基于最佳分析粒度的农村居民点空间格局分析——以万年县为例

刘雪乾，蔡海生,2*，张学玲，陈 艺，喻淞瀚

(1.江西农业大学 江西省鄱阳湖流域农业资源与生态重点实验室/富硒农业产业发展研究中心，江西 南昌 330045；2.江西旅游商贸职业学院，江西 南昌 330100)

随着3S技术在景观格局的定量化研究中广泛应用，景观生态学的研究方法在土地利用景观格局的研究中取得了很好的效果，而且景观指数可以定量分析景观空间的分布特征，从而一直成为专家学者关注和研究的热点话题[1-5]。但是现有可以计算景观指数的软件多数都以栅格数据作为数据源，在栅格单元基础上进行计算，从而导致“可塑性面积单元问题”的出现，即计算结果随着空间粒度的不同而发生变化[6-7]。这就促使了我国众多学者对不同粒度是如何影响景观指数这一问题进行研究。如任梅等[8]从类型和景观两个方面选取指标并划分为15个步长进行土地利用景观格局的空间粒度效应分析，从而探讨了喀斯特山地城市的景观生态研究的最佳适宜粒度；陈雅如等[9]以受大型水利工程建设影响的三峡库区为例，选取受工程建设影响最大的几个年份的土地利用数据，探讨了景观指数在30～1000 m粒度范围内的粒度效应变化，进而分析了其对土地利用变化过程的响应；汪桂芳等[10]率先使用空间分辨率为0.09 m的无人机影像定量分析了漯河市土地利用景观格局的尺度效应，与卫星影像相比，无人机影像可以更精确发现景观格局细微的变化和特殊现象。

研究进一步深入之后，许多专家学者发现不同景观的空间格局特征存在明显差异，并没有普遍适用于所有土地利用类型景观的最佳空间分析粒度，只存在特定景观的适宜空间分析粒度。如谢奎等[11]分析了养殖池塘景观指数的粒度效应；王晶晶等[12]探析了水稻地、大豆地、蔬菜地、休闲耕地和大棚种植地5类耕地景观的景观指数空间粒度效应。

鉴于此，本文分析了江西省万年县农村居民点景观指数的粒度效应及其最佳粒度效应下的空间分异特征，可以为村庄规划和合理高效使用农村居民点用地提供参考。

1 研究区概况

万年县隶属于江西省上饶市，地处江西省东北部，位于长江中下游，全县东西跨距约47 km，南北跨距约43 km。万年县地貌类型以台地为主，其次为滨湖平原，地势呈现从东南向西北倾斜，属于亚热带湿润性季风气候，气候温和，降水丰富且无霜期长；万年县下设12个乡镇、32个居委会、130个村委会。截止2018年底，万年县户籍人口为43.91万人，其中乡村人口30.36万人，占总人口的69%；2018年全县实现生产总值(GDP)151.85亿元。万年县被称为“中国贡米之乡”，是江西省新农村建设工作先进县。

2 数据来源与研究方法

2.1 数据来源

本文所使用的主要数据来源于万年县2018年度的土地利用变更调查数据。借助ArcGIS 10.2软件，从中提取地类编码为203的农村居民点数据作为该研究的主分析数据。其它还涉及到的数据包括万年县行政界限及下辖各乡镇界限。

2.2 景观指数粒度效应分析法

2.2.1 粒度选择 由于研究区范围以及景观格局的不同，粒度范围及步长的选择也不尽相同。一般情况下，大步长大粒度域可以掩盖小步长小粒度域的变化规律，小步长小粒度域则会重演大步长大粒度域的变化规律[13]。因此，参考前人选取的粒度范围及步长的划分案例[14-16]，结合研究区实际概况，将源数据转化为10～150 m范围内以20 m为步长的7个数据，150～500 m内以50 m为步长的8个数据，共15幅栅格图。

2.2.2 景观指数筛选 根据研究需要，从斑块数量和规模、斑块形状复杂程度、斑块聚散性等方面选取能较全面反映万年县区域特点的景观指数。其中：在数量特征景观指数上，选取了斑块数量、斑块密度；在规模特征景观指数上，选取了景观总面积、最大斑块指数、平均斑块面积、斑块面积标准差；在空间聚散性特征景观指数上，选取了平均最近邻距离、景观聚集度指数、景观结合度指数；在形状特征景观指数上，选取了景观形状指数、平均斑块形状指数、面积加权平均斑块分维数。

