我国正处于快速城镇化过程，且不同地理条件下城镇化水平与模式都存在极大差异^[1-5]。同时山区面积约占陆地国土面积的70%，人口占45%，山区县级行政单位占全国一半，但城镇化水平仅为21%，远低于2013年全国城镇化率53.7%的水平^[3]。但尽管如此，农村聚落依然是中国人口的主要聚居形式^[6]。而山地型农村聚落普遍存在着数量多、规模小、布局无序、土地利用低效以及农村“荒废与空心化”趋势加剧等现象，成为新型城镇化建设、农村转型与城乡协调发展的障碍因素^{[3, 7-9]}。

农村聚落作为城乡区域的重要节点，对区域发展起宏观控制作用的同时也影响着区域发展规模与方向^[10-11]。近年来对农村聚落研究主要包括更注重结合空间分析技术的驱动力机制、区位影响特征、空间分布特征、区划特征、整理优化模式、景观特征以及适宜性评价等^[11-13]。如Zhou^[6]等将中国农村聚落驱动因子分为基础因子、新型因子与突变因子三类并提出了聚落演变的4个阶段。Tan^[14]等从大城市压力下农村聚落的变化格局、驱动因素以及政策视角进行了分析，并提出未来农村集中和重建应该更多关注集镇和规模较大的村庄。闫庆武^[15]通过SDA-GIS相结合，并运用核函数与泰森多边形等算法对比分析了徐州市居民点的分布情况。任平^[16]等运用R统计量等分析方法定量研究都江堰市2008年地震前后农村居民点分布与变化情况。曲衍波、秦天天^{[11, 17]}等从生态位视角对农村聚落进行了分析并对土地适宜性进行了评价。Tian^[18-19]等神经网络模型研究了农村聚落时空演变格局与分布特征，并对全国尺度的农村聚落用地进行了划分。Zhu^[20]等从农村聚落功能和土地利用改变的视角定量探讨了从城郊到远郊的变化过程，并认为未来应进一步加强功能变化时空分析。覃瑜^[21]等人还利用Voronoi图理论分析农村聚落空间分布特征、影响因素及优化布局研究。这些分析都为农村聚落发展与整治提供了有益借鉴，但是结合空间分析技术的研究也普遍存在就仅利用某一方法简单分析而并未深入了解其中原因，所使用的分析方法并未深入了解其在农村聚落分析的适宜性问题，并且与其他如景观生态学相结合的分析也非常少。除此之外，还缺乏从城镇化过程的时间维度分析典型山地型农村聚落景观格局的时空变化。

因此，本研究以上杭县为案例，运用空间点格局分析与景观指数相结合的方法深入研究典型山地型农村聚落在快速城镇化过程中的时空变化特征，探索城镇化过程山地型农村聚落景观演变格局与趋势，为未来城镇化过程山地型农村聚落景观发展研究与优化调控提供借鉴与参考。

1 研究区概况与数据来源 1.1 研究区概况

福建省位于中国东南部，属于典型的“山-海”格局。福建沿海地区地势较为平坦，经济发展与城镇化水平较高；内陆多属山区，社会经济发展水平相对滞后，但也开始面临着快速的城镇化过程。上杭县地处福建省西部，辖13镇9乡，位于24°46′—25°28′N，116°16—116°57′E之间。地势从东北向西南倾斜，大部分属中低山、低山，少部分为丘陵，山地丘陵占全县行政面积的79.9%，属于典型山区县。2000年以来上杭县经济社会迅速发展，2013年地区生产总值为202.28亿元，人均GDP达54522元，城镇化水平从2004年的18.6%上升到2013年的41.2%，平均年增长率达到2%，正处于城镇化快速发展时期。近年来上杭县政府积极推进城镇化建设，使农村聚落空间布局与形态等都发生了显著变化。这种快速的山地城镇化过程在福建山区具有相当典型性。

1.2 数据来源与预处理

本研究采用的数据包括上杭县2004年SPOT5遥感影像(2.5m分辨率)，2014年高分1号遥感影像(2m分辨率)，利用ERDAS 9.2软件对数据进行配准与几何校正(采用WGS1984坐标系统)、镶嵌与拼接，并在此基础上进行人工目视解译，为了保证解译准确性，随机选取解译完成的古田镇农村聚落与2014年谷歌地球(0.6m分辨率)进行比较，相似率达到95%以上，进一步随机选取25个样点实地验证，23个被准确识别，准确率达到92%，符合研究要求，最终得出上杭县2004年与2014年农村聚落空间分布矢量图(图 2)，研究将上杭县县城划定为城市地区，所以分析将县城所在地排除。将上杭县1∶5万地形数据进行矢量化并提取等高线与DEM模型，并将上杭县乡镇边界等矢量数据导入Arcgis 9.3软件，形成初始数据库。

