海上丝绸之路港口的空间分布特征研究

曾 庆 成， 吴 凯， 滕 藤

(大连海事大学 交通运输管理学院， 辽宁 大连116026)

海上丝绸之路港口的空间分布特征研究

曾 庆 成， 吴 凯， 滕 藤

(大连海事大学 交通运输管理学院， 辽宁 大连116026)

运用全局空间自相关、标准差椭圆、空间基尼系数、局部空间自相关、热点分析等空间计量地理方法，分析港口空间分布特征。结果表明：海上丝绸之路港口的空间分布呈现集聚特征，局部地区集聚显著。该区域主要港口的主体空间分布区域有向外扩张的趋势，且空间分布中心出现总体向西变化的趋势。同时该区域港口集装箱产业的空间分布与整个经济的空间分布相匹配，并且趋于进一步的均匀匹配。建议以我国沿海、东南亚以及印度洋沿岸地区为主构建海上丝绸之路区域港口发展的核心区，我国应主动参与该区域港口投资建设，推进中国东南沿海与东南亚、南亚港口物流合作。

海上丝绸之路；港口；空间分布

海上丝绸之路建设是我国应对国际政治、经济与贸易新形势，推进新一轮开放发展的重要举措，是打造中国经济升级版新的重要国家战略，即“两带一路”。高效的海上航线网络是促进海上互联互通，推进海上丝绸之路建设的重要基础。港口作为航线网络的重要节点，其功能和空间分布直接影响航线网络的整体效率。分析海上丝绸之路港口的空间分布特征，对于优化海上丝绸之路航线网络，提出适应海上丝绸之路建设的港口空间布局具有重要意义。

为此，本文采用空间分析法研究海上丝绸之路港口的空间分布特征。空间分析方法利用空间地理信息，研究变量(或特征)的空间分布特性，如集中性、离散性和聚集性等，可以为认识、评价和理解空间位置和空间相互作用提供有效手段[1][2][3]。空间分析法广泛用于疾病防控、犯罪分布、设施布局[4]、环境生态[5]和社会经济等领域的研究，如赵璐等对中国经济格局时空演化趋势的研究[6]，刘凤朝等对辽宁省经济发展的空间结构的研究[7]，徐盈之等对我国区域节能减排效率及空间相关性的研究[8]，以及Elliott等对空间流行病学方法和应用的研究[9]。

现有研究表明，空间分析方法可以使空间结构研究从定性分析向GIS空间分析和数理统计方法相结合的转变[10]，从现状时点的静态表述向要素分布演变的动态研究转变[11]，从空间格局描述向空间结构优化研究转变[12]，从而有效反映要素空间分布的特性。本文利用全局空间自相关[13]、标准差椭圆[14]、空间基尼系数[15]、局部空间自相关[13]、热点分析等方法，基于海上丝绸之路航线主要港口的地理位置坐标、2010～2013年的集装箱吞吐量、以及各个国家或地区2010～2013年的国内生产总值等数据，分别从整体和局部两个方面来分析海上丝绸之路港口的空间分布特征。

一、总体演化特征及研究方法

海上丝绸之路是丝绸之路在海上的延伸，是我国对外贸易进出口的重要通道，主要包括远东、东南亚、印度洋沿岸、中东等地区。本文使用全局空间自相关、标准差椭圆以及空间基尼系数的方法，来分析该区域港口的整体空间分布特征。全局空间自相关可以对研究对象属性值的相关性特征进行整体平均趋势描述，标准差椭圆可以从展布范围、重心、密集性、方向和形状等多重角度分析港口的整体空间特征，空间基尼系数可以对某行业在地理上的经济集聚程度及行业与经济的空间分布匹配程度进行整体性描述。分析结果表明：该区域港口整体空间分布呈现集聚特征，主体空间分布区域有向外扩张的趋势，且空间分布中心出现总体向西变化的趋势，同时该区域港口集装箱的空间分布与整个经济的空间分布相匹配，并趋于进一步的均匀匹配。

1．全局空间自相关

空间自相关是指研究对象和其空间位置之间存在相关性，全局空间自相关是对属性值在整个区域的空间特征的描述，这里采用Moran’s I系数来衡量区域内港口的空间相关性的整体趋势。当Moran’s I系数接近0时，不存在空间自相关，港口空间上呈随机分布；当数值越接近1(或-1)时，港口在空间上呈集聚(或分散)分布。其计算公式是：

