王 也,陳 莉
(安徽建筑大學 經濟與管理學院;安徽 合肥 230601)
安徽省的新型城鎮化和農業現代化進程是一個綜合的發展過程,是社會經濟發展的必然趨勢,并且隨著交通的便利和信息網絡的高速發展,各區域間經濟活動的空間相關性愈發明顯。應用空間相關性理論研究安徽省新型城鎮化和農業現代化的空間相關性對掌握安徽省新型城鎮化和農業現代化的發展時空演變特征具有重要意義。本文運用空間自相關理論,研究安徽省2011-2016年新型城鎮化和農業現代化空間自相關,以期為兩化的協同發展做努力。
Tobler(1970)曾指出“地理學第一定律:任何東西與別的東西之間都是相關的,但近處的東西比遠處的東西相關性更強”。空間自相關(spatial autocorrelation)是指一些變量(X1,X2……XN)在同一個分布區內的觀測數據之間潛在的相互依賴性,就是研究空間中,某空間單元與其周圍單元間,就某種特征值,透過統計方法,進行空間自相關性程度的計算,以分析這些空間單元在空間上分布現象的特性。空間自相關分析一般涉及3個步驟:取樣、計算空間自相關系數或建立自相關函數、自相關顯著性檢驗。
空間自相關分析的目的是確定某一變量Xi是否在空間上相關,其相關程度究竟如何,需要定量指標表征,空間自相關分析現已有多種指數可以使用,但最主要的包括Moran's I和Geary的統計量等。
Moran's I統計量和Geary統計量是兩個用來度量全局空間自相關的指標。兩者在判斷空間自相關的存在性上具有相似的作用,實際使用中又以Moran's I指數使用更為廣泛,故本文選用Moran's I指數作為判斷安徽省新型城鎮化和農業現代化空間相關性的指標數據。
Moran's I指數反映的是空間上相鄰或相近的區域單元屬性值的相似程度。如果用Y表示空間單元的屬性值,則該屬性值的全局Moran's I指數用如下公式計算:

標準化的Moran's I指數

Wi.,和WJ.分別為空間權重矩陣中i行和j列之和。在不存在空間相關性的原假設下,Z服從標準正態分布。
Moran's I指標的取值在[-1,1]之間,小于0表示負相關,等于0表示不相關,大于0表示正相關。越接近-1,表示單元間的差異越大或分布越不集中;越接近1,則代表單元間的關系越密切或性質越相似;接近0,則表示單元間不相關。

圖1 安徽省2011至2016年新型城鎮化水平四分位圖
利用CAD和ArcMap軟件制作格式為shp的安徽省市域行政區劃矢量地圖,將隨機森林模型輸出的安徽省各市各年的新型城鎮化輸出值分別命名urb2016、urb2015、urb2014、urb2013、urb2012、urb2011錄入制作完成的shp格式文件中。運用GeoDa軟件,分別以urb2016、urb2015、urb2014、urb2013、urb2012、urb2011為變量,以四分位空間地圖的形式給出了安徽省2011至2016年各市新型城鎮化水平的空間地圖。圖中顏色越深表示該市的新型城鎮化評估水平越高。
可以發現,安徽省新型城鎮化水平呈現較為明顯的空間聚集現象,皖中部分歷年來新型城鎮化水平最高,東南部次之,東北部再次之,西北部最弱。具體來說,合肥市、蕪湖市歷年均為最高區域,銅陵市在2015年落入第二梯段,但其余各年均處于第一梯段,馬鞍山市2011年至2014年均為第一梯段,2015年和2016年落入第二梯段。東南部三市,黃山市、池州市、和宣城市各年新型城鎮化成都均較高,其中池州市和宣城市于2015年進入第一梯隊,黃山市2016年進入第一梯隊,其余各年該三市均為第二梯隊。此外,西部、北部各市歷年新型城鎮化水平均較低,其中蚌埠市在2011年和2012年處于第三梯隊,往后各年均處于第二梯隊。阜陽市各年均處于第四梯隊,六安市除2015年處于第三梯隊外其余各年均處于第四梯隊,淮北市2011和2012年處于第二梯隊,往后四年處于第三梯隊,亳州市在2011和2012年處于第三梯隊,往后四年均處于第四梯隊。
運用GeoDa軟件進行單變量全局空間自相關分析,得到安徽省16市2011至2016年的各市新型城鎮化水平Moran's I指數。并利用GeoDa軟件自帶的蒙特卡羅模擬檢驗進行顯著性檢驗。
結果顯示各年的Moran's I指數均為正值,且數值在0.4左右,數值較大。表明以市域為單位的安徽省新型城鎮化水平具有明顯的正向空間相關性,市域間新型城鎮化水平的這種分布不是隨機的,而是表現為較強的空間依賴和聚集特征。某一市域的新型城鎮化水平在空間上不是孤立的,它受到周圍空間的影響,也同時影響著周圍的地域。
p-value值表示顯著性水平,p-value值為0.0060表示在99.4%的置信度下空間自相關是顯著的,一般我們認為P-value值小于0.05為顯著,P小于0.01為極顯著。表中安徽省各年p-value值水平僅2011和2014年略微超出0.001,顯示出安徽省的新型城鎮化水平空間相關性是非常顯著的。

