基于兩級(jí)選擇性聚類集成的農(nóng)用地整治時(shí)空配置分區(qū)

張雅杰，靳 銘，張 豐，孔雪松

（1.武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，武漢 430079；2.武漢大學(xué)遙感信息工程學(xué)院，武漢 430079）

0 引 言

農(nóng)用地整治是對(duì)農(nóng)用地及其利用方式的再組織與再優(yōu)化的過程，包括開發(fā)、復(fù)墾、整理（高標(biāo)準(zhǔn)農(nóng)田建設(shè)、中低產(chǎn)田改造）等措施，是實(shí)現(xiàn)耕地保護(hù)、生態(tài)安全保障的重要抓手。隨著中國進(jìn)入增速換擋、發(fā)展動(dòng)力轉(zhuǎn)換的新常態(tài)，農(nóng)用地生產(chǎn)、生活及生態(tài)屬性均被賦予了更加豐富的時(shí)代內(nèi)涵，因地制宜、因時(shí)制宜成為當(dāng)下農(nóng)用地整治的基本準(zhǔn)則。因此，如何科學(xué)地確定整治工作的空間組織與工作時(shí)序，從而使整治工作有據(jù)可依、有序可循，成為迫切需要解決的問題。

在農(nóng)用地整治推進(jìn)的過程中，相繼有學(xué)者從社會(huì)經(jīng)濟(jì)、生態(tài)等因子著手，對(duì)區(qū)域的適宜性條件、限制性因素等實(shí)施評(píng)價(jià)，并依據(jù)評(píng)價(jià)結(jié)果對(duì)整治區(qū)進(jìn)行劃分。在農(nóng)用地整治分區(qū)方法上，以往研究主要采用K-means算法、自組織映射神經(jīng)網(wǎng)絡(luò)（Self-Organizing Feature Map, SOFM）等傳統(tǒng)方法來實(shí)現(xiàn)。隨著研究的進(jìn)一步深入，國內(nèi)外學(xué)者逐漸意識(shí)到傳統(tǒng)聚類算法存在易陷入局部最優(yōu)等局限，并逐漸采用改進(jìn)后的聚類算法來進(jìn)行研究。Ertunc等在對(duì)農(nóng)用地整治項(xiàng)目區(qū)內(nèi)地價(jià)影響因素進(jìn)行分析的基礎(chǔ)上，通過集成K-means、K-medoids、Fuzzy C-means三種算法對(duì)整治后的農(nóng)用地價(jià)值進(jìn)行評(píng)估。Xiao等系統(tǒng)分析湖北省土地利用條件等屬性差異，采用SOFM神經(jīng)網(wǎng)路與層次聚類法（Hierarchical Clustering，HC）將湖北省分為7個(gè)整治區(qū)。毛祺等基于生態(tài)敏感性與生態(tài)系統(tǒng)服務(wù)，耦合SOFM神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)將鄂爾多斯市劃分為11個(gè)生態(tài)功能分區(qū)。相關(guān)研究通過使用改進(jìn)后的算法對(duì)研究區(qū)的屬性空間進(jìn)行分析，提升了研究的科學(xué)性。但仍存在以下問題：1）對(duì)于整治工作的時(shí)序差異研究仍需深化；2）忽略了地理要素由于位置相近而可能存在的顯著關(guān)聯(lián)性；3）聚類方案的質(zhì)量有待識(shí)別。

本文針對(duì)當(dāng)前研究所存在的不足，從農(nóng)用地整治的空間組織和時(shí)序安排兩方面進(jìn)行思考，綜合考慮聚類單元的生態(tài)敏感性、用地適宜性以及整治迫切性，利用兩級(jí)選擇性聚類集成的思路，在依據(jù)地理及屬性雙重空間構(gòu)造混合距離的基礎(chǔ)上，利用層次聚類法、SOFM神經(jīng)網(wǎng)絡(luò)、K-means聚類法3種算法生成方案庫。參考帕累托原理確定集成方案的數(shù)量，并利用質(zhì)量指數(shù)對(duì)方案進(jìn)行篩選，隨后依據(jù)優(yōu)勝方案進(jìn)行兩級(jí)聚類，形成農(nóng)用地整治時(shí)空配置的分區(qū)方案。最后，針對(duì)每個(gè)分區(qū)在農(nóng)用地整治的工作時(shí)序及整治重點(diǎn)兩方面給出了建議。從而為解決當(dāng)前研究中所存在的不足提供一些方法，并為未來全域國土綜合整治的時(shí)空配置工作提供思路借鑒。

