EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 8: 2065 - 2084

DOI: https://doi.org/10.31497/zrzyxb.20220810

其他研究论文

山区农村居民点时空格局演变特征及蚁群仿真优化——以重庆澄江镇为例

  • 王兆林 , 1 ,
  • 刘福兵 1 ,
  • 杨庆媛 , 2 ,
  • 鄂施璇 1 ,
  • 杜挺 1
展开
  • 1.重庆工商大学公共管理学院,重庆 400067
  • 2.西南大学地理科学学院,重庆 400715
杨庆媛（1966- ）,女,云南腾冲人,博士,教授,博士生导师,研究方向为乡村聚落。E-mail:

王兆林（1979- ）,男,山东临沂人,博士,教授,博士生导师,研究方向为农村居民点及宅基地利用管理。E-mail:

收稿日期: 2021-03-15

  修回日期: 2021-11-30

  网络出版日期: 2022-10-28

基金资助

国家社会科学基金项目(20BJY120)

收起

Spatio-temporal patterns of rural settlements in mountainous areas and optimization with ant colony algorithm: Evidence from Chengjiang town in Chongqing

  • WANG Zhao-lin , 1 ,
  • LIU Fu-bing 1 ,
  • YANG Qing-yuan , 2 ,
  • E Shi-xuan 1 ,
  • DU Ting 1
Expand
  • 1. School of Administration Management, Chongqing Technology and Business University, Chongqing 400067, China
  • 2. School of Geographical Science, Southwest University, Chongqing 400715, China

Received date: 2021-03-15

  Revised date: 2021-11-30

  Online published: 2022-10-28

Fold

摘要

山地农村居民点系统因受自然因素及人类活动等多重扰动而处于深刻转型中,探索山区农村居民点时空格局特征及其优化策略,对于优化山区国土空间格局、推进山区国土空间综合治理与乡村振兴具有重要意义。基于构建理论框架,集成运用景观格局指数法、栅格权重叠加评价法、改进蚁群算法（ACO）等,以重庆澄江镇为例,探索山区农村居民点时空格局演变特征及优化过程,提出优化调控策略。结果表明：（1）研究区农村居民点空间格局演变特征呈现集中、靠拢的演化发展趋势,总体呈现匀质、线状、向心、院落四种分布形态;同时高程、坡度、水域、城镇、道路、基础设施等自然—经济社会因素均对山区农村居民点时空格局演化产生重要影响。（2）改进蚁群算法优化后,研究区农村居民点斑块面积（CA）减少10.07%,居民点斑块数量（NP）和密度（PD）分别减少83.12%和81.16%,平均斑块面积（MPS）增加了4.3倍,平均最近邻体距离（MENN）增加了42.82%。优化后69.1%的农村居民点斑块都集中在适宜区和较适宜区内,且重点向交通便利、公共设施完善、生产便利和中心村庄集中。优化后的农村居民点空间格局更加紧凑有序,土地集约节约效率更高。（3）基于仿真优化结果,综合考虑村庄振兴“产业—人口—土地”互动耦合机制,提出城郊融合、产业集聚、景村融合、搬迁撤并四类农村居民点格局优化方案,助推山区乡村振兴。（4）优化结果同时表明改进的蚁群算法非常适用于复杂环境条件下的较小尺度要素空间布局优化,能够为山区国土空间规划编制提供技术支撑。

关键词： 农村居民点; 时空格局; 景观格局指数; 改进蚁群算法; 仿真优化; 山区

本文引用格式

王兆林 , 刘福兵 , 杨庆媛 , 鄂施璇 , 杜挺 . 山区农村居民点时空格局演变特征及蚁群仿真优化——以重庆澄江镇为例[J]. 自然资源学报, 2022 , 37(8) : 2065 -2084 . DOI: 10.31497/zrzyxb.20220810

Abstract

Due to the dual disturbance of natural conditions and human activities, rural settlements systems in mountainous areas are experiencing a profound transformation. Exploring the spatial and temporal pattern characteristics of rural settlements in mountainous areas and their optimization strategies is conducive to promoting the comprehensive management of land space and rural revitalization in such regions. By employing landscape pattern index, grid weight overlay evaluation, improved ant colony algorithm, etc., this study, with Chengjiang town of Chongqing as an example, constructs a theoretical analysis framework to explore the spatio-temporal evolution characteristics of rural settlements under rapid urbanization, so as formulate the optimization and control strategy of rural settlements pattern in mountainous areas. The results show that: (1) The spatial pattern evolution of rural settlements in the study area showed a trend of concentrated and close evolution, and generally showed four distribution patterns of homogeneity, linearity, centripetal and courtyard, meanwhile, the elevation, slope, water area, town, infrastructure and other natural, economic and social factors have an significant impact on the spatial and temporal pattern evolution of rural settlements in mountainous areas. (2) The results of improved ant colony algorithm optimization shows that the patch area (CA) of rural settlements in the study area decreased by 10.07%. Meanwhile, the patch number (NP) and density (PD) decreased by 83.12% and 81.16%, respectively. The mean patch size (MPS), and the mean nearest neighbor distance (MENN) increased by 4.3 times and 42.82%, respectively. The results of optimization show that 69.1% of the rural residential patches are concentrated in suitable areas and relative suitable areas, and the concentration occurs close to convenient transportation, perfect public facilities, convenient production and central villages. The layout of rural settlements is more compact and orderly, and the land is more intensive and economical. (3) The optimization results also show that the improved ant colony algorithm is very suitable for the spatial layout optimization of town scale elements under complex environmental conditions, and can provide a scientific basis for the optimization of land use and living space pattern in the compilation of land spatial planning in mountainous areas.

Key words： rural settlements; spatio-temporal pattern; landscape pattern index; improved ant colony algorithm; simulation optimization; mountainous areas

改革开放以来,城镇化的无序蔓延和工业化的快速扩张,使得农村劳动力要素向城镇、非农产业加速迁移集聚,导致中国乡村地域形态迅速变化。伴随着城乡要素梯度间的加速流动,加之多数村庄规划缺位,使得我国乡村空废化、环境污损化、资源低效化等问题突出[1]。如何破解乡村空废化,提高资源利用效率,实现乡村振兴,已成为乡村可持续发展的重大科学命题。2019年4月在瑞士伯尔尼大学举行的第四届全球土地计划开放科学大会（Global Land Program Open Science Meeting,GLPOSM）聚焦“人与自然的土地系统转变”（Transforming Land System for People and Nature）,深度阐释了自然与经济社会因素对土地系统的影响,优化土地系统的权衡和协同效应,土地利用规划对乡村地域可持续发展的推动作用等核心命题,这无疑与当前我国实施的“乡村建设”“乡村振兴”等战略高度切合。山区是复杂的地域系统,城镇化背景下山区农村居民点因受特殊地貌形态、自然环境条件、经济社会条件、历史及生活习俗等影响,其利用、布局等问题更加突出,治理复杂度更大,是当前国土空间治理与格局优化的难点区域。探寻山地农村居民点演变的一般规律,形成一套合理的山地农村居民点优化布局技术方案,不仅能够使得特殊区域农村居民点布局更加条理化、集约化,而且能够为山地村庄规划和乡村振兴规划提供技术支撑。
关于农村居民点格局特征的研究,近年来主要围绕形态类型学,如中心地理论（Central place theory）、分形理论（Fractal Theory）等,运用自然—历史分析法,探讨农村居民点空间格局演化的一般规律,揭示聚落空间特色的辨识逻辑[2,3]。也有研究采用CFD风场模拟揭示居民点空间形态特征与气候的关系,或采用GIS空间分析,揭示居民点空间形态特征及其影响因素[4,5]。关于农村居民点布局优化的研究,国外学者的研究起源较早,多集中于居民点选址的影响因素及其布局理论研究,如Hill[6]研究村落选址与地形、光照、海拔等地理因素的关系,Peter[7]根据居民点选址的综合因素提出了居民点布局优化的相关理论。近年来,国内学者围绕农村居民点优化布局,尝试引入复杂网络理论[8]、构建断裂点模型[9]、粒子群方法[10]、修正引力模型及加权Voronoi图[11]、MCR模型[12]、系统动力—多智能体[13]等方法,从“适度—支配”[14]、村落重构[4]等视角开展研究,并取得了积极进展。尽管如此,山地区域农村居民点演变特征及优化路径与平原农区存在较大差别,前者居民点因受更为复杂的自然与经济社会因素影响,演变过程并非简单的平原地区“摊大饼”模式,而呈现更为复杂的空间形态与影响因素,其演变规律随机性更大,优化难度更大,这就使得上述研究方法和视角,在分析山地农村居民点时空格局与形态时的表现受限,同时模拟优化精度和合理性不高。此外,理论界对于山区农村居民点空间格局演变过程理论的探讨还较少,指标构建对“三生”影响因子考虑不够。为克服现有研究中的局限性,本文构建山地农村居民点格局演变的一般理论框架,尝试引入景观格局指数这一空间格局研究重要方法,刻画复杂情境下的山区农村居民点空间格局特征,并采用改进蚁群仿真算法,模拟优化多种因素影响下的农村居民点布局,期望为山地村庄规划、乡村振兴规划的编制提供技术和理论支撑。

