何 炬，張雪松※，鄧 振，張 晗，張茂茂，劉 園

(1.華中師范大學(xué)城市與環(huán)境科學(xué)學(xué)院，湖北武漢 430079； 2.華中師范大學(xué)地理過程分析與模擬湖北省重點實驗室，湖北武漢 430079； 3.江西農(nóng)業(yè)大學(xué)江西省鄱陽湖流域農(nóng)業(yè)資源與生態(tài)重點實驗室/南方糧油作物協(xié)同創(chuàng)新中心，南昌 330045； 4.江西農(nóng)業(yè)大學(xué)國土資源與環(huán)境學(xué)院，南昌 330045)

0 引言

農(nóng)村居民點空間布局作為鄉(xiāng)村體系內(nèi)部自然、文化、歷史與外部經(jīng)濟(jì)、社會等因素共同驅(qū)動影響下的綜合表現(xiàn)[1-3]，承載著農(nóng)村生產(chǎn)生活各方面活動，是農(nóng)村基本空間特征的主要反映，對鄉(xiāng)村的發(fā)展方向和模式起著重要作用[4-6]。鄉(xiāng)村問題一直是中國發(fā)展的重要議題，而對于農(nóng)村居民點的研究一直是鄉(xiāng)村發(fā)展問題的熱點內(nèi)容[7-9]。

近年來，國外學(xué)者關(guān)于農(nóng)村居民點的研究，主要致力于研究典型地形區(qū)農(nóng)村居民點的地理特征和發(fā)展規(guī)律[10]，探索農(nóng)村居民點變化的驅(qū)動力因素[11]，利用政策、法律手段結(jié)合RS技術(shù)對農(nóng)村居民點進(jìn)行分區(qū)[12]。一直以來，國內(nèi)學(xué)者基于GIS、RS和景觀格局等相關(guān)理論方法，對農(nóng)村居民點空間分布特征的研究已有不少成果，主要有采用農(nóng)村居民點分離度指數(shù)[13]、基礎(chǔ)景觀指數(shù)[14]、加權(quán)Voronoi圖[15]、核密度分析[16]、Ripley′s K函數(shù)[17]等方法探求農(nóng)村居民點分布特征及其變化； 對其影響因素的研究則已有區(qū)域統(tǒng)計[18]、緩沖區(qū)分析[19]、變異系數(shù)[16]等方法?？臻g自相關(guān)分析方法在土地利用領(lǐng)域中，用于分析土地要素空間分布特征的研究取得了不錯的進(jìn)展，例如張晗[20]等利用空間自相關(guān)分析了耕地質(zhì)量各等別的空間分布特征，韋素瓊[18]等對建設(shè)用地的空間集散特征的研究也運用了空間自相關(guān)方法，然而運用此方法對農(nóng)村居民點空間格局分析的研究幾乎沒有。另外，研究尺度方面，縱觀農(nóng)村居民點空間特征的研究成果，基本停留在全國、省的宏觀尺度和市、縣的中觀尺度，從鎮(zhèn)和村的微觀尺度探究至今沒有相關(guān)理論成果。對于其影響因素的研究，大多選擇對地形[21]、河流[22]、中心城鎮(zhèn)[14]、道路鐵路[20]和農(nóng)戶意愿[24，25]等進(jìn)行定性分析探究，而很少將各因素進(jìn)行空間計量化進(jìn)而進(jìn)行因素間影響程度大小的定量研究。

針對于已有成果的不足，基于空間自相關(guān)分析、核密度分析等方法，將具有低山丘陵和平原等綜合地形的廣水市作為案例典型區(qū)，從縣、鎮(zhèn)、村3級尺度上探究農(nóng)村居民點空間分布特征； 引入空間計量回歸模型，深入分析各影響因素對農(nóng)村居民點空間分布的影響程度大小(圖1)。此成果以期為從不同尺度上研究農(nóng)村居民點空間格局特征及其影響因素提供新的思路和理論支撐。

圖1 農(nóng)村居民點空間分布特征及其影響因素理論分析結(jié)構(gòu)

