CN117290750A - 一种传统村落集中连片区的分类、联系及范围识别方法 - Google Patents
一种传统村落集中连片区的分类、联系及范围识别方法 Download PDFInfo
- Publication number
- CN117290750A CN117290750A CN202310808360.3A CN202310808360A CN117290750A CN 117290750 A CN117290750 A CN 117290750A CN 202310808360 A CN202310808360 A CN 202310808360A CN 117290750 A CN117290750 A CN 117290750A
- Authority
- CN
- China
- Prior art keywords
- traditional
- village
- area
- concentrated
- connection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011161 development Methods 0.000 claims description 51
- 238000009826 distribution Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 13
- 238000012417 linear regression Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000005764 inhibitory process Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 6
- 238000007726 management method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012271 agricultural production Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 241000283074 Equus asinus Species 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 240000003183 Manihot esculenta Species 0.000 description 1
- 235000016735 Manihot esculenta subsp esculenta Nutrition 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000010582 Pisum sativum Nutrition 0.000 description 1
- 240000004713 Pisum sativum Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 240000006394 Sorghum bicolor Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种传统村落集中连片区的分类、联系及范围识别方法,基于传统村落在地缘、亲缘和业缘的联系强度,将传统村落集中连片区进行分类识别,确定影响传统村落集中连片区的地缘、亲缘和业缘联系强度的因素,计算传统村落集中连片区内的传统村落联系质量,由此识别传统村落组团,比较判断传统村落组团与按行政边界划定的传统村落集中连片区间的范围吻合情况。本发明解决了现有传统村落集中连片区的类型划分不清、缺乏村落联系构建、范围边界划定主观等问题,可从整体上快速准确地确定传统村落集中连片区类型及边界范围,为乡村规划和传统村落保护利用等政策实施管控提供科学依据。
Description
技术领域
本发明涉及信息技术、城乡规划、人文地理、遗产保护利用等技术领域,尤其涉及一种传统村落集中连片区的分类、联系及范围识别方法。
背景技术
传统村落蕴藏着丰富的具有地方性的历史文化景观和自然生态景观,是中国农耕文明留下的最大遗产。传统村落受海拔、坡度、降水、气候等自然因素影响,也受到上千年的血缘和亲缘等文化因素影响,以及战争、地质灾害等重要社会事件影响,在特定的空间地理位置上形成了具有不同地域特色的建筑、技艺和农业工程等。农牧业作为传统村落的产业支柱,是其主要的历史生计,对于乡村经济的发展具有较大的推动作用,但也长期受到自然气候、土壤环境和水文地质等多方面因素的影响,存在诸多不确定性。
由于快速城镇化、工业化发展,大量的农村人口、资金、土地等生产要素流向城市,支撑了城市的发展,但城市先进生产要素流向农村的则比较少。现代交通网络的发展促进并扩展了传统村落的地缘联系,原本由步行、马车、驴车、自行车等慢速交通方式为载体的十里八村格局转变为以摩托、汽车、货车、火车、高铁等快速交通方式为载体的网络联系格局,乡村的地缘联系发生了巨大变化。此外,乡村交通和产业的发展吸引着外来人口的进入和乡村本地人口的流出,交通和信息基础设施为传统村落文化的向外传播提供有力支撑,但也使城镇等外来文化对乡村的影响和渗透加剧。流动性的增强消解了传统村落的亲缘联系,过去以亲缘为纽带的乡村发展模式转变为以业缘发展为导向的乡村空间结构和社会关系重构。因此,传统村落是一个地缘、血缘与业缘高度融合的社会组织,地缘、亲缘和业缘联系强度长期发生着变化。
对于传统村落来说,它不只是一个单体,更是区域整体的一个组成部分,是城镇网络体系中的一个节点,传统村落节点的等级和在城镇网络中的地位受到自身发展和外部环境的共同影响。然而,目前我国传统村落发展方式单一、同质化现象突出。同时,农村房屋流转、建房用地、金融融资等政策机制存在障碍,影响了传统村落保护利用效果。这就需要按照由点及面、凸显规模和彰显特色的原则,将传统村落保护利用工作化零为整,串点成线,以传统村落为节点,以文化特点为引线,连点串线成片,划定传统村落特色区域,整合周边资源,形成传统村落集中连片区,从而有利于传统村落的整体性、系统性、结构性保护利用。这样能够充分发挥片区内的特色资源,实现资源规模化、多样化,促进一二三产业融合发展,吸引社会资本参与。
对于传统村落集中连片区来说,传统村落间存在着自上而下和自下而上的两种联系。其一,作为单体的传统村落依托传统村落集中连片区的国家政策,以传统村落集中的县(县级市、区、旗及直辖市下辖区县,统称县区)的行政单元作为划分界线,通过行政手段(如财政对示范县区予以定额奖补等)自上而下划分为具有明确行政边界的传统村落集中连片区。其二,作为单体的传统村落依托跨边界的自然地理、历史文化、社会经济要素实现串联,包括交通网络、经济贸易、生态系统、文化关联等多方面联系。不同要素的相互作用促成村落间的空间、文化和业态联系,从而自下而上形成集中连片的传统村落组团,该类传统村落组团不具有明确的行政边界。目前,传统村落集中连片区大多以县区等行政单元为边界进行保护规划制定和政策实施,缺乏依据地缘、亲缘和业缘为联系的传统村落多维度要素关联自下而上形成的集中连片的传统村落组团,对于传统村落集中连片区的边界范围划定缺少定量化的科学判断依据。
