陜北黃土丘陵溝壑區聚落分布及形成機制研究——以延安市安塞縣為例

王林林，路春燕

（1.濱州學院建筑工程系，山東 濱州256600；2.福建農林大學計算機與信息學院，福建 福州 350002；3.中國科學院東北地理與農業生態研究所，吉林 長春130102）

聚落是人類居住、生活、休憩以及進行大部分社會活動的場所[1-2]，同時聚落也是區域經濟社會特征與自然地理條件的外在表現，聚落的形成、發展與演變受其所在地域自然地理條件以及社會、文化、經濟等諸多因素的深刻影響。目前，國內聚落的研究主要集中在聚落的分布格局、景觀格局以及空間特征等方面[3-4]。聚落的分布格局是聚落所在地域的自然、經濟、社會以及歷史演變的反映，對其進行分析是深入探討人類活動與景觀格局相互作用的重要途徑，可為進一步揭示聚落在自然地理條件與人類活動的綜合影響下形成與演化的機制提供依據[5-7]。聚落景觀格局的研究主要是對自然環境、生產環境與社會文化環境因素對聚落景觀綜合作用的探討[8-10]，聚落空間特征的主要研究對象是聚落的地域空間特征及其內在規律，主要包括聚落的規模(人口、用地)、空間分布、空間形態、空間結構等方面[11-14]。

目前，隨著技術的成熟以及聚落理論的不斷發展，國內聚落的研究已經從早期的定性描述發展到以地理信息系統（Geo-Information system,GIS）技術為依托的定量研究階段。湯國安等[15]基于GIS 空間分析理論，對陜北榆林地區聚落的空間分布進行了研究，得出其受自然條件與人為因素影響的基本特征。馮文蘭等[16]運用GIS 空間分析方法對岷江上游山區聚落的空間聚集特征進行定量化分析，結果發現該地區部分聚落空間分布不合理，應采取適當的對策對其進行重建或遷建。郭曉東等[11,17]分析聚落的空間分布特征及其影響因素，提出了新時期促進聚落發展及其空間結構優化的基本思路。但當前聚落研究中聚落空間分布數據的獲取多基于中低分辨率遙感影像進行解譯得到[11,16-19]，數據分辨率較低，無法滿足對中小區域研究的需要。

陜北黃土高原是我國黃土高原的重要組成部分。近年來，隨著城鎮化建設的加速推進，該區聚落發展進入了新的階段，經濟發展推動著聚落的分化重組，在此過程中涌現出了諸多新問題，如：農村居民點的無序擴張、空心村、土地閑置與不合理利用以及城鎮聚落斑塊的異速增長等現象[3,20-23]。對本區聚落的研究有利于統籌規劃土地利用方式，合理利用土地資源，科學布局居民點，制定聚落發展建設規劃，協調聚落布局建設與環境的關系，同時，可揭示聚落格局與環境、生產之間的關系。

陜北黃土高原丘陵溝壑區因其獨特的地理自然條件以及社會、文化環境，一直是我國黃土高原自然環境研究的重點區域，但是對該區聚落的研究卻相對較少，不能滿足當地生產實踐和管理的需求。本研究在借鑒前人研究的基礎上，以陜北黃土丘陵溝壑區典型縣域安塞縣為例，采用安塞縣大比例尺土地利用變更數據，基于GIS 空間分析方法，分析聚落的分布格局、景觀格局以及空間特征，并對影響聚落空間演變的因素和驅動機制進行探討。以期為進一步認識和掌握陜北黃土丘陵溝壑區聚落分布格局及用地情況，加強土地資源合理利用以及改善農村人居環境等提供一定的科學參考。

1 研究區及研究方法

1.1 研究區概況

陜北黃土高原丘陵溝壑區位于35°20′30″-38°24′00″N、107°41′00″-110°47′00″E，從行政界線上主要包括陜西北部甘泉縣以北、長城沿線以南的延安以及榆林兩市的大部分地區，總面積5.39×104km2，占陜西省總面積的21.37%[20]。陜北黃土高原丘陵溝壑區為典型的梁峁狀黃土丘陵區，地表支離破碎，溝壑縱橫、水土流失較為嚴重，農耕期短促而氣候多變，土地面積廣而類型多樣，嚴峻的自然地理條件為當地農業生產帶來一定的困難[6,11,20]。

