余国良¹, 李建华^,1,2, 孙嘉欣¹, 沈培培¹, 杨春白雪¹1. 宁夏大学资源环境学院,银川 750021
2. 宁夏大学环境工程研究院,银川 750021

Research on BMI influencing factors of urban male adolescents in China based on geographical detector

YU Guoliang¹, LI Jianhua^,1,2, SUN Jiaxin¹, SHEN Peipei¹, YANGCHUN Baixue¹1. The College of Resources & Environmental Sciences, Ningxia University, Yinchuan 750021, China
2. Institute of Environmental Engineering Research, Ningxia University, Yinchuan 750021, China

通讯作者: 李建华（1973-），男，宁夏中卫人，副教授，硕士生导师，研究方向为区域地理、GIS技术应用。E-mail：klijh@nxu.edu.cn

收稿日期:2018-05-13修回日期:2018-08-22网络出版日期:2019-09-20

基金资助:

国家自然科学基金项目.41361031

Received:2018-05-13Revised:2018-08-22Online:2019-09-20
作者简介 About authors
余国良（1992-）,男,宁夏石嘴山人,硕士,研究方向为GIS方法与技术E-mail：ygl_nx@163.com。







摘要
运用变异系数与地理探测器方法分析中国城市男性青少年体质指数（BMI值）在2005年、2010年、2014年变化的空间分异,探究其核心影响因子。结果显示：① 中国城市男性青少年BMI值在东中西部存在显著性差异,变异系数分别为5.14%、1.68%、2.82%;区域内部也差异明显,东部差异性最强、中部最小。② 2005年中国城市男性青少年BMI值从东北向西南呈现由高到低的阶状分布特征,经9年的演变,2014年呈现出北高南低的三级阶梯分布特征。③ 中国城市男性青少年BMI增长率由2005—2010年的1.36%到2010—2014年的2.44%,说明中国城市男性青少年肥胖率呈加速上升趋势。④ 在空间尺度上,各区域探测的主导因素存在差异性。⑤ 在时间尺度上,从2005年到2010年,再到2014年,影响中国城市男性青少年BMI的主导因子由地理环境要素转为社会经济要素。
关键词： 青少年BMI;空间分异;变异系数;地理探测器

Abstract
China has a vast land area and complex terrains. There are regional differences in geographical and climatic factors, which has impacts on human health. BMI (Body Mass Index) is an important indicator to measure the health status of the human body, and young crowd has received more attention. The study used the coefficient of variation and the geo-detector method to analyze the spatial differentiation of the changes in BMI of urban youth in China in 2005, 2010 and 2014, and to study their core impact factors. The results of the inquiry show that: (1) There was a significant difference in the BMI values of urban male adolescents between the ages of 15 and 18 in the eastern, central and western regions. The intra-regional differences in the eastern, central and western regions were 5.14%, 1.68% and 2.82%, respectively, indicating that the eastern region had the greatest difference and the central region had the smallest. (2) In 2005, the BMI value of urban male adolescents in China showed a high-to-low step distribution from northeast to southwest. After nine years of evolution, in 2014, the three-level ladder distribution of north to south from high to low was presented. (3) According to the statistical results, the growth rate of BMI increased significantly in China from 1.36% in 2005-2010 to 2.44% in 2010-2014. Besides, the BMI value of young people in China increased, suggesting that the rate of obesity in adolescents in China showed an accelerated increasing trend. (4) On the spatial scale, the influence of detection factors on the growth rate of BMI of adolescents was significant, and there were differences in the dominant factors of regional exploration. (5) From the perspective of time scale, the growth rate of youth BMI was transformed from the geographical environment factor to the social economic factor from 2005 to 2010 and 2014. It can be seen that the influence of social and economic development on the growth rate of adolescent BMI has played a leading role.
Keywords：adolescent BMI;spatial differentiation;coefficient of variation;geographical detector


PDF (12928KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
余国良, 李建华, 孙嘉欣, 沈培培, 杨春白雪. 基于地理探测器的中国城市男性青少年BMI影响因子探究. 地理研究[J], 2019, 38(9): 2288-2301 doi:10.11821/dlyj020180482
YU Guoliang. Research on BMI influencing factors of urban male adolescents in China based on geographical detector. Geographical Research[J], 2019, 38(9): 2288-2301 doi:10.11821/dlyj020180482

1 引言

BMI是Body Mass Index的缩写,国内通常称之为“体质指数”,是基于人的体重、身高计算出的一个指标（kg/m²）,是用于研究公众健康的简便算法。当研究肥胖是否为某一疾病的致病原因时,可以查探病人BMI值和病发率之间是否存在线性关联。影响BMI的因素较多,归纳起来分为遗传、饮食及生活习惯和环境因素。Allison DB等研究认为遗传因素对人体脂肪的分布起着非常重要的作用,特定环境下遗传因素对于肥胖发生起着至关重要的作用^[1,2,3];Drapeau通过调查魁北克248个家庭（1989—1994年、1995—2000年）发现多吃水果、蔬菜以及脱脂牛奶可以很好地控制BMI数值的升高,有效预防和改善肥胖^[4];Buchvold研究发现夜间工作、酒精、吸烟以及咖啡因对人体BMI有着极大的副作用^[5]。国外****研究了遗传、饮食及生活习惯与BMI的关系,对环境因素与BMI的关系研究甚少。当前,人们越来越多地关注人体相关指标与地理环境的关系。王劲峰等利用地理探测器研究手足口病风险因子,探究了人口密度、GDP、主要公路及铁路交通网、气温、降水等因子对手足口病的影响大小^[6,7];杨青生等通过BP神经网络模拟分析健康老年男性血沉参考值与地理环境间的关系,建立用地理环境预测老年男性血沉关系的数学模型^[8];肖宪平等运用斯皮尔曼（Spearman）相关分析和多元逐步回归分析方法对全国18岁少数民族学生体格与自然环境因素、社会环境因素的关系进行研究,发现体格与纬度、年日照时数、人均存款、人均肉类产量密切相关^[9];张明鑫等通过线性分析与线性回归分析对中老年肺活量实测值与区域地理因子之间的关系进行研究,认为两者之间存在明显的地域分布规律^[10]。目前对全国青少年BMI的空间分异和主导因子的研究较少。本研究通过地理探测器分析地理环境、社会因素与青少年BMI的关系,探究影响青少年BMI的主要地理因子、社会因子。

