基于GIS的山地城市制造业的地理集中度测算及时空演变研究

发布时间：2017-04-02 16:12

  本文关键词：基于GIS的山地城市制造业的地理集中度测算及时空演变研究，由笔耕文化传播整理发布。

【摘要】：制造业的合理布局有利于推动当地的经济发展,摸清解放以来重庆市制造业的时空演变情况对于重庆市的产业结构调整具有很好的现实意义,研究制造业及二位数制造业与下垫面因素之间的关系对于产业布局、行业选址等具有重要的参考价值。本文充分利用3S技术,在建立重庆市企事业单位空间数据库的基础上,综合Ripley's K函数与M函数的优缺点进行重庆市不同二位数制造业的多距离空间尺度的集中度测算,并对传统的M函数进行改进,建立基于交通距离的产业地理集中与分散测算方法。在多距离空间尺度的地理集中度测算基础上,运用ArcGIS软件空间分析模块下的核密度和平均中心等工具对重庆市制造业及二位数制造业的时空演变特征进行分析,对制造业及二位数制造业与下垫面因素之间的关系进行研究,为重庆市二位数制造业的产业集聚培育、区域产业发展、产业转移方向、产业结构调整等提供数据支撑,研究结果可供政府在制定区域产业政策时参考。重庆市产业地理集中度测算研究表明:采用NNI作为K函数的前期计算方法,判断各二位数制造业是否存在集聚的方法可行且效果较好,与K函数计算结果存在很好的一致性。结果分析得出二位数制造业中除了C16以外都呈集聚分布,其中C40的集聚程度最高,其次是C37、C36、C34。采用直接消耗系数作为初步判断行业间的空间关联强度效果较好,直接消耗系数高的行业间存在较为明显的集聚现象,二位数制造业行业中直接消耗系数最高的5组分别是:C16和C22、C17和C18、C26和C28、C29和C41、C32和C38。Ripley's k函数和M函数在实际运用中应同时考虑,Ripley's k函数更易于判断集聚程度最大时的距离,M函数则可以更好判断集聚过渡为离散时的最大距离,且Ripley's k函数无法计算行业间的集聚度的问题在M函数算法中得到了很好的解决。结果分析发现?K的最大值对应的距离可以作为集聚的最大距离,大部分二位数制造业在35km左右集聚程度开始减弱,其中?K最大值对应的距离最小的是C39、C24和C28。大部分二位数制造业的M函数值在35km左右时趋于稳定且接近1,M函数值的结果显示在100km左右时大部分二位数制造业变为离散分布。行业间的结果分析发现直接消耗系数高的行业间存在单方面集聚现象,普遍认同的空间指向趋同的行业并不一定存在较好的空间集聚,用M函数判定两个行业间的空间集聚程度具有很强的科学性。通过对改进M函数的分析发现提高交通便利性有利于提高产业集聚度。重庆市制造业时空演变特征及机制研究表明:制造业主要分布在都市功能核心区、都市功能拓展区及城市发展新区,7个时期最高核密度分别为0.02、0.22、0.49、0.99、5.16、10.83和26.51,均位于都市功能核心区和都市功能拓展区,核密度呈指数增长,反映制造业空间分布呈加速增长与集中的趋势;二位数制造业核密度最高的是C17,其次是C35,最低的是C28,其次是C25;制造业平均中心在东北-西南方向来回移动,其中二位数制造业平均中心变化分为3类,偏向城市型、退出城市型和依赖城市型;不同二位数制造业对于不同下垫面因素的敏感程度不同,整个制造业、C23和C39对于下垫面因素的敏感性在Z3时期呈现降低的趋势,综合分析发现对于高程、坡度、道路的敏感性要高于起伏度和水系;高程、坡度、起伏度、道路、水系的适宜制造业分布的范围分别为200-500m、0-20°、0-70m、1-200m、0-6000m。研究对于丰富产业时空分布相关领域的研究具有重要科学价值,研究思路及研究方法可供相关研究借鉴,研究结果可供政府在宏观决策中参考。
【关键词】：最近邻指数 直接消耗系数 Ripley's k函数 M函数 改进后M函数 核密度 平均中心 下垫面 制造业 重庆市
【学位授予单位】：重庆师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P208;F426.4
【目录】：

• 摘要6-8
• ABSTRACT8-13
• 1 引言13-23
• 1.1 研究背景13-14
• 1.2 研究目的/意义14-16
• 1.3 国内外研究现状16-20
• 1.3.1 产业地理集中机制的理论解释16-17
• 1.3.2 产业地理集中的测度方法研究17-18
• 1.3.3 产业分布时空演变研究18-19
• 1.3.4 小结19-20
• 1.4 研究内容与技术路线20-21
• 1.4.1 研究内容20-21
• 1.4.2 技术路线21
• 1.5 研究创新之处21-23
• 2 数据来源与研究方法23-35
• 2.1 数据来源23
• 2.2 研究方法23-31
• 2.2.1 基于企事业点的产业时空数据库的建设23-24
• 2.2.2 最近邻指数24-25
• 2.2.3 直接消耗系数25
• 2.2.4 Ripley’s K函数25-26
• 2.2.5 改进的基于交通距离的产业地理集中度测度方法M函数26-27
• 2.2.6 构建山地城市产业地理聚集度空间分析系统27-30
• 2.2.7 核密度30
• 2.2.8 平均中心30-31
• 2.2.9 影响制造业空间分布格局的因素分析31
• 2.3 研究区概况31-35
• 2.3.1 地理位置与行政区划31-32
• 2.3.2 地形地貌32-33
• 2.3.3 经济概况33-35
• 3 基于距离的产业地理集中度测算35-57
• 3.1 NNI分析35-36
• 3.2 直接消耗系数分析36-37
• 3.3 Ripley's k函数计算分析37-39
• 3.4 M函数计算分析39-55
• 3.4.1 传统M函数计算结果分析39-49
• 3.4.2 改进M函数计算结果分析49-55
• 3.5 小结55-57
• 4 制造业时空演变特征及机制研究57-72
• 4.1 数量变化及空间变化57-59
• 4.2 核密度时空演变59-63
• 4.2.1 整个制造业分析59-60
• 4.2.2 二位数制造业分析60-63
• 4.3 平均中心时空演变63-65
• 4.3.1 整个制造业分析63-64
• 4.3.2 二位数制造业分析64-65
• 4.4 制造业空间分布的下垫面因素分析65-70
• 4.4.1 总体分析65-68
• 4.4.2 不同时期分析68-70
• 4.5 小结70-72
• 5 结论与讨论72-75
• 5.1 结论72-73
• 5.2 创新与展望73-75
• 参考文献75-80
• 附录A80-83
• 附录B83-87
• 附录C 作者攻读硕士期间发表论文及科研情况87-88
• 致谢88

  本文关键词：基于GIS的山地城市制造业的地理集中度测算及时空演变研究，，由笔耕文化传播整理发布。

本文编号：282771