吐魯番綠洲聚落與耕地的空間關系分析

古麗娜爾·麥麥提， 徐華君， 馬鑫苗

(新疆大學 地理科學學院， 新疆 烏魯木齊 830046)

聚落是人類生產、生活及居住的場所，根據人口規(guī)模與用地性質的不同，可分為城市聚落與鄉(xiāng)村聚落[1].國外對鄉(xiāng)村聚落的研究主要集中于綠洲鄉(xiāng)村聚落考古[2-3]及綠洲鄉(xiāng)村聚落空間格局研究[4]、形態(tài)、類型[5]等方面.國內對鄉(xiāng)村聚落的研究起步較晚[6]，我國學者對鄉(xiāng)村聚落的研究主要集中于鄉(xiāng)村聚落空間特征[7]、鄉(xiāng)村聚落形態(tài)演變及其驅動力分析[8-9]、鄉(xiāng)村聚落演變類型[10]、鄉(xiāng)村聚落空間優(yōu)化[11]等方面.此外，國內外學者對西北干旱區(qū)，尤其是新疆鄉(xiāng)村聚落空間分布方面的研究相對較少[12]，目前，大多集中于聚落或耕地本身的空間分布特征[13]等方面.

耕地是人類生產生活中必不可少的資源之一，我國政府很早就提出要保住120萬km2耕地資源的紅線，但城市大規(guī)模圈地造城和農村毀地建房的現象仍然存在.隨著城市化水平的逐步提高，聚落用地面積不斷擴張，大量的耕地被聚落用地占用.基于此，本文以新疆吐魯番市高昌區(qū)綠洲為例，采用地理信息系統(GIS)空間分析法，對聚落空間格局特征進行分析，揭示聚落與耕地之間的空間耦合關系.

1 研究區(qū)概況

高昌區(qū)位于吐魯番盆地中部，博格達山南坡[14]，屬于吐魯番市行政中心.研究區(qū)總面積為1.37×104km2，地形起伏較大，北部及南部地勢高，中部地勢低，海拔高度為-154～4 397 m.研究區(qū)主要為干旱荒漠氣候，夏天降水量少，蒸發(fā)量大，整體干燥炎熱[15]，年平均降水量不足20 mm，而蒸發(fā)量相對較高，達2 844 mm[16].研究區(qū)聚落與耕地主要分布于海拔高度較低且水資源相對豐富的綠洲中部區(qū)域.

2 數據來源及研究方法

2.1 數據來源

采用的數據主要包括吐魯番市高昌區(qū)數字高程模型(DEM)數據，以及吐魯番市高昌區(qū)2000年、2010年和2018年土地利用數據及其鄉(xiāng)鎮(zhèn)級行政邊界矢量圖.首先，采用ArcGIS 10.8軟件，對研究區(qū)的土地利用類型進行劃分；然后，提取吐魯番市高昌區(qū)聚落與耕地的斑塊；最后，得到研究需要的聚落與耕地的矢量數據，即研究的基礎數據.

2.2 研究方法

為了研究吐魯番市高昌區(qū)聚落空間格局及其與耕地之間的空間耦合關系，采用景觀指數法、全局空間自相關法、平均最鄰近指數法、核密度估計法及聚耕比指數法等進行分析.

2.2.1 景觀指數法 基于景觀生態(tài)學中的景觀格局指數的研究方法[17]，選取聚落的斑塊面積、斑塊數量、平均斑塊面積、最小斑塊面積、最大斑塊面積、斑塊密度等指標定量分析吐魯番市高昌區(qū)聚落變化差異，反映其結構組織與空間特征.斑塊數量與斑塊密度關系密切，斑塊數量越多，斑塊密度就越大.

2.2.2 全局空間自相關法 空間自相關性是反映一個區(qū)域單元上某種地理現象或某一屬性值與鄰近區(qū)域單元上同一地理現象或屬性值相關性大小的重要指標，是空間域中值的聚集程度的一種度量.常用的空間自相關性檢驗方法是使用莫蘭指數量化聚集屬性.

