长江经济带历史文化名镇名村空间分布特征及影响因素研究

陶 洁 怡，董 平，周 年 兴，陆 玉 麒,2,3*，龚 霄，马 小 宾

(1.南京师范大学地理科学学院， 江苏 南京 210023；2.南京师范大学乡村振兴研究院，江苏 南京 210023；3.江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；4.南京大学地理与海洋科学学院，江苏 南京 210023)

0 引言

历史文化名镇名村是在特定的自然地理条件和人文发展历史背景下逐渐形成的，积累了丰富的古代先民适应自然环境的信息，已成为我国优秀民族文化遗产的重要组成部分[1]，是悠久文明历史的“见证者”和“记录者”。长江经济带历史文化名镇名村保存着鲜明的长江特色文化和历史风貌，积累了大量古人关于人地关系地域系统的探索信息，是巨大的“长江文化基因宝库”，也是研究长江历史和传统文化的重要依据以及展示优秀长江文化的重要窗口。2020年11月14日习近平总书记主持召开全面推动长江经济带发展座谈会并发表重要讲话，指出要把长江文化保护好、传承好、弘扬好。在国家大力推进长江经济带发展的背景下，文化内涵丰富、保存相对完整的历史文化名镇名村作为长江文化的重要载体，对长江历史文脉的涵养有着重要意义和价值。

相关研究在历史文化村镇的保护与开发利用[2-4]、评估体系构建[5-7]、典型区域村镇的分布与机理解析[8,9]等方面已取得了丰硕成果，但侧重历史学、建筑规划学等角度，从地理学角度进行研究的较少；研究区域主要集中在国家[10，11]、省域[12]和流域[13，14]等，对长江经济带的分析较少；研究方法多选用地理集中指数[12,15]、最近邻指数[16,17]、核密度分析[18]、空间相关分析[19,20]、经典地理加权回归(Geographical Weighted Regression,GWR)模型[21，22]等，但经典地理加权回归模型忽略了地理研究的尺度效应[23，24]，从而导致对空间异质性精确性的解释力减弱。多尺度地理加权回归(Multiscale GWR，MGWR)[25]模型能有效处理空间异质性问题，并反映影响因素空间异质性关系的差异，但当前该模型尚未应用于传统古村镇的研究中。

长江经济带历史文化名镇名村是地理、社会、文化、经济等要素综合作用的结果，通过各种景观要素的有效配置，耦合了自然生态环境与人文居住单元的特质，形式和风格丰富多彩，涉及内容复杂多样，很难以一概之，尝试将地理学作为切入点分析与归纳历史文化名镇名村的空间分布特征，可更好地将其中蕴含的地学知识服务于繁荣长江文化的任务之中。鉴于此，本文以长江经济带历史文化名镇名村为例，通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法识别长江经济带历史文化名镇名村景观的空间分布特征，在此基础上基于GIS分析方法和MGWR模型分析历史文化名镇名村空间分布的影响因素，测度不同因素的影响差异，挖掘其中蕴含的地理信息，凸显长江文化特质，助力长江经济带的文化传承与弘扬。

1 研究区概况与研究方法

1.1 研究区域与数据

长江经济带覆盖长江流域的上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州、云南11省市，由于地理因素复杂，长江文化由多个特色鲜明、层次不一的地域文化组成，其相互碰撞交汇共同构建了长江文化多元统一的风格[26]；长江经济带经济增长速度快、总量巨大、发展空间广阔，且区域间联系密切，在国际化和区域化的文化关系重构中战略地位突出；在生态环境方面，长江经济带所涉区域地貌类型复杂多样，聚落演进腹地广阔，为区域内历史文化古村镇发展与文化演进奠定了坚实的生态逻辑基础[27]。

本文获取的国家级历史文化名镇名村数据来自《中国历史文化名镇名村名录》，并根据村镇名称通过Python从高德地图上获取坐标信息。长江经济带各省市30 m DEM数据源于中国科学院资源环境科学数据中心；2020年30 m地表覆被、土地利用数据来自地球大数据科学工程数据共享服务系统，用于提取植被和水域信息；2015年1 km网格人口/GDP数据源于中国科学院资源环境科学数据中心的中国公里网格人口/GDP分布数据集；公路、铁路数据源于2015年国家1∶400万基础地理信息系统数据库。