2 数据来源与研究方法

2.1 数据来源与处理

2.1.1 全国青少年BMI实测数据及处理 通过检索中国学生体质与健康研究组主编的《2005年中国学生体质与健康调研报告》《2010年中国学生体质与健康调研报告》《2014年中国学生体质与健康调研报告》^[11,12,13],收集全国各省、直辖市、自治区15~18岁城市男性青少年（以下简称青少年）的BMI实测值,并计算各时间段BMI的增长率（表1）。因引用报告中缺西藏自治区、台湾省、香港特别行政区、澳门特别行政区的数据,故本研究暂不考虑这4个省区。

Tab. 1
表1
表1青少年BMI值与增长率
Tab. 1BMI value and growth rate of adolescents

	省区	BMI				增长率（%）
		2005年	2010年	2014年		2005—2010年	2010—2014年	2005—2014年
东部地区	北京	22.03	21.63	22.70		-1.82	4.95	3.04
	天津	22.22	22.76	23.70		2.43	4.13	6.66
	河北	21.46	21.62	22.07		0.75	2.08	2.84
	辽宁	21.20	21.08	22.55		-0.57	6.97	6.37
	上海	20.90	21.33	21.97		2.06	3.00	5.12
	江苏	21.28	21.60	21.43		1.50	-0.79	0.70
	浙江	20.30	21.34	21.36		5.12	0.09	5.22
	福建	20.74	20.69	21.36		-0.24	3.24	2.99
	山东	21.97	22.50	22.60		2.41	0.44	2.87
	广东	19.50	19.99	20.44		2.51	2.25	4.82
	广西	20.03	20.61	21.54		2.90	4.51	7.54
	海南	19.58	19.15	19.18		-2.20	0.16	-2.04
中部地区	山西	20.88	21.61	20.97		3.50	-2.96	0.43
	内蒙古	20.75	21.23	21.96		2.31	3.44	5.83
	吉林	21.10	21.04	21.17		-0.28	0.62	0.33
	黑龙江	21.51	20.63	22.00		-4.09	6.64	2.28
	安徽	19.99	20.74	21.02		3.75	1.35	5.15
	江西	20.47	20.59	21.48		0.59	4.32	4.93
	河南	21.51	21.31	21.16		-0.93	-0.70	-1.63
	湖北	20.25	20.75	21.61		2.47	4.14	6.72
	湖南	20.58	21.28	21.45		3.40	0.80	4.23
西部地区	四川	19.68	19.96	20.47		1.42	2.56	4.01
	重庆	19.65	20.33	20.65		3.46	1.57	5.09
	贵州	19.61	20.27	20.40		3.37	0.64	4.03
	云南	20.21	20.59	20.97		1.88	1.85	3.76
	陕西	20.13	20.93	21.79		3.97	4.11	8.25
	甘肃	20.72	20.57	21.39		-0.72	3.99	3.23
	青海	19.34	19.63	20.17		1.50	2.75	4.29
	宁夏	20.82	20.81	21.13		-0.05	1.54	1.49
	新疆	20.61	20.70	21.96		0.44	6.09	6.55
全国		20.63	20.91	21.42		1.36	2.44	3.83
东部		20.93	21.19	21.74		1.24	2.60	3.87
中部		20.78	21.02	21.42		1.15	1.90	3.08
西部		20.09	20.42	20.99		1.64	2.79	4.48

注：因数据缺失,全国不包括西藏自治区、台湾省、香港特别行政区、澳门特别行政区。

新窗口打开|下载CSV

根据自然环境与社会经济发展水平的不同,全国在制定区域政策以及学界研究全国尺度区域差异时通常划分东中西地区（带）三大地理单元,本研究也按照东中西三大地理单元组织数据。

2.1.2 地理环境和社会因素数据的获取 地理环境数据来源于《中国气象年鉴》（2005年、2010年、2014年）,社会数据来源于《中国统计年鉴》（2005年、2010年、2014年）。

2.1.3 空间数据的选取 空间数据引用中国科学院地球系统科学数据共享平台(http://www.geodata.cn)公开发布的全国1:400万数字矢量图。

2.1.4 地理因子与社会因子的选取及处理 在中国,季风气候显著,地形复杂,区域性自然地理环境多种多样。自然地理环境直接影响人的生产方式和生活习惯,而这种影响又是长期存在的。社会经济发展水平影响人的生活水平,而经济发展状况、富裕程度、食品支出情况是反映社会经济发展水平的主要指标。生活习惯和生活水平会对青少年体质产生影响,基于数据的代表性和可获取性,本文选取海拔（X₁）、年日照量（X₂）、年平均温度（X₃）、年温度极差（X₄）、年均降水量（X₅）、相对湿度（X₆）、人均食品支出（X₇）、人均GDP（X₈）、恩格尔系数（X₉）等9个因子,探究其与中国城市男性青少年BMI值的关系。在ArcGIS中,利用分位数方法对各因子进行分类。

2.2 研究方法

2.2.1 变异系数分析法 变异系数法广泛应用于地理学界研究空间差异情况,其优点是可以消除单位和平均数不同对结果的影响^[14],可以直接比较数据离散程度的大小,变异系数值越大表示数据的差异性越强;反之,表示数据差异性越弱^[15]。

（1）Cv=SXˉ×100%=1Xˉ∑i=1n(Xi-Xˉ)2n-112×100%
式中：Cv为全国青少年BMI变异系数;S为全国青少年BMI标准差; Xˉ为全国青少年BMI均值;X_i为年度全国青少年BMI值在第i个区域的值;n为年度中国青少年BMI值实测省份个数。