2 研究方法 2.1 最近邻分析

最近邻近距离是表示点状要素在地理空间中相互邻近程度的地理指标，反映点状要素空间分布格局类型^[22]。是一个能较为准确并客观的确定点格局情况的方法^[23]。最近邻距离是任意一个点到其最近临近点之间的距离，最近邻分析法(Nearest Neighbor Analysis)是基于空间距离的分析方法，将离的最近的点对平均距离与随机分布模式下的最近邻距离进行比较，用期比值(NNI)来判断点的空间聚集性^{[22, 24]}。

最近邻距离计算公式^[18]：

(1)

式中，d(NN)为农村聚落的最邻近的平均距离；n为农村聚落总数；d_ij为第i个农村聚落到第j个农村聚落的距离，min(d_ij)为i到最近邻点的距离。

(2)

式中，d(ran)为空间随机分布状况下的理论平均值，取值一般为d(ran)=0.5A/n，A为研究区域面积。NNI为最邻近距离系数，最近邻点对间平均距离与平均随机距离相等，则NNI=1，呈完全随机分布；最近邻点对间平均距离小于平均随机距离NNI<1，呈聚集分布；最近邻点对间平均距离大于平均随机距离NNI>1，呈分散分布。

为了检验结果的显著性，可采用z值进行检验^[25]：

(3)

空间随机分布时，z的标准误差 SE_d(ran)=0.26162n²/A，表示差异程度。当-1.96<Z<1.96，则可认为在0.05显著水平下，尽管观测模式看似集聚或者分散，但事实上与随机模式之间并不存在显著差异；如果z>1.96或z<-1.96可以认为在0.05显著水平下观测模式与随机模式之间的差值具有统计显著性。

2.2 Voronoi模型

采用计算几何学中Voronoi图的变异系数Cv值对居民点空间分布进一步分析。Voronoi模型原理如下^[21]：

设平面上一个离散发生点集P={P₁,P₂,P₃,…,p_n},(3≤n<∞,x_i≠x_j,i≠j,i,j∈I_n)，由(vp_i)={pd(p,p_i)≤d(p,p_j),j≠i,j∈I_n}给出的区域成为生长点p_i的Voronoi多边形，所有生长点p₁,p₂,p₃,…,p_n为Voronoi多边形的集合V={V(P₁),V(P₂),V(P₃)…V(p_n)}构成P的Voronoi图，d为两点间的距离。

变异系数Cv值是Voronoi多边形面积标准差(SD)与平均值(AVG)比值，用来衡量要素在空间上相对变化程度。其计算公式为：

(4)

利用Cv值分析点模式时，Dsuyckaets提出3个建议值^[26]：当Cv值>64%时，点集为集群分布；当Cv值<33%时，点集为均匀分布；当Cv 值为33%—64%时，点集为随机分布。

2.3 Ripley′s K函数

农村聚落的空间分布可能随研究尺度的改变而改变，K函数是指落在以各点为中心、以d为半径的圆内的平均点数在均匀分布时对应的区域面积^[27]，Ripley′s K函数可以分析多尺度下的空间分布格局，并且已经运用于多尺度景观格局分析^[28-29]。公式如下：

(5)

式中，A为研究区面积；N为农村聚落总数；d_ij为农村聚落i与农村聚落j之间的距离。h为空间尺度大小，I_h为指示函数，如果d_ij<h，则I_h=1，否则I_h=0。

K函数的计算结果本身很难直观地看出其分布性质^[30]。Besag等提出对K(d)进行一个开方变换，即用L(d)代替K(d) ^{[15, 31]}。

(6)

式中，当L(d)>0时，农村聚落在对应尺度d上位集聚分布；当L(d)<0时，农村聚落在对应尺度d上呈分散趋势；当L(d)=0时，农村聚落在对应尺度d上呈完全随机分布。

