基于多源数据的贵州省应急避难场所空间格局分析

Spatial Pattern Analysis on Emergency Shelters in Guizhou Province Based on Multi-Source Data

摘要: 随着全球气候变暖和地壳运动的活跃，自然灾害的频发阻碍了人类社会前进的步伐，应急避难场所是灾害发生以后人类躲避灾害的生存场所。本文以贵州省作为研究对象，利用夜间灯光数据、GDP、地质灾害数据、历史地震数据、人口数据分析应急避难场所的分布特征和影响因子。结果表明：贵州省夜间灯光数据能够较好反映区域经济发展和人口分布，夜间灯光数据与区域GDP和人口之间的相关性R分别为0.83和0.75；贵州省应急避难场所主要分布在毕节市–贵阳–黔南布依族苗族自治州一线，存在“重城区，轻乡村”的现象；对应急避难场所分布影响大小为：人口密度 > GDP > 地质灾害数据 > 地形 > 历史地震。

Abstract: With the warming of global climate and the active movement of the earth’s crust, the frequent occurrence of natural disasters has hindered the progress of human society. Taking Guizhou Province as the research object, this paper analyzes the distribution characteristics and impact factors of emergency shelters by using night light data, GDP, geological disaster data, historical earthquake data and population data. The results show that the night light data of Guizhou Province can better reflect regional economic development and population distribution, and the correlation R between night light data and regional GDP and population is 0.83 and 0.75, respectively. In Guizhou Province, emergency shelters are mainly distributed in the line of Bijie City, Guiyang City and Qiannan Buyi and Miao Autonomous Prefecture, and there is a phenomenon of “emphasis on urban areas and light on rural areas”. The distribution of emergency shelters is as follows: Population density > GDP > geological disaster data > terrain > historical earthquake.

1. 引言

近年来，我国的台风、地震等自然灾害频发，这对我国经济发展和人民生命造成了巨大影响，避难场所是各种灾害事件发生后，人类应对灾害后的第一生存空间[1]。合理规划应急避难场所，对人类应对自然灾害和保护人类生命安全具有最大意义，自从人类进入电气化时代以后，各种照明设施广泛应用于人类夜间活动，同时也扩大了人类的活动范围和活动能力[2]-[4]。随着卫星遥感技术的快速发展，各类航天器被送入太空，卫星可以从太空记录地面的各种灯光数据，相关的研究表明夜间灯光亮度与人口密度、GDP、建筑物、环境保护等社会经济变量之间存在较强的相关性[5]-[7]。

近年来，贵州发生了贵州沿河4.9级地震、贵州修文4.6级地震、贵州七星关4.5级地震等具有破坏性的地震和7.23水城县山体滑坡、5.30纳雍县山体滑坡，而灾害事件发生地的人口分布、应急场所分布对灾后救援和灾后重建工作具有重要的指导性。因此，研究分析贵州省应急避难场所空间分布，对灾害预防和灾后救援具有重要的意义。

2. 研究区域概况和数据

2.1. 研究区概况

贵州省简称“贵”或“黔”，位于中国西南的东南部，东毗湖南、南邻广西、西连云南、北接四川和重庆，介于东经103˚36'~109˚35'、北纬24˚37'~29˚13'之间，国土面积为176,167平方千米。贵州省共有6个地级市、3个自治州；50个县、11个自治县、10个县级市、16个市辖区、1个特区，共88个县级行政区；122个乡、192个民族乡、831个镇、365个街道，共1510个乡级政区。由图1可知贵州省地貌属于中国西南部高原山地，全省境内地势西高东低。

2.2. 数据来源

本文选用的数据源(表1)包括：(1) 夜间灯光遥感数据来源于美国国家海洋中心气象局官网(National Oceanic and Atmospheric Administration-NOAA)；(2) 贵州省行政区域划数据来源于贵州省测绘资料档案馆；(3) 人口数据来源于贵州省统计局；(4) 避难场所数据来源于贵州省应急管理厅；(5) 地质灾害数据来源于地理遥感生态网，包含崩塌、塌陷、泥石流、地面沉降、地裂缝、滑坡和斜坡共7种灾害类别，灾害造成的影响有威胁人数和威胁财产；(6) 历史地震数据来源于贵州省地震局。

