东北典型黑土区农村居民点对水土流失影响研究

冯 琳，雷国平

(东北大学文法学院，辽宁 沈阳 110169)

农村居民点作为农村人口生产和生活综合功能的承载体，其数量、密度、形态、规模及空间布局是人类开垦土地和改变土地利用格局进而体现人地关系的最强烈表征形式，是一个地区自然生态环境和社会经济发展状况的直接映射[1]。农村居民点是中国农村人口聚居的主要形态，在城乡快速转型和城乡一体化发展的背景下，中国农村水土流失严重、城乡“两栖”占地、“空心村”与“外扩内空”等问题日益凸显[2]。东北典型黑土区耕作层具有有机质含量高、土壤肥沃、土地集中连片、最适宜耕作等优点，因而成为我国重要的商品粮基地[3]。然而，农村居民点空间布局长期处于自发选择状态，呈现“外扩内空”现象，侵占了周边大量优质耕地，破坏了原有植被与耕层，降低了土壤耕性，削弱了土壤保持能力。同时，不合理的农业耕作方式导致土壤结构发生明显变化、植被覆盖度不断降低、侵蚀沟急剧发展，加速了水土流失和生态环境破坏的态势[4]，使得东北典型黑土区正在逐渐丧失作为商品粮基地的“黑土”基础，粮食安全与黑土资源的可持续利用受到严重威胁[5]。克山县作为东北典型黑土区重要的粮食主产区，水土流失成为制约经济发展和威胁粮食安全的重要因素。相关研究[6]表明，克山县农村居民点面积每变化0.53 km2将导致水土流失面积增加26.95 km2，水土流失强度逐步加剧。因此，探究克山县农村居民点布局对水土流失影响，对于开展水土流失防治、保障粮食安全和保护黑土资源，具有重要战略意义。

近年来，随着国家农村发展战略驱动和3S技术不断发展，国内众多学者针对农村居民点空间分布与时空演变开展研究。学者们的研究大多集中在北京[7]、重庆[8]等国内主要大城市周边的农村地区以及西部黄土丘陵区[9]、中部传统农区[10]、南部丘陵区[11]、干旱绿洲区[12]和东部经济发达区[13]等区域，从不同尺度、不同时间跨度，采用Voronoi图[14]、核密度分析[15]、邻近距离测度[16]、空间热点探测[17]、空间自相关[18]和空间洛伦兹曲线[19]方法探求农村居民点分布特征及其变化，针对农村居民点用地与农村人口[20]、社会经济发展[21]、城镇建设用地[22]、农地流转[23]等的相互作用关系展开大量研究。目前，关于农村居民点的研究虽已取得丰硕成果，但就典型黑土区、生态环境脆弱地区农村居民点对生态环境在空间定量分析方面的影响研究仍比较缺乏。

鉴于此，从人地关系视角出发，以东北典型黑土区、松嫩平原粮食主产区克山县为例，采用分散度统计、核密度估计、空间关联度模型、标准距离和标准差椭圆等空间统计方法，探索1988—2018年克山县农村居民点空间分布特征及演变规律，通过构建RULSE模型把握水土流失强度空间分布格局，采用广义变异系数的灰色关联度量化模型研究农村居民点空间分布特征对水土流失的空间影响，以此反映人类活动对水土流失的影响规律，为合理调控农村居民点分布格局、有效预防及治理东北典型黑土区水土流失提供理论支撑及可行方案。

1 研究区概况与数据来源

1.1 研究区概况

克山县位于黑龙江省齐齐哈尔市东北部，地理坐标为47°50′～48°33′ N、125°10′～126°8′ E(图1)，地处小兴安岭南麓与松嫩平原过渡地带的典型黑土区。克山县近80%地貌类型为低海拔洪积台地(高平原或漫岗区)，受自然和人为因素影响，由地表侵蚀形成的水沟及沟壑较多；属于温带大陆性季风气候覆盖区，有效积温为2 503.6 ℃；土壤类型以黑土为主，局部草甸土、黑钙土相间分布。作为“两大平原”现代农业综合配套改革试验重点推进县、国家重点商品粮和马铃薯基地县，承担着保障国家粮食安全的重要战略作用。

