西北干旱區(qū)鄉(xiāng)村聚落分布格局特征及影響因素

王慧，王宏衛(wèi)，楊勝天,2,呂夢婷，王媛媛，劉香云

(1.新疆大學資源與環(huán)境科學學院，綠洲生態(tài)教育部重點實驗室，新疆 烏魯木齊 830046;2.北京師范大學地理科學學部，北京 100875)

鄉(xiāng)村聚落又稱農村居民點，是農村人口生活的場所，其形成和發(fā)展受自然、社會、經濟因素的影響[1].黨的十九大報告提出高度重視“三農”工作，堅持農業(yè)農村優(yōu)先發(fā)展，實施鄉(xiāng)村振興戰(zhàn)略.揭示多種因素驅動下的鄉(xiāng)村聚落空間格局特征，對當前鄉(xiāng)村聚落布局優(yōu)化和美麗鄉(xiāng)村建設具有重要意義.

早在19世紀末，國外學者就已經對鄉(xiāng)村聚落的形成、現(xiàn)狀和發(fā)展進行了描述[2]。20世紀后趨向定性與定量相結合來研究聚落空間結構、土地利用模式和聚落未來發(fā)展[3-4].國內關于鄉(xiāng)村聚落的研究起步較晚，早期內容多以農村聚落地理、區(qū)劃、聚落形態(tài)分異和地域類型的研究為主[1,5-6].近年來，內容上更加關注鄉(xiāng)村聚落景觀格局與驅動因素[7-10]，聚落空間演變及其LUCC響應分析[1,11-13]，鄉(xiāng)村聚落空間重構與結構優(yōu)化[14-15]，鄉(xiāng)村聚落空心化測度[16-17].研究區(qū)域和方法上，朱彬[6,18]，鄂施璇[10]，李紅波等[19]用景觀分析方法、GIS空間分析方法對平原地區(qū)的鄉(xiāng)村聚落格局及影響因素進行了研究；郭曉東[20-21]，譚雪蘭等[22]更多采用GIS分析及定性分析法分析山地、丘陵地區(qū)鄉(xiāng)村聚落格局的人文社會影響因素；岳邦瑞等[23]定性地探討了基于水資源約束下的綠洲鄉(xiāng)土聚落形態(tài)特征.總體來說，有關鄉(xiāng)村聚落格局及影響因素的研究多在內地平原、山地、丘陵區(qū)域，對于西北干旱區(qū)尤其是極端干旱區(qū)新疆綠洲鄉(xiāng)村聚落的研究較少，且定性的研究居多，定量化的分析仍顯不足.運用多種方法定量分析西北干旱區(qū)鄉(xiāng)村聚落分布格局特征及影響因素至關重要.

烏蘇市是奎屯河的主要流經區(qū)域，地貌類型復雜多樣，鄉(xiāng)村聚落分布格局深受內部海拔、坡度、河流水系等因素的影響，鑒于此，以烏蘇市為研究對象，運用最近鄰點統(tǒng)計量、核密度估算、空間關聯(lián)測度模型、景觀形狀指數(shù)等方法研究烏蘇市鄉(xiāng)村聚落的空間格局特征并把握其發(fā)展規(guī)律，在此基礎上利用多元Logistic回歸模型定量地分析自然和人文社會因素對鄉(xiāng)村聚落空間分布格局的影響程度，為促進西北干旱區(qū)城鄉(xiāng)一體化發(fā)展、鄉(xiāng)村聚落的布局優(yōu)化和美麗鄉(xiāng)村建設提供理論參考.

1 材料與方法

1.1 研究區(qū)概況

本文選取地處奎屯河流域、準噶爾盆地西南部的烏蘇市為研究區(qū)域(圖1)，所屬新疆塔城地區(qū)，總面積為2.07萬km2，下轄10鎮(zhèn)、7鄉(xiāng)、3個牧場、1個林場和5個街道，此外還包括新疆生產建設兵團所屬農七師的123～128團6個團場，地勢南高北低，北部是準噶爾盆地，有很大部分的半沙漠，中部是盆地—山地過渡帶，南部是北天山山地，境內海拔在208～4 898 m之間，為典型的溫帶大陸性氣候，年內溫差變幅為42.8 ℃，光照充足，實際日照時長數(shù)2 600～2 800 h，主要靠降水和冰雪融水補給水源，以種植小麥、玉米、棉花為主，2016年底全市國民生產總值達160.1億元.

