基于空间分析的徐州市居民点分布模式研究_闫庆武

第34卷第5期
2009年9月
测绘科学
Science of Surveying and M app ing
Vol134No15
Sep1
作者简介:闫庆武(19752),男,山东
邹城人,博士,副教授,主要研究方
向为资源环境与信息决策支持。

E2mail:3403175@1631com
收稿日期:2008205207
基金项目:国家自然科学基金项目
(50574095);教育部新世纪优秀人才
支持计划资助项目(NCET20420487);
徐州师范大学自然科学基金(06XLB12)
基于空间分析的徐州市居民点分布模式研究
闫庆武①,卞正富①,王　桢②
(①中国矿业大学环境与测绘学院,江苏徐州　221008;②连云港市规划市政设计研究院有限责任公司,
江苏连云港　222001)
【摘　要】居民点空间分布的研究是聚落地理学的主要内容之一,运用空间分析的方法研究居民点的分布能更准确地刻画出其空间分布的本质规律。

本文根据2004年T M遥感图像和城市地图得到徐州市城乡居民点空间分布的信息,继而运用样方分析(QA)法、最近邻距离指数(NN I)、K(d)函数、热点探测技术(NNH)研究了徐州市居民点空间分布格局与模式。

结果显示:徐州市居民点的空间分布具有明显的空间依赖性,总体上呈现出集聚分布的特点;随着研究尺度的变大,居民点空间分布的集聚性指数也增大;居民点空间分布的热点区域在微观尺度上具有空间随机性、在中观尺度上具有轴带延伸性、宏观尺度上具有面状集中性的特点。

【关键词】点模式分析;热点分析;空间数据分析;徐州市;居民点
【中图分类号】P282;P208 【文献标识码】A 【文章编号】100922307(2009)0520160204
1　引言
居民点的空间分布受自然因素和经济因素的影响,分
布具有其内在的规律性。

对于居民点空间分布规律性的研
究与识别是聚落地理学研究的主要内容之一。

目前人们对
于居民点的分布研究较多,但是主要集中在城市分布的研
究[126],但是对于区域范围内居民点分布自身规律的研究并
不是很多。

近年来关于区域中居民点分布的研究主要有:
梁会民等探讨了地理信息系统的空间分析功能在聚落地理
的运用,并用定量的研究方法对董志塬黄土塬区居民点空
间分布作了研究,并认为该地区居民点分布为随机的分
布[7,8];王春菊等利用GI S技术定量地分析福建居民点分布
与海拔高度、土地利用、道路网、河网、与海岸线距离的
关系[9];张小军等运用GI S空间分析技术对甘肃陇西地区
的居民点分布与地理要素的相关性进行了分析,并得出陇
西县居民点分布空间属性的相关系数矩阵[10]。

可以看出,
目前关于区域中居民点分布的研究主要是集中在居民点空
间分布与影响因素的相关关系方面,所采用的方法主要为
数据的相关分析法,而对于居民点分布的自身规律的研究
相对较少,运用空间分析与空间模式识别技术对居民点空
间分规律的研究也不是很多。

从空间认知的角度分析,空间模式是对地理对象的抽
象,即是忽略了地理对象所代表的具体含义,抽取其几何
位置、拓补关系、时间与属性的测度值。

空间模式按地理
对象的性质的不同可以分为实体模式和变量模式,实体模
式按描述实体几何形态所需要的维数可以分为点实体、线
实体、区实体和体实体,其中最早被提出和研究的是点模
式(point pattern)[11]。

