基于GIS的内蒙古道路密度空间分异特征研究

董振华，张继权，阿 荣，佟志军

(1.东北师范大学环境学院，吉林 长春 130117；2.东北师范大学地理科学学院，吉林 长春 130024)

基于GIS的内蒙古道路密度空间分异特征研究

董振华1，张继权1，阿 荣2，佟志军1

(1.东北师范大学环境学院，吉林 长春 130117；2.东北师范大学地理科学学院，吉林 长春 130024)

基于道路网络图件数据和相关统计数据，结合ArcGIS，GeoDa和SPSS软件，运用叠加分析、空间插值分析、趋势面分析及空间自相关分析等方法分析了内蒙古自治区道路密度空间格局特征.结果表明：内蒙古自治区道路密度呈现显著的空间自相关性，呼包鄂地区、赤通地区和呼伦贝尔市中部地区成为道路密度的热点集中区，其他地区是冷点集中区；道路密度呈现出东西两边低中部高，南高北低的趋势；且在空间分布上存在集聚特征.在研究结果的基础上，深入分析了内蒙古自治区道路密度空间格局特征形成机理，经济发展、人口和交通固定投资是影响内蒙古道路密度空间格局的重要因素.

道路密度；空间分异特征；GIS空间分析技术；内蒙古

道路密度是衡量一个地区道路数量或路网便捷与否的一个常用指标，它对路网规划、城镇道路网络的建设等方面具有重要的意义[1-3].目前，对于道路网络的研究多集中于以下几个方面：用可达性指标评价交通空间通达性[4-7]；交通优势度与区域经济空间的耦合[8-9]；交通网络与生态或景观效应的相关研究[10-12].并且以往基于空间分析方法的研究多侧重于区域经济发展[13-14]、区域人口空间分布[15]、土地利用[16]及旅游空间差异[17-18]等方面.但以区域道路密度指标，借助空间分析方法研究道路空间差异的研究极少，且在研究区域的选择上多集中于经济发达地区和沿海地区，涉及内蒙古等边远地区的研究尚且不多.基于此，本文以内蒙古自治区为研究单元，利用ArcGIS软件空间叠加分析、空间插值分析、空间展布和空间核密度计算方法及空间自相关分析法，分析了研究区道路密度空间差异特征，并从人口和经济的角度探讨了内蒙古地区道路密度空间差异的机制问题.

1 研究区概况与数据来源

1.1 研究区概况

内蒙古自治区(以下简称内蒙古)位于蒙古高原南端、中国的北部边疆，地形主体是海拔1 000 m以上的高原.地理位置为东经97°10′～126°09′、北纬37°24′～53°20′，横跨经度28°59′；下辖12个盟市，101个旗县(区).内蒙古自治区成立以前，交通道路发展很落后，线路少、等级水平低、设备不配套、布局不合理，严重制约经济社会健康快速发展.随着国家实施西部大开发战略，内蒙古的公路建设事业有了突飞猛进的发展，经过半个世纪的建设发展，逐步改变了落后的面貌，以“三横九纵十二出口”公路主骨架构成的交通网络框架已基本形成.到2013年末，全区公路总里程达到167 515 km，公路密度达到14.15 km/km2，高速公路达到4 080 km(数据来源于内蒙古交通道路手册)，干线公路比重也在不断提高；2014年投资656.786 7亿元用于公路建设，公路运输已然成为内蒙古主要的交通运输手段.主要干线铁路有京包线、集通线、滨洲线、京通线等.

1.2 数据来源

文中用到的社会经济数据来源于2014年的内蒙古自治区统计年鉴[19]；道路网络数据来源于覆盖内蒙古范围的96幅Landsat TM遥感影像，对其进行矢量化解译提取交通要素，包括铁路、国道、省道、县道和乡村公路.

2 研究方法

2.1 道路密度

道路密度是指一定区域内道路总长度与该地区国土面积之比，是评价某一地区交通状况的常用指标之一[20-21].计算公式为

(1)

式中：Di表示县域i的道路密度；Li表示县域i各等级道路(铁路、国道、省道以及县和乡道)里程；Ai表示研究的县域国土面积.道路密度反映了区域交通线路的疏密程度，密度越大、干线越密集说明交通对区域发展的支撑能力越高.