1.2 數(shù)據來源及處理

1.2.1 數(shù)據來源 基于Google earth遙感影像，利用Arcgis10.2軟件，經過幾何校正、地理坐標配準、人工目視解譯等獲得烏蘇市鄉(xiāng)村聚落圖斑和鄉(xiāng)鎮(zhèn)行政區(qū)劃等矢量數(shù)據，其中鄉(xiāng)村聚落圖斑為建制鎮(zhèn)和村莊；從烏蘇市2016年Landsat8遙感影像(分辨率30 m)中提取道路、河流等矢量數(shù)據；烏蘇市DEM高程數(shù)據(分辨率30 m)和坡度數(shù)據(分辨率90 m)，來源于地理空間數(shù)據云.

圖1 研究區(qū)示意圖Figure 1 Location of the study area

基于數(shù)據的可獲取性和科學性，選取了表征空間分異的斑塊面積、斑塊密度、形狀指數(shù)3個因變量和坡度、高程、距國道距離、距省道距離、距縣道距離、距主要河流距離、距鄉(xiāng)鎮(zhèn)中心距離7個自變量.

1.2.2 數(shù)據處理 計算3個因變量均值的差值，對高程和坡度進行重分類，對坡度0～2°、>2～4°和>4°分別賦予1、2、3，其余5個因變量利用Arcgis10.2中的Feature To Point模塊提取斑塊中心點，再用空間分析模塊計算斑塊到各因子的空間距離；將所有矢量數(shù)據轉成分辨率50 m×50 m的柵格數(shù)據.

1.3 研究方法

1.3.1 最近鄰點統(tǒng)計量 判斷點要素的空間分布屬于隨機、集聚還是分散型.公式如下：

(1)

(2)

Z=(r0-re)/SEr

(3)

式中，r0表示平均距離觀測值；re表示平均距離期望值；di為聚落i的最近鄰距離；n為聚落總數(shù)；A為總面積；SEr為標準誤差[1].R<1表示聚落分布呈集聚型，R>1為分散型.然后進行Z檢驗，最終判斷點要素的分布模式是否顯著.置信度在95%時，如果Z>1.96或Z<-1.96且R<1，表明在α=0.05顯著水平下聚落集聚分布態(tài)勢顯著，如果Z>1.96或Z<-1.96且R>1，表明在α=0.05顯著水平下聚落分散分布態(tài)勢顯著.

1.3.2 核密度估算 (KDE) 核密度用來表示點要素的空間分布特征，其模型如下：

(4)

式中，f(x,y)表示位置 (x,y)的密度估計；n表示觀測數(shù)；h表示參數(shù)；k表示核函數(shù)，di表示位置(x,y)與第i個位置的距離[1].

1.3.3 空間關聯(lián)測度模型 全局空間聚類檢驗(Getis-Ord General G)用來檢驗鄉(xiāng)村聚落全局空間規(guī)模呈現(xiàn)高值集聚還是低值集聚的特征[24].計算公式如下：

(5)

空間“熱點”探測(Getis-OrdGi*)用來檢驗鄉(xiāng)村聚落局部地區(qū)存在統(tǒng)計顯著的高值還是低值特征，公式如下：

(6)

式中，參數(shù)表示與前面相同.對Gi*(d)進行標準化處理得Z(Gi*) =(Gi*-E(Gi*))/var(Gi*)，如果Z(Gi*)>0，且統(tǒng)計顯著，表明位置i周圍值較高，屬高值集聚的熱點區(qū)，如果Z(Gi*)<0，且統(tǒng)計顯著，表明位置i周圍的值較低，屬低值集聚的冷點區(qū).

1.3.4 多元Logistic回歸模型 在研究區(qū)分層隨機抽樣4 000個樣本點，再從總樣本中抽取3 000個樣本點參與計算，剩余樣本點進行對比分析.因變量在區(qū)間[0,1]內大體相等，對多分類型自變量坡度進行啞變量設置，坡度Ⅰ(0～2°)和Ⅱ(>2～4°)為啞變量，坡度Ⅲ(>4°)為參照對象，利用SPSS 17.0軟件計算回歸模型的相關系數(shù)，并通過回歸系數(shù)來反映自變量與因變量之間的相關關系.

