不同柵格尺度下鎮域農村居民點變化驅動力研究
——以太倉市瀏河鎮為例

舒幫榮, 曲 藝, 李永樂, 雍新琴, 梅 艷

(1.江蘇師范大學 測繪學院, 江蘇 徐州 221116; 2.中國科學院 地理科學與資源研究所,北京 100101; 3.中國科學院大學, 北京 100049; 4.南京財經大學 公共管理學院, 南京 210023)

不同柵格尺度下鎮域農村居民點變化驅動力研究
——以太倉市瀏河鎮為例

舒幫榮1, 曲 藝2,3, 李永樂4, 雍新琴1, 梅 艷1

(1.江蘇師范大學 測繪學院, 江蘇 徐州 221116; 2.中國科學院 地理科學與資源研究所,北京 100101; 3.中國科學院大學, 北京 100049; 4.南京財經大學 公共管理學院, 南京 210023)

從空間角度研究農村居民點演變驅動機制對農村居民點用地管理與優化具有重要意義，而柵格尺度的確定是其重要前提。以地處經濟發達地區的太倉市瀏河鎮為例，基于GIS及SPSS統計分析軟件，采用二分類Logistic回歸模型探討不同柵格尺度對其農村居民點變化驅動分析的影響及具體驅動機制。結果顯示，柵格尺度為10 m×10 m時驅動力模型的精度、解釋能力及擬合度最佳，農村居民點變化能得到較好的解釋；農民人均純收入的提高可推動研究區農村居民點空間調整，公路的吸引力可促進農村居民點向交通方便的地區調整，而人口密度、地均農業產值、人均耕地面積、基本農田及到水系的距離僅對農村居民點增加有影響，地均工業產值、人均居民點面積及到城鎮的距離僅對農村居民點減少有影響。研究表明柵格尺度對農村居民點變化驅動力模型的精度、解釋能力及擬合度存在影響，進而影響驅動因素及其重要性的識別，相關研究應結合研究區實際確定最佳柵格尺度；為推進農村居民點優化，應從發展農村經濟、提高農民收入、合理規劃鄉村公路、建立農村宅基地退出補償機制及加強基本農田保護等方面入手。

土地利用變化; 農村居民點; 驅動力; 柵格尺度; Logistic回歸

我國農村人口眾多，其生活與生產所依托的農村居民點，是我國土地利用類型中城鄉居民點及工礦用地的重要組成部分[1]，其利用的合理與否在很大程度上關系到我國土地利用的整體效率。隨著我國城市化進程的不斷推進，大量農村人口不斷向城市轉移，使得現有農村地區人口數量不斷減少，因此理論上講，農村建設用地面積應逐漸減少，但現實情況卻恰好相反[2]。隨著經濟的發展，我國土地供需矛盾日益緊張，農村居民點整理及其潛力釋放已成為人們日益關注的熱點[3-5]，而農村居民點變化驅動力研究又是其重要的基礎課題之一[6]。現有的農村居民點變化驅動力研究較多，其多從用地變化的規模方面進行分析[7-11]，也有學者從空間角度，采用Logistic回歸分析法對農村居民點變化的驅動因素進行了探討[12]，但未提及所用的柵格尺度，柵格尺度大小對農村居民點驅動力分析的影響也較為鮮見，這表明從空間角度對農村居民點變化驅動機制的研究仍需進一步深入探討。同時，鑒于鄉鎮作為我國五級土地管理行政區劃的最小行政單元，對鄉鎮范圍農村居民點變化驅動力的研究，更有利于從基礎入手為鄉鎮農村居民點的管理與優化提供決策支持。因此，本研究在GIS軟件支持下，采用二分類Logistic回歸分析模型對不同柵格尺度下地處我國東部經濟發達地區的太倉市瀏河鎮1996—2008年農村居民點變化驅動力進行分析，通過對不同柵格尺度下農村居民點變化驅動分析結果的對比，探討農村居民點變化的驅動機制，以求為新農村建設過程中的農村居民點管理與優化提供參考。

