EN中文

经济地理 >

2025 , Vol. 45 >Issue 8: 175 - 186

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.08.018

三农、土地与生态

县域尺度下中国传统村落集中连片特征及其与地形要素的关系

  • 张恒瑞 ,
  • 张大玉 , ※ ,
  • 张尧鑫
展开
  • 北京建筑大学 建筑与城市规划学院，中国 北京 100044
※张大玉（1966—），男，博士，教授，博士生导师，研究方向为历史城市保护更新和传统村落保护发展。E-mail：

张恒瑞（1998—），男，博士研究生，研究方向为传统村落保护发展。E-mail：

收稿日期: 2024-10-14

  修回日期: 2025-01-09

  网络出版日期: 2025-10-10

基金资助

国家社会科学基金项目(24VWB022)

国家自然科学基金重点项目(51938002)

收起

Characteristics of Clustered Traditional Villages at the County Scale in China and Their Relationship with Topographic Factors

  • ZHANG Hengrui ,
  • ZHANG Dayu , ※ ,
  • ZHANG Yaoxin
Expand
  • School of Architecture and Urban Planning，Beijing University of Civil Engineering and Architecture，Beijing 100044，China

Received date: 2024-10-14

  Revised date: 2025-01-09

  Online published: 2025-10-10

Fold

摘要

文章基于数字高程模型数据和地貌数据，以8155个中国传统村落为研究对象，通过量化地形地貌指标，并结合统计学与空间分析方法，揭示了地形要素对传统村落空间布局模式及其集中连片特征的影响机制。研究发现：①传统村落集中连片县域分布具有显著的地域差异性。②传统村落集中连片区域的分布与我国主要山体走向具有高度一致性。③社会经济因素并非传统村落集中连片格局的主导性决定因素。研究结论有助于更好地理解中国传统村落的形成机制及其与自然环境的相互关系，为科学规划与保护实践提供了理论依据和数据支撑。

关键词： 古村落; 村落集群; 空间分布; 地形要素; 县域

本文引用格式

张恒瑞 , 张大玉 , 张尧鑫 . 县域尺度下中国传统村落集中连片特征及其与地形要素的关系[J]. 经济地理, 2025 , 45(8) : 175 -186 . DOI: 10.15957/j.cnki.jjdl.2025.08.018

Abstract

Using Digital Elevation Model (DEM) data and geomorphological data, this study focuses on 8,155 traditional villages across China to examine how topographic environmental factors influence and shape the spatial distribution patterns of these villages at the county scale. By quantifying geomorphological indicators and applying statistical and spatial analysis methods, the study reveals the mechanisms through which topographic conditions affect the spatial layout patterns and clustering characteristics of traditional villages, providing a scientific basis for the concentrated protection and development of these villages. Key findings include: 1)The spatial distribution of contiguous clusters of traditional villages at the county level demonstrates pronounced regional disparities.2)The spatial patterns of these contiguous traditional village clusters exhibit a strong correlation with the orientation of China's major mountain ranges.3)Socioeconomic factors are not the principal determinants shaping the spatial agglomeration of traditional villages.The research findings offer valuable insights into the underlying mechanisms of traditional village formation in China and their intricate relationship with the natural environment, thereby providing a robust theoretical framework and empirical basis to inform scientific planning and conservation efforts.

Key words： clustered traditional villages; clustering; county scale; spatial pattern; topograph