2.2 叠加分析

叠加分析是地理信息系统中用来提取空间隐含信息的方法之一[22]，是将代表不同主题的各个数据层进行叠加分析后产生一个全新的数据层，叠加后的数据层里面包含原来的所有属性.本文在ArcGIS软件的支持下，首先将研究区的铁路和国道、省道以及县乡级道路数据叠加在一起，生成新的线状图层(道路网络数据)；其次把研究区的行政界线的面状图层和新生成的研究道路网络数据层进行叠加，得到研究区的道路分布图(见图1).

图1 内蒙古各级道路网分布

2.3 空间插值

空间插值是通过已知的点数据来推算出未知点的值，插值结果将是一个连续的表面，在这个连续的面上可以找到每一个点的值.ArcGIS分析模块中提供的常用空间插值方法有：反距离权重插值、克里金插值、自然邻域插值及趋势面插值等.本文选用反距离权重插值(IDW)，它的优点在于简便易行，并可为变量值变化悬殊的数据集提供一个合理的插值结果，不会出现没有意义的插值结果而无法进行解释，以插值点与样本点的距离为权重进行加权平均，离插值点越近的样本赋予的权重越大.为了更直观的表达道路密度、人口和GDP在不同县域空间上的分布差异性，在ArcGIS上对计算出的道路密度、人口和GDP数据为属性，采用IDW空间插值方法进行插值计算，生成栅格图，然后对栅格图进行分析(见图2).

2.4 道路密度空间展布与核密度

根据基础数据的精度以及研究范围的大小，将格网尺度设定为5 km×5 km.首先要生成研究区行政区划的格网图，然后通过ArcGIS软件空间链接功能把研究区的道路数据层和5 km×5 km 格网图层数据进行叠加，计算每一个格网上的道路密度并作为属性值赋予其中.核密度的几何意义是密度在每一个点的中心处最高，向外围不断降低，当距离中心达到一定阀值范围时密度为0.核密度反映了距离衰减规律，距离越近的对象权重越大，此方法适合点数据的研究分析，离散点数据直接用图表示的话很难分辨出空间趋势，但是通过核密度计算可得到一个空间连续变化的图层，可清楚地看到某个地理点数据的空间分布模式.应用格网化方法和空间核密度方法对内蒙古道路密度空间格局进行空间格网表达，拓展了格网化GIS的应用范围，并取得了比较理想的道路密度空间分布结果.

2.5 趋势面分析

趋势面分析是利用数学曲面模拟地理系统要素在空间上的分布及变化趋势的一种数学方法[23].原理是通过回归分析，运用最小二乘法拟合一个二维线性函数，模拟地理要素在空间上的分布规律，展示地理要素在地域空间上的变化趋势.本文利用趋势面分析方法分析内蒙古道路密度空间格局.

2.6 空间自相关指数

全局Moran’sI统计量表示的是空间研究对象的属性值在整个大区域的空间分布状态，计算公式为

(2)

式中：I为Moran指数；xi为研究区域i的观测值；wij为空间权重矩阵.Moran指数I<0表示负相关，I>0 表示正相关；当Moran指数I=0时表示各区域单元相互独立，空间不相关.Moran指数I值越趋近于1，表示研究单元空间集聚性越显著；I值越趋近于-1，表示单元与周边区域趋异性越显著[24].

(3)

3 结果与分析

3.1 道路密度空间布局

通过叠加图属性计算每个研究单元的道路密度，可把道路密度划分为5个不同等级，并在ArcGIS的支持下进行空间可视化表达(见图2 a).为更直观地表达不同县区在道路密度上地域和空间分布的差异性，在GIS平台上对计算出的道路网密度采用反距离加权法(IDW)进行插值，得到研究区道路网密度分布图(见图2 b).从道路密度空间分布上可以看出内蒙古的道路密度以“呼包鄂”地区为中心向外围衰减，其中包头市、呼和浩特市最为明显.此外还有科尔沁区、赤峰市以及集宁区等地区的道路密度相对较高.在呼伦贝尔市、锡林郭勒盟及阿拉善盟地区出现大面积的低密度值旗县区.在地域分布上看，各盟市政府所在地区的道路密度较高，内蒙古自治区101个研究单元中，察哈尔右翼前旗的道路密度值最高，为0.365 8 km/km2；额济纳旗地区的道路密度值最低，为0.014 9 km/km2.

