基于最佳分析粒度的農村居民點空間格局分析
——以萬年縣為例

劉雪乾，蔡海生,2*，張學玲，陳 藝，喻淞瀚

(1.江西農業大學 江西省鄱陽湖流域農業資源與生態重點實驗室/富硒農業產業發展研究中心，江西 南昌 330045；2.江西旅游商貿職業學院，江西 南昌 330100)

隨著3S技術在景觀格局的定量化研究中廣泛應用，景觀生態學的研究方法在土地利用景觀格局的研究中取得了很好的效果，而且景觀指數可以定量分析景觀空間的分布特征，從而一直成為專家學者關注和研究的熱點話題[1-5]。但是現有可以計算景觀指數的軟件多數都以柵格數據作為數據源，在柵格單元基礎上進行計算，從而導致“可塑性面積單元問題”的出現，即計算結果隨著空間粒度的不同而發生變化[6-7]。這就促使了我國眾多學者對不同粒度是如何影響景觀指數這一問題進行研究。如任梅等[8]從類型和景觀兩個方面選取指標并劃分為15個步長進行土地利用景觀格局的空間粒度效應分析，從而探討了喀斯特山地城市的景觀生態研究的最佳適宜粒度；陳雅如等[9]以受大型水利工程建設影響的三峽庫區為例，選取受工程建設影響最大的幾個年份的土地利用數據，探討了景觀指數在30～1000 m粒度范圍內的粒度效應變化，進而分析了其對土地利用變化過程的響應；汪桂芳等[10]率先使用空間分辨率為0.09 m的無人機影像定量分析了漯河市土地利用景觀格局的尺度效應，與衛星影像相比，無人機影像可以更精確發現景觀格局細微的變化和特殊現象。

研究進一步深入之后，許多專家學者發現不同景觀的空間格局特征存在明顯差異，并沒有普遍適用于所有土地利用類型景觀的最佳空間分析粒度，只存在特定景觀的適宜空間分析粒度。如謝奎等[11]分析了養殖池塘景觀指數的粒度效應；王晶晶等[12]探析了水稻地、大豆地、蔬菜地、休閑耕地和大棚種植地5類耕地景觀的景觀指數空間粒度效應。

鑒于此，本文分析了江西省萬年縣農村居民點景觀指數的粒度效應及其最佳粒度效應下的空間分異特征，可以為村莊規劃和合理高效使用農村居民點用地提供參考。

1 研究區概況

萬年縣隸屬于江西省上饒市，地處江西省東北部，位于長江中下游，全縣東西跨距約47 km，南北跨距約43 km。萬年縣地貌類型以臺地為主，其次為濱湖平原，地勢呈現從東南向西北傾斜，屬于亞熱帶濕潤性季風氣候，氣候溫和，降水豐富且無霜期長；萬年縣下設12個鄉鎮、32個居委會、130個村委會。截止2018年底，萬年縣戶籍人口為43.91萬人，其中鄉村人口30.36萬人，占總人口的69%；2018年全縣實現生產總值(GDP)151.85億元。萬年縣被稱為“中國貢米之鄉”，是江西省新農村建設工作先進縣。

2 數據來源與研究方法

2.1 數據來源

本文所使用的主要數據來源于萬年縣2018年度的土地利用變更調查數據。借助ArcGIS 10.2軟件，從中提取地類編碼為203的農村居民點數據作為該研究的主分析數據。其它還涉及到的數據包括萬年縣行政界限及下轄各鄉鎮界限。

2.2 景觀指數粒度效應分析法

2.2.1 粒度選擇 由于研究區范圍以及景觀格局的不同，粒度范圍及步長的選擇也不盡相同。一般情況下，大步長大粒度域可以掩蓋小步長小粒度域的變化規律，小步長小粒度域則會重演大步長大粒度域的變化規律[13]。因此，參考前人選取的粒度范圍及步長的劃分案例[14-16]，結合研究區實際概況，將源數據轉化為10～150 m范圍內以20 m為步長的7個數據，150～500 m內以50 m為步長的8個數據，共15幅柵格圖。

2.2.2 景觀指數篩選 根據研究需要，從斑塊數量和規模、斑塊形狀復雜程度、斑塊聚散性等方面選取能較全面反映萬年縣區域特點的景觀指數。其中：在數量特征景觀指數上，選取了斑塊數量、斑塊密度；在規模特征景觀指數上，選取了景觀總面積、最大斑塊指數、平均斑塊面積、斑塊面積標準差；在空間聚散性特征景觀指數上，選取了平均最近鄰距離、景觀聚集度指數、景觀結合度指數；在形狀特征景觀指數上，選取了景觀形狀指數、平均斑塊形狀指數、面積加權平均斑塊分維數。