传统村落承载着宝贵的历史记忆与文化价值，是中华文明延续的重要载体[1]。然而，长期以来，传统村落的发展动力普遍不足，面临人口流失、产业萎缩与空间破碎等多重挑战[2-3]。随着学术界对传统村落认知的不断深化，学者逐渐意识到，仅仅依靠对单个村落的个体性保护，难以有效应对区域性衰退和资源分散等现实问题[4-5]。因此，学术界正逐步摒弃以往以单村为核心的狭隘模式，转向以传统村落集中连片区域作为研究与干预的基本单元[6-7]，强调区域整体性的保护与协调发展[8]。这一理念的转变也体现在国家政策层面的积极引导中。自2022年起，住房和城乡建设部、财政部相继公布了三批“传统村落集中连片保护利用示范县”名录[9]，明确将保护与利用的重心从“点”向“片”转移。这一系列政策举措的出台，旨在提升县域层面的统筹能力，通过资源整合、政策协同与机制创新，实现传统村落在文化保护、生态建设与乡村振兴之间的有机联动[10]。以示范县为抓手，推动村落保护与发展进入到以区域协同、系统治理为特征的新阶段，既为传统村落的整体性振兴提供了现实路径，也为学术界提供了新的研究平台和实践空间。
当前，关于传统村落分布特征的研究已取得较为丰富的成果，研究尺度涵盖国家[11]、省域[12]及区域[13]等多个层级。研究方法方面，学者们普遍采用核密度分析[14]、最近邻分析[15]、聚类分析[16]等空间统计工具，对传统村落的分布格局进行量化分析，并进一步探讨人文社会因素与自然环境因素对其空间分布的影响机制。在人文社会因素方面，现有研究主要从经济发展水平、交通条件、人口分布等维度出发[17-18]，分析其对传统村落空间分布及形成机制的作用。然而，相较于人文因素的可变性与主动性，自然地理环境则以其相对稳定的地域特性，对人类活动具有深层次的约束作用[19]。已有研究表明，地形起伏度、高程、坡度等地形因子显著影响人口的空间聚集、居民点的选址以及整体人居环境的宜居性[20]，并在一定程度上决定了经济社会发展的空间边界与发展路径[21]。正如自然环境构成了聚落存在的外在客观条件，社会发展水平可被视为自然环境因素的一种综合表现形式。
作为自然环境因素中的核心要素之一，地形因素对人类聚落分布的影响早已被学界所关注。早在1935年，胡焕庸先生便指出，地形条件在很大程度上决定了人类的居住与活动范围[22]。当前关于传统村落与地形要素关系的研究已有一定积累，但仍存在若干不足：①在研究对象上，多数研究将传统村落视作点状单元，基于其空间位置提取对应的地形数据，以分析地形因素对其选址和分布的影响。这种点状分析方法虽有助于揭示局部的地形关系，但难以全面反映传统村落在区域尺度上的聚集特征与空间格局演化。尤其是在缺乏以县域或更大区域为统计单元进行整体分析的情况下，传统村落集中连片分布的空间特征难以被系统揭示，进而影响对其成因机制的深入理解。②在数据选取方面，当前研究多以数字高程模型及其派生指标如坡度、坡向、山体阴影等作为主要分析变量。这些指标能够较好地反映村落所处地形的基本特征，但对地形的描述仍显有限。例如，地貌类型、山体走向等能够揭示宏观地形格局的要素，在现有研究中关注度较低，导致分析的深度和解释力存在局限。③对于研究内容，尽管已有研究初步揭示了地形因子对村落分布的静态影响，但仍缺乏对地形如何驱动传统村落集中连片分布的系统性探讨。目前多以相关性分析为主，未能构建地形要素—人居活动—空间聚集之间的驱动机制链条，忽视了地形因素在村落集聚、扩展与演变过程中的作用路径与作用方式。
鉴于此，本文以国家发布的6批次8155个中国传统村落为研究对象，首先对县域尺度下的传统村落分布特征与格局进行深入剖析，明确中国传统村落集中连片的主要分布区域，为后续的相关性分析界定研究范围。其次，基于地形要素数据，提取县域尺度下的坡度及地表起伏程度等关键指标，并结合我国主要山体的走势特点，讨论中国传统村落集中分布区域的空间分布格局与地形间的空间关系。最后，根据我国县域尺度下的传统村落空间分布特征和地形要素驱动机制，提出针对性的指导意见，以期为我国传统村落的集中连片保护利用工作提供有益的参考。

1 数据来源与研究方法

1.1 数据来源

本文实验数据包括8155个中国传统村落数据、行政边界数据、DEM数据、地貌数据以及山体走向数据，具体数据的使用方法及来源详见表1。
表1 数据分类及说明

Tab.1 Data Categories and Description

序号 数据名称 用途 数据来源
1 中国传统村落数据 利用Global Mapper软件反演得到点位数据 住房和城乡建设部等部门公布的第一至第六批中国传统村落名单[23]
2 行政边界数据 县域行政边界界定 行政区划图基于自然资源部标准地图服务网站下载的审图号为GS〔2023〕2767号的标准地图制作，底图边界无修改[24]
3 DEM数据 拼接、裁剪、重采样过后得到90 m分辨率的DEM数据 ASTER GDEM（V2）空间分辨率为30 m[25]
4 地貌数据 起伏度—海拔二级分类方案作为计算依据 2009年版本的《中华人民共和国地貌图集（1∶100万）》，分辨率为1000 m，共包括25类基本地貌类型[26]
5 山体走向数据 地形特征分析的依据 中国科学院、水利部成都山体灾害与环境研究所于2015年发布的《中国数字山地图》[27]

1.2 研究方法

1.2.1 数据预处理

①坡度计算：对于平面方法，坡度按一个像元到与其直接相邻的像元方向上值的最大变化率进行测量，本文采用最大平均值法，计算现有DEM数据的坡度。计算公式如下：
S = A T A N d z / d x 2 + d z / d y 2 · 57.29578
式中：S为计算点坡度；dz/dx为水平方向的坡度变化率；dz/dy为垂直方向的坡度变化率。
②地表起伏度计算：地形起伏度是指在一定区域范围内的最大高程与最小高程之差，表示区域的高程起伏情况。计算公式如下：
R = H m a x - H m i n
式中：Re为地表起伏度；Hmax为分析分范围内的最大高程值；Hmin为分析分范围内的最小高程值。

