基于ＧＩＳ的人口壓力空間分布模式研究

摘要:提出人口壓力指標，運用主成分分析方法對我國人口壓力作出評價，并根據壓力指標對我國各個省市進行了分類#65377;在其基礎之上，運用空間數據挖掘中GIS的空間自相關分析方法，分析了我國人口壓力空間分布模式;研究認為我國人口壓力從西部向東部總體減小，人口壓力在空間分布上呈現明顯的聚集模式#65377;圍繞京津#65380;江浙閩#65380;山東等區域與周圍省市的人口壓力形成低—低關聯模式，圍繞陜甘青#65380;川渝等省市與周圍保持高—高關聯模式#65377;這種空間分布態勢值得政府決策部門注意#65377;

關鍵詞:空間數據挖掘; 地理信息系統; 人口壓力; 空間分布模式; 主成分分析

中圖分類號:G206.2文獻標志碼:A

文章編號:1001-3695(2007)04-0232-03

0引言

空間數據挖掘(Spatial Data Mining)是在數據挖掘基礎之上，結合地理信息系統(Geographic Information System，GIS)

#65380;遙感圖像處理#65380;全球定位系統(GPS)#65380;模式識別#65380;可視化等相關研究領域而形成的一個分支學科，也稱為空間數據挖掘和知識發現(Spatial Data Mining and Knowledge Discovery， SDMKD)#65377;地理信息系統是計算機科學#65380;地理學#65380;測量學#65380;地圖學等多門學科綜合的技術#65377;其基本技術是空間數據庫#65380;地圖可視化及空間分析，而空間分析是GIS的關鍵技術#65377;主成分分析(Principal Component Analysis)也是數據挖掘中的一種方法#65377;它是將分散在一組變量上的信息集中到某幾個綜合指標(主成分)上的探索性統計分析方法，即利用主成分來描述數據集內部結構，起到了數據降維的作用#65377;空間數據挖掘和知識發現的目的在于從數據庫中挖掘事先未知且潛在有用的知識^[1]#65377;因此本文將結合GIS中的空間分析方法(主要為空間自相關分析)和主成分分析方法來分析我國人口壓力及空間分布模式問題，以期獲得潛在的知識#65377;

人口壓力是指人口的非適度狀態，即人口系統與經濟#65380;社會#65380;資源和環境等系統的不適應或不協調，既包括人口過剩，又包括人口不足;既包括人口數量對其他系統的壓力，又包括人口質量#65380;人口結構等對其他系統的壓力#65377;因此，可以用人口壓力指標來對我國人口空間分布的合理性進行評價^[2]#65377;在參考前人的研究成果后，本文提出人口經濟壓力(為敘述簡便起見，以下均簡稱為人口壓力)的概念#65377;它是衡量人口規模與經濟承載能力之間是否協調的指標#65377;同時從GIS的觀點出發，提出人口壓力空間分布不同于傳統人口壓力研究#65377;該研究是人口空間分布研究范圍的延伸#65377;其目的是為了明確各個區域人口壓力分布態勢，為國家相關部門制定政策提供參考#65377;因此在本文人口壓力空間分布評價研究中，不僅需要進行人口壓力評價，更需要運用空間數據挖掘理論中的GIS技術對評價結果的空間分布特征進行研究#65377;

1評價指標的選取

具體評價指標可以從以下四個方面選取:

(1)人口增長壓力#65377;選取指標為人口自然增長率#65377;指標數值越大壓力越大;反之壓力越小#65377;

(2)人口生活水平壓力#65377;其選取指標包括:人均國民收入，指標數值越大壓力越小，反之壓力越大;人口撫養比，指標數值越大壓力越大，反之壓力越小;預期壽命，指標數值越大壓力越小，反之壓力越大#65377;

(3)人口素質壓力#65377;選取指標為15歲以上文盲半文盲比例#65377;指標數值越大壓力越大，反之壓力越小#65377;

(4)人口就業壓力#65377;城鎮登記失業率#65377;指標數值越大壓力越大，反之壓力越小(由于資料的緣故，沒有農村的失業率數據)#65377;

2研究方法

2.1原始數據標準化方法

由于各個指標屬于不同數量級，沒有統一的度量標準，需要對指標進行標準化#65377;但是原始數據中存在數值越大越優越和越小越優越兩類，因此對這兩類指標應該分別有不同的標準化方法#65377;本文采用的方法如下:

設fik(i=1，2，…，n)為第i個地區中第k個指標的原始數值#65377;設fk1為第k個指標在所有方案中的最小值，而fk2為第k個指標在所有方案中的最大值，則可用下式將原始數據變換成無量綱值#65377;

數值越大越優越型:

數值越小越優越型:

2.2人口壓力評價方法

主成分分析法是研究如何將多個相關變量綜合成一個或少數幾個綜合指標，而這一個或少數幾個綜合指標又能最大程度地反映原來變量信息的一種多元統計分析方法#65377;其具體運算方法參見文獻[3~5]#65377;若在根據實際需要取一定的累積方差貢獻率a(0

其中，Yi為主成分因子;ai為與第i主成分對應的方差貢獻率;p為全部主成分因子的個數;m為選取的主成分因子個數#65377;

