?

城鎮(zhèn)地價的空間分布格局研究——以免渡河鎮(zhèn)為例

胡 君 德1，李 百 歲1，張婷2，谷 俊 杰1

(1.內(nèi)蒙古師范大學(xué) 地理科學(xué)學(xué)院，呼和浩特 010022，2.內(nèi)蒙古大學(xué) 生命科學(xué)學(xué)院， 呼和浩特 010021)

摘要：基于地統(tǒng)計學(xué)方法及其相關(guān)理論，以免渡河為例，研究城鎮(zhèn)地價的分布格局，并運用空間自相關(guān)和Kriging插值法分析方法進(jìn)一步揭示了城鎮(zhèn)地價的空間分異特征和空間集聚分布規(guī)律。本文數(shù)據(jù)源自免渡河鎮(zhèn)2012年土地分等定級及基準(zhǔn)地價更新。采用Moran’sI、Getis’ G指數(shù)和地統(tǒng)計學(xué)中的半變異性方法對免渡河鎮(zhèn)的商業(yè)和住宅地價的全局自相關(guān)與局域自相關(guān)及各項異性進(jìn)行全面分析，并運用Kriging插值法與空間自相關(guān)對比分析，且均采用球狀模型曲線得出：免渡河鎮(zhèn)的地價在1700米的范圍內(nèi)均存在正相關(guān)及高聚集性，隨著距離的增大，自相關(guān)性逐步減弱，地價的空間自相關(guān)在各個方向都不徑相同，且在部分區(qū)域表現(xiàn)有異質(zhì)性。在西北-東南方向地價的空間自相關(guān)范圍要大于東北—西南方向，且隨機性較強，如商業(yè)地價在此方向的的自相關(guān)變化程度較大。

關(guān)鍵詞：城鎮(zhèn)地價；空間自相關(guān)；半變異函數(shù)；Kriging插值；各項異性

隨著改革開放的不斷推進(jìn)，房地產(chǎn)市場經(jīng)濟在市場經(jīng)濟中扮演著日趨重要的角色，并長期受到社會各界的廣泛關(guān)注。土地價格是反映土地市場供需的“晴雨表”。地價的空間特性也完全符合Tobler地理學(xué)第一定律，即地理事物或?qū)傩栽诳臻g分布上互為相關(guān)，存在集聚、隨機和規(guī)則分布，且距離越近，空間關(guān)聯(lián)性越強[1]?？臻g地價的研究主要通過時間演變規(guī)律[2-3]、GIS空間插值及地統(tǒng)計軟件研究地價的空間分布及格局[4-7]和計量經(jīng)濟研究城市地價空間[8-9]。地價理論是隨著地租理論的發(fā)展而不斷發(fā)展的，隨著科學(xué)技術(shù)的不斷發(fā)展，大量的空間分析功能被集成到GIS和地統(tǒng)計軟件中，空間分析技術(shù)在地價研究中得到廣泛應(yīng)用。

近些年有一些學(xué)者對地價進(jìn)行了研究，主要是利用GIS插值和空間自相關(guān)性對地價分布的空間格局及分異規(guī)律的探索做了大量工作。焦利民等研究了區(qū)域城鎮(zhèn)基準(zhǔn)地價水平的空間自相關(guān)格局[10]；蔣芳和馬敏蕾等在基于GIS的研究基礎(chǔ)上對北京市住房價格進(jìn)行了探討。[11-12]公云龍等研究了宿州市城市地價的自相關(guān)性[13]；魏曉峰等研究了基于ArcGIS的空間自相關(guān)分析模塊的開發(fā)與應(yīng)用[14]；梅志雄等研究了東莞的房地產(chǎn)價格的全局與局域空間自相關(guān)性[15]。