(1)

经计算，海上丝绸之路港口的全局空间自相关系数的结果：2010年到2013年分别为0.2092、0.2191、0.2187、0.2287。可以看出，海上丝绸之路港口的全局空间自相关系数Moran’sI呈上升趋势，表明该区域港口呈现出地理空间上的集聚趋势。

2．标准差椭圆

采用加权标准差椭圆方法，从展布范围、重心(加权平均中心)、密集性、方向和形状等多重角度，分析海上丝绸之路港口的空间分布整体特征及其时空演化过程。基于港口的空间区位，用该港口集装箱吞吐量表示权重，计算该区域港口空间分布的标准差椭圆(见图1)。可以看出，该区域主要港口分布的主体区域范围是中国东部沿海、日韩、菲律宾、越南以及印度洋地区。

根据长轴与短轴的值以及旋转角来看，港口主要分布区域是一条东西走向的相对狭长的椭圆。从变化趋势看(见图2～图4)，区域内港口的加权平均中心先由南至北，再由东到西移动，说明港口以集装箱吞吐量为标度的地理空间布局中心总体上有向西转移的趋势。从短轴、长轴变化趋势图看，椭圆区域在短轴方向、长轴方向及主体空间区域都有扩张的趋势，同时2012～2013年的旋转角增大，这表明相对于西北部的港口，东南部港口对该区域港口发展的拉动作用增强。

图1 标准差椭圆区域

图2 加权平均中心的变化趋势

图3 旋转角变化趋势

3．空间基尼系数

空间基尼系数表示某行业在地理上的经济集聚程度，其计算公式为：

(2)

图4 标准差椭圆长、短半轴变化趋势

其中，Gi为行业的空间基尼系数，Xj为j地区生产总值占全国总生产总值的比重，Sij为j地区i行业生产总值占全国该行业生产总值的比重。空间基尼系数的值介于0和1之间，其值越大，表示该行业在地理上的经济集聚程度越高。

本文对海上丝绸之路整体区域按照国家或地区行政区域自然划分为24个子区域，那么Xj为j地区国内生产总值占全区国内生产总值总和的比重，Sij为j地区港口集装箱吞吐量占全区港口集装箱吞吐量总和的比重。海上丝绸之路港口集装箱的空间基尼系数计算结果：2010年到2013年分别为0.2224、0.0704、0.0630、0.0582。由数值变化趋势可以看出，海上丝绸之路港口集装箱业的整体布局集聚程度不高，除2010年高外，其余3年的空间基尼系数都处于较低水平，而且呈下降趋势。这说明区域内港口集装箱业的空间分布与经济的空间分布相匹配，且集聚程度逐渐下降，趋于进一步的均匀匹配。

二、局部演化特征及研究方法

采用局部空间自相关和热点分析两种方法，分析港口的局部空间分布特征。局域空间自相关分析可以帮助我们更加准确地把握空间要素的异质性特性，即集聚空间要素之间关联性的具体地理分布特征；热点分析可以空间可视化空间要素在地理上的分布，使我们清晰地观察到空间热点地区，即空间要素大量聚集、密度较大的区域。分析结果表明：该区域港口在局部地区集装箱量上出现高值集聚现象，并且局部地区港口是集装箱产出的频发热点。

1．局部空间自相关

全局空间自相关假定空间同质, 即只存在一种要素充满整个区域的趋势。但是，区域要素的空间异质性更常见，因此需要局域统计方法衡量每个空间要素属性在局部的相关性质。这里利用局域MoranI系数(即LISA)，对于某个空间单元i，Ii可表示为：

(3)

正值Ii表示要素具有包含同样高或同样低的属性值的邻近要素，且该要素是聚类的一部分。负值Ii表示要素具有包含不同值的邻近要素，且该要素是异常值。这里采用ArcGIS进行计算，同时如果要素的z得分是一个较高的正值，则表示周围的要素拥有相似值(高值或低值)，输出要素类中的聚类/异常值类型字段会将具有统计显著性(0.05 的显著水平)的高值聚类表示为 HH，将具有统计显著性(0.05 的显著水平)的低值聚类表示为 LL；如果要素的z得分是一个较低的负值(如小于 -1.96)，则表示有一个具有统计显著性(0.05的显著水平)的空间异常值。

