西藏人口分布空间格局.docxVIP

? ? ? ? ? 西藏人口分布空间格局 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 社会经济现象大部分与空间位置有关，几乎所有的社会数据都具有空间关联，利用空间统计分析可以较好地探索事物的空间集聚性，更深入地分析、处理和解释社会经济与地理特征间的相互关系及空间模式。人口是区域可持续发展的核心要素，是制定区域可持续发展规划以及国土整治、城乡建设规划等工作的基础。人口分布是历史的产物，它不是一种纯自然的现象，而是一种社会经济现象，所以人口分布也存在着空间关联。近年来，国内外借助空间统计分析来研究社会经济现象的空间模式和异常分布的文献比较多，本书拟在参考既有文献的基础上，利用空间统计分析与GIS结合的方法，对西藏人口分布模式进行初步研究。 一 空间自相关分析 （一）全局空间自相关 全局空间自相关（Globe Spatial Autocorrelation）分析主要用于分析整个研究区域空间对象某一属性取值的空间分布状况，反映观测值在空间区域范围内集聚的整体趋势或空间依赖关系，[1]其计算公式为： 其中，n表示区域空间单元总数，x和x表示随机变量x在地理单元i和j上的属性值， 为n个空间单元样本属性值的平均值，w是定义地理单元相互之间邻接关系的权重矩阵。空间权重矩阵可以根据邻接标准或距离标准来度量，邻接标准将空间单元的邻接定义为1，把不邻接的定义为0；距离标准是根据一定范围内的定义为1，在距离之外的定义为0。由于空间权重的定义不同，各个空间单元的空间联系就不同，从而空间自相关的结果会有所不同。Morans I的取值在-1到+1之间，正值表明空间单元属性取值集聚，表现为空间正自相关，负值表示空间单元属性取值分散，表现为空间负自相关，如果其值等于0表明空间事物属性取值不存在空间自相关性，表现为空间随机分布。 在空间对象属性取值符合正态分布假设下，可以计算Morans I的期望值和方差： 其中， 。式中w·，w分别是空间权重矩阵中i行与j列之和。 在满足空间单元属性取值为正态分布假设下，标准化Z-Score常用于检验Morans I的显著性水平。Z-Score检验具体形式为： 当Z为正且显著时，表明存在正的空间自相关，也就是说相似的观测值趋于空间集聚；当Z为负且显著时，表明存在负的空间自相关，相似的观测值趋于分散分布；当Z为0时，观测值呈空间随机分布。一般来说，当|Z|＞1.96（p＜0.05）时，统计显著，可以拒绝零假设H0（n个空间单元属性取值之间不存在空间自相关性），认定空间单元属性在空间上存在显著的空间自相关性。[2] （二）局部空间自相关 全局空间自相关分析反映了整体上空间集聚程度，仅仅说明所有区域与周边单元之间空间差异的平均程度，但不能反映空间单元局部的空间差异性。局部空间自相关能够揭示空间单元的局部特征，局部空间自相关包括Moran散点图、局部空间关联指标（LISA）和热点分析。 1.Moran散点图 通过Moran散点图可以研究局部空间的异质性，其表现形式为在平面直角坐标系中，横坐标为各空间单元观测值的标准化值，纵坐标为相邻观测值标准化值空间连接矩阵所决定的加权平均值。散点图的四个象限按其性质分为：第一象限（HH）含义是某一高值区域周围空间单元的属性值都较高，第二象限（LH）含义是某一低值区域周围空间单元的属性值较高，第三象限（LL）含义是某一低值区域周围空间单元的属性值都较低，第四象限（HL）含义是某一高值区域周围空间单元的属性值较低。第一象限和第三象限表明区域存在空间正相关，即同质性较强，第二象限和第四象限表明区域存在空间负相关，即异质性较强。[3] 2.局部空间关联指标 Moran散点图没有统计量，不能够反映空间关联类型的显著性水平，而局部空间关联指标能够反映空间关联类型的显著性水平。局部空间关联指标是对全局空间自相关进行分解的一系列指标，其Local Morans I的计算公式为： 其中Z和Z分别为空间单元i和j上观测值的标准化值；W为空间权重。局部空间关联指标也可以统计检验显著性，当I为正值时，空间单元有两种空间关联：高—高关联和低—低关联；当I为负值时，空间单元也有两种空间关联：高—低关联和低—高关联，空间单元的属性值相对于相邻单元为高值或者低值离群点。[4] 3.热点分析 为了揭示观测值邻域空间的自相关性，需要采用空间关联的局部指示指标来探测空间单元属性与周边空间单元属性相近或差异程度。热点分析是局部空间自相关分析的一种方法，可以探测出局部高值集聚区和低值集聚区，计算公式如下： 其中W代表权重，反映了空间单元之间的影响程度，x为空间单元的观测值，表示所有空间单元属性值的均值，S为标准差。G*能探测出高值和低值的集聚情况，当G*计算出的统计量Z值高且为正数时，表示为高值集聚或为热点区域