1.2.2 热点区域数据统计

①传统村落密度计算：利用县域行政边界数据对传统村落点位数据进行空间统计，根据统计数量与县域面积计算县域尺度的传统村落密度。计算公式如下：
D t = C n / A n
式中：Dt为传统村落的密度；Cn为统计县域的传统村落数量；An为县域面积。
②数量与密度关系计算：利用非线性回归模型拟合县域尺度的传统村落数量与密度关系。计算公式如下：
y = f x , b + d
式中：y是传统村落的数量；x为传统村落的密度；b为参数向量；d为误差项。
③平均高度、坡度与地形起伏度计算：由于地形要素有明显的空间连续性，可采用平均值描述冷热点的传统村落集中连片区域地形特征。计算公式如下：
M E A N R i ,   D i ,   S i = 1 n ∑ i = 1 n R i ,   D i ,   S i
式中：MEAN Ri为平均地表起伏度；MEAN Di为平均高程；MEAN Si为平均坡度；n为编号为i的冷热点区域。

1.2.3 空间分析法

①空间自相关检验：“空间自相关”是指在不同地理区域间，事物与现象在空间维度上展现出的相互依赖、相互制约、相互影响以及相互作用的复杂关系，这种相关性揭示了地理空间内各要素之间的内在联系[28]。对于传统村落集中连片区在整体视角下是否存在集聚特征采用全局Morans's I进行检验，z得分为43.86，显著地超出了随机分布的临界值，表明了传统村落集中连片区在全局范围内呈现出显著集聚态势。
②聚类分布分析：运用优化的热点分析工具识别具有统计显著性的热点区（High）和冷点区（Low），热点区表示县域尺度传统村落显著集聚区域，冷点区则相反。
③分布趋势度量：标准差椭圆是地理统计方法中能够精确地揭示各类地理要素空间分布特征的一种方法，运用此方法分析热点区域内传统村落点的空间分布特征，重心反映集中连片分布的平均中心位置，长轴反映传统村落点的主要延展方向，方位角反映村落点分布的主要空间指向。

1.2.4 相关性分析法

①正态分布检验：判断变量是否符合正态分布，以便在Pearson相关系数与Spearman等级相关系数之间做出正确选择。
②Spearman相关性分析：采用Spearman等级相关性分析方法，对各影响因素之间的关联强度与方向进行系统检验，以探讨其在传统村落集中连片格局形成中的潜在驱动关系。

2 中国传统村落集中连片特征

2.1 空间分布特征

随着传统村落调查工作的深入，从首批传统村落集中分布在贵州东南部、云南西部、安徽南部和山西东部等地区，到第六批在全国范围内相对分散的分布格局，多批次传统村落的遴选，最终形成了一个连贯的传统村落网络（图1）。从整体分布格局来看，县域尺度下传统村落的集聚程度呈现出显著的东南高、西北低趋势。其不仅在数量分布上表现为东南地区聚集度较高、西北地区相对稀少，在空间密度上亦呈现出东南密集、西北分散的特征。密度计算结果进一步表明，中国传统村落空间分布的区域性差异正逐步扩大，其中高密度县域的空间分布趋于进一步集中（图2）。
图1 县域尺度下中国传统村落空间分布演变

注：基于自然资源部标准地图服务网站下载的审图号为GS〔2023〕2767号的标准地图制作，底图边界无修改。图2~图4、图6~图7同。

Fig.1 Evolution of the spatial distribution pattern of traditional Chinese villages at the county scale

图2 县域尺度下中国传统村落数量与密度的空间分布

Fig.2 Spatial distribution of the number and density of traditional Chinese villages at the county scale

数量与密度作为传统村落空间分布的重要指标，为进一步认识传统村落系统的结构特征，探究二者的相互关系，通过非线性回归模型将县域尺度内传统村落的数量与分布密度进行拟合（表2）。结果显示，0.62的拟合优度反映传统村落的数量和密度之间存在一定的规律，大部分县区随着传统村落数量的提升，其密度不断提升，但提升速率逐步下降。与此同时，还应着重关注高密度但村落分布数量较少的县区，如鹤壁市鹤山区、阳泉市城区、邯郸市峰矿矿区，此类区域多为城市建成区，行政管辖面积较小，传统村落分布在城市周边，村落文化极易受到城市化进程的冲击。此外，低密度但村落数量较多的区域多分布在我国西北地区，县区面积较大且地广人稀、传统特色传承优良，但能否开展县域尺度传统村落集中连片保护利用，应根据村落实际集聚程度另行讨论。
表2 中国传统村落数量与密度关系

Tab.2 Relationship between the number and density of traditional Chinese villages

数量（个） 数量排名 市域 县域 密度 密度排名
164 1 黄山市 歙县 0.83 2
99 2 黔东南州 黎平县 0.25 27
95 3 保山市 腾冲市 0.19 42
78 5 丽水市 松阳县 0.61 5
78 4 黔东南州 从江县 0.27 25
68 6 黔东南州 雷山县 0.62 3
60 7 晋城市 高平市 0.61 4
59 8 晋城市 泽州县 0.29 18
56 9 丽水市 景宁畲族自治县 0.31 15
55 10 抚州市 金溪县 0.44 10

