基于GIS的中国传统村落空间分异研究,本文主要内容关键词为:村落论文,中国传统论文,空间论文,GIS论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
中图分类号:K903 文献标识码:A 文章编号:1003-2398(2014)04-0044-08 1 引言 传统村落是我国数千年农耕文明的结晶,是先人们长期适应自然、与自然和谐相处的历史见证,是祖先留给我们这一代也应该传世后人的珍贵遗产。20世纪50年代以来,我国多次进行的新农村建设活动,使传统村落的建筑及环境不断遭受冲击[1]。特别是在当下社会急剧变革,以及全球化、城镇化高速发展的背景下,传统村落更是遭遇到前所未有的生存危机。所幸,2012年4月,国家住房和城乡建设部、文化部、国家文物局、财政部联合启动了中国传统村落调查,并于同年12月首批公布了646家“中国传统村落”,政府主导下的传统村落保护工作开始全面启动。到2013年8月,第二批共915家的“中国传统村落”也已进入公示阶段。 自20世纪80年代末期,“古村落”的保护和利用问题开始进入一些建筑、规划、地理、旅游等学科的专家学者的视野。近些年,有关“古村落”或传统村落及历史文化名村、名镇的保护研究成果逐步增多。从“中国知网”“中国学术期刊网络出版总库”文献检索的结果看,其代表性的研究领域包括传统村落价值[2-6]、传统村落的发展演变[7-9]及其完整性保护[10,11]、传统村落保护的动力机制探索[12-14]、传统村落的旅游开发[15-17]等方面。但从技术与方法来看,已有的文献成果多以定性描述、案例研究、比较研究为主要形式,鲜有对传统村落的大样本定量解读,特别是利用GIS(地理信息系统)技术对其进行空间格局及其规律性的把握。这方面具有一定代表性的研究成果是:胡明星等提出GIS进行古村落管理信息系统建设的分析框架[18],并以宏村文化遗产保护规划编修为例,进行应用研究[19];吴必虎等利用GIS技术,对350处中国历史文化名村、名镇的空间分布格局及其旅游相关性进行解读,属于在该领域所做的较为综合性的尝试[20]。 然而,21世纪以来,在欧美等发达国家,GIS已经应用在历史与文化地理学的很多层面,并正日益成为相关社会科学研究发展的一个新趋势[21]。格雷戈里(Gregory)等最早撰文系统介绍了GIS在历史地理研究中的进展和发展方向,认为GIS的可视化功能可以成为展示历史数据和大量研究成果的新媒介[22]。特别是作为一种技术手段,近些年,GIS在考古学[23,24]、历史文化元素识别及可视化[25]、文化遗产风险因素探索[26]及遗产资源管理[27,28]等方面,进行了卓有成效的研究,取得了丰富的科研成果。 面对20世纪80、90年代以来地理学科的社会、文化转向[29,30],作为一种最具学科渗透力的科学方法的地理信息系统[31],将在传统村落文化研究中大有作为。积极借鉴发达国家经验,探索新技术、新方法在传统村落研究中的应用不仅十分必要,也是一个非常迫切的现实任务[32]。因为,就目前而言,我国对传统村落的家底情况尚不明晰,对已推荐的中国传统村落的分布及其格局状况进行空间解读,可以为完善评审和保护政策,促进传统村落的整体性、系统性保护提供有意义的指导。同时,农业是大多数村落形成的基础,对村落的规模、布局,乃至生活方式及社会习俗等方面产生重要影响。而农业发展受制于地域环境,具有明显的地域分异规律,对传统村落进行大尺度空间格局研究将成为认识这一规律的必要前提。 2 数据来源与研究方法 以2012年12月住房城乡和建设部、文化部、国家文物局、财政部联合评审认定的646个“中国传统村落”为研究对象,利用谷歌地理信息系统(GoodyGIS-Ver13.07.17),配合百度地图的地名搜索,确定中国传统村落的地理坐标及村址的海拔高程①。以Arcgis10.1和GeoDa为技术平台,同时选取各省份及地市级以上中心城镇的地理信息,建立“中国传统村落地理信息系统”,对传统村落的地理位置、空间格局等特征进行可视化表达。 