基于GIS_SDA的居民点空间分布研究

合集下载

基于GIS的安徽省滁州市南谯区农村居民点区位分析与空间布局优化研究

２．１．１
朗荫黼层
ＧＩＳ空间分析根据构建的层次分析模型，需要分
析研究区的高程、坡度、河流、交通、土地利用类型、城镇中心等空间数据。按照相关标准，对各指标建立分级评分标准（表１）后，利用缓冲区分析、矢栅转换等空间分析方法，得到不同影响因子的栅格分级图，包括高程、坡度、道路、河流、城镇和土地利用类型６个影响因子（图３）。在此基础上将６个图层进行栅格计算，得到南谯区农村居民点区位分析图（图４）。最后将区位分析图进行矢栅转换后与现状全区农村居民点图层进行Ｉｄｅｎｔｉｆｙ操作获得全区农村居民点等级划分图（图５）。
安徽省滁州市南谯区农村居民点空间分布现状
１．２数据资料与研究思路研究用到的主要数据资料
收稿日期：２０１２—０５—０８作者简介：费铮（１９８８一），男．江苏无锡人，硕士研究生。主要从事ＧＩＳ与土地利用规划研究。・通讯作者：谈俊忠。
万方数据
１８８
江西农业学报
２４卷
包括：南谯区第２次土地利用变更调查数据、土地利用规鲻图、基本农田保护区图、自然风景保护区图、ＤＥＭ数据、城市总体规划图、城市交通图和《南谯区统计年鉴（２００１－２０１０年）》等。首先，将纸质资料主要通过扫描、配准、屏幕矢量化导入现有地理空间数据库，现有矢量数据则直接按照统一的空间坐标系统导人数据库。其次，利用ＡＲＣＧＩＳ软件平台从地理空问数据库中加载道路、河流、高程等数据图层，综合运用ＳｐａｔｉａｌＡｎａｌｙｓｔ、Ｂｕｆｆｅｒ、Ｒｅｃｌａｓｓｉｆｙ等空间分析操作，获得不同区位影响因子分析图。通过对各个图层进行栅格计算操作得到全区农村居民点区位分析图，将其与全区农村居民点空间分布现状图层进行空间相交获得全区农村居民点等级划分图。最后，在全区农
在城镇化进程中，城镇建设用地需求量的不断增加和耕地资源保护之间的矛盾越来越突出，农村居民点的空间布局还存在占地面积大、布局分散、“空心村”现象等，导致大量土地闲置浪费。目前学术界针对农村居民点及其整理进行了大量研究，主要涉及潜力测算…。１、驱动力＂一、模式５。６、适宜性评价。７】及效果分析‘剐等方面，而关于农村居民点区位分析及其优化发展的研究还比较少。在人地矛盾日益尖锐的情况下，研究农村居民点用地的区位及其布局优化途径，促使农村居民点用地走向集约化发展，对于缓解建设用地供给短缺、增加耕地面积、促进社会主义新农村建设，具有重要的现实意义。本文以安徽省滁州市南谯区为研究对象，运用层次分析法及ＧＩＳ空间分析，从自然、环境、社会经济等方面评价农村居民点区位，综合评判农村居民点等级，并将研究区的居民点划分为城镇化型、新农村社区型、限制发展型和兼并拆迁型４种不同发展类型，以此作为全区农村居民点空间布局优化的依据。

