·三农问题 ·
农村居民点时空格局演化模拟研究综述 *
李换换1，2，宋 伟2※，陈百明2，张 艳1
(1.长安大学地球科学与资源学院，陕西西安 710054； 2.中国科学院地理科学与资源研究所，陆地表层格局与模拟院重点实验室，北京 100101)
摘 要 [目的 ]在我国城镇化快速发展的大背景下，农村居民点分化重组趋势日益明显。利用模型模拟的手段定量揭示农村居民点空间格局演化的驱动因素，准确理解其演化过程和未来时期的布局态势，以期达到农村居民点的合理布局势在必行。为此，需要对目前农村居民点演化模拟的研究现状，以及应用的农村居民点演化模拟模型的适用性有一定的把握和认识。[方法 ]文章利用文献资料法和对比分析法，以农村居民点演化模拟研究的主要内容为主线，梳理和总结了农村居民点演化发展趋势、农村居民点演化模拟驱动机制，以及农村居民点演化模拟方法和模型，评述了不同演化模型的模拟原理及其优缺点。[结果 ]由于农村居民点的斑块空间破碎化、参与主体多样性、驱动因素复杂等原因，常规的土地利用变化模型在农村居民点模拟的应用上遇到了很大的挑战； 农村居民点演化模拟模型的选择仍具有较强的驱动力和尺度依赖性。[结论 ]土地利用变化模型可为农村居民点演化模拟研究提供有效参考，但是更加准确的农村居民点演化模拟需要注重机理模型的研发。通过空间途径和社会途径的耦合，解析农村居民点格局演化过程中的主要决策主体，构建农村居民点演化多主体模型，将是未来农村居民点演化模拟的重要方向。
关键词 农村居民点 格局演化 驱动力 模拟模型 综述
0 引言
在我国城镇化建设快速发展的大背景下，农村发展进入新的转型阶段。城镇化过程中，一系列的政策冲击，不仅涉及城镇的建设和发展，也通过城乡统筹和互动，深刻影响农村居民点的演化趋势[1]。在此情形下，要合理调控农村居民点的空间格局，引导其良性发展，依赖于对农村居民点长时期演化规律的把握以及对未来政策干预情景的清晰认识。因此，利用模型模拟手段定量揭示农村居民点的格局演化，对于准确理解农村居民点的演化过程，深入认识其演化发展动力以及评估农村居民点格局在政策实施后的发展态势具有重要意义。
农村居民点格局演化是土地利用变化的一种类型，因此其演化模拟也多借鉴了土地利用/覆被变化(LUCC)模拟的相关研究成果。早期的土地利用变化模拟主要关注模拟对驱动力和尺度的依赖性问题[2]，随后更加注重探索土地利用的位置和数量变化[3]。当前，土地利用空间格局的演化模拟，特别是从空间尺度揭示区域土地利用变化的驱动因素[4]，成为土地利用变化模拟研究的重要内容[5-8]。对于农村居民点的演化模拟研究来说，相关工作开展的仍然比较少。究其原因，主要是农村居民点分布零散、规模小、斑块空间破碎化的特点，不利于常规土地利用变化模拟模型的运转，限制了农村居民点变化的模拟精度。再加上农村居民点变化参与主体的多样性、驱动因素的复杂性等原因，使农村居民点格局演化的模拟遇到很大挑战。
利用模型模拟手段预测农村居民点未来发展情景，评估其未来演化态势，是预估政策可能冲击的必要手段。目前，农村居民点演化模拟模型的选择仍存在较强的驱动力和尺度依赖性问题[9-12]。在开展农村居民点演化模拟之前，需要深入解析其演化趋势和驱动力，以选择更适宜的模拟模型，提高模型的模拟精度。因此，文章以农村居民点演化的“态势分析—驱动机制选择—模型比较”为主线，系统梳理和总结了农村居民点演化的机理，评述了农村居民点演化模拟模型的原理及其优缺点，以期为今后农村居民点演化模拟研究提供借鉴参考。
1 农村居民点演化趋势分析
遵循农村居民点的演化规律，分析预测其未来演化趋势，是选择适宜的演化模拟模型的基础。目前，研究者常用景观生态学、数理统计、地理空间分析等方法，探索农村居民点空间格局演化特征。由于农村居民点是一个自然、社会与经济有机融合的复杂系统，其发展趋势，不仅体现自然系统的演化，也是人类认识和改造自然的反映。因此，自然环境的改变、社会经济的发展、农村制度的改革、政策措施的出台等，导致农村居民点的总体规模、形态结构、空间分布等处在不断的演化与变迁之中。
1.1 农村居民点规模演化趋势
农村居民点的规模一般用总体规模、人均规模以及农村居民点在城乡用地中的比例等指标来表征。由于斑块空间格局演变的机理以及演变过程所表现出的特征，与空间和时间尺度密切相关，其演化结果会因研究尺度的不同而有所差异[9]。因此，农村居民点演化研究对尺度有很大的依赖性。
利用CLUE模型模拟农村居民点演化，可以直观地反映农村居民点与其他类型用地之间的竞争关系，且不同政策情景下，农村居民点空间分布一目了然，其模拟结果对农村居民点的空间配置有重要指导意义。但是，农村居民点演化受政策干预影响较大，一些难以量化的政策因素，很难纳入CLUE模型的模拟。因此，利用CLUE模型模拟农村居民点的演化，很难反映政策的冲击。
对于需要可视化的学生数据，我们可以把可视化的类型分为数据关系的可视化和数据特征的可视化两种。而数据关系的可视化，我们可以理解为反映学生数据信息之间的关联性，比如说，每个学生每个月的支出的分类的占比情况；而所谓数据特征的可视化则是反映出一个数据的基本特征，比如说，一个学生每年绩点的变化情况。
表1 农村居民点规模演化趋势
农村居民点的规模演化是人口[26-28]、地区经济发展[29]、产权制度[30]、收入水平[31]、产业结构调整[32]、农村功能转变[31， 33]等诸多社会经济因素共同作用下的结果。其中，人口的变化是导致其规模动态变化的主要动力，而且由于我国特殊的城乡二元体制，形成了诸多人口变化与农村居民点规模演化呈现反向关系的反常现象[34]。
粒度最初被用在数据仓库中，表示数据单位中的数据细化和综合程度.粒存在不同的粒度，即粒的大小.粒度计算主要是为了建立以用户为中心的基于外部世界的概念，来简化对事物的认知，从而降低问题求解的复杂度.
