基于ESDA的貴州省縣域人口空間分布差異研究

韓學陣，陳培紅，郭 瑩

(凱里學院 旅游學院，貴州 凱里 556011)

1 引言

探索性空間數據分析(ESDA)是現代計量地理學中一個快速發展的方向領域，是對相關空間統計分析技術和模型的統稱，其以區域關聯測度為核心，將某一屬性或事物的空間分布格局進行終端描述與可視化，從而洞察不同區域間的集聚關系和空間異常表現。思想內涵來自由美籍瑞士裔地理學家Waldo R. Tobler提出來的地理學第一定律，其要義為空間上距離越近的事物或現象越相似。從地理學研究視角上來講，空間位置與地理屬性之間具有很強的關聯性。隨著GIS技術的興起與發展，ESDA的應用范圍更加包羅萬象，涵蓋人口發展、區域經濟、礦產開采、傳染醫學等諸多實證研究領域。

人口空間分布是人口發展階段或過程在自然地理空間上的呈現形式，在人口及區域地理學領域得到了廣泛研究。人口空間分布與區域經濟發展水平具有十分緊密的聯系，不同區域間人口數量的差異，間接的反映了一個地區資源要素與生產力水平的發展配置能力。近年來，貴州省社會經濟實力逐步提高，生態環境穩步改善，交通優勢日益凸出，全省人口數量和素質水平也有了顯著提升。2018年貴州全省人口絕對數達3600萬人，占全國人口排名第19位。人口發展總體呈現向好態勢，但在省內不同地區間依然存在差異，空間分布不平衡現象突出。

2 研究區概況

貴州省簡稱“貴”或“黔”，位于我國西南腹地，界于北緯24°37′～29°13′，東經103°36′～109°35′之間，處于云貴高原內東緣，北接四川省、重慶市，南臨廣西，東達湖南，西連云南，國土面積17.62萬km2。貴州屬亞熱帶季風氣候，地跨長江和珠江兩大水系，四季分明、雨熱同期。省境內以山地高原為主，92%以上的幅員地闊為山地和丘陵，地勢總體上呈現出自西向東的高低自然過渡，平均海拔約1100 m，喀斯特巖溶地貌發育較為典型，歷有“八山一水一分田”之說。另外，貴州省還是世界著名山地旅游目的地與山地旅游大省，享有“山地公園省、多彩貴州風”的美譽。

3 研究對象與數據來源

本文以2018年貴州省縣級行政區的常住人口數量為研究對象，所涉數據主要來源于2019年貴州統計年鑒，部分其它數據源于貴州省人民政府網、全國行政區劃信息查詢平臺等權威網站。研究區域包括全省的52個縣，11個自治縣，9個縣級市，15個市轄區，1個特區。

4 研究方法

空間自相關是ESDA中的基本內容，該模型方法旨在探索不同地理空間上的單一或多個變量在研究區內部各個分區域之間的空間關聯與依賴關系。

4.1 空間權重矩陣

為闡明不同區域之間的空間關聯特征，首先需要定義空間單元間的相互鄰接關系。即研究開展前必須要引入空間權重矩陣的內涵及標準。

空間權重矩陣，是空間統計分析有別于傳統統計學研究的重要特征，也是進行ESDA空間關聯性探究的前提和基礎。常用的方法有基于鄰接標準或距離標準。在基于鄰接標準層面上，判斷區域鄰接關系的空間權重矩陣又可以分為Rook和Queen矩陣，距離標準則是基于某一特定距離來判斷區域間的鄰接關系。

本研究為體現自然空間鄰接性，采用較為常用的基于Rook空間權重矩陣鄰接標準來衡量貴州省88個縣級行政區的空間鄰接關系。

4.2 全域空間自相關

在測度全域自相關的指標模型上，主要有Moran’s I(莫蘭指數I)、Geary’s C(吉爾里系數C)等。其中，Moran指數用以反映在空間權重矩陣確立的鄰近關系基礎上，不同區域單元屬性值之間的相近程度，而 Geary系數與Moran指數之間的聯系為二者呈負相關。

在此選用最常用的Moran’s I變量來衡量貴州省人口的空間自相關性。若Xi是區域i的觀測值，則該變量的全域Moran指數I，用如下公式計算:

全域空間自相關(Global Moran’s I):

(1)