表1 安徽省各市歷年新型城鎮化水平Moran's I指數和顯著性檢驗值p-value

圖2 2016年安徽省新型城鎮化Moran’s I指數及蒙特卡洛模擬顯著性檢驗
將隨機森林模型輸出的安徽省各市各年的農業現代化輸出值分別命名AGR2016、AGR2015、AGR2014、AGR2013、AGR2012、AGR2011錄入前述的shp格式文件中。運用GeoDa軟件,分別以AGR2016、AGR2015、AGR2014、AGR2013、AGR2012、AGR2011為變量,以四分位空間地圖的形式給出了安徽省2011至2016年各市農業現代化水平的空間地圖。圖中顏色越深表示該市的農業現代化評估水平越高。
由圖可知,安徽省農業現代化水平呈現較為明顯的空間聚集現象,皖中部分歷年來農業現代化水平最高,東北部次之,西北部再次之,南部最弱。具體來說,合肥市、滁州市歷年均為最高區域。蚌埠市2011年、2014年、2015年、2016年均處于第一梯隊,2012年和2013年處于第二梯隊,總體農業現代化水平較高。淮南市2012年、2013年、2016年均處于第一梯隊,2011年、2014年、2015年處于第二梯隊,總體農業現代化水平較高。宿州市2012年、2013年、2014年、2015年均處于第一梯隊,2011年和2016年處于第二梯隊,農業現代化水平較高。亳州市和阜陽市各年,除阜陽市2011年處于第一梯隊以外,各年均處于第二第三梯隊,總體農業現代化水平適中。安慶市、六安市、宣城市各年分別處于第三和第四梯隊,農業現代化水平較低。銅陵市、池州市、黃山市2011至2016年各年均處于第四梯隊,農業現代化水平低。

圖3 安徽省2011至2016年農業現代化水平四分位圖
運用GeoDa軟件進行單變量全局空間自相關分析,輸出安徽省16市2011至2016年的各市農業現代化水平Moran's I指數,并利用GeoDa軟件自帶的蒙特卡羅模擬檢驗進行顯著性檢驗,得出結果如下所示:

表2 安徽省各市2011-2016年年農業現代化水平Moran's I指數和顯著性檢驗值p-value

圖4 2016年安徽省新型城鎮化Moran's I指數及蒙特卡洛模擬顯著性檢驗
從表中來看,安徽省農業現代化水平有明顯的空間相關性2011至2014年,空間相關性非常明顯,顯著性很高。2015年Moran's I指數偏低,但0.1956的數值表示2015年安徽省農業現代化水平的空間相關性仍頗為可觀。表明了以市域為單位的安徽省農業現代化水平有明顯的空間相關性,市域間的農業現代化水平分布不是隨機的,市域的農業現代化水平受周圍市域空間的影響,也影響著周圍的市域空間。表中安徽省各年p-value值水平僅2015超過0.05而且僅略微超出,表明安徽省的新型城鎮化水平空間相關性是非常顯著的。
安徽省新型城鎮化最高的四個市域為合肥市、蕪湖市、銅陵市和馬鞍山市。該四市在人口與經濟、基礎設施建設和人居質量方面均領先于安徽省內其他諸市,其中合肥市歷年新型城鎮化水平均為最高,常住人口城鎮化率在2016年已經達到72.05%。安徽省新型城鎮化最低的四個市域為阜陽市、亳州市、宿州市、六安市。空間上的研究發現新型城鎮化水平高的區域是聚集在一起位于安徽省的中部,水平低的四市除宿州市位于安徽省北部外,其余三市均集中在安徽省西部,可見安徽省新型城鎮化水平在空間上有高度的空間相關性。
農業現代化發展水平最高的四市為合肥市、滁州市、蚌埠市、宿州市,該四市的農閑現代化投入與產出均高于省內其他地市,農業現代化發展水平最低的四市為銅陵市、池州市、黃山市和安慶市。空間上的研究發現,農業現代化水平高的市域除合肥位于安徽省中部外,其余集中位于東北部且與合肥市相連。水平低的區域集中位于安徽省西南部,且相互緊密連接。可見安徽省農業現代化水平在空間上也具有高度的空間相關性。
安徽省的新型城鎮化發展目前已經進入了中期,新型城鎮化建設必須以人為本,以“人”為核心價值;對城市來說,農業轉移人口市民化是新型城鎮化建設的首要任務,在優化新型城鎮化空間布局方面,以都市圈和城市群為中心,統籌兼顧,引導周邊城市、縣城、小鎮的協調發展,同時兼顧各地的傳統地域文化,打造富有地方文化和地域特色的不同區域;加強基礎設施建設,提高城市服務水平。在安徽省農業現代化健康發展方面,強化農業資源質量建設與保護,開展土地整治,合理利用土地資源,對于不適合大面積現代化生產的農用地,積極拓展新型經作物,打造地方特色農業;強化農業技術知識技能培訓提升從業人員技術水平的同時,宣傳好現代化農業理念,強化可持續發展概念與資源保護意識等;宣傳提倡現代化農業思想,實現農業生產規模化、集群化、科學化、現代化,通過現代化的科學手段來降低農業生產成本,鼓勵各地方建立企業化合作農業生產機制,對農業生產資料采購進行科學化管理以降低成本,提升自身農產品競爭力。