安塞地處西北內陸黃土高原腹地，鄂爾多斯盆地邊緣， 位于36°30′45″-37°19′31″N、108°51′44″-109°26′18″E 之間，陜西省北部，延安市正北，土地總面積2 887 km2。安塞地形地貌復雜多樣，境內溝壑縱橫、川道狹長、梁峁遍布、地表破碎、水土流失嚴重，是典型的黃土高原丘陵溝壑區。

1.2 數據來源與預處理

本研究的土地利用數據為2013 年1∶10 000土地利用變更數據。該數據在全國第二次土地調查所得的土地利用數據基礎上，通過逐年更新至2013年得到，具有較高精度以及現勢性。該數據的土地利用分類系統采用國土資源部2007 年頒布的《第二次全國土地調查技術規程》（TD/T 1014—2007），分為一級12 類，二級57 類。本研究以國家權威土地利用現狀數據（庫）作為源數據，可避免因土地利用分類標準不同而帶來的不確定性誤差，從而為景觀格局分析的有效性及準確度提供保障[8]。根據研究區的區域特征和研究目的，在ArcGIS 9.3 軟件平臺支持下，將研究區的土地利用現狀數據歸并為8 類，分別為交通運輸用地（公路）、草地、園地、耕地、林地、水體、聚落用地（農村和城鎮居民點）以及其他土地（圖1）。對聚落用地斑塊進行提取并統計分析可知，安塞縣現有聚落斑塊7 381 處，總面積為27.23 km2。

圖1 研究區聚落景觀與其他土地利用景觀格局Fig.1 Settlement and other land use landscape pattern

為深入研究安塞縣聚落分布與地形條件的關系，本研究收集下載安塞縣30 m 空間分辨率的數字高程模型（DEM，來源于中國科學院國際科學數據鏡像網(http://datamirror.csdb.cn)） 數據，并利用ArcGIS 9.3 中的表面分析功能對其進行空間計算，獲得該縣的坡度和坡向數據。

1.3 研究方法

1.3.1 聚落景觀格局分析 聚落景觀格局的空間分布特征主要是指聚落空間分布格局、分布類型以及空間鄰接特征，可通過格局指數予以量化進行表達[5]。本研究應用Patch Analyst（version5.0）軟件[24]對景觀格局指數進行計算。研究所選擇的景觀格局指標為景觀類型面積（class area,CA）、景觀類型面積百分比（percent of landscape,PLAND）、 平均斑塊面積（mean patch size,MPS）、 平均斑塊形狀指數（mean shape index,MSI）、平均邊緣長度（mean patch edge,MPE）、景觀類型斑塊數目百分比（percent of patches number,PNP）和平均斑塊分維數（mean patch fractal dimension,MPFD）。

景觀類型面積（CA）、 景觀類型面積百分比（PLAND）和平均斑塊面積（MPS）分別表示某景觀類型斑塊的面積、占景觀總面積的百分比和平均面積，可反映該景觀類型的大小特征。平均斑塊形狀指數（MSI）主要反映景觀斑塊的規則程度以及邊緣的復雜程度。其取值范圍為MSI≥1，無上限。當所有的景觀斑塊都為正方形時，MSI=1；當斑塊的形狀越偏離正方形時，MSI 越大。平均邊緣長度（MPE）反映邊緣效應的強弱，其值越大邊緣效應越強。平均斑塊分維指數（MPFD）是指景觀組分中單個斑塊的分維數以面積為基準的加權平均值，它在一定程度上也反映了人類活動對景觀格局的影響，一般來說，受人類活動干擾小的自然景觀的分維指數高，而受人類活動影響大的人為景觀的分維指數低。

1.3.2 緩沖區分析 本研究以ArcGIS9.3 軟件為操作平臺，對主要交通運輸用地（一級公路）及河流建立0-3 000 m 范圍的緩沖區。為避免重復，在計算統計各距離帶中聚落斑塊數量及面積時，以聚落斑塊的重心G（Xg，Yg）為基準進行計算，聚落景觀斑塊重心計算公式如下[8]：