圖2 廣水市地理位置及現(xiàn)狀

1 研究區(qū)域概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

廣水市坐落在湖北省北部偏東，屬于隨州市，為縣級市。地處桐柏山南麓，大別山脈西端，地勢西北高東南低。全境地跨東經(jīng)113°21′16＂～114°07′16＂，北緯30°23′03＂～32°05′05＂； 東西長57.5km，南北長78.75km。全市國土總面積26.455 1萬hm2，行政轄區(qū)內(nèi)共14個鄉(xiāng)鎮(zhèn)、3個街道辦事處和3個林場風(fēng)景區(qū)。廣水屬鄂北低山丘陵地區(qū)，由北向南，山地、丘陵、崗地、沿河小塊平原，依次分布。山地主要在廣水市的西北和東北部，坡度一般在30～45°，相對高差在300～500m之間。丘陵崗地主要分布在中部、南部及東南部，海拔一般在100m上下，坡度一般在15°左右。小塊河谷平原主要分布在中部、西南及東南部，海拔一般在50m左右，最低處平林市府河河床海拔37m(圖2)。2016年，廣水市下轄406個行政村共有9 000余個農(nóng)村居民點圖斑，圖斑總面積共計1.648 267萬hm2。

1.2 數(shù)據(jù)來源與預(yù)處理

該研究基礎(chǔ)數(shù)據(jù)有，廣水市國土資源局提供的2016年度土地利用變更調(diào)查數(shù)據(jù)庫(1：10 000)、隨州市統(tǒng)計年鑒(2016年)、廣水市統(tǒng)計年鑒(2010—2016年)、30m×30m的DEM數(shù)據(jù)。將所有農(nóng)村居民點圖斑從變更數(shù)據(jù)庫中提取出來，然后剔除0.1hm2以下的圖斑(主要為林場、風(fēng)景區(qū)或養(yǎng)殖場看守房)，同樣從中提取出道路圖、水系圖、城鎮(zhèn)圖等； 從DEM數(shù)據(jù)中提取出高程圖、坡度圖。

2 研究方法

2.1 核密度估計

核密度估計是在概率論中基于研究對象分布特征，用來估計未知的密度函數(shù)，能夠使得研究對象的分布概率表現(xiàn)得更直觀，核密度值的高低表示著研究對象在空間上集聚程度的大小[16]。該文通過核密度分析法對廣水市農(nóng)村居民點的分布格局特征進(jìn)行可視化。核密度估計法計算公式：

(1)

式(1)中，F(xiàn)n(x)是農(nóng)村居民點的核密度估計值，h為搜索半徑，k為核密度函數(shù)，n是農(nóng)村居民點的樣本數(shù)量，(x-xi)是兩個農(nóng)村居民點之間的估計距離。

2.2 全局空間自相關(guān)

Global Moran′s I 指數(shù)用來表示一個區(qū)域里面全部空間范圍里空間要素屬性值的聚散程度，該文以農(nóng)村居民點核密度估計值作為自相關(guān)分析的屬性字段值，通過Global Moran′s I 指數(shù)來反映農(nóng)村居民點核密度估計值的空間全局自相關(guān)程度[27]。

Z值用來進(jìn)行檢驗Global Moran′s I 顯著性水平，當(dāng)Z>1.96或Z<-1.96(α值為0.05)時，表明農(nóng)村居民點的核密度估計值在空間上存在顯著的空間自相關(guān)性。表達(dá)式為：

(2)

(3)

2.3 局部空間自相關(guān)

局部Moran′s I指數(shù)可以彌補全局自相關(guān)無法使目標(biāo)對象空間分布特征可視化的不足，能夠以圖形式(LISA圖)更直觀地展示研究區(qū)域的農(nóng)村居民點空間分布特征，可以更直觀地看出農(nóng)村居民點在研究區(qū)域內(nèi)是否存在集散特征。其計算公式為[18，20，27]：

(4)

式(4)中，n為樣本數(shù)量，zi、zj分別表示空間單元內(nèi)農(nóng)村居民點核密度估計值的標(biāo)準(zhǔn)化值，wij作為空間權(quán)重矩陣，Z值檢驗方法同全局。

2.4 空間計量回歸模型

當(dāng)存在空間自相關(guān)問題時，殘差也就不相互獨立，傳統(tǒng)的OLS回歸模型變得不適用。當(dāng)變量間的空間依賴程度對模型非常高而引起空間相關(guān)性，此時引入空間滯遲模型(Spatial Lag Model，SLM)； 當(dāng)變量間的誤差引起了空間依賴性，也就是模型的誤差在空間上相關(guān)時，引入空間殘差模型(Spatial Error Model，SEM)。模型如下：

