地形對大別山區(qū)農(nóng)村住房空間分布格局的影響

姚夢園，晏實江，吳艷蘭*

(1. 安徽大學 資源與環(huán)境工程學院， 安徽 合肥 230601； 2. 安徽省地理信息工程中心， 安徽 合肥 230601)

地形對大別山區(qū)農(nóng)村住房空間分布格局的影響

姚夢園1,2，晏實江1,2，吳艷蘭1,2*

(1. 安徽大學 資源與環(huán)境工程學院， 安徽 合肥 230601； 2. 安徽省地理信息工程中心， 安徽 合肥 230601)

山區(qū)環(huán)境因素的限制使得農(nóng)村住房呈現(xiàn)地域性的空間格局，確定農(nóng)村住房空間分布格局及重要影響因素的關(guān)聯(lián)性成為山區(qū)居民地規(guī)劃管理的核心要素. 以金寨縣為例，結(jié)合高分辨率遙感影像目視解譯、點格局分析以及相關(guān)分析等方法，通過引入地形要素(海拔、坡度、起伏度)因子，探索大別山區(qū)農(nóng)村住房空間分布格局特征及地形要素的影響. 系列實驗結(jié)果表明：金寨縣農(nóng)村住房點間距離在0～140 m時，住房呈現(xiàn)聚集分布的態(tài)勢，表明大別山區(qū)農(nóng)村住房之間因公共資源匱乏，受環(huán)境條件影響表現(xiàn)出較高的相互依賴性；而農(nóng)村住房點間距離在140～400 m時，住房呈現(xiàn)聚集、均勻、隨機的多樣性分布態(tài)勢，表明大別山區(qū)農(nóng)村住房缺乏宏觀規(guī)劃與分配；這種隨機性趨勢在400～10 000 m的大尺度上表現(xiàn)得更為明顯. 相關(guān)分析表明，大別山區(qū)農(nóng)村住房空間分布格局受制于局部地形條件，在海拔低、坡度小、起伏度低的地區(qū)，住房的聚集性較強，體現(xiàn)為相關(guān)分析的回歸系數(shù)均達0.7左右；通過比較發(fā)現(xiàn)，地形要素對大別山區(qū)農(nóng)村住房空間分布格局的影響強度由大到小為坡度>起伏度>海拔，坡度的決定系數(shù)達到0.6左右，對格局的影響強度是起伏度的1.1倍、海拔的1.13倍. 本研究可為大別山區(qū)城鎮(zhèn)規(guī)劃提供科學依據(jù).

農(nóng)村住房；空間分布格局；地形；點格局分析；相關(guān)分析；大別山區(qū)

山區(qū)農(nóng)村住房是山區(qū)農(nóng)村居民點的組成要素，是山區(qū)農(nóng)村人口空間分布的載體，是農(nóng)村人口分布的主要形態(tài)[1-2]. 長期以來，鑲嵌在我國山區(qū)的農(nóng)村居民點數(shù)量龐大、布局分散、缺乏規(guī)劃[3]. 研究山區(qū)農(nóng)村住房的空間分布格局對山區(qū)農(nóng)村居民點的合理布局具有重要意義.

