EN中文

Economic geography >

2020 , Vol. 40 >Issue 10: 154 - 163

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.10.018

Influence of Rural Residential Areas on the Evolution of Rocky Desertification in Karst Area

  • LI Xiaoqing , 1 ,
  • XU Xiuqiao 1 ,
  • XIE Binggeng 1, 2 ,
  • LIU Ru 1 ,
  • ZHOU Kaichun , 1, 2, ※
Expand
  • 1. College of Resources and Environmental Sciences，Hunan Normal University，Changsha 410081，Hunan，China
  • 2. Key Laboratory of Geospatial Big Data Mining and Application of Hunan Province，Hunan Normal University，Changsha 410081，Hunan，China

Received date: 2020-03-17

  Revised date: 2020-08-20

  Online published: 2025-04-21

Fold

Abstract

Taking administrative villages as the basic research unit,this research utilizes the scale characteristics index,kernel density analysis and landscape index to study the spatio-temporal evolution of rural settlements and rocky desertification in Pingguo county from 1989 to 2017,and explores internal driving mechanism and interaction of rural settlements and rocky desertification evolution with Geodetector. The results show that: 1) The spatial pattern of rural settlements in Pingguo county is affected by roads and rivers,and has uneven spatial distribution which presents the northeast and the southwest Pingguo county are higher than the middle,the south and the north are both higher than the middle. In term of landscape index,the north is lower than the south,it decreases from the southwest to the northwest. 2) The order of the degree of rocky desertification in Pingguo county is intensity,potential,moderate,extreme intensity,mild. Worse areas of rocky desertification mainly distribute in the northeast and the southwest county's settlements. From 1989 to 2017,the area of rocky desertification shows an increase-decrease-increase-decrease trend. 3) The evolution rate,coefficient of variation and landscape shape index of rural settlements have strong explanatory power and certain synergy in the evolution of rocky desertification. It plays an important role in the evolution of rocky desertification. The driving factor interaction of any two rural settlements has a greater impact on the spatial difference of rocky desertification than a single driving factor,and the types of interactions are both double-factor enhancement or nonlinear enhancement.

Key words： rural settlement; rocky desertification; spatio-temporal evolution; Geodetector

Cite this article

LI Xiaoqing , XU Xiuqiao , XIE Binggeng , LIU Ru , ZHOU Kaichun . Influence of Rural Residential Areas on the Evolution of Rocky Desertification in Karst Area[J]. Economic geography, 2020 , 40(10) : 154 -163 . DOI: 10.15957/j.cnki.jjdl.2020.10.018

农村居民点是人类聚居和生活的场所，是人类有意识开发利用和改造自然而创造出来的生存环境[1]。农村居民点的空间分布体现了农村人口的分布，不同农村居民点的密度差异反映了农村人口活动的强弱[2]。一般而言，农村居民点的分布受到多重因素尤其是自然因素的影响，进而导致其分布具有强烈的地域差异性[3]。研究农村居民点与自然环境因子之间的空间关联关系，对于理解人地关系，把握内在的关键驱动机理，促进区域可持续发展有着重要的意义[4]。
学术界对农村居民点开展的相关研究最初以学科理论基础和农村居民点形态规模等特征描述为主，通过探究自然条件与聚落分布的关系，为乡村聚落地理奠定了理论基础，研究方法多采用田野调查和定性分析[5⇓⇓⇓-9]。随后，受“计量地理学革命”的影响，学术界开始采用定量的方法分析农村居民点，从多区域、多尺度、多视角对农村居民点的演变及其驱动力进行研究[10⇓⇓⇓⇓⇓-16]。近年来，定性与定量相结合的分析方法成为国内外农村居民点研究的主流，并且在农村居民点的优化布局和空间重构方面取得了大量的研究成果[17⇓⇓⇓⇓-22]。目前，已有的学术成果探讨了农村居民点分布与多种因素的关联性影响，主要包括地形[23]、河流[24]、道路交通[25]以及社会经济[26]等，而顾及石漠化分布，研究农村居民点与石漠化的相互关系则相对较少。
喀斯特地区石漠化的分布与居民点的分布存在一定的相互关系[27]。一方面，过度的人类活动对喀斯特生态环境造成破坏，导致石漠化加剧；另一方面，石漠化程度的加深导致人类生存环境恶劣，影响农村居民点的发展和分布。对农村居民点和石漠化的演化特征、驱动机理和相互关系的准确把握，对于合理引导农村居民点发展，推进石漠化治理，实现喀斯特区土地可持续利用、生态恢复与重建有重要决策参考价值。本文以广西平果县为研究区，以行政村作为基本研究单元，运用定量、定性与定位技术相结合的方法对平果县1989—2017年农村居民点与石漠化的时空演变特征进行分析。并在此基础上通过地理探测器模型，探讨农村居民点和石漠化演变的驱动机理及内在关系，为区域内的石漠化治理和农村居民点的布局优化提供科学依据和参考。

