基于ESDA的贵州省县域人口空间分布差异研究

韩学阵，陈培红，郭 莹

(凯里学院 旅游学院，贵州 凯里 556011)

1 引言

探索性空间数据分析(ESDA)是现代计量地理学中一个快速发展的方向领域，是对相关空间统计分析技术和模型的统称，其以区域关联测度为核心，将某一属性或事物的空间分布格局进行终端描述与可视化，从而洞察不同区域间的集聚关系和空间异常表现。思想内涵来自由美籍瑞士裔地理学家Waldo R. Tobler提出来的地理学第一定律，其要义为空间上距离越近的事物或现象越相似。从地理学研究视角上来讲，空间位置与地理属性之间具有很强的关联性。随着GIS技术的兴起与发展，ESDA的应用范围更加包罗万象，涵盖人口发展、区域经济、矿产开采、传染医学等诸多实证研究领域。

人口空间分布是人口发展阶段或过程在自然地理空间上的呈现形式，在人口及区域地理学领域得到了广泛研究。人口空间分布与区域经济发展水平具有十分紧密的联系，不同区域间人口数量的差异，间接的反映了一个地区资源要素与生产力水平的发展配置能力。近年来，贵州省社会经济实力逐步提高，生态环境稳步改善，交通优势日益凸出，全省人口数量和素质水平也有了显著提升。2018年贵州全省人口绝对数达3600万人，占全国人口排名第19位。人口发展总体呈现向好态势，但在省内不同地区间依然存在差异，空间分布不平衡现象突出。

2 研究区概况

贵州省简称“贵”或“黔”，位于我国西南腹地，界于北纬24°37′～29°13′，东经103°36′～109°35′之间，处于云贵高原内东缘，北接四川省、重庆市，南临广西，东达湖南，西连云南，国土面积17.62万km2。贵州属亚热带季风气候，地跨长江和珠江两大水系，四季分明、雨热同期。省境内以山地高原为主，92%以上的幅员地阔为山地和丘陵，地势总体上呈现出自西向东的高低自然过渡，平均海拔约1100 m，喀斯特岩溶地貌发育较为典型，历有“八山一水一分田”之说。另外，贵州省还是世界著名山地旅游目的地与山地旅游大省，享有“山地公园省、多彩贵州风”的美誉。

3 研究对象与数据来源

本文以2018年贵州省县级行政区的常住人口数量为研究对象，所涉数据主要来源于2019年贵州统计年鉴，部分其它数据源于贵州省人民政府网、全国行政区划信息查询平台等权威网站。研究区域包括全省的52个县，11个自治县，9个县级市，15个市辖区，1个特区。

4 研究方法

空间自相关是ESDA中的基本内容，该模型方法旨在探索不同地理空间上的单一或多个变量在研究区内部各个分区域之间的空间关联与依赖关系。

4.1 空间权重矩阵

为阐明不同区域之间的空间关联特征，首先需要定义空间单元间的相互邻接关系。即研究开展前必须要引入空间权重矩阵的内涵及标准。

空间权重矩阵，是空间统计分析有别于传统统计学研究的重要特征，也是进行ESDA空间关联性探究的前提和基础。常用的方法有基于邻接标准或距离标准。在基于邻接标准层面上，判断区域邻接关系的空间权重矩阵又可以分为Rook和Queen矩阵，距离标准则是基于某一特定距离来判断区域间的邻接关系。

本研究为体现自然空间邻接性，采用较为常用的基于Rook空间权重矩阵邻接标准来衡量贵州省88个县级行政区的空间邻接关系。

4.2 全域空间自相关

在测度全域自相关的指标模型上，主要有Moran’s I(莫兰指数I)、Geary’s C(吉尔里系数C)等。其中，Moran指数用以反映在空间权重矩阵确立的邻近关系基础上，不同区域单元属性值之间的相近程度，而 Geary系数与Moran指数之间的联系为二者呈负相关。

在此选用最常用的Moran’s I变量来衡量贵州省人口的空间自相关性。若Xi是区域i的观测值，则该变量的全域Moran指数I，用如下公式计算:

全域空间自相关(Global Moran’s I):

