南方丘陵區(qū)農(nóng)村居民點離散度時空演變及其影響因素
——以江西省鷹潭市為例

吳 俊 郭 熙* 傅聰穎 朱 青

(1.江西農(nóng)業(yè)大學(xué) 國土資源與環(huán)境學(xué)院，南昌 330045；2.江西省鄱陽湖流域農(nóng)業(yè)資源與生態(tài)重點實驗室，南昌 330045)

農(nóng)村居民點是農(nóng)村人口生產(chǎn)和生活的重要空間[1]。近年來，隨著城鎮(zhèn)化及社會經(jīng)濟的快速發(fā)展，農(nóng)村居民點出現(xiàn)的布局分散、土地利用低效等問題，已成為實施鄉(xiāng)村振興戰(zhàn)略的阻礙因素[2]。國內(nèi)外研究主要涉及農(nóng)村居民點空間格局特征[3-4]、影響因素[5-6]、適宜性評價[7-8]、布局優(yōu)化[9-11]等方面,其中明晰空間格局特征及其影響因素是開展適宜性評價和布局優(yōu)化工作的基礎(chǔ)[9]。已有研究從規(guī)模數(shù)量[12]、核密度[13]、重心遷移[14]、Voronoi圖[15-16]、景觀指數(shù)[17-18]等角度對農(nóng)村居民點空間格局特征開展了深入研究，但目前從農(nóng)村居民點空間分布離散程度這一角度切入的研究尚不多見。農(nóng)村居民點離散度是表征居民點空間分布離散程度的指標(biāo)，是區(qū)域差異程度的定量表達，對區(qū)域協(xié)調(diào)發(fā)展和維持區(qū)域公平具有重要應(yīng)用價值[19]。馮維波等[20]選取重心距離、平均間距等指標(biāo)計算城市群中居民點的空間分布離散度；楊思遙等[21]從常用的景觀指數(shù)中選取最適合描述居民點空間分布離散度的指數(shù)，組合構(gòu)建景觀綜合指數(shù)以表征居民點的空間分布離散度。因此,在已有研究的基礎(chǔ)上，本研究擬選取部分景觀格局指數(shù)，采用主成分分析法構(gòu)建農(nóng)村居民點離散度指數(shù)。

國內(nèi)外基于農(nóng)村居民點空間格局演變的影響因素研究常用的研究方法為緩沖區(qū)分析[22]、相關(guān)分析[23]、回歸模型[24-25]等傳統(tǒng)分析方法，這些分析方法普遍存在假設(shè)前提過多且無法識別多因子交互作用等不足[26]。后由王勁峰等[27]提出地理探測器模型，能有效探測各因子對模型的解釋力，識別因子間的相互作用關(guān)系，已成功應(yīng)用于流域[28]、城市[29-30]等區(qū)域空間格局特征影響因素研究，但在深入探究農(nóng)村居民點離散度影響因素方面鮮見報道，因此,本研究擬采用地理探測器模型探究農(nóng)村居民點離散度影響因素及其相互作用關(guān)系。

南方丘陵區(qū)農(nóng)村地域廣布，山河湖兼具的自然環(huán)境和小農(nóng)戶的生產(chǎn)方式孕育形成了獨具特色的農(nóng)村居民點空間格局，具體表現(xiàn)為：數(shù)量多、規(guī)模小，大尺度空間離散而在局部區(qū)域集聚[31]，存在空間整合的必要性。2015年，鷹潭余江縣作為全國15個、江西省唯一一個試點縣，率先在全域范圍內(nèi)推行農(nóng)村宅基地制度改革試點工作。因此，本研究擬以鷹潭市為研究區(qū)，基于鷹潭市1996年、2009年和2018年三期土地利用數(shù)據(jù)，運用景觀格局指數(shù)和主成分分析法構(gòu)建農(nóng)村居民點離散度指數(shù)，采用空間自相關(guān)和地理探測器等方法定量探究鷹潭市近20年農(nóng)村居民點離散度時空演變特征及其影響因素，以期為南方丘陵區(qū)農(nóng)村居民點規(guī)劃統(tǒng)籌提供科學(xué)依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

