基于POI数据的长三角地区湿地公园空间分布与影响分析

夏茹雪 ，唐晓岚 ，2*，胡 刚 （.南京林业大学风景园林学院，江苏南京2007；

2.南京林业大学中国特色生态文明建设与林业发展研究院，江苏 南京210037；3.江苏省林业局，江苏南京 210036）

引言

我国是湿地类型最多的国家之一，涵盖近海与海岸湿地、河流湿地、湖泊湿地、沼泽湿地和人工湿地等。根据2014年第二次全国湿地资源调查结果显示，全国湿地资源536026km2，长三角地区湿地面积总计54393km2，占全国湿地的10.1%，且以河流湿地和湖泊湿地为主。

湿地公园是以具有显著或特殊生态、文化、美学和生物多样性价值的湿地景观为主体，具有一定规模和范围，以保护湿地生态系统完整性、维护湿地生态过程和生态服务功能并在此基础上以充分发挥湿地的多功能效应、开展湿地合理利用为宗旨，可供公众浏览、休闲或进行科学、文化和教育活动的限定湿地区域[1]。目前，国内已经开展了相关研究。已有的研究多针对于湿地公园的生境、功能、政策等。如陈国栋与王浩利用对湿地公园的生态环境质量进行评价分析[2]。郝晟与王春连等从生境多样性和物种多样性两个方面对六盘水明湖国家湿地公园生物多样性进行评估[3]。而鲜少在宏观层面进行湿地公园的空间分布分析。

大数据近年来分析技术的突破、发展与应用为城市空间探究提供了一种新路径[4-8]。兴趣点数据（Point of Interest，POI）是一类精度高、成本低、实时性强、数据量大且覆盖面广的地理空间大数据，它真实反映了人类社会的经济活动，满足城市空间布局精细化的需求。与传统经济普查数据和问卷调查数据相比，POI的研究节省了大量的时间成本，结果更科学、准确。近年来的研究如张铭龙以武汉为例，获取POI数据分析城市空间格局[9]。细波与罗谷松基于通过POI数据，应用核密度、Ripley's K函数和负二项回归方法分析酒店空间布局特征及影响因素[10]。POI多应用于公共设施，以及空间格局方面，针对湿地公园研究的鲜少。

因此以长三角地区湿地公园为研究对象，获取POI数据，探讨在大数据背景下湿地公园的空间分布特征和影响因素，为后期长三角地区生态一体化，提供优化布局和实践支撑。

1 研究区概况

1.1 数据

POI代表兴趣点，代表真实地理实体的点状数据，在地理信息系统中，一个POI可以是一家银行、一家超市、一个药店、一个公交站等[11]。POI数据来源广泛，以高德、腾讯、百度等为代表的在线地图服务平台均可获得POI数据。根据2019年国务院颁布《长江三角洲区域一体化发展规划纲要》内容，选取安徽省安庆市、池州市、滁州市、合肥市、马鞍山市、铜陵市、芜湖市、宣城市；江苏省常州市、南京市、泰州市、无锡市、盐城市、扬州市、镇江市；浙江省杭州市、湖州市、嘉兴市、金华市、宁波市、绍兴市、台州市、温州市、舟山市以及上海市27个城市，范围如图1。根据高德地图为数据源，结合python语言获取研究区域湿地公园名称、经纬度坐标、具体地址位置等信息，总计212条。包括常州天目湖湿地公园、南京八卦洲湿地公园、湖州长田漾湿地公园、金华七仙湖湿地公园以及合肥巢湖湿地公园等。数据前期包括坐标纠偏以及地址位置信息补全，并在此基础之上构建湿地公园POI基础数据库。再利用ArcGIS 10.2软件，对其进行空间分析。具体各省份数量见表1，总体空间分布及数量见图2。

1.2 研究方法

1.2.1 核密度估计。核密度估计（KDE）方法认为区域内任意位置都有一个可测度的事件密度（也称强度），该位置的事件密度可以通过其周围单位面积区域内的事件点数量来估计[12，13]。核密度估计将状态空间连续化和无穷化，通过核密度估计横截面的分布，考察随机变量随时间变化的分布形态[14]。基于此，本文以核密度估计法来研究长三角城市湿地公园的空间分布特征，具体计算公式如下：

图1 研究范围

表1 各省湿地公园分布数量

图2 湿地公园总体分布与数量图

式中：n为样本数；hn为带宽，即搜索半径为核函数。

1.2.2 空间自相关分析。空间自相关是指同一个变量在不同空间位置上的相关性，是空间单元属性值聚集程度的一种度量[15，16]。本文引用全局空间自相关Moran's I指数对研究区湿地公园的空间分布进行测度，分析湿地公园的分布模式，探寻其集聚程度。其运算公式为：

