陕北黄土丘陵沟壑区聚落分布及形成机制研究——以延安市安塞县为例

王林林，路春燕

（1.滨州学院建筑工程系，山东 滨州256600；2.福建农林大学计算机与信息学院，福建 福州 350002；3.中国科学院东北地理与农业生态研究所，吉林 长春130102）

聚落是人类居住、生活、休憩以及进行大部分社会活动的场所[1-2]，同时聚落也是区域经济社会特征与自然地理条件的外在表现，聚落的形成、发展与演变受其所在地域自然地理条件以及社会、文化、经济等诸多因素的深刻影响。目前，国内聚落的研究主要集中在聚落的分布格局、景观格局以及空间特征等方面[3-4]。聚落的分布格局是聚落所在地域的自然、经济、社会以及历史演变的反映，对其进行分析是深入探讨人类活动与景观格局相互作用的重要途径，可为进一步揭示聚落在自然地理条件与人类活动的综合影响下形成与演化的机制提供依据[5-7]。聚落景观格局的研究主要是对自然环境、生产环境与社会文化环境因素对聚落景观综合作用的探讨[8-10]，聚落空间特征的主要研究对象是聚落的地域空间特征及其内在规律，主要包括聚落的规模(人口、用地)、空间分布、空间形态、空间结构等方面[11-14]。

目前，随着技术的成熟以及聚落理论的不断发展，国内聚落的研究已经从早期的定性描述发展到以地理信息系统（Geo-Information system,GIS）技术为依托的定量研究阶段。汤国安等[15]基于GIS 空间分析理论，对陕北榆林地区聚落的空间分布进行了研究，得出其受自然条件与人为因素影响的基本特征。冯文兰等[16]运用GIS 空间分析方法对岷江上游山区聚落的空间聚集特征进行定量化分析，结果发现该地区部分聚落空间分布不合理，应采取适当的对策对其进行重建或迁建。郭晓东等[11,17]分析聚落的空间分布特征及其影响因素，提出了新时期促进聚落发展及其空间结构优化的基本思路。但当前聚落研究中聚落空间分布数据的获取多基于中低分辨率遥感影像进行解译得到[11,16-19]，数据分辨率较低，无法满足对中小区域研究的需要。

陕北黄土高原是我国黄土高原的重要组成部分。近年来，随着城镇化建设的加速推进，该区聚落发展进入了新的阶段，经济发展推动着聚落的分化重组，在此过程中涌现出了诸多新问题，如：农村居民点的无序扩张、空心村、土地闲置与不合理利用以及城镇聚落斑块的异速增长等现象[3,20-23]。对本区聚落的研究有利于统筹规划土地利用方式，合理利用土地资源，科学布局居民点，制定聚落发展建设规划，协调聚落布局建设与环境的关系，同时，可揭示聚落格局与环境、生产之间的关系。

陕北黄土高原丘陵沟壑区因其独特的地理自然条件以及社会、文化环境，一直是我国黄土高原自然环境研究的重点区域，但是对该区聚落的研究却相对较少，不能满足当地生产实践和管理的需求。本研究在借鉴前人研究的基础上，以陕北黄土丘陵沟壑区典型县域安塞县为例，采用安塞县大比例尺土地利用变更数据，基于GIS 空间分析方法，分析聚落的分布格局、景观格局以及空间特征，并对影响聚落空间演变的因素和驱动机制进行探讨。以期为进一步认识和掌握陕北黄土丘陵沟壑区聚落分布格局及用地情况，加强土地资源合理利用以及改善农村人居环境等提供一定的科学参考。

1 研究区及研究方法

1.1 研究区概况

陕北黄土高原丘陵沟壑区位于35°20′30″-38°24′00″N、107°41′00″-110°47′00″E，从行政界线上主要包括陕西北部甘泉县以北、长城沿线以南的延安以及榆林两市的大部分地区，总面积5.39×104km2，占陕西省总面积的21.37%[20]。陕北黄土高原丘陵沟壑区为典型的梁峁状黄土丘陵区，地表支离破碎，沟壑纵横、水土流失较为严重，农耕期短促而气候多变，土地面积广而类型多样，严峻的自然地理条件为当地农业生产带来一定的困难[6,11,20]。