2 結果與分析

2.1 鄉(xiāng)村聚落空間分布格局特征

2.1.1 鄉(xiāng)村聚落空間分布特征 將聚落斑塊面要素轉為點要素，計算最鄰近點統(tǒng)計量(R)，結果如表1所示：

由表1可知，R統(tǒng)計量為0.505<1，表明烏蘇市鄉(xiāng)村聚落分布比隨機模式集聚，標準化Z值為-38.875，小于-1.96，烏蘇市鄉(xiāng)村聚落整體集聚態(tài)勢較為顯著，主要集中在中部盆地與盆地-低山過渡地區(qū).

表1 最近鄰點統(tǒng)計量

由圖2可知，烏蘇市鄉(xiāng)村聚落密度最高區(qū)域為2.502～4.795個/km2，密度最低區(qū)域聚落個數(shù)不足1個甚至沒有.烏蘇市鄉(xiāng)村聚落呈現(xiàn)低密度-多核心的空間分異特征，密度核心區(qū)主要分布在中部頭臺鄉(xiāng)、九間樓鄉(xiāng)、八十四戶鄉(xiāng)、西湖鎮(zhèn)以及古爾圖鎮(zhèn).密度次核心區(qū)北部主要分布在126團、123團、125團團場各連隊、石橋鄉(xiāng)，南部密度次核心有四棵樹鎮(zhèn)、哈圖布呼鎮(zhèn)、百泉鎮(zhèn)這幾個鄉(xiāng)鎮(zhèn)連片分布區(qū)以及西大溝鎮(zhèn).密度核心和次核心區(qū)多分布在河流干渠，公路、省道、縣道附近.

圖2 鄉(xiāng)村聚落密度圖Figure 2 The spatial density of rural settlements

2.1.2 鄉(xiāng)村聚落規(guī)模特征 從表2結果分析得出，鄉(xiāng)村聚落觀測值G(d)(0.000 015)<期望值E(d)(0.000 019)，Z(d)為-2.813 363，統(tǒng)計顯著，表明烏蘇市鄉(xiāng)村聚落規(guī)模分布具有顯著的低值集聚特征，即村莊呈集群分布且規(guī)模普遍偏小.

表2 鄉(xiāng)村聚落規(guī)模General G估計值

運用自然斷點法將Gi*分為7級，得到鄉(xiāng)村聚落規(guī)模熱點分布圖(圖3).紅色區(qū)域為熱點區(qū)即高值簇群，藍色區(qū)域為熱點區(qū)即低值簇群，由圖3可知，熱點區(qū)多為兵團團場連隊，即兵團團場連隊為較大規(guī)模的鄉(xiāng)村聚落集群，冷點區(qū)多為地方鄉(xiāng)鎮(zhèn)村莊，即地方鄉(xiāng)鎮(zhèn)村莊為較小規(guī)模的鄉(xiāng)村聚落集群.“熱點區(qū)”即大規(guī)模集聚分布的區(qū)域主要有北部奎屯河下游的123團、125團、126團、127團、128團團場各連隊以及石橋鄉(xiāng)車牌子鎮(zhèn)一小部分；“冷點區(qū)”主要分布在古爾圖鎮(zhèn)、頭臺鄉(xiāng)、西湖鎮(zhèn)、甘河子鎮(zhèn)、八十四戶鄉(xiāng)、西大溝鎮(zhèn)以及甘家湖林場的西北小部分區(qū)域.結合烏蘇市鄉(xiāng)村聚落密度分布圖，發(fā)現(xiàn)它們在空間上呈現(xiàn)低密度-大規(guī)模和高密度-小規(guī)模的分布特征.

2.1.3 鄉(xiāng)村聚落形態(tài)特征 運用景觀形狀指數(shù)來分析鄉(xiāng)村聚落形狀的復雜程度，將鄉(xiāng)村聚落斑塊要素與烏蘇市格網圖層(2 km×2 km)進行空間疊置，以格網化后的鄉(xiāng)村聚落斑塊為變量，得到聚落形狀指數(shù)空間分布圖(圖4).由圖4可知，烏蘇市鄉(xiāng)村聚落大部分分布在綠洲內部，形狀指數(shù)值總體不高，波動較小，烏蘇市鄉(xiāng)村聚落形狀較為規(guī)整，穩(wěn)定性較好，形狀指數(shù)高值區(qū)多靠近國道、省道、縣道，形狀指數(shù)低值區(qū)域多為距離道路較遠，鄉(xiāng)村聚落以單戶或規(guī)模較小的戶數(shù)分布為主，聚落結構較為簡單，因此形狀指數(shù)較低.