1.2 研究方法

1.2.1 DBSCAN聚类算法 DBSCAN聚类算法是一种基于密度聚类的典型算法[28]，其显著优点在于能快速发现空间中任意形状的聚类，并且有效识别噪声点，既能发现数据宏观的分布规律，又能保留数据的位置精度[29]。本文借助Pycharm软件，利用DBSCAN算法识别长江经济带历史文化名镇名村的集聚区及分布特征。算法中主要涉及名镇名村邻域半径εps和邻域半径内最小对象的数量阈值Minpts的确定[30]。基本思路是考察数据集中任意一个历史文化名镇名村点，找到该点εps半径范围内所有点，如果在εps内的名镇名村点数大于等于Minpts，则在以该点为圆心、εps为半径的圆内，所有历史文化名镇名村被归为同一个集聚区；然后寻找其他集聚区，最后剩下的不属于任何集群的点被标记为噪声点。为减少人为取值的影响，本研究融合自适应优化算法[31]，通过K-dist图判断参数质量，进一步考虑数据本身的统计特征以选择εps和Minpts。

1.2.2 GIS空间分析方法 借鉴相关成果[13,21，22,32，33]并考虑实际因素，本文将长江经济带历史文化名镇名村的空间位置图层与DEM高程、植被(包括林地、草地、灌木地)、水域(湿地和水体)及交通(公路和铁路)图层进行叠加分析。考虑到一定地域范围内的要素一致性，尺度过大易导致分析精度不足，故本文通过ArcGIS 10.6中的渔网工具基于研究区范围构建890个50 km×50 km格网单元，依此建立长江经济带历史文化名镇名村地理要素分析数据库，其指标体系和计算方法如表1所示。

表1 长江经济带历史文化名镇名村空间分布影响因素指标及计算方法Table 1 Indexes and calculation methods for influencing factors of spatial distribution of historical and cultural towns and villages in the Yangtze River Economic Belt

1.2.3 MGWR模型 MGWR模型不要求所有建模过程都在相同空间尺度上，是一种具有空间变参数的回归模型，灵活性和自适应性更强[25]。本文通过MGWR模型对长江经济带历史文化名镇名村空间分布特征的影响因素进行量化分析，公式如下：

(1)

式中：yi为历史文化名镇名村集中指数；βbw0(μi,vi)为常数项；(μi,vi)为第i个历史文化名镇名村的空间坐标；βbwj(μi,vi)为使用特定带宽βbwj拟合第j个影响因素的回归系数；xij为第j个自变量在第i个集中指数的观测值；εi为残差。

2 长江经济带历史文化名镇名村空间分布特征

初步调试DBSCAN算法后，导入长江经济带历史文化名镇名村坐标，对村镇空间信息数据进行多次迭代，并借助相关研究的自适应参数选择算法进一步分析，发现在选取Minpts=7、εps=58 km时,聚类效果最理想，各类之间界限最清晰，并将聚类结果进行空间可视化(图1)。由图1可见，长江经济带历史文化名镇名村最终形成8个聚类，噪声点的分布较零散，但仍出现局部相对集聚现象。

图1 长江经济带历史文化名镇名村聚类结果Fig.1 Clustering results of historical and cultural towns and villages in the Yangtze River Economic Belt

长江经济带历史文化名镇名村是在自然地理环境上叠加人类活动的一种人文环境综合体，在对自然的适应过程中也打上了地理环境的深刻烙印，具有独特的地方文化和特有的建筑、古村镇造型。为更好识别长江经济带历史文化名镇名村各聚类，本文参考文献[34]，以地理环境(地形地貌、气候、水文等)、文化背景(所属传统的长江文化区划[35，36])、建筑特点(布局形态、墙体造型、建筑材质等)作为基本划分因子，并参照行政区对长江经济带历史文化名镇名村集聚区进行划分与命名。