(1)

式(1)中，Ig为全域莫兰指数，n为区域总量，Xi、Xj分别为区域i与区域j的属性值，Wij表示各区域间的邻接关系。

Moran’s I的取值范围为[-1，1]，Moran’s I>0，表示区域间呈空间正相关；Moran’s I<0则表示区域间呈空间负相关；若Moran’s I等于或近似为0，则表示区域间不存在空间自相关性或空间属性关系呈随机分布。

4.3 局域空间自相关

全域自相关与局域自相关的不同之处在于前者仅能从整体上反映属性值在空间分布上的集聚关系，无法展现某个或某些区域在空间上究竟存在着怎样的内在联系。局域空间自相关则具备探究各区域属性值在异质性空间上的分布形态，以此测度不同区域与其相邻区域之间的局域空间关联性。

局域空间自相关(Local Moran’s I):

(2)

式(2)中，Il为局域莫兰指数，其余各变量的含义与上式相同。

在局域空间自相关的研究上，主要通过Moran散点图和LISA集聚图来分析。Moran散点图分为4个二维象限，分别对应于某个区域与其邻域之间的4种局域空间联系特征。其中，第一、三象限代表正向的空间关联性，第二、四象限代表负向的空间关联性。

而LISA集聚图则是对Moran散点图二维集聚关系的空间可视化表达，该图将区域间的空间联系形态分为高-高集聚(H-H)、低-低集聚(L-L)、高-低集聚(H-L)、低-高集聚(L-H)与不显著(N-S)5种类型。

5 结果分析

本研究以贵州省各县级行政区2018年年末常住人口为基础，建立Rook空间权重矩阵定义各区域间的邻接关系，运用全域及局域空间自相关的统计模型方法，得到的分析结果如下。

5.1 全域空间自相关分析

运用ArcGis10.2软件相应模块对全域Moran’s I进行测度，分析结果见表1。从表中可知贵州省人口全域Moran’s I为0.4195，方差为0.0044，P值为0.0000，Z得分为6.5208，在显著性<0.001的前提下，双侧检验Z得分大于检测阈值2.58，表明结果完全通过了Z检验，人口空间集聚特征明显。

表1 贵州省2018年县域人口数量的全域Moran’s I及其检验

全域Moran’s I为0.4195>0，表示贵州省县域人口数量在空间上表现为较强集聚分布特征，呈现出明显的空间正相关性，也就是说从整体上讲，人口数量相近的县级行政区在空间上趋于集聚。此结果表明，虽然受到生产力发展、技术进步以及地形条件复杂等因素的影响，贵州省县域人口空间分布依然受到地理学第一定律影响，表现为明显的人口空间依赖性。

5.2 局域空间自相关分析

为进一步研究贵州省88个县域人口空间分布的内在关联性和度量不同区域与其相邻区域之间的局域空间关联、集聚特征，这里借助Geoda1.14空间分析软件绘制二维Moran散点图和LISA集聚图，以持续展开局域空间自相关分析。

图1 贵州省2018年县域人口分布Moran散点

从Moran散点图上(图1)可知，贵州省大部分县域落在了第一、第三象限，只有较少部分落在第二、第四象限。结果说明，贵州省县域人口在局域空间分布上以正向空间联系为主，整体表现为人口数量较多的县域单元，周围的县区人口数量也多，即高-高集聚(第一象限)；同样，也存在着人口较少的县域单元周围的县区人口数量也少的现象，即低-低集聚(第三象限)。

Moran散点图以形成的四个二维象限来展现某一县区与其它县区间的不同集聚关系，但并不能从直观的角度说明到底是哪些区域之间存在着这种联系，此时就需要用到LISA集聚图来对此空间集聚关系进行直观体现。

从LISA集聚图中(图3)可以看到，贵州省人口空间分布集聚类型主要分为三种，即高-高集聚(9个)、低-低集聚(12个)、低-高集聚(1个)、高-低集聚(2个)，数量表现为以低-低集聚与高-高集聚居多，高低相间。

