大别山区农村居民点用地适宜性分析和选址优化——以金寨县青山镇为例

朱传华，李殷娜，胡彦，高久芳，孙钦瑶

(安徽建筑大学 环境与能源工程学院，安徽 合肥 230601)

0 引言

全国土地利用总体规划纲要(2006—2020 年)中积极支持新农村建设，要求合理引导农民住宅相对集中建设，促进自然村落适度撤并[1]。农村居民点是农民的主要聚集形式，其外在形态和空间结构是其与周围自然环境、社会经济和人地相互作用的结果，准确把握其内在规律对农村居民点的土地整治工作有着重要影响[2--3]。

关于农村居民点的研究，国外学者专注于空间景观模式对居民用地影响、农村居民点景观的演化、农村产业与农村居民点的关系等方向[4-6]；而国内学者则多基于区位理论[2]，从自然环境、经济发展和社会文化角度多方面探讨了农村居民点分布与各种影响因素之间的关系，并针对不同地形地貌的农村居民点，先进行土地适宜性评价，然后分析农村居民点的布局优化和分区调控[7-15]。

适宜性分析采用多准则决策(multiple criteria decision-making，MCDM)方法[7-8]，多准则叠加的权重分配采用AHP 法[9-10]、Delphi 法[11-12]、Delphi 法和熵权法的组合[13]、AHP 法和熵权法的组合[14]等方法计算。其中AHP 法和Delphi 法为主观赋权性，而熵权法依赖数据赋权，但在空间分析中，指标数据对目标的贡献不一定和数据大小成正比或反比。

布局优化的定性研究较多，但仅给出宏观的建设，没有具体的搬迁方案[11-12]。定量分析较少，如部分学者使用加权Voronoi 图，以农村居民点影响度为权重[13-14]，划分其影响范围，从而判断居民点的搬迁和保留；或使用移动搜索方法统计村庄的需求比，确定迁移方向和范围[15]。但Vorinoi 图和移动搜索方法都是基于欧式距离的分析，且没有考虑居民点(需求点)的需求大小(如人数)和供给点的容量。最大化覆盖模型(Maximal covering model)基于实际路网距离，且考虑了需求点的需求和供给点的容量，已成功应用于警察巡逻区、加油站、学校和自行车共享点的选址优化[16-19]。

本研究以安徽省金寨县青山镇为例，分析农村居民点分布与各种影响因素之间的关系，应用证据权法进行农村居民点用地适宜性分析，并基于适宜性分区结果和路网数据集，使用最大化覆盖模型进行区位优化分析，选出较理想的居民安置点地块，以期探索一套适用于大别山区农村居民点用地适宜性分析和选址优化的方法和流程，为农村居民点的布局优化提供新思路。

1 研究区与数据

1.1 研究区概况

金寨县青山镇位于安徽省西南部，地处大别山腹地，全镇以山地为主，镇内群山环绕，其中全镇最高峰抱儿山峰海拔超过1 000 m。青山镇现辖5 个行政村、1 个街道居委会，82 个村民组，2017 年农村常住居民人数约2.1 万人，辖区总面积164.4 km2，其中山场15 533.3 hm2，耕地606.7 hm2。由于地势和自然环境的影响，青山镇南部的居民点较多，且呈分散分布，而北部居民点较少，如图1 所示。金寨县为国家级贫困县，正在全力实施脱贫计划，亟需易地扶贫搬迁等政策优化农村居民的居住条件，提高农村节约集约用地水平。

1.2 数据来源

农村居民点、道路、河流、集镇和中心村等数据来源于谷歌地球(Google Earth)高清影像(2017 年)目视解译的数字化成果。DEM(Digital Elevation Model)数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http：//www.gscloud.cn)下载的ASTER GDEM 数据，栅格精度为30 m，使用ArcGIS10.1 表面分析得到坡度、坡向数据。土地利用总体规划、社会经济人口数据来源于当地政府信息公开网(http：//www.ahjinzhai.gov.cn)。