1 研究區(qū)概況及數(shù)據(jù)來源

懷化市位于湖南省西部，下轄12個(gè)縣（市/區(qū)）及1個(gè)管委會(huì)，土地總面積27 572.54 km2，其中農(nóng)用地占土地總面積的比例達(dá)90%以上。懷化市地處中亞熱帶川鄂湘黔氣候區(qū)和江南氣候區(qū)的過渡部位，境內(nèi)雨量充沛、光溫條件較為優(yōu)越、嚴(yán)寒酷暑期短。市域內(nèi)地勢東西兩側(cè)高峻、南部突起，向中北部傾斜，地貌類型豐富，以中低山、丘陵為主。充沛的降雨與復(fù)雜的地形為土壤侵蝕提供了適宜的環(huán)境，為農(nóng)業(yè)的發(fā)展設(shè)置了障礙。為解決生態(tài)安全、耕地保護(hù)與經(jīng)濟(jì)發(fā)展間日益凸顯的矛盾。2006年以來，懷化市規(guī)劃了一系列農(nóng)用地整治項(xiàng)目，總面積達(dá)5 952.10 hm，但由于缺乏科學(xué)統(tǒng)一的空間組織與時(shí)序計(jì)劃引導(dǎo)，項(xiàng)目存在類型單一、規(guī)模效益不顯著、空間分布零散的問題。綜合來看，懷化市的自然條件、農(nóng)用地整治問題等在中國南部的農(nóng)業(yè)生產(chǎn)大市中具有較強(qiáng)的典型性與代表性，以之為研究區(qū)，利于探究具有可移植性的地級(jí)市農(nóng)用地整治思路。

研究數(shù)據(jù)包括土地利用數(shù)據(jù)、行政區(qū)矢量數(shù)據(jù)、土壤、植被、氣象數(shù)據(jù)、遙感影像數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)。其中，土地利用遙感監(jiān)測數(shù)據(jù)與行政區(qū)矢量數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https://www.resdc.cn/），水系矢量數(shù)據(jù)從第三次全國國土調(diào)查數(shù)據(jù)中提?。煌寥罃?shù)據(jù)集來源于國家冰川凍土沙漠科學(xué)數(shù)據(jù)中心（http://www.ncdc.ac.cn/portal/）；氣溫與降雨站點(diǎn)數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（https://data.cma.cn/），年均潛在蒸散發(fā)數(shù)據(jù)來源于CGIAR CSI數(shù)據(jù)集（https://cgiarcsi.community/）；DEM數(shù)據(jù)從地理空間云（http://www.gscloud.cn/search）獲取，年度NDVI與植被類型數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心；社會(huì)經(jīng)濟(jì)數(shù)據(jù)來源于《懷化統(tǒng)計(jì)年鑒》。

2 研究方法

懷化市農(nóng)用地利用問題表現(xiàn)為：沅陵縣等山區(qū)生態(tài)空間與生產(chǎn)空間的矛盾日益顯現(xiàn)，生態(tài)系統(tǒng)退化隱患較大；農(nóng)業(yè)發(fā)展?jié)摿τ写M(jìn)一步挖掘，區(qū)域農(nóng)業(yè)生產(chǎn)的比較優(yōu)勢未充分發(fā)揮；農(nóng)用地整治的統(tǒng)籌性有待提升，整體效益一般；農(nóng)用地整治的工程措施同質(zhì)化嚴(yán)重，同時(shí)空間布局分散，規(guī)模效益不明顯。研究基于上述問題，結(jié)合懷化市農(nóng)業(yè)發(fā)展的限制性因素，從空間及時(shí)間兩個(gè)維度構(gòu)建指標(biāo)體系。在此基礎(chǔ)上，將聚類單元的地理空間與屬性空間進(jìn)行結(jié)合以構(gòu)造混合距離。最后，采取兩級(jí)選擇性聚類集成方法實(shí)現(xiàn)農(nóng)用地整治時(shí)空配置。詳細(xì)研究方法如下：

