基于GIS的宗教景观空间分布特征分析

耿晓晖 张小丽 刘军儒 陈 硕

(61206部队，北京 100042)

基于GIS的宗教景观空间分布特征分析

耿晓晖 张小丽 刘军儒 陈 硕

(61206部队，北京 100042)

宗教景观空间分布研究对于拓展历史、文化地理学的研究事业和方法具有重要意义。本文以北京地区为例，利用GIS技术对五种宗教文化景观的格局特征进行研究，制作出密度图；根据宗教景观样本点的因变量和自变量取值建立宗教景观密度与交通密度、人口密度和高程的多元线性回归模型，解释影响宗教传播的因子，为宗教文化景观的选址及宗教文化的研究提供科学依据。

宗教文化景观 密度分析 多元线性回归 空间分析

1 引言

在文化地理研究中，宗教一直是重要研究内容之一[1]。近年来，在宗教文化地理研究的理论和技术手段方面，国外已有研究将GIS技术与宗教景观研究相结合。Sopher总结了宗教地理研究常用的研究方法，包括：空间相互作用模型、中心地理论和多元回归分析法[2]。在宗教地理的区域研究中，几乎全部涉及对地图分析工具的应用；在较早的对美国宗教文化分区的研究中，已经采用地图作为分析的重要手段。随着GIS技术的成熟，利用其空间分析功能，可以直观反映出地理要素的空间分布和扩散状况，因而被广泛地运用到宗教地理学的研究中。国内对宗教地理的研究起步较晚，研究方法也多采用历史文献与统计分析相结合的方法，而较少运用地理学中的空间分析方法[3]。已有学者开始在研究中尝试运用GIS技术。林辉等提出，GIS在人文学和社会科学研究方面要拓展的方向主要有历史和人文学研究，宗教发展与文明对话研究等[4]。空间分析是GIS 的核心和灵魂。通过构建特定的地理空间分析模型， 利用GIS 技术可发现历史、文化过程中的隐含信息。

本文利用点的密度分析对北京地区宗教文化景观的分布特征做研究，认识其分布现状，运用多元线性回归分析方法，主要讨论交通密度、人口密度、地形地貌对宗教景观格局的影响，比较各因素对宗教景观密度贡献度的大小。

2 研究区域概况和数据

2.1 研究区域概况

北京是闻名于世的历史文化名城。宗教建筑和活动场所遍布城市各处。许多宗教文化景观在全国有较大的影响，一部分被列为市级乃至国家级的文物保护单位。北京的宗教景观包括佛教寺庙、道教宫观、基督教、天主教教堂和伊斯兰教清真寺五类。除了中国基督教两会外，五大全国性宗教团体的会址都设在北京。正是由于北京的地位突出以及多元宗教文化体系等因素，北京宗教地理研究具有典型意义，因而本文选择北京作为研究区域。

2.2 数据准备

本文以1∶100万的北京市矢量数据的行政区划、交通要素、人口密度数据、DEM数据、各种历史文献及年鉴等文字统计资料为基础，研究北京佛教、道教、伊斯兰教、基督教、天主教的宗教文化景观分布规律，189个宗教文化景观样本点的空间数据是从北京市导航地图中的旅游景点中筛选出来的(图1)。

2.3 研究方法

空间统计分析是对空间数据的统计分析，其核心就是用定量方法来研究区域化变量的空间关系和空间规律[5]。空间统计分析，包括“空间数据的统计分析”及“数据的空间统计分析”。空间数据的统计分析着重常规的统计分析方法，比如多元统计方法对地理数据的处理。多元线性回归分析是统计方法中最常用的方法之一，是因变量与多个变量之间的线性关系，检验自变量的显著性程度，并比较各自变量对因变量的贡献程度大小，进而可以利用这多个自变量来解释和预测因变量的变化[6]。多元线性回归模型的一般表达式为：

y=b1x1+b2x2+…+bixi+B

(1)

式中，y为因变量，x为解释变量，i为变量的个数，B为随机误差项，bi为回归系数。线性回归模型采用普通最小二乘法求模型参数。

3 北京宗教文化景观的分布特征及影响因素

3.1 简单密度分析原理、结果和分析

本次研究将每个宗教景观点作为缓冲区的圆心，分别以缓冲距离1km、3km、5km、10km为半径，建立四种类型的缓冲区单元(图2)。计算缓冲区内宗教景观点个数和缓冲区单元面积的比值。计算公式为如式(2)和(3)所示。

ρij=nij/Ai

(2)

Ai=πRi2

(3)

其中，ρij表示第i类宗教景观缓冲区第j个缓冲单元的宗教景观密度，nij表示第i类宗教景观缓冲区第j个缓冲单元的宗教景观点个数，Ai为第i类宗教景观缓冲区的区域面积，Ri为第i类缓冲区的圆半径。

此小节计算出的各宗教景观点的缓冲区密度，用做后续第3节的多元线性回归分析的条件数据和因变量。通过比较四类不同半径的缓冲区分析，发现以缓冲距离5km为半径的密度分析实验效果最好，因此，后续的实验本文采用5km半径缓冲区计算出的宗教点密度数据。

