吳宇峰 樓健輝 沈掌泉

（1湖州市民政局，浙江湖州 313000；2桐鄉(xiāng)市自然資源和規(guī)劃局，浙江桐鄉(xiāng) 314500；3浙江大學(xué)環(huán)境與資源學(xué)院，浙江杭州 310058；4浙江省農(nóng)業(yè)遙感與信息技術(shù)重點研究實驗室，浙江杭州 310058）

農(nóng)村居民點作為農(nóng)村人口空間分布的主要載體，是農(nóng)戶進行生產(chǎn)、生活的主要場所[1]。長期以來，我國農(nóng)村居民點缺乏科學(xué)規(guī)劃，存在人均用地面積大、村莊規(guī)模偏小、村莊用地布局分散、農(nóng)戶建新不拆舊等問題，嚴重制約了農(nóng)村經(jīng)濟發(fā)展[2]。當前，工業(yè)化和城鎮(zhèn)化的快速推進正在深刻改變著農(nóng)村地區(qū)的社會經(jīng)濟形態(tài)以及地域空間格局，農(nóng)村面臨著空間格局重構(gòu)、“三生空”優(yōu)化調(diào)整等諸多挑戰(zhàn)[3-4]。研究農(nóng)村居民點的時空格局演化及其影響因素有助于明晰農(nóng)村人地矛盾、優(yōu)化城鄉(xiāng)空間格局，從而推動農(nóng)業(yè)現(xiàn)代化和城鄉(xiāng)一體化發(fā)展進程。

國外學(xué)者早在19世紀初期就開始對農(nóng)村居民點進行了研究[5]，研究內(nèi)容涵蓋農(nóng)村居民點的形成原因[6]、區(qū)位分布[7]、演變類型[8]、變遷重構(gòu)[9]等方面，研究方法從描述說明[10]到實地考察[11]再到定量與定性分析相結(jié)合[12]。21世紀以來，國外學(xué)者對農(nóng)村居民點的研究逐漸由單一的空間分析向社會人文方向和多學(xué)科綜合應(yīng)用轉(zhuǎn)變[13-15]。我國自20世紀30年代開始對農(nóng)村居民點進行定性研究，隨著相關(guān)理論和技術(shù)的完善，目前，研究方向包括農(nóng)村居民點空間分布特征[16]、空間分布影響因素[17]、空間格局演化[18]和空間優(yōu)化布局[19]等方面，研究區(qū)域包括高原[20-21]、山區(qū)[22]、丘陵[23]、盆地[24]、綠洲[25]等。 現(xiàn)有的研究成果較為豐富，為實施鄉(xiāng)村振興戰(zhàn)略、緩解城鄉(xiāng)用地矛盾、改善農(nóng)村生活水平等提供了理論和現(xiàn)實基礎(chǔ)，但是關(guān)于浙北平原區(qū)農(nóng)村居民點空間格局演化特征和水系、交通、城鎮(zhèn)等因素對農(nóng)村居民點空間布局影響的研究還比較少。

本文以地處浙北平原的桐鄉(xiāng)市為研究區(qū)，以土地利用現(xiàn)狀數(shù)據(jù)為基礎(chǔ)，綜合運用地理信息系統(tǒng)空間分析技術(shù)和景觀格局分析方法，研究了桐鄉(xiāng)市農(nóng)村居民點時空格局演化及其影響因素，以期為桐鄉(xiāng)市乃至浙北平原區(qū)新農(nóng)村規(guī)劃以及城鄉(xiāng)一體化發(fā)展提供參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

桐鄉(xiāng)市位于浙江省北部，地處杭嘉湖平原腹地，隸屬于嘉興市（圖1），地處北緯 30°28'～30°47'、東經(jīng)120°17'～120°39'，境內(nèi)地勢平坦，無一山丘，平均海拔5.3 m。區(qū)域面積727.45 km2，境內(nèi)交通發(fā)達，已形成以滬杭高鐵、滬杭高速、申嘉湖高速公路、申嘉杭高速公路、320國道及桐鄉(xiāng)至德清聯(lián)絡(luò)線為骨干的“兩橫兩縱”的高等級交通網(wǎng)絡(luò)。全市下轄3個街道8個鎮(zhèn)，2018年地區(qū)生產(chǎn)總值893.51億元，常住人口84.81萬人，城鎮(zhèn)化率59.5%。桐鄉(xiāng)市自2009年起開展農(nóng)村土地綜合整治工作。截至2018年底，累計批準并實施農(nóng)村土地綜合整治項目156個，投入整治資金22億元，搬遷農(nóng)房2萬余戶，復(fù)墾建設(shè)用地1 389.73 hm2，其中814.67 hm2用于農(nóng)民安置和新農(nóng)村建設(shè)，有效促進了農(nóng)房集聚，改善了農(nóng)村低、小、散、亂的用地格局[26]。