1.2 农村居民点空间分布演化趋势
3.2.1 CA模型
农村居民点演化布局呈现多样性特征，但总体上逐步由不均衡向更加均匀化的方向发展。在全国尺度上，农村居民点分布密度呈现地带性差异，往往东部地区农村居民点密度高于西部地区，北方用地分布规模大于南方[18]； 在地形上，从平原地区到丘陵地区再至山地区域，农村居民点分布密度依次降低； 在地域上，经济发达地区农村居民点密度明显大于经济欠发达地区。此外，随着时间推移，农村居民点空间分布呈现不同类型的演化方式(表2)，如近30年来，三峡库区农村居民点由居住分散逐渐向居住集中发展，其空间分布呈现为以规模较大城镇为中心，四周的农村居民点以“卫星式”分布形态集聚的特点[40]； 赣南地区农村居民点沿河流或道路等现状地物呈现“条带式”演化模式[15]； 且大部分地区农村居民点以原有农村居民点为中心，向其周围扩散式扩张[41]等。
表2 农村居民点空间分布演化趋势
农村居民点作为一种土地利用类型，其演化过程体现了LUCC地表格局变化。因此，农村居民点演化模拟研究多借鉴目前已比较成熟的土地利用变化模型模拟。常规的土地利用变化模拟模型，学术界已经开展了较多研究工作，对各演化模型的优缺点及适用性和局限性也都作过全面分析和介绍。例如，任志远[51] 将土地利用变化模型根据土地利用变化的涵义分成系统诊断模型、土地利用动态变化模型和土地利用变化综合评价模型3类，并分别阐释了不同类型模型的特点； 张华[52]通过研读国际上LUCC模型的相关问题，根据Lambin的分类，将LUCC模拟模型分成细胞自动机控制模型、单元自动控制和混合/综合模型、经验统计模型、混合/综合模型或最优化模型以及基于行为者的模型等5类[3]； 裴彬根据不同土地利用模型的模拟方法，将Agarwal等统计的19种公开发表的模型分为主体模型、综合模型、元胞模型、进化模型、专家模型、统计分析模型、系统模型和基于方程的模型等8种不同类型[53]。
在移动网络中,QoS决定某个用户或某种业务的质量,由一组参数所组成,主要QoS参数描述如表1所示[4]。
2 农村居民点演化驱动力解析
驱动力分析是揭示农村居民点格局演化机理的重要内容，也是开展农村居民点演化模拟的前提条件。已有研究中，农村居民点演化模拟的驱动力分析多采用定性与定量相结合的方法。定量的研究方法主要有相关分析、系统聚类分析、判别分析、层次分析、主成分分析、系统聚类分析、趋势分析和回归分析等； 也有学者从新的视角划分农村居民点演化发展的驱动力变量，将其分为内部动力和外部动力[47]，或者根据各类因子对农村聚居作用侧重点的不同将其分为基础因子、新型因子和突变因子3类[48]，增加了农村居民点演化驱动力机制分析方法的多元性。总体来说，农村居民点演化发展的驱动力可以分为时间上的作用力和空间上的影响两个方面。
2.1 时间尺度
农村居民点从产生到发展稳定再至迁移转型，其演化过程具有明显的阶段性，是不同驱动力综合作用的结果。随时间的推移，农村居民点用地驱动因素经历了由单人口要素驱动，向经济、环境、政策等多重要素综合驱动的转变[49]。即，早期的农村居民点规模扩张主要受到人口规模增加的影响，用于满足农户基本住房需求； 随着工业化和城市化带来的农户非农化，非农经济收入快速增加，农户对住房环境需求逐渐强烈，促使农民新建住房，增加居民点用地面积。当前，有限的土地资源迫使政府必须实施一系列诸如新农村建设、新型城镇化、乡村振兴等制度措施引导农村住房与农户需求合理增长。在这一背景下，农村居民点用地不再单纯依据自然演化规律无序扩张，而且要在政策约束下严格按照规划建设。政策作用对农村居民点演化方向逐渐起到主导作用。不过，也有研究者认为人地关系状况才是影响农村居民点时间格局变化的主导驱动力，而战争、政策及气候灾害等因素是通过影响人地关系状况，进而影响农村居民点短时间尺度的格局变化[50]。
模型数据分析。当DEA模型的效率值等于1时，表明经济发展是有效的，即碳排放、资本和劳动力也是有效的。当DEA模型的效率值小于1时，表明经济发展是无效的，同时模型可以计算出碳排放、资本和劳动力如何变动，才能实现经济发展有效。
不同时间尺度内，农村居民点演化规模往往呈现不同的规律。在较长时间尺度上(超过50年)，农村居民点的总体规模往往呈持续增加态势[13]； 在近20年时间尺度内，农村居民点演化规模一般会呈现倒“U”型变化的特点[17]； 而较短时间尺度内，规模演化特征随地域而不同，具体表现为：东部沿海地区农村居民点由快速扩张转变为扩张受到抑制状态，在西部地区农村居民点则由规模扩张较慢发展为规模快速扩张状态[19]； 山区农村居民点总体规模继续扩大，平原地区居民点用地总量递减[22]，而丘陵地区农村居民点用地规模减少与增加并存[23](表1)。虽然不同时空尺度下农村居民点总体规模呈现不同演化趋势，但是大部分地区都呈现出农村居民点人均规模持续增长[24]，农村居民点用地在城乡用地中的比例相较于建设用地而言表现为逐渐下降直至趋于稳定趋势的特点[25]。
2.2 空间(地域)尺度