利用公式（1）计算,得到全国男性青少年BMI值变异系数（表2,见第2291页）。

2.2.2 地理探测器分析法 地理探测器是由王劲峰等开发的用以探寻地理空间分区因素对疾病风险影响机理的一种分析软件^[16],主要由四部分组成：因子探测器、风险探测器、交互探测器和生态探测器。其中,因子探测器主要用于分析影响因子对于研究对象解释程度的大小;风险探测器主要用于判别两区域间属性显著性的差别;交互作用探测器可以识别两两因子在交互作用下对研究对象的解释力;生态探测器主要用来探究不同因子对于研究对象在空间分布是否有显著的差异^[17,18,19]。地理探测器对分类数据相比于连续数据算法更优^[16]。

Tab. 2
表2
表2青少年BMI平均值、标准差与变异系数
Tab. 2The mean, standard deviation, and coefficient of variation of adolescents BMI

	BMI_M				BMI_SD				BMI_Cv（%）
	2005年	2010年	2014年		2005年	2010年	2014年		2005年	2010年	2014年
东部	20.93	21.19	21.74		0.89	0.96	1.12		4.26	4.51	5.14
中部	20.78	21.02	21.42		0.50	0.34	0.36		2.39	1.62	1.68
西部	20.09	20.42	20.99		0.51	0.40	0.59		2.56	1.95	2.82
全国	20.63	20.91	21.42		0.78	0.74	0.86		3.77	3.56	4.02

新窗口打开|下载CSV

分异及因子探测：探测Y的空间分异性,以及探测某因子X对Y解释程度的空间分异。用q值度量^[19],表达式为：

（2）q=1-1Nσ2∑h=1LNhσh2
式中：N为研究区单元数;σ²为指标的方差;N_h和 σh2分别为h（h=1, 2, …, L）的层样本量和方差;q为探测因子对BMI的解释程度,q∈[0, 1],q值越大,表示探测因子对BMI在空间分布上的解释力越大,异质性越强,q=0时表示探测因子对BMI的解释力最弱,不存在空间异质性,q=1时表示探测因子对BMI解释力最大,具有高度空间异质性。

交互作用探测：分析不同探测因子之间的交互作用,即评估影响因子X₁和X₂共同作用时是否会增加或减弱对体质指数Y的解释力,或这些因子对体质指数Y的影响是相互独立的。评估的方法是首先分别计算两种因子X₁和X₂对Y的q值：q（X₁）和q（X₂）,并且计算它们交互时的q值：q（X₁∩X₂）,并对q（X₁）、q（X₂）与q（X₁∩X₂）进行比较^[20,21]。两个因子之间的关系可分为以下几类（表3）。

Tab. 3
表3
表3因子交互表达关系
Tab. 3The relationship of factor interaction expression

新窗口打开|下载CSV

2.2.3 青少年BMI增长率分异影响要素探测 借助 ArcGIS软件,利用分位数法对收集到的各省区的海拔、年日照量、年平均温度、年温度极差、年均降水量、相对湿度、人均食品支出、人均GDP、恩格尔系数等9个因子值进行分类,本研究将各探测因子分为 1、2、3、4、5五级,各探测因子的分级见图1。

图1

新窗口打开|下载原图ZIP|生成PPT
图1地理探测因子的类别化空间分布

注：本图基于国家测绘地理信息局标准地图（审图号为GS(2016)1569）绘制,底图无修改。
Fig. 1Spatial distribution of geography detection factor categorization



利用地理探测器的分异及因子探测,分别计算各因子对青少年BMI值影响能力q的大小（表4,见第2294页）。

Tab. 4
表4
表4全国青少年BMI变化因子探测结果
Tab. 4Detection results of BMI change factors of adolescents in China

探测指标	q
	年份	全国	东部地区	中部地区	西部地区
X1	2005	0.0701	0.0287	0.6369	0.5647
	2010	0.0698	0.1198	0.4161	0.1164
	2014	0.0338	0.1368	0.0598	0.0495
X2	2005	0.2288	0.7696	0.4453	0.5671
	2010	0.0790	0.5096	0.3364	0.2831
	2014	0.0211	0.4483	0.0598	0.3618
X3	2005	0.2196	0.8741	0.6904	0.1919
	2010	0.0867	0.6801	0.5479	0.1969
	2014	0.0807	0.6998	0.5927	0.1256
X4	2005	0.3628	0.7688	0.4161	0.5181
	2010	0.2870	0.6662	0.4425	0.2378
	2014	0.2344	0.6421	0.5927	0.3642
X5	2005	0.0763	0.4708	0.8948	0.7926
	2010	0.1034	0.4401	0.2685	0.2791
	2014	0.1849	0.6672	0.3868	0.3642
X6	2005	0.3169	0.5975	0.8819	0.3064
	2010	0.1571	0.4357	0.4623	0.2791
	2014	0.3002	0.7369	0.2064	0.4257
X7	2005	0.0025	0.0541	0.1189	0.0051
	2010	0.1428	0.1556	0.3158	0.1284
	2014	0.3319	0.5101	0.4665	0.6532
X8	2005	0.2217	0.4440	0.7034	0.1410
	2010	0.4010	0.3143	0.6804	0.3837
	2014	0.2311	0.3801	0.2812	0.0556
X9	2005	0.3212	0.5696	0.8708	0.5736
	2010	0.2934	0.4135	0.1545	0.4137
	2014	0.1521	0.3309	0.0506	0.1288

新窗口打开|下载CSV

利用地理探测器的交互作用探测,对9个因子分别两两叠加计算交互作用下形成的新q值,得两种影响因子交互作用下对青少年BMI值的影响力表（表5,见第2295页）,可以反映各因子交互作用下对青少年BMI值影响力大小。

Tab. 5
表5
表5因子交互作用下对青少年BMI值的影响力
Tab. 5Effects of two kinds of influencing factors on adolescent BMI

