空间自相关范文（精选9篇）

空间自相关 第1篇

关键词：空间权重矩阵,空间自相关,Moran's I

随着GIS应用的深入, 在对人口、资源、环境与经济数据的分析处理中, 不再仅仅局限与对数据进行储存、查询与显示, 根据动力学特征深入分析事物的发生、发展变换规律成为当前的主要工作。为此, 地区之间的空间作用关系分析为人们重点关注。空间自相关是空间统计分析的前提条件, 是认识时空分布特征的一种常用的方法。而要进行空间自相关的度量, 首先需要通过空间权重矩阵定量的表达地理要素之间的空间相关关系。

1 空间自相关分析

1.1 全局空间自相关

全局空间自相关主要用于描述区域单元某种现象的整体空间分布情况, 以判断该现象在空间上是否存在聚集性。最常用的全局空间自相关指数是Moran's I, 具体计算公式为:

其中:为空间权重矩阵W的元素, 反映空间目标的位置相似性;xi, xj为位置i和位置j的某一属性值;为n个位置的属性值的平均值。类似于目标对象之间的协方差, 度量一个位置上某变量的值与另一位置上同一变量的值之间的协方差。1n iw==∑

Moran's I的取值范围为[-1, 1], 正值表示该空间事物的属性值分布具有正得空间自相关性, 存在空间集聚现象 (高值与高值, 低值与低值集聚) ;负值表示该空间事物的属性值分布具有负的空间自相关性, 同样存在空间集聚现象 (高值与低值, 低值与高值集聚) ;零表示空间事物的属性值不存在空间自相关性, 即空间随机分布。对其结果根据标准化统计量参照正态分布表可以进行显著性检验:

期望和方差计算公式如下: (2)

w*i为权重矩阵第i行之和;w*i为权重矩阵第i列之和。

空间自相关分析以经典统计学为基础, 对空间分布中相邻位置的这种依赖性进行度量, 并对其进行假设检验。其原假设为H 0∶n个区域单元同一现象的属性不存在空间自相关关系, 在零假设成立的条件下Z (I) 服从正态分布 (Good Child, 1986) 。一般情况下我们假设显著性水平∂等于0.05, 查正态分布表知Z∂=1.9 6。那么当Z (I) >1.96时, 表明地理分布中具有相似属性的区域单元倾向于集聚在一起, 具有显著的正的空间自相关性;当Z (I) <-1.96时表明地理分布中不同的属性值倾向于聚集在一起, 具有显著的负的空间自相关性;当-1.96

1.2 局部空间自相关

局部空间自相关分析侧重于研究空间对象属性值在某些局域位置的空间相关性, 即局域空间对象的属性值对全部研究对象的影响。

Anse lin (19 95) 对全局空间自相关进行了改进提出了空间关联的局部指标LISA (Local Indicators of Spatial Association) , 即局部Moran's I与局部Geary'sC两个统计量。

在LISA指标中我们最常用的是局部Moran's I指数, 公式如下:

Ii=zij∑n=1wijzj (4)

其中:;zi, zj分别为空间单元i与j的某个属性的标准化值, 反映属性值与均值的偏差程度。

正值表示该区域单元周围相似值的空间集聚 (高高或低低) ;负值表示非相似的空间集聚;如果值接近与零, 说明该区域与邻域不存在空间关联关系, 即该区域的空间分布呈现随机分布状态。

1.3 Moran散点图

Moran散点图常来研究局部空间的不稳定性, 其横坐标为各单元标准化处理后的属性值, 纵坐标为其空间连接矩阵所决定相邻单元的属性值的平均值 (也经过标准化处理) 。

Moran散点图的四个象限分别对应于区域单元与其邻居之间的四种类型的局部空间关系:第一象限 (HH) 代表了高观测值的区域单元被高值的区域所包围的空间关系;第二象限 (LH) 代表了低观测值区域单元被高观测值的区域所包围的空间关系;第三象限 (LL) 代表了低观测值的区域单元被低观测值的区域包围的空间关系;第四象限 (HL) 代表了高观测值的区域单元被低观测值的区域包围的空间关系。

2 空间权重矩阵

空间权重矩阵是建立地理对象之间空间关系必不可少的一部分, 是观测对象之间空间依赖的正式表达。空间权重的定义是空间统计学与经典统计学之间的最主要区别, 是利用ESDA技术进行空间探索分析的前提和基础, 其目的是定义空间对象的相邻关系, 空间权重矩阵决定了一个点 (或空间单元) 对附近的点 (或空间单元) 贡献程度。

2.1 基于邻接关系的权重矩阵

邻接可以认为是名义的, 双向的相等的距离。根据直接相邻关系, 将空间目标的位置邻接关系定义为下列三种情形中的任何一种:直接4邻域邻近 (Rooks) 、对角线方向4邻域邻近 (Bishop s) 、8邻域邻近 (Q uee n或Kings) 。这几种情形简单、直观, 如图1所示。

最初对空间依赖性或空间自相关的测度, 是基于空间单元的二进制邻接性思想进行的, 邻接性由0和1两个值表达。二进制邻接矩阵定义如下:

Que en权重的定义中认为只要二个空间对象之间有公共的边或同一点, 就认为两者是相邻的, 权值为1, 否则权值为0。其定义如下:

基于空间的直接相邻关系建立的权重矩阵, 还有上下邻接的权重矩阵, 左右邻接的权重矩阵等。

2.2 基于距离关系的权重矩阵

在空间数据中, 距离是空间对象的直线距离或球面距离。在小的地区 (小尺度的研究) , 可以忽略地球的曲率, 距离的计算可以采用欧氏距离或曼哈顿距离。在较大的区域 (大尺度研究) , 距离的计算要考虑地球的曲率。

K-最近点权重:此方法的计算需预先设定K值, 并分别计算空间目标的两两之间的距离dij在观测点周围选择与其最近的k个点, 认为是相邻的, 权重为1, 其余为0。定义如下:

阀值权重矩阵:首先需要建立一个距离阀值d, 比较空间目标两点之间的距离dij与阀值d的关系, 确定取值。阀值权重的定义如下:

2.3 基于综合因素下的空间权重矩阵

二进制的邻接性概念, 经Cliff和Ord扩展, 进入了对两个空间单元的潜在相互影响的总体测度, 即Cliff-ord权重矩阵。一般形式为:

其中:dij为空间单元i和j之间的距离;βij为i单元被j单元共享的边界的长度占i单元总边界长度的比例;α和b为参数。

类似的, Dacey提出权值的确定, 还要考虑空间单元的相对面积, 给出的定义为:

其中:dij为对应的二进制连接矩阵元素即取值为1或0;α为单元i的面积占整个空间系统的所有单元的总面积的比例;βij为i单元被单元j共享的边界长度占i单元总边界长度的比例。

3 案例研究全国农业水灾成灾面积空间自相关分析

3.1 研究区域及数据来源

本文研究区域的范围为中国各省域, 中国是世界上典型的季风气候国家, 季风气候的不稳定性, 导致水灾的频繁发生。因此研究中国水灾分布情况, 合理的提出治理及防护措施是目前亟待解决的问题之一。本文从《中国统计年鉴》中收集了中国从1979年至2008年近30年, 涉及34个省市的农业水灾受灾成灾面积数据。并对其进行分组处理, 利用空间统计软件Geoda对中国近三十年的水灾自然灾害进行分析, 研究水灾自然灾害的空间分布特征, 及在三十年来的变化趋势。并通过不同的空间权重矩阵对Moran's I指数的影响, 分析水灾自然灾害在空间集聚现象的异同, 进一步了解空间权重矩阵的选取的意义。

3.2 空间权重矩阵对全局Moran's I的影响

文中选取了Rook权重、Queen权重、K最近点权重以及阀值权重矩阵对中国历年省域农业水灾成灾面积进行空间集聚的分析的研究。

通过Geoda分别计算出不同权重下的全局Moran's I值及检验统计量Z (如表1) 。

从表1中, 我们可以看出, 几种空间权重矩阵所得到的全局Moran's I值均大于0, 表明了中国近30年水灾成灾面积数据在空间上表现出较明显的空间自相关性。除基于阀值权重矩阵外, 检验统计量Z值在5%的水平下, 基本上都大于1.96。表明了, 中国水灾自然灾害的空间分布格局是集聚性的, 也就是说成灾面积大的 (小的) 省域倾向于与其他成灾面积大的 (小的) 省域, 集聚在一起。根据基于距离权重矩阵结果, 中国各省域水灾空间自相关性不显著。

自1979年以来, 全局Moran's I的值在总体上随时间推移而不断上升, 说明了中国省域水灾自然灾害的空间集聚性有总体增强的趋势, 空间差异在逐渐减小。这种趋势可能是自然气候因素、社会活动、科学技术发展水平及政府对水灾的应对政策等综合因素作用的结果。

3.3 空间联系局部指标 (LISA)

研究结果表明不同的空间权重矩阵对各省域之间的空间集聚现象带来了很大影响, 其中局部Moran's I存在正负差异的省域主要有:福建省、甘肃省、海南省、北京市、河北省、天津市、黑龙江省、辽宁省、宁夏、山东省、四川省、香港、台湾、澳门、广东省共十五个省市。

利用Geoda软件, 计算了中国省域间水灾成灾面积的LISA值, 并且在z检验的基础 (p0.5) 上绘制了LISA分布图 (图2)

3.4 Moran散点图分析

由Moran散点图我们可以更加直观的得出不同权重定义下, 省域间水灾成灾面积在2004年至2008年高高 (低低) 集聚的空间分布状况, 如表2所示。

其中江西省、安徽省、贵州省、河南省, 湖北省、湖南省、江苏省、江西省等省市在不同的空间权重矩阵下均表现较小的空间差异, 区域自身和周边区域水灾成灾面积较大, 呈现出一种高高集聚现象, 海南省, 山西省区域自身和周边区域空间差异较大, 表现为低值被高值包围, 甘肃省、天津市、吉林省空间差异较小, 水灾成灾面积较小, 表现出低低集聚现象。

