安徽省縣域歷史遺跡空間自相關分析

儲汪生+王小梅

作者簡介：儲汪生（1989—），男，安徽潛山人,浙江師范大學碩士研究生。

Study of Rural Settlement Distribution and Potential of Land Remediation

in Qinglong Ethnic Man Autonomous County

Cui Zhigang1,Zhao Wenhui1,Yang Hao1,Li Xiaoqian1,Yu Qiuling2,Zhu Yongming2

（1.Department of Land Resources,School of Land and Resources,Hebei Agriicultural University,

Baoding 071000,China;2.Qinhuangdao Land and Resources Bureau,Qinhuangdao 066000,China）

Abstract:In order to carry out the rural land remediation work in Qinglong Ethnic Man Autonomous County,this article analyzes the influencing factors of rural settlement distribution and calculates the comprehensive scores of land remediation potential of each villages and towns by selecting some evaluation index from natural,economic and social aspects including land suitablity fro agriculture,forest coverage rate,elevation,rivers,roads,residential area per capita,etc.And then it divides the potential grades of remediation by the towns as units and studies the remediation programs of each potencial grade area accordingly.The results show that the classification result of potential confirms to the actual conditions and the proposed remediation programs have practical significances.

Key words:rural settlement;land remediation;remediation potential;Qinglong Ethnic Man Autonomous County區內的觀測數據之間潛在的相互依賴性［2］。而這種空間依賴性表明空間要素彼此存在關聯度,相互影響,不是的獨立存在。全局空間自相關和局部空間自相關是空間自相關理論的重要組成部分。前者主要研究某一種空間要素在區域內與鄰近單元要素屬性的相關性程度。后者是研究區域內每一個單元的某個要素屬性與相鄰單元的相關性。依據空間自相關的性質,空間自相關可分為正空間自相關、負空間自相關和無空間自相關［3］。

2.1.1全局空間自相關

用來分析空間單元要素的相互關系的指數很多,但用的比較多的是Moran指數。在1950年美國學者Moran利用它來檢驗整個研究區中鄰近地區間是相似、相異(空間正相關、負相關),還是相互獨立的［4］。而Moran指數的值則位于1和-1之間。當無限接近于1時,則表明鄰近地區的具有正相關性,而表現在空間上則是一種集聚,即高值與高值相鄰,低值與低值相鄰。當無限接近于-1時,則為負相關,即空間單元要素不同的屬性也在空間集聚。當無限接近于0時,則表明相互獨立,彼此不受影響,在空間上呈現隨機分布。其計算公式如下:

I=∑ni=1∑nj=1WijCij∑ni=1∑nj=1WijS2ij=∑ni=1∑nj=1Wij(Xi-X)(Xj-X)∑ni=1∑nj=1Wij1n∑ni=1(Xi-X)(1)

式中,Cij=(Xi-X)(Xj-X),S2=1n∑ni=1(Xi-X)2。其中Wij表示區位相鄰矩陣,Cij表示屬性相似矩陣,Xi為i空間單元屬性數據值,Xj為j空間單元屬性數據值,Wij=1代表空間單元相鄰,Wij=0表示空間單元不相鄰,i≠j,Wij=0。用下式可以檢驗n個區域是否存在空間自相關關系［5］。

Z(I)=［I-E(I)］Var(I),E(I)=-1(n-1)(2)

根據Z值大小,在設定的顯著性水平下做出接受或者是不接受零假設的判斷。若取α=0.05,則當Z值小于1.96時,表明具有相近的單元屬性的區域傾向于分散分布,存在負相關。當Z值大于1.96時,表明相近的單元屬性的區域傾向于集聚分布,空間存在正相關。當Z值為零時,區域呈獨立的隨機分布［6］。

2.1.2局部空間自相關

雖然全局Moran指數能夠整體反映區域某一空間要素的屬性與鄰近單元是否具有相關性,但不能具體的展現局部區域的自相關的狀況。同時現實情況中,各局部區域的空間自相關完全一致的情況是很少見的,常常是存在著不同水平與性質的空間自相關,這種現象稱為空間異質性［7］。所以早在1995年美國學者Anselin就提出了局部Moran指數,主要用來度量局部區域間某種空間要素之間是否存在聚集。所得結果一般通過GIS和Geoda軟件表示出來。同時還有更多的科學方法可供參考,比如局部Getis G和局部Geary's C等方法［8］。而這里主要采用局部Moran指數來探討歷史遺跡的空間自相關。其計算公式如下［9］:

Ii=Xi-XS∑nj=1W(i,j)(Xj-X)(3)

式中,s=∑nj=1,j≠1X2j(n-1)-X2,n,Xi,X,Wij同上文公式(1)。當Ii>0時,則表明區域單元i與周圍單元具有相同屬性,在空間上集中分布,即高值分布在一起,低值分布在一起。而當Ii<0時,表明區域單元i與周圍單元的屬性值不同,即被高值包圍,或者是被低值包圍。