基于GIS的农村居民点用地时空特征及其优化布局研究——以湖南临澧县为例

县土地总面积的６０％。全县农村居民点人均用地面积．１
２３４，０．７明显高于《镇规划标准》（Ｂ０８－３规定的最高村Ｇ５１８９）的Ｖ级的１０１１０ｍ的标准。农村居民点人均用地面积最大２．－５２的乡镇达２４８２６．４ｍ，农村居民点人均用地面积最小的乡镇为
ＡｂｔａｔＴｋｎＩｉｃｕｔｓａｘｍｐｅｔｅｐｐｒａａｙｅｈｅｏａ — ｐｔｈｒｃｅｉｔｓｏｕａｅｉｅｔｄａｄｐｔｏｗａｄｓｃ：ａｉｇＵｌｏｎｙａｎｅａｌ．ｈａｅｌｚｄｔｅｔｍｐｒｓａｉｃａａｔｒｓｃｆｒｒｓｄｎａｌｎｕｒｒｒｌｎｌｌａｉｒｌｉａｌｎｆ
居民点平均规模由丘岗氐 —平原依次减小。⑨低山区居民山
点分布比丘岗、平原区分散。因为平原区耕地面积比重都较大，且成片分布，所以该区域的农村居民点相对于丘陵区的较分散、且平均规模也比丘岗区小。２３农村居民点动态变化特征．利用农村居民点用地的扩展指数ｓ来分析农村居民点动Ｉ态变化特征。Ｓ＝（Ｌ— Ｌ）Ｔ］０％Ｉ［Ｒｉｉ／Ｌ１０式中：Ｉ为研究区域ｉＲｓ阶
ｈｔｄｔｔｏｄｔｔｓＩｆｒｅｒｎｅｅｌｍｎａｉ．ｔｅｍｅｏａｈｗｔｒａｊｓｉｕｉｇＧＳｔｏｅｆｅｃｓｏｓｔｅｅｔｌｎｇｈｈｏｅｕｎｏｒｅｔｔｐｎｎＫｙｗｒｓｕａｒｓｅｔｄｈｍｏａｓａａｃａａｔｒｔｓｏｔｌｒａｊｓｎ；ｉｉｏｎ；Ｉｅｏｄ：ｒｒｉｎｉｌ；ｔｅｔｐｒ－ｐｔｈｒｃｉｉ；ｐｉｄｔｔＬｎｕｔＧＳｌｅｄａａｌｎｅｌｉｌｅｓｃｍａｅｕｍｅｌＣｙ

基于GIS的四川省人口空间分布研究

基于GIS的四川省人口空间分布研究摘要：利用了2010年和2014年在四川省的人口普查数据，借助GIS技术，对四川省21个市的人口模式进行分析。

2010年和2014年总体的分布情况总体主要是划分高密度，较高密度和低密度三个空间区域，四川省的21个市区呈正的空间自相关，并没有出现高值和低值异常的空间情况。

空间分布并非出现完全随机状态，表现出相似值之间的空间聚集：西北部的阿坝和甘孜人口较少。

这两个地区主要是分布了少数民族，而且甘孜阿坝地处四川西北部，由于地理条件的限制，使得这两个地方的居住人口较少。

成都市作为四川省会，是高密度人群的聚集地。

其他地区密度值趋于中间。

整体来说四川省的人口是呈现一个低-高-中的分布。

关键词：空间统计;空间模式;人口密度;四川省人口分布是指随着时间的变化，人口在空间上呈现出的变化。

人口分布与社会经济发展、产业布局和资源配置等方面有着密切联系，它是其他社会、经济因素在分布的重要表现之一。

人口分布是人口地学研究的核心问题[1]。

人口的分布状况，体现着人类对地理空间的征服程度。

人口分布同生产人以及同全国各地区的社会经济息息相关。

为了深刻认识人口与地理环境，各国各地区的生产分布局和社会经济的发展的相关系，为了探索人口布局与经济布局的途径，必须对人口分布状况有一个明晰的了解[2]。

研究人口分布的地域差异及其发展过程，解释其中的规律性，对指定区域人口政策、人口的合理再分以及实现人口、资源、环境的协调持续发展、起着十分重要的现实作用[3].传统的人口评价通常采用人口普查与抽样调查的方法，通过人口密度来反映通过人口密度来统计反映单位人口的分布状况，但人口密度是一个均值，优于各个区域自然条件、社会经济与文化条件存在差异，单纯依赖统计调查与抽样数据反映各个地区人口的实际分布状况[1,4]。

我们借助GIS工具，以四川省的21个市区的人口为基础进行分析。

1材料与方法1.1研究区域概况四川省位于中国西南,地处长江上游,介于92°21′E-108°12′E，26°03′N-34°19′N之间，东西长1075km,南北宽超过900km。

