中国传统村落分布特征与成因机制研究

作者简介:
张晓瑶(1997- ),女,博士研究生,主要从事旅游地理、生态旅游研究,E-mail:zxy9797297@163.com,安徽师范大学地理与旅游学院(芜湖 241003);陆林(通信作者)(1962- ),男,博士,教授,博士生导师,主要从事旅游地理学研究,E-mail:llin@263.net,安徽师范大学地理与旅游学院(芜湖 241003);虞虎,中国科学院地理科学与资源研究所(北京 100101);张潇,安徽师范大学地理与旅游学院(芜湖 241003);邓洪波,安徽财经大学工商管理学院(蚌埠 233030)。

原文出处:
世界地理研究

内容提要:

以中国4153个传统村落为案例,借助GIS空间分析方法,深入剖析了我国传统村落的分布特征及其成因机制。研究发现:(1)我国传统村落分布总体呈凝聚型,主要集中分布于东部沿海和西南地区,但两者成因差异显著。(2)伴随历史时期更替,传统村落空间集聚形态由“单主核,多次核”转为“多主核,单次核”;东部农业文化区传统村落数量明显高于西部游牧文化区,西南少数民族农业文化亚区的传统村落分布最为集中;少数民族传统村寨分布重心位于西南地区中部,汉族传统村落则以长江中游地区南部为分布重心。(3)传统村落分布格局的形成是多方因素综合作用的结果,地形地貌、气候降水、河流水域是决定传统村落形成和延续的基础因素,农业生产方式和历史人口迁移则是影响传统村落集聚发展的重要推手,现存传统村落总量规模和当地政府政策保护力度息息相关。


期刊代号:K9
分类名称:地理
复印期号:2023 年 04 期

关 键 词:

字号:

       0 引言

       中国传统村落承载着传统礼制社会形成的天人合一的建筑理念和乡土文化精髓[1,2],其布局强调趋利避害、合理利用自然环境,尊重景观肌理和自然规律[3],反映了长期历史进程中人类居住空间与自然协调共生的传统智慧和经验。我国的快速城镇化、新农村建设进程忽略了传统村落传承内涵的认识和保护,造成大批传统村落遭受拆除或破坏[4],使乡村文化、历史文化基因的依附空间有逐渐丧失的风险,给乡土文化重建和传承带来了巨大挑战。探讨自然地理环境、历史文化因素影响下的中国传统村落的布局特征与成因机制,有助于认识村落发展脉络和影响因素,为指导现代乡村振兴建设提供借鉴。

       传统村落是多学科开展研究的重要领域,一直受到国内外学者的高度关注。其中国外研究集中在文化景观演化与价值评价[5]、完整性保护与旅游开发的利益权衡[6-8]、政府与居民的关系协调[9-11]等方面。21世纪以来,国内关于传统村落的研究逐渐兴起,研究内容偏向于传统村落的分布特征和文化景观内涵[12,13]、开发利用模式与可持续发展评价[13,14]、制度空间与发展脉络[15-17],以及旅游利用与传统村落发展的互动关系[18,19]。总之,关于传统村落文化内涵、建筑艺术、历史阶段特征等方面的“本体”“整体”研究已产生了较多的成果,但仍缺乏对传统村落本体与自然人文环境要素的整合分析和全国尺度传统村落总体布局的分析;且已有研究多囿于空间尺度,鲜有将时空同文化、民族等属性结合,系统性阐释传统村落分布格局的研究成果出现。从历史文化角度探讨传统村落时空分异特征及差异,对于从根本上理解传统村落的形成机制,进而实施因地制宜的保护与发展政策,探索建立传统村落保护发展新模式具有重大参考价值。基于此,本文以中国4153个传统村落样本为基础数据,从自然地理和历史人文两个方面分析中国传统村落的分布特征,系统阐释传统村落的形成机制,以期为传统村落保护与传承建设提供理论借鉴。

       1 数据来源及方法

       1.1 数据来源

       本文采用的基础数据包括四类:(1)行政区底图数据,来源于国家基础地理信息中心网站。(2)中国传统村落数据,来源于中华人民共和国住房和城乡建设部网站公开的2012-2017年评选出的4153个(四批)中国传统村落名录,运用Google Earth获取传统村落的经纬度坐标,并借助ArcGIS10.3绘制出空间分布图,实现可视化。(3)参考《中国古村游》[20]、《王恩涌文化地理随笔》[21],对各历史时代中国地方发展县志、村志及历史资料进行整理,并结合各村《中国传统村落档案》、村落宣传简介以及村内现存最早建筑年代等基础资料,确定传统村落的数量特征、建成时间和民族属性[22],并根据其建成年代将所有传统村落样本划分为隋唐以前、隋唐、宋元、明朝以及清朝五个历史时代,实现传统村落时空演化的动态和静态数据关联,为具体分析提供基础信息库。(4)遥感影像数据,通过地理空间数据云网站获取中国30m×30m分辨率的DEM数据,并利用ArcGIS10.3软件对其展开表面分析,获取坡度、海拔以及坡向数据,进而分析传统村落分布与自然地理环境之间的关系。

       1.2 研究方法

       1.2.1 最邻近指数 最邻近指数是用于表示点状要素在地理空间中相互邻近程度的地理指标[23],运用ArcGIS10.3来测算不同历史时期的传统村落分布邻近程度,公式为:

      

       式中:为实际最邻近点对的平均距离;是理论最邻近点对的平均距离。一般情况下,R=1,趋于随机分布;R>1,趋于均匀分布;R<1,趋于凝聚分布。

       1.2.2 核密度估计法 核密度估计法(Kernel Density Estimation)[24,25]以每个传统村落样本点i(x,y)的位置为中心,通过核密度函数计算每个传统村落样本点在指定范围内(半径为h的圆)各个网格单元的密度贡献值,距中心处样本点的距离越近密度越大,随距离衰减,至边缘处密度为0。计算公式如下:

      

       式中:K(·)称为核函数;X是待估计传统村落点的位置;是落在以X为圆心,以h为半径的圆形范围内第i个传统村落的位置,h的取值会影响到传统村落核密度值空间分布的平滑程度。核密度估计值越大,表示点越密集,区域事件发生的概率越高。

       1.2.3 热点演化分析 热点演化分析用于分析不同历史时期传统村落的热点区与冷点区分布情况,即传统村落分布的低值集聚和高值集聚情况[26]。计算公式如下:

      

       1.2.4 变异系数 变异系数CV(Coefficient of Variation)指通过对点集空间的分割,分析点目标在空间上的相对变化程度[27],判断传统村落分布的密集程度。计算公式如下:

相关文章: