安徽传统村落空间格局分异测度

王乃举， 王 塞， 陈晓华

(1.合肥学院 旅游系,安徽 合肥 230601；2.滁州学院 地理信息与旅游学院,安徽 滁州 239000；3.安徽建筑大学 建筑与规划学院,安徽 合肥 230022)

传统村落又称古村落，内蕴着极其丰富的物质与非物质文化遗产，是中华民族文化的根脉。近年来，传统村落保护与发展备受各级政府和学界的关注。住建部、文化部、财政部等部门自2012至2015年四批次联合公布了全国4157个传统村落名录，安徽省也于2014和2015年公布两批363个省级传统村落。

传统村落空间分布特征及其影响因素是一研究热点[3-7]。空间分布特征的主要研究方法有空间关联度法、最邻近点指数、核密度、空间洛仑兹曲线等；影响因素主要包括自然地理与人文地理两大方面，但不同学者具体因素选择有一定差异。

研究方法方面，传统村落空间分布具有典型的点状分布特征，本研究采用最邻近指数、核密度、标准差椭圆、局域关联度等空间分析方法，最邻近指数、核密度突出传统村落点状密集与离散的空间特征，而标准差椭圆、局域关联度体现传统村落空间的关联趋势特征，研究结论更具有实践应用价值。影响因素方面，自然地理应突出地形、气候、植被等影响因素，人文地理应从人口、资源、经济和交通四方面入手，并考量安徽省实际，剔除少数民族影响因素。从研究区域来看，目前传统村落空间分布研究主要以全国或中南、西南部少数民族分布集聚区为例，鲜有对中东部汉族集聚区省域范围进行研究报道。本研究选取安徽省作为研究区域，丰富自然和人文地理研究要素，进一步改进相关研究方法，以期取得更为科学翔实的研究结论，为安徽省加强传统村落保护与发展提供决策参考。

1 研究方法

1.1 数据来源及处理

依据安徽省住建厅、文化厅、文物局和财政厅公布的363个省级传统村落为研究对象(包括国家部委公布的111个)。30mDEM数据由ASTER GDEM数据产品基于“先进星载热发射和反辐射计(ASTER)”数据计算生成，获取安徽省传统村落地形因子。对安徽省各地级市、县、中心城镇等空间信息进行矢量化，并将安徽省各地级市、县统计数据作为属性连接数据与之连接，据此建立安徽省传统村落分异因素地理信息系统，生成传统村落空间分布图。多年平均降水量、森林覆盖率和社会经济统计资料来源于《安徽统计年鉴》(2015)。

对30mDEM数据进行处理，使用栅格数据的聚类、聚合分析，将单层数据系统经过各种变换而得到一个具有新含义的栅格数据系统，并统计各栅格数据的特征，对数据有整体的了解。

2.2 研究方法

运用ArcGIS10.3软件，对传统村落进行高程、坡度、坡向等值分布特征和分布趋势进行空间分析。

(1)邻近指数。传统村落空间分布可看作点状地理事物，点状地理事物空间分布类型有均等、随机和凝集3种分布类型，其判断方法可用邻近指数R进行测度，公式为

(1)

(2)核密度估计。假定地理事件发生在空间的任何一点，但在不同空间上所发的概率不同，点密集地点事件发生的概率高，反之发生的概率低。传统村落在地球表面的分布，可看作是地理事件的概率分布。设定X1,X2,…,Xn服从同分布，其密度函数f(x)未知，需要通过样本去估计密度函数f(x)，由样本的经验分布函数可得核密度函数估计式：

(2)

式中：K(*)表示核函数形式，通常取对称的单峰概率密度函数[9]。

(3)标准差椭圆。受自然、人文地理因子的约束，传统村落在地理空间分布具有一定的空间趋向性。标准差椭圆是分析地理事物空间方向分布趋势的一种常用方法[10]。分别计算X和Y方向上的标准距离，这两个测量值可用于包含所有要素分布的椭圆的轴线，以平均中心起点X坐标和Y坐标的标准差进行计算，从而定义椭圆的轴，该椭圆被称为标准差椭圆。若标准差椭圆要素分布为狭长形的，据此判定特定方向性。标准差椭圆计算公式为

