金沙江流域居民點空間分布及定量歸因

【摘要】為探究金沙江流域居民點的空間分布規律及對定量歸因，采用空間分析及地理探測器，分析金沙江流域居民斑塊的空間分布規律，探究高程、坡度、坡向、水系、道路等地理環境因子對居民點分布的影響力。研究表明：金沙江流域居民點主要分布在中低海拔地區（1642～2485 m），89.91%居民點面積位于0～20°坡度的區域里，87%居民點位于距道路0～1500 m的區域內。表現為“高聚集”的空間分異模式分布，且高高聚類和高低聚類在空間上不連接；各因子解釋力依次為坡度＞高程＞道路＞水系＞坡向，雙因子交互作用中，均為交互增強。坡度和高程相互作用對居民點空間分布的影響程度最大，q值為0.56，且坡度與其他因子交互作用都要強于其他因子兩兩交互作用。

【關鍵詞】金沙江流域； 居民點； 空間自相關； 地理探測器

【中圖分類號】TU984.12A

0 引言

居民點是人們共同生活和進行經濟、政治活動而聚集的場所，是人們進行生產生活的重要載體，是溝通人地關系的紐帶［1］。部分發達國家發展快速，對居民點的研究也開展得較早，如Ariani N M［2］、CORNEL COSTEA［3］、Hoque Ivana［4］等學者分別對蒂波尼格羅大學的高檔化階段、巴爾加烏山脈的山區聚落的空間分布、西孟加拉邦西里古里市政公司及其7 km緩沖區AHP與WCL相結合的城市潛在居住區識別進行了研究。近年來，國內許多學者從不同的角度對居民點的空間分布規律進行了深入研究［5-9］。隨著3S技術的發展和廣泛應用，眾多學者由對居民點分布的定性分析描述逐步轉為定量研究，并取得一定的研究成果［10-12］。但是，國內學者對居民點分布的規律分析著重點集中于自然地理環境、社會文化特征及經濟發展等方面，而對地理環境對居民點分布的影響程度的定量歸因研究較少。尤其是關于長江的重要支流的金沙江流域，對其流域居民點的空間分布及影響因素的定量歸因缺少研究。鑒于此，本文以金沙江流域為研究對象，結合空間自相關和聚類和異常值分析對居民點分布進行分析。運用地理探測器分析地理環境因子對居民點空間分布的影響程度，揭示地理環境對該流域的居民點空間分布規律的影響。

1 材料與方法

1.1 研究區域概況

金沙江流急坎陡，江勢驚險，由于河床陡峻，流水侵蝕力強導致研究區域有較大的地勢落差。隨即帶來了豐富的水資源，也影響該區域的道路建設和居民點建設。金沙江流域區域面積6萬km2，包括126個縣，跨越青海省、四川省、云南省、西藏自治區、貴州省5個省份。北起于青海省的曲麻萊縣，南止于云南省玉溪市華寧縣，東起四川省宜賓市珙縣，西止于青海省玉樹藏族自治州。

1.2 數據來源及處理

本次研究數據主要有四種：Globeland30的土地利用數據、數字高程數據、水系、道路數據、以及流域區域矢量數據。數據獲取相關信息見表1。

將土地利用數據進行重分類，提取出人造地物作為居民點數據。將居民點柵格數據與流域圖中以縣進行分區統計，并計算各縣的居民點面積作為地理探測器的Y值。將下載的DEM數據按照自然斷點法分為5類，并提取坡度與坡向。水系、道路的矢量數據道路按照0～500 m、500～1500 m、1500～5000 m、10 000 m的級別建立多環緩沖區。中國的水系、道路的矢量數據，以金沙江流域圖裁剪，并按屬性選擇主要河流、干道，再按照“自然間斷分級法”分為5類。

1.3 研究方法

1.3.1 空間自相關分析

空間自相關是指一些變量在同一個分布區內的觀測數據之間潛在的相互依賴性。空間自相關統計量是用于度量地理數據的一個基本性質。此次利用Moran指數進行全局域的描述居民點的整體分布狀況，判斷在空間是否有聚集特性存在，但其并不能確切地指出聚集在哪些地區［13］。聚類和異常值分析可識別具有擁擠顯著性的熱點、冷點、空間異常值，使用局部莫蘭指數統計量，對加權要素進行分析。

1.3.2 地理探測器

地理探測器通過分別計算和比較各單因子q值及兩因子疊加后的q值，判斷兩因子是否存在交互作用，以及交互作用的強弱、方向、線性還是非線性等［14］。本文以坡度、坡向、高程、水系、道路為探測因子，用q值度量，表達式見式 （1）、式 （2）。

式中：h = 1， ……， L為變量Y或因子X的分層 （Stra－ta），即分類或分區Nh和N分別為層h和全區的單元數：σh² 和 σ²分別是層h和全區的Y值的方差［14］。SSW和SST分別為層內方差之和（Within Sum of Squares）區總方差 （Total Sum of Squares）。q的值域為［0，1］，值越大說明Y的空間分異性越明顯；如果分層是由自變量X生成的，則q值越大表示自變量X對屬性Y的解釋力越強，反之則越弱［14］。

2 結果與分析

2.1 道路、水系緩沖區分析

距公路500 m以內的居民點面積比重最大，占比53%， 500～1500 m緩沖距離內的居民點占比34%，在此距離范圍比較適宜生產生活活動。1500～2500 m 范圍內的居民點比重為12%，距離公路較遠，不方便出行。5000 m以外不利于出行，僅有1%的居民點在此分布。只有2%的居民點分布在距離水系500的范圍內，占比較小。22%的居民點分布在距河流 500～1500 m范圍內，比較方便生產和生活用水。41%的居民點分布在1500～5000 m的區域，不利于取水，會對生產和生活造成一定影響，但也不容易受到汛期時河流對居民點的影響。但大于5000 m的區域有35%的居民點，占地1386 km2，生活用水不便，但是卻也不易污染水源，距離水系的距離有多方面的因素影響。

