趙 鑫，宋英強，胡月明，5，6*，劉軼倫，朱阿興

(1.華南農業(yè)大學 資源環(huán)境學院，廣東 廣州 510642；2.國土資源部建設用地再開發(fā)重點實驗室(華南農業(yè)大學)，廣東 廣州 510642；3.廣東省土地利用與整治重點實驗室(華南農業(yè)大學)，廣東 廣州 510642；4.廣東省土地信息工程技術研究中心(華南農業(yè)大學)，廣東 廣州 510642； 5.青海大學 農牧學院，青海 西寧 810016；6.電子科技大學 資源與環(huán)境學院，四川 成都 610054;7.威斯康星大學(麥迪遜)地理系，美國威斯康星州 麥迪遜 WI53706)

合理的城鄉(xiāng)居民點布局對人類的居住、土地資源的利用以及經濟的發(fā)展有重要的影響。但是，目前城鄉(xiāng)居民點大都缺乏統(tǒng)一規(guī)劃或者有規(guī)劃但執(zhí)行力度不夠，導致城鄉(xiāng)居民點的空間布局存在擴張無序、布局松散、生產生活設施不均勻等問題[1]，而對城鄉(xiāng)居民點布局進行空間優(yōu)化是處理城鄉(xiāng)居民點布局現(xiàn)狀問題的一個重要手段。城鄉(xiāng)居民點空間布局優(yōu)化是根據(jù)城鄉(xiāng)居民點的自身特性與適宜性特征，在區(qū)域范圍內對居民點進行更加合理的空間布局調整，以提高居民點用地利用的社會、經濟和生態(tài)效益，促進區(qū)域資源的可持續(xù)利用。因此，鑒于城鄉(xiāng)居民點布局存在諸多問題的當下，開展城鄉(xiāng)居民點空間布局優(yōu)化十分必要。

目前城鄉(xiāng)居民點空間布局優(yōu)化主要是利用關鍵因子結合“3S”技術進行研究分析。通過選擇不同影響因子(坡度、人口、GDP等)，根據(jù)景觀格局、引力模型等理論構建指標體系[2]，在此基礎上利用“3S”等技術對研究區(qū)居民點進行適宜性分析，最后根據(jù)適宜性結果直接對居民點提出相應的布局優(yōu)化方案[3-6]。“3S”方法的優(yōu)化結果多以定性描述為主，存在主觀性較強的問題。一些學者將粒子群算法[7]、蟻群算法[8-10]等優(yōu)化算法與GIS相結合，構建智能式GIS，實現(xiàn)科學、自動、智能的居民點空間布局優(yōu)化。然而，城鄉(xiāng)居民點空間布局優(yōu)化的研究離不開關鍵指標因素的選取。

目前用于城鄉(xiāng)居民點空間布局優(yōu)化的指標數(shù)據(jù)源主要集中在自然環(huán)境數(shù)據(jù)、社會經濟數(shù)據(jù)2個方面，因此對城鄉(xiāng)居民點布局優(yōu)化所用到的自然環(huán)境、社會經濟的數(shù)據(jù)來源及其存在問題進行研究是非常重要的。自然環(huán)境是城鄉(xiāng)居民點形成和發(fā)展的基礎，不同的自然地理條件將直接或者間接地影響城鄉(xiāng)居民點的選址、居住方式、布局態(tài)勢以及用地規(guī)模，所以優(yōu)越的自然環(huán)境條件是居民點進行空間布局的先決條件[11]。目前應用于城鄉(xiāng)居民點布局優(yōu)化中的自然環(huán)境數(shù)據(jù)主要包括坡度、高程[12]、地形差異[13-14]、河流[15]等，其獲取方法主要有兩種：第一種方法主要是對土地利用現(xiàn)狀圖等紙質專題地圖進行數(shù)字化[16]；第二種是對互聯(lián)網公開的DEM(數(shù)字高程模型)或者相關遙感影像進行處理，從而得到相應的自然環(huán)境數(shù)據(jù)[17]。研究區(qū)的社會經濟條件代表了區(qū)域的生活水平，對城鄉(xiāng)居民點的空間動態(tài)遷移具有決定作用。應用于居民點布局優(yōu)化的社會經濟數(shù)據(jù)主要包括：交通設施數(shù)據(jù)[18]、基礎設施數(shù)據(jù)[19]、教育醫(yī)療數(shù)據(jù)[20]、人口統(tǒng)計數(shù)據(jù)[4]、區(qū)域人均收入與支出等。其中，基礎設施、教育醫(yī)療等具有位置屬性的數(shù)據(jù)主要通過對現(xiàn)有相關圖件進行數(shù)字化得到，或者從已有的數(shù)據(jù)庫中獲取[21]；社會經濟數(shù)據(jù)中的人口數(shù)量主要通過全國人口普查、統(tǒng)計年鑒等獲取。