2.1 指標(biāo)體系構(gòu)建

為全面解析農(nóng)用地屬性，識(shí)別區(qū)域農(nóng)業(yè)資源潛能及限制，在借鑒相關(guān)成果的基礎(chǔ)上，圍繞區(qū)域生態(tài)、用地條件與整治迫切程度，研究提出集成“生態(tài)敏感性-用地適宜性-整治迫切性”視角的農(nóng)用地整治評(píng)價(jià)框架（圖1）。

圖1 集成“生態(tài)敏感性-用地適宜性-整治迫切性”視角的農(nóng)用地整治解析 Fig.1 Analysis of agricultural land consolidation from the perspective of “Ecological sensitivity-Land suitability-Urgency”

生態(tài)敏感性指生態(tài)系統(tǒng)對(duì)自然環(huán)境變化和人類干擾的反應(yīng)程度。研究從以下方面構(gòu)建指標(biāo)（表1）：

1）地形條件：一般而言，坡度、高程越大，生態(tài)系統(tǒng)越容易受外力干擾而產(chǎn)生退化。同時(shí)，坡向是山地生態(tài)系統(tǒng)敏感程度分異的重要原因，向陽面的生態(tài)系統(tǒng)相對(duì)于背陰面更穩(wěn)定。

2）地表水系：農(nóng)業(yè)生產(chǎn)活動(dòng)會(huì)對(duì)周圍的水文系統(tǒng)造成一定影響，且距離越近越易產(chǎn)生影響。

3）植被景觀：植被覆蓋情況的不同往往會(huì)致使其生態(tài)系統(tǒng)響應(yīng)程度存在差異。本文借鑒劉思源等的研究成果，認(rèn)為闊葉林敏感性大于針葉林，常綠林大于落葉林。而在植被類型相同時(shí)，植被覆蓋度較高的區(qū)域的生態(tài)敏感性更低。

用地適宜性指區(qū)域進(jìn)行農(nóng)業(yè)生產(chǎn)的適宜程度。充分借鑒前人研究，研究從以下方面構(gòu)建指標(biāo)（表2）：

1）用地條件：光溫條件、水源涵養(yǎng)能力、用水便捷程度與土壤條件對(duì)農(nóng)業(yè)發(fā)展起決定性作用。對(duì)于水源涵養(yǎng)，本文采用InVEST模型的Water yield模塊分析。用水便捷度以農(nóng)用地（不含坑塘水面）和與之最近溝渠的距離的倒數(shù)來體現(xiàn)。

2）工程實(shí)施可行程度：基于科斯定理進(jìn)行推論，利益各方人數(shù)越多，達(dá)成有效協(xié)議的困難程度越高。因此，較多的受償農(nóng)民可能會(huì)增加項(xiàng)目推進(jìn)難度。同時(shí)，低收入會(huì)增加受償群體尋租的可能性，從而阻礙項(xiàng)目推進(jìn)。

整治迫切性指實(shí)施農(nóng)用地整治的迫切程度。借鑒前人研究，從以下方面構(gòu)建指標(biāo)（表2）：

1）整治驅(qū)動(dòng)：運(yùn)用InVEST模型的Habitat quality模塊計(jì)算生境質(zhì)量。根據(jù)其計(jì)算過程，低值農(nóng)用地距離生境脅迫源較近，生產(chǎn)條件退化隱患較大。同時(shí)，農(nóng)用地破碎化與土壤侵蝕是懷化市農(nóng)業(yè)發(fā)展的主要限制因素。此外，人均農(nóng)用地面積是人地關(guān)系協(xié)調(diào)性的表征，在其他條件既定時(shí)，優(yōu)先在用地緊張的區(qū)域補(bǔ)充農(nóng)用地。

