城市流通蔬菜区域污染的空间自相关分析，本文主要内容关键词为：蔬菜论文,区域论文,城市论文,空间论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
0 引言 空间自相关是指某些变量在同一或不同分布区域内的观测数据之间潜在的相互依赖性[1-3]。目前计算空间自相关性的方法在根据用途的不同可大致分为两大类：全局空间自相关（Global Spatial Autocorrelation）和局部自相关（Local Spatial Autocorrelation）。全局自相关用于描述某种现象的整体分布状况，判断该现象在空间是否有聚集性存在，但其并不能确切地指出聚集在哪些地区；局部自相关度量每一个空间单元与邻近单元或者对整个研究范围的空间自相关影响程度，并且能够找出空间现象的聚集点。 早在20世纪中叶国外就将空间自相关方法运用在生态学[4]、疾病学[5]等问题的研究之中，且目前已在数字图像处理[6]、社会学[7]、森林学[8]、生物学[9]、土地利用[10]、区域经济[11]等多种领域得到广泛应用；国内在空间自相关的研究方面起步较晚，但最近几年也取得了不少丰富的研究成果[12-20]，然而，将空间自相关方法来研究城市流通蔬菜区域污染的报道尚不多见。由于城市流通的蔬菜污染与蔬菜从种植到销售的整个过程都密切相关，这样每日抽样监测的蔬菜数据会呈现出一定的区域相关性，因此可以利用空间自相关方法来分析抽检的蔬菜数据，查明蔬菜污染的区域影响范围，对蔬菜污染的空间区域进行评价，为有关主管部门提供有益参考[21]。 1 方法 1.1 区域蔬菜污染监测指标体系 目前广州市每天每个抽检点的蔬菜检测指标为批次、批量、农药残留率，其中批次和批量抽检的原则是参照农业标准体系进行，而农药残留率的检测是依据无公害蔬菜检测技术规程来完成。
1.2 区域蔬菜污染指数AI（t）
1.3 蔬菜污染的空间自相关性 1.3.1 蔬菜污染的空间权重矩阵
由于广州市蔬菜的流通有以下特点：蔬菜耕地面积大的区域向蔬菜耕地面积小的区域流入蔬菜量相对较大，蔬菜耕地面积较小的地区向蔬菜耕地面积大的地区流入蔬菜量相对会较少，根据实际情况对
作以下取法：
1.3.2 蔬菜污染的全局Mora'n I统计 全局空间自相关采用全局Moran's I指数来分析区域总体的空间相关性和差异性，其计算公式如下[22-25]：
本文中
具体是指不同区域的蔬菜污染指数AI（t），x则是区域蔬菜污染指数AI（t）的平均值。全局Moran'sI指数的取值一般在[-1，1]之间，在给定显著性水平下，若Moran's I显著为正，则表示蔬菜污染在空间上显著聚集，值越接近1，表明蔬菜污染的区域差异越小，即五个监测区域的蔬菜污染具有较强的空间自相关性，或是说相邻监测区域具有较强的相似性。反之，若Moran's I显著为负，表明蔬菜污染在空间上存在显著差异，或是说五个监测区域的蔬菜污染之间在空间上存在显著性的差异，值越接近-1，差异就越大。 将全局Moran's I指数进行标准化变为Z，Z的作用与全局Moran's I指数的作用一致，它的计算公式为[22-25]：
在5%的显著性水平对Moran's I进行显著性检验，Z（I）值大于1.96时，表示研究区内蔬菜污染有显著的正空间自相关；Z（I）值小于-1.96时，表示研究区内蔬菜污染有显著的负空间自相关；Z（I）在1.96和-1.96之间时，表示研究区内蔬菜空间自相关显著性不明显，蔬菜污染的随机性较强。
1.3.3 蔬菜污染的局部Moran's I统计 局部空间自相关采用局部Moran's I指数来分析对研究区域内每个空间单元在整体区域内的空间分布状态，根据每个空间单元的取值分析是空间聚集还是扩散，局部Moran’s I指数的计算公式为[22-25]：
2 实例分析 2.1 数据来源 本文的数据由广州市农业标准与检测中心提供，目前广州大的蔬菜基地主要分布在从化、花都、增城、白云和番禺这五个区域，本文的蔬菜样本数据来源于这五个区域的日常抽检结果。 2.2 五个监测区域的蔬菜污染指数 以2012年11月中下旬（16日～30日）的每日蔬菜监测抽样数据为例，利用公式（1）和（2）得到表1结果。 从表1可知，花都的蔬菜污染指数普遍高于其他四个区域（除11月19日外），说明该区域在11月中下旬这段时间的整体蔬菜污染水平较高；而番禺的蔬菜污染指数在11月中下旬这段时间是最低的，表明该时段的番禺整体蔬菜污染水平低。 2.3 蔬菜空间污染的邻近矩阵 广州市各区的大致分布如图1所示，从图1可判断五个抽样区（阴影部分）的邻近情况。
目前广州这五个区域的蔬菜耕地面积大致为：从化602.7
，花都186.8
，增城299.5