本文研究區(qū)位于呼倫貝爾市免渡河鎮(zhèn)，是呼倫貝爾市重要的交通樞紐和能源供應(yīng)基地。土地是其經(jīng)濟來源的重要支撐，所以研究土地價格的空間分布規(guī)律就顯得尤為重要。主要運用GIS的空間分析和地統(tǒng)計軟件對免渡河鎮(zhèn)商業(yè)與住房地價的空間分布與特征進(jìn)行研究，整合城鎮(zhèn)地價的全局與局域空間自相關(guān)性、半變異性分異規(guī)律和GIS的Kriging插值等方法，展開對免渡河鎮(zhèn)的地價進(jìn)行探索。主要研究：(1)全局空間自相關(guān)性Moran’sI指數(shù)和Getis’ G指數(shù)；(2)局域Moran’sI集聚圖的生成；(3)半變異函數(shù)對空間地價的影響范圍；(4)GIS的Kriging插值估算免渡河鎮(zhèn)的地價分布格局。

1研究方法

1.1全局統(tǒng)計量

全局統(tǒng)計量試圖從整體上反應(yīng)某一區(qū)域變量觀測值對地區(qū)的影響，檢驗?zāi)撤N地理現(xiàn)象與屬性的集聚程度與規(guī)模效應(yīng)。

1.1.1Moran’sI指數(shù)

在給定地價要素及相關(guān)屬性的情況下，該指數(shù)評估所表達(dá)的模式是聚類模式、離散模式還是隨機模式。通過計算Moran's I 指數(shù)值、z得分和p值來對該指數(shù)的顯著性進(jìn)行評估。P值是根據(jù)已知分布的曲線得出的面積近似值(受檢驗統(tǒng)計量限制)。

1.1.2Getis’G指數(shù)

Getis’G指數(shù)一般被用來判斷地價要素變量是處在高值聚集區(qū)還是低值聚集區(qū)，統(tǒng)計學(xué)上的顯著性熱點，地價要素應(yīng)具有高值，且被其他同樣具有高值的要素包圍。地價要素及其相鄰要素的局部總和將與所有要素的總和成比例地進(jìn)行比較；當(dāng)此局部總和與預(yù)期的局部總和有很大差異，以致于無法成為隨機產(chǎn)生的結(jié)果時，會產(chǎn)生一個統(tǒng)計學(xué)上的顯著性z?得分。Getis’G指數(shù)一般采用距離權(quán)重。

1.2局域統(tǒng)計量

全局統(tǒng)計量的Moran’sI指數(shù)和Getis’G指數(shù)，揭示了空間相似屬性的集聚程度，但卻不能反映不同水平與性質(zhì)的空間異質(zhì)性，Anselin提出的空間聯(lián)系局域指標(biāo)LISA(Local Indicators of Spatial Association)，可以度量每個單元與鄰近單元的之間的局域相關(guān)程度。局域自相關(guān)能更好的反映空間異質(zhì)性的范圍與位置。其計算公式如下：

1.3地統(tǒng)計學(xué)方法

1.3.1半變異函數(shù)

地統(tǒng)計學(xué)的理論基礎(chǔ)是區(qū)域化變量理論，主要研究分布于空間并顯示出一定結(jié)構(gòu)性和隨機性的自然現(xiàn)象。變異函數(shù)又稱變差函數(shù)、變異矩，是以區(qū)域化變量理論為基礎(chǔ)建設(shè)起來的，是地統(tǒng)計分析特有的基本工具。Z(x)是系統(tǒng)某屬性Z在空間位置x處的值，Z(x)為一區(qū)域化隨機變量，并滿足二階平穩(wěn)假設(shè)，h為兩樣本點空間分隔距離Z(xi)和Z(xi+h)分別是區(qū)域化變量Z(x)在空間位置xi和xi+h處的實測值[i=1,2,…,N(h)]，那么，變異函數(shù)r(h)的離散計算公式為：

變異函數(shù)揭示了在整個尺度上的空間變異格局，而且變異函數(shù)只有在最大間隔距離1/2之內(nèi)才有意義。

1.4Kriging插值

Kriging插值法是對空間分布的數(shù)據(jù)求線性最優(yōu)無偏內(nèi)插估計的一種方法，是利用已知點對未知點進(jìn)行的一種線性無偏最優(yōu)估計[16]。

2免渡河鎮(zhèn)地價研究

2.1研究區(qū)概況及數(shù)據(jù)來源

免渡河鎮(zhèn)，位于祖國的北陲，大興安嶺的西北麓，牙克石市的中部，距市區(qū)33公里，鎮(zhèn)位于北緯48°46′～49°27′，東經(jīng)120°42′～122°05′。全鎮(zhèn)面積4137.5平方公里，其中鎮(zhèn)區(qū)8萬平方公里。