基于GIS技术的建设方案空间布局研究

基于GIS技术的建设方案空间布局研究引言：随着城市化进程的加速和人口的不断增长，城市规划和建设成为了当今社会发展的重要议题。

在城市的规划和建设过程中，如何合理布局不同功能区域，以实现城市的可持续发展和人民的幸福生活，成为了一个关键问题。

地理信息系统（GIS）技术的发展和应用为城市规划带来了新的思路和方法。

本文将探讨基于GIS技术的建设方案空间布局研究，通过分析和评估不同因素的空间分布，为城市规划提供科学依据。

一、GIS技术在城市规划中的应用1.1 GIS技术的基本概念地理信息系统（GIS）是一种结合地理空间数据和属性数据的信息系统，能够对地理空间数据进行采集、存储、管理、分析和展示。

GIS技术的应用涉及到地理信息的获取、处理、分析和决策等多个环节，能够为城市规划提供全面的数据支持和科学的决策依据。

1.2 GIS技术在城市规划中的优势GIS技术在城市规划中的应用具有以下优势：（1）空间分析能力：GIS能够对地理空间数据进行空间分析，通过空间关系的计算和模拟，揭示地理现象的内在联系和规律，为城市规划提供科学的依据。

（2）数据集成能力：GIS能够将不同来源和格式的地理信息数据进行集成和整合，形成完整的地理信息数据库，为城市规划提供全面的数据支持。

（3）可视化展示能力：GIS能够将地理信息数据通过地图、图表等形式进行可视化展示，使城市规划的结果更加直观和易于理解。

（4）决策支持能力：GIS能够通过模拟、优化和评估等方法，为城市规划提供决策支持，帮助规划者制定合理的建设方案。

二、建设方案空间布局的研究方法2.1 地理空间数据的采集和处理建设方案空间布局的研究需要大量的地理空间数据，包括地形地貌、土地利用、交通网络、人口分布等。

这些数据可以通过遥感技术、GPS定位、测量调查等方法进行采集，然后通过GIS软件进行处理和整合，形成完整的地理信息数据库。

2.2 空间分析和模拟建设方案空间布局的研究需要进行空间分析和模拟，以揭示不同因素之间的空间关系和规律。

基于ArcGIS的西安市人口空间分布规律研究

西安科技大学硕士学位论文基于ArcGIS的西安市人口空间分布规律研究姓名：闫宗元申请学位级别：硕士专业：地图学与地理信息系统指导教师：陈晓宁2011论文题目：基于ArcGIS的西安市人口空间分布规律研究专业：地图学与地理信息系统硕士生：闫宗元(签名)指导教师：陈晓宁(签名)摘要城市与区域研究首要任务是分析城市与区域的空间结构，而人口密度分布特征是重点。

人口密度特征是城市一个重要的社会经济特征，城市人口密度模型不仅揭示了城市的内部结构，而且还为城市的经济模型提供验证。

分析人口密度方程随时间的变化规律对揭示城市和区域结构的变迁也具有重要的意义。

本文基于西安市人口普查数据，采用GIS手段从宏观上系统分析了20世纪90年代以来西安市常住人口空间分布特征和时空演变趋势，并为此做出合理的原因分析；基于多种数学模型的回归分析结果比较，从微观上揭示了西安市2000年单中心和多中心的人口密度分布特征，并得出了一个较好的数学模型来描述。

应用GIS手段研究西安市的人口空间分布可为国内相关案例研究提供理论补充；对比传统的计算人口密度分布方法，本文所使用的研究方法有直观、全面、更加精确的优点，为今后的同类研究提供了一种新方法。

关键词：西安市；人口密度；GIS；空间统计分析；数学模型；研究类型：应用研究Subject ：Research on Spatial Distribution of Population in Xi’an Based on ArcGISSpecialty ：Cartography and Geographic Information SystemName ：Yan Zong-yuan (Signature)Instructor：Chen Xiao-ning (Signature)ABSTRACTThe prime task of studying city and region is to analyze the spatial structure of city and region. Characteristic of population density is an important feature of the city's socio-economic characteristics. Urban population density model not only reveals the internal structure of the city, but also provide validation for the city's economic model. Analysis of population density equation over time has great significance to reveal changes of urban and regional structure.Based on population census data of Xi’an City, spatial distribution of resident population and trends of spatial temporal evolution from the 1990s is analyzed systematically on a macro perspective by use the method of GIS. And the reasons will be analyzed at the same time. Based on the comparison among multiple regressive analysis results of mathematical models, the population density distribution of monocentric center and multi-center in Xi’an is revealed on a micro perspective. Meanwhile, a mathematical model is established to express the population density distribution.Research on spatial distribution of population density in Xi’an by use the method of GIS provides some theoretical complements for the study of related cases. Comparing with the traditional method of calculating the distribution of population density, the research method which is used in this paper are intuitive, comprehensive and more accurate and provide a new method for similar researchs in future.Keywords : Xi’an City Population Density GIS Spatial Statistical Analys Mathematical ModelThesis :Application Research1 绪论1 绪论1.1研究的背景与意义1.1.1研究的背景2009年5月4日，国务院颁布了开展2010年第六次全国人口普查的通知，拉开了全国第六次人口普查的序幕。

