基于探索性空间数据分析的我国港口空间格局

庄佳芳，余思勤

(上海海事大学经济管理学院，上海 201306)

0 引言

港口是水陆运输的枢纽，它作为国民经济和社会发展的重要基础设施，对经济社会贸易的发展、国家综合实力的提升，以及综合运输网络的完善等具有十分重要的作用.港口空间格局问题的相关研究在国外最早见于20世纪30年代，国内则要到20世纪90年代中后期.社会经济课题中空间结构研究通常关注事物在空间的相互作用及所形成空间的集聚程度和集聚形态，基于此思路的港口空间结构定量分析借助经济研究中常见的吉尼系数(Gini coefficient)［1-8］、洛伦兹曲线(Lorenz curve)［2-3，9］、赫希曼-赫芬达尔指数(Hirshmann-Herfindahilindex)［2，7-8，10-13］、偏 移-分 享 分 析 (Shift-Share analysis)［2，9-10，14］等方法展开.本文则尝试运用探索性空间数据分析方法对港口的空间格局问题进行研究.与上述几种常用方法不同的是，本方法运用地理数据库并结合港口的实际地理位置，不仅能用数据表达港口空间格局的变化状况，更可通过地图的方式直观地展现港口的集聚位置、集聚程度以及集聚状态变化过程.

1 研究方法

探索性空间数据分析是一种具有识别功能的空间数据分析方法，它结合统计学和现代图形计算技术探测空间分布的非随机性或空间自相关性，可以将空间数据中隐含的空间分布、空间模式以及空间相互作用等特征直观展示出来.空间自相关性分析(也称聚类检验)［15］是认识空间分布特征、选择适宜的空间尺度来完成空间分析的最常用方法.作为一种由数据驱动的探索过程，探索性空间数据分析方法能够将各种与空间有关的数据与地理位置链接在一起，从空间的角度出发去表达和分析各种数据，并用直观的方法展现空间数据中隐含的特征，具有对GIS地理数据库中的空间数据进行挖掘和深加工的功能.空间数据分析方法可以分析时空过程(如疾病传播、技术扩散)、形态变化(如河道演变)、空间格局(如河网、疾病分布)等，因此被广泛应用于资源管理与配置、土地信息系统和地籍管理、地震灾害和损失估计、道路交通管理、地形地貌分析、医疗卫生、军事等领域.

1.1 空间自相关性

空间自相关性表明事件在空间上集聚或分异的非随机性.考虑到空间统计中的局部空间统计指标侧重属性变量的区际差异更符合港口分布的地理特性，本文采用局部莫兰指数I进行空间自相关性分析，具体公式为

式中:n是研究区域内的样本总数，在文中以我国长江和沿海城市为样本;ωij是样本间的空间权重;xi和xj是样本i和j的空间属性值，在文中以港口货物吞吐量表示;x－是研究区域内所有样本的属性平均值.区域i的局部莫兰指数Ii若为正值，表示区域i存在相似值聚集，负值为相异值聚集，零值表示区域的该属性值不存在空间相关性.

1.2 空间权重矩阵

空间权重矩阵是对象空间关系的数值化，通常依赖于空间距离或拓扑邻接进行定义.港口的货物吞吐量属性与港口所处的地区存在显著的空间因果关系，因此本研究基于区域的空间关系定义空间权重矩阵.考虑到选取的样本具有沿海、沿江分布的空间特殊性，将固定距离分带法和距离阈值法相结合来定义空间权重

式中:阈值D是通过计算最优空间邻近的平均距离产生的，具备距离影响程度的合理性.在计算过程中，设置每个样本至少与3个样本存在空间相关，计算出的平均距离为120 km.此外，鉴于特定样本对象(如岛屿)在地理位置上的特殊性，本文手动设定岛屿城市与沿江(海)城市的邻接关系.

1.3 显著性检验

空间自相关性意味着样本观测值在空间上的非独立性，而空间聚类分析在统计学上是基于属性在空间上的完全随机性假设，即零假设.因此，只有拒绝零假设才能检验其空间聚类显著性.显著性检验即直接反映出聚类结果的可靠程度.

在计算莫兰指数的同时将p值作为统计显著性的度量，用于判断整体或逐个要素是否拒绝零假设.p值的计算采用ArcGIS 9.3空间分析工具中内置的公式，p值表示所观测到的空间模式是由某一随机过程创建而成的概率，一般选用 0.01，0.05，0.10 作为显著性水平的标尺.当p值很小时，意味着所观测到的空间聚类不太可能产生于随机过程，因此可以拒绝零假设.