2.2.3 最佳粒度效应分析 利用Fragstats 4.2软件对景观指数进行计算，将计算结果输出到Excel中，进行景观指数的制图与变异系数的计算，分析景观指数的粒度效应，从而确定适宜的粒度范围及最佳空间粒度。

2.3 空间格局分析法

2.3.1 标准差椭圆(SDE) 标准差椭圆法最早由社会学家Lefever提出，是一种重要的地统计方法。此方法主要用于揭示地理要素的空间关系，因而在许多领域被广泛应用。标准差椭圆法能够较好地描述农村居民点在空间分布上的方向偏差，可以计算农村居民点分布的均值中心，并且既可以加权，也可以非加权[17]。本文采用加权标准差椭圆法，基于万年县农村居民点斑块的空间区位，用每个斑块对应的面积表示相应的权重，计算其空间分布的标准差椭圆。计算方法如下：

加权平均中心：

(1)

方位角：

(2)

短轴标准差：

(3)

长轴标准差：

(4)

(5)

式(5)中：Wij(d)为以距离规则定义的空间权重；xi和xj分别是i和j区域的变量值。

2.3.3 核密度估计(KED) 核密度估计是估计未知的密度函数，是一种非参数检验方法[19]。该方法对于农村居民点空间分布密度可以进行有效测度，核密度值越高，说明农村居民点分布密度越大；核密度值低，说明农村居民点分布密度越小。其表达式如(6)所示。

(6)

式(6)中：f(x,y)为位于(x,y)位置的农村居民点的核密度估计值；n为观测数值；h为带宽；k为核函数；di为(x,y)位置的农村居民点距第i个观测位置的农村居民点的距离。

2.3.4 景观格局分析法 景观指数是景观格局分析中经常使用的定量指标。它可以高度浓缩景观格局信息，从而反映景观结构组成和空间配置某些方面的特征[20-21]。根据本文研究的需要，选择平均最近临近距离(ENN)和景观聚集度指数(AI)用于定量分析万年县农村居民点的空间分布分异特征；选择平均斑块形状指数(MSI)和斑块面积标准差(PSSD)用于定量分析万年县农村居民点的空间形态分异特征。

3 结果与分析

3.1 景观指数的粒度效应分析

通过对不同空间粒度下的各种景观指数的计算，绘制各景观指数与空间粒度之间的关系曲线，使用合适的拟合方程，并选择决定系数(R2)体现拟合程度，从而表征拟合函数对其变化是否可以进行精确地预测。

3.1.1 数量特征变化分析 本文选取斑块数量(NP)和斑块密度(PD)来反映万年县农村居民点数量方面的特征。斑块数量是指农村居民点斑块的总块数，斑块密度是指单位面积上农村居民点的斑块数。其粒度效应曲线如图1所示。

图1 数量特征景观指数的粒度效应曲线

由图1可知，随着粒度的不断增大，斑块数量和斑块密度都呈现显著下降趋势，尤其在10～90 m的粒度范围内，下降趋势更为急剧；粒度从90 m继续增大时，其下降的速率变得缓和。斑块数量和斑块密度与粒度的变化关系可用二次多项式进行拟合，决定系数R2分别为0.9736和0.9746，拟合程度都达到了极显著水平，可预测性强度极高。可以看出，在低于90 m的小粒度范围，斑块数量和斑块密度随粒度增大而快速下降，说明万年县农村居民点分布的破碎化程度较高且小面积的斑块占比较大。

3.1.2 规模特征变化分析 本文选取景观总面积(CA)、最大斑块指数(LPI)、平均斑块面积(MPS)和斑块面积标准差(PSSD)来反映万年县农村居民点规模方面的特征。景观总面积是指研究区所有农村居民点斑块的总面积；最大斑块指数是指农村居民点最大斑块面积与景观总面积之比的百分数；平均斑块面积是指农村居民点总面积的平均值；斑块面积标准差是衡量农村居民点斑块间的规模差异，研究区内某个农村居民点斑块的规模与农村居民点斑块的平均规模差异越大，标准差就越大。其粒度效应曲线如图2所示。

