基于景观聚类的南昌市主城区城乡梯度识别及其生态系统服务响应

蔡振饶，方朝阳*，何清华，颜吉林，高 丹，刘志勇

1. 江西师范大学，江西 南昌 330022

2. 上饶师范学院，江西 上饶 334001

城乡梯度是研究人类活动干扰，尤其是城市化对生态系统影响的有力工具[1]. 随着城市化的持续推进，人类活动给生态环境带来的影响不断加剧，描绘城市化特征的城乡梯度方法逐渐成为领域关注热点，发展为生态学研究的新框架. 该框架假设人类活动与生态系统存在沿着城市核心向外围农村发生梯度变化的规律，包括土地利用和土地覆盖的变化[2]、土壤化学[3]、生物多样性[4]、景观格局及生态系统服务的变化[5].

学者对城乡梯度的划分有不同定义和手段. 基于简单的城乡二分法不能理解城市化下生态过程的复杂性，因此，一些研究使用分类测量来识别城乡梯度，梯度通常被定义为3或4个类别(如城市、近郊、远郊). 在生态学研究中主要以3种方式来描述和分类城乡梯度. 第一种是基于地理距离方式，从城市中心到农村外围边界之间建立一条或多条直线[6]，或设置多个缓冲带[7-8]，以距离作为唯一的划分指标. 第二种是以某种单一规则来生成城乡梯度类型，试图将城市化过程封装成单一指标，如不透水表面比例[9]、森林覆盖率[10]、人口或住房密度[11]等. 然而，这两种分类方法应用单一的度量阈值，掩盖了区域的生态多样性，忽略了复杂人类-生态系统的非线性特征[12]. 如有研究[13]发现，物种丰富度往往在中等城市化的梯度中达到顶峰，在末端(城市核心和农村)最低，在中部(郊区)最高. 第三种方法则涉及复杂的景观模式指标(景观斑块的大小及多样性)或多个指标的组合[14-15](如不透水面比例与人口密度的组合). 目前国外已有研究使用聚类分析来生成城乡梯度类型[16]，通过聚类算法对多个指标进行组合，生成的类型可以适应小尺度(乡镇级、村级)的数据集，提供适应小区域特定管理目标的解决方案.

城市生态系统具有高度空间异质性，采用城乡梯度的研究范式可为生态系统和城市规划管理提供重要的方法学基础[17]，为与社会福利相关的生态系统服务提供新的研究框架[18]. 已有研究表明，城乡梯度制约着生态系统服务的空间变化[19]，也影响着生态系统服务之间的关系，梯度的划分方式会对生态系统服务空间异质性研究结果产生影响. 目前国内外从城乡梯度视角探讨生态系统服务空间异质性的研究较少，大多采用构建同心圆缓冲区的方式探索生态系统服务的城乡梯度[20]. 然而，离城市中心距离相同的区域，其景观与生态系统服务类型可能不同[21]，城乡梯度的表征不同. 因此，有必要应用融合多种景观指标的城乡梯度识别方法，深化与生态系统服务的关联研究.

表 1 城乡梯度的量化指标Table 1 Quantitative index of the urban-rural gradient

南昌市拥有良好的自然底蕴，是江西省生态文明先行示范建设区，同时是长江中游城市群的核心城市. 南昌市主城区是该市经济建设与生态空间保护的核心区，厘清主城区的城乡梯度特征及生态系统服务的空间异质性，对于挖掘城市生态资源优势，促进乡村生态价值转化具有重要意义. 笔者以南昌市主城区为例，采用基于景观聚类的方法识别主城区城乡梯度，分析4种生态系统服务的城乡梯度特征，使用841个村级尺度单元，符合对南昌市主城区分析的尺度要求. 该研究结果有利于南昌市主城区资源管理和生态环境保护，可为城市生态系统服务分类保护与开发提供参考.