目前通過傳統(tǒng)方法獲取的自然環(huán)境數(shù)據(jù)一般都是具體的、準確的，因此可以繼續(xù)應用于城鄉(xiāng)居民點布局優(yōu)化中。然而傳統(tǒng)方法獲取的社會經濟數(shù)據(jù)主要有以下缺點：

1)精度問題。傳統(tǒng)社會經濟數(shù)據(jù)中的基礎設施等具有位置屬性的數(shù)據(jù)，往往只是對區(qū)級以上的大型設施進行統(tǒng)計，在數(shù)據(jù)精度上存在一定限制，導致布局優(yōu)化結果存在偏差；傳統(tǒng)社會經濟數(shù)據(jù)中的人口數(shù)據(jù)是基于行政區(qū)進行統(tǒng)計而得，因此其精度只能精確到行政區(qū)域，并不能精確反映人口實際空間分布，使得居民點內部情況研究相對不足，研究尺度局限于中觀尺度。

2)更新周期長。傳統(tǒng)社會經濟數(shù)據(jù)中的基礎設施等具有位置屬性的數(shù)據(jù)需要相關部門花費大量人力物力經過野外實測才能獲取得到，難以及時反映人對居民點社會數(shù)據(jù)的需求與影響，從而導致城鄉(xiāng)居民點布局優(yōu)化存在一定的滯后性。

為了克服社會經濟數(shù)據(jù)的缺點，本研究嘗試引入POI(point of interest)以及人口空間化數(shù)據(jù)對傳統(tǒng)社會經濟數(shù)據(jù)進行替換，構建新的社會數(shù)據(jù)集。POI數(shù)據(jù)是一種代表真實地理實體的點狀地理空間數(shù)據(jù)，它可以代表學校、公司甚至是占有一定面積的地理存在，具有易獲取、現(xiàn)勢性強、數(shù)據(jù)量豐富、定位精度高、更能反映微觀細節(jié)信息等特點，能夠彌補具有位置屬性的社會數(shù)據(jù)的缺點。目前POI數(shù)據(jù)在城市規(guī)劃中已經相繼開展了研究和應用實踐，利用POI數(shù)據(jù)可以進行更加及時、尺度更加精細的城市規(guī)劃研究，主要包括城市空間布局與質量、城市人口空間密度情況、城市功能分布等[22-25]。此外，利用人口空間化數(shù)據(jù)，能夠更加精確地反映人口分布，彌補統(tǒng)計人口數(shù)據(jù)的缺點。

因此，本研究嘗試在傳統(tǒng)數(shù)據(jù)集的基礎上引入多源開放數(shù)據(jù)(POI和人口空間化數(shù)據(jù))，對傳統(tǒng)社會數(shù)據(jù)進行處理和替換，并利用多目標蟻群算法和GIS耦合構建組合優(yōu)化方法，進行城鄉(xiāng)居民點空間布局優(yōu)化，以期實現(xiàn)空間尺度更加精細、更新更加及時、結果更具科學性與合理性的城鄉(xiāng)居民點空間布局優(yōu)化。

1 研究區(qū)和數(shù)據(jù)

1.1 研究區(qū)

廣州市是廣東省的政治、經濟、文化、教育和科技中心，是華南地區(qū)和珠三角地區(qū)重要的區(qū)域性中心城市，位于112°57′-114°03′E，22°26′-23°56′N。廣州屬于丘陵地帶，地勢東北高、西南低，背山面海，北部是森林集中的丘陵山區(qū)，中部是丘陵盆地，南部為沿海沖積平原。自2014年起，廣州市的行政區(qū)劃調整為：越秀、荔灣、天河、海珠、白云、花都、黃埔、番禺、南沙、從化以及增城11個行政區(qū)。廣州市2015年行政區(qū)及城鄉(xiāng)居民點分布如圖1所示。

圖1 2015年廣州市行政區(qū)及城鄉(xiāng)居民點分布Fig.1 Distribution map of Guangzhou administrative districts and residential lands in 2015

1.2 數(shù)據(jù)來源及處理

1.2.1 景觀指數(shù)

參考相關研究[26-28]，本文選取斑塊面積(CA)、斑塊數(shù)(NP)、斑塊分布密度(PD)、用地比例(PLAND)、平均最鄰近距離(MNN)以及平均斑塊面積(MPS)6個景觀指數(shù)(表1)，來反映廣州市城鄉(xiāng)居民點的布局特征。

上述景觀指數(shù)可利用軟件Fragstats 4.2對廣州市城鄉(xiāng)居民點數(shù)據(jù)進行分析得到。輸入的城鄉(xiāng)居民點數(shù)據(jù)是對遙感影像數(shù)據(jù)Landsat 8 OLI(時間：2015-10-08)進行遙感解譯得到的分辨率為30 m的柵格數(shù)據(jù)(圖1)。其中，解譯工作是在已糾正的遙感影像上通過人機交互快速提取方法完成的。

表1 景觀格局指數(shù)表

1.2.2 影響因子數(shù)據(jù)

