舒幫榮, 曲 藝, 李永樂, 雍新琴, 梅 艷

(1.江蘇師范大學 測繪學院, 江蘇 徐州 221116; 2.中國科學院 地理科學與資源研究所,北京 100101; 3.中國科學院大學, 北京 100049; 4.南京財經(jīng)大學 公共管理學院, 南京 210023)

不同柵格尺度下鎮(zhèn)域農(nóng)村居民點變化驅(qū)動力研究
——以太倉市瀏河鎮(zhèn)為例

舒幫榮1, 曲 藝2,3, 李永樂4, 雍新琴1, 梅 艷1

(1.江蘇師范大學 測繪學院, 江蘇 徐州 221116; 2.中國科學院 地理科學與資源研究所,北京 100101; 3.中國科學院大學, 北京 100049; 4.南京財經(jīng)大學 公共管理學院, 南京 210023)

從空間角度研究農(nóng)村居民點演變驅(qū)動機制對農(nóng)村居民點用地管理與優(yōu)化具有重要意義，而柵格尺度的確定是其重要前提。以地處經(jīng)濟發(fā)達地區(qū)的太倉市瀏河鎮(zhèn)為例，基于GIS及SPSS統(tǒng)計分析軟件，采用二分類Logistic回歸模型探討不同柵格尺度對其農(nóng)村居民點變化驅(qū)動分析的影響及具體驅(qū)動機制。結果顯示，柵格尺度為10 m×10 m時驅(qū)動力模型的精度、解釋能力及擬合度最佳，農(nóng)村居民點變化能得到較好的解釋；農(nóng)民人均純收入的提高可推動研究區(qū)農(nóng)村居民點空間調(diào)整，公路的吸引力可促進農(nóng)村居民點向交通方便的地區(qū)調(diào)整，而人口密度、地均農(nóng)業(yè)產(chǎn)值、人均耕地面積、基本農(nóng)田及到水系的距離僅對農(nóng)村居民點增加有影響，地均工業(yè)產(chǎn)值、人均居民點面積及到城鎮(zhèn)的距離僅對農(nóng)村居民點減少有影響。研究表明柵格尺度對農(nóng)村居民點變化驅(qū)動力模型的精度、解釋能力及擬合度存在影響，進而影響驅(qū)動因素及其重要性的識別，相關研究應結合研究區(qū)實際確定最佳柵格尺度；為推進農(nóng)村居民點優(yōu)化，應從發(fā)展農(nóng)村經(jīng)濟、提高農(nóng)民收入、合理規(guī)劃鄉(xiāng)村公路、建立農(nóng)村宅基地退出補償機制及加強基本農(nóng)田保護等方面入手。

土地利用變化; 農(nóng)村居民點; 驅(qū)動力; 柵格尺度; Logistic回歸

我國農(nóng)村人口眾多，其生活與生產(chǎn)所依托的農(nóng)村居民點，是我國土地利用類型中城鄉(xiāng)居民點及工礦用地的重要組成部分[1]，其利用的合理與否在很大程度上關系到我國土地利用的整體效率。隨著我國城市化進程的不斷推進，大量農(nóng)村人口不斷向城市轉(zhuǎn)移，使得現(xiàn)有農(nóng)村地區(qū)人口數(shù)量不斷減少，因此理論上講，農(nóng)村建設用地面積應逐漸減少，但現(xiàn)實情況卻恰好相反[2]。隨著經(jīng)濟的發(fā)展，我國土地供需矛盾日益緊張，農(nóng)村居民點整理及其潛力釋放已成為人們?nèi)找骊P注的熱點[3-5]，而農(nóng)村居民點變化驅(qū)動力研究又是其重要的基礎課題之一[6]?，F(xiàn)有的農(nóng)村居民點變化驅(qū)動力研究較多，其多從用地變化的規(guī)模方面進行分析[7-11]，也有學者從空間角度，采用Logistic回歸分析法對農(nóng)村居民點變化的驅(qū)動因素進行了探討[12]，但未提及所用的柵格尺度，柵格尺度大小對農(nóng)村居民點驅(qū)動力分析的影響也較為鮮見，這表明從空間角度對農(nóng)村居民點變化驅(qū)動機制的研究仍需進一步深入探討。同時，鑒于鄉(xiāng)鎮(zhèn)作為我國五級土地管理行政區(qū)劃的最小行政單元，對鄉(xiāng)鎮(zhèn)范圍農(nóng)村居民點變化驅(qū)動力的研究，更有利于從基礎入手為鄉(xiāng)鎮(zhèn)農(nóng)村居民點的管理與優(yōu)化提供決策支持。因此，本研究在GIS軟件支持下，采用二分類Logistic回歸分析模型對不同柵格尺度下地處我國東部經(jīng)濟發(fā)達地區(qū)的太倉市瀏河鎮(zhèn)1996—2008年農(nóng)村居民點變化驅(qū)動力進行分析，通過對不同柵格尺度下農(nóng)村居民點變化驅(qū)動分析結果的對比，探討農(nóng)村居民點變化的驅(qū)動機制，以求為新農(nóng)村建設過程中的農(nóng)村居民點管理與優(yōu)化提供參考。

