城鎮(zhèn)地價(jià)的空間分布格局研究——以免渡河鎮(zhèn)為例

?

城鎮(zhèn)地價(jià)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(jì)學(xué)方法及其相關(guān)理論，以免渡河為例，研究城鎮(zhèn)地價(jià)的分布格局，并運(yùn)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(jià)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(jí)及基準(zhǔn)地價(jià)更新。采用Moran’sI、Getis’ G指數(shù)和地統(tǒng)計(jì)學(xué)中的半變異性方法對(duì)免渡河鎮(zhèn)的商業(yè)和住宅地價(jià)的全局自相關(guān)與局域自相關(guān)及各項(xiàng)異性進(jìn)行全面分析，并運(yùn)用Kriging插值法與空間自相關(guān)對(duì)比分析，且均采用球狀模型曲線得出：免渡河鎮(zhèn)的地價(jià)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(jià)的空間自相關(guān)在各個(gè)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(jià)的空間自相關(guān)范圍要大于東北—西南方向，且隨機(jī)性較強(qiáng)，如商業(yè)地價(jià)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(jià)；空間自相關(guān)；半變異函數(shù)；Kriging插值；各項(xiàng)異性

隨著改革開(kāi)放的不斷推進(jìn)，房地產(chǎn)市場(chǎng)經(jīng)濟(jì)在市場(chǎng)經(jīng)濟(jì)中扮演著日趨重要的角色，并長(zhǎng)期受到社會(huì)各界的廣泛關(guān)注。土地價(jià)格是反映土地市場(chǎng)供需的“晴雨表”。地價(jià)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(jī)和規(guī)則分布，且距離越近，空間關(guān)聯(lián)性越強(qiáng)[1]?？臻g地價(jià)的研究主要通過(guò)時(shí)間演變規(guī)律[2-3]、GIS空間插值及地統(tǒng)計(jì)軟件研究地價(jià)的空間分布及格局[4-7]和計(jì)量經(jīng)濟(jì)研究城市地價(jià)空間[8-9]。地價(jià)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(jì)軟件中，空間分析技術(shù)在地價(jià)研究中得到廣泛應(yīng)用。

近些年有一些學(xué)者對(duì)地價(jià)進(jìn)行了研究，主要是利用GIS插值和空間自相關(guān)性對(duì)地價(jià)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(jià)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(duì)北京市住房?jī)r(jià)格進(jìn)行了探討。[11-12]公云龍等研究了宿州市城市地價(jià)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(kāi)發(fā)與應(yīng)用[14]；梅志雄等研究了東莞的房地產(chǎn)價(jià)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(jì)來(lái)源的重要支撐，所以研究土地價(jià)格的空間分布規(guī)律就顯得尤為重要。主要運(yùn)用GIS的空間分析和地統(tǒng)計(jì)軟件對(duì)免渡河鎮(zhèn)商業(yè)與住房地價(jià)的空間分布與特征進(jìn)行研究，整合城鎮(zhèn)地價(jià)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(kāi)對(duì)免渡河鎮(zhèn)的地價(jià)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(duì)空間地價(jià)的影響范圍；(4)GIS的Kriging插值估算免渡河鎮(zhèn)的地價(jià)分布格局。

1研究方法

1.1全局統(tǒng)計(jì)量

全局統(tǒng)計(jì)量試圖從整體上反應(yīng)某一區(qū)域變量觀測(cè)值對(duì)地區(qū)的影響，檢驗(yàn)?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(jià)要素及相關(guān)屬性的情況下，該指數(shù)評(píng)估所表達(dá)的模式是聚類(lèi)模式、離散模式還是隨機(jī)模式。通過(guò)計(jì)算Moran's I 指數(shù)值、z得分和p值來(lái)對(duì)該指數(shù)的顯著性進(jìn)行評(píng)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(yàn)統(tǒng)計(jì)量限制)。

1.1.2Getis’G指數(shù)

Getis’G指數(shù)一般被用來(lái)判斷地價(jià)要素變量是處在高值聚集區(qū)還是低值聚集區(qū)，統(tǒng)計(jì)學(xué)上的顯著性熱點(diǎn)，地價(jià)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(jià)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(wú)法成為隨機(jī)產(chǎn)生的結(jié)果時(shí)，會(huì)產(chǎn)生一個(gè)統(tǒng)計(jì)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(jì)量

全局統(tǒng)計(jì)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(gè)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(jì)算公式如下：

1.3地統(tǒng)計(jì)學(xué)方法

1.3.1半變異函數(shù)