2.2 空间集聚特征

通过优化的热点分析，对中国传统村落的空间集聚特征进行测度，以评估其集中连片的分布特性。研究发现，集中连片热点区域为云南西部，贵州、湖南、广西三省交界地带，江西、福建、浙江三省交界区域以及山西与河北北部地区。相对而言，山东、安徽北部、江苏北部、沈阳、辽宁、吉林、黑龙江、宁夏以及四川东南部、新疆西北部等部分地区则呈现出较低的数值表现，属于冷点区域。依据2023年住房和城乡建设部发布的《关于组织申报2023年传统村落集中连片保护利用示范的通知》，对于拥有5个或更多列入国家保护名录的中国传统村落的县（县级市、区、旗，以下简称“县区”），可认定为传统村落集中连片保护利用示范县区，并依照5~9个、10~19个、20个及以上进行分级。通过对比（图3），可以发现，除青海东北部以外，我国传统村落集中连片保护利用县区多分布在热点区域内，四大主要热点区域内，超过一半的县区达到传统村落集中连片示范的数量门槛要求，表现出典型的空间集聚性。综合置信度热点分析结果，县域尺度上，识别出热点区域在空间上呈现出明显的集中连片特征。这表明，传统村落的分布与热点区域的自然、文化与历史条件之间存在深度相关性。
图3 中国传统村落冷热点县区以及集中连片示范县区的空间分布

Fig.3 Spatial distribution of county-level coldspots, hotspots, and contiguous demonstration zones of traditional Chinese villages

3 中国传统村落集中连片区与地形要素的关系

3.1 与山体走向的关系

中国传统村落集中连片区域在地理空间上的分布方向与我国主要山体走向之间高度互嵌。借助标准差椭圆方法，分析传统村落分布走向与山脉走向长半轴与短半轴的方向性特征关系，探讨热点区域内传统村落在地形上的分布变化与趋势。由图4可知，县域尺度的热点区域呈现出山体分布较为密集的特点，其中传统村落的分布方向与其所处地理环境中主要山体的走势显著地呈现出垂直或平行的关系。值得注意的是，在黄河与长江之间的带状区域，尽管分布有一定数量的传统村落，但并未形成跨越多个行政区域的集中连片分布格局，而是主要集中于局部县域尺度的地理空间内。进一步分析显示，热点区域的主要山体主要类型为尖脊山体、平顶山体、穹窿山体和锯脊山体，其中长江以南的热点区域在山体类型的多样性和丰富性方面显著超过长江以北的热点区域。从区域集聚看，山西的传统村落集中连片区域与太行山的分布高度吻合，村落分布趋势呈现出清晰的南北向特征；江西、福建、浙江三省交界区域内的传统村落集中连片分布以武夷山为核心，并依托天目山、天台山、雁荡山、玳瑁山等山脉，呈现出从东北—西南走向，且在此区域内南北跨度尤为显著；云南西部地区则沿横断山、高黎贡山、点苍山等山脉，在西北—东南方向上呈现出平行分布的特点。与前述区域不同，贵州、湖南、广西三省交界区域展现出独特的分布模式，即沿大娄山、雪峰山、大瑶山等山脉，呈现出东北方向的垂直于椭圆长轴的分布态势。
图4 中国传统村落热点地区分布方向与主要山体的关系

Fig.4 Relationship between the distribution of hotspot areas for traditional Chinese villages and major mountain ranges

通过各热点区域传统村落主要分布走向的地形剖面线与沿切线分布的县域尺度的传统村落密度值分析，研究结果表明热点区域的传统村落主要分布在地形起伏适中、变化较为平缓的缓坡和低谷之间（图5）。综合来看，热点区域的传统村落数量增长区间主要分布在地形起伏适中、变化相对缓和的缓坡与低谷区域，陡峭与极平缓区域的数量相对较少，同时热点区域的极值集中分布于地形阶梯过渡带，如第二、三级阶梯分界的太行山、雪峰山，以及第一、二级阶梯分界的横断山。例如，江西、福建与浙江三省交界的区域（图5a）与贵州、湖南、广西三省（区）交界区（图5b）由于其海拔均不超过2000 m，且地形变化相对平缓，高密度地区极值均出现在山间河谷地带，山西传统村落数量与太行山的地势高度（图5c）相关，主要分布在地形起伏较小、海拔变化相对缓慢的地貌过渡区域。云南西部区域极值出现的三江并流区域（图5d），由于地形高度差异剧烈、山谷深切，村落密度与地形起伏的关系受限于局地地貌格局、水系等多重因素的共同影响，呈现出较复杂的空间关联。尽管如此，村落仍主要分布于地形相对缓和的河谷阶地及沟谷平缓区域（图5）。
图5 主要分布方向的中国传统村落密度与地形起伏关系

Fig.5 Relationship between village density and topographic relief along the primary distribution orientation