此次研究數(shù)據(jù)來源于2012年免渡河鎮(zhèn)土地分等定級與基準(zhǔn)地價更新，選取商業(yè)樣點121個，住宅樣點196個。

2.2數(shù)據(jù)的預(yù)處理

為使本次研究數(shù)據(jù)更加可靠準(zhǔn)確，采用直方圖離群值法選取本次樣點，得到有效商業(yè)樣點102個，住宅樣點177個，運用ArcGIS建立空間地理數(shù)據(jù)庫。由于研究的需要，還需將選取的樣點經(jīng)過log函數(shù)變換后使它更符合樣點的正態(tài)分布。

全局和局域統(tǒng)計通常用面狀要素反映其變化量的值，而點狀要素很難體現(xiàn)樣點的分布，所以生成voronoi圖就顯的尤為的重要。它是一種連續(xù)的泰森多邊型，能讓樣點更加清晰直觀的反映。

2.3免渡河鎮(zhèn)地價空間分布格局分析

2.3.1空間權(quán)重的選擇

分析地價樣點的權(quán)重對于研究地價的空間分布具有十分重要的意義，權(quán)重選擇的好壞、合適與否直接關(guān)系到地價數(shù)據(jù)模擬的準(zhǔn)確性。確立權(quán)重時采用與距離相關(guān)的權(quán)重方式反距離法(inverse Disdance)，即與遠(yuǎn)處的要素相比，附近的鄰近要素對目標(biāo)要素的計算影響要大一些。在一定空間范圍內(nèi)，設(shè)置一定的距離d，當(dāng)要素i和j在距離d以內(nèi)時，wi,j為1，當(dāng)不在距離d以內(nèi)時，wi,j為0，本文以200米為步長，在城鎮(zhèn)[100m，2900m]空間范圍內(nèi)依次截取步長。

然而通過距離選取的步長只能從全局上反映樣點的空間分布，具體到某些區(qū)域地價樣點卻無法正確的反映地價樣點的空間分布鄰近的關(guān)系，所以在局域范圍內(nèi)運用6個鄰居k-nearest的距離權(quán)重對地價進(jìn)行研究能更好的反映地價的空間集聚性。

2.3.2免渡河鎮(zhèn)全局空間自相關(guān)分析

本研究中主要體現(xiàn)的是Moran’sI指數(shù)和Getis’G指數(shù)，運用ArcGIS計算其空間分布指數(shù)，局域自相關(guān)Moran’sI指數(shù)使用Geoda095i軟件創(chuàng)造6個鄰居k-nearest的距離權(quán)重，并生成空間滯后向量。半變異方差分析輔以GS+9.0環(huán)境科學(xué)地統(tǒng)計軟件進(jìn)行研究。其統(tǒng)計結(jié)果見表1。

表1:全局空間自相關(guān)統(tǒng)計結(jié)果

依據(jù)2012年免渡河基準(zhǔn)地價更新樣點資料可知，采用6個鄰居k-nearest的距離權(quán)重進(jìn)行計算，本文收集的樣點成不規(guī)則分布，且面積較大的單元鄰接的單元個數(shù)少，而面積較小的單元鄰接的單元個數(shù)較多。由表1可知，在避免“島”的情況下，每個商業(yè)和住宅地價樣點的門檻值分別為119m和147m。

住宅的Global Moran's I指數(shù)為0.939，經(jīng)過log變換的z值統(tǒng)計量為15.642，遠(yuǎn)超過正態(tài)分布置信區(qū)間99%的距離閾值2.17，在顯著性水平為1%情況下，充分說明了其總體水平具有正相關(guān)性。同樣，經(jīng)過計算可知，商業(yè)價格的Global Moran's I指數(shù)為0.474，z值統(tǒng)計量為10.369，大于正態(tài)分布置信區(qū)間99%的距離閾值2.17，在顯著性水平達(dá)到1%時全局相關(guān)性較強，充分說明了其總體水平具有正相關(guān)性。