1 研究区介绍

南昌市是江西省省会，下辖6个区和3个县，其中南昌县已与6个市辖区同城化，自然与人文空间连成一体，成为名副其实的主城区. 南昌市主城区是空间规模较大的城乡共同体，同时内部的城乡地理环境差异较大. 从城市的视角看，2019年主城区建设用地面积达355.67 km2，已具有较大规模的城市体量. 在乡村方面，主城区外围具有大农村的特征，城区北、东、南面属于赣抚平原灌区，农田广布，灌溉农业发达. 从自然环境的视角来看，研究区拥有“山水林田湖”等多样化的自然要素，其北临鄱阳湖、东临青岚湖，城中有瑶湖、赣江等众多湖泊与河流，西部为梅岭山地，林木茂盛(见图1). 地理环境的多样化特征为城乡梯度研究创造了条件.

图 1 南昌市主城区区位与土地覆被类型Fig.1 Location and land cover types of the main urban area of Nanchang

该研究选择831个村级尺度行政单元进行分析.南昌市青山湖区、青云谱区、东湖区、西湖区以社区为主，将其辖区内的社区合并分别作为村级尺度单元. 总体上，村级尺度数据以行政村为主，还包括一部分林场、农场、水产场、果场、湖泊管理局以及南昌县政府飞地. 为了保证研究区完整性及研究结果的可靠性，允许这些具有特殊价值的飞地存在. 主城区中面积最大的村级单元为南矶乡鄱阳湖区，面积为323 km2，村级尺度单元的平均面积为5.5 km2.

2 数据来源与指标选取

2.1 数据来源

土地覆被数据来源于清华大学全球高分辨率土地覆被监测网(http://data.ess.tsinghua.edu.cn)，数据年份为2017年. 村级行政边界数据来源于第三次全国国土调查结果. 南昌市主城区农、林、牧、渔总产值数据来源于《南昌市统计年鉴》(2018年). 景点、服务设施的POI（兴趣点）数据从百度地图网站中获得，各街道(乡镇)人口数据来源于南昌市第六次人口普查.

2.2 城乡梯度的识别指标

在生态学上农业用地的生态质量高于城市，并与自然地(主要是生态用地)有着非常异化的生态质量.该研究的假设模式如图2所示，即假设从城市中心(核心建成区)开始，自然地和农业用地之间会沿着城乡梯度进行分叉，预测自然地与建成区的景观模式分异(核心与小岛)会促进城乡梯度过渡型的产生.

图 2 城乡梯度的假设模式Fig.2 Hypothetical model of the urban-rural gradient

该研究采用7个指标(3个土地覆被指标与4个景观模式指标)来识别城乡梯度(见表1). 建成区指标来源于土地覆被数据中的不透水面要素，其表征区域的城市化水平与经济社会状况，并对生态质量施加负面影响[22-23]. 选择自然地指标来表征研究区的自然环境特性，该指标包含林地、灌木地、湿地3种土地覆被要素. 农业用地是乡村重要的生产空间，该研究采用耕地要素(狭义的农业用地)来反映乡村的农业发展水平. 景观模式指标采用形态学空间格局分析方法(MSPA)[24]获取，发育良好的核心建成区表明区域内的建筑较为密集，如商业区或工业园区，而小岛建成区表明孤立的建筑分散于景观中. 核心自然地说明区域内有较大面积的生物栖息地，意味着具有较为完整的生态系统. 小岛自然地则说明区域内有破碎的栖息地或城市公园.

2.3 生态系统服务评估指标

景观的变化形成了城乡梯度，也引起生态系统服务效应[25]. 生态系统服务包括支持服务、供给服务、调节服务与文化服务[26]，每一类生态系统服务的量化指标不同，该研究用生境质量代表支持服务、食物供给代表供给服务、碳储量代表调节服务、游憩机会代表文化服务. 其中游憩机会集成了5项评估指标，分别为景观多样性、自然景观元素、景点、可达性和服务设施，以综合表征游憩服务的空间化特征.