2 数据选用与计算结果分析

2.1 数据选用

为保证样本的数量和统计学意义，选取我国沿海沿江的84个地级市作为研究区域(未列入香港的数据)，其矢量模型均在WGS 84坐标系下，与实际地理位置相同.研究区域的货物吞吐量数据来自1985—2012年的《中国港口年鉴》.

2.2 计算结果与分析

由于研究所采用的工具不仅能进行数值计算，更能很直观地展现数据结果(集聚状态分布)，因此结合两者进行以下分析.

2.2.1 三大港口群空间格局显著

基于局部莫兰指数和p值形成的港口空间集聚状况分年份图见图1.图中，由星号、点和圆圈区别的图形块与相异值集聚程度有关(它们分别表示p值小于1%，5%和10%)，由横线、虚线和点划线区别的图形块与相似值集聚程度有关(它们分别表示p值小于1%，5%和10%)，横线图块表明聚集程度最高，虚线其次，点划线最低.淡灰色图形块表示非集聚.图1(a)为数据起始年份即1985年的港口空间集聚状况，图1(b)为数据终止年份即2012年的港口空间集聚状况.

用莫兰指数分析获得的1985—2012年我国港口空间布局变化情况显示，我国三大港口群的空间格局明显.在20世纪80年代中期我国的港口空间聚集只出现在以广州和上海为中心的南部区域，且这两个区域的集聚均表现为高值被低值包围的集聚，即相异值集聚;而其他区域则表现为非集聚，即随机分布状态.可见，当时我国的港口布局是分别以广州和上海为中心的聚集，港口总体格局的集聚重心偏南.之后，随着国家从优先支持枢纽港建设转向开始支持枢纽港边缘条件优越港口的发展，尤其是2005年国家对港口管理体制的调整，沿江沿海各省市建设发展港口的积极性高涨，在港口数量迅猛增长的同时，我国港口总体布局也由此发生变化.从2012年的莫兰指数图可以看到，我国港口的空间布局为从北到南的三大集聚区，即通常所概括的环渤海湾、长江三角洲和珠江三角洲三大港口群.这种格局的出现表明我国港口的总体空间格局正趋于分散化和均衡化，同时港口总体布局的重心由南向北转移，并且各港口群的局部集中态势日趋明显.

2.2.2 港口群内集聚状态各异

分析三大港口群内部的空间集聚变化过程可以看到，各港口群的空间结构变化各具特点:长三角港口群在单个高低集聚向高高集聚转变的同时出现新的高低集聚;环渤海港口群表现为由单个高低集聚向多个高高集聚的演变;珠三角港口群则在研究时间段内维持相对稳定的高低集聚状态.

各港口群内最具影响力的核心港口莫兰指数见表1.表中，莫兰指数绝对值越高表明集聚程度越高，其中负值表明相异值(高低)集聚程度，而正值表明相似值(高高)集聚程度.

表1 上海、宁波、天津、大连、青岛、广州、深圳各港口局部莫兰指数

首先，长三角港口群的空间格局变化情况在很大程度上受到上海港和宁波港以及两者间博弈关系的影响.从莫兰指数的变化看，上海港一直到2000年前均处在明显的相异值集聚状态，且莫兰指数表现为较高的绝对值，也就是说上海港是唯一枢纽港的状态在相对长的时间内保持稳定，而其他周边港口则为其支线或喂给港.2000年以后随着周边港口的快速发展，在这个我国港口密度最大的地区之一出现相似值集聚(即高高集聚)的格局，上海港一港独大的局面逐步被多港口共同发展的状况所替代，并且随着2008年杭州湾跨海大桥的通车，这种高高集聚的状态得到进一步巩固和提升(见图2).

图2 1985—2012年上海港局部莫兰指数图

同在长三角港口群内，宁波的发展则经历了一个从非集聚到集聚的变化过程.在港口集聚度图中这个变化的转折点虽然到2006年才表现出来，但从缘由上看，宁波港集团有限公司和之后的宁波港股份有限公司的成立显然从体制机制上为宁波港的快速发展打下坚实的基础.图3展示相关年份宁波港与其周边港口的集聚度变化过程.虽然从成图的角度，图中符号的设定并未细致到将基于莫兰指数的每一微小集聚度变化均展现出来，但指数本身的变化仍然可以较好地说明港口集聚的程度和方式变化.