本研究在參考已有研究以及專家問詢的基礎上，同時考慮土地可持續(xù)利用的理論和數(shù)據(jù)的可獲取性，選取坡度、高程、距離道路距離、距離河流距離、教育醫(yī)療、交通設施、文化體育服務、人口空間分布、植被歸一化指數(shù)(NDVI)以及土地利用類型10個對居民點分布具有影響的因子。首先，城鄉(xiāng)居民點的布局應朝著自然條件以及生態(tài)環(huán)境優(yōu)越的地區(qū)發(fā)展，其中坡度緩、高程低、距離河流道路近、植被歸一化指數(shù)值數(shù)值小(除去河流部分)且土地利用類型得分高的區(qū)域，更適合居民點的布局。其次，教育醫(yī)療核密度、文化體育核密度、交通設施核密度、人口空間分布4個社會經濟影響因子在一定程度上反映了區(qū)域的生活水平，因此值越大越適合居民點的布局。為了便于不同圖件的疊合，本研究將所有空間數(shù)據(jù)統(tǒng)一為Lambert等積方位投影，并將數(shù)據(jù)裁剪至研究區(qū)范圍。

1.2.2.1 區(qū)位條件數(shù)據(jù)

研究用到的坡度及高程數(shù)據(jù)是通過Arcgis10.2對DEM數(shù)據(jù)進行提取獲得的，分辨率均為30 m×30 m。其中，DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云(http://www.gscloud.cn/，數(shù)據(jù)時間：2015年)。

2015年廣州市道路、河流數(shù)據(jù)是通過對遙感影像數(shù)據(jù)Landsat 8 OLI(時間：2015-10-08)進行遙感解譯得到的柵格數(shù)據(jù)。在完成柵格轉矢量后，利用Arcgis10.2緩沖區(qū)分析工具計算居民點距離道路、河流的距離。緩沖區(qū)分析結果是30 m×30 m的柵格數(shù)據(jù)。

1.2.2.2 社會經濟數(shù)據(jù)

本研究基于Scrapy網絡爬蟲平臺，通過Python 語言編程，開發(fā)社會經濟指標POI數(shù)據(jù)抓取程序，快速獲取百度地圖中教育醫(yī)療、交通設施、文化體育服務等POI數(shù)據(jù)，包括經緯網坐標、類別、名稱等屬性信息。整理獲取的數(shù)據(jù)，篩選出重復或者屬性缺失的部分數(shù)據(jù)，得到有效數(shù)據(jù)89 734個，其中教育醫(yī)療11 727個、交通設施61 398個和文化體育16 609個，利用Arcgis10.2對這些POI數(shù)據(jù)進行核密度分析，得到30 m×30 m分辨率的柵格輸出圖層。

人口空間化數(shù)據(jù)集反映了人口數(shù)據(jù)在廣州市范圍內的詳細空間分布狀況。本研究所獲取的2015年人口空間化數(shù)據(jù)是從中國科學院資源環(huán)境科學數(shù)據(jù)中心獲取的[29](http://www.resdc.cn/)。該數(shù)據(jù)為柵格數(shù)據(jù)類型，每個柵格代表該網格范圍(1 km2)內的人口數(shù)，單位：人/km2。為了方便后續(xù)計算，利用Arcgis10.2將人口空間化數(shù)據(jù)重采樣至30 m×30 m分辨率。

1.2.2.3 生態(tài)環(huán)境數(shù)據(jù)

植被歸一化指數(shù)數(shù)據(jù)是利用ENVI5.1以及Arcgis10.2對遙感影像數(shù)據(jù)Landsat 8 OLI(時間：2015-10-08)進行相應處理得到的30 m×30 m柵格數(shù)據(jù)。

土地利用數(shù)據(jù)是通過對遙感影像數(shù)據(jù)Landsat 8 OLI(時間：2015-10-08)進行遙感解譯得到的柵格數(shù)據(jù)，其空間分辨率為30 m×30 m。本文按照不同土地利用類型轉化為城鄉(xiāng)居民點的限制程度差異，對土地利用類型進行量化[10，12]。其中，水域賦值0分；未利用地賦值10分；耕地賦值30分；林地、草地賦值50分；城鎮(zhèn)用地、農村居民點、其他建設用地賦值100分。

為方便居民點適宜性加權計算的科學性，各因子需與土地利用類型的值域范圍保持一致，本研究將不同因子的值域均歸一化至0～100 (表2)，得到各相關指標的新的值域分布圖(圖2)。

表2 相關指標原值域與歸一化值域

2 研究方法

在新數(shù)據(jù)集的基礎上，研究城鄉(xiāng)居民點的空間分布特征，并對城鄉(xiāng)居民點進行適宜性評價，在進行適宜性評價后需要對現(xiàn)狀居民點進行類別劃分。應用布局優(yōu)化工具(GeoSOS)運行得出優(yōu)化結果，實現(xiàn)緊湊性與適宜性目標。并與優(yōu)化前城鄉(xiāng)居民點的布局特征(居民點景觀格局指數(shù))、居民點土地適宜性進行對比，討論結果是否科學合理(圖3)。