空间数据分析(s patial data analysis,
S DA)是空间模式认知的重要方法。

在过去的二三十年里,
空间数据分析已成为社会科学研究中日益重要的研究方
法[12]。

S DA是空间数据挖掘(S patial Data M ining,S DM)的
重要方法,主要研究带有地理坐标数据的收集技术与精确
分析模型[13]。

空间数据分析注重于分析地理空间的固有特
征、空间选择过程及其对复杂空间系统时空演化[14],主要
包括统计分析、地图分析和数学模型三个组成部分[15,16]。

居民点作为点实体的一种形式,运用空间数据分析的方法
能够更好地揭示居民点空间分布的自身规律性[17]。

2　研究方法
211　研究区域及数据来源
徐州市位于江苏省西北部,它北扼齐鲁、南屏江淮、
西接中原、东连大海,位于黄淮平原,地处北纬33°43′～
34°58′,东经116°22′～118°40′,土地总面积为11258k m2。

运用ERDS对徐州市(五区六县)范围内的2004年的T M遥
感影像进行解译,从而得到徐州市域2004年的居民点的空
间分布信息。

由于RS图像仅能提取到村级居民点,而对城
市型居民点(大的面状区域)不能很好地识别,因此为了更
好地反映居民点的空间分布规律,我们把研究区域内的城
市街道办的位置加与前述提取的居民点分布信息一并导入
数据库,作为研究徐州市居民点分布模式的基础。

212　居民点分布模式的测度
1954年Clark和Evans提出了测度点模式的最近距离统
计量,开创了点模式研究的先河。

在实际工作中,许多的
地理实体现象(如聚落、学校、工厂等)都能被抽象为点,
并用点图来刻画其空间分布规律,这就是点模式研究,点
模式分析主要研究居民点在空间分布的总体态势。

在点模
式研究中我们考虑的重点是一组地理实体在几何分布上的
特点,如:空间分布格局(集聚分布(clu mped)、随机分布
(random)、均匀分布(unif or m))、点分布的热点(密度较大
的地区)区域等。

因此,点模式的分析往往忽略掉地理实体
之间的属性差异(如面积大小,类别等),而只关注点的空间
　第5期 闫庆武等　基于空间分析的徐州市居民点分布模式研究
位置特征,特别是这些对象在空间的分布特征和相互关
系[11]。

点模式研究的方法很多,主要有样方分析法、最近
邻距离分析法、函数法、热点探测等。

21211　样方分析
样方分析(Quadrat Analysis,QA)法是样方内点数均值
变差的分析方法,是由Greig2S m ith(1964)提出的。

样方分
析法主要思想来源于生态学中的有关物种调查所使用的样
方,其具体做法是用一组样方覆盖在研究区域上并作叠置
分析,统计落在每一个样方上的样本数,通过统计不同的
具有m个点数的样方的个数及其频率,并与完全随机过程
(Poiss on分布)对比来判断点模式的空间分布特征。

其结果
一般用方差均值比(Variance2Mean Rati o,VMR)判断:[11]
VMR=VAR
M ean
(1)
其中
VAR=∑p i X2i-
∑p i X i2
n
n-1
(2) M ean=
∑X
m
(3)
式中,VAR为样方频率方差,M ean为平均样方频率, p i为含有i个点的样方频率,X i为每个样方内的点数,n为样方数,m为总点数。

对于Poiss on分布,VMR的值为1;当VMR<1时,可以认为对象为均匀分布趋势明显;当VMR>1时,则可以认为对象有集中分布的趋势。

由于样方数越多,M ean越小,VAR也越小并且下降的速度比Mean快,因此VMR的值会变小,但是不会改变分布的类型。

因此,合理地确定样方的大小较为重要,一般地样方大小的确定采用符合“拇指规则(rule of thu mb)”,即样方大小应当是平均每个点所占面积的两倍[11]。

21212　最近邻距离指数分析
最近邻距离指数(Nearest Neighbour I ndex)分析法即点间最近距离均值分析的方法,其思路是检验每个居民点所占据的面积,通过比较计算最近邻点对的平均距离与随机分布模式中的最近邻居点对的平均距离,用其比值(NN I)来判断其与随机分布的偏离,来判断居民点分布格局是集中分布还是离散分布。