1 研究區(qū)概況與數(shù)據(jù)來源

本文以地處我國東部經(jīng)濟發(fā)達地區(qū)的江蘇省蘇州市太倉瀏河鎮(zhèn)為研究區(qū)域。瀏河鎮(zhèn)位于太倉市東南部，東枕長江、南依上海，北接浮橋鎮(zhèn)，西連城廂鎮(zhèn)，總面積103.01 km2，其中陸地面積59.04 km2。瀏河鎮(zhèn)區(qū)內(nèi)水網(wǎng)密集，水陸交通十分便捷，全鎮(zhèn)地處長江三角洲沖積平原，土壤肥沃，農(nóng)業(yè)生產(chǎn)條件優(yōu)越。截至2008年底，研究區(qū)內(nèi)農(nóng)村總戶數(shù)達1.09萬戶，總人口為3.10萬人，全年農(nóng)業(yè)總產(chǎn)值達4.34億元，實現(xiàn)鄉(xiāng)鎮(zhèn)工業(yè)產(chǎn)值9.09億元，農(nóng)民人均純收入達1.27萬元。瀏河鎮(zhèn)社會經(jīng)濟基礎較好，經(jīng)濟發(fā)展對建設用地增長的強烈需求致使區(qū)內(nèi)土地利用不斷變化，有著“就地工業(yè)化，離土不離鄉(xiāng)”的典型特點[13]。同時，由于農(nóng)民生活水平的提高、居住條件改善的需要，農(nóng)村居民點呈現(xiàn)出無序變化的狀態(tài)，因而該鎮(zhèn)可作為農(nóng)村居民點演變驅(qū)動力研究的理想?yún)^(qū)域。此外，基于不同柵格尺度對現(xiàn)階段瀏河鎮(zhèn)農(nóng)村居民點變化驅(qū)動力進行研究，既可探討柵格尺度大小對農(nóng)村居民點變化驅(qū)動力分析結果的影響，也有助于深入認識研究區(qū)農(nóng)村居民點變化的影響因素，進而探尋具有針對性的政策措施，促進研究區(qū)農(nóng)村居民點的合理演變。

本研究數(shù)據(jù)主要源于瀏河鎮(zhèn)1∶5 000的1996年和2008年土地利用現(xiàn)狀圖及第二輪土地利用總體規(guī)劃圖(1997—2010年)、1996年及2008年太倉市統(tǒng)計年鑒以及相應交通現(xiàn)狀圖。