3 研究方法

3.1 主成分分析

采用主成分分析(PCA)方法降低景观数据集中的维数. PCA是一种多元统计技术，可将原始指标的数量减少到有限的一组向量中，包含若干关键指标，这些指标能解释原始指标的主要变化，解决数据冗余问题[27]. 该研究将主成分分析结果中初始特征值大于1的指标作为主成分，并作为下一步聚类分析的输入数据. 主成分可按解释力排序，第一主成分能解释的原变量方差最多，第二主成分其次. 通过分析主成分得分及制作散点图，探讨各原始指标对城乡梯度分异的影响.

3.2 AP聚类算法

AP聚类(亲和力传播聚类)指依据一定的规则在节点之间传递信息，在多次迭代过程中出现聚类中心，进而实现数据点的自动聚类，具有聚类速度快、对输入相似度矩阵的三角不等式和对称性没有要求，且可以适用于多种场合等优点[28]. AP聚类的优势是不需人为设置初始的类中心，主要根据相似矩阵本身的特征逐渐达到聚类收敛的效果. AP聚类已被证明比其他聚类方法(如K-均值聚类)更快，对异常值的误差和敏感性更低. 该方法已应用于景观度量数据集的研究[29]，该研究在PCA获取景观数据集的主成分基础上，采用AP聚类算法生成村级尺度单元的城乡梯度类型.

3.3 生态系统服务评估方法

笔者采用模型法分别对不同类型的生态系统服务进行评估.

采用InVEST 模型来评估研究区的生境质量与碳储量. InVEST模型中对生境质量的测量包括4个要素：每个威胁因子的影响相对权量、每种生境对每个威胁因子的相对敏感性、生境与威胁因子之间的距离以及生境的可及性. 选择对生态景观影响较大的不透水面、铁路、国道、省道、县乡道、农业用地定义为威胁源，并参考相关文献[30]对威胁因子的适宜度与敏感性进行赋值. InVEST模型对碳储量的评估需要应用的基本参数是不同土地使用类型的碳密度，该研究的碳密度数据来源于与该研究区气候相近的区域研究成果[31].

利用土地覆被数据和统计年鉴数据，计算研究区各类型土地覆被的食物总产值，实现食物供给的空间化. 食物总产值数据来源于《南昌市统计年鉴》(2018年)，其中，农业产值对应的是土地覆被数据中的耕地，林业产值对应的是林地，牧业产值对应草地，渔业产值对应水体. 食物供给计算模型参考文献[32].

参照已有研究的游憩服务量评估模型[33]，对游憩机会评价指标进行分析. 景观多样性指标应用Fragstats软件获取研究区的香农多样性指数[34]；利用ArcGIS软件计算自然景观元素(林地、湿地、水体)的欧式距离；利用ArcGIS软件的核密度方法计算景点(A级景区、公园、度假村、休闲农庄、渔庄)的空间密度；采用2SFCA法计算从各街道(乡镇)点到景点的可达性[35]；采用ArcGIS软件的泰森多边形方法计算服务设施的服务范围. 然后用自然断点法将数据划分为10个等级，最后对分级结果进行等权重空间叠加，得到研究区总的游憩机会.

3.4 相关性分析

借助SPSS软件分析4种生态系统服务之间的相关性，通过皮尔逊相关系数判断不同城乡梯度下的生态系统服务权衡与协同关系：当两种服务的相关系数大于0、且呈显著正相关(P＜0.05)时，则视两种服务间的相互作用关系为协同；当两种服务的相关系数小于0、且呈显著负相关(P＜0.05)时，则视为权衡；当相关性不显著时，则两种生态系统服务之间为不相关关系.