，白云区421.7
，番禺366.9
。根据广州市蔬菜流通的特点，从化的蔬菜耕地面积最大，从化的蔬菜会流入花都、增城、白云这三个相邻近区域；花都的蔬菜耕地面积最小，与之相邻的从化、白云、增城的蔬菜会流入该区，而该区的蔬菜几乎不会流入到其他区域；番禺在广州的南边，离从化、花都、增城、白云这四个区域较远，因此番禺与其他四个区域的蔬菜也很少发生流通。从北至南，给五个监测区编号，从化为“1”，花都为“2”，增城为“3”，白云为“4”，番禺为“5”，根据公式（3），得到以下邻近性矩阵。 2.4 蔬菜污染的全局空间自相关分析 考察2012年11月中下旬五个监测区域的蔬菜污染全局空间分布状况，利用表1的数据，并运用公式（4）和（5）得到五个监测区域的蔬菜污染全局Moran's I指数和Z（I）。
由表2的全局Moran's I值变化可知，11月16日～25日五个监测区域的蔬菜污染均存在负空间自相关，表明蔬菜污染在空间分布上出现差异，即出现与蔬菜污染高的监测区域相邻区域的蔬菜污染较低或是与蔬菜污染低的区域相邻区域的蔬菜污染较高的空间格局，但这种格局并不显著；从11月26～30日五个监测区域的蔬菜污染在空间上呈现高高或低低的聚集现象，蔬菜污染高的区域，其周围区域的蔬菜污染也比较高，或是蔬菜污染低的区域，其相邻区域蔬菜污染也比较低。在5%的显著性水平下，这种聚集现象在11月28日最为明显，Moran's I指数为0.28，Z（I）为2.02＞1.96，有关部门应对这天流通和销售的蔬菜加强监管；11月26日、27日、29日和30日五个监测区域的蔬菜污染呈现空间正自相关性，但均不显著。
2.5 蔬菜污染的局部空间自相关分析 为进一步研究五个监测蔬菜污染的局部空间自相关性，区分出蔬菜污染五个监测区域空间取值的高值区和低值区，利用表1五个监测区域的蔬菜污染指数，运用公式（6）得到表3五个监测区域11月中下旬的蔬菜污染局部Moran'sI及其P值。 由表3可知，11月16日～30日（除19日、28日外）五个监测区域大部分时间的蔬菜污染局部空间自相关系数或正或负，但均不显著，说明这个时段的蔬菜污染在空间上随机性强，不存在局部自相关性。 11月19日从化区的LISA为-0.54，其P值为0.004＜0.05，说明该区的蔬菜污染存在显著的负空间自相关，即蔬菜污染在空间分布上出现差异；而这天增城的LISA最高，达到0.98，其P值为0.000＜0.05，表明该区的蔬菜污染呈现显著的正空间自相关，即蔬菜污染呈现空间高值集聚的格局，对周边地区如萝岗区有影响，有关部门应对该区域的蔬菜销售和生产加强监控；尽管从化和增城相邻，但由于在11月19日这两个区域的蔬菜污染LISA刚好相反，即说明增城的蔬菜污染水平高，从化的蔬菜污染水平低。 11月28日花都区的LISA为0.49，其P值为0.049＜0.05，说明这天花都的蔬菜污染存在显著的局部空间正自相关性，对周边地区会有影响，尽管这天里从化、增城、白云、番禺这四个监测区域的蔬菜污染LISA呈现低值聚集，它们的P值都大于0.05，但有关部门还是应该在这天注意花都区的蔬菜质量，避免出现蔬菜质量安全事故。
3 结论 本文以2012年11月16日～30日广州市从化、花都、增城、白云和番禺五个蔬菜监测区为研究单元，根据蔬菜实际抽检数据，建立区域蔬菜污染监测指标体系，利用主成份方法得到了这五个蔬菜监测区域的蔬菜污染指数（见表1），并将区域蔬菜污染指数作为区域化变量，应用空间统计分析方法，客观上证明了在研究时段内，蔬菜污染在这五个监测区域的空间分布是非随机的。11月28日蔬菜污染的全局Moran's I=0.28，Z（I）=2.02＞1.96，说明该天五个监测区域的蔬菜污染状况呈现显著空间正自相关性，即蔬菜污染出现集聚现象。为了进一步探究蔬菜污染的集聚区或差异区，局部空间自相关分析结果显示，11月19日从化的蔬菜污染出现空间差异，而增城的蔬菜污染局部Moran's I达到研究时间段的最大值（0.98），其P值＜0.000＜0.05，表现出显著的高值空间集聚，对周边地区的影响会较大，有关部门应该加强对该区蔬菜的监控，防止蔬菜污染事故爆发；11月25日花都的蔬菜污染呈现出显著的空间正自相关性，即蔬菜污染呈现集聚格局（见表3），会影响到相邻地区。 本文的结果有一定的偏移。首先本文的研究区域只考虑了广州市五个蔬菜耕作区域，由于数据采集原因，而忽略了广州的其他区域，这样也导致空间权重矩阵的计算受到影响；此外，广州各区的蔬菜不仅由本地供给，大部分还是由外地输入，因而，在以后的研究中需要将外省蔬菜的抽检数据加以考虑，这样得到的蔬菜污染空间相关性的结果更具有说服力。
标签：蔬菜论文; 自相关论文; 空间分析论文; 增城论文;