NN I=d(NN)
d(ran)
=
∑n
i
m in d
ij
N
d(ran)
(4)
其中d NN为最近距离,N为样本点的数目,d
ij
为第i
点到第j点的距离,m in d
ij
为第i点到最邻近点的距离。

d(ran)为随机分布(一般采用Poiss on分布)条件下的理论
平均距离,d(ran)=0.5D,D为点的密度,D=n
A
,A为研究区域的面积。

当NN I>1时,居民点呈现出分散分布,当NN I<1时,居民点呈现出集中分布。

为了检验计算结果的可靠性,一般采用z检验。

z=d(NN)-d(ran)
S E d(ran)
(5)
一般地,NN I指数计算的是一阶距离意义上的空间格局,而没有考虑与高阶最近邻点的距离关系。

实际上,可以将一般最近距离扩展为高阶最邻近距离系数[18]。

NN I k=∑
i
m
in(d K
ij
)
n
K(2K)!
2K K!2
n
A
(6)
式中K表示阶数。

21213　K函数分析
居民点的空间分布可能随研究尺度的改变而改变,在
小尺度下呈现集聚分布,而在大尺度下有可能为均匀分布或随机分布,R i p ley′s K函数可以分析任何尺度下的空间分布格局,是分析居民点空间分布格局的重要方法。

K函数抓住了采样区域不同部分的空间关联性,其定义为:
K d=
在距离为d的范围内点的平均数目
ρ
=
A
n2
∑n
i=1
COUN T S∈C(s
i
,d)(7)式中:ρ为点的密度,n为点实体的总数,A为点模式
分布的面积,C(s
i
,d)表示以第i点s i为圆心、d为半径的圆,COUN T S∈C(s
i
,d)表示点集S落在圆C内的点数。

K函数为一个单调递增函数,密度为ρ的点集在均匀分布条件下K′d=πd2。

因此如果K(d)>K′d,表明点集呈集聚分布,如果K(d)<K′d,则表明点集呈扩散分布。

21214　热点分析
热点(地区)(hot s pots,hot s pot areas)是居民点在空间上大量聚集的表现,即密度较大的区域。

在研究居民点分布的空间特征时,可以采用空间聚类分析探测居民点在空间上分布的热点区域[19]。

一般采用最近距离层次聚类(Nearest Neighbor H ierarchical Clustering,NNH)的方法,即根据每个居民点i的最邻近距离,通过定义一个“聚集单元”(cluster)、“极限距离或阈值”(threshold distance)和每一聚集单元的最小数目(m ini m u m nu mber of points t o be in2 cluded in a cluster),然后比较聚集单元与每一点对的最邻近距离,当某一点的最邻近距离小于该极限距离时,该点被计入聚集单元,据此将原始点数据聚类为若干区域,称为一阶(first order)热点区;同理,对一阶热点区利用同样方法,聚类得到二阶(second order)热点区,以此类推更高阶热点区。

3　结果
311　样方分析
通过对前述数据库中的居民点的统计发现,2004年徐州市居民点总数为3527个,因此平均每个居民点占的面积为3146k m
2,根据拇指规则每个样方的面积应该为6192 k m2,因此我们采用大小为2600×2600m(面积为6176k m2)样方(图3左)对徐州市居民点分布模式进行分析。

图3　徐州市居民点分布的样方分析
对样方与市域边界运用叠置分析可知徐州市域范围内共包含1764个样方,但是有许多样方的面积小于基本样方面积的一半,为了消除边界效应将这些样方去掉,最后剩余1621个样方。

分别统计每个样方内的居民点的数目,结果如表1。

表1　徐州市居民点分布的样方分析结果3
样方中的
点数
0123456789
对应的样
方数
1194275253451285314712
对应频率71341261342321387211283718963127001864014320106201123
相应泊松
分布频率
1119182513522619621911171011664132511533014660112401029
3注:由于删去边界附近的面积较小的样方,有79个居民点没有被样方覆盖。