3.2 与地貌特征的关系

选取冷热点区域作为度量县域尺度地貌特征的研究单元，热点地区与冷点地区在地貌上存在显著差异（表3）。具体来看：①热点地区的传统村落集中连片区域主要集中于山地及丘陵地带，中小起伏的中低山与少量的大起伏山体构成了该区域约74%的地貌类型，且以小起伏低山和中起伏中山为主，占比约47%。其中，江西、福建、浙江三省交界处的热点区域，以及贵州、湖南、广西三省交界处的热点区域，均以中小起伏的中低山地形为主；云南西部与山西的热点区域主要表现为中小起伏的中山地形特征，尤其是山西地区，中起伏中山地形所占比重接近50%；而青海则受整体地势的深刻影响，其主要地貌特征中，起伏高山的比例接近50%。②冷点地区占据了我国绝大部分的宜居平原及盆地，主要地貌为中低海拔的平原、丘陵、台地，占比73%，低海拔平原与丘陵超过50%，这印证了建设适应性地区乡土特色冲击严重这一论断。长江中下游平原、华北平原、东北平原共同构成了主要冷点区域，面积占比超过83%，其中低海拔丘陵与平原占比约为52%。四川盆地、新疆准噶尔盆地、广西沿海平原除以平原丘陵为主外，还分布较多的中低起伏山脉，与前文所述冷点区域不同、位于黄土高原西部的宁夏则以中起伏的高山为主（表3，图6）。
表3 中国传统村落冷热点区域主要地貌的比例

Tab.3 Proportion of major landforms in coldspot and hotspot regions of traditional Chinese villages

地貌类型 热点 A B C D E 冷点 A B C D E
低海拔平原 0.06 0.14 0.03 0.00 0.10 0.01 0.35 0.05 0.13 0.00 0.40 0.27
低海拔丘陵 0.09 0.14 0.11 0.00 0.04 0.00 0.15 0.35 0.28 0.00 0.15 0.16
低海拔台地 0.05 0.08 0.05 0.00 0.11 0.00 0.13 0.18 0.16 0.02 0.15 0.04
中海拔平原 0.01 0.00 0.00 0.00 0.01 0.02 0.04 0.00 0.00 0.11 0.03 0.09
中海拔丘陵 0.02 0.00 0.02 0.00 0.11 0.02 0.04 0.00 0.01 0.44 0.02 0.04
中海拔台地 0.01 0.00 0.00 0.00 0.09 0.00 0.02 0.00 0.00 0.17 0.01 0.01
高海拔平原 0.00 0.00 0.00 0.03 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
高海拔丘陵 0.00 0.00 0.00 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
高海拔台地 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
小起伏低山 0.19 0.25 0.28 0.00 0.01 0.01 0.10 0.12 0.33 0.00 0.11 0.00
小起伏中山 0.10 0.02 0.11 0.00 0.26 0.16 0.05 0.01 0.05 0.14 0.05 0.05
小起伏高山 0.01 0.00 0.00 0.26 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.02
小起伏极高山 0.00 0.00 0.00 0.04 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
中起伏低山 0.08 0.12 0.10 0.00 0.00 0.00 0.02 0.01 0.05 0.00 0.02 0.00
中起伏中山 0.26 0.19 0.23 0.00 0.24 0.47 0.07 0.18 0.01 0.12 0.06 0.10
中起伏高山 0.01 0.00 0.00 0.49 0.00 0.01 0.01 0.00 0.00 0.00 0.00 0.14
中起伏极高山 0.00 0.00 0.00 0.05 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
大起伏中山 0.09 0.06 0.07 0.00 0.03 0.18 0.01 0.08 0.00 0.00 0.01 0.00
大起伏高山 0.02 0.00 0.00 0.08 0.00 0.10 0.00 0.03 0.00 0.00 0.00 0.05
大起伏极高山 0.00 0.00 0.00 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
极大起伏高山 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00
极大起伏中山 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00
图6 中国传统村落冷热点区域主要地貌的空间分布

Fig.6 Spatial distribution of major landforms in coldspot and hotspot regions of traditional Chinese villages

3.3 与地形特征的关系

作为地形特征的关键指标，高程、地表起伏度以及坡度对于解析传统村落集中连片分布的影响因素具有重要意义。通过对这些特征要素的分类与分级，可以精准刻画传统村落在特定区域内的集中连片热点与冷点区域的地形特征，有助于揭示地形要素与县域尺度下传统村落数量之间的空间关系（图7、图8）。从海拔高程看，县域尺度的传统村落集中连片分布热点地区的海拔标准差为945.40 m，高于冷点地区的654.78 m；同时，冷点地区多分布在低于1500 m的中低海拔地区，而热点地区中超过67%位于超过1500 m的高海拔及极高海拔区域，特别是云南西部热点区域的平均海拔已超过2338m。尽管如此，热点区域的传统村落整体密度与其他区域相近，这表明绝对海拔并非影响传统村落集中连片分布的决定性因素。地表起伏度的分析结果显示，热点区域的主要地表起伏度范围显著较大，介于199~1388 m之间，这一数值远高于冷点地区的主导地表起伏度，后者不足50 m。值得注意的是，接近50%的冷点区域其地表起伏度甚至低于50 m，这表明相对复杂的地形条件对于传统村落的分布具有相当强的正向驱动。坡度对于传统村落分布的影响效应与地表起伏度类似，热点地区要明显高于冷点地区的平均坡度。但热点区域的坡度变化累计频率增长速率显著低于冷点区域，表明传统村落集中连片分布县区的地形适应性要明显好于传统村落离散分布县区。
图7 中国传统村落冷热点县区地形要素的空间分布

Fig.7 Spatial distribution of topographic features in cold and hot spot counties of traditional Chinese villages

