RS与GIS支持下的黄土丘陵沟壑区农村居民点空间分布格局研究文档格式.docx
《RS与GIS支持下的黄土丘陵沟壑区农村居民点空间分布格局研究文档格式.docx》由会员分享，可在线阅读，更多相关《RS与GIS支持下的黄土丘陵沟壑区农村居民点空间分布格局研究文档格式.docx（22页珍藏版）》请在冰豆网上搜索。
它既是一种空间系统，也是一种复杂的经济、文化现象和发展过程，是在特定的地理环境和社会经济背景中，人类活动与自然相互作用的综合结果。
居民点作为区域人地关系的核心，其形态、规模及空间分布反映了人地协调关系的发展，同时对区域经济发展的规模、方向以及发展的可能性有着潜在的影响[2]。
农村居民点空间格局受到环境、社会经济发展状况、历史渊源、文化习俗及一些突发性因素（如战争、灾害）等的影响[3]。
在黄土丘陵沟壑区，地形等自然环境条件是农村居民点空间格局的主要影响因素。
长期以来，我国农村居民点布局缺少整体上的规划指导控制，其建设长期处于农民的自发选择状态，自然村落普遍形成了“满天星”式的散落布局现象，这种松散无序的农村居民点空间分布造成农村土地资源的严重浪费和建设用地结构的不合理，影响了农村产业化、城镇化和现代化进程[1，5]。
居民点的空间分布具有其内在的规律性，对于居民点空间分布规律性的研究与识别是聚落地理学研究的主要内容之一。
随着城市化进程的推进，实行城乡一体化发展和建设社会主义新农村日益受到重视，研究农村居民点空间格局及其变化规律，对于指导农村居民点规划、促进城乡统筹发展具有十分重要的意义[4]。
近年来，学术界对典型的不同地域内的居民点空间分布特征、空间分布格局及其影响因素等内容进行了研究，包括山区河谷、荒漠绿洲、黄土高原内以及其他山区平原等，研究主要涉及土地整理、土地利用、布局问题、时空分布变化、规模分布特征、空间分布特征和影响因素分析等方面。
但上述研究往往纯粹将居民点作为一种空间点状现象展开分析，鲜见采用景观格局分析方法研究区域范围内居民点分布自身规律的研究报道。
而且上述研究主要集中在城市分布的研究，对于区域范围内居民点分布自身规律的研究并不是很多[1-6]。
黄土丘陵沟壑区是我国人口、资源、环境矛盾最集中的地区之一。
梁会民等对董志塬黄土塬区居民点空间分布作了研究，认为该地区居民点分布为随机分布[7]；
张小军等运用GIS空间分析技术对甘肃陇西地区的居民点分布与地理要素的相关性进行了分析，并得出陇西县居民点分布空间属性的相关系数矩阵[8]。
目前该区域农村居民点分布研究主要采用传统的相关分析、统计分析等方法，而应用空间数据分析技术结合景观格局指数的居民点空间分布模式研究则相对较少。
本文以甘肃天水市甘谷县为例，对其农村居民点景观格局、空间分布特征进行分析，并利用空间数据分析方法，对其农村居民点的空间分布模式进行了整体分析和探讨，以期为合理利用土地资源、制定村庄发展建设规划、协调居民点布局建设与环境关系提供参考，为进一步探讨黄土丘陵沟壑区实施生态移民的必要性和可行性，及为实现区域生态环境的协调和可持续发展提供研究基础。
2研究区与研究方法
2.1研究区概况与数据来源
甘谷县位于甘肃省东南部，介于东经104°
58′～105°
31′，北纬34°
31′～35°
03′之间。
地貌以黄土丘陵沟壑为主，渭河由西向东横贯全县。
属于大陆性半干旱气候，年平均气温11.5℃，年平均降水量574mm。
土壤以褐土、黑垆土和黄绵土为主，天然植被稀疏，水土流失剧烈。
土地面积1584km2，人口58.42万，下辖15个乡镇，经济以农业为主。
由于受到地形条件、经济发展水平、思想观念等多种因素的影响，境内居民地分布很不均匀。
遥感数据选用2008年6月的法国SPOT5卫星影像，其多光谱波段的影像分辨率为10m，全色影像分辨率为5m。
辅助数据为研究区1：
5万地形图和数字高程模型等。
在地形图上采集控制点，用ERDAS软件对SPOT影像进行二次多项式法几何校正，最近邻重采样，RMS误差控制在1个像元内。
将SPOT全色和多光谱影像利用主成分替换法进行融合，获得5m分辨率的影像。
依据黄土丘陵沟壑区居民地特征建立分类体系和解译标志，在ArcGIS软件中进行人工目视判读，提取农村居民地信息（图1）。
利用GPS实地定位调查，总体解译精度达到91.6%，kappa系数为0.82。
