于禎艨 呂忠全 王惜凡 呂蕊汐 呂欣曄

（1 南京林業(yè)大學(xué)理學(xué)院 江蘇南京 210037；2 南京林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 江蘇南京 210037；3 南京市第九中學(xué) 江蘇南京 210018）

2017 年以來，我國新型城鎮(zhèn)化進(jìn)程進(jìn)入第三階段的成長關(guān)鍵期，綠色協(xié)調(diào)發(fā)展成為各城市的著力點。相較于傳統(tǒng)城鎮(zhèn)化，新型城鎮(zhèn)化的“新”主要體現(xiàn)在注重環(huán)境友好。人均公園綠地面積是衡量新型城鎮(zhèn)化綠化水平的重要指標(biāo)［1］，作為維系市民、公園綠地與城市的載體，公園綠地在新型城鎮(zhèn)化推進(jìn)過程發(fā)揮重要作用，因此，研究我國城市人均公園綠地面積的時空分布，能清晰觀察現(xiàn)有公園綠地建設(shè)發(fā)展問題，可為新型城鎮(zhèn)化綠化水平建設(shè)提供理論依據(jù)。

蔡彥庭等［2］通過GIS 技術(shù)和景觀格局指數(shù)，分析了廣東省中心城區(qū)公園綠地空間格局以及可達(dá)性；邢琳琳等［3］通過對我國城市建設(shè)綠地率與人均公園綠地面積的截面數(shù)據(jù)進(jìn)行離差系數(shù)研究，發(fā)現(xiàn)我國人均公園綠地面積失調(diào)較為嚴(yán)重，且處于增強(qiáng)態(tài)勢，但該失調(diào)狀況隨行政級別上升該情況有所減輕；陸硯池等［4］構(gòu)建了以居民出行成本最小化、可達(dá)性差異最小化為目標(biāo)的公園綠地布局優(yōu)化模型，確定公園綠地合適規(guī)模；周筱雅等［5］采用ESDA-GIS 空間分析法，研究了我國市域單元人均公園綠地面積的空間集聚特征。本研究采用空間自相關(guān)模型，以江蘇省2018 年截面數(shù)據(jù)為例，分析人均公園綠地面積的時空分布，以期為評價公園綠地建設(shè)的均衡發(fā)展?fàn)顩r提供理論依據(jù)。

1 數(shù)據(jù)選取與模型構(gòu)建

1.1 數(shù)據(jù)選取

研究區(qū)域為江蘇省地級市主城區(qū)、各縣級市以及部分附屬區(qū)、縣，共計72 個空間樣本。設(shè)定人均公園綠地面積為因變量，數(shù)據(jù)來源于《中國城市建設(shè)統(tǒng)計年鑒 （2018） 》《統(tǒng)計年鑒（2018）》《統(tǒng)計公報（2018）》，剔除兩個數(shù)據(jù)不完整的區(qū)縣。

采用空間橫截面數(shù)據(jù)分析法，即先假設(shè)時間不變（選取72 個空間樣本2018 年數(shù)據(jù)），在靜態(tài)分析環(huán)境下描述人均公園綠地面積在空間上的特征，探究同一時間維度下因變量在空間中是否存在異質(zhì)性或相似性。

1.2 空間自相關(guān)模型構(gòu)建

1.2.1 全局Moran’s I檢驗

為了探究因變量是否受空間影響，首先應(yīng)進(jìn)行全局Moran'sI檢驗。Moran'sI指數(shù)可以描述區(qū)域整體人均公園綠地面積的空間關(guān)聯(lián)性和差異程度［6］，計算公式如式（1）。

式（1）中，xi表示對于不同空間單位i的人均公園綠地面積，n表示空間樣本總數(shù)，Wij表示空間權(quán)重矩陣，I取值范圍是（-1，1），I越接近1，表示變量的空間相似性越強(qiáng)，I越接近-1，表示變量之間的異質(zhì)性越強(qiáng)，當(dāng)I值接近于0 時，表示變量在空間上幾乎不存在相關(guān)性［7］。

1.2.2 LISA局部空間自相關(guān)檢驗

LISA 檢驗主要用于分析局部地區(qū)空間自相關(guān)顯著性，通過該項檢驗，一般會出現(xiàn)4 種情況。H-H 類型是指高人均公園綠地面積區(qū)域被同樣高的人均公園綠地面積區(qū)域所包圍；L-L 類型是低人均公園綠地面積區(qū)域被同樣低人均公園綠地面積區(qū)域所包圍；L-H 類型是指低人均公園綠地面積區(qū)域被高人均公園綠地面積區(qū)域所包圍；H-L類型是指高人均公園綠地面積區(qū)域被低人均公園綠地面積所包圍。

2 結(jié)果與分析

2.1 空間相關(guān)性

2.1.1 空間權(quán)重矩陣的選取

構(gòu)建空間計量模型，首先要建立一個表達(dá)空間交互結(jié)構(gòu)的權(quán)重矩陣。選取空間鄰接權(quán)重矩陣和空間距離權(quán)重矩陣分別對因變量進(jìn)行全局Moran’s I檢驗［8］，利用GeoDa軟件計算。

由于Queen鄰接規(guī)則定義的空間樣本與周圍空間單元具有更加緊密關(guān)聯(lián)效應(yīng)，故采用Queen一階鄰接規(guī)則，即將擁有共有邊界以及共同頂點的空間樣本作為鄰接單元進(jìn)行計算。