1.2 數(shù)據(jù)來源

本文涉及數(shù)據(jù)包括空間數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)?？臻g數(shù)據(jù)包括2013年、2015年和2018年1：10 000土地利用現(xiàn)狀數(shù)據(jù)，社會經(jīng)濟數(shù)據(jù)來源于統(tǒng)計年鑒及相關(guān)政府網(wǎng)站。

1.3 研究方法

1.3.1 最近鄰點統(tǒng)計量。最近鄰點統(tǒng)計量（R統(tǒng)計量）最早由學(xué)者Dacey引入地理學(xué)研究中，其核心思想是將研究區(qū)中各點間的最小距離與某種理論模型中最近鄰點之間的距離進行比較，從而得到研究區(qū)各點空間分布的相關(guān)特征[27]。其計算公式如下所示：

式中：ro為最近鄰點平均距離觀測值；re為理論模型中最近鄰點平均距離期望值；di為i農(nóng)村居民點最近鄰點距離；A為研究區(qū)面積；q為農(nóng)村居民點總數(shù)。

當R＜1時，說明農(nóng)村居民點呈集聚分布；當R＞1時，說明農(nóng)村居民點趨向于隨機分布[27]。為了定量描述農(nóng)村居民點的分散或集聚程度，進一步引入標準化Z值，其計算公式如下所示：

式中：SEr為最近鄰點平均距離的標準誤差，其余參數(shù)含義與前面相同。當Z＞1.96或者Z＜-1.96時，可以認為計算所得觀測模型與隨機模型在α=0.05的顯著水平下具有統(tǒng)計顯著性[28]。

1.3.2 Ripley's K函數(shù)。研究尺度的變化可能會影響農(nóng)村居民點的空間分布特征，比如在小尺度下呈現(xiàn)集聚分布的點可能在大尺度下呈現(xiàn)隨機分布?；赗ipley's K函數(shù)的多距離空間聚類分析工具不同于單一的距離分析工具，其可以對一定距離內(nèi)的空間相關(guān)性進行匯總，從而分析不同空間尺度下的分布特征。其計算公式如下所示：

式中：A為研究區(qū)面積，n為農(nóng)村居民點個數(shù)；dij為農(nóng)村居民點i到農(nóng)村居民點j的距離；d為空間尺度；Id為指示函數(shù)，并滿足。

采用Monte Carlo模擬檢驗方法，設(shè)置合理的置信區(qū)間。如果觀測值大于置信上限，表明該距離的空間集聚具有統(tǒng)計顯著性；觀測值小于置信下限，表明該距離的空間離散具有統(tǒng)計顯著性；觀測值在置信上下限之間，表明觀測值是隨機分布。

1.3.3 基于Voronoi圖的變異系數(shù)法。Voronoi圖是指關(guān)于空間鄰近關(guān)系的一種基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)[29]。在地理研究中常用Voronoi圖法研究地理事物的分布密集程度，其面積大小可以直觀反映研究對象的集聚程度，Voronoi圖中多邊形面積越小則地物越密集，反之則地物越分散[30]。變異系數(shù)（Cv）值的大小可以用來對集聚程度進行定量評價，其表示為Voronoi多邊形面積的標準差（σ）與平均值（μ）的比值，其計算公式如下所示：

根據(jù)相關(guān)研究，將Cv值小于33%時視為點群均勻分布；Cv值介于33%～64%時視為點群隨機分布；Cv值大于64%時視為點群集聚分布[31]。

1.3.4 景觀格局指數(shù)法。景觀生態(tài)學(xué)是土地整理與規(guī)劃的理論基礎(chǔ)。景觀格局指數(shù)可用來定量描述景觀空間格局與異質(zhì)性，從而反映出景觀變化的時空特征與內(nèi)在規(guī)律，是景觀生態(tài)學(xué)區(qū)別于其他生態(tài)學(xué)科的重要標志之一[32]。本研究選取斑塊總面積（CA）、斑塊數(shù)目（NP）、斑塊密度（PD）和斑塊平均面積（MPS）這4個景觀指標，從景觀格局角度定量反映桐鄉(xiāng)市農(nóng)村居民點空間分布特征。

