朱瑜馨，張錦宗，聶 芹

(1.北京師范大學(xué)地理學(xué)與遙感科學(xué)學(xué)院，北京 100875;2.聊城大學(xué)環(huán)境與規(guī)劃學(xué)院，聊城 252059)

山東省人口密度分布模式的GIS空間分析

朱瑜馨1，2，張錦宗2，聶 芹2

(1.北京師范大學(xué)地理學(xué)與遙感科學(xué)學(xué)院，北京 100875;2.聊城大學(xué)環(huán)境與規(guī)劃學(xué)院，聊城 252059)

利用2010年山東省第六次人口普查數(shù)據(jù)，借助GIS技術(shù)，運(yùn)用空間統(tǒng)計(jì)分析方法，對(duì)山東省17地市人口空間分布模式進(jìn)行分析。采用四分位數(shù)計(jì)算方法和Moran’s I和Local Moran’s I指數(shù)研究方法分析可知，2010年山東省17地市人口密度的空間分布模式存在空間集聚現(xiàn)象，總體上以濟(jì)南、淄博為中心大致劃分為高密度區(qū)、較高密度區(qū)和較低密度區(qū)3個(gè)空間條帶形區(qū)域，沒有出現(xiàn)高值和低值異常的空間區(qū)域;山東省17地市人口密度呈正的空間自相關(guān)，空間分布并非處于完全的隨機(jī)狀態(tài)，表現(xiàn)出相似值之間的空間聚集:西部和南部5個(gè)地區(qū)存在著明顯的“高－高”集聚;北部4個(gè)地區(qū)存在著明顯的“低－低”集聚;存在著萊蕪和日照兩個(gè)“低－高”關(guān)聯(lián)及濰坊市“高－高”關(guān)聯(lián)的孤立點(diǎn)。

空間統(tǒng)計(jì);空間自相關(guān);空間模式;人口密度

0 引言

人口增長與空間分布是影響區(qū)域長遠(yuǎn)發(fā)展的重要因素，人口密度是反映區(qū)域人口分布的重要指標(biāo)，可以顯示各區(qū)域人口分布的稀疏程度。近年來區(qū)域人口的空間分布及動(dòng)態(tài)監(jiān)測越來越成為人們所關(guān)注的熱點(diǎn)。對(duì)此，我國學(xué)者在如下3個(gè)方面也做了許多有益的研究:其一，按人口分布的地域結(jié)構(gòu)把區(qū)域分為不同的圈層，來探討人口空間分布及演變［1－4］。馮建等對(duì)北京市的研究發(fā)現(xiàn)，中心區(qū)常住戶籍人口有減少的趨勢(shì)，近郊區(qū)的常住戶籍人口有增加的趨勢(shì)，遠(yuǎn)郊區(qū)人口增長幅度較小;對(duì)于外來人口，無論哪個(gè)圈層，都有明顯的增長趨勢(shì)［2］。其二，利用空間相關(guān)分析方法、聚類分析方法、核密度估計(jì)法等來探討區(qū)域人口空間分布特征［5－7］。聚類分析方法可以將密度值相似的統(tǒng)計(jì)單元進(jìn)行分類，但該方法忽略了統(tǒng)計(jì)單位的空間位置因素，而空間相關(guān)分析方法則可彌補(bǔ)這一缺憾，用密度估計(jì)法可以生成人口密度的連續(xù)分布曲面，消除了統(tǒng)計(jì)單元內(nèi)部密度值均一的弊端。但單純的一種方法難以完整地反映區(qū)域人口的空間分布特征。其三，通過人口數(shù)據(jù)空間化方式探討人口空間分布［8－9］，以GIS軟件為工具，賦予各影響因子人口分布影響權(quán)重，生成柵格人口密度數(shù)據(jù)，可以反映各統(tǒng)計(jì)單位內(nèi)部人口分布的空間化。