地統(tǒng)計(jì)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(jī)性的自然現(xiàn)象。變異函數(shù)又稱(chēng)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(lái)的，是地統(tǒng)計(jì)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(jī)變量，并滿足二階平穩(wěn)假設(shè)，h為兩樣本點(diǎn)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(shí)測(cè)值[i=1,2,…,N(h)]，那么，變異函數(shù)r(h)的離散計(jì)算公式為：

變異函數(shù)揭示了在整個(gè)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(duì)空間分布的數(shù)據(jù)求線性最優(yōu)無(wú)偏內(nèi)插估計(jì)的一種方法，是利用已知點(diǎn)對(duì)未知點(diǎn)進(jìn)行的一種線性無(wú)偏最優(yōu)估計(jì)[16]。

2免渡河鎮(zhèn)地價(jià)研究

2.1研究區(qū)概況及數(shù)據(jù)來(lái)源

免渡河鎮(zhèn)，位于祖國(guó)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(wàn)平方公里。

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

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(diǎn)，得到有效商業(yè)樣點(diǎn)102個(gè)，住宅樣點(diǎn)177個(gè)，運(yùn)用ArcGIS建立空間地理數(shù)據(jù)庫(kù)。由于研究的需要，還需將選取的樣點(diǎn)經(jīng)過(guò)log函數(shù)變換后使它更符合樣點(diǎn)的正態(tài)分布。

全局和局域統(tǒng)計(jì)通常用面狀要素反映其變化量的值，而點(diǎn)狀要素很難體現(xiàn)樣點(diǎn)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(diǎn)更加清晰直觀的反映。

2.3免渡河鎮(zhèn)地價(jià)空間分布格局分析

2.3.1空間權(quán)重的選擇

分析地價(jià)樣點(diǎn)的權(quán)重對(duì)于研究地價(jià)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(jià)數(shù)據(jù)模擬的準(zhǔn)確性。確立權(quán)重時(shí)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(duì)目標(biāo)要素的計(jì)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?xún)?nèi)時(shí)，wi,j為1，當(dāng)不在距離d以?xún)?nèi)時(shí)，wi,j為0，本文以200米為步長(zhǎng)，在城鎮(zhèn)[100m，2900m]空間范圍內(nèi)依次截取步長(zhǎng)。

然而通過(guò)距離選取的步長(zhǎng)只能從全局上反映樣點(diǎn)的空間分布，具體到某些區(qū)域地價(jià)樣點(diǎn)卻無(wú)法正確的反映地價(jià)樣點(diǎn)的空間分布鄰近的關(guān)系，所以在局域范圍內(nèi)運(yùn)用6個(gè)鄰居k-nearest的距離權(quán)重對(duì)地價(jià)進(jìn)行研究能更好的反映地價(jià)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(yùn)用ArcGIS計(jì)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(gè)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(jì)軟件進(jìn)行研究。其統(tǒng)計(jì)結(jié)果見(jiàn)表1。

