局部模式交互效应驱动的城市化演变
引用
Yanfang Sun, Guosheng Wu, Yongze Song, et al, Local effects of pattern interactions in driving urbanization, International Journal of Applied Earth Observation and Geoinformation, Volume 146, 2026, 105072, ISSN 1569-8432, https://doi.org/10.1016/j.jag.2025.105072.
作者
第一作者：Yanfang Sun
通讯作者：宋泳泽
单位
太原理工大学
摘要
空间关联与空间交互是理解地理现象和区域发展差异的基础，在多个学科领域具有广泛的适用性。现有的空间异质性分析在捕捉格局交互（Pattern Interactions）和局部变异性方面面临显著挑战。本研究开发了一种局部格局交互（LPI）模型，该模型整合了空间数据的局部复杂性格局（地理复杂性）、格局间的交互作用，以及其在局部变化的决定权指数（PD）。本研究利用统计数据、遥感影像和开放地理空间数据，应用 LPI 模型评估了局部变量及格局交互对城市化空间分布的决定权。结果表明，LPI 模型能有效识别涉及城市化相关解释变量之地理复杂性格局交互的局部决定权。通过与广泛使用的基于空间异质性的决定权识别模型——最优参数地理探测器（OPGD）进行对比，评估了模型性能。模型验证显示，LPI 相比 OPGD 具有明显优势，因为它能够捕捉空间变化的交互模式和局部效应，而 OPGD 仅能评估全局交互效应。例如，LPI 测算的社会消费品零售总额与第三产业产值地理复杂性格局交互的决定权（PD）平均值为 0.610 [0.336, 0.783]，这表明局部决定权数值及其显著性均存在关键的空间差异；而 OPGD 测得的 PD 仅为一个 0.537 () 的全局估值。本研究提升了空间关联与交互的理论认识，同时为区域发展、城市规划和资源配置提供了创新的分析工具与决策支持能力。
关键图表
表1. 衡量城市化五个维度的因变量指标。
图 1. 研究区城市化相关社会经济指标的空间分布。
表2. 解释城市化空间格局的解释变量数据指标。
图2. 研究区城市化解释变量的空间分布。
表3. 基于熵值法计算城市化指数所用准则与变量的权重。
图3. 研究区城市化指数的空间分布。
图4. 城市化解释变量地理复杂性格局的空间分布。
图5. 解释变量及其地理复杂性格局的统计分布趋势比较。
图6. 检验局部异质性的范围划定过程与结果。
图7. 变量决定力（PD）及其显著性水平的空间分布。
图8. 变量地理复杂性格局决定力（PD）及其显著性水平的空间分布。
图9. 格局交互作用决定力（PD）的空间分布。（交互类型；交互强度；交互变量：变量间交互、地理复杂性间交互、变量与地理复杂性间交互）。
图10. 基于 OPGD 模型检验的全局 PD 值：（a）单一变量的 PD，以及（b）变量交互作用的 PD。
表4. LPI 模型与 OPGD 模型 PD 值的比较。
表5. 基于 LPI 和 OPGD 得出的 PD 值与非空间相关系数在空间决定因素分析中的功能比较。