提取多边形质心，将居民地转换成点数据，同时获得居民点的地理坐标，作为研究甘谷县市居民点分布模式的基础。
图1甘谷县2008年农村居民地分布图2甘谷县乡镇分布图
Fig.1RuralsettlementsdistributioninGanguin2008Fig.1TownshipdistributionmapofGanguCounty
2.2景观格局指数
农村景观是由不同大小、形状、组合的自然及人文斑块组成的嵌块体，景观生态学方法可以很好地描述农村居民点矢量数据斑块的用地、规模、形状及分布状况。
景观格局指数是高度浓缩的景观格局信息，是反映景观结构组成、空间配置特征的简单量化指标[9]。
通过ArcGIS的景观参数计算模块PatchAnalyst，对空间结构基本描述参数计算，确定空间格局特征。
考虑到景观指数间的相关性较高以及本文研究对象的特点，笔者在Landscape水平上选取类型面积（CA）、斑块数目（NP）、斑块密度（PD）、平均斑块大小（MPS）、斑块大小标准偏差（PSSD）、斑块大小变异系数（PSCoV）、平均周长-面积比（MPAR）、平均斑块分维数（MPFD）、平均形状指数（MSI）、最大斑块指数（LPI）等景观格局指数。
其中，CA反映农村居民点斑块面积的总和；
PD主要用来反映农村居民点在空间上的分布状态，PD值越大，区域内居民点的空间分布越密集；
PSSD反映农村居民点分布规模间的大小差异程度；
；
，pij为斑块周长，aij为斑块面积；
，ei为i类型的边界总长度，LSI反映农村居民点矢量斑块的复杂程度，形状指数越大，说明农村居民点形状越不规则，边界曲折度越大；
，A为景观总面积，LPI显示最大斑块对整个类型或者景观的影响程度。
2.3居民点分布模式的测度
空间数据分析主要研究带有地理坐标数据的收集技术与精确分析模型，注重分析地理空间的固有特征、空间选择过程及其对复杂空间系统时空演化，包括统计分析、地图分析和数学模型。
地理实体按其空间形态的表现可以分为点、线、面、体4种形式，居民点在空间形态上为点实体的一种特例。
在研究群点（如居民点）空间分布时，分布密度、离散度等指标是反映群点空间结构特性的重要参数，而空间数据分析提供了获得这些指标的具体方法，为定量研究各种群点的空间分布格局提供了技术支持，是正确分析和评价空间位置和空间相互作用的重要手段。
因此，在居民点空间分布研究中，运用GIS-SDA分析技术可以更好地刻画居民点空间分布的本质规律。
1954年Clark和Evans提出了测度点模式的最近距离统计量，开创了点模式研究的先河。
在实际工作中，许多的地理实体现象都能被抽象为点，并用点图来刻画其空间分布规律，这就是点模式研究，点模式分析主要研究居民点在空间分布的总体态势。
在点模式研究中考虑的重点是一组地理实体在几何分布上的特点，如：
空间分布格局、点分布的热点区域等。
因此，点模式的分析往往忽略掉地理实体之间的属性差异（如面积大小，类别等），而只关注点的空间位置特征，特别是这些对象在空间的分布特征和相互关系。
2.3.1样方分析
样方分析（QuadratAnalysis，QA）法是样方内点数均值变差的分析方法，是由Greig-Smith于1964年提出的。
其具体做法是用一组样方覆盖在研究区域上并作叠置分析，统计落在每一个样方上的样本数，通过统计不同的具有m个点数的样方的个数及其频率，并与完全随机过程（Poisson分布）对比来判断点模式的空间分布特征。
其结果一般用方差均值比（Variance-MeanRatio，VMR）判断[8]：
（1）
式中，样方频率
，平均样方频率
，其中pi为含有i个点的样方频率，xi为每个样方内的点数，n为样方数，m为总点数。
对于Poisson分布，VMR的值为1；
当VMR<
1时，可以认为对象为均匀分布趋势明显；
当VMR>
1时，则可以认为对象有集中分布的趋势。
由于样方数越多，Mean越小，VAR也越小并且下降的速度比Mean快，因此VMR的值会变小，但是不会改变分布的类型。
因此，合理地确定样方的大小较为重要，一般地样方大小的确定采用符合“拇指规则（ruleofthumb）”，即样方大小应当是平均每个点所占面积的两倍[8]。
2.3.2最近邻距离分析