①空間滯遲模型(SLM)，它能反映各變量是否存在擴(kuò)散現(xiàn)象(溢出效應(yīng))[28]。表達(dá)式：

y=ρWy+Xβ+ε

(5)

式(5)中，y為因變量，X為n×k的自變量矩陣(n為樣本數(shù)，k為自變量數(shù))，W為空間矩陣，ρ為空間滯遲系數(shù)，β為自變量回歸系數(shù)，ε為隨機(jī)誤差項。

②空間殘差模型(SEM)，它能反映誤差項間是否存在序列關(guān)系。表達(dá)式：

y=βX+εε=λWε+μ

(6)

式(6)中，λ為空間誤差系數(shù)，μ為服從正太分布的隨機(jī)誤差，其他參數(shù)含義同(5)式。

圖3 廣水市農(nóng)村居民點空間分布的核密度估計值空間分布

3 結(jié)果與分析

3.1 核密度分析

借助ArcGIS10.2軟件，進(jìn)行廣水市農(nóng)村居民點的核密度分析。在進(jìn)行核密度分析時，搜索半徑的選擇對于計算結(jié)果尤為重要，經(jīng)過多次實驗，以1 800m為半徑來搜索進(jìn)行廣水時農(nóng)村居民點的核密度分析最為合理(圖3)。

從圖3可以分析得出：(1)廣水市農(nóng)村居民點核密度最大值為14.26個/km2； (2)在地理空間分布上，核密度值呈現(xiàn)出中部、西南部、中西部高，東部、東南部和縣域北部地區(qū)低的空間分布特征； (3)其中城郊鄉(xiāng)、駱店鄉(xiāng)、長嶺鎮(zhèn)、馬坪鎮(zhèn)四處出現(xiàn)的高值群，密而廣，而低值區(qū)群基本分布在廣水市北部西北—東南走向的山地丘陵地帶。據(jù)此，在今后發(fā)展過程中，可以對廣水市東部和西南部地區(qū)農(nóng)村居民點繼續(xù)合理性規(guī)劃，使其能夠形成更加有延伸性、輻射性的高值集群，而對東部和北部西北—東南走向地帶，加大基礎(chǔ)設(shè)施建設(shè)，科學(xué)合理規(guī)劃農(nóng)村居民點布局。

3.2 全局空間自相關(guān)分析

利用3.1的研究成果，通過ArcGIS10.2中的Zonal Statistics as Table工具將農(nóng)村居民點的核密度估計值的均值進(jìn)行分區(qū)統(tǒng)計(忽略NoData)，剩余樣本數(shù)量共8 593個，然后將計算結(jié)果通過Spatial Join工具連接到行政村、行政鎮(zhèn)兩個矢量圖層中。借助GeoDa軟件分別在縣、鄉(xiāng)鎮(zhèn)、村3級尺度下計算廣水市農(nóng)村居民點核密度估計值的空間Global Moran′s I指數(shù)。

3.2.1 縣級尺度下空間自相關(guān)分析

在全縣尺度下，對8 593個農(nóng)村居民點本密度估計值樣本進(jìn)行全局空間自相關(guān)分析，結(jié)果如表1所示。

表1 廣水市農(nóng)村居民點核密度估計值Moran′s I 值

由表1可知，廣水市農(nóng)村居民點核密度估計值經(jīng)過全局空間自相關(guān)分析，Moran′s I為0.642 4，且Z值等于339.20，遠(yuǎn)遠(yuǎn)大于1.96，P值為0，則可判定隨機(jī)產(chǎn)生此聚類模式的可能性小于1%，說明在廣水市全縣范圍內(nèi)農(nóng)村居民點分布存在正相關(guān)，且存在顯著的空間集聚態(tài)勢。

