濱州市教學(xué)機(jī)構(gòu)空間分布特征分析

王平云，相 妮

（山東科技大學(xué)測繪與空間信息學(xué)院，山東青島 266000）

隨著科教興國戰(zhàn)略的實(shí)施，科教文化機(jī)構(gòu)分布越來越廣泛，對于科教文化機(jī)構(gòu)的空間分布研究也顯得越來越重要［1］。使用濱州市的POI 數(shù)據(jù)，結(jié)合夜間燈光數(shù)據(jù)和人口數(shù)據(jù)研究濱州市教學(xué)機(jī)構(gòu)的分布特征及影響因素。從整體上了解濱州市的教學(xué)機(jī)構(gòu)分布特征，以期為濱州市未來科教文化機(jī)構(gòu)的規(guī)劃建設(shè)提供參考。

1 研究區(qū)域概況

濱州市位于山東省北部，是山東省的北大門，地處魯北平原和黃河三角洲腹地，礦產(chǎn)資源豐富。濱州市下轄五縣二區(qū)和三個(gè)經(jīng)濟(jì)開發(fā)區(qū)，分別是惠民縣、博興縣、鄒平縣、無棣縣、陽信縣、濱城區(qū)、沾化區(qū)、濱州經(jīng)濟(jì)開發(fā)區(qū)、濱州高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)、濱州北海經(jīng)濟(jì)開發(fā)區(qū)。濱州市總面積約為9 660 km2，截至2019 年底，全市戶籍人口為396.7 萬人。

2 使用數(shù)據(jù)及處理過程

本次使用的研究數(shù)據(jù)為山東省濱州市鄉(xiāng)鎮(zhèn)級別矢量數(shù)據(jù)，2019 年高德地圖濱州市POI 數(shù)據(jù)、2019 年Worldpop 人口數(shù)據(jù)和2019 年度NPP-VIIRS 夜間燈光數(shù)據(jù)。

在進(jìn)行正式的數(shù)據(jù)處理之前需要對數(shù)據(jù)進(jìn)行一定的預(yù)處理工作，對于抓取的濱州POI數(shù)據(jù)，發(fā)現(xiàn)部分?jǐn)?shù)據(jù)分布于濱州市行政邊界外部，需對數(shù)據(jù)進(jìn)行清洗，刪掉錯(cuò)誤數(shù)據(jù)。不同數(shù)據(jù)的原始坐標(biāo)系不同，需將所有數(shù)據(jù)進(jìn)行地理坐標(biāo)系和投影坐標(biāo)系的統(tǒng)一，將地理坐標(biāo)系統(tǒng)一為CS_China_Geodetic_Coordinate_System_2000，為了減少投影變形，將投影坐標(biāo)系統(tǒng)一為更適合中國地區(qū)的Asia_Albers 坐標(biāo)系。

3 數(shù)據(jù)分析

3.1 數(shù)量分析

通過對原始數(shù)據(jù)進(jìn)行清洗和統(tǒng)一坐標(biāo)及投影后，濱州市POI 分布情況如圖1 所示。

圖1 濱州市POI 分布情況

從圖1 可以明顯看出，POI 分布不均勻，POI 設(shè)施集中分布在中部及南部，北部由于存在部分海洋區(qū)域，造成北部區(qū)域各設(shè)施分布較少。整體上呈現(xiàn)出“一中心，多副心”現(xiàn)象。各POI 設(shè)施集中分布在濱城區(qū)內(nèi)，不同縣區(qū)中心位置出現(xiàn)“小中心”現(xiàn)象。從數(shù)量上分析，總體POI 有174 467 條數(shù)據(jù)，具體類別包括餐飲服務(wù)、風(fēng)景名勝、公司企業(yè)、購物服務(wù)、交通設(shè)施、科教文化、汽車服務(wù)、商務(wù)住宅等類別，分別對各類別進(jìn)行統(tǒng)計(jì)分析，數(shù)據(jù)見表1。

表1 濱州市POI 類別統(tǒng)計(jì)

從表1 可以看出，在濱州地區(qū)占比最多的POI類型為包含超市、服飾商場和家具商場的購物類，占比超過1/4，占比最少的POI 類別為體育休閑服務(wù)，占比為0.88%。在科教文化服務(wù)類別中篩選出教學(xué)機(jī)構(gòu)POI 數(shù)據(jù)，篩選后的數(shù)據(jù)共有1 596 條，包括幼兒園、小學(xué)、中學(xué)、職業(yè)技術(shù)學(xué)校、大學(xué)、成人教育等。教育學(xué)校POI 分布情況如圖2 所示。

