基于ESDA乡镇粮食产量空间特征分析.docVIP

基于ESDA乡镇粮食产量空间特征分析 　　摘要： 以河北省石家庄市46个乡镇2007―2012年粮食总产量和2012年常用耕地面积为基础变量，采用探索性空间数据分析（exploratory spatial data analysis，ESDA）的空间自相关分析方法和自然间断点分级（Jenks）分类方法，借助GeoDa、ArcGIS软件分析各乡镇粮食总产量的空间分布特征、演化趋势以及粮食总产量和单产之间的相互关系。结果表明，石家庄市研究区域内粮食总产量总体上存在正的空间自相关特征；局部之间有较强的高-高聚集性，并且逐步趋于稳定；粮食总产量和单产之间的发展水平出现了不协调现象。 　　关键词： ESDA；空间自相关；GIS；粮食产量；石家庄 　　中图分类号： F326 11 文献标志码： A 　　文章编号：1002-1302（2015）08-0466-05 　　我国作为农业大国在粮食产量和粮食安全等多方面有着较大影响。伴随着人口攀升、工业用粮需求提高和农产品加工业迅速发展，我国粮食需求不断增加，同时，粮食产量和食品安全问题一直是经济发展和政策讨论的热点问题。Brown曾2次提出的“中国粮食供应威胁论”直指我国粮食安全问题 [1]，使我国粮食问题受到更多的关注。乡镇是我国粮食生产的基础单位，也是考察的常用对象，而如今的农村城镇化、新农村政策、农业产业结构调整和农村土地流转等多项政策对我国的粮食生产、粮食产量带来一定的影响。因此，在新形势下对我国乡镇粮食生产及其空间格局和特征进行系统分析有着很高的需求。 　　探索性空间数据分析（exploratory spatial data analysis，ESDA）通过对地物或者现象空间分布格局的描述与可视化，发现空间分布规律，揭示研究对象之间的空间相互作用机制 [2- 3]。其以空间关联测度为核心，是一系列空间数据分析方法和技术的集合 [4]。目前已有不少专家利用ESDA方法分析空间格局问题，例如：谢花林利用该方法研究环鄱阳湖地区43个县（市）农业经济空间差异性 [5]；廖邦国等分析上海市区域人口分布问题 [6-7]；梅志雄等借助ESDA和Kringing方法探索住宅价格空间结构 [8]。大部分研究都集中在县（市）尺度上的社会经济问题，利用ESDA技术探索粮食产量空间相关性的研究并不多见，深入分析到乡镇级别的实例更少。为此，本研究借助GIS与ESDA空间分析技术探索河北省石家庄市部分县（市）各乡镇粮食产量空间分布规律及演化趋势，为分析乡镇其他属性空间格局提供借鉴。 　　1 数据来源及数据处理 　　本研究着重分析河北省石家庄市所属的藁城市、晋州市、无极县、赵县等地区乡镇粮食产量的空间异质性。研究区域为石家庄市上述4个地区46个乡镇，分析变量为乡镇粮食产量和单产，时间序列为2007―2012年（当年年鉴统计上一年数据）。各乡镇2012年位置分布及粮食总产量如图1所示，单位为t，分析单产时用到2012年研究区域内的常用耕地面积（单位：hm2）。本研究涉及的数据分为2类：统计数据和地理空间数据。前者取自《河北农村统计年鉴》（2008―2013年），后者为1 ∶ 400万河北省乡镇行政区划图。通过ArcGIS软件数据关联功能可以将统计到的粮食总产量和耕地面积数据连接到地图属性中，GeoDa软件中的字段计算功能可对粮食产量数据做正态变换，计算公式为：y=lnx。 　　2 研究方法 　　运用空间计量经济学中的ArcGIS和ESDA技术，对研究区域内粮食产量进行空间自相关分析，探索乡镇粮食产量之间的空间依赖性、时空特征。空间自相关指相同属性在不同空间位置上的关联性，是度量空间依赖程度的重要指标。首先通过ArcGIS软件数据关联功能将粮食总产量统计数据连接到行政区划图中；然后借助GeoDa软件获取研究区域的空间权重矩阵，并利用全局空间自相关指数Morans I和局部空间自相关LISA图来探索乡镇粮食总产量空间特征及演化趋势；最后，运用ArcGIS软件对粮食总产量和单产作分类处理，研究二者之间的相互关系。 　　2 1 空间权重矩阵 　　空间权重矩阵是以矩阵的形式记录地物单元之间是否相邻的重要表达方法，具体形式为： 　　其中：W是空间权重矩阵记号；n为研究单元个数；Wij表示第i与第j个单元的空间相邻关系。通常单元自身不存在相邻关系，因而Wii=0。空间权重矩阵是本次空间自相关分析的基础，有基于二进制邻近（contiguity）、K近邻（K-nearest neighbors）、距离阈值（distance threshold）等3种类型 [9]。本研究是探讨乡镇粮食总产量的空间格局关系，分析对象类型为多边形，只要有共同的边界或者相同的邻接角落都应视为相邻，所以采用基于Queen标准建立二进