基于POI大數(shù)據(jù)與土地利用數(shù)據(jù)協(xié)同的小尺度區(qū)域GDP空間化方法

楊 妮鄧樹林

1廣西財經(jīng)學(xué)院管理科學(xué)與工程學(xué)院，廣西 南寧，530003

2中國地質(zhì)大學(xué)（武漢）地理與信息工程學(xué)院，湖北武漢，430074

3南寧師范大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣西 南寧，530001

國內(nèi)生產(chǎn)總值（GDP）是衡量一個國家或地區(qū)經(jīng)濟(jì)發(fā)展水平的重要指標(biāo)［1］。為了定量評估社會經(jīng)濟(jì)與資源環(huán)境之間的相互作用，有必要將社會經(jīng)濟(jì)數(shù)據(jù)與資源環(huán)境數(shù)據(jù)結(jié)合起來，將諸如與GDP相關(guān)的社會經(jīng)濟(jì)數(shù)據(jù)集進(jìn)行空間化，以促進(jìn)其與跨行政邊界的其他環(huán)境和物理數(shù)據(jù)集的集成［2］。近年來，基于土地利用數(shù)據(jù)、夜間燈光數(shù)據(jù)來實(shí)現(xiàn)經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)的空間化。然而，夜間燈光數(shù)據(jù)的應(yīng)用存在夜間燈光數(shù)據(jù)飽和、溢出效應(yīng)及在貧困的較小尺度區(qū)域精度受限等問題［3］。

近幾年發(fā)展的城市熱點(diǎn)（point of interest，POI）數(shù)據(jù)為其提供了新的思路［4］。POI分類與土地利用分類相一致，且POI數(shù)據(jù)具有以下優(yōu)點(diǎn)：①POI數(shù)據(jù)研究尺度問題的靈活性更大，因?yàn)辄c(diǎn)數(shù)據(jù)可以轉(zhuǎn)換為任意尺度；②人們的偏好和社會功能可以通過與POIs的交互作用而不是土地使用類型來體現(xiàn)；③POI數(shù)據(jù)的統(tǒng)計粒度更細(xì)。因此，這些數(shù)據(jù)提供了相對有用的信息，并一定程度上反映了城市內(nèi)部經(jīng)濟(jì)的狀況，特別是第二、三產(chǎn)值的差異。基于POI熱點(diǎn)數(shù)據(jù)的研究已經(jīng)取得系列成果，如在城市基礎(chǔ)設(shè)施［5］、人口經(jīng)濟(jì)分布［6］、零售業(yè)集聚分析［7］、城市功能劃分［8-10］、等。有學(xué)者嘗試?yán)肞OI與經(jīng)濟(jì)發(fā)展之間的關(guān)系進(jìn)行了初步探究，如文獻(xiàn)［11］利用夜光遙感及小區(qū)POI數(shù)據(jù)，發(fā)現(xiàn)了住宅POI與經(jīng)濟(jì)增長的空間耦合關(guān)系；但仍缺乏系統(tǒng)分析城市各類POI熱點(diǎn)數(shù)據(jù)與GDP增長直接的空間關(guān)系。

本文提出了一種基于城市熱點(diǎn)POI大數(shù)據(jù)與土地利用數(shù)據(jù)協(xié)同的小尺度區(qū)域GDP空間化方法，建立POI大數(shù)據(jù)與經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)之間的關(guān)系模型，第一產(chǎn)值基于土地利用數(shù)據(jù)采用面積權(quán)重法建模，第二、三產(chǎn)值基于POI熱點(diǎn)數(shù)據(jù)空間關(guān)系權(quán)重建模，以期準(zhǔn)確獲取欠發(fā)達(dá)小尺度區(qū)域空間完整、時間連續(xù)的經(jīng)濟(jì)空間化數(shù)據(jù)。