Figure 1. Topographic map of Guizhou

图1. 贵州地形图

Table 1. Research data sources

表1. 研究数据来源

数据名称	时效	分辨率	来源	用途
夜间灯光数据	2019	500 m	美国国家海洋中心气象局	分析区域经济和人口情况
行政区划数据			贵州省测绘资料档案馆	提供各级行政区划边界
人口数据	2019		贵州省统计局	统计各研究区域内人口统计
避难场所数据	2019		贵州省应急厅	分析研究区内应急避难场所分布
地质灾害数据	2019		地理遥感生态网	分析研究区内地质灾害数据分布
历史地震数据	2019		贵州省地震局	作为影响应急避难场所影响因子

2.3. 数据处理

本文研究所需的数据由于数据格式、投影坐标等不同，所以需要对数据进行预处理，主要包括统一坐标系和统一空间分辨率等[6]。

(1) 将贵州省行政区划数据及2019年夜间灯光数据转化至Krasovsky-1940-Albers投影坐标系和CGCS2000地理坐标系。

(2) 将贵州2019年夜间灯光栅格数据投影至CCS2000坐标系，为了使数据更加精确，避免影像网格变形带来影响，将夜间灯光数据转换为Asia-Lambert-Conformal-Comic，通过栅格计算器计算年度平均灯光值。

(3) 将地质灾害数据和历史地震数据，将处理后的数据导入Arcgis，根据经纬度生成Shapefile点数据并进行投影坐标系转换。

2.4. 研究方法

将区域内夜间灯光数据与区域内人口数据做相关性分析，分析夜间灯光数据与区域人口分布和区域GDP之间的关系。

不平衡指数主要用于衡量地理要素的空间分布均衡指数程度。

$\text{S}=\frac{{{\displaystyle \sum }}_{\text{i}=1}^{\text{n}}{\text{X}}_{\text{i}}-50\left(\text{n}+1\right)}{100\text{n}-50\left(\text{n}+1\right)}$

式中n为研究区内的区域数，本文以地州市划分区域，${\text{X}}_{\text{i}}$ 为各区域应急避难场所占整个研究区的比重的降序顺序，第i位的累计百分比。通常S的值介于$\left[0，1\right]$ 之间，S越大表明不平衡性越高，若平均分布则S = 0，若集中分布在一个区域则S = 1 [8]。

空间基尼系数是地理学中研究离散区域空间分布的重要方法，对于对比区域地理要素的空间分布差异[9] [10]

$\text{G}=\frac{-{{\displaystyle \sum }}_{\text{i}=1}^{\text{N}}{\text{P}}_{\text{i}}\ln {\text{P}}_{\text{i}}}{\ln \text{N}}$

式中，P_i为第i个区域内应急避难场所占全省总数的比重，N为区域数量。G是值介于0~1之间，其值越高表明集中程度越高。

各类型灾害数据发生的频次、地形地貌、人口分布、GDP、城市建设等都会影响应急避难场所的分布。皮尔逊相关系数通常可以用于两个变量之间的相关度[11]。

$\text{r}=\frac{{{\displaystyle \sum }}_{\text{i}=1}^{\text{n}}\left({\text{x}}_{\text{i}}-\overline{\text{x}}\right)\left({\text{y}}_{\text{i}}-\overline{\text{y}}\right)}{\sqrt{{{\displaystyle \sum }}_{\text{i}=1}^{\text{n}}{\left({\text{x}}_{\text{i}}-\overline{\text{x}}\right)}^2{{\displaystyle \sum }}_{\text{i}=1}^{\text{n}}{\left({\text{y}}_{\text{i}}-\overline{\text{y}}\right)}^2}}$

式中，x_i表示各地州市应急避难场所个数，$\overline{\text{x}}$表示应急避难措施均值，${\text{y}}_{\text{i}}$ 表示各地州市影响因子数据(地质灾害数据、高程、人口、GDP、历史地震数)，$\overline{\text{y}}$表示对应的均值。