由本文研究Moran’sI的統(tǒng)計量(P≤0.05)可知，商業(yè)樣點與住宅樣點在一定的范圍內(nèi)均呈正相關(guān)，在避免“島”的情況下，商業(yè)地價樣點的Moran's I指數(shù)最大為0.315，住宅地價樣點的Moran's I指數(shù)達(dá)到了0.514，住宅樣點的相關(guān)性指數(shù)大于商業(yè)樣點的相關(guān)性指數(shù)，與6個鄰居k-nearest的距離權(quán)重下的結(jié)果一致，說明在一定范圍內(nèi)，商業(yè)樣點分布具有不規(guī)則性，而住宅樣點雖然分布的相關(guān)性很高，但某些閾值范圍內(nèi)Moran's I指數(shù)變幅較大，存在不穩(wěn)定性。

如表1，受地理學(xué)第一定律的影響，地理事物或?qū)傩栽诳臻g分布上互為相關(guān)，存在集聚、隨機和規(guī)則分布，且距離越近，空間關(guān)聯(lián)性越強，相反，距離越遠(yuǎn)空間關(guān)聯(lián)性較弱。商業(yè)地價空間自相關(guān)性在1700m時接近0，空間相關(guān)性很微弱，表現(xiàn)為隨機分布，自1700m后Moran’sI指數(shù)表現(xiàn)為負(fù)數(shù)，說明自1700m后商業(yè)樣點空間相關(guān)性不顯著，且隨著距離的增大，商業(yè)地價不具有相關(guān)性。由此，可判斷商業(yè)空間自相關(guān)性的閾值范圍為1700m。同樣，可以明顯看到住宅地價的空間自相關(guān)性在1900m時接近于0，在1700m時仍具有很小的空間自相關(guān)性，但Getis’G指數(shù)此時仍表現(xiàn)為高值，與Moran’sI指數(shù)相異。而研究表明，Moran’sI指數(shù)在判斷空間集聚性時更為可靠。因此，判斷全局空間自相關(guān)程度時往往以Moran’sI指數(shù)為主要判斷依據(jù)。

2.3.3免渡河鎮(zhèn)局域空間自相關(guān)性

研究局域空間自相關(guān)性的意義在于，全局空間自相關(guān)性可以從整體鎮(zhèn)域的尺度上完成空間其集聚程度和空間自相關(guān)性的判斷，且絕大部分是在同質(zhì)為假設(shè)基礎(chǔ)上完成的，并不能反映某個具體位置的空間相關(guān)性。而局域空間自相關(guān)性可以研究不同性質(zhì)與水平的區(qū)域空間自相關(guān)性。并且局域空間自相關(guān)性對于空間異質(zhì)性的體現(xiàn)也很明顯，能夠給出準(zhǔn)確的位置與范圍。

圖1:局域Moran’sI指數(shù)圖

圖2:商業(yè)和住宅的LISA圖

Moran’sI指數(shù)圖中的橫軸表示樣點地價均價的標(biāo)準(zhǔn)化值，而縱軸則代表Geoda095i軟件生成的空間滯后值，對于空間權(quán)重的確立，采用6個鄰居k-nearest的距離權(quán)重，分別得到住宅和商業(yè)的空間權(quán)重后，近能得到空間滯后值。