《基于GIS技术的传统村落空间分异规律研究》范文

《基于GIS技术的传统村落空间分异规律研究》篇一一、引言传统村落作为我国历史文化的瑰宝，承载着丰富的地域特色和民俗风情。

随着现代化进程的加速，传统村落面临着巨大的发展压力和空间变迁。

如何理解和掌握传统村落的空间分异规律，成为了研究的重要课题。

本文旨在通过地理信息系统（GIS）技术，对传统村落的空间分异规律进行深入研究，以期为传统村落的保护与发展提供科学依据。

二、研究背景与意义传统村落的空间分异现象是地理学、社会学、文化学等多学科关注的焦点。

随着经济全球化和城市化进程的推进，传统村落的空间结构、社会关系和文化传承等方面都发生了显著变化。

因此，研究传统村落的空间分异规律，对于理解其空间发展、文化传承和可持续发展具有重要意义。

三、研究方法与数据来源本研究采用地理信息系统（GIS）技术，结合遥感数据、地形数据、人口数据等，对传统村落的空间分布、空间结构、空间关系等方面进行分析。

通过GIS的空间分析功能，提取传统村落的空间特征，分析其空间分异规律。

四、研究区域与对象本研究选取了具有代表性的传统村落作为研究对象，包括南方水乡、北方山区、黄土高原等不同地理环境的传统村落。

通过对这些传统村落的空间分布、空间结构、人口变化等方面进行分析，揭示其空间分异规律。

五、空间分异规律分析（一）空间分布规律通过GIS的空间分布分析，发现传统村落的空间分布受地形、气候、交通等因素的影响。

在南方水乡地区，由于水资源丰富，交通便利，传统村落呈现较为密集的分布；而在北方山区和黄土高原地区，由于地形复杂、交通不便，传统村落分布较为稀疏。

（二）空间结构规律传统村落的空间结构受历史、文化、经济等因素的影响，呈现出多样化的形态。

通过GIS的空间结构分析，发现不同地区的传统村落具有不同的空间结构特征。

例如，南方水乡地区的传统村落呈现较为规整的网格状结构，而北方山区和黄土高原地区的传统村落则呈现较为复杂的树状或链状结构。

（三）空间关系规律传统村落之间的空间关系受地理环境、经济联系、文化交流等因素的影响。

基于GIS技术的武夷山市农村居民点空间分布特征

第３卷第１５期
２１０２年Ｏ１月
现
代
测
绘
Ｖｏ．５．．１１３Ｎｏ
ＭｏｒｒｙｉｇａａｉｄｅｎＳｕｖｅｎｎｄＭｐｐｎｇ
Ｊｎ２１ａ．０２
基于ＧＩ术的武夷山市农村居民点空间分布特征Ｓ技
性、缺乏规划的发展所带来的问题也逐渐显露，村农
根据研究区域概况和研究对象的特点，以及
ＧＩ间分析功能，定研究方法。概括为数据预Ｓ空确
处理、间处理和成果分析３个主要步骤，空研究方法流程图见图１。
保证线状地物的相通，于后期的缓冲区分析，便将
提取面状河流、路的中心线，线要素合并和连公与
接，保河流、路的连通性。确道数字高程模型（Ｅ）利用１：５万地形图矢ＤＭ：量化成果，过建立ＴＩ模型，化生成数字高程进Ｎ转
…
…
…………源自空间分析 … … … … … 一
气候属中亚热带湿润季风气候，季分明，候温四气暖湿润，山地资源丰富，生物多样性特征明显。
武夷山是我国四个世界自然与文化双遗产地
之一，中国优秀旅游城市之一，是原中央苏区是也
分居民点分布在不适宜人们居住的区域，有待调整。因此本研究能为武夷山市农村居民点整理、农村居民点规划