图1 研究区

2 研究方法

2.1 用地适宜性分析

(1)应用证据权法的用地适宜性分析。证据权法是一种定量的“数据驱动”方法，该方法最早应用于医学和地质学中，使用贝叶斯概率模型的对数线性形式，通过统计方法估计证据的相对重要性[20]。证据权法可以给二值化证据图层和点对象的关系密切程度一个度量标准，并能组合多个图层，对点对象可能的空间分布进行预测。假设已有农村居民点布局是合理的，当该方法应用于农村居民点用地适宜性分析时，点对象就是已有居民点，证据图层就是对居民点布局有影响的因子[20]。参考文献[9，11-13]并结合研究区数据获取情况，分自然条件和交通通达度两大类，选取坡度、坡向、高程、距河流的距离、距道路的距离、距城镇和中心村的距离6 个因子作为大别山区农村居民点空间布局的影响因子。自然条件包括坡度、坡向、高程和距河流距离：坡度和高程对排水、建设成本等有重要影响，坡向对日照时数和太阳辐射强度的影响巨大，辐射收入南坡最多，坡向越向北，辐射收入越少[14]，而距河流距离越近，居住环境和耕作条件越好。交通通达度包括距道路的距离和距城镇和中心村的距离，越接近道路，交通越便利，而接近城镇和中心村，则有利于居民享受各项服务。根据各因子对适宜性影响的强弱，将连续的变量重分类为离散的变量，如表1 所示。

表1 用地适宜性影响因子和已有居民点统计

在GIS 软件中，将居民点和每个证据二值化：1 代表居民点或证据存在，0 代表居民点或证据不存在。每个分类表示一个证据存在，如将坡度分类1 二值化为1，其他分类二值化为0，以此类推。通过居民点和每个证据的叠加，能测量出两者之间的统计关系，用来度量证据对已有居民点的影响程度大小。每个证据都计算W+和W-两个权重，权重大小取决于已有居民点和证据之间的空间关系。

Wj+和Wj-分别为第j 个证据存在区和不存在区的权重值，对于原始数据缺失区域，其权重值为0；B 为证据存在区的单元数；为证据不存在区的单元数。D 为居民点存在区的单元数；为居民点不存在区的单元数。除了权重，对比度C = W+-W-表示居民点和证据层相关性的度量。C 是正值表示正相关，C 是负值则表示负相关。

将所有证据层按权重叠加，用于预测未来居民点产生的可能性。计算出的可能性用概率(O)表示，即O＝P/(1-P)，其中P 为先验概率。在证据权法中使用先验概率Oprior的自然对数来表示后验概率Opost[22-23]：

则居民点用地产生的后验概率Ppost为：

证据权法的预测结果是一个后验概率图，其值在0-1 之间，后验概率值的大小对应于适宜性的高低[21]。理论上后验概率大于先验概率的区域均可划归为适宜性高的区域[24]。利用后验概率将整个研究区划分为两级：低和高。本文采用2 种方法结合分类：①以先验概率为阈值，将适宜性分为2 类：不适宜和适宜。即大于阈值为适宜区域，小于阈值的为不适宜区域。②在手工分类的基础上，使用自然间断法将不适宜区域细分为2 类：不适宜和非常不适宜；将适宜区域细分为3 类：一般适宜、适宜和非常适宜

(2)模型检验。模型有效性的简单验证方法是根据已有居民点在适宜性分区的分布情况来判断。如果已有居民点分布在适宜性高的分区，即适宜性分析结果可以预测已有居民点的分布，就说明建立的模型是成功的[25-26]。

(3)适宜性评价。利用适宜性分类结果，包括适宜性分区的面积、分区占研究区面积比例、分区内居民点斑块面积所占比例等指标[9，11-12，27]综合评价，并描述各适宜性分区的在影响因子中的分布特征。

