基于多源數(shù)據(jù)的城市休閑旅游空間特征及時空演變分析
——以南昌市為例

程朋根, 韓佳宇, 吳 靜, 郭苗苗

(1.東華理工大學(xué) 測繪工程學(xué)院, 南昌 330013; 2.桂林理工大學(xué) 廣西空間信息與測繪重點(diǎn)實(shí)驗(yàn)室, 廣西 桂林 541006)

0 引 言

隨著城市化的快速持續(xù)發(fā)展, 城市社會文明和居民生活質(zhì)量也隨之提高, 休閑已成為重要的生活方式和消費(fèi)方式, 休閑旅游已逐漸成為消費(fèi)熱點(diǎn)[1], 并且休閑旅游產(chǎn)業(yè)的發(fā)展規(guī)模以及發(fā)展趨勢一直持續(xù)增長, 是休閑旅游空間快速擴(kuò)張的最主要原因之一[2]。因此, 城市急需對休閑旅游空間的分布和集聚特征進(jìn)行分析并探討如何協(xié)調(diào)與城市建設(shè)發(fā)展的關(guān)系, 這對宜居城市的建設(shè)、 旅游業(yè)的發(fā)展和城市的可持續(xù)發(fā)展起到了至關(guān)重要的作用。黃震方等[1]界定了休閑與休閑旅游資源的概念， 并對江蘇省常州市的休閑旅游資源進(jìn)行了分類與評價。馬聰玲[3]通過對世界主要城市公園的分析, 從而將城市休閑空間劃分為城市公園、沿街綠地、步行街區(qū)、濱水區(qū)四大類。陳永昶等[4]探討分析了休閑旅游概念的國內(nèi)外研究現(xiàn)狀, 并參照我國旅游發(fā)展的實(shí)際情況和特點(diǎn), 進(jìn)一步的闡述了休閑旅游的內(nèi)涵。

近年來, 通過大數(shù)據(jù)技術(shù)對城市地理空間規(guī)劃已成為熱門發(fā)展趨勢。 大數(shù)據(jù)挖掘作為全新的數(shù)據(jù)源和研究思路可以進(jìn)一步對城市休閑旅游空間進(jìn)行分析。城市服務(wù)設(shè)施是最重要的服務(wù)提供者之一, 通常使用與特定人類社會活動相關(guān)的POI模型在ArcGIS中表示為一組點(diǎn)。興趣點(diǎn)分布強(qiáng)度和分布格局的研究對城市規(guī)劃、 商業(yè)區(qū)位選擇和社會建議等空間分析具有重要意義。陳蔚珊等[5]基于面向公眾服務(wù)的商業(yè)機(jī)構(gòu)興趣點(diǎn)數(shù)據(jù), 提出一種商業(yè)中心與零售業(yè)態(tài)集聚區(qū)識別的方法, 對城市商業(yè)服務(wù)中心和不同零售業(yè)態(tài)集聚區(qū)的空間分布特征進(jìn)行了探討?？涤旰赖萚6]基于POI數(shù)據(jù)和道路網(wǎng)數(shù)據(jù), 利用點(diǎn)密度分析方法對武漢市核心城區(qū)的功能區(qū)進(jìn)行了識別。楊文杰等[7]基于廣州市的科教文化POI數(shù)據(jù), 利用最鄰近距離法等多種空間分析方法分析了廣州市科教文化服務(wù)的分布特征。在利用POI數(shù)據(jù)和夜間燈光數(shù)據(jù)耦合分析方面, 劉翔宇[8]基于DMSP/OLS影像、 統(tǒng)計(jì)數(shù)據(jù)和POI數(shù)據(jù)使用了景觀格局指數(shù)、 重心模型、 引力模型和耦合性分析來分析安徽省的城市空間分布結(jié)構(gòu)； 陳斌等[9]選取了POI數(shù)據(jù)及NPP/VIIRS遙感數(shù)據(jù)進(jìn)行了核密度分析, 然后對POI核密度分析結(jié)果及夜光遙感數(shù)據(jù)進(jìn)行空間網(wǎng)格化處理, 并通過雙因素制圖法和柵格疊加分析方法得到了這兩種數(shù)據(jù)的空間耦合關(guān)系, 進(jìn)一步分析了武漢市主城區(qū)的城市空間結(jié)構(gòu)特征。