161
测绘科学 第34卷
通过计算可知,样方频率方差VAR =2.9963,平均样方频率M ean =2.1517,方差均值比VM R =1.4087>1,因此徐州市居民点的空间分布具有集聚分布的趋势。

312　最近邻距离指数
计算徐州市2004年居民点分布的最近邻距离指数NN I ,结果如表2所示。

从表中我们发现徐州市居民点的空间分布总体体上呈现出集聚分布的特点,而且Z 检验值高度显著。

表2　徐州市居民点分布的最近邻距离指数
项目样本数
平均最近距离(m )期望平均最
近距离(m )
NN I
标准差
(m )Z 检验值无校正
35271118179140913401793812140
-23142矩形校正35271116193140913401792512140-23157圆形校正
352711131451409134017901
12140
-23185
由于边界效应的存在,分别采用矩形与圆形两种校正方式,结果显示,经过校正的NN I 要比没有校正的NN I 小(即集聚程度高),其中圆形校正的NN I 值最小。

运用(6)式计算徐州市居民分布的高阶最近邻距离指数,结果如图4。

从图4可以看出,随着阶数的增加,最近邻距离指数先降低后增加,即徐州市居民点空间分布的集聚程度先增加后降低,并且在第12阶NN I 取得极小值016555。

313　K 函数
利用K 函数分析徐州市居民点的空间分布,得到图5。

由此可知,K (d )>πd 2,据此可以判断徐州市居民点的空间分布具有集聚的特点。

314　热点探测
利用最近距离层次聚类的方法对徐州市居民点分布进行热点探测,结果如图6。

图6　徐州市居民点分布的空间热点探测
观察图6,我们发现2004年徐州市居民点空间分布的
热点区域呈现出以下特点:①一级热点区(深色区域)呈现出离散的随机分布的特点,经过聚类得到一级热点区62个,在六个县市中热点区分布最多的为邳州市(14个),最
少的为新沂市(6个);从空间分布上看,丰县、沛县、邳
州、睢宁等地是一级热点区分布比较集中的区域,其他地县市如新沂市、贾汪区等是一级热点区分布比较少的地区;②二级热点区(浅色区域)呈现出沿交通线分布的特点。

通过对一级热点区进行聚类,得到12个二级热点区,这些热点区域的空间分布表现为以徐州为核心、沿东陇海线(6个)和徐丰公路(5个)分布的特点;③三级热点区(虚线区域)的空间分布体现为块状集聚的特点。

通过对二级热点区域的聚类得到四个热点区,它们分别分布在徐州市区、邳州西南、丰沛和睢宁。

从热点区的面积上分析,邳州西南和丰沛的二个热点区面积最大,它们均由三个二级热点区聚集而得到的。

从稳定性上分析,徐州市区和睢宁的两个热点区最稳定,它们均由一个二级热点区聚集得到的,在这两个热点区中,一级热点、二级热点均有分布但是数量不多,说明这两个区域的居民点较多,但是面积不大,即有很多的居民点分布在面积不大的区域。

4　结束语
空间数据分析是地理信息科学的一个重要的方向,Goodchild 指出:尽管地理信息系统(GI S )与空间分析(S DA )开始于两个不同的研究和应用领域,但是随着时间的推移,它们越走越近,并且它们将会在地理信息科学(GI Science )中汇合,并且相互支持[12]。

通过对徐州市2004年居民点空间分布的研究,可以得出以下结论:
1)通过运用样方分析法对徐州市2004的居民点空间分布研究发现,徐州市居民点的空间分布的VM R >1,其分布在总体上呈现出集聚分布的趋势。

2)通过计算徐州市居民点空间分布的最近邻距离指数(NN I )后发现,徐州市居民点空间分布为集中分布。

通过对徐州市居民点分布的高阶NN I 分析发现,随着阶数的增加,居民点分布的集中性先增加后降低,居民点分布的集中性在第12阶达到极大值。

3)通过采用K 函数对徐州市居民点分布模式探测后发现,其K 函数值比均匀分布时的函数值大,而且随着距离的增加,二者差距不断加大,据此可知徐州市居民点的空间分布具有随研究尺度的变大,其集聚性不断增强的特点。

