元差别程度小，存在着较强的空间正相关；

(5)某一个属性值以及其附近空间单元属性值彼此间毫无关联，也就是所谓的Not significant型．该研究中，LL型以及HH型都能够充分展示出空间具有非常强的的空间正相关性．HH型代表高高型，表示某县市自身水产品供应高且被水产品供应高的其他县市所包围的区域；LL型代表低低型，代表的是某县市水产品的供应较低，与此同时还会被一些供应较低的其他县市进行包围的区域．对LH型而言，其主要表示的某县市自身的水产品的供应相对较低，然而却被水产品供应相对较高的其他市县进行包围的区域；所谓的HL型即为高低型，其主要指的是某区县的水产品供应相对较高，然而却被一些水产品供应相对很低的其他县市进行包围的区域．Not significant主要指的是各个县市彼此间的水产品供应毫无明显的空间自相关，其表现的是存在空间随机分布的一些区域．

文章利用公式(3)计算出安徽省2010-2016年各县市水产品的局域空间自相关值，借助于ArcGIS 10.0软件中所包含的空间统计工具Anselin Local Moran I绘制出一些聚类以及异常值的分析图，具体如下图7-图9所示．

由图7、图8、图9可以看出，在2010年—2016年期间，水产品产量局部自相关类型没有很大的变化．其中，2010年LL型地区为岳西县、石台县、祁门县、黟县、休宁县、歙县、绩溪县和旌德县，说明这些地区及附近地区的水产品产量一直较低；HH型为安庆市和枞阳县，说明这两个地区及附近地区水产品产量较高．而到2013年，岳西县的LL型消失，说明岳西县的水产品产量有所增加，枞阳县的HH型消失，说明枞阳县和周边地区的水产品产量有所降低，而2016年的局部自相关类型相对于2013年没有任何变化．

3小结

文章主要是利用趋势分析法研究安徽省内105个行政区划水产品供应在空间方面所展示出来的区域改变状况．在此基础上，充分发挥空间自相关分析方法的作用，全面分析与研究区域范围内水产品供应的空间分布状况，对未来水产品的合理、科学开发发挥良好的指导作用，把握市场方向．尤其为安徽省水产品的配送中心的建设提供有力的佐证，有利于安徽省未来水产品配送中心选址过程中优化方案．