程朋根, 韓佳宇, 吳 靜, 郭苗苗

(1.東華理工大學(xué) 測(cè)繪工程學(xué)院, 南昌 330013; 2.桂林理工大學(xué) 廣西空間信息與測(cè)繪重點(diǎn)實(shí)驗(yàn)室, 廣西 桂林 541006)

0 引 言

隨著城市化的快速持續(xù)發(fā)展, 城市社會(huì)文明和居民生活質(zhì)量也隨之提高, 休閑已成為重要的生活方式和消費(fèi)方式, 休閑旅游已逐漸成為消費(fèi)熱點(diǎn)[1], 并且休閑旅游產(chǎn)業(yè)的發(fā)展規(guī)模以及發(fā)展趨勢(shì)一直持續(xù)增長(zhǎng), 是休閑旅游空間快速擴(kuò)張的最主要原因之一[2]。因此, 城市急需對(duì)休閑旅游空間的分布和集聚特征進(jìn)行分析并探討如何協(xié)調(diào)與城市建設(shè)發(fā)展的關(guān)系, 這對(duì)宜居城市的建設(shè)、 旅游業(yè)的發(fā)展和城市的可持續(xù)發(fā)展起到了至關(guān)重要的作用。黃震方等[1]界定了休閑與休閑旅游資源的概念， 并對(duì)江蘇省常州市的休閑旅游資源進(jìn)行了分類與評(píng)價(jià)。馬聰玲[3]通過(guò)對(duì)世界主要城市公園的分析, 從而將城市休閑空間劃分為城市公園、沿街綠地、步行街區(qū)、濱水區(qū)四大類。陳永昶等[4]探討分析了休閑旅游概念的國(guó)內(nèi)外研究現(xiàn)狀, 并參照我國(guó)旅游發(fā)展的實(shí)際情況和特點(diǎn), 進(jìn)一步的闡述了休閑旅游的內(nèi)涵。

近年來(lái), 通過(guò)大數(shù)據(jù)技術(shù)對(duì)城市地理空間規(guī)劃已成為熱門發(fā)展趨勢(shì)。 大數(shù)據(jù)挖掘作為全新的數(shù)據(jù)源和研究思路可以進(jìn)一步對(duì)城市休閑旅游空間進(jìn)行分析。城市服務(wù)設(shè)施是最重要的服務(wù)提供者之一, 通常使用與特定人類社會(huì)活動(dòng)相關(guān)的POI模型在ArcGIS中表示為一組點(diǎn)。興趣點(diǎn)分布強(qiáng)度和分布格局的研究對(duì)城市規(guī)劃、 商業(yè)區(qū)位選擇和社會(huì)建議等空間分析具有重要意義。陳蔚珊等[5]基于面向公眾服務(wù)的商業(yè)機(jī)構(gòu)興趣點(diǎn)數(shù)據(jù), 提出一種商業(yè)中心與零售業(yè)態(tài)集聚區(qū)識(shí)別的方法, 對(duì)城市商業(yè)服務(wù)中心和不同零售業(yè)態(tài)集聚區(qū)的空間分布特征進(jìn)行了探討?？涤旰赖萚6]基于POI數(shù)據(jù)和道路網(wǎng)數(shù)據(jù), 利用點(diǎn)密度分析方法對(duì)武漢市核心城區(qū)的功能區(qū)進(jìn)行了識(shí)別。楊文杰等[7]基于廣州市的科教文化POI數(shù)據(jù), 利用最鄰近距離法等多種空間分析方法分析了廣州市科教文化服務(wù)的分布特征。在利用POI數(shù)據(jù)和夜間燈光數(shù)據(jù)耦合分析方面, 劉翔宇[8]基于DMSP/OLS影像、 統(tǒng)計(jì)數(shù)據(jù)和POI數(shù)據(jù)使用了景觀格局指數(shù)、 重心模型、 引力模型和耦合性分析來(lái)分析安徽省的城市空間分布結(jié)構(gòu)； 陳斌等[9]選取了POI數(shù)據(jù)及NPP/VIIRS遙感數(shù)據(jù)進(jìn)行了核密度分析, 然后對(duì)POI核密度分析結(jié)果及夜光遙感數(shù)據(jù)進(jìn)行空間網(wǎng)格化處理, 并通過(guò)雙因素制圖法和柵格疊加分析方法得到了這兩種數(shù)據(jù)的空間耦合關(guān)系, 進(jìn)一步分析了武漢市主城區(qū)的城市空間結(jié)構(gòu)特征。