傳統(tǒng)的人口評(píng)價(jià)通常采用人口普查與抽樣調(diào)查的方法，通過人口密度來反映統(tǒng)計(jì)單位人口的分布狀況，但人口密度是一個(gè)均值，由于各區(qū)域自然條件、社會(huì)經(jīng)濟(jì)與文化條件存在著差異，單純依賴統(tǒng)計(jì)調(diào)查與抽樣數(shù)據(jù)難以反映各地市人口的實(shí)際分布狀況。為了能較客觀地反映綜合因子對(duì)各地市人口分布的影響，本文通過規(guī)則格網(wǎng)計(jì)算人口密度，采用空間統(tǒng)計(jì)分析方法，四分位法等多種方法，在借鑒前人研究成果的基礎(chǔ)上對(duì)山東省17地市人口空間分布模式進(jìn)行分析。

1 數(shù)據(jù)源與分析方法

1.1 數(shù)據(jù)源

基本數(shù)據(jù)來源于山東省統(tǒng)計(jì)局2011年5月5日公布的山東省2010年第六次全國人口普查主要數(shù)據(jù)公報(bào)(17地市人口統(tǒng)計(jì)數(shù)據(jù))［10］，基本圖件為2010年山東省1∶50萬行政區(qū)劃圖。

在MapInfo環(huán)境下對(duì)山東省行政區(qū)劃圖進(jìn)行配準(zhǔn)和矢量化，再建立Region.tab多邊形圖層，將該多邊形圖層用規(guī)則格網(wǎng)分割，統(tǒng)計(jì)各行政單元的格網(wǎng)數(shù);以人口統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，計(jì)算柵格人口密度，同時(shí)建立包括人口總量、行政區(qū)面積等字段的屬性表。利用MapInfo中提供的對(duì)象相鄰關(guān)系查詢，提取各地市多邊形空間鄰接關(guān)系，建立空間鄰接矩陣。以柵格人口密度為指標(biāo)，采用空間相關(guān)分析方法中Moran’s I和Local Moran’s I指數(shù)對(duì)人口空間分布模式進(jìn)行研究。

1.2 分析方法

空間統(tǒng)計(jì)分析是在分析空間關(guān)系的基礎(chǔ)上進(jìn)行的數(shù)值相關(guān)性分析?？臻g自相關(guān)與經(jīng)典的相關(guān)不同，它是同一屬性值在不同空間位置上的相互關(guān)系，它通過空間實(shí)體與其相鄰的空間實(shí)體之間相似程度的判別，研究一個(gè)多邊形或點(diǎn)及與其最接近的多邊形或點(diǎn)的關(guān)系。本文選擇表現(xiàn)人口密度數(shù)據(jù)的Moran’s I和Local Moran’s I指數(shù)研究山東省地市人口空間分布模式。

(1)空間權(quán)重矩陣。N個(gè)對(duì)象的空間鄰近關(guān)系可以通過定義一個(gè)二元對(duì)稱空間權(quán)矩陣Wn×n來表達(dá)，采用鄰接標(biāo)準(zhǔn)或距離標(biāo)準(zhǔn)來度量。本文采用簡單的二進(jìn)制鄰接矩陣，即當(dāng)區(qū)域i和區(qū)域j在空間上存在相鄰關(guān)系時(shí)，空間權(quán)重矩陣元素Wij=1，其他情況為 0，即

(2)全局空間自相關(guān)。Moran’s I指數(shù)(I(d))是常用的度量空間自相關(guān)的全局指標(biāo)，反映空間鄰接或空間鄰近的區(qū)域單元屬性值的相似程度［11］，即

可分別采用隨機(jī)分布和近似正態(tài)分布兩種假設(shè)檢驗(yàn)Moran’s I指數(shù)的計(jì)算結(jié)果，標(biāo)準(zhǔn)化式為

(3)局部空間自相關(guān)。局部空間自相關(guān)可以表達(dá)屬性特征值相似聚集區(qū)的空間分布位置。對(duì)于任何一空間區(qū)域單元i，局部Moran’s I指數(shù)的計(jì)算公式為