安塞地处西北内陆黄土高原腹地，鄂尔多斯盆地边缘， 位于36°30′45″-37°19′31″N、108°51′44″-109°26′18″E 之间，陕西省北部，延安市正北，土地总面积2 887 km2。安塞地形地貌复杂多样，境内沟壑纵横、川道狭长、梁峁遍布、地表破碎、水土流失严重，是典型的黄土高原丘陵沟壑区。

1.2 数据来源与预处理

本研究的土地利用数据为2013 年1∶10 000土地利用变更数据。该数据在全国第二次土地调查所得的土地利用数据基础上，通过逐年更新至2013年得到，具有较高精度以及现势性。该数据的土地利用分类系统采用国土资源部2007 年颁布的《第二次全国土地调查技术规程》（TD/T 1014—2007），分为一级12 类，二级57 类。本研究以国家权威土地利用现状数据（库）作为源数据，可避免因土地利用分类标准不同而带来的不确定性误差，从而为景观格局分析的有效性及准确度提供保障[8]。根据研究区的区域特征和研究目的，在ArcGIS 9.3 软件平台支持下，将研究区的土地利用现状数据归并为8 类，分别为交通运输用地（公路）、草地、园地、耕地、林地、水体、聚落用地（农村和城镇居民点）以及其他土地（图1）。对聚落用地斑块进行提取并统计分析可知，安塞县现有聚落斑块7 381 处，总面积为27.23 km2。

图1 研究区聚落景观与其他土地利用景观格局Fig.1 Settlement and other land use landscape pattern

为深入研究安塞县聚落分布与地形条件的关系，本研究收集下载安塞县30 m 空间分辨率的数字高程模型（DEM，来源于中国科学院国际科学数据镜像网(http://datamirror.csdb.cn)） 数据，并利用ArcGIS 9.3 中的表面分析功能对其进行空间计算，获得该县的坡度和坡向数据。

1.3 研究方法

1.3.1 聚落景观格局分析 聚落景观格局的空间分布特征主要是指聚落空间分布格局、分布类型以及空间邻接特征，可通过格局指数予以量化进行表达[5]。本研究应用Patch Analyst（version5.0）软件[24]对景观格局指数进行计算。研究所选择的景观格局指标为景观类型面积（class area,CA）、景观类型面积百分比（percent of landscape,PLAND）、 平均斑块面积（mean patch size,MPS）、 平均斑块形状指数（mean shape index,MSI）、平均边缘长度（mean patch edge,MPE）、景观类型斑块数目百分比（percent of patches number,PNP）和平均斑块分维数（mean patch fractal dimension,MPFD）。

景观类型面积（CA）、 景观类型面积百分比（PLAND）和平均斑块面积（MPS）分别表示某景观类型斑块的面积、占景观总面积的百分比和平均面积，可反映该景观类型的大小特征。平均斑块形状指数（MSI）主要反映景观斑块的规则程度以及边缘的复杂程度。其取值范围为MSI≥1，无上限。当所有的景观斑块都为正方形时，MSI=1；当斑块的形状越偏离正方形时，MSI 越大。平均边缘长度（MPE）反映边缘效应的强弱，其值越大边缘效应越强。平均斑块分维指数（MPFD）是指景观组分中单个斑块的分维数以面积为基准的加权平均值，它在一定程度上也反映了人类活动对景观格局的影响，一般来说，受人类活动干扰小的自然景观的分维指数高，而受人类活动影响大的人为景观的分维指数低。

1.3.2 缓冲区分析 本研究以ArcGIS9.3 软件为操作平台，对主要交通运输用地（一级公路）及河流建立0-3 000 m 范围的缓冲区。为避免重复，在计算统计各距离带中聚落斑块数量及面积时，以聚落斑块的重心G（Xg，Yg）为基准进行计算，聚落景观斑块重心计算公式如下[8]：