我国是水旱灾害频繁的国家, 水灾成灾面积在很大程度上主要取决于自然气候的影响, 在区域间的相互作用同样可以影响最终的省域水灾成灾面积, 进而扩大或缩小了区域间的差异程度。但随着人口增加, 经济快速发展, 防洪标准低、人与水争地问题日益严重, 水资源供需矛盾日益加剧, 水土流失和水污染、生态环境恶化等问题也逐渐暴露。近年来, 我国的防洪战略正在进行逐步的调整和转变, 从以建设防洪工程体系为主的战略转变为在防洪工程体系的基础上, 建成全面的防洪减灾体系--这种新的治水思路被称为“洪水管理”。随着改革开放的深入发展, 各种政策方案的出现, 及科学技术的发展, 各省域之间的相互作用加强, 不仅仅只体现在了邻接的省域之间。

4 结论

(1) 中国各省之间农业水灾成灾面积呈现出一定的空间正相关性, 而且呈现出逐渐加强趋势。中国各省水灾成灾面积大的区域相互毗邻, 成灾面积小的区域相互毗邻。中国水灾受灾程度呈现出南方各省大于北方各省, 东部各省大于西方各省。主要集中于长江流域的湖南、湖北、安徽、江西等;黄河流域的河南、山东等;珠江流域的云南、贵州、广西等。

(2) 从全局空间自相关的分析中可以看出, Rook权重, Queen权重, k最近点权重, 阀值权重对空间自相关分析有相似的影响;相比较而言, k最近点权重对空间自相关的影响较大且显著性水平较高。因此在空间自相关的分析中, k最近点权重矩阵更加适合。然而, 由于自然气候, 社会活动, 科技发展水平, 农业水灾防御政策等综合因素的影响, 距离对空间自相关的影响越来越弱。不同的空间权重矩阵下中国各省域之间局部水灾成灾面积表现出不同的集聚现象。

(3) 如何根据本文的研究中, 在考虑温度、高程、降水和海拔等因素对空间自相关的影响条件下, 构造一个合适的水文权重矩阵是我们今后研究的重点。使得研究结果更能切合实际, 为各项政策的制定提供可靠的依据。

参考文献

[1]王红亮, 胡伟平, 吴驰.空间权重矩阵对空间自相关的影响分析—以湖南省城乡收入差距为例[J].华南师范大学学报:自然科学版, 2010 (1) .

[2]苏芳林, 宋邦英.中国省域低碳消费影响因素的空间模式研究[J].河北经贸大学学报, 2010.

[3]曾永明, 张果.基于GeoDA-GIS的四川省县域经济空间分异研究[J].云南地理环境研究, 2010 (4) .

[4]汤国安, 杨昕.ArcGIS地理信息系统空间分析实验教程[M].科学出版社, 2006.

[5]段钊, 赵法锁.基于GIS的陕西省滑坡灾害空间分异特征探讨[J].灾害学, 2012 (1) .

[6]Jens K.Perret“, A Proposal for an Al-ternative Spatial Weight Matrix under Consideration of the Distribution of Economic Activity”, Schumpeter School of Business and Economics, 2011

[7]Mueller, Julie M, Loomis, John B, “Bayesians in Space:Using BayesianMethods to Inform Choice of Spatial Weights Matrix in Hedonic Property Analyses, ”The Review of Regional Studies, 2010, 40 (3) .

节省空间 照片视频自定义保存 第2篇

我的手机是联想A820t，在相机设置中，一直找不到选择照片保存位置的选项，所有照片都自动保存到手机内存中了，很不方便。怎么做才能使照片自动保存到外置存储卡中？（题号：20151202）

解题思路

默认情况下，Android手机如果有内置的SD卡，那么照片保存位置就会保存在SD卡上。如果你的手机没有设置保存位置为SD卡，那么就需要借助第三方APP实现。

解题方法

一般手机的照相功能都有自定义设置存储位置，对于联想A820t，首先进入“设置→系统设置→存储选项中”，然后将其设置为SD卡。接着进入照相应用界面，点击“菜单→存储位置→SD卡”，这样下次保存的照片就可以保存在SD卡上了（图1）。

此外，一些手机的照相应用由于系统本身的限制无法更改存储位置，我们可以利用第三方照相应用来替代，这些第三方应用一般都支持存储位置的自定义设置。

比如Android用户可以使用“UCam全能相机”，启动该应用后点击“设置→高级设置→其他设置→存储路径”，在打开的窗口中可以自行选择保存照片的位置，这样下次拍照后照片就保存在指定位置了（图2）。

小提示

如果在存储位置下无法显示SD卡选项，请确保你的SD卡可以被系统识别，依次进入“设置→存储”，查看是否已经正确识别SD卡。如果无法识别，则建议备份好资料后使用手机自带组件进行格式化再尝试。如果仍然无法识别，请进行系统升级（旧版相机应用无法自定义存储位置）。

本期挑战题

题号：20151401

难度：4分

挑战题描述：

之前用手机号注册了许多网站，绑定了网银、支付宝、邮箱等等多种服务。现在我需要更换手机号码，难道之前绑字的那些服务，也需要一个一个换吗？有没有更加快捷安全的方法？

（读者|00）

题号：20151402

难度：4分

挑战题描述：

我是《电脑爱好者》的读者，我有一台Acer iconia W3，最近安装了Android系统，请问如何让它像昂达v116w一样能进行双系统热切换呢？

（读者|RonGunter）

题号：20151403

难度：3分

挑战题描述：

作为一名学校学生会网络部成员，我经常会在学校各个电脑上使用闪存盘，因此常会被不明病毒侵入闪存盘。所以我想问有没有什么万全之策，给闪存盘一个写入保护，只可读不可写，任何电脑都是只可读，需要一些设置才可写入。这样我在家制作好文件后拷入，开启写入保护，然后到学校复制出去就不用担心中病毒了。

空间自相关 第3篇

1 数据收集和整体规律分析

采用《安徽省统计年鉴》资料,选用3个典型年份(1996年、2000年、2004年),在这10年中是安徽省经济快速发展的时期。本文选取反映区域经济发展的典型指标人均GDP作为基本分析变量,应用空间自相关方法来分析安徽省的经济空间规律,3个年份的人均GDP指标的统计量见表1。

3个年份的人均GDP指标从总体上反映了安徽省市域经济分布的概括性特征。对比3个年份的数据,其分布具有较强的相似性,都呈正偏态,大部分数据集中于左半部,说明安徽省大部分市域的人均GDP值低于总体平均水平,数据的最小值与最大值之差呈扩大之势。总体来说,在低值区数据集中趋势强,所占比例较大,表明大部分市域经济较为落后;在高值区数据分散,表明这些市域间经济发展也有较大差异。总体而言,人均GDP的极差在扩大,因此安徽省市域经济发展的空间不平衡性在加剧。

2 空间自相关指数的计算

通常需要计算两类空间自相关系数:一是全局空间自相关系数,主要探索属性值在整个区域的空间分布特征,常用的自相关系数有Moran's I 和Geary's C;二是局域空间自相关,主要探索属性值在子区域上的空间分布格局或空间异质性,常用的有局域Moran's I 和局域Geary's C。本文采用全局和局域Moran's I 指数来分析安徽省市域经济发展的空间分布特征。全局和局域的Moran's I 指数计算公式如下:

undefined

。采用上述公式,根据各年计算结果(计算结果略)的专题图见图13。

3 安徽省市域经济空间规律分析

安徽省市域的3个典型年份的全局空间自相关指数较接近,约为0.11,表明安徽省市域经济存在一定的正空间自相关,但不太明显。这说明安徽省市域经济的空间地域分异整体上不明显,大部分市域的经济发展水平不高,经济发展基本为“增长极”模式;但也存在经济发展的局部差异,有部分市域呈高度正相关,处于“扩散式”发展模式。我们将空间自相关指数与经济发展水平相结合进行分析表明,经济发展水平较高的市域有合肥市、铜陵市、马鞍山、芜湖。马鞍山、芜湖位于安徽省的东南部,具有较高的正空间自相关指数,呈集中态势,能有效带动周围地区的经济发展;但合肥市和铜陵市的局部空间自相关指数为负值,表明该区为“增长极”发展模式;经济发展水平低的市域(阜阳、六安)位于安徽省的西北部,具有较高的正空间自相关指数,表明这些发展水平低的市域也呈聚集态势,表现为集中的竞技水平低,是未来应着力发展的地区;经济发展一般的市域位于安徽省东中北部的宿州、蚌埠、淮北、滁州等市域,在空间上也表现为集中趋势,其它城市呈分散分布。安徽省市域的经济发展水平整体上仍落后,出现3个集中的地区:一是东南部的马、芜地区,经济发展水平高,呈扩散效应;二是经济发展水平一般的东中北部集中区;三是经济发展水平低的西中北部集中区,发展水平亟待提高。

局域空间自相关系数空间分布格局较为明显见图13。局域自相关系数小于0的市域约为7个,约占总数的41%,主要分布于中部地区,与周边地区差异明显;局域自相关系数在01之间的市域约为6个,约占总数的35%,主要分布在东中北部地区,成集中态势,南部的市域呈分散态势;局域自相关系数大于1的市域约为4个,约占总数的24%,两极分化严重。2个经济实力强的地域位于东南部,对周边地区经济发展呈带动作用;2个经济发展水平低的地域位于西北部,呈集中贫困态势。根据文献[1]的人均GDP和局域自相关系数,我们将安徽省市域经济分为集聚发展型、极核发展型、集中贫困型、贫困核型、一般发展型(表2)。集聚发展型是指经济发展较好的地区在一定的区域内相对集中分布,其经济均较强,相关系数为正且较高,典型区域如芜湖、马鞍山;极核发展型是指某经济发展较好的地区位于几个经济相对较弱地区的中心,极核的经济较强,但自相关系数为负且较小,典型区域如合肥、铜陵、淮南;集中贫困型是指某些经济发展较差的地区,位于周围几个经济也相对较差地区的中心,核的经济较弱,自相关系数为正且较大,典型区域如阜阳、六安、宿州;贫困核型是指某经济发展较差的地区,位于周围几个经济相对较强地区的中心,核的经济较弱,自相关系数为负值且较小,典型区域如巢湖、池州;一般发展型指经济发展水平中等,自相关系数在-11之间,典型区域如淮北、蚌埠、滁州、宣城、安庆、黄山。

