EN中文

Economic geography >

2020 , Vol. 40 >Issue 2: 143 - 153

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.02.016

Spatial Distribution Characteristics and Influencing Factors of Chinese Traditional Villages

  • LI Jiangsu , 1 ,
  • WANG Xiaorui 1 ,
  • LI Xiaojian , 1, 2, ※
Expand
  • 1. Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center on Yellow River Civilization Jointly Built by Henan Province and Ministry of Education，Henan University，Kaifeng 475001，Henan，China
  • 2. Collaborative Innovation Center of Urban-Rural Coordinated Development，Henan University of Economics and Law，Zhengzhou 450046，Henan，China

Received date: 2019-06-28

  Revised date: 2019-09-08

  Online published: 2025-04-01

Fold

Abstract

Villages have been the main carriers for the implementation of the rural revitalization strategy; it is of great value to recognize the spatial distribution of traditional villages and its influencing factors for the inheritance and development of traditional villages. Taking traditional villages as the object,the study adopted the methodology of kernel density identifying cores and sub-cores,constructed the research methodology of influencing factors of "Grid Analysis-Spatial Autocorrelation-Geographical weighted regression" and carried out practical analysis. The findings are as follows:first,from the perspective of larger geographical pattern,traditional villages are mainly distributed in the east of "Hu Huanyong Line",the second and third steps of the terrain of China,the area where the average annual precipitation covering more than 400mm,subtropical monsoon climate zone and temperate monsoon climate zone; from administrative division aspect,the junction zone of some provinces and prefecture-level cities is the density core of traditional villages; Second,the results of GWR model show that:in terms of topographic factors,the lower elevation of the second step is and the higher elevation of the third step is,the more concentrated the traditional villages are; regarding the ecological factors,there are two features in the main agricultural products areas or eco-environmental protected areas,the better the ecological environment is,the more intensive or the more dispersed traditional villages are; as far as population factors are concerned,in most areas of the west "Hu Huanyong Line",the denser the population is,the more concentrated the traditional villages are,while the eastern area of "Hu Huanyong Line" is the opposite; as for economic factors,traditional villages tend to gather in most areas of the central and western regions with lower levels of economic development,while traditional villages are prone to be scattered in the eastern regions with overall high levels of economic development; and the factors of traffic and cities also have two-sides characteristics in the spatial distribution of traditional villages in different regions. Generally speaking,the regression coefficients of each geographical element have positive and negative values,ratio differences of positive and negative value and spatial differences between high and low values,and reflect the direction,degree and scope of each element on the spatial distribution of traditional villages. Based on the characteristics of spatial distribution of traditional villages and the spatial difference of geographical factors' regression coefficient,some suggestions for the development and utilization of traditional villages are put forward.

Key words： rural revitalization; traditional village; Hu Huanyong Line; grid analysis; Geographically Weighted Regression

Cite this article

LI Jiangsu , WANG Xiaorui , LI Xiaojian . Spatial Distribution Characteristics and Influencing Factors of Chinese Traditional Villages[J]. Economic geography, 2020 , 40(2) : 143 -153 . DOI: 10.15957/j.cnki.jjdl.2020.02.016