3. 时空分布

由图2可知贵州省夜间灯光数据主要集中在各地州市驻地和各区县驻地，其中贵阳市和遵义市的夜间灯光值较高，铜仁市和黔南苗族自治州夜间灯光值较低。

Figure 2. Brightness values of nighttime light data in Guizhou Province

图2. 贵州夜间灯光数据亮度值

由图3可知，贵州省GDP排名前三的分别是贵阳市、遵义市和毕节市，最低的为安顺市。通过夜间灯光值与GDP进行相关性分析发现，两个变量之间的相关性R为0.83，说明利用夜间灯光数据能够较好地反映经济发展。

Figure 3. Map of GDP distribution among different prefecture-level cities in Guizhou Province

图3. 贵州省各地州市GDP分布图

由图4可知，贵州省人口数据主要分布在贵阳市、遵义市和毕节市，铜仁市、黔东南苗族侗族自治州和黔南布依族自治州相差不大，六盘水和黔西南布依族苗族自治州相差不大，安顺市人口分布较少。通过夜间灯光指数与人口进行相关性分析发现，两个变量之间的相关性R为0.75，说明夜间灯光值能够较好地反映各地州市的人口分布。

Figure 4. Spatial distribution of population in each city of Guizhou Province

图4. 贵州省各地州市人口空间分布

由图5可知，至2019年，贵州省应急避难场所主要分布在贵阳市和黔南布依族苗族自治州和毕节市，其贵阳市主要分布在北部的息烽县、开阳县和修文县，黔南布依族苗族主要分布在西部的龙里县、惠水县和罗甸县，毕节市主要分布在纳雍县、大方县和黔西市。而在六盘水和安顺市的应急避难场所分布较少。贵州省应急避难场所整体分布特点为中部和南部分布较多，东部、北部和西部分布较少。

Figure 5. Distribution of emergency refuge places in Guizhou Province

图5. 贵州省应急避难场所分布

由图6可知，至2019年，贵州省应急避难场所共有758个，黔南布依族苗族自治州数量最多、贵阳市数量其次、六盘水市最少，分别为275和3，占贵州省应急避难场所的24.8%和0.3%，两地区数量相差较大，黔西南布依族苗族自治州、安顺市和遵义市这三个地区相差不大。

Figure 6. Statistical map of emergency refuge places in Guizhou Province

图6. 贵州省各地州市应急避难场所统计图

经过计算贵州省空间基尼系数为0.79，表明贵州省应急避难空间分布不均衡，由图7可知，贵州省应急避难场所空间分布洛伦曲线呈明显下凹趋势。主要分布特点为毕节市–贵阳–黔南布依族苗族自治州一带，而在西部的六盘水和黔西南布依族苗族自治州和东部的铜仁市和黔东南苗族自治州分布较少，而且存在“重城区，轻乡村”的现象，这与相关职能部门对应急避难场所建设的投资和区域经济发展差距较大有关。

Figure 7. Lorentz curve of spatial distribution of emergency shelters in Guizhou province

图7. 贵州省应急避难场所空间分布洛伦兹曲线

4. 空间分布影响因素

本文选取地形、地区GDP、人口密度、地质灾害和历史地震作为影响因子，分析其对应急避难场所空间分布的影响。

经计算，贵州应急避难场所分布与各影响原则之间的相关性为：人口密度 > GDP > 地质灾害数据 > 地形 > 历史地震，依次为0.52、0.48、0.36、0.26、0.19。人口密度的大小对应急避难场所的分布影响最大，历史地震对应急避难场所的分布最小。

5. 结论

本文利用夜间灯光数据、GDP、地质灾害数据、历史地震数据、人口数据分析应急避难场所的空间分布特征和影响因子。得出以下结论：

(1) 贵州省夜间灯光数据能够较好反映区域经济发展和人口分布，夜间灯光值与区域GDP和人口之间的相关性R分别为0.83和0.75；

(2) 贵州省应急避难场所整体分布特点为中部和南部分布较多，东部、北部和西部分布较少，存在“重城区，轻乡村”的现象；

(3) 贵州省应急避难场所与各影响因子的相关性由大到小依次是人口密度 > GDP > 地质灾害数据 > 地形 > 历史地震。

总体来说，利用夜间灯光数据能够较好地反映区域GDP和人口分布，但应急避难场所主要分布在城市，在乡村分布较少，相关职能部门应该加强乡村应急避难场所的建设。

基金项目

贵州省地震局局地震科技基金项目，编号：GZSDZJDZKJJJ202104。