2.2 选址优化

(1)确定潜在的需求点和供给点，并使用最大化覆盖模型对选址进行优化。本文中的潜在供给点主要考虑3 个因素：土地适宜性、是否允许建设和地块面积。将适宜性分区的非常适宜区和适宜区矢量化为面文件，与允许建设区进行叠加分析，选择面积满足建设要求(如大于5 000 m2)的允许建设区地块作为潜在供给点；将非常不适宜区和不适宜区矢量化为面文件，与已有居民点面文件进行叠加分析，选择相交的居民点作为待搬迁居民点(潜在需求点)。农村居民的日常劳作需在生产区和居住区往返，假设已有居民点距生产区的距离忽略不计，则搬迁后的农民需在已有居民点(需求点)和候选地址(供给点)间往返，给定P 个选取地址(容量上限为M)，以使一定距离或时间阈值范围内被服务的居民需求总量最大，其公式如下：

约束条件为：

式中：Z 是需求总量(服务的农村居民点人数)；I 是农村居民点集合；J 是候选地址集合；dij是工作区i 到候选地址j 之间的最短距离或时间；xj表示如果候选地址覆盖第j 个农村居民点则为1，否则为0；yi表示如果农村居民点i 至少被一个候选地址覆盖则为1，否则为0；Ni表示农村居民点i 可达半径之内的候选地址总数；Nj表示候选地址j 服务半径之内的农村居民点总数；S 表示可接受的服务距离或时间；P 是要选取的候选地址数目；ai是农村居民点i 的需求；M 表示单个候选地址能服务的最大容量。

(2)选址优化后评价。评价方式分2 种：通过对比居民点优化前后的居民点斑块总面积、密度和平均斑块大小等指标来评价布局优化的效果[13-14，28]；通过网络分析中的总出行距离、平均出行距离、最长单个出行距离和服务覆盖率等指标评价[16，18-19]衡量不同方案的优劣。本文采用第2 种方式。

3 结果与分析

3.1 各相关要素分析

依照前述方法，在ArcGIS 10.1 中分别对各影响因子进行距离分析(Euclidean Distance)并按区间重分类(Reclassify)；与居民点栅格图层执行分区统计分析(Zonal Statistics)，计算各因子分类的证据权值W+和W-，如表1 所示。由证据权法计算得到的对比度C 可以表示已有居民点和证据层之间的相关性，由表1 和图2 可以看出，正相关性强(大于0.5)的证据层有：坡度分类的0 °-5 °以内和5 °-10 °以内；坡向分类的南和水平方向；高程分类的0～200 m 以内；距河流距离分类的100～200 m 以内和200～400 m 以内；距道路距离分类的0～100 m以内；距城镇和中心村距离分类的0～200 m 以内，200～500 m 以内和500～1 000 m 以内。

在ArcGIS 10.1 中使用栅格计算器将各证据图层按公式(4)、(5)计算出后验概率，也就是每一栅格单元的适宜性，并分类，如图3 所示。

3.2 模型检验

将已有居民点栅格(二值化数据层)和适宜性分区进行区域统计分析，统计居民点在适宜性分区的分布情况。如表2 所示，适宜区(包括一般适宜、适宜和非常适宜)面积仅占全区面积的26.71%，但包含约70%的已有居民点分布，精度较高；适宜性分区(从非常不适宜至非常适宜分区)的居民点比率(b/a 比值)逐步增加，说明分类效果较好。

3.3 用地适宜性评价

图2 农村居民点用地在影响因子分类中的分布

图3 青山镇农村居民点用地适宜性分类图

如表2 和图4 所示，研究区农村居民点用地适宜性以不适宜和非常不适宜为主，这两种适宜性分区约占总面积的73.29%；一般适宜及以上约占26.71%，其中非常适宜区面积为1 383.21 hm²，占全镇总面积的8.56%，该区域居民点用地面积占比为16.51%，包含35.58% 的居民点用地，主要集中于道路和河流沿线、地势不高且平坦的区域，这些区域交通便利、采光良好且水源充足。适宜区面积为1 235.43 hm²，占全镇总面积的7.65%。该区域内居民点用地面积占比为7.78%，分区内居民点占总居民点的14.97%，主要分布在道路沿线、地势不高且坡度不大(＜15°)的区域，这些区域地势较平缓，交通便利，具有较好的发展空间。一般适宜区面积为1 696.23 hm²，占全镇总面积的10.50%，区域内居民点用地面积占比为7.34%，分区内居民点占总居民点的19.40%，主要分布于地势起伏不大且坡度较缓(5°-15°以内)的区域。不适宜区和最不适宜区面积分别为9 283.95 hm²和2 552.85 hm²，共占全镇总面积的73.29%，这两种分区内居民点用地面积占比很少，分别为2.06% 和0.07%，分区内居民点占总居民点的总比例约为30%，主要分布地势较高(200 m-600 m 以内)，坡度较大(＞15°)，且交通不便及距河流距离较远的区域，不适合居民点布局，建议以林业发展、生态保护为主。