在計算過程中有兩個區(qū)域無鄰居，因此，全局自相關(guān)檢測時軟件自動刪除異常區(qū)域。得到圖1所示的Moran 散點圖（左上角為空心區(qū)L-H 類型；右上角為高效區(qū)H-H類型；左下角為低效區(qū)L-L類型；右下角為極化區(qū)H-L 類型）。檢測值數(shù)為0.036，從數(shù)值和散點圖分布可以看出，人均公園綠地面積在使用空間鄰接矩陣分析時不顯著。

圖1 空間Queen一階鄰接矩陣Moran指數(shù)

選用GeoDa 中K-近鄰（KNN）距離矩陣，將人均公園綠地面積變量標(biāo)準(zhǔn)化后使用歐幾里得距離進(jìn)行全局自相關(guān)檢驗，選擇鄰居個數(shù)為4。結(jié)果如圖2 所示。檢測數(shù)值為0.956，且點集在高值聚集處和低值聚集處集聚趨勢明顯，說明使用空間K-近鄰權(quán)重矩陣時，人均公園綠地面積空間正顯著相關(guān)。

圖2 空間K-近鄰距離權(quán)重矩陣Moran指數(shù)

對結(jié)果進(jìn)行999 次隨機(jī)置換，結(jié)果如表1 所示。全局自相關(guān)指數(shù)通過95%置信度檢驗，且莫蘭指數(shù)顯著化檢驗指標(biāo)Z 統(tǒng)計量大于臨界值1.65，因此，采用K-近鄰空間距離權(quán)重矩陣進(jìn)一步分析人均公園綠地面積的空間結(jié)構(gòu)。

表1 顯著性檢驗結(jié)果

利用K-近鄰方法建立空間權(quán)重矩陣，區(qū)域中某一個人均公園綠地面積樣本會根據(jù)定義的距離種類（采用歐氏距離）在特征空間中尋找4個近鄰且相似的樣本進(jìn)行分類，直至遍歷所有空間樣本。分別得到LISA 顯著性地圖和LISA 聚類地圖如圖3～4所示。

圖3 LISA局部顯著性地圖

圖4 LISA局部聚類地圖

2.1.2 空間自相關(guān)聚類結(jié)果分析

通過局部自相關(guān)分析計算空間樣本分類結(jié)果，如表2所示。

表2 LISA局部自相關(guān)聚類（KNN）結(jié)果

由表2 可知，H-H、L-L 類型包含的區(qū)域人均公園綠地面積總和的均值結(jié)果差異較大。根據(jù)《城市綠地分類標(biāo)準(zhǔn)》，生態(tài)地級市人均公園綠地面積至少要達(dá)到11 m2/人。6 個高效應(yīng)聚集地區(qū)域和49 個空間相關(guān)性不顯著地區(qū)的人均公園綠地面積平均水平均達(dá)到了要求，但低效應(yīng)聚集區(qū)域沒有達(dá)到生態(tài)地級市要求。通過聚類結(jié)果可以發(fā)現(xiàn)，新沂市、灌南縣、姜堰區(qū)、揚中市、丹陽市、高郵市、如東縣、響水縣人均公園綠地面積偏低。其中新沂市（隸屬徐州市）、灌南縣（連云港市）、響水縣（鹽城市）屬于蘇北地區(qū)，姜堰區(qū)（泰州市）、如東縣（南通市）、高郵市（揚州市）屬于蘇中地區(qū)，揚中市（鎮(zhèn)江市）屬于蘇南地區(qū)，這些區(qū)域所在的地級市人均公園綠地面積數(shù)值普遍較高。同一地級市區(qū)域內(nèi)，不同地區(qū)之間的交互效應(yīng)不強(qiáng)，主要表現(xiàn)為高人均公園綠地面積所在區(qū)域的周邊城市為低人均公園面積水平。這需要當(dāng)?shù)赜嘘P(guān)部門及時做好溝通。此外，部分地區(qū)灌南縣、揚中市的縣域面積相對較小、人口密度相對較大，也導(dǎo)致人均公園綠地面積值過小的情況等。

研究空間樣本中，有68%區(qū)域呈現(xiàn)不顯著。因此，將各地級市內(nèi)呈現(xiàn)不顯著結(jié)果的區(qū)域人均公園綠地面積求和。圖5可知，13個地級市的人均公園綠地面積波動不大，說明空間異質(zhì)性不顯著。為了進(jìn)一步探究是否受新型城鎮(zhèn)化影響，研究該區(qū)域2009 年人均公園綠地面積，如圖6 所示。對比圖5～6 可以發(fā)現(xiàn)，新型城鎮(zhèn)化前后，人均公園綠地面積變化較大，多個地級市人均公園綠地面積明顯增加，部分呈輕微下降趨勢，說明江蘇不同地域間連通性和交互性強(qiáng)。

圖5 2018年區(qū)域人均公園綠地面積

圖6 2009年區(qū)域人均公園綠地面積

3 結(jié)論

以江蘇省為例，對72 個空間樣本人均公園綠地面積進(jìn)行空間自相關(guān)分析，比較鄰接空間權(quán)重矩陣和距離空間權(quán)重矩陣的莫蘭指數(shù)，選取合適的空間權(quán)重矩陣進(jìn)行LISA 局部聚類分析。通過聚類結(jié)果可知，部分地區(qū)具有明顯空間相關(guān)性，且極化式分布明顯，其余不顯著地域的人均公園綠地面積也均達(dá)到標(biāo)準(zhǔn)要求。通過顯著性地圖分析，H-H 型主要集聚在蘇南地區(qū)，全省平均水平良好，但個別區(qū)域人均公園綠地面積明顯低于江蘇省平均水平和國家生態(tài)市建設(shè)標(biāo)準(zhǔn)，需要相關(guān)部門進(jìn)一步整改。