发明内容
本发明的目的是提供一种传统村落集中连片区的分类、联系及范围识别方法,以解决现有传统村落集中连片区的类型划分不清、缺乏村落联系构建、范围边界划定主观等现有技术存在的不足,尤其是政策实施是以县区行政区划为边界,难以深入到村域尺度进行精细化管理的问题。
为解决上述问题,本发明采用了的技术方案是,一种传统村落集中连片区的分类、联系及范围识别方法,包括以下步骤:
步骤1:基于信息熵模型计算传统村落集中连片区内传统村落在地缘、亲缘和业缘的联系及其强度变化。
步骤1.1:获取传统村落集中连片区和传统村落的地理空间位置数据。可以通过网络爬虫技术从网络开放平台获取研究范围内的传统村落集中连片区的空间地理范围数据和传统村落的空间点位数据。
步骤1.2:使用信息熵模型计算传统村落频率的均衡度,即为传统村落在集中连片区内的地缘联系强度的最终结果。
信息熵是用于描述信息的冗余和有序程度,一个系统越是有序,构成系统的局部组分越表现出均质特征,系统总体所能反馈的信息就越少,信息熵也就越大。在此基础上,信息熵模型是用来描述空间分布离散和集中程度的一种空间测度模型。将传统村落集中连片区的空间地理范围划分为以m为边长的正方形渔网网格,计算传统村落在各正方形渔网网格内的数量,由此计算表征传统村落数量S的地缘信息熵以测度传统村落在传统村落集中连片区的地缘联系强度及其空间分布特征,计算公式如下:
式中,表示第k个传统村落集中连片区的地缘信息熵;/>表示第k个传统村落集中连片区内包含的渔网网格数量;/>为第k个传统村落集中连片区中的第i个渔网网格内传统村落的频率;/>表示第k个传统村落集中连片区中的第i个渔网网格内的传统村落数量。
为使不同传统村落集中连片区的空间分布可以统一比较,对信息熵作比值处理变换,计算传统村落频率的均衡度/>公式如下:
式中,表示第k个传统村落集中连片区内传统村落频率的均衡度,即为传统村落在集中连片区内的地缘联系强度;/>表示第k个传统村落集中连片区的地缘信息熵;/>为所有传统村落集中连片区地缘信息熵的最大值。
步骤1.3:使用信息熵模型计算传统村落农作物面积的均衡度,即为传统村落在集中连片区内的亲缘联系强度的最终结果。
以传统村落的空间点位为中心画半径为a的缓冲区来划定传统村落的亲缘联系区域,以小麦、水稻等主要农作物的面积空间分布数据为基础,由此计算表征传统村落主要农作物C的亲缘信息熵以测度传统村落在传统村落集中连片区的亲缘联系强度及其空间分布特征,计算公式如下:
式中,表示第k个传统村落集中连片区由农作物C计算得到的亲缘信息熵;/>表示第k个传统村落集中连片区内包含的传统村落数量;/>为第k个传统村落集中连片区中的第i个传统村落内种植农作物C的频率;/>表示第k个传统村落集中连片区中的第i个传统村落内的种植农作物C的面积;/>为所有传统村落集中连片区亲缘信息熵的最大值;表示第k个传统村落集中连片区内传统村落农作物C面积的均衡度。在此基础上,计算传统村落集中连片区内m种农作物的总体均衡度,计算公式如下:
式中,为第k个传统村落集中连片区中的第j种农作物的面积;m为传统村落中农作物的种类总数;/>为第k个传统村落集中连片区内传统村落农作物面积的总体均衡度,即为传统村落在集中连片区内的亲缘联系强度。
对于不同农作物类别,如果这几类农作物在传统村落集中连片区内不同的传统村落缓冲区中都有分布,传统村落1号和传统村落2号之间都拥有这几类农作物的种植面积,则意味着传统村落1号和传统村落2号的农业生产趋于相似,其均衡度则趋近于1;反之,如果这几类农作物仅集中在少数的传统村落缓冲区中,传统村落1号拥有这几类农作物的种植面积,而传统村落1号不拥有或仅部分拥有其中几类,则表明传统村落1号的农业生产与传统村落2号存在较大差异,进而比较传统村落集中连片区内的所有传统村落,若都有相同情况,则表明传统村落间可能具有较大的文化差异,其均衡度/>则趋近于0。
步骤1.4:使用信息熵模型计算传统村落土地利用类型的均衡度,即为传统村落在集中连片区内的业缘联系强度的最终结果。
以传统村落空间点位为中心画半径为a的缓冲区来划定传统村落的业缘联系区域,以田地、林地、草地、水域、城乡用地等不同类型土地利用的面积空间分布数据为基础,由此计算表征传统村落土地利用类型L的业缘信息熵以测度传统村落在传统村落集中连片区的业缘联系强度及其空间分布特征,计算公式如下:
式中,表示第k个传统村落集中连片区由土地利用类型L计算得到的业缘信息熵;/>表示第k个传统村落集中连片区内包含的传统村落数量;/>为第k个传统村落集中连片区中的第i个传统村落内土地利用类型L的频率;/>表示第k个传统村落集中连片区中的第i个传统村落内的土地利用类型L的面积;/>为所有传统村落集中连片区业缘信息熵的最大值;/>表示第k个传统村落集中连片区内传统村落土地利用类型L面积的均衡度;/>为第k个传统村落集中连片区中的第p种土地利用类型的面积;q为传统村落中土地利用类型的种类总数;/>为第k个传统村落集中连片区内传统村落土地利用面积的总体均衡度,即为传统村落在集中连片区内的业缘联系强度。
步骤2:依据步骤1中的地缘、亲缘和业缘的联系及其强度结果,将传统村落集中连片区划分为6种类型:均衡发展型、集聚发展型、文化主导型、业态主导型、空间主导型、效率欠佳型,以此确定各个传统村落的区域角色定位。
步骤2.1:对地缘、亲缘和业缘的联系及其强度进行区间划分:根据设定的联系强度值分别将地缘、亲缘、业缘分为强联系型和弱联系型,例如,当地缘联系强度高于0.5,为强联系型;地缘联系强度不高于0.5,为弱联系型;亲缘联系强度高于0.78,为强联系型;亲缘联系强度不高于0.78,为弱联系型;业缘联系强度高于0.87,为强联系型;业缘联系强度不高于0.87,为弱联系型。
步骤2.2:识别传统村落集中连片区的类型:当地缘、亲缘和业缘均为强联系型(地缘联系强度高于0.5,亲缘联系强度高于0.78,业缘联系强度高于0.87)时,传统村落集中连片区为均衡发展型;当地缘为弱联系型(地缘联系强度不高于0.5),亲缘和业缘为强联系型(亲缘联系强度高于0.78,业缘联系强度高于0.87)时,传统村落集中连片区为集聚发展型;当亲缘为强联系型(亲缘联系强度高于0.78),业缘为弱联系型(业缘联系强度不高于0.87)时,传统村落集中连片区为文化主导型;当亲缘为弱联系型(亲缘联系强度不高于0.78),业缘为强联系型(业缘联系强度高于0.87)时,传统村落集中连片区为业态主导型;当地缘、亲缘和业缘均为弱联系型(地缘联系强度不高于0.5,亲缘联系强度不高于0.78,业缘联系强度不高于0.87)时,传统村落集中连片区为空间主导型;当地缘为强联系型(地缘联系强度高于0.5),亲缘和业缘为弱联系型(亲缘联系强度不高于0.78,业缘联系强度不高于0.87)时,传统村落集中连片区为效率欠佳型。