4 研究结果

4.1 城乡梯度识别结果

4.1.1城乡梯度类型与空间分布

该研究采用AP聚类算法生成研究区城乡梯度类型(见图3)，包含5种类型. 城市集中在中部，有80个村级单元，是主城区开发最成熟的区域，在空间上最为集聚，经济发展水平与建筑密度最高. 近郊村主要围绕在城市的周边，有125个村级单元. 一部分近郊村的分布较为离散，原因是其受南昌工业发展的政策影响，例如主城区西北部的赣江新区与东北部的高新区开发密度不如城市核心区，且不与城市核心区紧邻. 此外，一些地方经济强镇，如城南的向塘镇、厚田镇与城东的麻丘镇，其镇政府驻地经济发展水平较高，但与城市核心区存在空间上的隔离. 农业村广布于赣抚平原灌区上，数量为461个. 农业村的鲜明特点是拥有较大面积耕地，有大面积的基本农田. 远郊村有107个，分布较为零散，主要位于林地与水体面积较大的区域. 生态村有58个，主要分布于西部的梅岭山地、东北部的鄱阳湖沿岸以及东南部的白虎岭林场，这些区域具有自然地面积大的明显特征.

图 3 南昌市主城区城乡梯度类型Fig.3 Urban-rural gradient types of the main urban area of Nanchang

4.1.2城乡梯度的主成分解释

研究区7个景观要素的主成分分析结果如表2所示，前3个主成分初始特征值累积比为0.884，因此城乡梯度聚类的输入数据来自前3个主成分. 该研究用主成分大于0.6或小于-0.6来表示原始指标对主成分的强关系. 第1主成分解释了原始指标37.8%的变化，在第1主成分中，自然地与核心自然地呈正相关，且与建成区、核心建成区均呈负相关. 这识别出了传统的城乡梯度二分法的梯度类型，一端是自然地，另一端是建成区. 第2主成分解释了原始指标35.7%的变化，捕获了另一个体现城乡梯度二分法的梯度类型，即建成区与农业用地. 第3主成分的贡献率为14.9%，其中小岛自然地贡献最多，为城乡梯度的多样式划分创造了可能.

表 2 景观要素的主成分分析结果Table 2 Principal component analysis results

前两个主成分共解释了原始指标73.5%的变化，

对分类结果产生很强影响. 如图4所示，5种梯度类型受到前两个主成分控制并呈现出明显的分异现象，表现出明显的集群效果. 结合表2可知：主成分1的积极方向是由建成区、核心建成区与小岛自然地驱动，消极方向由自然地和核心自然地驱动；主成分2的积极方向由建成区、核心建成区和自然地驱动，消极方向明显地由农业用地驱动.

图 4 前2个主成分与城乡梯度的关联Fig.4 Correlation between the first two principal components and the urban-rural gradient

图 5 南昌市主城区7种景观的城乡梯度Fig.5 Urban-rural gradients of seven landscapes in the main urban area of Nanchang

4.1.3城乡梯度的景观指标解释

景观结构在城乡之间发生着梯度变化(见图5).沿着城乡梯度，建成区面积与核心建成区面积占比总体上表现为梯度递减的态势，但远郊村的建成区面积占比略高于农业村. 农业用地面积占比呈现倒“V”型的梯度变化特征，农业用地占比在农业村最高，往城市与生态村两端递减. 从城市往乡村方向，自然地与核心自然地的面积占比总体上表现为逐渐增长的趋势，但在近郊村出现异常，近郊村的自然地与核心自然地面积占比略高于城市和农业村.农业村产业发展以农业生产为主，大量的土地被开发为耕地，致使自然地反而少于近郊村. 小岛建成区反映建设用地的零散分布情况，近郊村的小岛建设用地面积占比略高于其他类型村，并向两端方向梯度递减. 原因在于近郊村毗邻城市，是大学城、工业园等发展要素的布局对象，但建设密度不如城市核心区，存在建设用地孤岛现象. 小岛自然地的面积占比以近郊村为最高，其次是城市，并往生态村方向递减. 小岛自然地在城市与近郊村中具有特殊的生态价值，然而城市景观以不透水面为主，连片的自然地稀缺，小岛自然地成为关键性的生态用地.南昌市主城区近郊村存在湖泊与山体，为小岛自然地的保留创造了条件.

