基于GIS的东北地区铁路运输空间极化动力机制例析.ppt

基于GIS的东北地区铁路运输空间极化动力机制分析 国家自然科学基金项目： 东北地区城镇系统的空间极化及其动力机制研究 一、背景知识： 1.什么是空间极化？ 极化是群体中个体差别扩大的结果，是一个或两个“极”形成的过程。极化可以有三方面的含义： (1)要素的集中化，即主要发展指标在个体间的不均衡分布； (2)两极分化，即处于发展水平两端的个体数量膨胀，而中等水平个体的数量减少； (3)高端个体的统治性增加，即对资源的支配能力和对低层个体的控制力得以强化。 参考文献：1990年以来东北地区铁路运输的空间极化（修老师-地理学报） 2.我们得到了哪些数据？ 数据来源是沈阳铁路局和哈尔滨铁路局1990年、1994年、1999年、2000年和2005年的年度统计资料。 数据的基本单元是运输区段，原始数据包括区段客流密度、区段货流密度、区段长度。 【交通线路上一定距离的货流量,称为货流密度（又称货运密度），单位为吨公里/公里 】 3.GIS中的矢量数据 GIS中矢量数据包括点、线、面三种形式，借助这三种形式可以模拟所有的地理实体，是GIS空间分析的思想基础。 二、文章结构框架 1. 引言 2. 研究区域和数据获取 2.1研究区域 2.2数据来源与处理 3. 东北铁路运输空间极化格局的可视化分析 3.1 数据处理方法 3.2 结果分析 3.2.1货流空间极化格局 3.2.2客流空间极化格局 4.极化动力机制的空间分析 4.1 单年的空间相关分析（以1999年为例） 4.1.1分析过程 4.1.2货流相关性结果分析 4.1.3客流相关性结果分析 4.1.4分析小结 4.2 空间相关性的时序分析 4.2.1时序分析数据 4.2.2相关性变化分析 4.2.3同极化系数变化的对比分析 5其他影响因素分析 5.1铁路提速对客运极化的影响 5.2振兴东北老工业基地政策的影响 6. 结论与展望 6.1 结论 6.2未尽之处 三、主要内容 1.空间极化格局的可视化 2.空间极化的动力机制——铁路运输与经济的关系 （1）单年的空间相关分析（1999年） （2）空间相关性的时序分析 ①相关性变化分析 ②与各极化系数的变化对比 （3）其他影响因素 3.重要结论 4.未尽之处 1.东北铁路运输空间极化格局的可视化分析 数据：带有1990-2005年区段货流密度、客流密度的线状矢量数据 方法：①由线向点的转化（feature to point）②空间插值(Kriging interpolation 克里金插值) 目的：实现了东北铁路客货运输由线到面的可视化表达。面状的空间格局，更能突出客运段之间的连续变化，更能反映出区域整体的变化趋势，方便于直观了解东北铁路客货运输的空间格局。 结果: (1)货运格局 从图1可以看出，1990年东北地区的铁路货流分布空间集聚性不明显，空间关系不清晰、无序。2005年在哈长地区和辽中南地区分别形成了货流密度的“两极”。1990-2005年货流分布从串珠状、岛状分布，逐渐演变为聚集特征，与同期东北区域经济极化格局具有一定的契合性。 1990年以来东北地区铁路货运整体上处于增长状态，其中，哈大线、沈山线、滨绥线增长最为迅速，并且始终处于第一集团的位置，至2005年，哈大线、沈山线、滨绥线的领先优势仍旧十分明显，不过以滨洲线和平齐线等线路形成的第二集团也发展起来，层次性更加丰富。 (2)客运格局 铁路客流密度的分布特征与货流相比，空间格局比较简单明晰。1990-2005年间，哈大线一直占据着客运的统治地位。客运的总量不断地提高，特别是哈大线及其临近支线的客流量上升特别突出，形成了贯穿东北地区的客流高值区，且高值区域不断扩展。整体上，东北铁路客运逐渐形成了以哈大线-沈山线为主轴的屋脊状格局。 2. 极化动力机制的空间分析 （1）单年的空间相关分析 数据：带有1999年区段货流密度、客流密度的线状矢量数据；带有1999年东北各地级市市域人口、GDP、二产、工业数据的点状矢量数据 方法：①由线向点的转化（feature to point）②空间查询（near）③GIS统计计算（summary）④相关分析（SPSS）⑤引力模型（重力模型） 目的：考察铁路客货流密度与城市经济人口的相关性。复杂的GIS操作步骤的目的实际上是要解决城市与区段之间空间上的不重合以及相互影响的距离衰减问题。 空间相关分析需要基于两种空间度量指标。 一是空间距离D，即某一城市到客、货运输区段质心的距离，用来揭示一个城市对某一客、货运输区段的综合作用； 二是影响系数E，根据潜力模型改进而来，一个地级市对一个客、货区段的影响系数，为该地级市某一经济指标(人口、GDP、第二产业产值、工业产值)与距该运输区段空问距离的r次幂的比值。即 式中，F 为地级市i