式中：zi是要素i的属性与其平均值（xi-x）的偏差，wij为空间权重，n等于要素总数。Moran's I指数取值一般存在于-1与1之间。在显著水平下，当Moran's I＜0时，表示存在空间负相关关系，表明区域内快递自提点为离散分布；而Moran's I＞0时，表示存在正空间相关性，代表区域内快递自提点在空间分布上呈现显著的集聚性，I指数越大，空间集聚性则愈强。对于全局Moran指数，可以用标准化统计量Z(I)来检验空间自相关的显著水平[17]。Z(I)的计算公式如下：

1.2.3 标准差椭圆。离散数据在空间上往往存在分布的方向性，标准差椭圆算法最早由美国南加州大学社会学教授D.Welty Lefever在1926年提出，椭圆的面积表征离散点集中分布的分散、紧凑程度，椭圆的长半轴表示的是数据分布的方向，短半轴表示的是数据分布的范围，长短半轴的值差距越大（扁率越大），表示数据的方向性越明显。本文运用标准差椭圆来研究湿地公园空间分布的方向趋势，标准差椭圆计算公式如下：

式中：xi和yi是要素 i的坐标，｝表示要素的平均中心；n等于要素总数。

2 空间分布

2.1 总体分布特征

根据获取的POI的经纬坐标，借助ArcGIS软件，将对应的坐标转换成相应的空间网点Point数据，得到可视化的空间分布图（图3）。由图3可见，长三角湿地公园主要集中分布在南京、镇江、常州、无锡四地，如南京鱼嘴湿地公园、镇江赤山湖湿地公园、无锡凤凰山湿地公园、常州落羽杉湿地公园等，大部分集中在江苏省。安徽省多集中于合肥，浙江省分布较为均质。

2.2 空间分布集聚特征

为了分析湿地公园的整体分布状态和彼此之间的关联度，利用ArcGIS空间自相关分析工具，得到全局自相关系数Moran's I的计算结果。湿地公园的Moran's I指数分别为0.498大于0，P值为0.279且大于0.05，表明数据可信，排除零假设，说明其空间分布模式呈空间正相关，且具有显著的集聚性。然而Moran's I系数仅仅只是通过数值的方式表明空间存在一定的聚集特性，缺少图面表达。因此对研究范围的湿地公园进行核密度分析，得到核密度分析图（图4），发现集聚现象明显，存在明显的分布热点，其空间上显示集聚特征表现为主要集中在苏锡常地区，以苏锡常地区为核心，周围分散多个次中心，如南京、合肥、嘉兴、杭州。

2.3 空间分布方向特征

湿地公园的区位分布往往具有一定的方向性，即每个方向的离散程度是不一样的[18]。因此本文采取ArcGIS度量地理分布分析工具，用标准椭圆差分析湿地公园点在空间分布上的离散程度。由图5显示，标准椭圆差的长轴与短轴相差较大，表明空间分布方向性显著。空间分布呈现向苏南集中，以椭圆区外围较为分散。总体看，分布点在空间上大致呈现以“南京—常州—无锡—苏州”为主要走向分布，这与长三角沪宁合杭甬发展带相契合。

图4 湿地公园核密度分析

3 湿地公园空间分布的影响因素

自然地理环境为长三角湿地公园的形成与分布的首要物质空间载体；社会经济发展为湿地公园建设的外部环境和大规模发展提供了经济与游客量的支撑；政府的政策主导则指引了湿地保护形式转向湿地公园的方向发展，并影响湿地公园建设的发展进程。结合长三角湿地公园自身状况，选择自然资源、社会经济、政策三个因素探究长三角湿地公园空间分布的相关因素。

3.1 自然资源因素

湿地公园是以具有显著或特殊生态、文化、美学和生物多样性价值的湿地景观为主体、具有一定规模和范围的区域，与湿地资源拥有量有直接关系。自然条件是长三角湿地公园形成与建设的空间载体，不仅影响其空间分布，也影响其分布区位的选择。长三角湿地主要分布在淮河区湿地和长江区湿地，安徽、浙江、江苏以人工湿地居多，上海市以近海及海岸湿地居多。资源分布如表2。根据2014年国家林业局（现今国家林业和草原局）全国湿地普查状况，选取长三角地区湿地面积与湿地公园数量进行相关分析（表3），得到皮尔逊相关指数为0.995为正相关，显著值为0.005＜0.01具有统计学意义，表明湿地公园的分布与湿地资源极具相关性。