目前，對農(nóng)村居民點的研究比較廣泛，涵蓋農(nóng)村居民點的空間形態(tài)、空間分布規(guī)律、空間格局、時空演變以及與自然環(huán)境的相互關(guān)系等領(lǐng)域，其中農(nóng)村居民點空間格局及其與自然環(huán)境的相互關(guān)系研究備受關(guān)注[4-8]. 近年來，眾多學者從不同角度對此進行了研究：(1)采用GIS空間分析方法，對疊置河流、道路、地形因子等要素與居民點進行空間分析，研究其空間布局[9-10]；(2)采用景觀指數(shù)方法，對居民點的景觀格局[5,11]及其演化[12-13]與優(yōu)化進行研究[14]；(3)采用地統(tǒng)計分析方法，對居民點斑塊進行區(qū)域統(tǒng)計分析，研究居民點空間格局及影響要素[8,15]. 上述文獻大多從聚落斑塊的尺度對山區(qū)農(nóng)村居民點的空間格局進行研究，較少從住房這一微觀角度進行研究，將房屋基面作為研究分析的最小單元能更加精準地反映居民點的空間格局；在對農(nóng)村居民點空間格局的影響要素分析中，主要將河流、地形等自然因素以及道路、區(qū)位、政策等社會因素關(guān)聯(lián)，其中地形作為主要自然因素，對山區(qū)農(nóng)村居民點的形成和發(fā)展有較強的影響[12]；以Ripley’sK函數(shù)為代表的點格局傳統(tǒng)分析方法，在大尺度分析時易受到較小尺度的累積效應的影響[15-18].

為精準反映各尺度農(nóng)村居民點的空間格局并避免尺度累積效應的影響，本文以大別山區(qū)金寨縣為研究區(qū)域，將農(nóng)村住房基面中心點作為基礎(chǔ)分析數(shù)據(jù)，借助改進圓環(huán)型Ripley’sK函數(shù)的點格局分析方法和點格局定量化處理方法，研究大別山區(qū)農(nóng)村住房空間分布格局及地形對格局的影響，以期揭示大別山區(qū)農(nóng)村住房空間分布格局變化的一般規(guī)律和特征，為農(nóng)村居民點規(guī)劃、生態(tài)保護和扶貧開發(fā)提供科學依據(jù).

1 研究區(qū)概況與數(shù)據(jù)處理

1.1 研究區(qū)概況

大別山區(qū)為長江中下游重要的水源涵養(yǎng)區(qū)和國家重點生態(tài)功能區(qū)，亦是我國14個集中連片特困地區(qū)之一，經(jīng)濟發(fā)展與生態(tài)保護的矛盾在大別山區(qū)尤其突出. 金寨縣地處大別山腹地，是鄂、豫、皖三省交界處，四季分明、降水充沛. 大別山脈自西南向東北貫穿全境，境內(nèi)河流縱橫、群山起伏，相對高差達1 665 m，具有明顯的垂直地勢特征. 縣境南北、東西長約92 km，總面積約5 408 km2，總?cè)丝谶_68萬.

1.2 數(shù)據(jù)處理

研究采用高分辨率遙感數(shù)據(jù)、矢量數(shù)據(jù)和DEM數(shù)據(jù). 對分辨率為0.3 m的遙感圖像(2014年10月數(shù)據(jù))進行目視解譯，手動提取研究區(qū)住房的基面數(shù)據(jù)(全縣共120 095個住房基面)，并提取住房基面的幾何中心點；行政邊界數(shù)據(jù)來源于安徽省1:25萬地理背景空間數(shù)據(jù)(2000年國家科技基礎(chǔ)條件平臺建設項目：地球系統(tǒng)共享平臺——長三角分平臺(http://nnu.geodata.cn)) ；通過美國國家航空航天局(NASA)LPDAAC下載空間分辨率為30 m 的ASTER GDEM地形數(shù)據(jù). 從金寨縣提取45個10 km×10 km的研究分析樣區(qū)，大致可覆蓋金寨縣全境(見圖1).

圖1 研究區(qū)概況圖Fig.1 Maps of the study area

2 研究方法

借助紋理、對比度、關(guān)聯(lián)性等特征，采用目視解譯方法獲取金寨縣住房基面數(shù)據(jù)，采用一種隨機變長窗口統(tǒng)計住房之間的空間依賴關(guān)系以分析大別山區(qū)農(nóng)村住房空間分布格局，并引入地形因子進行相關(guān)分析，所采用的方法主要概括為如下幾點：