2.2.3 最佳粒度效應分析 利用Fragstats 4.2軟件對景觀指數進行計算，將計算結果輸出到Excel中，進行景觀指數的制圖與變異系數的計算，分析景觀指數的粒度效應，從而確定適宜的粒度范圍及最佳空間粒度。

2.3 空間格局分析法

2.3.1 標準差橢圓(SDE) 標準差橢圓法最早由社會學家Lefever提出，是一種重要的地統計方法。此方法主要用于揭示地理要素的空間關系，因而在許多領域被廣泛應用。標準差橢圓法能夠較好地描述農村居民點在空間分布上的方向偏差，可以計算農村居民點分布的均值中心，并且既可以加權，也可以非加權[17]。本文采用加權標準差橢圓法，基于萬年縣農村居民點斑塊的空間區位，用每個斑塊對應的面積表示相應的權重，計算其空間分布的標準差橢圓。計算方法如下：

加權平均中心：

(1)

方位角：

(2)

短軸標準差：

(3)

長軸標準差：

(4)

(5)

式(5)中：Wij(d)為以距離規則定義的空間權重；xi和xj分別是i和j區域的變量值。

2.3.3 核密度估計(KED) 核密度估計是估計未知的密度函數，是一種非參數檢驗方法[19]。該方法對于農村居民點空間分布密度可以進行有效測度，核密度值越高，說明農村居民點分布密度越大；核密度值低，說明農村居民點分布密度越小。其表達式如(6)所示。

(6)

式(6)中：f(x,y)為位于(x,y)位置的農村居民點的核密度估計值；n為觀測數值；h為帶寬；k為核函數；di為(x,y)位置的農村居民點距第i個觀測位置的農村居民點的距離。

2.3.4 景觀格局分析法 景觀指數是景觀格局分析中經常使用的定量指標。它可以高度濃縮景觀格局信息，從而反映景觀結構組成和空間配置某些方面的特征[20-21]。根據本文研究的需要，選擇平均最近臨近距離(ENN)和景觀聚集度指數(AI)用于定量分析萬年縣農村居民點的空間分布分異特征；選擇平均斑塊形狀指數(MSI)和斑塊面積標準差(PSSD)用于定量分析萬年縣農村居民點的空間形態分異特征。

3 結果與分析

3.1 景觀指數的粒度效應分析

通過對不同空間粒度下的各種景觀指數的計算，繪制各景觀指數與空間粒度之間的關系曲線，使用合適的擬合方程，并選擇決定系數(R2)體現擬合程度，從而表征擬合函數對其變化是否可以進行精確地預測。

3.1.1 數量特征變化分析 本文選取斑塊數量(NP)和斑塊密度(PD)來反映萬年縣農村居民點數量方面的特征。斑塊數量是指農村居民點斑塊的總塊數，斑塊密度是指單位面積上農村居民點的斑塊數。其粒度效應曲線如圖1所示。

圖1 數量特征景觀指數的粒度效應曲線

由圖1可知，隨著粒度的不斷增大，斑塊數量和斑塊密度都呈現顯著下降趨勢，尤其在10～90 m的粒度范圍內，下降趨勢更為急劇；粒度從90 m繼續增大時，其下降的速率變得緩和。斑塊數量和斑塊密度與粒度的變化關系可用二次多項式進行擬合，決定系數R2分別為0.9736和0.9746，擬合程度都達到了極顯著水平，可預測性強度極高。可以看出，在低于90 m的小粒度范圍，斑塊數量和斑塊密度隨粒度增大而快速下降，說明萬年縣農村居民點分布的破碎化程度較高且小面積的斑塊占比較大。

3.1.2 規模特征變化分析 本文選取景觀總面積(CA)、最大斑塊指數(LPI)、平均斑塊面積(MPS)和斑塊面積標準差(PSSD)來反映萬年縣農村居民點規模方面的特征。景觀總面積是指研究區所有農村居民點斑塊的總面積；最大斑塊指數是指農村居民點最大斑塊面積與景觀總面積之比的百分數；平均斑塊面積是指農村居民點總面積的平均值；斑塊面積標準差是衡量農村居民點斑塊間的規模差異，研究區內某個農村居民點斑塊的規模與農村居民點斑塊的平均規模差異越大，標準差就越大。其粒度效應曲線如圖2所示。