圖3 烏蘇市鄉(xiāng)村聚落規(guī)模分布圖Figure 3 Distribution map of rural settlements in Wusu City

2.2 鄉(xiāng)村聚落空間格局影響因素

2.2.1 鄉(xiāng)村聚落分布差異的Logistic回歸模型分析 自變量容忍度在0.714～0.818之間，可以用來做回歸模型分析，根據表3模型分析的結果得知，坡度對聚落分布具有一定影響，高程沒有進入模型分析結果，說明烏蘇市聚落分布受高程影響不大.對聚落斑塊密度重要的影響變量是到最近縣道距離、到最近主要河流距離和到最近鄉(xiāng)鎮(zhèn)中心距離.距縣道距離的回歸系數(shù)為-0.465，主要原因是縣道作為鄉(xiāng)村人流、物流交往的媒介，對鄉(xiāng)村聚落靠近具有很強的吸引力.所以距縣道的距離越近聚落分布越密集；距主要河流距離的回歸系數(shù)為-0.346，主要原因是烏蘇市境內雖然有奎屯河、四棵樹河以及古爾圖河以及一系列支流，但地處于西北干旱區(qū)，鄉(xiāng)村農業(yè)生產灌溉和生活具有很強的“親水性”，所以隨著河流距離的增加，聚落密度減少；距鄉(xiāng)鎮(zhèn)中心距離的回歸系數(shù)為-0.012，主要是由于工業(yè)化和交通運輸業(yè)的發(fā)展吸引著鄉(xiāng)村各要素向鄉(xiāng)鎮(zhèn)靠近，鄉(xiāng)鎮(zhèn)周邊村莊成為人口的聚集地，故距離鄉(xiāng)鎮(zhèn)中心越近聚落越密集.

圖4 烏蘇市鄉(xiāng)村聚落形狀指數(shù)空間分布圖Figure 4 The spatial shape index of rural settlements in Wusu City

2.2.2 鄉(xiāng)村聚落規(guī)模分異的Logistic回歸模型分析 為了變量之間出現(xiàn)多重共線性問題，對7個自變量進行分析，容忍度顯示在0.534～0.657之間，可以用來做回歸模型分析，根據顯著性水平(P<0.05)和Waldx2卡方統(tǒng)計量得知(表3)，對規(guī)模差異具有重要的影響變量有高程、坡度.高程(Waldx2為99.245)的回歸系數(shù)為-1.032，說明高程每增加100 m聚落斑塊面積減少的概率為1.587倍，主要原因是研究區(qū)內海拔在208～4 898 m之間，地貌類型復雜多樣，北部主要是沖積平原和半沙漠構成的盆地，中部是沖積洪積平原和低山構成的盆地—山地過渡帶，海拔較低，南部是侵蝕中山、冰緣、冰川作用高山構成的天山山地，海拔較高，由北向南隨著海拔高度的不斷增加，聚落個數(shù)和聚落面積呈減少的趨勢，從而影響規(guī)模分異；坡度(Waldx2為64.134)的回歸系數(shù)為-0.359，說明坡度每增加2°聚落斑塊面積減少的概率為1.755倍，主要是因為烏蘇市自北向南由盆地(相當部分沙漠)、盆地—低山過渡帶、山地組成，氣候地貌的垂直地帶性分異明顯，由北向南依次為荒漠氣候、平原氣候、山麓氣候和山地氣候，氣候地貌使得烏蘇市鄉(xiāng)村聚落多分布在北部和中部的盆地、盆地—低山過渡帶這些坡度較小的區(qū)域，而南部北天山山地坡度大的地方以山麓、山地氣候為主，氣候寒冷有零星分布的牧業(yè)隊和林場.

