【专家视角】南宁师范大学胡宝清教授团队最新发文｜从地形视角理解中国乡村聚落的村级扩张

来源：市场资讯

（来源：生态修复网）

文章基本信息

期刊：Environmental Impact Assessment Review（中科院一区TOP）

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乡村聚落的村级扩张

发表时间：2026年

文章链接：https://doi.org/10.1016/j.eiar.2026.108344

摘要

地形对乡村聚落的分布具有关键性影响。然而，以往研究往往忽视地形梯度的系统性作用，通常聚焦于宏观尺度，这掩盖了村庄层面的精细模式及其内在机制。为解决这一问题，我们构建了二维高程-坡度框架，以行政村为尺度重构了中国乡村聚落40年的演变历程。我们量化了村庄层面的形态变化，并采用地理加权机器学习（GWML）框架——该框架融合地理加权原理与机器学习能力，可捕捉驱动因素的空间异质性与非线性效应。研究发现乡村聚落分布呈现高度不均衡态势：截至2020年，78.49%的聚落面积集中于低海拔-低坡度（L-L）区域，而该区域仅占中国国土面积的21.74%。过去四十年间，聚落扩张呈现向高海拔和陡坡地带延伸的趋势，但具体模式与土地来源因地形差异显著。平原地区的扩张主要通过向耕地边缘推进实现，而在地形复杂区域则呈现分散式扩张且来源多样。此外，低海拔低坡度（L-L）村庄的聚居密度是高海拔高坡度（HH）村庄的百倍以上。经优化地理加权随机森林（GWRF）模型显示：平原扩张受土地利用强度与村落规模驱动，而复杂地形扩张则受生态约束或经济密度支配。本研究系统剖析了地形约束下乡村聚落的动态模式与形态分化，为乡村振兴与区域规划提供了科学依据。

Highlights

•基于高程-坡度框架，在村庄尺度上重构了中国40年乡村聚落演变历程。

•低海拔地区虽仅占国土面积的21.74%，却容纳了78.49%的聚落。

•聚落扩张呈现向高海拔延伸的趋势，低海拔村庄的聚落密度是高海拔村庄的百倍以上。

•提出地理加权机器学习框架，用于解释乡村聚落扩张中的非线性关联与空间非平稳性。

研究框架

为解决分析尺度错配与地形效应过度简化的局限性，本研究整合多源长期空间数据，系统考察中国乡村聚落的扩张模式及其内在机制，特别是在地形差异条件下，以行政村（社区）为尺度展开研究。作为中国最基础的行政单元，行政村区别于渔网式或宏观行政区域划分，能更有效揭示乡村人地系统与地形约束之间的微观耦合关系。本研究主要目标包括：(1)从地形梯度视角出发，构建二维“海拔-坡度”分类体系，定量评估中国乡村聚落跨不同地形类型的扩张特征与演变路径； (2) 运用多重景观形态指标量化村庄级聚落形态演变，为该尺度扩张过程与模式提供新认识；(3) 在方法论层面，构建一个综合性的地理加权机器学习（GWML）框架，整合并比较十二种模型，涵盖从基准线性回归到全局机器学习算法及其地理加权对应模型。所识别出的最优模型同时捕捉了空间非平稳性与非线性关系，为聚落扩张的复杂驱动机制提供了稳健解释。本研究为深入理解中国乡村生活环境演变提供了新视角与实证依据，并为制定差异化乡村土地利用政策及可持续发展规划奠定了方法论基础。

未来展望

尽管本研究为中国乡村聚落扩张提供了新见解，但仍存在局限性。与其他宏观层面的研究类似，本研究在数据处理过程中面临尺度匹配的挑战。由于缺乏村级统计数据，部分关键社会经济变量（如GDP和人口密度）需从更粗糙的1公里分辨率栅格数据中推导得出。这些属性随后通过空间关联分配至村级单元，该过程可能引入一定误差。其次，关于模型性能，虽然构建了综合性的地理加权机器学习并选出最优模型，但其最终解释能力（R²≈0.54）仍显有限。这表明可能存在未观测到的关键驱动因素或更复杂的交互机制。此外，粗粒度社会经济栅格数据与不规则村级矢量单元间的空间尺度错配，在分区统计聚合过程中不可避免地引入数据噪声，同样制约了模型的拟合精度。此外，尽管采用了詹克斯自然断点法，但“海拔-坡度”九网格地形分类的阈值划定仍不可避免地存在一定主观性。不同的分类标准或类别数量可能影响局部结果。未来研究应着重探索更客观科学的方法，将地形特征与乡村人地关系建立联系。在机器学习方法与地理问题融合的领域，探索集成学习与广域回归（GWR）的结合具有广阔前景。这将进一步增强模型的解释力，捕捉更深层的非线性关系及时空异质性。通过多方法与多尺度的综合整合，可实现对乡村村空间重构复杂过程与机制的更全面、多维度的认知。

文章主要图表

(生态修复网)