1 研究區概況與數據來源

本文以地處我國東部經濟發達地區的江蘇省蘇州市太倉瀏河鎮為研究區域。瀏河鎮位于太倉市東南部，東枕長江、南依上海，北接浮橋鎮，西連城廂鎮，總面積103.01 km2，其中陸地面積59.04 km2。瀏河鎮區內水網密集，水陸交通十分便捷，全鎮地處長江三角洲沖積平原，土壤肥沃，農業生產條件優越。截至2008年底，研究區內農村總戶數達1.09萬戶，總人口為3.10萬人，全年農業總產值達4.34億元，實現鄉鎮工業產值9.09億元，農民人均純收入達1.27萬元。瀏河鎮社會經濟基礎較好，經濟發展對建設用地增長的強烈需求致使區內土地利用不斷變化，有著“就地工業化，離土不離鄉”的典型特點[13]。同時，由于農民生活水平的提高、居住條件改善的需要，農村居民點呈現出無序變化的狀態，因而該鎮可作為農村居民點演變驅動力研究的理想區域。此外，基于不同柵格尺度對現階段瀏河鎮農村居民點變化驅動力進行研究，既可探討柵格尺度大小對農村居民點變化驅動力分析結果的影響，也有助于深入認識研究區農村居民點變化的影響因素，進而探尋具有針對性的政策措施，促進研究區農村居民點的合理演變。

本研究數據主要源于瀏河鎮1∶5 000的1996年和2008年土地利用現狀圖及第二輪土地利用總體規劃圖(1997—2010年)、1996年及2008年太倉市統計年鑒以及相應交通現狀圖。

2 研究方法

2.1 研究思路

為探討瀏河鎮農村居民點演變驅動力分析的最佳柵格尺度，本文將柵格尺度分為5 m×5 m，10 m×10 m，15 m×15 m，20 m×20 m，25 m×25 m，30 m×30 m共6種，分別對瀏河鎮不同尺度下的農村居民點變化進行對比分析。首先，從1996年及2008年土地利用現狀圖中提取兩年度農村居民點用地圖斑，在GIS軟件支持下進行疊加分析，剔除可能因誤差引起的小面積變化圖斑，得到明顯變化的居民點變化圖斑樣本(圖1)，并按前述柵格尺度進行柵格化處理，從而得到6種尺度下1996—2008年研究區農村居民點用地變化圖層；其次，選取農村居民點變化影響潛在因素，分別從相應的土地利用現狀圖、規劃圖及交通圖中提取潛在影響因素圖層，并進行柵格化處理，對于距離因素采用GIS軟件的距離函數進行分析；第三，以村為基本單元分別統計并計算社會經濟影響因素值，并進行柵格化處理；第四，分別提取各柵格尺度下各變量柵格單元值，在SPSS統計分析軟件中進行合并和隨機抽樣處理，并保證二分類Logistic回歸分析中變化與未變化的柵格數量基本相當，以保證分析結果的準確性；最后，在SPSS軟件支持下，對各影響因素進行Z-Score標準化處理，并進行多重共線性分析，并采用二分類Logistic逐步回歸分析方法分別對不同柵格尺度下的農村居民點變化及其潛在影響因素進行分析。

圖1 1996-2008年瀏河鎮農村居民點變化樣本

2.2二分類Logistic回歸模型

農村居民點演變過程包括兩種情況：農村居民點減少及農村居民點增加，因而需要對這兩種情況進行分別分析。同時，各種情況下農村居民點變化只涉及變化和未變化，即可將農村居民點變化視為二分性，故本研究采用二分類Logistic回歸分析方法分別對農村居民點增加和農村居民點減少過程進行分析。二分類Logistic回歸分析法是一種對二分類因變量進行回歸分析的非線性統計方法[14-15]。假設某一事件發生變化(即Y=1)的概率為P，1-P為某事件未發生變化(即Y=0)的概率，x1，…，xm為與Y相關的一組變量，將發生比P/(1-P)取對數得ln[P/(1-P)]，即對P做Logistic變換，記為logit(P)，其所對應的Logistic回歸模型為[15]：