2）用地效率：農(nóng)用地利用效率較低的區(qū)域可能存在規(guī)模性撂荒、生產(chǎn)設(shè)施不完備等情況。對(duì)于這些農(nóng)用地，應(yīng)及時(shí)整治，以保障土地資源的充分、高效利用。

2.2 指標(biāo)量化與權(quán)重確定

各指標(biāo)依據(jù)式（1）進(jìn)行歸一化處理，并邀請(qǐng)11位專家對(duì)各指標(biāo)的相對(duì)重要性程度進(jìn)行打分形成判斷矩陣，依據(jù)判斷矩陣進(jìn)行層次分析法運(yùn)算，最終結(jié)果如表1與表2所示。

表1 生態(tài)敏感性指標(biāo)體系 Table 1 Ecological sensitivity index system

表2 農(nóng)用地整治時(shí)空配置指標(biāo)體系 Table 2 Spatial-temporal allocation index system of agricultural land consolidation

式中x與′分別為歸一化前后的指標(biāo)，與為相應(yīng)指標(biāo)的最大、最小值。

2.3 基于兩級(jí)選擇性聚類集成方法

兩級(jí)選擇性聚類集成采用基本聚類算法形成聚類方案庫，依據(jù)質(zhì)量指數(shù)在方案庫中選擇若干優(yōu)勝方案進(jìn)行第二級(jí)聚類。本文所使用的兩級(jí)選擇性聚類集成方法步驟如下：

1）構(gòu)建基本聚類算法。此次研究根據(jù)算法原理，選擇層次聚類法、SOFM神經(jīng)網(wǎng)絡(luò)以及K-means聚類三種算法，算法構(gòu)建過程如表3所示。隨后對(duì)聚類單元的地理坐標(biāo)及屬性空間各項(xiàng)指標(biāo)分別進(jìn)行歸一化處理；

表3 層次聚類法、SOFM神經(jīng)網(wǎng)絡(luò)及K-means聚類算法偽代碼 Table 3 The pseudo-code of the hierarchical clustering method, SOFM neural network and K-means clustering algorithm

2）構(gòu)造混合距離。根據(jù)地理學(xué)第一定律，相近的事物關(guān)聯(lián)性更加緊密?？紤]到相近聚類單元在所構(gòu)建的屬性空間以外可能存在著顯著性關(guān)聯(lián)，本文采用混合距離來衡量聚類單元之間的相似性。反映雙重空間的集合X定義如下：

3）運(yùn)算3種基本聚類算法。隨機(jī)輸入屬性向量，基于混合距離衡量匹配點(diǎn)。在不同條件限制下，各基本算法進(jìn)行有限次的迭代，最終生成第一重的若干聚類方案；

4）對(duì)第一重聚類方案進(jìn)行篩選。本研究利用聚類的質(zhì)量指數(shù)對(duì)各方案質(zhì)量進(jìn)行量化及排序，其計(jì)算過程如式（4）所示。隨后根據(jù)排序結(jié)果篩選出若干聚類方案；

式中quality(P)是聚類方案的質(zhì)量指數(shù)，是所有聚類方 案數(shù)量，NMI(P,P)表示方案P、P之間的歸一化相互信息值（Normalized Mutual Information, NMI）。通過NMI值的計(jì)算，可比較不同簇中特定聚類單元的，從而進(jìn)一步識(shí)別各聚類方案之間的交互性，其計(jì)算過程如下：

5）依據(jù)優(yōu)勝方案對(duì)數(shù)據(jù)集進(jìn)行第二級(jí)聚類。利用MATLAB R2021a設(shè)置循環(huán)條件，將具有最大數(shù)量相同聚類單元的兩個(gè)簇的交疊部分劃分為獨(dú)立的新簇，直至形成新的聚類成果。自動(dòng)聚類過程結(jié)束后，依據(jù)屬性特征歸并相似性較大的簇。