式中：Xg，Yg分別為聚落景觀斑塊重心的經緯度，n為聚落圖斑邊界上經度和緯度的拐點個數，Xi、Yi分別為聚落圖斑邊界上經度和緯度的拐點。

1.3.3 網格分析 網格分析是一種可視化統計數據的有效手段[25]， 本研究根據研究區的具體情況以1000 m×1000 m 的網格大小對研究區聚落圖斑進行分割，進而對各個網格單元內的聚落面積進行計算，并將計算結果賦予對應網格。

1.3.4 kernel密度分析 kernel 密度分析是指利用kernel 算子對密度進行求算的方法，其原理是將落入搜索區的點進行匯總合計后除以搜索區面積，從而得到每個單元的密度值[20]。為進一步分析聚落斑塊空間分布特征，本文運用ArcGIS 9.3 中的Feature To Point 模塊，提取該縣聚落斑塊的中心點，進而采用Kernel 方法分析安塞縣聚落斑塊空間分布密度。

1.3.5 熱點分析 在聚落空間格局研究中，熱點區是指研究區聚落密集的區域[26]。本文借助Crimestat 軟件中的層次最近鄰聚類法研究本區聚落空間上的聚集特征并對熱點區域進行識別，該方法通過定義極限距離或閾值以及每一聚集單元的最小數目來確定一個聚集單元；進而計算空間中其他聚落點與聚集單元的最鄰近距離，當某一聚落點與聚集單元的最鄰近距離小于閾值時，則將該點納入聚集單元，據此將原始聚落點數據聚類為若干聚集單元，為一階熱點區。之后，以一階熱點區作為新的點集，對新點集進行相同聚集過程，識別和產生二階熱點區及更高階熱點區。

2 結果與分析

2.1 土地利用類型景觀結構特征

土地利用景觀結構特征在一定程度上反映了不同生產力水平下人類生產、生活方式及其與周圍環境的關系。通過景觀格局指數計算，得出安塞縣土地利用景觀類型面積、景觀類型面積百分比、平均斑塊面積、平均斑塊形狀指數、平均邊緣長度、景觀類型斑塊數目百分比和平均斑塊分維數（表1）。林地景觀類型在安塞縣土地利用類型中占絕對優勢，占總景觀面積的50.76%；其次為草地與耕地景觀；三者占景觀總面積的96.55%。聚落景觀僅占景觀總面積的0.92%。

林地和草地景觀類型平均斑塊面積指數(MPS)較大，說明兩者的平均斑塊較大或存在連通性比較好的斑塊；相比之下，聚落的平均斑塊面積僅為0.4 hm2，斑塊面積小且連通性較差。在各景觀類型中，公路用地平均斑塊形狀指數最大，這與公路用地斑塊多為長方形有關；而聚落平均斑塊形狀指數為1.33，表明聚落斑塊較為規整。由平均邊緣長度可知，對周圍斑塊類型的邊緣效應公路用地最大，而聚落用地最小，兩者平均邊緣長度分別為7 858.77 m和249.80 m，這主要與公路用地狹長條狀分布、聚落用地規整集中分布有關。最后，研究區MPFD≤1.3 的景觀類型為聚落用地、公路用地和水體，由此可知此三種景觀類型受人類活動影響較大。

2.2 聚落景觀空間分布特征

由2013 年安塞縣聚落分布密度圖（圖2a）可知，該縣聚落空間分布較為密集，具有一致性，大部分聚落分布于公路及水體附近。聚落斑塊密集核心區為建華鎮、真武洞鎮以及沿河灣鎮杏子河水系一帶，這些區域海拔處于997-1 500 m 之間，地勢相對較低，坡度平緩，是本縣的主要產糧區，稱為“ 白菜心”地區，以該區為聚落密集核心區聚落斑塊呈中心向外階梯狀遞減趨勢。

表1 土地利用類型景觀結構特征指數Table 1 Landscape pattern characteristics indices of land use types

根據聚落面積格網密度（圖2b）可以看出，每平方千米內聚落面積相對較高的分布區主要為沿河灣鎮、招安鎮以及真武洞鎮沿公路走向的線狀地區。值得注意的是，雖然建華鎮為聚落分布密集核心區，但其每平方千米內聚落面積相對不高；而在招安鎮每平方千米內聚落面積相對較高，但是單位面積內聚落數目卻相對較少，可見建華鎮的聚落個數較多但面積較小，而招安鎮則相反。