传统村落是历史悠久、遗存雄厚和文化典型的村落，它承载着世代居民的乡愁，蕴含着丰富的历史文化景观，展示着中华民族悠久文明[1]。随着我国工业化、城镇化和农村现代化进程的加快，传统村落在急剧消亡，其保护工作迫在眉睫[2⇓-4]。传统村落的保护，不仅有利于促进传统文化的创造性转化和创新性发展，同时符合“十九大”报告中提出的乡村振兴战略。乡村振兴战略一方面肯定了乡村社会经济发展在时代进程中的重要性，同时对美丽乡村建设提供政策支持[5]。传统村落的保护和开发利用，是推进乡村振兴战略不可忽视的极为重要的资源与潜在力量，是乡村振兴战略实施的主战场之一。自2012年国家住房和城乡建设部、文化部、财政部等部门发通知公示中国第1批传统村落名录，至2018年，我国合计公示了5批6 799个传统村落，这从制度角度有力推动了传统村落保护工作的发展。
在传统村落的研究上，Daniel Little较早关注了此类村落的村民社会特征[6]。国内学者殷永达、刘沛林等是我国传统村落研究的先行者，在1990年代开展了传统村落的文化内涵[7]和意象构成[8]等方面的研究。随后很长时期内，关于传统村落的研究较少。随着全国范围内传统村落调查工作的实施和我国第1批传统村落名录的公布，论文成果呈现爆发性增长趋势。截至目前，相关研究成果已十分丰硕。近年来地理学关于传统村落的研究包括：传统村落空间形态[9-10]，传统村落景观的基因识别、脆弱性以及开发保护[11⇓⇓⇓⇓⇓-17]，传统村落旅游业发展模式[18-19]、旅游业支撑传统村落振兴[20]、旅游业发展中的农户适应性[21-22]，传统村落人居环境[23]等。除了典型案例研究之外，近年来，地理学日益发挥时空综合分析的优势，开展了传统村落空间分布和影响因素研究。研究尺度上，涉及了国家层面[24-25]、省区层面[2⇓-4,26⇓⇓-29]、自然区[30]—经济区[31]—文化区层面[5]、市域层面[32⇓-34]；研究多侧重于静态空间布局，也包含少量动态空间分布演化分析[31⇓⇓-34]；空间分布影响要素上，涵盖了自然和人文两大地理要素，具体涉及地形因素、气候因素、人口因素、交通因素、经济因素、城市因素、文化和政策等因素[2,5,26⇓⇓⇓⇓⇓⇓⇓-34]；研究方法上，采用核密度分析[2,26]、分级色彩设置[4]，或将核密度分析与空间自相关[28,31]、最邻近距离和最邻近点指数、缓冲区分析、地理集中指数、空间基尼系数、不平衡指数等空间分析及空间统计方法结合[5,27,32,34]，以刻画传统村落的空间分布或演化特征；此外，学者采用格网分级法提取中国传统村落空间分布特征[25]；在影响因素分析方法中，地形因素的分析较多采用空间叠置法观测传统村落分布周边的地形特征[4,29,32-33]，其他要素的分析则较多采用定性描述分析方法[2,5,26,29,33-34]；也有学者对地形、距离中心城区距离、人口等要素分级，采用地理探测器探讨传统村落分布影响因素[31]。
近年来，学界一方面围绕传统村落空间形态，传统村落景观的基因识别、空间特征、脆弱性以及开发保护，传统村落旅游业发展模式、旅游业发展中的农户适应性，人居环境评价等问题开展大量案例分析，取得有益结论。另一方面，地理学日益发挥时空综合分析的优势，开展了传统村落空间分布及其影响因素的研究；研究中涉及对不同尺度传统村落的探讨，结合ArcGIS空间分析技术以及传统空间统计方法，从动态或静态视角探讨传统村落的空间分布及演化特征，较为全面地考虑了包括自然和人文两大地理要素对传统村落分布的影响。上述研究为本研究提供相关借鉴，但大多对传统村落空间分布影响因素的研究采用简单空间叠置和定性分析法，如何将传统村落空间分布影响要素纳入计量回归模型的解决方法有待进一步挖掘。
基于此，本研究用格网分析法将国土空间划分为突破行政边界的微空间，以格网为基础单元，提取格网中的传统村落数量以及各地理要素值，构建中国传统村落空间分布影响要素分析数据库，将传统村落空间分布及其影响要素纳入地理加权回归模型。采用核密度分析法刻画中国传统村落空间分布特征，采用“格网分析法—空间自相关—地理加权回归模型”对中国传统村落空间分布的地理要素进行剖析。本研究一方面为点状矢量要素（传统村落）空间分布的影响因素研究纳入地理加权回归模型分析提供了技术方法可能，另一方面有利于从总体上识别传统村落分布的热点区域，并认知传统村落周边的客观地理环境和社会经济发展特征，为乡村振兴战略实施过程中传统村落的保护、传承性和创新性发展提供相关现实依据。

1 研究对象、方法与数据

1.1 研究对象

本研究的对象为住房和城乡建设部、原文化部、财政部等部门公示的第1~5批合计6 799个传统村落（图1），其中2012年第1批646个，2013年第2批915个，2014年第3批994个，2016年第4批1 598个、2018年第5批2 646个。
图1 中国不同批次传统村落空间位置

Fig.1 Spatial location of different batches of Traditional Villages in China

1.2 研究方法

1.2.1 核密度分析

核密度分析（Kernel Density Estimation）是测度局部密度变化、探索空间热点的有效技术[35]，可计算出每个输出栅格周围的点要素密度，以呈现传统村落空间分布的集中与离散程度。公式为：
D x i , y i = 1 u r ∑ i = 1 u k d r
式中： D x i , y i为传统村落在空间位置 x i , y i处的核密度值； r为搜索半径，也被称为带宽； u为与位置 x i , y i的距离小于等于半径 r的点要素数； k函数表示空间权重函数； d为当前点要素与 x i , y i之间的点距离。

1.2.2 格网分析

格网（Fishnet）分析法是基于空间坐标系统来描述、分析、虚拟区域地理现象的有效方法之一，在空间格局分析中具有广泛的前景[36-37]。本研究采用中国省级行政区底图划分出50 km×50 km呈矩形状的初始格网，共计7 440个格网单元（图略），在此基础上提取研究范围格网共计3 973个格网单元（图略），在3 973个格网中，靠近中国陆域边界的格网面积有所差异，内部其他格网面积均为2 500 km2。之所以选择50 km×50 km格网，主要考虑了一定地域范围内各种因素的一致性，太大尺度的格网如100 km×100 km、150 km×150 km等尺度，其格网内部要素存在较大的空间差异。
在格网划分的基础上，采用3 973个格网提取每个格网中第1~5批汇总后的传统村落数量，提取每个格网的高程均值、每个格网的林地、草地、水域总面积、每个格网的人口密度均值和GDP密度均值、每个格网的主要公路长度、各格网中各传统村落与城市最近距离的均值，构建中国传统村落空间分布的地理要素分析数据库（表1）。影响因素选取时参考了佟玉权[4]、康璟瑶[24]、李伯华[29]、陈君子[30]、关中美[31]、卢松[34]等学者近年来关于传统村落空间分布影响因素研究的成果，这些成果综合考虑了自然和人文两大要素对传统村落空间分布的影响，两大要素涵盖了地形、人口、经济、交通和城市等因素。然而，上述成果未能将生态因素纳入分析。一般而言，生态环境较好的区域更适合于人类定居，也更有利于传统村落的布局，为验证传统村落的布局是否遵循这样的规律，本研究充分借鉴上述成果的同时，增加了对生态因素的分析。
表1 传统村落空间分布影响因素分析指标及计算方法