(1)

(2)

式中：P——農村居民點變化(Y=1)的概率；Y——農村居民點變化行為，當農村居民點增加或減少時，其值取Y=1，否則Y=0；x1，…，xm為農村居民點增加或減少的驅動因素；β0——常數；βi(i=1，2，…，m)——偏回歸系數，當其值為正且統計性顯著時，表示在其他因素不變時，logit(P)將隨因素xi的增加而增加，反之則相反，當變量進行標準化后，所得βi絕對值越大，其對logit(P)的影響就越大。如果系數的統計性不顯著，則表明相應自變量的作用在統計上與0無異，應予以剔除，同時，如果變量系數通過檢驗，但其結果不符合實際意義，這類變量也應剔除。Logistic回歸模型解釋能力可采用ROC(Relative Operating Characteristics)進行檢驗[16]，由于ROC曲線方法能克服其他準確性評價指標的局限性，其已被廣泛應用于診斷準確性的評價研究[17]中，ROC值介于0.5～1之間，當ROC≥0.7時，表明自變量對因變量具有可接受的解釋能力[18-19]。同時，采用模型預測精度及pseudoR2來分別反映模型預測能力及擬合程度[20-21]，其中pseudoR2介于0～1之間，當pseudoR2>0.2時，表明模型擬合程度較好[22]。

2.3 驅動因素選擇

影響農村居民點用地變化的因素可以分為社會經濟發展、自然生態、土地利用政策、區位條件以及農戶行為等多種。為分析不同柵格尺度下研究區1996—2008年農村居民點變化的驅動機制，結合研究區實際情況及資料可獲取性，在參考已有研究[7-9,11-12]的基礎上，分別從社會經濟因素、自然環境因素、區位條件及土地政策因素等方面遴選了11項潛在影響因素進行分析。其中，社會經濟因素包括人口密度(x1)、農民人均純收入(x2)、地均工業產值(x3)、地均農業產值(x4)、農民人均耕地面積(x5)、農民人均居民點面積(x6)、糧食總產量(x7)；區位因素是影響農村居民點增加或減少的區位條件，主要指各類道路通達度，包括到公路的距離(x8)、到城鎮的距離(x9)；政策因素為約束農村居民點變化的現行指令性因素，這里選取基本農田(x10)；自然環境因素中選取到水系的距離(x11)。以上因素中，由于部分因素如人均居民點面積、人均耕地面積、糧食總產量為居民點變化前的資源稟賦類因素，故這三類因素數據采用1996年統計數據；基本農田采用第二輪土地利用規劃形成的土地利用規劃圖中的基本農田數據；其余因素則采用2008年的現狀數據。

在以上因素選取及數據整理的基礎上，采用GIS軟件對各因素進行柵格化處理，各因素圖層柵格尺度分別設置為前述6種尺度，其中，基本農田因素通過賦值進行量化，基本農田柵格值為1，非基本農田柵格單元取值為0。根據前述的研究思路，在隨機選取不同柵格尺度下的樣本后，進行影響因素標準化處理和多重共線性檢驗，以VIF<10為標準，剔除存在共線性的因素，在此基礎上分別對不同柵格尺度下瀏河鎮農村居民點增加及減少的驅動力進行逐步回歸分析，并以變量顯著性sig.<0.05為標準，對回歸結果不佳的變量進行剔除，最后得到各柵格尺度下瀏河鎮農村居民點變化的Logistic回歸分析結果。

