毕雪昊 凌宇 杨小艳 陈龙高

摘要：农村居民点的无序扩张占用了大量耕地，导致土地利用格局发生剧烈变化。研究农村居民点用地的时空变化及其影响因素对于保护耕地、促进土地资源集约利用、优化土地利用布局具有重要意义。以江苏省徐州市为研究区域，基于地理信息系统（GIS）空间信息技术，综合采用土地利用动态度、土地利用转移矩阵、景观指数、多元回归分析等方法，研究徐州市1995—2015年期间的农村居民点时空变化特征和影响因素。结果表明：徐州市农村居民点用地在20年间处于扩张状态，且扩张速度在加快;新增农村居民点用地多由耕地转入，农村居民点用地转化类型多为城镇建设用地;通过景观指数分析发现，全市农村居民点用地斑块破碎化程度逐年减轻，2010年后平均斑块聚集性明显增加，各农村居民点斑块规模之间的差异愈发明显;分县（市、区）来看，仅徐州市辖区和新沂市范围内的农村居民点用地面积在减少，除沛县外，其余县（市、区）农村居民点均趋向于聚集分布;固定资产投资额、农民人均收入和国内生产总值（GDP）对农村居民点时空变化的影响较大。结果可为徐州市农村居民点合理规划布局提供科学参考。

关键词：农村居民点用地;时空变化;影响因素;徐州市;土地资源集约利用;土地利用布局

中图分类号： F321.1  文献标志码： A  文章编号：1002-1302（2020）10-0263-06

收稿日期：2019-04-12

基金项目：国家自然科学基金（编号：41601087、41271121）;江苏高校优势学科建设工程资助项目。

作者简介：毕雪昊（1996—），女，江苏徐州人，硕士研究生，主要从事土地经济与政策研究。E-mail：932768962@qq.com。

通信作者：陈龙高，博士，教授，主要从事土地利用与规划研究。E-mail：longgao.chen@jsnu.edu.cn。

农村居民点是农民生活居住的载体。近年来，随着城镇的快速扩张和人口流动，农村居民点在结构、分布、形态上发生了剧烈的變化[1]。突出表现为大量农业人口外流，而农村居民点用地面积不仅没有减少反而有所增多，即出现减人不减地的奇特现象[2]。农村居民点的无序扩张会占用大量耕地，导致土地利用格局发生剧烈变化。研究农村居民点用地的时空变化及其影响因素对于保护耕地、促进土地资源集约利用、优化土地利用布局具有重要意义。

据此，众多学者对农村居民点用地扩张开展了相关研究，研究内容涉及影响机制与驱动机理、区域扩张特征以及不同尺度、不同特色区域的变化过程等，所用研究方法主要有空间统计方法[3]、遥感动态监测[4]、Voronoi图[5]等;研究尺度按行政区域划分包含镇域[6]、村域[7]、市域[8]等;研究区域按自然带划分包括山区[9]、平原[10]等。此外，也有学者按经济发展状况划分将各城市群[11]作为研究区域。

学者们对农村居民点时空变化的影响机理与驱动机制进行了较多研究。姜广辉等认为，高程和地形是对农村居民点时空变化影响最大的自然驱动因子[12]。海贝贝等认为，社会经济的发展往往是农村居民点演化的外部动力，而政策制度的实施则对村庄选址行为具有直接导向作用[13]。师满江等认为，农村居民点的聚集具有亲水性、亲路性等特点，其时空变化主要受到区位条件的影响[4]。龙花楼等则认为，自然因素作为土地利用变化的内部驱动因子，对土地利用变化的驱动过程较为缓慢，短时期内的农村居民点变化主要是社会经济因素影响的结果，而自然因素的影响甚微[14]。一般认为，影响农村居民点时空变化的因素可大致分为自然因素、社会经济因素、区位因素、人口因素等，应根据研究区域特性及研究期时长在影响因素的探究上有所侧重。