用于反映传统村落空间格局的研究方法主要有:作为判断空间分布类型及其特征的最邻近距离及最邻近点指数分析、核密度制图(kernal density);在传统村落与中心城镇空间关系分析中使用缓冲区分析(buffer analysis)、直线距离(straight Line)制图、重分类(reclassify)和利用叠置分析(overlay analysis)中的交集分析(intersect);为反映具有不同高程的传统村落的空间关系,借助GeoDa空间自相关分析软件,进行传统村落全局空间自相关和局部空间自相关分析,分别得出Moran's I指数、Moran散点图和LISA地图等。 3 传统村落的空间分布特征 3.1 空间分布类型 传统村落的空间分布受到自然环境、经济发展、社会文化等多种因素的影响,对其空间分布类型的总体把握是深入解读传统村落空间分异规律的第一步。将村落抽象为点状要素,在ArcGIS中进行空间统计分析和可视化展示。一般来说,自然和社会中点状要素有随机、均匀和集聚三种空间分布类型,可用最邻近距离和最邻近点指数进行判别。最邻近距离为表示点状要素在地理空间中相互邻近程度的地理指标。基本原理是:测定出每个点与其最邻近点之间的距离,取这些距离的平均值,则为表征邻近程度的平均最邻近距离(简称为最邻近距离)[33]。当所研究的区域内点状要素分布为随机型(Poisson分布型)时,其理论上的最邻近距离可用公式表示为: 式中:为理论最邻近距离;n为点单元数;A为所研究区域面积;D为点单元密度。在随机分布、均匀分布和集聚分布三种点状分布类型中,均匀分布的最邻近距离最大,随机分布次之,集聚分布最小。 利用Arcgis10.1空间统计工具(spatial statistics tools)中的平均最邻近距离(average nearest neighbor)进行统计,使用欧几里得距离(euclidean distance)计算方法,得出中国传统村落分布的邻居之间平均距离(observed mean distance)与期望的随机分布平均距离(expected mean distance)之间的比值R(nearest neighbor ratio)为0.449435,且Z分数为-26.77,显著性水平p<0.01,说明中国传统村落在空间上呈明显集聚型分布。 3.2 总体空间分布格局 为更为直观地反映中国传统村落的空间分异规律,利用ArcGIS对中国传统村落进行密度制图。在ArcGIS软件中,分布密度主要有三种表达方法,即核密度、点密度及线密度,本文使用较为直观平滑的核密度估计法分析中国传统村落的空间分布格局及其趋势。核密度估计法(Kernel Density Estimation,KDE)假设地理事件可以发生在空间的任一地点,但是在不同的位置上所发生的概率不同。点密集的区域事件发生的概率高,点稀疏的地方事件发生的概率就低。根据概率理论,核密度估计的定义为:设点集为从分布密度函数为f的总体中抽取的样本,核密度估计f在某点x处的值为f(x)。表达式为: 式中:称为核函数;h为带宽,且h>0;(x-)表示估值点x到事件处的距离。从(2)式可以看出,影响核密度估计值的主要因素是核函数的数学形式和带宽的值。利用Arcgis10.1的空间分析(spatial analyst)中集成的核密度(kernel density)工具进行核密度估计。为总体反映中国传统村落在不同尺度水平下的空间分布态势,经过多次试验,选择带宽(search radius)为300km、100km,分别生成中国传统村落的核密度分布图,如图1、图2所示。 图1 300km带宽的中国传统村落核密度分布 Fig.1 The Nuclear Density of Chinese Traditional Village within a Search Radius of 300km 图2 100km带宽的中国传统村落核密度分布 Fig.2 The Nuclear Density of Chinese Traditional Village within a Search Radius of 100km 从图1可以直观看出,中国传统村落分布呈明显的空间集聚特点,大体上形成了四个明显的空间分布集聚中心,按集聚程度分别是黔东南—湘西中国传统村落集聚区、皖南—浙西—闽西北中国传统村落集聚区、晋—冀—豫中国传统村落集聚区、滇西北中国传统村落集聚区。图2则更为清晰地显示出中国传统村落在局地的集中分布特点。中国传统村落密度超过5个/的区域包括贵州东南、广西东北、湖南西部到湖北西南部、云南西北部、安徽南部、浙江中部到福建东北部、福建西南部、山西东部和东南部、北京西部等地区。