在8个历史文化名镇名村聚类中，以第1类和第2类历史文化名镇名村聚类规模较大，分别为59个和58个聚类点，共占总数的28.7%。第1类聚类点主要位于苏南环太湖地区、浙北水乡，以平原为主，水网密布，交通便利，水乡村镇临河而建，前街后河，房屋多为砖木结构，古村镇空间分布密集。第2类聚类点位于浙中、浙南地区，地形以丘陵盆地为主，村落选址多背山面水、临田畴而建，受地形影响，空间分布上局部紧凑、整体分散；民居建筑普遍采用合院、敞厅、天井、通廊等形式，使内外空间既有联系又有分隔。在吴越文化背景下，第1、2类聚类共同组成江浙吴越历史文化村镇集聚区。第3类和第4类历史文化名镇名村聚类点分别为50个、11个，范围包括安徽南部和江西北部，气候湿润多雨，山水相间，地形以丘陵为主，村落背山面水而建，整体分布密集；受徽商影响，建筑保留传统的中原样式[37]，民居建筑以堂屋为中心，多灰瓦白墙，马头墙厚重规范，防火功能明显，材质主要为石头、木头和土砖，以木构架为主,村镇聚落景观文化主要为徽州文化，属于皖赣徽商历史文化村镇集聚区。第5类集聚点为16个，主要位于赣中地区，全区三面环山，中间平原，在空间上有一定的集聚性,聚落点大多背山临水而建，民居多为矩形，以天井院为中心，大量使用清水墙体，质感浑厚致密，外部形象厚重而朴素,形成赣鄱历史文化村镇集聚区。第6、7类聚类分别为8个、25个，位于川东南、渝西，川东南地形以盆地为主，水系发达，四周多山，以浅丘平坝处阳光充足、排水排湿的地方为院落首选，村镇空间分布较紧凑，民居材质为砖木结构和少量石结构，在地方生产生活、传统民俗、审美观念等影响下，多以内向房屋围绕天井为基本单元、封闭式砖墙围护形成的四合院建筑[38]，形成巴蜀历史文化村镇集聚区。第8类聚类点为7个，位于黔东南地区，为苗族侗族聚居地，由于地形复杂，山地高原地势起伏大，村寨中房屋自由散置，依山顺势、层叠而上，与周围自然景观融为一体；苗族人的村寨选址通常在地势较为险峻的高山上，为将开阔平坦的地势尽可能用于生产，民居则坐落于斜山坡上，形成“半楼半地”的吊脚楼形式[39]，在建筑用材方面木结构、竹结构、石结构兼有，形成黔文化历史文化村镇集聚区。此外，噪声点相对集中分布于滇西北地区，该区域降水丰富，空气湿度大，多高山深谷，地形起伏较大，林木资源丰富，当地人因地制宜建造了以木头为原料的井干式建筑[40]，可以防潮、通风、避雨，古村镇布局较为分散，散点式布局巧妙地避免了建筑物相互牵扯，使古村镇建筑随地形起伏错落有致,形成滇文化历史文化村镇集聚区。

为更好地验证聚类的科学性，对历史文化名镇名村进行核密度分析(图2)，对比图1和图2可以看出，8个聚类的分布基本与核密度分析结果空间分布一致，进一步说明聚类算法的参数选择符合长江经济带历史文化名镇名村的实际分布。

图2 长江经济带历史文化名镇名村核密度分析Fig.2 Kernel density analysis of historical and cultural towns and villages in the Yangtze River Economic Belt

3 长江经济带历史文化名镇名村空间分布的影响因素分析

在对长江经济带历史文化名镇名村集中指数及影响因素进行回归建模前，首先进行影响因素间的多重共线性检验，检验结果显示方差膨胀因子(VIF)均小于5，证明影响因素间不存在明显的多重共线性，可有效进行经典GWR、MGWR建模分析。由模型结果对比(表2)可知，MGWR 的拟合优度R2优于GWR模型，且AICc值和残差平方和低于GWR模型，说明MGWR模型的拟合优度高，对解释变量的分析效果较好。因此，与GWR模型相比，MGWR模型在考虑多尺度效应后能更好地解释长江经济带历史文化名镇名村空间分布差异，准确刻画历史文化名镇名村集中指数与影响因素的空间变化关系及其尺度差异，可从更多角度、更准确地识别长江经济带历史文化名镇名村的空间分布特征。

表2 GWR与MGWR模型参数统计Table 2 Parameter statistics of GWR and MGWR models

3.1 影响因素的作用尺度分析

由表3可知，经典GWR模型由于变量回归系数在空间上变化的均质性而对所有影响因素确定唯一带宽，只能反映各变量的平均作用尺度；而MGWR模型能直接反映不同变量空间变化关系的尺度差异，每个影响因素有其专属的带宽，变化区间为[91，405]，表示本文选取的影响因素对长江经济带历史文化名镇名村集中指数影响的空间异质性较大。变量的带宽越大，越倾向于在全局范围内影响历史文化名镇名村的空间分布，反之则倾向于在局部范围造成影响。地形因素的作用尺度为405，属于较大尺度，系数在空间上较为平稳；经济、生态因素的作用尺度处于中间水平，在区域范围内对历史文化名镇名村的分布产生较强影响；人口因素带宽为208，空间异质性较明显；交通因素带宽为91，说明在局部范围内对历史文化名镇名村的集中指数影响显著，即在局部空间上的差异性较大。

