南宁师范大学发文!从地形视角理解中国农村聚落的村域尺度扩张

SCI期刊：Environmental Impact Assessment Review英文题目：Understanding the village-scale expansion of rural settlements in China from a topographic perspective中文题目：从地形视角理解中国农村聚落的村域尺度扩张发表时间：2026年1月20日文章链接：https://doi.org/10.1016/j.eiar.2026.108344

🏔️ 研究背景农村聚落是乡村人地关系最直接的空间载体，其扩张过程既受社会经济驱动，也深受地形条件的约束。过去40年，中国经历了快速城镇化，农村聚落规模不降反增，呈现出“人减地增”的悖论。然而，既有研究多将地形简化为单一控制变量，且分析尺度以县域或网格为主，难以揭示村域尺度下地形对聚落扩张的系统性调制作用。

🎯 研究意义本研究从地形梯度视角出发，首次在全国行政村尺度上系统解构中国农村聚落40年扩张的格局、过程与驱动机制。成果不仅为乡村空间规划、耕地保护、生态修复提供了精细化的科学依据，也为全球地形复杂区的乡村可持续发展研究提供了方法论范式。

📌 研究目的

1. 构建高程-坡度二维地形分类体系，识别中国行政村的地形类型；

2. 揭示1980–2020年农村聚落扩张的时空格局、土地利用来源与形态演变；

3. 发展地理加权机器学习（GWML） 框架，比较12种模型，捕捉驱动因素的非线性和空间异质性；

4. 为差异化乡村振兴政策提供地形分区指引。

🗺 研究内容研究集成30m土地利用、DEM、社会经济栅格、路网/河网等多源数据，以全国近70万个行政村（社区） 为基本单元，系统分析了：

• 九类地形村域单元的聚落分布与扩张差异；

• 聚落扩张的土地利用转移路径；

• 村域尺度聚落形态（规模、破碎度、形状、优势度）的40年演变；

• 基于GWML-SHAP的驱动机制解析与空间非平稳性制图。

📍 研究区概况研究覆盖中国全境（不含港澳台），地形涵盖“三大阶梯”，从东部平原、中部丘陵到西部高原山地，村域单元密度差异悬殊。该区域40年间经历了快速城镇化与乡村空间重构，是研究地形—聚落耦合关系的天然实验室。

📊 数据概况

• 土地利用：30m，1980–2020年7期，中科院资源环境数据中心；

• 地形：Copernicus DEM 30m；

• 自然环境：降水、气温、FVC、土壤类型（SoilGrids）；

• 社会经济：GDP密度、夜间灯光、人口密度（Landscan）；

• 区位：道路（高速/乡村）、河流、城镇驻地距离；

• 村界：全国行政村边界矢量（GISRS网络）；

• 处理：所有栅格数据统一重采样至1km，通过分区统计关联至村域单元。

⚙️ 研究方法

1. 地形分类：采用Jenks自然断点法，将高程、坡度各分为三级，构建3×3九宫格地形类型矩阵（L-L, L-M, L-H, M-L, M-M, M-H, H-L, H-M, H-H）；

2. 扩张分析：土地利用转移矩阵、景观格局指数（NP, TPA, MPA, PD, MSI, LPI）；

3. 驱动建模：构建GWML框架——对比OLS、RF、GBDT、XGBoost、CatBoost及其地理加权版本（GWR、GWRF、GW-XGBoost等），Optuna超参优化，独立测试集评估；

4. 解释分析：最优模型GWRF + SHAP，解析非线性效应与空间异质性。

📈 研究结果

1. 地形分布极不均衡：L-L村域仅占国土21.74%，却集聚了78.49% 的农村聚落面积（2020年）；

2. 扩张向高海拔陡坡迁移：2000年后，中海拔（1000–2000m）、中坡度（10–15°）区域成为扩张热点；

3. 土地利用来源差异显著：

• L-L平原：耕地占绝对主导，双向转换频繁；

• H-H高山：草地为首要来源；

• 丘陵山地（M-H, L-H）：林地贡献突出；

4. 形态演变：

• L-L村：规模大、密度高、边缘扩张为主；

• H-H村：规模小、密度极低（PD=0.46，仅为L-L村的1/110）、扩张分散；

• 全国聚落总体趋向规模增大、破碎化加剧、形状复杂化；

5. 驱动机制：

• GWRF模型最优（R²=0.544），显著优于GWR（0.362）与全局ML；

• 平原（L-L）：土地利用强度、村庄规模、耕地面积、夜间灯光共同驱动；

• 高海拔缓坡（H-L）：生态约束（FVC）为首要限制因子；

• 山地（M-H）：经济密度（GDPD）是克服地形的关键门槛；

• 土地利用强度、村庄规模呈现“双向非线性”效应：低值可能抑制，高值促进；

6. 空间非平稳性：

• FVC重要性集中于青藏高原、内蒙北部；

• LUI呈现“东高西低”梯度；

• GDPD重要性围绕国家级城市群；

• 区位因子（道路、城镇）仅在局部凸显。

🧠 主要讨论

1. 地形梯度并非静态背景，而是人地关系耦合的调制器——既限定扩张边界，又改变用地来源与驱动逻辑；

2. 村域尺度分析的优势与挑战：

• ✅ 优势：与乡村治理单元同构，政策落地性强；

• ⚠️ 挑战：近70万村界矢量处理计算量极大，村域社会经济面板数据缺失（依赖1km栅格降尺度）；

3. GWML框架的范式价值：通过系统对比12个模型，证明地理加权+机器学习在复杂地理过程建模中的必要性，SHAP与局部重要性图为非线性、空间异质性提供了可解释工具；

4. 政策启示：平原乡村应聚焦存量优化、功能提升；山地高原需严守生态承载力，以经济密度突破地形约束。

✨ 创新点

1. 尺度创新：首次在全国行政村尺度系统研究农村聚落扩张，打破传统县域/网格研究的尺度错配；

2. 视角创新：构建高程-坡度二维地形梯度分类体系，揭示地形对扩张模式、用地来源、驱动机制的系统性调制作用；

3. 方法创新：提出GWML框架，系统比较12种模型，遴选出最优模型GWRF，并集成SHAP实现非线性、空间异质性归因；

4. 发现创新：量化了“扩张向高海拔陡坡迁移”的趋势，识别了土地利用强度、村庄规模的双向非线性效应，绘制了全国首套村域尺度驱动因子重要性图谱。

⚠️ 不足与展望

1. 数据限制：村域社会经济数据缺失，采用1km栅格降尺度存在误差；

2. 模型上限：最优模型R²≈0.54，仍有未观测因素（如政策、宗族文化、产权制度）未纳入；

3. 分类主观性：地形分级虽用自然断点，仍存在一定人为设定；

4. 未来方向：

• 融合高分辨率遥感与POI提升村域社会经济数据精度；

• 探索时空加权机器学习（GTWR-ML） 捕捉时空二维非平稳性；

• 结合多情景模拟（PLUS、FLUS） 预测不同地形区乡村聚落演变路径。

✅ 总结本研究以行政村为单元、地形梯度为脉络、40年演变为纵深，首次系统揭示了中国农村聚落扩张的地形分异规律与驱动异质性。研究证明：地形不仅决定了聚落的“起点”，更持续重塑着扩张的“路径”与“逻辑”。所构建的地形分类体系—景观形态测度—GWML-SHAP归因分析框架，为人地关系地域系统研究提供了可推广的范式。成果直接支撑国土空间规划、乡村振兴差异化策略、耕地与生态空间协同保护等重大需求，也为全球地形复杂区的乡村可持续性研究贡献了中国方案。