本文選取南昌市中心城區(qū)為研究區(qū), 選擇POI數(shù)據(jù)及夜間遙感影像數(shù)據(jù)為研究數(shù)據(jù), 基于ENVI軟件和ArcGIS 10.2平臺, 運(yùn)用核密度估計(jì)法、 多距離空間聚類分析法、 最近鄰指數(shù)法和標(biāo)準(zhǔn)差橢圓算法從空間分布熱點(diǎn)、 空間尺度、 集聚程度和分布格局以及這兩類空間數(shù)據(jù)的耦合性分析等方面對南昌市休閑旅游空間集聚的特征進(jìn)行了綜合論述， 并通過繪制27年來南昌市城鎮(zhèn)空間重心移動軌跡進(jìn)行時空演變分析。本文技術(shù)路線如圖1所示。

圖1 技術(shù)路線圖

1 研究區(qū)域和數(shù)據(jù)來源

1.1 研究區(qū)域概況

南昌市是江西省省會、 環(huán)鄱陽湖城市群核心城市， 地處江西中部偏北， 贛江、 撫河下游， 鄱陽湖西南岸， 位于東經(jīng)115°27′—116°35′、北緯28°10′—29°11′。截至2018年末, 南昌市轄6區(qū)3縣, 土地總面積7 194.61 km2, 常住人口554.55萬人。全市擁有園林綠地面積17 705.46 hm2, 綠化覆蓋面積18 895.24 hm2, 公園綠地面積4 357.66 hm2, 人均公園綠地面積達(dá)到11.8 m2。

1.2 實(shí)驗(yàn)數(shù)據(jù)

POI(point of interest, 興趣點(diǎn))主要包含了真實(shí)地理實(shí)體的空間和屬性信息, 如名稱、 地址和坐標(biāo)等。興趣點(diǎn)主要用來描述和查詢事物和事件的詳細(xì)地址, 提高地理定位的準(zhǔn)確性和速度。與傳統(tǒng)數(shù)據(jù)相比, POI數(shù)據(jù)具有較好的時效性和客觀性、 空間分辨率很高、 可以直觀有效地反映城市建設(shè)密度和產(chǎn)業(yè)集聚程度。

本文研究區(qū)域涵蓋南昌市的東湖區(qū)、 西湖區(qū)、 青山湖區(qū)、 青云譜區(qū)、 新建區(qū)、 紅谷灘區(qū)、 南昌縣、 安義縣、 進(jìn)賢縣等9個區(qū)縣。所使用的數(shù)據(jù)為網(wǎng)絡(luò)電子地圖南昌市2019年12月份POI數(shù)據(jù), 通過篩選去除重復(fù)值后共有104 795條數(shù)據(jù)。每條POI數(shù)據(jù)都包含名稱、 經(jīng)度、 緯度、 地址、 電話、 分類等屬性字段。由于南昌市于2019年12月行政區(qū)劃調(diào)整, 將灣里區(qū)并入新建區(qū), 設(shè)立了紅谷灘區(qū), 因此數(shù)據(jù)更具有現(xiàn)實(shí)參照意義。根據(jù)南昌市休閑旅游空間實(shí)際分布情況, 將研究對象劃分為商業(yè)服務(wù)、 餐飲服務(wù)、 風(fēng)景名勝、 體育休閑服務(wù)、 文化娛樂服務(wù)等5大主類。通過百度地圖對POI數(shù)據(jù)(表1)進(jìn)行爬取, 然后轉(zhuǎn)換坐標(biāo)系統(tǒng)并導(dǎo)入ArcGIS 10.2進(jìn)行投影轉(zhuǎn)換， 利用屬性篩選器篩選出上述5大類POI數(shù)據(jù), 分區(qū)統(tǒng)計(jì)后得到表2。

表1 南昌市POI數(shù)據(jù)信息

表2 南昌市休閑旅游空間各區(qū)POI數(shù)據(jù)分類統(tǒng)計(jì)