总而言之，各位学者对农村居民点时空变化及其影响机制的研究取得了丰硕的成果，为今后的研究奠定了一定的基础。随着地理信息系统（GIS）、遥感（RS）等多种研究技术的发展[15]，应用空间信息技术开展农村居民点变化相关研究已成为共识。本研究在现有土地利用数据的基础上，对近20年来江苏省徐州市的农村居民点变化及其影响因素展开研究，以期揭示研究区农村居民点时空扩张规律及影响机制，为区域国土资源管理及可持续发展提供参考和借鉴。

1 研究区域与数据来源

1.1 研究区域概况

徐州市地处江苏省西北部，位于江苏、安徽、山东、河南4省交界处，是淮海经济区中心城市（图1）。徐州市的土地面积为11 258 km2，地形以平原为主，平原面积占比达到90%以上。徐州市下辖5个市辖区、3个县、2个县级市。截至2015年年底，全市常住总人口数共886.9万人，其中农业人口数为337.66万人，占总人口的38.07%，农民可支配收入为26 218.65元/人。2015年，徐州市农村居民点用地面积达178 454 hm2，较1995年增长7.1%。

1.2 数据来源与处理

本研究所用数据包括空间数据和社会经济数据，其中空间数据为5期（1995、2000、2005、2010、2015年）土地利用数据，下载自地理国情监测云平台（http：//www.dsac.cn/）上的全国土地利用数据库;社会经济统计数据来源于《徐州统计年鉴》（1996—2016年）。

数据分析处理过程：（1）利用ArcGIS 10.2软件提取5期土地利用数据中的农村居民点用地，统计汇总这5个时期徐州市农村居民点用地面积;（2）将土地利用矢量数据栅格化，以便在Fragstat 40软件中进行景观指数计算;（3）采用线性插值方式对1995—2015年期间缺失的农村居民点用地面积数据进行补充，以便后期进行多元回归分析。

2 研究方法

以ArcGIS 10.2、Fragstat 4.0软件为分析平台，计算土地利用动态度、土地利用转移矩阵和景观指数，描述农村居民点时空变化特征和空间分异状况，在获取社会经济数据的基础上，结合多元回归模型，探究其变化的影响机制。

2.1 土地利用动态度

通过研究各类型土地面积的数量及变化速率，可以得到研究期内不同土地利用类型的面积总量变化和结构演变趋势。土地利用动态度模型可用于表示土地资源变化速率。本研究采用单一土地利用动态度来反映一定时间范围内，农村居民点用地数量的变化速率和变化情况[16]。其表达式为

K=Ub-UaUa/T×100%。

（1）

式中：K为研究期内某一地类动态度;Ua、Ub分别是研究期内期初和期末该地类的面积;T为研究期长。

2.2 景观指数

景观指数是涵盖了景观格局信息的定量指标，能定量反映空间结构组成特征[17-18]。本研究在进行研究对象的景观格局分析时主要选用能够反映图斑面积、密度等景观格局的指数。其中，斑块总面积（CA）和平均斑块面积（MPS）反映了图斑面积信息，斑块面积标准差（PSSD）用来衡量各图斑面积离散度，斑块密度（PD）反映图斑密度大小（表1）。

2.3 土地利用转移矩阵

單一土地利用类型的变化与其他地类的增减息息相关。土地利用转移矩阵（表2）可以反映研究期始末各土地利用类型之间的面积转移关系，从而有助于了解各地类面积增加的来源和减少去处[19]。

2.4 多元线性回归分析

回归分析可用于研究因变量与自变量之间是否存在线性关系，进而描述自变量对因变量的影响及影响程度。在研究土地利用的变化情况时，常用到多元线性回归模型，该模型要求特定的土地利用变化与各影响因素之间存在着较强的线性关系。本研究以农村居民点面积为因变量进行回归分析。多元线性回归的数学模型为

Y=b0+b1X1+b2X2+…+bnXn。

（2）

式中：Y表示因变量;Xi表示自变量;n为自变量个数;b0、b1、…、bn为常数项系数。

3 结果与分析

3.1 农村居民点时空变化分析

3.1.1 农村居民点规模扩张速率变化 由表3可知，除2000—2005年土地利用动态度为负值外，其余时间段内均为正，其中1995—2000年土地利用动态度最高，为1.22%，说明该阶段农村居民点扩张速率最大。2005—2010年后动态度为正，且有小幅增长趋势。截至研究期末，土地利用动态度达到0.33%，说明徐州市农村居民点用地仍处于扩张态势。