年份		X1	X2	X3	X4	X5	X6	X7	X8	X9
2005	X1	0.0701
2005	X2	$\underline{0.4088}$	0.2288
2005	X3	$\underline{0.5648}$	$\underline{0.5277}$	0.2196
2005	X4	$\underline{0.4912}$	$\underline{0.4952}$	$\underline{0.5255}$	0.3629
2005	X5	$\underline{0.4106}$	$\underline{0.5076}$	0.2845	0.6112	0.0763
2005	X6	$\underline{0.5623}$	$\underline{0.3990}$	0.4629	0.4671	0.5383	0.3170
2005	X7	$\underline{0.2489}$	$\underline{0.4454}$	0.5576	0.4610	0.6034	0.4781	0.0321
2005	X8	$\underline{0.3871}$	$\underline{0.6245}$	$\underline{0.7616}$	$\underline{0.6001}$	$\underline{0.6987}$	$\underline{0.4902}$	$\underline{0.4310}$	0.2217
2005	X9	$\underline{0.3590}$	$\underline{0.3360}$	0.4174	0.4120	$\underline{0.3825}$	0.3740	$\underline{0.2131}$	0.4934	0.0739
2010	X1	0.0697
2010	X2	$\underline{0.3543}$	0.0790
2010	X3	$\underline{0.4421}$	$\underline{0.2792}$	0.0868
2010	X4	$\underline{0.5700}$	0.3589	0.4258	0.2870
2010	X5	$\underline{0.2834}$	$\underline{0.3803}$	$\underline{0.2957}$	$\underline{0.4887}$	0.1034
2010	X6	$\underline{0.4821}$	0.2796	0.2895	0.3391	0.4833	0.1571
2010	X7	$\underline{0.1579}$	$\underline{0.3406}$	$\underline{0.3078}$	$\underline{0.5463}$	$\underline{0.3149}$	$\underline{0.3987}$	0.0025
2010	X8	0.4579	$\underline{0.5937}$	$\underline{0.5838}$	0.6190	0.6415	$\underline{0.6503}$	$\underline{0.5136}$	$\underline{0.4010}$
2010	X9	$\underline{0.4639}$	0.3868	0.4025	0.5604	$\underline{0.5046}$	0.4402	$\underline{0.3842}$	0.5334	0.2934
2014	X1	0.0338
2014	X2	$\underline{0.2631}$	0.0211
2014	X3	$\underline{0.3848}$	$\underline{0.3833}$	0.0807
2014	X4	$\underline{0.4091}$	$\underline{0.3378}$	$\underline{0.5028}$	0.2344
2014	X5	$\underline{0.4891}$	$\underline{0.3959}$	0.3025	0.3900	0.1850
2014	X6	$\underline{0.5942}$	$\underline{0.5127}$	0.3622	0.4662	0.3699	0.3003
2014	X7	$\underline{0.5059}$	$\underline{0.4662}$	0.4178	0.5007	0.4775	0.6686	0.3319
2014	X8	$\underline{0.3283}$	$\underline{0.3656}$	$\underline{0.5582}$	$\underline{0.5741}$	$\underline{0.5475}$	$\underline{0.6207}$	$\underline{0.6742}$	0.2311
2014	X9	$\underline{0.2964}$	$\underline{0.2744}$	0.2843	0.3105	$\underline{0.4180}$	0.3590	0.5494	0.3669	0.1521

注：单下划线数据为非线性增强,斜体数据为双因子增强。

新窗口打开|下载CSV

3 结果分析

3.1 全国青少年BMI增长率的空间分异

如图2（见第2296页）所示,从时间序列上看,2005年、2010年、2014年青少年BMI值整体呈现出增长趋势。同时段看,全国青少年BMI值在空间上有差异,东部地区、中部地区、西部地区从高到低,呈现出明显的阶梯状,且高纬度地区整体上高于低纬度地区;相对于2005—2010年,2010—2014年全国青少年BMI值增长率变高;9年来,西部地区青少年BMI增长率升高幅度最大,达到4.48%,中部地区青少年BMI增长率最低,为3.08%;全国青少年BMI增长率在空间上表现出西部地区、东部地区高,中部地区低的格局。

图2

新窗口打开|下载原图ZIP|生成PPT
图22005年、2010年、2014年青少年BMI值及增长率空间分布

注：本图基于国家测绘地理信息局标准地图（审图号为GS(2016)1569）绘制,底图无修改。
Fig. 2The spatial distribution of BMI and growth rate of adolescents in 2005, 2010 and 2014



从青少年BMI值和BMI值增长率来看,全国青少年平均BMI值在逐渐增长,说明青少年肥胖率在增加,并且肥胖率有加速升高趋势,黑龙江、内蒙古、新疆、陕西、湖北、河北、辽宁青少年肥胖率增加尤为明显,辽宁、新疆、陕西、湖北、广西增速最快。

3.2 变异系数分析

变异系数反映了全国青少年BMI值的差异状况。如表2所示,全国青少年BMI在各省市区差异性明显,即存在空间分异,相对来说,中部、西部各省市区青少年BMI差异性较小,同质性强一些,东部各省市区青少年BMI值差异性最大,2014年高达5.14%,说明该区域情况最为复杂。除东部外,中部、西部和全国Cv值都发生增长,说明各省市区青少年BMI值差异拉大。另外,Cv值较大,表示该区域内存在使其变化的主导因子,Cv值越大表示主导因子发生的更替越剧烈或主导因子的影响力变化越大;当Cv值稳定时,表示主导因子未发生变化且主导因子影响力基本稳定。

3.3 地理探测器探测结果

3.3.1 分时段分区域q值探测结果 如表4所示,从时间序列看,影响青少年BMI的主导因子2005年为年温度极差（X₄）、相对湿度（X₆）、年日照量（X₂）,2010年为人均GDP（X₈）、恩格尔系数（X₉）、年温度极差（X₄）,2014年为人均食品支出（X₇）、相对湿度（X₆）、年温度极差（X₄）,影响因子在时间序列上表现出异质性;从空间范围看,即便年份不同,各区域影响因子大致相同。东部地区主要是年平均温度（X₃）、年温度极差（X₄）、年日照量（X₂）;中部地区主要是人均GDP（X₈）、年平均温度（X₃）、年均降水量（X₅）;西部地区主要是年均降水量（X₅）、恩格尔系数（X₉）、年日照量（X₂）,影响因子在空间上表现出趋同性。