综上所述,安徽省经济水平整体上较低,经济发展水平较好的地区仅约为30%。从空间结构上看,空间分异有一定的特征,3个区域经济格局比较明显,初步形成了经济区的雏形。东南部经济区经济实力最强,为正的空间自相关,对周边地区起辐射作用;中东北部经济区经济实力一般,为正空间自相关;中西北部经济区经济实力差,为集中贫困区。

4 安徽省经济格局形成的主要原因分析

安徽省经济格局的形成是自然、历史、社会等多种因素共同作用的结果,主要有:①自然资源(矿产)的丰度。马鞍山、芜湖的铁矿,铜陵的铜矿资源的多寡和相关产业的发展为当地经济的发展作出了巨大的贡献,因此地区经济发展态势较好。两淮的煤矿对两个城市的发展也起到了关键的作用;但随着资源的逐渐枯竭,这些地区将面临产业转型,以保持经济的快速发展。②交通、区位优势。马、芜、铜地区拥有长江黄金水道,又毗邻长三角地区,独特的交通条件和区位优势使他们的经济发展实力较强。总体而言,安徽东部地区经济实力高于西部地区。③历史方面。从传统历史看,上述经济水平高的地区在教育、经济方面历来就占有一定的优势,发展势头良好。近几年,芜湖市呈现较强的经济发展势头,一些产业逐渐做大做强,尤其是芜湖经济技术开发区的贡献越来越大。合肥市作为省会城市,近年来经济发展较快,处于“增长极”发展模式阶段,大量的资金、人力、物力流入,加速了合肥的发展;但其局域空间自相关系数为负值,表明正处于极化阶段,对周围地区的发展起到一定的负面作用。

5 结论

采用全局和局域空间自相关系数,以市域为单元,对安徽省区域经济发展极其空间格局进行了分析和解释。分析结果表明:①安徽省市域人均GDP的全局空间自相关系数的3个典型年份大体一致,约为0. 11,说明安徽省经济存在一定的正空间自相关性,即没有大范围的区域经济集聚和相似性,但同时有3个经济区的雏形出现,形成一定的经济区划;②安徽省各市域经济发展条件存在显著差异,经济增长存在不平衡性,大部分市域经济增长处于低水平。根据人均GDP指标和局域空间自相关系数,我们将安徽省划分为集聚发展型、极核发展型、集中贫困型、贫困核型、一般发展型。这5种类型的城市数目分布呈“金字塔型”,表明安徽省经济发展总体上较落后;结合GIS软件的专题图展示输出功能,可很好地揭示区域经济增长的空间格局和空间相互作用。③安徽省经济格局的形成是自然、历史等多种因素共同作用的结果,但主要表现为自然资源优势和交通、区位优势。本文选取了市域单元进行空间自相关分析,对安徽省的市域结构进行了初步分析。考虑到市域内的县级发展差异,若在较小的尺度上采用详细的数据进行分析,其说服力更强。

摘要：选取具有一定跨度的典型年份人均GDP统计数据,采用空间自相关方法分析了安徽省市级单元的经济发展分布空间特征和规律。结果表明,全省Moran’s I指数为0.11,经济上存在较弱的正空间自相关,经济发展呈多种类型,市域间有差异,呈现局部经济区化的雏形。根据人均GDP指标,结合空间自相关系数,将安徽省市域经济发展模式分为5类:集聚发展型、极核发展型、集中贫困型、贫困核型、一般发展型,并对其成因进行了分析。

关键词：空间自相关,安徽省,空间结构

参考文献

[1]徐建刚,尹海伟,钟桂芬,等.基于空间自相关的非洲经济格局[J].经济地理,2006,26(5)∶771-775.

[2]葛莹,姚士谋,蒲英霞,等.运用空间自相关分析集聚经济类型的地理格局[J].人文地理,2005,(3)∶21-25.

[3]樊新生,李小建.基于县域尺度的经济增长空间自相关性研究——以河南省为例[J].经济经纬,2005,(3)∶57-60.

空间自相关 第4篇

关键词：建筑设计；基础教育；“体”；“空间”；形态；自组织

当代——信息时代（欧美国家的时间跨度概念是从公元后1969年至未来，我国信息时代指的是从公元后1984年至未来），时空压缩，信息更迭迅速。时下，人们对建筑设计基础教育中的“设计”和“基础”也在发生认知上的推进。

“设计”，我们最常接触到的表象是实用的、温和的、合理的。然而“设计”这个词，本身具有侵略性。翻阅历史文献，“设计”时常用于谋略“设计”。现今，“设计”时常作为一个动词，多指人类（或其他物种）对某一种（或多种）外物，事先进行方案干预的行为，从而达到这些实施干预者所企盼的功能、目的、习惯、愿景。这种行为放在自然学科来看，其实是某种物类（或多种物类），利用各种方法、手段、措施，对其他某种特定物类（或多种特定物类）的强化、弱化、同化、分化、侵蚀、融合、改造、维持、创造、甚至毁灭等等。放在人类学和哲学范畴来看则更为复杂。那么，我们其实就可以把“设计”理解为：有针对性的，有指向性的活动，它由设计施作者、设计承受者、受众、改造活动、反馈、再改造活动、性质转变等部分构成。正如当下，我们耳熟能详的“设计改变世界”。

那么，设计施作者与被改造者的基数比例暂且不论，判断“设计”的优劣性，鉴别“设计”的适度性，判定“设计”对外物产生的结果是良性还是恶性，则变得十分复杂。而判断“设计”性质并没有一个量化的标准，或因时间推移因素、或因功能转换因素，或因文化附加因素，或因调性改变因素等，“设计”性质也许会发生转换，导致“设计”产生迭代、蜕变、分裂整合。而不同设计施作者们通过对时间、地点、人物、事件、政治、习俗、宗教、科学技术等因素的繁复考量，最终，设计结果呈现的面貌也是多样的。我们尝试把“设计”放在时间长河中，人类对“设计”的初衷与结果其实并不是一种“触发到结果”的单一逻辑的关系（预期设计的东西与设计结果可能大相径庭）。可见“设计”并不是温和的、单线的。

“基础”的常规理解：初步的、通识的、对后续事宜有影响且变量很小的部分。那么，基础的理想状态最好是在稳固的情况下获得最大的通性与无限的增量。

宏观上，“基础”是由点组成的，在文化教育范畴，可以把它理解为知识结构的基因，这些基因的排列组合与强弱，影响着知识的遗传结果。那么，挑选这些基因与遗传程序才是基础的关键。

知识的遗传程序是什么？获取知识、升华知识吗？不是。知识是流变的。那么，知识的流变是任意的、随性的么？也不是。它是有组织的。这里我们引入一个新的概念，“自组织”。什么是自组织呢？自组织是相邻个体之间基于某种规律的相互作用对整体产生影响的组织方式。恰如海中鱼群的活动方式。它有别于群体效应和连锁效应。在整体里面，真正起作用的不是外力，也不是个体，而是个体与个体之间的相互关系，是内因。这些个体可以被当做知识点。我们可以把知识点当做元素，这种元素是自组织的“基因”。

这些“基因”在知识吸纳壮大的过程中，产生什么样的流变，在“建筑设计”中非常关键。建筑设计是建筑学中的一部分，好的建筑设计并不只是技术的优化，而是认知的叠加作用：历史认知、文化认知、科学认知、哲学认知、时间认知、空间认知、体量认知、审美认知、逻辑认知等，由这些推动着建筑设计的内涵。介于建筑设计的复杂程度，建筑设计基础教育的“自组织”显得尤为重要。

在基础教育中“自组织”的“基因”应该是精炼的，基础的，建筑设计基础教育也不例外。

下面我们就由 “体”与“空间”形态的“基因”与“自组织程序”为例，进行说明。

“体”的形态认知“基因”，如下：

第一，“模数”——体的乘法。在建筑设计中，“模数”的概念是：为了实现建筑建造过程中大规模生产，使相异材料、相异形式、相异制造方法和相异建造方法的建筑构件、建筑配件、建筑组件具有一定的互通性，从而选定的调节建筑尺度的增量单位。建筑设计中，“模数”通长是指尺寸、面积、体积单位（但它也可以是重量、密度、强度等单位），作为尺度协调中的增量单位，也是建筑设计、建筑施工、建筑材料制品、建筑设备、建筑组件等各单元部门进行尺度协调的基础。简而言之，模数≈单位。典型作品如彼得·卒姆托（Peter Zumthor）设计的的布雷根茨艺术馆（Kunsthaus Bregenz）；法西斯时期建筑——意大利文化宫（Palazzo della Civiltà Italiana）；大卫·奇普菲尔德（David Chipperfield）为英国艺术家Antony Gormley设计的工作室（Sdudio of Antony Gormley）等。

第二，“体堆砌”——体的加法。它是对“模数”的扩充与外延。体的加法近似于多种模数的叠加、蜕变、迭代、重合、穿插等。典型作品如：摩西·萨夫迪（Moshe Safdie）设计的栖息地67号（Habitat67）；黑川纪章在日本东京银座设计的中银舱体大楼；贝律铭（Ieoh Ming Pei）设计的卡塔尔多哈伊斯兰艺术博物馆（Museum of Islamic Art）等。

第三，“体切割”——体的减法。在整块形体上的削减、解构、退让、重构。典型作品如隶属于Atelierd architecture King Kong事务所的建筑师简·克里斯多芬·马斯纳达（Jean Christophe Masnada）在法国设计的Seekoo酒店（Seekoo Hotel）等。

第四，“路径生成体”——体的流动与演变。这里要提到一个概念：“截面路径扫略”，路径，也可以理解为轨迹。截面路径扫略是一种逻辑概念，假设我们将路径设为连续的线型，它可以是直线、曲线、二维空间线、三维空间线，当我们在线上放设与线垂直的一个或多个截面，让截面沿着路径滑动、过度、渐变、位移等，截面的连续轨迹形成的体，我们叫截面路径扫略体，近似于计算机的一种程序功能——“放样”。典型作品如由PP+ARM团队（Ashton Raggatt McDougall and Phillips Pilkington Architects in Association）在新西兰奥克兰设计的马里恩文化中心（Marion Cultural Centre）等。

第五，“体切片”——体的层级。“截面路径扫略”的逆向思维，将实体切片，对片体进行拉伸、错位、扭曲等变化的逻辑形态。典型作品如贝尼奇建筑事务所（Behnisch Architekten）在德国汉堡设计的马可波罗塔大厦（Marco Polo Tower）等。