农村居民点的空间演变是一个由自然资源条件、区位可达及社会经济基础条件综合影响下的区位择优过程[35]，可以看做是居民点用地与周围其他类型用地之间的竞争结果。一般来说，自然因素决定了农村居民点用地格局的基本构架，在宏观上，构成了农村居民点成长发育的基质，对其起源、变化、消亡都有着较大的影响； 而社会经济因素则体现着人类直接或间接的活动状态，在中短时间尺度上，构成了农村居民点动态变化的主要驱动因素。通常在海拔较高的山地、丘陵地区，农村居民点演化受到较强的地理因子主导作用，农村居民点演化有明显向低海拔地区趋向性，即平原、平地区农村居民点更加集聚； 在低海拔区域，农村居民点表现出较强的社会经济因子相关性，受人口、政策、经济发展水平影响更加强烈，农村居民点演化有明显的向交通、河流、文化中心集聚效应(图1)。在这一大的演化方向上，耕地资源禀赋是农村居民点空间格局变化的主导驱动力，即农户建村首先选择耕地资源禀赋优越的平原，随着人地矛盾增加，逐步向丘陵和山地转移[50]。
图1 农村居民点演化的驱动力因素
假设需要判决某个问题，对于该问题所有的可能结果用集合Θ来表示，且Θ中的所有元素都两两互斥，则称该完备集合Θ为识别框架，可表示为Θ={θ1,θ2,…,θn}。
3 农村居民点演化模拟方法和模型
3.1 农村居民点演化模拟方法
可以看出，海拔、坡度、交通及水源等的差异[13， 44-46]，是导致农村居民点布局变化的主要原因。总体上，农村居民点的空间分布呈现出向地势相对平缓、交通更便利、距水源更近以及经济发展条件更好的区域集中的趋势，其空间布局也呈现出更均匀化的分布形式。
不过，目前关于农村居民点演化模拟工作开展的仍然较少。这既有相关工作开展较晚的主观原因，也有农村居民点用地较为零散不利于模型运转的客观原因。农村居民点用地在属性上与城市用地类似，但是在规模上远小于城市用地，布局上也呈现出分散分布的特点，这限制了诸多模型的模拟精度。我国对于农村居民点演化模拟研究的最早案例，是在城镇扩张的背景下，利用土地利用动态数据库分析农村居民点的空间格局。例如田光进学者利用元胞自动机模型CA与人工神经网络模型ANN为理论框架，对全国农村居民点进行分区，并对其时空分布和规模特征进行了分析[54]。之后一段时间内，研究者大多利用景观生态学与GIS空间技术相结合的方法来分析农村居民点的时空演变和规模变化[37， 55， 56]。在有限的模拟研究中，也大多是利用CA或CA与其他方法相结合的混合模型对农村居民点的发展过程进行模拟，例如运用案例推理方法获取元胞转换规则，以马尔科夫(Markov)方法对模型进行数量控制，开展农村居民点模拟工作[57]。此外，也有研究者将对数量变化有明显优势的Markov 模型与能够较强模拟复杂空间系统的CA模型结合，运用CA-Markov混合模型模拟农村居民点整治后的用地转换方向[58]。除了CA模型以外，常规的土地利用变化模拟模型—CLUE模型，也曾被用于农村居民点转化模拟[58]。CLUE模型的模拟原理与CA模型截然不同，该模型主要是基于经验统计分析从地类竞争的角度开展模拟工作，而CA 模型则主要基于邻域关系开展模拟。近年来，也有学者基于国家不同政策指向下的农村居民点发展，通过自行定义规则，将政策指标量化来模拟未来不同发展情景下农村居民点的演化态势[59]。
3.2 农村居民点演化模拟模型及评述
目前，在有限的农村居民点演化模拟研究中，用到的模拟模型主要有3类，一种是利用CA以及CA与其他方法相结合的混合模型对农村居民点的发展过程进行模拟； 另一种是将农村居民点用地作为土地利用的一种类型参与CLUE模型，模拟农村居民点的演化过程及其与其他地类之间的竞争； 第三种是基于农村居民点发展政策，在相应的政策背景下，通过自行定义农村居民点转化规则，模拟新政策对农村居民点演化的冲击。这几种模型的模拟机理完全不同，优缺点和适用性各异。
水利建筑行业的工作环境很特殊，员工大多工作生活在施工一线，工作环境艰苦，生活环境和生活条件较差，更为严重的是水利建筑行业的员工工资普遍偏低。因此导致了部分技术人员的跳槽，造成了企业的人才流失。员工离职最多的当属具有中高级专业职称的技术骨干，这些拥有工作经验和能力的人员都是企业的主力军，对企业发展具有重要影响。企业需要针对人才的培养、使用和合理流动制定一套严格的机制，同时要充分考虑每个员工的个性、特点和基本素质，针对不同人使用不同的方法，发现员工的潜在能力并加以教育培养。
农村居民点的空间分布可以用形态结构和空间布局两个指标来刻画。农村居民点的空间形态结构经历了从单一走向复杂、再到分化的演变过程[35]。研究表明，受人类活动干扰强度增加的影响，农村居民点外部形态更加规则化，居民点外部形状由条带形或锯齿形向更加规则的矩形或圆形演化[36]； 随着时间推移，农村居民点破碎化程度减小，小规模农村居民点整合或村庄内部房屋填充使斑块间临近距离不断缩短等[37]。农村居民点的形态构造主要受地形地貌、海拔高度等的影响[38， 39]，地形较平坦、海拔较小地区的农村居民点的规则程度往往要高于地形起伏较大地区。