步骤2.3:对不同类型传统村落集中连片区进行区域角色定位:结合步骤2.1和步骤2.2的结果,均衡发展型的亲缘和业缘联系为强联系型,但在地理分布上呈现均衡分布;集聚发展型的亲缘和业缘联系为强联系型,但在地理分布上呈现集聚分布;文化主导型的亲缘为强联系型,业缘为弱联系型,文化联系占据主导地位;业态主导型的亲缘为弱联系型,业缘为强联系型,业态联系占据主导地位;空间主导型的亲缘和业缘为弱联系型,地理分布上呈现集聚分布;效率欠佳型的亲缘和业缘为弱联系型,且在地理分布上呈现分散分布。通过分析传统村落集中连片区在不同年份上的类型数量变化及空间分布变化,能够进一步明确传统村落集中连片区动态发展过程中的演进规律。
步骤3:以步骤1中的地缘、亲缘和业缘联系强度作为模型因变量,以自然地理、社会经济、历史文化三个维度要素作为模型自变量,构建多元线性回归模型,确定三个维度影响因素对传统村落集中连片区的地缘、亲缘和业缘联系强度的影响程度强弱。
步骤3.1:确定三个维度要素的变量指标:自然地理维度要素可考虑选择海拔高度、地形坡度、降水量、平均气温、风速、地质灾害隐患点距离等变量指标;社会经济维度要素可考虑选择政府财政支出占地方GDP比例、第一产业在GDP中的贡献比例、受教育年限等变量指标;历史文化维度要素可考虑选择少数民族人口占比、外来人口(含外县)占比、A级景区距离、国家重点文物保护单位数目、国家级非物质文化遗产数目、重要文化廊道数目等变量指标。
步骤3.2:构建多元线性回归模型:将步骤3.1中的三个维度要素的变量指标作为多元线性回归模型的自变量,多元线性回归模型是基于普通最小二乘法,公式如下:
HT=βiXi+εi (12)
式中,HT表示传统村落集中连片区的地缘、亲缘和业缘联系强度,T=S时表示地缘联系强度,T=C时表示亲缘联系强度,T=L时表示业缘联系强度;βi表示回归模型所得到的系数,为方便不同自变量间的横向比较,采用方差处理后的标准回归系数值(Beta值);Xi代表步骤3.1中一系列三个维度要素的变量指标,上述变量都进行数据标准化处理后,再统一代入模型进行后续操作。
步骤3.3:确定三个维度影响因素对传统村落集中连片区的地缘、亲缘和业缘联系强度的影响程度强弱:通过步骤3.2中的多元线性回归模型,去掉共线性强、解释力弱的变量指标,对通过10%显著性水平的变量进行标准回归系数值的分析,并将标准回归系数值按照从大到小进行排序,标准回归系数值为正值的指标对该类型传统村落集中连片区的联系强度具有正向促进作用,反之,标准回归系数值为负值的指标对该类型传统村落集中连片区的联系强度具有负向抑制作用,且标准回归系数值的绝对值越大,促进或抑制作用越强,代表该变量指标对该类型传统村落集中连片区的联系强度影响程度越强。因此,在未来传统村落集中连片区的规划发展中,应优先考虑影响程度强的变量指标。
步骤4:根据步骤3中获得的三个维度影响因素对传统村落集中连片区的地缘、亲缘和业缘联系强度的影响程度,构建传统村落联系质量的综合评价指标体系,由此计算传统村落集中连片区内的传统村落联系质量。进一步,采用空间相互作用模型测度传统村落间的网络联系,识别传统村落组团,判断传统村落组团与传统村落集中连片区的边界范围吻合情况。
步骤4.1:计算变量指标权重:根据步骤3中获得的三个维度影响因素的变量指标标准回归系数值,确定变量指标权重,计算公式如下:
式中,分别为变量指标a的地缘、亲缘和业缘的标准回归系数值;Wa为变量指标a的标准回归系数均值;n为所有变量指标的数量;W′a为变量指标a的指标权重;Ai为传统村落i内的变量指标a的归一化数值;Qi为传统村落i的联系质量。
步骤4.2:计算传统村落的网络联系强度:通过步骤4.1中传统村落集中连片区内的传统村落i的联系质量结果Qi,由牛顿重力模型发展而来的空间相互作用模型,考虑了传统村落二者自身的联系质量和传统村落二者间的距离,能够测度传统村落二者间的网络联系强度,计算公式如下:
式中,Fij表示传统村落i和传统村落j间的网络联系强度;Qi和Qj分别表示传统村落i和传统村落j的联系质量,由步骤4.1的综合评价指标体系计算得出;d表示传统村落i和传统村落j间的交通距离,可以从基于网络地图服务的应用接口批量模拟查询获取;为传统村落i在区域内与n个传统村落网络联系强度的平均值,即为传统村落i的网络联系强度;n为区域内传统村落的数量。
步骤4.3:识别传统村落组团:根据步骤4.2获得的传统村落的网络联系强度,将数值导入Ucinet社会网络分析软件,采用Ucinet模块化聚类算法工具,计算传统村落凝聚子群,凝聚子群是传统村落整体网络中联系紧密、距离接近的个体组合,每个凝聚子群即为传统村落组团。由于传统村落集中连片区本身不存在重叠,因此传统村落将在聚类运算后,被划入唯一的传统村落组团。
步骤4.4:比较判断步骤4.3计算得到的传统村落组团与按照政策划定的传统村落集中连片区二者间的边界范围差异。
通过地理信息系统平台的图层叠加分析工具,得到边界范围不一致区域,判断传统村落组团是否位于目前县区行政区划边界范围内或超出边界范围,可对该传统村落集中连片区进行范围调整,将为未来传统村落集中连片区的边界划定及空间规划范围落实提供技术依据,以解决传统村落组团打破行政边界壁垒、各自规划低效发展等问题,真正实现集中连片区域的整体性发展。本发明技术也将有利于传统村落保护利用的政策精准实施,有效提高政府对传统村落的扶持资金、政策倾斜等多方面投入的准确性、可操作性和科学性,有利于实现传统村落集中连片区一同谋划、一体规划、一同建设的总体目标。
与现有技术相比,本发明的优势在于:
本发明提出了一种传统村落集中连片区的分类、联系及范围识别方法,具有四个方面的技术优势。首先,本技术能够实现以地缘、亲缘和业缘联系为基础的传统村落集中连片区的类型划分和边界范围识别,判别已划定为传统村落集中连片区是否合理,是否达到效率最高,并为未来传统村落集中连片区的边界科学划定及空间规划范围落实提供技术流程依据;其次,本技术通过对传统村落集中连片区的类型识别,帮助传统村落在传统村落集中连片区内确定分工体系下的合理发展定位,构建多层次的村落资源网络联系,实现区域协同发展;再次,本技术能够通过引导自然地理、社会经济、历史文化三个维度的各个影响因素,促进传统村落地缘、亲缘和业缘的联系强度增强,提高传统村落联系质量,进一步加强传统村落集中连片区的相关资源整合,促进传统村落统筹协调发展;最后,传统村落集中连片区的保护利用涉及到中央财政对相关区县的拨款,该技术方法也有效增加村级基层行政单元的政策实施精准性,有利于通过自上而下的行政手段和自下而上的村民自治行为等方式实现传统村落集中连片区的整体保护和利用。本技术应用性强、普适性广,具有可复制、可推广、可持续性发展的特点,有利于推动国家传统村落集中连片区的保护利用建设发展。