特别是黔东南地区成为我国最高的传统村落集聚地,传统村落密度超过20个/。 3.3 省区分布特征 通过统计中国传统村落在全国各省份的分布情况,并利用在ArcGIS图层属性中的分级色彩设置(graduated colors)进行可视化处理,得出中国传统村落分省份的分布状况(图3),图3中省域色块颜色越深表示中国传统村落分布越多,反之越少。图3显示,中国传统村落在各省区的分布具有不均衡性,与前文“总体空间分布格局”的分析相一致,总体上呈现南多北少的局面,且主要集中分布于若干省域。其中,贵州一个省份的中国传统村落有90个,为全国传统村落最多的省份。此外,40个以上中国传统村落的省份还有云南、山西、福建、浙江四省。上述共计5个省份,土地面积占全国的9.8%,农村人口数量占全国的16%,而拥有的中国传统村落却占了45%②。 图3 中国传统村落在各省份的分布特征 Fig.3 The Distribution Characteristics of Chinese Traditional Villages among the Provinces 无论“总体空间分布格局”,还是“省区分布特征”,西南、东南、华北及其有关省份都是中国传统村落的主要集聚区。除北方个别省份外,多数地区的传统村落偏离于近现代经济发达的文化中心区,偏远的位置、崎岖的地形、不便的交通,以及由此而形成的相对封闭的文化和得以连续演化的特定历史成为传统村落空间分异的重要因素。即使是在人口众多、经济相对发达的北方,特殊的地理位置和地形因素同样起到十分关键的作用。如山西的传统村落,是在北方浩瀚沙海、东部及东南部巍巍太行山、天堑黄河阻隔以及域内沟壑纵横等相对封闭的环境背景下,由“三晋”大地连接中原文化、大漠文化和西域文化的独特位置以及由此引发的多元文化之间的竞争与融合中形成的。 3.4 与中心城市的空间关系 所谓中心城市,指对较大地域范围具有强大吸引力和辐射力的具有综合性职能的大中城市。中心城市不仅是一定区域范围内的政治、经济、文化和交通中心,它们与传统村落也存在一定的空间关系,特别是二者之间距离的大小,将直接影响传统村落的物质与非物质文化遗产的保护,以及对其开发利用的潜在规模与方向,也为科学认识传统村落形成的动力机制提供有用信息。为方便统计和研究,这里选取全国各省份的349个地市级以上城市(含西藏、青海、内蒙古等少数民族集聚区的中心县镇)作为传统村落的“中心城市”,探究中心城市与传统村落之间的空间关系。 首先,对中心城市进行直线距离制图,利用Arcgis10.1空间分析中的距离分析工具(spatial analyst-distance-straight line),选择output cell size=10,制成反映中心城市周边地区空间关系的距离地图。再利用图层属性(;ayer properies)中的符号设置(symbology)功能,以20 km为间隔,划分共11个等级的中心城市直线距离地图。对直线距离地图按上述标准进行重新分类后,与传统村落进行叠置分析,求二者之间的交集(intersect),于是得出能够反映中国传统村落与其最近的中心城市之间的空间关系信息。综合统计分析结果如图4所示。 图4 传统村落距中心城市距离的频率分布 Fig.4 Distant Frequency Distribution of Chinese Traditional Villages from the Center Cities 从图4可以看出,中国传统村落与其中心城市之间存在密切的空间关系,传统村落距中心城市直线距离的均值位于69.5748 km,大多数传统村落(近60%)距离中心城市在40—100 km的范围内。总体上看,传统村落距离中心城市较远,交通较为不便,这也是传统村落文化富有特色并得以保留的重要原因。相比较,在传统村落较为密集的区域中,东南沿海省份及北京、山西省传统村落距离中心城市较近,而西南地区的贵州、云南等省份的传统村落距离中心城市较远,这与区域的城市密度及经济发展水平关系密切。同时,也反映了城市与传统村落之间互生关系的差异性。一般而言,城市与周边传统村落之间互生关系好、联系紧密,则二者之间的空间距离相对较近,反之较远。以北京为例,北京周边地区的传统村落主要分布在西部及西南近郊山区,多数在北京城外50 km的直线距离以内。