3 結(jié)果分析

3.1 研究區(qū)屬性空間特征分析

如圖2所示，研究區(qū)三層屬性均具有顯著的空間異質(zhì)特征，區(qū)域內(nèi)部差異明顯；各屬性均呈現(xiàn)出一定的空間聚集性，但聚集的尺度與水平有所差異；屬性間的空間特征差異顯著，同時(shí)彼此之間無明確關(guān)聯(lián)性。即研究區(qū)的屬性空間呈現(xiàn)出較強(qiáng)的復(fù)雜性特征，在此條件下，簡單的分類手段已難以滿足配置要求，有必要開展進(jìn)一步的研究。

圖2 懷化市農(nóng)用地整治時(shí)空配置指標(biāo)分布圖 Fig.2 Distribution of spatial-temporal allocation indicators for agricultural land consolidation in Huaihua City

3.2 農(nóng)用地整治時(shí)空配置結(jié)果分析

將各聚類單元的中心點(diǎn)坐標(biāo)、各評(píng)價(jià)指標(biāo)的標(biāo)準(zhǔn)化值分別作為計(jì)算變差函數(shù)的地理、屬性空間變量。在此基礎(chǔ)上，利用軟件MATLAB R2021a來構(gòu)建三種基本聚類算法。從理論上來講，依據(jù)聚類單元的相似性進(jìn)行聚類所生成的簇?cái)?shù)目在[2,-1]（為聚類單元的總數(shù)）范圍時(shí)，聚類結(jié)果就有一定的意義。但出于對(duì)農(nóng)用地整治工作實(shí)際需要、研究尺度等的考慮，此次研究將聚類數(shù)目限定在[7,11]范圍內(nèi)。層次聚類法采用默認(rèn)參數(shù)進(jìn)行運(yùn)算，SOFM神經(jīng)網(wǎng)絡(luò)的初始權(quán)值為[0,1]的隨機(jī)數(shù)，地理空間變量及屬性空間變量的權(quán)重分別為0.4及0.6，基本學(xué)習(xí)速率為0.5，最大訓(xùn)練步數(shù)的選擇要結(jié)合具體聚類數(shù)目下的聚類結(jié)果，選擇聚類結(jié)果開始穩(wěn)定后的最大訓(xùn)練步數(shù)。如在SOFM網(wǎng)絡(luò)聚類數(shù)目為8且其他參數(shù)既定的條件下，當(dāng)訓(xùn)練步數(shù)達(dá)到4 000時(shí)，聚類結(jié)果穩(wěn)定下來。K-means聚類法除運(yùn)算次數(shù)外均采用默認(rèn)值，運(yùn)算次數(shù)設(shè)置為各聚類數(shù)目下聚類結(jié)果穩(wěn)定后的次數(shù)。通過運(yùn)算，最終得到15個(gè)聚類方案，225個(gè)有效NMI值，如圖3所示。

圖3 聚類方案歸一化相互信息值（NMI值）與質(zhì)量指數(shù)水平示意圖 Fig.3 Diagram of clustering scheme normalized mutual information (NMI) values and quality index levels

根據(jù)NMI值計(jì)算出各方案的質(zhì)量指數(shù)，隨后將各方案按照對(duì)應(yīng)的質(zhì)量指數(shù)由大到小進(jìn)行排序。參考帕累托原理，選擇前20%的聚類方案，篩選出聚類數(shù)目為8、10、11的層次聚類法的運(yùn)算成果，如圖4所示。

圖4 依據(jù)質(zhì)量指數(shù)篩選出的聚類方案 Fig.4 Clustering schemes filtered by quality index

對(duì)上述方案所生成的22個(gè)簇進(jìn)行分析，將具有最大數(shù)量相同聚類單元的兩個(gè)簇的交疊部分劃分為一個(gè)分區(qū)。然后根據(jù)各分區(qū)的屬性特征將300個(gè)聚類單元分為近期重點(diǎn)整治區(qū)、近期適度整治區(qū)、中期重點(diǎn)整治區(qū)、中期適度整治區(qū)與遠(yuǎn)期限制整治區(qū)5類，結(jié)果如圖5所示。