2.4 景观格局指数

影响山区农村聚落分布最主要的因素包括地形、水域与交通布局^{[13, 16]}。本文选取取斑块数(NP)、斑块面积(CA)、平均斑块面积(MPA)、面积周长比(PARA)、形状指数(SHAPE)、板块密度以及面积加权平均斑块分维数(AWMPFD)来分析农村聚落的分异程度。

面积加权平均斑块分维数是景观中单个斑块分维数以面积为基准的加权平均值^[32]：

(7)

式中，1≤AWMPFD≤2，值越趋近于1，斑块几何形状越趋近于正方形或圆形，值越大则斑块形状越复杂，P为斑块周长，a为斑块面积，A为斑块总面积。

3 研究结果 3.1 最近邻分析结果

通过Arcgis 9.3软件进行面点数据转换，计算最近邻指数。从农村聚落分布最近邻指数分析结果(表 1)可以看出2014年上杭县农村聚落个数出现显著下降，2004年与2014年NNI值均小于1，说明这两个时间段上农村聚落分布均表现出相对集聚状态，需指出的是2014年NNI值略大于2004年，表明上杭县农村聚落集聚程度有所降低。Z score 均远小于-1.96，说明农村聚落集聚具有非常强的显著性。

3.2 基于Voronoi图分析结果

利用ArcGIS中Geostatistical Analyst模块，将上杭县2004年与2014年农村聚落质心点位发生单元创建Voronoi多边形集合，形成上杭县农村聚落Voronoi图(图 3)。基于Voronoi图计算2004与2014年Cv值分别为148.54%与175.50%，说明两年都表现出集聚状态，但是2014年比2004年更为集聚。

3.3 Ripley′s K函数分析结果

利用Wong^[25]等基于Arcview 3.3开发的软件包计算基于K函数L(d)值，空间尺度设置为5km。结果显示空间尺度小于65km时L(d)大于0，说明上杭县农村聚落呈现出相对聚集趋势，空间尺度大于65km则呈现出分散趋势(图 4)。2004年L(d)出现两个波峰，分别在15km与35km尺度上，但峰值出现在35km尺度，说明在这个尺度上有相对高聚集状态，而2014年L(d)峰值出现在15km尺度上，峰值出现的空间尺度缩小，说明城镇化过程农村聚落逐渐聚集在较小的空间尺度。30km尺度空间内2014年L(d)值大于2004年，说明在这一尺度范围内，2014年农村聚落的集聚程度大于2004年。Ripley′s K函数结果表明山地型农村聚落仅分布在较小空间尺度范围，也即说明山地型农村聚落是在局域尺度上出现的，并且随着城镇化过程还出现较小的空间尺度呈现越来越集聚趋势。

3.4 农村聚落分布影响分析 3.4.1 自然社会因素分析

地形影响分析。利用DEM数据在ArcGIS 9.3中重新划分不同坡度，再利用Identity功能提取不同坡度内农村聚落的分布情况，结果表 2所示。

从表 2看出10年来，0—10°聚落个数所占比重出现缓慢上升，>15°出现下降，聚落密度则一直上升；0—10°范围内占聚落总面积比重速度超过了聚落个数所占比重，出现较大幅度上升，>10°也出现了快速下降过程；0—10°范围内聚落平均面积增加了2.43倍，>10°范围内除15—25°出现面积突然增大外，面积基本保持不变。说明山地城镇化过程人们开始逐渐聚集在地形相对平坦地区，表现为聚落个数减少，聚落面积迅速扩大，面积所占比例也急速扩大，而10°可以认为是一个阈值，这一阈值范围其他学者也有所提及^[16]。说明未来山地城镇化规划与管理应该尽量引导居民布局在坡度小于10°范围内。

水系影响分析。对河流湖泊数据进行缓冲区分析，然后将矢量图叠加，在ArcGIS 9.3中基于位置选择查找不同缓冲区范围聚落分布情况，如表 3所示。

表 3看出10年来，0—1.0km范围内聚落所占比重出现下降，2.0—3.0km范围内上升；聚落面积所占比重0—0.5km范围内也出现小幅下降，0.5—2.0km出现上升，2.0—3.0km又开始下降；聚落平均面积在0—0.5km范围内增加了2.48倍，0.5—1.0km增加了3.52倍，1.0—2.0km范围内增加了2.73倍，>3.0km增加1.5倍。总体而言，2004年68.64%的农村聚落聚集在2.0km范围内，随着城镇化发展，2014年78.8%比重的聚落面积分布在距离水域2.0km以内，同时面积增加倍数也呈不断上升趋势。聚落密度出现震荡上升，但2014年总体小于2004年。另外根据图 1与表 3发现，随着城镇化发展，农村聚落总数呈现下降趋势，逐渐趋向于地形平坦靠近河流交通等地分布，表现为占聚落面积比重与占聚落总数比重出现负相关关系。