1 數(shù)據(jù)源

土地利用/土地覆蓋數(shù)據(jù)，采用2017-2018年成像的Landsat TM遙感圖像，通過人機(jī)交互判讀，得到1∶10萬南寧市土地利用遙感檢測數(shù)據(jù)。2018-2019年GDP統(tǒng)計數(shù)據(jù)來自《廣西統(tǒng)計年鑒》。利用Geosharp1.0采集2018年城市多類型POI數(shù)據(jù)，包括餐飲、購物、科研教育、醫(yī)療衛(wèi)生、休閑娛樂、金融、酒店、居民小區(qū)、其他等9種類型。

2 研究方法

2.1 各格網(wǎng)的多類POI熱點(diǎn)參數(shù)統(tǒng)計

將所選的POI點(diǎn)疊加到研究區(qū)1 km×1 km格網(wǎng)上，根據(jù)POI類型與第二、三產(chǎn)值的相關(guān)性確定該類型所占的權(quán)重，進(jìn)而確定該格網(wǎng)的GDP擬合參數(shù)值。

式中，Gxy表示第x個像元中第y種POI的熱點(diǎn)參數(shù)；P xy代表該像元中第y種POI所占的比重（該像元中所有POI類型比例之和等于1）；Ix表示第x個像元的熱點(diǎn)參數(shù)。

2.2 分區(qū)分產(chǎn)業(yè)建立回歸模型

1）第一產(chǎn)值空間擬合模型［12］：

式中，G1xy代表某個格網(wǎng)的第一產(chǎn)業(yè)經(jīng)濟(jì)密度系數(shù)；GLky分別表示第一產(chǎn)業(yè)中各產(chǎn)值；Gxy是土地利用類型x的平均產(chǎn)值；L1y～L4y分別是該縣土地利用類型所占的面積。

2）第二、三產(chǎn)值空間擬合模型：

式中，G23xy表示某個格網(wǎng)的經(jīng)濟(jì)密度系數(shù)；NAxy、NBxy、NCXY、NIxy分別表示某個格網(wǎng)9種類型POI的數(shù)量；G23y表示y縣的第二、三產(chǎn)值之和的經(jīng)濟(jì)系數(shù)。

2.3 GDP模擬的誤差檢驗(yàn)

GDP模擬誤差檢驗(yàn)的計算公式如下［12］：

式中，MPE是平均相對誤差；RE是相對誤差；n代表縣的個數(shù)；POPm是縣GDP模擬值；POPa是縣GDP統(tǒng)計值。

2.4 GDP統(tǒng)計數(shù)據(jù)空間化

對擬合的經(jīng)濟(jì)系數(shù)用縣級GDP統(tǒng)計數(shù)據(jù)進(jìn)行線性調(diào)整，實(shí)現(xiàn)研究區(qū)GDP統(tǒng)計數(shù)據(jù)1 km×1 km格網(wǎng)化。

式中，GDPall是糾正后的GDP密度；GDPx是預(yù)測每個格網(wǎng)的GDP密度；GDPb是該縣統(tǒng)計GDP；GDPc是該縣預(yù)測GDP。

3 應(yīng)用實(shí)例及結(jié)果分析

本文是以南寧區(qū)縣及行政邊界為基礎(chǔ)，區(qū)（縣）為研究單元。GDP統(tǒng)計數(shù)據(jù)的空間化模擬首先要確定GDP各產(chǎn)值與土地利用用地類型之間的關(guān)系。第一產(chǎn)值中的農(nóng)、林、牧、漁業(yè)產(chǎn)值與土地利用類型中的耕地、林地、草地、水域相對應(yīng)；而第二、三產(chǎn)業(yè)對應(yīng)城鄉(xiāng)工礦居民地。因此，第一產(chǎn)值基于土地利用數(shù)據(jù)采用面積權(quán)重法擬合；第二、三產(chǎn)值根據(jù)與各類POI的相關(guān)性，采用回歸分析法，構(gòu)建第二、三產(chǎn)值的回歸模型；最后將模擬的第一產(chǎn)值格網(wǎng)數(shù)據(jù)與第二、三產(chǎn)值格網(wǎng)數(shù)據(jù)疊加，得到模擬的總產(chǎn)值。模擬結(jié)果的精度可通過與統(tǒng)計的GDP對比，最終得到南寧市GDP空間分布圖。