本文選取南昌市中心城區(qū)為研究區(qū), 選擇POI數(shù)據(jù)及夜間遙感影像數(shù)據(jù)為研究數(shù)據(jù), 基于ENVI軟件和ArcGIS 10.2平臺(tái), 運(yùn)用核密度估計(jì)法、 多距離空間聚類分析法、 最近鄰指數(shù)法和標(biāo)準(zhǔn)差橢圓算法從空間分布熱點(diǎn)、 空間尺度、 集聚程度和分布格局以及這兩類空間數(shù)據(jù)的耦合性分析等方面對(duì)南昌市休閑旅游空間集聚的特征進(jìn)行了綜合論述， 并通過(guò)繪制27年來(lái)南昌市城鎮(zhèn)空間重心移動(dòng)軌跡進(jìn)行時(shí)空演變分析。本文技術(shù)路線如圖1所示。

圖1 技術(shù)路線圖

1 研究區(qū)域和數(shù)據(jù)來(lái)源

1.1 研究區(qū)域概況

南昌市是江西省省會(huì)、 環(huán)鄱陽(yáng)湖城市群核心城市， 地處江西中部偏北， 贛江、 撫河下游， 鄱陽(yáng)湖西南岸， 位于東經(jīng)115°27′—116°35′、北緯28°10′—29°11′。截至2018年末, 南昌市轄6區(qū)3縣, 土地總面積7 194.61 km2, 常住人口554.55萬(wàn)人。全市擁有園林綠地面積17 705.46 hm2, 綠化覆蓋面積18 895.24 hm2, 公園綠地面積4 357.66 hm2, 人均公園綠地面積達(dá)到11.8 m2。

1.2 實(shí)驗(yàn)數(shù)據(jù)

POI(point of interest, 興趣點(diǎn))主要包含了真實(shí)地理實(shí)體的空間和屬性信息, 如名稱、 地址和坐標(biāo)等。興趣點(diǎn)主要用來(lái)描述和查詢事物和事件的詳細(xì)地址, 提高地理定位的準(zhǔn)確性和速度。與傳統(tǒng)數(shù)據(jù)相比, POI數(shù)據(jù)具有較好的時(shí)效性和客觀性、 空間分辨率很高、 可以直觀有效地反映城市建設(shè)密度和產(chǎn)業(yè)集聚程度。

本文研究區(qū)域涵蓋南昌市的東湖區(qū)、 西湖區(qū)、 青山湖區(qū)、 青云譜區(qū)、 新建區(qū)、 紅谷灘區(qū)、 南昌縣、 安義縣、 進(jìn)賢縣等9個(gè)區(qū)縣。所使用的數(shù)據(jù)為網(wǎng)絡(luò)電子地圖南昌市2019年12月份POI數(shù)據(jù), 通過(guò)篩選去除重復(fù)值后共有104 795條數(shù)據(jù)。每條POI數(shù)據(jù)都包含名稱、 經(jīng)度、 緯度、 地址、 電話、 分類等屬性字段。由于南昌市于2019年12月行政區(qū)劃調(diào)整, 將灣里區(qū)并入新建區(qū), 設(shè)立了紅谷灘區(qū), 因此數(shù)據(jù)更具有現(xiàn)實(shí)參照意義。根據(jù)南昌市休閑旅游空間實(shí)際分布情況, 將研究對(duì)象劃分為商業(yè)服務(wù)、 餐飲服務(wù)、 風(fēng)景名勝、 體育休閑服務(wù)、 文化娛樂(lè)服務(wù)等5大主類。通過(guò)百度地圖對(duì)POI數(shù)據(jù)(表1)進(jìn)行爬取, 然后轉(zhuǎn)換坐標(biāo)系統(tǒng)并導(dǎo)入ArcGIS 10.2進(jìn)行投影轉(zhuǎn)換， 利用屬性篩選器篩選出上述5大類POI數(shù)據(jù), 分區(qū)統(tǒng)計(jì)后得到表2。