克山县农村居民点总面积为7 183.31 hm2，总体呈“大散居、小聚居”的不均匀分散分布特征。截至2019年，克山县土地总面积为3.32×105hm2，粮食播种面积达2.03×105hm2，实现粮食总产量15.7亿t。同时，作为典型黑土区开发较早、垦殖指数较高的县份之一，克山县处于国家级水土流失重点治理区，农户认识滞后、重用轻养，人类干扰使得黑土区坡耕地每年流失6～7 mm厚的表层黑土，黑土层由初垦的50～100 cm减少到10～20 cm，25%的坡耕地母质裸露，有机质含量w下降到2%～3%，水土流失面积扩大,黑土层变薄，耕地地力逐渐下降,粮食减产幅度加大。

1.2 数据来源及处理

主要数据来源：(1)基于Landsat 4-5 MSS/TM(分辨率为30 m)、Landsat 7 TM/ETM(分辨率为30 m)和Landsat8 OLI(经全色波段处理后分辨率为15 m)数据，对遥感影像进行辐射纠正、几何校正、图像配准等预处理，基于监督分类与目视解译相结合方式获得1988、1998、2008和2018年土地利用数据，提取农村居民点数据(剔除0.1 hm2以下的图斑)；(2)2018年ASTER GDEM 30 m分辨率数字高程模型(DEM)来源于中国科学院计算机网络信息中心地理空间数据云(http:∥www.gscloud.cn/)，采用ArcGIS 10.6软件表面分析方法提取坡度、坡长等地形因子；(3)2018年降雨侵蚀数据、土壤可蚀性因子数据来源于中国科学院东北地理与农业生态研究所东北亚资源环境大数据中心(http:∥www.igadc.cn/)；(4)2018年水系、道路等数据来源于中国科学院资源环境科学数据中心(http:∥www.resdc.cn/)。

2 研究方法

2.1 农村居民点分散度统计

农村居民点分散度指每个统计格网内农村居民点斑块数量，其动态变化能反映农村居民点新生扩散、合并或消亡的时空过程。借助ArcGIS 10.6软件，基于1988、1998、2008和2018年农村居民点斑块矢量数据，经多次比较选择1 km×1 km格网单元(共计3 348个网格)，对克山县农村居民点分散程度进行统计。为避免重复计算，在计算各个格网内农村居民点图斑数量时，将面状图斑转化为点状图斑，以其中心点落入范围为基准进行统计。

2.2 核密度估计

核密度估计(kernel density estimation，KDE)作为空间分析中一种非参数的表面密度估计统计方法，可测度农村居民点空间分布密度，其分布密集程度与核密度值呈正比。在参考前人研究成果基础上，利用ArcGIS 10.6软件中feature to point功能提取农村居民点面状斑块质心，基于kernel density工具，在多次比选最佳结果基础上，选取2 000为搜索半径、30为像元大小对农村居民点密度空间差异特征进行可视化表达。计算公式为

(1)

式(1)中，Fn(x)为农村居民点核密度值；n为农村居民点样本数量；h为搜索半径；k为核密度函数；x-xi为2个农村居民点之间的距离。

2.3 空间关联测度模型

空间关联测度模型可揭示空间数据分析的潜在相关依赖性，采用全局聚类检验与空间热点探测分析相结合的方法，检验数据单元数据空间自相关和空间异质性，以此对克山县农村居民点规模集聚特征进行分析。采用全局聚类检验(Getis-Ord generalG)测度农村居民点规模的全局空间关联特征，表征农村居民点规模趋势趋于高值聚类还是低值聚类。采用ArcGIS 10.6软件以图斑为基本单元，以单元内农村居民点规模为属性值，运用全局聚类检验对农村居民点的空间集聚性进行分析。计算公式为

(2)

(3)