图2 内蒙古道路网道路密度(a)和插值后的道路密度(b)

3.2 道路密度空间展布

为了更进一步了解研究区道路密度空间分布状况，本文从研究区5 km×5 km的道路密度空间展布图中提取网格中心为点数据，并且赋予道路密度属性，然后利用ArcGIS的IDW空间插植和空间核密度计算方法，按每一个格网中心点的道路密度属性进行道路密度空间分布重分类(按ArcGIS的自然断裂法(Natural Breaks)分为5个不同级别)和核密度运算，结果见图3.

图3 内蒙古道路网道路密度空间展布(a)和空间核密度分布(b)

从图3可以看到：内蒙古较少数的高密度地区在空间上呈现出3个明显的连片区，即呼包鄂地区、赤通地区及呼伦贝尔市的中部地区，空间分异现象较为明显.

3.3 道路密度空间分异趋势

图4 道路密度空间分异趋势

利用ArcGIS软件对研究区各旗县区级别的研究单元道路密度数据进行趋势分析得到图4，趋势分析图中的每一根竖棒代表了研究区一个旗县区的道路密度数值和位置信息.这些点被投影到一个东西向和一个南北向的正交平面上.通过投影点会得到一条最佳拟合线(拟合线平直，则表明没有趋势存在)，并用这个拟合线来模拟研究区的东西和南北方向上存在的趋势.通过图4可明显看出东西方向趋势线呈现倒“U”形，而南北向呈阶梯状平滑过渡，表示内蒙古各县域道路密度呈现出东西两边低中部高、南高北低的趋势.

2.4 道路密度空间集聚分析

利用GeoDa软件，对内蒙古县域道路矢量图件建立空间权重矩阵，分别计算和生成Moran指数.计算得到的内蒙古道路密度的Moran指数I=0.160 9，表示该研究区的道路密度在空间分布上存在集聚特征.散点图(见图5)显示位于第三象限的低-低集聚类型的旗县区比位于第一象限的高-高集聚类型的要多.低-低集聚类型分布形成两个大面积的集聚区域，主要包括额尔古纳市、根河市、鄂伦春自治旗、莫力达瓦自治旗、牙克石市、阿荣旗、扎兰屯市、阿尔山市、鄂温克自治旗，以及内蒙古中部地区的阿巴嘎旗、锡林浩特市、克什克腾旗、林西县以及正蓝旗.高-高集聚类型的不管是面积还是在数量都相对少一些，主要包括包头市的九原区、青山区和昆都仑区，以及呼和浩特市的赛罕区、土默特左旗、玉泉区和新城区.

图5 道路密度的局部Moran散点图

图6 道路密度热点空间格局

表1 内蒙古地区道路密度冷热点的数量和比例

4 道路密度格局空间分异机制分析

道路密度空间分异是由多种因素共同作用形成的，并且是区域道路网络发展过程中一种普遍存在的现象，其产生、存在、发展和演化有着深层次的原因.结合研究区道路网络发展的实际情况，本文从人口、经济发展以及交通固定资产投资等方面入手，详细分析了内蒙古道路密度空间分异的形成原因，结果见图7—10.

4.1 道路密度与人口空间分布

为了研究内蒙古地区的道路密度与人口之间的关系，本文选取内蒙古自治区2014年末的常住人口来计算常住人口密度，并利用反距离权重插值(IDW)法对其进行空间插值，结果见图7.

图7 人口密度空间分布图

图8 经济密度空间分布图

蒙中部分的呼包鄂地区路网密度极高且向外围递减、蒙西地区和蒙东地区路网密度较低，这与各区县的人口空间分布特征具有较高的空间趋同性有关(见图9).

地区代码： 1 呼伦贝尔；2 兴安盟；3 锡林郭勒盟；4 通辽；5 赤峰；6 乌兰察布；7 阿拉善盟；

以各旗县区人口密度为自变量x，道路密度为因变量y，建立回归方程为y=7.239ln(x)+32.439，其中R2=0.807 4，且t<0.001，通过了显著性检验，说明内蒙古自治区道路密度与街道人口之间是高度正相关的.