表1 南昌市POI數(shù)據(jù)信息

表2 南昌市休閑旅游空間各區(qū)POI數(shù)據(jù)分類統(tǒng)計(jì)

夜間燈光數(shù)據(jù)目前在城市群空間擴(kuò)張監(jiān)測(cè)、 區(qū)域經(jīng)濟(jì)增長(zhǎng)、 人口估算、 環(huán)境監(jiān)測(cè)等方面的應(yīng)用越來(lái)越廣泛[10-12], 是人類活動(dòng)的表征。雖然很難將休閑旅游空間數(shù)據(jù)從夜間燈光數(shù)據(jù)中分離出來(lái), 但是由于南昌市是幾乎不存在旅游淡季和早晚差異情況的旅游城市, 其休閑旅游活動(dòng)與人類活動(dòng)密不可分, 所以在一定程度上夜間燈光數(shù)據(jù)可反映南昌市的休閑旅游空間分布特征。本文選取南昌市 1992—2013年22 期 DMSP/OLS 以及 2012—2018年7期 NPP/VIIRS 夜間燈光數(shù)據(jù), 由于DMSP和VIIRS之間存在嚴(yán)重的不一致性, 故先去除月光、 漁火以及背景噪聲, 并量化2013年DMSP數(shù)據(jù)和VIIRS數(shù)據(jù)之間的關(guān)系使得二者處理后具有相同的空間分辨率和相似的輻射特性, 最終通過(guò)飽和校正及連續(xù)性校正生成一致的夜間燈光數(shù)據(jù)[13]。

1.3 數(shù)據(jù)預(yù)處理

正六邊形是邊數(shù)最多的平面鑲嵌圖形, 無(wú)間隙且不重疊地覆蓋平面, 相比于矩形漁網(wǎng)能更好地展示數(shù)據(jù)間的對(duì)比分析結(jié)果, 因此綜合考慮后對(duì)南昌市行政區(qū)劃創(chuàng)建正六邊形格網(wǎng), 利用ArcGIS Online的Create Hexagon Tessellation工具直接生成7 533個(gè)單位面積為1 km2的網(wǎng)格, 即生成南昌市蜂窩格網(wǎng)數(shù)據(jù)(圖2)。用六邊形網(wǎng)格數(shù)據(jù)對(duì)2018年南昌市夜間遙感影像進(jìn)行區(qū)域分析, 獲取各網(wǎng)格夜間燈光亮度平均值(圖3)。

圖2 南昌市蜂窩格網(wǎng)

圖3 2018年南昌市夜間燈光亮度值蜂窩

2 研究方法

2.1 核密度估計(jì)法(KDE)

核密度估計(jì)(KDE)是一個(gè)高效的空間分析工具, 在空間密度評(píng)價(jià)過(guò)程中扮演著重要的角色, 它是根據(jù)點(diǎn)或折線特征計(jì)算每個(gè)單位的面積, 以使每個(gè)點(diǎn)或折線適合光滑的圓錐形表面。在興趣點(diǎn)空間特征表達(dá)的方法上, 核密度估計(jì)法(KDE)相比于樣方密度法和基于Voronoi圖密度法等密度表達(dá)方法更具有優(yōu)勢(shì)。核密度估算的表達(dá)式為[14-15]

(1)

式中:K[]為核函數(shù), 本文采用的是高斯核函數(shù);h為帶寬, 也稱作搜索半徑;n為在帶寬范圍內(nèi)的已知點(diǎn)數(shù)目;d為數(shù)據(jù)的維度。