式(1)中，Ig為全域莫蘭指數，n為區域總量，Xi、Xj分別為區域i與區域j的屬性值，Wij表示各區域間的鄰接關系。

Moran’s I的取值范圍為[-1，1]，Moran’s I>0，表示區域間呈空間正相關；Moran’s I<0則表示區域間呈空間負相關；若Moran’s I等于或近似為0，則表示區域間不存在空間自相關性或空間屬性關系呈隨機分布。

4.3 局域空間自相關

全域自相關與局域自相關的不同之處在于前者僅能從整體上反映屬性值在空間分布上的集聚關系，無法展現某個或某些區域在空間上究竟存在著怎樣的內在聯系。局域空間自相關則具備探究各區域屬性值在異質性空間上的分布形態，以此測度不同區域與其相鄰區域之間的局域空間關聯性。

局域空間自相關(Local Moran’s I):

(2)

式(2)中，Il為局域莫蘭指數，其余各變量的含義與上式相同。

在局域空間自相關的研究上，主要通過Moran散點圖和LISA集聚圖來分析。Moran散點圖分為4個二維象限，分別對應于某個區域與其鄰域之間的4種局域空間聯系特征。其中，第一、三象限代表正向的空間關聯性，第二、四象限代表負向的空間關聯性。

而LISA集聚圖則是對Moran散點圖二維集聚關系的空間可視化表達，該圖將區域間的空間聯系形態分為高-高集聚(H-H)、低-低集聚(L-L)、高-低集聚(H-L)、低-高集聚(L-H)與不顯著(N-S)5種類型。

5 結果分析

本研究以貴州省各縣級行政區2018年年末常住人口為基礎，建立Rook空間權重矩陣定義各區域間的鄰接關系，運用全域及局域空間自相關的統計模型方法，得到的分析結果如下。

5.1 全域空間自相關分析

運用ArcGis10.2軟件相應模塊對全域Moran’s I進行測度，分析結果見表1。從表中可知貴州省人口全域Moran’s I為0.4195，方差為0.0044，P值為0.0000，Z得分為6.5208，在顯著性<0.001的前提下，雙側檢驗Z得分大于檢測閾值2.58，表明結果完全通過了Z檢驗，人口空間集聚特征明顯。

表1 貴州省2018年縣域人口數量的全域Moran’s I及其檢驗

全域Moran’s I為0.4195>0，表示貴州省縣域人口數量在空間上表現為較強集聚分布特征，呈現出明顯的空間正相關性，也就是說從整體上講，人口數量相近的縣級行政區在空間上趨于集聚。此結果表明，雖然受到生產力發展、技術進步以及地形條件復雜等因素的影響，貴州省縣域人口空間分布依然受到地理學第一定律影響，表現為明顯的人口空間依賴性。

5.2 局域空間自相關分析

為進一步研究貴州省88個縣域人口空間分布的內在關聯性和度量不同區域與其相鄰區域之間的局域空間關聯、集聚特征，這里借助Geoda1.14空間分析軟件繪制二維Moran散點圖和LISA集聚圖，以持續展開局域空間自相關分析。

圖1 貴州省2018年縣域人口分布Moran散點

從Moran散點圖上(圖1)可知，貴州省大部分縣域落在了第一、第三象限，只有較少部分落在第二、第四象限。結果說明，貴州省縣域人口在局域空間分布上以正向空間聯系為主，整體表現為人口數量較多的縣域單元，周圍的縣區人口數量也多，即高-高集聚(第一象限)；同樣，也存在著人口較少的縣域單元周圍的縣區人口數量也少的現象，即低-低集聚(第三象限)。

Moran散點圖以形成的四個二維象限來展現某一縣區與其它縣區間的不同集聚關系，但并不能從直觀的角度說明到底是哪些區域之間存在著這種聯系，此時就需要用到LISA集聚圖來對此空間集聚關系進行直觀體現。

從LISA集聚圖中(圖3)可以看到，貴州省人口空間分布集聚類型主要分為三種，即高-高集聚(9個)、低-低集聚(12個)、低-高集聚(1個)、高-低集聚(2個)，數量表現為以低-低集聚與高-高集聚居多，高低相間。

從空間分布形態上看，地域表現為明顯的西北-東南分異格局，西北部對應縣域以低-低集聚為主，而東南部相關縣域則高-高集聚占有優勢；低-高集聚和高-低集聚的縣市主要分布在省域范圍的西南、中東部。