1 数据来源与研究方法

1.1 研究区域概况

平果县位于广西壮族自治区百色市东部，地处107°17′E~107°52′E，23°12′N~23°53′N，土地总面积为2 485 km2。平果县是典型的喀斯特地区，喀斯特地貌主要分布在中部、东北以及西南边缘地区。县域石漠化问题较为严重，土壤物质来源较少且成土缓慢，植被覆盖率低。根据第二次全国石漠化调查数据，该县石漠化面积为157 416.2 hm2，约占全县土地总面积的63%。平果县下辖12个乡镇，共包括171个行政村和3 056个村民小组。截至2017年，平果县总人口51.6万，其中农村人口34.8万，占总人口的67.4%。

1.2 数据来源及数据处理

1.2.1 数据来源

研究中所涉及到的数据包括栅格数据、矢量数据以及专题数据等。其中，栅格数据包括覆盖平果县域的遥感影像数据（1989—2017年）、DEM数据，分别来自于地理空间数据云平台（http://www.gscloud.cn）和美国地质调查局（https://www.usgs.gov）等；矢量数据主要包括平果县土地利用变更调查数据，来自于当地自然资源部门；专题数据主要包括林业部门提供的石漠化治理工程数据，统计部门提供的社会经济发展数据以及交通、水利、农业等部门提供的相关数据资料。
研究中通过解译遥感影像获得研究区域的农村居民点信息和石漠化信息。在通过大气校正、几何校正、图像增强以及图像裁剪后，首先通过分析农村居民点用地影像和石漠化土地影像特征，建立相关的解译标志和分级标准；在此基础上，利用光谱阈值法提取农村居民点用地信息，利用光谱阈值法与决策树相结合的方法提取石漠化信息；最后通过实地考察的方法验证解译结果的精度和准确性。

1.2.2 数据处理

本研究运用地理探测器模型进行分析，将各行政村石漠化属性值作为因变量，各行政村的石漠化强度演变类型、变异系数、综合分值信息，分别记作Y1、Y2、Y3。其中，石漠化演变类型是在测度每两期相邻影像之间石漠化的变化方向及变化幅度的基础上，将整个研究时段变化的均值通过自然断点法划分为稳定型、正向Ⅰ型、正向Ⅱ型、逆向Ⅰ型、逆向Ⅱ型等5个演变类型，其中，稳定型指的是在研究期内石漠化面积波动在正负2%以内，正向Ⅰ型和逆向Ⅰ型指石漠化强度变化以相邻强度类型转变为主，面积变动范围在2%~5%之间，正向Ⅱ型和逆向Ⅱ型则分别指石漠化强度类型变化呈跳跃性的改变，面积变化在5%以上，用来综合表征各村庄石漠化强度演变的整体动态类型。石漠化变异系数是一种概率分布或频率分布的标准化测量方法，当变异系数值较低时，其具有较小的变异性和较高的稳定性，本研究用来表征在连续时间序列内村庄石漠化强度演变的相对稳定性。石漠化综合分值则是用来描述村庄石漠化整体严重程度的指标，综合分值的计算方法为通过给不同类型石漠化强度分别赋权，用石漠化强度类型占村庄面积比重与权重相乘。
本研究石漠化强度等级分类借鉴第三次全国石漠化调查技术路线，并根据实际需求、数据的获取情况以及研究区石漠化状况和农村居民点用地情况，选取植被覆盖度、土壤裸露率和基岩裸露率进行综合打分，结合坡度进行修正，将研究区石漠化强度分为以下六类：极强度石漠化、强度石漠化、中度石漠化、轻度石漠化、潜在石漠化、无石漠化。