表3 GWR与MGWR模型系数统计描述Table 3 Statistical description of coefficients for GWR and MGWR models

3.2 各影响因素作用力分析

长江经济带历史文化名镇名村地域差异明显，社会经济条件、历史基础和现有状况各有不同，各影响因素之间存在差异。MGWR模型的回归系数结果如表3和图3所示，各因素的影响分析如下：

(1)地形因素负向影响历史文化名镇名村的集中分布，说明海拔过高不利于历史文化名镇名村的形成与发展，且该因素的影响强度总体上由西向东递减(图3a)。地形因素的回归系数取值为-0.094～-0.052，均值为-0.061，标准差为0.011，从系数绝对值看影响强度弱。黔文化历史文化村镇集聚区多建于海拔较低的谷地，巴蜀历史文化村镇集聚区则以四川东南部平原及丘陵为核心，同时涉及重庆西南部丘陵地区；滇西北的古村镇大部分位于山麓、山间盆地或峡谷地带；为避免洪水泛滥，江浙水乡平原地区的村镇多建于地势较高的台地上；皖赣一带村镇集中分布区的地形仍以低山丘陵为主，处于江南丘陵—浙闽丘陵区域，低山、丘陵、盆地交错分布。可见历史文化名镇名村多分布于缓坡阶地上，其相较于高原山地地势和缓，利于生产生活，相比平原又可避免淹涝之灾，为村镇居民的生存发展提供了理想场所[41]。此外，长江经济带上游的历史文化集聚区相比中下游的江浙吴越、皖赣徽商和赣鄱历史文化村镇集聚区受地形影响更大，缘于相对封闭的环境限制了长江经济带上游集聚区交通、社会经济发展，受外来文化冲击小，降低了现代社会对其不利影响，为历史文化村镇的形成与发展提供了优质的地理环境空间，而对于中下游历史文化名镇名村集聚区，社会经济的发展减小了地形等自然条件对房屋建造的限制，加之近年来对古迹保护的重视，一定程度上有助于历史文化村镇的保存。

图3 MGWR回归系数的空间分布格局Fig.3 Spatial distribution pattern of MGWR regression coefficients

(2)生态因素的回归系数自西向东由正转负(图3b)。生态因素的回归系数取值为-0.088～0.047，均值为-0.012，标准差为0.035，从系数绝对值看，其总体影响强度较弱。长江经济带上游的滇文化、巴蜀及黔文化历史文化村镇集聚区主要表现为正向影响，即历史文化名镇名村集中于生态环境良好的地区；长江经济带中下游历史文化村镇集中指数与生态因素多呈负相关，说明该区域历史文化村镇的开发利用缺乏对村落水源、植被等的保护，一定程度上破坏了自然界各要素间的生态关系。随着长江经济带下游经济发达区对维护历史文化名镇名村的意识不断增强，其负相关程度小于经济带中游的赣鄱历史文化村镇集聚区[22]。

(3)经济因素对历史文化名镇名村集中程度呈显著的正向影响，其回归系数自西向东逐渐减小(图3c)。经济因素的回归系数取值在0.042～7.419之间，均值为2.523，标准差为3.200，说明经济因素影响强度大。自古以来江浙吴越和皖赣徽商历史文化村镇集聚区便有先人定居生活，农耕条件良好，是著名的粮食和多种经济作物的生产基地，经济实力雄厚，村镇生命力极强。宋元以后徽商、浙商、沪商等在宗族观念影响下，回村修缮祖屋、祠堂，成就了密集的古村镇群，传承了古村镇的文化与繁荣。滇、黔等历史文化村镇集聚区地形复杂，受耕地容量约束，人口规模小，村落密度较低。但从现状看，长江经济带下游的江浙吴越、皖赣徽商历史文化村镇集聚区经济因素的回归系数比中上游的各历史文化村镇集聚区小，这是因为长江经济带下游的历史文化村镇集聚区近年来经济开发强度大，乡村工业化和城镇化的发展造成传统村落数量锐减[42]，对历史文化名镇名村的发展产生了极为不利的影响，从而导致其回归系数较小，而上游的历史文化村镇集聚区目前仍然是经济不发达地区，有利于保留原生态的古村镇[43]。