莫蘭指數(I)的計算公式[18]為

I的取值范圍為[-1，1]，若I>0，表示空間正相關，空間單元呈聚集分布趨勢；若I=0，表示空間不相關，空間單元呈隨機分布趨勢；若I<0，表示空間負相關，空間單元呈離散分布趨勢[19].

2.2.3 平均最鄰近指數法 平均最鄰近指數是指聚落斑塊質心與其最鄰近聚落斑塊質心的平均距離與隨機分布的聚落斑塊質心的平均距離之比.分析聚落是隨機還是聚集的分布態(tài)勢，可通過ArcGIS 10.8軟件對鄉(xiāng)村聚落空間化數據進行處理分析.該方法可反映聚落斑塊的整體分布情況.

平均最鄰近指數(ANN)的計算公式[17]為

若ANN<1，表示聚落呈聚集分布趨勢；若ANN=1，表示聚落呈隨機分布趨勢；若ANN>1，表示聚落呈離散分布趨勢.

2.2.4 核密度估計法 核密度估計是非參數密度估計的一種類型，其數值可反映聚落在空間上的密度分布情況，核密度值越高，表示聚落分布的密集性越強[20].將聚落斑塊數據轉換為點要素，采用ArcGIS 10.8軟件中的核密度工具進行計算.

研究區(qū)(x，y)的核密度值(f(x，y))的計算公式[21]為

上式中：h為搜索半徑；k為核函數；di為從該位置到第i個空間位置的距離.

2.2.5 聚耕比指數法 聚耕比指數(K)是研究對象落入單元格網內的聚落面積與耕地面積之比[22].K越大，表示單元格網內聚落面積越大，耕地資源越稀少(耕地偏少型)；K越小，表示單位格網內地耕地資源越豐富(耕地偏多型).聚耕比指數可反映人地矛盾問題.

聚耕比指數(K)的計算公式為

上式中：Sc，s為單元格網內的聚落面積；Sc，c為單元格網內的耕地面積.

3 鄉(xiāng)村聚落空間分布特征

3.1 鄉(xiāng)村聚落數量特征

近20 a，高昌區(qū)鄉(xiāng)村聚落規(guī)模變化明顯.研究區(qū)2000年、2010年和2018年聚落景觀指數及其變化量，如表1，2所示.表1，2中：Sp，ΔSp分別為斑塊面積及其變化量；ηp，Δηp分別為斑塊面積占縣域面積的比例及其變化量；Np，ΔNp分別為斑塊數量及其變化量；Sp，ave，ΔSp，ave分別為平均斑塊面積及其變化量；Sp，max，ΔSp，max分別為最大斑塊面積及其變化量；Sp，min，ΔSp，min分別為最小斑塊面積及其變化量；ρ，Δρ分別為斑塊密度(平均分布密度)及其變化量.

表1 研究區(qū)2000年、2010年和2018年聚落景觀指數Tab.1 Settlement landscape index of study area in 2000， 2010 and 2018

表2 研究區(qū)2000年、2010年和2018年聚落景觀指數變化量Tab.2 Changes of settlement landscape index of study area in 2000， 2010 and 2018

由表1，2可知:2000-2018年，聚落斑塊數量由184個減少至92個，聚落斑塊面積卻從21.715 3 km2增加至25.514 9 km2，平均斑塊面積從0.118 0 km2增加至0.277 3 km2，最大斑塊面積從2.442 5 km2增加至4.7109 km2，說明高昌區(qū)鄉(xiāng)村聚落數量雖然有所減少，但空間規(guī)模明顯增大；2000-2010年，鄉(xiāng)村聚落變化幅度較大，斑塊數量減少了99個，平均斑塊面積增加了0.146 1 km2，最大斑塊面積增加了2.255 7 km2，聚落空間規(guī)模明顯增大.

3.2 鄉(xiāng)村聚落聚集性特征

近20 a，研究區(qū)鄉(xiāng)村聚落聚集程度略有降低，2000年的斑塊密度較大，而2010年、2018年的斑塊密度較小.在置信水平為99%的條件下，對鄉(xiāng)村聚落進行空間自相關法分析，結果如表3所示.表3中：SD為方差；Z，P均為顯著性檢驗值.由表3可知：3個年份的聚落空間自相關I均大于0，說明高昌區(qū)聚落分布整體具有聚集性特征.