圖5 懷化市農(nóng)用地整治選擇性聚類集成與時(shí)空配置結(jié)果圖 Fig.5 Results of selective cluster ensemble and Spatio-temporal allocation of agricultural land consolidation in Huaihua City

1）近期重點(diǎn)整治區(qū)主要分布于中方縣、芷江侗族自治縣，共包含36個(gè)鄉(xiāng)鎮(zhèn)，總面積為2 495.67 km2，占全市總面積的9.05%。該區(qū)生態(tài)敏感性較低、用地適宜性與整治迫切性較高。生態(tài)系統(tǒng)穩(wěn)定、自然條件優(yōu)越，利于農(nóng)業(yè)發(fā)展，但也存在著農(nóng)用地破碎化、土壤侵蝕等限制因素。未來應(yīng)結(jié)合現(xiàn)行整治政策，以打造高效生產(chǎn)、適應(yīng)市場的現(xiàn)代農(nóng)業(yè)為目標(biāo)，以開發(fā)補(bǔ)充耕地、農(nóng)用地提質(zhì)增量、工礦廢棄地復(fù)墾、高標(biāo)準(zhǔn)農(nóng)田建設(shè)項(xiàng)目為主要內(nèi)容進(jìn)行項(xiàng)目布局。短期內(nèi)可以結(jié)合優(yōu)勢產(chǎn)業(yè)，進(jìn)一步發(fā)掘當(dāng)?shù)剞r(nóng)業(yè)潛力，建設(shè)農(nóng)用地整治示范區(qū)，打造懷化市農(nóng)業(yè)生產(chǎn)新高地。

2）近期適度整治區(qū)主要分布于會(huì)同縣、新晃侗族自治縣、溆浦縣和沅陵縣，共包含81個(gè)鄉(xiāng)鎮(zhèn)，總面積8 403.75 km2，占全市總面積的30.48%。該分區(qū)生態(tài)敏感性與用地適宜性適中，整治迫切性較高。自然條件優(yōu)越，但土壤侵蝕程度較高帶來生態(tài)系統(tǒng)退化隱患。因此，該區(qū)域范圍內(nèi)不適宜開展大規(guī)模的用地開發(fā)活動(dòng)。未來應(yīng)結(jié)合區(qū)域農(nóng)業(yè)基礎(chǔ)，對(duì)保護(hù)區(qū)外的現(xiàn)狀農(nóng)用地進(jìn)行歸并、改造，提高農(nóng)業(yè)生產(chǎn)效率，并采取綜合措施來減少這些區(qū)域的土壤侵蝕、地質(zhì)災(zāi)害隱患，促進(jìn)土地利用與生態(tài)環(huán)境相協(xié)調(diào)。

表4 懷化市農(nóng)用地整治分區(qū)屬性情況及面積 Table 4 Zoning properties and areas of agricultural land consolidation in Huaihua

3）中期重點(diǎn)整治區(qū)主要分布于溆浦縣、鶴城區(qū)、洪江市、洪江區(qū)，共包含80個(gè)鄉(xiāng)鎮(zhèn)、11個(gè)街道與1個(gè)轄村度假區(qū)，總面積為6 225.42 km2，占全市總面積的22.58%。該分區(qū)生態(tài)敏感性較低、用地適宜性較高、整治迫切性適中。生態(tài)系統(tǒng)穩(wěn)定、自然條件優(yōu)越、農(nóng)業(yè)發(fā)展?jié)摿^高。未來應(yīng)以進(jìn)一步改善農(nóng)業(yè)生產(chǎn)條件，減少農(nóng)業(yè)發(fā)展限制性因素為工作重點(diǎn)，開展大范圍的破碎土地歸并、高標(biāo)準(zhǔn)農(nóng)田建設(shè)、土壤構(gòu)型改良等農(nóng)用地提質(zhì)工程項(xiàng)目，增加農(nóng)用地?cái)?shù)量，提高其生產(chǎn)規(guī)模效益，進(jìn)一步鞏固全域農(nóng)業(yè)重心地位。