2.1 景觀格局特征分析

景觀格局是指景觀的空間結構特征，是景觀組成單元的類型、數(shù)目及空間分布與配置，是景觀異質性在空間上的綜合表現(xiàn)。景觀格局指數(shù)是指能夠濃縮景觀格局信息，反映其結構組成和空間配置特征的簡單量化指標。本研究通過對居民點的景觀指數(shù)值以及居民點與相關因子的布局關系，對廣州市城鄉(xiāng)居民點的空間布局狀況進行分析。

2.2 居民點適宜性分析

本研究主要通過指標體系建立、權重確定、計算適宜性評價綜合分值3個步驟來確定廣州市城鄉(xiāng)居民點的適宜性。

2.2.1 指標體系建立

構建合理的適宜性評價指標體系是進行城鄉(xiāng)居民點布局優(yōu)化的關鍵。本研究從區(qū)位條件、社會經濟條件、生態(tài)環(huán)境條件3個方面選取10個因子構建指標體系(表3)。

圖2 各因子歸一化結果Fig.2 Normalization of each factor

2.2.2 指標權重確定

指標權重的確定方法有很多，本文利用主成分賦權法，以實際指標信息來確定權重，不存在因人而異的缺點，具有客觀性、合理性較高等優(yōu)點。主成分分析法確定權重的計算步驟如下[30]。

圖3 城鄉(xiāng)居民點布局優(yōu)化方法流程Fig.3 Flow chart of method for optimizing spatial allocation of residential lands

表3 廣州市城鄉(xiāng)居民點適宜性評價指標體系

1)進行主成分分析，計算各指標因子的特征值和特征向量、累計貢獻率，以及主成分載荷矩陣。以上分析在統(tǒng)計軟件SPSS19.0中完成。

2)確定主成分的線性組

Zj=Lj1X1+Lj2X2+…+LjpXp(j≤p)。

(1)

式中，Zj為第j個主成分的線性組合；X1,X2，…，Xp是原始的p個指標；Ljp為第p個指標在主成分Zj中的得分系數(shù)。

3)得分模型

根據(jù)主成分因子的線性表達式計算出各個主成分得分，采用各主成分的方差貢獻率作為其權重，計算各主成分因子的綜合得分。

(2)

(3)

式中，Z為綜合得分模型；δi為指標Xi的得分系數(shù)；Lji為第i個指標在主成分Zj中的得分系數(shù)；?j表示主成分Zj的方差貢獻率。

4)指標權重的歸一化

由于所有指標的權重之和為1，因此指標權重需要在綜合模型中指標系數(shù)的基礎上進行歸一化。

(4)

式中，wi為指標Xi的最終指標權重。

2.2.3 適宜性評價綜合分值

根據(jù)式(5)計算廣州市城鄉(xiāng)居民點適宜性綜合分值，并利用自然間斷分級法對綜合分值進行分級。

(5)

其中，F(xiàn)為城鄉(xiāng)居民點適宜性評價的綜合分值，wj為第j項指標的權重，Pij為第j項指標的第i個柵格的分值，m為評價指標個數(shù)。上述分析利用Arcgis10.2中柵格計算器計算完成。

2.3 基于蟻群算法的城鄉(xiāng)居民點空間布局優(yōu)化

城鄉(xiāng)居民點的空間布局優(yōu)化是一種在一定約束條件下的多目標優(yōu)化問題。蟻群算法是一種啟發(fā)式的智能方法，能夠智能搜索、全局優(yōu)化，在解決多目標優(yōu)化問題方面有很大的優(yōu)勢，非常適合應用到土地資源空間配置中。本研究將多目標蟻群算法引入城鄉(xiāng)居民點的空間優(yōu)化中，具體流程如下[31]。

①螞蟻編碼以及參數(shù)設置。需要將居民點適宜性目標以及居民點集聚目標映射至算法，并按照一定規(guī)則對輸入的柵格圖層進行螞蟻編碼。同時設置好啟發(fā)權重、信息權重以及揮發(fā)系數(shù)。

②螞蟻初始化。確定螞蟻的初始位置、啟發(fā)素濃度以及初始信息素濃度等并評價當前土地單元的優(yōu)劣。

③評價解的優(yōu)劣，并更新信息素濃度。根據(jù)算法設置的目標函數(shù)，判斷各個解的優(yōu)劣。同時加深質量高的候選解的信息素濃度，降低質量低的候選解的信息素濃度。本研究包含兩個目標函數(shù)，分別是空間緊湊性函數(shù)和土地利用適宜性函數(shù)?？臻g緊湊性函數(shù)可以促使居民點在空間上趨于緊縮和有序狀態(tài)；土地適宜性函數(shù)可以促使居民點向適宜性高的地方布局。本研究取土地利用適宜性(z)和空間緊湊性(c)的權重均為0.5，于是城鄉(xiāng)居民點空間優(yōu)化的總目標函數(shù)可以表示為[10]：