2 研究方法

2.1 研究思路

為探討瀏河鎮(zhèn)農(nóng)村居民點演變驅(qū)動力分析的最佳柵格尺度，本文將柵格尺度分為5 m×5 m，10 m×10 m，15 m×15 m，20 m×20 m，25 m×25 m，30 m×30 m共6種，分別對瀏河鎮(zhèn)不同尺度下的農(nóng)村居民點變化進行對比分析。首先，從1996年及2008年土地利用現(xiàn)狀圖中提取兩年度農(nóng)村居民點用地圖斑，在GIS軟件支持下進行疊加分析，剔除可能因誤差引起的小面積變化圖斑，得到明顯變化的居民點變化圖斑樣本(圖1)，并按前述柵格尺度進行柵格化處理，從而得到6種尺度下1996—2008年研究區(qū)農(nóng)村居民點用地變化圖層；其次，選取農(nóng)村居民點變化影響潛在因素，分別從相應的土地利用現(xiàn)狀圖、規(guī)劃圖及交通圖中提取潛在影響因素圖層，并進行柵格化處理，對于距離因素采用GIS軟件的距離函數(shù)進行分析；第三，以村為基本單元分別統(tǒng)計并計算社會經(jīng)濟影響因素值，并進行柵格化處理；第四，分別提取各柵格尺度下各變量柵格單元值，在SPSS統(tǒng)計分析軟件中進行合并和隨機抽樣處理，并保證二分類Logistic回歸分析中變化與未變化的柵格數(shù)量基本相當，以保證分析結果的準確性；最后，在SPSS軟件支持下，對各影響因素進行Z-Score標準化處理，并進行多重共線性分析，并采用二分類Logistic逐步回歸分析方法分別對不同柵格尺度下的農(nóng)村居民點變化及其潛在影響因素進行分析。

圖1 1996-2008年瀏河鎮(zhèn)農(nóng)村居民點變化樣本

2.2二分類Logistic回歸模型

農(nóng)村居民點演變過程包括兩種情況：農(nóng)村居民點減少及農(nóng)村居民點增加，因而需要對這兩種情況進行分別分析。同時，各種情況下農(nóng)村居民點變化只涉及變化和未變化，即可將農(nóng)村居民點變化視為二分性，故本研究采用二分類Logistic回歸分析方法分別對農(nóng)村居民點增加和農(nóng)村居民點減少過程進行分析。二分類Logistic回歸分析法是一種對二分類因變量進行回歸分析的非線性統(tǒng)計方法[14-15]。假設某一事件發(fā)生變化(即Y=1)的概率為P，1-P為某事件未發(fā)生變化(即Y=0)的概率，x1，…，xm為與Y相關的一組變量，將發(fā)生比P/(1-P)取對數(shù)得ln[P/(1-P)]，即對P做Logistic變換，記為logit(P)，其所對應的Logistic回歸模型為[15]：

(1)

(2)

式中：P——農(nóng)村居民點變化(Y=1)的概率；Y——農(nóng)村居民點變化行為，當農(nóng)村居民點增加或減少時，其值取Y=1，否則Y=0；x1，…，xm為農(nóng)村居民點增加或減少的驅(qū)動因素；β0——常數(shù)；βi(i=1，2，…，m)——偏回歸系數(shù)，當其值為正且統(tǒng)計性顯著時，表示在其他因素不變時，logit(P)將隨因素xi的增加而增加，反之則相反，當變量進行標準化后，所得βi絕對值越大，其對logit(P)的影響就越大。如果系數(shù)的統(tǒng)計性不顯著，則表明相應自變量的作用在統(tǒng)計上與0無異，應予以剔除，同時，如果變量系數(shù)通過檢驗，但其結果不符合實際意義，這類變量也應剔除。Logistic回歸模型解釋能力可采用ROC(Relative Operating Characteristics)進行檢驗[16]，由于ROC曲線方法能克服其他準確性評價指標的局限性，其已被廣泛應用于診斷準確性的評價研究[17]中，ROC值介于0.5～1之間，當ROC≥0.7時，表明自變量對因變量具有可接受的解釋能力[18-19]。同時，采用模型預測精度及pseudoR2來分別反映模型預測能力及擬合程度[20-21]，其中pseudoR2介于0～1之間，當pseudoR2>0.2時，表明模型擬合程度較好[22]。