2.1 點格局分析方法

點格局分析多采用一種計算成對點間距離的Ripley’sK函數(shù)實現(xiàn)，通過計算某個要素一定距離內(nèi)的要素數(shù)量來測量要素間的聚類或離散分布格局[16-17]. 由于Ripley’sK函數(shù)采用一種計算半徑漸趨擴大的累積方式計算目標點與鄰近點之間距離的分布，易受到較小尺度累積效應的影響，在大尺度時表現(xiàn)不夠準確[18-19]. 本文采用改進的圓環(huán)型Ripley’sK函數(shù)統(tǒng)計方法，將分析區(qū)域由同心圓改進為圓環(huán)，克服了Ripley’sK函數(shù)的缺陷.

依據(jù)改進圓環(huán)型Ripley’sK函數(shù)的定義，點間距離關(guān)系計算公式為[18]

選取合適的零模型(null model)是進行統(tǒng)計的關(guān)鍵[18-19]. 完全空間隨機(complete spatial randomness, CSR)零模型適用于在研究區(qū)域中研究對象在任何位置出現(xiàn)的概率是相等的且無明顯聚集性的情況；對于研究對象的分布呈明顯空間異質(zhì)性的情況，則采用異質(zhì)性Poisson過程(heterogeneous Poisson process, HP)零模型[19].

結(jié)合本研究對象的單一性且呈空間異質(zhì)性分布的情況，采用異質(zhì)性Poisson過程模型，設定變量1等同于變量2. 將每個樣區(qū)設置為5 000個單元，每個單元代表2 m，空間尺度為0～10 000 m，步長為20 m，經(jīng)Monte Carlo隨機模擬19次，得到由上下2條包跡線圍成的99%的置信區(qū)間[19]. 根據(jù)改進圓環(huán)型Ripley’sK函數(shù)的觀測結(jié)果，若實測值g(r)在上包跡線(E+)之上，農(nóng)村住房為聚集分布；若在下包跡線(E-)之下，則為均勻分布；若在2條包跡線之間，則為隨機分布[18].

2.2 點格局與地形因子定量化方法

根據(jù)改進圓環(huán)型Ripley’sK函數(shù)實測值與包跡線的距離關(guān)系對農(nóng)村住房空間分布格局進行定量標準化處理，以滿足地形要素與農(nóng)村住房空間分布格局的相關(guān)分析(見圖2).

圖2 點格局定量化處理Fig.2 Quantitative treatment of point pattern

根據(jù)改進圓環(huán)型Ripley’sK函數(shù)方法判定，若實測值g(r)位于置信區(qū)間內(nèi)，距離上包跡線(E+)越遠，則本地塊的聚集性越弱、隨機性越強；距離下包跡線(E-)越遠，則均勻性越弱、隨機性越強.

定義g(r)與E+、E-的差分別為A、B；每塊樣區(qū)的平均海拔為E，平均坡度為S，平均起伏度為R. 對各樣區(qū)點格局定量值A(chǔ)、B和地形因子定量值E、S、R分別進行歸一標準化處理，使其值在0～1，得到點格局定量標準化值a(上包跡線與實測值的差)、b(下包跡線與實測值的差)和地形因子定量標準化值c(海拔)、d(坡度)、e(起伏度).

3 結(jié)果與分析

采用Programita軟件[18-19]完成大別山區(qū)住房基面中心點數(shù)據(jù)的空間格局分析，并將海拔、坡度和起伏度3個地形因子與農(nóng)村住房空間格局進行相關(guān)分析.

3.1 農(nóng)村住房空間格局分析

對金寨縣45個樣區(qū)進行篩選，剔除存在城鎮(zhèn)的樣區(qū)44，45和存在較大湖泊水庫的樣區(qū)2，28，31，32，35，39. 針對剩余37塊樣區(qū)的改進圓環(huán)型Ripley’sK函數(shù)方法的計算結(jié)果，根據(jù)實測g(r)值出現(xiàn)在置信區(qū)間上、下或者以內(nèi)的不同情況，在某個尺度上判斷住房空間分布格局的類型.