F=0.5×f(z)+0.5×f(c)。

(6)

其中，f(z)表示土地適宜性函數(shù)；f(c)表示空間緊湊性函數(shù)。

④終止條件。若不滿足終止條件，則重復②、③，直到滿足終止條件。

上述分析是利用GeoSOS(Geographical Simulation and Optimization Systems)軟件中面優(yōu)化工具實現(xiàn)[32](http://www.geosimulation.cn/)。GeoSOS操作平臺需要設置3個系數(shù)，本研究設置啟發(fā)權重為2，信息權重為4，揮發(fā)系數(shù)為0.4。本研究中廣州市城鄉(xiāng)居民點適宜性的評價結果可以作為土地適宜性函數(shù)，直接載入GeoSOS軟件中，同時空間緊湊性函數(shù)也可以直接在GeoSOS軟件中進行相應的設置。

3 結果與分析

3.1 城鄉(xiāng)居民點空間分布特征分析

3.1.1 基于景觀格局指數(shù)的形狀特征

由表4可知，從區(qū)域尺度來看，天河區(qū)、荔灣區(qū)、越秀區(qū)以及海珠區(qū)的城鄉(xiāng)居民點用地比例均超過60%，且其平均斑塊面積值偏大，平均最鄰近距離、斑塊分布密度偏小，這說明這4個區(qū)域內的城鄉(xiāng)居民點分布較為集中，規(guī)模大，破碎度小，呈集群分布?；ǘ紖^(qū)、南沙區(qū)、增城區(qū)以及從化區(qū)的城鄉(xiāng)居民點用地比例均低于15%，且其平均斑塊面積數(shù)值偏小，平均最鄰近距離、斑塊分布密度偏大，這說明這些地區(qū)的居民點規(guī)模小，分布較為零散。相比花都區(qū)、南沙區(qū)、增城區(qū)以及從化區(qū)4個區(qū)，番禺區(qū)、黃浦區(qū)和白云區(qū)的居民點分布較為密集，但仍存在部分居民點分布分散、規(guī)模較小等問題，需要進行科學合理的規(guī)劃整理。

表4 廣州市各區(qū)城鄉(xiāng)居民點景觀格局指數(shù)統(tǒng)計

3.1.2 居民點分布與相關因子的關系

為方便分析居民點與各相關因子的分布關系，以及景觀指數(shù)的計算，本研究利用Arcgis 10.2中自然間斷點分級法對各相關因子的原始數(shù)據(jù)進行分級，分級結果如表5所示。利用Fragstats 4.2軟件計算居民點在各個相關因子不同等級中的景觀指數(shù)值，將景觀指數(shù)值按類別進行統(tǒng)計，結果如圖4。

3.1.2.1 居民點分布與區(qū)位條件的關系

廣州市城鄉(xiāng)居民點主要分布在坡度緩、高程低、距離道路、河流近的區(qū)域內。2015年，坡度小于4°的居民點占88.49%；高程小于60 m的居民點占95%以上；距離道路1 km范圍內的居民點占62.01%；距離河流2 km范圍內的居民點占83.56%。從景觀指數(shù)來看，在坡度小于4°，海拔低于20 m，距離道路1 km，距離河流2 km范圍內的區(qū)域，居民點的平均斑塊面積較大，且分布密度以及平均最鄰近距離較小。隨著坡度變陡、海拔變高，以及距河流、道路的距離漸遠，居民點面積、所占比例、平均斑塊面積逐漸減小，斑塊分布密度與平均最鄰近距離逐漸增大。這說明居民點距離道路、河流越近，所處區(qū)域坡度越緩、高程越低，則規(guī)模越大，分布越集中。反之，則集聚程度低、破碎化程度大，且規(guī)模偏小，要進一步進行規(guī)劃整合。

3.1.2.2 居民點分布與社會經濟條件的關系

2015年，在教育醫(yī)療設施、文化體育設施、交通設施密度小于5個每平方公里范圍內的居民點占50%左右，在此范圍內的居民點的平均斑塊面積小，斑塊分布密度、平均最鄰近距離較大。隨著每平方英里的教育醫(yī)療、文化體育、交通設施個數(shù)增加，平均斑塊面積逐漸增大，斑塊分布密度、平均最鄰近距離逐漸減小。這說明，在各種設施分布集聚的區(qū)域，居民點分布集中且規(guī)模較大，而在各種設施平均核密度小于5個每平方公里的區(qū)域內，居民點規(guī)模小且破碎化程度高，可以著重針對這部分居民點進行規(guī)劃。