式(2)～(3)中，wij(d)为通过距离规则定义的空间权重；xi和xj分别为i和j区域观测值；E(G)和Var(G)分别为G(d)的期望值和方差。通过Z(G)可以辨别G(d)的显著性水平及是否存在空间上正负相关性。当G(d)为正，且Z(G)统计显著时，表示农村居民点斑块存在空间集聚，斑块呈现高值聚类；当G(d)为负，且Z(G)统计显著时，则表示呈现低值聚类。

采用空间热点探测分析(Getis-OrdGi)测度农村居民点规模的局域空间关联度，表征农村居民点规模在局部地区是否存在明显高值聚集区或低值聚集区，即是否存在局部地域的“热点”区或“冷点”区。采用ArcGIS 10.6软件以图斑为基本单元，以单元内农村居民点规模为属性值，采用空间热点探测分析对农村居民点的规模集聚性进行分析。计算公式为

(4)

若Z(Gi)为正，且统计显著，表示农村居民点斑块规模呈局部高值集聚，属于“热点”区；若Z(Gi)为负，且统计显著，则农村居民点呈小规模集聚，属于低值聚集“冷点”区。

2.4 标准距离与标准差椭圆

标准距离(SD)是对经典统计学中标准差在二维空间的推广，以揭示农村居民点在空间分布上扩张或收缩的趋势与特征。采用ArcGIS 10.6软件分析农村居民点在时间尺度上辨析不同时段标准距离的动态轨迹，反映农村居民点覆盖范围的时空过程。计算公式为

(5)

标准差椭圆(SDE)也称Lefever方向性分布，通过从多维视角精确地对比标准差椭圆动态从掌握农村居民点的扩展趋势，椭圆长、短轴分别代表农村居民点在空间上展布的主要与次要方向，方位角反映农村居民点空间分布的主趋势方向及偏离程度。计算公式为

(6)

(7)

2.5 景观指数分析

景观格局即高度浓缩的景观要素空间格局，由人类活动和环境干扰共同影响形成，能够建立景观与格局过程间的紧密联系。水土流失治理需要丰富的理论基础，依据景观生态学格局核心理论开展研究，是解决这一问题的根本途径。若农村居民点分布合理，则人类活动对水土流失的影响将在适度范围内。从农村居民点规模、形态和分布3个方面选取斑块数目(NP)、斑块密度(PD)、景观形状指数(LSI)、斑块面积标准差(PSSD)、面积加权平均形状因子(SHAPE_AM)、面积加权平均斑块分形指数(FRAC_AM)、面积加权平均近邻度指数(PROX_AM)、聚集度指数(AI)和蔓延度指数(COHESION)9个指标作为定量表征农村居民点分布特征对水土流失的影响因子，采用Fragstata 4.2软件计算各景观格局指数。

2.6 土壤侵蚀方程

通用土壤流失方程(ULSE)自建立以来广泛应用于侵蚀预测和水土保持规划等方面，取得了巨大的经济与社会效益。但ULSE模型仅考虑了降雨侵蚀力因子，未考虑与土壤侵蚀密切相关的其他因子。因此该文采用美国农业部农业研究局(USDA-ARS)修正后的土壤侵蚀分析模型(RUSLE)对克山县土壤侵蚀强度进行估算。基本原理如下：

A=R×K×LS×C×P。

(8)

式(8)中，A为年土壤侵蚀模数，t·hm2·a-1；R为降雨侵蚀力因子，MJ·mm·hm-2·h-1·a-1；K为土壤可蚀性因子，t·h·MJ-1·mm-1；L、S分别为坡长、坡度因子；C为植被覆盖与管理因子；P为水土保持措施因子。

采用30 m分辨率的DEM数据提取坡度、坡长因子，借鉴LIU等[24]和MCCOOL等[25]的方法对坡度、坡长因子分段进行修正；借鉴谭炳香等[26]的方法计算植被覆盖率，借鉴蔡崇法等[27]的方法计算植被覆盖与管理因子；借鉴许月卿等[28]的研究成果确定各土地利用类型的水土保持措施因子。

