汪煜 朱振宇 劉玥

摘要以安徽省樅陽縣為研究區(qū)，對縣域土地利用格局進行了全局空間自相關和局部空間自相關分析，并結(jié)合DEM進一步分析了該縣各土地利用類型顯著集聚特征的地形特征。結(jié)果表明，各土地利用類型都表現(xiàn)出空間正自相關特性，所表現(xiàn)的空間聚集或異常的位置及范圍也各有不同，并且聚集特征的發(fā)生具備一定的地形條件，地形特征影響土地利用格局的形成和空間集聚分布。

關鍵詞空間自相關；DEM；土地利用格局

中圖分類號S28文獻標識碼A文章編號0517-6611（2014）23-08009-05

作者簡介汪煜（1986- ），男，安徽金寨人，助教，碩士，從事GIS技術應用及土地利用變化研究。

收稿日期20140707空間自相關是指空間中具有一定客觀規(guī)律的空間變量在空間上的分布特征及對鄰域的影響程度，可用來反映研究對象在空間位置中聚集程度[1]。土地利用格局空間自相關表現(xiàn)為土地利用變量在空間上的分布特征及其對鄰域的影響程度，土地利用在區(qū)域空間連續(xù)分布，具有顯著性空間自相關的區(qū)域往往表現(xiàn)為地理對象的局部空間聚集。謝花林研究了內(nèi)蒙古翁牛特旗土地利用變化的多尺度空間自相關特征[2]；李慧等以珠江三角洲為研究區(qū)研究其土地利用變化空間自相關性[3]；張峰等分析了北京昌平區(qū)景觀格局的聚集特征[4]；邱炳文等分析了福建省土地利用空間自相關特征[5]。這些研究表明空間自相關分析能有效地應用于土地利用格局研究。

土地利用格局的形成受人類活動和自然環(huán)境等多因素影響[6-8]，地形作為自然環(huán)境中的重要因素之一，為土地利用格局的形成提供基礎[9]。將空間自相關分析和地形分析結(jié)合，能進一步理解土地利用格局空間自相關的地形特征，為區(qū)域土地利用的管理應用提供決策支持。筆者運用DEM和空間自相關、分析方法分析了地形因素與土地利用格局聚集程度之間的關系，為更好地理解土地利用格局和變化提供了思路，也為區(qū)域土地利用管理提供決策支持。

1研究方法與數(shù)據(jù)來源

1.1研究區(qū)概況以安徽省樅陽縣為例進行研究。樅陽縣地處安徽省西南部，長江北岸，大別山之東南麓，地理坐標為117°05′～117°43′E、31°01′～31°38′N，面積為1 808.1 km2。境內(nèi)地勢北高南低，中部低平，低山丘陵崗沖相間，其中東北部低山區(qū)，西北部低丘崗地平原區(qū)，中西部丘陵沖區(qū)，東南部江湖洲圩平原區(qū)，自然差異明顯。將縱陽縣作為研究區(qū)具有一定的代表性。

1.2研究方法

1.2.1空間自相關分析。計算空間自相關方法有多種，其中最常用的有Morans I、Gearys C、Getis等方法，一般分為2大類：一類為全局空間自相關，另一類為局部空間自相關。

（1）全局空間自相關。全局空間自相關用于描述空間對象整體分布狀況，并判斷此對象在空間上是否有聚集特性，但不能確切判斷聚集在哪些地區(qū)。常采用Morans I統(tǒng)計量進行全局空間自相關度量，其值可用以識別研究區(qū)域整體的空間分布模式[10-11]。Morans I統(tǒng)計量計算公式如下[1]：

I=nS0×ni=1nj=1wij（xi-）（xj-）ni=1（xi-）2

式中，xi和xj分別為樣本i和j所在位置的屬性值；Wij為空間權重，為樣本均值；n為樣本總數(shù)。Morans I值計算結(jié)果為正（正向關聯(lián)），代表空間相似，反映相似空間變量的聚集特性；計算結(jié)果為負（負向關聯(lián)），代表空間相異；計算結(jié)果趨于0（離散分布），則代表空間隨機，是一種典型的空間負相關現(xiàn)象。

（2）局部空間自相關。全局Morans I不能確切指出聚集或異常發(fā)生的具體空間位置，此時需要用局部自相關方法作進一步分析，包括空間關聯(lián)局域指標[12]和Moran散點圖[13]。