1.3 研究方法

1.3.1 时空演变分析方法

1.3.1.1 规模特征度量

主要通过面积（ T k）、面积占比（ R k）以及平均斑块面积（ A u g k）等分析土地利用类型的时空变化特征，其中 R k与 A u g k的计算公式为：
R k = T k / T
A u g k = ∑ i = 1 n a k i / ∑ i = 1 n 1
式中： T k代表k类用地的总面积；T代表区域内所有用地的总面积； a k i代表k类用地中编号为i的斑块面积。

1.3.1.2 核密度分析

通过估计不同区域的局部密度来分析不同类型的土地利用空间聚集程度并进一步研究其在空间内的分布状况，其计算公式如下：
f x = 1 n h ∑ i = 1 n k x - x i h
式中：k代表核函数；h为距离阈值；n代表阈值内的要素数量。

1.3.1.3 景观指数分析

景观指数中的景观形状指数通常用来分析斑块形状的复杂程度，代表某斑块形状与相同面积的正方形之间的差异，形状指数越大则表明斑块形状越复杂，反之则越简单。景观形状指数的计算公式如下：
L S I = 0.25 E i / A i
式中：E代表斑块的周长；A代表斑块面积；i为斑块的编号。

1.3.2 地理探测器

地理探测器[30]是探测地理现象的空间分异性及其背后的驱动因子的一种统计学方法。其基本思想是将研究区的若干子区方差之和与研究区总方差进行比较，若子区方差之和小于总方差，则该地理现象存在空间分异。
地理探测器模型共包括四个基本的探测器，分别是因子探测器、交互作用探测器、风险区探测器以及生态探测器等，本研究利用因子探测器、交互作用探测器和生态探测器来探测农村居民点不同指标对石漠化演变的驱动作用。
因子探测器主要用于探测所选择的因子对空间分异性的解释程度，其计算公式如下：
I X Y = 1 - ∑ i = 1 L N i σ Y i 2 / N σ Y 2
式中： I X Y代表因子X对Y的解释程度；L代表因子X的分类； N i代表类别i的单元数量；N代表区域内的单元总数； σ Y i 2和 σ Y 2分别代表类别i和区域内的Y值方差。
交互作用探测器主要用于探测不同因子之间的交互作用，若这种交互作用存在则评估其是否会对Y的解释程度有所影响。设有因子 X A与 X B，分别计算 I X A Y、 I X B Y以及 I X A B Y，若 I X A B Y M i n I X A Y , I X B Y，则因子间的关系为非线性减弱；若 M i n I X A Y , I X B Y I X A B Y M a x I X A Y , I X B Y,则关系为单线性减弱；若 M a x I X A Y , I X B Y I X A B Y，则关系为双因子增强；若 I X A Y + I X B Y I X A B Y，则关系为非线性增强；若 I X A Y + I X B Y = I X A B Y，则关系为彼此独立。
生态探测器主要是用于探测不同因子对Y的空间分布作用是否存在显著的差异。设有因子 X A与 X B，则其计算公式如下：
F = N X A N X B - 1 ∑ i = 1 L A N i σ i 2 N X B N X A - 1 ∑ i = 1 L B N i σ i 2

2 平果县农村居民点时空演变特征

2.1 用地规模特征

平果县农村居民点的分布具有较强的空间异质性。以乡镇作为评价单元，2017年平果县的农村居民点主要集中在南部的马头镇、太平镇、果化镇以及新安镇（图1a），面积约占全县农村居民点总面积的50%。除北部的榜圩镇外，其余乡镇的农村居民点面积均较小。从农村居民点占行政区面积比例来看（图1b），县域北部和南部的榜圩镇、果化镇、马头镇和新安镇是农村居民点面积占比较大的地区，比例均在2.5%左右。其他区域面积占比相对较小，比例在1%左右。
图1 2017年平果县农村居民点规模及占行政区总面积比重

Fig.1 The area of rural settlements in Pingguo County and its proportion in the total area of the administrative area in 2017

时序变化上，1989—2019年平果县的农村居民点用地规模由1 089.48 hm2增加到4 377.07 hm2，可以大致分为四个增长阶段（图2）：1989—1995年为缓慢增长阶段，此阶段县域内的农村居民点面积变化较小，年均增长约为66.04 hm2；1995—2001年为加速增长阶段，此阶段县域内的农村居民点的年均增长为151.82 hm2；2001—2008年为增长率快速下降阶段，此阶段虽然县域内的农村居民点持续扩张，但是增长速率出现明显的下降；2008—2017年为增长率缓慢上升阶段，此阶段县域内的农村居民点面积逐年升高。
图2 平果县1989—2017年农村居民点面积及增长率