3 結果與分析

3.1 農村居民點增加的驅動力分析

不同柵格尺度下瀏河鎮農村居民點增加驅動力分析結果(表1)顯示，6種尺度下進入回歸模型的解釋變量分別為6個、7個、5個、6個、6個及6個，表明不同柵格尺度下進入模型的解釋變量是各不相同的，柵格大小對農村居民點減少的Logistic回歸模型變量有顯著影響。從模型檢驗結果來看，當柵格尺度為10 m×10 m時，模型精度為76.10%，ROC值達0.798，pseudoR2值為0.247，此時模型的檢驗結果在各柵格尺度下最佳，模型擬合程度較好，各變量可以很好地解釋研究區農村居民點增加過程；而當柵格尺度為其余5種時，模型精度及ROC值均有所下降，pseudoR2值均小于0.2，特別是當柵格尺度為5 m×5 m時，回歸模型的ROC值僅為0.713，精度僅為66.30%，pseudoR2值也最低，雖然進入模型的變量可以在一定程度上解釋瀏河鎮農村居民點增加過程，但其解釋能力較弱。因此，瀏河鎮農村居民點增加驅動力分析的最佳柵格尺度為10 m×10 m。

在模型精度最佳時，進入Logistic回歸模型的變量分別為人口密度(x1)、農民人均純收入(x2)、地均農業產值(x4)、人均耕地面積(x5)、到公路的距離(x8)、基本農田(x10)和到水系的距離(x11)。其中，地均農業產值、農民人均純收入、人均耕地面積、人口密度及到水系距離的增加均可導致農村居民點增加，且其影響力依次減弱，特別是地均農業產值對農村居民點的增加有顯著影響，其回歸系數及Exp(β)值分別達0.282和1.326，這表明，在瀏河鎮農村居民點變化過程中，地均農業產值越高，使得農村經濟及農民生活水平不斷提高，隨之產生了農村居住環境改善的需求，致使農村居民點增加的可能性更大。重要性僅次于地均農業產值的是農民人均純收入，表明農民人均純收入越高，農民越有能力改造自身居住環境，從而提高了農民居民點增加的可能性。人均耕地面積越大，其土地資源稟賦越大，農村居民點也越容易擴張；人口密度越大，農村居民點越有可能擴張；由于研究區水網密集，水源問題容易得到解決，農村居民點選點更傾向于離水系稍遠的地方，但其影響力非常小。

而到公路距離的增加及基本農田可降低農村居民點增加的可能性，特別是基本農田對農村居民點增加有重要影響，當土地單元為基本農田時，其轉化為農村居民點的概率僅為非基本農田單元轉化概率的26.20%，這表明基本農田保護政策對于農村居民點的無序擴張起到了積極作用。而公路對農村居民點的增加有著吸引力作用，除基本農田等禁止或不可建設土地外，離公路越近，農村居民點增加的概率也逐漸提高，這是由于靠近公路的區域交通條件相對較好，農民在改善居住環境時更傾向于選擇靠近公路的地方新建居民點。

表1 不同柵格尺度下瀏河鎮農村居民點增加驅動力估計

注：各變量自由度df均為1；“-”表示該變量未進入模型。

3.2 農村居民點減少的驅動力分析

瀏河鎮農村居民點減少驅動力分析結果(表2)顯示，6種尺度下進入Logistic回歸模型的解釋變量分別為6個、5個、6個、5個、6個和5個，且不同尺度下進入模型的變量也所有不同，這也表明柵格尺度大小對研究區農村居民點減少的Logistic回歸分析同樣有著影響。檢驗結果表明，當柵格尺度為10 m×10 m時，Logistic回歸模型精度、ROC及pseudoR2值均達到最高，分別為82.50%，0.924，0.482，說明模型擬合較好，此時進入模型的各變量能很好地解釋瀏河鎮農村居民點的減少過程。而當柵格尺度為其余大小時，模型精度、ROC及pseudoR2值相對較低，其中模型各項檢驗指標在柵格尺度為5 m×5 m時最低，進入模型的解釋變量對農村居民點減少過程的解釋能力較弱，故對瀏河鎮農村居民點減少驅動力分析的最佳柵格尺度為10 m×10 m。