表3 研究區(qū)2000年、2010年和2018年鄉(xiāng)村聚落全局空間自相關法分析結果Tab.3 Global spatial autocorrelation method analysis results of rural settlements of study area in 2000， 2010 and 2018

運用ArcGIS 10.8軟件，對鄉(xiāng)村聚落進行平均最鄰近指數法分析，結果如表4所示.由表4可知：3個年份的聚落平均最鄰近指數小于1，聚落分布整體具有聚集性特征；2010年、2018年聚落平均最鄰近指數明顯高于2000年，2000年聚落平均最鄰近指數接近于0，說明聚落的聚集程度較高，而2010年、2018年聚落平均最鄰近指數趨近于1，說明這兩年鄉(xiāng)村聚落分布的聚集程度有所降低.這是因為2000年村民大量開荒，聚落格局出現隨意性擴張，由于地形條件的限制，聚落的空間分布極不均衡，絕大部分鄉(xiāng)村聚落集中分布于綠洲中部區(qū)域，土地利用效率相對較低，該年聚落分布的聚集程度較高.2010年、2018年，在新農村建設的推動下，國家對聚落用地面積有嚴格限制(聚落用地人均面積不超過150 m2)，聚落布局的隨意性及聚落聚集分布態(tài)勢得到一定的控制，通過整合，該區(qū)域的土地利用效率逐步提高，用地適宜性增強，綠洲邊緣區(qū)域開始形成聚落，聚落逐步趨于均勻分布態(tài)勢.

表4 研究區(qū)2000年、2010年和2018年鄉(xiāng)村聚落平均最鄰近指數法分析結果Tab.4 Average nearest neighbor index method analysis results of rural settlements of study area in 2000， 2010 and 2018

為了進一步分析高昌區(qū)鄉(xiāng)村聚落分布的聚集性特征，運用ArcGIS 10.8軟件中的要素轉點(feature to point)功能分別提取高昌區(qū)2000年、2010年和2018年聚落斑塊的質心，可得3個年份的聚落斑塊核密度值分布圖(研究區(qū)南部為荒漠區(qū)沒有聚落，不作為研究范圍)，如圖1所示.圖1中：f為斑塊核密度值.

(a) 2000年

(b) 2010年 (c) 2018年圖1 研究區(qū)2000年、2010年和2018年聚落斑塊核密度值分布圖Fig.1 Distribution maps of settlement patch kernel density values of study area in 2000， 2010 and 2018

研究區(qū)2000年、2010年和2018年聚落最小核密度值和最大核密度值，如表5所示.表5中：fmin，fmax分別為最小核密度值和最大核密度值.

表5 研究區(qū)2000年、2010年和2018年聚落斑塊最小和最大核密度值Tab.5 Settlement patch minimum and maximum kernel density values of study area in 2000， 2010 and 2018

由圖1、表5可知：2000年聚落分布相對集中，聚落斑塊最大核密度值的分布范圍較大，主要分布于老城街道、葡萄鎮(zhèn)、恰特喀勒鄉(xiāng)北部等綠洲核心區(qū)；2010年、2018年出現新的密集核心區(qū)，聚落斑塊密集核心區(qū)分布相對分散，聚集程度逐漸降低，最大核密度值的分布范圍發(fā)生較大的變化， 且密集核心區(qū)的數量也發(fā)生了變化，密集核心區(qū)主要分布于葡萄鎮(zhèn)東南部和勝金鄉(xiāng)南部等區(qū)域，最大核密度值的分布范圍擴散到綠洲的邊緣區(qū)域；研究區(qū)2000年、2010年和2018年的鄉(xiāng)村聚落最大核密度值分別為0.597，0.375，0.375 個·km-2，說明2000年聚落的聚集程度較高，2010年、2018年聚落的聚集程度較低.