Fig.2 Plot of rural settlements area and growth rate in Pingguo County from 1989 to 2017

2.2 用地密度特征

针对县域内的农村居民点斑块，提取质心确定特定斑块的空间位置，并利用空间自相关方法测度不同的距离下农村居民点的空间聚集度，确定核密度分析的带宽为2 500 m，并得出核密度分析结果，如图3。
图3 平果县1989—2017年农村居民点核密度分析结果图

Fig.3 The kernel density of rural settlements from 1989 to 2017

平果县农村居民点用地密度总体呈现南北密、中部疏的特点，且主要分布在城镇周边、河流沿岸以及交通干线的两侧。1989—2017年，县域内的农村居民点的低密度区域格局保持稳定，斑块增长不明显，例如黎明乡、同老乡等地区。高密度区域则密度持续增加，呈现由“单点高值”向“多点高值”集中的变化，例如榜圩镇、果化镇、马头镇等地区。

2.3 用地形态特征

平果县域内的景观形状指数大体呈现南高北低的整体格局，其中果化镇、新安镇、太平镇、四塘镇处于较高水平，而同老乡、黎明乡、凤梧乡、海城乡、榜圩镇处于较低水平。1989—2017年，平果县农村居民点景观形状指数不断增长，增长速度呈现慢—快—慢—快的态势（图4）：1989—1995年，景观形状指数缓慢增长，平均增长指数为2.53；1995—1998年，景观形状指数急速增长，平均增长指数为5.72；1998—2001年，景观指数较慢增长，平均增长指数为1.46；2011—2017年，景观形状指数恢复一般增长，平均增长指数为2.62。
图4 平果县1989—2017年农村居民点景观形状指数变化

Fig.4 The patch shape indices of rural settlements from 1989 to 2017

3 平果县石漠化时空演变特征

3.1 石漠化面积演变特征

根据遥感解译结果，2017年平果县域内不同强度石漠化面积排序依次为强度石漠化>潜在石漠化>中度石漠化>极强度石漠化>轻度石漠化。其中，强度石漠化和极强度石漠化主要分布在榜圩镇的东部和北部、凤梧镇、旧城镇的西部、太平镇的西北部、海城乡的南部等地区，中度石漠化主要分布在凤梧镇的东部、榜圩镇、太平镇的西北部、新安镇的中部，轻度石漠化面积较小，零散分布在各个乡镇，潜在石漠化面积较大，主要分布在太平镇的东部、坡造镇、旧城镇的西部、新安镇的中部、马头镇的北部和西部、海城乡的南部等地区。
1989—2017年，平果县石漠化面积总体呈现增—减—增—减的变化趋势（图5）。其中1989—1995年石漠化面积小幅增加，年均增长44.06 hm2；1995—2004年石漠化面积先减后增，年均变化60.66 hm2；2004—2017年石漠化面积持续减少，年均减少面积为11.14 hm2。研究期间平果县不同强度石漠化面积有着显著的差别，其中轻度石漠化和极强度石漠化面积显著减少而中度和强度石漠化面积则总体保持稳定。
图5 平果县1989—2017年不同强度类型石漠化分布图

Fig.5 Distribution of rock desertification with different degrees in Pingguo County from 1989 to 2017

3.2 石漠化强度演变特征

1989—2017年平果县内稳定型的年均面积为149 948.73 hm2，正向Ⅰ型和正向Ⅱ型的面积分别为716.46 hm2和916.13 hm2，逆向Ⅰ型和逆向Ⅱ型的面积分别为1 157.29 hm2和572.39 hm2。
由于石漠化强度的变化是一个循序渐进的过程，在演变过程中容易向相邻强度类型转变，处于不同石漠化强度类型交界处的图斑，其稳定性较差，变化也最为频繁[31]。1989—2017年，石漠化逆向演替略高于正向演替，年均正向演替面积为1 632.59 hm2，逆向演替面积为1 729.69 hm2。正向演替过程可分为两阶段，1989—2008年处于加速增长阶段，年均变化面积不断增长且增长较快，而2004—2017年处于增速放缓阶段，年均变化面积整体下降且下降速率较平缓；逆向演替也可分为两个阶段，2004年以前变化面积较小、变化速率较快，2004年以后变化面积增大、变化速率有所下降。