圖2 安塞縣聚落密度與聚落面積格網密度圖Fig.2 Settlement density and area grid density of settlements in Ansai County

2.3 基于熱點識別的聚落空間分布規律

本研究采用CrimeStat 層次最近鄰聚類法模塊，對安塞縣2013 年的聚落進行熱點分析與識別，共得到149 個一階熱點，14 個二階熱點以及2 個三階熱點區域（圖3）。

從圖3 可以看出，研究區聚落一階熱點呈現離散隨機分布，在其范圍內聚落空間分布的斑塊密度相對較高。二階熱點區是通過對一階熱點區進行聚類而得到，主要分布在縣域中東部的建華鎮、真武洞鎮和沿河灣鎮，二階熱點分布相對集中，區域內聚落斑塊空間分布較為密集。通過對二階熱點區進行聚類得到三階熱點區，與二階熱點區分布特征相同，三階熱點區集中分布于縣域中東部的建華鎮、真武洞鎮和沿河灣鎮，區域范圍內聚落斑塊空間分布密度最高。總體上，安塞縣聚落分布規律為隨機分布和聚集分布并存，其空間分布密度最高的區域位于該縣海拔較低，地勢平緩的中東部溝谷地區。

2.4 聚落分布的影響因素

圖3 安塞縣聚落層次最近鄰聚類Fig.3 Nearest neighbor hierarchical clustering of settlements in Ansai County

2.4.1 地形對聚落景觀分布的影響 在聚落的形成和發展過程中，地形因素往往起非常重要的作用。不同的地形條件，對于聚落的形狀、分布、規模和發展都具有深刻的影響。本文運用ArcGIS9.3 將30 m分辨率的高程、坡度與坡向數據分別與安塞縣的聚落斑塊空間分布數據進行疊加，并以此計算不同高程、坡度與坡向范圍的聚落斑塊面積，分析聚落斑塊面積隨高程、坡度和坡向的變化趨勢，并利用高斯函數對其進行擬合（表2 和圖4）。

由圖4 可以看出，不同高程、坡度與坡向范圍內分布的聚落斑塊面積均存在明顯的差異。通過高斯函數擬合可得到高程、坡度與坡向與聚落斑塊面積擬合度較高的函數關系，且擬合度較高（表2）。結合圖4 與表2 可知，安塞縣聚落斑塊主要分布在海拔1 000-1 300 m 之間，其中海拔為1 148±5 m（95%置信區間）的區域分布聚落斑塊面積最大；坡度0°-20°范圍內分布的聚落斑塊面積占縣域聚落斑塊總面積的比重最大，在坡度為9.6°±1.3°（95%置信區間）時聚落斑塊面積最大。坡向為100°-205°（即半陽坡和陽坡范圍） 的地區聚落斑塊的數量與面積顯著高于其他區域，其中坡向為172.8±3°（95%置信區間）時聚落斑塊面積為最大。根據以上分析可知，安塞縣聚落斑塊面積隨高程和坡度呈偏正態分布，聚落斑塊隨坡向呈正態分布且呈明顯的空間集聚特征。

表2 聚落斑塊面積隨地形因子的變化趨勢高斯函數擬合Table 2 Relationships between settlement patch acreage and terrain factors

圖4 聚落斑塊面積隨地形因子的變化趨勢Fig.4 The variation of settlement patch acreage along with terrain factors

2.4.2 河流與道路對聚落分布的影響 道路與河流是影響黃土丘陵溝壑區聚落空間分布的重要因素[15,20]。安塞縣境內主要水系有4 條，該縣的聚落格局也隨著水源的多寡發生變化，靠近水源且河流階地發育良好的區域，多為具有明顯優勢的傳統農業發展區，從而吸引大量農業人口聚居，形成聚落。本文運用ArcGIS 9.3 中的緩沖區分析與疊置分析功能，參照相關研究[5,8,11,20]，在距離河流和道路500 m 范圍內以100 m 為間距設置緩沖區，在距離河流500 m 到3 000 m 距離內以500 m 為間距設置緩沖區，得到不同河流緩沖區與道路緩沖區內的聚落分布面積情況（表3）。由表3 可以看出，隨著距河流和道路距離的增加， 緩沖區內聚落面積迅速減少。 距離公路100 m 以內的區域，是聚落分布最為密集的區域，分布于該區域的聚落斑塊面積所占比重達到全縣的35%，距道路100-200 m 的區域，聚落斑塊相對密集，其面積所占比重達到10.61%，距離公路500 m以內的區域，分布著全縣59.20%的聚落。距河流500 m 以內的平坦河谷階地是聚落分布最為密集的區域，其聚落面積占全縣聚落面積的65.11%，距離河流300 m 內的三個緩沖區其聚落面積比重均大于10%，由此可知該區域是縣域聚落集中分布區。同時，距河流距離300 m 以外的區域隨著距離的增加，緩沖區內聚落面積迅速遞減。

