滨州市教学机构空间分布特征分析

王平云，相 妮

（山东科技大学测绘与空间信息学院，山东青岛 266000）

随着科教兴国战略的实施，科教文化机构分布越来越广泛，对于科教文化机构的空间分布研究也显得越来越重要［1］。使用滨州市的POI 数据，结合夜间灯光数据和人口数据研究滨州市教学机构的分布特征及影响因素。从整体上了解滨州市的教学机构分布特征，以期为滨州市未来科教文化机构的规划建设提供参考。

1 研究区域概况

滨州市位于山东省北部，是山东省的北大门，地处鲁北平原和黄河三角洲腹地，矿产资源丰富。滨州市下辖五县二区和三个经济开发区，分别是惠民县、博兴县、邹平县、无棣县、阳信县、滨城区、沾化区、滨州经济开发区、滨州高新技术产业开发区、滨州北海经济开发区。滨州市总面积约为9 660 km2，截至2019 年底，全市户籍人口为396.7 万人。

2 使用数据及处理过程

本次使用的研究数据为山东省滨州市乡镇级别矢量数据，2019 年高德地图滨州市POI 数据、2019 年Worldpop 人口数据和2019 年度NPP-VIIRS 夜间灯光数据。

在进行正式的数据处理之前需要对数据进行一定的预处理工作，对于抓取的滨州POI数据，发现部分数据分布于滨州市行政边界外部，需对数据进行清洗，删掉错误数据。不同数据的原始坐标系不同，需将所有数据进行地理坐标系和投影坐标系的统一，将地理坐标系统一为CS_China_Geodetic_Coordinate_System_2000，为了减少投影变形，将投影坐标系统一为更适合中国地区的Asia_Albers 坐标系。

3 数据分析

3.1 数量分析

通过对原始数据进行清洗和统一坐标及投影后，滨州市POI 分布情况如图1 所示。

图1 滨州市POI 分布情况

从图1 可以明显看出，POI 分布不均匀，POI 设施集中分布在中部及南部，北部由于存在部分海洋区域，造成北部区域各设施分布较少。整体上呈现出“一中心，多副心”现象。各POI 设施集中分布在滨城区内，不同县区中心位置出现“小中心”现象。从数量上分析，总体POI 有174 467 条数据，具体类别包括餐饮服务、风景名胜、公司企业、购物服务、交通设施、科教文化、汽车服务、商务住宅等类别，分别对各类别进行统计分析，数据见表1。

表1 滨州市POI 类别统计

从表1 可以看出，在滨州地区占比最多的POI类型为包含超市、服饰商场和家具商场的购物类，占比超过1/4，占比最少的POI 类别为体育休闲服务，占比为0.88%。在科教文化服务类别中筛选出教学机构POI 数据，筛选后的数据共有1 596 条，包括幼儿园、小学、中学、职业技术学校、大学、成人教育等。教育学校POI 分布情况如图2 所示。

图2 滨州市学校POI 分布

从图2 可以看出，教育学校设施分布情况与总体POI 分布类似，呈现多个中心的聚集情况，受地形地貌影响，滨州北部地区只有极少数教学设施分布。分布最集中的区域为滨城区，最稀疏的地区为沾化区。

3.2 核密度分析

核密度分析主要用于计算要素在某一范围内的密度，可以更好地分析滨州市教学机构的密度情况。该方法操作简单且可以直观表现出不同地区的密度分布情况［2］。主要原理是在每一个POI 点上方均覆盖中一个平滑曲面，且在该点上方的值最高，随着半径的延长，在区域的边界降为零。核密度方法不依据数据的先验知识，对数据的分布也不附加任何假定，从数据本身出发研究数据的分布特征［3］。对滨州市教学机构进行核密度分析后结果如图3 所示。

图3 滨州市教学机构核密度分析

由于滨州北部存在部分海域。因此出现大面积无值区域，本次不考虑此范围。从图中可以看出，核密度较高的区域明显集中在滨城区附近，集中分布在滨城区的彭李街道、市中街道、市西街道、市南街道附近，其他不同区县形成小中心分布现象，各小中心大多分布在不同县区的中心城区附近，如惠民县学校集中分布在孙武街道，博兴县学校集中分布在博昌街道。