2.3 驅(qū)動因素選擇

影響農(nóng)村居民點用地變化的因素可以分為社會經(jīng)濟發(fā)展、自然生態(tài)、土地利用政策、區(qū)位條件以及農(nóng)戶行為等多種。為分析不同柵格尺度下研究區(qū)1996—2008年農(nóng)村居民點變化的驅(qū)動機制，結合研究區(qū)實際情況及資料可獲取性，在參考已有研究[7-9,11-12]的基礎上，分別從社會經(jīng)濟因素、自然環(huán)境因素、區(qū)位條件及土地政策因素等方面遴選了11項潛在影響因素進行分析。其中，社會經(jīng)濟因素包括人口密度(x1)、農(nóng)民人均純收入(x2)、地均工業(yè)產(chǎn)值(x3)、地均農(nóng)業(yè)產(chǎn)值(x4)、農(nóng)民人均耕地面積(x5)、農(nóng)民人均居民點面積(x6)、糧食總產(chǎn)量(x7)；區(qū)位因素是影響農(nóng)村居民點增加或減少的區(qū)位條件，主要指各類道路通達度，包括到公路的距離(x8)、到城鎮(zhèn)的距離(x9)；政策因素為約束農(nóng)村居民點變化的現(xiàn)行指令性因素，這里選取基本農(nóng)田(x10)；自然環(huán)境因素中選取到水系的距離(x11)。以上因素中，由于部分因素如人均居民點面積、人均耕地面積、糧食總產(chǎn)量為居民點變化前的資源稟賦類因素，故這三類因素數(shù)據(jù)采用1996年統(tǒng)計數(shù)據(jù)；基本農(nóng)田采用第二輪土地利用規(guī)劃形成的土地利用規(guī)劃圖中的基本農(nóng)田數(shù)據(jù)；其余因素則采用2008年的現(xiàn)狀數(shù)據(jù)。

在以上因素選取及數(shù)據(jù)整理的基礎上，采用GIS軟件對各因素進行柵格化處理，各因素圖層柵格尺度分別設置為前述6種尺度，其中，基本農(nóng)田因素通過賦值進行量化，基本農(nóng)田柵格值為1，非基本農(nóng)田柵格單元取值為0。根據(jù)前述的研究思路，在隨機選取不同柵格尺度下的樣本后，進行影響因素標準化處理和多重共線性檢驗，以VIF<10為標準，剔除存在共線性的因素，在此基礎上分別對不同柵格尺度下瀏河鎮(zhèn)農(nóng)村居民點增加及減少的驅(qū)動力進行逐步回歸分析，并以變量顯著性sig.<0.05為標準，對回歸結果不佳的變量進行剔除，最后得到各柵格尺度下瀏河鎮(zhèn)農(nóng)村居民點變化的Logistic回歸分析結果。

3 結果與分析

3.1 農(nóng)村居民點增加的驅(qū)動力分析

不同柵格尺度下瀏河鎮(zhèn)農(nóng)村居民點增加驅(qū)動力分析結果(表1)顯示，6種尺度下進入回歸模型的解釋變量分別為6個、7個、5個、6個、6個及6個，表明不同柵格尺度下進入模型的解釋變量是各不相同的，柵格大小對農(nóng)村居民點減少的Logistic回歸模型變量有顯著影響。從模型檢驗結果來看，當柵格尺度為10 m×10 m時，模型精度為76.10%，ROC值達0.798，pseudoR2值為0.247，此時模型的檢驗結果在各柵格尺度下最佳，模型擬合程度較好，各變量可以很好地解釋研究區(qū)農(nóng)村居民點增加過程；而當柵格尺度為其余5種時，模型精度及ROC值均有所下降，pseudoR2值均小于0.2，特別是當柵格尺度為5 m×5 m時，回歸模型的ROC值僅為0.713，精度僅為66.30%，pseudoR2值也最低，雖然進入模型的變量可以在一定程度上解釋瀏河鎮(zhèn)農(nóng)村居民點增加過程，但其解釋能力較弱。因此，瀏河鎮(zhèn)農(nóng)村居民點增加驅(qū)動力分析的最佳柵格尺度為10 m×10 m。

在模型精度最佳時，進入Logistic回歸模型的變量分別為人口密度(x1)、農(nóng)民人均純收入(x2)、地均農(nóng)業(yè)產(chǎn)值(x4)、人均耕地面積(x5)、到公路的距離(x8)、基本農(nóng)田(x10)和到水系的距離(x11)。其中，地均農(nóng)業(yè)產(chǎn)值、農(nóng)民人均純收入、人均耕地面積、人口密度及到水系距離的增加均可導致農(nóng)村居民點增加，且其影響力依次減弱，特別是地均農(nóng)業(yè)產(chǎn)值對農(nóng)村居民點的增加有顯著影響，其回歸系數(shù)及Exp(β)值分別達0.282和1.326，這表明，在瀏河鎮(zhèn)農(nóng)村居民點變化過程中，地均農(nóng)業(yè)產(chǎn)值越高，使得農(nóng)村經(jīng)濟及農(nóng)民生活水平不斷提高，隨之產(chǎn)生了農(nóng)村居住環(huán)境改善的需求，致使農(nóng)村居民點增加的可能性更大。重要性僅次于地均農(nóng)業(yè)產(chǎn)值的是農(nóng)民人均純收入，表明農(nóng)民人均純收入越高，農(nóng)民越有能力改造自身居住環(huán)境，從而提高了農(nóng)民居民點增加的可能性。人均耕地面積越大，其土地資源稟賦越大，農(nóng)村居民點也越容易擴張；人口密度越大，農(nóng)村居民點越有可能擴張；由于研究區(qū)水網(wǎng)密集，水源問題容易得到解決，農(nóng)村居民點選點更傾向于離水系稍遠的地方，但其影響力非常小。