居民點內，人口數(shù)量越大，平均斑塊面積越大，斑塊分布密度以及平均最鄰近距離越小。這說明，人口聚集的區(qū)域居民點的分布較為集中。

3.1.2.3 居民點分布與生態(tài)環(huán)境的關系

廣州市城鄉(xiāng)居民點更傾向分布在NDVI值小于0.27的區(qū)域，2015年NDVI值小于0.27區(qū)域內的居民點占86.22%。當NDVI值越接近1時，居民點的分布密度、平均最鄰近距離值越大，所占比例以及平均斑塊面積值越小。因此，NDVI值接近1的居民點分布較為分散且規(guī)模小，需要進一步地整理。

表5 各相關因子分級結果

圖4 景觀指數(shù)值Fig.4 Landscape pattern index

3.2 適宜性分析

3.2.1 指標權重的確定

本研究選取10個指標因子構建廣州市城鄉(xiāng)居民點適宜性評價的指標體系(表3)。隨后采用主成分分析法，利用SPSS19.0統(tǒng)計分析軟件，計算各因子的特征值、累計貢獻率，計算主成分載荷矩陣(圖5)。結果顯示，PC1在教育醫(yī)療(C5)、文化體育服務設施(C6)、交通設施(C7)、人口空間分布(C8)4個指標上因子載荷量較大，在一定程度上可以反映居民點的生活條件、社會經濟條件；PC2在坡度(C1)、高程(C2)、距道路距離(C3)、距河流距離(C4)4個指標上因子載荷量較大，是衡量居民點區(qū)位條件是否優(yōu)越的重要條件；PC3在NDVI(C9)以及土地利用類型(C10)兩個指標上因子載荷量較大，在一定程度上可以反映居民點的生態(tài)環(huán)境條件是否合適居民點布局。

依據(jù)式(1)～(4)，計算各因子的權重，權重結果如表6所示。

圖5 主成分分析結果Fig.5 Principal component analysis result

表6 指標權重

3.2.2 廣州市城鄉(xiāng)居民點適宜性綜合分值

根據(jù)式(5)計算出廣州市城鄉(xiāng)居民點的適宜性綜合分值，并利用Arcgis10.2的自然間斷點分級法對綜合分值進行重分類(分級標準如表7所示)，即可得到廣州市城鄉(xiāng)居民點適宜性評價結果(圖6a)。并在此基礎上對各個區(qū)的適宜性分布情況進行統(tǒng)計(圖7a)。

廣州市城鄉(xiāng)居民點布局適宜性評價結果(圖7a)表明，位于適宜區(qū)的居民點面積為17 621.41 hm2，占全市居民點總面積的15.29%。越秀區(qū)、海珠區(qū)、天河區(qū)、荔灣區(qū)、白云區(qū)中位于適宜區(qū)的居民點占各個區(qū)居民點總面積的比重分別為86.78%、54.88%、45.03%、23.72%、22.01%。處于適宜區(qū)的居民點自然條件優(yōu)越，生態(tài)環(huán)境宜人，且社會經濟條件非常好，生產生活基礎設施、服務設施落完善，便于人的日常生產生活。此區(qū)域的居民點可以以城鎮(zhèn)發(fā)展計劃為基礎，不要盲目擴張用地規(guī)模。

位于較適宜區(qū)的居民點面積為53 266.10 hm2，占全市居民點總面積的46.21%。其中，荔灣區(qū)、番禺區(qū)、黃浦區(qū)、白云區(qū)、花都區(qū)、海珠區(qū)位于適宜區(qū)的居民點占各個區(qū)居民點總面積的比重分別為71.9%、56.25%、54.02%、53.79%、53.66%、41.15%。處于較適宜區(qū)的居民點多位于自然、生態(tài)條件較好的位置，僅社會經濟條件稍遜于適宜區(qū)的居民點。因此，可以進一步加強此區(qū)域的公共服務建設，并根據(jù)自身優(yōu)勢選擇性地進行擴張。

位于基本適宜區(qū)的居民點面積為29 546.97 hm2，占全市居民點總面積的25.63%，主要集中在南沙區(qū)、從化區(qū)、增城區(qū)、黃浦區(qū)、番禺區(qū)、花都區(qū)、白云區(qū)，各個區(qū)位于基本適宜區(qū)的居民點的面積占各個區(qū)居民點總面積的比重分別為71.74%、38.54%、34.46%、31.06%、30.22%、24.56%、14.48%。處于基本適宜區(qū)的居民點的自然條件較適宜，但其生態(tài)環(huán)境條件以及社會經濟條件較為遜色。因此可根據(jù)各居民點自身的優(yōu)勢和限制條件依靠鄰近居民點發(fā)展優(yōu)勢，根據(jù)不同情況進行擴展和縮減。

位于較不適宜區(qū)以及不適宜區(qū)的居民點面積共有14 845.41 hm2，占全市居民點總面積的12.88%，以從化區(qū)、花都區(qū)、增城區(qū)居多。該類居民點主要位于丘陵及低山區(qū)域，其布局零散、規(guī)模小，自然條件、社會經濟條件以及生態(tài)環(huán)境條件也都處于劣勢。為了改變這些居民點布局分散、結構松散的局面，形成集聚效益和規(guī)模效益，提高土地集約化程度，并改善居民點的生活環(huán)境，進一步實現(xiàn)城鄉(xiāng)統(tǒng)籌發(fā)展，在原則上可以將這部分居民點拆遷至鄰近的居民點或其他適宜性條件較好的區(qū)域。