鷹潭市(116°41′～117°30′ E、27°35′～28°41′ N)位于江西省東北部，信江中下游，總面積3 556.7 km2，面向珠江、長江、閩南3個“三角洲”，是內(nèi)地連接?xùn)|南沿海的重要通道之一(圖1)。下轄余江區(qū)、月湖區(qū)和貴溪市。地處武夷山脈向鄱陽湖平源過渡的交接地帶，地勢東南高西北部低。年均氣溫18 ℃，年均降雨量為1 750 mm，屬亞熱帶濕潤季風(fēng)溫和氣候。境內(nèi)滬昆高鐵、鷹廈線、浙贛線、皖贛線和滬昆高速、濟廣高速及320國道、206國道在市區(qū)呈十字形交錯，交通便捷。2018年末，鷹潭市實現(xiàn)地區(qū)生產(chǎn)總值(GDP)818.98億元，農(nóng)村居民年人均收入16 145元，常住人口117.5萬人，其中農(nóng)村人口占比39.32%。

圖1 研究區(qū)示意圖Fig.1 Schematic diagram of study area

1.2 農(nóng)村居民點離散度影響因子選取及數(shù)據(jù)來源

影響農(nóng)村居民點離散度因素具有多樣性和復(fù)雜性。地形、河流作為宏觀的地理背景，直接影響著農(nóng)村居民點空間分布情況[4,10]，城鎮(zhèn)、道路的發(fā)展會改變周邊農(nóng)村原有位置功能和環(huán)境條件，進而影響農(nóng)戶的居住空間再選擇[5,32]，人口密度、地均GDP可為農(nóng)村居民點形態(tài)變化提供必要的社會經(jīng)濟基礎(chǔ)[6,33]。因此，在考慮研究區(qū)地域特征的基礎(chǔ)上，從自然、區(qū)位、社會經(jīng)濟3個角度選取了地形位指數(shù)、到河流距離、到城鎮(zhèn)距離、到公路距離、人口密度、地均GDP共6個指標(biāo)(表1)，以探究農(nóng)村居民點離散度的影響因素。

表1 鷹潭市農(nóng)村居民點離散度影響因子Table 1 Impact factors of rural settlements dispersion in Yingtan City

農(nóng)村居民點數(shù)據(jù)來源于1996、2009和2018年三期土地利用數(shù)據(jù)庫(比例尺為1∶10 000)。地形位指數(shù)[34]由地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)下載的30 m分辨率數(shù)字高程模型數(shù)據(jù)(Digital Elevation Model，DEM)通過ArcGIS 10.2表面分析和柵格計算器工具計算獲得；到公路、河流、城鎮(zhèn)距離等因素數(shù)據(jù)由鷹潭市三期土地利用數(shù)據(jù)庫提取，并利用ArcGIS 10.2軟件中距離分析工具計算獲得；各鄉(xiāng)鎮(zhèn)人口和GDP數(shù)據(jù)來源于鷹潭市及下轄區(qū)縣(月湖、余江、貴溪)統(tǒng)計年鑒。

1.3 研究方法

1.3.1景觀格局指數(shù)

景觀格局指數(shù)[35-36]是能夠定量化描述景觀格局的一系列指標(biāo)。為描述農(nóng)村居民點離散度，參考已有研究的經(jīng)驗[3,6,24]，分別從規(guī)模、形狀和分布角度選取4個景觀格局指數(shù)(表2)。首先將農(nóng)村居民點矢量圖斑轉(zhuǎn)化為tiff 格式，在Fragstats 4.2中計算類型水平的景觀格局指數(shù)。為實現(xiàn)人口和GDP數(shù)據(jù)與景觀格局指數(shù)在空間上的匹配，計算鷹潭市域農(nóng)村居民點景觀指數(shù)的同時，還需計算每個鄉(xiāng)鎮(zhèn)(不含中心城區(qū))農(nóng)村居民點景觀指數(shù)，以便在鄉(xiāng)鎮(zhèn)尺度上探究農(nóng)村居民點離散度的影響因素。