(3)

式中：xi、yi是要素i点的坐标，(xi,yi)表示要素的平均中心，n表示点数。

(4)局域关联指数。局域关联指数可以用来识别研究现象的空间分布上的“热点”、“冷点”和“空间离散值”等典型和非典型区域[11]。在ArcGIS中使用热点分析对传统村落的局部和总体要素进行比较，生成具有显著统计学意义的z值。通过对p值和z值的比较和划分，分析样本值在局域空间上聚集程度，以此测度热点区和冷点区的空间分布。其计算公式为

(4)

3 结果与讨论

3.1 空间分布类型

利用ArcGIS10.3空间统计工具(spatial statics tools)中的平均最邻近距离(average nearest neighbor)进行统计，采用欧式距离(euclidean distance)计算方法，得到安徽传统村落的平均距离(observed mean distance)值为6705.9257与期望随机分布平均距离(expected mean distance)为11397.5895，二者比值R(nearest neighbor ratio)值0.5884，且z-score分数为-15.0037，显著性水平p<0.0001，说明安徽省传统村落在空间上呈现明显的凝集分布。

3.2 空间分异特征

运用ArcGIS10.3对安徽传统村落进行核密度分析。结果显示，安徽省传统村落空间分布呈聚集特征，形成一个极化核心密集区(主核)和一个半环核心密集区(次核)。主核为皖南山区，皖南山区有明显的三条北东-南西(NE-SW)走向的山系(九华山山系、黄山山系和天目山山系)，在三条平行的山系之间分布着诸多山间盆地和谷地，海拔多在200m左右，是传统村落分布的主要地点，形成皖南主核聚集区。次核为大别山区，大别山雄踞鄂豫皖三省，呈北西-南东(NW-SE)走向，主体为低山丘陵，山间谷地宽广开阔，并有河漫滩和阶地平原，是主要农耕地区，传统村落空间分布相对较为密集。但隶属六安市的寿县、霍山、舒城等县地处山区与平原交替过渡地区，传统村落数量明显减少。因此，总体上大别山区形成安徽半环状传统村落次核，如包含鄂豫皖三省大别山区，可形成闭环密集区(图1)。

运用ArcGIS10.3对安徽传统村落地形因子进行标准差椭圆分析。结果显示，地形因子四要素标准差椭圆均呈北西-南东(NW-SE)方向，这一方向表明安徽省传统村落在空间分布上受上述4地形要素影响，空间分布集中在北西-南东(NW-SE)方向。将皖南山区、沿江山区及大别山区的黄山、宣城、池州、安庆4地级市传统村落数量累加，合计为325个，占总数89.53%，与标准差椭圆聚集方向特征一致(图2)。半短轴与半长轴比值大小为高程>坡度>平面曲率>坡向，四要素对安徽传统村落空间聚合效应递减。其中，高程标准差椭圆轴与轴之比最大，为2.9326，说明海拔高程对传统村落空间分布聚合效应最强，即传统村落密集分布在一定的海拔高程范围(0-350m)。四要素转角大小为坡向>坡度>高程>平面曲率，四要素对安徽传统村落空间偏向影响递增。其中，平面曲率和高程转角最小，说明地面粗糙程度和海拔高程是影响安徽传统村落空间偏向NW-SE走向的主要力量(表1)。

图1 安徽省传统村落核密度分布

Fig.1 The nuclear density distribution of traditional village in Anhui Province

图2 安徽省传统村落地形因子标准差椭圆比较

Fig.2 Comparison of standard deviation ellipse of terrain factors of traditional village in Anhui Province

表1 地形因子标准差椭圆特征比较Table 1 Comparison of topographic features of standard deviation ellipse

图3 不同高程安徽省传统村落聚集状况Fig.3 Aggregation of traditional villages of different elevation in Anhui Province