式中：Xg，Yg分别为聚落景观斑块重心的经纬度，n为聚落图斑边界上经度和纬度的拐点个数，Xi、Yi分别为聚落图斑边界上经度和纬度的拐点。

1.3.3 网格分析 网格分析是一种可视化统计数据的有效手段[25]， 本研究根据研究区的具体情况以1000 m×1000 m 的网格大小对研究区聚落图斑进行分割，进而对各个网格单元内的聚落面积进行计算，并将计算结果赋予对应网格。

1.3.4 kernel密度分析 kernel 密度分析是指利用kernel 算子对密度进行求算的方法，其原理是将落入搜索区的点进行汇总合计后除以搜索区面积，从而得到每个单元的密度值[20]。为进一步分析聚落斑块空间分布特征，本文运用ArcGIS 9.3 中的Feature To Point 模块，提取该县聚落斑块的中心点，进而采用Kernel 方法分析安塞县聚落斑块空间分布密度。

1.3.5 热点分析 在聚落空间格局研究中，热点区是指研究区聚落密集的区域[26]。本文借助Crimestat 软件中的层次最近邻聚类法研究本区聚落空间上的聚集特征并对热点区域进行识别，该方法通过定义极限距离或阈值以及每一聚集单元的最小数目来确定一个聚集单元；进而计算空间中其他聚落点与聚集单元的最邻近距离，当某一聚落点与聚集单元的最邻近距离小于阈值时，则将该点纳入聚集单元，据此将原始聚落点数据聚类为若干聚集单元，为一阶热点区。之后，以一阶热点区作为新的点集，对新点集进行相同聚集过程，识别和产生二阶热点区及更高阶热点区。

2 结果与分析

2.1 土地利用类型景观结构特征

土地利用景观结构特征在一定程度上反映了不同生产力水平下人类生产、生活方式及其与周围环境的关系。通过景观格局指数计算，得出安塞县土地利用景观类型面积、景观类型面积百分比、平均斑块面积、平均斑块形状指数、平均边缘长度、景观类型斑块数目百分比和平均斑块分维数（表1）。林地景观类型在安塞县土地利用类型中占绝对优势，占总景观面积的50.76%；其次为草地与耕地景观；三者占景观总面积的96.55%。聚落景观仅占景观总面积的0.92%。

林地和草地景观类型平均斑块面积指数(MPS)较大，说明两者的平均斑块较大或存在连通性比较好的斑块；相比之下，聚落的平均斑块面积仅为0.4 hm2，斑块面积小且连通性较差。在各景观类型中，公路用地平均斑块形状指数最大，这与公路用地斑块多为长方形有关；而聚落平均斑块形状指数为1.33，表明聚落斑块较为规整。由平均边缘长度可知，对周围斑块类型的边缘效应公路用地最大，而聚落用地最小，两者平均边缘长度分别为7 858.77 m和249.80 m，这主要与公路用地狭长条状分布、聚落用地规整集中分布有关。最后，研究区MPFD≤1.3 的景观类型为聚落用地、公路用地和水体，由此可知此三种景观类型受人类活动影响较大。

2.2 聚落景观空间分布特征

由2013 年安塞县聚落分布密度图（图2a）可知，该县聚落空间分布较为密集，具有一致性，大部分聚落分布于公路及水体附近。聚落斑块密集核心区为建华镇、真武洞镇以及沿河湾镇杏子河水系一带，这些区域海拔处于997-1 500 m 之间，地势相对较低，坡度平缓，是本县的主要产粮区，称为“ 白菜心”地区，以该区为聚落密集核心区聚落斑块呈中心向外阶梯状递减趋势。

表1 土地利用类型景观结构特征指数Table 1 Landscape pattern characteristics indices of land use types

根据聚落面积格网密度（图2b）可以看出，每平方千米内聚落面积相对较高的分布区主要为沿河湾镇、招安镇以及真武洞镇沿公路走向的线状地区。值得注意的是，虽然建华镇为聚落分布密集核心区，但其每平方千米内聚落面积相对不高；而在招安镇每平方千米内聚落面积相对较高，但是单位面积内聚落数目却相对较少，可见建华镇的聚落个数较多但面积较小，而招安镇则相反。