2.2 基于Ripley’s K函數(shù)的多距離空間聚類分析

采用基于 Ripley’sK函數(shù)的多距離空間聚類分析方法用來(lái)分析點(diǎn)數(shù)據(jù)的空間模式。通過(guò)Ripley’sK函數(shù)在不同距離的情況下分析點(diǎn)數(shù)據(jù)的集聚程度。該分析通常需要選擇合適的距離范圍或距離閾值。本文使用的是Ripley’s原始K函數(shù)的一種常見(jiàn)變換, 通常稱為L(zhǎng)(d)公式[16-18]

(2)

其中:d為距離;n為要素的總數(shù)目;A代表要素的總面積;ki, j是權(quán)重。如果沒(méi)有邊矯正, 當(dāng)i與j的距離小于d時(shí), 則權(quán)重將等于1; 反之, 權(quán)重將等于0。使用給定的邊矯正方法時(shí),ki, j的權(quán)重略有變化。

2.3 最近鄰指數(shù)法

最近鄰指數(shù)(NNI)的表示方式是研究區(qū)域內(nèi)元素的實(shí)際最近鄰平均距離DN與隨機(jī)分布模型的理論平均距離DR之比。當(dāng)NNI=1, 即DN=DR時(shí), 所分析的元素是均勻分布的;當(dāng)NNI<1, 即DN1, 即DN>DR時(shí), 表明元素點(diǎn)是趨于排斥分布的。

(3)

(4)

NNI=DN/DR。

(5)

其中:n為元素個(gè)數(shù);di為元素i與其最近鄰點(diǎn)的距離。

2.4 標(biāo)準(zhǔn)差橢圓算法(SDE)

標(biāo)準(zhǔn)差橢圓算法可以很詳細(xì)地描述點(diǎn)的分布方向以及分布趨勢(shì)。通過(guò)ArcGIS軟件分析可得到5個(gè)參數(shù)： CenterX和CenterY代表了橢圓的中心點(diǎn), XStdDist和YStdDist分別為橢圓x軸和y軸的長(zhǎng)度, Rotation表示的是橢圓的方向角度。橢圓的長(zhǎng)半軸表示點(diǎn)的分布方向, 而短半軸表示的是點(diǎn)的分布范圍。橢圓的扁率是長(zhǎng)短半軸的差值與長(zhǎng)半軸的比值, 扁率越大, 點(diǎn)的分布方向越顯著; 扁率越小, 點(diǎn)的分布方向則越模糊。方向角θ的計(jì)算公式為

(6)

(7)

(8)

3 結(jié)果分析

3.1 基于KDE的區(qū)域空間集聚熱點(diǎn)識(shí)別

在核密度估計(jì)法中, 輸出像元大小(即輸出柵格圖像像素點(diǎn)的大小)在一定范圍內(nèi)像素點(diǎn)隨著像元值的變小而增多, 像素點(diǎn)越多, 則分辨率越高(圖4)。搜索半徑是一個(gè)很重要的參數(shù), 是指定半徑范圍內(nèi)所有的采樣點(diǎn)都參與柵格單元的密度運(yùn)算, 采取不同的數(shù)值會(huì)對(duì)結(jié)果影響很大。本文經(jīng)過(guò)多次實(shí)驗(yàn), 最后將搜索半徑設(shè)為3 km, 像元大小設(shè)為20, 采用自然間斷點(diǎn)法進(jìn)行分類, 并利用ArcGIS可視化, 得到的結(jié)果較為滿意。