而到公路距離的增加及基本農(nóng)田可降低農(nóng)村居民點增加的可能性，特別是基本農(nóng)田對農(nóng)村居民點增加有重要影響，當土地單元為基本農(nóng)田時，其轉(zhuǎn)化為農(nóng)村居民點的概率僅為非基本農(nóng)田單元轉(zhuǎn)化概率的26.20%，這表明基本農(nóng)田保護政策對于農(nóng)村居民點的無序擴張起到了積極作用。而公路對農(nóng)村居民點的增加有著吸引力作用，除基本農(nóng)田等禁止或不可建設土地外，離公路越近，農(nóng)村居民點增加的概率也逐漸提高，這是由于靠近公路的區(qū)域交通條件相對較好，農(nóng)民在改善居住環(huán)境時更傾向于選擇靠近公路的地方新建居民點。

表1 不同柵格尺度下瀏河鎮(zhèn)農(nóng)村居民點增加驅(qū)動力估計

注：各變量自由度df均為1；“-”表示該變量未進入模型。

3.2 農(nóng)村居民點減少的驅(qū)動力分析

瀏河鎮(zhèn)農(nóng)村居民點減少驅(qū)動力分析結果(表2)顯示，6種尺度下進入Logistic回歸模型的解釋變量分別為6個、5個、6個、5個、6個和5個，且不同尺度下進入模型的變量也所有不同，這也表明柵格尺度大小對研究區(qū)農(nóng)村居民點減少的Logistic回歸分析同樣有著影響。檢驗結果表明，當柵格尺度為10 m×10 m時，Logistic回歸模型精度、ROC及pseudoR2值均達到最高，分別為82.50%，0.924，0.482，說明模型擬合較好，此時進入模型的各變量能很好地解釋瀏河鎮(zhèn)農(nóng)村居民點的減少過程。而當柵格尺度為其余大小時，模型精度、ROC及pseudoR2值相對較低，其中模型各項檢驗指標在柵格尺度為5 m×5 m時最低，進入模型的解釋變量對農(nóng)村居民點減少過程的解釋能力較弱，故對瀏河鎮(zhèn)農(nóng)村居民點減少驅(qū)動力分析的最佳柵格尺度為10 m×10 m。

當柵格尺度為10 m×10 m時，進入模型的解釋變量有農(nóng)民人均純收入(x2)、地均工業(yè)產(chǎn)值(x3)、人均居民點面積(x6)、到公路的距離(x8)和到城鎮(zhèn)的距離(x9)，其中距離城鎮(zhèn)中心越遠，農(nóng)村居民點減少的可能性越小，這是由于瀏河鎮(zhèn)轄區(qū)較大，建成區(qū)相對較小，其對較遠的農(nóng)村居民點變化影響較小，而對建成區(qū)周邊農(nóng)村居民點的影響相對較大，致使較多的周邊農(nóng)村居民點轉(zhuǎn)變?yōu)槌擎?zhèn)用地以滿足城鎮(zhèn)經(jīng)濟發(fā)展需求，因而到城鎮(zhèn)的距離對瀏河鎮(zhèn)農(nóng)村居民點的減少表現(xiàn)為負向作用。