大力推动“翻转课堂”教学探索与实践，建立以“微课”为核心的现代网络教学平台。以学生为主体，充分利用“+互联网”现代教育技术，调动学生学习的积极性。积极利用校园网开展教学活动，部分教师将课程教学大纲、教案、习题、实验指导书、参考文献等上网共享。部分课程打破课内课外的限制，探索“翻转课堂”教学方式改革，设计开发“微课”教学资源库，与学生就课堂上的问题展开课下网上讨论，使有限课堂自由延伸。以对学生的知识、能力、素质综合考核为目标，积极开展考试方法改革，引导学生主动学习，不断探索，提高自身综合运用知识的能力。
CA模型所具有的模拟复杂时空变化的能力以及其显著的自组织和自演化特征，使其在地理现象的模拟中具有广泛的应用[57]。CA模型的运行，主要由空间、元胞、邻域及转化规则4部分组成[60]。利用CA模型进行模拟，关键是确定元胞转换规则，转换规则是元胞转换的动力学函数，通过构建一种空间和时间离散的局部元胞空间，决定CA的模拟过程。目前，已有多种获取转换规则的方法应用于农村居民点演化模拟，如曹萍[61] 采用多准则判断元胞自动机(MCE-CA)实现农村居民点扩展演变过程的模拟； 姜广辉[58] 等基于Logistic逐步回归方法，通过计算生成不同土地利用类型空间转换概率分布图，以此作为农村居民点转换规则，对北京山区农村居民点整理用地转换方向进行模拟； 王晨懿[62]通过建立不同情景下农村居民点演化适宜性图集的方式，建立元胞自动机模拟的转换规则，模拟地质灾害威胁下的山地农村居民点空间变化(表3)。
表3 CA 模型不同转化规则应用及优缺点
虽然CA模型在农村居民点的演化模拟中占据主要优势，但其模拟精度也只能够达到77.5%[61]。今后，在对CA模型的使用过程中，应该充分考虑与其他理论或技术的结合，来提高CA模型的模拟精度。如季翔等运用生命周期理论预测出乡村景观格局演变周期，与CA-Markov模型结合可使预测结果在数量和空间精度上均达到95%以上[64]。
3.2.2 CLUE模型
农村居民点的演化过程是在长期的人类社会发展、人地互动综合作用下的产物，各驱动因子对其演化过程呈现正、负不同方向的促进作用，使其做出响应的时间也长短不一，例如经济、人口等对农村居民点规模增长有正向影响，而且影响作用可以很快表现出来； 政治、科技等因素会对农村居民点的规模增长等产生负向影响，但是其作用的发挥需要一个较长的时间[17]。以往的研究，大都是在一个比较小的时间尺度上分析农村居民点的演化特征，开展驱动机制分析，对于响应迅速的驱动因子可以有效识别，但是对于影响缓慢的驱动力，则容易忽视。因此，农村居民点演化的空间驱动机制仍需要长时间序列的分析，深入研究短期分析很难揭示的长期规律。
CLUE模型的基本原理是根据经验模型量化得到土地利用类型的空间关系，为预先设定的土地需求量进行动态模拟，实质是根据驱动因子与各土地利用类型之间的竞争关系进行空间分配迭代以实现模拟。CLUE模型可分为非空间需求和空间分配两个模块，非空间需求即土地利用需求(不同土地利用类型的数量需求)。空间分配模块是通过不同土地利用类型的竞争力大小、土地利用转换规则和概率分布情况等将非空间分析模块确定的土地利用需求分配到合适空间位置上，实现土地利用变化的空间布局模拟[65]。将CLUE模型应用于农村居民点演化模拟的研究并不是很多，且模拟精度不高，如黄明[65] 等在对罗玉沟流域土地利用变化进行模拟研究时，将农村居民点作为一种土地利用类型参与模拟，其精度只达到74.53%； 王亮等在开展土地利用变化的多情景分析时，也将农村居民点用地作为一种地类参与模拟[66]。
以往研究中，不同区域的农村居民点规模演化分析都是在特定空间以及时间尺度下进行的。时间尺度有长达半个世纪的长时间演化趋势分析[13， 14]，也有跨越数10年的中时间尺度[15， 16]以及历经数年的短时间尺度分析[17]。研究的区域集中在县域尺度和镇域尺度，只有极少数的研究是以国家尺度和村域尺度为案例区[18-21]。
3.2.3 自定义模拟规则模型
农村居民点的发展过程，不只是在其自然演化状态下的自生自演，也受到人类活动强烈干预。尤其是近年来，随着人地关系的不断紧张化，国家出台了一系列可能深刻影响农村居民点演化的政策。这些政策的实施可能直接改变区域农村居民点的利用方式及其发展轨迹。因而，量化这些政策实施对于农村居民点演化的冲击，成为了一个重要的研究方向。为此，有学者基于国家不同政策指向下的农村居民点发展，自行定义规则，模拟了新的政策及规划作用对农村居民点演化的冲击性。如Wang等[59] 为探索“自上而下”的国家规划和“自下而上”的居民自建两种模式下农村居民点的演化过程，通过构建基于面向对象的计算机语言，自行设计算法规则，来模拟具体政策导向下的农村居民点发展，并实时监控各地块的密度变化； 卢德彬等[67]为探索不同开发强度下农村居民点空间增长规律，基于改进的最小累积阻力值(MCR)模型，以农村居民点作为源，土地开发适宜性作为阻力值，建立农村居民点增长最小阻力值面，对其增长空间进行了模拟。
通过自行定义规则，可将引起农村居民点演化的驱动因子，尤其是政策、制度等传统模型难以表达的因素进行有效的量化，真正参与到模型模拟，弥补传统演化模型的不足。但是自定义模型规则，会更多地受到人为主观因素的干扰，从而造成模拟结果的偏差。