2.2.3 鄉(xiāng)村聚落形狀分異的Logistic回歸模型分析 自變量容忍度在0.964～8.564之間，可以用來做回歸模型分析，由表3得知，高程、坡度、距最近鄉(xiāng)鎮(zhèn)中心沒有進入模型分析結果，說明對聚落形態(tài)分異的影響不大，對聚落形態(tài)分異主要的影響變量是距縣道距離、距省道距離.距縣道距離的回歸系數(shù)為-0.267，即距離每增加1 km形狀指數(shù)減少1.651倍，形狀越規(guī)整，破碎化程度越低，主要是因為縣道作為鄉(xiāng)村各要素交流的媒介，鄉(xiāng)村聚落為了降低交通和運輸成本而靠近縣道，進而影響鄉(xiāng)村聚落空間的規(guī)整化.距省道距離的回歸系數(shù)為-0.148，主要是因為省道對于鄉(xiāng)村聚落面狀要素的切割作用大于聯(lián)通，進而形成鄉(xiāng)村聚落空間的破碎化.

表3 鄉(xiāng)村聚落空間分布格局的Logistic回歸模型相關系數(shù)

3 結論

本研究以烏蘇市為例，運用最近鄰點統(tǒng)計量、核密度估算、空間關聯(lián)測度模型、景觀形狀指數(shù)等方法研究西北干旱區(qū)鄉(xiāng)村聚落景觀的空間分布特征并把握其發(fā)展規(guī)律，并用多元Logistic回歸模型分析鄉(xiāng)村聚落空間分布格局的影響因素，為當前鄉(xiāng)村聚落景觀的布局優(yōu)化和美麗鄉(xiāng)村建設提供理論參考.

鄉(xiāng)村聚落分布整體呈集聚分布模式，密度分布呈現(xiàn)低密度-多核心的空間分異特征，密度核心和次核心區(qū)多分布在河流干渠，公路、省道、縣道附近.

烏蘇市鄉(xiāng)村聚落規(guī)模分布具有顯著低值集聚特征，即村莊呈集群分布且規(guī)模普遍偏小；熱點區(qū)多為兵團團場連隊，即兵團團場連隊為較大規(guī)模的鄉(xiāng)村聚落集群，冷點區(qū)多為地方鄉(xiāng)鎮(zhèn)村莊，即地方鄉(xiāng)鎮(zhèn)村莊為較小規(guī)模的鄉(xiāng)村聚落集群；通過將烏蘇市鄉(xiāng)村聚落規(guī)模與密度分布圖相比，發(fā)現(xiàn)它們在空間上有較明顯的局部負相關關系，即呈現(xiàn)低密度-大規(guī)模和高密度-小規(guī)模的分布特征.

烏蘇市鄉(xiāng)村聚落大部分分布在綠洲內部，形狀指數(shù)值總體不高，波動較小，表明烏蘇市鄉(xiāng)村聚落形狀較為規(guī)整，穩(wěn)定性較好，形狀指數(shù)高值區(qū)是公路、國道、省道、縣道以及由河流干渠經過或附近區(qū)域.

聚落分布差異的主要影響因素是距縣道距離、距主要河流距離和距鄉(xiāng)鎮(zhèn)中心距離；聚落規(guī)模分異的主要影響因素是坡度、高程；聚落形態(tài)分異的主要影響因素是距縣道距離、距省道距離.

4 討論

明確不同影響因素對鄉(xiāng)村聚落格局的影響程度至關重要，在研究西北干旱區(qū)烏蘇市鄉(xiāng)村聚落分布格局的影響因素過程中，地形地勢對聚落規(guī)模具有較大影響，此外，受縣道、鄉(xiāng)鎮(zhèn)中心和河流的引力以及省道的切割作用，使得聚落分布和形態(tài)發(fā)生改變，最終導致烏蘇市鄉(xiāng)村聚落格局呈現(xiàn)分布稀疏、規(guī)模較小、形態(tài)較為規(guī)整的空間特征.鄉(xiāng)村聚落作為人口分布的載體，為更好地響應中共十九大提出的鄉(xiāng)村全面振興戰(zhàn)略，各級政府加快發(fā)展城鄉(xiāng)之間互動關系，推動鄉(xiāng)村聚落的可持續(xù)發(fā)展.

此外，文中運用多元Logistic回歸模型對影響鄉(xiāng)村聚落格局分異的自然和人文社會因素進行定量的分析，但研究程度有待深入；囿于數(shù)據的可獲取性，研究局限于單一時間點對鄉(xiāng)村聚落格局和影響因素進行分析，沒有時空序列組合來研究鄉(xiāng)村聚落空間分異的復雜過程.