运用ArcGIS10.3对安徽传统村落进行局域关联指数分析。结果显示，高程是安徽传统村落空间分布最重要影响因素。安徽传统村落局域关联指数划分为高高(HH)、低低(LL)聚集区域(共350个村落)，占96.41%，高低(HL)、低高(LH)区域(共13个村落)，仅占3.59%。高高(HH)聚集分布主要分布在皖南山区和大别山区等地形变化明显区域。低低(LL)聚集区域主要分布在江淮丘陵和皖北平原等地形变化较缓的区域。安徽省传统村落高低(HL)、低高(LH)区域极少，是因为受丘陵、低山地形格局的控制，同时也与不同海拔高程的相关属性的交错影响有关，在一定程度上反映了传统村落在空间分布的多样性和复杂性(图3)。

3.3 空间分布影响因素

3.3.1 自然地理因素

(1)地形因子。传统村落空间分异由多种因素决定，在中国传统农业社会，自然因素是占据主导作用。其中，自然因素中地形因子对传统村落空间分布起重要作用。本研究采用提取地形因子差分计算阶数的方法，将地形因子划分为一阶、二阶和高阶地形因子，通过ArcGIS10.3提取原始地形数据中的坡度、坡向、高程和平面曲率4种因素进行研究。

①坡度：使用坡度工具，计算每个目标像元值与其相邻像元值高程的变化率，进而获取传统村落所属地域的坡度值。结果显示，安徽省363个传统村落分布坡度变化阈值介于0°～30.605°之间。其中：292个传统村落分布在0°～10.202°之间，占80.44%；51个传统村落分布在10.202°～17.003°之间，占14.05%；20个传统村落分布在17.003°～30.605°之间，占5.51%(表2)。

以上情况表明，安徽传统村落与坡度之间存在紧密关联，坡度越大，传统村落越少，0°～10°是传统村落空间选址的合适坡度范围。

表2 安徽传统村落空间分布与坡度关系Table 2 The relationship between spatial distribution and slope of Anhui traditional village

②坡向：传统村落高程、相对高差、地表形态、地面曲率、山体位置等对坡向均有重要的限制作用。使用ArcGIS10.3对安徽省传统村落坡向进行数据采集，得到各样本点高程值改变量最大变化方向，据此确定坡向，可以直观判断传统村落的太阳辐射角和日照时长。在DEM中提取坡向(aspect)数据，重分类(reclassify)获取北坡(0～22.4，336.6～359.1)、东北坡(22.443～44.8，314.2～336.6)、东坡(44.8～67.7，291.7～314.2)、东南坡(67.7～89.773，269.3～291.7)、南坡(89.773～112.2，246.8～269.3)、西南坡(112.2～134.6，224.4～246.8)、西坡(134.6～157.1，201.9～224.4)、西北坡(157.1～179.5，179.5～201.9)数据。

分析显示，安徽省200个传统村落坡向分布在阳坡(90°～270°)，占55.10%，多于阴坡163个，占44.90%；按照如上8个方位的划分，南坡、东南坡、西南坡3个方位传统村落有128个，占35.26%，如果加上东坡和西坡有221个，占60.88%(表3)。安徽省地处北半球中纬度季风区，坡向对降水和日照有明显的控制作用，西南和东南暖湿气流在南坡和偏南坡形成丰沛降水，同时，南坡和偏南坡日照角度较大、日照时间较长。由于传统村落的形成还受到耕地、水源等其他自然条件的制约，因此，坡向影响具有局限性和复杂性。

表3 安徽传统村落空间分布与坡向关系Table 3 The relationship between spatial distribution and slope aspect of Anhui traditional village

③高程：利用30mDEM数字高程模型获取安徽省传统村落的高程数据，据此对安徽省传统村落高程数据的进行比较分析.结果显示，在高程0～350m分布了331个传统村落，占91.81%，350～1055m范围仅分布32个传统村落，所占比率不到10%。

以上情况表明，安徽省传统村落空间分布与海拔高程呈显著负相关，集中分布在低山海拔地区(0～350m)，海拔越高，传统村落数量越少。这与低海拔地区传统村落居民易于获得农业生产生活资源密切相关，如耕地、水源、宅基地，同时也与传统村落居民方便与外界进行交往的有利交通条件密切相关(表4)。

表4 安徽传统村落空间分布与高程关系Table 4 The relationship between spatial distribution and altitude of Anhui traditional village