随着网络技术的不断发展，人们在享受它给生活带来的便利的同时也关注到了它带来的诸多问题：信息迷航、网络沉迷、虚假信息、网络犯罪等。这些问题让人们看到了网络的两面性，为了减少网络带来的消极影响，网络媒介素养教育这个新的研究领域被提了出来。同时，网络媒介的出现使得人们真切体会到了信息时代的特点，知识总量的急剧增加，知识的更新速度越来越快，人们使用传统的学习方式已经无法应对，必须寻求一种能够快速获取知识、掌握知识的新途径。知识可视化以其可视化的直观形式得到了信息时代人们的关注。
3.2.4 多主体模型
农村居民点的演化是在农户、村集体、政府等不同利益相关者或者主体的相互作用中实现的，需要合适的模型将这些多元主体之间的复杂关系进行有效梳理。传统的空间演化模型很难将人类行为因素考虑在内。因此，在考虑传统模型改进的同时也需要探索更适用于农村居民点演化特征的模型应用。基于多主体的耦合模型，即多主体模型(Multi-agent Model)是在复杂适应系统及分布式人工智能技术上发展起来的，近年来在土地利用变化模拟领域中异军突起[68-70]。多主体模型的计算比较多地考虑人工智能的主体性、适应性和社会性，可以应用于复杂系统的计算模拟，将演化的空间途径和社会途径有效耦合，因此多用于城市用地扩张模拟中[71， 72]。国际上，在利用多主体模型进行LUCC研究时用到的开发平台主要有CORMAS、RePast、Ascape、SWARM等，均是面向对象的编程语言[60]，多主体模型在农村居民点用地模拟中虽然还未涉及，但是通过有效梳理和分离出农村居民点演化的决策主体，并在研究方案中抽象出不同主体的分工和决策行为，还是可以保障多主体建模的可行性。
4 结论和展望
农村居民点的规模和空间演化均表现出一定的规律性。未来，随着户籍制度改革等政策的实施，农村居民点总规模与人口规模反向变化的趋势可能会得到缓解。同时，在城市扩张和生态保护的双重压力下，农村居民点的规模扩张会受到明显的抑制。如果未来户籍制度能够完全放开，村庄空心化得到有效治理，农村居民点的人均规模变化可能逐渐呈现平稳发展的态势。不过，未来农村居民点总规模和人均规模的变化态势仍在很大程度上取决于政策因素。根据中国农村宅基地转型趋势理论，未来农村居民点用地在城乡用地中的比例，相较于建设用地而言，会表现为逐渐趋于稳定的趋势。在农村居民点形态和布局演化方面，受地理环境、区位优势、村庄迁并政策等因素的影响，未来山区和丘陵地区的农村居民点可能会呈现向平原地区搬迁集中的态势； 同时，随着新农村建设、新型城镇化等政策的实施，农村居民点无序发展的态势可能会受到抑制，农村居民点的形态可能更加规则均匀。
开展农村居民点空间格局演化模拟研究，需要对其演化的长期发展规律进行探索，以确定其大致演化方向。以往的研究，多是对较短时间尺度内农村居民点的演化特征进行分析，认知近期内的发展变化态势，但是却不利于对其演化规律的整体把握以及对未来演化趋势的科学预测。因此，在今后的研究中，应加强中长时间尺度(50年以上)农村居民点空间格局演化及其驱动机制的研究。在地域尺度上，以往格局演化研究大多聚焦在镇域和县域尺度，而在我国推进供给侧结构性改革的政策指向下，结构性调整需要放眼整个大区域、大环境，需要全方位、大尺度的整体协调，宏观调配资源。因此，今后研究应加强较大区域的研究工作，在整个经济发展全域如环渤海湾经济圈、长江三角洲经济圈乃至全国尺度，研究农村居民点格局的演化发展，从整体上对其空间布局进行把握。
1.第一次检修这辆车的修理厂，对该车更换了点火线圈、火花塞，显得技术不够专业。这是选择题，故障现象是题干，故障原因是选项，必须选对导致本车故障的选项。如果本车只有一个故障原因则是单选题，经过诊断(包括查阅资料、分析与检测)在正确选项上画勾。如果本车有两个或以上故障原因则是多选题，错选和多选肯定不得分，因为无效修车会造成备件及工时浪费，对正确选项没有全部选中给一定的分，在修理中应继续选。
由于农村居民点自身原因，现有演化模型的模拟精度一直不是很高，因此需要更加注重针对农村居民点的新演化模拟模型的构建。农村居民点在演化过程中，涉及复杂的驱动机制及多元化的决策主体，使其演化模拟模型的构建一直是研究中的难点。加之农村居民点演化模拟过程对驱动力和尺度的依赖性，也增加了模拟模型选择的难度以及模拟结果精度的不确定性。因此，在今后的工作中，应该加强对农村居民点演化驱动力的解析，尤其是政策因素的量化研究，探索如何将驱动力的作用真正体现在模拟模型的运行上； 同时应该加强传统土地利用演化模型与其他理论或技术的结合，并根据研究区实际发展趋势，对农村居民点未来发展情景进行正确设计，探索更能体现农村居民点演化特征及其演化驱动力的模型构建及模拟规则的定义方式。
在农村居民点演化模拟模型的选取上，要注重能够实现空间途径和社会途径有效耦合的多主体模型的研发。重点揭示农村居民点演化过程中的主要决策主体，明晰农村居民点利用决策主体与农村居住环境的相互作用。由于多主体模型可以构建多主体综合决策规则，以反映不同主体间决策协商准则以及主体与环境间的交互规则等优势，在今后研究中，多主体模型可能成为农村居民点的演化模拟研究中重要突破方向。
参考文献
[1] Liu Y，Li Y.Revitalize the world′s countryside.Nature， 2017, 548(7667): 275-277.