4.2 道路密度与经济空间分布

在计算各研究单元GDP密度值的基础上利用反距离权重插值(IDW)法进行空间插值计算，最终得到研究区GDP密度图(见图10).以各旗县区人口密度为自变量x，道路密度为因变量y，建立回归方程为y=6.861 5ln(x)+18.705，其中R2=0.718 8，且t<0.001，通过了显著性检验.

地区代码： 1 呼伦贝尔；2 兴安盟；3 锡林郭勒盟；4 通辽；5 赤峰；6 乌兰察布；7 阿拉善盟；

人口密度和GDP密度越高的县区，其道路网密度越高；人口密度和GDP密度越低的地区，道路网密度也相应越低.人口-道路网-经济社会协调发展的地区，随着人口增长、经济发展、社会进步，其道路网的建设也应随之增大加密.

4.3 交通固定资产投资

交通固定资产投资是道路网络发展的直接动力.交通固定资产额在区域空间上的分布不平衡性是导致道路密度空间差异的一个重要原因.内蒙古地区交通固定资产投资在空间上呈现出蒙中地区的呼和浩特市、鄂尔多斯市及乌兰察布市较为集中的特点(见图11)，大量资金投入推动了该地区道路网络的发展；而蒙东和蒙西地区交通固定资产投入不高，交通网络的发展受到限制，导致这些地区道路密度较低.由于数据的难获取性，本研究交通固定资产投资的数据是以2014年内蒙古自治区盟市级别的行政单元统计计算的，所以在分析中存在一定的误差.

地区及企业代码： 1 呼和浩特；2 包头；3 呼伦贝尔；4 兴安盟；5 通辽；6 赤峰；7 锡林郭勒盟；

5 结论与讨论

本文综合利用叠加分析、空间插值法、格网化分析以及空间自相关分析法等ArcGIS空间分析方法分析了内蒙古地区道路密度的空间差异特征，并在此基础上利用人口密度和GDP等因素，科学、直观地揭示了道路密度空间分异的原因.

(1) 空间叠加分析展示了内蒙古道路密度宏观层面的分异特征：内蒙古中部的道路密度较高，东西两边相对较低；蒙中地区道路密度为0.365 8 km/km2，超出了全国的平均水平，额济纳旗地区的道路密度值最低，为0.014 9 km/km2，低于全国平均水平.

(2) 道路密度空间插值和空间核密度分析展示了内蒙古地区道路密度在空间上呈现出3个明显的连片区，即呼包鄂地区、赤通地区及呼伦贝尔市的中部地区.

(3) 从研究区道路密度趋势分析上可以看出，东西方向趋势线呈现倒U形，而从北向南呈阶梯状平滑过渡，表明内蒙古自治区县域道路密度呈现出东西两边低中部高、南高北低的趋势.

(5) 从道路密度分布与GDP、人口分布以及交通固定投资之间的关系对道路密度格局空间差异机制进行了分析，达到了定量、定性的描述道路密度空间分布规律的目的.

区域交通道路密度研究对于制定交通规则、交通道路规划，掌握区域交通与社会经济关系具有非常重要科学意义.由于数据获取的局限性，本文只分析了内蒙古道路密度的空间分布，没有探讨道路密度的时间变异；此外，没有考虑引入其他技术方法综合分析道路密度的时空演变动力机制问题.这些问题尚有待进一步研究.

[1] 刘锐，胡伟平，王红亮.基于核密度估计的广佛都市区路网演变分析[J].地理科学，2011，31(1)：81-86.

[2] 范科红，李阳兵，冯永丽.基于GIS的重庆市道路密度的空间分异[J].地理科学，2011，31(3)：365-371.

[3] 石民丰，黄玮，郭巧梅等.基于GIS的武汉市道路密度空间分异特征[J].地理空间信息，2013，11(3)：103-105.

[4] 刘海隆，包安明，陈曦.新疆交通可达性对区域经济的影响分析[J].地理学报，2008，63(4)：428-436.

[5] 吴威，曹有挥，曹卫东.开放条件下长江三角洲区域的综合交通可达性空间格局[J].地理研究，2007，26(2)：391-402.

[6] 尹鹏，李诚固，陈才.东北地区省际城市可达性及经济联系格局[J].经济地理，2014，34(6)：68-74.

[7] 金凤君，王娇娥.20世纪中国铁路网扩展及其空间通达性[J].地理学报，2004，59(2)：293-302.