最近邻距离指数（NeartestNeigbourIndex）分析法即点间最近距离均值分析方法，是由Clark和Evans在1954年提出的用在植物学中，后由Dncey引入地理学，用来研究地理事物的空间分布规律，其核心思想是通过比较计算最近邻点对的平均距离和随机分布模式中的平均距离之比，即NNI来比较与随机分布的偏离程度。
根据NNI比值的不同来估计居民点的空间分布形态，即聚集分布、随机分布和平均分布。
（2）
（3）
是每一个点和它最近邻点间的距离，N是研究区内的居民点的总数，d（NN）是研究区内的每一个点与它最近邻点距离之间的总和的平均最小距离。
（4）
A是研究区域的总面积，
是在研究区A内随机产生的随机平均距离。
为了检验计算结果的可靠性，一般采用z检验：
（5）
其中，
是随机分布下的平均距离的标准误差：
（6）
一般地，NNI指数计算的是一阶距离意义上的空间格局，而没有考虑与高阶最近邻点的距离关系。
实际上，可
以将一般最近距离扩展为k阶最邻近距离系数[9]：
（7）
在最近邻距离指数估计居民点空间分布时，会由于潜在的边界效应的影响，NNI可能会发生偏移，边界效应是指在给定的研究区域中研究点会存在一个最近邻点，但有些情况下在研究点边界以为会存在一点，而此点才真正是研究点的最近邻点。
故此，为了校正计算结果与实际的误差，对于边界效应的校正可以采取以下方法，如果研究点与最近邻点距离大于研究区域边界上的点，则将后者作为最近邻点。
显然，研究点的边界上始终存在一个点，它的距离小于边界内的最近邻点距离。
一般可采取圆形和矩形校正边界效应。
2.3.3K函数分析
最近邻指数分析是从宏观上估计居民点空间分布规律的研究方法，但是，居民点可能受到地形起伏、河流峡谷以及自然灾害的影响，会随着研究尺度的变化，其空间分布规律也会随之变化。
据此，笔者引进K函数来分析不同尺度下的居民点的空间分布规律：
（8）
式中，
是以i为中心，以
为半径的圆中的居民点。
为所有点数i=1…N为圆心，
为半径的圆内的统计的所有点数之和。
可以转化成平方根的形式
，可更加清晰地表达出
与
之间的线性关系：
（9）
>
0时，居民点呈聚集分布；
<
0时，居民点呈扩散分布，而等于0时，呈空间完全随机分布。
采用模拟方法检验L（d）与空间随机分布的之间的差别，其过程为将N个点随机地分布在与研究区面积相等的区域上，计算其每一个距离间隔L（d）值，从而得到L（d）的最大值与最小值，并绘制成曲线，称为包络线（envelope）。
对比L（d）与包络线，可以判别研究对象的空间分布与空间随机分布是否有显著差异。
Ripley提出了加权K阶指数分析，它根据与边界的距离的远近进行加权，距边界近的，权重大，反之则小。
用这种方法来减少边界效应的影响：
（10）
半径周长反比率加权，
为研究区的每一个点半径。
2.3.4热点分析
热点（Hotspot）地区是居民点在空间上大量聚集的表现，即密度较大的区域。
在研究居民点空间分布状况时，可采用空间聚类方法来描述居民点的热点[5]。
一般采用最近距离层次聚类（NearestNeighborHierarchicalClustering，NNH）的方法，即根据每个居民点i的最邻近距离，通过定义一个聚集单元（cluster）、极限距离或阈值和每一聚集单元的最小数目，然后比较聚集单元与每一点对的最邻近距离，当某一点的最邻近距离小于该极限距离时，该点被计入聚集单元，据此将原始点数据聚类为若干区域，称为一阶热点区；
同理，对一阶热点区利用同样方法，聚类得到二阶热点区，以此类推更高阶热点区。
3结果分析
3.1农村居民点景观格局分析
聚居景观斑块在大小、形状和配置上具有较大的变异性，景观生态空间格局相关指数的运算分析可以较好的反映景观结构组成特征及空间配置关系。
本研究借鉴景观生态学中的相关计算方法，并结合GIS技术对2008年甘谷县的农村居民点聚居斑块特征进行量化反映，计算结果如表1所示。
表12008年甘谷县农村居民点分布格局指数
Table1Thedistributingpatternindexofruralresidentialareain2008
区域
CA/hm2
NP/个
MPS/hm2
PSCOV
PSSD/hm2
MSI
MPAR
MPFD
礼辛乡
390.43
199
