基于探索性空間數據分析的我國港口空間格局

莊佳芳，余思勤

(上海海事大學經濟管理學院，上海 201306)

0 引言

港口是水陸運輸的樞紐，它作為國民經濟和社會發展的重要基礎設施，對經濟社會貿易的發展、國家綜合實力的提升，以及綜合運輸網絡的完善等具有十分重要的作用.港口空間格局問題的相關研究在國外最早見于20世紀30年代，國內則要到20世紀90年代中后期.社會經濟課題中空間結構研究通常關注事物在空間的相互作用及所形成空間的集聚程度和集聚形態，基于此思路的港口空間結構定量分析借助經濟研究中常見的吉尼系數(Gini coefficient)［1-8］、洛倫茲曲線(Lorenz curve)［2-3，9］、赫希曼-赫芬達爾指數(Hirshmann-Herfindahilindex)［2，7-8，10-13］、偏 移-分 享 分 析 (Shift-Share analysis)［2，9-10，14］等方法展開.本文則嘗試運用探索性空間數據分析方法對港口的空間格局問題進行研究.與上述幾種常用方法不同的是，本方法運用地理數據庫并結合港口的實際地理位置，不僅能用數據表達港口空間格局的變化狀況，更可通過地圖的方式直觀地展現港口的集聚位置、集聚程度以及集聚狀態變化過程.

1 研究方法

探索性空間數據分析是一種具有識別功能的空間數據分析方法，它結合統計學和現代圖形計算技術探測空間分布的非隨機性或空間自相關性，可以將空間數據中隱含的空間分布、空間模式以及空間相互作用等特征直觀展示出來.空間自相關性分析(也稱聚類檢驗)［15］是認識空間分布特征、選擇適宜的空間尺度來完成空間分析的最常用方法.作為一種由數據驅動的探索過程，探索性空間數據分析方法能夠將各種與空間有關的數據與地理位置鏈接在一起，從空間的角度出發去表達和分析各種數據，并用直觀的方法展現空間數據中隱含的特征，具有對GIS地理數據庫中的空間數據進行挖掘和深加工的功能.空間數據分析方法可以分析時空過程(如疾病傳播、技術擴散)、形態變化(如河道演變)、空間格局(如河網、疾病分布)等，因此被廣泛應用于資源管理與配置、土地信息系統和地籍管理、地震災害和損失估計、道路交通管理、地形地貌分析、醫療衛生、軍事等領域.

1.1 空間自相關性

空間自相關性表明事件在空間上集聚或分異的非隨機性.考慮到空間統計中的局部空間統計指標側重屬性變量的區際差異更符合港口分布的地理特性，本文采用局部莫蘭指數I進行空間自相關性分析，具體公式為

式中:n是研究區域內的樣本總數，在文中以我國長江和沿海城市為樣本;ωij是樣本間的空間權重;xi和xj是樣本i和j的空間屬性值，在文中以港口貨物吞吐量表示;x－是研究區域內所有樣本的屬性平均值.區域i的局部莫蘭指數Ii若為正值，表示區域i存在相似值聚集，負值為相異值聚集，零值表示區域的該屬性值不存在空間相關性.

1.2 空間權重矩陣

空間權重矩陣是對象空間關系的數值化，通常依賴于空間距離或拓撲鄰接進行定義.港口的貨物吞吐量屬性與港口所處的地區存在顯著的空間因果關系，因此本研究基于區域的空間關系定義空間權重矩陣.考慮到選取的樣本具有沿海、沿江分布的空間特殊性，將固定距離分帶法和距離閾值法相結合來定義空間權重

式中:閾值D是通過計算最優空間鄰近的平均距離產生的，具備距離影響程度的合理性.在計算過程中，設置每個樣本至少與3個樣本存在空間相關，計算出的平均距離為120 km.此外，鑒于特定樣本對象(如島嶼)在地理位置上的特殊性，本文手動設定島嶼城市與沿江(海)城市的鄰接關系.

1.3 顯著性檢驗

空間自相關性意味著樣本觀測值在空間上的非獨立性，而空間聚類分析在統計學上是基于屬性在空間上的完全隨機性假設，即零假設.因此，只有拒絕零假設才能檢驗其空間聚類顯著性.顯著性檢驗即直接反映出聚類結果的可靠程度.