圖2 規模特征景觀指數的粒度效應曲線

由圖2可知，隨著粒度的不斷增大，4項景觀指標呈現了不同的變化趨勢。景觀總面積呈波浪式變化，其中150 m之前波動的幅度較小，150 m以后波動的幅度變大，可以用線性方程擬合，決定系數R2為0.3509，擬合程度極差，不具備可預測的意義。最大斑塊指數呈波浪式上升趨勢，在200 m之后出現較大幅度的變化，但總體上趨于緩和，變化幅度控制在3%以內，可以用線性方程擬合，決定系數R2為0.709，擬合程度一般，僅有一定的預測意義。平均斑塊面積和斑塊面積標準差呈逐漸上升趨勢，決定系數R2分別為0.9963和0.9546，擬合程度都達到了極顯著水平，可預測性強度極高。因此，由預測性強的指標可以看出，隨著粒度增大，單個斑塊的規模和斑塊間的規模差異都會變大。

3.1.3 空間聚散性特征變化分析 本文選取平均最近鄰距離(ENN)、景觀聚集度指數(AI)和景觀結合度指數(COHESION)來反映萬年縣農村居民點空間聚散性的特征。其中，平均最近鄰距離指農村居民點斑塊之間分布的離散程度，平均最近鄰距離越大，說明農村居民點的分布越零離散；景觀聚集度指數表示了農村居民點斑塊的聚集與分散狀態，其值越大表示斑塊的分布越集中，值越小表示斑塊的分布越分散；景觀結合度指數是指農村居民點各斑塊間的物理連通性強度，通常而言，景觀結合度指數越高說明農村居民點在空間上的連接性越好。其粒度效應曲線如圖3所示。

由圖3可知，平均最近鄰距離隨著粒度的增加整體呈遞增趨勢，可以用一元線性方程式擬合，擬合函數的決定系數R2為0.9972；景觀聚集度指數和景觀結合度指數隨粒度的增大呈下降的趨勢，200 m以后下降的速率趨于緩和，可以用二次多項式擬合，擬合函數的決定系數R2分別為0.9885、0.9547；3個指數的擬合程度都達到了極顯著水平，可預測性極高。總之，隨著粒度的增加，萬年縣農村居民點各斑塊間的聚集和結合程度降低，分布呈現離散化。

3.1.4 形狀特征變化分析 本文選取景觀形狀指數(LSI)、平均斑塊形狀指數(MSI)、面積加權平均斑塊分維數(AWMPFD)來反映農村居民點形狀方面的特征。景觀形狀指數和平均斑塊形狀指數表示的是農村居民點斑塊形狀的復雜程度，數值越大，農村居民點斑塊形狀越復雜，邊界曲折度越大。面積加權平均斑塊分維數表示的是農村居民點斑塊的不規則程度，當值越接近于1，形狀越規則，斑塊形狀趨近于正方形或圓形；當值越接近于2，斑塊形狀越不規則，但一般而言該值的可能上限為1.5。其粒度效應曲線如圖4所示。

圖3 空間聚散性特征景觀指數的粒度效應曲線

圖4 形狀特征景觀指數的粒度效應曲線

由圖4可知，景觀形狀指數、平均斑塊形狀指數、面積加權平均斑塊分維數隨著粒度的增大整體都呈下降趨勢，景觀形狀指數可以用二次項擬合，而平均斑塊形狀指數、面積加權平均斑塊分維數可以用冪函數擬合，擬合函數的決定系數R2分別為0.9779、0.9535、0.9645，擬合程度都達到了極顯著水平，可預測性強度極高。因此可以得到，隨著粒度的增大，萬年縣農村居民點斑塊形狀分布越來越規則。

3.2 景觀指數粒度效應的變異特征

為了進一步了解各類景觀指數對粒度變化的敏感性程度，可以用景觀指數隨粒度變化的變異系數來表示(表1)。通過表1可看出，12類景觀指數隨粒度增大，變異系數存在較大的差異，敏感性程度顯著不同。其中斑塊數量、斑塊密度、平均斑塊面積、平均最近鄰距離、景觀聚集度指數，其變異系數都在70%以上，呈現較強敏感性，說明其受粒度變化的影響較大；最大斑塊指數、斑塊面積標準差、景觀結合度指數和景觀形狀指數具有中等偏上的變異，其變異系數在40%～60%，呈現一般敏感性；而景觀總面積、平均斑塊形狀指數、面積加權平均斑塊分維數，其變異系數都不足20%，尤其景觀總面積和面積加權平均斑塊分維數，其變異系數均未超過5%，呈現較弱敏感性，說明其受粒度變化的影響最小。