4 平果县农村居民点与石漠化演变关系测度

4.1 变量选择

将各行政村石漠化属性值作为因变量，各行政村的石漠化强度演变类型、变异系数、综合分值信息，分别记作Y1、Y2、Y3。其中石漠化强度演变类型包括了上文中的正向Ⅱ型、逆向Ⅱ型、正向Ⅰ型、逆向Ⅰ型、稳定型等5个演变类型；石漠化变异系数用于表征在连续时间序列内石漠化强度演变的相对稳定性，通过基于概率分布的标准化测量方法进行；石漠化综合分值用于描述各行政村的整体石漠化程度的指标，通过对不同类型的石漠化强度赋权并乘以相应所占总面积的比重得到。
将农村居民点用地规模、居民点斑块数量、变异系数、景观形状指数和演变速率记为X1、X2、X3、X4和X5。将3个石漠化指标分别与农村居民点用地指标进行相关分析，最终的结果如图6。
图6 平果县石漠化指标与农村居民点指标空间分布关系

注：图Y1、Y2、Y3为石漠化演变类型、石漠化变异系数、石漠化综合分值分级图；图X1、X2、X3、X4、X5分别为农村居民点用地规模、斑块数量、变异系数、景观形状指数和演变速率分级图。

Fig.6 Relationship between rocky desertification indices and rural settlements indices

4.2 因子探测结果

根据各石漠化指标参数范围，运用自然断点法将石漠化演变类型、石漠化变异系数、石漠化综合分值分别划分为5个等级。运用因子探测器分别测度石漠化演变类型、石漠化变异系数和石漠化综合分值3个指标与农村居民点用地规模、居民点斑块数量、变异系数、景观形状指数和演变速率之间的关系。
平果县域内农村居民点对石漠化演变类型影响程度的q值排序为演变速率（0.6663）>变异系数（0.4997）>景观形状指数（0.2463）>用地规模（0.1599）>居民点斑块数量（0.0140）。说明农村居民点用地演变速率、变异系数与石漠化的演变类型具有较强的相关关系，而用地规模和斑块数据则不能很好地解释区域内的石漠化演变结果。
平果县域内农村居民点对石漠化变异系数分布影响程度的q值排序为居民点用地规模（0.5060）>演变速率（0.4415）>景观形状指数（0.3973）>变异系数（0.3599）>居民点斑块数量（0.0024）。其中农村居民点用地规模的q值最大，解释力大于0.5，其次是农村居民点演变速率，解释力为0.44。说明1989—2017年平果县域内用地规模较大以及演变速度较快的农村居民点区域内的石漠化演变更加频繁，石漠化状况较为不稳定。
平果县域内农村居民点对石漠化综合分值分布影响程度的排序为景观形状指数（0.6771）>变异系数（0.4121）>演变速率（0.3982）>用地规模（0.1200）>居民点斑块数量（0.1041）。其中农村居民点景观形状指数的q值最大，解释力为0.68，其次是变异系数和演变速率，分别为0.41和0.40。说明1989—2017年平果县域内农村居民点用地形状复杂且不稳定的区域综合分值较高，石漠化过程强烈。
综合以上结果可以发现，农村居民点用地演变速率、变异系数以及景观形状指数对石漠化的影响较大。农村居民点用地在一定程度上能够代表农村人口活动的强度，农村居民点演变速率、变异系数和景观形状指数都是测度农村居民点用地变化相对稳定性的指标，农村居民点用地演变速率越快、变异系数和景观形状指数越高，代表农村居民点用地越不稳定，越可能导致石漠化的逆向发展。

4.3 交互作用探测结果

根据各农村居民点用地指标交互作用于石漠化演变类型、石漠化变异系数以及石漠化综合分值，利用交互作用探测器计算并计算结果。
由表1可知，农村居民点用地各因子均存在不同程度的系统作用，且均为双因子增强或非线性增强。其中对石漠化演变类型解释力较高的交互因子为演变速率∩变异系数（q=0.89）以及演变速率∩景观形状指数（q=0.78）。农村居民点的演变速率可以增强农村居民点的用地规模、变异系数以及景观形状指数等的影响，这也说明了石漠化演变类型的形成是多种因素协同复合作用的结果。
表1 石漠化强度等级划分标准