1.3.5 緩沖區(qū)分析。農(nóng)村居民點的空間分布受到自然、區(qū)位、社會經(jīng)濟等因素影響。在分析研究區(qū)農(nóng)村居民點空間分布影響因素時，因地制宜選取距河流、公路和城鎮(zhèn)的距離作為影響因子進行分析。首先，使用ArcGIS軟件從土地利用現(xiàn)狀數(shù)據(jù)中提取河流、公路、建制鎮(zhèn)等數(shù)據(jù)作為影響因素；其次，建立各個影響因素的多環(huán)緩沖區(qū)；最后，進行疊置分析，統(tǒng)計各級緩沖區(qū)的農(nóng)村居民點數(shù)量。

2 結(jié)果與分析

2.1 農(nóng)村居民點時空格局演化特征

2.1.1 農(nóng)村居民點總體變化情況。統(tǒng)計分析2013年、2015年和2018年的農(nóng)村居民點數(shù)據(jù)，得到上述3個年份農(nóng)村居民點規(guī)模及數(shù)量變化情況，結(jié)果如表1所示。

表1 農(nóng)村居民點面積與數(shù)量變化

由表1可知，2013—2018年農(nóng)村居民點總面積逐步增大，表明隨著農(nóng)村土地綜合整治工作的推進，農(nóng)村居民點用地規(guī)模得到一定程度的擴張；農(nóng)村居民點平均面積與斑塊面積標準差逐步降低，表明在農(nóng)村新社區(qū)建設(shè)的統(tǒng)籌規(guī)劃下，農(nóng)村居民點用地粗放現(xiàn)象有所改善；農(nóng)村居民點個數(shù)與斑塊密度有所增加，這主要是由于新村集聚需要一個長期過程，現(xiàn)階段在充分尊重農(nóng)民意愿的前提下，搬遷整治過程中出現(xiàn)了不同程度的“拔蘿卜式”“開天窗式”的復(fù)墾情況，從而造成拆舊地塊零星、分散和破碎化，出現(xiàn)老舊村莊越來越零散、新村集聚點還在增加的現(xiàn)象[26]。

2.1.2 最近鄰點統(tǒng)計量。在ArcGIS中使用Average Nearest Neighbor工具得到2013年、2015年和2018年農(nóng)村居民點的最近鄰點平均觀測距離、最近鄰點平均期望距離、R統(tǒng)計量、標準誤差和標準化Z值，結(jié)果如表2所示。

表2 農(nóng)村居民點最近鄰點統(tǒng)計量結(jié)果

從表2可以看出，2013年、2015年和2018年研究區(qū)農(nóng)村居民點R統(tǒng)計量均小于1，表明這3個年份農(nóng)村居民點呈集聚分布；3個年份的標準化Z值均小于-1.96，表明均呈顯著的集聚狀態(tài)。對比2013年、2015年、2018年的R統(tǒng)計量，發(fā)現(xiàn)R統(tǒng)計量逐步趨近于0，表明研究區(qū)農(nóng)村居民點的集聚程度在逐漸增加。

2.1.3 Ripley's K函數(shù)。使用Multi-Distance Spatial Cluster Analysis（Ripleys K Function）工具對 2013 年、2015年、2018年農(nóng)村居民點的點狀數(shù)據(jù)進行多距離分析。考慮到研究區(qū)范圍以及距離步數(shù)，將起始距離和距離步長均設(shè)置為1 000 m；并采用模擬邊界外值法進行邊界校正；顯著性檢驗置信度為99%，分析結(jié)果如表3所示。

表3 農(nóng)村居民點K函數(shù)統(tǒng)計單位：km

從表3可以看出，2013年、2015年和2018年農(nóng)村居民點K觀測值在本文設(shè)定的研究尺度內(nèi)均大于置信上限，表明這3個年份研究區(qū)的農(nóng)村居民點均表現(xiàn)出顯著集聚的空間分布格局；并且隨著研究尺度的增大，觀測值與期望值的差值也隨之增大，表明這3個年份的農(nóng)村居民點隨著空間尺度的增加，集聚態(tài)勢越來越明顯。

2.1.4 基于Voronoi圖的變異系數(shù)法。根據(jù)2013年、2015年、2018年的土地利用現(xiàn)狀變更調(diào)查數(shù)據(jù)，在ArcGIS中，使用Create Thiessen Polygons工具創(chuàng)建農(nóng)村居民點的Voronoi圖，從而得到3個年份農(nóng)村居民點的 Voronoi圖（圖2）。