3.3 鄉(xiāng)村聚落分布的影響因素

3.3.1 高程 高程是影響聚落分布的重要因素之一.研究區(qū)聚落空間格局表現出強烈的低地平原指向性.研究區(qū)2000年、2010年和2018年高程與聚落關系示意圖，如圖2所示.圖2中：H為高程.由圖2可知：聚落主要分布于海拔高度為-120～300 m的高程范圍內，這是因為低海拔地區(qū)土壤肥沃、水資源較為充足，比較適合人口大規(guī)模聚集，而高海拔地區(qū)氣候變化明顯、水資源短缺、土壤質量較差，難以進行農業(yè)生產，導致聚落分布相對稀疏，甚至根本沒有聚落分布.

(a) 2000年

(b) 2010年 (c) 2018年圖2 研究區(qū)2000年、2010年和2018年高程與聚落關系示意圖Fig.2 Schematic diagrams of relationship between elevation and settlement of study area in 2000， 2010 and 2018

3.3.2 河流 距離河流的遠近對聚落形成及空間格局至關重要.通過ArcGIS 10.8軟件中的緩沖區(qū)分析功能，可知高昌區(qū)綠洲聚落沿著河流分布的趨勢較為明顯，隨著距河流距離(L)的增加，斑塊數量與斑塊面積逐漸下降.研究區(qū)不同距離河流緩沖區(qū)的聚落分布圖，如圖3所示.

(a) 斑塊面積 (b) 斑塊數量 圖3 研究區(qū)不同距離河流緩沖區(qū)的聚落分布圖Fig.3 Distribution maps of settlement in river buffer zones at different distances of study area

由圖3可知：距河流1 000～2 000 m范圍內的斑塊數量較多，斑塊面積較大，斑塊密度較高，即聚落斑塊最為密集的區(qū)域，在該范圍內，聚落對河流的依賴性較強.

3.3.3 人口規(guī)模 人口規(guī)模的不斷擴大需要更大的生活及生產空間.研究區(qū)的人口數量與聚落面積，如表6所示.表6中：m為人口數量(人口規(guī)模)；Ss為聚落面積.

表6 研究區(qū)的人口數量與聚落面積Tab.6 Population numbers and settlement areas of study area

由表6可知：2000-2018年，高昌區(qū)的人口數量不斷地增長，2000年人口數量為24.177 6萬，2018年人口數量為29.030 2萬；隨著人口數量的不斷增長，研究區(qū)的聚落面積也不斷增加，2000年聚落面積為21.715 3 km2，2018年聚落面積擴大為25.514 8 km2.因此，人口數量的不斷增加是聚落空間演變的重要社會動因.

3.3.4 坎兒井 研究區(qū)坎兒井核密度值分布圖，如圖4所示.圖4中：fK為坎兒井核密度值.由圖4可知：2000年聚落斑塊最大核密度值分布于綠洲核心區(qū)域(圖1)，分布相對集中于核心區(qū)的面積較大，坎兒井分布格局與聚落分布格局有較大的重合，2000年之前，聚落對坎兒井有較大的依賴性.坎兒井集中分布的綠洲核心區(qū)域人口較多，地下水資源較為豐富，地形地貌及土壤條件較好.早期，聚落的建立與坎兒井的關系密切，新的聚落在新開鑿的坎兒井周圍出現，具有一定的歷史繼承性；后期，隨著機電井的大量開發(fā)，地下水位不斷地下降，導致無水坎兒井數量增加，有水坎兒井數量減少(2003年、2009年、2014年的有水坎兒井數量分別為253條、135條、115條)，聚落對坎兒井的依賴程度逐步降低.

3.3.5 機電井 研究區(qū)機電井核密度值分布圖，如圖5所示.圖5中：fe為機電井核密度值.由圖5可知：2010年、2018年的聚落分布格局與機電井分布格局大致相同，機電井密集核心區(qū)主要分布于綠洲東部、東南部區(qū)域(勝金鄉(xiāng)、二堡鄉(xiāng)、三堡鄉(xiāng))，而2000年該區(qū)域聚落分布相對稀疏，因為該區(qū)域沒有有水坎兒井，也沒有地表水資源，隨著機電井的大量開發(fā)，綠洲邊緣區(qū)聚落分布格局發(fā)生變化，2010年、2018年綠洲邊緣區(qū)聚落的密集度比2000年高，初步判斷該區(qū)域耕地的開墾與聚落的形成跟機電井的開發(fā)有較大程度的相關性.