2.3人口壓力的空間分布模式研究方法

傳統的數量統計模型要么只注重數值間的相關性，要么只注重二維空間上的聯系#65377;科學的空間統計模型應該兩者兼顧，在分析空間關系的基礎上進行數值的相關性分析^[6]#65377;空間自相關分析模型的Moran I和Local Moran I等很好地解決了這一問題^[7]#65377;空間自相關根據數值的空間排列來量測變量值之間的關系(Cliff等，1973)#65377;如果類似數值在空間上相互接近，可以描述為高度相關關系;如果數值排列識別不出模式，則為獨立的或隨機的#65377;有無顯著空間自相關可通過標準統計檢驗進行#65377;另一方面，顯著空間自相關的存在，鼓勵研究者在分析中揭示空間依賴性(Legendre，1993)#65377;空間自相關非常適合于柵格數據分析，因為格網中的單元遵循明確定義的空間排列;而對于矢量數據，可以通過構建空間拓撲矩陣來分析#65377;

莫蘭 I(Moran I)是一個普及的空間自相關量測，由下式計算^[4，8]:

∑ni=1∑mj=1wij(xi-xm)(xj-xm)/∑ni=1∑mj=1wij∑ni=1(xi-xm)2/n(4)

其中，xi為單元i的值，xj為單元j的值#65377;

xm=1/n∑ni-1xi(5)

wij表示空間權重矩陣的任一元素，其目的是定義空間對象的相互鄰接關系，便于把GIS數據庫中的有關屬性數據放到所研究的地理空間上來分析對比#65377;N個對象的鄰近關系可以用空間二進制的空間權重矩陣來表示，可以采用鄰接標準或距離標準#65377;根據鄰接標準，當區域i和區域j相鄰時，空間權重矩陣的元素wij=1，其他情況為0#65377;

進而，根據局部指數Local Moran可以將空間關聯模式細分為四種類型#65377;正的空間關聯包括兩種類型:屬性值高于均值的空間單元被屬性值高于均值的鄰域所包圍(高—高關聯)和屬性值低于均值的空間單元被屬性值低于均值的鄰域所包圍(低—低關聯);而負的空間關聯也有兩種類型:屬性值高于均值的空間單元被屬性值低于均值的鄰域所包圍(高—低關聯)，或者相反(低—高關聯)#65377;限于篇幅，具體的定義及計算方法參照文獻[9]#65377;

2.4評價數據及過程

數據來源為2003年的中國統計年鑒#65377;人均國內生產總值為計算值#65377;選用SPSS軟件對經過標準化的數據進行主成分分析，得到的累積方差貢獻率如表1所示#65377;

隨后可以得到與四個主成分對應的特征向量，如表3所示#65377;

3人口壓力評價結果及空間分布特征

根據人口壓力排名前六位的是新疆#65380;西藏#65380;云南#65380;貴州#65380;青海#65380;甘肅;人口壓力較小的六個省份依次為上海#65380;北京#65380;天津#65380;廣東#65380;浙江#65380;江蘇#65377;由此可知，人口壓力與地方經濟狀況有關，經濟較不發達的省份壓力較大，而壓力較小的省份經濟較發達^[4，5]#65377;

中國科學院戰略發展報告對人口壓力作的最新研究是在1999年，他們使用的評價指標包括人口數量(用人口自然增長率)#65380;人口生存空間#65380;人均教育年限和人口識字水平等方面，即從人口數量壓力和人口質量壓力兩個基本方面進行分析#65377;在其報告中，人口壓力較大的前六位分別是西藏#65380;貴州#65380;安徽#65380;廣東，青海和海南并列第五;居于壓力較小的后六位分別為上海#65380;黑龍江#65380;吉林#65380;遼寧#65380;內蒙古#65380;北京#65377;該報告與本文的研究結果對照后可知，人口壓力較大的省份基本吻合，壓力較小的省份除北京和上海外有所變動#65377;本文認為導致評價結果不同的因素有兩個:①由于作人口壓力評價時所使用的數據年份不同;②由于評價的指標體系選取不同(本研究除有人口數量和人口質量壓力外，還有人口生活水平壓力和就業壓力指標)#65377;

根據人口壓力總指數的大小，可以將全國各省份分為如下三種類型:

(1)人口壓力總指數小于0，表示與全國平均水平相比，人口壓力較輕，經濟優勢明顯，承載人口還有一定的空間#65377;

(2)人口壓力總指數小于0.35，表示與全國平均水平相比，人口壓力適中，承載人口潛力已基本表現出來#65377;

(3)人口壓力總指數大于0.35，表示與全國平均水平相比，人口壓力較重，需要考慮改變現有狀況#65377;

根據局部空間指標可以發現:京津#65380;江浙閩#65380;山東等區域與周圍省市人口壓力形成低—低關聯模式，說明圍繞這些省市的省份區域形成了相對人口壓力較小的聚集區域;陜甘青#65380;川渝等省市與周圍保持高—高關聯模式，表示周圍省份形成人口高壓力區域;安徽省與周圍省份形成高—低關聯模式，即人口壓力在這里相對其他區域突然增大，與周圍負相關;其他省份人口壓力表現為空間隨機分布#65377;這些分布特征是傳統人口壓力分析難以發現的，對于宏觀制定政策是有意義的#65377;

4結束語

將空間數據挖掘中的GIS空間自相關分析與主成分分析方法相結合，利用其豐富的空間分析功能#65380;強大的交互功能#65380;可視化功能#65380;數據處理功能即可較好地對我國人口壓力分布的空間模式進行數據挖掘(包括探測#65380;識別和分析)#65377;

研究結果表明，我國人口壓力空間分布存在顯著的空間集聚現象，四種類型的空間關聯在空間分布上具有明顯的規律性#65377;

空間自相關分析可以揭示人口壓力分布的空間結構和空間關聯模式，主成分分析方法在用于進行人口壓力評價時具有方法簡便#65380;操作客觀等特點#65377;空間數據挖掘在人口學領域具有良好的應用前景#65377;

本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。