圖4 南昌市休閑旅游空間核密度分析

通過(guò)對(duì)南昌市休閑旅游空間POI數(shù)據(jù)進(jìn)行核密度分析可以看出, 南昌市商業(yè)和餐飲服務(wù)空間呈“大聚集、 小分散”的特點(diǎn), 主要分布于西湖街道、 丁公路街道、 繩金塔街道、 南站街道以及京山街道； 另外,在贛江對(duì)岸的紅谷灘區(qū)分布密度也較高, 以世貿(mào)路和會(huì)展路為中心； 風(fēng)景名勝空間密度最高的點(diǎn)位于滕王閣街道、 百花洲街道和西湖街道一帶。整體來(lái)看, 休閑旅游空間呈“一心多點(diǎn)”式布局, “一心”主要為服務(wù)設(shè)施高度聚集的中心城市, “多點(diǎn)”主要為縣級(jí)服務(wù)中心。密度值最高的分布范圍具體為政府大院街道、 公園街道、 百花洲街道、 西湖街道、 滕王閣街道、 廣潤(rùn)門街道、 彭家橋街道以及墩子塘街道。中心城市市區(qū)中心內(nèi)服務(wù)設(shè)施集中程度最高, 市區(qū)服務(wù)設(shè)施布局為單中心模式, 密度由中心城區(qū)向外圈層式遞減。

3.2 基于Ripley’s K函數(shù)的區(qū)域空間集聚的空間尺度效應(yīng)

Ripley’sK函數(shù)包含 5個(gè)參數(shù): ObservedK(觀測(cè)K值)、 ExpectedK(預(yù)期K值)、 DiffK(差值)、 LwConfEnv(低值置信區(qū)間)、 HiConfEnv(高值置信區(qū)間)。其中, ObservedK表示實(shí)際計(jì)算值; ExpectedK表示通過(guò)隨機(jī)假設(shè)計(jì)算出來(lái)的預(yù)期值; DiffK表示觀測(cè)K值與預(yù)期K值的差值, 當(dāng)DiffK為正值時(shí), 表示空間聚集, 為負(fù)值時(shí), 表示空間離散, 數(shù)值越大, 程度越大; LwConfEnv和HiConfEnv表示設(shè)定置信度后預(yù)期K值的聚集置信區(qū)間。本文將距離遞增次數(shù)設(shè)置為10次。

總體上, 觀測(cè)K值均大于預(yù)期K值, 且均大于高值置信區(qū)間, 表明總體上休閑旅游空間分布呈現(xiàn)

表3 南昌市休閑旅游空間多距離空間聚類分析

顯著的聚集趨勢(shì)。其中， 觀測(cè)K值為38 190.064時(shí), 差值最大, 為23 078.357, 聚集趨勢(shì)最為顯著。

3.3 基于NNI的區(qū)域空間集聚特征

運(yùn)用最近鄰指數(shù)方法分析了南昌市休閑旅游空間的集聚狀況及集聚趨勢(shì)。通過(guò)表4可以看出, 南昌市休閑旅游空間總體的NNI小于1, 且通過(guò)了99%置信水平的顯著性檢驗(yàn), 呈空間集聚的趨勢(shì)。不同類型空間的NNI也都小于1, 其中餐飲服務(wù)類和商業(yè)服務(wù)類較低, 說(shuō)明這兩類更傾向于集聚發(fā)展, 且集聚規(guī)模較大。因?yàn)椴惋嫼蜕虡I(yè)服務(wù)類都具有很強(qiáng)的集聚經(jīng)濟(jì)效應(yīng), 會(huì)受到經(jīng)濟(jì)水平、 人口密度、 交通便利等因素的影響。體育休閑和文化娛樂(lè)服務(wù)類的NNI分別為0.326和0.454, 也同樣呈現(xiàn)出集聚的總體趨勢(shì)。風(fēng)景名勝服務(wù)類的NNI最大, 為0.472, 由于受自然生態(tài)條件和城市開(kāi)放空間的影響, 所以相較而言集聚程度較低。