第六，“构建体”——体的构件搭接与节点。这是一种采用合理的力学结构、建筑构件、建筑节点、建筑功能，无（或很少）面层装饰且暴露结构（或部分暴露结构）的建筑组成方式。典型作品如斯蒂文·霍尔（Steven Holl）的在美国纽约长岛为画家杰克森·波洛克（Jackson Pollock）设计的工作室；霍利·斯托克顿（Holly Stockton）设计的罗扎克屋（Rozak House）等。

第七，“体仿效”——体的具象化。人们利用对外物类比和模仿的一种本能所形成的体。典型作品如丹麦建筑师约恩·伍重（J?rn Oberg Utzon）设计的悉尼歌剧院（Sydney Opera House）；弗兰克·盖里（FrankOwenGehry）早期作品——Chiat广告总部等。

第八，“功能性优先体”——体的抽象化。当我们考虑某种功能体时，完全或基本忽略体的外观常态，而以功能优先的思维来完成构思，最终产生的体，具有实用逻辑和抽象美感。这是由内到外的造型推导逻辑。典型作品如罗伯特·文丘里（Robert·Venturi）的母亲别墅等。

第九，“体的艺术干预”——体的工艺化。对大形体进行极致艺术加工与工艺建造。典型作品如印（下转第页）（上接第页）度莫卧儿帝国皇帝沙贾汗为纪念他心爱的妃子于1631年至1653年在阿格拉（Agra）而建的泰姬陵（Taj Mahal）；安东尼·高迪（Antoni Gaudi i Cornet）在西班牙巴塞罗那设计建造的神圣家族大教堂（Basílica i Temple Expiatori de la Sagrada Família）等。

第十，“体的数字干预”——是用计算机软件技术中的数字化、参数化方式生成的具有强烈计算机语言特点的形态。典型作品如扎哈·哈迪德（Zaha Hadid）中后期的大量作品。

第十一，“体的视错觉干预”——几何数理逻辑悖论的视觉化。如彭罗斯阶梯（Penrose stairs），它是一个几何悖论，是一个始终向上或向下但却无限循环的阶梯，它由英国数学家罗杰·彭罗斯（Roger Penrose）及其父亲遗传学家列昂尼德·彭罗斯（Leonid Penrose）于1958年提出的。在三维空间中，它不可能存在，但放入更高阶的空间，彭罗斯阶梯就可以实现。

第十二，“体综合”——体的综合化。一旦我们把以上十一个“自组织基因”的元素进行任意组合，这些组合的数量相当庞大，每一种组合都是对“体”的形态的逻辑思维。具有代表性的是：蓝天组（Coop Himmelblau）的作品；弗兰克·盖里（Frank Owen Gehry）的作品等。

“空间”的形态认知 “基因”如下：

第一，“普通限定空间”——实体间隔划分空间。我们的房屋居所就是这种空间，有墙面、屋面、栅栏等结构实体的围合。也有一些特殊形式的围合，用框架的方式进行围合，如富兰克林纪念馆（Benjamin Franklin National Memorial）。

第二，“感官限定空间”——无立面划分空间。由人的感官感受所形成的空间。比如冷与暖、亮与暗、安静与嘈杂、清新与腐烂等，通过感觉对比所形成的空间。由“光”为例：我们在台灯下专心读书，台灯照亮了课桌，聚光在书本上。灯光的辐射范围屏蔽了辐射范围以外的空间。

第三，“暗示限定空间”——暗示空间。什么是暗示空间？比如：我们在一间全白的屋子里，在白色天花板上画一块红色的面，那么我们的心理上就产生了空间，因为我们会把红色面块下方的区域认定为一块笼罩空间，而这个空间，在心理作用下，却有着隐形围合的墙壁。

第四，“无限延伸非限定空间”——矢量空间。这种非限定性空间，只有方向，没有额定的距离和容积，它可大可小，可以无限扩张也可以无限压缩。矢量空间中的“量”是可变的。

第五，“无限循环非限定空间”——德罗斯特效应（Droste effect）空间。这种空间就像拿着一面镜子，再站在另一面镜子前面，让两面镜子相对反射。镜子里面的情景是相同的、无限循环且缩小的。这是一个你能看得到、但现实中却无法进入的空间。

第六，“理论非限定空间”——理论、悖论等形成的空间。比如：莫比乌斯圈（Mobius band）的衍生体——克莱因瓶（Klein bottle）。理论上它是一个无内外的瓶子；另外，我们曾描述过的彭罗斯阶梯也是理论非限定空间的一种。

第七，“多维度空间”——超过四维空间的推导。科学家猜想的多维空间现今仍然才推导至第七维，第八维度只推导了一个大概。而人类科学家对四维及四维以上的多维度空间的科学佐证全部是残缺的。

那么现在我们对“体”与“空间”形态的“自组织基因”有了大致了解。我们还缺一个关键项：“自组织的某种程序”。

在建筑设计基础教育中，“体”与“空间”形态的自组织程序其实就是个人对“自组织”元素的认知，并形成认知方法和逻辑思维。

这里有一种方法，需要提出两个词：“脑前点”与“脑后点”。人的思维活动中是具有某些惯性思维的，闭上双眼，利用这些惯性的思维，把一个点或多个点放在脑袋前方运动，很可能生发出一个体量；如果把它们放在脑袋后方运动，很可能生发出一个围合自己的空间。用这种思维逻辑：点生成线，线生成面，面生成体，体和空间的变化生成多维度，四维空间是距离，五维空间是量子速度，六维空间是时间，七维空间是大小。

空间自相关 第5篇

随着空间数据在社会、生活等各方面应用的深入,从空间数据库中自动或半自动地挖掘隐藏的关系模式,进而根据现有关系模式预测空间对象未来可能发生的行为已变得更具价值。伴随着大数据时代的到来,如何从大数据中提炼出大价值已成为数据挖掘领域研究的重点[1]。与此同时,数据的质量也变得尤为重要,数据预处理则是数据挖掘过程中一个重要步骤和数据质量提升的关键手段[2]。空间数据挖掘相较于传统的数据挖掘具有更为复杂的数据特点,空间数据都不是孤零零的存在,一种事物总是与其他事物相关联,而且距离相近的事物其相关性要大于距离较远的事物,因此在特定的应用领域要更加注重空间数据对象间的自相关性问题。在大数据时代,数据类型更加多样,规模更为庞大,数据间的关联也更为复杂。在数据挖掘过程中,如果缺失数据处理不当,那么与之相关的有价值的知识也常常会被忽略[3]。大而低质量的数据有时不仅不能支撑有效的数据挖掘,反而还会给数据挖掘的结果造成不同程度的干扰,简单地认为数据越多越好而不关心数据的质量会使得挖掘的结果变得难以预料[4]。

但是在现实世界中,由于人为的或自然的因素造成的数据缺失或噪声数据在所难免,噪声数据或缺失数据不可避免地会对空间数据挖掘的结果产生影响。在这方面许多人都曾做过比较深入的研究,文献[5]对传统的数据质量评估方法和数据质量提高技术做了分析比较,文献[6]则着重分析了领域无关的数据清洗的特点,并对相关方法进行了分类介绍。异常数据检测主要可以分为四类: 基于分布、基于聚类、基于距离和基于密度的方法[7]。文献[8]提出了基于空间局部偏离因子的离群点检测算法,该算法运用空间局部偏离因子来衡量离群点问题,但对于给定对象邻域范围的定义采用的是对象的非空间属性带权距离小于特定值k的所有空间邻居的集合,没能充分利用空间对象在空间位置上的自相关性特点,而且在数据量大的情况下会造成很大的计算压力。

为了有效控制数据质量,提高检测的准确率和效率,本文通过研究空间数据的自相关性理论和模糊集理论在解决模糊问题方面的优势,提出基于空间自相关性和模糊集的空间数据噪声点检测算法。该算法对空间数据离群点的度量方式进行了进一步的改进,以空间对象的空间位置作为对象邻域划定的标准,进而将该对象对于领域内其他对象的隶属度和置信水平进行比较判定该对象的可靠性。

1 空间数据消噪模型

模糊集理论认为元素总是以一定的程度隶属于某一集合,也可能是以不同的程度隶属于多个集合,而非经典数学中的二元性,使得元素的隶属度概念具有一种亦此亦彼的模糊性[9,10]。空间自相关描述的是一些变量在同一个分布区内的观测数据之间潜在的相互依赖性关系。地理学第一定律指出任何事物与其他事物之间都是相关联的,同时距离较近的事物比距离较远的事物的关联性更强[11,12]。对于空间数据库而言,因为包含大量的空间信息,因此各数据元素之间的相关度比一般的业务型数据库中数据的相关度更大,相互联系更为紧密。本文据此提出了基于空间自相关性和模糊集理论的空间数据消噪模型。首先,计算指定对象与其邻域内其他对象的平均距离; 其次,在相似性概念的基础上引入模糊集理论,在特定对象与邻域内其他对象平均距离的基础上定义其与领域内其他对象相似度的隶属度函数; 再次,根据计算所得的隶属度与置信水平进行比较,在置信水平之内认定为可靠性数据,置信水平之外则认为是非可靠性数据; 最后,依据对数据属性的可靠性判断,对非可靠性数据进行消噪处理。

在数据消噪处理过程中最重要而且最核心的问题是对数据噪声点的检测,所谓数据噪声点指的是在数据集中与整体数据集或局部数据集有显著异常或表现不一致的数据观测点[13],本文基于空间自相关性和模糊集理论来进行噪声点数据的判定。

空间对象的属性数据与邻域内相应属性数据的距离,可以有效地表达数据对于邻域数据的融入度。属性空间中对象与邻域空间内其他对象的距离越小,说明越相似,进而表明对象的数据可靠性越高; 距离越大,表明对象与邻域空间内其他对象的差异越大,进而说明该数据的可靠性越低,出现错误的可能性就越大。设包含N个空间对象{ O1,O2,…,ON} 的空间数据集O,每个空间对象Oi具有M个可度量特征属性Oi= { Oi1,Oi2,…,Oi M} ,对象Oi的第k个特征属性与其邻域内对象Oj的第k个特征属性的平均距离定义为:

其中,ni表示的是以Oi为中心,r为半径的圆形邻域内的空间对象数量; d( Oik,Ojk) 表示的是对象Oi与其邻域内对象Oj的第k个特征属性的距离; 当Oik的属性值缺失( 为null) 时,将的值置为最大值Max,表明该特征属性数据缺失。在计算出与邻域内其他对象的平均距离后,如何根据平均距离来确定对象Oi的第k个特征属性是否为可靠性数据,在此,以计算所得的作为论域,即T = [0,+ ∞ ) ,则属性数据的可靠性可以用论域T上的一个模糊子集,记模糊子集为U。那么,论域T上的一个模糊子集U便是T到[0,1]上的映射,记作: Tu: T →[0,1]。衡量对象属性可靠性的函数定义为:

其中,可靠性参数C给出了可靠性度量的距离范围。模糊集合作为客观事物模糊概念的真实反映,可以以此来判断指定数据对于邻域数据的融入度,进而判定属性数据是否可靠,即是否是离散的或有噪声的脏数据。对于判断是否可靠,又需要将模糊的概念表达为“是或否”的清晰概念。因此引入置信水平 λ,通过可靠性函数值与置信水平 λ 对比,可以从模糊集合U中映射出表达清晰概念的普通集合Uλ。当时,表示属性值数据可靠; 反之,表明属性值数据不可靠。Uλ的特征函数为:

2基于自相关性和模糊集的空间数据消噪算法

2. 1 算法描述

通过对空间消噪模型的定义说明,基于空间自相关性和模糊集理论的空间数据消噪算法描述如下:

2. 2 参数控制说明

在该算法中,邻域半径r的选取根据具体情况要尽可能的适中,如果r选取过小会造成邻域内空间对象过少,进而造成属性数据平均距离的判定不具有代表性; 如果r选取过大则会增加计算量。同时可靠性系数C的取值也至关重要,如果C的取值过大,将不能有效的判别数据的离散化程度,容易造成将噪声数据归入可靠性数据的集合中,进而不能实施有效的数据去噪; 反之,如果C值较小,容易造成将真实数据归入不可靠数据的集合中,进而导致数据检测失实。对于置信水平 λ 而言,λ 越高,特征属性的平均距离越小才会被视为数据可靠,对离散化程度的评判越苛刻; 反之,对数据的离散化判别会宽泛,也易造成对噪声数据的可靠性判定结果不准确。因此,如果针对空间对象的不同特征属性值分别选取合理的度量值C,那么通过调整置信水平 λ 可以有效的控制对数据可靠性的判定。

3 实验结果与分析

根据上文介绍的算法思想,本文以某机场及其附近地区2003 年至2009 年各监测点利用永久散射体点( PS) 监测到的地面沉降量数据为例进行实验。实验的软件环境是: Microsoft Windows 7 操作系统; Microsoft SQL Server 2008 数据库; Microsoft. NET Framework 4. 0; 算法的实现语言为C#。

实验选取数据集中的经度、纬度和年均沉降量3 个属性进行,数据量为39 195 条,在此数据集中随机加入240 条噪声数据组成新的数据集,实验中以数据噪声点检测率和噪声点检测的错检率来度量算法的准确性。实验结果如表1 所示。

从表1 中的实验结果可以看出,本文提出的算法相对于整个数据集而言具有检测率高、错检率低的特点。同时,可靠性系数C和置信水平 λ 对数据噪声点检测的结果影响比较明显,在同一数据集的基础上,可靠性系数和置信水平的改变会相应地改变所检测到的噪声点数据的数量,因此运用该算法进行空间数据消噪处理时,需要根据数据的特性选择合适的可靠性系数和置信水平。

为了进一步验证本文所提出算法的有效性,本文算法与LOF算法、SLDF算法分别从正检率、错检率和算法执行时间三个方面进行了对比,对比结果如表2 所示。实验结果表明,在相同情况下,本文所提算法在检测率和算法执行时间方面都要优于LOF算法和SLDF算法,并且适用于数据集规模较大的空间数据检测。

4 结语

空间自相关 第6篇

一、研究方法

空间自相关反映了一个区域单元上某种现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度。当位置相似的观测单元的属性倾向于相似时, 存在正的空间自相关;当位置相似的观测单元的属性比更远的观测单元属性倾向于更不相似时, 存在负的空间自相关;当位置相似的观测单元属性无关时, 空间自相关为零[9]。

(二) 空间权重矩阵。

为了揭示现象或属性值之间的空间联系, 需要选择一个二元权重矩阵Wn*n, 其形式如下:

undefined

wij表示区域之间的邻近关系。权重矩阵W的取值规则可以根据邻接标准或距离标准来度量, 对邻接矩阵:

对距离矩阵:所有对角线元素wij的取值为0[9]。

(二) 全局自相关。

全局自相关是对属性在整个区域空间特征的描述。目前, 几乎在所有涉及空间全局自相关的研究中都应用Moran′s I[9] (公式2) 。它可以衡量空间要素的相互关系, 其值在正负1之间。大于零表明存在空间正相关, 小于零为负相关, 等于零则表明不存在空间相关性。

undefined

式中xi, xj为位置i和位置j的属性值, x为n个位置属性值的平均值, wij为空间权重矩阵。一般采用Z检验n个区域是否存在空间自相关关系, Z的计算公式为:

undefined

(三) 局部自相关。

局部自相关是衡量每个空间要素属性在局部的相关性质。局域空间自相关的表示方法很多, 本文采用Local Moran′s I。从本质上看, Local Moran′s I是将Moran′s I分解到各个区域单元[4]。Anselin[10]将其称为空间联系局域指标 (Local Indicators of Spatial Association, LISA) 。观测单元i的局部自相关统计定义为如下形式[9]:

undefined

式中:n、xi 、undefined、wij 含义同公式undefined。Ii的绝对值越大, 表示子区域空间关联性程度越高。Ii的 z 检验为undefined。

二、研究数据

(一) 数据收集。

本文以福建省2000～2006年67个县、市 (含9个地级市市辖区) 为研究对象, 选取各县、市国内生产总值、人均国内生产总值、最终消费、地方财政收入、固定资产投资、规模以上工业总产值、在校生总数、农林牧渔业总产值、公路通车里程, 作为衡量县域经济水平的9项指标。

(二) 数据整理。

运用SPSS13.0 软件对数据进行主成分分析。各个年份KMO均介于0.75～0.85之间, 适合做因子分析, 提取出的两个主成分, 其方差累计贡献率均已达80%。利用第一、二主成分的特征根对两个主成分赋权重, 并利用公式 (5) 计算出综合得分, 用这一指标来反映县域经济水平。

F=αF1+βF2 (5)

三、福建省县域经济差异空间自相关分析

在给定的显著性水平下, 全局空间自相关分析结果反映在研究区内相似属性的平均集聚程度, 而局部空间自相关分析的结果可回答这些集聚的具体地理分布。

(一) 全局模式分析。

利用GeoDa软件计算2000～2006年福建省67个县、市综合得分的全局自相关系数Moran′s I (图1) , 其结果通过Z检验 (P0.05) 。由图1可见, 在假设0.01的显著性水平下, 福建省各县市综合得分的Moran′s I均显著大于0, 表明存在正相关空间特性, 但相关性不明显, 并且在研究年份内存在波动。

纵观波动变化的过程, Moran′s I值均为正值, 并呈现出增长的趋势, 揭示了福建省县域经济差异正在逐年增大。空间自相关特性始终保持在一个较低的水平, 则说明县域经济区域差异变化缓慢, 县域间关联程度较弱。

(二) 局部模式分析。

1.Moran散点图。

散点图的四个象限表达了局域空间联系的四种类型。第一、三象限分别代表“高高” (HH) 、“低低” (LL) 区域, 落入这两个象限的空间单元属性值都较高或都较低, 存在空间正相关;第二象限“低高” (LH) 表示某一空间单元属性值较低, 而其周围单元较高, 第四象限“高低” (HL) 则与此相反, 落入这两个象限的空间单元存在空间负相关。

运用GeoDA软件计算得到福建省县域经济综合得分的Moran散点图, 在2000年的散点图 (图2) 中, 落入“高高”区的县、市有福清市、长乐市、连江县、厦门市、石狮市、晋江市、南安市、惠安县等12个;落入“低低”区的县、市共42个, 主要分布在福建省北部、东北部和西南部;落入第二象限、第四象限地区较少。2006年 (图3) 第一象限有13个县、市, 第三象限有45个县、市, 落入第二、第四象限的县、市仍然较少。对其他年份各县市综合得分做同样的分析, 发现大多数县市主要落入“高高”和“低低”两个象限, 且年际变化不大。以上分析揭示了福建省县域经济呈现明显的空间二元结构, 东部沿海地区快速发展, 而内陆地区经济始终发展缓慢, 这与现实情况相吻合。

Fig.3 Moran scatter plot of composite indexes in Fujian Province (2006)

2.局部Moran′s I。

运用GeoDA软件, 在假设显著性水平 (0.01/67) 下, 得到福建省各县市不同年份综合得分的LISA值, 并绘制各年份LISA聚集图 (图4) 。从聚集图可知, 2000年以来落入“高高”象限的县、市主要是分布在东南部沿海地区的福清市、长乐市、连江县、厦门市、莆田市辖区、泉州市辖区、石狮市、晋江市、南安市、惠安县、安溪县、龙海市, 但2000年、2004年具有显著LISA值的县市只有长乐市、南安市, 2001～2003年为长乐市、南安市、安溪县、龙海市、安溪县和石狮市, 2005年只有南安市, 2006年为长乐市、南安市和安溪县。在研究年份内, 经济发展的热点地区主要是跟长乐市、南安市、安溪县和龙海市相邻的福州市辖区、福清市、泉州市辖区、晋江市、石狮市、厦门市等县、市, 其辐射的范围也集中于东南部沿海的部分地区, 向外辐射的范围狭小, 速度缓慢, 未能形成扩散效应。

2000～2006年福建省内陆、山区始终是“低低”地区, 具有显著LISA值的县市有长汀县、宁化县、邵武市、建阳市、浦城县、松溪县、建瓯市、政和县、寿宁县、周宁县、屏南县和福安市。在2002年“低低”地区的范围有所缩小, 但在研究年份内整体变化不大。