2.2 DEM及因子與居民點的統計分析

研究區的高程范圍為161～6444 m，地形復雜，72.76%居民點位于1642～2485 m的海拔上，位于2485～6444 m區域的居民點卻只有6.88%。這與海拔越高、居住條件越惡劣有關。而在海拔161～1642 m的區域也生活較多的居民，占居民點面積20.39%。89.91%居民點面積位于0～20°的區域里，坡度越大的區域居民點面積越小，說明坡度太大不利于建設居民點。居民點在陽坡（包括南坡、西南坡、東南坡、東西坡的各一半）占總居民點面積的51.555％；居民點面積在陰坡（包括北坡、西北坡、東北坡、東西坡的各一半）占總居民點面積的48.445％。有利于農作物生長和房屋采光的陽坡面積均大于陰坡面積，因此坡向上來看，金沙江流域居民點分布還是比較合理的。

2.3 空間分異

將居民點進行全局空間自相關分析，P值為0下，Z得分為8.93，全局莫蘭指數為0.076，即居民點分布具有一定的空間集聚性。進行聚類和異常值分析，結果如圖1所示，居民點的分布主要以大面積居民點為中心的集聚的規律。高高集聚主要分布于昆明市的五華區、盤龍區、官渡區、呈貢區、西山區，這些區域均位于海拔為1642～2485 m、坡度10°～20°的區域，是昆明市區的發展區域，高低集聚的分布主要位于安寧市、楚雄市、麒麟區、大理市、古城區和玉龍納西族自治縣、香格里拉市、西昌市。處于海拔1642～2485 m、坡度10°～20°的區域（圖1）。

2.4 地理探測器結果分析

因子探測結果表明，坡度因子的對居民點空間分布影響最大，q值為0.308，說明坡度對居民點空間布局作用最顯著。其此是道路和高程對居民點的影響較大，q值分別為0.203和0.194。影響最小的因子是坡向，q值為0.134，說明坡向對居民點分布影響最小（表2）。

進行交互因子探測分析，結果表明，任何兩種因子對居民點空間分布的交互作用都要大于水系或坡向單個因子的獨自作用。道路和坡向交互增強作用最弱，q值為0.242，坡度和坡向的交互增強作用最強q值為0.555。坡度與坡向、坡向與水系之間的交互關系為非線性增強，其他為雙因子增強（表3）。

3 結論

居民點分布主要位于距離道路0～1500 m的區域內，居民點的空間分布受高程、坡度、坡向不同程度的影響，但是主要受到高程、坡度的影響最大。金沙江流域居民點呈“高聚集”的模式分布。坡度對居民點分布影響程度最大，q值為0.308；坡向對居民點分布影響最小，q值為0.103。坡度和高程交互作用對居民點空間分布的影響程度最大，q值為0.555。

參考文獻

［1］ 張軍， 倪紹祥， 于文靜，等. 三江并流區居民點空間分布規律［J］. 山地學報， 2003（1）： 121-125.

［2］ Ariani N M，Priambudi B N，Wijaya M I H. Land use change as one of the indicators to formulate the gentrification phase at the diponegoro university semarang［J］. IOP Conference Series： Earth and Environmental Science， 2022， 1089（1）.

［3］ CORNEL COSTEA. The Spatial Distribution of Settlements in the Brgu Mountains［J］. Romanian Review of Regional Studies， 2012， VIII（1）.

［4］ Hoque Ivana， Rohatgi Sushma. Identification of Potential Urban Residential Area by Integrating AHP and WCL in RS and GIS Environment： A Case Study of Siliguri Municipal Corporation and Its Buffer of 7 km， West Bengal［J］. Journal of the Indian Society of Remote Sensing， 2022， 50（8）.

［5］ 陳婷， 羅群， 周婷， 等. 基于GIS的金海湖居民點空間分布特征及其影響因素研究［J］. 科技風， 2022（34）： 142-144.

［6］ 李國敬. 基于GIS的渭河流域居民點空間分布特征研究［J］. 測繪與空間地理信息， 2022，45（3）： 130-133.

［7］ 吳宏陽， 舒成強， 吳勇， 等. 嘉陵江流域居民點空間分布格局及影響因素研究［J］. 資源開發與市場， 2019，35（10）： 1262-1265.

［8］ 白國蓮. 鄉村振興背景下農村牧區居民點空間布局優化研究［D］. 呼和浩特：內蒙古師范大學， 2022.

［9］ 王兆林， 鄂施璇， 杜挺，等. 山地丘陵區農村居民點空間分布特征及影響機制分析（英文）［J］. 農業工程學報， 2022，38（10）： 277-285.

［10］ 胡永勝， 任金銅， 鐘磊. 地形因子對典型喀斯特山區居民點空間分布的影響分析：以畢節市大方縣為例［J］. 貴州工程應用技術學院學報， 2021， 39（3）： 146-151.

［11］ 胡志斌， 何興元， 李月輝，等. 岷江上游居民點分布格局及影響因子分析［J］. 遼寧工程技術大學學報， 2006（4）： 623-625.

［12］ 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（5）： 1-4.

［13］ 谷建立， 張海濤， 陳家贏， 等. 基于DEM的縣域土地利用空間自相關格局分析［J］. 農業工程學報， 2012，28（23）： 216-224.

［14］ 王勁峰， 徐成東. 地理探測器：原理與展望［J］. 地理學報， 2017，72（1）： 116-134.

［15］ 王妍. 基于DEM的地形信息提取與景觀空間格局分析［D］. 重慶：西南大學， 2006.