2.7 广义变异系数的灰色关联度量化模型

农村居民点分布形式对水土流失的影响较为复杂，且人为因子属于“小样本”“贫信息”，采用灰色关联度分析方法研究这类问题最为有效。广义的灰色关联度大都与邓氏关联度近似，不能反映正、负相关关系。鉴于此，该文采用基于广义变异系数的灰色关联度量化模型[29]计算不同农村居民点分布特征因子与水土流失面积的灰色关联度。

3 农村居民点演变时空过程特征分析

3.1 用地规模的空间分异与演化特征

基于1 km×1 km格网计算得到4个时期克山县农村居民点分散度(表1和图2)。

表1 1988—2018年克山县农村居民点分散度统计

由表1和图2可知，1998—2018年研究区农村居民点数目呈明显增加趋势，斑块数量从1 532个增加至3 392个，斑块格网数量由928个增加到1 320 个，大量耕地资源被农村建设用地占用。1988—2018年农村居民点分散度在[0，1]阈值区间的格网数量减幅较小，但格网占比显著增加；分散度在[2，23]阈值区间的格网数量和占比均呈增加趋势。这表明研究区农村居民点内部格局杂乱，“散、空、乱”特征显著，呈满天星式分布格局，用地集约程度亟待提高。究其原因，1988年大部分农户选择位于水流冲击平原地带进行农耕，随着时间推移，农户选择漫岗平原地貌及地形起伏较大的丘陵地区进行耕种生活；生产力水平的提高促使村民外出务工数量逐年增加，各村大量宅基地处于季节性闲置或长期空置状态，“空心化”现象十分严重。

3.2 密度分布的空间分异与演化特征

采用核密度估计方法生成克山县农村居民点4个时期的核密度估计值分布图(图3)。由图3可知，研究区农村居民点在空间分布上呈现高密度多核心集聚、低密度广泛分布的特征。1988年克山县核密度估计的最高值为7.17个·km-2，2018年研究区核密度估计的最高值为10.84个·km-2，表明克山县单位面积农村居民点斑块数量明显增加。从空间分布来看，与1988年相比，2018年农村居民点斑块逐渐呈现多核破碎化趋势，且核的分布位置也有所变化。1988年农村居民点围绕克山镇、古城镇、河北乡和双河镇形成4大密度核心集聚，2018年农村居民点呈现多核心式分散布局，在西城镇、河北乡、古北乡、克山镇、古城镇和向华乡形成高密度集聚区，其四周以散点分布，整体呈现低密度分布状态。伴随着城乡收入差距扩大及农村人口不断增长，人地关系发生改变，有效耕作半径内的耕地已难以满足农户生活所需，耕地以及农村居民点数量和面积均出现外延式发展，而忽略对原有农村居民点的挖潜。

3.3 空间集聚的空间分异与演化特征

采用全局聚类检验测度农村居民点用地规模的全局集聚特征，1988、1998、2008和2018年4个时期克山县Z得分分别为-7.075 8(P<0.001)、-6.496 9(P<0.001)、-7.774 5(P<0.001)和-7.575 7(P<0.001)，表明克山县农村居民点斑块规模的空间分布特征均呈现低值聚集特征，同时Z值得分均大于2.58，说明通过了假设检验，并且置信度在99%以上。

采用空间热点探测分析方法对克山县农村居民点规模的局部分异进行集聚分析，制作农村居民点规模分布可视化“热点”图(图4)。由图4可知，1988—2018年克山县“冷点”和“热点”区均呈现不同程度变化，农村居民点“冷点”区分布在克山镇和向华乡周围，该地区呈小规模集聚的空间分布特征；“热点”区分布在北兴镇、曙光乡、北联镇、发展乡、西联乡和西建乡，该地区农村居民点呈大规模集聚的空间分布特征。同时，对比核密度分布(图3)与“热点”分布(图4)，发现克山县部分地区农村居民点规模分布与密度分布表现出较明显负相关关系，部分地区存在高密度小规模农村居民点的空间特征。