圖1分別為局域商業(yè)Moran’sI指數(shù)和住宅Moran’sI指數(shù)圖，由住宅Moran’sI指數(shù)為0.9394可知，住宅地價的局域集聚性要明顯的強于商業(yè)的集聚性，在局域范圍上住宅的空間自相關(guān)性更為明顯。絕大部分樣點均分布在第一象限和第三象限，說明免渡河鎮(zhèn)在商業(yè)和住宅在局域空間尺度上相關(guān)性程度很高。在第一象限的高值集聚區(qū)(HH)，價格高的區(qū)域互為鄰接，這部分區(qū)域無論是商業(yè)還是住宅均在免渡河鎮(zhèn)區(qū)的最中心中央街，其中東中央街全長1520m，寬18m，西中央街全長1600m，寬為16m，鎮(zhèn)內(nèi)主要商業(yè)和住房沿街分布，基礎(chǔ)設(shè)施完備，火車站、汽車站都位于其附近，交通便捷，充分體現(xiàn)了小城鎮(zhèn)經(jīng)濟發(fā)展和人口分布的特點。第三象限為低值集聚區(qū)(LL)，這部分區(qū)域通常分布在城鎮(zhèn)與郊區(qū)相接壤的部分，位于城鎮(zhèn)的邊緣，屬于商業(yè)欠發(fā)達(dá)區(qū)域，住房價格相對城鎮(zhèn)中心要便宜很多。第二象限和第四象限分別為低高集聚區(qū)(LH)和高低集聚區(qū)(HL)，而高低集聚區(qū)(HL)在Moran’sI指數(shù)圖上分布很少，且在LISA局域集聚圖上不顯示，如圖2。說明其空間集聚性可以忽略不計。而在低高集聚區(qū)(LH)在LISA中只出現(xiàn)在城市中心向外延伸的邊緣。因此，我們可以得到免渡河鎮(zhèn)的局域空間相關(guān)性很高，且商業(yè)和住宅都很少出現(xiàn)空間異質(zhì)性。

2.3.4免渡河鎮(zhèn)半變異函數(shù)下的地價分布

全局空間自相關(guān)性可以判斷總體上的集聚程度，但卻不能在持續(xù)距離的空間尺度上判斷其空間自相關(guān)性。半變異函數(shù)恰恰可以揭示其在持續(xù)空間中的相關(guān)性關(guān)系。通過半變異函數(shù)模擬的數(shù)值如表2所示。

表2:基于球狀模型的半變異函數(shù)模型參數(shù)

表2中基于球狀模型模擬的商業(yè)和住宅地價的空間變化，反映了半變異函數(shù)與距離之間的變化關(guān)系。最合研究區(qū)的實際情況。塊金值C0 住宅地價的值要高于商業(yè)地價的值，說明住宅地價對距離的影響更加敏感。同樣，基臺值C值也是住宅高于商業(yè)，與之前分析的住宅Moran’sI指數(shù)遠(yuǎn)大于商業(yè)值。C1/C所占的比重都較大，反映了免渡河鎮(zhèn)住宅和商業(yè)的空間相關(guān)性都較為明顯，與全局相關(guān)性得到的結(jié)果相一致。商業(yè)地價的變程a為1595m，與Moran’sI指數(shù)得到的范圍基本一致，而住宅地價變程a達(dá)到了2134m，與全局的Moran’sI指數(shù)得到的范圍值相差較大，考慮到住宅區(qū)的分布圍繞著城市商業(yè)中心而擴散，所以半變異函數(shù)下的變程range有一段距離的延伸。而基于全局空間自相關(guān)的Moran’sI則更為可靠，所以將商業(yè)和住宅的閾值范圍設(shè)置為1700m較為可靠。住宅區(qū)沿街分布的特點受半變異函數(shù)影響較大。

表3:各向異性半變異函數(shù)參數(shù)

因為免渡河鎮(zhèn)建城方向的地理原因，本文選取了45°和135°兩個方向作為研究方向，如表3，其空間自相關(guān)程度高，但各個方向的空間相關(guān)性不盡相同。商業(yè)東北—西南的方向上，地價模型成線性增長，而在西北-東南方向上商業(yè)地價的增長趨勢符合高斯增長模型，且主要是沿街分布的特點。住宅地價在東北—西南方向上符合線性模型的增長趨勢，而在西北-東南方向上符合球狀模型的增長趨勢，其隨機性較大，這與免渡河實際狀況相吻合，與西北方向礦區(qū)的發(fā)展和火車站在東南方向有關(guān)，住房的選擇往往與經(jīng)濟、人口緊密相連。

3Kriging插值法模擬地價空間分布

GIS空間分析也稱空間數(shù)據(jù)分析，是基于地理對象空間布局的地理數(shù)據(jù)分析技術(shù)，空間分析也可以看作是一個空間知識發(fā)現(xiàn)和挖掘的過程。[17]插值分析是空間分析的重要部分，其主體思想是對已知樣點數(shù)據(jù)擬合一個空間結(jié)構(gòu)模型進(jìn)行結(jié)構(gòu)量化分析，從而對某一區(qū)域未知點進(jìn)行預(yù)測。[18]Kriging插值法核心是求出最優(yōu)、線性、內(nèi)插估計值，突破了經(jīng)典統(tǒng)計學(xué)的限制，綜合的考慮了變量的結(jié)構(gòu)性和隨機性[19]。

