中国的山区分布广泛,在国土面积中占比高,传统意义上,山区县域支持经济社会发展的资源环境本底条件有限,使之长期处于经济社会发展的薄弱区域。近年来,中国经济发展方式的转型升级,促进了产业、产能的跨区域流动,加之政策扶持与财政转移支付力度的加大,山区经济社会发展逐步提速,城乡之间人口、资源格局发生持续调整,大量农村劳动力转移至城镇的非农经济部门,引发农村人口的持续外迁,造成农村居民点的闲置、废弃,而山区的工业化、城镇化发展产生了强烈的建设用地需求,土地资源在城乡之间的配置更趋不合理。受地形等因素的限制,山区农村居民点空间布局分散,基础设施覆盖范围有限,使得农村人居环境较差。同时,居民点利用形式粗放,人均用地面积大,土地浪费严重,总体利用效率低下。在此背景之下,山区农村居民点用地规模与布局亟待深入调整。因此,开展山区农村居民点布局优化研究,以期提升农村土地节约集约利用水平,改善农村人居环境,对城乡协调发展、乡村振兴和生态文明建设都具有重要的理论和现实意义。基于此,本文聚焦山区农村居民点的布局优化研究,首先梳理了国内外农村居民点布局优化及相关领域的研究成果,总结研究进展及存在的不足,介绍了研究涉及的主要概念和基础理论;其次,分析山区居民点的发展特征,比较已有的布局优化模式,明确山区农村居民点布局优化的总体思路,探讨机器学习与功能分区等方法在布局优化研究中的支撑方式;最后,以湖北省十堰市房县为例开展布局优化实证研究,提出了相关的政策建议。研究形成的主要结论和成果如下:(1)丰富了山区农村居民点布局优化的内涵,提出了山区农村居民点布局优化新模式受到山区自然条件、资源禀赋、发展水平的影响,现有的农村居民点布局优化模式在山区的施行面临着地理、经济和管理层面的制约。考虑到山区用地实际,应将其与乡村振兴等发展目标结合,在国土空间规划相关成果的指导下进行,实现优化涉及的所有居民点用地的利用或转用。基于这样的新内涵,本研究提出了山区农村居民点布局优化的新模式,其总体思路为:稳固适宜型居民点的长效利用,科学转用非适宜型居民点,调整涉及其中的人与地的权益关系。(2)实现了基于机器学习方法的山区农村居民点用地适宜性评价,分别对具有保留和转用预期的居民点用地进行识别基于对象分析法,融合了机器学习方法与适宜性评价过程,提取土地禀赋、农业生产条件、生活与发展条件三个因素层构建评价指标体系,使用随机森林、支持向量机和朴素贝叶斯算法,通过参数调优、模型验证等优化手段,识别了房县适宜型与非适宜型农村居民点,利用因子重要性函数分析影响因素的作用程度。结果显示:随机森林法的总体性能表现最优;居民点的可通达性、所处海拔、居民点规模是影响居民点适宜性的最主要因素;非适宜型居民点绝大多数集中于房县的东北部与中部偏北、偏西地区,数量较大,居民点利用的变化预期较为强烈。(3)以房县所在地级市为整体实施了乡镇层面土地利用功能分区评价,为区域内的农村居民点利用与转用提供指导从自然生态承载、经济发展竞争、未来开发潜力三个因素层入手,构建乡镇层面的土地利用功能分区评价体系,将房县所在的地级市作为研究整体,以多种分区方法综合为主,辅以人工修正,区分出重点开发区域、优化开发区域、限制开发区域和禁止开发区域,房县乡镇的分区结果显示:重点开发区域集中在北部区域,优化开发区则集中在城关镇所在的中部及周边贯穿东西的乡镇内,南部少量乡镇被划为限制开发区,上龛乡、五台山林场被划为禁止开发区。结合不同乡镇的主要功能定位,对域内农村居民点的利用与转用方式给出导向建议。(4)制定布局优化方案,测算其对土地利用规划调整预期的贡献程度依据机器学习评价和功能分区成果,并参考房县2020年土地利用结构预测情况,从全域4535.59公顷的适宜型农村居民点中另划出556.32公顷作为调整后备型居民点,余下的作为稳固利用型居民点,2012.23公顷非适宜型居民点作为拟调出部分。调整后备型与拟调出居民点共计可完成需调出居民点预期总量的100%,待调出居民点的转用可解决86.71%的新增建设用地指标来源,还可提供新增耕地或园地指标共计1155.34亩。最后,探讨了居民点布局优化的政策建议和实施路径。论文的主要创新点在于:(1)提出山区农村居民点布局优化的新模式充实了山区农村居民点布局优化的内涵,明确其应与乡村振兴等发展目标结合,在国土空间规划的指导下进行,落实优化涉及的所有居民点的利用或转用。基于此,提出了以“稳固适宜型居民点的长效利用,科学转用非适宜型居民点,调整涉及其中的人与地的权益关系”为总体思路的山区农村居民点布局优化新模式。该模式丰富了农村居民点布局优化研究体系,为山区开展居民点布局优化工作提供了良好借鉴。(2)将机器学习方法引入山区农村居民点用地适宜性评价机器学习方法可通过对少量采样数据的学习来实现对大量未知数据的预测,它基于样本特征驱动数据分析,使得土地利用评价研究能在微观地块层面开展,有利于后续实施精细化的土地利用布局优化。研究证明,机器学习方法的应用弥补了传统的土地利用评价方法和指标体系中存在的缺陷,不同机器学习方法的联合运用提升了农村居民点用地适宜性评价结果的可信度,丰富了评价结果的层次。该研究充实了土地利用评价的方法体系,也为土地利用评价过程的优化提供了新思路。(3)测算了居民点布局优化成果对区域土地利用结构调整预期的贡献程度,拓展该研究的现实意义探讨了山区农村居民点布局优化成果与区域土地利用规划的衔接情况。对研究区目标年的土地利用结构进行预测,根据居民点布局优化方案中对保留与待调出居民点的利用或转用安排,测算了它们对各类用地调整预期的贡献程度,拓展了农村居民点布局优化对山区土地资源集约节约利用、城乡融合发展的现实意义。