(4)交通因素对历史文化名镇名村集中程度的影响为正向，总体上回归系数呈现西部高、东部低、中南部最高的格局(图3d)。交通因素的回归系数取值在0.003～0.706之间，均值为0.216，标准差为0.156，影响强度居中。便利的交通为历史文化名镇名村的形成与发展提供了良好的条件，地处水路交通要道成为商品集散处，村镇的密集程度相应提高。随着城镇化发展，在江浙吴越、皖赣徽商等历史文化村镇集聚区，发达的交通网络在促进地区间交流的同时，也会加剧古村镇受外来文化冲击的可能性，一定程度上阻碍了原生态历史文化名镇名村的保存和发展，因而回归系数为正向低值，相较于长江中上游各历史文化村镇集聚区回归系数小，证实发达的交通条件也会对区域传统村落的生存造成冲击[44]。

(5)人口因素与历史文化名镇名村集中程度呈负相关关系，其回归系数的绝对值自西向东逐渐变小(图3e)，反映出人口密度过高造成人地关系紧张，不利于历史文化村镇的发展。人口因素的回归系数取值在-2.830～-0.024之间，均值为-1.224，标准差为1.074，影响强度居中。对于滇文化、黔文化、巴蜀、赣鄱等历史文化村镇集聚区而言，由于受自然地理环境、经济发展水平等多种因素的综合限制，区域人地关系系统较脆弱，相对封闭的地理环境避免了人口大量流入带来的破坏，各具特色的民风民俗也在历史长河中得到较好保存；而江浙吴越、皖赣徽商历史文化村镇集聚区虽然人口密集、人地关系变化大，但其经济基础雄厚，人口、经济、社会承载力强，可有效减小人口增长对历史文化名镇名村的负面影响，不会轻易破坏历史文化名镇名村[22]。

4 结论与讨论

本文以长江经济带历史文化名镇名村作为研究对象，通过DBSCAN聚类算法和GIS空间分析方法探讨历史文化名镇名村的空间分布特征，并首次将MGWR模型应用于历史文化名镇名村空间分布影响因素的实证研究中，得出以下结论：1)结合地理环境、地方文化、建筑特色等，对8类历史文化名镇名村聚类点和相对集聚分布的噪声点进行划分命名，形成6个集聚区，分别为江浙吴越历史文化村镇集聚区、皖赣徽商历史文化村镇集聚区、赣鄱历史文化村镇集聚区、巴蜀历史文化村镇集聚区、黔文化历史文化村镇集聚区和滇文化历史文化村镇集聚区。2)相比经典GWR模型，MGWR模型在考虑历史文化名镇名村影响因素的空间尺度后，有效减少了噪声和偏误。其中地形因素的作用尺度较大，系数在空间上较为平稳；经济和生态因素的作用尺度处于中间水平；人口因素作用尺度较小，空间异质性较明显；交通因素的作用尺度最小，在局部范围内影响显著，空间差异性大。3)历史文化名镇名村空间分布的形成与发展是自然和社会经济多种因素交互作用的结果。其中地形、人口因素与历史文化名镇名村集中程度呈负相关关系，经济和交通因素表现为正向影响，且影响程度均表现为自西向东减弱，生态因素与历史文化名镇名村的相关性自西向东由正转负。影响强度上，经济因素最大，其次为人口、交通、地形及生态因素，可见随着现代社会工业化和城镇化的发展，相比于自然地理要素，社会经济因素的影响力不断增强。

在长江文化保护传承弘扬工程的背景之下，长江经济带历史文化名镇名村资源的挖掘、保护与发展对于增强长江文化软实力具有重要意义，未来应结合长江经济带不同历史文化集聚区地理环境特点、古村镇特色，开展长江文化的保护与弘扬工作；应尽量规避过度商业化对人口密集、交通通达性强、社会经济活动强度大的历史文化名镇名村原真性的冲击；对于生态环境脆弱的历史文化名镇名村，在开发前应考察其合理的人口、经济承载力。

历史文化名镇名村是在历史发展过程中形成的，拥有深厚的历史文化积淀和鲜明的地域文化特色。不同历史时期社会结构、产业体系、中心城市等的变化也与历史文化名镇名村的形成和发展密切相关，由于受历史、文化等数据获取的限制，本研究尚未从这些角度进行分析整理。此外，后续研究会通过地理探测器等方法，对影响因子进行交互探测分析，以增强对历史文化名镇名村空间分布的解释力。