圖4 廣水市各鄉(xiāng)鎮(zhèn)農(nóng)村居民點核密度估計值全局Moran′s I值分布

表2 廣水市各鄉(xiāng)鎮(zhèn)農(nóng)村居民點核密度估計值全局Moran′s I值

3.2.2 鄉(xiāng)鎮(zhèn)級尺度下空間自相關(guān)分析

在“空間連接”后，對各個鄉(xiāng)鎮(zhèn)(街道辦)分別提取后，得到各個鄉(xiāng)鎮(zhèn)(街道辦)的農(nóng)村居民點核密度估計值，中華山林場、花山林場和三潭風(fēng)景區(qū)3地樣本數(shù)過少，達(dá)不到空間自相關(guān)分析要求，不作研究，對剩余各個鄉(xiāng)鎮(zhèn)(街道辦)分別進(jìn)行鄉(xiāng)鎮(zhèn)尺度的農(nóng)村居民點核密度估計值全局空間自相關(guān)分析，得到結(jié)果如表2； 將表中Moran′s I值添加到各鄉(xiāng)鎮(zhèn)矢量圖層中，在矢量圖層的屬性中對I值進(jìn)行手動分段和填色，共分為空值、0.000 1～0.700 0、0.700 1～0.800 0、0.800 1～0.900 0、0.900 01～1.000 0共5段，結(jié)果如圖4所示。

對表2和圖4分析可知，(1)鄉(xiāng)鎮(zhèn)級農(nóng)村居民點核密度估計值Moran′s I 的平均值0.694 3，Z值遠(yuǎn)遠(yuǎn)大于1.96，P值為0，則拒絕零假設(shè)，說明農(nóng)村居民點核密度估計值在鄉(xiāng)鎮(zhèn)級不是隨機(jī)分布，存在空間正相關(guān)關(guān)系，表現(xiàn)出顯著的空間集聚性； (2)其中城郊鄉(xiāng)和駱店鄉(xiāng)Moran′s I均>0.9，表現(xiàn)出極高的空間集聚性，只有武勝關(guān)鎮(zhèn)和十里街道辦事處兩鎮(zhèn)(街道辦)Moran′s I小于0.7，仍處于較高的集聚態(tài)勢； (3)在空間分布上，同樣只有中部的城郊鄉(xiāng)和駱店鄉(xiāng)兩處出現(xiàn)顏色最深的高值區(qū)域，且整體中南部的I值區(qū)均處于較高水平，相對低值區(qū)則分布北部山地丘陵地區(qū)，與3.1的核密度分析結(jié)果相匹配。

在相對于縣級尺度較小尺度的鄉(xiāng)鎮(zhèn)級尺度進(jìn)行農(nóng)村居民點核密度估計值空間自相關(guān)，更加直觀地看到了研究區(qū)內(nèi)部的細(xì)節(jié)特征和內(nèi)部差異性。

3.2.3 村級尺度下空間自相關(guān)分析

盡管從村級微觀尺度的對農(nóng)村居民點的研究沒有先例可借鑒，且空間自相關(guān)分析對樣本數(shù)量有一定要求，該研究選取了行政村單元內(nèi)樣本數(shù)量大于45個的16個典型村進(jìn)行了研究分析。得到結(jié)果如表3。

表3 廣水市部分行政村農(nóng)村居民點核密度估計值全局Moran′s I值

對表3結(jié)果分析，(1)村級尺度的典型農(nóng)村居民點核密度估計值Moran′s I 的平均值0.808 2，均大于0.5，Z值遠(yuǎn)遠(yuǎn)大于1.96，P值為0，則拒絕零假設(shè)，說明農(nóng)村居民點核密度估計值在典型村呈現(xiàn)空間正相關(guān)關(guān)系，存在顯著的空間集聚性； (2)在分析的典型村中，有近一半村的I值都大于0.9，說明在村尺度上的農(nóng)村居民點存在很高的聚集特征。

由以上結(jié)果，在村級尺度，農(nóng)村居民點核密度值全局自相關(guān)分析可以看出農(nóng)村居民點處于極高的集聚狀態(tài)農(nóng)村居民點在更微觀的尺度上探究盡管存在客觀阻礙因素和一定的難度，但是它能更加透徹、細(xì)膩化、直觀地去了解農(nóng)村居民點空間分布特征，值得更多的關(guān)注和研究。

3.2.4 多尺度下空間自相關(guān)對比分析

不同尺度下的農(nóng)村居民點核密度估計值對比，如表4。

表4 不同尺度下的廣水市農(nóng)村居民點核密度估計值全局Moran′s I值

由表可知，0.6

3.3 局部自相關(guān)分析

運用GeoDa軟件，對8 593個農(nóng)村居民點核密度估計值進(jìn)行局部空間自相關(guān)分析，制出Moran I散點圖，如圖5，橫軸為農(nóng)村居民點核密度估計值標(biāo)準(zhǔn)化值，縱軸是相鄰單元農(nóng)村居民點核密度估計值滯后值，第一象限(HH型集聚)和第三象限(LL型集聚)表示農(nóng)村居民點核密度值呈現(xiàn)正相關(guān)關(guān)系，呈集聚狀態(tài)，而第二象限(LH型異常)和第四象限(HL型異常)表示呈現(xiàn)負(fù)相關(guān)關(guān)系，表現(xiàn)出異常特征。

