基于MGWR的华北地区传统村落空间分异特征及影响因素研究
摘要：以华北地区823个传统村落为研究对象，利用核密度分析法分析其空间分布特征，并通过空间自相关分析各传统村落在空间分布上的依赖性，选取影响传统村落分布的地形因素、气候因素、生态因素、交通因素、经济因素、人口因素、文化因素和城市因素作为自变量，运用地理探测器和多尺度地理加权回归(MGWR)，对各影响因素进行交互作用探测和空间异质性探讨，为传统村落的保护与发展提供定量依据。结果显示：
1)华北地区传统村落呈现“多核集聚”的分布特征，并沿太行山脉呈“线状”集中分布，其Moran'sI结果显示华北地区传统村落存在高度空间自相关性；
2)各影响因素的两两交互配合共同影响传统村落的集中度；
3)平均海拔、年均气温、人口密度、文物保护单位集中度和大城市集中度5个因素对华北地区传统村落分布的影响存在明显的空间分异特征。
传统村落是建造时间较早，具有厚重的历史文化价值，同时保留了较为完整的乡村聚落形式，具有典型的文化遗产和地域代表性的村落。但在城镇化高速发展的过程中，大量的村落逐渐消失，几千年构建的乡村社会逐渐瓦解，使得传统村落面临着前所未有的生存困境。2012年，由政府主导的传统村落保护工作正式启动；至2019年，住房和城乡建设部、自然资源部等部委先后公布了5批共计6819个中国传统村落。
纵观中国传统村落分布的特征，主要形成了由西南、东南和华北组成的3处集聚区，而华北地区作为我国北方传统村落主要的聚集区域，由于地理位置和政治上的特殊性，使得其研究意义更为重大。目前，国内学者对于华北地区传统村落的关注较少，现有研究仅从村落的空间结构特征[1]、物质空间建造特征[2]、村落空间形态的比较[3]、人居环境关系等角度[4]进行研究，缺乏对传统村落整体空间分布特征及其影响因素的深入探讨。
已有学者对中国范围[5]、武陵山片区[6]及长江中游城市群范围的传统村落空间分异特征进行了研究[7]，证实了影响传统村落空间分布的影响因素具有明显的空间异质性，采用的是传统的地理加权回归模型。但该模型忽视了空间尺度差异，导致一定的结果偏误。而多尺度地理加权回归不仅能有效分析空间上的异质性，更能自动调节不同影响因素的回归带宽，进而更真实地反映各影响因素在空间上的变化。同时，过去的研究也未将文物保护单位和古代交通要塞对传统村落空间分布的影响考虑其中。
因此，本研究在前人研究的基础上，选定华北地区传统村落的空间分布集中度作为研究对象，采用核密度分析法分析其分布特征，并通过计算其空间自相关性，进一步分析传统村落分布的聚类特征；利用地理探测器分析影响传统村落分布的13种因素，即地形、气候、生态、交通、经济、人口、文化和城市等，从而分析各要素的影响力大小和交互影响作用；通过多尺度地理加权回归模型的构建，进一步探究各影响因素在空间上对传统村落集中度分布的差异化影响。本研究一方面将多尺度地理加权回归的研究方法纳入传统村落空间分异特征的研究中，提供新的数理分析思路；另一方面，从自然地理和社会经济角度认知传统村落的分布影响因素，以期为传统村落的活态传承提供参考依据。
1研究对象、方法和数据
1.1研究对象
华北地区属于我国地理区划7个部分之一，是以秦岭淮河为界以北、长城以南的区域的统称，在行政区划上由北京市、天津市、河北省、山西省和内蒙古自治区构成。共计420个县(市、区)，区域面积总计1529964km2。本次的研究对象为华北地区现存中国传统村落，至2019年已公布5批。在我国公示的1~5批传统村落名录中，共有823处传统村落分布于华北地区，占全国传统村落总数量的12%，是我国北方传统村落分布数量较为集中的区域(图1)。
1.2研究方法
1.2.1核密度分析
核密度分析可以用来探测空间中的点、线等要素的密度值，通过核函数对搜索区域内的要素赋以不同权重估算其密度，该方法已广泛应用于研究某一对象的分布特征[8]。本研究利用核密度分析法解释华北地区传统村落在空间上分布的现象，其表达式为：
式中，f(x)为核密度估计值；h为搜索半径；n为搜索范围内的已知点数量；K为距离权重[9]。
1.2.2空间自相关
空间自相关性分析是基于地理学第一定律提出的，表示某个变量的分布存在相互依赖的关系，通过其度量方法测度其依赖程度，分为全局相关性与局部相关性。全局相关性用于考察研究对象在全局范围内显示的相关特征，经常被用来确定整个研究对象在整个领域的样本之间是否存在空间自相关。而局部相关性则是用于考察研究对象与其周围区域在各个尺度上的相关性，与全局相关相比，更有效地揭示研究对象在空间上的局部特征[10-12]。本研究利用空间自相关分析传统村落集中程度的空间分异特征。