从区域看,2005年主导东部地区青少年BMI值的核心因素为年平均温度（0.8741）、年日照量（0.7696）、年温度极差（0.7688）、相对湿度（0.5975）;中部地区核心影响因素为年均降水量（0.8948）、相对湿度（0.8819）、恩格尔系数（0.8708）、人均GDP（0.7034）;西部地区核心影响因素为年均降水量（0.7926）、恩格尔系数（0.5736）、年日照量（0.5671）、海拔（0.5647）。2010年主导东部地区青少年BMI值的核心因素为年平均温度（0.6801）、年温度极差（0.6662）、年日照量（0.5096）、年均降水量（0.4401）;中部地区核心影响因素为人均GDP（0.6804）、年平均温度（0.5479）、相对湿度（0.4623）、年温度极差（0.4425）;西部地区核心影响因素为恩格尔系数（0.4137）、人均GDP（0.3837）、年日照量（0.2831）、年均降水量（0.2791）。2014年主导东部地区青少年BMI值的核心因素为相对湿度（0.7369）、年平均温度（0.6998）、年均降水量（0.6672）、年温度极差（0.6421）;中部地区核心影响因素为年平均温度（0.5927）、年温度极差（0.5927）、人均食品支出（0.4665）、年均降水量（0.3868）;西部地区核心影响因素为人均食品支出（0.6532）、相对湿度（0.4257）、年温度极差（0.3642）、年均降水量（0.3642）。

3.3.2 分时段全国q值探测结果 不同时间段内,起主导作用的影响因子大致相同,主导因子有年温度极差、相对湿度、人均GDP。从全国范围看,q值在0.0025~0.4010之间,整体变化幅度不大。从探测结果对比分析来看,其中年日照量（0.0211）最低,人均GDP（0.4010）最高,因子之间存在明显差异。对全国进行分区域因子探测后,q值在0.0051~0.8948之间,年温度极差、人均GDP、恩格尔系数等因子影响作用明显。

3.3.3 交互作用探测结果 从因子交互作用下对青少年BMI值的影响力（见表5）来看,在交互作用下各因子对青少年BMI值的影响力增强。2005年X₃∩X₈、X₅∩X₈、X₂∩X₈交互值最大,值分别为0.7616、0.6987、0.6245;2010年是X₆∩X₈、X₅∩X₈、X₄∩X₈,值分别为0.6503、0.6415、0.6190;2014年是X₇∩X₈、X₆∩X₇、X₆∩X₈,值分别为0.6742、0.6686、0.6207。且因子之间交互作用后均表现为相互增强与非线性增强两种增强方式。

3.3.4 影响全国青少年BMI的主导因素 将地理探测器探测结果排序（见表6）,9年来,全国青少年BMI值变化的主导影响因子呈现如下特征：随着全国社会经济发展水平的整体提高,人民生活质量的改善,青少年BMI值的核心影响因素由区域地理环境因子影响为主,转变为社会经济因子为主,地理环境因素为辅。从表6来看,X₄、X₆、X₇、X₈、X₉因子出现频率高且q值贡献度均大于0.2,原因在于：

Tab. 6
表6
表6影响全国青少年BMI变化核心因子
Tab. 6The core factors influencing BMI change of national adolescents

	核心影响因子	q值
2005年	X4	0.3628
	X6	0.3169
	X2	0.2288
	X8	0.2217
2010年	X8	0.4010
	X9	0.2934
	X4	0.2870
	X6	0.1571
2014年	X7	0.3319
	X6	0.3002
	X4	0.2344
	X8	0.2311

新窗口打开|下载CSV

（1）年温度极差（X₄）的影响力。中国南北年温度极差差异明显,南方小,北方大,在全国形成不同的气候类型和区域地理环境。人长期生活在一定地理环境中,人体与之不断进行物质交换,需从生理上适应环境,青少年正处于生长发育阶段,体质更容易受区域地理环境的影响^[22]。其一,年温度极差影响区域食物出产的种类和数量,影响人的饮食习性。如江南出产蔬菜种类丰富,人们饮食喜欢清淡、甜咸、爽口,讲究营养搭配;北方冬季蔬菜产出少,人大多会在冬天食用腌制的酸菜、窖藏的土豆,喜爱吃猪牛羊肉等多脂肪的食品菜肴^[23],长期偏好腌制食品和高脂肪食物会造成人体脂肪的累积;其二,年温度极差影响人的生活习惯。生活在北方的居民在冬春之季常常因为天气过于寒冷,户外运动时间也随之减少,易引起体内脂肪增加。年温度极差影响全国城市男性青少年BMI值区域分异。另从2005—2014年X₄的q值减小趋势来看,随着农业生产技术和物流技术的快速发展,全国南北方食物能够供应的数量和种类趋同,因此年温度极差的影响力也逐渐减弱。

（2）人均GDP（X₈）的影响力。人均GDP是衡量区域经济发展水平的一个标准。现阶段,全国经济发展不平衡,东部经济发展水平高,中部、西部相对落后。如2014年中国东部、中部、西部人均GDP分别为6.89万元、4.33万元、3.70万元,反映出东中西部生产力水平,而这种差异会影响人均收入水平的差异,进而影响居民食物是否丰富、饮食是否均衡,能否在医疗健康方面投入更大开支,因此,中国东部、中部、西部城市男性青少年BMI值有差异,与人均GDP呈正相关。另外,9年来,全国经济加速发展,城镇化、市场化进程加快,全国居民收入普遍提高,各区域人均获得食物的数量和种类增多,并趋向一致,进而造成全国东、中、西部城市男性青少年BMI值增高,但差异趋向减小。

（3）恩格尔系数（X₉）和人均食品支出（X₇）的影响力。恩格尔系数是衡量一个家庭或一个国家富裕程度的主要标准之一。恩格尔系数越小,生活越富裕^[24]。通常恩格尔系数越低,人的消费水平越高,生活内容也越丰富,对人体质量指数也会有所影响。9年来全国恩格尔系数减小,青少年BMI值整体呈现增高态势,东、中、西部恩格尔系数不同,引起青少年BMI的地域差异。食品直接影响人的体质,人均食品支出越多,食物保障越充足。中国统计年鉴显示,全国城市人均食品支出2005年、2010年、2014年分别为2709.60元、4478.54元、6311.92元,增长明显,即便考虑物价上涨因素影响,全国城市人均食品消费量也在增加,势必会增加肥胖机率。