4）中期適度整治區(qū)主要分布于通道侗族自治縣，共包含21個(gè)鄉(xiāng)鎮(zhèn)、1個(gè)林場、1個(gè)農(nóng)場，總面積為2 021.14 km，占全市總面積的7.33%。該分區(qū)生態(tài)敏感性、用地適宜性、整治迫切性均適中。該區(qū)的農(nóng)用地整治應(yīng)以“優(yōu)化生態(tài)安全格局與農(nóng)業(yè)生產(chǎn)條件并行”為重點(diǎn)，農(nóng)用地的提質(zhì)增量以保障當(dāng)?shù)厣鷳B(tài)安全為前提?？傮w而言，整治力度不宜過大，應(yīng)結(jié)合當(dāng)前農(nóng)業(yè)發(fā)展格局，以現(xiàn)存問題為導(dǎo)向?qū)ι鷳B(tài)敏感區(qū)以外區(qū)域的生產(chǎn)條件加以改善。除此之外，可在播陽農(nóng)場等區(qū)域?qū)⑥r(nóng)業(yè)發(fā)展與旅游觀光相結(jié)合，構(gòu)建田園綜合體，并以部分收益投入到生態(tài)修復(fù)與保護(hù)中，在提高用地效益的前提下形成良性循環(huán)。

5）遠(yuǎn)期限制整治區(qū)主要分布于靖州苗族侗族自治縣、芷江侗族自治縣、麻陽縣、沅陵縣，共包含68個(gè)鄉(xiāng)鎮(zhèn)，總面積為8 426.56 km，占全市總面積的30.56%。該分區(qū)生態(tài)敏感性較高、用地適宜性較低。在該區(qū)域?qū)嵤┺r(nóng)業(yè)活動(dòng)的規(guī)模效益低、成本高昂且生態(tài)安全難以保障。即區(qū)域農(nóng)業(yè)發(fā)展?jié)摿Σ蛔悖M(jìn)行農(nóng)用地整治的戰(zhàn)略意義不明顯。因此，不建議在該分區(qū)范圍內(nèi)實(shí)施大規(guī)模的農(nóng)用地?cái)U(kuò)張與建設(shè)活動(dòng)。

4 討 論

為全面解析農(nóng)用地屬性，研究基于“生態(tài)敏感性-用地適宜性-整治迫切性”的視角，結(jié)合懷化市用地問題與限制性因素，從時(shí)間與空間兩個(gè)維度構(gòu)造評(píng)價(jià)體系。具體而言，用生態(tài)敏感性表征生態(tài)保護(hù)要求，用地適宜性表征農(nóng)業(yè)生產(chǎn)潛力，對(duì)懷化市的農(nóng)業(yè)生產(chǎn)的效益與限制性因素進(jìn)行識(shí)別，從而為整治項(xiàng)目的重點(diǎn)內(nèi)容與力度提供參考。同時(shí)出于行政管理的考慮，用整治迫切性指標(biāo)為管理者對(duì)項(xiàng)目區(qū)的優(yōu)先級(jí)劃分提供參考。未來研究可結(jié)合農(nóng)用地整治的多目標(biāo)化和差異化趨勢，進(jìn)一步因地制宜地優(yōu)化和完善評(píng)價(jià)指標(biāo)體系。