1 分析框架

农村居民点是农村生活空间的重要载体,是联系农村生产空间的纽带,并对周围生态空间产生深刻的影响。农村居民点空间格局是居民点分布在时空上表现的综合形态特征,其形态演变受自然、经济社会等众多因素影响,是众多扰动因素在不同尺度上综合作用的结果,映射了农村居民点格局要素和功能要素在时间上的延续性与空间上的扩散性[4,15]。山区农村居民点因受自然环境、乡村发展转型、快速城镇化等自然和人文要素的多重影响,而处于深刻的转型之中[16]。农宅与生产空间、生态空间构成了最基本的居民点空间单元,分散分布的居民点形成散村,集中分布则形成村庄或集镇,有些进一步发展成为建城区。在经济社会发展初期阶段（T1）,农村居民点选址布局因受到地形、坡度、地灾等影响,总体呈现散居状态,无明显规律性,空间表现为一定的匀质特征,功能较为单一,主要表现为居住功能。随着经济社会发展深入、建造技术进步与人口聚集,山区农村居民点分布逐渐呈现中心集聚状态;在空间上,表现为以较大行政村为中心逐步向外扩展,并将周边较小的自然村合并,在中心集聚状态下,随着村规模的扩大,公共基础设施开始显现,功能日趋复杂,逐渐形成聚落功能（T2）。进一步,随着经济发展、技术进步与多要素的集聚,中心村腹地的自然居民点村落,受中心村辐射,被中心村吸收,中心村规模在不断扩大的同时,交通与生活基础设施也日趋完善,形成了规模性的组团雏形。该类居民点村落已经具备了相当的规模,同时居民点村落的功能也日趋完善与专业（T3）。在最后阶段,农村居民点进一步扩张与周边城镇在功能上形成密切的地域分工,在自然因素影响下,呈现组团状态,并最终形成城镇的一部分（T4）。山地农村居民点空间演化是在一定空间尺度、时间尺度的耦合作用下的重构,这种重构是在系统诊断、反馈和调控基础上对农村地域城乡建设用地空间规模、形态、格局和功能进行解读分析其空间关联性与空间差异性比较之后的结果[17]。山区农村居民点空间格局的演变规律、优化重构是区域内力与外力推动共同作用的结果[18]。村域尺度的生产、生活、生态因子是推动其空间格局演变的内外驱动力（图1）。
图1 山区农村居民点时空格局演变与优化基本框架

Fig. 1 The basic rule of spatio-temporal pattern evolution of rural settlements in mountainous areas

对于生产因子而言,农村居民点分布格局在于方便农村一二三产业发展,因而其布局必然考虑基本农田、工矿用地、乡村旅游等的影响[19]。结合当前农村“三产融合”的发展目标,选取农村居民点到永久基本农田、风景名胜用地、工矿建设用地等的距离因素作为衡量居民点布局对生产空间的影响因子。具体而言,居民点距离基本农田越近,越有利于农民农业生产;距离工矿建设用地越近,距离风景名胜区越近,越有利于农民就地非农就业。
对于生活因子而言,农村居民点分布格局需充分考虑农民生活出行、休憩等的需求,因而便利的交通设施和便捷的公共服务设施是不可或缺的[19]。选取距城镇中心、距镇村公共服务设施、距镇村主要干道等指标来衡量农村居民点布局与生活空间的关系。一般而言,居民点距离城镇中心、村镇公共服务设施越近,更有利于农民休憩生活;距村镇主干道越近,更加方便农民日常出行。
对于生态因子而言,农村居民点分布格局受制于自然生态环境,并对生态空间产生重要影响。自然因素,如高程、坡度、地灾等和生态脆弱因素,如河流因素等对农村居民点的布局也将产生深刻影响[20]。总体而言,海拔越高、坡度越大,区域生态环境较为脆弱,更加不利于居民点选址布局;距离河流较近的区域,滑坡、泥石流等地灾爆发概率更大,也不利于居民点的布局,同时距离水域较近可能对水源造成一定程度污染。
综上所述,农村居民点系统是自然—人文的综合系统,与农村地域“三生空间”密切相关,具有生产发展、生活保障、文化传承等多重复合功能,其在时空格局的优化与重构是践行现阶段乡村建设行动,乃至实现山区乡村振兴的关键环节。

2 研究方法与数据来源

2.1 研究区概况

澄江镇位于重庆主城北碚区西部（106°19′53″~106°24′45″E,29°48′22″~29°55′53″N）,毗邻北碚城区。受华蓥山帚状褶皱地质构造影响,区域内地形主要以丘陵带坝为主,地势东西高,中部低,上接嘉陵江,最低海拔124 m,最高海拔927 m。区域内气候环境属于亚热带季风气候,具有春季早时间短、夏季热多伏旱、秋季晚多阴雨、冬季相对较温暖等特征。区域年平均降水量1105.4 mm、年平均气温18.3 ℃。截至2018年底,该镇辖13社区、村,总户籍数为14215户,户籍人口34334人,常住人口28056人,农村经济总收入65785万元,农民人均纯收入3476元,工农业总产值9.3亿元。
依据重庆北碚区土地利用变更调查数据,2018年全镇辖区面积6806.61 hm2,其中耕地面积1879.31 hm2,占比为27.61%;林地面积2645.05 hm2,占比为38.86%;园地面积1135.34 hm2,占比为16.68%;农村居民点面积为452.85 hm2,占比为6.65%;城镇建设用地面积258.88 hm2,占比为3.73%。总体来看,由于村庄规划缺位,加之区位及地形特殊性,人口及经济分布不均匀等因素,澄江镇农村居民点总体布局杂乱,用地集约度较低;户均农村居民点面积达到318 m2,远高于重庆市规定最高150 m2/户的标准。

2.2 数据来源及处理

（1）重庆北碚区30 m精度DEM,获取研究区高程、坡度等数据。（2）2008年与2018年重庆北碚区土地利用变更调查数据库（1:10000）,获取研究区农村居民点、建制镇、道路、水域、基本农田、工矿用地、风景名胜等矢量数据（图2）。（3）《重庆北碚区统计年鉴2019》和澄江镇社会经济数据（http://www.beibei.gov.cn/）,获取镇域经济社会数据。本文地类划分参考第三次全国国土调查分类标准（GB/T21010—2017）,处理思路如下（图3）：
图2 研究区示意图

