固城湖圩田肌理识别与量化解析

 实证研究：固城湖圩田肌理识别与量化解析

 

 

固城湖圩田属于宣芜平原圩区范围，是江南毗水农耕风貌的典型代表，有“圩田收，食三秋”的古谚，具备地形平缓、水系密布、圩网旖旎的基本特征。研究选取圩田开发历史悠久的宣芜平原固城湖典型圩区为研究案例，将农耕演进过程中自然形成、未经建设改造的圩田定义为典型圩田区域。其农业生产性水网可以分为外河、内河和沟渠3个等级，其中外河位于圩堤外部，是圩区用水的主要来源；内河是圩区内的主要水道与交通通道；沟渠是圩内支流，常延伸进小圩内部形成溇沼。由密集水系环绕形成的小圩，是该地区圩田肌理的基本构成单元。

 

选取固城湖永丰圩区及相邻部分圩田为样本，总面积约5 420hm2(图8)，占高淳区典型圩田面积的53%。使用该区域2019年规划实测图纸，在实地勘察复核校对后，提取内河、沟渠限定下的小圩地理信息作为肌理量化研究数据基础，以水网和圩堤作为小圩形态的划分标准，保留溇沼(图9)。对于未被水系完整环绕的小圩，以农业生产实测边界作为研究范围划分标准。

 

首先利用GIS平台，提取小圩矢量信息构建样本库，共获取494个小圩样本，样本量满足圩田景观肌理识别模型对于形成稳定合理分类结果的数据需求(≥200)。提取边界形态并进行适度平滑处理，避免因简化边界造成的测算误差；提取小圩形态指数运算所需的几何属性数据，与小圩形态指数数据共同构建圩田景观肌理数据库，其中小圩形态指数用于圩田肌理特征聚类分析。

 

 

 

在样本测试基础上，首先运用SOM神经网络对输入数据进行初次聚类。采用R语言建构并运行SOM神经网络模型，输入层调用圩田肌理数据，神经元个数根据输入数据维度确定；竞争层的神经元个数M与输入样本量N之间存在的数量关系。结合采集样本量，经样本试做，确定了11×10个神经元的网络模式，当训练次数达到1 000次时，神经网络趋于稳定。为避免不同指数单位与数量级的差异对结果产生影响，需要对输入数据进行标准化处理，完成初次聚类。

 

以SOM神经网络初次聚类获得的各个神经元的聚类中心为样本，运用K-means算法对其进行二次聚类。研究发现当K值设定为6时，簇内平方和数值逐渐平稳(图10)，因而将样本分为6类(图11)。





将聚类结果在Arc GIS平台进行可视化呈现，形成适用于圩田肌理类型研判与复合特征分析的数字化图像基础。

 

 

从肌理构成角度统计分析各类小圩形态的数量占比和分布集群规律，能够从研究区域层面总结凝练圩田肌理的复合特征。为进一步从数理角度开展圩田肌理特征识别结果的研讨，借助GIS自然断点分级法，将小圩形态指数数据离散为“低、中、高”3个量化区间，通过统计对比 3个区间的小圩个体占比及其分布情况，能够量化研判各类型小圩组合后的肌理基础特征，也能表征不同类型小圩组合的肌理差异与分类规律(表3)。

 

1)研究区域圩田肌理以矩形和多边形小圩组合为基础，总结圩田肌理识别模型的分类结果，发现3类小圩形态近似矩形、3类近似不规则多边形。结合小圩形态指数区间与均值，统计每种形态类型在量化区间中的个体占比，发现3类矩形小圩紧凑度最高，处于中高数值区间，其凹凸度、椭圆形状指数、分形维数较低，多处于中低数值区间，其边界形态方正度高、内凹度低、曲折度低，呈现出较为简单方正的肌理特征。与之相比，3类多边形小圩矩形紧凑度较低，多处于中低数值区间，其凹凸度、椭圆形状指数、分形维数较高，多处于中高数值区间，其边界形态方正度低、内凹度高、曲折度高，因此呈现出曲折蜿蜒的肌理特征(表4)。

 

进一步汇总可见(表5)，A1类小圩的延伸率在矩形单元中总体偏低，多处于中低指数区间，构成单元的形态趋向于等边矩形；A3类小圩的延伸率在矩形单元中总体偏高，多处于高指数区间，构成单元的形态趋向于狭长矩形；A2类小圩的延伸率则处于A1、A3之间，构成单元的狭长程度也处于A1、A3之间。在多边形特征类型中，描述小圩边界复杂程度的指数分异明显，B1、B2、B3小圩矩形紧凑度递减，凹凸度、椭圆形状指数和分形维数同时递增；与形态指数变化相对应，其3类肌理构成单元的边界复杂程度不断提高，内凹、拓扑形态数量不断增多，边界长度不断延长。

 

2)圩田肌理构成单元集群分布与嵌套分布共存，在景观肌理“活化”的同时存在量化构成机制。从构成单元所占比例和分布来看，矩形小圩呈现集群分布，占构成单元总数的63.5%，因此永丰圩景观肌理从整体上呈现出明显的秩序性，表现出小尺度、高密集度排布的组成特征，成为肌理构成的“本底”，可以认为“小圩密布”是较之于“水网密布”更为严谨的水乡圩区界定；同时，多边形小圩呈现嵌套分布，占构成单元总数的36.5%，成为肌理构成的最大变量。