计算结果如图5～8所示。可以看出，2010～2013年，天津港、青岛港、宁波港、上海港、香港港、新加坡港都属于高值聚类类型；2010年的盐田港、2011～2012年的丹戎帕拉帕斯港、2013年的大连港也属于高值聚类类型。除此之外，其他港口则无明显的聚类/异常现象。因此，海上丝绸之路港口在局部范围内的空间上具有强烈的集聚特点，尤其是我国沿海地区的港口更明显。

图5 2010年港口分布的局部聚类/异常现象

图6 2011年港口分布的局部聚类/异常现象

图7 2012年港口分布的局部聚类/异常现象

图8 2013年港口分布的局部聚类/异常现象

2．热点分析

热点分析用于进行事件发生地区的预测或获取关注地区，即得到高值或低值要素在空间上发生聚类的位置。在对要素进行空间分析时，常需要确定要素点高发聚集区，用于分析其发生的原因。要素点发生次数多的地理区域被称为“热点”区域。这里于是引入Getis-OrdGi统计，对数据集中的每一个要素进行计算。

计算公式如下：

(4)

对于具有显著统计学意义的正的z得分，z得分越高，高值(热点)的聚类就越紧密。对于具有显著统计学意义的负z得分，z得分越低，低值(冷点)的聚类就越紧密。海上丝绸之路港口的热点计算结果如图9～12所示。可以看出，区域内港口热点主要分布在我国沿海地区、韩国的三个港口以及东南亚的巴生港、雅加达港、新加坡港、勿拉湾港。2010～2013年热点区域基本不变，说明这些港口的热度出现并非偶然，而是具有地理、经济发展的内在必然性。从确信度看，我国沿海地区的港口成为高发热点的确信度比较高，这与我国经济状快速发展密切联系。

图9 2010年港口分布的空间热点

图10 2011年港口分布的空间热点

图11 2012年港口分布的空间热点

图12 2013年港口分布的空间热点

三、结论及建议

本文基于空间分析方法，分析海上丝绸之路港口空间分布的整体特征和局部特征。结果表明，海上丝绸之路区域内港口空间分布总体上呈现出“西低东高”的集聚特征，局部地区港口集聚性显著且局部地区港口是集装箱产出的频发热点，尤其是中国沿海区域，说明了区域港口间经济发展的不平衡性较为明显。同时，港口主体空间分布区域有向外扩张的趋势，且空间分布中心出现总体向西变化的趋势，说明区域内集装箱运输的扩散趋势以及西部港口增长迅速；港口主体空间分布区域的标准差椭圆旋转角在2012～2013年突然增大的变化趋势，表明相对于该区域西北部的港口，东南部港口对该区域港口发展的拉动作用增强。另外，从空间基尼系数看，空间差异性维持在较低水平且呈下降趋势，说明了港口的规模与区域经济发展相匹配且趋于进一步地协调。

从完善海上丝绸之路航线网络角度，我国沿海、东南亚以及印度洋地区是海上丝绸之路港口发展核心区，我国应积极参与这些区域的港口物流合作。在推进核心区港口发展的同时，促进区域内中小港口的建设，有助于缩小区域内港口发展空间差异，推动海上丝绸之路的互联互通。港口物流合作是实现海上丝绸之路互联互通的重要基础，而我国港口对外投资是港口物流合作的有效路径。

目前我国港口的运营水平、资金实力为参与海上丝绸之路港口建设提供了必要条件；同时近年来我国沿海港口竞争激烈，港口建设投资迅速增加，港口吞吐能力严重过剩等现象为我国港口参与海上丝绸之路的其他港口建设提供了充分条件。同时，靠近空间分布中心的港口发展对提升整个区域港口发展作用更大，通过推进我国东南沿海以及越南港口的发展，有助于提高区域内港口整体效率，因此我国东南沿海以及越南港口仍应在海上丝绸之路建设中发挥主要作用；同时，根据港口主体空间分布区域总体向外扩张而空间分布中心向西变化的趋势情况，通过对该区域西部港口基础设施的投资建设，有利于平衡该区域东西部港口发展的整体空间差异，协调区域东西部经济发展的不平衡性，因此我国港口对该区域西部港口的投资建设将在海上丝绸之路建设中发挥不可或缺的重要作用。

[1] ANSELIN L. The future of spatial analysis in the social sciences [J]. Geographic Information Sciences,1999,5(2): 67-76.