图6以案例村的形式直观展示了景观结构的梯度差异，其位于城市核心区与梅岭山地、赣抚平原灌区的衔接处. 北山村南临南昌都市，是城市类型村，以不透水面景观占主导，不透水面的面积占比近80%.冠山农场南邻北山村，是近郊村，拥有较大面积的不透水面，但农业用地面积与之相当，同时存在小岛自然地零散分布的现象. 天源村主要位于赣抚平原灌区，是农业村，主要为农业用地，同时存在小面积的自然地与不透水面. 乐化村是远郊村，农业用地最多，也有较大面积的自然地与不透水面. 岭背林场西接梅岭，是生态村，自然地面积广大，存在小面积的小岛建成区.

图 6 南昌市主城区的城乡梯度案例Fig.6 Example of the urban-rural gradient in the main urban area of Nanchang

城市化、农业活动、自然环境共同驱动城乡梯度分异，导致乡村的一端出现农业村与生态村，城乡两端间出现过渡型乡村. 建成区面积变化是城市化的代理，伴随着建成区的扩张，农业用地与自然地均受到一定程度的威胁. 该研究将核心自然地作为自然环境的代理，展示了其与建成区的城乡梯度关系(见图7)，随着建成区面积的减少，核心自然地的面积占比并非呈增长趋势. 在建成区面积占比小的区域中分异出3种梯度类型(农业村、远郊村、生态村)，农业村与生态村成为核心自然地面积占比差异较大的两端. 分类结果符合前期的假设模式(见图2).

4.2 城乡梯度下的生态系统服务响应

4.2.1生态系统服务的城乡梯度特征

南昌市主城区4种生态系统服务的空间分布如图8所示. 生境质量高值区位于西部的山地森林区与东北部的鄱阳湖区，碳储量高值区位于西部山地，食物供给高值区位于湖区与南部的草场，游憩机会高值区位于中心城区与西部山地. 该研究利用ArcGIS软件对碳储量与食物供给数据进行归一化处理，再将4类生态系统服务的空间数据与城乡梯度识别结果进行关联，制作出生态系统服务的城乡梯度图(见图9).

图 7 建成区与核心自然地的城乡梯度关系Fig.7 Urban-rural gradient relationship between built-up areas and core natural land

图 8 4种生态系统服务的空间分布Fig.8 Spatial distribution of four ecosystem services

沿着城乡梯度，主城区生境质量逐渐增高，并可分为两个梯级. 从城市到农业村，生境质量平均值增加0.18，增量较小. 而从农业村到生态村，生境质量平均值增加0.564，反映出生境梯度的显著变化. 碳储量在城乡间同样表现出两个梯级，从城市到农业村，碳储量的平均值仅增加0.098，而与农业村相比，生态村的碳储量平均值增长0.651，碳储量明显增加. 生境质量与碳储量是体现区域生态质量的重要指标[36-37]，由此可验证图2的城乡梯度假设，即在乡村端生态质量发生分异，产生了农业村与生态村这两种典型的乡村类型.

沿着城乡梯度，食物供给呈现为倒“U”型的城乡梯度特征. 城市与生态村为低值区，农业村、近郊村与远郊村的食物供给水平较高，其中，近郊村的食物供给中位数高于农业村，远郊村食物供给的平均值最高. 图5虽说明了农业村的农业用地(耕地)比例最高，但食物供给不止来源于耕地，还来源于林地、草地与水体(分别对应林业、牧业与渔业). 研究区草地与水体的单位面积产出价值高于耕地，而部分近郊村与远郊村的这两类土地覆被面积多于农业村，致使其在食物供给方面与农业村大体相当，扮演着提供多样化农产品的角色.