表2 景觀格局指數(shù)選取Table 2 List of landscape pattern index used in this study

1.3.2主成分分析法

由于4 種景觀格局指數(shù)在反映農(nóng)村居民點離散化的信息中存在一定重疊，因此使用主成分分析將其合成一個綜合變量以表征農(nóng)村居民點離散化[37-38]。在IBM SPSS Statistics 26中，利用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化法對景觀格局指數(shù)進行標(biāo)準(zhǔn)化處理，通過因子分析功能確定景觀指數(shù)主成分特征值和特征向量，根據(jù)主成分累計貢獻率，選擇關(guān)鍵主成分，計算各主成分得分，再利用綜合得分公式求出初始農(nóng)村居民點離散度(Rural settlements dispersion index,RSDI0)，計算公式如下:

RSDI0=λ1X1+λ2X2+…+λnXn

(1)

式中:RSDI0為農(nóng)村居民點離散度；X為單個主成分得分；λ為對應(yīng)主成分的貢獻率。

為便于指標(biāo)度量和比較，對RSDI0進行歸一化處理：

(2)

式中：RSDI的值介于[0,1]。值越接近于1，代表農(nóng)村居民點離散化程度越高。本研究將RSDI分為3級，分別為I級，低度離散(0≤RSDI≤0.3)；Ⅱ級，中度離散(0.3

1.3.3空間自相關(guān)

空間自相關(guān)可以分為全局空間自相關(guān)和局部空間自相關(guān)2 種類型。全局空間自相關(guān)是對屬性值在整個研究區(qū)內(nèi)的空間聚集特征的描述，Global Moran’s I是最常用的全局空間自相關(guān)分析指數(shù)，可以衡量農(nóng)村居民點離散度空間分布的聚集或離散程度。全局空間自相關(guān)分析可以在整體上揭示事物的空間依賴程度，但卻忽略了可能存在的局部不平穩(wěn)。因此本研究進一步引入了局部空間自相關(guān)分析方法，以空間關(guān)聯(lián)局域指標(biāo)LISA 統(tǒng)計量的Local Moran’s I探究鄉(xiāng)鎮(zhèn)單元農(nóng)村居民點離散度與鄰近鄉(xiāng)鎮(zhèn)之間的相關(guān)性，識別它們的空間聚集和空間孤立特征，探測其空間異質(zhì)性。LISA聚集圖可以根據(jù)Local Moran’s I計算結(jié)果，將鄉(xiāng)鎮(zhèn)農(nóng)村居民點離散度劃分為高高(HH)和低低(LL)2種正相關(guān)類型，高低(HL)和低高(LH)2種負(fù)相關(guān)類型以及不顯著相關(guān)型[39]。

1.3.4相關(guān)性分析

相關(guān)性分析是指對兩個或多個具備相關(guān)性的變量元素進行分析，從而衡量2個變量的相關(guān)密切程度。在IBM SPSS Statistics 26中采用斯皮爾曼相關(guān)系數(shù)法對農(nóng)村居民點離散度及其影響因素進行相關(guān)性計算。

1.3.5地理探測器

地理探測器是探測空間分異性，以及揭示其影響因子的一組統(tǒng)計學(xué)方法。普通線性模型、空間計量模型等傳統(tǒng)統(tǒng)計學(xué)方法假設(shè)較多，而地理探測器模型在應(yīng)用時沒有過多的假設(shè)條件，可以克服統(tǒng)計方法處理變量的局限性。此外地理探測器的獨特優(yōu)勢在于：識別影響因子的同時，還能夠解釋影響因子對因變量的交互作用[27]。利用ArcGIS10.2 軟件分區(qū)統(tǒng)計功能計算柵格影響因子在各鄉(xiāng)鎮(zhèn)的均值，導(dǎo)出生成excel屬性表；因變量Y為各鄉(xiāng)鎮(zhèn)農(nóng)村居民點離散度，自變量X為各鄉(xiāng)鎮(zhèn)影響因子數(shù)據(jù)，進而利用地理探測器軟件在鄉(xiāng)鎮(zhèn)尺度定量分析鷹潭市農(nóng)村居民點離散度的影響因子。

(3)

交互探測器：用于定量表征兩個影響因子對于農(nóng)村居民點離散度的相互作用，對于影響農(nóng)村居民點離散度的2種因子X1和X2，計算兩者交互作用的q值，再比較q(X1)、q(X2)與q(X1∩X2)，得出兩因子的交互關(guān)系，詳細(xì)判斷準(zhǔn)則見參考文獻[27]。