这些村落因北京城而生,分布受制于特殊的政治环境,它们或者是建设京城时工匠艺人的聚集地,或者是军户拱卫京畿的屯兵之所,或者是守卫皇家陵墓的后人聚居的村庄,京城的命运跌宕与周边村落的历史变迁相呼应。而相反,我国西南地区的许多传统村落则是历史上北方居民或者当地少数民族为逃避战乱迁移而形成,与“互生型”村落不同,它们远离中心城市,地处交通不便的封闭山区自在情理之中。 3.5 不同高程传统村落的空间分布 海拔高程是传统村落的一个重要属性。海拔高程及地形起伏状况的不同,将直接产生不同的水热组合,进而影响当地的农业生产方式,甚至形成具有一定特征的农业习俗及其村落文化。或者说,海拔高程及其地形经常通过农业生产对聚落形式,包括其规模及其文化产生影响[34]。在全部646个中国传统村落中,海拔高度从3 m到4038 m不等,高差超过4000 m,其中海拔高度在1000 m以上的村落有133个,占全部村落的约21%。为全面反映具有不同高程及其起伏变化特征的传统村落在空间上(包括省区之间)的分布状况,利用GeoDa软件进行传统村落的空间自相关分析。空间自相关所反映的是一个区域单元上的某种现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度。由于空间自相关同时考虑了事物的位置信息和属性信息,所以是一种非常有效的分析技术[35]。 本研究采用全局空间自相关和局部空间自相关两个不同层面的指标来解读具有不同海拔高程的中国传统村落的空间格局。空间权重矩阵是进行空间自相关检验的前提和基础,是空间统计学与传统统计学的重要区别之一[36]。首先,根据传统村落空间特征,创建一个邻近权重(k-nearest)文件,将邻居数量设置为6,得到一个包含空间权重信息的GWT文件。之后,从GeoDa菜单选择Space>Univariate Moran,进行全局空间自相关分析。全局空间自相关可以用于解读某种现象在空间上是否存在集聚特征,阐释其在整个区域的空间分布模式。利用GeoDa测度全局自相关的主要指标是Moran's I指数及其散点图。 图5 中国传统村落高程分布的Moran散点图 Fig.5 The Moran' Scatter Diagram of Chinese Traditional Villages for Different Altitude 图5为传统村落高程分布的Moran散点图,散点图以平均值为轴的中心,将全图分为4个象限。每个象限对应于不同的空间自相关类型:高高和低低为正相关;低高和高低为负相关。Moran's I统计量为0.8707,反映出传统村落高程之间存在明显的正相关性,受地形总体格局控制,海拔高的传统村落与海拔高的传统村落集聚,海拔低的传统村落与海拔低的传统村落集聚,且绝大多数村落落在位于平均值两个标准差的范围之内。在偏离两个标准差的所谓离群值中,全部为高高集聚的传统村落,经刷光散点图,将这些离群值进行可视化表达后发现,它们集中分布在青藏高原东部和东南部边缘地带,大多数村落的海拔约3000 m左右,为我国藏族、土族、羌族等少数民族集聚的高山型村落,地域环境与民俗风格独特。 全局自相关分析只是在整体上反映某种现象在空间上的集聚程度,忽视了可能存在的不稳定问题,无法揭示局部空间的关联模式。为反映不同高程的传统村落在全国各地区及其省份之间的分布特征,利用GeoDa的局部空间自相关功能,特别是LISA方法进行分析。LISA是局部空间关联指标(local indicators of spatial association)的英文缩写,可用来识别研究现象在空间分布上的“热点”(hot spots)、“冷点”(cold spots)和“空间离群值”(spatial outliers)等典型和非典型区域。利用GeoDa软件进行LISA分析,增加序列数量到9999,选择significance filter>0.01,经多次运行,直到结果稳定,产生LISA地图如图6所示。 图6 不同海拔高程中国传统村落的LISA聚集地图 Fig.6 The LISA Cluster Map of Chinese Traditional Villages for Different Altitude 从图6可以看出,就海拔高程属性来说,中国传统村落明显存在着高高(HH)、低低(LL)集聚区域,缺乏低高(LH)、高低(HL)区域(仅含7个村落),高高(HH)集聚区域(高山型村落)主要分布在中国西部的青藏高原边缘,即青海东部、西藏南部、四川西部及云南西北部。