王平云，相 妮

（山東科技大學測繪與空間信息學院，山東青島 266000）

隨著科教興國戰(zhàn)略的實施，科教文化機構(gòu)分布越來越廣泛，對于科教文化機構(gòu)的空間分布研究也顯得越來越重要［1］。使用濱州市的POI 數(shù)據(jù)，結(jié)合夜間燈光數(shù)據(jù)和人口數(shù)據(jù)研究濱州市教學機構(gòu)的分布特征及影響因素。從整體上了解濱州市的教學機構(gòu)分布特征，以期為濱州市未來科教文化機構(gòu)的規(guī)劃建設(shè)提供參考。

1 研究區(qū)域概況

濱州市位于山東省北部，是山東省的北大門，地處魯北平原和黃河三角洲腹地，礦產(chǎn)資源豐富。濱州市下轄五縣二區(qū)和三個經(jīng)濟開發(fā)區(qū)，分別是惠民縣、博興縣、鄒平縣、無棣縣、陽信縣、濱城區(qū)、沾化區(qū)、濱州經(jīng)濟開發(fā)區(qū)、濱州高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)、濱州北海經(jīng)濟開發(fā)區(qū)。濱州市總面積約為9 660 km2，截至2019 年底，全市戶籍人口為396.7 萬人。

2 使用數(shù)據(jù)及處理過程

本次使用的研究數(shù)據(jù)為山東省濱州市鄉(xiāng)鎮(zhèn)級別矢量數(shù)據(jù)，2019 年高德地圖濱州市POI 數(shù)據(jù)、2019 年Worldpop 人口數(shù)據(jù)和2019 年度NPP-VIIRS 夜間燈光數(shù)據(jù)。

在進行正式的數(shù)據(jù)處理之前需要對數(shù)據(jù)進行一定的預(yù)處理工作，對于抓取的濱州POI數(shù)據(jù)，發(fā)現(xiàn)部分數(shù)據(jù)分布于濱州市行政邊界外部，需對數(shù)據(jù)進行清洗，刪掉錯誤數(shù)據(jù)。不同數(shù)據(jù)的原始坐標系不同，需將所有數(shù)據(jù)進行地理坐標系和投影坐標系的統(tǒng)一，將地理坐標系統(tǒng)一為CS_China_Geodetic_Coordinate_System_2000，為了減少投影變形，將投影坐標系統(tǒng)一為更適合中國地區(qū)的Asia_Albers 坐標系。

3 數(shù)據(jù)分析

3.1 數(shù)量分析

通過對原始數(shù)據(jù)進行清洗和統(tǒng)一坐標及投影后，濱州市POI 分布情況如圖1 所示。

圖1 濱州市POI 分布情況

從圖1 可以明顯看出，POI 分布不均勻，POI 設(shè)施集中分布在中部及南部，北部由于存在部分海洋區(qū)域，造成北部區(qū)域各設(shè)施分布較少。整體上呈現(xiàn)出“一中心，多副心”現(xiàn)象。各POI 設(shè)施集中分布在濱城區(qū)內(nèi)，不同縣區(qū)中心位置出現(xiàn)“小中心”現(xiàn)象。從數(shù)量上分析，總體POI 有174 467 條數(shù)據(jù)，具體類別包括餐飲服務(wù)、風景名勝、公司企業(yè)、購物服務(wù)、交通設(shè)施、科教文化、汽車服務(wù)、商務(wù)住宅等類別，分別對各類別進行統(tǒng)計分析，數(shù)據(jù)見表1。

表1 濱州市POI 類別統(tǒng)計

從表1 可以看出，在濱州地區(qū)占比最多的POI類型為包含超市、服飾商場和家具商場的購物類，占比超過1/4，占比最少的POI 類別為體育休閑服務(wù)，占比為0.88%。在科教文化服務(wù)類別中篩選出教學機構(gòu)POI 數(shù)據(jù)，篩選后的數(shù)據(jù)共有1 596 條，包括幼兒園、小學、中學、職業(yè)技術(shù)學校、大學、成人教育等。教育學校POI 分布情況如圖2 所示。