[2] Zuidema G，Born G，Alcamo J，et al.Simulating changes in global land cover as affected by economic and climatic factors.Water Air & Soil Pollution， 1994， 76(1-2)： 163-198.
[3] 张华， 张勃.国际土地利用/覆盖变化模型研究综述.自然资源学报， 2005, 20(3): 422-431.
[4] 韩会然. 北京市土地利用空间格局演化模拟及预测.地理科学进展， 2015, 34(8): 976-986.
[5] Lang Y, Song W, Deng X. Projected land use changes impacts on water yields in the karst mountain areas of China. Physics and Chemistry of the Earth, 2018, 104：66-75.
[6] Song W，Chen B，Zhang Y.land-use Change and Socio-economic Driving Forces of Rural Settlement in China from 1996 to 2005.Chinese Geographical Science， 2014, 24(5): 511-524.
[7] Song W，Pijanowski B C，Tayyebi A.Urban expansion and its consumption of high-quality farmland in Beijing，China.Ecological Indicators， 2015(54)： 60-70.
[8] Liu Y，Song W，Deng X.Understanding the spatiotemporal variation of urban land expansion in oasis cities by integrating remote sensing and multi-dimensional DPSIR-based indicators. Ecological Indicators, 2019, 96: 23-37.
[9] Holling C. Cross-scale morphology, geometry, and dynamics of ecosystems. Ecological Monographs, 1992, 62(4): 447-502.”
[10] 马小娥， 白永平，纪学朋，等.干旱区内陆河流域农村居民点时空格局演变及影响因素.中国农业资源与区划， 2018(1)： 106-116.
[11] 谭博文， 宋伟，陈百明，等.基于空间核密度的新型城镇化实验区农村居民点变化研究——以天津市蓟州区为例.中国农业资源与区划， 2018(5)： 183-192.
[12] 李翔， 张毓涛，王慧杰，等.泽普县农村居民点空间格局演变及其影响因素.中国农业资源与区划， 2017(4)： 108-116.
[13] 李冬梅. 生态脆弱区农村居民点用地演变与土地盐碱化的空间耦合关系研究.吉林： 吉林大学， 2017.
[14] 崔闪闪， 刘庆，王静.空间粒度变化对县域农村居民点景观指数的影响——以江苏省大丰市为例.中国农业资源与区划， 2017， (3)： 20-26.
[15] 陈永林， 谢炳庚.江南丘陵区乡村聚落空间演化及重构以赣南地区为例.地理研究， 2016, 35(1): 184-194.
[16] 关小克， 王秀丽，李昕，等.山区农村居民点演变的地貌分异与分类调控研究.河南农业大学学报， 2016(3)： 396-403.
[17] 张德礼. 大城市郊区农村居民点用地规模变化规律及其驱动力研究.武汉：华中农业大学， 2008.
[18] 田光进， 刘纪远，张增祥，等.基于遥感与 GIS 的中国农村居民点规模分布特征.遥感学报， 2002(4)： 307-312.
[19] 田光进， 刘纪远，庄大方.近10 年来中国农村居民点用地时空特征.地理学报， 2003, 58(5): 651-658.
[20] 石诗源， 鲍志良，张小林.村域农村居民点景观格局及其影响因素分析——以宜兴市8个村为例.中国农学通报， 2010, 26(8): 290-293.
[21] 陶婷婷， 杨洛君，马浩之.中国农村聚落的空间格局及其宏观影响因子.生态学杂志， 2017, 36(5): 1357-1363.
[22] 胡贤辉， 杨钢桥，张霞，等.农村居民点用地数量变化及驱动机制研究——基于湖北仙桃市的实证.资源科学， 2007, 29(3): 191-197.
[23] 李冬梅， 王冬艳，李红，等.吉中低山丘陵区农村居民点时空演变.经济地理， 2016, 05(36): 143-151.
[24] 文枫， 鲁春阳，杨庆媛，等.重庆市农村居民点用地空间分异研究.水土保持研究， 2010, 17(44): 222-227.
[25] 龙花楼. 中国农村宅基地转型的理论与证实.地理学报， 2006, 61(10): 1093-1100.
[26] Porta J，Parapar J，Doallo R，et al.A population-based iterated greedy algorithm for the delimitation and zoning of rural settlements.computers Environment & Urban Systems， 2013, 39(3): 12-26.