4)通过运用最近距离层次聚类法(NNH )对徐州市居民点分布的空间热点探测表明:“一级热点”的分布具有空间随机性,反映了居民点的分布在微观尺度上集聚性特点;“二级热点”的分布具有轴带延伸性,反映了居民点的分布在中观尺度上沿交通轴线延展的特点;“三级热点”的分布具有面状集聚性,反映了居民点的分布在宏观尺度上的整体格局。

参考文献
[1]Kei 2ichi Okunuki 1U rban analysis with GI S [J ]1Geo 2Journal,2001,52:181–1881
[2]顾朝林,张敏,张成1长江三角洲城市群发展研究[J ]1长江流域资源与环境,2006,15(6)1
[3]王新生,刘纪远,庄大方,等1中国特大城市空间形态变化的时空特征[J ]1地理学报,2005160(3)1
[4]
张虹鸥,叶玉瑶,陈绍愿1珠江三角洲城市群城市规模分布变化及其空间特征[J ]1经济地理,2006,26(5)1
[5]肖亚丽,蒋大和1长三角城市群生态城市建设定量评价[J ]1长江流域资源与环境,2007,16(5)1[6]
L iu J Y,Zhan J Y,Deng X Z 1Spati o 2te mporal Patterns and D riving Forces of U rban Land Expansi on in China during the Econom ic Ref or m Era [J ]1Royal S wedish Academy of Sciences,2005,34(6)1
261
　第5期 闫庆武等　基于空间分析的徐州市居民点分布模式研究
[7]梁会民,赵军1地理信息系统在居民点空间分布研
究中的应用[J]1西北师范大学学报(自然科学
版),2001,37(2)1
[8]梁会民,赵军1基于GI S的黄土塬区居民点空间分
布研究[J]1人文地理,2001,16(6)1
[9]王春菊,汤小华,吴德文1福建省居民点分布与环
境关系的定量研究[J]1海南师范学院学报(自然
科学版),2005,18(1)1
[10]张小军,李雪妍,尹卫红1基于GI S的西部生态脆
弱区居民点空间信息分析研究[J]1干旱区资源与
环境,2006,20(2)1
[11]毛政元,李霖1空间模式的测度及其应用[M]1
北京:科学出版社,2004:12331
[12]G OODCH I L D M F,ANSE L I N L,APPE LBAU M T P,et
a11T o ward S patially I ntegrated S ocial Science[J].I nter2
nati onal Regi onal Science Revie w,2000,23(2)1 [13]G OODCH I L D M F,HA I N I N G R P1GI S and Spatial Da2
ta Analysis:Converging Per pectives[J]1Papers in
Regi onal Science,2004,831
[14]柏延臣,李新,冯学智1空间数据分析与空间模型
[J]1地理研究,1999,18(2)1
[15]林飞娜,等1基于GI S的城市人口空间分布模型与
应用[J]1测绘科学,2008,33(4)1
[16]王劲峰,孙英君,韩卫国,等1空间分析引论[J].
地理信息世界,2004,2(5)1
[17]闫庆武,卞正富1基于GI S2S DA的居民点空间分布
研究[J]1地理与地理信息科学,2008,24(3)1 [18]王劲峰,孟斌,郑晓瑛,等1北京市2003年S ARS
疫情的多维分布及其影响因素分析[J]1中华流行
病学杂志,2005126(3)1
A spa ti a l ana lysis on pa ttern s of settle m en ts d istr i buti on i n Xuzhou
Abstract:Analysis of s patial distributi on characteristics of settle ments is an i m portant p r oble m in settle ments geography1U sing s patial data analysis(S DA)t o research on s patial distributi on characteristics of settle ments can obtain good accuracy1I n this paper, the inf or mati on of Xuzhou settle ments distributi on is acquired by T M i m ages(2004)and city map s1Then the patterns of settle ments distributi on in Xuzhou are investigated by quadrat analysis(QA),nearest neighbor index(NN I),R i p ley′s K functi on and hot s pots a2 nalysis1The f oll owing conclusi ons can be dra wn1On the whole,settle ments distributi on in Xuzhou is s patial dependent and clu mped1 The degree of settle ments aggl o merati on increases as the investigati on scale increasing1The distributi on of hot s pots of settlements is characterize by s patial random in m icr o scale,belt structure in mediu m scale and district structure in macr o scale1 Key words:point pattern analysis;hot s pots analysis;s patial data analysis;Xuzhou city;settle ments
YAN Q ing2w u①,B I AN Zheng2fu①,WAN G Zhen②(①College of Envir on ment and Spatial I nf or matics,China University ofM ining &Technol ogy,Xuzhou221008,China;②L ianyungang U rban Planning&Munici pal Engingeering Design Research I nstitute CO1, LT D,L ianyungang222001,China)
(上接第211页)
平台系统整体框架及解决方案,方案中所设计的平台系统对于提高W ebGI S系统可移植性、扩展性的问题以及增强客户端体验具有一定参考价值。