Tab.1 Influencing factors’ index and calculation method of the spatial distribution of Traditional Villages

类型 符号 指标 计算方法
变量 Y 传统村落集中指数 各格网中传统村落数量/格网面积
自变量 X1 地形因素 各格网高程均值
X2 生态因素 各格网的林地、草地、水域总面积/格网面积
X3 人口因素 各格网人口密度均值
X4 经济因素 各格网GDP密度均值
X5 交通因素 各格网道路总长/格网面积
X6 城市因素 各格网县级以上城市数量

1.2.3 地理加权回归（GWR）

文章在空间自相关方法对传统村落空间分布的分析[38]基础上，还进一步进行了地理加权回归分析。地理加权回归（GWR）是由Fotheringham等[39]提出的一个空间变参数模型，是对普通最小二乘法回归（Ordinary Least Squares Regression，OLS）模型的空间扩展，将数据的地理位置嵌入到回归参数之中，使得参数可以进行局部估计，扩展后的模型为[40-41]：
y i = β 0 μ i , v i + ∑ i = 1 k β k μ i , v i x i k + ε i
式中： y i为全局因变量； x i k为第 i个样本空间单元内第 k个变量的观测值； μ i , v i是第 i个样本空间单元的地理区位坐标； β 0 μ i , v i为回归的常数项； β k μ i , v i为第 i个样本空间单元的第 k个回归参数； ε i为随机误差项。

1.3 支撑数据

本研究支撑数据包含：①住房城乡建设部村镇建设司公示的1~5批中国传统村落名录，共5批，依据其名称和地址，采用Google Earth定位各村地理坐标，构建（点类，Point）矢量数据库；②来源于中国科学院资源环境科学数据中心的中国分省DEM 30 m数据；③中国土地利用/土地覆盖遥感监测数据库（LUCC2015），用于提取传统村落周边区域的林地、草地和水域等数据以反映生态环境，来源于中国科学院资源环境科学数据中心；④中国1 km网格人口分布/GDP数据集（2010），用于提取传统村落周边区域的人口密度和GDP数据，来源于中国公里网格人口分布数据集[42]和中国公里网格GDP分布数据集[43]；⑤中国主要公路数据以及中国城市矢量数据，来自于国家基础地理信息系统1∶400万数据。

2 中国传统村落空间分布特征

采用ArcGIS10.2软件中的核密度分析方法，以中国省级行政单元为分析范围，通过迭代实验，计算了50 km、60 km、70 km…、150 km等同一搜索半径下中国第1、2、3、4、5批以及第1~5批汇总传统村落的核密度状况，发现在100 km搜索半径下中国传统村落核密度结果可以清晰地呈现空间差异特征（图2）。
图2 中国传统村落核密度分析结果（100km搜索半径）

Fig.2 Kernel density analysis results of Chinese Traditional Villages （100km search radius）