圖2 濱州市學校POI 分布

從圖2 可以看出，教育學校設(shè)施分布情況與總體POI 分布類似，呈現(xiàn)多個中心的聚集情況，受地形地貌影響，濱州北部地區(qū)只有極少數(shù)教學設(shè)施分布。分布最集中的區(qū)域為濱城區(qū)，最稀疏的地區(qū)為沾化區(qū)。

3.2 核密度分析

核密度分析主要用于計算要素在某一范圍內(nèi)的密度，可以更好地分析濱州市教學機構(gòu)的密度情況。該方法操作簡單且可以直觀表現(xiàn)出不同地區(qū)的密度分布情況［2］。主要原理是在每一個POI 點上方均覆蓋中一個平滑曲面，且在該點上方的值最高，隨著半徑的延長，在區(qū)域的邊界降為零。核密度方法不依據(jù)數(shù)據(jù)的先驗知識，對數(shù)據(jù)的分布也不附加任何假定，從數(shù)據(jù)本身出發(fā)研究數(shù)據(jù)的分布特征［3］。對濱州市教學機構(gòu)進行核密度分析后結(jié)果如圖3 所示。

圖3 濱州市教學機構(gòu)核密度分析

由于濱州北部存在部分海域。因此出現(xiàn)大面積無值區(qū)域，本次不考慮此范圍。從圖中可以看出，核密度較高的區(qū)域明顯集中在濱城區(qū)附近，集中分布在濱城區(qū)的彭李街道、市中街道、市西街道、市南街道附近，其他不同區(qū)縣形成小中心分布現(xiàn)象，各小中心大多分布在不同縣區(qū)的中心城區(qū)附近，如惠民縣學校集中分布在孫武街道，博興縣學校集中分布在博昌街道。

3.3 最鄰近點指數(shù)

最鄰近距離指數(shù)主要用來描述點數(shù)據(jù)的空間臨近程度，計算空間上各點之間最短距離與理論模式中最近鄰點之間距離的比值［4］，可以用來判斷點狀要素聚集擴散特點、空間分布等特征［5］。根據(jù)最鄰近指數(shù)的數(shù)值將數(shù)據(jù)的分布情況劃分為聚集的、均勻的和隨機的，均勻分布的點狀要素距離最大，隨機分布點狀要素距離次之，聚集分布距離最小。計算中需要使用平均距離和平均最鄰近距離，具體公式為

式中：R表示最鄰近點指數(shù)；為最鄰近點距離r1的平均值為理論最鄰近距離；D為點密度。

R的取值決定了點狀要素的分布特征，R＞1 或R=1 時，表示點狀要素隨機分布，且R值越大表示其隨機性越強，R＜1 時，表示點狀要素呈現(xiàn)出聚集型的分布特征，R值越小，聚集型越強［6］。

的計算公式為

式中：A為研究區(qū)域的面積；n為點狀研究要素的數(shù)目。

使用上述公式對濱州市教學機構(gòu)進行計算，結(jié)果得出R＜1，說明針對濱州市學校類POI 總體空間分布呈現(xiàn)聚集型。

4 影響因素

4.1 經(jīng)濟因素（夜間燈光數(shù)據(jù)）

根據(jù)以往研究，夜間燈光數(shù)據(jù)與地區(qū)GDP 值具有明顯的相關(guān)關(guān)系［7］。因此夜間燈光的亮度值可以間接反映出地區(qū)的經(jīng)濟情況［8］。使用NPP-VIIRS夜間燈光數(shù)據(jù)（圖4）進行濱州市GDP（圖5）的空間化，分析學校分布情況與地區(qū)經(jīng)濟狀況之間的關(guān)系。

圖4 濱州市2019 年夜間燈光數(shù)據(jù)

圖5 濱州市2019 年GDP 數(shù)據(jù)