本文運用ArcGIS分析地價的空間變化，首先給空間分布數(shù)據(jù)地價樣點進(jìn)行投影轉(zhuǎn)換，投影坐標(biāo)系統(tǒng)選用與二調(diào)庫一致的(Xian_1980)坐標(biāo)系。得到研究區(qū)的空間插值圖，進(jìn)而預(yù)估商業(yè)和住宅的地價，并結(jié)合免渡河鎮(zhèn)的二調(diào)圖分析其地價分布規(guī)律。

如圖3所示運用Kriging插值法對地價的空間分布及格局進(jìn)行研究得到以下規(guī)律。

(1)由圖3看出，免渡河鎮(zhèn)商業(yè)一級地482元/m2以上的商業(yè)集聚區(qū)主要集中在城鎮(zhèn)中心偏向西北的方向。而住宅一級地223元/m2以上的住房區(qū)主要集中在中央大街與四道街的交匯處，以此為中心，住房價格向四周住房價格逐漸降低。

(2)商業(yè)地價在其中心四道街向北一側(cè)向外擴展成“鐘形”，商業(yè)地價在317-482元/m2的區(qū)域主要集中在四道街和五道街形成的包圍地帶。住宅地價由最高的區(qū)域向周邊擴散，并形成同心圓結(jié)構(gòu)。161-223元/m2之間的地價區(qū)域主要集中在三道街、四道街、五道街和六道街構(gòu)成的同心圓結(jié)構(gòu)之內(nèi)。

(3)免渡河的商業(yè)區(qū)西北方向較為發(fā)達(dá)，并呈“鐘形”結(jié)構(gòu)向東南方向遞減，而地價317元/ m2以下的區(qū)域則呈圈層結(jié)構(gòu)由城鎮(zhèn)中心向郊區(qū)擴展。對于住宅區(qū)的選擇人們往往更傾向于城鎮(zhèn)的中心，因為城鎮(zhèn)中心距離學(xué)校、醫(yī)院、超市這些人們經(jīng)?；顒拥膱鏊鼮楸憬?。

圖3:商業(yè)和住宅的Kriging插值

4結(jié)論與討論

本文在分析地價空間格局與分布的過程中，運用空間自相關(guān)與Kriging插值法兩種方法對免渡河鎮(zhèn)的地價結(jié)構(gòu)進(jìn)行了剖析，如空間自相關(guān)中的全局自相關(guān)反映了地價觀測值對整體地區(qū)地價的空間格局與集聚規(guī)模的變化，從整體上體現(xiàn)地價的空間自相關(guān)程度。局域自相關(guān)可以探知不同水平、不同區(qū)域的空間自相關(guān)性和空間異質(zhì)性。而基于地統(tǒng)計法的半變異函數(shù)，揭示了整個空間持續(xù)尺度上的變異格局。而在變異函數(shù)和相關(guān)分析的結(jié)果表明區(qū)域化變量存在空間相關(guān)性，則可以運用Kriging插值法對城鎮(zhèn)空間未抽樣點或未抽樣區(qū)域進(jìn)行估值。以更好的分析城鎮(zhèn)地價的空間分布格局。本文結(jié)合上述方法對免渡河鎮(zhèn)的空間分布格局進(jìn)行了研究，得到以下結(jié)論：