图 9 4类生态系统系统服务的城乡梯度特征Fig.9 Urban-rural gradient characteristics of four types of ecosystem service

游憩机会在城乡梯度中表现为“V”型的变化特征. 农业村是游憩机会的低值区，高值区的一端是城市与近郊村，原因在于城市与近郊村在景点、可达性、服务设施、景观多样性方面优于农业村. 高值区另一端的生态村游憩机会也较高，原因在于生态村有美学价值较高的自然景观元素. 在主城区的西部山地，具备临近中心城区的优势，可达性与服务设施较好，是居民休闲娱乐的旅游胜地.

4.2.2生态系统服务关系的城乡梯度

自然地与农业用地是城乡梯度的识别指标，也是引起城乡梯度分异的重要原因. 自然地与农业用地的代表性生态系统服务是生境质量与食物供给，分析代表性生态系统服务之间及其与其他服务的权衡与协同关系，将有助于城乡生态系统服务的优化与管理.

如表3所示，食物供给与游憩机会、碳储量之间的关系以权衡性为主导. 从农业村到生态村，食物供给与碳储量之间的权衡性逐渐增强(在生态村权衡性最高，相关系数为-0.536)，说明在乡村端布局食物生产活动会与碳储量发生权衡作用. 在近郊村、远郊村与生态村，食物供给与游憩机会为低权衡关系(在远郊村权衡性最高，相关系数为-0.412)，在这些村布局食物生产活动会与游憩机会发生冲突.

表 3 生态系统服务关系的城乡梯度差异Table 3 Urban-rural gradient differences of ecosystem services relationships

生境质量与游憩机会之间的关系以协同性为主.在城市、农业村与生态村，生境与游憩机会之间存在着一定的协同关系，其中生态村生境与游憩机会的协同性最高(0.461)，说明生态村的高生境质量有助于游憩机会的增长. 生境与碳储量在生态村有较高协同性(0.768)，然而在近郊村呈低权衡关系(-0.443)，原因在于近郊村是以农业用地与不透水面占主导的乡村，自然地面积占比较小，而主城区近郊的河流、湖泊较多，部分近郊村较高的生境质量是以纳入水体的方式实现，而其碳储量并没有增加.

生境质量与食物供给的相互关系在乡村端产生明显分异，在农业村生境质量与食物供给之间呈低协同关系(0.312)，意味着农业村生境质量的提高可促进食物供给能力的提高. 而在生态村生境质量与食物供给则表现为低权衡关系(-0.481)，表明在生态村布局食物生产活动会引发生境质量下降.

5 讨论

5.1 城乡梯度景观指标的选取

城乡梯度分类指标的选取会对空间异质性研究结果产生大的影响. 从指标的选取来看，与基于单一规则的划分方式不同，该研究综合了3个土地覆被指标与4个景观模式指标. 在土地覆被指标方面，典型的城乡梯度概念假定土地利用强度从发达的城市核心向郊区下降[38]. 鉴于农村的土地利用强度低，表现为自然地与农业用地，因此选用了自然地与农业用地指标，符合南昌市主城区农村区域的土地利用特征，研究结果也显示在农村的梯度末端分裂有农业村与生态村. 该研究借助MSPA方法选取了核心景观与小岛景观这两种互不重叠且具有不同生态学意义的景观类型，能够更好地捕获城乡的景观差别. 然而，有研究认为，城市扩张除了表现在城市核心景观与小岛景观类型的差异外，其他景观类型(例如边缘区)表现得较为明显[39]. 此外，桥接区作为连通核心区的狭长区域，对生物迁移和景观连接具有特殊意义，可能代表城乡梯度中的过渡区域. 由于数据分辨率问题，暂未考虑这些指标，建议在今后的研究中可选取符合区域实际的土地覆被类型和多样化的景观模式指标.