Moran散點圖是用散點圖描述變量Z與其空間滯后（即該觀測值周圍鄰居的加權平均）向量WZ之間的相關關系。橫軸對應描述變量，縱軸對應空間滯后向量。分為4個象限，分別識別研究單元及其鄰近單元的關系。第一象限（HH）：表示研究單元變量高值的區(qū)域被高值的其他區(qū)域所包圍；第二象限（LH）：表示研究單元變量低值的區(qū)域被高值的其他區(qū)域所包圍；第三象限（LL）：表示研究單元變量低值的區(qū)域被低值的其他區(qū)域所包圍；第四象限（HL）：表示研究單元變量高值的區(qū)域被低值的其他區(qū)域所包圍。一、三象限正的空間自相關關系表示相似觀測值之間的空間聯(lián)系，暗示相似值的聚集；二、四象限負的空間自相關關系表示不同觀測值之間的空間聯(lián)系，暗示空間異常（spatial outliers）；如果觀測值均勻地分布在4個象限，則表示地區(qū)之間不存在空間自相關性。因此，采用Moran散點圖可以直觀地看出區(qū)域內(nèi)存在幾種聚集或異常特征。

空間關聯(lián)局域指標（local indicators of spatial association，LISA）用來衡量空間單元變量值與周邊單元變量值的相近（正相關）或差異（負相關）程度。該指標可以用局部Morans I統(tǒng)計量進行度量，公式為：

Ii=xi′ni=1wijx′j

式中，x′i和x′j都是標準化的單元觀測值；wij為空間權重，其確定與全局自相關wij確定的方法相同，并可通過繪制LISA分布圖直觀描述各空間單元中變量的聚集和異常狀況。

1.2.2區(qū)域統(tǒng)計分析。運用ArcGIS統(tǒng)計分析工具可實現(xiàn)相關數(shù)據(jù)匯總及比較等處理，通過疊加地形因素數(shù)據(jù)與LISA分布圖，統(tǒng)計LISA分布圖中的HH聚集、LL聚集、HL異常和LH異常中各地形差異。該研究利用區(qū)域DEM數(shù)據(jù)派生出高程和坡度2種地形因子，分析其疊加區(qū)域中的各因子的均值、范圍和標準差等統(tǒng)計數(shù)據(jù)，其結(jié)果用于分析HH聚集區(qū)、LL聚集區(qū)、HL異常區(qū)和LH異常區(qū)的地形特征。

1.3數(shù)據(jù)來源與處理

1.3.1土地利用數(shù)據(jù)處理。該研究收集了2008年樅陽縣1∶1萬的第二次全國土地調(diào)查數(shù)據(jù)，結(jié)合第二次全國土地調(diào)查土地分類，綜合考慮樅陽縣土地利用特點，對土地利用數(shù)據(jù)的原有地類進行重分類，最終得到耕地、園地、林地、其他農(nóng)用地、建設用地、水域和其他土地共7種土地利用類型。

該研究運用網(wǎng)格化處理方法，以500 m×500 m作為基本研究尺度，將研究區(qū)劃分為500 m×500 m網(wǎng)格單元，共7 690個單元，并計算每個網(wǎng)格單元內(nèi)各類用地的面積作為分析變量。

1.3.2DEM數(shù)據(jù)處理。DEM 數(shù)據(jù)來源于美國國家航空航天局（NASA）ASTER GDEM，柵格大小為30 m×30 m。基于DEM地形分析，提取了高程和坡度2種地形因子（見～2），并將坡度數(shù)據(jù)分為5級：坡度≤2°為1級；2°<坡度≤6°為2級；6°<坡度≤15°為3級；15°<坡度≤25 °為4級；坡度>25°為5級。

樅陽縣高程分布樅陽縣坡度分布1.3.3空間權重數(shù)據(jù)處理。無論是全局空間自相關分析還是局部空間自相關分析，都需要構(gòu)建空間權重數(shù)據(jù)。常見構(gòu)建空間權重的方法有基于鄰接關系的權重和基于距離的權重。該研究在全局空間自相關分析中構(gòu)建基于不同距離的空間權重數(shù)據(jù)，其距離值分別選擇為500、1 000、2 000、5 000、10 000和15 000 m。在局部空間自相關分析中構(gòu)建基于“后”型（queens case）鄰接關系權重。

2結(jié)果與分析

2.1土地利用全局空間自相關該研究以500 m×500 m作為基本網(wǎng)格單元，網(wǎng)格單元中各類土地的用地面積作為觀測變量，分別基于500、1 000、2 000、5 000、10 000和15 000 m等不同尺度的空間權重，運用全局自相關方法分析樅陽縣土地利用的空間分布特征。計算樅陽縣2008年7種土地利用類型的Morans I值，得到空間自相關圖（）。

樅陽縣7種地類空間自相關關系由可知，所有土地利用類型的全局Morans I值均為正值，都表現(xiàn)出空間正自相關特性，并隨著權重距離的增加而減小。因此研究區(qū)各土地利用類型的整體空間分布不是隨機的，表現(xiàn)出一定的空間聚集性，但當權重距離增加到15 km時，其整體空間正自相關特性減弱。當權重距離為最小距離0.5 km時，其各土地利用類型全局Morans I值由大到小依次為：水域、林地、耕地、其他農(nóng)用地、建設用地、園地和其他土地。