(1)對空間權(quán)重矩陣的選擇在本研究中顯的異常的重要，無論是6個鄰居k-nearest的距離權(quán)重還是反距離權(quán)重都對Moran’sI指數(shù)和Getis’G指數(shù)的探測具有重要影響。在實際探測的過程中，應(yīng)該根據(jù)地價數(shù)據(jù)分布特點和研究目的選擇合適的空間權(quán)重矩陣。在研究全局自相關(guān)的過程中，確定了Moran’sI指數(shù)所對應(yīng)的閾值范圍，從而為進(jìn)一步分析地價的空間自相關(guān)程度提供了科學(xué)依據(jù)，而Getis’G指數(shù)的確定反映了地價的空間集聚程度，是一種在數(shù)字環(huán)境下空間相關(guān)的衡量尺度。[20]半變異函數(shù)主要在如何探測連續(xù)空間上的空間相關(guān)性和空間異質(zhì)性上為本研究提供了有力的依據(jù)。地價研究需要利用已測樣點對未測樣點及區(qū)域產(chǎn)生預(yù)估值，Kriging插值法對地價研究是一個有力的補充。

(2)在探測地價自相關(guān)閾值范圍時，1700m是反映住宅和商業(yè)地價是否具有空間正相關(guān)的重要的指標(biāo)，小于此閾值范圍則地價表現(xiàn)為高集聚度，大于此閾值范圍地價表現(xiàn)為低值集聚度，地價的自相關(guān)程度及Moran’sI指數(shù)呈反變動趨勢。在西北-東南方向地價的空間自相關(guān)范圍要大于東北—西南方向，且隨機性較強，如商業(yè)地價在此方向的的自相關(guān)變化程度較大。在全局自相關(guān)成高度正相關(guān)且局域自相關(guān)程度呈高度集聚狀態(tài)時，住宅和商業(yè)分布的區(qū)域也不盡相同，住宅主要分布在城鎮(zhèn)地理位置的最中心，而商業(yè)則要偏向于城鎮(zhèn)中心的西北方向一側(cè)。在分析全局呈正相關(guān)的地方，局域也表現(xiàn)為高集聚性，但部分區(qū)域出現(xiàn)了空間異質(zhì)性。

本文研究的是小城鎮(zhèn)的地價的空間分布格局，所以在研究地價時應(yīng)該充分考慮空間相互作用的復(fù)雜性，選擇最合適的權(quán)重矩陣進(jìn)行空間自相關(guān)分析。且與大城市相比，小城鎮(zhèn)地價的空間異質(zhì)性不如大城市那么明顯，這與小城鎮(zhèn)的繁華地段高度集中相關(guān)，相對小城鎮(zhèn)，大城市那樣繁華地段相對分散，局部空間異質(zhì)性明顯。局部Moran’sI指數(shù)和局部 Getis’G指數(shù)探測空間聚集的能力有顯著的差異，但本文在研究時沒有對兩種指數(shù)的差異來源及其變化特征作深入的分析。尤其是對于地價空間的全局空間自相關(guān)與局域空間自相關(guān)變化機制的內(nèi)在原因沒有做進(jìn)一步的分析。

〔參考文獻(xiàn)〕

[1]Tobler， W. R.. A Computer Movie Simulating Urban Growth inthe Detroit Region[J]. Economic Geography， 1970， 46(2)： 234-240.

[2]李玲，谷樹忠，胡克林. 都市地價空間分析方法及其應(yīng)用[J]. 資源科學(xué)，2003， 25(4)： 85-92.

[3]汪應(yīng)宏，張紹良，郭達(dá)志等. 城市地價與房租的空間變異分析以蚌埠市為例[J]. 中國礦業(yè)大學(xué)學(xué)報， 2005， 34(5)： 673-678.

[4]王霞， 朱道林. 地統(tǒng)計學(xué)在都市房價空間分布規(guī)律研究中的應(yīng)用 以北京市為例[J].中國軟科學(xué)， 2004， (8)： 152-156.

[5]任輝， 吳群. 基于 ESDA的城市住宅地價時空分異研究 以南京市為例[J].經(jīng)濟地理， 2011， 31(5)： 760-765.

[6]李玲， 朱道林， 胡克林.北京市城區(qū)住宅地價的時空變化規(guī)律[J].經(jīng)濟地理， 2011， 31(4)： 655-659.

[7]張洪， 金潔. 城市地價空間的計量經(jīng)濟分析-以昆明市為例[J].資源科學(xué)， 2007， 29(7)： 25-32.

[8]張麗芳， 濮勵杰， 張靜， 等. 基于 Hedonic 模型的城市地價空間結(jié)構(gòu)分析 以湖南省婁底市為例[J]. 經(jīng)濟地理， 2009， 29(9)：1 475-1 480.