在農(nóng)用地整治時(shí)空配置的方法上，研究基于傳統(tǒng)聚類算法不兼顧地理空間、易陷入局部最優(yōu)的問題提出了兩級(jí)選擇性聚類集成方法。通過構(gòu)造兼顧屬性與地理空間的混合距離，充分考慮到相近地理要素的自相關(guān)性，從而能夠克服聚類成果集聚性不高的問題。項(xiàng)目區(qū)的集聚利于整治工程發(fā)揮規(guī)模效應(yīng)，從而極大程度地降低整治成本。但項(xiàng)目區(qū)的劃分仍需以區(qū)域特征為依據(jù)，不應(yīng)過分追求項(xiàng)目區(qū)連片而忽略部分區(qū)域的實(shí)際屬性，尤其是以行政區(qū)為單元進(jìn)行聚類時(shí)，更要注重聚類成果對(duì)區(qū)域?qū)傩缘姆从?，否則會(huì)對(duì)決策者造成誤導(dǎo)。同時(shí)，新的聚類方法引入了質(zhì)量指數(shù)，通過方案質(zhì)量識(shí)別與優(yōu)選的方式有效保障了聚類成果的質(zhì)量，從而為農(nóng)用地整治時(shí)空配置提供更加有效的方案。聚類過程的自動(dòng)化也充分保障了研究成果的客觀性。但研究在以下方面還存在著進(jìn)步空間：1）研究在對(duì)聚類方法的原理進(jìn)行分析的基礎(chǔ)上，選用了學(xué)術(shù)界常用的三大聚類算法。如圖3所示，在懷化市農(nóng)用地整治時(shí)空配置中，各聚類算法的質(zhì)量指數(shù)差異較為明顯，這體現(xiàn)出了基本聚類算法的選擇上存在一定不確定性，但同時(shí)也說明了聚類集成策略的意義及方案比選的必要性；2）若要采取大規(guī)模計(jì)算的思路來進(jìn)一步提高聚類方法的有效性，有必要找到方案庫容量、方案優(yōu)選數(shù)量與聚類效果的相關(guān)性。在理論充足的前提下，可以通過進(jìn)一步提高運(yùn)算量來實(shí)現(xiàn)聚類質(zhì)量的突破；3）通過對(duì)NMI值的衡量，質(zhì)量指數(shù)能夠依據(jù)各簇間的相似性來剔除異常方案。未來的研究可以從更多的方面進(jìn)行切入對(duì)方案質(zhì)量進(jìn)行檢驗(yàn)?？傮w而言，實(shí)例研究驗(yàn)證了兩級(jí)選擇性聚類集成的有效性，在未來的農(nóng)用地整治等領(lǐng)域中，可以嘗試結(jié)合該方法對(duì)整治項(xiàng)目進(jìn)行空間組織與時(shí)序安排。

5 結(jié) 論

本文綜合考慮生態(tài)敏感性、用地適宜性與農(nóng)用地整治迫切性因素，分層構(gòu)建了體現(xiàn)聚類單元農(nóng)用地整治時(shí)空特征的指標(biāo)體系，并基于兼顧地理、屬性雙重空間的混合距離，使用兩級(jí)選擇性聚類集成的方法進(jìn)行農(nóng)用地整治時(shí)空配置研究，在明確各分區(qū)特征的基礎(chǔ)上，結(jié)合區(qū)域發(fā)展需求提出農(nóng)用地整治的重點(diǎn)方向及內(nèi)容。

懷化市生態(tài)敏感性、用地適宜性與整治迫切性均具有顯著的空間異質(zhì)特征，空間格局差異明顯，彼此之間無明確空間關(guān)聯(lián)性。在此條件下，如自然斷點(diǎn)等簡單分類方法已不能滿足配置需求，需進(jìn)一步展開研究；通過兩級(jí)選擇性聚類集成的方法將懷化市300個(gè)聚類單元分為近期重點(diǎn)整治區(qū)、近期適度整治區(qū)、中期重點(diǎn)整治區(qū)、中期適度整治區(qū)、遠(yuǎn)期限制整治區(qū)5個(gè)分區(qū)，面積分別為2 495.67、8 403.75、6 225.42、2 021.14、8 426.56 km，分別占全縣土地總面積的9.05%、30.48%、22.58%、7.33%、30.56%；不同算法之間質(zhì)量指數(shù)存在著明顯的差異，這體現(xiàn)了聚類集成與方案優(yōu)選的必要性；實(shí)例結(jié)果顯示，在聚類單元較多、屬性空間復(fù)雜的條件下，兩級(jí)選擇性聚類集成方法仍適用。并且因其基于地理與屬性雙重空間，同時(shí)具有兼容不同算法和識(shí)別聚類質(zhì)量的優(yōu)勢，相較于傳統(tǒng)聚類方法，其所提供的方案更具實(shí)踐價(jià)值。