表1:全局空間自相關(guān)統(tǒng)計(jì)結(jié)果

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

住宅的Global Moran's I指數(shù)為0.939，經(jīng)過(guò)log變換的z值統(tǒng)計(jì)量為15.642，遠(yuǎn)超過(guò)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(shuō)明了其總體水平具有正相關(guān)性。同樣，經(jīng)過(guò)計(jì)算可知，商業(yè)價(jià)格的Global Moran's I指數(shù)為0.474，z值統(tǒng)計(jì)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(shí)全局相關(guān)性較強(qiáng)，充分說(shuō)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(jì)量(P≤0.05)可知，商業(yè)樣點(diǎn)與住宅樣點(diǎn)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(jià)樣點(diǎn)的Moran's I指數(shù)最大為0.315，住宅地價(jià)樣點(diǎn)的Moran's I指數(shù)達(dá)到了0.514，住宅樣點(diǎn)的相關(guān)性指數(shù)大于商業(yè)樣點(diǎn)的相關(guān)性指數(shù)，與6個(gè)鄰居k-nearest的距離權(quán)重下的結(jié)果一致，說(shuō)明在一定范圍內(nèi)，商業(yè)樣點(diǎn)分布具有不規(guī)則性，而住宅樣點(diǎn)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(jī)和規(guī)則分布，且距離越近，空間關(guān)聯(lián)性越強(qiáng)，相反，距離越遠(yuǎn)空間關(guān)聯(lián)性較弱。商業(yè)地價(jià)空間自相關(guān)性在1700m時(shí)接近0，空間相關(guān)性很微弱，表現(xiàn)為隨機(jī)分布，自1700m后Moran’sI指數(shù)表現(xiàn)為負(fù)數(shù)，說(shuō)明自1700m后商業(yè)樣點(diǎn)空間相關(guān)性不顯著，且隨著距離的增大，商業(yè)地價(jià)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(jià)的空間自相關(guān)性在1900m時(shí)接近于0，在1700m時(shí)仍具有很小的空間自相關(guān)性，但Getis’G指數(shù)此時(shí)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(shí)更為可靠。因此，判斷全局空間自相關(guān)程度時(shí)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(gè)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(duì)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(diǎn)地價(jià)均價(jià)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(duì)于空間權(quán)重的確立，采用6個(gè)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(jià)的局域集聚性要明顯的強(qiáng)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(diǎn)均分布在第一象限和第三象限，說(shuō)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(jià)格高的區(qū)域互為鄰接，這部分區(qū)域無(wú)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(zhǎng)1520m，寬18m，西中央街全長(zhǎng)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(chē)站、汽車(chē)站都位于其附近，交通便捷，充分體現(xiàn)了小城鎮(zhèn)經(jīng)濟(jì)發(fā)展和人口分布的特點(diǎn)。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?jī)r(jià)格相對(duì)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(shuō)明其空間集聚性可以忽略不計(jì)。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(jià)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(guò)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(jià)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(shí)際情況。塊金值C0 住宅地價(jià)的值要高于商業(yè)地價(jià)的值，說(shuō)明住宅地價(jià)對(duì)距離的影響更加敏感。同樣，基臺(tái)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(jià)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(jià)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(kuò)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(diǎn)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?yàn)槊舛珊渔?zhèn)建城方向的地理原因，本文選取了45°和135°兩個(gè)方向作為研究方向，如表3，其空間自相關(guān)程度高，但各個(gè)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(jià)模型成線性增長(zhǎng)，而在西北-東南方向上商業(yè)地價(jià)的增長(zhǎng)趨勢(shì)符合高斯增長(zhǎng)模型，且主要是沿街分布的特點(diǎn)。住宅地價(jià)在東北—西南方向上符合線性模型的增長(zhǎng)趨勢(shì)，而在西北-東南方向上符合球狀模型的增長(zhǎng)趨勢(shì)，其隨機(jī)性較大，這與免渡河實(shí)際狀況相吻合，與西北方向礦區(qū)的發(fā)展和火車(chē)站在東南方向有關(guān)，住房的選擇往往與經(jīng)濟(jì)、人口緊密相連。

3Kriging插值法模擬地價(jià)空間分布

GIS空間分析也稱(chēng)空間數(shù)據(jù)分析，是基于地理對(duì)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(gè)空間知識(shí)發(fā)現(xiàn)和挖掘的過(guò)程。[17]插值分析是空間分析的重要部分，其主體思想是對(duì)已知樣點(diǎn)數(shù)據(jù)擬合一個(gè)空間結(jié)構(gòu)模型進(jìn)行結(jié)構(gòu)量化分析，從而對(duì)某一區(qū)域未知點(diǎn)進(jìn)行預(yù)測(cè)。[18]Kriging插值法核心是求出最優(yōu)、線性、內(nèi)插估計(jì)值，突破了經(jīng)典統(tǒng)計(jì)學(xué)的限制，綜合的考慮了變量的結(jié)構(gòu)性和隨機(jī)性[19]。

本文運(yùn)用ArcGIS分析地價(jià)的空間變化，首先給空間分布數(shù)據(jù)地價(jià)樣點(diǎn)進(jìn)行投影轉(zhuǎn)換，投影坐標(biāo)系統(tǒng)選用與二調(diào)庫(kù)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(jià)，并結(jié)合免渡河鎮(zhèn)的二調(diào)圖分析其地價(jià)分布規(guī)律。

如圖3所示運(yùn)用Kriging插值法對(duì)地價(jià)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(jí)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(jí)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?jī)r(jià)格向四周住房?jī)r(jià)格逐漸降低。

(2)商業(yè)地價(jià)在其中心四道街向北一側(cè)向外擴(kuò)展成“鐘形”，商業(yè)地價(jià)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(jià)由最高的區(qū)域向周邊擴(kuò)散，并形成同心圓結(jié)構(gòu)。161-223元/m2之間的地價(jià)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(jià)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(kuò)展。對(duì)于住宅區(qū)的選擇人們往往更傾向于城鎮(zhèn)的中心，因?yàn)槌擎?zhèn)中心距離學(xué)校、醫(yī)院、超市這些人們經(jīng)?；顒?dòng)的場(chǎng)所更為便捷。