[9]呂萍， 甄輝.基于GWR模型的北京市住宅用地價格影響因素及其空間規(guī)律研究[J].經(jīng)濟地理， 2010， 30(3)： 472-478.

[10]焦利民，劉耀林，劉艷芳. 區(qū)域城鎮(zhèn)基準(zhǔn)地價水平的空間自相關(guān)格局分析[J].武漢大學(xué)學(xué)報，2009，34(7)：873-877.

[11]蔣芳，朱道林. 基于GIS的地價空間分布規(guī)律研究-以北京市住宅地價為例[J].經(jīng)濟地理，2005,25(2):199-202.

[12]馬敏蕾，呂斌，馮長春. 基于GIS基礎(chǔ)上的北京住房價格空間格局研究[J].資源產(chǎn)業(yè)經(jīng)濟，2008，(1)：26-28.

[13]公云龍，張紹良，章蘭蘭. 城市地價空間自相關(guān)分析 以宿州市為例[J]. 經(jīng)濟地理，2011,31(11):1906-1911.

[14]魏曉峰，吳建平，基于ArcGIS的空間自相關(guān)分析模塊的開發(fā)與應(yīng)用[J].測繪與空間地理信息，2005，28(6)：77-80.

[15]梅志雄，黃亮，房地產(chǎn)價格分布的空間自相關(guān)分析-以東莞市為例[J].2008，22(2)：49-54.

[16]徐建華. 現(xiàn)代地理學(xué)中的數(shù)學(xué)方法[M ]. 北京:高等教育出版社 ,2004: 115 - 121.

[17]陳思源,曲福田,倪紹祥,劉友兆, GIS空間分析支持下的城市地價分布研究-以江蘇省鎮(zhèn)江市為例[J].2005,28(3)119-122.

[18]Benecala K E, Seinfeld J H. On Frequency Distributions of Air Pollution Concentrations [J]. Atmospheric Environments,1976,10:841-850.

[19]BergerA, Melice JL, Demuth C L.Statistical Distribution of Daily and High Atmospheric SO2concentrations [J].Atmospheric Enivornments,1982,16:2863-2877.

[20]Arthur Getis ,J. K. Ord. The Analysis of Spatial Association by Use of Distance Statistics[J].Geographical Analysis,1992,24(3):189-206.

Study on the Spatial Distribution Pattern of Urban Land Price

——A Case Study of Mian DuHe

HU Jun-de1,LI Bai-sui1,ZHANG ting2,GU Jun-jie1

(1.College of Geographical Science,Inner Mongolia Normal University,Hohhot 010022

2.College of Life Science,Inner Mongolia University,Hohhot 010021)

Abstract:The data in this article derived from the urban of Mian DuHe land update and land gradation in 2012. Based on Spatial autocorrelation statistics and Geostatistical theory and methods to explore the distribution pattern of urban land price, Further reveals the spatial characteristics and distribution law of spatial agglomeration. Using global and local spatial statistics for autocorrelation in the index of Moran’ I and Getis’G with the half variation function of geostatistical fora comprehensive analysis of uban of Mian DuHe commercial and residential prices from General to local characteristics the spatial distribution and Anisotropic. Combined with the Kriging interpolation method and its analysis, And using spherical model curves obtained: the land prices in the range of 1700 meters were positively correlated and high aggregation, As the distance increases, its premium autocorrelation gradually weakened, the Spatial autocorrelation of the land in every direction are not the same size, and in some regions there is heterogeneity. In Northwest-Southeast direction premium range of Spatial autocorrelation than as a northeast-southwest direction, and randomness is strong, such as autocorrelation of commercial land in the direction of change is quite large.

Key words:Urban Land price;Spatial autocorrelation;Semi-Variance function;Kriging interpolation;Anisotropic

中圖分類號：F301.2

文獻(xiàn)標(biāo)識碼：A

文章編號：1004-1869(2015)01-0030-07

作者簡介：胡君德(1989-),碩士研究生，研究方向:城市地理與地理信息系統(tǒng)。

收稿日期：2014-09-24