而農(nóng)民人均純收入、人均居民點面積、到公路的距離及地均工業(yè)產(chǎn)值的增加可導致農(nóng)村居民點的減少，且其作用力度依次降低。首先，農(nóng)民收入越高，農(nóng)民越有能力及意愿改善現(xiàn)有居住條件，且整理效益較高，該因素對農(nóng)村居民點減少概率的影響最大；其次，人均居民點面積越大，農(nóng)村居民點閑置可能性越大，農(nóng)村居民點經(jīng)整理變?yōu)檗r(nóng)用地的可能性也就越大，該因素對農(nóng)村居民點減少概率的影響力度僅次于農(nóng)民人均收入；離公路越遠，越不方便居民日常生產(chǎn)與生活，更容易優(yōu)先被選為整理對象；而地均工業(yè)產(chǎn)值越高，一方面能促使部分有條件的農(nóng)民從農(nóng)村向城鎮(zhèn)轉(zhuǎn)移，退出農(nóng)村宅基地，另一方面也使得村集體更具農(nóng)村居民點整理的能力，促進農(nóng)村居民點的減少或農(nóng)民居住條件的改善，而在農(nóng)村居民點條件改善的過程中，必將使部分居民點用地變?yōu)槠渌玫仡愋?，從而提高農(nóng)村居民點減少的可能性。

表2 不同柵格尺度下瀏河鎮(zhèn)農(nóng)村居民點減少驅(qū)動力估計

注：各變量自由度df均為1；“-”表示該變量未進入模型。

綜合瀏河鎮(zhèn)農(nóng)村居民點增加及減少過程的驅(qū)動因素分析，除糧食總產(chǎn)量這一因素在部分柵格尺度下存在多重共線性或未通過檢驗而被剔除外，其余10個潛在因素對瀏河鎮(zhèn)農(nóng)村居民點變化均有影響。其中農(nóng)民人均純收入和到公路的距離對農(nóng)村居民點增加及減少過程均有影響，特別是農(nóng)民人均純收入的提高不僅能增大農(nóng)村居民點增加的可能性，同時也能加快農(nóng)村居民點的減少，從而表現(xiàn)為農(nóng)村居民點在空間上不斷變化，這說明農(nóng)民增收可促進農(nóng)村居民點空間布局調(diào)整；而到公路距離的減小有利于農(nóng)村居民點的增加，其增加又可提高農(nóng)村居民點減少的概率，表明合理的鄉(xiāng)村公路規(guī)劃可引導農(nóng)村居民點的調(diào)整，使區(qū)位不佳的農(nóng)村居民點向交通區(qū)位較好的地區(qū)調(diào)整。其余8個因素僅對農(nóng)村居民點增加或減少過程有著影響。

4 結論與建議

通過采用二分類Logistic回歸模型對不同柵格尺度下瀏河鎮(zhèn)農(nóng)村居民點增加及減少驅(qū)動力的分析，得到以下結論與建議：

(1) 柵格尺度大小對農(nóng)村居民點變化驅(qū)動力研究存在一定程度的影響，因此類似的土地利用變化驅(qū)動力研究過程中應結合研究區(qū)實際確定最佳柵格尺度，以提高回歸模型精度，得到更為準確的驅(qū)動因素分析結果。

(2) 在柵格尺度為10 m×10 m時，瀏河鎮(zhèn)農(nóng)村居民點增加及減少的驅(qū)動力模型擬合精度最高。其中，農(nóng)村居民點的增加主要受人口密度、農(nóng)民人均純收入、地均農(nóng)業(yè)產(chǎn)值、人均耕地面積及到水系距離的正向驅(qū)動及到公路距離和基本農(nóng)田的負向作用。具有正向作用的影響因素按影響力大小排序分別為：地均農(nóng)業(yè)產(chǎn)值、農(nóng)民人均純收入、人均耕地面積、人口密度、到水系的距離；而負向作用的影響因素中基本農(nóng)田影響最大。對于農(nóng)村居民點減少而言，農(nóng)民人均純收入、人均居民點面積、到公路的距離、地均工業(yè)產(chǎn)值對其起正向作用，作用力度依次遞減；到城鎮(zhèn)的距離對農(nóng)村居民點減少起負向作用。