3.1 相關(guān)分析結(jié)果

POI數(shù)據(jù)的相關(guān)關(guān)系，顯現(xiàn)了較強(qiáng)的線性相關(guān)。即GDP統(tǒng)計數(shù)據(jù)中第二、三產(chǎn)值分別與餐飲、購物、居民小區(qū)、科研教育、醫(yī)療衛(wèi)生、休閑娛樂、金融、其他、酒店等9種類型的相關(guān)系數(shù)R2分別為：0.920 3、0.954 2、0.840 0、0.945 3、0.927 4、0.892 6、0.832 1、0.957 9、0.903 9（見圖1）。

圖1 第二、三產(chǎn)值與城市熱點(diǎn)POI數(shù)據(jù)的相關(guān)性Fig.1 Correlation Between Second and Third Industry GDP and Urban Hotspot POI Data

3.2 各產(chǎn)值模擬結(jié)果

將模擬的第一產(chǎn)值與第二、三產(chǎn)值疊加，得到總產(chǎn)值的擬合結(jié)果（見圖2）。密度圖可以宏觀的反映南寧市的整體經(jīng)濟(jì)水平：南寧市中心城區(qū)高密度積聚區(qū)，由市中心、瑯東片區(qū)向四周延申。交通通達(dá)性對城市經(jīng)濟(jì)的發(fā)展有很大影響，特別是對第二、三產(chǎn)業(yè)的發(fā)展。其次是武鳴、賓陽和橫縣，這幾個縣相對地理位置，交通條件，自然環(huán)境都比較占優(yōu)勢，總產(chǎn)值相對較高。

圖2 模擬的總產(chǎn)值密度圖Fig.2 Simulated GDP Gross Output Density Map

3.3 精度檢驗(yàn)

對GDP各產(chǎn)值的模擬值與統(tǒng)計值進(jìn)行相關(guān)性分析，從圖3可以看出，模擬第一產(chǎn)值與統(tǒng)計值的決定系數(shù)R2=0.873 6，擬合效果一般，這可能是第一產(chǎn)值不僅與土地利用各地類的用地面積有關(guān)，還與其質(zhì)量等級有一定關(guān)聯(lián)，包括土壤質(zhì)地、坡度坡向、土壤水分等。第二、三產(chǎn)值模擬效果較好，R2=0.938 9，說明城市熱點(diǎn)POI數(shù)據(jù)與第二、三產(chǎn)業(yè)的發(fā)展有較大的關(guān)聯(lián)，起到重要作用。整個研究區(qū)總GDP產(chǎn)值的擬合精度良好，R2=0.921 4，能真實(shí)反映出研究區(qū)的GDP空間差異及宏觀分布特征。

圖3 各產(chǎn)值空間化模擬精度Fig.3 Spatial Simulation Accuracy of Each Output Value

4 結(jié)束語

根據(jù)土地利用數(shù)據(jù)和城市熱點(diǎn)POI大數(shù)據(jù)，利用動態(tài)區(qū)域化方法建立了第一、第二、三產(chǎn)值GDP的回歸模型。利用回歸方程得到了2018—2019年南寧市小尺度區(qū)域1 km2網(wǎng)格GDP估計值。主要結(jié)論如下：

1）建立3個產(chǎn)值而不僅僅是GDP的整體回歸模型可以反映不同經(jīng)濟(jì)成分的空間分布特征。

2）我國區(qū)域GDP分布的空間異質(zhì)性較為突出，本研究采用動態(tài)區(qū)域化方法，包括對從研究區(qū)域動態(tài)劃分的各個子區(qū)域獲取的POI和土地利用數(shù)據(jù)建立回歸模型。它可以簡單地解決空間異構(gòu)問題，可進(jìn)一步提高擬合精度。

3）同一類別的POI，如酒店，有不同的檔次規(guī)模之分，其對GDP的貢獻(xiàn)有較大的區(qū)別，由于POI數(shù)據(jù)獲取的原因，未能及時加入到空間化模型中進(jìn)一步提高GDP擬合精度，這將是后續(xù)研究努力的方向。