附图说明
图1是本发明提供的一种传统村落集中连片区的分类、联系及范围识别方法的流程框图。
图2是本发明实施例的2010年至2020年85个传统村落集中连片区的地缘、亲缘和业缘联系强度。
图3是本发明实施例的传统村落2010年和2020年在地缘、亲缘和业缘的联系及其强度变化图,从上到下依次是(A)业缘联系,(B)亲缘联系,(C)地缘联系。
图4是本发明实施例的2010年和2020年传统村落集中连片区的类别变化图。
图5是本发明实施例的三个维度影响因素对地缘、亲缘和业缘联系强度的多元线性回归分析结果及变量指标权重。
图6是本发明实施例的传统村落集中连片区的网络有效联系强度占比。
图7是本发明实施例的传统村落组团类型及数量统计。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
以下将2020年至2023年颁布的三批85个传统村落集中连片保护利用示范县(市、区),以及2012年至2023年颁布的第一批至第六批8155个传统村落,作为具体实施例来详细阐述本发明的技术方案,如图1所示,本发明提供的一种传统村落集中连片区的分类、联系及范围识别方法,包括以下步骤:
步骤1:获取传统村落集中连片区和传统村落的地理空间数据,基于信息熵模型计算2010年和2020年8155个传统村落在85个传统村落集中连片区内的地缘、亲缘和业缘的联系及其强度变化。
步骤1.1:通过网络爬虫技术从网络地图平台的应用接口获取中国三批85个传统村落集中连片区的空间范围数据和六批8155个传统村落的空间位置数据,将空间矢量数据导入到GIS软件(Geographic Information System)中。
步骤1.2:计算8155个传统村落在85个集中连片区内的地缘联系强度:将传统村落集中连片区的空间范围数据划分为5km×5km的正方形渔网网格,计算传统村落在各正方形渔网网格内的数量,根据公式(1)~公式(3),计算传统村落数量的地缘信息熵再计算传统村落频率的均衡度/>即为传统村落集中连片区的地缘联系强度,见图2。
步骤1.3:计算8155个传统村落在85个集中连片区内的亲缘联系强度:以8155个传统村落空间点位数据为中心画半径为2.5km的圆形缓冲区,由于传统村落集中连片区位于30个省级行政区,在地理跨度上包含我国主要气候区,因此选取小麦、水稻、玉米、大麦、高粱、土豆、木薯、豌豆、大豆、花生这10种粮食作物的面积空间分布数据作进一步分析,根据公式(4)~公式(7)计算85个传统村落集中连片区10种粮食作物面积的均衡度,即传统村落10种主要农作物的亲缘信息熵依据每种粮食作物面积占10种粮食作物总面积的比例,赋权加总,得到85个传统村落集中连片区内10种农作物的总体均衡度,即为传统村落集中连片区的亲缘联系强度,见图2。
步骤1.4:计算8155个传统村落在85个集中连片区内的业缘联系强度:将全国土地利用类型数据按照一级分类进行划分,即将乡村土地利用类型划分为1田地,2林地,3草地,4水域,5城乡、工矿和居民用地,6未利用土地,9海洋,共7类。仍旧以8155个传统村落空间点位数据为中心画半径为2.5km的圆形缓冲区,根据公式(8)~公式(11)计算85个传统村落集中连片区7种类型土地利用面积的均衡度,即传统村落7种土地利用类型的业缘信息熵依据每种土地利用面积占7种土地利用总面积的比例,赋权加总,得到85个传统村落集中连片区内7种土地利用面积的总体均衡度,即为传统村落集中连片区的业缘联系强度,见图2。
步骤2:依据步骤1中计算得到2010年和2020年85个传统村落集中连片区的地缘、亲缘和业缘的联系强度结果,如图3所示,将传统村落集中连片区划分为6类:均衡发展型、集聚发展型、文化主导型、业态主导型、空间主导型、效率欠佳型,以此确定各个传统村落的区域角色定位。
步骤2.1:对地缘、亲缘和业缘的联系及其强度进行区间划分:当地缘联系强度高于0.5,为强联系型;地缘联系强度不高于0.5,为弱联系型;亲缘联系强度高于0.78,为强联系型;亲缘联系强度不高于0.78,为弱联系型;业缘联系强度高于0.87,为强联系型;业缘联系强度不高于0.87,为弱联系型。
步骤2.2:识别85个传统村落集中连片区的类别,见图4:当地缘联系强度高于0.5,亲缘联系强度高于0.78,业缘联系强度高于0.87时,传统村落集中连片区为均衡发展型;当地缘联系强度不高于0.5,亲缘联系强度高于0.78,业缘联系强度高于0.87时,传统村落集中连片区为集聚发展型;当亲缘联系强度高于0.78,业缘联系强度不高于0.87时,传统村落集中连片区为文化主导型;当亲缘联系强度不高于0.78,业缘联系强度高于0.87时,传统村落集中连片区为业态主导型;当地缘联系强度不高于0.5,亲缘联系强度不高于0.78,业缘联系强度不高于0.87时,传统村落集中连片区为空间主导型;当地缘联系强度高于0.5,亲缘联系强度不高于0.78,业缘联系强度不高于0.87时,传统村落集中连片区为效率欠佳型。
步骤2.3:对10年间6种类型传统村落集中连片区进行区域角色定位变化分析:通过数据统计,根据图4可知,2010年均衡发展型、集聚发展型、文化主导型、业态主导型、空间主导型和效率欠佳型的传统村落集中连片区分别为14个、3个、21个、13个、21个和13个,2020年则分别为33个、9个、7个、24个、9个和3个。由此可知均衡发展型、集聚发展型和业态主导型的传统村落集中连片区10年间数量有所增长,文化主导型大量转化为均衡发展型,而文化主导型和业态主导型直接转化为集聚发展型的集中连片区数量则相当有限,效率欠佳型也较多转换为业态主导型。相反地,文化主导型、空间主导型和效率欠佳型的传统村落集中连片区10年间数量下降,半数以上的文化主导型演进为发展更好的均衡发展型和集聚发展型,约五分之一的文化主导型被置换为业态主导型,空间主导型的更多转化为集聚发展型。总体上,10年间传统村落集中连片区的类别变化是趋向于积极的,亲缘和业缘联系强度都有明显上升,更多转变为具有发展优势的均衡发展型和集聚发展型。
步骤3:以步骤1中85个传统村落集中连片区的地缘、亲缘和业缘联系强度作为模型因变量,以自然地理、社会经济、历史文化三个维度要素作为模型自变量,根据公式(12),构建多元线性回归模型,如图5所示,确定三个维度影响因素对85个传统村落集中连片区的地缘、亲缘和业缘联系强度的影响程度强弱。
步骤3.1:确定三个维度要素的变量指标:自然地理维度要素包括地质灾害隐患点距离和传统村落点位密度2个变量指标;社会经济维度要素包括国内生产总值和A级景区成本距离2个变量指标;历史文化维度要素包括国家级非物质文化遗产点位密度、国家重点文物保护单位点位密度和重要文化廊道点位密度3个变量指标。
步骤3.2:将步骤3.1中的7个变量指标进行标准化处理,消除量纲影响,与2020年传统村落集中连片区的地缘、亲缘和业缘联系强度建立多元线性回归模型,7个变量指标方差处理后的标准回归系数值(Beta值),见图5。7个变量指标均通过10%显著性水平,将7个变量指标的标准回归系数值按照从大到小进行排序。