图2 规模特征景观指数的粒度效应曲线

由图2可知，随着粒度的不断增大，4项景观指标呈现了不同的变化趋势。景观总面积呈波浪式变化，其中150 m之前波动的幅度较小，150 m以后波动的幅度变大，可以用线性方程拟合，决定系数R2为0.3509，拟合程度极差，不具备可预测的意义。最大斑块指数呈波浪式上升趋势，在200 m之后出现较大幅度的变化，但总体上趋于缓和，变化幅度控制在3%以内，可以用线性方程拟合，决定系数R2为0.709，拟合程度一般，仅有一定的预测意义。平均斑块面积和斑块面积标准差呈逐渐上升趋势，决定系数R2分别为0.9963和0.9546，拟合程度都达到了极显著水平，可预测性强度极高。因此，由预测性强的指标可以看出，随着粒度增大，单个斑块的规模和斑块间的规模差异都会变大。

3.1.3 空间聚散性特征变化分析 本文选取平均最近邻距离(ENN)、景观聚集度指数(AI)和景观结合度指数(COHESION)来反映万年县农村居民点空间聚散性的特征。其中，平均最近邻距离指农村居民点斑块之间分布的离散程度，平均最近邻距离越大，说明农村居民点的分布越零离散；景观聚集度指数表示了农村居民点斑块的聚集与分散状态，其值越大表示斑块的分布越集中，值越小表示斑块的分布越分散；景观结合度指数是指农村居民点各斑块间的物理连通性强度，通常而言，景观结合度指数越高说明农村居民点在空间上的连接性越好。其粒度效应曲线如图3所示。

由图3可知，平均最近邻距离随着粒度的增加整体呈递增趋势，可以用一元线性方程式拟合，拟合函数的决定系数R2为0.9972；景观聚集度指数和景观结合度指数随粒度的增大呈下降的趋势，200 m以后下降的速率趋于缓和，可以用二次多项式拟合，拟合函数的决定系数R2分别为0.9885、0.9547；3个指数的拟合程度都达到了极显著水平，可预测性极高。总之，随着粒度的增加，万年县农村居民点各斑块间的聚集和结合程度降低，分布呈现离散化。

3.1.4 形状特征变化分析 本文选取景观形状指数(LSI)、平均斑块形状指数(MSI)、面积加权平均斑块分维数(AWMPFD)来反映农村居民点形状方面的特征。景观形状指数和平均斑块形状指数表示的是农村居民点斑块形状的复杂程度，数值越大，农村居民点斑块形状越复杂，边界曲折度越大。面积加权平均斑块分维数表示的是农村居民点斑块的不规则程度，当值越接近于1，形状越规则，斑块形状趋近于正方形或圆形；当值越接近于2，斑块形状越不规则，但一般而言该值的可能上限为1.5。其粒度效应曲线如图4所示。

图3 空间聚散性特征景观指数的粒度效应曲线

图4 形状特征景观指数的粒度效应曲线

由图4可知，景观形状指数、平均斑块形状指数、面积加权平均斑块分维数随着粒度的增大整体都呈下降趋势，景观形状指数可以用二次项拟合，而平均斑块形状指数、面积加权平均斑块分维数可以用幂函数拟合，拟合函数的决定系数R2分别为0.9779、0.9535、0.9645，拟合程度都达到了极显著水平，可预测性强度极高。因此可以得到，随着粒度的增大，万年县农村居民点斑块形状分布越来越规则。

3.2 景观指数粒度效应的变异特征

为了进一步了解各类景观指数对粒度变化的敏感性程度，可以用景观指数随粒度变化的变异系数来表示(表1)。通过表1可看出，12类景观指数随粒度增大，变异系数存在较大的差异，敏感性程度显著不同。其中斑块数量、斑块密度、平均斑块面积、平均最近邻距离、景观聚集度指数，其变异系数都在70%以上，呈现较强敏感性，说明其受粒度变化的影响较大；最大斑块指数、斑块面积标准差、景观结合度指数和景观形状指数具有中等偏上的变异，其变异系数在40%～60%，呈现一般敏感性；而景观总面积、平均斑块形状指数、面积加权平均斑块分维数，其变异系数都不足20%，尤其景观总面积和面积加权平均斑块分维数，其变异系数均未超过5%，呈现较弱敏感性，说明其受粒度变化的影响最小。