（4）相对湿度（X₆）影响力。本研究探测结果显示相对湿度也是影响全国青少年BMI变化的核心因子之一。相对湿度对人类健康的影响机制较为复杂,科学家通过对流行病的研究发现,一方面,环境相对湿度过低使流感病毒繁殖速度加快,而且随粉尘扩散,引起疾病流行;另一方面,环境相对湿度过低可使人的呼吸系统抵抗力下降,诱发和加重呼吸系统疾病^[25]。相对湿度也会影响人的精神状态。夏天,相对湿度过大时会抑制人体散热,使人感到十分闷热、烦躁。冬天,相对湿度过大时则会加速热传导,使人觉得阴冷、抑郁。本研究虽探知相对湿度对青少年BMI存在影响,但其作用机制尚不明确,需从病理学角度开展研究。

4 结论

本文针对2005年、2010年、2014年中国城市男性青少年BMI的统计数据,基于变异系数和地理探测器,分析全国城市男性青少年BMI值在2005年、2010年、2014年的变化和空间分异,探究其与地理环境因子和社会因素之间的关系。结果表明,全国青少年BMI值整体增高,在各省市区差异性明显,存在空间分异,且随时间变化,青少年BMI值的核心影响因素也有所不同。

（1）在时间变化上,2005—2014年全国城市男性青少年BMI值呈现增长态势,由2005—2010年的1.36%上升到2010—2014年的2.44%,BMI值增长加快,肥胖率呈加速上升趋势。且从2005—2014年,影响青少年BMI值增长的主导因子由地理环境要素转换为社会经济要素,社会经济发展水平对青少年BMI值的影响已起到主导作用。

（2）从空间尺度上,全国城市男性青少年BMI值在东部、中部、西部之间存在显著性差异,区域内部也差异明显,东部地区差异性最强、中部地区最小。全国青少年BMI值在2005年表现为从东北向西南由高到低的阶状分布特征,经过9年的演变,2014年呈现出北高南低的三级阶梯分布特征。全国范围内所选择的探测因子对青少年BMI值的影响力都较弱,划分东、中、西部后,所选择的探测因子对青少年BMI值的影响力比较显著,主导因素凸出,各区域探测出的主导因素存在差异。

参考文献 View Option 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1] 刘新民 . 进食障碍与肥胖症.北京: 人民卫生出版社, 2009.
[本文引用: 1]

[ Liu Xinmin. Eating Disorders and Obesity. Beijing: People's Medical Publishing House, 2009.]
[本文引用: 1]

[2] Allison D B . Faith Introduction to special issue on the genetics of obesity
Behav Genet, 1997,27(4):273-276.
[本文引用: 1]

[3] Barsh G S, Farooqi I S, Rahilly S O . Genetics of body weight regulation
Nature, 2000,404(6778):644-651.
[本文引用: 1]

[4] Drapeau V, Despres J P, Bouchard C , et al. Modifications in food-group consumption are related to long-term body weight changes
American Journal of Clinical Nutrition, 2004,80(1):29-37.
[本文引用: 1]

[5] Buchvold H V, Pallesen S , ?yane N M F, et al. Associations between night work and BMI, alcohol, smoking, caffeine and exercise-a cross-sectional study
BMC Public Health, 2015,15(1):1112.
[本文引用: 1]

[6] 徐成东, 王劲峰 . 基于地理探测器的手足口病风险因子分析. 中国地理学会2012年学术年会学术论文摘要集
中国地理学会、河南省科学技术协会: 2012: 1.
[本文引用: 1]

[ Xu Chengdong, Wang Jinfeng . Risk Factor Analyis of Hand-Foot-Mouth Disease based on Geographical Detector. Collection of Abstracts of 2012 Annual Conference of Chinese Geographical Society.
Chinese Geographical Society, Henan Province Science Technical Association: 2012: 1.]
[本文引用: 1]

[7] Li J, Wang J, Xu C , et al. Hand, foot and mouth disease in mainland China before it was listed as category C disease in May, 2008
The Lancet Infectious Diseases, 2017,17(10):1017-1018.
[本文引用: 1]

[8] 杨青生, 张红贤, 葛淼 . 基于人工神经网络的老年男性血沉参考值与地理环境关系研究
地理科学, 2006, ( 6):749-754.
[本文引用: 1]

[ Yang Qingsheng, Zhang Hongxian, Ge Miao . Relationship between reference value (wintrobe) of Chinese old men's erythrocyte sedimentation rate (ESR) and geographical factors based on NN
Scientia Geographica Sinica, 2006,( 6):749-754.]
[本文引用: 1]

[9] 肖宪平, 唐少敏, 张天成 . 我国18岁少数民族学生体格与自然环境因素及社会经济环境因素的相关性研究
安徽体育科技, 2010,31(3):47-51.
[本文引用: 1]

[ Xiao Xianping, Tang Shaomin, Zhang Tiancheng . The research on the relationship between the physique of 18-year-old minority students and the factors relating to natural environment and socio-economic environment
Journal of Anhui Sports Science, 2010,31(3):47-51.]
[本文引用: 1]

[10] 张明鑫, 王学忠, 轩欢欢 . 中国老年男性肺功能健康状况的地域分布规律
中国老年学杂志, 2016,36(10):2490-2492.
[本文引用: 1]

[ Zhang Mingxin, Wang Xuezhong, Xuan Huanhuan . The geographical distribution of Chinese old men's vital capacity health status and its distribution regularity
Chinese Journal of Gerontology, 2016,36(10):2490-2492.]
[本文引用: 1]

[11] 中国学生体质与健康研究组编. 2005年中国学生体质与健康调研报告. 北京: 高等教育出版社, 2007.
[本文引用: 1]