3.1.2 农村居民点景观演变特征 由表4可知，1995—2015年期间，徐州市农村居民点用地共增长11 885 hm2，年均增长594.25 hm2。研究期内徐州市农村居民点斑块总面积的变化呈先增后减再增的趋势，整体呈扩张趋势。1995—2005年斑块密度呈增长趋势，说明在该阶段内农村居民点破碎化程度加深，而2005年后，由于城乡建设用地增减挂钩试点政策的实施和新农村建设的推进，大量小型农村居民点被复垦为成片耕地，选址新建的农村居民点较为集中成片，因而斑块密度大幅减小，破碎程度有所降低。20年间徐州市农村居民点斑块面积标准差有增加趋势，且2005年后斑块面积之间离散程度增大，说明在实施新农村规划建设中，已有不少农村居民点被整合为大范围居住区，达到了迁村并点效果，但仍存在许多小规模村庄，拉大了斑块面积之间的差距。徐州市农村居民点平均斑块面积在1995—2005年期间基本无变化，在2005—2010年期间发生大幅增长，在2010—2015年期间变动较稳定。总体来看，20年间徐州市农村居民点斑块总面积增加，斑块密度减小，斑块面积标准差大幅增加，平均斑块面积增大，说明徐州市农村居民点趋向于聚集分布，各农村居民点斑块之间存在规模上的差距。

图2为徐州市景观指数分异图，反映了徐州市不同县（市、区）之间景观指数差异。在市区城镇化推进的过程中，城市周边的农村居民点被逐步改造成城镇用地，进而导致市区农村居民点用地面积较少[20]。由图2-A可知，徐州市农村居民点主要分布在各县（市），徐州市5县（市）加上铜山区的农村居民点占总面积的90%以上。研究期内，仅徐州市辖区和新沂市农村居民点斑块总面积在减少，其余地区农村居民点用地规模都产生了不同程度的扩张，其中丰县农村居民点斑块总面积增长幅度最大，增幅为 17.9%。由图2-B可知，2015年徐州市辖区斑块密度最小。研究期内，除沛县外，其余各县（市、区）农村居民点斑块密度均有不同程度的减小趋势，表明徐州市大部分地区农村居民点分布破碎程度有所减弱，各地区农村居民点布局基本趋于集聚态势。由图2-C可知，徐州市辖区、贾汪区、铜山区和丰县研究期末的斑块面积标准差指数较期初有了明显提升，这是由于作为徐州市城镇化进程的中心和重点地区，徐州市辖区农村居民点用地的整理情况较好，同时带动了周边地区（如贾汪区、铜山区）对农村居民点用地的整理。从图2-D可知，在1995—2015年期间，各地农村居民点斑块平均面积均有所增加，2015年新沂市农村居民点平均斑块面积为35.51 hm2，大于其余各地区，综合新沂市其他景观格局指数可以认为，新沂市农村居民点总体规模较小，景观破碎程度较低，农村居民点布局较其他县（市、区）更为积聚。

3.1.3 农村居民点土地利用变化情况 土地利用转移结果（表5）反映了1995—2015年期间徐州市农村居民点用地与其他用地类型之间的转换情况。

1995—2015年期间，共有72 499 hm2的其他地类土地转移为农村居民点用地，其中耕地的转移面积占比最高，贡献率为92.5%，说明增加的农村居民点用地面积主要是通过占用耕地获得的;其次是林地，贡献率为4.0%;草地和水域转移为农村居民点扩张的贡献较小，贡献率共计为2.5%，说明徐州市占用草地和水域建造农村宅基地的现象并不严重。20年间，共有60 614 hm2的农村居民点转移为其他类型用地，除补偿占用的农用地外，大部分转移为城镇用地，说明徐州市在进行城镇化建设和城区扩张的过程中占用了大量的农民宅基地。