④平面曲率：地面曲率(curvature)是表征传统村落地表曲面沿水平方向的弯曲、变化程度，反映村落所在地地表的粗糙程度。空间统计分析显示，安徽省传统村落平面曲率分布范围为-3.242～4.811m-1之间。其中，351个传统村落地面曲率在-2.235～1.791 m-1之间，占96.70%，10个传统村落地面曲率在1.791～3.804 m-1之间，仅有2个传统村落分布在地面曲率较大的范围。安徽传统村落平面曲率密集趋向于0°附近，近似标准正态分布(表5)。

表5 安徽传统村落空间分布与平面曲率关系Table 5 The relationship between spatial distribution and plan curvature of Anhui traditional village

以上情况表明，安徽传统村落地表虽有一定的负向与正向曲率变化，但总体选址以近于0°附近的平坦地形为主。一方面，传统村落居民在村落择址以平原、山间谷地、山间台地为主，另一方面与因生产生活需要对地表形态的平整改造密切有关。

(2)气候因子。气温和降水是两大气候因子，考虑安徽省位于北半球中纬度地区，气温条件对人类活动的制约性小，而降水量制约农耕环境下的水资源时空分配，对传统村落空间布局具有重要作用。

相关性分析结果显示，多年平均降水量与传统村落密度呈高度正相关Pearson指数0.8144(图4)。皖南山区(黄山、宣城)多年平均降水量分别为1822mm和1447mm，传统村落分布密度显著高于其他地区；沿江低山丘陵地区(安庆、铜陵、池州)及大别山区(六安)多年平均降水量在1500mm和1200mm左右，传统村落分布密度较高；其他地区主要为江淮丘陵和皖北平原，多年平均降水量低于上述地区，传统村落数量和密度显著减少(表6)。降水多少实质与地形密切相关，皖南、沿江、大别山区均为低山丘陵地区，地处东南季风迎风坡，降水量明显多于同纬度地区。

(3)植被因子。植被分布表征自然地理环境地形、水文、气候诸多要素，同时也表征人类活动对自然环境的扰动状况。

相关性分析结果显示，安徽传统村落空间分布与森林覆盖率呈高度正相关Pearson指数0.8491(图4)。皖南及沿江山区(黄山、宣城、池州)森林覆盖率高达60%及以上，传统村落分布密度也最高；六安所在大别山区森林覆盖率38.28%，传统村落分布密度也较高；其它地区为江淮丘陵、皖北平原，森林覆盖率明显较低，传统村落分布稀疏(表6)。植被分布与地形关系密切，皖南、沿江、大别山区均为低山丘陵地区，宜林地区广。

3.3.2 人文地理因素 人文地理因素受制于自然因素，特别是农耕社会，传统村落形成取决于生产资料和生活条件的可获得性。以下主要从人口、资源、经济和交通4方面进行阐释。

表6 安徽省传统村落空间分布与降水、植被关系Table 6 The relationship of spatial distribution of traditionalvillages with precipitation and vegetation in Anhui Province

注：不包括淮北、宿州、蚌埠、淮南四个地级市

图4 安徽部分自然及人文地理要素与传统村落密度相关系数比较Fig.4 Anhui natural and cultural geographical elements and traditional village density correlation coefficient comparison

安徽传统村落空间分布密度与人口密度呈明显负相关，Pearson指数-0.5478(图4)。主要表现为皖南山区黄山市人口密度密度最低，每平方公里仅150人，而传统村落分布密度最大，其次为皖南山区宣城市及沿江山区池州市人口较低，而传统村落密度较大(表7)。上述情况表明，山区地形起伏，交通不便，生活生产技术受外界干扰小，传统村落保留得多，密度大。

安徽传统村落空间分布密度与人均耕地呈明显负相关，Pearson指数-0.4642(图1)。皖南及沿江山区、大别山区人均耕地较少，传统村落分布较为密集。江淮丘陵和皖北平原人均耕地略大，但传统村落密度反而较小(表6)。耕地是传统农业社会最为根本的劳动资源，以上山区耕地资源相对稀缺，但人口分布较为分散，散落的山间谷地、平原成为支撑人口密度极少的传统村落的农业资源。