[ Chinese Student Constitution and Health Research Group . Report on the Physical Fitness and Health Surveillance of Chinese School Students 2005. Beijing: Higher Education Press, 2007.]
[本文引用: 1]

[12] 中国学生体质与健康研究组编. 2010年中国学生体质与健康调研报告. 北京: 高等教育出版社, 2012.
[本文引用: 1]

[ Chinese Student Constitution and Health Research Group. Report on the Physical Fitness and Health Surveillance of Chinese School Students 2010. Beijing: Higher Education Press, 2012.]
[本文引用: 1]

[13] 中国学生体质与健康研究组编. 2014年中国学生体质与健康调研报告. 北京: 高等教育出版社, 2016.
[本文引用: 1]

[ Chinese Student Constitution and Health Research Group. Report on the Physical Fitness and Health Surveillance of Chinese School Students 2014. Beijing: Higher Education Press, 2016.]
[本文引用: 1]

[14] 丁悦, 蔡建明, 任周鹏 . 基于地理探测器的国家级经济技术开发区经济增长率空间分异及影响因素
地理科学进展, 2014,33(5):657-666.
DOI:10.11820/dlkxjz.2014.05.007URLMagsci [本文引用: 1]
建设国家级经济技术开发区（经开区）是中国扩大对外开放和促进区域发展的重要政策。历经30年多发展，国家级经开区已遍布全国，其个体间的发展差异也由于不同的动力机制而日趋显著。认识和探讨国家级经开区经济增长率的空间分异及其核心影响因素，对因地制宜制定发展策略、引导开发区高效发展具有重要意义。运用变异系数和地理探测器方法，分析2010年国家级经开区经济增长率的空间分异，并探测了其核心影响因素。结果表明：① 总体上，国家级经开区经济增长率在东中西三大区差异显著，呈现出高低高的U型格局；② 个体上，国家级经开区经济增长率在三大区内部存在不同分异特征，其中西部分异度最大、东部次之、中部最小；③ 探测因子决定力显示，主导三大地区国家级经开区经济增长率的核心要素明显不同；在所选出的5大核心影响因素中，中西东三大区呈现出由开发区内在因子主导向城市和区域性外在因子主导的转变趋势；④ 国家级经开区经济增长率及核心影响因素在三大区间的分异特征，一定程度上反映了开发区生命周期阶段性的演变规律。由此建议：近期内，中西部国家级经开区仍应聚焦于改进其自身发展要素；而从长远看，城市性和区域性的外部因子对经开区的影响将变得日益重要，亦即是经开区的未来发展将越来越依赖于与其所在城市和区域的有效融合。
[ Ding Yue, Cai Jianming, Ren Zhoupeng . Spatial disparities of economic growth rate of China's National level ETDZs and their determinants based on geographical detector analysis
Progress in Geography, 2014,33(5):657-666.]
DOI:10.11820/dlkxjz.2014.05.007URLMagsci [本文引用: 1]
建设国家级经济技术开发区（经开区）是中国扩大对外开放和促进区域发展的重要政策。历经30年多发展，国家级经开区已遍布全国，其个体间的发展差异也由于不同的动力机制而日趋显著。认识和探讨国家级经开区经济增长率的空间分异及其核心影响因素，对因地制宜制定发展策略、引导开发区高效发展具有重要意义。运用变异系数和地理探测器方法，分析2010年国家级经开区经济增长率的空间分异，并探测了其核心影响因素。结果表明：① 总体上，国家级经开区经济增长率在东中西三大区差异显著，呈现出高低高的U型格局；② 个体上，国家级经开区经济增长率在三大区内部存在不同分异特征，其中西部分异度最大、东部次之、中部最小；③ 探测因子决定力显示，主导三大地区国家级经开区经济增长率的核心要素明显不同；在所选出的5大核心影响因素中，中西东三大区呈现出由开发区内在因子主导向城市和区域性外在因子主导的转变趋势；④ 国家级经开区经济增长率及核心影响因素在三大区间的分异特征，一定程度上反映了开发区生命周期阶段性的演变规律。由此建议：近期内，中西部国家级经开区仍应聚焦于改进其自身发展要素；而从长远看，城市性和区域性的外部因子对经开区的影响将变得日益重要，亦即是经开区的未来发展将越来越依赖于与其所在城市和区域的有效融合。

[15] 刘凯, 刘荣增 . 城镇化背景下中部农区县域中小学空间集中趋势与非均衡发展研究: 以河南省泌阳县为例
地理研究, 2017,36(9):1680-1696.
[本文引用: 1]

[ Liu Kai, Liu Rongzeng . Spatial Concentration tendency and unbalanced development of elementary and middle schools under the background of urbanization in central rural area: A case study of Biyang county in Henan province
Geography Research, 2017,36(9):1680-1696.]
[本文引用: 1]

[16] Wang J F, Li X H, Christakos G , et al. Geographical de-tectors-based health risk assessment and its application in the neural tube defects study of the Heshun region, China
International Journal of Geographical Information Science, 2010,24(1):107-127.
[本文引用: 2]

[17] 王劲峰, 廖一兰, 刘鑫 . 空间数据分析教程. 北京: 科学出版社, 2010.
[本文引用: 1]

[ Wang Jinfeng, Liao Yilan, Liu Xin. Spatial Data Analysis Tutorial. Beijing: Science Press, 2010.]
[本文引用: 1]

[18] 叶妍君, 齐清文, 姜莉莉 , 等. 基于地理探测器的黑龙江垦区农场粮食产量影响因素分析
地理研究, 2018,37(1):171-182.
[本文引用: 1]

[ Ye Yanjun, Qi Qingwen, Jiang Lili , et al. Impact factors of grain output from farms in Heilongjiang redamation area based on geographical detector
Geographical Research, 2018,37(1):171-182.]
[本文引用: 1]