在計算莫蘭指數的同時將p值作為統計顯著性的度量，用于判斷整體或逐個要素是否拒絕零假設.p值的計算采用ArcGIS 9.3空間分析工具中內置的公式，p值表示所觀測到的空間模式是由某一隨機過程創建而成的概率，一般選用 0.01，0.05，0.10 作為顯著性水平的標尺.當p值很小時，意味著所觀測到的空間聚類不太可能產生于隨機過程，因此可以拒絕零假設.

2 數據選用與計算結果分析

2.1 數據選用

為保證樣本的數量和統計學意義，選取我國沿海沿江的84個地級市作為研究區域(未列入香港的數據)，其矢量模型均在WGS 84坐標系下，與實際地理位置相同.研究區域的貨物吞吐量數據來自1985—2012年的《中國港口年鑒》.

2.2 計算結果與分析

由于研究所采用的工具不僅能進行數值計算，更能很直觀地展現數據結果(集聚狀態分布)，因此結合兩者進行以下分析.

2.2.1 三大港口群空間格局顯著

基于局部莫蘭指數和p值形成的港口空間集聚狀況分年份圖見圖1.圖中，由星號、點和圓圈區別的圖形塊與相異值集聚程度有關(它們分別表示p值小于1%，5%和10%)，由橫線、虛線和點劃線區別的圖形塊與相似值集聚程度有關(它們分別表示p值小于1%，5%和10%)，橫線圖塊表明聚集程度最高，虛線其次，點劃線最低.淡灰色圖形塊表示非集聚.圖1(a)為數據起始年份即1985年的港口空間集聚狀況，圖1(b)為數據終止年份即2012年的港口空間集聚狀況.

用莫蘭指數分析獲得的1985—2012年我國港口空間布局變化情況顯示，我國三大港口群的空間格局明顯.在20世紀80年代中期我國的港口空間聚集只出現在以廣州和上海為中心的南部區域，且這兩個區域的集聚均表現為高值被低值包圍的集聚，即相異值集聚;而其他區域則表現為非集聚，即隨機分布狀態.可見，當時我國的港口布局是分別以廣州和上海為中心的聚集，港口總體格局的集聚重心偏南.之后，隨著國家從優先支持樞紐港建設轉向開始支持樞紐港邊緣條件優越港口的發展，尤其是2005年國家對港口管理體制的調整，沿江沿海各省市建設發展港口的積極性高漲，在港口數量迅猛增長的同時，我國港口總體布局也由此發生變化.從2012年的莫蘭指數圖可以看到，我國港口的空間布局為從北到南的三大集聚區，即通常所概括的環渤海灣、長江三角洲和珠江三角洲三大港口群.這種格局的出現表明我國港口的總體空間格局正趨于分散化和均衡化，同時港口總體布局的重心由南向北轉移，并且各港口群的局部集中態勢日趨明顯.

2.2.2 港口群內集聚狀態各異

分析三大港口群內部的空間集聚變化過程可以看到，各港口群的空間結構變化各具特點:長三角港口群在單個高低集聚向高高集聚轉變的同時出現新的高低集聚;環渤海港口群表現為由單個高低集聚向多個高高集聚的演變;珠三角港口群則在研究時間段內維持相對穩定的高低集聚狀態.

各港口群內最具影響力的核心港口莫蘭指數見表1.表中，莫蘭指數絕對值越高表明集聚程度越高，其中負值表明相異值(高低)集聚程度，而正值表明相似值(高高)集聚程度.

表1 上海、寧波、天津、大連、青島、廣州、深圳各港口局部莫蘭指數

首先，長三角港口群的空間格局變化情況在很大程度上受到上海港和寧波港以及兩者間博弈關系的影響.從莫蘭指數的變化看，上海港一直到2000年前均處在明顯的相異值集聚狀態，且莫蘭指數表現為較高的絕對值，也就是說上海港是唯一樞紐港的狀態在相對長的時間內保持穩定，而其他周邊港口則為其支線或喂給港.2000年以后隨著周邊港口的快速發展，在這個我國港口密度最大的地區之一出現相似值集聚(即高高集聚)的格局，上海港一港獨大的局面逐步被多港口共同發展的狀況所替代，并且隨著2008年杭州灣跨海大橋的通車，這種高高集聚的狀態得到進一步鞏固和提升(見圖2).

圖2 1985—2012年上海港局部莫蘭指數圖

同在長三角港口群內，寧波的發展則經歷了一個從非集聚到集聚的變化過程.在港口集聚度圖中這個變化的轉折點雖然到2006年才表現出來，但從緣由上看，寧波港集團有限公司和之后的寧波港股份有限公司的成立顯然從體制機制上為寧波港的快速發展打下堅實的基礎.圖3展示相關年份寧波港與其周邊港口的集聚度變化過程.雖然從成圖的角度，圖中符號的設定并未細致到將基于莫蘭指數的每一微小集聚度變化均展現出來，但指數本身的變化仍然可以較好地說明港口集聚的程度和方式變化.