基于GIS的城市人口分布模拟研究

基于GIS的城市人口分布模拟研究在现代城市化进程中，人口是城市建设中不可或缺的一个重要因素，城市的规划、建设、管理、发展等方方面面都离不开对城市人口分布的研究。

而基于GIS的城市人口分布模拟研究，则是近年来在这一领域中日益热门的话题。

什么是GIS？首先，我们来了解一下GIS这个概念。

GIS（Geographic Information System，地理信息系统）是一种基于计算机软硬件、全球卫星定位系统、空间数据库、通信技术等多种技术手段，对空间数据进行采集、处理、存储、分析、管理和显示的一套功能完整的系统。

GIS是地理信息科学的重要分支和应用领域，它能够将空间数据与属性数据相结合，对地理信息进行全面分析和模拟。

因此，GIS被广泛应用于土地资源管理、环境保护、城市规划、交通管理、水利资源管理等一系列领域。

GIS在城市人口分布中的应用城市人口是城市发展研究的一个重要方面。

城市人口分布模拟研究便是通过各类与人口相关的数据源和GIS技术手段相结合，建立城市人口模型，模拟人口分布和变化规律，探究城市人口分布的影响因素，为城市规划、政策制定等提供科学依据。

使用GIS技术在城市人口分布模拟研究中，应用最广泛的便是地理分析和空间分析。

地理分析能够帮助研究者分析和解释空间数据，探究人口分布规律。

空间分析则主要针对人口分布的空间特征、相互关系以及变化规律进行研究。

在人口数据的应用上，依据不同的研究目的，可以选择不同的人口数据。

例如，如果研究的是某一城市的人口分布，可以使用该城市的人口普查数据和非正式人口数据，这些数据可以从政府或相关部门获得。

在人口分布模拟中，为获取高质量的人口数据，需要尽可能多的获取不同来源的人口数据。

例如，通过爬取网络上的人口数据，使用数据挖掘技术筛选可靠数据等方式获取数据。

当然，在进行人口分布模拟研究时，还需要综合考虑人口数据、随机性因素、地域文化差异等因素，以期得到比较真实的人口分布结果。

基于GIS的住宅价格时空分布规律研究

基于GIS的住宅价格时空分布规律研究本文以成都市主城区普通二手住宅价格为研究对象，以ARCGIS作为技术支持，利用空间自相关分析法揭示了成都市普通二手住宅价格的空间依赖性和异质性。

在此基础上，通过空间插值法对成都市房价空间分布进行了估计和模拟，绘制出房价空间分布图及等值线图，以探究房价的时空分布规律。

研究结果表明：①成都市普通二手住宅价格存在显著的正向空间自相关性，空间上集聚分布现象明显，少量存在空间异质性；②成都市二手住宅价格的地域分异规律明显；③6月和12月两个时间点上的住宅价格水平整体上波动幅度不大，空间相关性也较为平稳，空间分布情况基本一致。

标签：GIS，住宅价格，空间自相关，空间插值，成都市【文献标识码】A1、引言随着我国住房制度改革的不断深入，房地产业呈现出高速发展的态势，房价更是成为社会各界和专家学者们关注的焦点。