表4 南昌市城市休閑旅游空間集聚性分析

3.4 基于SDE方法的區(qū)域空間分布模式

采用標(biāo)準(zhǔn)偏差橢圓算法分析了南昌市休閑旅游空間的中心趨勢(shì)、 離散趨勢(shì)和方向趨勢(shì)[19-20]。分析結(jié)果表明(圖5), 南昌市休閑旅游空間橢圓中心位于東湖區(qū)政府大院街道附近， 橢圓土地面積894.9 km2, 占南昌市土地面積的12.44%， 橢圓中心的分布明顯向西， SDE的長(zhǎng)半軸為12.15 km, 短半軸為5.85 km, 方位角為131.17°, 具有明顯的方向性。南昌市休閑旅游空間總體分布格局以“中密邊疏”為特征, 呈“西北—東南”的分布趨勢(shì)。具體而言, 城市商業(yè)空間的中心性、 擴(kuò)散范圍和空間發(fā)展方向均符合休閑旅游空間的總體特征, 并朝著西北—東南方向發(fā)展。

圖5 南昌市休閑旅游空間標(biāo)準(zhǔn)差橢圓算法分析

城市體育休閑空間和文化娛樂(lè)空間的分布中心明顯向北。SDE在餐飲服務(wù)空間的長(zhǎng)短軸扁率最大, 傳播范圍最大。城市風(fēng)景名勝空間的SDE具有長(zhǎng)短軸扁率最小、 擴(kuò)展范圍最小、 方向性較弱的特點(diǎn)。

4 夜間燈光數(shù)據(jù)與POI耦合分析

為更準(zhǔn)確直觀地分析南昌市夜間燈光數(shù)據(jù)與休閑旅游空間POI數(shù)據(jù)的耦合關(guān)系, 首先采用離差標(biāo)準(zhǔn)化公式對(duì)這兩類數(shù)據(jù)進(jìn)行歸一化處理:

(9)

再利用標(biāo)準(zhǔn)差法將這兩類數(shù)據(jù)分為高、 中、 低3個(gè)等級(jí), 將夜間燈光亮度值和POI分級(jí)進(jìn)行空間連接, 兩兩結(jié)合得到“高—高”、 “高—中”、 “高—低”、 “中—高”(未出現(xiàn)該組合)、 “中—中”、 “中—低”、 “低—高”(未出現(xiàn)該組合)、 “低—中”、 “低—低”9 種組合方式, 結(jié)果如圖6。

圖6 南昌市夜間遙感與POI空間耦合關(guān)系圖

從總體空間分布情況看, 這兩類空間數(shù)據(jù)耦合關(guān)系的分布具有較高的一致性?！案摺摺钡鸟詈详P(guān)系基本分布在青山湖區(qū)、 東湖區(qū)、 西湖區(qū)、 青云譜區(qū)以及部分紅谷灘新區(qū), 如南昌市的四大商圈(紅谷灘萬(wàn)達(dá)、 銅鑼灣購(gòu)物中心、 王府井購(gòu)物中心、 恒茂夢(mèng)時(shí)代廣場(chǎng))以及滕王閣、 八一廣場(chǎng)、 秋水廣場(chǎng)等著名旅游景區(qū)都聚集于此, 而這兩類數(shù)據(jù)的低值分布區(qū)主要集中分布在南昌市的外部邊緣地區(qū), 與南昌市的發(fā)展現(xiàn)狀相吻合。安義縣呈“高—低”的耦合關(guān)系是由于區(qū)位交通便捷, 京九鐵路、 昌九高速公路擦境而過(guò), 范圍較廣而功能單一, 因此出現(xiàn)夜間燈光亮度較強(qiáng)而POI密度較低的狀況。

5 時(shí)空演化特征分析

本文選取了1992、 1998、 2004、 2010、 2016及2018年的6期夜間遙感影像進(jìn)行分析處理。由圖7可知, 隨著時(shí)間的推移, 南昌市各城區(qū)夜間燈光面積與強(qiáng)度逐年增加, 說(shuō)明人類活動(dòng)強(qiáng)度逐漸增大, 城市休閑旅游設(shè)施也同樣變得更為密集。1992年夜間燈光主要分布在東湖區(qū)， 南昌縣和進(jìn)賢縣幾乎沒(méi)有任何燈光分布；2004年, 隨著紅谷灘中心區(qū)的建立, 夜間燈光分布有明顯的增強(qiáng)；2010年, 在之前的基礎(chǔ)上夜間燈光圍繞中心向四周發(fā)散；到2018年, 南昌市每個(gè)區(qū)域的燈光分布都較為明顯。隨著時(shí)間的推移, 夜間燈光的分布與總量總是在不斷地增加[21]。