图2 安塞县聚落密度与聚落面积格网密度图Fig.2 Settlement density and area grid density of settlements in Ansai County

2.3 基于热点识别的聚落空间分布规律

本研究采用CrimeStat 层次最近邻聚类法模块，对安塞县2013 年的聚落进行热点分析与识别，共得到149 个一阶热点，14 个二阶热点以及2 个三阶热点区域（图3）。

从图3 可以看出，研究区聚落一阶热点呈现离散随机分布，在其范围内聚落空间分布的斑块密度相对较高。二阶热点区是通过对一阶热点区进行聚类而得到，主要分布在县域中东部的建华镇、真武洞镇和沿河湾镇，二阶热点分布相对集中，区域内聚落斑块空间分布较为密集。通过对二阶热点区进行聚类得到三阶热点区，与二阶热点区分布特征相同，三阶热点区集中分布于县域中东部的建华镇、真武洞镇和沿河湾镇，区域范围内聚落斑块空间分布密度最高。总体上，安塞县聚落分布规律为随机分布和聚集分布并存，其空间分布密度最高的区域位于该县海拔较低，地势平缓的中东部沟谷地区。

2.4 聚落分布的影响因素

图3 安塞县聚落层次最近邻聚类Fig.3 Nearest neighbor hierarchical clustering of settlements in Ansai County

2.4.1 地形对聚落景观分布的影响 在聚落的形成和发展过程中，地形因素往往起非常重要的作用。不同的地形条件，对于聚落的形状、分布、规模和发展都具有深刻的影响。本文运用ArcGIS9.3 将30 m分辨率的高程、坡度与坡向数据分别与安塞县的聚落斑块空间分布数据进行叠加，并以此计算不同高程、坡度与坡向范围的聚落斑块面积，分析聚落斑块面积随高程、坡度和坡向的变化趋势，并利用高斯函数对其进行拟合（表2 和图4）。

由图4 可以看出，不同高程、坡度与坡向范围内分布的聚落斑块面积均存在明显的差异。通过高斯函数拟合可得到高程、坡度与坡向与聚落斑块面积拟合度较高的函数关系，且拟合度较高（表2）。结合图4 与表2 可知，安塞县聚落斑块主要分布在海拔1 000-1 300 m 之间，其中海拔为1 148±5 m（95%置信区间）的区域分布聚落斑块面积最大；坡度0°-20°范围内分布的聚落斑块面积占县域聚落斑块总面积的比重最大，在坡度为9.6°±1.3°（95%置信区间）时聚落斑块面积最大。坡向为100°-205°（即半阳坡和阳坡范围） 的地区聚落斑块的数量与面积显著高于其他区域，其中坡向为172.8±3°（95%置信区间）时聚落斑块面积为最大。根据以上分析可知，安塞县聚落斑块面积随高程和坡度呈偏正态分布，聚落斑块随坡向呈正态分布且呈明显的空间集聚特征。

表2 聚落斑块面积随地形因子的变化趋势高斯函数拟合Table 2 Relationships between settlement patch acreage and terrain factors

图4 聚落斑块面积随地形因子的变化趋势Fig.4 The variation of settlement patch acreage along with terrain factors

