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。