在各批次以及所有批次汇总中，从中国人口格局来看，中国传统村落核密度的Ⅱ、Ⅲ、Ⅳ种类型区在很大程度上出现在“胡焕庸线”以东，这符合传统村落作为人类居住场所，即聚落这一本质属性；从地形地貌来看，高值区主要布局在第二和第三级阶梯，如南岭、武夷山、雪峰山、云贵高原的横断山区、太行山区；从降水分布来看，高值区主要布局在年均降水量400 mm以上的区域。从气候类型来看，高值区主要布局在亚热带季风气候区和温带季风气候区。
第1批传统村落形成1个密度核心和11个次密度核心区域（图2a）。贵州、广西、湖南三省交界处的凯里、合山和怀化地区为密度核心，在此核心周边形成一个较大的环状次核心（包括桂林、合山、凯里、都匀、怀化）。其他10个次密度核心分别为：①位于安徽、江西、浙江三省交界处以黄山为主体的次核心，主要包含黄山、景德镇、宣城、贵池、上饶、杭州、衢州；②位于太行山周边包括晋城、长治、邯郸、邢台、安阳的次核心；③位于太行山周边包含阳泉和石家庄的次核心；④浙江金华的次核心；⑤位于湖南、重庆、湖北、贵州交界处以吉首为主，包含铜仁、恩施、重庆的次核心；⑥位于贵州的铜仁、凯里、遵义交界的次核心；⑦福建的宁德次核心；⑧福建的梅州、龙岩次核心；⑨位于北京和张家口交界的次核心；⑩云南的丽江次核心。
第2批传统村落形成1个密度核心和4个次密度核心区域（图2b）。密度核心以贵州凯里大部分区域为主，同时包含了都匀，围绕密度核心形成了一个环状密度次核心（包括凯里与合山、都匀、怀化、铜仁等地区的交界地带），其他三个密度次核心分别为：①位于云南的大理、丽江次核心；②位于云南的保山和德宏次核心；③位于安徽、江西、浙江三省交界处以黄山为主体的次核心，主要包含黄山、景德镇、宣城、贵池、上饶、杭州、衢州。
第3批传统村落形成7个密度核心和13个次密度核心区域（图2c）。7个密度核心分别为：①贵州凯里核心；②丽水、金华、衢州交界核心；③黄山核心；④铜仁和重庆交界核心；⑤贵州安顺核心；⑥个旧和玉溪交界核心；⑦大理和丽江交界核心。围绕这7个密度核心，其外围均形成环状次密度核心。其余6个次核心分别为：①位于太行山周边包括晋城、长治、邯郸、安阳、新乡、焦作交界地带的次核心；②陕西和山西交界的榆林和离石次核心；③河南、安徽、湖北交界的信阳、麻城、孝感和六安次中心；④福建的梅州、漳州和龙岩交界处次核心；⑤广西和湖南交界的桂林、永州、贺州交界的次核心；⑥青海海东和同仁交界次核心。
第4批传统村落形成9个密度核心和18个次密度核心区域（图2d）。9个密度核心分别为：①跨浙江和福建两省，包含丽水、金华、衢州、台州以及宁德等地；②吉首、铜仁、重庆交界地；③凯里；④桂林怀化交界地；⑤黄山、宣城交界地；⑥个旧；⑦张家口大同交界地；⑧石家庄、阳泉、榆次交界地；⑨晋城长治交界地。
第5批传统村落形成4个密度核心和10个次密度核心区域（图2e）。4个密度核心为：①吉首；②黄山、宣城、杭州交界；③丽水、温州、宁德交界；④晋城、长治、安阳、新乡交界。在4个密度核心周边形成环状次密度区，其他次密度区包括：①永州、桂林、郴州地区；②临川、鹰潭交界；③漳州、龙岩、梅州交界；④榆次；⑤青海海东和同仁交界；⑥吉安。
第1~5批汇总传统村落形成5个密度核心和14个次密度核心区域（图2f）。5个密度核心为：①凯里、都匀、合山、怀化交界；②吉首、重庆、铜仁交界；③黄山、宣城、杭州、衢州、上饶交界；④金华、丽水、宁德、温州、南平、衢州交界；⑤晋城、长治、邯郸、安阳、新乡、焦作交界。围绕5个密度核心区形成环状次核心区域，其他9个次密度核心区域包括：①丽江和大理；②保山和德宏；③个旧和玉溪；④青海海东和同仁交界；⑤安顺；⑥吉安；⑦临川；⑧漳州、龙岩、梅州交界；⑨张家口和大同交界。
综上，中国传统村落在部分省份的交界地带，以及部分地级市的交界地带分布密度最高。如贵州、广西、湖南三省交界地带，山西、河南、河北三省交界地带，安徽、江西、浙江三省交界地带，浙江和福建两省交界地带；凯里、合山和怀化交界地带，黄山、宣城、杭州、衢州、上饶交界地带，晋城、长治、邯郸、邢台、安阳交界地带，以及梅州、漳州和龙岩交界地带等。

3 中国传统村落空间分布影响因素

3.1 格网中传统村落空间自相关分析

采用空间自相关全域分析方法，借助ArcGIS软件分析3 973个格网中传统村落空间聚集和分散特征，选取每个格网中（50 km×50 km）传统村落数量为输入字段，空间关系概念化模型选择反向距离（Inverse Distance），分别尝试距离宽度为60 km和110 km（60 km距离宽度至少保证每个格网和周边4个完整格网邻近；110 km距离宽度至少保证每个格网和周边12个完整格网邻近）下格网中传统村落的空间聚集和分散特征（表2）。
表2 中国传统村落空间自相关全域分析结果

Tab.2 The results of spatial autocorrelation analysis of Chinese Traditional Villages

项目 距离宽度（60 km） 距离宽度（110 km）
Moran's I 0.574429 0.493416
Expected Index -0.000252 -0.000252
Variance 0.000126 0.000045
Z Score 51.270064 73.774587
P Value 0.000000 0.000000
结果表明，在两种距离宽度下，P value均为0，其置信度均为100%；Moran’s I指数均为正数，表示格网中传统村落空间分布存在正相关性，呈现明显的空间聚集特征。适合于用地理加权回归对其进行影响因素的分析。

3.2 传统村落空间分布影响要素分析

以传统村落集中指数为变量，以地形因素（Dem）、生态因素（Eco）、人口因素（Pop）、经济因素（Gdp）、交通因素（Trans）和城市因素（City）作为自变量，构建地理加权回归模型，在GWR4中，采用各格网质心坐标为位置变量，选用高斯核函数模型（Gaussian Kernel），最优带宽采搜索采用黄金分割搜索方法（Golden Section Search），地理内核选用固定高斯（Fixed Gaussian），并对地理变量进行测试（表3~表5）。
表3 中国传统村落影响因素地理变量测试结果

Tab.3 Results of geographical variability tests of influencing factors in Chinese Traditional Villages

变量 F DOF for F test DIFF of Criterion
Eco 2.290540 107.465 3 334.102 -0.022326
Gdp 2.125811 65.210 3 334.102 -19.963998
Dem 5.137285 76.874 3 334.102 -231.154650
Pop 1.428429 70.760 3 334.102 -78.307927
Trans 1.687927 111.014 3 334.102 -88.155781
City 2.561710 109.363 3 334.102 -19.554633
表4 中国传统村落全局回归参数结果

Tab.4 Global regression parameters result of Chinese Traditional Villages

序号 参数 值
1 Residual sum of squares 125 707.760938
2 Number of parameters 6
3 ML based global sigma estimate 5.624990
4 Unbiased global sigma estimate 5.629242
5 -2 log-likelihood 24 999.369259
6 Classic AIC 25 013.369259
7 AICc 25 013.397506
8 BIC/MDL 25 057.380196
9 CV 31.738739
10 R square 0.062722
11 Adjusted R square 0.061304
表5 中国传统村落地理加权回归参数结果