3.3 最佳粒度效应的选取

适宜粒度范围选取原则是将景观指数变化相对平稳，没有明显转折的尺度范围作为第一尺度域，并在所选范围中选择偏大的尺度范围作为合适的粒度范围，这样既能确保计算的质量，又可以简化工作量[22-23]。由于研究整个农村居民点空间格局特征，需要综合上述12个景观指数的最佳尺度范围来确定农村居民点空间格局分析的适宜粒度范围(表2)，因此，最终确定万年县农村居民点空间格局分析的适宜粒度范围为30～50 m，最佳空间粒度为50 m。

表1 景观指数随粒度变化的变异系数

表2 景观指数的适宜粒度范围 m

3.4 最佳粒度效应下的农村居民点空间分异

3.4.1 农村居民点空间分布方向特征 借助Arc GIS 10.2软件，运用标准差椭圆法，椭圆大小选取1_STANDARD_DEVIATION，最终生成万年县农村居民点空间格局的方向分布图。分析图5可知，标准差椭圆的分布方向与万年县行政区的分布方向一致，呈西北-东南走向，研究区49%面积的农村居民点分布在标准椭圆内，经过面积加权发现标准椭圆的重心在汪家乡境内。万年县大部分地区都位于标准椭圆内，椭圆长轴有一小部分在万年县境外，长轴和短轴都较短，但是椭圆中心与行政区市(区)中心相比明显向西北偏移，农村居民点空间分布东部稀疏，主要集中在西部、中部地区。主要由于东部地区海拔较高，地势起伏大，坡度较高，而西部和中部地区海拔低，地势平坦，坡度小，更适于人居住。

3.4.2 农村居民点空间分布分异特征 采用核密度估计法以及选取平均最近邻距离(ENN)和景观聚集度指数(AI)两个景观指数相结合的形式，以万年县各乡镇为单元，从农村居民点分布的稀疏程度、远近距离、空间离散3个方面描述了万年县的空间分布特征。

图5 农村居民点空间分布方向图

借助ArcGIS 10.2软件，选取核密度工具测算万年县农村居民点的核密度值，采用自然段点法将核密度值进行分级，得到农村居民点核密度分布图(图6)。通过对图6分析，从各乡镇之间对比来看，陈营镇、梓埠镇、青云镇的密度值较高，农村居民点分布呈现集聚的特征，尤其以陈营镇最为突出，主要是由于陈营镇是万年县的县城所在地，受城镇发展辐射的影响较大，社会经济条件好且基础设施完善度高；而从密度值较低即农村居民点分布呈现较为分散特征的地区可以看出农村居民点分布密度与地形因素也有着密不可分的关系，例如东部海拔高、坡度大的大源镇与裴梅镇，核密度值都很低。从各乡镇内部来看，受生产生活条件的影响，农村居民点核密度也存在显著差异，生产生活条件好的区域，密度值高，村庄布局的适宜性水平高，村庄发展的潜力也大。

分析表3可得到，就平均最近邻距离来说，万年县各乡镇农村居民点的该数值介于188～238 m，青云镇的农村居民点的平均临近距离最近，这与该区域农村居民点呈条带状形态密切相关；平均临近距离最远的是齐埠镇，反映了这一区域内农村居民点被其它景观斑块分割的状况。就景观聚集度指数来看，万年县各乡镇农村居民点分布的破碎化程度有显著差异，景观聚集度指数最高的是湖云乡，值为71.44%，说明湖云乡农村居民点分布破碎化程度低；景观聚集度指数最低的是青云镇，值为43.06%，说明农村居民点分布破碎化程度高。

图6 农村居民点核密度分布图

表3 各乡镇农村居民点空间分布指标值

3.4.3 农村居民点空间规模分异特征 通过空间热点探测分析法来描述万年县农村居民点空间规模特征。借助ArcGIS 10.2软件，选取空间热点探测分析工具得到表示空间热点的Z值，并以此划分热点区和冷点区(图7)。图7中的高值区域为热点区，表示农村居民点呈现局部的大规模斑块集聚；低值区域为冷点区，表示农村居民点呈现局部的小规模斑块集聚；而不显著区域表示农村居民点斑块规模呈现随机分布。由图7可以得到，万年县农村居民点斑块规模的热点区和冷点区空间分异显著，热点区主要集中在万年县西北部的梓埠镇、湖云乡，东南部的裴梅镇，形成居民点大规模集聚区的主要原因可能与该区域土地利用基础有关，包括土地利用结构和土地利用形态。冷点区主要集中在万年县的中部地区，以青云镇、陈营镇、珠田乡为主，形成原因可能是受区位影响较大，该地区距离县城和主要公路较近，对农村居民点吸引力强，且受到公路交错分布的影响，从而形成居民点小规模集聚区。