由于房地产与一般商品有所不同，它作为一个具有空间属性的商品，其价格变动深受地理区位因素的影响而具有明显的空间性。

也就是说，在一个城市中，位于不同区域的房地产价格水平不同，使得房地产价格具有区域差异，即房价的空间分异。

本文利用ARCGIS作为技术支持，通过空间自相关分析法和空间插值法来研究成都市住宅价格的时空分布规律。

2、数据与研究方法2.1数据采集与处理本文选择成都市主城区作为研究区域，以二手房市场为研究对象，原因是相对于新开盘的项目，二手房的市场化程度更高。

其次，住宅市场的众多物业类型中，普通商品房的比重较大，所以本文选取的住宅样本均为普通商品房。

数据主要来源于成都市搜房网和安居客，收集样本总量为1500个，选择2015年6月和12月的普通住宅小区二手房销售均价作为价格数据。

以这些住宅小区的名称、位置、销售均价等数据为属性数据，通过ARCGIS建立空间数据库，把成都市地图作为分析底图，矢量化后构建样本住宅的点数据图层。

将属性数据与底图匹配，得到成都市2015年普通住宅分布图（图1）。

基于GIS的浅丘区农村居民点空间分布特征分析_滕连泽

2
研究区农村居民点景观指数 PSSD 1． 15 0． 31 0． 41 0． 36 1． 13 0． 51 0． 93 1． 16 0． 60 0． 69 2． 23 0． 32 2． 56 0． 48 0． 70 1． 35 0． 96 1． 99 1． 38 1． 42 1． 02 0． 68 LPI 18． 55 6． 46 10． 42 7． 34 20． 53 9． 54 18． 23 15． 31 9． 86 13． 40 39． 88 13． 04 43． 14 6． 59 11． 87 25． 93 9． 80 40． 64 32． 57 30． 58 27． 01 16． 07 MSI 1． 20 1． 10 1． 16 1． 13 1． 17 1． 16 1． 13 1． 23 1． 20 1． 18 1． 39 1． 15 1． 44 1． 20 1． 11 1． 11 1． 26 1． 16 1． 11 1． 28 1． 15 1． 27 AWMPFD 1． 07 1． 04 1． 07 1． 05 1． 08 1． 05 1． 06 1． 09 1． 07 1． 07 1． 12 1． 06 1． 10 1． 06 1． 06 1． 06 1． 08 1． 07 1． 05 1． 09 1． 06 1． 09 PD 0． 14 0． 27 0． 19 0． 21 0． 13 0． 20 0． 14 0． 13 0． 20 0． 20 0． 05 0． 23 0． 03 0． 21 0． 14 0． 19 0． 13 0． 06 0． 11 0． 05 0． 15 0． 23
［4 － 9 ］
（表 1 ）。选用 Frag-
stats 3． 3 进行景观指数运算。Fragstats 是由美国俄勒冈州立大学森林科学系开发的一个景观指标计算软件，它由两个版本：矢量版本运行在 Arc / INFO 环境中，接受 Arc / INFO 的矢 IDＲISI、 EＲDAS 等多量图层；栅格版本可以接受 Arc / INFO、种格式的格网数据。在 Fragstats 3． 3 的 setting run parameter 中设置参数，然后选取斑块类型层次上的景观指数，执行运算，得到表 2 中的数据。 3． 1． 2 结果分析。从表 2 可以看出，研究区农村居民点面

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

收稿日期:2007-11-30;　修订日期:2008-02-20

基金项目:国家自然科学基金项目(50574095);教育部新世纪优秀人才支持计划资助项目(NCET-04-0487);徐州师范大学自然科学基金项目(06XLB12) 作者简介:闫庆武(1975-),男,博士研究生,讲师,研究方向为资源环境与信息决策支持。E-mail:3403175@163.com

基于GIS2SDA的居民点空间分布研究闫庆武1,2,卞正富1(1.中国矿业大学环境与测绘学院,江苏徐州221008;2.徐州师范大学城市与环境学院,江苏徐州221116)摘要:空间数据分析(SDA)与GIS相结合是研究地理现象空间分布规律的重要方法。借助1994年和2004年两期RS图像,得到徐州市居民点空间分布数据,运用GIS2SDA方法研究徐州市1994年和2004年的居民点空间分布模式,并总结了11年间居民点空间分布的动态演变规律。通过最近邻距离分析(运用R统计量)得出徐州市居民点空间分布总体上呈现集聚趋势,且2004年的集聚程度比1994年低;通过计算居民点空间分布的K函数值,发现随着研究尺度的变化,1994年和2004年的居民点空间分布集聚程度均出现先增后降过程。运用核函数与泰森多边形法计算两个年份的居民点密度分布,核函数法能够从总体上反映徐州市居民点密度空间分布的地域差异,而泰森多边形法对居民点密度空间分布的细部差异较敏感。关键词:GIS;点模式分析;空间分析;居民点格局;徐州中图分类号:K901.8;P208 文献标识码:A 文章编号:1672-0504(2008)03-0057-05