1.962
1.575
3.091
1.758
0.066
1.390
大石乡
614.42
168
3.657
1.356
4.958
1.776
0.050
1.371
西坪乡
486.76
290
1.678
1.412
2.370
1.673
0.063
1.383
新兴镇
1366.82
179
7.636
1.497
11.430
1.779
1.361
六峰镇
488.77
106
4.611
1.310
6.042
1.787
0.052
1.368
磐安镇
739.67
173
4.276
1.480
6.330
1.831
0.057
1.379
古坡乡
117.50
74
1.588
1.116
1.773
2.050
0.080
1.423
金山乡
899.10
278
3.234
1.306
4.224
1.870
0.056
1.384
大庄乡
515.90
272
1.897
1.349
2.559
1.721
1.385
安远镇
826.52
239
3.458
1.213
4.196
1.695
0.047
1.360
八里湾乡
790.26
297
2.661
1.348
3.587
1.734
0.054
1.374
大象山镇
388.85
40
9.721
1.186
11.526
1.819
0.038
武家河乡
224.01
107
2.094
1.121
2.346
1.832
1.393
白家湾乡
347.08
95
3.653
1.230
4.493
1.977
0.058
1.391
谢家湾乡
478.93
127
3.771
1.090
4.111
1.841
0.053
1.378
全县
8675.00
2644
3.291
1.613
5.308
1.781
由表1可知，2008年甘谷县农村居民地总面积8675hm2，整体而言，全县农村居民点分布空间的密度大小、规模、形状特征差异明显，呈现出河谷川区-丘陵-山地分异格局。
新兴镇的农村居民点数量最大，其次是金山乡和安远镇，农村居民点面积最小的是古坡乡。
其原因主要是新兴镇、金山乡和安远镇主体处于渭河谷地，川区地势平坦，而古坡乡大部地处县域南部的黄土丘陵山地。
从居民点数量来看，八里湾乡居民点个数最多，其次是西坪乡，而县政府所在的大象山镇农村居民点只有40处。
大象山镇和新兴镇的农村居民点平均斑块面积最大，约为全县平均水平的两倍以上，表明其分布比较聚集；
古坡乡、西坪乡、大庄乡和礼辛乡农村居民点的平均斑块面积最小，分布较为破碎。
就农村居民点分布规模间的大小差异程度而言，大象山镇和新兴镇差异最大，古坡乡差异最小。
礼辛乡的平均变异系数最大，谢家湾乡最小。
古坡乡的农村居民点平均形状指数最大，表明其形状最为复杂，这一点也可以从平均周长面积比指数和平均斑块分维数上得到反映，古坡乡农村居民点的平均周长面积比达到0.08，远高于全县0.057的平均值，平均斑块分维数也高达1.423；
西坪乡的农村居民点形状比较简单，大象山镇的农村居民点形状则最为规则，其平均周长面积比指数和平均斑块分维数均为全县最低。
3.2农村居民点分布与环境因子的关系分析
利用ArcGIS中overlay模块将居民点属性数据与高程、坡度以及各类道路分布等相关属性数据叠加，对居民点空间分布特征进行统计、计算。
农村居民点距离果园、农用地以及沟渠的距离则是通过ArcGIS的测定距离功能得到相关距离表面图后，统计农村居民点单元内栅格平均值，进而获取各居民点单元到果园、农用地以及沟渠的平均距离。
随后将该距离按一定的标准进行分级进而统计其分布情况。
各环境因子的分级分别结合农业生产、生活实践及其社会经济影响确定，分级标准见表2。
表2各环境因子的分级标准
Table2 Gradingstandardofenvironmentfactors
分级
高程/m
坡度/°
坡向
距水浇地的距离/m
距果园的距离/m
距沟渠的距离/m
1
1224～1400
0～5°
平地
0～500
2
1400～1600
6～10°
北
501～1000
3
1600～1800
11～15°
东北
1001～1500
4
1800～2000
16～20°
东
1501～2000
5
2000～2200
升级会员 