人均GDP是反映传统村落经济活动状态的重要人文地理指标。分析可得，安徽传统村落与人均GDP呈弱正相关，Pearson指数0.0945(图4)，即经济发达地区与经济欠发达地区传统村落数量密度或多或少，无明显空间分异特征。特别是黄山市人均GDP达到3.4340万元，处于中等水平，其主要原因在于旅游经济及山区经济作物的发展，提高了人均收入(表7)。

表7 安徽省传统村落空间分布与人文地理因子关系Table 7 Relationship between the spatial distribution and human geographical factors for traditional villages in Anhui province

注：不包括淮北、宿州、蚌埠、淮南四个地级市

交通条件是传统村落得以延续的一个重要外部力量。安徽传统村落空间分布与交通条件呈显著负相关，Pearson指数-0.7249(图4)。皖南山区及沿江山区公路密度最小，公路密度每平方公里均小于1公里，传统村落分布最为密集，而江淮丘陵及皖北平原地区交通条件最好，传统村落密度最小(表7)。上述情况表明，山区地形起伏，交通路网不发达，与外界联系较少，传统村落保留得多，密度大。

4 结论

(1)安徽传统村落空间分布受自然和人文多重因素的影响，其中自然因素主要取决于高程、坡度、坡向和平面曲率等地形因子的影响，多年平均降水量及森林覆盖率也对传统村落空间分布有一定影响。相对于自然因素，人口、资源、经济、交通是影响传统村落空间分布的主要人文因素，其中，交通条件是影响传统村落空间分布最重要的因素，人口密度和耕地资源次之，人均GDP影响最小。

(2)安徽传统村落空间分布类型属于凝集性，皖南山区主核极化特征极为显著，大别山区传统村落相对较多，形成半环次核密集区，如连接鄂豫皖三省大别山区，按空间分布趋势，可形成次核环状密集区。

(3)安徽传统村落标准差椭圆均呈北西-南东(NW-SE)方向，在空间分布上受地形因子四要素控制，近90%传统村落空间上集中分布在北西-南东方向上山区。其中，高程因素对传统村落空间聚合效应最强，地面粗糙程度和海拔高程是影响安徽传统村落空间偏向NW-SE走向的主要力量。

(4)安徽传统村落进行局域关联指数以高高(HH)、低低(LL)聚集区域占绝对优势，缺乏高低(HL)、低高(LH)区域。高高(HH)聚集分布主要分布在大别山区和皖南山区等地形变化明显区域。以上情况受地形和其它多重复杂和不确定性因素的影响。

[1] 孙莹,肖大威,王玉顺.传统村落之空间句法分析——以梅州客家为例[J].城市发展研究,2015,22(5):63-70.

[2] 陶伟,陈红叶,林杰勇.句法视角下广州传统村落空间形态及认知研究[J].地理学报,2013,68(2):209-218.

[3] 曹迎春,张玉坤.“中国传统村落”评选及分布探析[J].建筑学报,2013(12):44-49.

[4] 刘大均,胡静,陈君子，等.中国传统村落的空间分布格局研究[J].中国人口资源与环境,2014,24(4):157-162.

[5] 佟玉权,龙花楼.贵州民族传统村落的空间分异因素[J].经济地理,2015,35(3):133-137,93.

[6] 佟玉权.基于GIS的中国传统村落空间分异研究[J].人文地理,2014(4):44-51.

[7] 李伯华,尹莎,刘沛林，等.湖南省传统村落空间分布特征及影响因素分析[J].经济地理,2015,35(2):189-194.

[8] 张超,杨秉根.计量地理学[M].北京:高等教育出版社,2004：29-35.

[9] 孙才志,李欣.基于核密度估计的中国海洋经济发展动态演变[J].经济地理,2015,35(1):96-103.

[10] 赵璐,赵作权.基于特征椭圆的中国经济空间分异研究[J].地理科学,2014,34(8):979-986.

[11] 许贤棠,胡静,刘大均.中国省域旅游业的竞争力评价及空间格局[J].经济管理, 2015,37(4):126-135.