0　引言居民点(聚落)是指人类各种形式的居住场所,是聚落地理学的研究对象。居民点的空间分布是区域自然地理条件、经济地理条件及历史发展的综合反映,是聚落地理学研究的主要内容之一。在小比例尺地图上,实际呈面状分布的居民地经地图概括就成为居民点。目前居民点分布研究主要集中在城市型居民点方面[1-3],而对区域中居民点(包括城市与农村两类居民点)的分布研究相对较少。胡志斌等利用1∶25万基础地理信息数据和统计数据,深入研究岷江上游居民点分布格局及影响因子[4];梁会民等运用定量方法研究了董志塬黄土塬区居民点空间分布,并得出该地区居民点为随机分布的结论[5,6];张小军等分析了甘肃陇西地区居民点分布与地理要素的相关性[7];田光进等利用20世纪90年代中国土地利用动态变化数据,运用单元自动机和人工神经网络模型对中国农村居民点用地进行区划,并研究了中国农村居民点用地动态变化时空格局[8,9];董春等研究了全国范围内居民点个数与地貌类型、表土质地、高程带、土地利用类型、年降水量和平均气温等地理因子的相关性[10]。目前居民点分布研究主要采用传统的相关分析、统计分析等方法,而应用空间数据分析技术对居民点空间分布模式的研究相对较少。空间数据分析(SpatialDataAnalysis,SDA)主要研究带有地理坐标数据的收集技术与精确分析模型[11],注重分析地理空间的固有特征、空间选择过程及其对复杂空间系统时空演化[12],包括统计分析、地

图分析和数学模型[13,14]。在过去的二三十年里,空间数据分析已成为社会科学研究中日益重要的研究方法[15]。地理实体按其空间形态的表现可以分为点、线、面、体4种形式,居民点在空间形态上为点实体的一种特例。在研究群点(如居民点)空间分布时,分布密度、离散度等指标是反映群点空间结构特性的重要参数,而空间数据分析提供了获得这些指标的具体方法,为定量研究各种群点的空间分布格局提供了技术支持,是正确分析和评价空间位置和空间相互作用的重要手段。因此,在居民点空间分布研究中,运用GIS2SDA分析技术可以更好地刻画居民点空间分布的本质规律。

1　研究区域及数据处理研究区域为江苏省徐州市,地处长江流域与黄河流域过渡地带,位于北纬33°43′～34°58′,东经116°22′～118°40′,土地总面积11258km2,由5区(鼓楼区、云龙区、贾汪区、泉山区、九里区)、6县(丰

共3景)进行镶嵌与拼接、配准、几何校正、辅助解译等技术处理,得到徐州市域1994年和2004年居民点空间分布信息,并导入徐州市1∶10万ArcGIS地图数据库(2005年行政单元图层,包括市界、县界、乡镇界等图层),作为下一步分析的数据基础(图1)。图1　研究数据来源Fig.1　Datasourcefortheresearch2　点模式分析空间模式是空间原型与空间模型之间的桥梁,为定量解决空间问题提供了一种整体思路[16]。许多地理实体现象都能被抽象为点,并用点图刻画其分布规律,如居民点分布图、商业网点分布图等。点模式分析主要关注空间对象的位置特征,特别是这些对象的空间分布特征和相互关系,即空间分布格局,如集聚分布(clumped)、随机分布(random)、均匀分布(uniform)等[17]。点模式分析的方法很多,主要有最近邻距离分析、函数法等。2.1　最近邻距离分析最近邻距离分析由Clark和Evans在1954年提出,后由Dacey(1960)引入地理学中,其核心思想是将各点之间的最小距离与某种理论模式中的最近邻点之间的距离相比较,进而得出点空间分布的某些特征[16]。R统计量(标准最近邻距离指数)为最常用的指标之一:R=󰁥ra󰁥re=(Σidi)/nn/A2=2ρnΣidi(1)式中:󰁥ra为各点平均最近邻距离,󰁥re为随机分布条件下的平均最近邻距离的期望值,di为第i点与其最近邻点之间的距离,A为区域的面积,n为点的总数,ρ为点的分布密度。R=1为随机分布,R=0为完全集聚分布,R=211491为均匀分布。R统计量仅关注某点与其最近邻点之间的关系,而没有考虑与二阶最近邻点、三阶最近邻点……K阶最近邻点的关系。实际上,可以将R统计量推广为高阶最近邻指数[18],用以反映点模式分布格局:

Rk=󰁥raK󰁥reK=(Σidki)/nK(2K)!(2KK!)2n/A(2)

但是上述R统计量的计算过程中存在一种边界效应,如图2,尽管B距离A最近,但在统计A的最近邻点时,由于B在边界外,因此A的最近邻点就被误认为是C,从而造成计算结果与实际的偏差。对于边界效应的校正可以采用以下方法,如果某点与最近邻点的距离大于该点与研究区域边界的距离,则将后者当作最近邻距离,其实质是假设在研究区域的边界上始终有点。显然,实际的R值大于这一校正值,而又小于未校正的R值。

图2　边界效应Fig.2　Edgeeffects

2.2　函数法分析最近邻距离分析是从整个区域角度来测定点分布的模式,但点要素的空间分布可能随研究尺度的改变而改变,从而出现在小尺度下呈现集聚分布而在大尺度下却服从均匀分布或随机分布的现象,函数法就是针对这一背景提出的。用来测定点分布模式的函数主要有G函数、F

函数、K函数等[19],其中K函数(即Ripley’sK)较

为常用,其表达式为:

　K(d)=1λ×Σni=1#[dmin(i)

n=An2Σni=1#[dmin(i))

式中:A为点模式分布的面积,n为点实体的总数,

为点的密度,#[d

min(i)

为圆心、

d为半径的圆区域内的点的数量(i除外)。K函数的直观含义是落在以各点为中心、以d为半径的圆内的平均点数在均匀分布时对应的区域面积[16]。L函数是Ripley’sK函数的一个变形,常用来衡量点分布模式随空间尺度的变化规律:

L(d)=K(d)π-d(4)当L(d)>0时,所研究的对象在对应尺度d上为集聚分布;当L(d)<0时,所研究的对象在对应尺

度d上为扩散分布;当L(d)=0时,所研究的对象在对应尺度d上符合空间完全随机分布(CompleteSpatialRandomness,CSR)。为了研究L(d)与空间随机分布的差别,常采用模拟方法。其过程为将n个点随机地分布在与研究区面积相等的区域上,计算其L(d)值,从而得到L(d)的最大值与最小值,并绘制成曲线,称为包络线(envelope)。对比L(d)与包络线,可以判别研究对象的空间分布与空间随机分布是否有显著差异。3　密度分异分析居民点密度是指单位面积居民点的数量,一般意义上的居民点密度为居民点平均密度,其表达式为D=n/S,其中D为居民点密度,n为居民点的数量,S代表居民点分布的面积。这种计算方法隐含着一个假设,即居民点在计算的单元区域内为均匀分布,但实际情况是居民点在区域中为不均匀分布,并且这种不均匀性会随计算单元的面积不同而发生变化。鉴于居民点空间分布的不均匀性,其计算方法可以借助平面上实体密度的计算方法,主要有核估计法、泰森多边形法。3.1　核估计(kernelestimation)法核估计(中心估计)最初的目的是根据观测值获得单变量或多变量的概率密度的平滑估计值[20,21],是一种重要的小地域分析方法[22]。假设研究数据的点模式空间分布符合概率密度函数为f的分布且f未知,密度估计即为依据研究数据建立密度函数f的估计。无参数密度估计模型为[23]:^f=lnhΣni=1K(x-xih)(5)式中:h为平滑参数或带宽,函数K称为一个核,常为对称密度函数。核估计实际为每个点的突起值的平均值,函数K决定突起的形状,为非负函数;带宽h决定突起的宽度,带宽越大,估计的密度函数就越平滑。常用的kernel函数有均匀核(uniform)、三角核(triangle)、epanechikov核、四次核(quartic)、高斯核(gauss)、余弦核(cosinus)等[24]。3.2　泰森(Thiessen)多边形法泰森多边形是对平面的一种分割方式,是一种重要的空间内插方法[25],同时也可用来计算点群的密度。步骤为先以各点实体为发生元生成泰森多边形,并计算每一泰森多边形的面积,每一泰森多边形范围内的点群密度可以用其面积的倒数表示[26]。但是利用泰森多边形计算得到的密度具有同一多边形内均匀分布、相邻多边形之间呈现数值突变的现象,