Fig. 2 Location of the study area (Chengjiang town, Chongqing, China)

图3 基本思路框架

Fig. 3 The basic framework of this paper

首先,数据提取与基本数据统计。运用ArcGIS 10.5空间分析工具,从澄江镇2008年和2018年土地利用现状数据库中分别提取农村居民点、河流、道路、城镇、工矿用地、风景名胜用地和设施用地等矢量数据,统计各类用地面积,并在DEM数据中提取高程、坡度数据,对河流、道路、城镇、设施用地等进行缓冲区分析,并叠合农村居民点数据,统计不同缓冲区和坡度、高程范围内居民点斑块个数、面积、形状等基本属性。
其次,居民点空间格局演变分析。运用ArcGIS 10.5转换工具,将不同缓冲区和高程、坡度范围内的居民点矢量数据转为Grid栅格数据,导入Fragstats软件,计算2008年、2018年农村居民点斑块数量、面积、平均斑块多维度等景观格局指数,继而利用缓冲区、重分类分析,结合两个时点（2008—2018年）的差值,研究城镇、高程、坡度、道路、河流等因素差异下的农村居民点空间格局变化特征及趋势。
再次,居民点格局适宜性评价。依据分析框架,选取影响农村居民点空间格局的“三生因子”,运用AHP法对三生因子赋权,对Fragstats软件计算的三生因子景观格局指数标准化处理并赋分,进行缓冲与邻域分析,生成可视化的研究区“三生因子”标准化值图谱,继而利用ArcGIS 10.5对栅格图谱进行权重叠加,获取研究区农村居民点布局适宜性综合评价图。
最后,居民点格局蚁群优化。利用ArcGIS 10.5转换工具,运用GeoSOS模块,将研究区农村居民点布局适宜性评价图栅格图谱转换为ASCII文本格式,结合研究区农村居民点主要空间形态特征,集成改进蚁群算法（ACO）,优化研究区农村居民点布局,并分类提出调控策略。

2.3 研究方法

2.3.1 景观格局指数法

景观格局指自然或人为形成的景观空间分布特征,是景观异质性的具体表现,也是各种干扰因素在不同尺度上综合作用的结果[21]。山区农村居民点布局因受人类活动和自然因素的多重扰动,其利用处于深刻的转型之中。本文借鉴姜广辉等[22]、李凯等[23]、曲衍波等[24]的研究,尝试引入斑块面积（CA）、斑块密度（PD）、斑块数量（NP）、斑块所占景观面积比（PLAND）、平均分维度指标（MFRAC）、平均斑块面积（MPS）、平均最近邻体距离（MENN）7个景观指数（表1）,分析研究区农村居民点时空格局演变特征。
表1 景观指标分类表

Table 1 Classification of landscape indicators

指标 含义 公式 说明
斑块面积（CA） 区域内农村居民点斑块总面积 C A = ∑ i = 1 n a i C A为斑块面积（hm2）;ai为第i块图斑面积（hm2）;n为图斑数量（个）
斑块数量（NP） 区域内农村居民点斑块总个数 N P = n N P为斑块数量（个）
斑块密度（PD） 反映区域内农村居民点分散度,值越大,分布越散乱,破碎化越严重 P D = N P S P D为斑块密度;S为区域总面积（km2）
斑块所占景观面积比（PLAND） 区域内农村居民点面积占总面积比例 P L A N D = C A S × 100 % P L A N D为斑块所占景观面积比（%）
平均斑块面积（MPS） 反映区域内农村居民点平均用地面积 M P S = C A N P M P S为平均斑块面积（hm2）
平均分维度指数（MFRAC） 反映区域内农村居民点形状规则指数,指数越大,农村居民点越不规整 M F R A C = ∑ i = 1 n 2 l n 0.25 p i l n a i n M F R A C为平均分维度指数;Pi为第i个图斑的周长（m）
平均最近邻体距离（MENN） 反映区域农村居民点相对距离程度,距离越近,分布越集中 M E N N = 1 n × ∑ i = 1 n h i M E N N为平均最近邻体距离（m）;hi为第i个居民点图斑与最近居民点距离（m）

2.3.2 栅格权重叠加评价法

（1）指标体系构建
依据分析框架,综合考虑数据可得性,参考匡垚瑶等[25]、Wang等[26]的研究,选择涉及“三生因子”的9项指标,构建山区农村居民点分布格局适宜性评价体系（表2）。
表2 山区居民点布局适宜性评价指标权重值

Table 2 Table of fitness evaluation weight values

目标层 准则层 指标层 指标说明 方向 权重
山区农村居民点布局适宜性评价指标（a） 生产因子（b1） 永久基本农田距离（c1） 对永久基本农田保护红线进行缓冲与邻域分析 + 0.104
风景名胜用地距离（c2） 对风景名胜区红线进行缓冲与邻域分析 + 0.096
工矿仓储用地距离（c3） 对工矿仓储用地进行缓冲与邻域分析 + 0.175
生活因子（b2） 城镇距离（c4） 对城镇开发边界进行缓冲与邻域分析 + 0.204
村公共设施距离（c5） 对镇村内主要文体、康养设施缓冲与邻域分析 + 0.113
村主要干道距离（c6） 对经镇村内主要干道（公路）缓冲与邻域分析 + 0.108
生态因子（b3） 高程（c7） 对DEM分析 - 0.055
坡度（c8） 利用DEM提取坡度 - 0.061
河流距离（c9） 对经镇村内主要河流进行缓冲与邻域分析 - 0.084

注：AHP确定指标权重,采用软件Yaahp-10.3计算。

（2）格局指数无量纲化及赋值
① 指数无量纲化。对表1中各类农村居民点格局指数进行无量纲化处理,获取不同因子下的指数标准化值。
对逆向指标正向化方法为：
c i j ' = m a x 1 ≤ j ≤ n c i j - c i j
对适度指标正向化方法为：
c i j ' = m a x 1 ≤ j ≤ n c i j - k - c i j - k
式中： c i j为原指数值; c i j '为标准化值; k为适度值（ k = 1）。
② 无量纲化赋值。基于“三生因子”的各类景观指数标无量纲化（ c i）,形成总标准化值（ ∑ c i）,将最大标准化值赋予100分（ ∑ m a x c i = 100）,其余等级按照各个景观指标无量纲化总分值所占最大值比例乘以100赋值（ c i / ∑ m a x c i × 100）,形成“三生因子”标准化值。
（3）栅格权重叠加评价
栅格叠加分析可将多个栅格数据集的特征合并为一个栅格特征,通过查找具有某一特定组属性值的特定位置或区域,由此评价要素的适宜程度。本文利用ArcGIS转换工具,将各指标因子分值数据图层进行栅格转换处理,利用栅格计算器,把不同指标因子分值栅格图谱进行权重叠加计算,得到农村居民点分布格局适宜性评价综合分值,参考公式：
W = ∑ j = 1 n M j T i j
式中： W为农村居民点综合适宜性评价分值; M j为第j个影响因子权重值; T i j为第j个影响因子的第i个栅格单元值; n为影响指标因子个数（个）。

