冒小栋;刘琼芳
【摘 要】在空间统计相关理论基础上，利用ArcGIS和GEODA空间统计分析软件对江西省县域人口分布的总体和局部空间差异进行了实证分析。结果表明：江西省2009-2011年人口分布主要特征是江西北部地区密集，南部呈现分散分布，并且存在显著的正向空间聚集效应，其中，以南昌为中心存在高密度空间集聚效应，而在抚州东部存在低人口密度的空间集聚效应。%On the basis of the spatial statistical theory, through ArcGIS and GEODA spatial statistical analysis soft-ware, this paper analyzes the overall and regional spatial difference of population distribution in Jiangxi Province. Results show that the population of Jiangxi Province was densely located in northern part and scattered over the southern part from 2009 to 2011. The study maintains that there exists a distinct positive space aggregation effect in Jiangxi Province with Nanchang being the center for high-density spatial agglomeration effect and Fuzhou be-ing the center of low-density spatial agglomeration effect.
【期刊名称】《华东交通大学学报》
【年(卷),期】洛桑多吉2014(000)002
【总页数】8页(P131-138)
【关键词】人口密度分布;Moran’s I指数;LISA;空间自相关;江西省
【作 者】冒小栋;刘琼芳
【作者单位】华东交通大学经济管理学院，江西 南昌 330013;华东交通大学经济管理学院，江西 南昌 330013
【正文语种】中 文方仓医院
【中图分类】F222.1
人口增长与空间分布是影响区域长远发展的重要因素，人口密度是反映区域人口分布的重要指标，可以显示各区域人口分布的稀疏程度，马歇尔提出的导致产业集聚的三个原因就 有劳动力集聚因素。人口分布是指一定时间内人口在一定地区范围内的空间分布状况，是体现社会经济现象和人口状况的重要因素。国内外的这些研究对于认识城市人口分布规律、以及在城市人口分布演变特征基础上研究城市空间结构演变等方面贡献良多。1935年胡焕庸先生[1]“瑷珲（黑河）—腾冲线”的提出开创了我国人口空间分布研究的先河之后，人口分布研究逐渐受到地理学者及人口学者的广泛关注，近年来，国内学者针对人口进行了大量的理论探讨和实证研究。2012年张慧[2]研究了山东省的人口分布格局，得出区域人口呈现出“高—高”、“低—低”集聚分布，主要是地区发展差异成为人口集疏变化的重要原因，城市化成为人口流动的强大推力。2012年钟业喜等人[3]以红三角经济圈人口和经济空间分布为研究对象，得出人口地理集中度和经济地理集中度高度相关，并呈现人口和经济地理集中度均呈现西高东低格局，可划分为经济超前型、协调发展型和经济滞后型3类区域。通信网络安全
2013年年初，江西省政府提出开展江西省县域科学发展模式及实现途径以及江西省行政区划调整研究，本文以江西省县域人口分布为研究对象，通过对县域人口分布的空间相关性分析，出江西省县域人口空间分布特点及规律，为江西省行政区划的调整提供参考。
1 研究方法
1.1 方法介绍
Tobler[4]地理学第一定律所说：“任何事物之间均相关，而离的较近事物总比离的较远的事物相关性要高。因此考虑区域位置对数据的影响是有必要的，通常一个区域单元上的某种地理现象或某一属性值与邻近区域单元上同一现象或属性值相关，几乎所有空间数据都具有空间依赖或空间自相关特征。空间统计方法打破了传统统计方法的这种局限性，考虑研究对象的地理位置和空间的相互影响，分析事物在空间上的分布特征。空间统计针对空间数据的相关性对数据进行空间依赖性、空间异质性检验，进而建立空间位置数据间的统计关系，其中空间自相关分析是空间统计分析的重要内容之一，包括全局空间自相关和局域空间自相关。全局空间自相关主要是分析空间数据在整个系统内表现出的数据特征，测量指标主要有Moran’s I指数和Geary c指数。局域空间自相关则分析局部子系统所表现出来的分布特征，具体表现形式包括空间聚集区、非典型的局部区域、异常值或空间政区等，一般用G统计量、Moran散点图和LISA来测度。
1.1.1 建立空间权重矩阵
在探讨空间依赖性以及空间相关性之前，通常要确定空间区位的相关性，即确定一个二元
何其莘
对称空间权重矩阵Wn×n来表达n个空间区域位置的的邻近关系，可以根据相邻距离标准和有限距离标准来度量，其中相邻距离标准主要有3种不同度量方式：
1）邻接标准。即当i和j区位相邻接时，确定空间权重矩阵的元素Wi×j=1，否则则定义为Wi×j=0，其中，位置的邻近主要有以下3种：
直接四邻域邻近：即在区域i和区域j在有共同的边界则认为区域i与区域j线性相邻，则Wi×j=1，否则则记为 Wi×j=0。
对角线方向四邻域邻近：即在区域i和区域j在有共同的定点则认为区域i与区域j线性相邻，则Wi×j=1，否则则记为 Wi×j=0。
八邻域邻近：即在区域i和区域j在有共同的定点或者边界则认为区域i与区域j线性相邻，则Wi×j=1，否则则记为 Wi×j=0。
图1 常用邻近关系Fig.1 Typical proxim ity relation
2）距离标准。根据距离标准，即利用位置i和j之间的距离与在一给定的距离d相比较，当区
王永庆的球童
位距离小于d时，即空间权重矩阵W的元素Wi×j=1，否则Wi×j=0。面状目标对象时，则先在地区中定义一个控制点来表示。该点可以是地理质心，然而有时地理质心可能位于区域表面以外，故经常是利用空间区域内相关指标密度分布在选择面状目标对象的控制点。
3）加权空间邻接一般测定。即根据属性值xi和二元空间权重矩阵来定义一个加权空间邻近度量方法
其中：W i×j是二元空间权重矩阵，而xj则表示与相邻单位i的所有单元的某属性值的集合，例如，人口密度等，W i∗×j是空间相邻矩阵的一般表示方式。
李定国纪年
1.2.2全局空间自相关
全局自相关是研究对象间整体的相关性，主要指标有Moran’s I指数和Geary c系数来度量全局空间自相关。Moran’s I指数反映空间邻接或空间邻近的区域单元属性值的相似程度，范围在-1～1之间，1表示空间数据之间存在强烈的正自相关，-1表示空间数据之间存在强烈的负自相关，0则表示空间数据是随机模式，独立分布的，不存在相关性。Geary c系数与Moran’s I指数存在负相关关系。用公式表示全局Moran’s I指数如下
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议