图8 不同地形要素条件下中国传统村落冷热点县区的分布频率

Fig.8 Distribution frequency of coldspot and hotspot counties of traditional Chinese villages under different topographic conditions

4 驱动机制分析

4.1 指标选取

为进一步深入探讨地形要素在中国传统村落集中连片空间格局形成过程中的交互作用机制，本文构建了涵盖“地形要素—发展水平—集中连片程度”三维关系的地形适应性分析框架，以揭示传统村落空间集聚格局的驱动路径，厘清地形适应系统之间的耦合关系。该分析框架选取县域尺度上的人口数量与地区生产总值（GDP）作为区域社会经济发展水平的代表性指标，用以反映人文社会因素对传统村落分布的潜在影响；同时，海拔、坡度和地表起伏度被视为地形要素的核心参数，以刻画自然环境对村落空间分布的制约与适应性特征；传统村落密度则被用作衡量集中连片程度的关键变量，从而实现对自然条件、人类活动与空间聚集格局之间关系的综合量化分析。在实证分析中，分别对热点区域与冷点区域所选指标进行正态性检验，结果显示所有变量的p值均小于0.01，呈现出显著的非正态分布特征。基于此，本文采用Spearman相关系数对变量之间的相关性进行非参数检验，以确保分析结果的稳健性与解释力。

4.2 相关性分析

采用Spearman相关系数分析法，分别对冷点区域与热点区域中所选指标之间的相关性进行测度，并构建相关性分析矩阵（表4）。分析结果显示，在冷点区域，GDP与传统村落密度之间不存在显著相关性；而与人口规模之间虽表现出一定程度的正相关，但相关性并不显著。此外，海拔与坡度与传统村落密度之间的相关系数均未超过0.3，然而其p值均小于0.05，表明这两项地形因子与村落分布之间虽为弱相关，但统计上具有显著性。这说明，尽管高程和坡度对传统村落密度的影响较弱，但其关系并非偶然，仍具有解释意义。尤为显著的是，传统村落密度与地表起伏度之间的相关系数高达0.966，且达到0.01水平的显著性，揭示出二者之间存在极强的正相关关系，说明在地表起伏度较大的地区，传统村落更倾向于形成高密度的集中分布。在热点区域的分析中，人口与GDP均与传统村落密度呈现负相关关系，显示出在经济和人口活动较为集中的区域，传统村落密度相对较低。其中，人口因素的影响机制相对较弱，表现为相关系数较小。在地形要素方面，与冷点区域类似，高程与坡度与传统村落密度之间的相关系数仍未超过0.3，但均具有统计学显著性，反映出地形起伏对村落分布仍具一定影响。需要指出的是，热点区域中地表起伏度与传统村落密度的相关系数为0.748，虽仍表现为显著正相关，但相关强度较冷点区域有所下降。此外，高程、坡度及地表起伏度均与人口密度和GDP呈显著负相关，显示出地形复杂性在一定程度上限制了人口与经济活动的集聚。然而，相较于高程和坡度，地表起伏度对传统村落密度的解释力更为显著，而对人口与GDP的影响则相对较弱。
表4 冷点及热点区域各指标相关性矩阵

Tab.4 Correlation of Indicators in Cold Spot and Hot Spot Areas

冷点区域 热点区域
传统村落密度 GDP 人口 高程 坡度 地表起伏度 传统村落密度 GDP 人口 高程 坡度 地表起伏度
传统村落密度 1 1
GDP -0.075 1 -0.147** 1
人口 0.085* 0.711** 1 -0.078* 0.729** 1
高程 0.211** -0.517** -0.425** 1 0.140** -0.551** -0.435** 1
坡度 0.268** -0.378** -0.359** 0.845** 1 0.300** -0.493** -0.375** 0.688** 1
地表起伏度 0.966** -0.11 0.074* 0.234** 0.287** 1 0.748** -0.194** -0.057 0.246** 0.415** 1

注：* p<0.05 ** p<0.01。

4.3 县域传统村落集中连片的驱动机制

基于上述测算结果，并结合地形适应度理论范式，对县域尺度上传统村落集中连片格局的形成机制进行剖析（图9）。
图9 传统村落集中连片驱动机制

Fig.9 The driving mechanism behind the phenomenon of clustered and contiguous traditional villages

