空间分析 —— 空间自相关分析 · 南部沿海三省能耗


背景

能源关乎国家经济命脉,也影响人民生活水平。南方沿海三省(广东、广西、福建)在能耗方面具有重要地位——由于工业化和城市化程度较高,这些地区能源需求大,主要消耗煤炭、石油等化石能源;同时,其发达的制造业和商业活动也使得电力需求量巨大。然而,各地区也在积极推动能源结构调整,加大清洁能源开发和利用力度,以应对环境压力和能源安全挑战。

本研究以地级市为观测单元,对南部沿海三省的能耗数据开展空间自相关分析,回答一个核心问题:能耗在空间上是否呈聚集分布?哪些地区形成了高值或低值簇?


方法:空间权重矩阵

空间自相关检验的第一步是定义空间关系。本文对比了三种常见的空间权重矩阵:

权重类型 原理 适用场景
邻接矩阵(Contiguity) 有公共边界则为邻居 面状单元多边形
距离矩阵(Distance) 质心距离小于阈值则为邻居 规则/不规则面状
K-nearest 矩阵 每个单元取最近 K 个邻居 避免孤立单元

本文采用邻接矩阵(Queen 邻接),即只要存在公共边或公共顶点即视为相邻。邻接顺序选择 1 阶(仅直接邻居)。


全局 Moran’s I:整体空间模式

计算结果

$$I = \frac{N}{W} \frac{\sum_i \sum_j w_{ij}(x_i - \bar{x})(x_j - \bar{x})}{\sum_i (x_i - \bar{x})^2}$$

Moran’s I = 0.325875

解读

  • I > 0 表示正空间自相关(高值邻近高值,低值邻近低值)
  • 0.3259 属于中等程度的正自相关,表明研究区域内能耗呈现整体上正相关的空间格局
  • 即:高能耗城市倾向于与其他高能耗城市相邻,低能耗城市同样趋于聚集

散点图(Moran 散点图)中,横轴为标准化观测值,纵轴为空间滞后向量。大部分点落在第一、三象限,印证了正向空间关联。


局部 Moran’s I(LISA):识别局部簇

全局指标只能告诉我们“整体有没有聚集”,但无法指出哪里聚集。局部 indicators of spatial association (LISA) 将 Moran’s I 分解到每个观测单元:

LISA 聚类地图解读

类型 含义 代表区域特征
高-高聚集(HH) 高值被高值包围 能耗热点区,可能为工业密集城市
低-低聚集(LL) 低值被低值包围 能耗冷点区,可能为农业/生态主导城市
高-低聚集(HL) 高值被低值包围 空间异常点(高值离群值)
低-高聚集(LH) 低值被高值包围 空间异常点(低值离群值)
不显著 统计检验未通过 空间分布接近随机

主要发现

从 LISA 地图中可以观察到:

  • 珠三角及周边形成明显的 HH 高值簇(深红色),对应广州、深圳、东莞等制造业中心
  • 部分西部山区呈现 LL 低值簇(深蓝色),与产业结构偏农业/旅游有关
  • 少数 HL/LH 异常点散布于高低值过渡地带

小结

本次空间自相关分析表明,南部沿海三省的地级市能耗数据并非随机分布,而是呈现出显著的空间聚集结构。全局 Moran’s I = 0.3259 揭示了中等程度的正空间自相关,而 LISA 聚类地图进一步定位了具体的高/低值簇位置,为区域能源政策的差异化制定提供了空间依据。

📌 本分析为课程作业海报展示,数据来源:中国城市统计年鉴。

空间自相关分析海报