3.4 扩展趋势的空间分异与演化特征

采用标准距离及标准差椭圆分析1988—2018年研究区农村居民点扩展趋势，得出标准距离及标准差椭圆(图5)。

由图5可知，1988—2018年研究区农村居民点标准距离由22 526.47 m扩展为22 742.70 m，重心向东北方向偏移216.23 m，一定程度上反映农村居民点整体分布向东北扩展的趋势。标准差椭圆长轴和短轴分别增长2 589.04和661.96 m，短轴的增长远小于长轴的扩张，表明克山县东北部地区是农村居民点热点扩展区。椭圆方位角由137.09°偏转为141.81°，偏转角向东北方向旋转4.72°，表明2018年农村居民点整体向东北方向扩展的趋势，这也呼应了标准距离呈现的东北方向扩展趋势。

4 农村居民点分布与水土流失耦合关系分析

4.1 水土流失侵蚀强度分级

采用修正土壤流失方程RULSE，并根据SL 190—2007《土壤侵蚀分类分级标准》，得到克山县各水土流失侵蚀类型分布(图6)。由图6可知，克山县水土流失各侵蚀等级面积由大到小依次为微度>轻度>中度>强度>极强度>剧烈，分别占水土流失总面积的40.18%、26.63%、26.05%、3.30%、2.13%和1.71%。这表明克山县水土流失等级以微度、轻度和中度侵蚀为主，3者面积占水土流失总面积的92.86%，而强度及以上水土流失等级面积仅占水土流失总面积的7.43%。从空间分布上看，水土流失强度空间分布格局与农村居民点空间分布格局基本一致。

4.2 农村居民点分布特征与水土流失耦合关系的指标体系建立

采用均值化变换对数据进行标准化，基于广义变异系数的灰色关联度量化模型计算得到农村居民点分布特征因子与水土流失面积的灰色关联度(表2)。人类活动从正负2个方面影响区域水土流失强度和广度，农村居民点分布特征因子可分为减缓水土流失的正向因子和加剧水土流失的负向因子。由表2可知，斑块密度、面积加权平均近邻度指数与水土流失面积呈现负相关关系，斑块数目、斑块面积标准差、面积加权平均形状因子、面积加权平均斑块分形指数、聚集度指数、蔓延度指数与水土流失面积呈现正相关关系。

表2 克山县不同农村居民点分布特征因子与水土流失面积的灰色关联度

§(K0)为K0的变异系数，§(K0/Ki)为广义变异系数，γ(X0/Xi)为关联度。

4.3 农村居民点分布特征与水土流失耦合关系

筛选出研究区各农村居民点分布特征与水土流失面积关联度绝对值最大的聚集度指数、景观形状指数、面积加权平均近邻度指数、斑块密度、斑块面积标准差和蔓延度指数6个指标(表2)，定量表征农村居民点分布特征对水土流失的影响程度(表3)。其中，农村居民点分布特征因子与水土流失面积的灰色关联系数为负值，表示指标值越大则水土流失面积越小；灰色关联系数为正值，表示指标值越大则水土流失面积也越大。

表3 克山县不同农村居民点分布特征因子与水土流失耦合关系

农村居民点分布越广泛、越密集，人为活动影响水土流失的范围和强度越大，从而对水土流失产生的影响越强烈。克山县微度、轻度和中度水土流失区面积为314 755.63 hm2，占水土流失总面积的92.86%。在土地大规模流转背景下，克山县农户耕作较少，使得居民点斑块密度增加的同时，人类活动对地区植被和土壤影响的强度增加，但范围却缩小，且随着退耕还林还草等工程的开展，研究区水土流失面积有所减少。强度、极强度和剧烈水土流失区面积合计为24 202.85 hm2，占水土流失总面积的7.14%；这3个水土流失等级涉及农村居民点面积为363.83 hm2，占农村居民点总面积的5.07%。该区域农村居民点分布比较密集，聚集度指数和斑块面积标准差增加的同时，景观形状指数和蔓延度指数也增加，人类活动干扰频繁，人为活动强度超过生态环境承载能力，水土流失严重。