3.3 最佳粒度效應的選取

適宜粒度范圍選取原則是將景觀指數變化相對平穩，沒有明顯轉折的尺度范圍作為第一尺度域，并在所選范圍中選擇偏大的尺度范圍作為合適的粒度范圍，這樣既能確保計算的質量，又可以簡化工作量[22-23]。由于研究整個農村居民點空間格局特征，需要綜合上述12個景觀指數的最佳尺度范圍來確定農村居民點空間格局分析的適宜粒度范圍(表2)，因此，最終確定萬年縣農村居民點空間格局分析的適宜粒度范圍為30～50 m，最佳空間粒度為50 m。

表1 景觀指數隨粒度變化的變異系數

表2 景觀指數的適宜粒度范圍 m

3.4 最佳粒度效應下的農村居民點空間分異

3.4.1 農村居民點空間分布方向特征 借助Arc GIS 10.2軟件，運用標準差橢圓法，橢圓大小選取1_STANDARD_DEVIATION，最終生成萬年縣農村居民點空間格局的方向分布圖。分析圖5可知，標準差橢圓的分布方向與萬年縣行政區的分布方向一致，呈西北-東南走向，研究區49%面積的農村居民點分布在標準橢圓內，經過面積加權發現標準橢圓的重心在汪家鄉境內。萬年縣大部分地區都位于標準橢圓內，橢圓長軸有一小部分在萬年縣境外，長軸和短軸都較短，但是橢圓中心與行政區市(區)中心相比明顯向西北偏移，農村居民點空間分布東部稀疏，主要集中在西部、中部地區。主要由于東部地區海拔較高，地勢起伏大，坡度較高，而西部和中部地區海拔低，地勢平坦，坡度小，更適于人居住。

3.4.2 農村居民點空間分布分異特征 采用核密度估計法以及選取平均最近鄰距離(ENN)和景觀聚集度指數(AI)兩個景觀指數相結合的形式，以萬年縣各鄉鎮為單元，從農村居民點分布的稀疏程度、遠近距離、空間離散3個方面描述了萬年縣的空間分布特征。

圖5 農村居民點空間分布方向圖

借助ArcGIS 10.2軟件，選取核密度工具測算萬年縣農村居民點的核密度值，采用自然段點法將核密度值進行分級，得到農村居民點核密度分布圖(圖6)。通過對圖6分析，從各鄉鎮之間對比來看，陳營鎮、梓埠鎮、青云鎮的密度值較高，農村居民點分布呈現集聚的特征，尤其以陳營鎮最為突出，主要是由于陳營鎮是萬年縣的縣城所在地，受城鎮發展輻射的影響較大，社會經濟條件好且基礎設施完善度高；而從密度值較低即農村居民點分布呈現較為分散特征的地區可以看出農村居民點分布密度與地形因素也有著密不可分的關系，例如東部海拔高、坡度大的大源鎮與裴梅鎮，核密度值都很低。從各鄉鎮內部來看，受生產生活條件的影響，農村居民點核密度也存在顯著差異，生產生活條件好的區域，密度值高，村莊布局的適宜性水平高，村莊發展的潛力也大。

分析表3可得到，就平均最近鄰距離來說，萬年縣各鄉鎮農村居民點的該數值介于188～238 m，青云鎮的農村居民點的平均臨近距離最近，這與該區域農村居民點呈條帶狀形態密切相關；平均臨近距離最遠的是齊埠鎮，反映了這一區域內農村居民點被其它景觀斑塊分割的狀況。就景觀聚集度指數來看，萬年縣各鄉鎮農村居民點分布的破碎化程度有顯著差異，景觀聚集度指數最高的是湖云鄉，值為71.44%，說明湖云鄉農村居民點分布破碎化程度低；景觀聚集度指數最低的是青云鎮，值為43.06%，說明農村居民點分布破碎化程度高。

圖6 農村居民點核密度分布圖

表3 各鄉鎮農村居民點空間分布指標值

3.4.3 農村居民點空間規模分異特征 通過空間熱點探測分析法來描述萬年縣農村居民點空間規模特征。借助ArcGIS 10.2軟件，選取空間熱點探測分析工具得到表示空間熱點的Z值，并以此劃分熱點區和冷點區(圖7)。圖7中的高值區域為熱點區，表示農村居民點呈現局部的大規模斑塊集聚；低值區域為冷點區，表示農村居民點呈現局部的小規模斑塊集聚；而不顯著區域表示農村居民點斑塊規模呈現隨機分布。由圖7可以得到，萬年縣農村居民點斑塊規模的熱點區和冷點區空間分異顯著，熱點區主要集中在萬年縣西北部的梓埠鎮、湖云鄉，東南部的裴梅鎮，形成居民點大規模集聚區的主要原因可能與該區域土地利用基礎有關，包括土地利用結構和土地利用形態。冷點區主要集中在萬年縣的中部地區，以青云鎮、陳營鎮、珠田鄉為主，形成原因可能是受區位影響較大，該地區距離縣城和主要公路較近，對農村居民點吸引力強，且受到公路交錯分布的影響，從而形成居民點小規模集聚區。