當柵格尺度為10 m×10 m時，進入模型的解釋變量有農民人均純收入(x2)、地均工業產值(x3)、人均居民點面積(x6)、到公路的距離(x8)和到城鎮的距離(x9)，其中距離城鎮中心越遠，農村居民點減少的可能性越小，這是由于瀏河鎮轄區較大，建成區相對較小，其對較遠的農村居民點變化影響較小，而對建成區周邊農村居民點的影響相對較大，致使較多的周邊農村居民點轉變為城鎮用地以滿足城鎮經濟發展需求，因而到城鎮的距離對瀏河鎮農村居民點的減少表現為負向作用。

而農民人均純收入、人均居民點面積、到公路的距離及地均工業產值的增加可導致農村居民點的減少，且其作用力度依次降低。首先，農民收入越高，農民越有能力及意愿改善現有居住條件，且整理效益較高，該因素對農村居民點減少概率的影響最大；其次，人均居民點面積越大，農村居民點閑置可能性越大，農村居民點經整理變為農用地的可能性也就越大，該因素對農村居民點減少概率的影響力度僅次于農民人均收入；離公路越遠，越不方便居民日常生產與生活，更容易優先被選為整理對象；而地均工業產值越高，一方面能促使部分有條件的農民從農村向城鎮轉移，退出農村宅基地，另一方面也使得村集體更具農村居民點整理的能力，促進農村居民點的減少或農民居住條件的改善，而在農村居民點條件改善的過程中，必將使部分居民點用地變為其他用地類型，從而提高農村居民點減少的可能性。

表2 不同柵格尺度下瀏河鎮農村居民點減少驅動力估計

注：各變量自由度df均為1；“-”表示該變量未進入模型。

綜合瀏河鎮農村居民點增加及減少過程的驅動因素分析，除糧食總產量這一因素在部分柵格尺度下存在多重共線性或未通過檢驗而被剔除外，其余10個潛在因素對瀏河鎮農村居民點變化均有影響。其中農民人均純收入和到公路的距離對農村居民點增加及減少過程均有影響，特別是農民人均純收入的提高不僅能增大農村居民點增加的可能性，同時也能加快農村居民點的減少，從而表現為農村居民點在空間上不斷變化，這說明農民增收可促進農村居民點空間布局調整；而到公路距離的減小有利于農村居民點的增加，其增加又可提高農村居民點減少的概率，表明合理的鄉村公路規劃可引導農村居民點的調整，使區位不佳的農村居民點向交通區位較好的地區調整。其余8個因素僅對農村居民點增加或減少過程有著影響。

4 結論與建議

通過采用二分類Logistic回歸模型對不同柵格尺度下瀏河鎮農村居民點增加及減少驅動力的分析，得到以下結論與建議：

(1) 柵格尺度大小對農村居民點變化驅動力研究存在一定程度的影響，因此類似的土地利用變化驅動力研究過程中應結合研究區實際確定最佳柵格尺度，以提高回歸模型精度，得到更為準確的驅動因素分析結果。

(2) 在柵格尺度為10 m×10 m時，瀏河鎮農村居民點增加及減少的驅動力模型擬合精度最高。其中，農村居民點的增加主要受人口密度、農民人均純收入、地均農業產值、人均耕地面積及到水系距離的正向驅動及到公路距離和基本農田的負向作用。具有正向作用的影響因素按影響力大小排序分別為：地均農業產值、農民人均純收入、人均耕地面積、人口密度、到水系的距離；而負向作用的影響因素中基本農田影響最大。對于農村居民點減少而言，農民人均純收入、人均居民點面積、到公路的距離、地均工業產值對其起正向作用，作用力度依次遞減；到城鎮的距離對農村居民點減少起負向作用。