综上所述, 2000～2006年福建省县域经济呈现明显二元化现象。东南部沿海经济热点地区始终是经济发达地区, 而内陆、山区地区却是越来越差。东南部县域经济发达地区对内陆、山区地区难有扩散效应, 同时对内陆、山区地区的依存度和产业经济联系亦不明显。

四、福建省县域经济差异的原因分析

(一) 资源和区位禀赋的不可逆性制约了梯度推移的过程。

不同地区资源和区位状况的客观差异, 决定了区域经济发展的初始条件差别的客观性[12]。闽东南沿海地区利用其资源禀赋和区位优势, 在制度和技术创新中超前于内陆、山区地区, 市场容量大, 市场化程度高。内陆、山区地区经济发展水平低、人均收入不高决定了其市场容量有限, 市场化程度不高而且进程缓慢, 这样就制约了可能梯度推移的企业的利润空间, 不易形成规模经济, 限制了梯度推移的过程。

(二) 产业集聚不突出, 产业关联性不强。

产业集聚不突出, 省内产业联系较弱, 使得福建省并未形成真正的经济区[6]。闽东南地区拥有相当数量的企业, 但多为劳动密集型的产业, 并没有形成发展极或增长中心。内陆、山区地区资源虽然丰富, 但沿海加工业对其依存度不高, 产业关联程度低[6]。这些不仅使省内产业的区域吸引力小, 而且缺乏各地区产业的关联, 形成不了全省经济的分工与协作。

(三) 侨资投入的地区差异。

福建省县域经济的发展与侨、台、港、澳关系密切。海外、境外的闽籍移民大多集中在沿海及闽西部分客家地区, 这些闽籍移民在祖地注资、办厂, 引进外来生产要素, 极大的促进了乡镇企业的发展壮大。内陆、山区地区的海外、境外移民远远少于东南沿海地区, 因此在投入资金、技术等方面也远远逊于东南沿海地区。

(四) 交通基础设施建设滞后。

福建省交通投资落后, 交通体系不完善, 极大地制约了县域经济的发展。公路、铁路里程和密度水平低, 布局不合理, 许多港区没有铁路进入, 限制了港口腹地的内延[6]。内陆交通条件不理想, 至今还是发展的瓶颈。标准集装箱货车难以开进山区, 部分路弯偏大, 长集装箱转不过弯, 通车以来实际上跑不了大货柜车, 无法实现厂门至厂门或厂门至港口的直接运输[13]。

五、结语

本文利用空间自相关方法, 通过全局和局部空间自相关分析, 对2000～2006年福建省县域经济差异进行了实证研究。分析结果显示: (1) 福建省县域经济呈现正的空间自相关特性, 并且关联程度的变化不大。县域之间经济差异持续存在, 但也没有进一步扩大。 (2) 经济热点地区集中在东南沿海, 而经济落后的地区集中在北部、东北部、西部、西南部的内陆、山区地区, 呈现明显的空间二元化现象。本文对导致福建省县域经济差异显著的原因进行了深入分析, 我们认为主要存在资源与区位禀赋和侨资投入的地区差异、省内产业关联度不强和省内交通落后等方面的原因。

空间自相关 第7篇

关键词：公共设施,空间公平,空间自相关,中小学

1. 引言

城市公共设施是城市重要的功能构成,其空间布局关系到市民日常生产生活的质量和效率。目前我国公共设施布局规划主要依据是国家制定的相关规范,如规模等级、服务人口、千人指标等,但在当前城市快速扩展、社会结构发生变化的条件下,公共设施分布的空间关系对城市公共设施公共性的影响越来越大。空间自相关分析就是通过研究特定空间单元与研究区域内其它单元的空间关系,揭示空间单元分布的不同属性空间特征,进而评价空间单元分布的公共性和公平性。

近年来,国内外的学者应用空间自相关分析探索社会现象的空间模式和异常分布。Emily Talen应用ESDA(Exploratory Spatial Data Analysis,探索性空间数据分析)方法对比性研究美国的梅肯市和普韦布洛市公园在空间分布上的社会公平性,Itzhak Omer应用空间自相关方法研究以色列的特拉维夫市公园空间可达性公平性分析,Karen E研究加拿大的埃德蒙顿市操场可达性和公平性,国内朱传耿等用该方法分析中国流动人口空间分布的差异性,陈斐分析新疆维吾尔自治区各县、市经济增长和聚集情况,刘峰等分析甘肃省天水市的人口空间分布模式,葛莹研究江苏省城市化和地方化集聚经济的地理格局,梁艳平等研究城市人口的空间分布结构特征。从国内外研究成果来看,国内的学者将空间自相关方法主要应用于人口和经济在空间分布格局的研究上,国外的学者在应用空间自相关方法于基础设施的公平性研究方面有一定的成果。本文应用空间自相关分析中的local indicators of spatial association(LISA),以杭州中心城区中小学空间分布为例,以街道的行政范围作为空间单元,建立相关的可达性指标,研究中小学在空间分布模式和空间聚集,实现杭州中心城区中小学空间分布公平性的评价,为今后中小学设施布局规划提供参考。

2. 空间自相关

空间自相关(Spatial Autocorrelation)分析探索与地理空间有关的社会经济现象,是研究空间中某个空间单元与其周围单元之间的同一属性在空间上相互关系,通过统计方法,进行空间相关性程度的计算,以分析这些空间单元在空间上分布现象的特性,反映空间单元与其周围单元之间的相关程度。

空间自相关分析是一种统计检验方法,分为全局和局部假设检验两种。在给定的显著性水平下,全局空间自相关值反映在研究区内相似属性的平均集聚程度;而局部空间自相关值可回答这些集聚区的具体地理分布。因此,在空间自相关应用于研究中小学在空间的布局时,全局空间自相关可探索研究区内中小学是否有集聚存在,局部空间自相关可获得中小学集聚程度高(低)的具体空间分布。其中Moran’s I是比较常用的一个全局指数,是通过空间单元的共变性计算得到,使用单一值来反映整体上的自相关。Moran’s的值域为[-1,1],大于0为正相关,小于0为负相关,且值越大表示空间分布的相关性越大,即空间上有聚集分布的现象,值越小表示空间分布相关性小。局部自相关用来测度以每个地理单元为中心的一小片区域聚集或离散效应,最常用的局部自相关指数为Local Moran’s l,如果索引值li为正,则要素值与其相邻的要素值相近,如果索引li值为负值,则要素值与相邻要素值有很大的不同。

3. 杭州中心城区中小学空间分布公平性研究

3.1 研究范围与研究对象

研究范围为杭州中心城区25个街道和镇行政单元(图1),有171所中小学。应用空间自相关方法进行杭州中心城区中小学空间分布的公平性研究,首先需要确定相关空间分析地理单元大小,本次研究以街道行政边界作为研究空间单元,在此基础上确定中小学空间分布的公平性评价指标,选择包含数(空间单元中所包含的中小学数目),最小距离(空间单元到最近中小学的距离),平均距离(空间单元到所有中小学的平均距离)三个指标的空间聚集特点来评价中小学分布的公平性,然后与人口的空间分布状况结合进行评价。

3.2 中小学空间分布公平性的影响因素

公共设施的空间公平性在一定程度上可以用公共设施使用的距离来表达,即公共设施的可达性。另外,它还包含了公众使用公共设施的质量和对公共设施的选择权。因此,本文中对中小学设施空间分布公平性的评价包含了中小学设施的密度、可达性、以及人口分布等几项内容的评价。

聚集/离散程度:聚集/离散程度是衡量城市公共设施分布是否合理的一项重要指标,从理论上讲,公共设施分布的越分散,它所服务的范围和人群就越广泛。因此,公共设施分布的空间密度可以用来表示公共设施的离散或聚集程度,聚集程度越高,设施的可达性就越高,反之就越低。在本研究中,我们采用空间单元的中小学包含数作为表示空间聚集/离散程度的指标。

可达性:公共设施的可达性有两个方面的含意,一是公共设施的合适服务距离,可以通过交通距离表示,也可用服务半径表示,二是特定空间中的被服务者可以到达的公共设施数量和等级,它代表了服务的数量和质量。一般来说,等级越高的公共设施服务范围越大,服务的水平越高。中小学有其一定的服务半径,但因为资源配置的不均衡和使用者的选择性,不同城市地段的服务水平也有很大差异。在本研究中,我们采用空间单元到最近学校的最小距离和空间单元到所有学校的平均距离作为中小学可达性的指标。

人口分布:人口的密度和数量决定了对公共设施需求的程度,他们之间存在一定的相关性,利用人口的空间分布在一定程度上可以修正单纯空间评价带来的偏差。本研究利用人口密度的空间相关性特征,与其它空间自相关性指标配合,力求全面地评价杭州中心城区中小学分布的公平性。

3.3 全局空间自相关性分析

对中小学空间分布评价公平性的包含数、最小距离和平均距离三个指标进行全局Moran,s|进行计算,得到包含数的全局Moran’s|指数为0.11,其标准Z值为2.22;最小距离的全局Moran’s|指数为0.17,其标准Z值为2.65;平均距离的全局Moran’s|指数为0.48,其标准Z值为4.2;以正态分布95%置信区间双侧检验阈值1.96为界限,发现计算Z值结果都大于1.96,表明评价中小学分布公平性的包含数、最小距离和平均距离三个指标在整体上具有较强的正相关性,即高值单元与高值单元邻接,低值单元与低值单元邻接的趋势。

3.4 局部空间自相关性分析

应用Local Moran’s|指数来揭示中小学空间分布的关联模式,同时将空间关联模式分为“高-高”、“低-低”、“高-低”和“低-高”四种关联。对中小学空间分布评价公平性的包含数、最小距离和平均距离三个指标进行Local Morans|指数进行计算,并作出相应空间聚集图。

3.4.1 包含数指标

由包含数指标的聚集图可以看出(图2),包含数指标的分布存在明显空间集聚现象。在杭州市的城市中心地带,存在1个非常明显的“高高”集聚(热点),位于天水街道、长庆街道、潮鸣街道、小营街道、采荷街道、清波街道、紫阳街道;在整个研究区存在2个“低低”集聚(冷点),分别位于研究区的东北部边缘地带,包括闸弄口街道、彭埠镇、四季青镇,以及西南地带,包括灵隐街道和北山街道。