夜間燈光數(shù)據(jù)目前在城市群空間擴(kuò)張監(jiān)測、 區(qū)域經(jīng)濟(jì)增長、 人口估算、 環(huán)境監(jiān)測等方面的應(yīng)用越來越廣泛[10-12], 是人類活動的表征。雖然很難將休閑旅游空間數(shù)據(jù)從夜間燈光數(shù)據(jù)中分離出來, 但是由于南昌市是幾乎不存在旅游淡季和早晚差異情況的旅游城市, 其休閑旅游活動與人類活動密不可分, 所以在一定程度上夜間燈光數(shù)據(jù)可反映南昌市的休閑旅游空間分布特征。本文選取南昌市 1992—2013年22 期 DMSP/OLS 以及 2012—2018年7期 NPP/VIIRS 夜間燈光數(shù)據(jù), 由于DMSP和VIIRS之間存在嚴(yán)重的不一致性, 故先去除月光、 漁火以及背景噪聲, 并量化2013年DMSP數(shù)據(jù)和VIIRS數(shù)據(jù)之間的關(guān)系使得二者處理后具有相同的空間分辨率和相似的輻射特性, 最終通過飽和校正及連續(xù)性校正生成一致的夜間燈光數(shù)據(jù)[13]。

1.3 數(shù)據(jù)預(yù)處理

正六邊形是邊數(shù)最多的平面鑲嵌圖形, 無間隙且不重疊地覆蓋平面, 相比于矩形漁網(wǎng)能更好地展示數(shù)據(jù)間的對比分析結(jié)果, 因此綜合考慮后對南昌市行政區(qū)劃創(chuàng)建正六邊形格網(wǎng), 利用ArcGIS Online的Create Hexagon Tessellation工具直接生成7 533個單位面積為1 km2的網(wǎng)格, 即生成南昌市蜂窩格網(wǎng)數(shù)據(jù)(圖2)。用六邊形網(wǎng)格數(shù)據(jù)對2018年南昌市夜間遙感影像進(jìn)行區(qū)域分析, 獲取各網(wǎng)格夜間燈光亮度平均值(圖3)。

圖2 南昌市蜂窩格網(wǎng)

圖3 2018年南昌市夜間燈光亮度值蜂窩

2 研究方法

2.1 核密度估計(jì)法(KDE)

核密度估計(jì)(KDE)是一個高效的空間分析工具, 在空間密度評價過程中扮演著重要的角色, 它是根據(jù)點(diǎn)或折線特征計(jì)算每個單位的面積, 以使每個點(diǎn)或折線適合光滑的圓錐形表面。在興趣點(diǎn)空間特征表達(dá)的方法上, 核密度估計(jì)法(KDE)相比于樣方密度法和基于Voronoi圖密度法等密度表達(dá)方法更具有優(yōu)勢。核密度估算的表達(dá)式為[14-15]

(1)

式中:K[]為核函數(shù), 本文采用的是高斯核函數(shù);h為帶寬, 也稱作搜索半徑;n為在帶寬范圍內(nèi)的已知點(diǎn)數(shù)目;d為數(shù)據(jù)的維度。

2.2 基于Ripley’s K函數(shù)的多距離空間聚類分析

采用基于 Ripley’sK函數(shù)的多距離空間聚類分析方法用來分析點(diǎn)數(shù)據(jù)的空間模式。通過Ripley’sK函數(shù)在不同距離的情況下分析點(diǎn)數(shù)據(jù)的集聚程度。該分析通常需要選擇合適的距離范圍或距離閾值。本文使用的是Ripley’s原始K函數(shù)的一種常見變換, 通常稱為L(d)公式[16-18]

(2)

其中:d為距離;n為要素的總數(shù)目;A代表要素的總面積;ki, j是權(quán)重。如果沒有邊矯正, 當(dāng)i與j的距離小于d時, 則權(quán)重將等于1; 反之, 權(quán)重將等于0。使用給定的邊矯正方法時,ki, j的權(quán)重略有變化。

2.3 最近鄰指數(shù)法

最近鄰指數(shù)(NNI)的表示方式是研究區(qū)域內(nèi)元素的實(shí)際最近鄰平均距離DN與隨機(jī)分布模型的理論平均距離DR之比。當(dāng)NNI=1, 即DN=DR時, 所分析的元素是均勻分布的;當(dāng)NNI<1, 即DN1, 即DN>DR時, 表明元素點(diǎn)是趨于排斥分布的。

(3)

(4)

NNI=DN/DR。

(5)

其中:n為元素個數(shù);di為元素i與其最近鄰點(diǎn)的距離。

2.4 標(biāo)準(zhǔn)差橢圓算法(SDE)