通過以上分析可知，在河流水源附近聚落的數量較多、規模較大，存在大面積密集分布。離河流越遠，人煙越少，聚落越少；地形越復雜，加之溝壑縱橫，使得聚落布局呈現不均衡性。需說明的是，在黃土丘陵溝壑區，較塬、梁、峁、溝壑等典型黃土高原地貌類型，河谷地形平坦、連續通暢，不僅適于農業生產，而且便于交通的發展。因此，道路與河流對聚落分布的影響具有空間指向的一致性。

表3 安塞縣河流與道路緩沖區聚落面積統計表Table 3 Settlement and river buffers in Ansai County

3 討論

安塞縣鄉村聚落空間分布受自然條件限制，沿河流與道路集聚分布的趨勢明顯，且有部分聚落遠離主要公路、交通不便；同時，普遍存在土地資源利用不合理，鄉村基礎設施建設不夠完善等現象，公共服務設施的分布無法滿足新時期聚落分布特征的要求。因此，應對目前的聚落分布進行空間格局優化。具體建議如下：

1）合理管理分散的自然村，改造撤并空心村，對偏遠山區地帶、規模較小且生產資源匱乏、交通條件較差且地質災害高發區的聚落實施整體搬遷，引導人口向中心村或鄉鎮有序集中。

2）對縣域內交通條件優越、地形平坦且具有一定規模的鄉鎮，加大建設力度，進一步完善基礎設施，形成一定的地域中心，從而實現聚落空間布局的優化，引導鄉村人口適度集中。

3）加強交通等基礎設施建設，同時根據本縣的區域特征和自身經濟發展條件，依靠當地特色產業如石油和旅游業等，統籌規劃城鄉產業發展，加大生態治理與“退耕還林”政策力度，積極探索區域生態文明建設的基本路徑和優化城鄉聚落空間組織的模式，有效推進區域城鄉一體化發展。

4 結論

本研究以陜北黃土丘陵溝壑區典型縣域安塞縣為例，結合GIS 空間分析方法以及統計學理論，對安塞縣土地利用景觀結構特征、聚落空間分布特征與規律進行分析，并對該縣聚落空間分布的影響因素及其形成機制進行探討，主要結論如下：

1）2013 年安塞縣土地利用景觀的基質類型是林地與草地，土地利用景觀類型中聚落景觀受自然環境的影響較大，斑塊相對較小，連通性較差，斑塊形狀較為規整，體現出陜北黃土丘陵溝壑區聚落分布不均和農業生產力發展低下的特征。

2）安塞縣聚落空間分布密度最高的區域位于該縣海拔較低，地勢平緩的中東部溝谷地區，且聚落分布規律為隨機分布和聚集分布相結合，以上結論體現出以安塞縣為代表的陜北黃土丘陵溝壑區聚落空間分布受自然條件限制較高的特征。

3）陜北黃土丘陵溝壑區特殊的自然地理環境是影響區域內聚落分布的主導因素，地形、河流與道路對聚落分布起重要作用。安塞縣不同高程、坡度與坡向上分布的聚落斑塊面積均存在明顯的差異，聚落斑塊面積隨高程和坡度呈偏正態分布，隨坡向呈正態分布，且表現出明顯的空間集聚特征。同時，聚落空間分布受自然條件限制，沿河流與道路集聚分布的趨勢明顯。

[1]何仁偉,陳國階,劉邵權,等.中國鄉村聚落地理研究進展及趨向[J].地理科學進展,2012,31(8):1055-1062.