圖3 基于局部莫蘭指數的2004，2006，2008年寧波及周邊港口集聚度變化

其次，環渤海港口群中的大連港、青島港和天津港三大港口對該區域內集聚度變化起著關鍵作用(見圖4和5).對比環渤海港口群的莫蘭指數所反映出的港口集聚度變化可以看到，環渤海港口群空間格局表現出由單個高低集聚向多個高高集聚的演變，這也意味著遼東半島、渤海西岸及山東半島的港口在吞吐量總體水平較高的背景下呈現出區域內分散的格局.

圖4 1985—2012年大連、青島、天津三港貨物吞吐量折線

圖5 1985—2012年大連、青島、天津三港局部莫蘭指數

從環渤海港口群空間格局的演變過程看，天津港的地位特殊，不管是從最早顯現出集聚的角度，或者是從集聚程度和集聚方式的角度，天津港均表現得比較突出.尤其是在天津港成為北方第一個破億噸大港的2001年后，隨著北方地區經濟格局的新一輪調整，天津作為北方經濟中心的作用進一步發揮，而秦皇島港的屬地化、京唐港及黃驊港的相繼建設，尤其是曹妃甸港的實質性啟動，使得該區域的港口格局從天津港獨占鰲頭的相異值集聚模式(莫蘭指數為負值)快速向相似值集聚模式(莫蘭指數為正值)轉變，多港齊頭并進、共同發展的局面得以顯現.此外值得一提的是青島港，雖然從圖1中并不能看到山東沿海港口集聚的狀態，但從莫蘭指數的變化看，以青島港為核心并由煙臺、日照、威海等港口組成的港口群正逐漸明顯地呈現出高高聚集趨勢.

最后，珠三角港口群的集聚度表現與廣州港和深圳港關系密切.從圖6所展現的廣州和深圳局部莫蘭指數看，兩港均表現為相異值集聚的狀態，即這兩個港口分別被如珠海、汕頭、惠州、茂名、虎門、中山、陽江等港口圍繞，并形成較明顯的主輔關系，且這種高低集聚維持相對穩定的格局，只是廣州港的集聚程度在早期更明顯些.

圖6 1985—2012年廣州、深圳兩港局部莫蘭指數

2.2.3 影響港口集聚狀態的因素

港口群的產生既可以看作是一種產業集聚的結果，同時也是引導和帶動新一輪產業布局調整的誘因.港口群的發展能為經濟發展擴展人流、物流、資金流和信息流，帶動城市經濟、腹地經濟、區域經濟的繁榮.港口本身的聚集效應和擴散效應促進所在地區的產業結構調整，優化資源配置，推動區域經濟一體化.作為水陸運輸的節點，港口群所發揮的資源配置基礎性作用有利于各種資源物流成本的降低，有利于環境的良好發展和區域競爭優勢的增強，進而達到促使整個區域的聯系更為緊密、整體性更強、各行業協同發展的效果.

分析我國已經明顯成型的三大港口群空間格局以及各港口群內各具特點的港口集聚程度和集聚方式，如下幾方面因素所產生的作用不容忽視:

第一是港口所依托的城市及城市經濟的支撐作用.港口發展與城市發展之間是相輔相成的關系.從地理位置看，三大港口群背后依托的無不是位列我國經濟發展前沿的城市，這些城市的經濟發展和產業布局在根本上影響著港口的核心業務;從時間進程看，三大港口群由珠三角和長三角再到環渤海灣的順次繁榮發展過程正與我國經濟發展經歷的由南到北的遞次發展相對應;從空間格局看，三大港口群顯現出的重心北抬均衡化發展趨勢將是各城市結合自身經濟特點應對全球金融危機和經濟轉型的產物.

其次是地方政府的推動作用.港口具有地域專屬性，隨著對港口重要性認識的提升，各沿海城市將港口視作戰略性資源紛紛投入巨資，以期通過港口的建設和發展帶動城市經濟能級的提升.這種局部區域的港口發展需求，在推動港口總體格局朝均衡化方向發展的同時，也會加劇港口之間因行政壁壘而產生的競爭，港口群內部各具特點的集聚態勢在很大程度上是多方力量博弈的結果.

