ESDA方法+旅游(生态)学=？.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,ESDA,方法,+,旅游（生态）学,=,？,汇报内容：,一 选题背景与意义,二 相关概念介绍,三 基于,ESDA,方法的实证分析,四 几点启示,一 选题背景与意义,近年来随着,GIS,技术以及空间分析技术的不断进步与发展，,ESDA,（,Exploratory Spatial Data Analysis,）技术日渐成熟并被引入到区域经济分析领域以及区域空间结构方面。以空间关联测度为核心的,ESDA,方法，通过对事物或现象空间分布格局的描述与可视化，发现数据的空间集聚与空间异常，揭示研究对象之间的空间相互作用机制，从而更为有效为解决当前一些实际问题提供借鉴与指导。,二 相关概念介绍,1,全局空间自相关分析,主要通过对,Global Moran I,和,Global Geary C,等全局空间自相关统计量的估计，分析区域总体的空间关联和空间差异程度。其中,Global Moran I,统计量较为常用，向量表达式为：,在给定显著性水平时（,5%,），若,Morans I,显著为正，则表示研究单元属性数据较高（或较低）的区域在空间上显著集聚。值越趋近于,1,，总体空间关联性越大即属性数据的差异程度较小。反之，若,Morans I,显著为负，则表明该区域与其周边区域具有显著的空间差异。值越趋近于,-1,，总体关联性越小。仅当,Morans I,接近期望值,-1/(n-1),时，观测值（属性数据）之间才相互独立，在空间上随机分布。,Global Morans I,统计量是一种总体统计指标，仅说明所有区域与周边地区之间空间差异的平均程度。在区域总体空间差异缩小的情况下，局部空间差异有可能扩大。为了全面反映区域经济空间差异的变化趋势，还需采用,ESDA,局部分析方法。,2,局部空间自相关分析,利用,Local Morans I,和,Local Gearys C,等局部空间自相关统计量，可以度量每个区域与周边地区之间的局部空间关联性和空间差异性，并结合,Moran,散点图或散点地图等形式，将局部差异的空间格局可视化，研究其空间分布规律。,（,1,）,Moran,散点图将变量,z,与其空间滞后向量,(,Wz,),之间的相关关系，以散点图的形式加以描述，则构成,Moran,散点图。其中，横轴对应变量,z,的所有观测值，纵轴对应空间滞后向量,(,Wz,),的所有取值。每个区域观测值的空间滞后就是该区域周围邻居观测值的加权平均，具体通过标准化的空间权重矩阵来加以定义。,我们可以进一步将,Moran,散点图划分为四个象限，分别对应四种不同的区域经济空间差异类型：,右上象限（,HH,）：区域自身和周边地区的属性值均较高，二者的关联性较大（空间差异程度较小）；,左上象限（,LH,）：区域自身属性值较低，周边地区较高，二者的关联性较小（空间差异程度较大）；,左下象限（,LL,）：区域自身和周边地区的属性值均较低，二者的关联性较大（空间差异程度较小）；,右下象限（,HL,）：区域自身属性值较高，周边地区较低，二者的关联性较小（空间差异程度较大）。,高（,H,）和低（,L,）是相对于区域总体的平均水平而言。,（,2,）,Local Morans I,i,统计量它是,Global Morans I,的分解形式，可用来进一步度量区域,i,与其周边地区之间的空间差异程度及其显著性。对第,i,个区域而言，该统计量的数学形式为,:,z,i,和,z,j,是区域,i,和,j,上观测值的标准化，,w,ij,是空间权重，其中,j,w,ij,=1,。若,I,i,大于,0,而,z,i,大于,0,，则区域,i,位于,HH,象限；若,I,i,大于,0,而,z,i,小于,0,，则区域,i,位于,LL,象限；若,I,i,小于,0,而,z,i,大于,0,，则区域,i,位于,HL,象限；若,I,i,小于,0,且,z,i,小于,0,，则区域,i,位于,LH,象限。以上四个象限的含义与,Moran,散点图解释相同。,I,i,的显著性可以采用,Bonferroni,标准加以判断。当总的显著性水平设定为,时，每一个区域的显著性要根据,/n,的原则进行判断。在给定显著性水平,时，若,I,i,显著大于,0,，说明区域,i,与周边地区之间的空间差异显著小；若,I,i,显著小于,0,，说明区域,i,与周边地区之间的空间差异显著大。,三 基于,ESDA,方法的实证分析,1,总体空间差异,整个研究期间全局,MoranI,指数基本为负，仅,1997,、,2008,、,2009,年三个年份为正，即皖江城市带各地区人均,GDP,水平的空间分布不存在显著的正相关，而是非相似的观测值空间集聚，呈现出负相关的特性，但皖江城市带县域经济实力空间负相关不明显，说明皖江城市带县域经济实力的空间地域分异不显著，各县域经济实力高低水平错落分布，尚未形成多层次网络式的空间结构格局，这也在一定程度证明了皖江城市带中心城市综合实力较弱，对周边县市的带动能力较弱，仍呈现“增长极”模式发展。,表,1 1997-2009,年皖江城市带县域经济差异,2,皖江城市带县域经济局部空间自相关分析,全局,MoranI,指数仅仅说明了所有区域与周边地区之间差异的平均程度，为了进一步说明皖江城市带县域经济发展差异的空间格局演变特征，应用,GeoDA,软件计算得到,1997,、,2009,年皖江城市带,46,个县域的人均,GDP,局部,Moran,散点图，从而更为准确的反映了皖江城市带局部县域经济的空间关联性。散点图的四个象限按其性质分为“,H-H”,（第一象限）、“,L-H”,（第二象限）、“,L-L”,（第三象限）、“,H-L”,（第四象限）。,为了更为直观的反映皖江城市带县域经济发展的空间关系，将,Moran,散点图所划分的四个类型反映到地图上，更为直观、清晰地观察到皖江城市带县域经济空间自相关性在地理空间上的表现形式。如图,3,、图,4,所示,:,通过局部,Moran,散点图分析，不难得出皖江城市带县域经济整体水平仍较低，合芜马地区局部县域之间的关联性开始增强，其核心城市对周边地区的空间溢出效应日益凸显，即相应地在空间上呈现“强极化,-,弱扩散”现象；沿江经济发展轴线也初步形成。,四 几点启示,尽管,GIS,技术在不断的发展，但,GIS,与旅游（生态）学结合的程度仍有待增强。,ESDA,方法当前仍局限于城市以及区域经济方面的研究，,ESDA,在旅游学以及其他相关学科的研究有待进一步探索。,1,基于,ESDA,方法的中国旅游经济差异的空间特征分析,2*,市乡村旅游收入的不平衡性分析,3*,地区生态脆弱性评价及空间自相关分析,4,基于,ESDA,方法的*地区旅游犯罪发生率时空规律分析,5,基于*国家或地区旅游消费者心理差异空间自相关分析,6,基于,ESDA,的省域入境旅游的时空差异演化分析,谢谢！,