當(dāng)Ii為正時(shí)，則空間區(qū)域i的空間關(guān)聯(lián)可能有“高－高”關(guān)聯(lián)和“低－低”關(guān)聯(lián)兩種情況;當(dāng)Ii為負(fù)時(shí)，則空間區(qū)域i的空間關(guān)聯(lián)也可能有“高－低”關(guān)聯(lián)和“低－高”關(guān)聯(lián)兩種情況;當(dāng)Ii接近于0時(shí)，則說明空間區(qū)域i與其鄰域不存在空間關(guān)聯(lián)關(guān)系［12－14］。

2 GIS空間分析

2.1 總體空間分布模式分析

利用MapInfo提供的空間操作函數(shù)centriod x、centriod y和area(obj)，在經(jīng)過配準(zhǔn)的矢量地圖圖層基礎(chǔ)上提取空間坐標(biāo)與多邊形面積，統(tǒng)計(jì)柵格數(shù)，生成人口密度、空間坐標(biāo)列。按時(shí)間序列方法以上四分位數(shù)(FU)、中位數(shù)(M)、下四分位數(shù)(FL)3個(gè)截?cái)帱c(diǎn)將17地市人口密度為據(jù)4等分。設(shè)四分散布值DF=FU－FL，令FU+3DF和FU－3DF為新截?cái)帱c(diǎn)，則位于新截?cái)帱c(diǎn)以外的數(shù)據(jù)值稱為離群值。在離群值區(qū)，稱處于FU+3DF以外為高值異常區(qū)，處于FU－3DF以外為低值異常區(qū)［7］。這樣，以 FU、M、FL、FU+3DF、FU－3DF這 5 個(gè)截?cái)帱c(diǎn)，同時(shí)參考空間坐標(biāo)值，將人口密度數(shù)據(jù)分成6個(gè)區(qū)域。經(jīng)計(jì)算表明，山東省17地市沒有出現(xiàn)高值和低值異常的空間區(qū)域(圖1)。

圖1 山東省人口四分位百分表示示意圖Fig.1 The population spatial correlation showed by quarters in Shandong province

由圖1可以看出，按照四分位的百分表示，空間分布上山東中部和西南部相鄰的地區(qū)為人口高密度和較高密度區(qū)域(≥50%)，東北部相鄰的地區(qū)多為人口低密度區(qū)域(≤25%)，而東中部相鄰地區(qū)人口密度處于二者之間(25%～50%)。因此以濟(jì)南、淄博為中心大致可以將山東省17地市劃分為3個(gè)空間條帶形區(qū)域，中部地區(qū)的濟(jì)南市、淄博市、東部的青島市及南部的棗莊市為高的人口密度區(qū);北部和東北部的濱州、東營、煙臺(tái)和威海為較低的人口密度區(qū);其他地區(qū)為較高的人口密度區(qū)。人口密度的這種空間分布模式在一定程度上反映了空間聚集性。

2.2 全局空間相關(guān)分析

利用MapInfo中提供的基于空間謂詞的空間關(guān)系SQL查詢語言，通過*.obj intersect(select obj from* where country=”＊＊”)得到多邊形的鄰接關(guān)系，從而建立鄰接矩陣。建立起的各地市鄰接矩陣有如下特征:2個(gè)地市鄰居數(shù)為1個(gè)，1個(gè)地市鄰居數(shù)為2個(gè)，7個(gè)地市鄰居數(shù)為3個(gè)，2個(gè)地市鄰居數(shù)為4個(gè)，4個(gè)地市鄰居數(shù)為6個(gè)，1個(gè)地市鄰居數(shù)為7個(gè)。然后將鄰接矩陣轉(zhuǎn)換至Matlab 6.5中完成空間統(tǒng)計(jì)分析。經(jīng)過計(jì)算，山東省人口密度 Moran’s I指 數(shù) 為 0.0369，Z － Value 為0.000633 4。17地市人口密度呈正的空間自相關(guān)，表明各地市的人口密度水平的空間分布并非表現(xiàn)為完全的隨機(jī)狀態(tài)，而是表現(xiàn)出相似值之間的空間聚集，即具有較高人口密度的空間區(qū)域之間相鄰，或者具有較低人口密度的空間區(qū)域之間相鄰，但是這種相關(guān)性不是很強(qiáng)。