道路影响分析。对上杭县主要交通道路矢量化进行缓冲区分析，与聚落点图层进行叠加后利用查询统计功能分析不同缓冲区范围农村聚落分布情况，如表 4所示。

表 4看出10年以来，距离道路50m范围内聚落达到总聚落一半左右，但面积所占比重却几乎没有变化，占38.83%，平均面积也仅增加2.16倍。50—200m范围聚落密度与聚落比重缓慢下降，但也达到40%，但占聚落总面积比重却超过55.87%，聚落平均面积比重也增加2.62倍。总体而言，山地城镇化过程，农村聚落沿着交通道路集聚趋势愈发明显，98.28%的农村聚落分布在500m范围内。其中50—100m范围集中了近一半面积与最大的农村聚落平均面积，是值得关注的区域。或许未来城镇化过程这一范围将聚集越来越多的人口与更大的聚落面积，应该做到未雨绸缪。

3.4.2 驱动因子聚类分析

为进一步探索自然与社会因子中的关键因子及变化情况，运用SPSS 20.0软件进行层次聚类分析(图 5)。

聚类分析结果表明，2004与2014年因子1都成为独立一类。第二类2004年包括2、6、11、12、13因子，2014年为6、11、12因子。第三类2004年包括3、4、5、7、8、9、10、14、15因子，2014年为2、3、4、5、7、8、9、10、13、14、15因子。2004—2014年聚类分析分类结果出现一定变化，第二类因子出现减少，说明关键因子趋于更加集中。并且综合说明山地型农村聚落布局中坡度<5°是最为关键的因子，并且随着城镇化发展，距离交通道路(<100m)的影响越来越大，与上文分析相契合。

3.4.3 中心村镇景观格局分析

乡镇政府所在地多数已发展成为中心村镇。遥感统计发现2004—2014年，一般聚落面积均值增长了2.3倍，而中心村镇聚落面积平均增加了4.6倍，中心村镇面积变化远大于一般农村聚落。利用Fragstats 4.2对上杭县20个乡镇进行分析(表 5)。显示中心村镇周长扩大了250倍。中心村镇形状指数与面积加权平均斑块分维数都出现了小幅增加，表明随着城镇化进程，中心村镇成为人类活动干扰的重点区域，斑块形状也变得更为复杂多样。这个过程也符合山地城镇发展的一般规律，即山地城镇多数都是从单中心形态开始发展，随着城镇化发展，形态逐渐复杂多样，形成多中心结构，最后实现相对稳态的多组团结构^[33]。

4 研究结论

本文通过RS、GIS与景观分析相结合，运用Voronoi等方法定量分析了城镇化过程农村聚落时空演变过程，并且结合景观指数与聚类分析探讨坡度、水域与道路因子对农村聚落分布影响。研究结论如下4点：

(1) 2004与2014年农村聚落都呈现出相对集聚的态势。遥感解译结果也显示出农村聚落在进一步趋近于沿河、沿交通道路与地形平坦的区域集聚(图 2)，并有进一步加强的趋势，Voronoi图模型结果与这一判断相一致，但最近邻分析却显示2014年比2004年集聚程度有略微下降(表 1)，这一结果与其他研究相似^[14]。

(2) K函数结果显示城镇化过程中山地型农村聚落聚集与分散在不同空间尺度呈现出不同状态，具有尺度效应。65km以内都表现出集聚趋势，2004年在15km与35km处出现较高的集聚状态，2014年则在15km集聚达到最高之后出现缓慢下降，并且在30km尺度范围内集聚程度大于2004年。主要原因是上杭县的“拆村并镇、阳光工程”等政策实施，导致农村聚落逐渐集聚在相对较小的空间尺度范围，也使得聚落面积、密度、形状指数等出现了变化，并且这个过程中对中心村镇的规划建设政策措施对乡镇府所在地的景观格局变化特征起来重要的作用。