(3) 總體而言，農民人均純收入的提高對研究區農村居民點的減少和增加均具有顯著推動作用，即農民收入的提高可推動農村居民點在空間上的調整，公路的吸引力則可使交通條件不佳的農村居民點向交通可達性較好的地區調整；而人口密度的增加及地均農業產值的提高可促進農村居民點增加，人均耕地面積的減少、基本農田的保護及到水系的距離減少將限制農村居民點的增加；地均工業產值的提高可促進農村居民點的減少，人均居民點面積較小及到城鎮中心距離較遠的地方，農村居民點減少的可能性相對較小。

(4) 為優化農村居民點的規模與布局，可采取以下對策：首先，抓住新農村建設的契機，進一步發展農村經濟，提高農民收入水平，增強農民集體優化自身農村居民點的能力；其次，進一步優化鄉村道路網絡系統，通過公路的優化配置引導農村居民點的合理布局；第三，進一步加快農村工業發展的轉型升級，制定相應的農村宅基地退出補償政策，促進有條件的農民離土離鄉，促進農村居民點用地的合理縮減；第四，堅定基本農田保護力度，防止農村建設用地的無序擴張。

當然，農村居民點演變還受農戶行為、地方習俗等的影響，本研究僅選取了11項潛在因素進行分析，同時，對社會經濟因素的分析以村為單位，由于村內農戶經濟收入等存在差別，可能對農村居民點變化也有一定影響，因而在進一步的研究中需要結合農戶調查進行更為細致的分析。

[1] 李裕瑞,劉彥隨,龍花樓.中國農村人口與農村居民點用地的時空變化[J].自然資源學報,2010,25(10):1629-1638.

[2] 談明洪,呂昌河.城市用地擴展與耕地保護[J].自然資源學報,2005,20(1):52-58.

[3] 林常春,張俊梅,許皞,等.農村居民點用地整理時序研究:以河北省盧龍縣為例[J].水土保持研究,2010,17(3):115-119.

[4] 喬蕻強,劉秀華,李讓恩.農村居民點用地整理現實潛力測算及分區:以重慶市豐都縣為例[J].水土保持研究,2012,19(2):222-225.

[5] 岳坤,張鵬輝,任倩.保定市農村居民點整理潛力評價分級探討[J].水土保持研究,2012,19(3):170-174.

[6] 何英彬,陳佑啟,唐華俊,等.中國農村居民點研究進展[J].中國農學通報,2010,26(14):433-437.

[7] 劉志玲,張麗琴.農村居民點用地發展驅動力研究:以安徽省為例[J].農村經濟,2006(3):30-32.

[8] 胡賢輝,楊鋼橋,張霞,等.農村居民點用地數量變化及驅動機制研究:基于湖北仙桃市的實證[J].資源科學,2007,29(3):191-197.

[9] 馮長春,趙若曦,古維迎.中國農村居民點用地變化的社會經濟因素分析[J].中國人口·資源與環境,2012,22(3):6-12.

[10] 蘇高華,陳方正,鄭新奇.基于系統論的農村居民點用地演變驅動機制研究:以北京市昌平區為例[J].水土保持研究,2009,16(4):117-120.

[11] 李曉剛,歐名豪,許恒周.農村居民點用地動態變化及驅動力分析:以青島市為例[J].國土資源科技管理,2006,23(3):27-32.

[12] 姜廣輝,張鳳榮,陳軍偉,等.基于Logistic回歸模型的北京山區農村居民點變化的驅動力分析[J].農業工程學報,2007,23(5):81-87.

[13] 魏文佳,陳江龍,劉飛,等.經濟發達地區農村居民點潛力釋放空間選擇:以太倉市陸渡鎮、瀏河鎮為例[J].長江流域資源與環境,2011,20(7):873-878.