2.4.2 河流与道路对聚落分布的影响 道路与河流是影响黄土丘陵沟壑区聚落空间分布的重要因素[15,20]。安塞县境内主要水系有4 条，该县的聚落格局也随着水源的多寡发生变化，靠近水源且河流阶地发育良好的区域，多为具有明显优势的传统农业发展区，从而吸引大量农业人口聚居，形成聚落。本文运用ArcGIS 9.3 中的缓冲区分析与叠置分析功能，参照相关研究[5,8,11,20]，在距离河流和道路500 m 范围内以100 m 为间距设置缓冲区，在距离河流500 m 到3 000 m 距离内以500 m 为间距设置缓冲区，得到不同河流缓冲区与道路缓冲区内的聚落分布面积情况（表3）。由表3 可以看出，随着距河流和道路距离的增加， 缓冲区内聚落面积迅速减少。 距离公路100 m 以内的区域，是聚落分布最为密集的区域，分布于该区域的聚落斑块面积所占比重达到全县的35%，距道路100-200 m 的区域，聚落斑块相对密集，其面积所占比重达到10.61%，距离公路500 m以内的区域，分布着全县59.20%的聚落。距河流500 m 以内的平坦河谷阶地是聚落分布最为密集的区域，其聚落面积占全县聚落面积的65.11%，距离河流300 m 内的三个缓冲区其聚落面积比重均大于10%，由此可知该区域是县域聚落集中分布区。同时，距河流距离300 m 以外的区域随着距离的增加，缓冲区内聚落面积迅速递减。

通过以上分析可知，在河流水源附近聚落的数量较多、规模较大，存在大面积密集分布。离河流越远，人烟越少，聚落越少；地形越复杂，加之沟壑纵横，使得聚落布局呈现不均衡性。需说明的是，在黄土丘陵沟壑区，较塬、梁、峁、沟壑等典型黄土高原地貌类型，河谷地形平坦、连续通畅，不仅适于农业生产，而且便于交通的发展。因此，道路与河流对聚落分布的影响具有空间指向的一致性。

表3 安塞县河流与道路缓冲区聚落面积统计表Table 3 Settlement and river buffers in Ansai County

3 讨论

安塞县乡村聚落空间分布受自然条件限制，沿河流与道路集聚分布的趋势明显，且有部分聚落远离主要公路、交通不便；同时，普遍存在土地资源利用不合理，乡村基础设施建设不够完善等现象，公共服务设施的分布无法满足新时期聚落分布特征的要求。因此，应对目前的聚落分布进行空间格局优化。具体建议如下：

1）合理管理分散的自然村，改造撤并空心村，对偏远山区地带、规模较小且生产资源匮乏、交通条件较差且地质灾害高发区的聚落实施整体搬迁，引导人口向中心村或乡镇有序集中。

2）对县域内交通条件优越、地形平坦且具有一定规模的乡镇，加大建设力度，进一步完善基础设施，形成一定的地域中心，从而实现聚落空间布局的优化，引导乡村人口适度集中。

3）加强交通等基础设施建设，同时根据本县的区域特征和自身经济发展条件，依靠当地特色产业如石油和旅游业等，统筹规划城乡产业发展，加大生态治理与“退耕还林”政策力度，积极探索区域生态文明建设的基本路径和优化城乡聚落空间组织的模式，有效推进区域城乡一体化发展。

4 结论

本研究以陕北黄土丘陵沟壑区典型县域安塞县为例，结合GIS 空间分析方法以及统计学理论，对安塞县土地利用景观结构特征、聚落空间分布特征与规律进行分析，并对该县聚落空间分布的影响因素及其形成机制进行探讨，主要结论如下：

1）2013 年安塞县土地利用景观的基质类型是林地与草地，土地利用景观类型中聚落景观受自然环境的影响较大，斑块相对较小，连通性较差，斑块形状较为规整，体现出陕北黄土丘陵沟壑区聚落分布不均和农业生产力发展低下的特征。

2）安塞县聚落空间分布密度最高的区域位于该县海拔较低，地势平缓的中东部沟谷地区，且聚落分布规律为随机分布和聚集分布相结合，以上结论体现出以安塞县为代表的陕北黄土丘陵沟壑区聚落空间分布受自然条件限制较高的特征。

3）陕北黄土丘陵沟壑区特殊的自然地理环境是影响区域内聚落分布的主导因素，地形、河流与道路对聚落分布起重要作用。安塞县不同高程、坡度与坡向上分布的聚落斑块面积均存在明显的差异，聚落斑块面积随高程和坡度呈偏正态分布，随坡向呈正态分布，且表现出明显的空间集聚特征。同时，聚落空间分布受自然条件限制，沿河流与道路集聚分布的趋势明显。

[1]何仁伟,陈国阶,刘邵权,等.中国乡村聚落地理研究进展及趋向[J].地理科学进展,2012,31(8):1055-1062.