2.3 局部空間自相關(guān)分析

全局空間自相關(guān)指數(shù)反映了總的空間分布模式，局部自相關(guān)指數(shù)反映了每個(gè)空間區(qū)域與其相鄰的空間區(qū)域的相似程度，表示每個(gè)空間區(qū)域服從總的空間分布模式的程度。經(jīng)計(jì)算，山東省17地市的Local Moran’s I指數(shù)見表 1，同時(shí)根據(jù) Local Moran’s I指數(shù)判斷山東省各地市與其相鄰地市在空間上的關(guān)聯(lián)關(guān)系，通過GIS可視化技術(shù)進(jìn)行直觀顯示(圖2)。

表1 17地市的Local Moran’s I指數(shù)Tab.1 Local Moran’s I indexes of 17 prefectures

圖2 17地市人口密度關(guān)聯(lián)類型Fig.2 The association type of the population density in 17 prefectures

從圖2可以看出，山東省17地市人口密度分布存在著空間集聚現(xiàn)象，即在空間地域上，西南部與高密度區(qū)域空間相鄰的區(qū)域，人口密度較高，而在北部與低密度區(qū)域空間相鄰的區(qū)域，人口密度較低。首先，在山東省的西部和南部5個(gè)地區(qū)存在著明顯的“高－高”集聚，這些“高－高”集聚與北部和西部的“高－低”集聚相鄰;其次，在山東的北部4個(gè)地區(qū)存在著明顯的“低－低”集聚;另外萊蕪和日照存在著兩個(gè)“低－高”關(guān)聯(lián)、濰坊市“高－高”關(guān)聯(lián)的孤立點(diǎn)。

3 結(jié)論

(1)2010年山東省17地市人口密度的空間分布模式總體上以濟(jì)南和淄博為中心大致劃分為高密度區(qū)、較高密度區(qū)和較低密度區(qū)3個(gè)空間條帶形區(qū)域，存在著空間集聚現(xiàn)象;17地市局部空間關(guān)聯(lián)類型，“高 －高”、“低－低”、“高 －低”、“低 －高”四種空間關(guān)聯(lián)類型在空間上有較明顯的規(guī)律性，基本上在高人口密度區(qū)、較高人口密度區(qū)、較低人口密度區(qū)分別為“高－高”、“高－低”、“低－低”關(guān)聯(lián)。

(2)山東省是人口大省，人口分布不均，經(jīng)濟(jì)落后的聊城、菏澤、臨沂和較為落后的濟(jì)寧、泰安、棗莊形成連通山東西部和南部人口高密度空間關(guān)聯(lián)區(qū)，人口密度大、人口數(shù)量眾多，這些區(qū)域在今后的經(jīng)濟(jì)建設(shè)中需要重點(diǎn)加大投入。

(3)通過柵格人口密度、空間相關(guān)分析法及四分位法來定量研究人口空間分布，可以充分反映不同的空間尺度下，在空間位置因子參與下的山東省人口空間分布特征，對(duì)于人口、社會(huì)經(jīng)濟(jì)發(fā)展政策及調(diào)整人口分布政策的制定有一定的參考意義。

［1］馮 健.1980年代以來杭州市暫住人口的空間分布及演化［J］.城市規(guī)劃，2002，26(5):57 －62.

［2］馮 健，周一星.1990年代北京市人口空間分布的最新變化［J］.城市規(guī)劃，2003，27(5):55 －62.

［3］周春山.廣州市人口空間分布變動(dòng)模式研究［J］.地理學(xué)與國土研究，1996，12(3):21 －26.

［4］謝守紅.廣州市人口空間分布變動(dòng)與郊區(qū)化研究——兼與北京、上海的比較［J］.人口與經(jīng)濟(jì)，2007(1):5 －9.

［5］李粉玲，頡耀文.甘肅省民勤縣人口空間分布初步研究［J］.西北人口，2005(3):58－61.

［6］劉 艷，馬勁松.核密度估計(jì)法在西藏人口空間分布研究中的應(yīng)用［J］.西藏科技，2007(4):6－8.