2 結(jié)果與分析

2.1 農(nóng)村居民點景觀格局指數(shù)變化

農(nóng)村居民點景觀格局指數(shù)變化結(jié)果顯示(表3)，研究期內(nèi)農(nóng)村居民點面積逐步增加，1996—2009年和2009—2018年農(nóng)村居民點面積年平均增長量分別為183.35、204.14 hm2/a。說明鷹潭農(nóng)村居民點規(guī)模仍處于擴張階段。農(nóng)村居民點斑塊密度增加、平均斑塊面積減少，說明農(nóng)村居民點離散化程度上升；周長面積分維數(shù)增加、聚合度減少，說明農(nóng)村居民點形狀趨于復(fù)雜，并且聚集程度降低。

表3 鷹潭市農(nóng)村居民點景觀格局指數(shù)變化Table 3 Changes of landscape metrics of rural settlements in Yingtan City

2.2 農(nóng)村居民點離散度構(gòu)建及演變特征

2.2.1農(nóng)村居民點離散度構(gòu)建

農(nóng)村居民點景觀格局指數(shù)的主成分分析結(jié)果顯示(表4)，KMO檢驗值均>0.5， Bartlett球形檢驗的P=0.000 1，表明能夠進行主成分分析。3個時期的農(nóng)村居民點景觀指數(shù)第一主成分的特征值均>1，貢獻率分別為83.80%，89.42%，89.72%，基本都>85%，說明選取第一主成份可以有效表征農(nóng)村居民點離散度。

表4 農(nóng)村居民點景觀格局指數(shù)的主成分分析Table 4 Principal component analysis of rural settlements landscape metrics

2.2.2農(nóng)村居民點離散度時間演變

農(nóng)村居民點離散度級別統(tǒng)計結(jié)果顯示(表5)，1996—2018年三期內(nèi)，各鄉(xiāng)鎮(zhèn)農(nóng)村居民點離散度均值分別為0.41，0.42和0.45，農(nóng)村居民點離散度級別為Ⅰ級的鄉(xiāng)鎮(zhèn)分別占鄉(xiāng)鎮(zhèn)總數(shù)的41.18%、35.29%、26.47%，級別為Ⅱ級的鄉(xiāng)鎮(zhèn)分別占鄉(xiāng)鎮(zhèn)總數(shù)的35.29%、44.12%、50.00%，級別為Ⅲ級的鄉(xiāng)鎮(zhèn)持續(xù)占鄉(xiāng)鎮(zhèn)總數(shù)的23.53%，這表明低度離散的鄉(xiāng)鎮(zhèn)逐漸減少，中度離散的鄉(xiāng)鎮(zhèn)逐漸增加，鷹潭鄉(xiāng)鎮(zhèn)農(nóng)村居民點離散度整體上升。

3)提出了抗超高速“軟硬結(jié)合、分層配置”的遮彈防護結(jié)構(gòu)，實現(xiàn)了成坑能量耗散與地沖擊衰減，為防護設(shè)計和加固改造提供了可靠手段。

表5 農(nóng)村居民點離散度級別統(tǒng)計Table 5 Statistics of dispersion level of rural settlements

2.2.3農(nóng)村居民點離散度空間演變

農(nóng)村居民點離散度級別空間分布圖顯示(圖2)，研究區(qū)農(nóng)村居民點離散度基本呈東南和西北部高，中部低的空間分布格局。其中農(nóng)村居民點低度離散的鄉(xiāng)鎮(zhèn)主要有春濤鄉(xiāng)、平定鄉(xiāng)、劉加站鄉(xiāng)、中童鎮(zhèn)、夏埠鎮(zhèn)、濱江鎮(zhèn)等，主要分布在研究區(qū)的中部；農(nóng)村居民點中度離散的鄉(xiāng)鎮(zhèn)主要有鄧埠鎮(zhèn)，馬荃鎮(zhèn)、龍虎山鎮(zhèn)、錦江鎮(zhèn)、畫橋鎮(zhèn)和白田鄉(xiāng)等，主要分布在研究區(qū)的西部和北部；農(nóng)村居民點高度離散的鄉(xiāng)鎮(zhèn)主要有塘灣鎮(zhèn)、金屯鎮(zhèn)、耳口鄉(xiāng)、冷水鎮(zhèn)、文坊鎮(zhèn)、樟坪畬族鄉(xiāng)和雙圳鄉(xiāng)等，主要分布在研究區(qū)東南部。1996—2018年研究區(qū)北部周坊鎮(zhèn)、鴻塘鎮(zhèn)、志光鎮(zhèn)和河潭鎮(zhèn)等鄉(xiāng)鎮(zhèn)逐漸由農(nóng)村居民點低度離散向中度離散轉(zhuǎn)變。