图3 基于局部莫兰指数的2004，2006，2008年宁波及周边港口集聚度变化

其次，环渤海港口群中的大连港、青岛港和天津港三大港口对该区域内集聚度变化起着关键作用(见图4和5).对比环渤海港口群的莫兰指数所反映出的港口集聚度变化可以看到，环渤海港口群空间格局表现出由单个高低集聚向多个高高集聚的演变，这也意味着辽东半岛、渤海西岸及山东半岛的港口在吞吐量总体水平较高的背景下呈现出区域内分散的格局.

图4 1985—2012年大连、青岛、天津三港货物吞吐量折线

图5 1985—2012年大连、青岛、天津三港局部莫兰指数

从环渤海港口群空间格局的演变过程看，天津港的地位特殊，不管是从最早显现出集聚的角度，或者是从集聚程度和集聚方式的角度，天津港均表现得比较突出.尤其是在天津港成为北方第一个破亿吨大港的2001年后，随着北方地区经济格局的新一轮调整，天津作为北方经济中心的作用进一步发挥，而秦皇岛港的属地化、京唐港及黄骅港的相继建设，尤其是曹妃甸港的实质性启动，使得该区域的港口格局从天津港独占鳌头的相异值集聚模式(莫兰指数为负值)快速向相似值集聚模式(莫兰指数为正值)转变，多港齐头并进、共同发展的局面得以显现.此外值得一提的是青岛港，虽然从图1中并不能看到山东沿海港口集聚的状态，但从莫兰指数的变化看，以青岛港为核心并由烟台、日照、威海等港口组成的港口群正逐渐明显地呈现出高高聚集趋势.

最后，珠三角港口群的集聚度表现与广州港和深圳港关系密切.从图6所展现的广州和深圳局部莫兰指数看，两港均表现为相异值集聚的状态，即这两个港口分别被如珠海、汕头、惠州、茂名、虎门、中山、阳江等港口围绕，并形成较明显的主辅关系，且这种高低集聚维持相对稳定的格局，只是广州港的集聚程度在早期更明显些.

图6 1985—2012年广州、深圳两港局部莫兰指数

2.2.3 影响港口集聚状态的因素

港口群的产生既可以看作是一种产业集聚的结果，同时也是引导和带动新一轮产业布局调整的诱因.港口群的发展能为经济发展扩展人流、物流、资金流和信息流，带动城市经济、腹地经济、区域经济的繁荣.港口本身的聚集效应和扩散效应促进所在地区的产业结构调整，优化资源配置，推动区域经济一体化.作为水陆运输的节点，港口群所发挥的资源配置基础性作用有利于各种资源物流成本的降低，有利于环境的良好发展和区域竞争优势的增强，进而达到促使整个区域的联系更为紧密、整体性更强、各行业协同发展的效果.

分析我国已经明显成型的三大港口群空间格局以及各港口群内各具特点的港口集聚程度和集聚方式，如下几方面因素所产生的作用不容忽视:

第一是港口所依托的城市及城市经济的支撑作用.港口发展与城市发展之间是相辅相成的关系.从地理位置看，三大港口群背后依托的无不是位列我国经济发展前沿的城市，这些城市的经济发展和产业布局在根本上影响着港口的核心业务;从时间进程看，三大港口群由珠三角和长三角再到环渤海湾的顺次繁荣发展过程正与我国经济发展经历的由南到北的递次发展相对应;从空间格局看，三大港口群显现出的重心北抬均衡化发展趋势将是各城市结合自身经济特点应对全球金融危机和经济转型的产物.

其次是地方政府的推动作用.港口具有地域专属性，随着对港口重要性认识的提升，各沿海城市将港口视作战略性资源纷纷投入巨资，以期通过港口的建设和发展带动城市经济能级的提升.这种局部区域的港口发展需求，在推动港口总体格局朝均衡化方向发展的同时，也会加剧港口之间因行政壁垒而产生的竞争，港口群内部各具特点的集聚态势在很大程度上是多方力量博弈的结果.