[19] 廖颖, 王心源, 周俊明 . 基于地理探测器的大熊猫生境适宜度评价模型及验证
地球信息科学学报, 2016,18(6):767-778.
DOI:10.3724/SP.J.1047.2016.00767URLMagsci [本文引用: 2]
<p>动物生境适宜度评价对于野生动物生境保护十分重要。基于物种活动点来建模的生态位模型是目前应用最广泛的动物生境评价方法,但该方法不能直接表达生境适宜度与环境因子间具有生态学意义的数量关系。本文以雅安地区为例,提出一种新的大熊猫（Ailuropoda melanoleuca）生境适宜度评价方法,选取海拔、坡度、坡向、地形指数、距水源距离、植被类型、主食竹及距公路距离8个环境因子,引入地理探测器,在分别基于MAXENT模型和层次分析法（The Analytic Hierarchy Process,AHP）所构建生境适宜度模型的基础上,通过4个地理探测器（风险探测器、因子探测器、生态探测器和交互作用探测器）探寻大熊猫生境与各环境因子间的关系以及环境因子对大熊猫生境的影响机理,并将其预测结果与单一MAXENT模型和AHP法进行对比。结果表明：（1）AHP、AHP-Geogdetector、MAXENT和MAXENT-Geogdetector模型总体评价精度分别为85.6%、86.5%、91.3%和94.2%,kappa系数分别为0.699、0.718、0.821和0.882,AUC值分别为0.902、0.928、0.949和0.966,模型所预测的适宜和较适宜区与实际分布区重叠比分别为63.66%、61.30%、76.70%和90.10%,说明AHP-Geogdetector和MAXENT-Geogdetector模型精度均比相应的单一模型有所提高,且MAXENT-Geogdetector模型精度最高;（2）基于地理探测器的大熊猫生境适宜度评价模型能以“生境适宜度和环境因子间具有生态学意义的数量关系”的形式直接体现环境因子对动物生境利用的生态学作用,具有较好的生态学可解释性。因此,用地理探测器进行大熊猫生境适宜度评价具有较好的可行性。</p>
[ Liao Ying, Wang Xinyuan, Zhou Junming . Suitability assessment and validation of Giant Panda habitat based on geographical detector. Journal of Geo-information
Science, 2016,18(6):767-778.]
DOI:10.3724/SP.J.1047.2016.00767URLMagsci [本文引用: 2]
<p>动物生境适宜度评价对于野生动物生境保护十分重要。基于物种活动点来建模的生态位模型是目前应用最广泛的动物生境评价方法,但该方法不能直接表达生境适宜度与环境因子间具有生态学意义的数量关系。本文以雅安地区为例,提出一种新的大熊猫（Ailuropoda melanoleuca）生境适宜度评价方法,选取海拔、坡度、坡向、地形指数、距水源距离、植被类型、主食竹及距公路距离8个环境因子,引入地理探测器,在分别基于MAXENT模型和层次分析法（The Analytic Hierarchy Process,AHP）所构建生境适宜度模型的基础上,通过4个地理探测器（风险探测器、因子探测器、生态探测器和交互作用探测器）探寻大熊猫生境与各环境因子间的关系以及环境因子对大熊猫生境的影响机理,并将其预测结果与单一MAXENT模型和AHP法进行对比。结果表明：（1）AHP、AHP-Geogdetector、MAXENT和MAXENT-Geogdetector模型总体评价精度分别为85.6%、86.5%、91.3%和94.2%,kappa系数分别为0.699、0.718、0.821和0.882,AUC值分别为0.902、0.928、0.949和0.966,模型所预测的适宜和较适宜区与实际分布区重叠比分别为63.66%、61.30%、76.70%和90.10%,说明AHP-Geogdetector和MAXENT-Geogdetector模型精度均比相应的单一模型有所提高,且MAXENT-Geogdetector模型精度最高;（2）基于地理探测器的大熊猫生境适宜度评价模型能以“生境适宜度和环境因子间具有生态学意义的数量关系”的形式直接体现环境因子对动物生境利用的生态学作用,具有较好的生态学可解释性。因此,用地理探测器进行大熊猫生境适宜度评价具有较好的可行性。</p>

[20] 王劲峰, 徐成东 . 地理探测器: 原理与展望
地理学报, 2017,72(1):116-134.
[本文引用: 1]

[ Wang Jinfeng, Xu Chengdong . Geodetector: Principle and prospective
Acta Geographica Sinica, 2017,72(1):116-134.]
[本文引用: 1]

[21] 武鹏, 李同昇, 李卫民 . 县域农村贫困化空间分异及其影响因素: 以陕西山阳县为例
地理研究, 2018,37(3):593-606.
[本文引用: 1]

[ Wu Peng, Li Tongsheng, Li Weimin . Spatial differentiation and influencing factors of rural poverty in county scale: A casestudy of Shanyang county in Shaanxi province, China
Geographical Research, 2018,37(3):593-606.]
[本文引用: 1]

[22] 杨子. 健康无价: 环境做保证: 不同环境对人体的影响
沿海环境, 1999,( 6):13.
[本文引用: 1]

[ Yang Zi . Health and priceless: The environment as a guarantee: The impact of different environments on the human body
Coastal Environment, 1999, ( 6):13.]
[本文引用: 1]

[23] 周晓平 . 气象环境对温病发病影响的研究
南京: 南京中医药大学博士学位论文, 2007.
[本文引用: 1]

[ Zhou Xiaoping . Study on the impact of meteorological environment on the incidence of warm disease
Nanjing: Doctoral Dissertation of Nanjing University of Chinese Medicine, 2007.]
[本文引用: 1]

[24] 张祖群 . 从恩格尔系数到旅游恩格尔系数: 述评与应用
中国软科学, 2011, ( S2):100-114.
[本文引用: 1]

[ Zhang Zuqun . From Engel's coefficient to tourism Engel coefficient: A review and application
China Soft Science, 2011, ( S2):100-114.]
[本文引用: 1]

[25] 王敏珍, 郑山, 王式功 , 等. 气温与湿度的交互作用对呼吸系统疾病的影响
中国环境科学, 2016,36(2):581-588.
[本文引用: 1]

[ Wang Minzhen, Zhen Shan, Wang Shigong , et al. Interaction of temperature and relative humidity on emergency room visits for respiratory diseases
China Environmental Science, 2016,36(2):581-588.]
[本文引用: 1]