延安市宝塔区农村居民点空间分布特征及其影响因素研究

赵晨曦，贺炳彦，李 雪

(长安大学 土地工程学院，陕西 西安 710054)

0 引言

科学合理的乡村规划是实施乡村振兴战略的基础[1]，《乡村振兴战略规划(2018—2022年)》中指出村庄规划要考虑所在村庄的演变规律、集聚特点和现状分布等。社会经济和城镇化快速发展的同时，由于科学合理的规划管理不足，农村居民点存在着空心化、资源浪费等问题[2]。因此，依据对农村居民点空间分布特征及其影响因素的分析来进一步规划农村居民点布局，日益受到关注。

基于此，本文将位于陕北黄土高原并且具有典型丘陵沟壑地形的革命老区宝塔区作为研究区，各个乡镇为研究单元，结合Voronoi图、核密度估计和缓冲区分析方法，并借助地理探测器，分析研究宝塔区农村居民点空间分布特征及其影响因素，为进一步合理优化布局农村居民点、节约集约利用土地提供依据。

1 材料与方法

1.1 研究区概况

宝塔区地处陕西省北部，隶属于延安市，位于36.11°～37.09°N、109.21°～110.03°E之间，全区总面积3 541 km2，占延安市总面积的9.3%，是延安市中心城区。2021年末，该区有12个镇、1个乡和6个城市街道，320个行政村，常住人口640 951人。农村居民点用地图斑9 771个，面积为2 768.96 hm2。宝塔区属温带季风气候，年均无霜期150 d；位于陕北黄土高原中原丘陵沟壑区，地势总体上西北、西南部较高，中部隆起；最高高程1 521 m，最低高程815 m。交通主要包括210国道、包西铁路、国家高速公路G65包茂段等。

1.2 数据来源及数据处理

研究数据主要包括农村居民点数据、地形地貌数据、主要道路数据、河流数据、以及行政区数据。其中，地形地貌数据来源于地理空间数据云(http：//www.gscloud.cn/)下载的1∶300 000分辨率的ASTER-GDEM数据，通过ArcGIS软件按行政区镶嵌提取宝塔区的DEM数据，然后通过提取分析获取掩膜后的DEM数据，最后运用栅格表面工具提取高程和坡度数据；农村居民点数据、主要道路数据、河流数据以及行政区数据均来自于三调数据库，运用ArcGIS软件生成道路和河流的多环缓冲区。

因为提取到的农村居民点用地形状多为不规则多边形，故而利用“以点代面”的方法，用点来反映农村居民点位置的点坐标信息[12]。借助ArcGIS软件中的要素转点工具，提取宝塔区农村居民点图斑的质心，将农村居民点用地图斑转为点状要素，以点集为对象进行研究，然后创建泰森多边形，生成宝塔区农村居民点Voronoi图，并计算各乡镇CV值。

1.3 研究方法

1.3.1 Voronoi图法

由于泰森多边形面积随点集的分布而发生变化，因此可用多边形面积的变异系数CV值(即泰森多边形面积的标准差与平均值的比)来衡量凸多边形面积的变异系数，从而评估样点的分布类型[13]。CV值计算公式如下：

(1)

(2)

式中：Si为第i个多边形的面积，S为多边形面积的平均值，n为多边形面积的个数，R为标准差。

当点集在空间上表现为“均匀分布”时，多边形面积变化小，CV值也小；当点集表现为“集群分布”时，多边形面积在集群内较小，在集群之间较大，故而CV值也大。Duyckaerts提出三个建议值：当CV=57%(包括33%～64%)时，农村居民点集为“随机分布”；当CV=92%(包括>64%)时，农村居民点集为“集群分布”；当CV=29%(包括<33%)时，农村居民点集为均匀分布[14]。在此标准上，借助ArcGIS软件分析得到宝塔区农村居民点Voronoi图，并计算得到宝塔区各乡镇及各村的CV值(图1、图2)。

注：该图基于陕西测绘地理信息局下载的审图号为陕S(2021)023号标准地图制作，边界无修改，下同。

图2 宝塔区各乡镇农村居民点CV值分布图

1.3.2 核密度估计

核密度估计用于非参数估计中，估计样本数据的概率密度函数，对样本数据进行建模，以此得到数据分布的一些性质。核密度估计计算公式如下[15]：

(3)

式中：h为搜索半径，n为搜索范围内的点数，k为核函数，x-xi为x与xi两点间的距离。

核密度值的高低代表研究对象在空间分布上的聚集程度[16]。核密度值大，农村居民点在空间上表现为密集分布；反之，则稀疏分布。为使得最终的核密度分布图能充分的展现宝塔区的农村居民点分布情况，将搜索半径确定为1 500 m，借助ArcGIS软件分析得到宝塔区农村居民点核密度分布图(图3)。