(3) 坡度、水系以及道路对山地型农村聚落具有显著影响。坡度小于5°是最为关键的因子，近80%的农村聚落都分布在10°以内，所占面积为89.90%，这一结果也被其他学者所验证^[16]。因此坡度10°可以认为是一个阈值，未来山地城镇化过程中应引导农村居民搬迁在坡度小于10°范围内。67%以上的农村聚落分布在距离水系2km范围内，并表现为占聚落面积比重与占聚落总数比重呈现负相关现象。道路对农村聚落影响愈发显著，应该更加重视交通的作用，2014年超过90%聚落分布在道路500m范围，0—100m这一范围成为越来越重要的因子，并且发现50—100m范围集中了将近一半面积与最大的农村聚落平均面积，或许未来城镇化过程这一范围将聚集更多人口与更大面积，应在基础设施、建设用地以及生态保护等方面做到未雨绸缪。

(4) 乡镇政府所在地的村镇扩张面积远大于一般农村聚落扩张的面积，并且景观指数分析也表明周长、形状指数以及面积加权平均斑块分维数都有所变大，说明乡镇所在地的中心村镇是山地城镇化过程变化最为剧烈的地区。

5 讨论

欧洲等国经验表明，城镇化与经济社会快速发展农村聚落将出现衰退乃至消亡的现象，这个过程还伴随着一系列冲突与转型^[34]。2004—2014年上杭县农村聚落出现大幅下降的主要原因是随着研究区社会经济快速发展使得农村居民自发或在政府引导下进入条件优越的村镇，且逐渐合并成规模较大的中心村镇。但原先仍有一些村庄存在，即所谓“空心村”。这也是结论(1) 中最近邻分析出现下降的原因之一，即最近邻分析是将面图层转化为点图层进行分析，所以导致了这种差异。党国峰^[35]等认为计算Voronoi模型Cv值时，其大小受到观测物周期性结构等多因素的影响，需要综合判别。这或许是导致两种模型出现偏差的原因。这一结果表明进行山地等复杂区域分析时，必须考虑模型适用性及事实聚集与分析结果偏差影响，以往研究尚不足^[16]。

中国北方平原地区存在的“空心村”现象已经得到龙花楼、刘彦随诸多学者的关注，并且从空心村演化特征、动力机制以及土地整治等多方面进行了研究^{[7, 36-38]}。上杭县也广泛存在“空心村”、“废弃村”等现象。而且这一现象产生的机制与北方地区大致相同^[38]，但却产生了不一样的特征。突出表现为偏远地区的空心村大多能与城镇化发展产生正向协同效应，即空心村形成大多意味着居民向条件更好的中心村镇迁移。因此笔者认为，与北方地区空心村现象不同，山区形成的空心村规模小、分布零散、自然条件欠缺，其形成更多属于随着社会经济发展自然演化过程，而在山区更值得关注的是中心村镇。

如上文分析，中心村镇是山地型聚落变化最剧烈显著的地区主要原因是乡镇府所在地是区域经济活动中心(圩集)，也汇聚了主要行政服务。通过对上杭县20位地方官员访谈，结果与本文的分析较一致，一是当地偏远山村的青壮年常年在外务工，事实上这些山村已经出现了“空心化”；二是当地农民由于需要进行农林生产无法真正脱离原来农村进入县城等城市；三是集中力量加强中心村镇及区位较好的中心村建设能够使农民在便捷从事农林生产与享受城镇便利条件之间达到平衡。访谈结果也显示90%受访者认为应该积极发展乡镇府所在地的村镇，减少甚至停止对偏远地区的“新农村”建设。总之，未来山区城镇化过程中应更加注重从生产、生活与生态空间三方面，自下而上与自上而下相结合进行中心村镇空间重构与建设^[36-37]，加强吸引力，并通过政策吸引农村居民向这些地区搬迁。

山地城镇化过程由于山区地形等特殊性，无法完全按照地势平坦的平原等地区大规模城镇化发展模式^[9]，特别由于山地农村聚落规模小、布局无序分散，对进一步推进山地城镇化，实现国家新型城镇化目标是一个比较大的挑战^[3]。本文借助地理信息技术与空间分析方法，定量分析了城镇化过程山地型农村聚落时空变化过程、特征与变化机制，并提出了不同模型在复杂山区的适应性问题。并通过聚类分析寻找地理因素中最为关键的因子，并且提出了中心村镇在山地城镇化过程的重要性，同时也初步提出了平原地区与山区“空心村”问题的差异性，能为典型山地城镇化研究提供一个研究思路和技术支撑，也可为山地型农村聚落建设、土地综合整治与村镇建设提供一定决策参考。