[8] 孟德友，沈惊宏，陆玉麒.中原经济区县域交通优势度与区域经济空间耦合[J].经济地理，2012，32(6)：7-14.

[9] 黄晓燕，曹小曙，李涛.海南交通优势度与经济发展关系[J].地理研究，2011，30(6)：985-999.

[10] 刘世梁，温敏霞，崔保山.不同道路类型对澜沧江流域景观的生态影响[J].地理研究，2007，26(3)：485-490.

[11] 李月辉，胡远满，李秀珍.道路生态研究进展[J].应用生态学报，2003，14(3)：447-452.

[12] 刘世梁，杨志峰，崔保山.道路对景观的影响及其生态风险评价——以澜沧江流域为例[J].生态学杂志，2005，24(8)：897-901.

[13] 黄飞飞，张小林，余华，等.基于空间自相关的江苏省县域经济实力空间差异研究[J].人文地理，2009，2(106)：84-89.

[14] 王慧，孙普芳，于静.山东省县域经济时空分异演化特征研究[J].地域研究与开发，2014，33(5)：16-20.

[15] 杜国明，张树文，张有全.城市人口分布的空间自相关分析——以沈阳市为例[J].地理研究，2007，26(2)：383-390.

[16] 邱炳文，钦敏，陈崇成.福建省土地利用多尺度空间自相关分析[J].自然资源学报，2007，22(2)：311-320.

[17] 翁钢民，姚昭屹，贾丽丽.环渤海区域旅游非均衡发展时空特征研究[J].地域研究与开发，2015，34(3)：91-95.

[18] 陆林，余凤龙.中国旅游经济差异的空间特征分析[J].经济地理，2005，25(3)：406-410.

[19] 内蒙古统计局.内蒙古统计年鉴(2015)[M].北京：中国统计出版社，2015.

[20] 封志明，刘东，杨艳昭.中国交通通达度评价：从分县到分省[J].地理研究，2009，28(2)：419-429.

[21] 徐德明，王森.基于道路和城镇的区位优势度分析[J].世界地理研究，2009，18(4)：91-99.

[22] 汤国安，杨昕.地理信息系统空间分析实验教程(第二版)[M].北京：科学出版社，2009：217-218.

[23] 彭山桂，汪应宏，陈晨，等.趋势面分析方法在房地产估价中的应用研究[J].商业时代，2009(9)：93-94.

[24] 吴文恒，牛叔文.甘肃省人口与资源环境耦合的演进分析[J].中国人口科学，2006(2)：81-86.

(责任编辑：方 林)

Study on road density spatial differentiation characteristics in Inner Mongolia based on GIS

DONG Zhen-hua1，ZHANG Ji-quan1，Arong2，TONG Zhi-jun1

(1.School of Environment，Northeast Normal University，Changchun 130117，China; 2.School of Geographical Sciences，Northeast Normal University，Changchun 130024，China)

Based on road network maps data and related statistical data，combined with ArcGIS，GeoDa and SPSS statistical tools，using overlay analysis，spatial interpolation，trend surface analysis and spatial autocorrelation analysis to study the spatial pattern of road density characteristics of Inner Mongolia Autonomous Region.The results showed that Inner Mongolia road density showed a significant spatial autocorrelation，Hu-Bao-E areas，Chi-Tong areas and central regions of Hulunbeir become hot concentrated areas in road density，and the other areas are cold spots concentrated areas.Road density showing a trend of the east-west sides high and low in central，and high in south and low in north trend.And there are agglomeration characteristics in spatial distribution.On the basis of research results，further analysis of the mechanism of Inner Mongolia road density characteristic spatial pattern formation，that economic development，population and fixed investment in traffic are the important factor that affecting the spatial pattern of Inner Mongolia road density.

road density；spatial differences characteristics；GIS spatial analyst technology；Inner Mongolia

1000-1832(2017)01-0154-08

10.16163/j.cnki.22-1123/n.2017.01.028

2016-08-11

国家“十二五”科技支撑计划项目(2013BAK05B02，2013BAK05B01).

董振华(1988—)，男，硕士研究生；通讯作者：张继权(1965—)，男，博士，教授，博士研究生导师，主要从事区域灾害与生态环境风险评价、预警与应急管理研究.

F 572 [学科代码] 790·6110

A