基于POI大数据与土地利用数据协同的小尺度区域GDP空间化方法

2022-04-02妮邓树林

测绘地理信息 2022年2期

杨妮邓树林

1广西财经学院管理科学与工程学院，广西南宁，530003

2中国地质大学（武汉）地理与信息工程学院，湖北武汉，430074

3南宁师范大学地理科学与规划学院，广西南宁，530001

国内生产总值（GDP）是衡量一个国家或地区经济发展水平的重要指标［1］。为了定量评估社会经济与资源环境之间的相互作用，有必要将社会经济数据与资源环境数据结合起来，将诸如与GDP相关的社会经济数据集进行空间化，以促进其与跨行政边界的其他环境和物理数据集的集成［2］。近年来，基于土地利用数据、夜间灯光数据来实现经济统计数据的空间化。然而，夜间灯光数据的应用存在夜间灯光数据饱和、溢出效应及在贫困的较小尺度区域精度受限等问题［3］。

近几年发展的城市热点（point of interest，POI）数据为其提供了新的思路［4］。POI分类与土地利用分类相一致，且POI数据具有以下优点：①POI数据研究尺度问题的灵活性更大，因为点数据可以转换为任意尺度；②人们的偏好和社会功能可以通过与POIs的交互作用而不是土地使用类型来体现；③POI数据的统计粒度更细。因此，这些数据提供了相对有用的信息，并一定程度上反映了城市内部经济的状况，特别是第二、三产值的差异。基于POI热点数据的研究已经取得系列成果，如在城市基础设施［5］、人口经济分布［6］、零售业集聚分析［7］、城市功能划分［8-10］、等。有学者尝试利用POI与经济发展之间的关系进行了初步探究，如文献［11］利用夜光遥感及小区POI数据，发现了住宅POI与经济增长的空间耦合关系；但仍缺乏系统分析城市各类POI热点数据与GDP增长直接的空间关系。

本文提出了一种基于城市热点POI大数据与土地利用数据协同的小尺度区域GDP空间化方法，建立POI大数据与经济统计数据之间的关系模型，第一产值基于土地利用数据采用面积权重法建模，第二、三产值基于POI热点数据空间关系权重建模，以期准确获取欠发达小尺度区域空间完整、时间连续的经济空间化数据。

1 数据源

土地利用/土地覆盖数据，采用2017-2018年成像的Landsat TM遥感图像，通过人机交互判读，得到1∶10万南宁市土地利用遥感检测数据。2018-2019年GDP统计数据来自《广西统计年鉴》。利用Geosharp1.0采集2018年城市多类型POI数据，包括餐饮、购物、科研教育、医疗卫生、休闲娱乐、金融、酒店、居民小区、其他等9种类型。

2 研究方法

2.1 各格网的多类POI热点参数统计

将所选的POI点叠加到研究区1 km×1 km格网上，根据POI类型与第二、三产值的相关性确定该类型所占的权重，进而确定该格网的GDP拟合参数值。

式中，Gxy表示第x个像元中第y种POI的热点参数；P xy代表该像元中第y种POI所占的比重（该像元中所有POI类型比例之和等于1）；Ix表示第x个像元的热点参数。

2.2 分区分产业建立回归模型

1）第一产值空间拟合模型［12］：

式中，G1xy代表某个格网的第一产业经济密度系数；GLky分别表示第一产业中各产值；Gxy是土地利用类型x的平均产值；L1y～L4y分别是该县土地利用类型所占的面积。

2）第二、三产值空间拟合模型：

式中，G23xy表示某个格网的经济密度系数；NAxy、NBxy、NCXY、NIxy分别表示某个格网9种类型POI的数量；G23y表示y县的第二、三产值之和的经济系数。

2.3 GDP模拟的误差检验

GDP模拟误差检验的计算公式如下［12］：

式中，MPE是平均相对误差；RE是相对误差；n代表县的个数；POPm是县GDP模拟值；POPa是县GDP统计值。

2.4 GDP统计数据空间化

对拟合的经济系数用县级GDP统计数据进行线性调整，实现研究区GDP统计数据1 km×1 km格网化。

式中，GDPall是纠正后的GDP密度；GDPx是预测每个格网的GDP密度；GDPb是该县统计GDP；GDPc是该县预测GDP。

3 应用实例及结果分析

本文是以南宁区县及行政边界为基础，区（县）为研究单元。GDP统计数据的空间化模拟首先要确定GDP各产值与土地利用用地类型之间的关系。第一产值中的农、林、牧、渔业产值与土地利用类型中的耕地、林地、草地、水域相对应；而第二、三产业对应城乡工矿居民地。因此，第一产值基于土地利用数据采用面积权重法拟合；第二、三产值根据与各类POI的相关性，采用回归分析法，构建第二、三产值的回归模型；最后将模拟的第一产值格网数据与第二、三产值格网数据叠加，得到模拟的总产值。模拟结果的精度可通过与统计的GDP对比，最终得到南宁市GDP空间分布图。

3.1 相关分析结果

POI数据的相关关系，显现了较强的线性相关。即GDP统计数据中第二、三产值分别与餐饮、购物、居民小区、科研教育、医疗卫生、休闲娱乐、金融、其他、酒店等9种类型的相关系数R2分别为：0.920 3、0.954 2、0.840 0、0.945 3、0.927 4、0.892 6、0.832 1、0.957 9、0.903 9（见图1）。

图1 第二、三产值与城市热点POI数据的相关性Fig.1 Correlation Between Second and Third Industry GDP and Urban Hotspot POI Data

3.2 各产值模拟结果

将模拟的第一产值与第二、三产值叠加，得到总产值的拟合结果（见图2）。密度图可以宏观的反映南宁市的整体经济水平：南宁市中心城区高密度积聚区，由市中心、琅东片区向四周延申。交通通达性对城市经济的发展有很大影响，特别是对第二、三产业的发展。其次是武鸣、宾阳和横县，这几个县相对地理位置，交通条件，自然环境都比较占优势，总产值相对较高。

图2 模拟的总产值密度图Fig.2 Simulated GDP Gross Output Density Map

3.3 精度检验

对GDP各产值的模拟值与统计值进行相关性分析，从图3可以看出，模拟第一产值与统计值的决定系数R2=0.873 6，拟合效果一般，这可能是第一产值不仅与土地利用各地类的用地面积有关，还与其质量等级有一定关联，包括土壤质地、坡度坡向、土壤水分等。第二、三产值模拟效果较好，R2=0.938 9，说明城市热点POI数据与第二、三产业的发展有较大的关联，起到重要作用。整个研究区总GDP产值的拟合精度良好，R2=0.921 4，能真实反映出研究区的GDP空间差异及宏观分布特征。