2.2土地利用局部空間自相關

2.2.1局部空間自相關Moran散點圖。按照局部空間自相關Moran散點圖的方法理論，基于鄰接關系空間權重，構(gòu)建樅陽縣2008年各土地利用類型的Moran散點圖，結(jié)果如所示。2008年樅陽縣各土地利用類型的Moran散點圖從可看出，各土地利用類型Moran散點圖中斜率均為正，整體表現(xiàn)正相關，局部特征以樅陽縣耕地Moran 散點圖為例個象限以此對應于HH、LH、LL和HL象限，HH象限（或LL象限）表示單元網(wǎng)格耕地面積與和周邊網(wǎng)格耕地面積均值都較高（或較低），相鄰單元網(wǎng)格的空間差異度小，呈空間正相關，表現(xiàn)為聚集特征。相反位于HL象限（或LH象限）表示單元網(wǎng)格耕地面積較高（或較低），而周邊網(wǎng)格耕地面積均值較低（或較高），相鄰單元網(wǎng)格的空間差異度大，呈空間負相關，表現(xiàn)為異常特征。如（a）中，絕大多數(shù)點分布于一、三象限，表明樅陽縣耕地用地分布呈HH和LL聚集趨勢，而位于二、四象限的點數(shù)較少，說明其耕地用地出現(xiàn)異常的情況少。其他各土地利用類型分布的聚集和異常特征均可從中分析得出。

42卷23期汪 煜等基于DEM的土地利用格局空間自相關分析2.2.2局部空間自相關LISA集聚圖。Moran散點圖表達了各土地利用類型空間分布的聚集和異常特征，LISA集聚圖可進一步確定局部空間聚集或異常的具體位置。樅陽縣2008年各土地利用類型的LISA集聚圖如所示。2008年樅陽縣各土地利用類型的LISA集聚結(jié)果由可知，各土地利用類型在空間結(jié)構(gòu)上都表現(xiàn)有HH（紅色區(qū)域）、LL（藍色區(qū)域）顯著集聚的同時，在局部范圍內(nèi)也出現(xiàn)了HL、LH異常區(qū)的情況。（a）中耕地的HH區(qū)域主要分布在縣域東部，此區(qū)域為農(nóng)場，是樅陽縣重點基本農(nóng)田保護區(qū)，其耕地表現(xiàn)為集中連片的分布特征。（b）中，園地分布較少，主要集聚于縣域北部山區(qū)，主要為集中連片的茶園地。（c）中，林地表現(xiàn)出顯著的HH和LL特征，其主要分布于縣域北部山區(qū)和縣域南部山區(qū)等區(qū)域。（d）中，其他農(nóng)用地也呈現(xiàn)了HH和LL空間集聚特征，其集聚特征主要分布于縣域東南部和縣域西南部，此區(qū)域主要為養(yǎng)殖魚塘的集中分布區(qū)。（e）中，建設用地的HH區(qū)主要分布于各鄉(xiāng)鎮(zhèn)駐地區(qū)，南部縣城駐地及東北部橫埠工業(yè)區(qū)的HH集聚特征表現(xiàn)較為突出。（f）中，水域呈現(xiàn)明顯的HH和LL特征，HH區(qū)分布于縣域內(nèi)的長江和湖泊。（g）中，其他土地的HH主要分布在縣域北部，LL主要分布在東南部和東部區(qū)域。

2.3土地利用空間自相關的地形分析地形是影響土地利用空間格局的重要因素之一，其也直接影響土地利用空間自相關格局，影響著不同土地利用的聚集和異常特征。通過將樅陽縣7種土地利用類型的LISA分布圖與地形因子圖（～2）疊加，運用區(qū)域統(tǒng)計的方法統(tǒng)計各土地利用類型HH與LL所對應的高程變化和坡度變化情況。統(tǒng)計結(jié)果見～4。

由和可知，不同土地利用類型的HH顯著集聚區(qū)的地形特征各有差異，耕地和其他農(nóng)用地、建設用地和水域主要集中于低海拔、坡度緩的區(qū)域，地形特征分布較集中。園地和林地和其他土地分布的平均海拔相對較高，平均坡度大，地形特征分布較廣。各土地利用類型HH顯著集聚區(qū)的平均海拔由高到低依次為：林地、園地、其他土地、建設用地、耕地、其他農(nóng)用地和水域。平均海拔分布范圍由高到低依次為：林地、園地、其他土地、建設用地、耕地、其他農(nóng)用地和水域。平均坡度由高到低依次為：園地、林地、其他土地、建設用地、其他農(nóng)用地、耕地和水域。平均坡度分布范圍由高到低依次為：其他土地、園地、林地、水域、建設用地、其他農(nóng)用地和耕地。

