《Land》：Fine-Grained Village Functional Differentiation in Rural Territorial Systems: A Few-Shot Hierarchical Graph Learning Approach
编辑推荐：
在乡村地域系统中识别村庄功能分化对于差异化的乡村振兴和基于地点的治理至关重要。然而，现有方法仍缺乏有效的分析路径，将复杂的乡村地域关系和稀疏的规划标签转化为乡村功能强度的细粒度度量。为弥补这些不足，研究人员开发了一种少样本分层图表示学习（FH-GRL）框架。通
在乡村地域系统中识别村庄功能分化对于差异化的乡村振兴和基于地点的治理至关重要。然而，现有方法仍缺乏有效的分析路径，将复杂的乡村地域关系和稀疏的规划标签转化为乡村功能强度的细粒度度量。为弥补这些不足，研究人员开发了一种少样本分层图表示学习（FH-GRL）框架。通过集成分层图信息最大化（HGI）模型以捕捉跨尺度的村庄-乡镇-城市关系依赖，以及证据深度学习（EDL）机制将高维表示映射为类别特定证据和全球百分位排名（GPR），该框架支持乡村功能的细粒度分类和连续分级。对平顶山市的实证分析得到三项主要发现。第一，在本案例中，FH-GRL在有限标签样本下识别复杂乡村功能方面，比传统扁平聚类和局部图模型表现出更稳定的性能。第二，分层上下文作为一种空间校准机制，减少了局部产生的噪声，并提高了空间异质性下村庄功能分化的识别。第三，乡村功能分化反映了基于地点的条件与潜在流动相关交互条件的综合效应。特别是，中心村庄在农业平原的内生生产或服务中心与沿城市发展轴的外生服务中心之间呈现出差异化的发展轨迹。总体而言，本研究提供了一个面向规划的定量框架，用于在标签稀缺和空间异质性条件下诊断乡村功能分化。基于GPR的输出可支持识别高强度功能载体、过渡性村庄和一般储备区域，从而为差异化治理和分层资源配置提供诊断证据。该框架并非取代正式的规划判断，而是为分类乡村治理和更具证据支撑的国土规划提供地理空间信息支持。
# 论文解读：乡村地域系统细粒度村庄功能分化的少样本分层图学习研究
## 研究背景与问题
乡村地域系统承载着生产、生态和文化等关键功能，在当代乡村转型与治理中占据核心地位。然而，快速城市化加剧了城乡要素的空间极化，导致乡村普遍衰退，表现为生产空间中的农地破碎化与撂荒、生活空间中的人口流失与公共服务效率下降、生态空间中的无序开发与景观退化。由于不同村庄在资源禀赋、区位条件和发展阶段上差异显著，“一刀切”式规划常因缺乏情境敏感性而导致资源错配和治理低效。因此，识别乡村地域系统中的村庄功能分化，已成为实现差异化治理和因地制宜乡村复兴的前提。
现有村庄分类研究主要分为理论驱动的演绎方法和数据驱动的分类方法。前者如层次分析法（AHP），依赖专家知识，难以在大范围异质区域保持一致标准；后者如主成分分析（PCA）和自组织映射（SOM），虽减少了主观偏差，但仍存在三方面局限：第一，多数方法仅关注村庄自身属性，忽视了村庄功能嵌入地域系统的空间关系、拓扑依赖性和跨尺度交互；第二，模型在大范围异质区域的迁移性差；第三，分类输出与治理规划语义的衔接薄弱。此外，高置信度的村庄标签获取困难且成本高昂，依赖法定规划文件、专家知识和实地核查，导致标签稀缺问题普遍存在。因此，村庄分类应被理解为在复杂乡村地域系统中识别功能分化，而非简单的离散标签赋值。
为解决上述问题，研究人员开发了少样本分层图表示学习（FH-GRL）框架，旨在将政策导向的分类需求与算法设计相结合，通过融合多源地理空间数据、分层图学习和证据推断，实现标签稀缺和空间异质性条件下的细粒度乡村功能识别。该研究发表在《Land》期刊上。