圖2 1996年(a)、2009年(b)及2018年(c)農(nóng)村居民點離散度級別空間分布圖Fig.3 Spatial distribution map of dispersion level of rural settlements in 1996 (a), 2009 (b) and 2018 (c)

2.2.4農(nóng)村居民點離散度空間自相關(guān)

全局空間自相關(guān)分析結(jié)果顯示(表6)，1996—2018年三期內(nèi)，鷹潭市農(nóng)村居民點離散度Global Moran’sI值分別為0.69、0.79、0.72，P值均<0.01，表明研究區(qū)農(nóng)村居民點離散度在99%的置信度下具有顯著空間正相關(guān)性。局部空間自相關(guān)分析LISA聚集圖顯示(圖3)，研究區(qū)部分鄉(xiāng)鎮(zhèn)農(nóng)村居民點離散度聚集特征為HH型或LL型聚集。其中HH型聚集的鄉(xiāng)鎮(zhèn)主要分布在鷹潭市南部，主要包括耳口鄉(xiāng)、冷水鎮(zhèn)、文坊鎮(zhèn)、樟坪畬族鄉(xiāng)和雙圳鄉(xiāng);LL型聚集的鄉(xiāng)鎮(zhèn)主要分布在鷹潭市中部，主要包括中童鎮(zhèn)、潢溪鎮(zhèn)、夏埠鄉(xiāng)、平定鄉(xiāng)、劉家站鄉(xiāng)?？臻g自相關(guān)分析結(jié)果表明，農(nóng)村居民點離散度空間聚集性明顯，其中南部主要為高值聚集，中部則為低值聚集，具有較顯著的地域性。

圖3 1996年(a)、2009年(b)及2018年(c)農(nóng)村居民點離散度LISA聚集圖Fig.3 LISA cluster map of rural settlement dispersion in 1996 (a), 2009 (b) and 2018 (c)

表6 農(nóng)村居民點離散度Moran’s ITable 6 Moran’s I of rural settlement dispersion

2.3 農(nóng)村居民點離散度影響因素分析

2.3.1相關(guān)性分析

Spearman相關(guān)性分析結(jié)果顯示(表7)，1996—2018年期間，地形位指數(shù)、到河流距離與農(nóng)村居民點離散度為極顯著正相關(guān)關(guān)系，表明地形位指數(shù)越大，到河流距離越遠(yuǎn)，農(nóng)村居民點離散度越大；到城鎮(zhèn)、公路距離與農(nóng)村居民點離散度為極顯著正相關(guān)關(guān)系，表明離城鎮(zhèn)、公路距離越遠(yuǎn)，農(nóng)村居民點離散度越大；人口密度與農(nóng)村居民點離散度為極顯著負(fù)相關(guān)關(guān)系，表明人口密度越小，農(nóng)村居民點離散度越大。1996年地均GDP與農(nóng)村居民點離散度為極顯著負(fù)相關(guān)關(guān)系，而2009和2018年則未通過P=0.05 的顯著性檢驗。

表7 農(nóng)村居民點離散度與影響因素Spearman相關(guān)性分析Table 7 Spearman correlations between rural settlements dispersion and impact factors