3.3 最邻近点指数

最邻近距离指数主要用来描述点数据的空间临近程度，计算空间上各点之间最短距离与理论模式中最近邻点之间距离的比值［4］，可以用来判断点状要素聚集扩散特点、空间分布等特征［5］。根据最邻近指数的数值将数据的分布情况划分为聚集的、均匀的和随机的，均匀分布的点状要素距离最大，随机分布点状要素距离次之，聚集分布距离最小。计算中需要使用平均距离和平均最邻近距离，具体公式为

式中：R表示最邻近点指数；为最邻近点距离r1的平均值为理论最邻近距离；D为点密度。

R的取值决定了点状要素的分布特征，R＞1 或R=1 时，表示点状要素随机分布，且R值越大表示其随机性越强，R＜1 时，表示点状要素呈现出聚集型的分布特征，R值越小，聚集型越强［6］。

的计算公式为

式中：A为研究区域的面积；n为点状研究要素的数目。

使用上述公式对滨州市教学机构进行计算，结果得出R＜1，说明针对滨州市学校类POI 总体空间分布呈现聚集型。

4 影响因素

4.1 经济因素（夜间灯光数据）

根据以往研究，夜间灯光数据与地区GDP 值具有明显的相关关系［7］。因此夜间灯光的亮度值可以间接反映出地区的经济情况［8］。使用NPP-VIIRS夜间灯光数据（图4）进行滨州市GDP（图5）的空间化，分析学校分布情况与地区经济状况之间的关系。

图4 滨州市2019 年夜间灯光数据

图5 滨州市2019 年GDP 数据

使用2019 年度NPP-VIIRS 夜间灯光数据，由于该数据目前只有月度数据。因此需要通过月度数据进行年度数据的合成。参照胡为安等［9］的处理方法，将数据进行坐标转换、数据合成、背景噪声去除后得到滨州市2019 年平均NPP-VIIRS 数据。统计山东省2012—2017 年各地级市的GDP 总值，建立灯光亮度值与GDP 值的对应关系，分别使用线性函数、二次多项式函数、指数函数和对数函数进行建模分析，最终选取可拟合度最高的二次多项式函数进行GDP 的空间化，即

根据灯光亮度值进行GDP 的分配［10］，GDP 空间化分配公式为

式中：G为某栅格的GDP 值；i为该栅格灯光亮度值；max（i）表示该区域灯光亮度值的最大值；ni为亮度值为i的像元个数；GDP 为山东省GDP 总值。

从GDP 空间化结果中可以看出，滨城区和邹平县对全市总GDP 有较大贡献，惠民区和沾化区GDP 值属于较低水平。GDP 空间化分布情况与学校类机构的核密度分布情况基本一致，GDP 值较高的区域，学校类设施分布较多，核密度也较大，一定程度上说明了不同地区的经济状况影响了学校类设施的分布，经济状况越好，设施分布越密集。

4.2 人口因素

Worldpop 人口数据是由佛罗里达大学主持研发的人口网格数据，分辨率为100 m，是基于夜间灯光数据、土地利用数据等多源数据，使用随机森林的方法估算出人口分布权重图层，得到格网级别的人口模拟数据，每个格网的值表示该格网的人口数量，在一定程度上可以表示真实的人口分布［11］。本文使用2019 年Worldpop 人口数据，经坐标转换、裁剪、重采样等预处理工作，得到了滨州的人口分布格网数据，如图6 所示。

滨州北部地区存在大量无值区域，本次不考虑此范围。从图6 可知，滨州市人口集中分布的县区有滨城区的彭李街道、北镇街道、市西街道、市东街道、邹平县的黛溪街道、惠民县的孙武街道等，与相关教学机构分布情况类似，教学机构集中分布的区域人口分布较为密集，一定程度上说明了人口数量促进了教学机构的发展。

图6 滨州人口分布格网数据

5 结语

以滨州市教学机构为研究对象，采用核密度分析法，对滨州市教学机构的分布情况进行研究，发现滨州市教学机构分布主要呈现“一中心，多副心”现象，主要集中在滨城区，其他各县区形成多个小中心现象，使用最邻近指数方法，对滨州市学校的空间分布形态进行研究，发现其空间分布为聚集型。

通过阅读相关文献发现夜间灯光亮度值可以间接反映地区的经济状况，使用NPP-VIIRS 数据，根据亮度值进行GDP 总值的再分配，得到滨州市2019 年GDP 空间化数据，分析了经济状况与教学机构的分布的相关性；使用Worldpop 人口数据，经过一定预处理后分析了教学机构和人口分布情况之间的关系，发现经济状况和人口因素都与教学机构的分布情况具有一致性，二者都能在一定程度上促进教学机构的发展。