標(biāo)準(zhǔn)差橢圓算法可以很詳細(xì)地描述點(diǎn)的分布方向以及分布趨勢。通過ArcGIS軟件分析可得到5個參數(shù)： CenterX和CenterY代表了橢圓的中心點(diǎn), XStdDist和YStdDist分別為橢圓x軸和y軸的長度, Rotation表示的是橢圓的方向角度。橢圓的長半軸表示點(diǎn)的分布方向, 而短半軸表示的是點(diǎn)的分布范圍。橢圓的扁率是長短半軸的差值與長半軸的比值, 扁率越大, 點(diǎn)的分布方向越顯著; 扁率越小, 點(diǎn)的分布方向則越模糊。方向角θ的計(jì)算公式為

(6)

(7)

(8)

3 結(jié)果分析

3.1 基于KDE的區(qū)域空間集聚熱點(diǎn)識別

在核密度估計(jì)法中, 輸出像元大小(即輸出柵格圖像像素點(diǎn)的大小)在一定范圍內(nèi)像素點(diǎn)隨著像元值的變小而增多, 像素點(diǎn)越多, 則分辨率越高(圖4)。搜索半徑是一個很重要的參數(shù), 是指定半徑范圍內(nèi)所有的采樣點(diǎn)都參與柵格單元的密度運(yùn)算, 采取不同的數(shù)值會對結(jié)果影響很大。本文經(jīng)過多次實(shí)驗(yàn), 最后將搜索半徑設(shè)為3 km, 像元大小設(shè)為20, 采用自然間斷點(diǎn)法進(jìn)行分類, 并利用ArcGIS可視化, 得到的結(jié)果較為滿意。

圖4 南昌市休閑旅游空間核密度分析

通過對南昌市休閑旅游空間POI數(shù)據(jù)進(jìn)行核密度分析可以看出, 南昌市商業(yè)和餐飲服務(wù)空間呈“大聚集、 小分散”的特點(diǎn), 主要分布于西湖街道、 丁公路街道、 繩金塔街道、 南站街道以及京山街道； 另外,在贛江對岸的紅谷灘區(qū)分布密度也較高, 以世貿(mào)路和會展路為中心； 風(fēng)景名勝空間密度最高的點(diǎn)位于滕王閣街道、 百花洲街道和西湖街道一帶。整體來看, 休閑旅游空間呈“一心多點(diǎn)”式布局, “一心”主要為服務(wù)設(shè)施高度聚集的中心城市, “多點(diǎn)”主要為縣級服務(wù)中心。密度值最高的分布范圍具體為政府大院街道、 公園街道、 百花洲街道、 西湖街道、 滕王閣街道、 廣潤門街道、 彭家橋街道以及墩子塘街道。中心城市市區(qū)中心內(nèi)服務(wù)設(shè)施集中程度最高, 市區(qū)服務(wù)設(shè)施布局為單中心模式, 密度由中心城區(qū)向外圈層式遞減。

3.2 基于Ripley’s K函數(shù)的區(qū)域空間集聚的空間尺度效應(yīng)

Ripley’sK函數(shù)包含 5個參數(shù): ObservedK(觀測K值)、 ExpectedK(預(yù)期K值)、 DiffK(差值)、 LwConfEnv(低值置信區(qū)間)、 HiConfEnv(高值置信區(qū)間)。其中, ObservedK表示實(shí)際計(jì)算值; ExpectedK表示通過隨機(jī)假設(shè)計(jì)算出來的預(yù)期值; DiffK表示觀測K值與預(yù)期K值的差值, 當(dāng)DiffK為正值時, 表示空間聚集, 為負(fù)值時, 表示空間離散, 數(shù)值越大, 程度越大; LwConfEnv和HiConfEnv表示設(shè)定置信度后預(yù)期K值的聚集置信區(qū)間。本文將距離遞增次數(shù)設(shè)置為10次。

總體上, 觀測K值均大于預(yù)期K值, 且均大于高值置信區(qū)間, 表明總體上休閑旅游空間分布呈現(xiàn)