步骤3.3:确定7个变量指标对传统村落集中连片区的地缘、亲缘和业缘联系强度的影响程度强弱,见图5:总体可知,重要文化廊道点位密度、地质灾害隐患点距离、传统村落点位密度、A级景区成本距离对地缘联系强度具有从高到低的正面促进作用,但总体影响不大;业缘联系强度受到自然地理、社会经济和历史文化要素更普遍的促进作用,国内生产总值、国家重点文物保护单位点位密度、传统村落点位密度、重要文化廊道点位密度对亲缘联系强度具有从高到低的正面促进作用,而地质灾害隐患点距离、A级景区成本距离则具有负面抑制作用;相比业缘联系,亲缘联系强度主要依靠历史文化要素维系,国家重点文物保护单位点位密度、传统村落点位密度、重要文化廊道点位密度、国家级非物质文化遗产点位密度具有从高到低的正面促进作用,而地质灾害隐患点距离、国内生产总值具有较高的负面影响。因此,在提高85个传统村落集中连片区的亲缘和业缘联系强度方面,历史文化是重中之重。在未来传统村落集中连片区的规划发展中,可以优先考虑增强国家重点文物保护单位的立项和保护利用工作,增加区域的重要文化廊道规划建设,重视传统村落的申报工作等。
步骤4:计算变量指标权重,构建传统村落联系质量的综合评价指标体系,由此计算85个传统村落集中连片区内的传统村落联系质量。进一步,采用空间相互作用模型测度8155个传统村落间的网络联系,识别传统村落组团,判断传统村落组团与传统村落集中连片区的边界范围吻合情况。
步骤4.1:计算7个变量指标的权重:根据步骤3中获得的7个变量指标的标准回归系数值,由公式(13)~公式(14),确定变量指标权重。地质灾害隐患点距离、传统村落点位密度、国内生产总值、A级景区成本距离、国家级非物质文化遗产点位密度、国家重点文物保护单位点位密度和重要文化廊道点位密度,这7个变量指标的指标权重分别为0.120、0.216、0.024、0.063、0.115、0.252、0.211,见图5。由公式(15),计算8155个传统村落的联系质量。
步骤4.2:计算8155个传统村落的网络联系强度:由步骤4.1计算得到的8155个传统村落联系质量,通过公式(16)~公式(17),计算得到传统村落的网络联系强度,将该数据值导入到GIS软件中,获得8155个传统村落联系网络及总体特征。图6的网络联系计算结果表明,现有传统村落集中连片区效率较佳,以不到40%的传统村落占据了约70%的有效联系。在传统村落的有效联系中,前80%的有效联系超过七成位于已划定的传统村落集中连片区内。这表明现存的传统村落集中连片区总体上是有效的,同时少量具有极强联系的传统村落比具有次强联系的传统村落更为分散,一些地区存在彼此间具有强联系的村庄孤岛。全国尺度下存在传统村落联系的3个超级组团和2个发展潜力组团:超级组团主要位于华北、东南和中南地区,发展潜力组团主要位于广东和云南域内,联系规模次于超级组团。
步骤4.3:识别传统村落组团:根据步骤4.2获得的8155个传统村落的网络联系强度,将数值倒入Ucinet软件,采用Ucinet模块化聚类算法工具,计算传统村落凝聚子群,即为传统村落组团。
步骤4.4:通过GIS平台的图层叠加分析工具,比较判断步骤4.3计算得到的93个传统村落组团与按照政策划定的85个传统村落集中连片区二者间的边界范围差异:传统村落组团的划分结果证实现有传统村落集中连片区的精准性有待提升,主要问题在于区县级行政边界所能囊括的范围有限,市州级行政边界的范围则偏大,如图7所示。
将传统村落组团中传统村落数量少于8155个总数0.1%的组团去除,即去除传统村落数量少于8个的组团,共得到93个传统村落组团,其中按行政边界划定的85个传统村落集中连片区中有71个传统村落组团的边界范围叠合,相反,仅22个传统村落组团与现存的85个传统村落集中连片区不存在边界范围叠合。例如甘孜藏族自治州和抚州市,其均为以市州级行政边界作为划分单元的传统村落集中连片区,一定程度说明这两个地区的市州级边界对于传统村落集中连片区而言范围过大;渭南市、晋城市等51个市州级单位的传统村落组团位于传统村落集中连片区的边界范围以外,反映区县级行政边界相对于传统村落组团普遍偏小的现实。由此,最终给出详细的85个传统村落集中连片区边界范围优化调整方案,为第3批以后传统村落集中连片区的范围划定提供规划依据。
以上所述为本发明的具体实施方式,但本发明的保护范围不局限于以上实施方式,对于本领域的技术人员而言,在不脱离本发明的原理和精神的情况下,对这些实施例进行变化、修改、替换、整合和变型仍落入本发明的保护范围内。
Claims (9)
1.一种传统村落集中连片区的分类、联系及范围识别方法,包括以下步骤:
1)基于信息熵模型计算传统村落集中连片区内传统村落在地缘、亲缘和业缘的联系强度;
2)依据步骤1)得到的地缘、亲缘和业缘的联系强度,将传统村落集中连片区划分为6种类型:均衡发展型、集聚发展型、文化主导型、业态主导型、空间主导型、效率欠佳型,以此确定各个传统村落的区域角色定位;
3)以步骤1)中的地缘、亲缘和业缘联系强度作为模型因变量,以自然地理、社会经济、历史文化三个维度要素作为模型自变量,构建多元线性回归模型,确定三个维度影响因素对传统村落集中连片区的地缘、亲缘和业缘联系强度的影响程度强弱;
4)根据步骤3)中获得的三个维度影响因素对传统村落集中连片区的地缘、亲缘和业缘联系强度的影响程度,构建传统村落联系质量的综合评价指标体系,由此计算传统村落集中连片区内的传统村落联系质量;进一步采用空间相互作用模型测度传统村落间的网络联系,识别传统村落组团,判断传统村落组团与传统村落集中连片区的边界范围吻合情况。
2.如权利要求1所述的方法,其特征在于,所述步骤1)包括:
1.1)获取传统村落集中连片区的空间地理范围数据和传统村落的空间点位数据;
1.2)使用信息熵模型计算传统村落频率的均衡度,即为传统村落在集中连片区内的地缘联系强度;
1.3)使用信息熵模型计算传统村落农作物面积的均衡度,即为传统村落在集中连片区内的亲缘联系强度;
1.4)使用信息熵模型计算传统村落土地利用类型的均衡度,即为传统村落在集中连片区内的业缘联系强度。
3.如权利要求2所述的方法,其特征在于,在步骤1.2)将传统村落集中连片区的空间地理范围划分为以m为边长的正方形渔网网格,计算传统村落在各正方形渔网网格内的数量,由此计算表征传统村落数量S的地缘信息熵以测度传统村落在传统村落集中连片区的地缘联系强度及其空间分布特征,计算公式如下:
其中,表示第k个传统村落集中连片区的地缘信息熵;/>表示第k个传统村落集中连片区内包含的渔网网格数量;/>为第k个传统村落集中连片区中的第i个渔网网格内传统村落的频率;/>表示第k个传统村落集中连片区中的第i个渔网网格内的传统村落数量;
然后对地缘信息熵作比值处理变换,计算传统村落频率的均衡度/>公式如下:
其中,表示第k个传统村落集中连片区内传统村落频率的均衡度,即为传统村落在集中连片区内的地缘联系强度;/>表示第k个传统村落集中连片区的地缘信息熵;/>为所有传统村落集中连片区地缘信息熵的最大值。
4.如权利要求2所述的方法,其特征在于,在步骤1.3)以传统村落的空间点位为中心画半径为a的缓冲区来划定传统村落的亲缘联系区域,以主要农作物的面积空间分布数据为基础,由此计算表征传统村落主要农作物C的亲缘信息熵以测度传统村落在传统村落集中连片区的亲缘联系强度及其空间分布特征,计算公式如下:
其中,表示第k个传统村落集中连片区由农作物C计算得到的亲缘信息熵;/>表示第k个传统村落集中连片区内包含的传统村落数量;/>为第k个传统村落集中连片区中的第i个传统村落内种植农作物C的频率;/>表示第k个传统村落集中连片区中的第i个传统村落内的种植农作物C的面积;/>为所有传统村落集中连片区亲缘信息熵的最大值;
表示第k个传统村落集中连片区内传统村落农作物C面积的均衡度;在此基础上,计算传统村落集中连片区内m种农作物的总体均衡度,计算公式如下:
其中,为第k个传统村落集中连片区中的第j种农作物的面积;m为传统村落中农作物的种类总数;/>为第k个传统村落集中连片区内传统村落农作物面积的总体均衡度,即为传统村落在集中连片区内的亲缘联系强度。
5.如权利要求2所述的方法,其特征在于,在步骤1.4)以传统村落空间点位为中心画半径为a的缓冲区来划定传统村落的业缘联系区域,以不同类型土地利用的面积空间分布数据为基础,由此计算表征传统村落土地利用类型L的业缘信息熵以测度传统村落在传统村落集中连片区的业缘联系强度及其空间分布特征,计算公式如下:
其中,表示第k个传统村落集中连片区由土地利用类型L计算得到的业缘信息熵;/>表示第k个传统村落集中连片区内包含的传统村落数量;/>为第k个传统村落集中连片区中的第i个传统村落内土地利用类型L的频率;/>表示第k个传统村落集中连片区中的第i个传统村落内的土地利用类型L的面积;/>为所有传统村落集中连片区业缘信息熵的最大值;/>表示第k个传统村落集中连片区内传统村落土地利用类型L面积的均衡度;
为第k个传统村落集中连片区中的第p种土地利用类型的面积;q为传统村落中土地利用类型的种类总数;/>为第k个传统村落集中连片区内传统村落土地利用面积的总体均衡度,即为传统村落在集中连片区内的业缘联系强度。
6.如权利要求1所述的方法,其特征在于,所述步骤2)包括:
2.1)对地缘、亲缘和业缘的联系及其强度进行区间划分:根据设定的联系强度值分别将地缘、亲缘、业缘分为强联系型和弱联系型;
2.2)根据步骤2.1)的划分识别传统村落集中连片区的类型:地缘、亲缘和业缘均为强联系型的传统村落集中连片区为均衡发展型;地缘为弱联系型,亲缘和业缘为强联系型的传统村落集中连片区为集聚发展型;亲缘为强联系型,业缘为弱联系型的传统村落集中连片区为文化主导型;亲缘为弱联系型,业缘为强联系型的传统村落集中连片区为业态主导型;地缘、亲缘和业缘均为弱联系型的传统村落集中连片区为空间主导型;地缘为强联系型,亲缘和业缘为弱联系型的传统村落集中连片区为效率欠佳型;
2.3)对不同类型传统村落集中连片区进行区域角色定位:均衡发展型的亲缘和业缘联系为强联系型,但在地理分布上呈现均衡分布;集聚发展型的亲缘和业缘联系为强联系型,但在地理分布上呈现集聚分布;文化主导型的亲缘为强联系型,业缘为弱联系型,文化联系占据主导地位;业态主导型的亲缘为弱联系型,业缘为强联系型,业态联系占据主导地位;空间主导型的亲缘和业缘为弱联系型,地理分布上呈现集聚分布;效率欠佳型的亲缘和业缘为弱联系型,且在地理分布上呈现分散分布。
7.如权利要求1所述的方法,其特征在于,所述步骤3)包括:
3.1)确定三个维度要素的变量指标:分别在自然地理维度要素、社会经济维度要素和历史文化维度要素中选择多个变量指标;
3.2)构建多元线性回归模型:将步骤3.1)中的三个维度要素的变量指标作为多元线性回归模型的自变量,多元线性回归模型是基于普通最小二乘法,公式如下:
HT=βiXi+εi (12)
其中,HT表示传统村落集中连片区的地缘、亲缘和业缘联系强度,T=S时表示地缘联系强度,T=C时表示亲缘联系强度,T=L时表示业缘联系强度;βi表示回归模型所得到的系数,采用方差处理后的标准回归系数值;Xi代表步骤3.1)中选择的一系列三个维度要素的变量指标,将这些变量进行数据标准化处理后,再统一代入模型进行后续操作;
3.3)确定三个维度影响因素对传统村落集中连片区的地缘、亲缘和业缘联系强度的影响程度强弱:通过步骤3.2)中的多元线性回归模型,去掉共线性强、解释力弱的变量指标,对通过10%显著性水平的变量进行标准回归系数值的分析,并将标准回归系数值按照从大到小进行排序,标准回归系数值为正值的指标对该类型传统村落集中连片区的联系强度具有正向促进作用,反之,标准回归系数值为负值的指标对该类型传统村落集中连片区的联系强度具有负向抑制作用,且标准回归系数值的绝对值越大,促进或抑制作用越强,代表该变量指标对该类型传统村落集中连片区的联系强度影响程度越强。
8.如权利要求7所述的方法,其特征在于,所述步骤4)包括:
4.1)根据步骤3)获得的三个维度影响因素的变量指标标准回归系数值,确定变量指标权重,计算公式如下:
其中,分别为变量指标a的地缘、亲缘和业缘的标准回归系数值;Wa为变量指标a的标准回归系数均值;n为所有变量指标的数量;W′a为变量指标a的指标权重;Ai为传统村落i内的变量指标a的归一化数值;Qi为传统村落i的联系质量;
4.2)计算传统村落的网络联系强度,计算公式如下:
其中,Fij表示传统村落i和传统村落j间的网络联系强度;Qi和Qj分别表示传统村落i和传统村落j的联系质量;d表示传统村落i和传统村落j间的交通距离;为传统村落i在区域内与n个传统村落网络联系强度的平均值,即为传统村落i的网络联系强度;n为区域内传统村落的数量;
4.3)识别传统村落组团:将步骤4.2)获得的传统村落的网络联系强度数值导入Ucinet社会网络分析软件,采用Ucinet模块化聚类算法工具,计算传统村落凝聚子群,凝聚子群是传统村落整体网络中联系紧密、距离接近的个体组合,每个凝聚子群即为传统村落组团;
4.4)比较判断步骤4.3)计算得到的传统村落组团与按照政策划定的传统村落集中连片区二者间的边界范围差异。
9.如权利要求8所述的方法,其特征在于,在步骤4.4)通过地理信息系统平台的图层叠加分析工具,得到所述传统村落组团与按照政策划定的传统村落集中连片区二者间边界范围不一致区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310808360.3A CN117290750B (zh) | 2023-07-03 | 2023-07-03 | 一种传统村落集中连片区的分类、联系及范围识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310808360.3A CN117290750B (zh) | 2023-07-03 | 2023-07-03 | 一种传统村落集中连片区的分类、联系及范围识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117290750A true CN117290750A (zh) | 2023-12-26 |