由計算結(jié)果可知，37個研究樣區(qū)的點格局類型變化情況具有一定的相似性. 由于研究樣區(qū)較多，僅展示部分典型樣區(qū)的計算結(jié)果(見圖3). 各樣區(qū)住房點格局類型在600 m尺度內(nèi)變化較大，為更加直觀地展示各樣區(qū)的格局隨尺度變化的情況，圖中僅顯示樣區(qū)在600 m尺度內(nèi)的格局信息，其中x軸為尺度(m)，y軸為實測值g(r)、上下包跡線(E+、E-)的常用對數(shù)值，E+和E-兩條包跡線構(gòu)成一個置信區(qū)間.

圖3 典型樣區(qū)農(nóng)村住房空間點格局觀測圖Fig.3 The observation of spatial point patterns of rural housing in typical sample areas

由于分析尺度小、隨機分析窗口的邊緣效應和數(shù)據(jù)量大等原因，觀測結(jié)果在較大尺度上偶爾會出現(xiàn)小距離內(nèi)突變的情況. 為防止觀測結(jié)果突變造成的格局分析結(jié)果的復雜性，根據(jù)經(jīng)驗忽略1～2 km尺度的50 m以內(nèi)的觀測結(jié)果突變、2～5 km尺度的100 m以內(nèi)的觀測結(jié)果突變和5～10 km尺度的200 m以內(nèi)的觀測結(jié)果突變.

對觀測結(jié)果進行統(tǒng)計發(fā)現(xiàn)，在0～140 m尺度上，各樣區(qū)的g(r)值均在置信區(qū)間以上，住房在此尺度范圍內(nèi)呈現(xiàn)聚集性分布格局；在140～400 m尺度上，各樣區(qū)g(r)值在置信區(qū)間上、下和以內(nèi)的3種情況均有發(fā)生，住房空間分布的聚集性、均勻性和隨機性3種格局交替呈現(xiàn)；在400～10 000 m的尺度上，各樣區(qū)的g(r)值均在置信區(qū)間內(nèi)，住房在此尺度范圍內(nèi)呈隨機性分布格局.

3.2 地形與農(nóng)村住房空間格局的相關(guān)分析

對37塊樣區(qū)的農(nóng)村住房空間格局的2個定量標準化值a(上包跡線與實測值的差的定量標準化值)、b(下包跡線與實測值的差的定量標準化值)和3個地形要素定量標準化值c(海拔的定量標準化值)、d(坡度的定量標準化值)、e(起伏度的定量標準化值)進行對比分析(見圖4). 5個定量標準化值的折線走向大體一致，a、b與c、d、e呈現(xiàn)明顯的正相關(guān)關(guān)系.c、d、e的值越高，a、b的值就越高，表明在海拔、坡度、起伏度都高的地區(qū)，點格局分析的實測值g(r)很少落到置信區(qū)間以外，農(nóng)村住房空間分布格局在此類地區(qū)呈較強的隨機性.

圖4 農(nóng)村住房空間格局與地形要素的標準化處理Fig.4 Standardization treatment of rural housing spatial pattern and terrain features

由圖4可知，地形與農(nóng)村住房空間格局具有一定的相關(guān)性，構(gòu)建住房空間分布格局定量值a、b分別與3個地形因子定量值c、d、e的一元線性回歸方程(見圖5)，分析各地形要素對農(nóng)村住房空間分布格局的影響情況.

6組回歸系數(shù)均達到0.7左右，表明3個地形因子與農(nóng)村住房空間格局呈較強的正相關(guān)關(guān)系. 根據(jù)R2判斷，上包跡線與g(r)值的距離與坡度的相關(guān)程度最高、與起伏度的相關(guān)程度最低；下包跡線與g(r) 值的距離與坡度的相關(guān)程度最高、與海拔的相關(guān)程度最低. 海拔、坡度、起伏度與上下包跡線的R2平均值分別為0.523，0.592，0.537，可見地形要素對山區(qū)農(nóng)村住房空間分布格局的影響強度由大到小為坡度>起伏度>海拔. 坡度對大別山區(qū)農(nóng)村住房空間分布格局的影響強度約為起伏度的1.1倍、海拔的1.13倍.