Tab.1 Classification standard of rocky desertification

等级 基岩
裸露率		 植被+
土被指数		 坡度（°） 裸岩
分布特征		 影像特征
无石漠化 <0.2 >0.75 <8 点状 深红、暗红
潜在石漠化 0.2~0.3 0.5~0.75 >8 点、线状 浅红
轻度石漠化 0.3~0.5 0.3~0.5 >15 线状 淡红
中度石漠化 0.5~0.7 0.15~0.3 >15 线、面状 红中带白
强度石漠化 0.7~0.9 0.05~0.15 >25 面状 灰白
极强度石漠化 >0.95 <0.05 >35 面状 白色、灰白
由表2可知，对石漠化变异系数的解释力最高的两个交互因子分别为演变速率∩景观形状指数（q=0.73）以及用地规模∩演变速率（q=0.72），这说明农村居民点用地规模、景观形状指数与演变速率3个因子的系统作用较强，彼此间的相互作用或者与其他因子的系统作用能够显著的增强对石漠化变异系数的影响力。
表2 不同组合下影响因素对石漠化变异系数的交互作用

Tab.2 Interaction of factors affecting variation coefficient of rock desertification under different combinations

X1 X2 X3 X4 X5
X1 0.506019
X2 0.590644 0.002368
X3 0.689554* 0.423718 0.359867
X4 0.693247* 0.532036 0.637180* 0.397322
X5 0.720473* 0.524076 0.699271* 0.732664* 0.441524
由表3可知，对石漠化综合分值解释力最高的两个交互因子分别为变异系数∩景观形状指数（q=0.85）以及景观形状指数∩演变速率（q=0.79）。这说明一方面农村居民点景观形状特征较为复杂、演变速率较快以及面积变化较大的地区也具有较高的石漠化综合分值；另一方面农村居民点用地变化较小的区域石漠化相对更少且状态更加稳定。从表中可以进一步发现与用地规模和斑块数量相比，变异系数和景观形状指数的协同加强作用要更大，对石漠化综合分值的指示作用更为强势。
表3 不同组合下影响因素对石漠化综合分值的交互作用

Tab.3 Interaction of influencing factors on comprehensive score of rock desertification under different combinations

X1 X2 X3 X4 X5
X1 0.120026
X2 0.246241 0.104101
X3 0.470369* 0.500138* 0.412068
X4 0.757853* 0.760424* 0.847551* 0.677076
X5 0.541139 0.472885* 0.666333* 0.786103* 0.398188

注：*表示两个变量存在双因子增强作用。

综合来看，任意两个农村居民点驱动因素的交互作用类型均为双因子增强或非线性增强，对石漠化空间差异的影响均大于单一驱动因素。与单一指标变化区域相比，在农村居民点多个指标均发生较大变化区域的石漠化演变更加剧烈。农村居民点演变速率、变异系数和景观形状指数三者之间的交互作用影响最强，表明这3个指标对石漠化演变具有强烈的指示作用，石漠化的演变主要受农村居民点这3个指标影响。

4.4 生态探测结果

根据上文确定的农村居民点用地指标，基于生态探测器比较不同因素对石漠化属性空间分布的影响，通过统计显著性检验以确定主导因子。其中“Y”表示在统计学上置信度为95%具有显著性差异，“N”表示差异不显著。
由表4可知，除了用地规模∩斑块数量以及用地规模∩景观形状指数外，其余指标均通过了显著性检验。石漠化演变类型的生态探测计算结果进一步证明了农村居民点用地的演变速率、变异系数等因子对石漠化演变类型的影响较大，加之与用地规模和斑块数量等因素通过显著性检验，可以得出农村居民点演变速率和变异系数是影响石漠化演变类型的主要因素。
表4 不同因素对石漠化演变类型影响的统计差异

Tab.4 Differences of different factors affecting rocky desertification evolution

X1 X2 X3 X4 X5
X1
X2 N
X3 Y Y
X4 N Y Y
X5 Y Y Y Y
由表5可知，农村居民点用地规模与斑块数量、变异系数以及景观形状指数之间，斑块数量与变异系数、景观形状指数以及演变速率之间都具有显著性差异。但演变速率、变异系数与景观形状指数三者之间未见显著性差异。分析结果说明了农村居民点用地规模和斑块数量对石漠化变异系数分布的较大影响，而演变速率、变异系数以及景观形状指数对石漠化变异系数分布的影响较小且没有显著差异。
表5 不同因素对石漠化变异系数影响的统计差异

Tab.5 Differences of different factors affecting variation coefficient of rocky desertification