從圖2可以看出，中心城區(qū)農(nóng)村居民點的多邊形面積比周圍區(qū)域農(nóng)村居民點的多邊形面積大，表明中心城區(qū)農(nóng)村居民點分布比周圍區(qū)域更加分散；從年份來看，Voronoi圖多邊形密集區(qū)域逐漸增多，這表明在新農(nóng)村建設(shè)的推動下農(nóng)村居民點向著集約化發(fā)展。

通過計算各鄉(xiāng)鎮(zhèn)3個年份農(nóng)村居民點Voronoi圖的Cv值（表4），發(fā)現(xiàn)均大于64%，說明各鄉(xiāng)鎮(zhèn)的農(nóng)村居民點也都屬于集聚分布。按年份比較，可以發(fā)現(xiàn)各鄉(xiāng)鎮(zhèn)的Cv值不斷增大，說明集聚效應(yīng)越來越明顯，定量說明了各鄉(xiāng)鎮(zhèn)農(nóng)村居民點近年來不斷集聚的趨勢以及近年來農(nóng)村居民點整治成效。

2.1.5 景觀格局指數(shù)法。首先通過ArcGIS軟件將2013年、2015年和2018年農(nóng)村居民點數(shù)據(jù)圖斑轉(zhuǎn)換為柵格數(shù)據(jù)，然后在軟件Fragstats 4.2中，選取斑塊總面積（CA）、斑塊數(shù)目（NP）、斑塊密度（PD）和斑塊平均面積（MPS）這4個景觀指標并設(shè)定其他參數(shù)，最后獲得研究區(qū)各鄉(xiāng)鎮(zhèn)農(nóng)村居民點景觀指數(shù)（表5）。

表4 農(nóng)村居民點Voronoi圖變異系數(shù) 單位：%

表5 農(nóng)村居民點景觀格局指數(shù)

整體來看，研究區(qū)農(nóng)村居民點總面積（CA）較大、斑塊數(shù)目（NP）多、斑塊密度（PD）偏高、斑塊平均面積（MPS）較小，表明研究區(qū)農(nóng)村居民點整體上具有較高的整治潛力。

2013—2018年，鳳鳴街道、洲泉鎮(zhèn)和大麻鎮(zhèn)在研究期內(nèi)農(nóng)村居民點總面積（CA）呈現(xiàn)增加的趨勢，其余鄉(xiāng)鎮(zhèn)面積均減少；所有鄉(xiāng)鎮(zhèn)在研究期內(nèi)斑塊數(shù)目（NP）和斑塊密度（PD）均減少、斑塊平均面積（MPS）均增大，表明研究區(qū)農(nóng)村居民點進行了一定程度的合并，破碎化程度有所降低。

2.2 農(nóng)村居民點空間格局演化影響因素分析

2.2.1 距河流距離。河流為人類提供了生產(chǎn)、生活用水，在一定程度上影響了農(nóng)村居民點的分布。從2013年、2015年和2018年土地利用現(xiàn)狀數(shù)據(jù)中提取的河流水系數(shù)據(jù)，再以50 m為緩沖距離進行多環(huán)緩沖分析，最后將農(nóng)村居民點圖層與緩沖區(qū)圖層進行疊置分析，統(tǒng)計結(jié)果如表6所示。

表6 距河流不同距離農(nóng)村居民點分布情況

整體來看，3個年份中距離河流50 m內(nèi)的農(nóng)村居民點面積平均占比61.34%，分布在距河流200 m內(nèi)的農(nóng)村居民點面積平均占比為69.76%，表明農(nóng)村居民點大多依河而建，水源條件對農(nóng)村居民點選址有著重要影響；按年份分析，距河流50 m內(nèi)的農(nóng)村居民點面積占比逐步下降，距河流距離超過200 m的農(nóng)村居民點面積占比逐步上升，表明隨著社會基礎(chǔ)設(shè)施的完善及貨運通道逐漸由水運轉(zhuǎn)為陸運，農(nóng)村居民點對天然水源的需求下降。研究區(qū)農(nóng)村居民點在空間分布上表現(xiàn)明顯的近水性，越靠近河流，農(nóng)村居民點越集聚，在時間維度上，這種特性在逐步減弱。

2.2.2 距公路距離。交通條件優(yōu)劣決定了地區(qū)經(jīng)濟發(fā)展?jié)摿途用裆畋憷潭?，在選擇居住地時交通是優(yōu)先考慮因素之一，其對農(nóng)村居民點空間分布有著重要影響。對研究區(qū)公路采用與河流相同的分析方法，結(jié)果如表7所示。