所得出的Ii需要對其結果進行統計檢驗,運算公式如下:

z(Ii)=Ii-E(Ii)S(Ii),其中S(Ii)=Var(Ii)。

2.1.3空間連接矩陣

根據對空間依賴性的測定,將相鄰的空間單元賦值1,不相鄰的賦值為0。這種定義下的空間權重矩陣也叫做二進制連接矩陣［10］。同時在通過總結前人的研究成果的基礎上,將空間距離也作為空間連接的標準,當空間距離dij不小于設定距離d0時賦值為1,反之則為0。這就很清晰的將區域間的相鄰關系或者是距離遠近通過矩陣表現出來,把復雜的區域間相同要素分布問題理想化,剔除了許多難以用數字去測算的問題,使分析更具操作性。對于鄰接矩陣,其定義如下。鄰接關系有很多種,而本文主要采用的是一階Rook的鄰邊方式,不采取鄰點(Bishop)或者是鄰點鄰邊(Queen)的鄰接方法(表1)。

endprint

表1區域單元空間鄰近關系與空間權重系數矩陣

權重系數鄰接標準距離標準區域i與j鄰接區域i與j不鄰接dij≤d0dij>d0Wij1010

2.2數據

本文數據的主要來源于《安徽省2013統計年鑒》,以及中華人民共和國國家文物局官網,選取安徽省各78個縣級行政單位(包括縣級市和市轄區)2013年國家文物保護單位數,省級文物保護單位數作為研究對象,并選用安徽省現行行政區劃圖作為工作底圖,該矢量圖原件來源于國家基礎地理信息系統網站。然后將底圖導入ArcGIS軟件,并將全省各縣2013年文物保護單位數輸入矢量圖的相應屬性表中,得到最終數據。

3測算結果與分析

3.1各縣歷史遺跡的全局空間自相關

利用ArcGIS的計算得出2013年安徽省各縣Global Moran's I 估計值為0.2,檢測值Z=2.99。如圖1所示,當Moran's I接近0時,觀測值不存在空間自相關,空間上呈隨機分布［11］。說明安徽省各縣文物保護單位在空間上具有顯著地正空間自相關特性。

圖1、圖2是安徽省各縣市文物保護單位在空間上分布的一個現狀,顏色越深,表明其數量越多。從中可以看出,文物保護單位在空間上集聚分布,縣與縣之間差異比較明顯。出現了“一心三核”的空間格局,一心即古徽州,兩核則是安慶、亳州和六安。文物保護單位數量從南向北遞減,自西南向東北遞減。尤其是在黃山地區、安慶地區、亳州地區出現高值區這與歷史發展規律十分吻合,也驗證了歷史遺跡和當地文化發展有著密切的關系。黃山地區在明清時期文化昌盛,徽商榮歸故里大多都大興土木,支持教育,造就了聞名于世的徽州文化。安慶地區是安徽簡稱“皖”的發源地,自清康熙六年(1667年)安徽建省始,直至建國初的200多年里,安慶一直是安徽省省會。桐城派、京劇、徽劇、黃梅戲都誕生于此。古代安徽省北方多出領導者和追隨領導者的將才,而亳州地區則是一代梟雄曹操的故里,是有名的藥都。六安壽縣古時為楚國后期的都城,同時在以后多年一直是這一區域的行政中心,留下了大量的歷史遺跡。

圖12013年安徽省各縣歷史遺跡分布圖

2014年5月綠色科技第5期3.2各縣歷史遺跡的局部空間自相關

空間聯系局域指標值(即LISA)是通過GeoDa空間分析軟件計算得出,按照操作步驟,軟件會同時產生Moran散點圖和LISA聚集圖。這兩幅圖雖然其表現形式和含義各有不同,但彼此存在緊密的內在聯系,所表達的內容是相同的,只是從不同側面揭示了研究現象的空間關聯特性,這就是形式和內容的關系。

3.2.1Moran散點圖

主要用于研究局部空間的某種要素的異質性,其表現形式為笛卡爾直角坐標系,橫坐標為各空間單元標準化后的屬性值(研究對象的值,下同),縱坐標為標準化后的由空間連接矩陣決定的相鄰單元屬性值的平均值［12］。散點圖由4個象限組成,4個象限的性質不同。右上方為“高高區”象限,左上方為“低高區”象限,左下方為“低低區”象限,右下方則是“高低區”象限。

從Moran散點圖上可以明顯的看出,安慶市轄區、潛山縣、桐城市、樅陽縣、青陽縣、池州市、涇縣、宣城市以及整個黃山地區都落入了“高高”區,這些地區文保單位數量比較多,周圍地區數量也比較多,在空間上形成集聚,成為了安徽歷史遺跡保存的熱點區。而在“低低”區的縣主要分布在皖北一帶,說明這一區域整體上歷史遺跡比較少成為了安徽歷史遺跡的盲點區。皖北地區,雖然地處華北平原南部,但卻一直是中原文化與吳楚文化的過度地帶,換句話說都是這兩種文化的邊緣區。加之戰亂和黃河的多次泛濫消耗了剛剛積累起來的文化底蘊。即使在這樣的環境下,個別縣還是擁有眾多歷史遺跡,如亳州市轄區、鳳陽縣、壽縣等（圖3）。