X1 X2 X3 X4 X5
X1
X2 Y
X3 Y Y
X4 Y Y N
X5 N Y N N
生态探测结果显示，对石漠化演变起重要解释作用的指标均具有较好的显著性检验结果，进一步证明农村居民点用地演变速率、景观形状指数与变异系数是主导因子，并与石漠化各指标的变化有重要的协同作用。
由表6可知，以下因素之间有着显著性差异，分别是：农村居民点用地规模与变异系数、景观形状指数以及演变速率；斑块数量与变异系数、景观形状指数、演变速率；景观形状指数与变异系数、演变速率。上述结果说明了农村居民点的用地变异系数、景观指数以及用地演变速率与用地规模和斑块数量具有统计学意义的显著差异。用地变异系数和景观形状指数对石漠化综合分值的分布影响较大，而用地规模、斑块数量的影响差异不显著。
表6 不同因素对石漠化综合分值影响的统计差异

Tab.6 Differences of different influence factors on comprehensive score of rock desertification

X1 X2 X3 X4 X5
X1
X2 N
X3 Y Y
X4 Y Y Y
X5 Y Y N Y

5 结论与讨论

平果县农村居民点的空间分布具有强烈的空间异质性，从用地规模来看，大体呈现西南多、东北少的特点；从用地密度来看，则主要呈现南北密、中部疏的特点；从用地形态特征来看，一般呈现南高北低的特点。随着时间的推移，县域内的用地规模、用地密度以及用地形态特征指数均不断上升，但变化速率随着时段的不同有着较大的差异。平果县不同强度石漠化的空间分布差异明显，例如强度石漠化与极强度石漠化主要分布在县域的东北部和西南部，中度石漠化主要分布在东北部和中部，而轻度石漠化则广泛分布于县域内的各个乡镇。1989—2017年，平果县石漠化扩张趋势初步遏制，石漠化治理效果较为明显。从石漠化强度演变来看，平果县内各乡镇的石漠化面积变化较小，主要的变化大多位于不同强度类型的石漠化区域交错处。
石漠化演变过程与农村居民点用地演变过程有着密切的关系。无论是从石漠化演变类型、石漠化变异系数，还是石漠化综合分值来看，农村居民点的演变速率、变异系数和景观形状指数都是其主要影响因子，农村居民点演变越强烈的研究单元，石漠化强度也更不稳定，石漠化更趋向于跳跃式恶化演变。在石漠化地区，由于生境干旱、富钙、多石和少土，植物生长缓慢，本身较差的植被结构和植被盖度一旦遭遇人类开垦放牧、采集薪柴等容易对生态造成破坏的生产生活活动，生境容易急剧恶化，陷入植被和土地退化的恶性循环，当地的生态系统越脆弱，石漠化越容易产生或趋向恶化[32]。如果将自然条件视为内因，不合理的人类活动则是石漠化产生的外因，喀斯特地区若没有外因的作用，仅在内因驱动下，石漠化的演变将会十分缓慢，而活跃的人类生产及建设活动与自然本底的叠加，使石漠化演变加速。所以，在一定程度上，人类活动是造成喀斯特石漠化的主要外因。换言之，表征着人类活动强度的农村居民点用地各指标的变化是直接或间接预示石漠化变化趋势的重要证据。此外，石漠化的演变不是单一因素的结果，而是多种因素之间复合协同作用的产物。农村居民点演变速率快代表农村生产建设活动频繁、人类活动强度大，人类的生产生活活动在脆弱的喀斯特地区容易造成生态环境问题，进而导致石漠化过程加强；而农村居民点用地变化较小地区，由于人类建设活动干扰较少，土地和植被得到养护，生态自然恢复较好，石漠化也呈现较为稳定的正向演替趋势。
本研究对于农村居民点与石漠化演变的驱动因素分析存在一定不足，后续应进一步加强农村居民点与石漠化时空变化分析，在农村居民点与石漠化的相互关系探讨中，本研究重点分析了农村居民点用地对石漠化的影响大小、交互作用机理、显著性特征以及优势区间，未能深入挖掘二者间的相互驱动机理和作用机制，也有待后续研究深入。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王社教. 论历史乡村地理学研究[J]. 陕西师范大学学报:哲学社会科学版, 2006(4):73-79.

[2]
杨勇, 邓祥征, 吴锋, 等. 华北平原农村居民点演变及社会经济影响因素分析[J]. 人文地理, 2019, 34(2):116-124.

[3]
张善余. 人口地理学概论[M]. 上海: 华东师范大学出版社, 2013.