1.2.3地理探测器
地理探测器用于分析空间异质性，是揭示其背后影响因素的一种统计学方法。其中，因子探测用于检测单因子对因变量的解释力度，交互探测用于判断各影响因子两两交互的作用[13-16]。本研究采用因子探测和交互作用探测2个模型，用以检测各影响因子的影响力大小，以及各因子之间的交互作用。
1.2.4多尺度地理加权回归
多尺度地理加权回归(MGWR)通过对每个自变量使用各自的最佳带宽来解决不同变量尺度和带宽的问题，比传统的地理加权回归(GWR)更优[17]。由于某些自变量具有较高的局部变异性特征，因此更适于选择以较窄的带宽进行回归计算；而某些自变量在全局范围内比较稳定，因此适合选择较大的带宽进行回归计算[18-20]。本研究将利用多尺度地理加权回归模型解释各影响因素对传统村落集中度的影响机制，其公式为式中，xij为第j个预测变量；(ui，vi)为各村落i的质心坐标；βbwj为第j个变量回归系数的带宽。
1.3数据来源
本次研究的数据包括：
1)住房和城乡建设部网站公示的1~5批中国传统村落名录，5批共计6819个村落，取村落范围的质心坐标，将其转换为矢量数据库，包括村庄名称、省、市、县(区)、地址、坐标字段；
2)华北地区各省份DEM30m数据，源于中国科学院资源环境科学数据中心，从中提取其高程数据；
3)气象数据为中国科学院资源环境科学数据中心的逐年年平均气温、年降水量数据；
4)中国科学院资源环境科学数据中心获取的土地利用遥感监测数据，基于美国陆地卫星LandsatTM影像识别，精度达100m，提取其中的耕地、林地、草地和水域数据；
5)从全国地理信息资源目录服务系统中获取全国1:250000道路数据，包括国道、省道、县道、乡道、其他公路、街道、乡村道路等；
6)长城数据来源于长城数据库系统，包括分布于华北地区秦、唐、宋、明、清5代的长城建筑、关堡、关隘等矢量数据；
7)全国范围内公里网格GDP分布数据；
8)人口数据来自国家统计局的第六次人口普查数据；9)国家文物局网站获取1~8批全国重点文物保护单位名单；
10)主要城市群分布的坐标数据。所有数据的量化表达用ArcGIS软件进行处理。
2空间分异特征分析
2.1总体分布格局
从华北地区传统村落的分布来看，主要集中于北京市和河北省的西部地区，以及山西省境内。其中以山西省分布最为集中，整体形成了“多核集聚”的分布格局，主要表现为“两核三片”的空间结构。两核：即以山西省的高平市、泽州县、阳城县，以及山西省与河北省交界的平定县和井陉县形成的2处明显的传统村落高度集聚区；三片：是在河北省的涉县和蔚县，以及山西省的平遥县、介休市分布的3处中等集聚的传统村落分布区。从地理上看，出现了明显沿太行山脉呈“线状”分布的走势(图2)。
2.2空间自相关
根据华北地区传统村落的Moran'sI统计结果显示，Moran'sI统计值全部通过1%的显著性水平检验，其Moran'sI为0.12，说明华北地区传统村落的分布情况并非随机现象，具有正的空间相关性，且表现为空间聚集的特点，即高(低)的传统村落集聚现象会正(负)向影响到周边传统村落的分布。
从LISA测度的结果来看(图3)，华北地区传统村落的分布呈现出明显的空间自相关性，在空间分布上呈现出不均衡的状态，出现了“高-高，高-低、低-高”3种不同的分布集聚区，各地区之间的相互依赖性较强。
其中，河北省蔚县和北京市门头沟区出现了“高-低”聚类的分布情况，即这2个区域集中了高密度的传统村落，而其周边区域却存在明显的分布差异；山西省的左权县、襄垣县、屯留区、安泽县出现了“低-高”聚类，虽然这4个地区没有分布传统村落，但以该4个地区为中心，环绕其周边却出现了环状的高密度“高-高”聚类分布集聚区，共有33处县(区)，该区域为整个华北地区传统村落最为集中的区域。
其中，河北省蔚县和北京市门头沟区出现了“高-低”聚类的分布情况，即这2个区域集中了高密度的传统村落，而其周边区域却存在明显的分布差异；山西省的左权县、襄垣县、屯留区、安泽县出现了“低-高”聚类，虽然这4个地区没有分布传统村落，但以该4个地区为中心，环绕其周边却出现了环状的高密度“高-高”聚类分布集聚区，共有33处县(区)，该区域为整个华北地区传统村落最为集中的区域。