(3) 總體而言，農(nóng)民人均純收入的提高對研究區(qū)農(nóng)村居民點的減少和增加均具有顯著推動作用，即農(nóng)民收入的提高可推動農(nóng)村居民點在空間上的調(diào)整，公路的吸引力則可使交通條件不佳的農(nóng)村居民點向交通可達性較好的地區(qū)調(diào)整；而人口密度的增加及地均農(nóng)業(yè)產(chǎn)值的提高可促進農(nóng)村居民點增加，人均耕地面積的減少、基本農(nóng)田的保護及到水系的距離減少將限制農(nóng)村居民點的增加；地均工業(yè)產(chǎn)值的提高可促進農(nóng)村居民點的減少，人均居民點面積較小及到城鎮(zhèn)中心距離較遠的地方，農(nóng)村居民點減少的可能性相對較小。

(4) 為優(yōu)化農(nóng)村居民點的規(guī)模與布局，可采取以下對策：首先，抓住新農(nóng)村建設的契機，進一步發(fā)展農(nóng)村經(jīng)濟，提高農(nóng)民收入水平，增強農(nóng)民集體優(yōu)化自身農(nóng)村居民點的能力；其次，進一步優(yōu)化鄉(xiāng)村道路網(wǎng)絡系統(tǒng)，通過公路的優(yōu)化配置引導農(nóng)村居民點的合理布局；第三，進一步加快農(nóng)村工業(yè)發(fā)展的轉(zhuǎn)型升級，制定相應的農(nóng)村宅基地退出補償政策，促進有條件的農(nóng)民離土離鄉(xiāng)，促進農(nóng)村居民點用地的合理縮減；第四，堅定基本農(nóng)田保護力度，防止農(nóng)村建設用地的無序擴張。

當然，農(nóng)村居民點演變還受農(nóng)戶行為、地方習俗等的影響，本研究僅選取了11項潛在因素進行分析，同時，對社會經(jīng)濟因素的分析以村為單位，由于村內(nèi)農(nóng)戶經(jīng)濟收入等存在差別，可能對農(nóng)村居民點變化也有一定影響，因而在進一步的研究中需要結合農(nóng)戶調(diào)查進行更為細致的分析。

[1] 李裕瑞,劉彥隨,龍花樓.中國農(nóng)村人口與農(nóng)村居民點用地的時空變化[J].自然資源學報,2010,25(10):1629-1638.

[2] 談明洪,呂昌河.城市用地擴展與耕地保護[J].自然資源學報,2005,20(1):52-58.

[3] 林常春,張俊梅,許皞,等.農(nóng)村居民點用地整理時序研究:以河北省盧龍縣為例[J].水土保持研究,2010,17(3):115-119.

[4] 喬蕻強,劉秀華,李讓恩.農(nóng)村居民點用地整理現(xiàn)實潛力測算及分區(qū):以重慶市豐都縣為例[J].水土保持研究,2012,19(2):222-225.

[5] 岳坤,張鵬輝,任倩.保定市農(nóng)村居民點整理潛力評價分級探討[J].水土保持研究,2012,19(3):170-174.

[6] 何英彬,陳佑啟,唐華俊,等.中國農(nóng)村居民點研究進展[J].中國農(nóng)學通報,2010,26(14):433-437.

[7] 劉志玲,張麗琴.農(nóng)村居民點用地發(fā)展驅(qū)動力研究:以安徽省為例[J].農(nóng)村經(jīng)濟,2006(3):30-32.

[8] 胡賢輝,楊鋼橋,張霞,等.農(nóng)村居民點用地數(shù)量變化及驅(qū)動機制研究:基于湖北仙桃市的實證[J].資源科學,2007,29(3):191-197.

[9] 馮長春,趙若曦,古維迎.中國農(nóng)村居民點用地變化的社會經(jīng)濟因素分析[J].中國人口·資源與環(huán)境,2012,22(3):6-12.

[10] 蘇高華,陳方正,鄭新奇.基于系統(tǒng)論的農(nóng)村居民點用地演變驅(qū)動機制研究:以北京市昌平區(qū)為例[J].水土保持研究,2009,16(4):117-120.

[11] 李曉剛,歐名豪,許恒周.農(nóng)村居民點用地動態(tài)變化及驅(qū)動力分析:以青島市為例[J].國土資源科技管理,2006,23(3):27-32.

[12] 姜廣輝,張鳳榮,陳軍偉,等.基于Logistic回歸模型的北京山區(qū)農(nóng)村居民點變化的驅(qū)動力分析[J].農(nóng)業(yè)工程學報,2007,23(5):81-87.