## 关键技术与方法
研究人员主要采用了以下几项关键方法：首先，构建了覆盖区位交通、地理环境、特色资源、社会经济发展和基础设施服务五个维度共25个空间指标的多维特征体系，通过高斯核密度估计（KDE）、分区统计和空间邻近分析等将多源异质数据标准化为村庄特征矩阵。其次，设计了分层图表示学习框架，包括基于空间邻接和共享边界比的有向图构建、图卷积网络（GCN）编码村庄嵌入、多头注意力机制聚合乡镇表征，以及人口加权的城市级全局表征，并通过村庄-乡镇和乡镇-城市双层互信息学习实现无监督分层表示。最后，引入证据深度学习（EDL）机制将高维表示映射为类别特定证据，并基于全球百分位排名（GPR）进行连续分级和排序诊断。实验基于河南省平顶山市全域2404个村级单元（含城镇社区）的样本队列，采用2020年作为基准年份，结合2023年POI和路网数据以减少在线地图更新延迟的影响。
## 研究结果
### 4.1 多维特征的空间格局
通过可视化自然禀赋、社会经济活力和公共服务三个维度的代表性指标，研究人员发现：西部山区具有更强的生态和旅游资源禀赋；社会经济活力与公共服务设施呈现中心-外围梯度，东部平原经济活动和设施密度较高；人口分布与设施供给在空间上不完全重合，部分人口密集农业区的设施水平相对滞后。这些空间非平稳性为后续分层特征学习提供了地理背景。
### 4.2 总体性能比较与最优模型选择
通过对比PCA+K-Means（非拓扑基线）、GCN（扁平图基线）、HGI-Mean（平均池化消融模型）和HGI-MHA（完整模型，四头注意力），研究人员发现：HGI变体在所有五个乡村功能类别上均优于基线模型，主要表现为更紧凑的类别内秩分布（四分位距IQR显著降低）。其中，HGI-4H（四头注意力）在Suburban和Center类别上取得最低IQR，并在全类别上表现最均衡，被选为最优配置。
### 4.3 基于秩漂移的模块贡献分析
通过将模型演化分为三个阶段（S1：引入拓扑，PCA→GCN；S2：引入层次，GCN→HGI-Mean；S3：语义增强，HGI-Mean→HGI-MHA），研究人员利用秩漂移（Rank Drift）量化各组件贡献。结果表明：S2（层次结构）带来了最大的秩漂移，显著纠正了Suburban和Relocate类别的误判——中央平原腹地的伪郊区和城镇信号被抑制，城市外溢边缘的真实信号被增强。S3（多头注意力）提供了微观特征的精细校准。对于Nature和Culture等资源依赖型类别，简单节点属性和局部拓扑已基本足够，层次和注意力增强的影响较小。
### 4.4 细粒度特征识别与模式重建
通过联合分析证据归一化得分曲线和基于GPR的十级空间分级图，研究人员发现：Suburban类别的得分曲线存在中间平台（0.2-0.4），空间上呈现环绕中心城区和主要乡镇的环状分布，表明存在大量过渡性半城市化村庄；Center类别呈缓长尾衰减，高值区与交通节点吻合，在南部平原形成广泛节点分布；Nature类别头部极高但急剧收窄，表明核心生态资源的强稀缺性；Culture类别呈宽肩形，高等级文化资源依赖更广阔的空间载体；Relocate类别呈陡峭悬崖式下降，高值样本主要集中在地形起伏大、基础设施薄弱的边缘山区，与其他四类形成明显空间分离。
### 4.5 多特征相关与功能组成模式
基于突出特征村庄（类别内证据值前10%）的皮尔逊相关分析和UpSet图，研究人员发现：Suburban、Center、Nature和Culture之间存在显著正相关（r>0.3），其中Suburban与Nature/Culture的相关系数（r≈0.6）明显高于Center；Relocate与其他四类呈显著负相关（r<-0.5）。UpSet图显示单一功能主导仍是主要模态（单Relocate和单Center数量最多），而在复合功能组合中涉及Suburban的频率最高。空间上，Relocate呈边缘聚集特征；Center功能在南部平原以“单Center”型为主，在北部城市化发展轴附近则更多叠加Suburban、Culture和Nature属性，形成多维复合形态。