Tab.5 Geographically weighted regression result of Chinese Traditional Villages

带宽 99 567.348671（m）
坐标 Min Max Range
X-coord -2 550 321.775990 2 053 035.952590 4 603 357.728580
Y-coord 2 397 794.387370 6 342 106.345800 3 944 311.958430
序号 参数 值
1 Residual sum of squares 52 678.900526
2 Effective number of parameters [model：trace（S）] 638.897917
3 Effective number of parameters [variance：trace（S'S）] 401.469679
4 Degree of freedom [model：n-trace（S）] 3 334.102083
5 Degree of freedom [residual：n-2trace（S）+trace（S'S）] 3 096.673845
6 ML based sigma estimate 3.641322
7 Unbiased sigma estimate 4.124493
8 -2 log-likelihood 21 543.872971
9 Classic AIC 22 823.668805
10 AICc 23 069.825274
11 BIC/MDL 26 846.884103
12 CV 19.272633
13 R square 0.607226
14 Adjusted R square 0.496039
表3中GWR模型的地理变量测试结果表明，地形因素、生态因素、人口因素、经济因素、交通因素和城市因素的DIFF of Criterion均为负值，表明所选要素存在空间差异性，所有要素应作为局部变量进行回归分析。
表4和表5的对比分析表明，GWR回归结果显著优于全局回归结果，采用GWR回归模型回归的R2值和修正R2值较全局回归分别提高了0.544504和0.434735；采用GWR回归模型回归使AIC值和AICc值较全局回归分别从25 013.369259和25 013.397506减小到22 823.668805和23 069.825274，分别减小了2 189.700454和1 943.572232，减小幅度远远大于2（当模型间的AIC值相差2以上时，值较低的模型拟合效果更好）；采用GWR回归模型回归使-2 log-likelihood值减少了3 455.496288（两个模型对比时，-2 log-likelihood值越小模型拟合效果越好）。
除了上述模型参数估计，地理加权回归模型模拟了不同要素对中国传统村落空间分布影响程度的空间差异性。本研究统计了各格网不同要素回归系数正负值比重（图3），并采用ArcGIS软件对各要素在不同格网空间位置的回归系数进行可视化（图4），以分析各地理要素对中国传统村落空间分布的影响。
图3 中国传统村落空间分布影响要素格网回归系数正负值比重

Fig.3 The positive and negative ratio of regression coefficient of influencing factors on spatial distribution of Chinese Traditional Villages

图4 中国传统村落空间分布影响要素回归系数

Fig.4 Regression coefficient of influencing factors on spatial distribution of Chinese Traditional Villages

在地形要素中，50%的格网回归系数为正值，50%为负值（图3）。从空间差异来看，正值的高值区域（图4a）出现在浙江、江苏南部、安徽东南部、福建北部、广西北部、山东半岛、山东西南部、河南中北部等区域，这些区域大多位于我国第三级阶梯，该阶梯海拔相对较高的区域（丘陵和山地）传统村落的数量多。如浙江山地和丘陵占74.63%，包含浙西丘陵、浙东丘陵、浙南山地；福建山地、丘陵占全省总面积的80%以上，福建北部有鹫峰山、太姥山等山脉；安徽南部属于皖南丘陵山地，九华山和黄山位于此区域；广西北部分布着南岭和大瑶山；山东丘陵面积占全省面积15.39%，主要分布在东部、鲁西南局部地区。负值的低值区域（图4a）出现在贵州东部、重庆东南部、山西中北部、江西中部以及海南，这些区域大多位于我国第二级阶梯，为高原和高山地貌，地势起伏较大，该阶梯海拔相对较低的区域传统村落的数量多。
在生态因素中，64%的格网回归系数为正值，36%为负值（图3）。从空间差异来看，正值的高值区域（图4b）出现在云南南部、重庆与湖北、湖南、贵州三省接壤处（属生物多样性保护区），河南与河北、山西、山东三省接壤处（属农产品主产区），安徽与江西接壤处（水源涵养区），福建和广东接壤处（水源涵养区），甘肃与青海接壤处（防风固沙带），这些区域所承载的生态功能多样，生态环境越好传统村落数量越多。负值的低值区域（图4b）出现在贵州南部—广西北部—湖南南部—广东北部延伸地带，此延伸地带为水土保持区—水源涵养区—生物多样性保护区，主要发挥承载生态环境的功能，生态环境越好传统村落数量越少，可能的原因在于传统村落过分集中于此类区域，容易加剧人地关系矛盾，破坏生态环境。
在经济因素中，46%的格网回归系数为正值，54%为负值（图3）。正值的高值区域（图4c）主要出现在西藏局部（藏南、藏西、藏东南），新疆局部（和田南部、哈密东北部），甘肃局部（兰州—定西—夏河一带），山西南部（长治、晋城、榆次南部、临汾东部）及其与河北、河南（邯郸、安阳）接壤地区，安徽和江西接壤地区，此类区域经济发展水平相对高的区域传统村落数量多。负值的低值区域（图4c）主要分布于云南西部，贵州东南部，湖南西部，青海、西藏、四川三省区接壤地区，西藏与新疆接壤地区（库尔勒、和田、那曲、噶尔），此类区域经济发展水平越高的区域传统村落数量越少。
在人口因素中，52%的格网回归系数为正值，48%为负值（图3）。从空间差异来看，正值的高值区域（图4d）主要出现在云南西部，青海南部与四川、西藏接壤地区，西藏日喀则和林芝地区，这类地区除了云南南部区域，大部分出现在“胡焕庸人口线”以西区域，这些区域人口密度较低，人口密度达到一定水平有利于传统村落分布，这体现了传统村落的主要功能，即聚集人口的特性。负值的低值区域（图4d）主要出现在“胡焕庸人口线”以东区域以及西藏和新疆局部。对于“胡焕庸人口线”以东区域，这些区域人口密度相对高，人口密度大会造成人地关系紧张，导致传统村落的破坏。
在交通因素中，67%的格网回归系数为正值，33%为负值（图3）。从空间差异来看，正值的高值区域（图4e）主要出现在云南西北部，贵州、湖南、广西三省接壤区域，山西中北部—河北西部—北京西部延伸带，江西中部等区域。对于这些区域，交通条件便利有利于传统村落与外界联系，有利于传统村落社会经济的持续发展，传统村落数量多。负值的低值区域（图4e）主要出现在浙江大部分区域及福建北部，广东北部与福建接壤地区，湖南南部，河南与山西南部接壤地带，甘肃与青海接壤区域。对于这些区域，交通条件便利会导致外界对传统村落的同化和破坏，不利于传统村落社会经济的持续发展，传统村落数量少。
在城市因素中，68%的格网回归系数为正值，32%为负值（图3）。从空间差异来看，正值的高值区域（图4f）主要出现在安徽、浙江、江西三省接壤片区，山西、河南接壤区域，甘肃、青海接壤区域，贵州、广西接壤区域，云南西北和中南区域。对于这些区域，有一定城市数量能对周边传统村落形成社会经济的反哺，有利于传统村落社会经济的持续发展，传统村落数量多。负值区域（图4f）分布范围较大，几个高值区位于山东半岛，陕西南部，贵州和湖南接壤区域，云南西部等区域，对于这些区域而言，城市数量较多将导致城市对传统村落的同化。