3.4.2 最小距离指标

由最小距离的聚集图可以发现(图3),最小距离指标的分布存在明显空间集聚现象。在研究区范围内,存在2个非常明显的“低低”集聚(冷点),一个位于杭州的城市中心地带,包括朝晖街道、米市巷街道、武林街道、天水街道、长庆街道、潮鸣街道、小营街道、湖滨街道、清波街道、紫阳街道,另一个位于西北方向的翠苑街道;有3个“高高”集聚(热点),分别位于研究区的东北部边缘地带,包括闸弄口街道、彭埠镇、四季青镇,西南地带的灵隐街道,以及西部的蒋村和文新街道。

3.4.3 平均距离指标

从平均距离聚集图可以看出(图4),平均距离指标的分布存在明显空间集聚现象。在研究区范围内,存在1个非常明显的“低低”集聚(冷点),位于杭州的城市中心地带,包括文晖街道、朝晖街道、西溪街道、米市巷街道、北山街道、武林街道、天水街道、长庆街道、潮鸣街道、小营街道、湖滨街道、清波街道、采荷街道、凯旋街道,有2个“高高”集聚(热点),分别位于研究区的东北部边缘地带,包括彭埠镇、四季青镇,西部地带的灵隐街道、古荡街道、翠苑街道、蒋村和文新街道。

3.4.4 人口密度指标

中小学的空间分布与人口分布有一定的相关性,将中小学的空间聚集指标与杭州中心城区人口的空间聚集分布进行对比,可以进一步评价中小学空间分布的特征与公平性。杭州中心城区的人口密度分布存在空间集聚现象与中小学的空间聚集相似(图5)。1个非常明显的“高高”集聚(热点),位于杭州市的城市中心地带,包括朝晖街道、西溪街道、米市巷街道、武林街道、天水街道、长庆街道、小营街道、湖滨街道,有3个“低低”集聚(冷点),分别位于研究区的东北部边缘地带,包括闸弄口街道、彭埠镇、凯旋街道、四季青镇,西部的灵隐街道、古荡街道、翠苑街道、蒋村和文新街道,南部的南星街道。

3.5 杭州中心城区中小学空间分布公平性评价

中小学空间分布评价公平性的包含数、最小距离和平均距离三个指标中,包含数反映了空间单元中的中小学数目,最小距离和平均距离反映空间单元到中小学的距离,是可达性指标,可达性指标的最小距离和平均距离的“低低”集聚区主要位于杭州市的城区中心地带,而其“高高”集聚区主要位于东北部边缘地带和西部地带;包含数指标的“高高”集聚区要位于杭州的城市中心地带,而其“低低”集聚区主要位于东北部边缘地带和西部地带,这说明中小学在空间上主要集中分布城市中心地带,且其可达性比较好,东北部边缘地带和西部地带中小学数量少,分布比较分散,且可达性比较差。对比人口密度的空间分布,可以发现两者之间存在相当程度的正相关性。

4 结论

空间统计分析与GIS的集成为杭州市中小学空间分布模式的研究提供一种交互式的、可视化的工具,同时也为政府部门制定中小学空间布局提供决策依据。应用空间自相关的全局指数和局部指数可以很好地揭示杭州市中小学在空间分布模式,研究表明杭州市中小学空间分布模式与人口密度分布有一定的相关性,人口密度高的地带,中小学比较集中,且可达性好,而人口密度低的地区,中小学分散,且可达性差。同时,随着中心城区的人口不断地向外扩散,需要在东北和西部地带增加新的中小学,以满足未来人口增长的需要,使得中小学布局趋于合理。

参考文献

[1]Anselin Luc.Spatial Econometrics:Methods and Models [M].Boston:Kluwer Academic,1988

[2]Anselin Luc,Getis A.Spatial Statistical Analysis and Geographic Information System[J].Annals of Regional Science.1992,26(1):19-33.

[3]Anselin Luc.Local indicators of spatial association—LISA [J].Geographical Analysis.1995a,27:93-115.

[4]Pacione,Michael.Access to urban services-the case of secondary schools in Glasgow[J].Scottish Geographical Magazine.1989,105:12-18.

[5]Ord JK,Getis A.Local Autocorrelation Statistics: Distributional Issues and an Application[J].Geographical Analysis.1995,27(4):286-306.

[6]Truelove,M.Measurement of spatial equity[J]. Environment and Planning C.1993,11:19-34.

[7]Emily Talen,AICP.The Social Equity of Urban Service Distribution:An Exploration of Park Access in Pueblo,CO and Macon,GA.Urban Geography.1997,18(6):521-541

[8]Itzhak Omer.Evaluating accessibility using houselevel data:A spatial equity perspective[J].Computers Environment and Urban systems.2006,30:254-274

[9]陈斐,杜道生.空间统计分析与GIS在区域经济分析中的应用[J].武汉大学学报(信息科学版).2002,27(4):391-395.

[10]葛莹,姚士谋等.运用空间自相关分析集聚经济类型的地理格局[J].人文地理.2005,20(3):21-25.

[11]梁艳平,钟耳顺,朱建军.城市人口分布的空间相关性分析[J].工程勘察.2003,(4):48-50

古商城聚落自组织空间形态分析 第8篇

古商城的聚落形态是一种复杂的空间体系, 具有自组织演变的基本特征。古商城后期的发展也需要组织的调节与引导在城市原有自然发展的情况下, 用城乡规划理论来调节与引导城市聚落空间形态往更高级层次的演变。本文聚焦于自组织演化系统理论与空间聚落形态规划理论的结合, 分析具有复杂行为的古商城聚落空间系统, 为古商城的空间聚落形态发展寻找适宜之路。

一、聚落空间与系统自组织演变

1. 聚落空间

“聚落”本意指人类居住的场所, 是一定的人群聚集于某一场所进行相关的生产与活动而形成共同的生活居住状态。从空间形态来说, 聚落是由多种建筑群落规则性的组成有序的系统空间。聚落的发展规律是从低级往高级发展, 即村庄到城镇再到都市, 乃至更大的城市群。聚落体系一般分为城市聚落与农村聚落。城市聚落不同于农村聚落, 具有现代化及社会化等特征。城市聚落空间是承担自然、社会、文化系统物质交换及能量转换的重要空间。

2. 城市发展的自组织演变

城市的发展从无到有, 简单到复杂, 形成了一个复杂而巨大的社会物质系统。原始的城市空间形态大致可分为两类:一是具有集权统治特征下规律形态的几何分布城市;二是具有自组织特征通过自身的成长机制和运行规律的城市。当城市空间自身的自组织状态发展到一定的阶段时, 其自身具有较大的稳定性。这种稳定性能使城市通过反馈机能对自身的行为进行调整, 与周边环境相互磨合。如在明清时期, 扬州作为典型的水运城市随着铁路等其他交通运输方式的发展, 逐渐形成了陆上交通为主、水上交通为辅的综合型运输城市。城市的自组织演变是一系列的稳定变化稳定的循环过程, 但是一系列新的发展变革都在不同程度上影响着城市发展的自组织演变过程。

3. 城市自组织演变的主要特征

(1) 开放性

城市聚落空间的发展过程中存在着与外界空间进行物质与能量的流动及交换。城市聚落空间的开放性表现在两个方面。首先, 城市聚落空间随时与外部空间保持着一定的联系并与之进行物质及能量交换, 以促进城市聚落空间自身的发展及完善。城市聚落空间的发展辩证且统一, 都是由无序至有序、低级至高级的发展。其次, 城市聚落空间开放性“度”的把握。当城市开放到一定程度的饱和状态时, 可能违背自身成长机制, 破坏城市聚落空间的稳定性。因此, 城市聚落空间发展中开放度的界限尤为重要。

(2) 非平衡性

城市聚落的非平衡性表现在一定范围内与外部空间交换物质及能量的差异。城市聚落个体间存在社会资源、自然资源、经济资源等方面的差异, 从而造成了一定因素在此范围内的流动差。非平衡性的能量流动形成了城市聚落空间形态自组织进行非平衡到平衡的变化。

(3) 自愈性

城市聚落空间的自组织演化受到各个因素多方面的影响, 导致了物质及能量发生变化和转化。在一定程度上, 城市自组织的演变具有自愈性, 不断完善了城市自身系统形态。城市聚落空间自愈的过程也是空间系统从低级往高级发展的一个过程, 最终从形成了适应城市聚落空间发展的系统组织。当城市的变化“量”超过城市系统的自愈负荷时, 城市空间自组织系统也会失去稳定, 或者成为组织宏观调控下的城市状态。因此, 城市自组织演化中的自愈性是城市长久发展的重要因素, 不容忽视及置疑。

聚落的自组织在“共同幻想”的统领下不断强化同类感与归属感, 逐渐形成秩序及共同体。城市空间通过自组织系统的自我调适, 使城市聚落空间的社会、自然、经济等方面得到强化, 以促进城市的长期稳定发展。

二、自组织理论在洪江古商城中的实践

洪江古商城位于湖南省怀化市内洪江区西部, 源于春秋, 曾是湘、滇、黔、桂、鄂五省地区的物资集散地。因其得天独厚的自然人文资源优势, 成为了一座集政治、军事、经济、宗教、文化史资大全的活性博物馆。

1. 古商城的空间形态特色

(1) 自然环境

洪江古商城位于湘西怀化市境内的洪江区西部, 沅水自西向东转北流入城区, 巫水自南向北合沅水于城市中心, 其自然条件的得天独厚, 自然而然形成了具有自组织特征的空间性结构。

(2) 公共开放空间

洪江古商城的公共开放空间主要由街巷与店铺的串联交织汇聚点以及各个建筑之间散落的大小各异的广场形成。城市公共开放空间连接各条道路的同时使货品运输便捷, 信息传播快捷, 为古商城的商业贸易及安全提供了良好的基础。

(3) 街巷

洪江古商城不同于一般城市建设所用的纵观南北的对称中轴线, 明代时期的整体建筑格局集中体现了中庸的礼制思想, 结构严谨, 各大街纵横交错, 又与其间的胡同交错, 形成了许多大小不等的“十”字和“井”字街道格局, 在胡同里四合院式的住宅鳞次栉比, 洪江古商城是根据城市自身属性道路延伸形成的自然轴线。在古商城中, 各条街巷曲折蜿蜒交错相连形成网状轴线的同时也形成了多维度的空间格局, 具有自组织的分形特征。