低低(LL)集聚区域(平原型村落)主要分布在中国东部长江三角洲及其南部的珠江三角洲,较为集中的省份有安徽、浙江、江西、广东等。其他传统村落总体上落在高高(HH)集聚区域和低低(LL)集聚区域之间,山西、贵州东南、广西北部、福建和云南东南部为该类型村落的集中分布区。这些区域之所以未出现低高(LH)、高低(HL)集聚区域,一方面是因为受丘陵、低山总体地形格局控制,同时也与拥有不同海拔及其相关属性的传统村落在区域内交错分布有关,这在一定程度上反映出这一区域传统村落的类型多样性及其空间分布的复杂性。从农业生产方式上看,该区域地域范围广,可以依据各自的水热条件分成北方型、东南型和西南型等三个亚区域,地形与不同水热条件组合形成具有不同特色的村落文化景观。北方型以山西为代表,属于黄土高原地形区与暖温带半湿润、半干旱气候组合形成的,以旱作型农业为主的传统村落集聚区;东南型以福建为代表,充足的热量和丰沛的雨水给这里的“八山—水—分田”带来了丰厚的林副产品,农业经济相对发达;西南型以贵州为代表,尽管本区亦属于水热条件较好的亚热带湿润地区,但喀斯特地貌所特有的土质及保水、保肥条件极大地影响了当地的农业生产方式和居民生活,村落景观与东南地区迥异。 4 研究结论与启示 利用ArcGIS和Geoda软件,通过定位646个中国传统村落的地理坐标和对其海拔高程等属性值的分析及可视化表达,得出如下主要研究结论:①中国传统村落在空间上呈明显集聚型分布,按集聚程度分别形成黔东南—湘西、皖南—浙西—闽西北、晋—冀—豫、滇西北中国传统村落四个集中分布区;②中国传统村落总体上呈现南多北少的局面,在各省区的分布具有不均衡性,近70%的传统村落分布在贵州、云南、山西、福建、浙江、广东、广西、江西、河北、湖南等有限省份;③中国传统村落与其中心城市之间存在密切的空间关系,总体上距离中心城市较远,交通较为不便,大多数传统村落(近60%)距离中心城市在40—100 km的范围内;④不同高程中国传统村落的空间分布明显存在着高高(HH)、低低(LL)集聚现象,缺乏低高(LH)、高低(HL)区域,高高(HH)集聚区域主要分布在中国西部的青藏高原边缘,低低(LL)集聚区域主要位于中国东部及其南部部分地区。 中国传统村落的空间分异特征既是自然、经济、社会文化等多因素共同作用的产物,也与人们对“传统村落”内涵的把握以及有关部门推荐评审的原则及标准有关。国家四部委联合下发的“关于开展传统村落调查的通知”提出传统村落调查不搞村村普查,而是基于全国第三次文物普查、第一次非物质文化遗产调查等现有资料信息进行推荐和评选,以行政村(含部分自然村)为单位,执行统一的标准。这在一定程度上淡化了传统村落在宏观上的地域分异,隔离了传统村落与其所依托的文化生态之间的复杂联系,致使传统村落在地域分布上的极端不平衡。因此,为促进传统村落保护工作的全面性、系统性和整体性发展,可在严格标准基础上,适当考虑地域文化的不同特色,在传统村落的区域选择上做适度平衡。如按照传统村落地域分异规律划分不同的传统村落文化区,以传统村落文化区为地域单位,适当灵活运用推荐评审标准,争取各传统村落文化区都有一定数量的村落入围。 当然,本研究的宏观视角未触及传统村落的内部结构、形态特征、具体文化内涵及其价值等微观内容。文章所选择的村落属性有限,作为大样本实证研究,尚待收集如村落类型、农业生产及农村生活状况、村落传统建筑特色、村落非物质文化遗产等属性信息,进一步提升对传统村落形成机理的诠释力度,不断提高研究成果的有效性。 收稿日期:2013-09-29;修订日期:2014-04-10 注释: ①村落的海拔高程的计算方法是:利用谷歌地理信息系统(GoodyGIS)定位村落地理坐标后,通过放大影像初略确立村落的几何中心位置,以该位置的海拔高程作为村落的高程数据。考虑到本研究属于大尺度空间格局分析,高程量算中出现的微小误差可以接受。 ②全国及各省份土地面积和农村人口数据来自于《2012年中国农村统计年鉴》。基于GIS的中国传统村落空间分异研究_传统村落论文
基于GIS的中国传统村落空间分异研究_传统村落论文
下载Doc文档