4 结论与讨论

传统村落空间分布及影响因素研究对传统村落的保护和利用有重要理论和实践价值。本研究在对中国传统村落空间分布研究的基础上，采用“格网分析法—空间自相关—地理加权回归模型”对中国传统村落空间分布的影响因素进行剖析，实现了将传统村落空间分布影响要素纳入计量回归模型的解决方法。得出如下结论：
第一，中国传统村落核密度分析显示：①基于人口分布格局，中国传统村落在很大程度上出现在“胡焕庸人口线”下侧。②基于地形地貌，中国传统村落主要布局在第二和第三级阶梯，如云贵高原的横断山区、太行山区、南岭、武夷山、雪峰山周边区域。③基于降水分布，中国传统村落主要布局在年均降水量大于400 mm以上的区域。④基于气候类型，中国传统村落主要布局在亚热带季风气候区和温带季风气候区。⑤基于行政区划，在部分省份的交界地带以及部分地级市的交界地带传统村落分布密度最高，如贵州、广西、湖南三省交界地带，山西、河南、河北三省交界地带，安徽、江西、浙江三省交界地带，浙江和福建两省交界地带；凯里、合山和怀化交界地带，黄山、宣城、杭州、衢州、上饶交界地带，晋城、长治、邯郸、邢台、安阳交界地带，以及梅州、漳州和龙岩交界地带中国传统村落布局密度均较高。
第二，GWR回归模型分析显示：①各地理要素的回归系数存在正负值特征、正负值比重差异以及高低值分布情况，反映了各要素对传统村落空间分布的影响方向、影响程度、影响范围，均存在较大的空间异质性。②地形因素分析显示，在海拔较低的第三级阶梯内，海拔较高的区域（丘陵和山地周边区域）为传统村落布局的重要区域；在海拔较高的第二级阶梯内，海拔较低的区域为传统村落布局的重要区域。③生态因素分析显示，我国农产品主产区或承载生态环境保护功能的区域（如生物多样性保护区、水源涵养区），既可能出现生态环境越好传统村落越集聚的特征（此情况可能为：区域生态环境相对较差，环境越好越有利形成传统村落的分布），也可能出现生态环境越好传统村落越少的特征（此情况可能为：区域生态环境较好，区域主要发挥生态环境保护这一主体功能，传统村落分布于此类区域，容易加剧人地关系矛盾，破坏生态环境）。④经济因素分析显示，在中国整体经济发展水平较低的广大中西部地区，既可能出现经济水平越高传统村落越聚集，也可能出现经济水平越高传统村落越少的特征，但总体来看，中西部经济发展水平较低的区域前者状态居多。⑤交通因素分析显示，对于云南西北部、贵州、湖南、广西三省接壤区域，山西中北部—河北西部—北京西部延伸带，江西中部，安徽、江苏、浙江接壤区域，交通条件好有利于传统村落与外界联系，有利于传统村落社会经济的持续发展。对于浙江大部分区域及福建北部，广东北部与福建接壤地区，湖南南部，河南与山西南部接壤地带，甘肃与青海接壤区域，交通条件优越会对导致外界对传统村落的同化和破坏，不利于传统村落社会经济的持续发展。⑥城市因素分析表明，对于安徽、浙江、江西三省接壤片区，山西、河南接壤区域，甘肃、青海接壤区域，贵州、广西接壤区域，云南西北和中南区域，有一定城市数量能对周边传统村落形成社会经济的反哺，有利于传统村落社会经济的持续发展；对于山东半岛，陕西南部，贵州和湖南接壤区域，云南西部等区域，城市数量较多将导致城市对传统村落的同化。
对以上结论可做以下三点讨论：
第一，传统村落是在人类发展历史长河中，逐渐形成的聚落类型，它反映着当地居民习俗和地域文化特色。研究应站在历史的角度，综合考察居民习俗和地域文化特色审视其形成和发展的影响要素。在狩猎时期，人类居无定所，进入农牧时期，人类选择自然环境较好的地区定居，村落由此诞生；在漫长的农牧时期，除了自然环境因素外，国家政策、历史文化等因素共同促使某些区域传统村落的形成与发展；进入工业化阶段，工业化和城市化造成传统村落人口的流失，甚至传统村落土地资源占用，以及历史、文化景观的破坏等。当地居民习俗和地域文化特色对传统村落的保护、传承与发展有着不同的理念，影响着传统村落的存亡。因此，在人类发展史中，传统村落格局和形成因素与地理环境密切相关，同时受不同历史时期的政策、当地居民习俗和地域文化特色等因素影响。由于历史、居民习惯和地域文化特色数据的获取受限，本研究未能从以上角度去梳理传统村落的形成因素，这一工作有待未来进一步开展。但是，对当前传统村落周边的地理环境以及社会经济要素的认知，可以对传统村落保护和利用提供相应解释和依据。