1.3.3 缓冲区分析

缓冲区分析能够较为直观地表达相对复杂的问题，解决邻近度问题，对于分析策划者来说非常实用[10]。本文选取高程、坡度、道路、河流等4个因子[17]，借助ArcGIS软件对其进行重分类，通过缓冲区分析，来研究这4个因子对宝塔区农村居民点分布的影响。

1.3.4 地理探测器

地理探测器是一种具有地理特性的统计分析方法，能够反映同一区域的相似性及不同区域的差异性，从而得到地理现象的空间异质性特征及其背后的驱动因素[18]。利用地理探测器的因子探测和交互探测来定量解释宝塔区农村居民点分布密度的空间异质性特征及其驱动因素。

1)因子探测。探测因变量Y(分布密度)的空间分异性，以及自变量X(高程、坡度、距道路距离、距河流距离)对宝塔区农村居民点分布密度空间分异的解释力的大小。公式如下：

(4)

式中：q值为自变量X对因变量Y的空间分异性解释力的大小，q∈[0,1],q越大，表明该影响因素对农村居民点分布密度的影响程度越高。L为自变量X的分区个数，Nh和N分别为子区域h和全区的单元数，σ2表示总体的方差。

2)交互探测。判别单因素两两之间的共同作用相对单因素作用时解释力的差异，即两两因素交互作用时对农村居民点分布密度的解释力相对于单因素作用时的差异。

2 农村居民点空间分布特征

2.1 基于Voronoi图的农村居民点空间分布特征

如图1、图2所示，宝塔区农村居民点在空间分布上总体表现为北密南疏。在乡镇级尺度上，宝塔区农村居民点呈集群分布，CV值为421.36%，除凤凰山街道办事处外，各乡镇CV值均在64%以上。其中，临镇镇、南泥湾镇和麻洞川乡3个乡镇的农村居民点在空间上表现出较高的集聚程度，CV值分别为486.97%、398.51%和271.36%，主要原因是临镇镇、南泥湾镇和麻洞川乡这3个乡镇内均有林场分布，区域内农村居民点分布较少，占用土地比例相对较小，大部分位于高程较低的区域且依傍道路和河流分布。凤凰山街道办事处农村居民点CV值为42.13%，呈随机分布，主要原因是该区域地势较高，区域面积较小，农村居民点也较少。在村级尺度上共294个村，有5个村无法计算CV值，其中，265个村的农村居民点的CV值在64%以上，为集群分布，占总村庄个数的90.14%。其中，马坊村和麻洞川乡在空间上表现出较高的集聚程度，CV值分别为492.42%和378.01%。只有杨家湾村、枣园村、十里铺村、姚店村、毘圪堵村和莫家湾村这6个村的农村居民点的CV值<33%，呈均匀分布，原因是因为这些区域内地形坡度较高，农村居民点仅零星分布。剩余18个村的农村居民点在空间上表现为随机分布，CV值均在33%～64%之间。根据分析可知，宝塔区农村居民点在乡镇级和村级尺度上表现出较高的聚集程度，空间分布比较密集，对于节约集约利用土地和避免农村居民点布局分散起着重要作用[16]。

2.2 基于核密度估计的农村居民点空间分布特征

根据宝塔区农村居民点空间分布的核密度图(图3)可知，宝塔区南部和西北部的农村居民点分布较稀疏，西北部的蟠龙镇、青化砭镇以及东北部的姚店镇、李渠镇是宝塔区农村居民点的高密集分布区域。宝塔区地势总体上西北、西南部高，中部隆起，东部位于丘陵河谷区，地势平坦，再加上临镇镇、南泥湾镇、麻洞川乡这3个乡镇均分布着林场，使得西北部和西南部这些区域内的农村居民点分布较稀疏，聚集程度较低。宝塔区农村居民点的分布趋势总体上表现为“东北部密集，西北部、南部稀疏”。

图3 宝塔区农村居民点核密度分布图

结合宝塔区的地势分布情况，可以看出大多数农村居民点分布于高程较低的区域，高程较高的区域农村居民点分布较少，这大致符合宝塔区的高程变化[18]。表明宝塔区的农村居民点的空间分布特征与地形地貌有着较大关系。