由和可知，不同土地利用類型的LL顯著集聚區(qū)與HH顯著集聚區(qū)的地形特征差異很大。耕地、其他農(nóng)用地、建設用地和水域的地形統(tǒng)計值表明這些地類較少分布于高海拔、高坡度地區(qū)，地形特征表現(xiàn)為山地，在這些地形區(qū)域內(nèi)不利于耕地耕作、農(nóng)業(yè)養(yǎng)殖、生產(chǎn)建設及水域形成，因此耕地、其他農(nóng)用地、建設用地和水域在山地區(qū)內(nèi)表現(xiàn)出強的LL顯著集聚特征；林地和其他土地的地形統(tǒng)計值表明其較少分布于低海拔、坡度緩地區(qū)，縣域內(nèi)林地和其他土地主要分布高海拔、高坡度的山地地區(qū)。由于縣域內(nèi)園地分布較少，未表現(xiàn)出LL顯著集聚特征。

總之，各土地利用類型HH和LL聚集特征的發(fā)生具備一定的地形條件，相鄰網(wǎng)格的地形特征越相似，其土地利用結(jié)構(gòu)越相近，彼此空間相關程度也越高。

3結(jié)論

該研究以樅陽縣土地利用數(shù)據(jù)及DEM數(shù)據(jù)為例，運用空間自相關分析方法，在網(wǎng)格大小為500 m×500 m的尺度下進行了樅陽縣土地利用格局空間自相關分析，并結(jié)合DEM所提取的高程和坡度數(shù)據(jù)進一步分析了該縣各土地利用類型顯著集聚特征的地形特征，結(jié)論如下：

（1）進行全局空間自相關分析。所有土地利用類型表現(xiàn)出空間正自相關特性，其自相關強度隨著距離的增加而減弱。各土地利用類型中空間自相關強度最大的為水域，最小的為其他土地。

（2）進行局部空間自相關分析。運用Moran散點圖和LISA集聚圖進一步分析了局部空間集聚特征。各土地利用類型都表現(xiàn)出HH、LL顯著集聚的同時，在局部范圍內(nèi)也出現(xiàn)了少量HL、LH異常區(qū)的情況。不同土地利用類型所表現(xiàn)的空間聚集或異常的位置及范圍也各有不同。

（3）主要分析了HH和LL集聚區(qū)的地形特征。各土地利用類型HH和LL聚集特征的發(fā)生具備一定的地形條件，地形特征影響土地利用格局的形成和空間集聚分布。

參考文獻

[1] CLIFF A，ORD J.Spatial Autocorrelation [M].Pion，London，1973.

[2] 謝花林，劉黎明，李波，等.土地利用變化的多尺度空間自相關分析——以內(nèi)蒙古翁牛特旗為例[J].地理學報，2006，61（4）：389-400.

[3] 李慧，王云鵬，李巖，等.珠江三角洲土地利用變化空間自相關分析[J].生態(tài)環(huán)境學報，2011，20（12）：1879-1885.

[4] 張峰，張新時.基于TM影像的景觀空間自相關分析——以北京昌平區(qū)為例[J].生態(tài)學報，2004，24（12）：2853-2858.

[5] 邱炳文，王欽敏，陳崇成，等.福建省土地利用多尺度空間自相關分析[J].自然資源學報，2007，22（2）：312-318.

[6] 擺萬奇，趙士洞.土地利用變化驅(qū)動力系統(tǒng)分析[J].資源科學，2001，23（3）：39-41.

[7] 徐霞，王靜愛，賈海坤，等.內(nèi)蒙中部地區(qū)不同生態(tài)區(qū)土地利用格局分布特征[J].地理科學進展，2005，24（3）：45-49.

[8] 楊麗，謝高地，甄霖，等.涇河流域土地利用格局的時空變化分析[J].資源科學，2005，27（4）：26-32.

[9] 喻紅，曾輝，江子瀛.快速城市化地區(qū)景觀組分在地形梯度上的分布特征研究[J].地理科學，2001，21（1）：64-69.

[10] ANSELIN L.Space Stat Tutorial[M].Morgantown，WV：Regional Research Institute，WestVi University，1992.

[11] GETIS A，ORD J K.Local spatial autocorrelation statistics：distributional issues and an Application[J].Geographical Analysis，1995，27：286-306.

[12] ANSELIN L.Local Indicators of Spatial Association LISA[J]. Geographical Analysis， 1995， 27（2）： 93-115.

[13] ANSELIN L，SYABRI I，KHO Y.GeoDa： an introduction to spatial data analysis[J]. Geographical Analysis， 2006，38（1）： 5-22.