圖2 濱州市學(xué)校POI 分布

從圖2 可以看出，教育學(xué)校設(shè)施分布情況與總體POI 分布類似，呈現(xiàn)多個(gè)中心的聚集情況，受地形地貌影響，濱州北部地區(qū)只有極少數(shù)教學(xué)設(shè)施分布。分布最集中的區(qū)域?yàn)闉I城區(qū)，最稀疏的地區(qū)為沾化區(qū)。

3.2 核密度分析

核密度分析主要用于計(jì)算要素在某一范圍內(nèi)的密度，可以更好地分析濱州市教學(xué)機(jī)構(gòu)的密度情況。該方法操作簡單且可以直觀表現(xiàn)出不同地區(qū)的密度分布情況［2］。主要原理是在每一個(gè)POI 點(diǎn)上方均覆蓋中一個(gè)平滑曲面，且在該點(diǎn)上方的值最高，隨著半徑的延長，在區(qū)域的邊界降為零。核密度方法不依據(jù)數(shù)據(jù)的先驗(yàn)知識，對數(shù)據(jù)的分布也不附加任何假定，從數(shù)據(jù)本身出發(fā)研究數(shù)據(jù)的分布特征［3］。對濱州市教學(xué)機(jī)構(gòu)進(jìn)行核密度分析后結(jié)果如圖3 所示。

圖3 濱州市教學(xué)機(jī)構(gòu)核密度分析

由于濱州北部存在部分海域。因此出現(xiàn)大面積無值區(qū)域，本次不考慮此范圍。從圖中可以看出，核密度較高的區(qū)域明顯集中在濱城區(qū)附近，集中分布在濱城區(qū)的彭李街道、市中街道、市西街道、市南街道附近，其他不同區(qū)縣形成小中心分布現(xiàn)象，各小中心大多分布在不同縣區(qū)的中心城區(qū)附近，如惠民縣學(xué)校集中分布在孫武街道，博興縣學(xué)校集中分布在博昌街道。

3.3 最鄰近點(diǎn)指數(shù)

最鄰近距離指數(shù)主要用來描述點(diǎn)數(shù)據(jù)的空間臨近程度，計(jì)算空間上各點(diǎn)之間最短距離與理論模式中最近鄰點(diǎn)之間距離的比值［4］，可以用來判斷點(diǎn)狀要素聚集擴(kuò)散特點(diǎn)、空間分布等特征［5］。根據(jù)最鄰近指數(shù)的數(shù)值將數(shù)據(jù)的分布情況劃分為聚集的、均勻的和隨機(jī)的，均勻分布的點(diǎn)狀要素距離最大，隨機(jī)分布點(diǎn)狀要素距離次之，聚集分布距離最小。計(jì)算中需要使用平均距離和平均最鄰近距離，具體公式為

式中：R表示最鄰近點(diǎn)指數(shù)；為最鄰近點(diǎn)距離r1的平均值為理論最鄰近距離；D為點(diǎn)密度。

R的取值決定了點(diǎn)狀要素的分布特征，R＞1 或R=1 時(shí)，表示點(diǎn)狀要素隨機(jī)分布，且R值越大表示其隨機(jī)性越強(qiáng)，R＜1 時(shí)，表示點(diǎn)狀要素呈現(xiàn)出聚集型的分布特征，R值越小，聚集型越強(qiáng)［6］。

的計(jì)算公式為

式中：A為研究區(qū)域的面積；n為點(diǎn)狀研究要素的數(shù)目。

使用上述公式對濱州市教學(xué)機(jī)構(gòu)進(jìn)行計(jì)算，結(jié)果得出R＜1，說明針對濱州市學(xué)校類POI 總體空間分布呈現(xiàn)聚集型。

4 影響因素

4.1 經(jīng)濟(jì)因素（夜間燈光數(shù)據(jù)）

根據(jù)以往研究，夜間燈光數(shù)據(jù)與地區(qū)GDP 值具有明顯的相關(guān)關(guān)系［7］。因此夜間燈光的亮度值可以間接反映出地區(qū)的經(jīng)濟(jì)情況［8］。使用NPP-VIIRS夜間燈光數(shù)據(jù)（圖4）進(jìn)行濱州市GDP（圖5）的空間化，分析學(xué)校分布情況與地區(qū)經(jīng)濟(jì)狀況之間的關(guān)系。

圖4 濱州市2019 年夜間燈光數(shù)據(jù)

圖5 濱州市2019 年GDP 數(shù)據(jù)