2.3.3 改进的蚁群仿真算法

蚁群算法（Ant Colony Optimization,ACO）是一种新的组织全局优化算法,它利用人工智能蚂蚁在寻找最优解途中释放的信息素浓度,找到最优解,具有正反馈、多蚂蚁协调性、分布式和并行性等特征[27]。本文对蚁群算法进行了如下改进：农村居民点格局优化过程中,首先需要将研究区每个土地利用现状图层中栅格作为蚁群在优化选择过程中的访问点,每个栅格上只允许存在一只蚂蚁,蚂蚁在运动过程中,只能选择未经过的剩余栅格作为下一个访问点。自然界中蚁群在寻找食物时,个体之间交流的信息主要由不同路径之间信息素浓度大小作为选择的依据,而在农村居民点优化布局过程中,蚁群通过不同栅格之间的信息素浓度主要是不同栅格单元上土地适宜性的大小进行搜索,在GeoSOS模块中,通过相应次数的迭代,确定每个栅格单元最优的地类,最终优化农村居民点分布格局,具体如下：
（1）概率函数与参数设置
在农村居民点布局适宜性评价过程中,蚁群通过不同栅格之间的信息素浓度主要是不同栅格单元上土地适宜性的大小进行搜索,所以在进行农村居民点优化布局过程中,为了使模拟实际结果更加准确,需要作如下记号： P i j k t表示在 t次迭代时选择栅格 i j转换为 k中地类的概率; τ i j为正反馈函数,即信息启发函数; η i j为启发性函数; α为信息启发因子, β为期望启发性因子, α、 β分别表示 τ i j和 η i j的权重值。当 P i j k t = 0时,表示地类转化受限,如风景名胜用地、永久基本农田不可转换为农村居民点用地。本文的蚁群算法概率函数为：
P i j k = [ τ i j ( t ) ] α [ η i j ( t ) ] β ∑ [ τ i j ( t ) ] α [ η i j ( t ) ] β , x ∈ 允 许 配 置 k 类 土 地 0 , x ∈ 不 允 许 配 置 k 类 土 地
为减少在优化过程中信息素浓度,避免淹没启发信息,需更新路径上的信息素,公式如下：
τ i j t + n = 1 - ρ × τ i j t + Δ τ i j t Δ τ i j t = ∑ k = 1 m Δ τ i j k t
式中： ρ表示信息挥发系数, ρ ∈ 0 , 1; 1 - ρ为信息残留系数; Δ τ i j k t表示在此次迭代过程中栅格 i j上的信息素增加量。
蚁群数量（m）：依据上述分析,参考景云鹏等[27]、赵星源等[28]成果,本文蚁群算法过程中蚂蚁数量最优为： m = 0.6 n , 0.9 n,其中 n为研究区规模,此次选取蚂蚁数量为500只。同理当 α ∈ 1.0 , 2.0、 β ∈ 3.0 , 5.0、 ρ ∈ 0.5 , 0.8时,蚁群算法优化效果较佳。其中,当 α = 1、 β = 3、 ρ = 0.5时,蚁群算法优化效果最佳。
（2）目标函数
蚁群算法目标函数,是一种判断迭代过程最优解和确定是否为最优结果的函数,涉及适宜性（Suit）和紧凑性（Comp）。本文对区域居民点用地的适宜性和空间紧凑性分别赋权,由于研究区属于山地丘陵地形,地势复杂多变,两个指标对农村居民点优化布局具有同等的重要性,因此选取适宜性和紧凑性权重值各自为0.5。得到目标函数如下：
U = 0.5 × f C o m p + 0.5 × f S u i t
（3）约束条件
农村居民点优化布局并不是将所有栅格土地单元按照布局适宜程度进行配置,在居民点优化布局过程中,用地配置需要考虑受到生产、生活和生态因素条件约束。本文中约束条件主要包括：① 永久基本农田保护区内,不能建设居民点,故将该地类的栅格转换率调整为0。② 河流、道路用地栅格不宜设置农村居民点,故转换率为0。③ 坡度大于25°范围之外的栅格单元限制转换为农村居民点用地,故转换率为0。

3 结果分析

3.1 农村居民点空间格局演变特征

3.1.1 农村居民点空间格局演变总体特征

由表3可知,2008—2018年研究区农村居民点斑块面积（CA）从449.46 hm2增加到450.36 hm2;斑块所占景观面积比率（PLAND）由6.13%增加到6.14%;斑块数量（NP）由1077个增加到1078个;斑块密度（PD）由14.69个/km2增加到14.70个/km2。而平均斑块面积（MPS）和平均分维度指数（MFRAC）基本维持不变。平均最近邻体距离（MENN）略有减少。总体来看,2008—2018年研究区农村居民点空间格局维持稳定;研究区地处北碚区城乡结合部,尽管农业转移人口城镇化速度加快,但依然存在农村居民点面积“不减反增”的现象。
表3 研究区居民点空间格局指标数据对比

Table 3 Comparison of spatial landscape indicators

年份 指标
CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
2008 449.46 6.13 1077 14.69 0.42 1.04 89.92
2018 450.36 6.14 1078 14.70 0.42 1.04 89.89

3.1.2 农村居民点主要空间形态特征

基于ArcGIS和影像图,识别研究区农村居民点布局主要空间形态,以便于后续蚁群优化法中紧凑性指数（Comp）确定及优化布局调控。研究发现居民点空间格局主要表现为匀质、线状、向心和院落等四种空间形态（图4）,其中匀质形态分布最为普遍：
图4 研究区农村居民点主要形状特征

Fig. 4 Spatial characteristics of rural settlements in the study area

匀质形态：该类农村居民点覆盖面积广,分布离散化,大多分布在地形较为复杂的区域。受地形影响,耕地分布不集中,耕作半径较大,由于村域规划的缺位,基础设施分布较为分散,居民点分布多呈现零散化、破碎化的“满天星”形态。
线状形态：线状的农村居民点主要沿G212国道和208省道进行布局,主干道两侧地势条件良好,高度变化较小,坡度较平缓,为方便出行,村民倾向在公路旁边建房,由此形成了条带状居民点分布。
向心形态：向心状的农村居民点主要分布在澄江镇北部的民权村、上马台村、吴粟村交界区域,该区域内海拔高度变化较小、地势平坦,离城镇较近,部分城镇基础设施已经延伸到农村地区,农房选址向基础设施聚集,形成向心性的居民点分布形态。
院落形态：院落型的农村居民点,通常分布在地势较为平坦的区域,主要分布在澄江镇中部的五一村,转龙村、史家村的交界区域,该区域内海拔高度变化较小、地势平坦,多数农户拥有用于晾晒谷物的较大院坝,形成院落型的居民点分布形态。

3.1.3 农村居民点空间格局分异特征

（1）高程对农村居民点空间格局的影响。利用Fragstats软件,分别获取研究区2008年、2018年农村居民点格局指数,缓冲并重分类统计不同高程下景观格局指数,并差值2018年与2008年指数,得到表4。重分类统计表明,研究区农村居民点主要分布在海拔200~400 m范围内,该区域居民点面积所占比例达到90%,居民点分布高程总体较低。由表4可知,2008—2018年农村居民点景观格局指数变化主要集中于200~400 m高程范围。斑块面积（CA）增加0.9 hm2,斑块数量（NP）增加1个,密度增加0.01个/km2,斑块所占景观面积比（PLAND）增加0.02%,而平均最近邻体距离（MENN）减少0.04 m。以上总体说明2008—2018年研究区居民点分布格局在高程尺度维持基本稳定,而在200~400 m范围内呈现一定程度的聚集状态。
表4 2008—2018年研究区高程影响农村居民点空间格局变化

Table 4 Distribution of settlements at different elevations in the study area, 2008-2018