圖7 南昌市1992、1998、2004、2010、2016和2018年夜間遙感影像

為了更直觀地分析南昌市城鎮(zhèn)空間和休閑旅游空間的重心變動(dòng)方向和趨勢(shì), 利用GIS繪制27年來(lái)南昌市城鎮(zhèn)空間重心遷移軌跡。由圖8發(fā)現(xiàn), 1992—1998年南昌市重心位置波動(dòng)較小, 2004年向西北方偏移， 2018年與之前相比, 重心的變化主要體現(xiàn)為緯度方向向西偏移, 經(jīng)度方向向下移動(dòng)。這說(shuō)明南昌市的城鎮(zhèn)空間與休閑旅游空間的整體發(fā)展表現(xiàn)為先向西北偏移, 再向西南偏移, 空間增長(zhǎng)以西南部城市為主。

圖8 南昌市城鎮(zhèn)空間重心遷移軌跡

6 結(jié) 論

基于POI數(shù)據(jù)和夜間燈光數(shù)據(jù)對(duì)南昌市的休閑旅游空間進(jìn)行耦合分析研究, 主要結(jié)論如下:

(1)南昌市中心城區(qū)的休閑旅游空間分布呈明顯的“一心多點(diǎn)”式布局, 休閑旅游空間總體及各服務(wù)類的集聚中心都位于中心城區(qū)內(nèi), 在青山湖區(qū)呈現(xiàn)出高度聚集的趨勢(shì), 說(shuō)明青山湖區(qū)是南昌市休閑旅游最為集中的區(qū)域, 而邊緣縣城的集聚效應(yīng)較弱。另外， 南昌市休閑旅游空間總體分布格局呈現(xiàn)出明顯的“中密邊疏”的特征以及“西北—東南”的走勢(shì)。

(2)通過(guò)對(duì)POI數(shù)據(jù)和夜間燈光數(shù)據(jù)耦合分析, 可以發(fā)現(xiàn)南昌市夜間燈光整體是呈從中心城區(qū)向四周逐漸降低的趨勢(shì), 兩者數(shù)據(jù)之間呈現(xiàn)較高的耦合性, 而呈現(xiàn)出耦合差異的區(qū)域也可以反映出車站、 機(jī)場(chǎng)、 工業(yè)開(kāi)發(fā)區(qū)等范圍較大卻性質(zhì)相同的建筑。南昌市中心城區(qū)的周邊呈現(xiàn)出大范圍的“低—低”耦合, 是由于郊區(qū)鄉(xiāng)鎮(zhèn)的經(jīng)濟(jì)建設(shè)較為落后, 因此夜間燈光值和休閑旅游各類服務(wù)設(shè)施都較低, 符合現(xiàn)實(shí)情況。

(3)最后利用1992—2018年的夜間遙感影像繪制了27年來(lái)南昌市城鎮(zhèn)空間及休閑旅游空間的重心偏移軌跡發(fā)現(xiàn)， 隨著人類的活動(dòng)強(qiáng)度與城市建設(shè)的增加, 南昌市夜間燈光面積也逐年增加, 重心偏移方向是由西南轉(zhuǎn)移到西北。

研究結(jié)果表明, 基于大數(shù)據(jù)的多方法綜合分析能夠較好地描述區(qū)域的空間分布屬性及時(shí)空演變特征。以南昌市為例, 客觀、 全面地揭示了南昌市休閑旅游空間的集聚特征, 為南昌市的國(guó)土空間規(guī)劃提供了不可或缺的參考信息； 但同時(shí)也存在一定的局限性, 本文對(duì)區(qū)域空間集聚特征的分析更多的是對(duì)結(jié)果的研究, 還缺少對(duì)其驅(qū)動(dòng)因素或影響因素的分析。