CN117290750B CN117290750B (zh) | 2024-03-19 |
Family
ID=89257832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310808360.3A Active CN117290750B (zh) | 2023-07-03 | 2023-07-03 | 一种传统村落集中连片区的分类、联系及范围识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117290750B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520965A (zh) * | 2024-01-04 | 2024-02-06 | 华洋通信科技股份有限公司 | 基于人工智能的工矿作业数据分类方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100076799A1 (en) * | 2008-09-25 | 2010-03-25 | Air Products And Chemicals, Inc. | System and method for using classification trees to predict rare events |
JP2015228833A (ja) * | 2014-06-05 | 2015-12-21 | 公益財団法人野田産業科学研究所 | 味噌・醤油酵母の判別法 |
CN108446436A (zh) * | 2018-02-08 | 2018-08-24 | 广州地理研究所 | 暴雨洪水非线性模型雨水损失参数的空间分布预警方法 |
CN112508332A (zh) * | 2020-11-03 | 2021-03-16 | 武汉大学 | 一种顾及多维特征的渐进式乡村聚落整治分区方法 |
CN112966899A (zh) * | 2021-02-03 | 2021-06-15 | 北京大学 | 一种影响人口密度的城市公共服务设施建设决策方法 |
US20210178697A1 (en) * | 2019-12-17 | 2021-06-17 | Northrop Grumman Systems Corporation | Machine-learning-based additive manufacturing using manufacturing data |
CN112990654A (zh) * | 2021-02-03 | 2021-06-18 | 北京大学 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
CN114492165A (zh) * | 2021-12-24 | 2022-05-13 | 新疆海狸农牧业软件有限公司 | 基于亲缘选育方法的参数优化方法及系统 |
-
2023
- 2023-07-03 CN CN202310808360.3A patent/CN117290750B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100076799A1 (en) * | 2008-09-25 | 2010-03-25 | Air Products And Chemicals, Inc. | System and method for using classification trees to predict rare events |
JP2015228833A (ja) * | 2014-06-05 | 2015-12-21 | 公益財団法人野田産業科学研究所 | 味噌・醤油酵母の判別法 |
CN108446436A (zh) * | 2018-02-08 | 2018-08-24 | 广州地理研究所 | 暴雨洪水非线性模型雨水损失参数的空间分布预警方法 |
US20210178697A1 (en) * | 2019-12-17 | 2021-06-17 | Northrop Grumman Systems Corporation | Machine-learning-based additive manufacturing using manufacturing data |
CN112508332A (zh) * | 2020-11-03 | 2021-03-16 | 武汉大学 | 一种顾及多维特征的渐进式乡村聚落整治分区方法 |
CN112966899A (zh) * | 2021-02-03 | 2021-06-15 | 北京大学 | 一种影响人口密度的城市公共服务设施建设决策方法 |
CN112990654A (zh) * | 2021-02-03 | 2021-06-18 | 北京大学 | 基于人口流动数据的城乡基础设施系统协同规划方法 |
CN114492165A (zh) * | 2021-12-24 | 2022-05-13 | 新疆海狸农牧业软件有限公司 | 基于亲缘选育方法的参数优化方法及系统 |
Non-Patent Citations (6)
Title |
---|
ZHAO F等: "Spatial-temporal characteristic analysis of ethnic toponyms based on spatial information entropy at the rural level in Northeast China", 《ENTROPY》, vol. 22, no. 4, 30 March 2020 (2020-03-30), pages 1 - 21 * |
姜乃煊等: "基于文化记忆的民族村落公共空间重构――以石佛寺锡伯族村为例", 《重庆建筑》, no. 7, 22 July 2020 (2020-07-22), pages 15 - 19 * |
宋玉康: "新型集中社区公共空间满意度研究——以苏州边缘区为例", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 1, 15 January 2019 (2019-01-15), pages 038 - 4634 * |