另外本系统设计中发布的数据是多源的,无论从数据表达、数据组织上,还是通信技术上充分利用了X ML的最新技术。

本系统是一个积极的尝试,能够应用在中小型企业的电子地图发布上,目前已在试运行阶段。

参考文献
[1]郑建功,等1基于J2EE/X ML的分布式W ebGI S平台
系统设计与实现[D]1西安:西北大学,20071 [2]陈静,等1基于J2EE的分布式W eb GI S[J]1测绘
通报,2004,(2)1
[3]严海颖,等1X ML在W ebGI S系统中的应用[J]1
计算机应用,2003,(03)1
[4]马庆勋,等1基于G ML和W FS及S VG的W ebGI S实
现框架[J]1测绘科学,2006,31(4)1
[5]颜立志,等1基于S VG的W ebGI S[J]1测绘与空
间地理信息,2005,06(28)1
[6]赵永屹,等1基于AJAX与J2EE的新型W eb应用的
设计与实现[J]1计算机工程与设计,20071(1)1 [7]谌燕,等1基于AJAX的异步W eb开发模式[J]1
成都大学学报,2007,12(829)1
[8]飞思科技产品研发中心,EJB应用开发详解[M]1
北京,电子工业出版社,2002:15221691
D esi gn and rea li za ti on of d istr i buted W ebG I S pl a tfor m ba sed on AJAX and J2EE
Abstract:A s a result of the li m itati on of traditi onalW ebGI S design,the interactivity of web app licati on are restricted by br owser1 Si m ultaneously,the cost of popularW ebGI S p latf or m is expensive1AJAX is the latest technol ogy of constructi on of asynchr onous mes2 saging based on web app licati on1By making use of AJAX and J2EE,one kind of four2tier distributed web2syste m is p r oposed and a2 chieved1I n vie w of this syste m,these technol ogies,which include Client2Side technol ogy,Server2Side technol ogy,system skelet on, syste m objective,dtata model,core technol ogy and s o on,are discussed1Now the system can publish many kinds of graph file inclu2 ding the definiti on graph file,moreover the general functi on ofW ebGI S is achieved,which can app ly in the related domain of electr onic map1
Key words:AJAX;J2EE;EJB;m iddleware
ZHEN G J ian2gong①;ZHAN G Zhuan②;L I U Yang①;TEN G D a2qiang①;G UO Q ing2tang①(①Xiπan I nstitute of Pr os pecting and Mapp ing,Xiπan710048,China;②Xiπan I nstitute of Geol ogy and M inerals Res ources,Xi’an710054,China)
361。