2.3.2因子探測

因子探測結(jié)果顯示(表8)，1996—2018年地形位指數(shù)對農(nóng)村居民點離散度存在極顯著影響(P<0.01)，解釋力分別73.96%、81.11%和77.96%。這表明地形位指數(shù)和對農(nóng)村居民點離散度的影響先增大后減小，原因在于研究前期農(nóng)村居民往往傾向選擇地勢平坦的區(qū)域進行農(nóng)村居民點建設(shè)和生產(chǎn)生活，而后期由于耕地保護政策的需要及建設(shè)工程技術(shù)的改進，部分地形位指數(shù)較大的區(qū)域也逐漸開展農(nóng)村居民點的集中建設(shè)，從而減小了該類區(qū)域農(nóng)村居民點離散度。1996年到河流距離對農(nóng)村居民點離散度無顯著影響，2009年和2018年到河流距離對農(nóng)村居民點離散度影響顯著，解釋力分別為35.09% 和34.64%。1996—2018年到城鎮(zhèn)和公路距離對農(nóng)村居民點離散度存在極顯著影響，其中到城鎮(zhèn)距離的解釋力分別為65.25%、42.25%和50.54%；到公路距離的解釋力分別為75.41%、51.84% 和66.45%，這表明到城鎮(zhèn)和公路距離對農(nóng)村居民點離散度的影響先減小后增大，原因在于前期鷹潭將建設(shè)鄉(xiāng)村公路網(wǎng)絡(luò)列為發(fā)展戰(zhàn)略的重點之一，經(jīng)過大規(guī)模的改造，鷹潭鄉(xiāng)村公路等級普遍提高，而后期鷹潭發(fā)展重點鄉(xiāng)鎮(zhèn)建設(shè)，一些邊遠(yuǎn)區(qū)域如文坊鎮(zhèn)、樟坪畬族鄉(xiāng)和雙圳鄉(xiāng)等鄉(xiāng)鎮(zhèn)的建設(shè)則相對滯后，導(dǎo)致各鄉(xiāng)鎮(zhèn)之間農(nóng)村居民點離散度差異增大。1996—2018年人口密度對農(nóng)村居民點離散度存在極顯著影響，解釋力分別為57.34%、71.62%和52.09%，這表明人口密度對農(nóng)村居民點離散度的影響先增大后減小，原因在于前期農(nóng)村居民傾向于在當(dāng)?shù)剜l(xiāng)鎮(zhèn)就業(yè)和居住，而后期鷹潭中心城區(qū)的快速發(fā)展吸引了大量農(nóng)村人口，各鄉(xiāng)鎮(zhèn)人口密度差異減小，從而降低對農(nóng)村居民點離散度的影響。1996年地均GDP對農(nóng)村居民點離散度影響顯著，而2009年和2018年無顯著影響，這與相關(guān)性分析結(jié)果一致。綜上，地形位指數(shù)和人口密度對農(nóng)村居民點離散度的解釋力變化，同到城鎮(zhèn)和公路距離對農(nóng)村居民點離散度的解釋力變化存在此消彼長關(guān)系，這從一定程度上反映了農(nóng)村居民點離散度是受多種影響因子相互作用的結(jié)果。

表8 影響因素對農(nóng)村居民點離散度的解釋力Table 8 Detection results of impact factors of rural settlements dispersion

1996—2018年各影響因子對農(nóng)村居民點離散度解釋力平均值大小排序為：地形位指數(shù)(0.776 8)>到公路距離(0.645 7)>人口密度(0.603 5)>到城鎮(zhèn)距離(0.526 8)>到河流距離(0.343 7)>地均GDP(0.239 2)，這表明地形位指數(shù)、到公路距離和人口密度為農(nóng)村居民點離散度主導(dǎo)因素；到城鎮(zhèn)距離、到河流距離、地均GDP為農(nóng)村居民點離散度重要因素。

2.3.3因子交互探測

因子交互探測結(jié)果顯示(表9)，1996年各因子對農(nóng)村居民點離散度的交互作用均為雙因子增強，不存在獨立起作用的因子。其中解釋力排前五的交互因子為：到公路距離∩到城鎮(zhèn)距離(0.915 6)、到公路距離∩地均GDP (0.898 2)、到公路距離∩到河流距離 (0.892 1)、地形位指數(shù)∩到城鎮(zhèn)距離(0.844 3)、地形位指數(shù)∩到河流距離(0.833 4)，這表明1996年到公路距離和地形位指數(shù)較大增強了各影響因子對農(nóng)村居民點離散度的解釋力。2009年各因子對農(nóng)村居民點離散度的交互作用包括雙因子增強和非線性增強。其中解釋力排前五的交互因子為：地形位指數(shù)∩到城鎮(zhèn)距離(0.923 3)、地形位指數(shù)∩人口密度(0.909 6)、地形位指數(shù)∩地均GDP(0.898 9)、地形位指數(shù)∩到河流距離(0.885 9)、地形位指數(shù)∩到公路距離(0.880 6)，這表明2009年地形位指數(shù)較大增強了各影響因子對農(nóng)村居民點離散度的解釋力。2018年各因子對農(nóng)村居民點離散度的交互作用包括雙因子增強和非線性增強。其中解釋力排前五的交互因子為：地形位指數(shù)∩地均GDP(0.926 3)、地形位指數(shù)∩到城鎮(zhèn)距離(0.909 4)、地形位指數(shù)∩人口密度(0.877 6)、人口密度∩到城鎮(zhèn)距離(0.874 2)、地形位指數(shù)∩到河流距離(0.843 2)，這表明2018年地形位指數(shù)和人口密度較大增強了各影響因子對農(nóng)村居民點離散度的解釋力。