第三是国家政策与规划的引导作用.从国家政策层面，20世纪80—90年代港口管理权的逐步下放和优先支持主枢纽港建设的政策，决定性地导致上海港的先发优势;进入21世纪后，中央支持枢纽港边缘条件优越港口发展的政策催生宁波、深圳等港口的快速成长.从规划层面，2006年交通运输部发布的《沿海港口布局规划》提出我国沿海港口群的总体格局，并确定各港口的定位和发展方向.可以说，我国各港口发展的顺序和速度，并由此而逐步形成的港口总体空间格局和港口群内布局特征都直接或间接受到国家宏观指导和调控的影响.

3 结束语

随着空间思维被主流经济学所接受，将空间因素纳入到分析中来研究经济活动的空间分布规律已成为一种重要方法.本文以探索性空间分析方法的研究思路，运用ArcGIS为工具对我国港口1985—2012年的空间格局演变进行分析.通过以局部莫兰指数为表征的空间相关性分析可以看到，我国港口的三大港口群空间分布格局明显，且不同港口群内部呈现出不同的集聚状态演变特点.长三角港口群中的上海港和宁波港、环渤海港口群中的天津港、青岛港和大连港，珠三角港口群中的广州港和深圳港，这些关键港口的发展及其因与周边港口之间的相关性而产生的作用，对该区域港口群内部空间格局的影响是决定性的，而这些变化也最终会影响到我国港口整体格局的转变.从深层次的原因看，各港口所依托城市及其经济的发展、地方政府的推动和国家政策与规划的引导，都影响着港口格局的产生和发展.

事物形成空间相关性的原因多种多样，可能源于因果关系、事物间的相互作用、扩散关系等.与莫兰指数表现为负值(即高低集聚)或者表现为正值(即高高集聚)相对应，港口个体的发展并由此影响带动周边港口的发展，进而使港口之间表现出或者是枢纽港与喂给港、干线港与支线港的集聚关系，或者是彼此竞争博弈乃至双赢的集聚关系，可以通过探索性空间分析方法得到较直观的写照.相对于常见的港口空间格局分析方法，本方法在将港口的空间集聚状态和程度直观地展现出来方面优势明显.当然从算法本身看，我国港口在地理空间上呈现出的类似条带状的分布特征，给权重矩阵和距离阈值的设定带来难度;同时，相对于统计学上对样本数量的高要求，能获得更多更细化的港口数据对取得更有效的分析结果会带来更加积极的作用.

［1］KENYON J.Elements in interport competition in the United States［J］.Economic Geography，1970，46(1):1-24.

［2］NOTTEBOOM T E.Concentration and load centre development in the European container port system［J］.J Transport Geography，1997，5(2):99-115.

［3］McCalla R J.From St John’s to Miami:containerization at Eastern Seaboard Ports［J］.Geo J，1999(48):21-28.

［4］曹有挥.长江沿岸港口体系空间结构研究［J］.地理学报，1999，54(3):233-239.

［5］慈庆玲，韩时琳，吕国平.长株潭港口体系空间结构的定量分析［J］.水运工程，2006(1):36-39.

［6］王圣云，沈玉芳.长山群岛港口地域组合空间结构演化定量分析［J］.地理科学进展，2008，27(7):103-109.

［7］谢燮.我国港口空间格局演化的成因及趋势分析［J］.中国水运，2010(1):8-9.

［8］谢凌峰，肖富，宋敏.珠江口港口群空间结构演化特征［J］.水运工程，2012(2):58-61.

［9］高爱颖，刘凯，傅玲.基于港口空间结构的港市物流发展战略研究［J］.物流技术，2006(2):4-7.

［10］曹有挥，李海建，陈雯.中国集装箱港口体系的空间结构与竞争格局［J］.地理学报，2004，59(11):1020-1027.

［11］陈斓，伍世代，陈培健.福建港口体系结构研究［J］.热带地理，2007，27(5):249-253.

［12］潘坤友，曹有挥，梁双波.中国集装箱多门户港口区域空间结构的形成与机理［J］.地理科学进展，2013，32(2):214-222.

［13］吉阿兵.长三角集装箱港口群空间结果演变实证研究［J］.港口经济，2013(3):23-27.

［14］梁双波，曹有挥，曹卫东，等.长三角集装箱港口体系的偏移增长与演化模式［J］.地理科学进展，2008，27(5):95-102.

［15］沈体雁，冯等田，孙铁山.空间计量经济学［M］.北京:北京大学出版社，2010.