(4) 建筑

洪江古商城由于其自身集居住、商业与防御为一体, 建筑的防火及安全要求墙面甚高, 形成了当地特色的“窨子屋”, 这些建筑群的墙面多数都高达10多米。“窨子屋”分布在弯曲纵横的自然网状轴线上, 形成了一个错综复杂而整体的建筑聚落。从“窨子屋”聚落群的自组织演变的历程中, 可以发现古商城的自组织结构特征, 其表现为:古商城的建筑形态不受外界因素的影响而各自形成独立的住宅单元;每一个建筑单元的形成与建立与已建单元的建筑及周边节点存在一定的影响, 形成了统一的建筑形态, 如统一采用密闭式的“井”式空间形态;由于古商城特有的商业性质的聚集性, 在整个单位的密闭空间形成的古商城各个元素之间和谐互补形成了具有一定规模效应的特色建筑聚落群。

2. 聚落结构的自组织分析

洪江古商城随着自然条件、公共空间、街巷、建筑等自然人文资源的变化, 聚落结构的变迁随着时间的推移逐渐形成了具有地域性的自组织空间形态。洪江古商城是一个以线性网络空间为主导的聚落形态, 洪江古商城的街道网络因其自组织的特性将单体的建筑单元与空间街道集合成一个完整体, 反映出了洪江特有的地域文化特征。

洪江古商城特有的空间结构、聚落形态是由于其独特的区位条件、文化背景、商贸力量的强大等原因共同作用的结果。洪江古商城的文化特质由于移民的到来而呈现出多元化的趋势, 聚落的表现也呈现出开放性。

洪江古商城经过多年的商业变迁, 从初级到高级的城市发展、无序的到有序的聚落形态, 已然成为了一个成熟自组织聚落体系。由于随着现代化的迅速发展、铁路公路的普及、航空运输的发展, 致使水运没落, 古商城与外界的联系程度已远不如前, 由盛转衰, 自身的自组织系统受到了威胁, 逐渐失去了稳定性, 逐渐消失的历史的车轮中。普里戈金的耗散结构理论曾提到:“一个远离平衡态的开放系统, 在与外界不断地交换物质和能量并达到一定阈值时, 就有可能从原来的散乱无序状态, 跃变为一种时空或功能上有序的状态, 这种非平衡状态下形成的新的有序结构必须继续交换物质能量才能够维持。”

三、结语

古商城作为特殊的城市类型是古代商业文化的重要载体, 是十分宝贵的文化遗产资源。由于20世纪快速的城市建设, 资金缺乏、保护意识薄弱、管理机制不全等多种因素的印象, 导致了原来古商城的空间聚落形态遭到了破坏, 现代化的尺度宽阔的车行道路与原有古商城小街小巷的尺度已矛盾的将古城切割;原有的城市山水界面因山水而异, 如今大量的现代化建筑破坏了城市与山水的融合;老城区与新城区划分而置, 在老城区附近另辟新城区, 两者截然不同的城区坐落在城市, 古商城的自组织更新的进程遭到了破坏。本文把古商城聚落空间形态系统放在自组织演变中研究, 尝试构建古商城聚落空间形态自组织演变的理论框架, 重点提出以聚落空间带动城市自组织演变这一以点带面的城市更新规划方法, 丰富了当前古商城的更新规划理论。

摘要：系统的自组织理论给古商城聚落空间形态分析提供了一种深层次的研究视角。文章引入城市自组织的理论, 分析并探讨了古商城聚落空间的形成及特征。并以湖南省洪江区洪江古商城空间形态为例, 探索了古商城的空间聚落形态发展的适宜之路。

关键词：自组织结构,聚落形态,复杂系统,古商城,洪江

参考文献

[1]朱东风.1990年以来苏州市句法空间集成核演变[J].东南大学学报, 2005.

[2]原广司著.于天袆, 马千译.世界聚落的教示100.[N].北京:中国建筑工业出版社, 2003.

[3]詹云贵.明清商埠重地——洪江古商城[J].中国地产市场, 2004 (09) .

[4]明星.湘西洪江:500年沧桑古商城[N].三湘都市报, 2002.

自回归法大跨度空间结构风速模拟 第9篇

近几十年来,空间结构的应用越来越多,而风荷载往往是大跨度空间结构安全性的一个主要控制因素。然而由于缺乏足够依据,目前我国《建筑结构荷载规范》GB50009-2001规定的风振系数是从对高层和高耸结构的研究中获得的,某些结论仅适用于高层和高耸结构,用于大跨度空间结构并不合适。

要对大跨度空间结构进行时域范围内的风振分析,首先必须得到相应的风速时程。目前,记录到的强风过程应用于实际工程还不能普遍实现。基于数值模拟方法的风速时程可满足某些统计特性的任意性,且比实际记录更具代表性,因而在实际工程中被广泛采用[1]。

近年来风速时程的模拟方法中,基于线性滤波技术的自回归法(Auto-Regressive简称AR法)因其计算量小、速度快在风速时程的模拟中应用较多[1,2]。

1 风速时程模拟的AR法

风速可以看作由平均风和脉动风两部分组成。可对风速时程作以下假定[1]:(1)任意一点处平均风速不随时间改变;(2)脉动风速时程是零均值平稳随机过程;(3)风速时程间具有空间相关性。

采用AR法推广到模拟多维风速过程的技术,生成M个点空间相关脉动风速时程V(X,Y,Z,t)列向量的AR模型可表示为[1]

式中,X=[x1,xM]T,Y=[y1,yM]T,Z=[z1,zM]T,(xi,yi,zi)为空间第i点坐标,i=1,,M;p为AR模型阶数;△t是模拟风速时程的时间步长;Ψk为AR模型自回归系数矩阵,为MM阶方阵,k=1,,p;N(t)为独立随机过程向量

式中n(t)=[n1(t),nM(t)]T,ni(t)是均值为0、方差为1的正态分布随机过程,i=1,M。

据文献[1,3,4]AR法模拟风速时程的过程如下所述。

1.1 回归系数矩阵

式中Ψ为(p+1)MM阶矩阵,I为M阶单位矩阵;Op为p MM阶矩阵,其全部元素为0;R为(p+1)M(p+1)M阶自相关Toeplitz矩阵,形式如下

式中,Rij(M△t)是MM阶矩阵,i=1,,p+1;j=1,,p+1;m=0,,p。

功率谱密度与相关函数(协方差)之间符合维纳-辛钦公式:

式中f为脉动风速频率;Sij(f),i=j时为脉动风速自谱密度函数,i≠j时脉动风速互谱密度函数,可由脉动风速自谱密度函数Sii(f)和相干函数rij(f)确定。

式中Sii(f)、Sjj(f)水平谱一般采用Davenport脉动风速谱[5];垂直功率谱可采用Panofsky谱[4]等;对三维问题rij(f)表达式为:

求解式(9)线性方程组可得回归系数矩阵Ψ。

1.2 独立随机过程向量N(t)

对式(5)得出的RN进行Cholesky分解

由式(2)可求出N(t)。

1.3 M个点相关脉动风速时程

由式(1)

计算时假定初始时刻之前的风速为0,即t0时V(t)=0。

1.4 人工风速时程

最终模拟的人工风速时程为

2 算例分析

根据AR法应用FORTRAN语言编制计算程序,以沈阳北站无站台柱雨棚工程为例,模拟作用于大跨度空间结构的风速时程。

2.1 工程概况。

该工程全长约548m,分为东西两部分,分别由9榀、10榀加设斜拉索的钢管桁架组成。钢管桁架纵向间距分别为:西侧雨棚720m+15m,东侧雨棚13m+823m,西侧雨棚两端檩条分别悬挑9m、7m,东侧雨棚两端檩条分别悬挑7m、10m。每榀桁架为连续三跨,跨度分别为59.2m+66.5m(变化)+21.0m(悬挑跨)。柱底到钢管桁架与柱相交处的距离为15.1m,钢管桁架与柱相交处到柱顶的距离为13.0m。每榀桁架之间设置H型钢檩条,整个结构形成稳定的空间结构体系。站台处的雨棚设置金属钢板覆盖,铁轨处雨棚外露,形成6个单元,而6个单元的仰角又各不相同。

2.2 风速时程模拟。

为考虑结构的空间作用,计算模型取4榀桁架,间距23m,模拟风速时程的表面节点为616个。

水平功率谱采用Davenport功率谱,表达式为:

式中α为地面粗糙度系数。

垂直功率谱采用Panofsky谱,表达式为:

根据文献[1]取AR模型阶数p=4,10m高处平均风速29.66m/s,地貌类型C类,模拟时间2min,时间间隔0.1s。所模拟节点较多,图1仅给出计算模型中A、B两个点的模拟水平风速。得到模拟功率谱与目标功率谱(Davenport谱)较为吻合(图2),说明所编程序可用于模拟空间结构的风速时程。

3结论

根据风速时程模拟的AR法编制FORTRAN语言程序,模拟空间点风速时程,结果与目标功率谱比较吻合,可以用于大跨度空间结构风速时程的模拟,作为实际工程应用的基础。

摘要：根据自回归法,编制了模拟空间点风速时程的计算程序,并以沈阳北站无站台柱雨棚大跨度空间结构进行实际工程的分析,计算所得风速时程曲线进行统计分析,结果与目标功率谱比较吻合,表明可利用该方法对大跨空间结构的风速时程进行模拟。

关键词：大跨度空间结构,风速时程模拟,自回归法

参考文献

[1]舒新玲,周岱.风速时程AR模型及其快速实现[J].空间结构,2003,12:27-32.

[2]J S Owen,B J Eccles,B S Choo,M A Wood-ings.The application of auto-regressive time se-ries modeling for the time-frequency analysis of civil engineering structures[J].Engineering struc-tures,2001(3):521-536.

[3]Iannuzzi,A.and Spinelli,P.Artificial wind gener-ation and structural response[J].Journal of Struc-tural Engineering,ASCE.,1987,113(12).

[4]王修琼,张相庭.混合回归模型及其在高层建筑风响应时域分析中的应用[J].振动与冲击,2000,19(1):5-7.

[5]黄本才.结构抗风分析原理及应用[M].上海:同济大学出版社,2001.