从空间分布形态上看，地域表现为明显的西北-东南分异格局，西北部对应县域以低-低集聚为主，而东南部相关县域则高-高集聚占有优势；低-高集聚和高-低集聚的县市主要分布在省域范围的西南、中东部。

图2 贵州省2018年县域人口分布LISA显著性

从具体县区上来看，高-高集聚主要分布在威宁县、七星关区、大方县、水城县、纳雍县、赫章县、钟山区、汇川区、金沙县。这些县区多集中在毕节市、遵义市和六盘水市，特别是威宁县、七星关区人口数量均突破百万大关，分列全省县级人口排名的第一、第二位。而且，以上地区相对靠近四川、重庆和云南省人口大市，历来是人口相对集中的地区之一，历史原因和人们的思想观念对人口数量的发展起到了很大影响。七星关区、汇川区和钟山区分别为毕节、遵义和六盘水市的主城区，这些地区近年来随着交通条件和产业经济的逐步发展，人口也表现出了相对集聚的态势，形成了良性循环。

低-低集聚主要分布在台江县、雷山县、施秉县、万山区、玉屏县、岑巩县、剑河县、镇远县、天柱县、三都县、榕江县、石阡县；这些县区主要位于黔东南苗族侗族自治州、黔南布依族苗族自治州和铜仁市，多位于少数民族集聚的地区。域内少数民族人口分布较多，居住分散，交通条件相对落后，经济基础和要素实力较为薄弱，人口发展潜力有待提升。

低-高集聚为普安县，普安县位于贵州省西南部乌蒙山区，周围的盘州市、兴义市、兴仁市等都是人口大县(市)，其中兴义市为黔西南布依族苗族自治州首府，盘州市和兴仁市均为经济发展速度相对较快的县级市，普安县经济和人口发展水平则相对处于弱势，受到周边地区“人口虹吸”作用明显，当地人口吸引力相对缺失。

高-低集聚为凯里市、都匀市。与普安县的状况相反，这两个地区分别为黔东南苗族侗族自治州与黔南布依族苗族自治州首府，沪昆高铁、贵广高铁等重要铁路线穿城而过，交通条件优越，社会经济基础和发展速度相对周边县区都较高，人口数量和质量占据领先地位，具有一定的发展前景。而且在长期的发展过程中，也属于人口“虹吸效应”中优势的一方，易与周边县市形成人口平衡差(表2)。

表2 贵州省县域人口空间分布的LISA集聚情况统计

6 结论与讨论

本研究通过运用探索性空间数据分析(ESDA)技术方法揭示了贵州省88个县域人口空间分布的差异化集聚格局，为贵州省人口空间优化发展提供了可视化数据支撑，并得到了以下结论。

(1)运用全域相关性莫兰指数对贵州省人口空间分布的空间自相关性进行测度，结果显示全域Moran’s I为0.4195>0，呈现较强的集聚分布特征与空间正相关性，人口数量相近的县域在空间上趋于集聚。

(2)贵州省人口分布呈现出典型的局域空间集聚关联特征，集聚类型以高-高集聚和低-低集聚居多、高低相间分布；空间表现为明显的西北-东南分异特征。西北部对应县域以高-高集聚(9个)为主，东南部则为低-低集聚(12个)占有优势。低-高集聚(1个)和高-低集聚(2个)县区主要分布在西南、中东部。人口高值与低值区呈现集中连片分布格局，受集聚效应和辐射作用影响明显。

(3)贵州省人口空间分布不平衡，西北部县区为传统的人口密集区，部分县区近年来随着交通条件和社会经济的逐步发展，人口相对集聚。东南部县区多位于少数民族集聚区，经济水平相对落后，要素基础较为薄弱，人口发展处于弱势。普安县和凯里市、都匀市分别处于“人口虹吸”作用的弱势和优势地位，人口发展对比差异明显。

今后，贵州省在人口发展道路中应遵循区域人口合理化分布规律，避免人口、生产力、交通等资源要素的过度集中和分散。加强对人口、经济相对落后地区的政策扶持，合理培育区域关键节点县级城市的发展，引导优势城市发挥周边辐射带动效应，促进区域人口空间发展的相对平衡，进而推动全省人口与生态环境、社会及区域经济的协调发展。