3 农村居民点空间分布的影响因素分析

通过阅读文献可知，有很多因素影响农村居民点的空间分布，包括自然环境因素、社会经济因素和生产环境因素等，不同影响因素对农村居民点空间分布产生的作用和影响也不同[19]。其中，自然环境因素和社会经济因素是农村居民点空间分布首要考虑的因素，在较大程度上影响农村居民点空间分布。因此，本文在考虑数据的可获取性以及符合宝塔区实际情况的基础上，选取高程、坡度、距河流距离和距道路距离这4个影响因素，参考相关文献[20-21]，对它们进行分级，并借助地理探测器中的因子探测和交互探测，定量分析这4个因素对宝塔区农村居民点空间分布的影响及其之间的交互作用[22]。

3.1 坡度对农村居民点空间分布的影响

依据宝塔区30 m分辨率的DEM数据，借助ArcGIS软件，获取宝塔区的坡度数据，并根据宝塔区坡度数据的实际情况，借助重分类工具，利用自然间断点分级法将宝塔区的坡度划分为1～5级(表1)，分别代表平坡、缓坡、斜坡、陡坡、峭坡，得到宝塔区坡度分级数据，将其与处理过的农村居民点图层进行叠加，得到农村居民点在不同坡度上的分布情况(图4)。

表1 宝塔区不同坡度上农村居民点分布情况

图4 宝塔区不同坡度上农村居民点分布图

坡度与农业耕作措施水土保持作用有着密切的关系[23]，也是农村居民点空间布局的重要参考因素之一，对于农业生产生活和耕地利用也是十分重要的。坡度级别越高，坡面越陡峭，水土流失越严重，土壤水分保持能力越差，也越不适宜农村居民点的空间布局。如表1所示，在宝塔区9 771个农村居民点中，有66.65%的农村居民点位于15°以下的坡度带里，所占比例最高；坡度位于25°以上的农村居民点仅462个，仅占宝塔区农村居民点的4.73%，这主要说明了人们在选择合适的居住点时，往往倾向于在坡度较低的地方进行布局，这样有利于保持土壤水分以及进行农业耕作和生产生活活动。由图4可以看出，坡度级别低的地方，农村居民点分布越密集，坡度位于25°以上的农村居民点少之又少。

3.2 高程对农村居民点空间分布的影响

依据宝塔区30 m分辨率的DEM数据，借助ArcGIS软件，获取宝塔区的高程数据，并根据高程实际分布情况，借助重分类工具，利用自然间断点分级法将宝塔区的高程划分为1～5级(表2)，得到宝塔区高程分级数据，将其与农村居民点图层进行叠加，得到农村居民点在不同高程上的分布情况(图5)。

表2 宝塔区不同高程上农村居民点分布情况

图5 宝塔区不同高程上农村居民点分布图

如表2所示，在宝塔区 771个农村居民点中，有92.38%的农村居民点分布于高程>921～1 221 m之间的区域，所占比例最高，是宝塔区农村居民点分布的主要区域，其中有52.34%的农村居民点分布于高程>921～1 071 m之间；其次是高程>1 071～1 221 m之间，农村居民点占总数的39.14%；高程位于1 221 m以上的农村居民点429个，占宝塔区农村居民点的4.39%，宝塔区农村居民点总体呈现出随着高程升高而降低的趋势。由图5可以看出，宝塔区高程位于921 m以下的农村居民点较少，仅占宝塔区农村居民点的3.23%，主要是因为高程低的地方，临近河流，易发生洪涝灾害。

3.3 河流对农村居民点空间分布的影响

河流具有供应水源、提供水产品、交通运输等重要功能[11]，可为农村居民点提供生活用水和工农业用水，因此在较大程度上影响着农村居民点空间分布。本文提取宝塔区的河流水面数据，结合宝塔区河流与农村居民点分布的实际情况，对河流进行缓冲区分析，将距河流距离划分为1～5级(表3)，得到农村居民点在不同河流缓冲区范围内的分布情况(图6)。

表3 宝塔区不同河流缓冲区范围内农村居民点分布情况

图6 宝塔区不同河流缓冲区范围内农村居民点分布图

如表3所示，农村居民点在距离河流1 000 m范围内分布数量最多，为8 520个，占比87.19%；在距离河流>1 000～2 000 m的范围内分布着983个农村居民点，占宝塔区农村居民点的10.06%；在距离河流>2 000～2 500 m的范围内分布着112个农村居民点，占比1.15%。总体上距河流距离越近，农村居民点聚集程度越高，但是，在距离河流2 500 m以外的区域仍分布着1.60%的农村居民点。由图6可以看出，距河流1 000 m的范围内是大部分农村居民点分布的区域，在距河流2 500 m以外的区域仍分布着部分农村居民点。河流对于宝塔区农村居民点的分布有影响，但影响程度较小，应加强对河流的开发利用和保护。