表7 距公路不同距離農(nóng)村居民點分布情況

整體來看，3個年份中距離公路500 m范圍內(nèi)的農(nóng)村居民點面積均超過了50%，分布在距離公路1 000 m范圍內(nèi)的農(nóng)村居民點面積均超過70%，表明農(nóng)村居民點大多沿道路分布；按照年份分析，距道路500 m內(nèi)的農(nóng)村居民點面積占比逐步上升，距道路距離超過1 000 m的農(nóng)村居民點面積占比逐步下降，表明農(nóng)村居民點越來越傾向于靠近道路分布。綜上所述，研究區(qū)農(nóng)村居民點在空間分布上表現(xiàn)出明顯的近道路性，越靠近道路，農(nóng)村居民點越集聚，在時間維度上，這種特性在逐步增強。

2.2.3 距城鎮(zhèn)距離。城鎮(zhèn)作為區(qū)域內(nèi)經(jīng)濟文化中心，對周邊農(nóng)村具有一定的輻射效應(yīng)。城鎮(zhèn)化也是農(nóng)村人口向城鎮(zhèn)集聚的過程，對農(nóng)村居民點的空間分布有著深刻的影響。對城鎮(zhèn)采取和水系、交通相同的分析方法，統(tǒng)計結(jié)果如表8所示。

表8 距城鎮(zhèn)不同距離農(nóng)村居民點分布情況

整體來看，3個年份中距離城鎮(zhèn)2 000 m范圍內(nèi)的農(nóng)村居民點都隨著距離的增大而減少，其中距離城鎮(zhèn)500 m范圍內(nèi)的農(nóng)村居民點占比最多，表明農(nóng)村居民點靠近城鎮(zhèn)分布；按照年份分析，距離城鎮(zhèn)2 000 m范圍外的農(nóng)村居民點占比逐步減少，表明農(nóng)村居民點不斷向城鎮(zhèn)集聚。綜上所述，研究區(qū)農(nóng)村居民點的分布受城鎮(zhèn)影響較大，越靠近城鎮(zhèn)，分布越集聚，在時間維度上，這種集聚效應(yīng)逐步增強。

3 結(jié)論

農(nóng)村居民點是自然條件、社會經(jīng)濟、生活習(xí)慣等多種因素長期影響下的綜合產(chǎn)物，為了讓農(nóng)村居民點更好地服務(wù)于社會發(fā)展、改善農(nóng)民生活質(zhì)量，需要對農(nóng)村居民點進行科學(xué)的規(guī)劃和整治。本文基于土地利用現(xiàn)狀變更調(diào)查數(shù)據(jù)，應(yīng)用ArcGIS和Fragstats軟件，運用最近鄰點統(tǒng)計量、Voronoi圖及變異系數(shù)、景觀格局指數(shù)和Ripley's K函數(shù)來研究桐鄉(xiāng)市農(nóng)村居民點的空間格局及其演化規(guī)律，并且選取水系、道路和城鎮(zhèn)這3個因素，研究其對農(nóng)村居民點分布的影響。研究結(jié)論如下：

（1）研究區(qū)農(nóng)村居民點在2013年、2015年和2018年總體上均表現(xiàn)為顯著的集聚分布，并且集聚程度逐步增加。在0～10 km的研究尺度上，桐鄉(xiāng)市農(nóng)村居民點均表現(xiàn)出顯著集聚，并且隨著研究尺度的增加，農(nóng)村居民點的集聚態(tài)勢也愈發(fā)明顯。

（2）研究區(qū)各鄉(xiāng)鎮(zhèn)農(nóng)村居民點Cv值均大于64%，表明各鄉(xiāng)鎮(zhèn)都屬于集聚分布。從3個年份來看，各鄉(xiāng)鎮(zhèn)Cv值不斷增大，表明集聚效應(yīng)越來越明顯。

（3）研究區(qū)農(nóng)村居民點總面積較大、斑塊數(shù)目多、斑塊密度偏高、斑塊平均面積較小，綜合來看整治潛力較高；從年份來看，各鄉(xiāng)鎮(zhèn)斑塊數(shù)目和斑塊密度逐步減少、斑塊平均面積逐步增大，表明斑塊破碎化程度降低。

（4）水系、道路和城鎮(zhèn)對桐鄉(xiāng)市農(nóng)村居民點有著明顯影響。農(nóng)村居民點數(shù)量與距離河流、道路和城鎮(zhèn)的距離成負相關(guān)；從年份來看，河流對農(nóng)居點的影響逐步降低，道路與城鎮(zhèn)對農(nóng)居點的影響逐步提高。