## 讨论与结论
### 讨论总结
研究人员指出，FH-GRL的主要价值在于将村庄功能置于多层级乡村系统中识别，而非仅依赖村庄属性。相比扁平聚类和图模型，层次结构引入宏观上下文，有效降低了局部噪声和错误分类。连续分级能力（通过GPR）使得同类村庄内的功能强度差异可视化，为识别核心干预区、过渡区和储备区提供了诊断依据。少样本设计依赖于初始种子的质量和代表性，具有一定的敏感性，因此FH-GRL更适合作为决策支持工作流而非固定模板。
乡村功能分化的地理逻辑表现为累积优势、功能依赖和内源-外源动力。正相关表明区位条件好的村庄更易将生态、文化或产业优势转化为实际功能；功能依赖体现在郊区功能与文化功能的叠加往往需要可达性和市场接入的支持；中心村庄在南部农业平原表现为内源生产或服务中心，而在北部城市发展轴附近则表现为受城市消费溢出和产业联系影响的外源服务中心。这些流动相关的解释基于静态空间代理和图表征结构，而非直接测量动态要素流。
在差异化治理方面，基于连续功能强度谱可将村庄划分为高强度核心区（前10%）、潜在过渡区（10-50%）和一般储备区（后50%），并针对不同类型和区域采取差异化措施：郊区村庄需有序引导为城市休闲腹地或产业配套区；中心村庄在平原侧重农业服务，在轴线区域侧重公共服务提升；搬迁类村庄适合智慧收缩路径，但需结合模型不确定性谨慎实施；多功能复合村庄应采取联动发展路径而非单一功能规划。
### 研究结论翻译
本研究解决了乡村规划研究中两个常见条件下的村庄功能分化问题：强空间异质性和有限标记样本。为此，研究人员开发并测试了一个结合分层图学习与证据推断的FH-GRL框架。该框架将村庄识别从扁平建模提升为多层级表征，从离散分类转变为连续功能分级。基于平顶山市的实证结果，得出三项主要结论：
（1）跨尺度上下文改善了本案例中村庄功能分化的识别。FH-GRL框架捕捉了嵌入村庄-乡镇-城市层级的关系结构。结果表明，分层上下文作为一种空间校准机制，减少了中央平原腹地的假郊区信号，并提高了受城市外溢直接影响的村庄的识别。这表明，当局部属性在更广泛的多层级结构中而非孤立地解读时，村庄功能可被更有效地识别。
（2）乡村功能分化既反映基于地点的条件，也反映潜在的流动相关联系。结果显示中心村庄存在明显的分化模式：在南部农业平原，中心村庄主要作为受耕地、人口基础和本地腹地需求支持的内源生产或服务中心；沿中北部城市发展轴，它们更可能作为受城市消费溢出、产业联系和外部服务需求影响的外源服务中心。更一般地，村庄功能不仅受当地资源条件塑造，也受到区位位置和潜在城乡交互条件的影响。然而，这些流动相关解释基于静态空间代理和图表征结构，而非动态要素流的直接测量。
（3）连续分级为差异化治理和资源配置提供了诊断支持。基于GPR的评价系统不仅可以区分村庄类别，还可以区分同一类别内的功能强度差异。这有助于识别不同功能下的高强度功能载体、潜在过渡性村庄和一般储备区域。在规划实践中，此类分级输出可支持更具针对性的诊断和优先级筛选，而非统一干预。然而，这些结果应作为规划支持证据而非直接规划决策或法定阈值，特别是对于接近分类边界或模型不确定性高的村庄。
该框架也存在若干边界条件：在平顶山案例中表现良好，但外部跨区域验证仍有限；模型语义对齐仍依赖少样本种子的质量和代表性；结果对数据可用性和空间尺度敏感。由于缺乏一致的村级数据，本研究未完全纳入土壤质量、污染、采矿沉陷、土地适宜性或实际动态流（如通勤、物流、旅游流动和社会经济交互），这些限制可能影响资源型地区乡村功能的解释，并制约框架的迁移性。未来研究应关注主动学习、跨区域验证、尺度敏感建模、动态流数据集成和区域特定指标扩展，以提高FH-GRL的透明度、稳健性和动态乡村规划的实用价值。