[2]马晓冬,李全林,沈一.江苏省乡村聚落的形态分异及地域类型[J].地理学报,2012,67(4):516-525.

[3]曾山山,周国华,肖国珍,等.地理学视角下的国内农村聚居研究综述[J].人文地理,2011,26(2):68-73.

[4]王传胜,孙贵艳,朱珊珊.西部山区乡村聚落空间演进研究的主要进展[J].人文地理,2011,26(5):9-14.

[5]角媛梅,肖笃宁,马明国.绿洲景观中居民地空间分布特征及其影响因子分析[J].生态学报,2003,13(10):2093-2100.

[6]谢作轮,赵锐锋,姜朋辉,等.黄土丘陵沟壑区农村居民点空间重构——以榆中县为例[J].地理研究,2014,33(5):937-947.

[7]朱雪欣,王红梅,袁秀杰,等.基于GIS的农村居民点区位评价与空间格局优化[J].农业工程学报,2010,26(6):326-333.

[8]吴江国,张小林,冀亚哲,等.县域尺度下交通对乡村聚落景观格局的影响研究——以宿州市埇桥区为例[J].人文地理,2013,28(1):110-115.

[9]李红波,张小林,吴江国,等.欠发达地区聚落景观空间分布特征及其影响因子分析——以安徽省宿州地区为例[J].地理科学,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]郭晓东,马利邦,张启媛.陇中黄土丘陵区乡村聚落空间分布特征及其基本类型分析:以甘肃省秦安县为例[J].地理科学,2013,33(1):45-51.

[12]单勇兵,马晓冬,仇方道.苏中地区乡村聚落的格局特征及类型划分[J].地理科学,2012,32(11):1340-1347.

[13]肖飞,杜耘,凌峰,等.江汉平原村落空间分布与微地形结构关系探讨[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]汤国安,赵牡丹.基于GIS的乡村聚落空间分布规律研究—以陕北榆林地区为例[J].经济地理,2000,20(5):1-4.

[16]冯文兰,周万村,李爱农,等.基于GIS的岷江上游乡村聚落空间聚集特征分析:以茂县为例[J].长江流域资源与环境,2008,17(1):57-61.

[17]郭晓东,牛叔文,李永华,等.陇中黄土丘陵区乡村聚落时空演变的模拟分析:以甘肃省秦安县为例[J].山地学报,2009,27(3):293-299.

[18]刘晓清,毕如田,高艳.基于GIS的半山丘陵区农村居民点空间布局及优化分析:以山西省襄垣县为例[J].经济地理,2011,31(5):822-826.

[19]齐增湘,廖建军,徐卫华,等.基于GIS的秦岭山区聚落用地适宜性评价[J].生态学报,2015,35(4):1274-1283.

[20]甘枝茂,岳大鹏,甘锐,等.陕北黄土丘陵沟壑区乡村聚落分布及其用地特征[J].陕西师范大学学报:自然科学版,2004,32(3):102-106.

[21]宋伟,陈百明,张英.中国村庄宅基地空心化评价及其影响因素[J].地理研究,2013,32(1):20-28.

[22]杨忍,刘彦随,陈秧分.中国农村空心化综合测度与分区[J].地理研究,2012,31(9):1697-1706.

[23]吴秀芹,张艺潇,吴斌,等.沙区聚落模式及人居环境质量评价研究——以宁夏盐池县北部风沙区为例[J].地理研究,2010,29(9):1683-1694.

[24]谢军飞,李炜民,李延明,等.基于Patch Analyst的北京城市公园景观格局指数评价[J].城市环境与城市生态,2007,20(6):14-19.

[25]周成虎,欧阳,马廷.地理格网模型研究进展[J].地理科学进展,2009,28(5):657-662.

[26]杜培军,张海荣,冷海龙,等译.地理空间分析—原理技术与软件工具(第二版)[M].北京:电子工业出版社,2009:171-173.