使用2019 年度NPP-VIIRS 夜間燈光數(shù)據(jù)，由于該數(shù)據(jù)目前只有月度數(shù)據(jù)。因此需要通過月度數(shù)據(jù)進行年度數(shù)據(jù)的合成。參照胡為安等［9］的處理方法，將數(shù)據(jù)進行坐標轉(zhuǎn)換、數(shù)據(jù)合成、背景噪聲去除后得到濱州市2019 年平均NPP-VIIRS 數(shù)據(jù)。統(tǒng)計山東省2012—2017 年各地級市的GDP 總值，建立燈光亮度值與GDP 值的對應(yīng)關(guān)系，分別使用線性函數(shù)、二次多項式函數(shù)、指數(shù)函數(shù)和對數(shù)函數(shù)進行建模分析，最終選取可擬合度最高的二次多項式函數(shù)進行GDP 的空間化，即

根據(jù)燈光亮度值進行GDP 的分配［10］，GDP 空間化分配公式為

式中：G為某柵格的GDP 值；i為該柵格燈光亮度值；max（i）表示該區(qū)域燈光亮度值的最大值；ni為亮度值為i的像元個數(shù)；GDP 為山東省GDP 總值。

從GDP 空間化結(jié)果中可以看出，濱城區(qū)和鄒平縣對全市總GDP 有較大貢獻，惠民區(qū)和沾化區(qū)GDP 值屬于較低水平。GDP 空間化分布情況與學校類機構(gòu)的核密度分布情況基本一致，GDP 值較高的區(qū)域，學校類設(shè)施分布較多，核密度也較大，一定程度上說明了不同地區(qū)的經(jīng)濟狀況影響了學校類設(shè)施的分布，經(jīng)濟狀況越好，設(shè)施分布越密集。

4.2 人口因素

Worldpop 人口數(shù)據(jù)是由佛羅里達大學主持研發(fā)的人口網(wǎng)格數(shù)據(jù)，分辨率為100 m，是基于夜間燈光數(shù)據(jù)、土地利用數(shù)據(jù)等多源數(shù)據(jù)，使用隨機森林的方法估算出人口分布權(quán)重圖層，得到格網(wǎng)級別的人口模擬數(shù)據(jù)，每個格網(wǎng)的值表示該格網(wǎng)的人口數(shù)量，在一定程度上可以表示真實的人口分布［11］。本文使用2019 年Worldpop 人口數(shù)據(jù)，經(jīng)坐標轉(zhuǎn)換、裁剪、重采樣等預(yù)處理工作，得到了濱州的人口分布格網(wǎng)數(shù)據(jù)，如圖6 所示。

濱州北部地區(qū)存在大量無值區(qū)域，本次不考慮此范圍。從圖6 可知，濱州市人口集中分布的縣區(qū)有濱城區(qū)的彭李街道、北鎮(zhèn)街道、市西街道、市東街道、鄒平縣的黛溪街道、惠民縣的孫武街道等，與相關(guān)教學機構(gòu)分布情況類似，教學機構(gòu)集中分布的區(qū)域人口分布較為密集，一定程度上說明了人口數(shù)量促進了教學機構(gòu)的發(fā)展。

圖6 濱州人口分布格網(wǎng)數(shù)據(jù)

5 結(jié)語

以濱州市教學機構(gòu)為研究對象，采用核密度分析法，對濱州市教學機構(gòu)的分布情況進行研究，發(fā)現(xiàn)濱州市教學機構(gòu)分布主要呈現(xiàn)“一中心，多副心”現(xiàn)象，主要集中在濱城區(qū)，其他各縣區(qū)形成多個小中心現(xiàn)象，使用最鄰近指數(shù)方法，對濱州市學校的空間分布形態(tài)進行研究，發(fā)現(xiàn)其空間分布為聚集型。

通過閱讀相關(guān)文獻發(fā)現(xiàn)夜間燈光亮度值可以間接反映地區(qū)的經(jīng)濟狀況，使用NPP-VIIRS 數(shù)據(jù)，根據(jù)亮度值進行GDP 總值的再分配，得到濱州市2019 年GDP 空間化數(shù)據(jù)，分析了經(jīng)濟狀況與教學機構(gòu)的分布的相關(guān)性；使用Worldpop 人口數(shù)據(jù)，經(jīng)過一定預(yù)處理后分析了教學機構(gòu)和人口分布情況之間的關(guān)系，發(fā)現(xiàn)經(jīng)濟狀況和人口因素都與教學機構(gòu)的分布情況具有一致性，二者都能在一定程度上促進教學機構(gòu)的發(fā)展。