圖5 廣水市農(nóng)村居民點核密度估計值的Moran散點圖

圖6 廣水市農(nóng)村居民點核密度估計值LISA集聚圖

由圖5看出，大部分點落在第一和第三象限，極少部分點落在第二和第四象限，則表示廣水市農(nóng)村居民點核密度值有明顯的空間集聚特征，也有少許的異常分布特征。

在Z值檢驗的基礎(chǔ)上，運用ArcGIS10.2軟件將Moran散點圖的各個象限類型與實際空間上對應(yīng)繪制成LISA圖(圖6)，可以更加直觀地看出農(nóng)村居民點核密度估計值的空間集聚和異常分布情況。

將圖6與圖3、4疊加對比分析，(1)HH型區(qū)域主要集中在城郊鄉(xiāng)、駱店鄉(xiāng)、馬坪鎮(zhèn)、長嶺鎮(zhèn)四鄉(xiāng)鎮(zhèn)，另外，陳巷、余店、郝店和吳店鎮(zhèn)四鎮(zhèn)也有分布，該類型區(qū)域Std-I>0、Lag-I>0(Moran′s I> 0)表示存在顯著的空間正相關(guān)，農(nóng)村居民點核密度估計值的高值區(qū)域為此區(qū)域，且其周圍值也是高值，空間上有明顯的集聚性特征。其中前4個鄉(xiāng)鎮(zhèn)幾乎全鄉(xiāng)鎮(zhèn)(村)范圍內(nèi)被HH型覆蓋，后4鎮(zhèn)局部范圍被HH型覆蓋。

(2)HL型和LH型區(qū)域分布范圍和大小都較小，主要沿著鄉(xiāng)鎮(zhèn)界限零散分布，這兩種類型區(qū)域分別是Std-I>0、Lag-I<0(Moran′s I<0)和Std-I<0、Lag-I>0(Moran′s I< 0)同樣都存在空間負(fù)相關(guān)性或者異常性，空間上都沒有明顯的集聚性或者離散性，但前者表示其內(nèi)部核密度估計值高，外部周圍核密度估計值低，形成紅色“熱點區(qū)”，而后者表示相反，形成綠色“冷點區(qū)”。

(3)LL型分布在廣水市大部分范圍，主要集中在東部地區(qū)、其次在中北部地區(qū)山地丘陵地區(qū)、還有一部分沿著余店鎮(zhèn)、吳店鎮(zhèn)西部縣界限分布，該類型區(qū)域Std-I<0、Lag-I<0(Moran′s I> 0)也存在顯著的空間正相關(guān)，表示農(nóng)村居民點核密度估計值的低值區(qū)域在此區(qū)域，且其周圍值也是低值，空間上同樣有明顯的集聚性特征。

3.4 空間計量自回歸模型

表5 空間殘差模型(SEM)回歸結(jié)果

變量系數(shù)標(biāo)準(zhǔn)差Z值常數(shù)項0.7210.004197.332???到最近水系距離0.0150.0034.469???到最近城鎮(zhèn)距離0.0870.00518.351???到最近道路距離0.0550.00415.393???地形位指數(shù)-0.2620.012-21.897???LAMBDA0.5940.00780.398??? 注:???表示0.001的顯著度,??表示0.01的顯著度,?表示0.05的顯著度

基于前面的研究，以廣水市的農(nóng)村居民點圖斑為研究單元，將各居民點核密度估計值均值設(shè)為被解釋變量，選取農(nóng)村居民點的4類影響因素：地形位指數(shù)(高程，坡度)均值，各居民點到城鎮(zhèn)(城市，建制鎮(zhèn))、水系(河流，水庫)、道路(公路用地，鐵路用地，農(nóng)村道路)最近距離的均值作為解釋變量，將以上所有變量通過SPASS軟件進(jìn)行自然對數(shù)變換處理。依據(jù)Anselin[29]提出的模型判別規(guī)則，借助GeoDa軟件進(jìn)行空間依賴性檢驗和計算，借鑒任平[27]等的實例研究成果，最終確定采用空間殘差模型(SEM)。通過MATLAB軟件平臺的Spatial Econometrics進(jìn)行空間殘差模型分析，結(jié)果如表5。