[27] Luo G，Shao J，Cheng A，et al.The Evolving Models of Rural Settlements and Population Distribution in Karst Mountains.Acta Geographica Sinica， 2012, 67(12): 1666-1674.
[28] Conrad C，Rudloff M，Abdullaev I，et al.Measuring rural settlement expansion in Uzbekistan using remote sensing to support spatial planning.Applied Geography， 2015(62)： 29-43.
[29] 冯长春， 赵若曦，古维迎.中国农村居民点用地变化的社会经济因素分析.中国人口资源与环境， 2012, 22(3): 6-12.
[30] 刘毅华. 土地产权视角下的土地利用变化解析——以广东南海为例. 中国地理学会经济地理专业委员会.2017年中国地理学会经济地理专业委员会学术年会论文摘要集.中国地理学会经济地理专业委员会:中国地理学会,2017:1.
[31] 朱凤凯. 北京市郊区农村居民点用地转型与功能演变研究.北京：中国农业大学， 2014.
[32] Zhou G，He Y，Tang C，et al.Dynamic mechanism and present situation of rural settlement evolution in China.Journal of Geographical Sciences， 2013, 23(3): 513-524.
[33] Pak M，Breko V.Problems of agriculture in Slovenia with special reference to Cirkovce.Geojournal， 1999, 46(3): 257-261.
[34] 李裕瑞， 刘彦随，龙花楼.中国农村人口与农村居民点用地的时空变化.自然资源学报， 2010, 25(10): 1629-1638.
[35] 冯应斌， 杨庆媛.农村居民点空间格局演变及效应研究评述.人文地理， 2015(3)： 7-11.
[36] 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.地理研究， 2016, 04(35): 692-702.
[37] 蔡为民， 唐华俊，陈佑启，等.近20年黄河三角洲典型地区农村居民点景观格局.资源科学， 2004, 26(5): 89-97.
[38] 刘心怡. 近30年渝南地区农村居民点时空演变研究.重庆：西南大学， 2013.
[39] 曹子剑， 张凤荣，姜广辉，等.北京市平谷区不同区域农村居民点内部结构差异分析.地理科学进展， 2008, 27(2): 121-126.
[40] 周伟， 曹银贵，王静，等.三峡库区近30年农村居民点格局变化与特征分析.农业工程学报， 2011, 27(4): 294-300.
[41] 苏木兰， 戴文远，黄华富，等.快速城镇化背景下海岛农村居民点空间演变——以福建海坛岛为例.热带地理， 2016, 36(6): 1005-1018.
[42] 李翔， 张毓涛，王慧杰.泽普县农村居民点空间格局演变及其影响因素.中国农业资源与区划， 2017, 38(4): 108-116.
[43] Sun P, Xu Y, Liu Q, et al. Spatiotemporal evolution and driving forces of changes in rural settlements in the poverty belt around Beijing and Tianjin: a case study of Zhangjiakou city, Hebei Province. Journal of Mountain Science, 2017, 14(5): 980-997.
[44] Tian G，Qiao Z，Zhang Y.The investigation of relationship between rural settlement density，size，spatial distribution and its geophysical parameters of China using Landsat TM images.Ecological Modelling， 2012, 231(4): 25-36.
[45] 吴江国， 张小林，冀亚哲，等.县域尺度下交通对乡村聚落景观格局的影响研究——以宿州市埇桥区为例.人文地理， 2013, 28(1): 110-115.
[46] 谭雪兰， 张炎思，谭洁，等.江南丘陵区农村居民点空间演变特征及影响因素研究——以长沙市为例.人文地理， 2016(1)： 89-93，139.
[47] 姜广辉， 张凤荣，周丁扬，等.北京市农村居民点用地内部结构特征的区位分析.资源科学， 2007, 29(2): 109-116.
[48] Zhou G, He Y, Tang C, et al. Dynamic mechanism and present situation of rural settlement evolution in China. Journal of Geographical Sciences, 2013, 23(3): 513-524.
[49] 冯应斌， 杨庆媛.1980—2012年村域居民点演变特征及其驱动力分析.农业工程学报， 2016， 5(32)： 28-288，315.
[50] 张佰林， 蔡为民，张凤荣，等.隋朝至1949年山东省沂水县农村居民点的时空格局及驱动力.地理研究， 2016, 35(6): 1141-1150.
[51] 任志远， 张艳芳.土地利用变化与生态安全评价.北京：科学出版社， 2003.
[52] Lambin E，Mda R，Geist H.Are agricultural land-use models able to predict changes in land-use intensity?.Agriculture Ecosystems & Environment， 2000， 82(1-3)： 321-331.
[53] 裴彬， 潘韬.土地利用系统动态变化模拟研究进展.地理科学进展， 2010 (9)： 1060-1066.
[54] 田光进. 基于遥感与GIS的90年代中国城乡居民点用地时空特征研究.北京：中国科学院研究生院(遥感应用研究所)， 2002.
[55] 姜广辉， 张凤荣，秦静，等.北京山区农村居民点分布变化及其与环境的关系.农业工程学报， 2006, 22(11): 85-92.
[56] 陈振杰， 李满春，刘永学.基于GIS的桐庐县农村居民点空间格局研究.长江流域资源与环境， 2008, 17(2): 180-184.
[57] 龚健， 杨建新，李亚芳.基于案例推理元胞自动机的农村居民点变化模拟.资源科学， 2015, 37(9): 1797-1806.
[58] 姜广辉， 张凤荣，孔祥斌.北京山区农村居民点整理用地转换方向模拟.农业工程学报， 2009, 25(2): 214-221.
