基于空间数据挖掘重庆土地集约利用空间分异分析.docVIP

基于空间数据挖掘重庆土地集约利用空间分异分析 　　摘要：运用主成分分析法和空间聚类方法对重庆市的城市土地集约利用情况进行了测度和评价，将重庆土地集约利用水平分为4级。总结出重庆市土地利用集约度空间分异特点为中心向外围递减的圈层式空间分异结构。最后分析了重庆城市空间发展存在的问题，并提出了相关优化策略，以便更好地提高城市土地利用集约度，探寻更优的城市空间架构。 　　关键词：空间数据挖掘；主成分分析；聚类分析；城市土地集约利用；GIS；重庆市 　　中图分类号：P208；F301.24 文献标识码：A 文章编号：0439-8114（2013）02-0295-04 　　随着数据获取和处理技术的迅速发展及数据库管理系统的广泛应用，人们积累的数据越来越多，但在激增的数据背后隐藏着许多重要的信息，由于缺乏有效的方法，导致了一种“数据爆炸但知识贫乏”的现象[1]，面对这一挑战，数据挖掘（Data mining???DM）和知识发现（Knowledge discovery in databases，KDD） 技术应运而生并得到迅速发展，它的出现为自动和智能地把海量的数据转化成有用的信息和知识提供了手段。 　　作为DM 技术一个新的分支，空间DM也称基于空间数据库的数据挖掘和知识发现（Spatial data mining and knowledge discovery），是指从空间数据库中提取隐含的、用户感兴趣的空间和非空间的模式、普遍特征、规则和知识的过程[2]。 　　这里主要应用GIS和SPSS分析技术，采用空间DM中的主成分分析法和空间聚类方法，对重庆市的40个区、县的数据进行分析，总结了重庆市土地利用集约度空间分异特点，分析了重庆城市空间发展存在的问题，以期更好地为重庆城市空间发展提供一定的决策支持。 　　1 研究区概况与数据来源 　　重庆市位于中国内陆西南部、长江上游和四川盆地东部边缘，为典型组团式城市，是中国长江上游地区惟一汇集水、陆、空交通资源的特大型城市。2009年全市实现地区生产总值6 530.01亿元，比2004年增长154.5%，其中，第一产业增加值606.80亿元，比2004年增长50.6%；第二产业增加值3 448.77亿元，比2004年增长189.3%；第三产业增加值2 474.44亿元，比2004年增长154.9%。三大产业结构比例为9∶53∶38。人均地区生产总值为22 920元。 　　研究使用的数据主要来源于《重庆统计年鉴2010》[3]，并以城市各部门官方统计网站数据为补充，重庆市40个区、县的土地利用数据、重庆市电子地图等。 　　2 研究方法 　　2.1 评价体系的构建 　　不同学者根据不同的研究对象提出了不同的评价体系与指标选取。彭建超等[4]从土地投入水平、土地利用效益、土地利用程度与土地利用生态环境质量4个方面构建了长三角地区城市土地利用集约度时空变异的评价指标体系；齐梅等[5]从人口集约度、物质与资本的集约、土地可持续性3个方面来构建重庆城镇土地集约利用的评价指标。综合各个学者的相关研究可以看出，土地集约利用的评价主要体现了人口、经济、社会、生态环境与土地利用的关系，故根据这4个主要的方面构建重庆市土地集约利用评价指标体系（表1）。 　　2.2 评价方法 　　采用主成分分析法进行分析。主成分分析法是利用降维的思想，把多个指标或数据简化为少量的综合指标，同时又使这少量指标尽可能地包含原指标群中的信息资料，这些综合指标更能合理地反映样本之间的差别，而在统计意义上是相互独立的[6]。 　　3 结果与分析 　　3.1 主成分分析结果 　　通过分析，前3个成分的累积方差贡献率达到了87.326%，且其初始特征值均大于1，故选择前3个成分作为主成分，第一主成分的方差贡献率为56.336%，第二主成分的方差贡献率为21.749%，第三主成分的方差贡献率为9.241%（表2）。 　　经分析，第一主成分在人口密度、城镇化率、地均GDP、地均工业产值、地均固定资产投资、地均社会消费品零售总额上的载荷较大，主要体现了土地利用的人口、经济集约度，反映了土地的利用效益。第二主成分在人均住宅建筑面积、人均道路面积上的载荷较大，反映城市土地利用的社会效益。第三主成分在人均公共绿地面积、建成区绿化覆盖率上的载荷较大，反映了土地利用的生态效益（表3）。 　　根据因子回归系数与变量标准化后数据相乘得出各主成分得分，然后以每个主成分对应的方差贡献率为权重，得到各个城市的综合因子得分。正数得分表示土地集约度较高，负数得分表示土地集约度较低（表4）。 　　综合得分（F）=a1F1+a2F2+a3F3，式中Fi为各主成分因子得分，ai为各主成分对应的方差贡献率。 　　3.2 聚类分析结果 　　利用