圖4 研究區(qū)坎兒井核密度值分布圖 圖5 研究區(qū)機電井核密度值分布圖Fig.4 Distribution map of Karez kernel density values of study area Fig.5 Distribution map of electromechanical wells kernel density values of study area

4 高昌區(qū)聚落與耕地空間關系分析

4.1 聚落與耕地的空間耦合關系

為了定量分析高昌區(qū)聚落與耕地的空間耦合關系，運用聚耕比指數(K)[22]進行分析.聚耕比指數可反映耕地資源的豐缺程度及人地矛盾問題，從而形成不同的聚落-耕地耦合關系類型.

選取不同情景下的人地關系聚耕比閾值，將世界人均建設用地面積(83 m2)[23]除以世界人均耕地面積(1 920 m2)，可得人地協調閾值(0.04)；將我國新型城鎮(zhèn)化建設規(guī)定的農村人均建設用地(150 m2)除以世界糧農組織規(guī)定的人均耕地警戒線(533.3 m2)[24]，可得人地矛盾閾值(0.28).由此將高昌區(qū)聚落-耕地耦合關系劃分為3種類型.1) 當K≤0.04時，聚落-耕地耦合關系為耕地偏多型，人地矛盾相對較少.2) 當0.040.28時，聚落-耕地耦合關系為耕地偏少型，人地矛盾較為突出.

根據研究區(qū)面積，基于1 km×1 km的格網(空間粒度遠小于行政單元，對地理事物的揭示更為詳盡[25]).通過ArcGIS 10.8軟件，可得高昌區(qū)2000年、2010年和2018年聚落與耕地的格網，將研究區(qū)聚落及耕地的格網圖層進行相互疊加，可得3個年份的聚耕比指數空間分布圖，如圖6所示.

(a) 2000年

(b) 2010年 (c) 2018年圖6 研究區(qū)2000年、2010年和2018年聚耕比指數空間分布圖Fig.6 Spatial distribution maps of settlement and cultivated land ratio index of study area in 2000， 2010 and 2018

由圖6可知：聚落-耕地均衡型及耕地偏少型的數量極少，零星分布于七泉湖鎮(zhèn)東南部、亞爾鎮(zhèn)北部、葡萄鎮(zhèn)、艾丁湖鎮(zhèn)東部等主城區(qū)附近的區(qū)域，說明這些區(qū)域耕地資源相對較少；研究區(qū)耕地偏多型分布最為廣泛，主要分布于綠洲中部的低海拔區(qū)域，因為該區(qū)域水資源相對豐富，有利于開墾種地，耕地資源的面積相對較大.

研究區(qū)2000年、2010年和2018年聚耕比指數，如表7所示.表7中：c為格網數量；ζ為該類型占比.由表7可知：2000年的聚落-耕地均衡型占比較大(15.98%)，2010年、2018年的聚落-耕地均衡型占比逐步下降(分別為0%，1.91%)，這說明2010年、2018年的人地協調性受到一定的影響.

表7 研究區(qū)2000年、2010年和2018年聚落-耕地耦合關系類型的相關參數Tab.7 Relevant parameters of settlement-cultivated land coupling relationship type of study area in 2000， 2010 and 2018

4.2 聚落與耕地的空間轉移關系

為了分析高昌區(qū)聚落與耕地的空間轉移關系，將3個年份的聚落及耕地的空間分布圖相互疊加，可得2000-2010年、2010-2018年聚落與耕地的空間轉移關系分布圖，如圖7所示.