[59] Wang J, Zhao J, Wu T, et al. A Co-evolution model of planning space and self-built space for compact settlements in rural China. Nexus Network Journal, 2017, 19(2): 1-29.
[60] White R，Engelen G，Uljee I.The use of constrained cellular automata for high-resolution modelling of urban land-use dynamics.Environ Plann B.Environment & Planning B Planning & Design， 2008, 24(3): 323-343.
[61] 曹萍. GIS 支持下的农村居民点分布特征及用地扩展模拟研究——以柘溪镇为例.长沙：湖南科技大学， 2013.
[62] 王晨懿. 地质灾害威胁下山地农村居民点用地规划适宜性评价及空间模拟研究——以都江堰市向峨乡为例.成都：四川农业大学， 2011.
[63] 郗凤明， 贺红士，胡远满，等.营口市城市及村镇聚落增长与土地利用变化的模拟预测.应用生态学报， 2008, 19(7): 1529-1536.
[64] 季翔， 刘黎明，李洪庆.基于生命周期的乡村景观格局演变的预测方法——以湖南省金井镇为例.应用生态学报， 2014, 25(11): 3270-3278.
[65] 黄明， 张学霞，张建军，等.基于CLUE-S模型的罗玉沟流域多尺度土地利用变化模拟.资源科学， 2012(4)： 769-776.
[66] 王亮， 卞正富.基于CLUE—S 模型的崇明东部土地利用变化的多情景分析； 中国土地科学论坛， 2012.
[67] 卢德彬， 毛婉柳，禹真，等.基于改进MCR模型的山区农村居民点空间增长模拟研究.水土保持研究， 2016, 23(5): 322-349.
[68] Yang X，jin X，Du X，et al.Multi-agent model-based historical cropland spatial pattern reconstruction for 1661-1952，Shandong Province，China.Global and Planetary Change， 2016(143)： 175-188.
[69] Abreu C，Zaghetto A，Macchiavello B，et al.A multi-agent model system for land-use change simulation.Environmental Modelling & Software， 2013, 42(4): 30-46.
[70] Zhang Y，Sun Y，Chen Z.Simulation of land use change using multi-agent model.Transactions of the Chinese Society of Agricultural Engineering， 2013, 29(4): 255-265.
[71] Guangjin T，Bingran M，Xinliang X，et al.Simulation of urban expansion and encroachment using cellular automata and multi-agent system model-A case study of Tianjin metropolitan region，China. Ecological Indicators， 2016(70)： 439-450.
[72] Liu R，Jiang D，Shi L.Urban land Use Development Research Based on Multi-agent Simulation System.Scientia Geographica Sinica， 2017, 37(4): 537-545.
REVIEW OF THE RESEARCH ON THE EVOLUTION SIMULATION OF SPATIAL -TEMPORAL PATTERNS IN RURAL SETTLEMENTS *
Li Huanhuan 1,2,Song Wei 2※,Chen Baiming 2,Zhang Yan 1
(1. School of Earth Science and Resource, Chang′an University, Xi′an， Shaanxi 710054, China; 2. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101，China)
Abstract At present, with the rapid urbanization in China, the differentiation and reorganization trends of rural settlement are becoming more and more obvious. In order to achieve a reasonable layout for rural settlements, it is imperative to quantitatively reveal the determinants that influence the spatial evolution of rural settlements, accurately understand its evolution process and furtherly predict their future layout by modeling and simulation approaches. Therefore, it is necessary to master the current status of research on simulating the evolution of rural settlement patterns and evaluate the applicability of models that can be used to simulate the rural settlement evolution. Taking the main contents of the research on the rural settlement evolution simulation as a mainline, using the methods of literature summary and comparative analysis, this paper reviews the evolution patterns and driving mechanism of rural settlements and compares the advantages and disadvantages of their methods and models. Findings from our systemic review are showed as follows. As the reasons of scattered distribution in rural settlement, diversity of its participants, and complex driving factors, the application of conventional land-use change models in simulating rural settlement is facing great challenges. The selection of the simulation model of rural settlement strongly associates with the selections of driving forces and spatial scale. In conclusion, the simulation model of land use change can provide an effective reference on the simulation of rural settlements evolution. However, the more accurate evolution simulation of rural settlements requires a further consideration of the model mechanism. As a consequence, to analyze the main decision-making body in the rural settlement evolution through coupling spatial approach and social approach, and additionally, construct a multi-agent model will be an important future direction of the rural settlements′ evolution simulation.
Keywords rural settlements; pattern evolution; driving force; simulation model; review
中图分类号 ：K901.8
文献标识码： A
文章编号： 1005-9121[2019]01079-10
doi: 10.7621/cjarrp.1005-9121.20190112
收稿日期： 2018- 06- 26
作者简介： 李换换(1991—)，女，山西临汾人，硕士。研究方向：土地资源管理
※通讯作者： 宋伟(1981—)，男，山东沂源人，博士、副研究员。研究方向：土地利用与政策。Email：songw@igsnrr.ac.cn
*资助项目： 国家自然科学基金项目“面向新型城镇化的农村居民点格局演化与调控研究”(41671177)； 国家重点研发计划“全球变化与经济系统成害过程研究”(2016YFA0602402)；地球观测与时空信息科学国家测绘地理信息局重点实验室经费项目“地块碎小区域农作物种植结构遥感提取方法”(201807)
标签：农村居民点论文; 格局演化论文; 驱动力论文; 模拟模型论文; 综述论文; 长安大学地球科学与资源学院论文; 中国科学院地理科学与资源研究所陆地表层格局与模拟院重点实验室论文;