圖22013年安徽省歷史遺跡LISA聚集圖

圖3安徽省2013年歷史遺跡Moran散點圖

將散點圖轉化成表格形式,更能清楚的發現其中的分布規律,由于歷史遺跡是本來就存在空間之上,根據其科學價值大小被評為國家級文保單位或升級文保單位。不同于GOP、人口有發展消亡的變化趨勢。所以只能在單一的時間序列的觀察其在空間上的規律。顯而易見,從單一的時間序列上也能充分的表現出歷史遺跡具有很強的空間依賴性和異質性(圖4)。

圖42013年安徽省歷史遺跡Moran散點分布

3.2.2LISA聚集圖

從Moran散點圖中可以看出安徽省歷史遺跡的空間特性突出,其空間格局是明顯的二元結構。分別屬于“高高區”和“低低區”象限的皖南熱點區和皖北盲點區都具備較高的空間相關性,但是散點圖沒有清楚的表示出空間單元之間聯系的程度,然而LISA值卻能更好的表現出空間單元之間的相關程度。LISA值對于測算空間單元與相鄰單元的某種要素的正負相關程度具有重要的應有價值利用Geoda軟件,算出安徽省各縣歷史遺跡的LISA值,然后繪制出LISA聚集圖,如圖2。

黃山地區,古為徽州府,獨特的江南山水組合造就了獨特的文化。可以肯定黃山市應該是安徽古代文化的中心。從圖上可以看出來,從黃山地區向周圍擴散,同時周圍區域也依據自身特色創造了獨特的文化,遺留了眾多的文物古跡。九華山自古便是佛教名山,香火綿延數千之久,安慶作為老省會文化昌盛一時,所以說安徽傳統文化的中心在安徽南部,并且在空間集聚在一起,形成合力。同時在1667年安徽布政使司成立,省名取自安慶府(今安慶市)、徽州府(今黃山市及績溪、婺源兩縣)兩府首字,徽文化和安慶文化融合在一起,其后擴散到整個安徽地區。

4結語

通過利用空間自相關分析方法可以科學的得到歷史遺跡分布不僅僅跟歷史文化發展有關,同時也揭示了歷史遺跡所在的區域之間具有有相關性。從定量的方法探究歷史遺跡分布現象背后的空間相關性的本質。首先從全局Moran指數可以得出整個安徽區域在空間上具有自相關性。其次從局部Moran指數得出安徽省內部,即縣域之間的歷史遺跡存在明顯的空間異質性。

同時本文在開展研究方面也存在著眾多不足。首先在數據方面僅僅局限于2013年的數據,但考慮到文保單位不同于經濟數據,其變化不是那么明顯,被發現的歷史遺跡也是越來越少。其次文保單位數這一項屬性變量不能很好的反映一個區域的文化發展。

參考文獻：

［1］ 劉湘平,黃方.GIS空間分析原理與方法［M］.北京:科學出版社,2005.

［2］ 侯進宇.基于空間自相關的村域經濟研究以河南省鞏義市為例［D］.開封:河南大學,2012.

［3］ 孟斌,王勁峰,張文忠,等.基于空間分析方法的中國區域差異研究［J］.地理科學,2005(4):11~18.

［4］ (美)王法輝.基于GIS的數量方法與應用［M］.姜世國,滕俊華,譯.北京:商務印書館,2011:213~216.

［5］ 吳玉鳴,徐建華.中國區域經濟增長集聚的空間統計分析［J］.地理科學,2004(6):654~659.

［6］ 趙安周,白凱,衛海燕.中國入境旅游重心演變與省域空間分異規律［J］.陜西師范大學學報:自然科學版,2011(4):103~108.

［7］ 宋鴻,陳曉玲.運用空間自相關分析中國入境旅游增長空間格局［J］.世界地理研究,2006(1):101~108.

［8］ Ord JK,Getis A.Local spatial autocorrelation statistics:distri2butional issues and an application［J］.Geographical Analysis,1995(27):286~305.

［9］ Rey S,Montouri B.US regional income convergence:a spatial econometric perspective［J］.Regional Studies,1999(33):143~1564.

［10］ 劉旭華,王勁峰.空間權重矩陣的生成方法與實驗［J］.地球信息科學,2002,4(2):38-44.

［11］ 蔡芳芳,濮勵杰,張健,等.基于ESDA的江蘇省縣域經濟發展空間模式解析［J］.經濟地理,2012(3):22~28.

［12］ 曾慶泳,陳忠暖.基于GIS空間分析法的廣東省經濟發展區域差異［J］.

endprint