在农用地转移为农村居民点用地的同时，有部分农村居民点用地转移为了农用地。2006年，为保证耕地的数量和质量，我国开始实施城乡土地增减挂钩政策，鼓励对农村建设用地，尤其是散乱小片宅基地进行土地整理，城镇建设用地面积的增加与农村建设用地面积的减少挂钩，使得大量农村居民点被拆除，复垦为农用地;同时在新开垦的建设用地范围内进行农村居民点用地整合，达到迁村并点的效果。1995—2015年期间，徐州市共有 47 181 hm2 的农村居民点用地被复垦为耕地。

3.2 农村居民点变化影响因素分析

依据相关研究成果[21-22]并结合徐州市现状，对徐州市农村居民点变化影响因素及相应指标（表6）进行分析。从表7可知，除X1、X2、X4、X6和X8外，其他因子均对农村居民点面积变化起正向作用。在正向性因子中，农民人均收入对因变量影响较大。在负向性因子中，国内生产总值（GDP）对因变量影响最大。通过观察回归方程中各项经济因素对因变量的影响可以发现，GDP和社会固定资产投资额的增加对农村居民点的扩张起到反向作用，说明在土地资源有限的条件下，经济越发达的地区越愿意将土地资源投入到城乡建设中去，这抑制了农村居民点的扩张。而农林牧渔总产值的提高，直接使农民受益，增加了农民人均收入，同时提高了农民的生活水平，对于对土地有着极高依赖性的农民来讲，收入的增加能够帮助他们对宅基地进行开垦和扩建，因而对农村居民点用地的扩张有着正向作用。总的来说，在影响徐州市农村居民点用地变化的各因素中，经济因素和社会因素中有关农民生活水平的因子对其影响较大，人口因素和农业生产因素对农村居民点用地变化的影响相对较弱。

城镇化进程的快速发展带来了许多两栖人口，不少农村劳动力进城或外出打工，有些甚至在城里安家落户，但是仍然在农村地区保留有原本的宅基地;空心村问题造成土地浪费，使得农村居民点面积只增不减，因此人口因素对农村居民点用地变化影响甚微。经济和技术的发展使得农民对自然条件的依赖性减弱，垦荒和耕种成本降低，徐州市地处东部平原，优质的耕地和宜耕的自然条件已不是当地农民选择宅基地的首要条件，如何更好地获取城乡资源和物質信息则成为农村居民点选址所需要考虑的重要因素。经济发展和社会制度的完善使得每个农民都有所收益，农民生活水平的提高能够直接影响到宅基地的新修或者扩建，总体上导致了农村居民点的扩张。

4 结论

1995—2015年徐州市农村居民点面积呈先增后减再增的变化趋势，总体呈增长趋势。徐州市辖区与贾汪区的农村居民点用地面积仅占总量的5%，徐州市农村居民点主要集中在各县（市）。除徐州市辖区与新沂市农村居民点面积在减少外，其他各县（市、区）在研究期内，农村居民点用地总规模均在扩张。除沛县农村居民点用地布局趋于扩散，其余各县（市、区）农村居民点用地逐渐聚集成片。

徐州市农村居民点用地进行时空演变时，被拆除的农村居民点用地大部分被用于城镇建设（17.6%）和耕地复垦（77.8%），新建农村居民点用主要通过占用耕地获得。

影响徐州市农村居民点时空变化的因素较多。经济的发展使得农民生活水平提高，刺激了农村居民对于扩建和新建宅基地的需求，宏观上导致了农村居民点的扩张。但是从人口因素上来看，人口城镇化比例在不断提高，农业人口逐年减少，可由于缺少相应的宅基地退出机制，徐州市农村居民点用地并没有随之减少。因此与其他因素相比，人口因素对农村居民点用地面积的变化影响较小。

徐州市农村居民点斑块布局整体上愈发集聚，但仍存在农村居民点无序扩张的问题，地区间农村居民点整理情况良莠不齐，需要进一步加强农村宅基地管理工作，开展农村建设用地土地整理工作，抑制农村居民点用地的不合理扩张，进而更好地保护现有的耕地资源，达到迁村并点、整合耕地的效果。

参考文献：

[1]冯佰香，李加林，何改丽，等. 农村居民点时空变化特征及驱动力分析——以宁波市北仑区为例[J]. 生态学杂志，2018，37（2）：523-533.