第二，目前中国传统村落依据一套评价标准，对符合标准的村落认定为传统村落，未来传统村落的认定以及开发利用需考虑以下问题：①当前我国地势第二级阶梯内海拔较低的区域和第三级阶梯内海拔较高的区域传统村落密集，未来应增加认定一批在二、三级阶梯内海拔较低的盆地、平原地区的传统村落，由于地势较平坦区域的人类社会经济活动强度大，传统村落最易遭到破坏，保护也最为迫切。②当前我国部分生态功能区传统村落十分密集，如贵州南部—广西北部—湖南南部地带属水土保持区—水源涵养区，其主要功能为承载生态环境保护。传统村落过分集中于此区域，容易加剧人地关系矛盾，其原因在于：在现行乡村振兴战略背景下，很多传统村落盲目将旅游业作为重要发展方向，这很容易破坏生态环境。因此，未来传统村落的认定工作中，还应在认定的基础上确定其发展方向，避免盲目开发而造成对传统村落周边生态环境的破坏。③对于“胡焕庸线”以西区域，应加快发展社会经济，促使此区域内的传统村落能“留住人”，对于“胡焕庸线”以东区域，在发展经济时，要避免过度的“人”（游客）涌入传统村落。④在不破坏生态环境的前提下，提高部分传统村落的通达性，注重城市对传统村落的反哺。
第三，格网分析法作为本研究的基础技术方法，为点状矢量要素空间分布的影响因素研究纳入回归模型提供支撑。研究中以中国省级行政边界矢量数据为处理范围，将处理范围划分为50 km×50 km共计7 440个格网单元（格网尺度的选择对研究结果可能产生不确定性，在本研究中主要考虑了格网单元内部各要素的均衡性或一致性，由此选择了较小尺度的格网尺度），在此基础上提取研究范围格网共计3 973个格网单元，采用3 973个格网提取每个格网中传统村落数量以及相应地理要素值。此技术方法实现了多源数据的交叉融合，构建了中国传统村落空间分布影响因素分析的变量和自变量数据库。此技术方法的应用，为点状矢量要素（传统村落）空间分布的影响因素研究纳入地理加权回归模型分析提供了技术方法可能。此技术方法可拓展至地理学其他研究领域中点状要素空间分布的影响因素研究，如企业空间布局影响因素研究，POI要素空间布局影响因素研究实践中。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李伯华, 刘沛林, 窦银娣, 等. 中国传统村落人居环境转型发展及其研究进展[J]. 地理研究, 2017, 36(10):1 886-1 900.

[2]
王艳想, 李帅, 酒江涛, 等. 河南省传统村落空间分布特征及影响因素研究[J]. 中国农业资源与区划, 2019, 40(2):129-136,204.

[3]
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.

[4]
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.

[5]
李咪, 芮旸, 王成新, 等. 传统村落的空间分布及影响因素研究——以吴越文化区为例[J]. 长江流域资源与环境, 2018, 27(8):1 693-1 702.

[6]
Daniel Little. Collective action and the traditional village[J]. Journal of Agricultural Ethics, 1988, 1(1):41-58.

[7]
殷永达. 论徽州传统村落水口模式及文化内涵[J]. 东南文化, 1991(2):174-177.

[8]
刘沛林, 董双双. 中国古村落景观的空间意象研究[J]. 地理研究, 1998, 17(1):32-39.

[9]
胡最, 郑文武, 刘沛林, 等. 湖南省传统聚落景观基因组图谱的空间形态与结构特征[J]. 地理学报, 2018, 73(2):317-332.

DOI

[10]
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.

[11]
杨立国, 刘沛林, 林琳. 传统村落景观基因在地方认同建构中的作用效应——以侗族村寨为例[J]. 地理科学, 2015, 35(5):593-598.