表2 适宜性分区统计

图4 适宜性分区在影响因子分类中的分布

3.4 选址优化及评价

如图5 所示，选中的潜在供给点共83 个地块，其中面积最大的地块容量为16 104 人(按6 人/100 m2计算)，最小为306 人；潜在需求点共138 个居民点4 742 人。

图5 候选地块和待搬迁居民点

将候选地块(面文件)转化为点，连接到最近的路网(道路网络数据集)结点，定义为供给结点；将待搬迁居民点面文件转化为点文件，连接到最近的路网结点，定义为需求结点。在ArcGIS 10.1 中使用网络分析模块的位置分配模型，设置约束条件，求解最大化有容量限制的覆盖范围问题。如表3所示，当选取的候选地址数为1，可接受的服务距离不限(具体设置为50 000 m)时，选取的候选地址位于城镇中心附近，居民点覆盖率100%，但最长的单个出行距离约为28.5 km，平均出行距离约14 km，结果不太理想，选址优化结果如图6 所示。当选取的候选地址数为7(与集镇和中心村数量相同)，可接受的服务距离为5 000 m 时，如表3 所示，居民点覆盖率71%，服务人数比率71.4%；当选取的候选地址数为83(候选地块最大值)时，仍然有10 个居民点无法覆盖。当选取的候选地址数为7(与集镇和中心村数量相同)，可接受的服务距离为10 000 m 时，居民点覆盖率100%，最长的单个出行距离约为9.9 km，平均出行距离约4.3 km，结果较为理想，选址优化结果如图7 所示。

4 结论

本文提出这种定量化、可操作性强的农村居民点用地适宜性分析和选址优化方法和流程，从宏观和微观角度为大别山区农村居民点的规划提供科学的依据，具有一定的可行性和实用价值。

(1)宏观上掌握研究区居民点用地规律和适宜性程度：构建的基于证据权法的大别山区农村居民点用地适宜性地理模型有效地预测了约70%的已有居民点分布，精度较高，模型具有一定的适用性。适宜性分析结果表明青山镇农村居民点用地适宜区占总面积的26.71%，分布于地势不高且平坦、交通便利、采光良好和离水源近的区域；不适宜区占总面积的73.29%，分布于地势较高、坡度较大，且交通不便的区域，该区内有138 个居民点。

(2)微观上确定区位最优的居民安置点地块：提出的选址优化模型考虑了农民搬迁后日常劳作需求，基于实际路网计算出行距离，精度较高。采用有容量限制的最大化覆盖模型，基于路网数据集对潜在的供给点和需求点进行区位优化分析，从83 个候选地块中选出7 个优选地块，覆盖了全部待搬迁的138 个居民点，且平均出行距离约4.3 km，结果较理想。

图6 约束条件P=1，S=50 000下选址优化图

图7 约束条件P=7，S=10 000下选址优化图

表3 选址优化统计指标

由于资料来源和实地调研工作程度等原因，本文存在以下问题：①影响因子仅考虑了自然环境，评价指标体系有待完善。农村居民点分布不仅受到自然环境条件，也和社会经济、人口增长速度、民族文化、居住习惯等因素有关。②候选地块选择需标准化。选择候选地块时仅考虑了土地利用总体规划、面积大小和土地适宜性，没有考虑工程施工等条件。③自然村落居民点人口数据精度有待提高。居民点人口是以村为单位的人口统计数据按面积大小分配的。④考虑到山区地形复杂，出行成本用时间度量更合适。

总之，本文提出的大别山区农村居民点用地适宜性分析和选址优化方法和流程具有一定的科学性和实用性，有待在实际应用中改进和提升。