高程值/m CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
124~200 0 0 0 0 0 0 0
200~400 0.9 0.02 1 0.01 0 0 -0.04
400~600 0 0 0 0 0 0 0
600~800 0 0 0 0 0 0 0
800~927 0 0 0 0 0 0 0
（2）坡度对农村居民点空间格局的影响。同理缓冲、重分类统计表明,研究区农村居民点主要分布于坡度0~15°范围。2008年、2018年0~15°坡度范围内居民点斑块面积（CA）占比分别为88.03%、88.05%;居民点斑块数（NP）分别为987个、989个,说明农村居民点主要集中分布于坡度较为平缓的地区。差值后的表5表明,2008—2018年居民点空间格局指数变化主要集中于0~15°范围,0~15°范围内的农村居民点斑块面积（CA）、斑块数（NP）和斑块密度（PD）均有所增加,而平均最近邻体距离（MENN）均减少,说明0~15°范围内农村居民点呈现向坡度平缓地区“集中、聚集”趋势。
表5 2008—2018年研究区坡度影响农村居民点空间格局变化

Table 5 Distribution of rural settlements at different slopes in the study area, 2008-2018

坡度值/(°) CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
0~2 0.18 0 0 0 0 0 -0.45
2~6 0.36 0 1 0.02 0 0 -0.14
6~15 0.36 0 1 0.01 0 0 -0.09
15~25 0 0 0 0 0 0 0
>25 0 0 0 0 0 0 0
（3）河流对农村居民点空间格局的影响。同理缓冲、重分类统计表明,研究区农村居民点主要分布于距离河流1500 m范围内,该范围内的2008年、2018年农村居民点面积比例均超过93%,居民点斑块数量（NP）分别为1009个、1011个,平均斑块面积（MPS）相对较大,最近邻体距离（MENN）较小。而在距离河流超过1500 m的区域,农村居民点面积占比7%左右,居民点斑块数量（NP）仅有101个,居民点密度（PD）较小,斑块间最近邻体距离（MENN）较大。差值后的表6可知,2008—2018年景观指数变化主要集中于距离河流1500 m范围内,尤其是500~1000 m范围内,农村居民点斑块面积（CA）、斑块密度（PD）有较大增加,而最近邻体距离（MENN）有较大减少,说明农民建房选址有向河流靠拢,并呈现聚集态势。而距离河流500 m范围内居民点格局指数变化并非最多,这说明受洪灾和排污管控影响,该距离范围并非农民建房的最佳选择。
表6 2008—2018年研究区河流影响范围居民点空间格局变化

Table 6 Distribution of population areas in river impact scope of the study area, 2008-2018

河流影响距离/m CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
≤500 0.27 0 1 0.02 0 0 -0.03
500~1000 0.54 0 1 0.01 0 0 -0.11
1000~1500 0.09 0 0 0 0 0 0
1500~2000 0 0 0 0 0 0 0
2000~2500 0 0 0 0 0 0 0
>2500 0 0 0 0 0 0 0
（4）城镇对农村居民点空间格局的影响。同理分析可知,2008—2018年研究区农村居民点有向城镇地区靠近的趋势,距离城镇越近的区域,农村居民点斑块面积（CA）越大,居民点斑块数量（NP）越多,最近邻体距离（MENN）越小,分布也更加集中,聚集度更高。差值后的表7显示,距离城镇500 m范围以内的农村居民点从2008年的157.23 hm2增加到2018年的171.27 hm2,面积增加14.04 hm2;农村居民点斑块数（NP）也由2008年252个增加到2018年284个,斑块数量净增加32个,居民点所占景观面积（PLAND）增加0.20%。距离城镇越远,农村居民点斑块面积（CA）、斑块数量（NP）和密度（PD）都有减少趋势,近10年农村居民点有向距离城镇500 m范围聚集的趋势。
表7 2008—2018年研究区城镇影响范围居民点空间格局变化

Table 7 Distribution of urban settlements in the study area, 2008-2018

城镇影响距离/m CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
≤500 14.04 0.2 32 0.43 -0.02 0 -2.92
500~1000 3.78 0.05 15 0.07 0.01 -0.01 1.44
1000~1500 -0.9 -0.01 -5 -0.06 0.01 0 -1.81
1500~2000 -1.26 -0.02 22 0.03 -0.01 0 0.36
2000~2500 -5.58 -0.08 -12 -0.17 -0.01 0 0.26
>2500 -9.18 -0.12 -54 -0.19 -0.02 0 3.95
（5）道路对农村居民点空间格局的影响。研究区农村居民点分布受道路影响较大,缓冲、重分类统计表明,2008年、2018年距离道路1000 m范围内农村居民点斑块面积（CA）占比分别为69.14%、69.12%,距离道路1000~2500 m范围农村居民点斑块面积（CA）占比分别为25.77%、25.83%。差值后的表8表明,2008—2018年居民点斑块面积（CA）逐年减少,可见随着城镇拓展,农村居民点有向道路网周围聚集的趋势,且农村居民点主要分布在道路周边区域。
表8 2008—2018年研究区道路影响农村居民点空间格局变化

Table 8 Distribution of settlements in road impact scope of the study area, 2008-2018

道路影响距离/m CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
≤500 0.54 0.01 0 0 0 0 -0.07
500~1000 0.36 0 1 0.01 0 0 -0.19
1000~1500 0.18 0 1 0.01 0 0 -0.32
1500~2000 0 0 0 0 0 0 0
2000~2500 0 0 0 0 0 0 0
>2500 -0.18 0 -1 -0.01 0 0 -6.61
（6）公共设施对农村居民点空间格局影响。缓冲、重分类统计表明,研究区农村居民点集中分布在距离村主要公共设施1500 m范围之内,该距离内农村居民点斑块面积（CA）占比80%以上,且该范围内居民点斑块数量（ND）多,密度（PD）较大,居民点最近邻体距离（MENN）相对较小,居民点分布较为集中。差值后的表9表明,距公共设施越近,居民点斑块面积（CA）越小;距离公共设施1500 m以外区域,农村居民点分布较少且变化不明显。由此可知,澄江镇农村居民点主要分布在公共设施周围区域,且有向公共设施分布区域集中的趋势。
表9 2008—2018年研究区公共设施影响农村居民点空间格局变化

Table 9 Distribution of population in impact scope of public facilities in the study area, 2008-2018

公共设施影响距离/m CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
≤500 0.45 0.01 0 0 0 0 -0.16
500~1000 0.27 0.01 1 0.01 0 0 -0.03
1000~1500 0.18 0.01 0 0 0 0.01 0
1500~2000 0 0 0 0 0 0 0
2000~2500 0 0 0 0 0 0 0
>2500 0 0 0 0 0 0 0

3.2 农村居民点布局的适宜性评价

根据上述演变特征分析,结合上述研究方法中指数无量纲化及赋值原理,利用ArcGIS的自然断裂点（Jenks）,形成“三生因子”无量纲化值及赋值（表10）,继而采用Buffer模块建立缓冲区,生成可视化“三生因子”标准化值图谱（图5）。
表10 研究区“三生因子”标准化及赋值

Table 10 Standardized value diagram of assessed factors in the study area

项目 分级 图谱号
高程/m 124~200 200~400 400~600 600~800 800~927 4a
分值 0 10 26 27 100
坡度/(°) 0~2 2~6 6~15 15~25 >25 4b
分值 42 100 83 49 10
项目 分级/m 图谱号
0~500 500~1000 1000~1500 1500~2000 2000~2500 >2500
水域 100 97 60 50 26 9 4c
城镇 100 80 55 54 52 44 4d
道路 100 73 52 44 33 24 4e
公共设施 100 83 78 64 45 14 4f
基本农田 0 12 20 40 60 100 4g
风景名胜 12 21 46 52 76 100 4h
工矿用地 87 63 47 36 22 15 4i
图5 研究区“三生因子”标准化值图谱