圖5 農(nóng)村住房空間格局與地形要素的線性回歸Fig.5 Relationship between rural housing spatial patterns and terrain factors

4 結(jié)論與展望

4.1 結(jié) 論

基于高分辨率遙感圖像解譯金寨縣120 095個住房基面數(shù)據(jù)，采用點格局分析方法對農(nóng)村住房空間分布格局進行了研究. 并引入地形因子，探索地形對大別山區(qū)農(nóng)村住房空間分布格局的影響，得到如下結(jié)論：

(1)金寨縣農(nóng)村住房之間的相互依賴性隨著距離的增加而快速衰減. 住房點間距離在0～140 m時，住房空間格局呈現(xiàn)聚集分布的態(tài)勢，表明大別山區(qū)農(nóng)村住房之間因公共資源、環(huán)境條件的限制在近距離內(nèi)表現(xiàn)出較高的相互依賴性，體現(xiàn)了居民點規(guī)模較小的特征；而住房點間距離在140～400 m時，住房空間格局呈現(xiàn)聚集、均勻、隨機的多樣分布態(tài)勢，表明大別山區(qū)農(nóng)村聚落缺乏宏觀的規(guī)劃與分配；在400～10 000 m大尺度上住房空間分布隨機性的格局趨勢表現(xiàn)得更為明顯.

(2)地形對大別山區(qū)農(nóng)村住房空間分布格局起主導作用. 海拔低、坡度小、起伏度低的地區(qū)對住房布局有較強的吸引力；大別山區(qū)農(nóng)村住房空間格局的隨機性隨著海拔、坡度、起伏度的升高而越來越強烈；坡度是對大別山區(qū)農(nóng)村住房空間分布格局影響最大的地形因子，其次是起伏度和海拔.

(3)上述結(jié)論表明：大別山區(qū)農(nóng)村住房布局分散、居民點規(guī)模較小、居住空間缺乏整體規(guī)劃，這在一定程度上增加了大別山區(qū)基礎(chǔ)設施建設的成本和精準扶貧的難度，不利于農(nóng)民生存環(huán)境改善、農(nóng)村經(jīng)濟發(fā)展和生態(tài)環(huán)境保護. 針對大別山區(qū)農(nóng)村住房分布的現(xiàn)狀，建議對其進行宏觀規(guī)劃與整合，重點考慮地形對聚落發(fā)展的限制作用，對地形復雜、交通閉塞、基礎(chǔ)設施建設困難、生態(tài)環(huán)境脆弱的限制開發(fā)區(qū)居民進行易地搬遷；拆并地形平坦、空間狹小、規(guī)模較小、基礎(chǔ)設施建設成本相對較高的居民點，以提高基礎(chǔ)設施的利用效率；重點開發(fā)建設道路和河流沿岸地勢平坦的開闊區(qū)域，發(fā)展自然環(huán)境優(yōu)越的中心村鎮(zhèn)以吸引農(nóng)民遷入，進而改善大別山區(qū)農(nóng)村居民的生存和生活條件.

4.2 展 望

以住房基面中心點作為點格局分析的基礎(chǔ)數(shù)據(jù)，提高了山區(qū)居民地空間格局分析的精確性，能精準反映大別山區(qū)農(nóng)村人口的空間分布格局. 地形是影響大別山區(qū)人口分布的主要自然環(huán)境因素，將海拔、坡度和起伏度3個地形因素作為影響大別山區(qū)農(nóng)村住房空間分布格局的因子進行重點研究，具有明顯的自然環(huán)境指向性. 采用改進圓環(huán)型Ripley’sK函數(shù)方法對金寨縣農(nóng)村住房進行點格局分析及定量處理，克服了格局分析的尺度累積效應，具有積極的探索意義.