圖7 農村居民點空間規模分異“熱點”圖

3.4.4 農村居民點空間形態分異特征 選取了平均斑塊形狀指數(MSI)、斑塊面積標準差(PSSD)兩個景觀指標，以萬年縣各鄉鎮為單元，得到表征農村居民點用地空間形態的景觀格局指標值(表4)。

表4 各鄉鎮農村居民點景觀形態指標值

由表4可看出，就平均斑塊形狀指數來看，萬年縣各鄉鎮平均斑塊形狀指數值介于1.21～1.38，平均斑塊形狀指數值最小的是青云鎮，形態呈現出相對規則化發展。平均斑塊形狀指數值最大的是湖云鄉，農村居民點形態相對不規則，居民點布局處于相對無序狀態。就斑塊面積標準差來看，萬年縣各鄉鎮標準差呈現出較大幅度的變化差異，測度值從1.57 hm2到7.22 hm2不等，可知農村居民點分布分異較大，需要科學合理的規劃整理。

綜合分析平均斑塊形狀指數和斑塊面積標準差發現，它們在局部空間分布上有較好的一致性，即農村居民點景觀形狀復雜的區域，農村居民點分布規模差異也大。萬年縣的農村居民點形態的空間分異現象較為明顯，大致可以分為：以湖云鄉和梓埠鎮為代表的偏離正方形的復雜農村居民點形態；以青云鎮和大源鎮為代表的團塊狀簡單的農村居民點形態。

4 結論與討論

4.1 結論

萬年縣農村居民點景觀指數的空間粒度效應非常明顯，不同的景觀指數具有不同的粒度效應，如果不考慮空間粒度來研究農村居民點空間分布格局顯然不合理。空間粒度效應敏感性較強的景觀指數有斑塊數量、斑塊密度、平均斑塊面積、景觀聚集度指數，其變異系數都在70%以上；最大斑塊指數、斑塊面積標準差、景觀結合度指數、景觀聚集度指數和景觀形狀指數的粒度效應具有一般敏感性；而粒度效應敏感性較弱的有景觀總面積、平均斑塊形狀指數、面積加權平均斑塊分維數，其變異系數都不足20%。綜合各個景觀指數隨粒度變化的第一尺度域的結果，確定30～50 m為萬年縣農村居民點空間格局分析的適宜粒度范圍，50 m為萬年縣農村居民點空間格局分析的最佳分析粒度。

通過在最佳粒度效應下對萬年縣農村居民點空間布局分異分析發現：農村居民點的空間分布方向橢圓中心較行政區中心明顯向北偏移，農村居民點景觀東南部分布最稀疏，主要集中在西北、中部地區；各鄉鎮農村居民點空間布局存在較大差異，呈現出“集聚為主，分散兼有”的特征；農村居民點景觀整體形態復雜性比較低，波動較小，形狀較為規整。

4.2 討論

在進行景觀指數粒度效應分析時，容易受人為主觀因素的影響。比如，在景觀指數選取方面，因為可供選擇分析的景觀指數較多，可能會忽視掉一些可以更好地反映研究區域農村居民點空間格局特征的指標；在粒度劃分方面，由于沒有一套科學合理的粒度劃分體系，一般都是經過已有的研究進行粒度劃分標準的選擇；在尺度綜合選取方面，因為每個景觀指數的粒度效應曲線拐點存在不同，也只能人為地選擇大概的范圍。因此，在之后的相關研究中，還需進一步探討如何降低人為主觀因素對農村居民點空間格局內在規律性研究的影響。

基于最佳分析粒度的景觀指數法對于定量分析農村居民點空間分異特征是一個好的思路，可以為研究區村莊規劃和新農村建設提供參考，但是在現實集中整治時，還應考慮當地的實際自然景觀狀況和社會經濟發展條件，盡量少占用耕地，減少零星農村居民點斑塊的存在，從而更好地優化農村居民點的布局，提高土地的利用效率，為實現鄉村振興奠定基礎。