3.4 道路对农村居民点空间分布的影响

交通便利，不仅会给人们的生产生活带来方便，同时也有利于聚集人气，扩大交流。农村居民点的空间布局与道路息息相关，人们在选择居民点时，往往会选择在距离道路较近的地方定居。距离道路越近，越有利于生产生活，也越适宜农村居民点的空间布局。本文提取宝塔区的道路数据，结合宝塔区道路与农村居民点分布的实际情况，对道路进行缓冲区分析，将距国道、省道、县道、乡道以及铁路距离划分为1～5级(表4)，得到宝塔区农村居民点在不同道路缓冲区范围内的分布情况(图7)。

表4 宝塔区不同道路缓冲区范围内农村居民点分布情况

图7 宝塔区不同道路缓冲区范围内农村居民点分布图

如表4所示，在距离道路2 000 m范围内，农村居民点数量7 741个，占宝塔区农村居民点的79.22%，所占比例最高；在距离道路>2 000～4 000 m范围内，农村居民点数量1 604个，占宝塔区农村居民点的16.42%；同时，仍有一小部分农村居民点分布在距离道路4 000 m以外的范围内。根据图7可以看出，在距离道路越近的地方，农村居民点分布越密集，在距离道路2 000 m范围内的区域是农村居民点分布的主要区域。宝塔区农村居民点的分布整体上符合道路建设的长远发展，但仍需进一步加强和优化。

3.5 因子探测及交互探测分析

本文选取宝塔区农村居民点核密度为因变量Y，因子分别为高程(X1)、坡度(X2)、距道路距离(X3)、距河流距离(X4)。

运用地理探测器中的因子探测和交互探测分析各影响因素对宝塔区农村居民点分布密度的影响程度及各因素交互影响程度。如表5所示，宝塔区农村居民点各因素的解释力q均显著，但是有所差异，解释力由大到小排序为：高程>距道路距离>距河流距离>坡度。其中，解释力最强的是高程，为0.122，说明高程在宝塔区农村居民点空间分布中占主导作用，而坡度、距道路距离和距河流距离的解释力均小于0.1，说明其对农村居民点空间分布的影响程度较低，其中，解释力最小的是坡度，为0.004。交互探测结果表明(表6)，各因素间的交互作用表现为双因子增强或者非线性增强，说明两个因素间交互作用的解释力大于单要素的解释力或者大于单要素解释力之和。其中，高程与坡度、距道路距离、距河流距离间交互作用的解释力均大于0.1，分别为0.125、0.158和0.139，说明宝塔区农村居民点布局受到了高程、坡度、距道路距离和距河流距离的共同影响。

表5 因子探测结果

表6 交互探测结果

4 结论与讨论

本文以延安市宝塔区三调数据库和DEM数据为基础，借助ArcGIS软件，通过核密度估计、Voronoi图CV值及缓冲区分析，对农村居民点空间分布特征及影响因素进行分析，得出以下结论：

1)通过Voronoi图法来衡量宝塔区农村居民点不同尺度下的空间分布特征进行分析，结果显示:宝塔区农村居民点在不同尺度上均表现出集群分布特征。在乡镇级尺度上，CV值均在64%以 上，呈集群分布；在村级尺度上，90.14%的农村居民点的 CV值>64%，呈集群分布，集聚程度均较高。

2)核密度分析显示，宝塔区农村居民点的空间分布总体上表现为“东北部密集，西北部、南部稀疏”，东北部姚店镇、李渠镇及西北部蟠龙镇、青化砭镇是宝塔区农村居民点的高密集分布区域。

3)宝塔区农村居民点空间分布受到高程、坡度、道路和河流不同程度的影响，并且在空间上具有相关性，主要表现为农村居民点随着高程和坡度的升高而降低、距离河流和道路越近的地方分布越密集的特征。因子探测结果显示高程(0.122)解释力最大，其次分别为距道路距离(0.052)、距河流距离(0.029)、坡度(0.004)，高程对宝塔区农村居民点空间分布的影响最大。交互探测结果显示高程与坡度、距道路距离、距河流距离间交互作用较强。后续在规划农村居民点布局时，可考虑上述因素确定各类农村居民点的优化策略。

此外，有很多因素影响农村居民点的空间分布，包括自然环境因素、社会经济因素和生产环境因素等，但是本文在选取影响因素时，考虑到数据的易得性，仅从4方面进行分析，具有一定的主观性。后续应用中，还要考虑经济、政策、农民意愿等因素对农村居民点分布的影响，以便能更全面地分析农村居民点的空间分布格局。后续研究还可以在此基础上，依据对农村居民点的空间分布特征和影响因素的研究，对农村居民点的布局优化方式进行论述，以便能更好地服务于农村居民点整理、乡村规划和乡村振兴等工作。