受基礎(chǔ)數(shù)據(jù)精度和高分辨率影像解譯方法的限制，本文僅分析了地形對大別山區(qū)農(nóng)村住房空間分布格局的影響，未分析其他諸如水系、道路等要素. 隨著基礎(chǔ)數(shù)據(jù)的不斷更新與研究方法的改進，未來將精確提取水系、道路等基礎(chǔ)數(shù)據(jù)，綜合研究各項因素對農(nóng)村住房空間分布格局的影響. 此外，本文采用平面投影距離作為點格局分析的點間距離，未能反映山區(qū)點間測地距離，所得到的格局信息未能做地形的修正，曲面點間測地距離計算的復雜性是另一個主要影響因子.在未來的工作中，須進一步改進點格局分析方法，將對點格局起決定作用的點間距離替換為曲面點間測地距離，以提高山區(qū)農(nóng)村住房空間分布格局的計算精度. 地表曲面點間距離對格局信息的影響，將成為未來研究深化的方向.

[1] 何仁偉,陳國階,劉邵權(quán),等.中國鄉(xiāng)村聚落地理研究進展及趨向[J].地理科學進展,2012,31(8):1055-1062. HE R W, CHEN G J, LIU S Q, et al. Research progress and tendency of Chinese rural settlements geography[J]. Progress in Geography,2012,31(8):1055-1062.

[2] BENNETT J W. Human ecology as human behavior[M]//Environment and Culture. New York: Springer,1980:243-277.

[3] 劉明皓,戴志中,邱道持,等.山區(qū)農(nóng)村居民點分布的影響因素分析與布局優(yōu)化——以彭水縣保家鎮(zhèn)為例[J].經(jīng)濟地理,2011,31(3):476-482. LIU M H, DAI Z Z, QIU D C, et al. Influencing factors analysis and rational distribution on rural settlements in mountains region[J]. Economic Geography,2011,31(3):476-482.

[4] 任平,洪步庭,劉寅,等.基于RS與GIS的農(nóng)村居民點空間變化特征與景觀格局影響研究[J].生態(tài)學報,2014,34(12):3331-3340. REN P, HONG B T, LIU Y, et al. A study of spatial evolution characteristics of rural settlements and influences of landscape patterns on their distribution using GIS and RS[J]. Acta Ecologica Sinica,2014,34(12):3331-3340.

[5] 石詩源,鮑志良,張小林.村域農(nóng)村居民點景觀格局及其影響因素分析——以宜興市8個村為例[J].中國農(nóng)學通報,2010,26(8):290-293. SHI S Y, BAO Z L, ZHANG X L. The village of rural settlements landscape pattern and influence factors: Take 8 villages in Yixing City for example[J]. Chinese Agricultural Science Bulletin,2010,26(8):290-293.

[6] 劉焱序,王仰麟,彭建,等.城郊聚落景觀的集聚特征分析方法選擇研究[J].地理科學,2015,35(6):674-682. LIU Y X, WANG Y L, PENG J, et al. Selection of different clustering algorithms for settlement landscape aggregation in suburb[J]. Scientia Geographica Sinica,2015,35(6):674-682.

[7] 余兆武,肖黎姍,郭青海,等.城鎮(zhèn)化過程中福建省山區(qū)縣農(nóng)村聚落景觀格局變化特征[J].生態(tài)學報,2016,36(10):3021-3031. YU Z W, XIAO L S, GUO Q H, et al. Mountain county rural settlement landscape pattern change and spatial characteristics in rapid mountain urbanization process in Fujian Province[J]. Acta Ecologica Sinica,2016,36(10):3021-3031.