DOI

[12]
翟洲燕, 李同昇, 常芳, 等. 陕西传统村落文化遗产景观基因识别[J]. 地理科学进展, 2017, 36(9):1 067-1 080.

[13]
姚梦园, 晏实江, 吴艳兰. 基于理想生态系统模式与三维景观指数的徽派村落空间特征解析——以呈坎为例[J]. 应用生态学报, 2016, 27(12):3 905-3 912.

[14]
邹君, 刘媛, 谭芳慧, 等. 传统村落景观脆弱性及其定量评价——以湖南省新田县为例[J]. 地理科学, 2018, 38(8):1 292-1 300.

[15]
杨立国, 龙花楼, 刘沛林, 等. 传统村落保护度评价体系及其实证研究——以湖南省首批中国传统村落为例[J]. 人文地理, 2018, 33(3):121-128,151.

[16]
刘军民, 庄袁俊琦. 传统村落文化脱域与保护传承研究[J]. 城市发展研究, 2017, 24(11):6-9.

[17]
张松. 作为人居形式的传统村落及其整体性保护[J]. 城市规划学刊, 2017(2):44-49.

[18]
唐承财, 郑倩倩, 王晓迪, 等. 基于两山理论的传统村落旅游业绿色发展模式探讨[J]. 干旱区资源与环境, 2019, 33(2):203-208.

[19]
魏峰群. 传统古村落保护与旅游开发的混合效应模式研究[J]. 干旱区资源与环境, 2010, 24(10):197-200.

[20]
Jing Gao, Bihu Wu. Revitalizing traditional villages through rural tourism:a case study of Yuanjia Village,Shaanxi Province,China[J]. Tourism Management, 2017(63):223-233.

[21]
吴吉林, 周春山, 谢文海. 传统村落农户乡村旅游适应性评价与影响因素研究——基于湘西州6个村落的调查[J]. 地理科学, 2018, 38(5):755-763.

DOI

[22]
吴吉林, 刘水良, 周春山. 乡村旅游发展背景下传统村落农户适应性研究——以张家界4个村为例[J]. 经济地理, 2017, 37(12):232-240.

[23]
李伯华, 曾灿, 窦银娣, 等. 基于“三生”空间的传统村落人居环境演变及驱动机制——以湖南江永县兰溪村为例[J]. 地理科学进展, 2018, 37(5):677-687.

DOI

[24]
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

[25]
余亮, 孟晓丽. 基于地理格网分级法提取的中国传统村落空间分布[J]. 地理科学进展, 2016, 35(11):1 388-1 396.

[26]
焦胜, 郑志明, 徐峰, 等. 传统村落分布的“边缘化”特征——以湖南省为例[J]. 地理研究, 2016, 35(8):1 525-1 534.

[27]
冯亚芬, 俞万源, 雷汝林. 广东省传统村落空间分布特征及影响因素研究[J]. 地理科学, 2017, 37(2):236-243.

DOI

[28]
金江磊, 闫浩文, 杨树文, 等. 甘肃省传统村落的空间分异格局研究[J]. 测绘科学, 2018, 43(12):28-33.

[29]
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.

[30]
陈君子, 刘大均, 周勇, 等. 嘉陵江流域传统村落空间分布及成因分析[J]. 经济地理, 2018, 38(2):148-153.

[31]
关中美, 王同文, 职晓晓. 中原经济区传统村落分布的时空格局及其成因[J]. 经济地理, 2017, 37(9):225-232.

[32]
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

[33]
李久林, 储金龙, 叶家珏, 等. 古徽州传统村落空间演化特征及驱动机制[J]. 经济地理, 2018, 38(12):153-165.

[34]
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):1 690-1 698.

[35]
柳林, 姜超, 周素红, 等. 城市入室盗窃犯罪的多尺度时空格局分析——基于中国H市DP半岛的案例研究[J]. 地理研究, 2017, 36(12):2 451-2 464.

[36]
王静, 杨小唤, 石瑞香. 山东省人口空间分布格局的多尺度分析[J]. 地理科学进展, 2012, 31(2):176-182.

DOI

[37]
刘振锋, 薛东前, 庄元, 等. 文化产业空间尺度效应研究——以西安市为例[J]. 地理研究, 2016, 35(10):1 963-1 972.

[38]
倪印锋, 王明利. 中国牧草产业地理集聚特征及影响因素[J]. 经济地理, 2018, 38(6):142-150.

[39]
Fortheringham A S, Chanrlton M, Brunsdon C. The geographically of parameter space:An investigation of spatial nonstationarity[J]. International Journal of Geographical Information Systems, 1996,10:605-627.

[40]
江振蓝, 杨玉盛, 沙晋明. GWR模型在土壤重金属高光谱预测中的应用[J]. 地理学报, 2017, 72(3):533-544.

DOI

[41]
胡宇娜, 梅林, 魏建国. 基于GWR模型的中国区域旅行社业效率空间分异及动力机制分析[J]. 地理科学, 2018, 38(1):107-113.

DOI

[42]
付晶莹, 江东, 黄耀欢. 中国公里网格人口分布数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014.DOI:10.3974/geodb.2014.01.06.V1.

[43]
黄耀欢, 江东, 付晶莹. 中国公里网格GDP分布数据集[DB/OL]. 全球变化科学研究数据出版系统, 2014.DOI:10.3974/geodb.2014.01.07.V1.

Options
Outlines

/

〈 〉