表7 適宜性評價標準

圖6 居民點適宜性分析結果及優(yōu)化前后居民點布局情況Fig.6 Suitability analysis results and the layout of the residential lands before and after optimization

圖7 2015年優(yōu)化前后廣州市城鄉(xiāng)居民點土地適宜性統(tǒng)計Fig.7 Statistics on land suitability of residential lands in Guangzhou before and after optimization

3.3 城鄉(xiāng)居民點布局優(yōu)化

利用GeoSOS軟件，在優(yōu)化前后居民點面積不變的約束條件下，實現(xiàn)了居民點適宜性以及居民點緊湊性兩個目標。利用GeoSOS得到的廣州市城鄉(xiāng)居民點布局優(yōu)化結果是30 m×30 m的柵格數(shù)據(jù)，需要利用Arcgis 10.2中的柵格轉矢量工具，得到最終的優(yōu)化結果，如圖6c所示。

3.3.1 土地適宜性目標

比較圖6b和圖6c，以及圖7a和圖7b可知，優(yōu)化后城鄉(xiāng)居民點朝著適宜性較高的區(qū)域布局。優(yōu)化后城鄉(xiāng)居民點主要分布在適宜區(qū)、較適宜區(qū)和基本適宜區(qū)，分別占居民點總面積的18%、64%和17%。優(yōu)化后較不適宜區(qū)居民點僅占居民點總面積的1.02%。

優(yōu)化后，天河區(qū)、越秀區(qū)、荔灣區(qū)、海珠區(qū)4個區(qū)域內城鄉(xiāng)居民點空間布局變動不大，這主要是因為這4個區(qū)域的區(qū)位條件、經濟條件以及生態(tài)環(huán)境條件都十分優(yōu)越，且優(yōu)化前已經呈規(guī)模聚集分布，因此優(yōu)化后的空間布局變動不大；優(yōu)化后的白云區(qū)城鄉(xiāng)居民點主要分布在新市街、三元里、景泰街、黃石街、嘉禾街、均禾街、人和鎮(zhèn)、石井街、棠景街；從化區(qū)城鄉(xiāng)居民點主要集中分布在城郊街、街口街、溫泉鎮(zhèn)；番禺區(qū)原來位于石樓鎮(zhèn)、化龍鎮(zhèn)、沙灣鎮(zhèn)的居民點主要向適宜區(qū)以及較適宜區(qū)進行搬遷；花都區(qū)的城鄉(xiāng)居民點主要分布在新華街、獅嶺鎮(zhèn)；黃浦區(qū)優(yōu)化后的居民點主要集中在穗東街、夏港街、永和街等區(qū)域；南沙區(qū)主要集中在東涌鎮(zhèn)；增城區(qū)主要分布在荔城街道以及新塘鎮(zhèn)。居民點主要集中在這些區(qū)域是因為這些區(qū)域的區(qū)位條件優(yōu)越、經濟條件較好、生態(tài)環(huán)境適宜，居民點適宜性程度較高，方便人們進行生產生活等。

3.3.2 緊湊性目標

比較表4與表8，可以很明顯地看出，優(yōu)化后的城鄉(xiāng)居民點的平均斑塊面積顯著增大，斑塊密度、居民點個數(shù)減少，這都說明優(yōu)化后的城鄉(xiāng)居民點分布更加聚集，居民點破碎化程度降低且規(guī)模增大。平均最鄰近距離增大，是因為零星的居民點減少，且大部分居民點呈大規(guī)模聚集分布，故圖斑間距會加大。

表8 GeoSOS優(yōu)化后廣州市各區(qū)城鄉(xiāng)居民點景觀格局指數(shù)

4 討論

4.1 居民點的布局現(xiàn)狀受不同因素的影響。通過對廣州市城鄉(xiāng)居民點在不同影響因素下的布局規(guī)律進行分析，發(fā)現(xiàn)廣州市居民點在坡度緩，高程低，距離河流道路近，教育醫(yī)療設施、交通設施、文化體育服務設施完善，植被歸一化指數(shù)值小(除去河流部分)，土地利用類型得分高的區(qū)域表現(xiàn)出規(guī)模大、分布集中的特點。相反，城鄉(xiāng)居民點則呈現(xiàn)出分布零散、規(guī)模較小、集聚程度低等問題。

4.2 以往的城鄉(xiāng)居民點空間布局優(yōu)化結果，多以行政區(qū)為研究單元，將居民點劃分不同的整理模式。這種優(yōu)化方式導致布局優(yōu)化結果局限于行政單元，停滯在中觀尺度的研究[26,28]。例如：孫華生[1]等對居民點空間分布特征進行定量分析，按照城鎮(zhèn)和農村居民點規(guī)劃要求，確定城鎮(zhèn)建成區(qū)發(fā)展方向、需要遷移的村莊以及中心村，從而實現(xiàn)基于行政村尺度上的居民點優(yōu)化布局。