圖2 貴州省2018年縣域人口分布LISA顯著性

從具體縣區上來看，高-高集聚主要分布在威寧縣、七星關區、大方縣、水城縣、納雍縣、赫章縣、鐘山區、匯川區、金沙縣。這些縣區多集中在畢節市、遵義市和六盤水市，特別是威寧縣、七星關區人口數量均突破百萬大關，分列全省縣級人口排名的第一、第二位。而且，以上地區相對靠近四川、重慶和云南省人口大市，歷來是人口相對集中的地區之一，歷史原因和人們的思想觀念對人口數量的發展起到了很大影響。七星關區、匯川區和鐘山區分別為畢節、遵義和六盤水市的主城區，這些地區近年來隨著交通條件和產業經濟的逐步發展，人口也表現出了相對集聚的態勢，形成了良性循環。

低-低集聚主要分布在臺江縣、雷山縣、施秉縣、萬山區、玉屏縣、岑鞏縣、劍河縣、鎮遠縣、天柱縣、三都縣、榕江縣、石阡縣；這些縣區主要位于黔東南苗族侗族自治州、黔南布依族苗族自治州和銅仁市，多位于少數民族集聚的地區。域內少數民族人口分布較多，居住分散，交通條件相對落后，經濟基礎和要素實力較為薄弱，人口發展潛力有待提升。

低-高集聚為普安縣，普安縣位于貴州省西南部烏蒙山區，周圍的盤州市、興義市、興仁市等都是人口大縣(市)，其中興義市為黔西南布依族苗族自治州首府，盤州市和興仁市均為經濟發展速度相對較快的縣級市，普安縣經濟和人口發展水平則相對處于弱勢，受到周邊地區“人口虹吸”作用明顯，當地人口吸引力相對缺失。

高-低集聚為凱里市、都勻市。與普安縣的狀況相反，這兩個地區分別為黔東南苗族侗族自治州與黔南布依族苗族自治州首府，滬昆高鐵、貴廣高鐵等重要鐵路線穿城而過，交通條件優越，社會經濟基礎和發展速度相對周邊縣區都較高，人口數量和質量占據領先地位，具有一定的發展前景。而且在長期的發展過程中，也屬于人口“虹吸效應”中優勢的一方，易與周邊縣市形成人口平衡差(表2)。

表2 貴州省縣域人口空間分布的LISA集聚情況統計

6 結論與討論

本研究通過運用探索性空間數據分析(ESDA)技術方法揭示了貴州省88個縣域人口空間分布的差異化集聚格局，為貴州省人口空間優化發展提供了可視化數據支撐，并得到了以下結論。

(1)運用全域相關性莫蘭指數對貴州省人口空間分布的空間自相關性進行測度，結果顯示全域Moran’s I為0.4195>0，呈現較強的集聚分布特征與空間正相關性，人口數量相近的縣域在空間上趨于集聚。

(2)貴州省人口分布呈現出典型的局域空間集聚關聯特征，集聚類型以高-高集聚和低-低集聚居多、高低相間分布；空間表現為明顯的西北-東南分異特征。西北部對應縣域以高-高集聚(9個)為主，東南部則為低-低集聚(12個)占有優勢。低-高集聚(1個)和高-低集聚(2個)縣區主要分布在西南、中東部。人口高值與低值區呈現集中連片分布格局，受集聚效應和輻射作用影響明顯。

(3)貴州省人口空間分布不平衡，西北部縣區為傳統的人口密集區，部分縣區近年來隨著交通條件和社會經濟的逐步發展，人口相對集聚。東南部縣區多位于少數民族集聚區，經濟水平相對落后，要素基礎較為薄弱，人口發展處于弱勢。普安縣和凱里市、都勻市分別處于“人口虹吸”作用的弱勢和優勢地位，人口發展對比差異明顯。

今后，貴州省在人口發展道路中應遵循區域人口合理化分布規律，避免人口、生產力、交通等資源要素的過度集中和分散。加強對人口、經濟相對落后地區的政策扶持，合理培育區域關鍵節點縣級城市的發展，引導優勢城市發揮周邊輻射帶動效應，促進區域人口空間發展的相對平衡，進而推動全省人口與生態環境、社會及區域經濟的協調發展。