2000-2010年、2010-2018年聚落與耕地的轉移關系分為4種類型，即聚落-聚落型、耕地-耕地型、聚落-耕地型、耕地-聚落型.再進一步歸類，又可以將恒為聚落(聚落-聚落型)和恒為耕地(耕地-耕地型)的類型歸為持續(xù)穩(wěn)定型，其他類型(聚落-耕地型、耕地-聚落型)歸為動態(tài)變化型.2000-2010年、2010-2018年持續(xù)穩(wěn)定型的面積較大，而動態(tài)變化型的面積較小，但文中主要以動態(tài)變化型的變化狀況分析聚落與耕地的空間轉移關系.

由圖7可知:2000-2010年持續(xù)穩(wěn)定型總面積為315.429 4 km2，動態(tài)變化型總面積為19.688 0 km2，聚落-耕地型面積為12.389 1 km2(占動態(tài)變化型總面積的62.93%)，耕地-聚落型面積為7.298 9 km2(占動態(tài)變化型總面積的37.07%)；2010-2018年持續(xù)穩(wěn)定型總面積為524.612 0 km2，動態(tài)變化型總面積為4.186 4 km2，聚落-耕地型面積為0.783 0 km2(占動態(tài)變化型總面積的18.70%)，耕地-聚落型面積為3.4034 km2(占動態(tài)變化型總面積的81.30%)，說明2000-2010年聚落轉化為耕地的趨勢較為明顯，而2010-2018年耕地轉化為聚落的趨勢明顯.

(a) 2000-2010年 (b) 2010-2018年圖7 高昌區(qū)聚落與耕地的空間轉移關系分布圖Fig.7 Spatial transfer relationship distribution maps of settlement and cultivated land in Gaochang District

5 結論

基于研究區(qū)2000年、2010年和2018年土地利用變更數據的基礎，運用GIS空間分析技術，對3個年份聚落的空間格局及其與耕地之間的空間耦合關系進行探討，可得以下5個結論.

1) 從鄉(xiāng)村聚落的數量特征來看，2000-2018年吐魯番市高昌區(qū)鄉(xiāng)村聚落斑塊數量不斷減少，但鄉(xiāng)村聚落斑塊面積不斷增加，空間擴張明顯.

2) 從鄉(xiāng)村聚落的空間聚集性特征來看，2000-2018年聚落空間自相關指數I>0，聚落大致呈現聚集分布特征；2000年聚落斑塊的ANN接近于0，呈現聚集分布特征，2010-2018年ANN接近于1，其聚集性逐漸減弱；2000年鄉(xiāng)村聚落最大核密度值比2010年、2018年更高，說明2000年的聚集性大，2010年、2018年的聚集性逐漸減弱.

3) 高程、河流、人口規(guī)模、坎兒井及機電井對聚落分布格局具有一定的影響.高昌區(qū)聚落分布與高程具有一定的關系，海拔高度較低的區(qū)域聚落面積大，聚落分布的聚集性較高，海拔較高的區(qū)域聚落分布的比較稀疏，聚集性較低；水資源成為聚落分布格局及限制其規(guī)模大小的主要影響因素，距河流距離越近，聚落的面積就越大，聚落斑塊數較多，聚落的空間分布格局聚集性較高，反之，聚落的面積就越小，聚落斑塊數較少，聚落分布的聚集性也較低；人口規(guī)模也是影響聚落分布格局的因素之一，人口數量的快速增長，使人們增加了改變居住環(huán)境的意愿，聚落面積就會有所擴張；2000年坎兒井的分布格局跟聚落分布格局基本一致，聚落對坎兒井的依賴性較大，而2010年、2018年聚落分布格局與機電井分布格局大體一致，聚落與耕地分布格局對機電井的依賴性較大.

4) 從聚落與耕地的空間關系來看，研究區(qū)耕地偏多型占比最多，說明研究區(qū)的耕地資源相對豐富.此外，2000-2018年聚落-耕地均衡型占比逐漸降低，說明后期高昌區(qū)人地協調性受到一定的影響.

5) 從聚落與耕地的空間轉移特征來看，聚落與耕地的空間轉移關系分為兩大類型，其中，持續(xù)穩(wěn)定型的面積較大，而動態(tài)變化型的面積較小，但文中著重討論動態(tài)變化型的變化情況，2000-2010年聚落轉化為耕地的面積較大，2010-2018年耕地轉化為聚落的面積較大.