Fig. 5 Standardized value diagram of assessed factors in the study area

进一步,利用ArcGIS进行栅格转化,对“三生因子”标准化值图谱（图5）进行权重叠加计算,得到农村居民点适宜性评价分值（图6a）,再利用自然断裂点（Jenks）中的频率突变点34、45、54、64、80作为等级划分数值点,将农村居民点适宜性评价结果分为“不适宜、较不适宜、基本适宜、较适宜、适宜”五个等级,最终得到澄江镇农村居民点分布格局适宜性评价结果（图6b）。将适宜性评价（图6b）转变为TIFF格式,导入Fragstats软件,对研究区评价结果栅格进行空间景观指数计算,获得各类布局适宜等级面积及其占比：
图6 研究区农村居民点适宜性评价及蚁群优化结果对比

Fig. 6 Results of suitability assessment and ACO of rural settlements in the study area

研究区农村居民点布局适宜区面积最小,总面积574.56 hm2,占区域总面积的8.44%;较适宜区面积较大,总面积1886.94 hm2,占区域总面积的27.72%,主要分布在研究区的东部、中部和东北部坡度平缓、海拔适中区域;基本适宜区面积最大,主要分布在较适宜区周围区域,总面积1930.59 hm2,占区域总面积的28.36%;不适宜区和较不适宜区,总面积2414.52 hm2,占区域总面积的35.47%,主要分布在澄江镇南部、西部和西北部的山脉地区,该区域内自然条件较差,坡度较大,海拔较高,生活条件不便。
进一步分析适宜性评价（图6b）可知,由于研究区居民点布局适宜区面积较小,基本适宜区和较适宜区面积较大,现状农村居民点分布在适宜区范围内的面积很少（29.30 hm2）,56.10%分布在较适宜区和基本适宜区域,且基本适宜区范围内农村居民点分布数量最多（130.54 hm2）。此外,研究区依然有一定数量的农村居民点分布在不适宜区和较不适宜区范围内,该区域内居民点面积虽然不大,但对研究区整个农村居民点空间格局依然产生较大影响。

3.3 农村居民点布局改进蚁群仿真优化

将研究区居民点布局适宜性评价图栅格图层（图6b）转换为ASCII文本格式,根据研究方法设定的蚁群算法优化参数和目标函数,基于GeoSOS软件,以2018年研究区农村居民点为基础,进行多次优化迭代处理,得到研究区农村居民点优化布局结果（图6c、图6d）,将优化后的结果转为栅格数据,导入Fragstats软件进行农村居民点空间格局指数计算,并与优化前空间格局指数值对比,形成表11和表12。
表11 澄江镇农村居民点优化结果对比表

Table 11 Comparison of optimization results of rural settlements in the study area

优化前后 指标
CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
优化前 450.36 6.14 1078 14.70 0.42 1.04 89.89
优化后 405.00 5.52 182 2.77 2.23 1.05 128.38
变化率/% 10.07 10.10 83.12 81.16 430.95 0.96 42.82
表12 澄江镇农村居民点优化适宜性分布表

Table 12 Optimal suitability distribution of rural settlements in the study area

分级 指标
CA/hm2 PLAND/% NP/个 PD/(个/km2) MPS/hm2 MFRAC MENN/m
前 后 前 后 前 后 前 后 前 后 前 后 前 后
不适宜 70.13 13.25 7.10 1.34 132.00 8.00 13.36 0.81 0.53 1.66 1.21 0.73 122.24 267.51
较不适宜 98.26 34.52 6.89 2.42 227.00 15.00 15.91 1.05 0.43 2.30 0.92 0.81 103.21 195.84
基本适宜 130.54 77.39 6.76 4.01 323.00 29.00 16.73 1.50 0.40 2.67 1.02 0.95 89.92 76.55
较适宜 122.13 146.26 6.47 7.75 278.00 66.00 14.73 3.50 0.44 2.22 0.96 1.22 73.56 59.35
适宜 29.30 133.58 5.10 23.25 118.00 64.00 20.54 11.14 0.25 2.09 1.01 1.31 54.55 30.13
从优化前后居民点格局指标看（表11）,蚁群优化后农村居民点斑块面积（CA）由450.36 hm2减少到405 hm2,减少了45.36 hm2,减少了10.07%;斑块所占景观面积比（PLAND）减少了10.10%,斑块数量（NP）减少了83.12%,斑块密度（PD）减少了81.16%。而平均斑块面积（MPS）增加了4.3倍,平均最近邻体距离（MENN）增加了42.82%。平均分维度指数（MFRAC）基本维持不变。总体看,优化前后研究区农村居民点斑块呈现“无序分散”向“有序集中”演化的趋势。这正是山地特有自然因素条件下的居民点由无序散居向有序集聚的优化调整过程。
从优化前后居民点适宜性布局看（表12）,蚁群优化后,首先不适宜区、较不适宜区和基本适宜区的斑块面积（CA）、斑块数量（NP）、斑块密度（PD）和斑块所占景观面积比（PLAND）指数均呈现大幅减少趋势,而平均斑块面积（MPS）和平均最近邻体距离（MENN）指数呈现增加趋势。这从两方面证明研究区居民点图斑在适宜性较差的区域呈现“快速减少、远离和归并”趋势。该区域主要涉及北部适宜性较差的沥鼻峡林区、史家村、吴栗村和南部的缙云山林区、缙云村、柏林村、北泉村。该区域因海拔较高、坡度较陡,地处生态脆弱区,居民点生活与生产条件较差,布局适宜性总体较低。
其次,优化后的较适宜和适宜度较高区域（表12阴影）的斑块面积（CA）、斑块所占景观面积比（PLAND）、平均斑块面积（MPS）指数均呈现增长趋势,而平均最近邻体距离（MENN）有减少趋势。这说明研究区居民点图斑在适宜性较好的区域呈现“快速增加、靠近和集中”趋势。该区域主要涉及中部的民权、转龙、澄江、五一、中石盘五个村,该区域因海拔较低、坡度较缓、产业基础条件和基础设施条件较为完善,布局适宜性总体较高。
总体来看,改进蚁群仿真优化结果与适宜性评价结果互馈互应,充分揭示了蚁群仿真优化结果的科学合理性,即优化后的农村居民点组团斑块主要由适宜性较差区域的“无序分散”向适宜性较好的“有序集中”转变。优化结果进一步揭示,优化后的农村居民点组团斑块重点向交通便利、公共设施较为完善、生产便利和中心村庄有序集中。优化后的农村居民点布局更加紧凑有序,用地集约节约效率更高,基本实现澄江镇农村居民点合理分布,较大程度上解决了农村居民点散乱、利用低效等实际问题,为乡镇国土空间规划中的生活空间规划指引提供技术与实践参考。