[2]馬曉冬,李全林,沈一.江蘇省鄉村聚落的形態分異及地域類型[J].地理學報,2012,67(4):516-525.

[3]曾山山,周國華,肖國珍,等.地理學視角下的國內農村聚居研究綜述[J].人文地理,2011,26(2):68-73.

[4]王傳勝,孫貴艷,朱珊珊.西部山區鄉村聚落空間演進研究的主要進展[J].人文地理,2011,26(5):9-14.

[5]角媛梅,肖篤寧,馬明國.綠洲景觀中居民地空間分布特征及其影響因子分析[J].生態學報,2003,13(10):2093-2100.

[6]謝作輪,趙銳鋒,姜朋輝,等.黃土丘陵溝壑區農村居民點空間重構——以榆中縣為例[J].地理研究,2014,33(5):937-947.

[7]朱雪欣,王紅梅,袁秀杰,等.基于GIS的農村居民點區位評價與空間格局優化[J].農業工程學報,2010,26(6):326-333.

[8]吳江國,張小林,冀亞哲,等.縣域尺度下交通對鄉村聚落景觀格局的影響研究——以宿州市埇橋區為例[J].人文地理,2013,28(1):110-115.

[9]李紅波,張小林,吳江國,等.欠發達地區聚落景觀空間分布特征及其影響因子分析——以安徽省宿州地區為例[J].地理科學,2012,32(6):711-716.

[10] Marc A. Landscape change and the urbanization process in Europe[J].Landscape and Urban Planning, 2004, 67(3): 9-29.

[11]郭曉東,馬利邦,張啟媛.隴中黃土丘陵區鄉村聚落空間分布特征及其基本類型分析:以甘肅省秦安縣為例[J].地理科學,2013,33(1):45-51.

[12]單勇兵,馬曉冬,仇方道.蘇中地區鄉村聚落的格局特征及類型劃分[J].地理科學,2012,32(11):1340-1347.

[13]肖飛,杜耘,凌峰,等.江漢平原村落空間分布與微地形結構關系探討[J].地理研究,2012,31(10):1786-1792.

[14]Roberts B K.Rural settlement in Britain[M].London:Hutchinson,1979:5-36.

[15]湯國安,趙牡丹.基于GIS的鄉村聚落空間分布規律研究—以陜北榆林地區為例[J].經濟地理,2000,20(5):1-4.

[16]馮文蘭,周萬村,李愛農,等.基于GIS的岷江上游鄉村聚落空間聚集特征分析:以茂縣為例[J].長江流域資源與環境,2008,17(1):57-61.

[17]郭曉東,牛叔文,李永華,等.隴中黃土丘陵區鄉村聚落時空演變的模擬分析:以甘肅省秦安縣為例[J].山地學報,2009,27(3):293-299.

[18]劉曉清,畢如田,高艷.基于GIS的半山丘陵區農村居民點空間布局及優化分析:以山西省襄垣縣為例[J].經濟地理,2011,31(5):822-826.

[19]齊增湘,廖建軍,徐衛華,等.基于GIS的秦嶺山區聚落用地適宜性評價[J].生態學報,2015,35(4):1274-1283.

[20]甘枝茂,岳大鵬,甘銳,等.陜北黃土丘陵溝壑區鄉村聚落分布及其用地特征[J].陜西師范大學學報:自然科學版,2004,32(3):102-106.

[21]宋偉,陳百明,張英.中國村莊宅基地空心化評價及其影響因素[J].地理研究,2013,32(1):20-28.

[22]楊忍,劉彥隨,陳秧分.中國農村空心化綜合測度與分區[J].地理研究,2012,31(9):1697-1706.

[23]吳秀芹,張藝瀟,吳斌,等.沙區聚落模式及人居環境質量評價研究——以寧夏鹽池縣北部風沙區為例[J].地理研究,2010,29(9):1683-1694.

[24]謝軍飛,李煒民,李延明,等.基于Patch Analyst的北京城市公園景觀格局指數評價[J].城市環境與城市生態,2007,20(6):14-19.

[25]周成虎,歐陽,馬廷.地理格網模型研究進展[J].地理科學進展,2009,28(5):657-662.

[26]杜培軍,張海榮,冷海龍,等譯.地理空間分析—原理技術與軟件工具(第二版)[M].北京:電子工業出版社,2009:171-173.