①传统村落密度与高程、坡度及地表起伏度之间的相关性表明，传统村落的集中连片程度随着地形要素复杂性的增加而呈现出显著的正向驱动效应。地形地貌的整体特征不仅在空间上塑造了传统村落的分布格局和聚集模式，更在深层次上决定了其生成逻辑、演化路径与空间演进规律，尤其是地表起伏度对村落集中连片水平具有决定性影响。在山地、丘陵与河谷等具有地形连贯性的自然区域，地貌形态的连续性为村落提供了稳定的生态基底、适宜的生产条件与相对封闭的空间环境，从而形成了传统村落长期延续的自然依托。这类地带往往构建起对外界影响的天然屏障，有效保障了村落文化的传承延续。同时，这些连片分布的村落在文化形态上具有高度的同质性，呈现出强烈的文化共性与社会关联性，村落间的文化交流、宗族联系及仪式系统紧密交织。这种地理空间与文化基因的共构关系，不仅体现了传统聚落因地制宜的发展智慧，也揭示了地方社会组织与区域文化演化之间的内在逻辑。
②传统村落密度与社会经济发展水平之间的相关性分析表明，经济发展水平对传统村落集中连片格局的宏观影响相对有限，难以构成主导性干扰因素。虽然近年来快速推进的城镇化进程在一定程度上加剧了传统村落的衰退与消亡，部分区域因土地开发、产业转型及人口迁移而导致村落空心化乃至整体消失，但这种人文社会因素所带来的空间重构作用，仍难以与地形要素所施加的结构性限制相抗衡。地形所构建的自然阻隔机制，特别是在高海拔、起伏度大、交通可达性差的区域，持续对村落的空间分布、发展边界与文化保存形成强有力的约束，从而有效延缓了城镇化所带来的破坏性影响。因此，相较于社会经济因素所导致的外在扰动，地形条件所形成的“被动保护”作用在维护传统村落的空间完整性和文化延续性方面显得更加持久且显著。
③对地形要素所代表的自然环境因子与生产方式所反映的人文社会因素的对比分析表明，自然地形条件在传统村落集中连片格局的形成中发挥了更为显著且关键的驱动作用。传统村落集中连片水平与地区发展水平之间的相关性，更体现为由地形条件，尤其是地表起伏度所驱动的空间表征，而非社会经济变量直接作用下的因果机制。换言之，传统村落的高密度聚集并非经济发展水平的产物，而是地形适宜性塑造下的空间响应。这种“地形先赋—空间适应”的逻辑关系强调了自然环境在聚落格局形成中的基础性地位。

5 结论与建议

5.1 结论

本文以六批次中国传统村落名录为研究对象，基于县域尺度系统分析了传统村落集中连片的空间格局特征及其与地形要素之间的关联机制，得出以下主要结论：
①传统村落集中连片县域分布具有显著的地域差异性。从全国尺度来看，其总体分布格局呈现出“东多西少、南密北疏”的空间特征，长江以南地区集中连片的县域数量明显多于长江以北。传统村落集中连片主要形成四大空间集聚区域，分别位于：云南西部地区；贵州、湖南、广西三省区交界地带；江西、福建、浙江三省交界区域；以及山西与河北北部地区。这些区域内部超过半数县域达到集中连片示范标准，呈现出显著的空间集聚效应与区域联动特征。
②传统村落集中连片区域的分布与我国主要山体走向具有高度一致性。这些区域主要分布在地形起伏适中、坡度较缓的缓坡带与低谷地带，尤其集中于地形阶梯的过渡区，是集中连片现象最为集中的空间单元。传统村落集中连片县域普遍位于山地和丘陵地貌类型之中，尤以中低山地和中小起伏带为典型分布区；相较之下，中低海拔的平原、台地及浅丘区则较少出现集中连片格局，呈现“随地形起伏增强而聚集，地势平缓则分散”的分布趋势。
③社会经济因素并非传统村落集中连片格局的主导性决定因素。通过与人口密度及地区生产总值GDP等指标的相关性分析可知，经济发展水平对传统村落密度的宏观干扰作用相对有限，尽管城镇化进程导致部分传统村落衰亡与解体，但其影响作用远不及地形因子所构建的自然阻隔效应显著。与之相比，地表起伏度所代表的地形要素在村落空间格局的形成中发挥了更为关键的作用。集中连片区县普遍位于地形起伏显著的区域，且其平均坡度明显高于非集中连片区县，进一步验证了地形因素在传统村落聚集性空间分布中的主导地位。

5.2 建议

传统村落集中连片的空间分布表现出显著的区域差异性，且其所处的地形特征亦存在较大差别。基于本研究的分析与实证结论，针对不同地形与区域特点，提出以下针对性对策建议：
①根据现行传统村落集中连片示范县区的认定标准，当前多数入选区域主要集中于村落密度较高、文化资源丰富的热点地区。而在热点区域之外，尽管部分县区同样保有一定数量的传统村落，但由于受限于连片数量不足、分布零散或整体保护基础薄弱等因素，往往难以达到集中连片示范的入选门槛，导致其在政策试点与资源配置中被边缘化。特别是在西北、东北等偏远地区，传统村落虽数量不多，但其所承载的地域文化特色、民族多样性与历史价值同样不可忽视。因此，未来在制定集中连片试点政策与评估标准时，应更加注重区域平衡与文化多样性的保护导向，适当拓展连片概念的弹性边界，探索“点片结合”的多样化示范路径，赋予边缘地区更大的参与空间。同时，应从公平正义的视角出发，强化对传统村落分布零散地区的政策关注与资金支持，鼓励建立“小片区，小组团”式的协同保护机制。
②传统村落集中连片保护利用应充分体现顺势而为的空间治理理念，以地形要素为基本单元划分区域，构建“山系片区—沟域集群”的空间组织模式。以山系为生态纽带，整合自然地貌与村落格局，突破行政单元的桎梏，实现山地环境中的空间联动与整体协调；以沟域为组织单元，推动其内部村落间的功能互补、资源共享与文化联动，形成具有地缘连续性和人文整合度的聚落集群。
③在尊重区域既有经济基础的前提下，构建“连片集群，典型示范”作为推动传统村落分类保护与差异化振兴的重要政策路径。在传统村落密集的地形复杂的区域，宜依托现有的空间结构与聚落网络，推进集中连片保护利用模式，通过强化村落间文化关联、生态互补与资源共享，形成区域内部的协同发展格局。而在传统村落较为零散的平原、丘陵与台地区域，应聚焦资源禀赋优良、保存较为完整的典型村落，实施点状示范引领策略。通过集中政策、资金与技术支持，打造具有标志性、可复制性与传播性的样板村落，强化其在文化引领、功能带动与社区共建中的核心作用。进一步以示范村为中心，辐射带动周边村落，探索“点—轴—面”扩展路径。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
胡燕, 陈晟, 曹玮, 等. 传统村落的概念和文化内涵[J]. 城市发展研究, 2014, 21(1):10-13.