表9 農(nóng)村居民點離散度影響因子交互探測結(jié)果Table 9 Interaction detection results of impact factors of rural settlements dispersion

綜上，地形位指數(shù)、到公路距離和人口密度在不同時期能較大增強其他影響因子對農(nóng)村居民點離散度的解釋力，這進一步驗證了因子探測的結(jié)果。

3 討論與結(jié)論

3.1 討論

自然因素在居民點形成的初始階段起關(guān)鍵作用，對于位于南方丘陵區(qū)的鷹潭而言，地形對農(nóng)村居民點離散度影響更是不容忽略[5,12,26]，鷹潭地形以中部河谷平原為中心，由信江向南北兩側(cè)、白塔河向東西兩側(cè)逐漸抬升。西部中低丘陵和中部貴溪盆地，地形位指數(shù)小，有利于農(nóng)村居民點建設(shè)和生產(chǎn)生活，農(nóng)村居民點離散度往往較小，而北部中高丘陵和東南部中山區(qū)域，地形位指數(shù)大，農(nóng)村居民點離散度隨之增大，研究區(qū)農(nóng)村居民點離散度整體分布與地形較為符合，這也印證了地理探測器模型的結(jié)果(q均值為0.776 8)。鷹潭境內(nèi)大部分屬信江水系，信江從東向西流經(jīng)貴溪、月湖、余江，由于水田灌溉農(nóng)業(yè)需要大量水源，為便利生產(chǎn)生活[14]，農(nóng)村居民點多聚集在靠近耕地的河流兩側(cè)，而遠(yuǎn)離河流的地區(qū)往往只能依靠零星的水庫從事農(nóng)業(yè)灌溉，這加劇了農(nóng)村居民點的離散程度。

區(qū)位因素中農(nóng)村居民點到公路距離的遠(yuǎn)近反映了村民出行交通便利程度，到城鎮(zhèn)距離的遠(yuǎn)近決定了村民能多大程度享受到學(xué)校和衛(wèi)生院等公共服務(wù)設(shè)施[17,40]。研究區(qū)內(nèi)靠近中心城區(qū)的鄉(xiāng)鎮(zhèn)，公路網(wǎng)絡(luò)較為發(fā)達，便利的交通促進了農(nóng)村居民點的聚集，從而使農(nóng)村居民點離散度維持在較低水平；而位于北部的畫橋鎮(zhèn)及東南部的樟坪畬族鄉(xiāng)等鄉(xiāng)鎮(zhèn)則只有少量主干道穿過，與外界經(jīng)濟及信息聯(lián)系薄弱，農(nóng)村居民點發(fā)展滯后，從而離散度水平較高。