5 讨论与结论

5.1 讨论

研究结果表明，克山县农村居民点建设规划处于弱势地位，农村居民点斑块数由1 532个增加至3 392 个，且布局处于盲目无序发展状态，该现象加剧了水土流失和生态环境破坏，严重影响农村生产生活可持续发展。从空间上，农村居民点用地扩张过程为农村居民点用地与周围环境之间竞争性控制和覆盖过程，即在农村居民点用地不断拓展的同时，自然空间在不断后退[30]。究其原因，克山县处于东北典型黑土区，作为典型农业大县，耕地集中连片，农户耕作区由水流冲击平原地带逐渐向漫岗平原地貌及地形起伏较大的丘陵地区转移[31]，农村居民点多以小规模零星形式分布在各耕作区域。研究区人类活动强度远远超过区域生态环境承载能力，农村居民点侵占了大量优质耕地，破坏了土壤团粒结构，降低了植被覆盖度，削弱了土壤保持能力，导致水土流失进一步加剧[32]。

鉴于此，针对克山县无序扩张、用地粗放的问题，应在充分尊重农村居民点发展自然演变规律的基础上，根据人口数量和耕地分布情况，宜并则并，宜缩则缩，将腾退空间用于农村居民点基础服务配套设施的建设以及土地的复垦与开发。针对“空心村”现象，应当深化农村宅基地制度改革，鼓励农村集体经济组织盘活空闲农房及闲置宅基地，鼓励农户自愿有偿退出宅基地。在生态文明建设及乡村振兴战略实施的背景下，依据克山县农村居民点演变规律，积极利用增减挂钩等政策对农村居民点进行整治，提高土地利用率。同时，将人工治理与生态自我修复相结合，并通过深松、垄作区田、植物覆盖等耕作技术改善土壤结构，提高土壤蓄渗水能力，增加土壤抗冲抗蚀性能，有效防止水土流失。

不同水土流失类型由不同农村居民点分布特征引起，因此要因地制宜调控居民点分布格局，以便有效开展水土流失防治和保持水土[33]。针对克山县水土流失问题，结合农村居民点景观格局指数，在微度、轻度、中度侵蚀地区，应增加单位面积居民点个数，即增加斑块密度，并降低分布的整体聚集度，开发周边适宜居住区域；在强度、极强度、剧烈侵蚀地区，应适当分散区域居民点，降低农村居民点景观形状指数，即设计建造居民点住宅区时丰富住宅整体布局。

该文在分析农村居民点对水土流失影响所蕴含的本质问题时，尚未提出有效的农村居民点空间重构建议。在后续研究过程中，将结合克山县自然资源禀赋、生产生活可达性、基础发展条件，尝试对农村居民点空间进行优化，进而改善东北典型黑土区生态环境，切实保护稀缺的黑土资源，夯实国家粮食安全的基础。

5.2 结论

该文从用地规模、密度分布、空间集聚和扩展趋势4个方面分析1988—2018年克山县农村居民点时空演变特征，探讨农村居民点空间分布特征与水土流失之间的耦合关系，得出如下结论：

(1)1998—2018年克山县农村居民点斑块数目逐渐增加，分散化趋势明显，集约用地程度低；农村居民点整体呈现高密度多核心集聚、低密度广泛分布特征，由4大密度核心聚集逐渐趋于多核心式分散布局；农村居民点全局均呈现低值聚集的空间分布特征，部分存在高密度小规模农村居民点并存的空间特征；农村居民点呈现向东北扩展的趋势，研究区东北部是农村居民点热点扩展区。

(2)克山县水土流失类型以微度、轻度和中度侵蚀为主，其面积占水土流失总面积的92.86%。水土流失强度空间分布格局与农村居民点空间分布格局基本一致。

(3)斑块密度、面积加权平均近邻度指数与水土流失面积呈现负相关关系，斑块数目、斑块面积标准差、面积加权平均形状因子、面积加权平均斑块分形指数、聚集度指数、蔓延度指数与水土流失面积呈现正相关关系。农村居民点分布特征因子与水土流失面积的关系存在差异，农村居民点分布范围与密度对水土流失具有较强作用。