从图2可以看出，伊斯兰教清真寺在城内数量最多，且覆盖范围广，其中二环内更为明显。清真寺在通州、大兴等地也出现了集中分布的特征。

佛教和道教的宗教场所主要集中分布在内城，外围略有分布，且覆盖面积低，没有表现出空间均匀分布的趋势。基督教和天主教的密度分布相似，二环内的数量最多，覆盖范围广，但是没有表现出在内城和外围的局部集中的态势。分布比较均匀。

影响宗教扩散的主要因素包括人口、地理、文化、政治、经济、族群以及宗教本身等多个方面[1]。从不同宗教的崇拜行为模式来看，聚集的崇拜模式与分散的崇拜模式受各种地理环境及社会因素的影响，如交通的通畅方便与否、人口居住的密集程度、地势的高低以及植被、水文等等。基于数据的稳定性，受时间维度的影响大小而定，笔者认为交通密度、人口密度、高程点这些数据相对受时间的影响较小，是长时间的累积结果，具有历史性，因此选用这三种数据做相关统计分析研究。

3.2 交通因素

一个城市宗教文化景观格局的形成，是由很多因素决定的，由于信徒会固定的时期去宗教景观进行宗教活动，探索交通因素对于宗教景观扩散的影响程度十分重要。公路交通密度可以近似表达一个地区交通便捷性的大小[7]，本研究对于每个宗教景观点数据以该点为中心，缓冲距离1km为半径，建立每个宗教景观的缓冲区，计算该缓冲区内公路里程长度与所在缓冲区土地面积的比值，计算公式为：

Hi=hi/Ai

(4)

其中，Hi表示宗教景观缓冲区i的公路交通密度，hi表示i缓冲区域内交通道路的长度，Ai为缓冲区i的区域面积。

交通因素中本文选取了铁路、国道、省道、县道、乡村道路和街道六种。根据北京市的宗教景观分布特点设置不同的权重，比如在三环内或是郊县，街道和县道的影响较大，城市街道设为0.2、县道为0.2。在三环外尤其是郊区，国道的影响因素较大，设为0.25等。如表1。

表1 道路权重

将六种交通路线赋予不同权重求和，得到缓冲区内的道路总长度。计算公式为：

hi=0.05Ti+0.25Gi+0.15Si+0.2Xi+0.15XCi+0.2Ji(5)

其中， hi表示i缓冲区域内交通道路的长度，Ti为i缓冲区内的铁路长度，Gi为i缓冲区内的国道长度，Si为i缓冲区内的省道长度，Xi为i缓冲区内的县道长度，XCi为i缓冲区内的乡村道路的长度，Ji为i缓冲区内的街道长度。

交通铁路、公路数据来源于1：400万的国家基础要素数据集，计算铁路、公路长度是求解Hi的关键，步骤如下：首先将宗教景观的点缓冲区图与交通路线图进行叠加分析，得到的叠加图层即为按照以宗教点为中心、1km为缓冲距离的缓冲区单元打断的各条交通路线，属性表中包含了线的长度以及所属宗教景观点缓冲区的名称，最后按照宗教景观的名称属性将其进行求和，即可得到各个宗教景观点缓冲区内的六种类型的交通路线的总长度。

3.3 人口因素

人口密度数据来源2010年北京市统计年鉴，是指东城区、海淀区等区域内的人口密度，单位为人/平方千米。每个宗教景观的人口密度属性里，依据宗教景观的所属区域，赋予密度。比如，雍和宫的位置在北京东城区，将其赋予东城区的人口密度21960人/平方千米。

3.4 地形地貌因素

各个宗教文化景观点数据的高程值是通过直接利用宗教点图层和高程数据叠置计算出的。DEM数据来源于1：100万等高线渲染图。设计格网的大小，格网中心是一个高程点数据，叠置过程中，将落入该格网的宗教景观点数据赋予该网格内的高程值，这样便得到了每个宗教景观的高程值属性，见图3。

4 宗教文化景观的多元线性回归分析

选取2.1节简单密度分析方法中缓冲区半径为5km时的宗教景观密度结果为模型的因变量，选取交通因素中的交通密度、人口因素中的人口密度、地形地貌因素中的高程三个影响宗教景观密度的影响因素，根据下面公式将三个影响因素值归一化。

(6)

xi表示宗教景观i的某类影响因素取值， xmax表示宗教景观i的某类影响因素取值的最大值，xmin表示宗教景观i的某类影响因素取值的最小值，xNi表示宗教景观的某类影响因素归一化后的值。