[14] Hosmer Jr D W, Lemeshow S. Applied Logistic Regression[M]. John Wiley & Sons,2004.

[15] 王濟川,郭志剛.Logistic回歸模型:方法與應用[M].北京:高等教育出版社,2001.

[16] Hu Z, Lo C P. Modeling urban growth in Atlanta using logistic regression[J]. Computers, Environment and Urban Systems,2007,31(6):667-688.

[17] 李志輝,羅平.PASW/SPSS Statistics統計分析教程[M].3版.北京:電子工業出版社,2010.

[18] Pontius R G, Schneider L C. Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA[J]. Agriculture, Ecosystems & Environment,2001,85(1):239-248.

[19] Olaniyi A O, Abdullah A M, Ramli M F, et al. Assessment of Drivers of Coastal Land Use Change in Malaysia[J]. Ocean & Coastal Management,2012,67:113-123.

[20] Menard S. Applied Logistic Regression Analysis[M]. 106 ed: Sage Publications, Incorporated,2001.

[21] Li X, Zhou W, Ouyang Z. Forty years of urban expansion in Beijing: What is the relative importance of physical, socioeconomic, and neighborhood factors[J]. Applied Geography,2013,38:1-10.

[22] Ozdemir A. Using a binary logistic regression method and GIS for evaluating and mapping the groundwater spring potential in the Sultan Mountains (Aksehir, Turkey)[J]. Journal of Hydrology,2011,405(1):123-136.

DrivingForcesofRuralSettlementChangeofTownshipatVariousResolution—ACaseStudyofLiuheTownship,TaicangCounty

SHU Bang-rong1, QU Yi2,3, LI Yong-le4, YONG Xin-qin1, MEI Yan1

(1.SchoolofGeodesyandGeomatics,JiangsuNormalUniversity,Xuzhou,Jiangsu221116,China; 2.InstituteofGeographicandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China; 3.UniversityofChineseAcademyofSciences,Beijing100049,China; 4.CollegeofPublicManagement,NanjingUniversityofFinance&Economics,Nanjing210023,China)

Scale plays a key role in the studies of driving mechanism of rural settlement changes when raster data were used with the aid of geographic information system. This paper thus explored the impacts of various scales on the driving force analysis of rural settlement changes and the related driving mechanism in the developed township of Liuhe Township, Taicang County by the method of binary logistic regression model. The results showed that the driving force model best fit the data from 1996 to 2008 at the resolution of 10 m, farmers′ net income per capita was found to be the impetus of the spatial adjustment of rural settlements, and attractiveness of roads could also promote the spatial adjustment of rural settlements for convenient transportation. Population density, agricultural production value per area, arable land per capita, basic farmland and distance to main irrigation system had impacts on increase of rural settlement area, while industrial output per area, residential area per capita and the distance to town had merely impacts on decrease of rural residents. Our study illustrated that the impacts of various resolutions on the accuracy, interpretation power and goodness of fit of the constructed model, which further influenced the identification of driving factors and their substance. Therefore, resolution of raster data should be decided in the initial period of research before further analysis. Additionally, measures for the optimization of rural settlements include development of rural economy, increasing farmers′ income, planning of rural village roads, construction of exit and compensation mechanism of rural settlements, and protection of the basic farmland.

land use change; rural settlement area; driving forces; resolution of raster data; logistic regression model

2013-07-16

：2013-08-11

國家自然科學基金資助項目(41101546);江蘇師范大學博士學位教師科研支持項目(12XLR010)

舒幫榮(1982—),男,四川瀘州人,副教授,博士,主要研究方向為土地經濟、土地規劃與管理。E-mail:bangyunshu@126.com

李永樂(1984—),男,山東棗莊人,博士,講師,主要研究方向為土地經濟與管理。E-mail:liyonglenau@163.com

F301.24

：A

：1005-3409(2014)02-0127-06