3.2 社会经济因素

自然保护区、森林公园、湿地公园等保护地建设和发展主要依靠政府财政投入。为了保障湿地公园运行，就需要足够的资金投入与保障以及游客量。

图5 湿地公园空间方向分布分析

因此选择研究范围的每个市的2018年统计年鉴中GDP值和人口规模，与湿地公园数量进行分析，制作散点图如图6。然后进行相关回归分析，得出GDP的显著值为0.001＜0.01表明二者存在显著性水平。人口规模显著值0.000＜0.01认为模型表明极具显著性。说明地方GDP值和人口规模均具有显著相关性（表4，表5）。再通过SPSS将湿地公园数分别与地方GDP值以及人口规模进行相关性分析，得出皮尔逊相关指数分别为0.959和0.619，表明二者与湿地公园数量呈现正相关关系，且GDP值的正相关性更强。为了体现湿地公园空间分布与二者之间的关系，将二者进行可视化操作得到图7和图8，可以看出湿地公园的分布受到一定的经济发展水平以及人口规模的影响。

3.3 政府主导和政策因素

湿地公园作为公共资源，具有公共性，一般由政府主导建设，供人们休闲游览。当前，国际重要湿地、湿地自然保护区、湿地公园等湿地保护形式是政府主导的保护机制的体现。

表4 常住人口与湿地公园相关性分析

表2 长三角湿地分布状况

表3 湿地面积与数量相关性分析

图6 矩阵散点图

三省一市就生态保护制定相关措施，十二五规划期间，上海青草沙、东风西沙水源地相继建成运行，两江并举水源地格局初步形成。江苏省新建国家湿地公园（包括试点）20个、省级湿地公园7个、湿地保护小区230个。安徽省制定湿地保护地红线，明确不少于10418km2。浙江省已建湿地及湿地类自然保护区11个、自然保护小区30个，建立国家湿地公园8个、国家城市湿地公园4个、省级湿地公园16个。而随着十三五规划生态建设的不断深入，浙江省预计到2020年，全省各地在两次湿地普查成果数据的基础上，按照不少于90%的比例要求，确保全省湿地面积在1500万亩以上。安徽合肥预建立湿地保护体系。重点建设肥西三河、包河滨湖等6处国家级湿地公园；以及肥东临河、肥东龙栖地等6处省级湿地公园，及肥东玉带河等一批市级湿地公园。上海预新增湿地300万亩，同时积极建设湿地自然保护区、湿地公园、湿地保护小区等，扩大湿地保护面积，实现湿地保护率提高到50%以上的目标。江苏无锡加大湿地保护力度，在2020年预将全市的自然湿地保护率提高到60%以上，新建1处国家级湿地公园，5处省级湿地公园，10处湿地保护小区。

表5 GDP与湿地公园相关性分析

随着2017年《长江经济带生态环境保护规划》的制定，三省一市发展关系的不断深入，聚焦长三角一体化，推动更高质量的发展，建立生态绿色一体化发展示范区已成为国家发展战略，由此政府利用其强大的推动作用，加快了湿地公园的发展速度。

4 结语与讨论

本文通过多种分析方法对研究区域湿地公园的POI数据进行研究分析，对获取的212条数据进行了梳理，再运用GIS空间分析，空间统计等方法分析了长三角湿地公园的空间分布特征，并得出以下结论。

4.1 空间分布特征：湿地公园总体呈现不均衡的分布状态，呈现“中心多，外围少”的不均质发展特点。空间分布存在正向的空间自相关性。表现出“多核心”模式，主要集聚特点表现在多集中于苏南地区，其次分布在合肥、杭州、嘉兴等地。在空间分布方向上具有显著方向性，与沪宁合杭甬发展带相吻合。

图7 湿地公园数与地区人口规模关系分析图

4.2 影响因素：湿地公园作为城市绿地，是公民日常游憩、学习、放松的场所。通过相关性分析结果显示，湿地公园分布受到自然资源禀赋、社会经济以及政策三者影响。其影响结果为正相关，且通过研究结果显示地区经济状态对湿地公园的空间分布影响性最强。

本文从宏观层面对长三角湿地公园的空间分布特征以及影响因素进行相应分析，对今后湿地公园布点有一定的参考意义。此外，由于生态建设还在发展期，本文针对高德地图平台某一时刻的数据进行分析，仅能反映时刻特征，且对于平台的依赖性较高，没有考虑到时空序列演变，今后可以根据不同时段遥感影像的获取，了解长三角地区湿地公园时间演变趋势，再结合相关因素完善分析机制，提升湿地公园建设优化，完善长三角生态建设一体化。