本研究中，居民點布局優(yōu)化的空間尺度更為精細、規(guī)劃更為及時，這主要是因為使用了新的數(shù)據(jù)集。本研究在傳統(tǒng)數(shù)據(jù)集的基礎上引入多源數(shù)據(jù)(POI和人口空間化數(shù)據(jù))，對傳統(tǒng)社會經濟數(shù)據(jù)進行處理和替換，建設了新的數(shù)據(jù)集。新數(shù)據(jù)集主要有兩個優(yōu)點：空間尺度更為精細、更新更為及時。本研究中用到的坡度、高程、距河流距離、距道路距離、NDVI、土地利用類型6個指標數(shù)據(jù)是30 m×30 m分辨率的柵格數(shù)據(jù)，是通過對 Landsat 8 OLI、DEM進行一系列處理得到。研究中用到的教育醫(yī)療核密度、交通設施核密度、文化體育核密度3個指標數(shù)據(jù)是30 m×30 m分辨率的柵格數(shù)據(jù)，是通過對POI數(shù)據(jù)進行核密度分析得到的，目前從百度獲取的POI數(shù)據(jù)不僅僅只是區(qū)級以上的大型設施，還包括很多小微型的設施，能夠在一定程度上反映更多的微觀細節(jié)信息。研究用到的人口空間分布數(shù)據(jù)是從資源環(huán)境數(shù)據(jù)云平臺獲取的，通過重采樣可以得到30 m×30 m分辨率的柵格數(shù)據(jù)，能夠精確地反映人口的實際空間部分，不只是基于行政區(qū)的人口統(tǒng)計數(shù)據(jù)。因此基于新數(shù)據(jù)集的優(yōu)化結果空間尺度也是30 m×30 m的。此外，因新數(shù)據(jù)集中各個數(shù)據(jù)的數(shù)據(jù)源更新周期短，因此可實現(xiàn)規(guī)劃更為及時的城鄉(xiāng)居民點空間布局優(yōu)化。

4.3 本研究將多目標蟻群算法應用至城鄉(xiāng)居民點空間布局優(yōu)化中，智能化地實現(xiàn)了土地適宜性以及緊湊性兩個目標。優(yōu)化前廣州市位于適宜區(qū)、較適宜區(qū)、基本適宜區(qū)、較不適宜區(qū)以及不適宜區(qū)的城鄉(xiāng)居民點面積分別占15.29%、46.21%、25.63%、12.41%、0.47%。優(yōu)化后廣州市城鄉(xiāng)居民點主要分布在適宜區(qū)、較適宜區(qū)和基本適宜區(qū)，分別占居民點總面積的18%、64%、17%。其次，通過比較優(yōu)化前后居民點的景觀指數(shù)值發(fā)現(xiàn)：優(yōu)化后居民點的平均斑塊面積、平均最鄰近距離顯著增大，斑塊密度減小，具體表現(xiàn)為居民點分布更加緊湊、有序。優(yōu)化后居民點朝著適宜性高的區(qū)域集聚，主要是因為適宜性高的區(qū)域區(qū)位條件、社會經濟條件以及生態(tài)環(huán)境條件優(yōu)越，適宜人的居住和生活。優(yōu)化后的居民點布局有利于公共衛(wèi)生福利設施的安排、文化娛樂商業(yè)服務業(yè)的建立、村莊道路交通設施的改善等，且可以充分發(fā)揮現(xiàn)有資源優(yōu)勢，使綜合效益最大化，更好地為區(qū)域經濟建設和社會發(fā)展服務。

5 結論

5.1 通過對廣州市城鄉(xiāng)居民點進行景觀分析，發(fā)現(xiàn)廣州市居民點除了天河區(qū)、荔灣區(qū)、越秀區(qū)與海珠區(qū)4個區(qū)的居民點較為集聚且規(guī)模較大，其他區(qū)域的居民點布局存在分布較為零散，且規(guī)模較小的問題。

5.2 基于新數(shù)據(jù)集的廣州市城鄉(xiāng)居民點空間布局優(yōu)化結果表明：空間尺度更為精細，規(guī)劃更為及時。基于新數(shù)據(jù)集的廣州市城鄉(xiāng)居民點布局優(yōu)化結果是30 m×30 m的柵格數(shù)據(jù)，并可轉化為矢量數(shù)據(jù)，且因為所用數(shù)據(jù)的更新周期短，可以使得布局優(yōu)化更為及時。

5.3 基于蟻群優(yōu)化模型的廣州市城鄉(xiāng)居民點空間布局優(yōu)化，結果直觀且優(yōu)化后的居民點向適宜性較高的區(qū)域緊湊且有序地布局，能夠實現(xiàn)適宜性與緊湊性兩個目標。