［7］劉 峰，馬金輝，宋艷華，等.基于空間統(tǒng)計(jì)分析與GIS的人口空間分布模式研究——以甘肅省天水市為例［J］.地理與地理信息科學(xué)，2004，20(6):18 －21.

［8］廖順寶，孫九林.基于GIS的青藏高原人口統(tǒng)計(jì)數(shù)據(jù)空間化［J］.地理學(xué)報(bào)，2003，58(1):25 －33.

［9］廖順寶，李澤輝.基于人口分布與土地利用關(guān)系的人口數(shù)據(jù)空間化研究——以西藏自治區(qū)為例［J］.自然資源學(xué)報(bào)，2003，18(6):559－665.

［10］山東省統(tǒng)計(jì)局.山東省2010年第六次全國人口普查主要數(shù)據(jù)公報(bào)［EB/OL］.(2011－05－05)［2011－05－08］.山東統(tǒng)計(jì)信息網(wǎng)，http://www.stats － sd.gov.cn/disp/tjgb.asp?aa=4220100001.

［11］呂安民，李成名，林宗堅(jiān)，等.中國省級(jí)人口增長率及其空間關(guān)聯(lián)分析［J］.地理學(xué)報(bào)，2002，57(2):143 －150.

［12］沈綠珠.空間關(guān)聯(lián)分析及其應(yīng)用［J］.統(tǒng)計(jì)與決策，2004(8):28－30.

［13］吳玉鳴，徐建華.中國區(qū)域經(jīng)濟(jì)增長集聚的空間統(tǒng)計(jì)分析［J］.地理科學(xué)，2004，24(6):654 －659.

［14］張松林，張 昆.全局空間自相關(guān)Moran指數(shù)和G系數(shù)對(duì)比研究［J］.中山大學(xué)學(xué)報(bào):自然科學(xué)版，2007，46(4):93 －97.

A Study of the Population Spatial Distribution Model Based on Spatial Statistics in Shandong Province

ZHU Yu － xin1，2，ZHANG Jin － zong2，Nie Qin2
(1.Institute of Geography and Remote Sensing，Beijing Normal University，Beijing 100875，China;2.College of Environment and Planning of Liaocheng University，Liaocheng 252059，China)

Spatial autocorrelation has been applied to extensive data obtained from many research projects，and it is a common method for studying spatial distribution.Spatial autocorrelation analysis is a means for analyzing data correlation based on the spatial correlation analysis.It studies the correlation between one polygon and the nearest neighboring polygon through recognizing the similar degree of the major spatial object and other spatial objects.Using the 2010 census data and applying the spatial statistics and GIS，the authors analyzed the models of population spatial distribution of 17 prefectures in Shandong province by such means as quarters of population density，Moran’s I and Local Moran’s I.The population spatial correlation shows that there are no abnormal spatial areas of high density and low density in prefectures of Shandong province.The population spatial correlation shown by Moran’s I and Local Moran’s I indicates that the population density spatial distribution has spatial cluster，high－h(huán)igh cluster and low －low cluster.The general population density spatial distribution has three spatial belt－ shaped regions，where the highest density is in the southwest areas，the density decreases to the lowest density in the northeast areas，and the similar population density areas are centralized in the vicinage.There are 5“high－h(huán)igh”prefectures centralized in the west and south areas，4“l(fā)ow－low”prefectures centralized in the north areas，2“l(fā)ow －h(huán)igh”relation isolated points existent in Laiwu and Rizhao and a“high－h(huán)igh”isolated point existent in Weifang.

Spatial statistics;Spatial autocorrelation;Spatial model;Population density

TP 79

A

1001－070X(2011)04－0147－04

2010－01－05;

2010－10－28

山東省軟科學(xué)基金項(xiàng)目(編號(hào):2009RKB131)和聊城大學(xué)青年項(xiàng)目(編號(hào):X071015)。

朱瑜馨(1976－)，女，講師，研究方向?yàn)闀r(shí)空統(tǒng)計(jì)。

(責(zé)任編輯:李 瑜)