ARTICLE · 1209403
【全球前沿】卫星+AI分析2000多个乡村院落,大都市郊区农居如何变化?
快速的城市化和人口老龄化正在改变大都市郊区的景观，庭院的变化成为农户对环境变化的关键空间反应。现有研究缺乏详细的庭院类型检测方法和大规模动态监测技术，限制了对空间变化模式及其驱动力的理解。本研究聚焦北京郊区2568个村庄，基于改进的YOLOv11模型和地理空间人工智能（GeoAI）技术开发地理庭院检测方法。我们首次实现了对庭院类型（包括庭院住宅（CD）、有顶庭院（CC）和独立庭院（DC）及其时空变化的高精度大规模自动检测和测量。村庄尺度的庭院检测准确率达到94.29%，检测庭院分类准确率为92.08%，F1评分为0.922。我们的发现显示，CC在2010年至2020年间增加了36.45%，形成了主要由迁徙和降水增加驱动的多中心聚集模式。华盛顿特区增长了15.14%，主要集中在浅山过渡区，主要受迁入人口的租金需求和大家庭空间分配需求推动。地理和时间加权回归（GTWR）及深入访谈揭示了驱动因素的空间异质性。本研究在大都市区的机构约束下建立了多适应性庭院分化模式，为大都市郊区的详细景观规划和可持续治理提供了宝贵数据和科学证据。
引言
城镇化、人口老龄化与气候变化正在重塑大都市郊区乡村景观，院落是农户响应外部变化最直接的空间载体。现有研究多聚焦于村庄整体宅基地布局，难以捕捉村庄边界不变情况下院落内部的结构改造；传统乡土建筑研究多局限于小范围案例，而卫星、无人机遥感手段很难同时兼顾大范围覆盖与高精度院落识别，并且多数研究只识别独立建筑，没有把院落当作农户决策的完整空间单元开展分析。
基于此，本文提出三个核心研究问题：第一，如何搭建适配院落特征的深度学习检测框架，实现大区域高精度自动识别院落类型；第二，北京郊区各类院落的数量构成、时空分布与演变模式是什么；第三，在统一宅基地制度约束之下，人地关系如何影响农户改造院落的决策，造成院落类型空间分异。
研究提出地理‑院落这一概念，指代通过深度学习与地理空间人工智能识别、带有精确地理位置的完整院落单元，划分出三类院落：院落民居、封闭式院落、独立多层院落。
依托人地关系理论与农户行为理论提出四条研究假设：外来迁入人口越多的乡镇，独立多层院落数量越多；家庭规模、老年人口占比更高的乡镇，独立多层院落更多；人口外流的乡镇，封闭式院落、独立多层院落都会出现增长；降水更高的区域，封闭式院落数量更多。
方法
研究区域选取北京郊区 2568 个村庄，排除已经城市化的城中村，涵盖平原、浅山、深山多种地貌。使用的数据源包含 2010、2020 年分辨率 0.54 米谷歌地球高分辨率遥感影像；第三次全国国土调查、农业普查、土地登记等官方土地校验数据；降水栅格数据；区县乡镇统计年鉴、人口普查社会经济面板数据；另外开展实地田野调查，对 46 户农户完成半结构化深度访谈获取微观行为信息。
技术层面，本文改进 YOLOv11 深度学习模型，构建完整的地理‑院落检测流程。首先制作标注数据集，对遥感影像切片标注三类院落样本；对原始模型增加双通道特征提取模块，分别提取院落轮廓空间信息与屋顶材质纹理信息，搭配院落专用注意力机制，同时做数据增强处理；检测输出的图像框通过地理空间人工智能模块转为真实地理坐标矢量面，设置置信度、重叠率规则完成去重与质量校验，采用切片训练‑整村检测的多尺度策略完成全区域识别；从瓦片、村庄两个层级，结合实地调研、国土调查数据开展多维度精度验证。
得到院落识别结果之后，开展时空格局统计分析，计算不同院落类型数量变化、空间自相关聚类特征。驱动因素分析采用空间杜宾模型、时空地理加权回归模型，前者处理数据的空间相关性与空间溢出效应，后者捕捉不同地区驱动因素的空间异质性；结合访谈材料对模型回归结果做行为机制解读。