根据189个宗教景观样本点的因变量和自变量取值建立宗教景观密度与交通密度、人口密度和高程的多元线性回归模型，回归分析结果如下表所示，残差结果表见表2。

表2 宗教景观多元线性回归统计表

表3 统计分析结果

表2中，R square表示模型的拟合程度，可以看出，本文所选取的3种影响因素均可以从不同程度上解释宗教景观密度，R square为0.8207，表示利用人口密度、交通密度、高程三个变量可以解释宗教景观密度值的大约82.07%，其中人口密度和高程的回归系数为正，交通密度和常量的回归系数为负，表3表明，从统计学观点来看，山区、人口密度越大的地区将导致更高的宗教景观密度，公路网越密集将导致更低的宗教景观密度，其回归方程为：

y=-0.032116715xJ+0.726793976xR

+0.036628596xG-0.01908996

(7)

式中，xJ为交通密度，xR为人口密度，xG为高程。

根据该公式，通过横向比较得知，宗教景观密度对各影响因素的敏感程度是不同的。通过统计上的t值和P值可以看出人口密度、交通密度、高程三个变量能比较一致的通过显著性检验，说明这几个变量是合理的解释变量。该回归模型中，人口密度的系数是最大的，且为正值，这表明人口密度对宗教景观密度的贡献程度最大，人口密度越大的地区宗教景观密度一致的宗教景观点越多。其余解释变量的贡献度有所差异，权重差异较为明显。三个变量在回归模型表现出来的解释变量贡献度大小排名为：人口密度>交通密度>高程。

综合分析各类因素对宗教景观密度的影响可知，以人口密度为代表的人口因素的解释变量权重高于交通密度为代表的交通因素以及高程为代表的地形地貌因素，说明人口因素对宗教的影响要高于交通因素与地形地貌因素。

5 结束语

运用GIS可视化、空间分析等方法，结合历史、文化地理学及相关理论，透析城市宗教景观的空间格局及其社会文化特征，可以为宗教地理学的研究提供一种新的思路和方法。本文将GIS技术与定量研究方法应用到文化景观的研究中，在一定程度上反映宗教景观的分布特征并解释影响宗教传播的成因，研究方法和思路可以为其他类型的文化现象的定性研究提供借鉴。

[1] 薛熙明,朱竑.国外宗教地理研究回顾与进展[J].人文地理,2010(3):109-113.

[2] Johnston,R.J.Gregory,D.Smith.人文地理学词典[M].北京：商务印书馆,2005:604-606.

[3] 薛熙明,朱竑.广东基督教教案的时空演变(1584-1910)[J].地理研究,2008,27(3):693-702.

[4] 龚建华,林辉.面向地理环境主体GIS初探[J].武汉大学学报(信息科学版),2006,31(8)：704-708.

[5] 王劲峰.空间分析[M].北京：科学出版社,2006：12-17,36-37.

[6] 王法辉.基于GIS的数量方法与应用[M].北京：商务印书馆,2009.

[7] 封志明,刘东,杨艳昭.中国交通通达度评价：从分县到分省[J].地理研究,2009,28(2)：419-429.

[8] 潘威,孙涛,满志敏.GIS进入历史地理学研究10年回顾[J].中国历史地理论丛,2012,27(1)：11-17.

[9] 何韶颖,汤众.广州传统宗教信仰场所与城市形态研究中的GIS应用探索[J].兰州理工大学学报,2011,9(37)：280-287.

[10] 孙华.文化景观有几类[J].中国文物报,2012,6：34-35.

[11] 汤国安,杨昕.ARCGIS地理信息系统空间分析实验教程(第二版)[M].北京：科学出版社.2012.

[12] 夏慧君.基于GIS的历史文化遗址空间分布特征研究-以榆林市为例[D].陕西西安：西安建筑科技大学,2010.

[13] 张芸,王彬,朱竑.外来宗教在口岸城市的空间分布及扩散特征-以福州市基督教教堂为例[J].地理科学进展,2011(8)：1064-1072.

[14] Kulldorff M A,H effernan R,H artman J,et al. A Space-Time Permutation Scan Statistic for Disease Outbreak Detection[J]. PloS Med icine,2005,2(3)：216-224.

[15] 李湘豫,梁留科.基于GIS分析的河南佛教塔寺文化旅游地域分异研究[J].经济地理.2012(12):76-181,186.

[16] 左芙蓉.人文旅游资源及其利用-以北京地区为中心的调查研究[M].四川成都:四川巴蜀书社,2009.

Religious Culture Characteristics of Landscape Pattern Analysis Based on GIS

GENG Xiao-hui,ZHANG Xiao-li, LIU Jun-ru, CHEN Shuo

(Troops 61206, Beijing 100042, China)

The study of spatial distribution of Religious culture landscape is of great significance to the expansion of the business and methods for the research of the history and cultural geography. In this article ,taking Beijing area as an example, using GIS technology to study the pattern characteristics of the five religious culture landscape and produce density map; The multivariate linear regression model of religious landscape density and traffic density,population density and height which was established according to the religious landscape sample points of the dependent variable and independent variable values explained the impact factor of religious communication and provided a scientific basis for the location of the religious landscape and the religious culture research.

religious cultural landscape; density analysis; multivariate linear regression; spatial analysis

2016-04-28

P208

B

1007-3000(2016)06-5