[8] 宋曉英,李仁杰,傅學慶,等.基于GIS的蔚縣鄉(xiāng)村聚落空間格局演化與驅(qū)動機制分析[J].人文地理,2015,30(3):79-84. SONG X Y, LI R J, FU X Q, et al. The spatial pattern evolution and driving mechanism analysis of yuxian rural settlements based on GIS[J]. Human Geography,2015,30(3):79-84.

[9] 劉曉清,畢如田,高艷.基于GIS的半山丘陵區(qū)農(nóng)村居民點空間布局及優(yōu)化分析——以山西省襄垣縣為例[J].經(jīng)濟地理,2011,31(5):822-826. LIU X Q, BI R T, GAO Y. The analysis of spatial distribution and optimization on rural settlement in upland half a mountainous using GIS technology[J]. Economic Geography,2011,31(5):822-826.

[10] 陳勇,陳國階,王益謙.山區(qū)人口與環(huán)境互動關(guān)系的初步研究[J].地理科學,2002,22(3):282-287. CHEN Y, CHEN G J, WANG Y Q. A preliminary study on the interactive relationship between population and environment in mountains[J]. Acta Geographica Sinica,2002,22(3):282-287.

[11] 擺萬奇,閻建忠,張鐿鋰.大渡河上游地區(qū)土地利用/土地覆被變化與驅(qū)動力分析[J].地理科學進展,2004,23(1):71-78. BAI W Q, YAN J Z, ZHANG Y L. Land use/land cover change and driving forces in the region of upper reaches of the Dadu river[J]. Progress in Geography,2004,23(1):71-78.

[12] 海貝貝,李小建,許家偉.鞏義市農(nóng)村居民點空間格局演變及其影響因素[J].地理研究,2013,32(12):2257-2269. HAI B B, LI X J, XU J W. Spatio-temporal evolution of rural settlements in Gongyi[J]. Geographical Research,2013,32(12):2257-2269.

[13] ZHOU G H, HE Y H, TANG C L, et al. Dynamic mechanism and present situation of rural settlement evolution in China[J]. Journal of Geographical Sciences,2013,23(3):513-524.

[14] 孫華生,黃敬峰,金艷,等.基于GIS技術(shù)的縣域居民點空間分布特征分析及其優(yōu)化布局[J].浙江大學學報：農(nóng)業(yè)與生命科學版,2007,33(3):348-354. SUN H S, HUANG J F, JIN Y, et al. Spatial distribution characteristics analysis and optimization of county level settlements based on GIS[J]. Journal of Zhejiang University: Agriculture & Life Science,2007,33(3):348-354.

[15] 沈陳華.丹陽市農(nóng)村居民點空間分布尺度特征及影響因素分析[J].農(nóng)業(yè)工程學報,2012,28(22):261-268. SHEN C H. Spatial distribution scale characteristics of rural settlements and analysis on influencing factors in Danyang City[J]. Transactions of the Chinese Society of Agricultural Engineering,2012,28(22):261-268.

[16] 董靈波,劉兆剛,張博,等.基于RipleyL和O-ring函數(shù)的森林景觀空間分布格局及其關(guān)聯(lián)性[J].應用生態(tài)學報,2014,25(12):3429-3436. DONG L B, LIU Z G, ZHANG B, et al. Forest landscapes’ spatial point patterns and associations based on RipleyLand O-ring functions[J]. Chinese Journal of Applied Ecology,2014,25(12):3429-3436.

[17] 張赟,張春雨,趙秀海,等.長白山次生林喬木樹種空間分布格局[J].生態(tài)學雜志,2008,27(10):1639-1646. ZHANG Y, ZHANG C Y, ZHAO X H, et al. Spatial distribution patterns of tree species in a secondary forest in Changbai Mountain[J]. Chinese Journal of Ecology,2008,27(10):1639-1646.

[18] WIEGAND T, MOLONEY K A. Rings, circles, and null-models for point pattern analysis in ecology[J]. OIKOS,2004,104(2):209-229.