[2]
常光宇, 胡燕. 探索传统村落集群式保护发展[J]. 城市发展研究, 2020, 27(12):7-11.

[3]
史东霞, 王金平. 精明收缩视角下传统村落集中连片规划方法探索——以山西省阳泉市平定县为例[J]. 小城镇建设, 2022, 40(12):70-76.

[4]
张菁, 林冰姚, 陈秋渝, 等. 渝东南传统村落景观集群集中连片保护体系研究[J]. 南方建筑, 2023(10):98-107.

[5]
薛乾明, 黄跃昊. 传统村落集中连片保护利用格局构建方法——以甘肃省两当县为例[J]. 规划师, 2024, 40(8):66-74.

[6]
张大玉, 张文君, 陈丹良. 新时期传统乡村聚落保护发展集群模式的理念辨析和思路探索[J]. 城市发展研究, 2022, 29(4):16-21,39.

[7]
陈彬, 王巧玲. 传统村落集中连片保护利用的实施路径[J]. 中国土地, 2022(5):43-45.

[8]
张文君, 陈丹良, 张大玉. 社会有机体理论视角下的县域传统村落集群保护发展方法研究[J]. 小城镇建设, 2022, 40(9):111-119.

[9]
住房和城乡建设部、财政部. 做好2022年传统村落集中连片保护利用示范工作[J]. 住宅产业, 2022(4):5-6.

[10]
凡来, 张大玉, 李雪华, 等. 集中连片视角下的传统村落保护利用协同发展研究——以北京门头沟为例[J]. 中国园林, 2025, 41(4):79-86.

[11]
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.

[12]
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.

[13]
薛明月, 王成新, 窦旺胜, 等. 黄河流域传统村落空间分布特征及其影响因素研究[J]. 干旱区资源与环境, 2020, 34(4):94-99.

[14]
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, 29(4):44-51.

[15]
康璟瑶, 章锦河, 胡欢, 等. 中国传统村落空间分布特征分析[J]. 地理科学进展, 2016, 35(7):839-850.

DOI

[16]
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.

[17]
孙军涛, 牛俊杰, 张侃侃, 等. 山西省传统村落空间分布格局及影响因素研究[J]. 人文地理, 2017, 32(3):102-107.

[18]
卢松, 张小军, 张业臣. 徽州传统村落的时空分布及其影响因素[J]. 地理科学, 2018, 38(10):1690-1698.

DOI

[19]
吴传钧. 论地理学的研究核心——人地关系地域系统[J]. 经济地理, 1991(3):1-6.

[20]
梁步青, 肖大威, 陶金, 等. 赣州客家传统村落分布的时空格局与演化[J]. 经济地理, 2018, 38(8):196-203.

DOI

[21]
周蕾, 熊礼阳, 王一晴, 等. 中国贫困县空间格局与地形的空间耦合关系[J]. 经济地理, 2017, 37(10):157-166.

[22]
胡焕庸. 中国人口之分布——附统计表与密度图[J]. 地理学报, 1935(2):33-74.

DOI

[23]
住房和城乡建设部. 传统村落网[EB/OL]. http://www.chuantongcunluo.com/index.php/Home/gjml/gjml/wid/2506.html,2023-03-19.

[24]
自然资源部地图技术审查中心. 标准地图服务系统[EB/OL]. http://bzdt.ch.mnr.gov.cn.

[25]
武文娇, 章诗芳, 赵尚民. SRTM1 DEM与ASTER GDEM V2数据的对比分析[J]. 地球信息科学学报, 2017, 19(8):1108-1115.

DOI

[26]
周成虎, 程维明. 《中华人民共和国地貌图集》的研究与编制[J]. 地理研究, 2010, 29(6):970-979.

[27]
邓伟, 李爱农, 南希, 等. 中国数字山地图[M]. 北京: 中国地图出版社, 2015.

[28]
陈彦光. 基于Moran统计量的空间自相关理论发展和方法改进[J]. 地理研究, 2009, 28(6):1449-1463.

Options
文章导航

/

〈 〉