李久林等: "1990年代以来中国传统村落研究知识图谱――来自CiteSpace的佐证", 《小城镇建设》, no. 12, 15 December 2019 (2019-12-15), pages 20 - 26 * |
汪芳等: "变化中的适应还是适应中的变化?传统村落政策对区域景观系统适应性的影响研究", 《中国园林》, vol. 37, no. 10, 31 December 2021 (2021-12-31), pages 16 - 21 * |
董又铭等: "快速城镇化下乡村环境感知对乡村依恋的影响", 《地域研究与开发》, vol. 39, no. 2, 30 April 2020 (2020-04-30), pages 99 - 104 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520965A (zh) * | 2024-01-04 | 2024-02-06 | 华洋通信科技股份有限公司 | 基于人工智能的工矿作业数据分类方法 |
CN117520965B (zh) * | 2024-01-04 | 2024-04-09 | 华洋通信科技股份有限公司 | 基于人工智能的工矿作业数据分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117290750B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Spatial optimization of rural settlements based on the perspective of appropriateness–domination: A case of Xinyi City | |
Yanbo et al. | Territorial spatial planning for regional high-quality development–An analytical framework for the identification, mediation and transmission of potential land utilization conflicts in the Yellow River Delta | |
CN107679676A (zh) | 一种基于数值模拟的城市低影响开发优化配置方法 | |
Li et al. | Differentiation of spatial morphology of rural settlements from an ethnic cultural perspective on the Northeast Tibetan Plateau, China | |
CN117290750B (zh) | 一种传统村落集中连片区的分类、联系及范围识别方法 | |
Li et al. | Spatiotemporal analysis of land development in transitional China | |
CN108520345A (zh) | 基于ga-bp神经网络模型的耕地质量评价方法及系统 | |
CN103218517A (zh) | 基于gis的区域网格化人口密度空间化计算方法 | |
Gao et al. | Spatial characteristics and influencing factors of Chinese traditional villages in eight provinces the Yellow River flows through | |
Tian et al. | Suburban identification based on multi-source data and landscape analysis of its construction land: A case study of Jiangsu Province, China | |
CN110298520A (zh) | 一种农田建设难度确定方法 | |
CN111754135A (zh) | 一种应用于乡村规划的区域发展指数计算方法 | |
Ma et al. | Investigating the urban–rural integrated town development strategy on the basis of the study of rural forms in Nantong, China | |
CN114881834A (zh) | 城市群生态系统服务的驱动关系分析方法及系统 | |
He et al. | Spatial stratified heterogeneity and driving mechanism of urban development level in China under different urban growth patterns with optimal parameter-based geographic detector model mining | |
CN116050879A (zh) | 一种基于城市体检评估的城市更新方法及系统 | |
Tian et al. | Construction and optimization of ecological security patterns in Dryland watersheds considering ecosystem services flows | |
Ma et al. | Urban shrinkage in the regional multiscale context: Spatial divergence and interaction | |
CN113361899A (zh) | 农田规划处理方法、装置、电子设备及可读存储介质 | |
CN111401683B (zh) | 古村落传统性的测算方法及装置 | |
CN115293664B (zh) | 基于gis的干旱绿洲县级农牧业生产适宜性细化评价方法 | |
Wu et al. | Urban comprehensive carrying capacity analysis in Zhejiang Province of China from the perspective of production, living, and ecological spaces | |
CN116739232A (zh) | 判别农村污水处理模式的方法、装置、设备和存储介质 | |
CN115965282A (zh) | 一种乡村发展水平的动态监测与评估的方法及装置 | |
CN115439012A (zh) | 基于gis的干旱绿洲县级区域城镇建设适宜性细化评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |