基于GIS的长三角城市经济空间集聚特征研究
基于GIS的长三角城市经济空间集聚特征研究
张红;于渤;鞠立新
【摘 要】本文在界定长三角城市空间范围的基础上,利用长三角城市各城市2013年相关数据,应用GIS的空间聚类分析功能分别从全局聚类检验和局部聚类检验两个方面分析了长三角城市的经济空间集聚特征.研究结果表明长三角城市的经济产出和经济生产要素在全局上存在空间集聚现象,在局部上,GDP、人均GDP等经济产出在向上海市、苏州市等个别城市高-高集聚,而劳动、资本、技术、能源等经济生产要素也在向上海市、苏州市等个别城市高-高集聚.
【期刊名称】《运筹与管理》
【年(卷),期】2015(024)006
长三角地区包括哪些城市
【总页数】8页(P184-191)
【关键词】空间聚类分析;全局聚类检验;局部聚类检验;长三角城市
【作 者】张红;于渤;鞠立新
【作者单位】哈尔滨工业大学 经济与管理学院,黑龙江哈尔滨 150006;哈尔滨工业大学 经济与管理学院,黑龙江哈尔滨 150006;浙江海洋大学,浙江 舟山 316000;中国传媒大学,北京100024
【正文语种】中 文
【中图分类】F293.1
长三角城市位于我国东部沿海的长江三角洲地区，是我国城镇密度最高、产业门类最齐全、城市化水平和经济发展水平最高、最具发展活力的地区。作为我国参与国际竞争的重要场所和单元，长三角城市已经步入世界第六大城市行列[1]，对其经济发展的研究不仅是热点也是难点问题。目前已有学者对长三角的经济增长及其空间差异进行了研究[2,3]，还有一些学者应用地理信息系统(GIS)中的可达性空间分析方法研究了长三角的可达性与空间结构[4]。然而，很多研究往往存在如下两个方面的不足：一是对长三角城市的空间范围没有界定清楚，由于长三角城市的动态发展，“长三角城市”、“长三角地区”、“泛长三角”的概念容易混用，空间范围难以统一；二是构建经济模型时对空间影响的考虑不足，由于空间自相关的存在，忽略空间因素的经济模型并不科学，而具有强大空间分析功能的GIS技术在经济
领域的应用还远不充分。为此，本文将对长三角城市的空间范围进行科学界定，并利用GIS的空间分析功能来研究长三角城市的经济空间集聚特征。
长三角地区在我国城市化进程和经济社会整体发展中，具有举足轻重的地位。根据《2013年长三角年鉴》的表述，目前对长三角地区有三种不同的解释：第一种是“小长三角”的概念，包括上海市，江苏省的苏州、无锡、常州、镇江、南京、南通、台州、扬州，浙江的嘉兴、湖州、杭州、绍兴、宁波、舟山和台州，共16个城市及其周边地区；第二种是“大长三角”的概念，包括上海市、江苏省和浙江省的全部行政区域；第三种是“泛长三角”，包括上海市、江苏省、浙江省与安徽省等邻近省份[5]。科学合理地界定长三角城市的空间范围，是本文开展研究分析的首要前提。
本文根据长江三角洲城市经济协调会的发展情况发现，随着时间的推移，长三角城市的空间范围是在不断扩展的。1997年，上海、无锡、宁波、舟山、苏州、扬州、杭州、绍兴、南京、南通、泰州、常州、湖州、嘉兴、镇江等15个城市成立长江三角洲城市经济协调会，此时，长三角城市的空间范围如图1(a)所示。2003年，台州市被接纳为长江三角洲城市经济协调会的正式成员，此时，长三角城市的空间范围如图1(b)所示。2010年，合肥、盐城、
马鞍山、金华、淮安、衢州等6个城市被接纳为长三角城市经济协调会的正式成员，此次扩容后，长三角城市的空间范围如图1(c)所示。2013年，徐州、芜湖、滁州、淮南、丽水、温州、宿迁、连云港等8个城市被接纳为长三角城市经济协调会的正式成员，此次扩容后，长三角城市的空间范围如图1(d)所示，包括上海市、江苏省、浙江省全境以及安徽省的合肥、马鞍山、芜湖、淮南、滁州5地市。
由此可见，长三角城市的空间范围并非一成不变的，而是随着城市的发展在不断扩展。为研究方便，本文在分析长三角城市现状时，以图1(d)所示的空间范围为准。根据《国务院关于调整城市规模划分标准的通知》(国发〔2014〕51号)，城市按城区常住人口可划分为五类七档，本文根据各城市2013年的城区人口数据将这些城市划分为如下层次，如表1所示。
2.1 研究方法
本文应用GIS的空间聚类分析功能来探测长三角城市经济空间集聚特征，主要利用全局聚类检验和局部聚类检验两种方法。
(1)全局聚类检验
全局聚类检验主要检验整个研究区域中邻近区间是相似、相异(空间正相关、负相关)，还是相互独立的。本文采用了常用的两种全局聚类检验指数，依次为全局莫兰指数和全局吉瑞指数。
①全局莫兰指数
全局莫兰指数由Moran于1950年提出[6]，是可以看做是观测值与它的空间滞后之间的相关系数，其公式如下：
式中，N是研究区域内地区总数，Wi,j是空间权重，Xi和Xj分别是地区i和地区j的属性是属性的平均值。
全局莫兰指数值处于-1到1之间，值为正数时表明具有相似的属性集聚在一起(即高值和高值相邻、低值和低值相邻)，值为负数表明具有相异的属性集聚在一起(即高值和低值相邻、低值和高值相邻)，值接近于0表明属性是随机分布的(即不存在空间自相关性)。
②全局吉瑞指数
全局吉瑞指数由Geary于1954年提出[7],强调的是观测值之间的离差，其公式如下：
式中，N是研究区域内地区总数，Wi,j是空间权重，Xi和Xj分别是地区i和地区j的属性是属性的平均值。
全局吉瑞指数值通常在0到2之间，虽然2不是一个严格的上限。其值在0到1之间时表示空间正相关，即具有相似的属性集聚在一起；其值为1时表示属性的观测值在空间上是相互独立的；其值在1到2之间时表示空间负相关，即具有相异的属性集聚在一起。
(2)局部聚类检验
局部聚类检验主要检验局部地区是否存在相似或相异的观察值集聚在一起。本文采用了常用的两种局部聚类检验指数，依次为局部莫兰指数和局部吉瑞指数。
①局部莫兰指数
局部莫兰指数由Anselin于1995年提出[8]，用来度量区域i和它领域之间的关联程度，其公式如下：
式中，N是研究区域内地区总数，Wi,j是空间权重，Xj是地区j的属性是属性的平均值。
局部莫兰指数值为正数时表示一个高值被高值所包围(高-高)，或者是一个低值被低值所包围(低-低)；值为负数时表明一个低值被高值所包围(低-高)，或者是一个高值被一个低值所包围(高-低)。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。