各農(nóng)村居民點到水系(河流，水庫)、城鎮(zhèn)(城市，建制鎮(zhèn))、道路(鐵路用地，公路用地，農(nóng)村道路)的距離通過ArcGIS軟件進(jìn)行近鄰域分析完成。

地形位指數(shù)可以更加客觀綜合地反映農(nóng)村居民點受地形因素影響而呈現(xiàn)的空間分異特征，計算公式為[31]：

(7)

基于地理學(xué)和空間回歸模型理論相關(guān)知識，對表5分析，探究得出農(nóng)村居民點空間分布影響機(jī)理：

(1)地形、河流、城鎮(zhèn)和道路均對農(nóng)村居民點空間分布有明顯的影響作用，各影響因素均通過了1%的顯著性檢驗。4類影響因素中，地形位指數(shù)呈現(xiàn)負(fù)相關(guān)，表明地形位指數(shù)越大的區(qū)域，農(nóng)村居民點則越少； 與河流、城鎮(zhèn)和道路的距離，則呈現(xiàn)出正相關(guān)，表明農(nóng)村居民點距離河流、城鎮(zhèn)或者道路越近，則分布的農(nóng)村居民點越多。此結(jié)果與實際情況相符。

(2)4類影響因素的回歸系數(shù)絕對值大?。旱匦挝恢笖?shù)>到城鎮(zhèn)距離>到道路距離>到水系距離，其系數(shù)大小則表明了不同因素的對農(nóng)村居民點的影響程度大小。此結(jié)果表明廣水市水系發(fā)達(dá)，而道路和城鎮(zhèn)還有待發(fā)展，地形不夠平坦，這些與廣水市河網(wǎng)密布，城市化水平不高，道路網(wǎng)絡(luò)不夠健全，地勢北高南底下丘陵為主地形的實際情況相符。今后廣水市的發(fā)展，需要通過健全基礎(chǔ)道路網(wǎng)絡(luò)，加大農(nóng)村基礎(chǔ)設(shè)施建設(shè)，推進(jìn)城市化的進(jìn)程。

4 結(jié)論與討論

該文運用空間自相關(guān)分析、核密度分析、空間分區(qū)統(tǒng)計、空間疊加分析等多種方法，分別從縣(市)級、鄉(xiāng)鎮(zhèn)級和村級3個尺度，對廣水市農(nóng)村居民點空間分布特征進(jìn)行探究，引入空間計量回歸模型對農(nóng)村居民點影響因素進(jìn)行了定量分析。研究結(jié)論如下。

(1)對廣水市農(nóng)村居民點進(jìn)行核密度分析，搜索半徑為1 800m最合理，同尺度的研究可以參考借鑒，2016年廣水市農(nóng)村居民點核密度最大值為14.26個/km2，高值區(qū)基本分布在中部平原地帶，低值區(qū)的則基本分布在低山丘陵地形區(qū)。

(2)從縣(市)級、鄉(xiāng)鎮(zhèn)級、村級3個尺度進(jìn)行全局空間自相關(guān)分析，Moran′s I縣(市)級

(3)在空間疊加對比分析的基礎(chǔ)上，引入空間計量回歸模型對農(nóng)村居民點4個影響因素進(jìn)行定量研究，農(nóng)村居民點分布受各因素的影響程度大?。旱匦挝恢笖?shù)>到城鎮(zhèn)距離>到道路距離>到水系距離。這與任平[27]等和宋文[30]等的研究成果基本一致，進(jìn)一步佐證了前人的研究成果的科學(xué)性，也為以后同方向研究提供更科學(xué)的參考。

該文對農(nóng)村居民點空間分布特征的研究，主要進(jìn)行了多尺度間的對比分析，盡管村級尺度研究的局限性使研究充滿難度，但選取了典型村進(jìn)行了嘗試性和首例性的研究，并得到前人成果的驗證，并引入空間計量回歸模型，定量化研究了影響農(nóng)村居民點各主要因素的程度大小，可為農(nóng)村居民點到達(dá)更精細(xì)化、直觀化、科學(xué)化的研究提供一定的理論支撐，也為今后的農(nóng)村居民點整理、村鎮(zhèn)規(guī)劃和鄉(xiāng)村振興等工作提供更好的依據(jù)。