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(jià)空間格局與分布的過(guò)程中，運(yùn)用空間自相關(guān)與Kriging插值法兩種方法對(duì)免渡河鎮(zhèn)的地價(jià)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(jià)觀測(cè)值對(duì)整體地區(qū)地價(jià)的空間格局與集聚規(guī)模的變化，從整體上體現(xiàn)地價(jià)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(jì)法的半變異函數(shù)，揭示了整個(gè)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(yùn)用Kriging插值法對(duì)城鎮(zhèn)空間未抽樣點(diǎn)或未抽樣區(qū)域進(jìn)行估值。以更好的分析城鎮(zhèn)地價(jià)的空間分布格局。本文結(jié)合上述方法對(duì)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(duì)空間權(quán)重矩陣的選擇在本研究中顯的異常的重要，無(wú)論是6個(gè)鄰居k-nearest的距離權(quán)重還是反距離權(quán)重都對(duì)Moran’sI指數(shù)和Getis’G指數(shù)的探測(cè)具有重要影響。在實(shí)際探測(cè)的過(guò)程中，應(yīng)該根據(jù)地價(jià)數(shù)據(jù)分布特點(diǎn)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(guò)程中，確定了Moran’sI指數(shù)所對(duì)應(yīng)的閾值范圍，從而為進(jìn)一步分析地價(jià)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(jià)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(cè)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(jià)研究需要利用已測(cè)樣點(diǎn)對(duì)未測(cè)樣點(diǎn)及區(qū)域產(chǎn)生預(yù)估值，Kriging插值法對(duì)地價(jià)研究是一個(gè)有力的補(bǔ)充。

(2)在探測(cè)地價(jià)自相關(guān)閾值范圍時(shí)，1700m是反映住宅和商業(yè)地價(jià)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(jià)表現(xiàn)為高集聚度，大于此閾值范圍地價(jià)表現(xiàn)為低值集聚度，地價(jià)的自相關(guān)程度及Moran’sI指數(shù)呈反變動(dòng)趨勢(shì)。在西北-東南方向地價(jià)的空間自相關(guān)范圍要大于東北—西南方向，且隨機(jī)性較強(qiáng)，如商業(yè)地價(jià)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(shí)，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(jià)的空間分布格局，所以在研究地價(jià)時(shí)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(jià)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(duì)小城鎮(zhèn)，大城市那樣繁華地段相對(duì)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(cè)空間聚集的能力有顯著的差異，但本文在研究時(shí)沒(méi)有對(duì)兩種指數(shù)的差異來(lái)源及其變化特征作深入的分析。尤其是對(duì)于地價(jià)空間的全局空間自相關(guān)與局域空間自相關(guān)變化機(jī)制的內(nèi)在原因沒(méi)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(shù)忠，胡克林. 都市地價(jià)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(jià)與房租的空間變異分析以蚌埠市為例[J]. 中國(guó)礦業(yè)大學(xué)學(xué)報(bào)， 2005， 34(5)： 673-678.

[4]王霞， 朱道林. 地統(tǒng)計(jì)學(xué)在都市房?jī)r(jià)空間分布規(guī)律研究中的應(yīng)用 以北京市為例[J].中國(guó)軟科學(xué)， 2004， (8)： 152-156.

[5]任輝， 吳群. 基于 ESDA的城市住宅地價(jià)時(shí)空分異研究 以南京市為例[J].經(jīng)濟(jì)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(jià)的時(shí)空變化規(guī)律[J].經(jīng)濟(jì)地理， 2011， 31(4)： 655-659.

[7]張洪， 金潔. 城市地價(jià)空間的計(jì)量經(jīng)濟(jì)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(lì)杰， 張靜， 等. 基于 Hedonic 模型的城市地價(jià)空間結(jié)構(gòu)分析 以湖南省婁底市為例[J]. 經(jīng)濟(jì)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(jià)格影響因素及其空間規(guī)律研究[J].經(jīng)濟(jì)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(jià)水平的空間自相關(guān)格局分析[J].武漢大學(xué)學(xué)報(bào)，2009，34(7)：873-877.

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

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

[13]公云龍，張紹良，章蘭蘭. 城市地價(jià)空間自相關(guān)分析 以宿州市為例[J]. 經(jīng)濟(jì)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(kāi)發(fā)與應(yīng)用[J].測(cè)繪與空間地理信息，2005，28(6)：77-80.

[15]梅志雄，黃亮，房地產(chǎn)價(jià)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(jià)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(lèi)號(hào)：F301.2

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-1869(2015)01-0030-07

作者簡(jiǎn)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