使用2019 年度NPP-VIIRS 夜間燈光數(shù)據(jù)，由于該數(shù)據(jù)目前只有月度數(shù)據(jù)。因此需要通過月度數(shù)據(jù)進(jìn)行年度數(shù)據(jù)的合成。參照胡為安等［9］的處理方法，將數(shù)據(jù)進(jìn)行坐標(biāo)轉(zhuǎn)換、數(shù)據(jù)合成、背景噪聲去除后得到濱州市2019 年平均NPP-VIIRS 數(shù)據(jù)。統(tǒng)計(jì)山東省2012—2017 年各地級市的GDP 總值，建立燈光亮度值與GDP 值的對應(yīng)關(guān)系，分別使用線性函數(shù)、二次多項(xiàng)式函數(shù)、指數(shù)函數(shù)和對數(shù)函數(shù)進(jìn)行建模分析，最終選取可擬合度最高的二次多項(xiàng)式函數(shù)進(jìn)行GDP 的空間化，即

根據(jù)燈光亮度值進(jìn)行GDP 的分配［10］，GDP 空間化分配公式為

式中：G為某柵格的GDP 值；i為該柵格燈光亮度值；max（i）表示該區(qū)域燈光亮度值的最大值；ni為亮度值為i的像元個(gè)數(shù)；GDP 為山東省GDP 總值。

從GDP 空間化結(jié)果中可以看出，濱城區(qū)和鄒平縣對全市總GDP 有較大貢獻(xiàn)，惠民區(qū)和沾化區(qū)GDP 值屬于較低水平。GDP 空間化分布情況與學(xué)校類機(jī)構(gòu)的核密度分布情況基本一致，GDP 值較高的區(qū)域，學(xué)校類設(shè)施分布較多，核密度也較大，一定程度上說明了不同地區(qū)的經(jīng)濟(jì)狀況影響了學(xué)校類設(shè)施的分布，經(jīng)濟(jì)狀況越好，設(shè)施分布越密集。

4.2 人口因素

Worldpop 人口數(shù)據(jù)是由佛羅里達(dá)大學(xué)主持研發(fā)的人口網(wǎng)格數(shù)據(jù)，分辨率為100 m，是基于夜間燈光數(shù)據(jù)、土地利用數(shù)據(jù)等多源數(shù)據(jù)，使用隨機(jī)森林的方法估算出人口分布權(quán)重圖層，得到格網(wǎng)級別的人口模擬數(shù)據(jù)，每個(gè)格網(wǎng)的值表示該格網(wǎng)的人口數(shù)量，在一定程度上可以表示真實(shí)的人口分布［11］。本文使用2019 年Worldpop 人口數(shù)據(jù)，經(jīng)坐標(biāo)轉(zhuǎn)換、裁剪、重采樣等預(yù)處理工作，得到了濱州的人口分布格網(wǎng)數(shù)據(jù)，如圖6 所示。

濱州北部地區(qū)存在大量無值區(qū)域，本次不考慮此范圍。從圖6 可知，濱州市人口集中分布的縣區(qū)有濱城區(qū)的彭李街道、北鎮(zhèn)街道、市西街道、市東街道、鄒平縣的黛溪街道、惠民縣的孫武街道等，與相關(guān)教學(xué)機(jī)構(gòu)分布情況類似，教學(xué)機(jī)構(gòu)集中分布的區(qū)域人口分布較為密集，一定程度上說明了人口數(shù)量促進(jìn)了教學(xué)機(jī)構(gòu)的發(fā)展。

圖6 濱州人口分布格網(wǎng)數(shù)據(jù)

5 結(jié)語

以濱州市教學(xué)機(jī)構(gòu)為研究對象，采用核密度分析法，對濱州市教學(xué)機(jī)構(gòu)的分布情況進(jìn)行研究，發(fā)現(xiàn)濱州市教學(xué)機(jī)構(gòu)分布主要呈現(xiàn)“一中心，多副心”現(xiàn)象，主要集中在濱城區(qū)，其他各縣區(qū)形成多個(gè)小中心現(xiàn)象，使用最鄰近指數(shù)方法，對濱州市學(xué)校的空間分布形態(tài)進(jìn)行研究，發(fā)現(xiàn)其空間分布為聚集型。

通過閱讀相關(guān)文獻(xiàn)發(fā)現(xiàn)夜間燈光亮度值可以間接反映地區(qū)的經(jīng)濟(jì)狀況，使用NPP-VIIRS 數(shù)據(jù)，根據(jù)亮度值進(jìn)行GDP 總值的再分配，得到濱州市2019 年GDP 空間化數(shù)據(jù)，分析了經(jīng)濟(jì)狀況與教學(xué)機(jī)構(gòu)的分布的相關(guān)性；使用Worldpop 人口數(shù)據(jù)，經(jīng)過一定預(yù)處理后分析了教學(xué)機(jī)構(gòu)和人口分布情況之間的關(guān)系，發(fā)現(xiàn)經(jīng)濟(jì)狀況和人口因素都與教學(xué)機(jī)構(gòu)的分布情況具有一致性，二者都能在一定程度上促進(jìn)教學(xué)機(jī)構(gòu)的發(fā)展。