图7 农村居民点空间规模分异“热点”图

3.4.4 农村居民点空间形态分异特征 选取了平均斑块形状指数(MSI)、斑块面积标准差(PSSD)两个景观指标，以万年县各乡镇为单元，得到表征农村居民点用地空间形态的景观格局指标值(表4)。

表4 各乡镇农村居民点景观形态指标值

由表4可看出，就平均斑块形状指数来看，万年县各乡镇平均斑块形状指数值介于1.21～1.38，平均斑块形状指数值最小的是青云镇，形态呈现出相对规则化发展。平均斑块形状指数值最大的是湖云乡，农村居民点形态相对不规则，居民点布局处于相对无序状态。就斑块面积标准差来看，万年县各乡镇标准差呈现出较大幅度的变化差异，测度值从1.57 hm2到7.22 hm2不等，可知农村居民点分布分异较大，需要科学合理的规划整理。

综合分析平均斑块形状指数和斑块面积标准差发现，它们在局部空间分布上有较好的一致性，即农村居民点景观形状复杂的区域，农村居民点分布规模差异也大。万年县的农村居民点形态的空间分异现象较为明显，大致可以分为：以湖云乡和梓埠镇为代表的偏离正方形的复杂农村居民点形态；以青云镇和大源镇为代表的团块状简单的农村居民点形态。

4 结论与讨论

4.1 结论

万年县农村居民点景观指数的空间粒度效应非常明显，不同的景观指数具有不同的粒度效应，如果不考虑空间粒度来研究农村居民点空间分布格局显然不合理。空间粒度效应敏感性较强的景观指数有斑块数量、斑块密度、平均斑块面积、景观聚集度指数，其变异系数都在70%以上；最大斑块指数、斑块面积标准差、景观结合度指数、景观聚集度指数和景观形状指数的粒度效应具有一般敏感性；而粒度效应敏感性较弱的有景观总面积、平均斑块形状指数、面积加权平均斑块分维数，其变异系数都不足20%。综合各个景观指数随粒度变化的第一尺度域的结果，确定30～50 m为万年县农村居民点空间格局分析的适宜粒度范围，50 m为万年县农村居民点空间格局分析的最佳分析粒度。

通过在最佳粒度效应下对万年县农村居民点空间布局分异分析发现：农村居民点的空间分布方向椭圆中心较行政区中心明显向北偏移，农村居民点景观东南部分布最稀疏，主要集中在西北、中部地区；各乡镇农村居民点空间布局存在较大差异，呈现出“集聚为主，分散兼有”的特征；农村居民点景观整体形态复杂性比较低，波动较小，形状较为规整。

4.2 讨论

在进行景观指数粒度效应分析时，容易受人为主观因素的影响。比如，在景观指数选取方面，因为可供选择分析的景观指数较多，可能会忽视掉一些可以更好地反映研究区域农村居民点空间格局特征的指标；在粒度划分方面，由于没有一套科学合理的粒度划分体系，一般都是经过已有的研究进行粒度划分标准的选择；在尺度综合选取方面，因为每个景观指数的粒度效应曲线拐点存在不同，也只能人为地选择大概的范围。因此，在之后的相关研究中，还需进一步探讨如何降低人为主观因素对农村居民点空间格局内在规律性研究的影响。

基于最佳分析粒度的景观指数法对于定量分析农村居民点空间分异特征是一个好的思路，可以为研究区村庄规划和新农村建设提供参考，但是在现实集中整治时，还应考虑当地的实际自然景观状况和社会经济发展条件，尽量少占用耕地，减少零星农村居民点斑块的存在，从而更好地优化农村居民点的布局，提高土地的利用效率，为实现乡村振兴奠定基础。