第三是國家政策與規劃的引導作用.從國家政策層面，20世紀80—90年代港口管理權的逐步下放和優先支持主樞紐港建設的政策，決定性地導致上海港的先發優勢;進入21世紀后，中央支持樞紐港邊緣條件優越港口發展的政策催生寧波、深圳等港口的快速成長.從規劃層面，2006年交通運輸部發布的《沿海港口布局規劃》提出我國沿海港口群的總體格局，并確定各港口的定位和發展方向.可以說，我國各港口發展的順序和速度，并由此而逐步形成的港口總體空間格局和港口群內布局特征都直接或間接受到國家宏觀指導和調控的影響.

3 結束語

隨著空間思維被主流經濟學所接受，將空間因素納入到分析中來研究經濟活動的空間分布規律已成為一種重要方法.本文以探索性空間分析方法的研究思路，運用ArcGIS為工具對我國港口1985—2012年的空間格局演變進行分析.通過以局部莫蘭指數為表征的空間相關性分析可以看到，我國港口的三大港口群空間分布格局明顯，且不同港口群內部呈現出不同的集聚狀態演變特點.長三角港口群中的上海港和寧波港、環渤海港口群中的天津港、青島港和大連港，珠三角港口群中的廣州港和深圳港，這些關鍵港口的發展及其因與周邊港口之間的相關性而產生的作用，對該區域港口群內部空間格局的影響是決定性的，而這些變化也最終會影響到我國港口整體格局的轉變.從深層次的原因看，各港口所依托城市及其經濟的發展、地方政府的推動和國家政策與規劃的引導，都影響著港口格局的產生和發展.

事物形成空間相關性的原因多種多樣，可能源于因果關系、事物間的相互作用、擴散關系等.與莫蘭指數表現為負值(即高低集聚)或者表現為正值(即高高集聚)相對應，港口個體的發展并由此影響帶動周邊港口的發展，進而使港口之間表現出或者是樞紐港與喂給港、干線港與支線港的集聚關系，或者是彼此競爭博弈乃至雙贏的集聚關系，可以通過探索性空間分析方法得到較直觀的寫照.相對于常見的港口空間格局分析方法，本方法在將港口的空間集聚狀態和程度直觀地展現出來方面優勢明顯.當然從算法本身看，我國港口在地理空間上呈現出的類似條帶狀的分布特征，給權重矩陣和距離閾值的設定帶來難度;同時，相對于統計學上對樣本數量的高要求，能獲得更多更細化的港口數據對取得更有效的分析結果會帶來更加積極的作用.

［1］KENYON J.Elements in interport competition in the United States［J］.Economic Geography，1970，46(1):1-24.

［2］NOTTEBOOM T E.Concentration and load centre development in the European container port system［J］.J Transport Geography，1997，5(2):99-115.

［3］McCalla R J.From St John’s to Miami:containerization at Eastern Seaboard Ports［J］.Geo J，1999(48):21-28.

［4］曹有揮.長江沿岸港口體系空間結構研究［J］.地理學報，1999，54(3):233-239.

［5］慈慶玲，韓時琳，呂國平.長株潭港口體系空間結構的定量分析［J］.水運工程，2006(1):36-39.

［6］王圣云，沈玉芳.長山群島港口地域組合空間結構演化定量分析［J］.地理科學進展，2008，27(7):103-109.

［7］謝燮.我國港口空間格局演化的成因及趨勢分析［J］.中國水運，2010(1):8-9.

［8］謝凌峰，肖富，宋敏.珠江口港口群空間結構演化特征［J］.水運工程，2012(2):58-61.

［9］高愛穎，劉凱，傅玲.基于港口空間結構的港市物流發展戰略研究［J］.物流技術，2006(2):4-7.

［10］曹有揮，李海建，陳雯.中國集裝箱港口體系的空間結構與競爭格局［J］.地理學報，2004，59(11):1020-1027.

［11］陳斕，伍世代，陳培健.福建港口體系結構研究［J］.熱帶地理，2007，27(5):249-253.

［12］潘坤友，曹有揮，梁雙波.中國集裝箱多門戶港口區域空間結構的形成與機理［J］.地理科學進展，2013，32(2):214-222.

［13］吉阿兵.長三角集裝箱港口群空間結果演變實證研究［J］.港口經濟，2013(3):23-27.

［14］梁雙波，曹有揮，曹衛東，等.長三角集裝箱港口體系的偏移增長與演化模式［J］.地理科學進展，2008，27(5):95-102.

［15］沈體雁，馮等田，孫鐵山.空間計量經濟學［M］.北京:北京大學出版社，2010.