表3 南昌市休閑旅游空間多距離空間聚類分析

顯著的聚集趨勢。其中， 觀測K值為38 190.064時, 差值最大, 為23 078.357, 聚集趨勢最為顯著。

3.3 基于NNI的區(qū)域空間集聚特征

運(yùn)用最近鄰指數(shù)方法分析了南昌市休閑旅游空間的集聚狀況及集聚趨勢。通過表4可以看出, 南昌市休閑旅游空間總體的NNI小于1, 且通過了99%置信水平的顯著性檢驗(yàn), 呈空間集聚的趨勢。不同類型空間的NNI也都小于1, 其中餐飲服務(wù)類和商業(yè)服務(wù)類較低, 說明這兩類更傾向于集聚發(fā)展, 且集聚規(guī)模較大。因?yàn)椴惋嫼蜕虡I(yè)服務(wù)類都具有很強(qiáng)的集聚經(jīng)濟(jì)效應(yīng), 會受到經(jīng)濟(jì)水平、 人口密度、 交通便利等因素的影響。體育休閑和文化娛樂服務(wù)類的NNI分別為0.326和0.454, 也同樣呈現(xiàn)出集聚的總體趨勢。風(fēng)景名勝服務(wù)類的NNI最大, 為0.472, 由于受自然生態(tài)條件和城市開放空間的影響, 所以相較而言集聚程度較低。

表4 南昌市城市休閑旅游空間集聚性分析

3.4 基于SDE方法的區(qū)域空間分布模式

采用標(biāo)準(zhǔn)偏差橢圓算法分析了南昌市休閑旅游空間的中心趨勢、 離散趨勢和方向趨勢[19-20]。分析結(jié)果表明(圖5), 南昌市休閑旅游空間橢圓中心位于東湖區(qū)政府大院街道附近， 橢圓土地面積894.9 km2, 占南昌市土地面積的12.44%， 橢圓中心的分布明顯向西， SDE的長半軸為12.15 km, 短半軸為5.85 km, 方位角為131.17°, 具有明顯的方向性。南昌市休閑旅游空間總體分布格局以“中密邊疏”為特征, 呈“西北—東南”的分布趨勢。具體而言, 城市商業(yè)空間的中心性、 擴(kuò)散范圍和空間發(fā)展方向均符合休閑旅游空間的總體特征, 并朝著西北—東南方向發(fā)展。

圖5 南昌市休閑旅游空間標(biāo)準(zhǔn)差橢圓算法分析

城市體育休閑空間和文化娛樂空間的分布中心明顯向北。SDE在餐飲服務(wù)空間的長短軸扁率最大, 傳播范圍最大。城市風(fēng)景名勝空間的SDE具有長短軸扁率最小、 擴(kuò)展范圍最小、 方向性較弱的特點(diǎn)。

4 夜間燈光數(shù)據(jù)與POI耦合分析

為更準(zhǔn)確直觀地分析南昌市夜間燈光數(shù)據(jù)與休閑旅游空間POI數(shù)據(jù)的耦合關(guān)系, 首先采用離差標(biāo)準(zhǔn)化公式對這兩類數(shù)據(jù)進(jìn)行歸一化處理:

(9)

再利用標(biāo)準(zhǔn)差法將這兩類數(shù)據(jù)分為高、 中、 低3個等級, 將夜間燈光亮度值和POI分級進(jìn)行空間連接, 兩兩結(jié)合得到“高—高”、 “高—中”、 “高—低”、 “中—高”(未出現(xiàn)該組合)、 “中—中”、 “中—低”、 “低—高”(未出現(xiàn)該組合)、 “低—中”、 “低—低”9 種組合方式, 結(jié)果如圖6。

圖6 南昌市夜間遙感與POI空間耦合關(guān)系圖

從總體空間分布情況看, 這兩類空間數(shù)據(jù)耦合關(guān)系的分布具有較高的一致性?！案摺摺钡鸟詈详P(guān)系基本分布在青山湖區(qū)、 東湖區(qū)、 西湖區(qū)、 青云譜區(qū)以及部分紅谷灘新區(qū), 如南昌市的四大商圈(紅谷灘萬達(dá)、 銅鑼灣購物中心、 王府井購物中心、 恒茂夢時代廣場)以及滕王閣、 八一廣場、 秋水廣場等著名旅游景區(qū)都聚集于此, 而這兩類數(shù)據(jù)的低值分布區(qū)主要集中分布在南昌市的外部邊緣地區(qū), 與南昌市的發(fā)展現(xiàn)狀相吻合。安義縣呈“高—低”的耦合關(guān)系是由于區(qū)位交通便捷, 京九鐵路、 昌九高速公路擦境而過, 范圍較廣而功能單一, 因此出現(xiàn)夜間燈光亮度較強(qiáng)而POI密度較低的狀況。