[4]
姜磊, 雷国平, 张健, 等. 农村居民点空间布局及优化分析[J]. 水土保持研究, 2013(1):224-229.

[5]
Unger L. Rural settlement in the Campania[J]. Geographical Review, 1953, 43(4):506-524.

[6]
金其铭. 农村聚落地理研究——以江苏省为例[J]. 地理研究, 1982, 1(3):11-20.

DOI

[7]
Knapp R G. China’s traditional rural architecture:A cultural geography of the common house[M]. Honolulu: University of Hawaii Press,1986.

[8]
Roberts B K. Landscapes of settlement:prehistory to the present[M]. Psychology Press,1996.

[9]
Hill M R. Rural settlement and the urban impact on the countryside[M]. Brighton: Hodder & Stoughton, 2003.

[10]
Duyckaerts C, Godefroy G. Voronoi tessellation to study the numerical density and the spatial distribution of neurones[J]. Journal of Chemical Neuroanatomy, 2000, 20(1):83-92.

PMID

[11]
Kiss E. Rural restructuring in Hungary in the period of socio-economic transition[J]. GeoJournal, 2000, 51(3):221-233.

[12]
Marlow V, Krupa K S. Rural residential land use:Tracking its grows[J]. Agricultural Outlook, 2002,8:14-17.

[13]
Robinson P S. Implications of rural settlement patterns for development:A historical case study in Qaukeni,Eastern Cape,South Africa[J]. Development Southern Africa, 2003, 20(3):405-421.

[14]
李红波, 张小林, 吴江国, 等. 欠发达地区聚落景观空间分布特征及其影响因子分析——以安徽省宿州地区为例[J]. 地理科学, 2012(6):711-716.

DOI

[15]
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):692-702.

DOI

[16]
朱东国, 谢炳庚, 熊鹏. 基于三维景观格局指数的张家界市土地利用格局时空演化[J]. 经济地理, 2017, 37(8):168-175.

[17]
Hoggart K, Paniagua A. What rural restructuring?[J]. Journal of Rural Studies, 2001, 17(1):41-62.

[18]
Spohrer G A, Kmak T R. Qualitative-analysis Used in Evaluating Alternative Plant Location Scenarios[J]. Industrial Engineering, 1984, 16(8):52-56.

[19]
刘彦随, 刘玉, 翟荣新. 中国农村空心化的地理学研究与整治实践[J]. 地理学报, 2009, 64(10):1193-1 202.

[20]
Dubovyk O, Sliuzas R, Flacke J. Spatio-temporal modelling of informal settlement development in Sancaktepe district,Istanbul,Turkey[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2011, 66(2):235-246.

[21]
姜广辉, 何新, 马雯秋, 等. 基于空间自相关的农村居民点空间格局演变及其分区[J]. 农业工程学报, 2015, 31(13):265-273.

[22]
刘继来, 刘彦随, 李裕瑞, 等. 2007—2015年中国农村居民点用地与农村人口时空耦合关系[J]. 自然资源学报, 2018, 33(11):1861-1 871.

[23]
李云强, 齐伟, 王丹, 等. GIS支持下山区县域农村居民点分布特征研究[J]. 地理与地理信息科学, 2011, 27(3):73-77.

[24]
沈陈华. 丹阳市农村居民点空间分布尺度特征及影响因素分析[J]. 农业工程学报, 2012, 28(22):261-268.

[25]
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):211-215.

[26]
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的驱动力分析[J]. 农业工程学报, 2007, 23(5):81-87.

[27]
蓝安军, 熊康宁, 安裕伦. 喀斯特石漠化的驱动因子分析[J]. 水土保持通报, 2001, 21(6):19-23.

[28]
Hallin M, Lu Z, Tran L T. Kernel density estimation for spatial processes:the L-1 theory[J]. Journal of Multivariate Analysis, 2004, 88(1):61-75.

[29]
陈文波, 肖笃宁, 李秀珍. 景观指数分类、应用及构建研究[J]. 应用生态学报, 2002(1):121-125.

[30]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134

DOI

[31]
白晓永, 王世杰, 陈起伟, 等. 贵州土地石漠化类型时空演变过程及其评价[J]. 地理学报, 2009, 64(5):609-618.

[32]
熊康宁. 喀斯特石漠化的遥感——GIS典型研究/以贵州省为例[M]. 北京: 地质出版社, 2002.

Options
Outlines

/

〈 〉