[2] 柏延臣，李新，冯学智. 空间数据分析与空间模型[J]. 地理研究，1999，18(2)：185-190.

[3] 王劲峰，李连发，葛咏，等.地理信息空间分析的理论体系探讨[J]. 地理学报，2000，55(1)：92-103.

[4] 李铌，李茜铭，杨瑛. 基于人口密度的城市小型转运环卫设施空间布局研究[J]. 经济地理，2013，33(9)：75-81.

[5] 李姣，张灿明，马丰丰，等. 洞庭湖生态经济区湿地资源空间分布与依赖度研究[J]. 经济地理，2014，34(9)：150-157.

[6] 赵璐. 中国经济格局时空演化趋势[J]. 城市发展研究，2013，(7)：14-18.

[7] 刘凤朝，杨玲，赵宸浩. 辽宁省经济发展的空间结构分析——基于GIS平台的测度[J]. 大连理工大学学报(社会科学版)，2011，(3)：1-5.

[8] 徐盈之，魏莎. 我国区域节能减排效率及空间相关性研究[J]. 大连理工大学学报(社会科学版)，2014，(1)：1-7.

[9] ELLIOTT P,WAKEFIELD J,BEST N,etal. Spatial epidemiology: methods and applications[M]. New York: Oxford University Press,2000.1-14.

[10] 吴玉鸣，徐建华. 中国区域经济增长集聚的空间统计分析[J]. 地理科学，2004，24(6)：654-659.

[11] 郝丽莎，赵媛. 世界石油资源空间分布格局演化分析[J]. 自然资源学报，2010,25(11)：1897-1906.

[12] 王恒，李悦铮. 大连市旅游景区空间结构分析与优化[J]. 地域研究与开发，2010，29(1)：84-89.

[13] HAINING R . Spatial Data Analysis in the Social and Environmental Sciences[D]. Cambridge:Cambridge University,1991.

[14] 武巍，刘卫东，刘毅. 中国地区银行业金融系统的区域差异[J]. 地理学报，2007，(12)：1235-1243.

[15] 翁媛媛，高汝熹，饶文军. 地区专业化与产业地理集中的比较研究[J]. 经济与管理研究，2009，(4)：39-46.

Spatial Distribution Features of Ports in Maritime Silk Road

ZENG Qingcheng, WU Kai, TENG Teng

( Transportation Management College， Dalian Maritime University， Dalian 116026, China )

The paper builds the GIS platform of Marine Silk Road’s network, and makes an analysis of spatial distribution characteristics, using global spatial autocorrelation, spatial distribution center, standard deviation ellipse, spatial Gini coefficient, local spatial autocorrelation, hot spot analysis and the spatial econometric methods of geography. The results show that the spatial distribution features of Marine Silk Road’s ports present agglomerate and regional agglomeration is significant. The main body of the region’s main port spatial distribution area has a tendency to expand outward, and the spatial distribution center assumes the overall tendency of westward changes; meanwhile, the spatial distribution of regional port’s container industry and the economy as a whole space are matching points, and it tends to be further evenly matched. Advice is given priority to China’s coastal, Southeast Asia and the Indian Ocean region to build port development core of Maritime Silk Road’s area. China should participate the construction of port construction of Maritime Silk Road, and promote the cooperation of port logistics between southeast coast of China with southeast and south Asia.

Maritime Silk Road; port; spatial distribution

2015-03-19;

2015-07-16

国家自然科学基金项目：“集装箱码头同贝同步装卸的智能调度优化与干扰管理方法研究”(71370137)；辽宁省高校杰出青年学者成长计划：“集装箱码头集卡预约模型与方法研究”(LJQ2013057)

曾庆成 (1978-)，男，山东沂南人，教授，博士生导师，主要从事港口与航运管理研究，E-mail:qzeng@dlmu.edu.cn；吴凯(1989-)，男，安徽蚌埠人，大连海事大学交通运输管理学院硕士研究生，研究方向为港口与航运管理；滕藤(1992-)，女，辽宁大连人，大连海事大学交通运输管理学院硕士研究生，研究方向为港口与航运管理。

F119.9

A

1008-407X(2016)01-0025-06