2种数量分布接近“黄金分割比”的量化关系是否是江南圩田风貌的量化基础仍有待深入研究。但综合可见，在集群、嵌套2种基础肌理的耦合组构下，3类不同延伸度的矩形肌理和3类不同复杂度的多边形肌理共同形成相邻嵌套的分布关系，促使研究区域呈现出以矩形肌理为主导，多边形圩田关联复合的肌理特征(表6)。单一肌理类型构成了单元间的集群关系，多种肌理类型构成了单元间的嵌套关系，“周而不比、和而不同”，2种具有明显形态分野的单元形态数理协同、情理平衡地组构了江南圩区的肌理机制。

 

4  分析与讨论

 

面向当前圩田景观肌理精细化识别、精准化管控的需求，基于小圩形态指数构建圩田肌理类型识别与量化解析体系，结合数理统计分析手段搭建从圩田形态到景观肌理的研究桥梁，为分析与保护圩田肌理乃至村景乡情提供研究基础。

 

1)分析探讨了以小圩为肌理基础单元，以形态指数为量化转译载体的圩田肌理量化分析的可行性。以固城湖典型圩区为研究对象，以系列小圩标识性形态指数驱动圩田肌理量化研判，初步构建了以“指数转译-特征聚类-特征解译”为基本流程的圩田景观肌理研究框架。实证结果表明，该方法能够有效识别圩田肌理的类型特征。其中，联立延伸率、矩形紧凑度、凹凸度、椭圆形状指数、分形维数5项小圩形态指数，能够量化描述圩田肌理构成的基本特征，采用的圩田肌理模型能够集成景观肌理形态数据并进行测度，为更加完整、全面的圩田肌理科学描述提供研究基础，如系统加载生态数据后，有望进一步拓展圩田景观肌理数字化、信息化分析与应用能力。

 

2)从统计测量角度初步揭示了典型区域圩田肌理的构成、集群与嵌套机制。通过对小圩形态指数的分形测量与联立分析，为传统感知性“表述语言”背景下的景观肌理“所指”提供了可供分析、归纳、溯源的数据化“能指”，从而提升圩田景观肌理的可解释度。目前采用的小圩形态指数及其区间基本能够涵盖宣芜平原圩区景观肌理的类内共性与类间差异；结合各类型构成单元的数量统计与分布情况，能够从整体角度揭示圩田肌理的复合特征；从圩垦管控角度提供圩田肌理组构阈值，则能为国土空间视野下圩区研究与实践提供分析基础，为量化识别并传承原有景观肌理提供分析手段；通过测量统计圩田肌理的量化规律，促使乡村振兴所需的新生形态根植并融合于原生肌理，能够避免为单纯满足生产、建设需求，忽视乃至牺牲原生肌理典型性、延续性，进而引发的地域景观风貌破坏等现实问题。

 

3)相关技术具有纵深发展与横向拓展的研发潜力。研究视角方面，可从目前主要聚焦圩田形态肌理向多维融合肌理发展。在现有形态指数的基础上，进一步充实相关表征指数，开辟直至建立包含生态、农业等多维度圩田肌理要素融合框架，从而更加全面深入地剖析景观肌理的内在要素与构成机制。

 

研究范畴方面，目前主要以宣芜平原固城湖圩区为案例进行探讨，然而江南乃至我国圩田广袤、圩区众多、圩田肌理多样化现象显著，针对典型地理环境、地域特征、生产条件的圩田类型学研究亟待开展，这同样是现阶段基于空间信息统计测量的肌理特征量化研究急需积极探索的广阔研究领域。

 

未来的研究一方面需要持续拓展研究广度，搜集整理不同区域圩田的肌理特征，不断充实我国圩区景观肌理理性认知的“数据库”，从而更加全面、科学地呈现我国圩田肌理的共性特征与个性规律；另一方面需要注重共时性研究基础上的历时性分析，对不同时期、不同农业生产阶段圩田景观的肌理演进加以对比探讨，从而更加深刻地揭示圩田景观的发展历程。

 

5  结语与展望

 

随着我国新型城镇化战略的持续深化，乡村景观风貌的传承、发展、创新成为风景园林学研究的重要课题。三生共存、生生不息，我国不同地理、地域、生产和农耕模式培育了丰富多样的乡村景观形态，蕴含着复杂多元、各具特色的“农业景观”肌理特征。以数字语言开展农业景观肌理特征识别与量化研判，一定程度上丰富和发展了农村景观研究的广度与精度，为“望山见水”提供了学科视角，为“山水田城”融合发展提供了科技支撑，为“记得住乡愁”提供了源起农耕、洞鉴古今的景观载体与捭阖之道。

 

推而广之，坚持以知识更新、数据驱动、技术创新助力符合时代诉求的国土景观风貌研究，依托空间测量、数理分析手段进行景观风貌深入探索，能够从学理角度引导包括农业景观在内的国土景观提质增效，为保护和延续在地性景观特色提供理论基础与技术途径。从不免带有混沌性的“合一”思想中走来，在坚持整体思维这一东方传统哲学精华的同时，充分运用信息时代、数字技术赋予我们分析处理盘根错节现实问题的重要抓手，让“诗意地说”与“思维地说”并行，文明与自然携手共进，终将是当代风景园林科学发展的时代诉求与根本使命。