社會經(jīng)濟因素中人口密度的增加會帶來規(guī)模效益，經(jīng)濟發(fā)展是居民點存在和發(fā)展的主要外部動力[4,41]。地理探測器結(jié)果表明，人口密度對農(nóng)村居民點離散度存在極顯著影響，而地均GDP對農(nóng)村居民點離散度影響僅在1996年通過顯著性檢驗。具體考察發(fā)現(xiàn)，以夏埠鄉(xiāng)為例，其人口密度和地均GDP較高，農(nóng)村居民點離散度維持在低度離散狀態(tài)，與此同時，研究區(qū)部分鄉(xiāng)鎮(zhèn)如楊溪鄉(xiāng)出現(xiàn)了人口密度大而地均GDP小，農(nóng)村居民點離散度較低的現(xiàn)象。這是由于楊溪鄉(xiāng)位于研究區(qū)的西部中低丘陵，在農(nóng)業(yè)人口集聚、地形相對較好的情況下，傳統(tǒng)的農(nóng)業(yè)生產(chǎn)需要大量的農(nóng)村居民，生產(chǎn)趨近原則使農(nóng)村居民點集中[18,31]，從而使得畫橋鎮(zhèn)農(nóng)村居民點離散度維持一直在較低的水平。研究初期大多鄉(xiāng)鎮(zhèn)以農(nóng)業(yè)生產(chǎn)為主，各鄉(xiāng)鎮(zhèn)經(jīng)濟發(fā)展水平差距較?。欢芯恐泻笃谝詶钕l(xiāng)為代表發(fā)展農(nóng)業(yè)生產(chǎn)的鄉(xiāng)鎮(zhèn)地均GDP水平遠(yuǎn)遠(yuǎn)落后于以夏埠鄉(xiāng)為代表的發(fā)展二三產(chǎn)業(yè)的鄉(xiāng)鎮(zhèn)，但兩類鄉(xiāng)鎮(zhèn)的農(nóng)村居民點離散度卻差異不大，這一定程度解釋了地均GDP僅在研究初期1996年通過顯著性檢驗原因。

根據(jù)研究農(nóng)村居民點離散度分布特征及影響因素探測結(jié)果，再結(jié)合研究區(qū)的自然、區(qū)位、社會經(jīng)濟等條件，設(shè)計并開展因地制宜的農(nóng)村居民點整治模式，為鷹潭市農(nóng)村居民點規(guī)劃統(tǒng)籌提供科學(xué)依據(jù)。農(nóng)村居民點低度離散的鄉(xiāng)鎮(zhèn)，自然和區(qū)位條件較好，經(jīng)濟發(fā)展水平高，城鎮(zhèn)化趨勢顯著，將農(nóng)村居民點整理和城鎮(zhèn)規(guī)劃銜接較為適宜；農(nóng)村居民點中度離散的鄉(xiāng)鎮(zhèn)，雖然位于平原地區(qū)，但區(qū)位與經(jīng)濟條件較差，以農(nóng)業(yè)生產(chǎn)為主，所以比較適合資金需求較小的居民點內(nèi)部整理模式；農(nóng)村居民點高度離散的鄉(xiāng)鎮(zhèn)，主要分布在研究區(qū)東南部中山區(qū)域，可以考慮異地遷移模式，將比較偏遠(yuǎn)的貧困農(nóng)村居民點遷移到發(fā)展較好的地區(qū)[25]。

由于村級社會經(jīng)濟數(shù)據(jù)收集困難，導(dǎo)致本研究的研究尺度不夠精細(xì)；構(gòu)建農(nóng)村居民點離散度的景觀指數(shù)需要補充和完善；各影響因子交互作用內(nèi)在機制也有待進一步探析。后續(xù)工作中應(yīng)加強多尺度農(nóng)村居民點離散度影響因素研究。

3.2 結(jié)論

1996—2018年，鷹潭農(nóng)村居民點規(guī)模仍處于增長階段，但聚集度降低，破碎化程度上升。鄉(xiāng)鎮(zhèn)農(nóng)村居民點離散度整體上升，區(qū)域農(nóng)村居民點離散度空間聚集性明顯，其中南部主要為高值聚集，中部則為低值聚集，具有較顯著的地域性。地形位指數(shù)、到河流、城鎮(zhèn)和公路距離與農(nóng)村居民點離散度為極顯著正相關(guān)關(guān)系，人口密度與農(nóng)村居民點離散度為極顯著負(fù)相關(guān)關(guān)系，地均GDP僅1996年與農(nóng)村居民點離散度為極顯著負(fù)相關(guān)關(guān)系。地形位指數(shù)和人口密度對農(nóng)村居民點離散度的影響先增大后減小，到城鎮(zhèn)和公路距離對農(nóng)村居民點離散度的影響先減小后增大，影響因素之間存在此消彼長的關(guān)系。地形位指數(shù)、到公路距離和人口密度為農(nóng)村居民點離散度主導(dǎo)因素，到城鎮(zhèn)距離、到河流距離、地均GDP為農(nóng)村居民點離散度重要因素，各主導(dǎo)因素在不同時期能增強其他影響因子對農(nóng)村居民點離散度的解釋力。