[19] WIEGAND T, MOLONEY K A. Handbook of Spatial Point-Pattern Analysis in Ecology[M]. Boca Raton: CRC Press,2013.

YAO Mengyuan1,2, YAN Shijiang1,2, WU Yanlan1,2

(1.SchoolofResourcesandEnvironmentalEngineering,AnhuiUniversity,Hefei230601,China; 2.EngineeringCenterofGeographicInformationinAnhuiProvince,Hefei230601,China)

Patterns of rural housing provide a reference for regional planning, and are conducive to the coordinated development of ecological protection and economy. Due to the restrictions of natural, cultural and other factors, mountainous rural housings exhibit the regularity of the spatial pattern of surface morphology. Taking Jinzhai County as an example, this paper employed high resolution remote sensing images and the parcels produced by manual interpretation from texture differences to their surrounding environments. The housing parcels and their geometrical center points were used as input data of the pattern analysis method proposed in the paper. The method derived from heterogeneous Poisson Process (HP) used in ecological landscape was adopted to analysis the spatial pattern of rural housings. The proposed method preserves the advantage that it is a probability density function with the interpretation of a neighborhood density, which is more intuitive than an accumulative measure. What’s more, the paper attempts to identify the factors that are correlated with the rural housing patterns. The paper used GIS spatial analysis tools to extract the terrain factors that can affect rural housing distribution such as elevation, slope, relief amplitude factor, etc. Analyse of the quantitative data reveal the relationships between terrain and rural housing patterns. Results of the study show the following aspects: Rural housing of Jinzhai County indicates aggregation distribution at scales from 0 to 140 m, and shows relative higher interdependence due to the lack of public resources, environmental conditions; And, rural housing shows aggregation, regularity, random distribution alternating trend at scales from 140 to 400 m, indicating that mountain rural housings lack macro planning and allocation; The trend of this randomness is more obvious at large scales from 400 to 10 000 m; Dabie Mountains rural housings are subject to regular distribution of the local topography, and terrain factors have a greater impact on rural housing patterns. Elevation, slope, and relief amplitude are lower, the stronger the aggregation of rural housing will be. The corresponding correlation analysis regression coefficients were about 0.7; By comparison, it is found that the slope is the most important impacting terrain factors to spatial pattern of housing, the coefficient of determination is about 0.6, and the impact strength is 1.1 times of the relief amplitude and 1.13 times of elevation. From the above analysis, the natural geographical environment is pretty complex in Jinzhai County, and the aggregation of its housings is weak. Therefore, it is needed to dismantle the housings with poor natural environment, and accelerate the economic development in the regions where the natural environment is relatively better. It is also needed to give the priority to the construction of towns with better environment to attract farmers, so that the residents’ living standard will be improved. In this paper, the housings’ pattern analysis and correlation analysis method of rural housing with high resolution remote sensing images can provide a scientific basis for the town planning in Dabie Mountain.

rural housing; spatial distribution pattern; topography; point pattern analysis; correlation analysis; Dabie Mountain

2016-07-20.

國家自然科學基金資助項目(41301422)；安徽省自然科學基金資助項目(1308085MD52)；安徽大學博士科研啟動金項目(33190223，J10118520143);安徽大學2014級研究生學術(shù)創(chuàng)新研究強化項目(yqh100242).

姚夢園(1992-)，ORCID:http://orcid.org/0000-0002-5556-1777，男，碩士研究生，主要從事GIS空間分析與景觀生態(tài)學研究，E-mail:ymy0396@126.com.

*通信作者，ORCID:http://orcid.org/0000-0002-3304-9244，E-mail:wylmq@sina.com.

10.3785/j.issn.1008-9497.2017.02.018

TU 982; F 292

A

1008-9497(2017)02-228-07

Effects of topography on the spatial distribution pattern of rural housing in Dabie Mountains. Journal of Zhejiang University(Science Edition), 2017,44(2):228-234