5.2 城乡梯度聚类方法的评价

目前国内应用最多的城乡梯度分类方式是基于与城市中心商业区的距离，划分出一定数量的圈带，圈带具有等比例面积的尺度特征. 而采用AP聚类算法考虑到了圈带内的尺度差异性，通过多指标融合捕获了城乡景观系统的复杂性. 例如，南昌市主城区若采用基于距离的方法会让城西的梅岭山地与近郊的各种开发区处于同一梯度，也易忽视南昌市远郊存在自然山体、农业区、湿地保护区等复杂地理背景的事实. AP聚类算法也有一定的局限性，其要求用户通过调整相关参数指定集聚目标的数量，需要在多个聚类方案中进行检查与调整. 笔者结合南昌市主城区实际，确定了该文的分类方案，加入了农业村与生态村类型，在梯度上有明显的差异性. 建议将聚类方法应用于其他案例研究时，需谨慎考虑分类的数量.

5.3 生态系统服务的城乡梯度研究

鉴于空间尺度的选择会影响生态反应的变化[40]，梯度本身对空间尺度(例如网格单元大小或缓冲半径)很敏感，因此城乡梯度分类方式的选择直接影响研究者感兴趣的生态过程[41]. 与基于缓冲区[42]、网格单元模式[43]得出的研究结果相比，基于行政单元的生态系统服务研究的管理导向性更强，能为市政决策与乡村振兴提供政策支持. 与基于乡镇尺度的研究结果相比，更敏感地反映城乡梯度的变化特征，适应生态系统服务保护的精细化要求. 然而，该文仅描述了生态系统服务及其相互关系的城乡梯度特征，在客观规律探索方面，需进一步深化对生态系统服务梯度规律驱动机制的研究，开展多时空尺度研究，明确梯度规律的稳健性.

该研究揭示了生态系统服务及其相互关系的城乡梯度性，可为城乡生态系统服务的提质增值与协同管理提供理论参考. 在提质增值方面，应优先保障农业村的粮食供给能力；鼓励近郊村与远郊村食物生产的多元化发展；加大对生态村的生境保护与生态补偿力度；激活远郊村、生态村的游憩服务潜力并转化为旅游生产力. 在协同管理方面，需谨慎在生态村布局食物生产活动；减少远郊村食物供给与固碳、游憩服务之间的空间矛盾；促进农业村生境维护与食物生产、游憩服务之间的协同增益；加强对城市生境的维护与营造，满足城市居民日益增长的游憩需求.

6 结论

a) 采用基于景观聚类的方法识别城乡梯度，选取3种土地覆被指标与4种景观模式指标，用主成分分析法得到3个主成分. 以AP聚类方法生成5种城乡梯度类型，分别为城市、近郊村、远郊村、农业村与生态村. 通过分析不同城乡梯度的景观差异，展示城乡梯度的案例村，表明了基于景观聚类的分类方法效果较好，捕捉到了乡村的末端类型(农业村与生态村)以及沿梯度中间分布的类型.

b) 城乡梯度分类结果显示，南昌市主城区的城乡梯度并非呈圈层结构，不同类型村具有不同的空间区位与集聚特征，与研究区的城乡地理环境背景相符合. 研究发现城市化、农业活动与自然环境共同驱动着主城区的城乡梯度分异.

c) 城乡梯度是生态系统服务空间异质性研究的有力工具，研究发现沿着城乡梯度，主城区生境质量、固碳服务可划分为两个增长梯级，食物生产与游憩机会分别表现为倒“U”与“V”型的梯度变化特征. 在城乡梯度中，食物供给与游憩机会、固碳服务之间的关系以权衡性为主导，生境质量与游憩机会之间的关系以协同性为主，而生境质量与食物供给服务分别在农业村与生态村呈现为协同关系与权衡关系. 城乡梯度下的生态系统服务响应分析，可为城乡生态系统服务的提质增值与协同管理提供理论参考.