[2]冯长春，赵若曦，古维迎. 中国农村居民点用地变化的社会经济因素分析[J]. 中国人口·资源与环境，2012，22（3）：6-12.

[3]陈 阳，李伟芳，任丽燕，等. 空间统计视角下的农村居民点分布变化及驱动因素分析——以鄞州区滨海平原为例[J]. 资源科学，2014，36（11）：2273-2281.

[4]师满江，颉耀文，曹 琦. 干旱区绿洲农村居民点景观格局演变及机制分析[J]. 地理研究，2016，35（4）：693-702.

[5]刘仙桃，郑新奇，李道兵. 基于Voronoi图的农村居民点空间分布特征及其影响因素研究——以北京市昌平区为例[J]. 生态与农村环境学报，2009，25（2）：30-33，93.

[6]舒帮荣，曲 艺，李永乐，等. 不同栅格尺度下镇域农村居民点变化驱动力研究——以太仓市浏河镇为例[J]. 水土保持研究，2014，21（2）：127-132.

[7]李莎莎. 村域农村居民点用地变化及其驱动力研究[D]. 泰安：山东农业大学，2014：19-37.

[8]李玉华，高 明，吕 煊，等. 重庆市农村居民点分形特征及影响因素分析[J]. 农业工程学报，2014，30（12）：225-232.

[9]钟紫玲，王占岐，李伟松. 基于Voronoi图与景观指数法的山区农村居民点空间分布特征及其影响因素[J]. 水土保持研究，2014，21（2）：211-216.

[10]董光龙，许尔琪，张红旗. 黄淮海平原不同类型农村居民点空间分布及变化特征研究[J]. 资源科学，2017，39（7）：1248-1258.

[11]谭雪兰，钟艳英，段建南，等. 快速城镇化进程中农村居民点用地变化及驱动力研究——以长株潭城市群为例[J]. 地理科学，2014，34（3）：309-315.

[12]姜广辉，张凤荣，陈军伟，等. 基于Logistic回归模型的北京山区农村居民点变化驱动力分析[J]. 农业工程学报，2007，23（5）：81-87.

[13]海贝贝，李小建，许家伟. 巩义市农村居民点空间格局演变及其影响因素[J]. 地理研究，2013，32（12）：2258-2269.

[14]龙花楼，王文杰，翟 刚，等. 安徽省土地利用变化及其驱动力分析[J]. 长江流域资源与环境，2002，11（6）：526-630.

[15]陈龙高，李英奎，杨小艳. 土地利用/覆被遥感分类评价与季节变化分析——以连云港为例[J]. 中国矿业大学学报，2013，42（5）：874-886.

[16]王宏志，李仁东，毋河海. 土地利用动态度双向模型及其在武汉郊县的应用[J]. 国土资源遥感，2002（2）：20-22.

[17]党 慧. 北京市农村居民点时空演变及其驱动力研究[D]. 北京：中国地质大学，2017.

[18]Tian G J，Qiao Z，Zhang Y Q. The investigation of relationship between rural settlement density，size，spatial distribution and its geophysical parameters of China using Landsat TM images[J]. Ecological Modeling，2012，23（10）：25-36.

[19]刘艳芬. 基于遥感的连云港市城区海岸帶土地利用变化研究[D]. 青岛：国家海洋局第一海洋研究所，2007.

[20]谭雪兰，周国华，朱苏晖，等. 长沙市农村居民点景观格局变化及地域分异特征研究[J]. 地理科学，2015，35（2）：204-210.

[21]胡贤辉，杨钢桥，张 霞，等. 农村居民点用地数量变化及驱动机制研究——基于湖北仙桃市的实证[J]. 资源科学，2007，29（3）：191-197.

[22]戎晓红，张晓燕，马 娜，等. 基于主成分回归分析的农村居民点用地变化驱动力分析——以睢宁县为例[J]. 经济论坛，2017（5）：119-123.