[13] 魏文佳,陳江龍,劉飛,等.經(jīng)濟發(fā)達地區(qū)農(nóng)村居民點潛力釋放空間選擇:以太倉市陸渡鎮(zhèn)、瀏河鎮(zhèn)為例[J].長江流域資源與環(huán)境,2011,20(7):873-878.

[14] Hosmer Jr D W, Lemeshow S. Applied Logistic Regression[M]. John Wiley & Sons,2004.

[15] 王濟川,郭志剛.Logistic回歸模型:方法與應用[M].北京:高等教育出版社,2001.

[16] Hu Z, Lo C P. Modeling urban growth in Atlanta using logistic regression[J]. Computers, Environment and Urban Systems,2007,31(6):667-688.

[17] 李志輝,羅平.PASW/SPSS Statistics統(tǒng)計分析教程[M].3版.北京:電子工業(yè)出版社,2010.

[18] Pontius R G, Schneider L C. Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA[J]. Agriculture, Ecosystems & Environment,2001,85(1):239-248.

[19] Olaniyi A O, Abdullah A M, Ramli M F, et al. Assessment of Drivers of Coastal Land Use Change in Malaysia[J]. Ocean & Coastal Management,2012,67:113-123.

[20] Menard S. Applied Logistic Regression Analysis[M]. 106 ed: Sage Publications, Incorporated,2001.

[21] Li X, Zhou W, Ouyang Z. Forty years of urban expansion in Beijing: What is the relative importance of physical, socioeconomic, and neighborhood factors[J]. Applied Geography,2013,38:1-10.

[22] Ozdemir A. Using a binary logistic regression method and GIS for evaluating and mapping the groundwater spring potential in the Sultan Mountains (Aksehir, Turkey)[J]. Journal of Hydrology,2011,405(1):123-136.

DrivingForcesofRuralSettlementChangeofTownshipatVariousResolution—ACaseStudyofLiuheTownship,TaicangCounty

SHU Bang-rong1, QU Yi2,3, LI Yong-le4, YONG Xin-qin1, MEI Yan1

(1.SchoolofGeodesyandGeomatics,JiangsuNormalUniversity,Xuzhou,Jiangsu221116,China; 2.InstituteofGeographicandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China; 3.UniversityofChineseAcademyofSciences,Beijing100049,China; 4.CollegeofPublicManagement,NanjingUniversityofFinance&Economics,Nanjing210023,China)

Scale plays a key role in the studies of driving mechanism of rural settlement changes when raster data were used with the aid of geographic information system. This paper thus explored the impacts of various scales on the driving force analysis of rural settlement changes and the related driving mechanism in the developed township of Liuhe Township, Taicang County by the method of binary logistic regression model. The results showed that the driving force model best fit the data from 1996 to 2008 at the resolution of 10 m, farmers′ net income per capita was found to be the impetus of the spatial adjustment of rural settlements, and attractiveness of roads could also promote the spatial adjustment of rural settlements for convenient transportation. Population density, agricultural production value per area, arable land per capita, basic farmland and distance to main irrigation system had impacts on increase of rural settlement area, while industrial output per area, residential area per capita and the distance to town had merely impacts on decrease of rural residents. Our study illustrated that the impacts of various resolutions on the accuracy, interpretation power and goodness of fit of the constructed model, which further influenced the identification of driving factors and their substance. Therefore, resolution of raster data should be decided in the initial period of research before further analysis. Additionally, measures for the optimization of rural settlements include development of rural economy, increasing farmers′ income, planning of rural village roads, construction of exit and compensation mechanism of rural settlements, and protection of the basic farmland.

land use change; rural settlement area; driving forces; resolution of raster data; logistic regression model

2013-07-16

：2013-08-11

國家自然科學基金資助項目(41101546);江蘇師范大學博士學位教師科研支持項目(12XLR010)

舒幫榮(1982—),男,四川瀘州人,副教授,博士,主要研究方向為土地經(jīng)濟、土地規(guī)劃與管理。E-mail:bangyunshu@126.com

李永樂(1984—),男,山東棗莊人,博士,講師,主要研究方向為土地經(jīng)濟與管理。E-mail:liyonglenau@163.com

F301.24

：A

：1005-3409(2014)02-0127-06