5 時空演化特征分析

本文選取了1992、 1998、 2004、 2010、 2016及2018年的6期夜間遙感影像進(jìn)行分析處理。由圖7可知, 隨著時間的推移, 南昌市各城區(qū)夜間燈光面積與強(qiáng)度逐年增加, 說明人類活動強(qiáng)度逐漸增大, 城市休閑旅游設(shè)施也同樣變得更為密集。1992年夜間燈光主要分布在東湖區(qū)， 南昌縣和進(jìn)賢縣幾乎沒有任何燈光分布；2004年, 隨著紅谷灘中心區(qū)的建立, 夜間燈光分布有明顯的增強(qiáng)；2010年, 在之前的基礎(chǔ)上夜間燈光圍繞中心向四周發(fā)散；到2018年, 南昌市每個區(qū)域的燈光分布都較為明顯。隨著時間的推移, 夜間燈光的分布與總量總是在不斷地增加[21]。

圖7 南昌市1992、1998、2004、2010、2016和2018年夜間遙感影像

為了更直觀地分析南昌市城鎮(zhèn)空間和休閑旅游空間的重心變動方向和趨勢, 利用GIS繪制27年來南昌市城鎮(zhèn)空間重心遷移軌跡。由圖8發(fā)現(xiàn), 1992—1998年南昌市重心位置波動較小, 2004年向西北方偏移， 2018年與之前相比, 重心的變化主要體現(xiàn)為緯度方向向西偏移, 經(jīng)度方向向下移動。這說明南昌市的城鎮(zhèn)空間與休閑旅游空間的整體發(fā)展表現(xiàn)為先向西北偏移, 再向西南偏移, 空間增長以西南部城市為主。

圖8 南昌市城鎮(zhèn)空間重心遷移軌跡

6 結(jié) 論

基于POI數(shù)據(jù)和夜間燈光數(shù)據(jù)對南昌市的休閑旅游空間進(jìn)行耦合分析研究, 主要結(jié)論如下:

(1)南昌市中心城區(qū)的休閑旅游空間分布呈明顯的“一心多點(diǎn)”式布局, 休閑旅游空間總體及各服務(wù)類的集聚中心都位于中心城區(qū)內(nèi), 在青山湖區(qū)呈現(xiàn)出高度聚集的趨勢, 說明青山湖區(qū)是南昌市休閑旅游最為集中的區(qū)域, 而邊緣縣城的集聚效應(yīng)較弱。另外， 南昌市休閑旅游空間總體分布格局呈現(xiàn)出明顯的“中密邊疏”的特征以及“西北—東南”的走勢。

(2)通過對POI數(shù)據(jù)和夜間燈光數(shù)據(jù)耦合分析, 可以發(fā)現(xiàn)南昌市夜間燈光整體是呈從中心城區(qū)向四周逐漸降低的趨勢, 兩者數(shù)據(jù)之間呈現(xiàn)較高的耦合性, 而呈現(xiàn)出耦合差異的區(qū)域也可以反映出車站、 機(jī)場、 工業(yè)開發(fā)區(qū)等范圍較大卻性質(zhì)相同的建筑。南昌市中心城區(qū)的周邊呈現(xiàn)出大范圍的“低—低”耦合, 是由于郊區(qū)鄉(xiāng)鎮(zhèn)的經(jīng)濟(jì)建設(shè)較為落后, 因此夜間燈光值和休閑旅游各類服務(wù)設(shè)施都較低, 符合現(xiàn)實(shí)情況。

(3)最后利用1992—2018年的夜間遙感影像繪制了27年來南昌市城鎮(zhèn)空間及休閑旅游空間的重心偏移軌跡發(fā)現(xiàn)， 隨著人類的活動強(qiáng)度與城市建設(shè)的增加, 南昌市夜間燈光面積也逐年增加, 重心偏移方向是由西南轉(zhuǎn)移到西北。

研究結(jié)果表明, 基于大數(shù)據(jù)的多方法綜合分析能夠較好地描述區(qū)域的空間分布屬性及時空演變特征。以南昌市為例, 客觀、 全面地揭示了南昌市休閑旅游空間的集聚特征, 為南昌市的國土空間規(guī)劃提供了不可或缺的參考信息； 但同時也存在一定的局限性, 本文對區(qū)域空間集聚特征的分析更多的是對結(jié)果的研究, 還缺少對其驅(qū)動因素或影響因素的分析。