3.4 农村居民点优化调控策略

依据研究区居民点布局适宜性评价和蚁群优化结果,结合区域资源禀赋与约束,综合考虑村庄振兴的“产业—人口—土地”互动耦合机制和《乡村振兴战略规划（2018—2022年）》中“分类推进乡村发展”的要求,提出四类农村居民点的优化调控策略：
城郊融合型：该类居民点通常有较好的区位条件,居民点斑块特点是被建制镇环绕或者在建制镇的拓展区域范围内;空间上受到建制镇的辐射,其基础设施与公共服务设施较为完善,具有良好的产业基础。该类农村居民点斑块主要分布在澄江镇东部的马台村、吴粟村、澄江村和运河村,主要处于较适宜和适宜区域。其未来优化是强化城镇空间规划对研究区的覆盖,完善基础设施,吸引城市资产进村,借助城市资源推动农村“一二三产”融合发展与城乡融合;对于规划覆盖的区域,后期随着规划区征地与安置点建设,分批次转化为城镇建设用地。
产业集聚型：该类型农村居民点通常具有交通区位好,人口较为集中,距离产业园区近,受产业辐射强等特点。该类农村居民点斑块主要分布在澄江镇G212国道和208省道沿线地带的吴粟村、民权村、中石盘村、转龙村,以基本适宜和较适宜为主。其未来优化策略是服务于片区二、三产业发展,通过科学的产业规划与空间规划,对现有村庄进行复建与合理开发,并适度建设调整,沿交通线进行一定程度的归并,使在其空间上更加集中,同时为村民和产业工人修建规模化的住宅社区,集中配套基础设施和公共服务设施。
景村融合型：景村融合就是发挥本土风景资源优势,把村庄景观建设和乡村建设结合起来,形成“以农兴旅,以旅促农”的新型发展路径。澄江镇具有丰富的旅游资源,南靠重庆缙云山景区,东部有北温泉景区,北有沥鼻峡,部分村庄如缙云村、北泉村等均毗邻景区,以基本适宜和较不适宜为主。其未来优化策略是借助良好的自然生态环境与区位条件,结合农村居民点布局独特的景观效应,加快向民宿转型,加快编制实用性村庄规划,合理划定“三生空间”,打造特色田园综合体,大力发展乡村旅游。
生态搬迁型：由于村域规划缺位,加之特殊山区丘陵地形,导致研究区传统农区农村居民点布局满天星与粗放利用。迁村并点、缩村腾地、修复生态是解决该类居民点利用问题的重要途径。该类农村居民点涉及澄江镇北部的沥鼻峡林区和南部的缙云山景区范围的柏林村和史家村,以不适宜和较不适宜为主。其未来优化策略是通过复垦原有环境条件较差的居民点,修复生态,并将该类居民点向交通便利、公共设施较为完善、生产便利的北泉、吴粟、民权等中心村庄集中。

4 结论与讨论

山区农村居民点系统是自然—人文的复合系统,是联系生产空间和生活空间的重要纽带,具有生产发展、生活保障和生态保育等功能,农村居民点演化是众多扰动因素在不同尺度上综合作用的结果,映射了农村居民点格局要素和功能要素在时间上的延续性和空间上的扩散性。其时空格局优化是在一定空间尺度、时间尺度耦合作用下的重构,是践行现阶段乡村建设行动,乃至实现乡村振兴的关键环节。具体实证来看：
（1）景观格局法分析表明,研究区农村居民点空间格局演变特征呈现集中、靠拢的演化发展趋势,总体呈现匀质、线状、向心、院落四种分布形态;同时高程、坡度、水域、城镇、道路和基础设施等自然—经济社会因素均对山区农村居民点时空格局演化产生了重要的影响。
（2）栅格叠加评价法表明,研究区农村居民点分布格局适宜性差异较大;适宜区面积最小,仅为574.56 hm2,主要分布在研究区的东部、中部和东北部坡度平缓、海拔适中的区域,现状农村居民点仅6.5%分布于此。基本适宜区面积最大,达到1930.59 hm2,主要分布在研究区的东部、中部和东北部坡度平缓、海拔适中的区域,29%的现状农村居民点分布于此。不适宜区和较不适宜区,总面积2414.52 hm2,主要分布在澄江镇南部、西部和西北部的山脉地区,该区域内自然条件较差,坡度较大,海拔较高,生活条件不便,依然有37.39%的居民点分布在该区域。
（3）改进的蚁群仿真优化表明,该方法非常适用于小尺度要素空间布局优化,能够为国土空间规划编制中生产空间格局优化提供科学依据。全域来看,优化后的农村居民点斑块面积（CA）减少45.36 hm2,减少10.07%;斑块数量（NP）和密度（PD）分别减少83.12%和81.16%,居民点分维度基本保持1.04不变,而平均斑块面积（MPS）增加了4.3倍,平均最近邻体距离（MENN）增加了42.82%,优化前后研究区农村居民点斑块呈现“无序分散”向“有序集中”的演化趋势。
从斑块适宜性分布看,不适宜区、较不适宜区和基本适宜区的斑块面积（CA）、斑块数量（NP）、斑块密度（PD）和斑块所占景观面积比（PLAND）指数均呈现大幅减少趋势,而平均斑块面积（MPS）和平均最近邻体距离（MENN）指数呈现增加趋势,居民点图斑在适宜性较差的区域呈现“快速减少、远离和归并”趋势。较适宜和适宜度较高区域的斑块面积（CA）、斑块所占景观面积比（PLAND）、平均斑块面积（MPS）指数均呈现增长趋势,而平均最近邻体距离（MENN）有减少趋势,居民点图斑在适宜性较好的区域呈现“快速增加、靠近和集中”趋势。优化后约69.1%的居民点面积（279.84 hm2）分布在适宜区和较适宜区范围内,相比优化前增加33.62%,有较大提升,且重点向交通便利、公共设施较为完善、生产便利的中心村庄集中。优化后的农村居民点布局更加紧凑有序,土地集约节约效率更高,基本实现澄江镇农村居民点合理分布,较大程度上解决了农村居民点散乱、农村居民点利用低效等实际问题。基于优化结果,综合考虑村庄振兴“产业—人口—土地”互动耦合机制,形成了城郊融合型、产业集聚型、景村融合型、搬迁撤并型四类特色农村居民点布局的优化方案。
山地农村居民点布局优化是通过农村居民点城镇化、组团化、集约化、产业化,最终达到节地腾指标、空间优化与治理的目地。因山地自然条件复杂,人口等要素流动快速,山地农村居民点在实际优化过程中还可能会受到地灾、风土文化、耕作习惯、村庄规划、村庄空心化及村民意愿等多重制约,本文涉及的指标体系对上述制约因素的考虑还存在一定欠缺。此外,改进蚁群算法尽管能够在小尺度的山区产生较好的模拟效果,但对在宏观和中观尺度上的适用性等问题,需要未来继续深化研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘彦随. 中国乡村振兴规划的基础理论与方法论. 地理学报, 2020, 75(6): 1120-1133.

DOI

[ LIU Y S. The basic theory and methodology of rural revitalization planning in China. Acta Geographica Sinica, 2020, 75(6): 1120-1133.]

[2]
邓巍, 胡海艳, 杨瑞鑫, 等. 传统乡村聚落空间的双构特征及保护启示. 城市规划学刊, 2019, (6): 101-106.

[ DENG W, HU H Y, YANG R X, et al. A study on the dual-structure characteristics of traditional rural settlements and implications. Urban Planning Forum, 2019, (6): 101-106.]

[3]
李裕瑞, 卜长利, 曹智, 等. 面向乡村振兴战略的村庄分类方法与实证研究. 自然资源学报, 2020, 35(2): 243-256.

[ LI Y R, BU C L, CAO Z, et al. Village classification system for rural vitalization strategy: Method and empirical study. Journal of Natural Resources, 2020, 35(2): 243-256.]

DOI

[4]
YANG R, XU Q, LONG H L. Spatial distribution characteristics and optimized reconstruction analysis of China's rural settlements during the process of rapid urbanization. Journal of Rural Studies, 2016, 47(PB): 413-424.

[5]
QU Y B, JIANG G H, LI Z T, et al. Understanding rural land use transition and regional consolidation implications in China. Land Use Policy, 2019, 82: 742-753.

DOI

[6]
HILL M. Rural settlement and the urban impact on the countryside. Hodder & Stoughton. 2003, 20(3): 58-72.

[7]
PETER S. Implications of rural settlement patterns for development: A historical case study in Qaukeni, Eastern Cape, South Africa. Development Southern Africa, 2003, 9: 406-425.

[8]
宿瑞, 王成. 基于网络中心点辐射导向的农村居民点体系重组与优化: 以重庆市江津区燕坝村为例. 资源科学, 2018, 40(5): 958-966.