庭院类型分类与插图
理论假设
研究范围
结论
通过深度学习模型检测得到 2010 至 2020 年北京郊区院落数据集，村庄尺度院落整体检测精度 94.29%，院落分类精度 92.08%，F1 分数达到 0.922。统计结果显示，十年间院落总数量明显增长，院落民居依旧占主体，封闭式院落涨幅达到 36.45%，独立多层院落增长 15.14%。
空间上院落整体呈现东南密、西北疏的格局；封闭式院落形成多中心集聚，集中在降水充沛的东北部浅山过渡带；独立多层院落集聚在靠近城区的浅山过渡区域。
空间杜宾模型检验四条假设，外来迁入人口正向促进独立多层院落发展，家庭规模越大独立多层院落越多，验证假设一、二；人口外流仅显著推动封闭式院落增长，对独立多层院落作用不显著，假设三得到部分验证；降水量对封闭式院落存在显著正向影响，验证假设四。
时空地理加权回归进一步揭示驱动因素的空间异质性：东南部平原封闭式院落主要受人口外流驱动，农户低成本改造院落满足留守家人使用；东北部山区封闭式院落受降水驱动，服务现代农业储存和乡村旅游经营。靠近城区的西北部区域独立多层院落源于外来人口租房需求；西南部山区独立多层院落更多是外流务工积蓄叠加防灾重建需求带来的结果。
在统一宅基地制度约束下，受人口流动、家庭结构、气候条件共同作用，京郊院落走出差异化改造路径，不同区域院落转型的主导驱动并不相同。
基于深度学习和地理人工智能的地理庭院检测框架
2010年至2020年北京郊区庭院类型检测数量
模型检测准确度验证结果。A 表示模型训练 ROC 曲线，B 表示模型构建验证瓦片数据集，C 表示外部瓦片验证数据集，D 表示模型建设村落数据集，E 表示外部村落数据集
庭院提取在不同地形环境中的结果。在I， ̃af中展示了村庄的位置;A1~F1 展示原创影像;A2~F2 展会庭院分类结果;A3~f3 显示模型输出掩蔽结果。模型分类的细节II、III是通过实地调研获得的村庄庭院图像数据，IV是村庄庭院分类结果与实际结果的混淆矩阵
2020年安装检测到的庭院数量，并结合了庭院面积的建筑面积数据
2010年至2020年北京郊区庭院类型的空间分布
2010年至2020年几何庭院类型空间聚类变换矩阵
相关系数矩阵
GTWR对关键变量局部回归系数的空间分布
讨论
本研究方法层面实现从单体建筑识别升级到以农户决策为单元的完整院落系统识别，解决大范围与高精度难以兼顾的矛盾，依靠公开卫星影像即可完成监测，方法具备向其他地区推广的潜力。
理论上提炼大都市郊区院落的多元适应性分异模式，提出院落演化存在封闭式改造、竖向加建、存量固化三条并行路径，打破乡村转型是单向线性变化的固有认知。
研究揭示制度背景下的内部分化逻辑：虽然宅基地制度保障农户权益，但资本门槛、村干部信息优势、区位条件，会造成农户改造院落机会与收益出现明显分化。
实践层面，可以根据院落类型空间分布，实施差异化乡村治理：院落民居集中区域侧重风貌保护内部更新；独立多层院落集聚区域重点规范租房市场与消防配套；封闭式院落集中区域提供农房改造技术指导。
研究以乡镇为统计单元，未来可以进一步细化到县域尺度；后续还需要纳入人口收缩型郊区，关注闲置废弃院落演化，把历史文化、建筑传统因素纳入定量分析。
有顶庭院的利用模式。A显示村庄庭院位于平原区域，围栏后用于停放农业生产和运输设备;B展示了一个位于山区村庄的旅游农业旅游设施
郊区特区租车租赁市场的田野景观特征
北京郊区庭院分布模式
本公众号分享国际规划前沿解读，个人观点仅供参考，欢迎指正，文章版权归原作者所有。
原文请点击“阅读原文”查看