DOI

[ SU R, WANG C. Rural settlement spatial layout optimization using network center radiation guidance for Yanba village in Chongqing. Resources Science, 2018, 40(5): 958-966.]

[9]
冯电军, 沈陈华. 基于扩展断裂点模型的农村居民点整理布局优化. 农业工程学报, 2016, 30(8): 201-209.

[ FENG D J, SHEN C H. Layout optimization for rural settlements consolidation based on extended break-point model. Transactions of the CSAE, 2016, 30(8): 201-209.]

[10]
孔雪松, 刘耀林, 邓宣凯, 等. 村镇农村居民点用地适宜性评价与整治分区规划. 农业工程学报, 2012, 28(18): 215-222, 293.

[ KONG X S, LIU Y L, DENG X K, et al. Suitability evaluation and consolidation division of rural residential areas in villages and towns. Transactions of the CSAE, 2012, 28(18): 215-222, 293.]

[11]
李卫民, 李同昇, 武鹏. 基于引力模型与加权Voronoi图的农村居民点布局优化: 以西安市相桥街道为例. 中国农业资源与区划, 2018, 39(1): 77-82.

[ LI W M, LI T S, WU P. Layout optimization of rural settlements based on gravity model and weighted voronoi diagram: A case of Xiangqiao subdistrict. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(1): 77-82.]

[12]
张颖, 徐辉. 基于MCR模型的农村居民点布局适宜性分区及优化模式研究: 以南京市六合区金牛湖街道为例. 长江流域资源与环境, 2016, 23(11): 1485-1492.

[ ZHANG Y, XU H. Research on suitability subareas of rural residential distribution based on MCR model and optimization model: A case study of Jinniuhu street in Nanjing, Luhe district. Resources and Environment in the Yangtze Basin, 2016, 23(11): 1485-1492.]

[13]
HUANG Q, SONG W, SONG C. Consolidating the layout of rural settlements using system dynamics and the multi-agent system. Journal of Cleaner Production, 2020, 274: 123150, Doi: 10.1016/j.jclepro.2020.123150.

DOI

[14]
LU M Q, WEI L Y, GE D Z. Spatial optimization of rural settlements based on the perspective of appropriateness-domination: A case of Xinyi city. Habitat International, 2020, 98: 102148, Doi: 10.1016/j.habitatint.2020.102148.

DOI

[15]
闵婕, 杨庆媛, 唐璇. 三峡库区农村居民点空间格局演变: 以库区重要区万州为例. 经济地理, 2016, 36(2): 149-158.

[ MIN J, YANG Q Y, TANG X. Spatial pattern evolution of rural settlement in the Three Gorges Reservoir Area: A case in Wanzhou county. Economic Geography, 2016, 36(2): 149-158.]

[16]
杨斌, 王占岐, 张红伟, 等. 高山贫困地区农村居民点空间格局演变特征及驱动机制. 农业工程学报, 2021, 37(4): 285-293.

[ YANG B, WANG Z Q, ZHANG H W, et al. Spatial pattern evolution characteristics and driving mechanism of rural settlements in high mountain areas with poverty. Transactions of the CSAE, 2021, 37(4): 285-293.]

[17]
LONG H L, LI Y R, LIU Y S, et al. Accelerated restructuring in rural China fueled by 'increasing vs. decreasing balance' land-use policy for dealing with hollowed villages. Land Use Policy, 2012, 29(1): 11-22.

DOI

[18]
刘彦随, 杨忍. 中国环渤海地区城乡发展转型格局测度. 地理学报, 2015, 70(2): 248-256.

DOI

[ LIU Y S, YANG R. The spatial pattern measure of urban-rural development transformation in the Bohai Rim region in China. Acta Geographica Sinica, 2015, 70(2): 248-256.]

[19]
邹利林, 王建英, 胡学东. 中国县级“三生用地”分类体系的理论构建与实证分析. 中国土地科学, 2018, 32(4): 59-66.

[ ZOU L L, WANG J Y, HU X D. An classification systems of production-living-ecological land on the county level: Theory building and empirical research. China Land Science, 2018, 32(4): 59-66.]

[20]
王兆林, 杨庆媛, 李计, 等. 山地都市边缘区农村居民点布局优化策略: 以重庆渝北区石船镇为例. 经济地理, 2019, 39(9): 182-190.

[ WANG Z L, YANG Q Y, LI J, et al. Optimization strategy of rural settlement layout in mountainous urban fringe area: A case study of Shichuan town in Yubei district of Chongqing. Economic Geography, 2019, 39(9): 182-190.]

[21]
傅伯杰, 吕一河, 陈利顶, 等. 国际景观生态学研究新进展. 生态学报, 2008, 28(2): 798-804.

[ FU B J, LYU Y H, CHEN L D, et al. The latest progress of landscape ecology in the world. Acta Ecologica Sinica, 2008, 28(2): 798-804.]

[22]
姜广辉, 张凤荣, 秦静, 等. 北京山区农村居民点分布变化及其与环境的关系. 农业工程学报, 2006, 22(11): 85-92.

[ JIANG G H, ZHANG F R, QIN J, et al. Relationship between distribution changes of rural residential land and environment in mountainous areas of Beijing. Transactions of the CSAE, 2006, 22(11): 85-92.]

[23]
李凯, 侯鹰, Skov-Petersen H, 等. 景观规划导向的绿色基础设施研究进展: 基于“格局—过程—服务—可持续性”研究范式. 自然资源学报, 2021, 36(2): 435-448.

[ LI K, HOU Y, SKOV-PRTERSEN H, et al. Research progress of green infrastructure oriented by landscape planning: From the perspective of "pattern-process-services-sustainability" research paradigm. Journal of Natural Resources, 2021, 36(2): 435-448.]

DOI

[24]
曲衍波, 刘敏, 朱伟亚, 等. 农村居民点多功能空间格局与协调性优化模式. 自然资源学报, 2021, 36(3): 659-673.

[ QU Y B, LIU M, ZHU W Y, et al. Spatial pattern and coordination optimization mode of multifunction of rural settlements. Journal of Natural Resources, 2021, 36(3): 659-673.]

DOI

[25]
匡垚瑶, 杨庆媛, 王兆林, 等. 低山丘陵区城乡结合部农村居民点布局优化: 以重庆市渝北区古路镇为例. 山地学报, 2017, 35(3): 399-411.

[ KUANG Y Y, YANG Q Y, WANG Z L, et al. Optimization of residential settlement layout in urban fringe in hilly region: A case study of Gulu town, Chongqing, China. Mountain Research, 2017, 35(3): 399-411.]

[26]
WANG Y, BI G H, YANG Q Y, et al. Analyzing land use characteristics of rural settlements on the urban fringe of Liangjiang New Area, Chongqing, China. Journal of Mountain Science, 2016, 13(10): 1855-1866.

DOI

[27]
景云鹏, 金志坤, 刘刚. 基于改进蚁群算法的农田平地导航三维路径规划方法. 农业机械学报, 2020, 51(s1): 333-339.

[ JING Y P, JIN Z P, LIU G. Three dimensional path planning method for navigation of farmland leveling based on improved ant colony algorithm. Transactions of the CSAM, 2020, 51(s1): 333-339.]

[28]
赵星源, 肖晋宇, 赵丹, 等. 自适应蚁群算法的清洁能源基地选址优化模型. 测绘科学, 2021, 46(4): 172-177.

[ ZHAO X Y, XIAO J Y, ZHAO D, et al. Optimal model of clean power plants sitting based adaptive ant colony algorithm. Science of Surveying and Mapping, 2021, 46(4): 172-177.]

Options
文章导航

/

〈 〉